ก่อนอื่นให้จำไว้เสมอว่าขยะใน = ทิ้งขยะ ดังนั้นหากข้อมูลของคุณเป็นขยะสถิติของคุณจะเป็นขยะ
ในสถานการณ์นี้ข้อมูลที่ดีที่สุดของคุณจะเป็นเช่น Run Hours จนกระทั่ง Failure และชุดข้อมูลทั้งหมดของคุณจะล้มเหลวไปแล้ว ด้วยสิ่งนี้ในใจคุณอาจต้องการเลือกหมายเลขอนุรักษ์จากสถิติใด ๆ ที่คุณคำนวณ
เนื่องจากคุณมีเพียงความล้มเหลวจากวันที่ขายจึงอาจเบ้ไปที่ MTTF ที่สูงขึ้น
เนื่องจากผลิตภัณฑ์บางอย่างของคุณไม่ได้ล้มเหลว แต่คุณสามารถดูกลุ่มย่อยที่เล็กลงของประชากรได้ดังนั้นพูดในช่วงหกเดือนแรกของการผลิต เปอร์เซ็นต์ที่สูงขึ้นของสิ่งเหล่านี้ล้มเหลวมากที่สุด (เนื่องจากผลิตภัณฑ์ที่คุณขายเมื่อสัปดาห์ที่แล้วไม่ควรล้มเหลวในสัปดาห์นี้หวังว่า)
หากสัดส่วนความล้มเหลวของคุณยังต่ำเกินไปคุณอาจต้องพยายามปรับข้อมูลให้เข้ากับการกระจายโดยคำนึงถึงว่าคุณมีสัดส่วนการกระจายที่ต่ำเช่นคุณต้องประมาณจากชุดข้อมูลไปยังเส้นโค้งที่พอดี
ตัวอย่างเช่นWeibull Distributionจะทำงานได้ดีที่นี่และมักใช้กับข้อมูล MTTF แนวคิดในที่นี้คือเพื่อให้พอดีกับสัดส่วนของชุดข้อมูลของคุณซึ่งล้มเหลวในสัดส่วนการกระจายที่สอดคล้องกัน หากสัดส่วนของผลิตภัณฑ์ในชุดข้อมูลของคุณที่ล้มเหลวคือ 48.66% คุณจะต้องปรับให้เหมาะกับความน่าจะเป็นในการกระจายของสมมติฐานตามที่แสดงโดยพื้นที่แรเงาในภาพต่อไปนี้
อย่างไรก็ตามสิ่งนี้ค่อนข้างเข้มงวดสำหรับทุกสิ่งนอกเหนือจากการแจกแจงแบบเอ็กซ์โปเนนเชียล
วิธีการประมาณค่าอีกวิธีหนึ่งคือ การวิเคราะห์การสลายตัว