まず、ガベージイン=ガベージアウトであることを常に覚えておいてください。したがって、データがゴミである場合、統計はゴミになります。
この状況では、最適なデータはRun Hours Until Failureのようなものであり、データセット全体がすでに失敗しているはずです。これを念頭に置いて、計算した統計から保守的な数値を選択することをお勧めします。
あなたは発売日からの失敗しか持っていないので、これはより高いMTTFに偏っているかもしれません。
すべての製品がまだ故障しているわけではないので、母集団のより小さなサブセット、たとえば最初の6か月の生産を見ることができます。これらの割合が高いほど失敗する可能性が高いです(先週販売した製品が今週失敗しないはずです)。
失敗の割合がまだ低すぎる場合は、分布の割合が低いこと、つまりデータセットから近似曲線に外挿する必要があることを念頭に置いて、データを分布に適合させようとする必要がある場合があります。
たとえば、ワイブル分布はここでうまく機能し、MTTFデータに一般的に使用されます。ここでの考え方は、失敗したデータセットの比率を、対応する分布の比率に合わせることです。失敗したデータセット内の製品の割合が48.66%の場合、次の画像の影付きの領域で示すように、それを仮説の分布のその確率に適合させます。
ただし、これは指数分布以外の場合にはかなり集中的になる可能性があります。
外挿の別の方法は、 劣化分析によるものです。