近期，统计与数学学院、浙江工商大学数据工程技术与应用协同创新中心、之江大数据统计研究院王炳兴教授作为通讯作者的两篇论文“General Path Models for Degradation Data With Multiple Characteristics and Covariates”和“Degradation Data Analysis Based on Gamma Process With Random Effects”连续在工业统计领域顶级期刊Technometrics、European Journal of Operational Research上正式发表。

论文“General Path Models for Degradation Data With Multiple Characteristics and Covariates”提出了一种用于分析具有多个退化特征的退化数据的多元广义轨道模型。该模型通过引入协变量来拟合产品退化特征的非线性退化路径，借助随机效应来描述不同产品退化特征之间的异质性，采用MCMC算法来估计模型参数和系统可靠性。数值模拟结果显示论文所建立的多元模型在估计可靠性方面优于现有的模型。

论文“Degradation Data Analysis Based on Gamma Process With Random Effects”则以具有随机效应的伽马退化模型为研究对象，采用广义p值法来检验不同产品退化路径之间是否存在异质性，借助Cornish-Fisher展开式估计了了形状参数的近似置信区间。数值模拟结果表明了该方法在覆盖率方面优于现有的基于大样本理论的区间估计方法。

近年来，可靠性统计研究团队，在工业统计领域取得一系列研究成果。团队负责人王炳兴，博士生导师，浙江省新世纪151人才工程第三层次培养人员。主持国家自然科学基金2项，教育部人文社科基金和浙江省自然科学基金各1项，在工业统计顶级期刊Technometrics,Journal of Quality Technology和可靠性顶级期刊IEEE Transactions on Reliability等国内外期刊发表论文80篇。

团队核心成员徐安察教授，硕士生导师，主持国家自然科学基金3项，以第一作者或通讯作者在IEEE Transactions on Reliability等可靠性统计顶级期刊上发表8篇。团队核心成员方冠奇博士，毕业于美国亚利桑那州立大学，在以第一作者在可靠性顶级期刊发表论文 5篇。