Pertama, selalu ingat bahwa sampah = sampah keluar; jadi jika data Anda adalah sampah maka statistik Anda akan menjadi sampah.
Dalam situasi ini, data optimal Anda akan menjadi seperti Jam Berjalan Hingga Gagal dan seluruh dataset Anda sudah gagal. Dengan mengingat hal ini, Anda mungkin ingin memilih nomor konservatif dari statistik apa pun yang Anda hitung.
Karena Anda hanya mengalami kegagalan sejak tanggal penjualan, ini mungkin condong ke MTTF yang lebih tinggi.
Karena tidak semua produk Anda gagal namun Anda dapat melihat bagian yang lebih kecil dari populasi Anda, katakanlah enam bulan pertama produksi. Persentase yang lebih tinggi dari ini kemungkinan besar gagal (karena produk yang Anda jual minggu lalu seharusnya tidak gagal minggu ini, semoga).
Jika proporsi kegagalan Anda masih terlalu rendah maka Anda mungkin harus mencoba menyesuaikan data dengan distribusi dengan mengingat bahwa Anda hanya memiliki proporsi distribusi yang rendah, yaitu Anda harus mengekstrapolasi dari dataset ke kurva yang dipasang.
Sebagai contoh, Distribusi Weibull akan bekerja dengan baik di sini dan biasanya digunakan untuk data MTTF. Idenya di sini adalah untuk menyesuaikan proporsi dataset Anda yang telah gagal dengan proporsi distribusi yang sesuai. Jika proporsi produk Anda dalam dataset Anda yang gagal adalah 48,66% maka Anda akan cocok dengan probabilitas itu pada distribusi hipotesis Anda seperti yang ditunjukkan oleh area berarsir pada gambar berikut.
Ini bisa agak intensif, untuk apa pun selain distribusi eksponensial.
Metode ekstrapolasi lain adalah dengan Analisis Degradasi