23/09/2019 5. ESTIMACIÓN DE PARÁMETROS EN DISTRIBUCIONES ESTADÍSTICAS 1 Parámetros de una distribución • Los parámetr
Views 78 Downloads 4 File size 681KB
23/09/2019
5. ESTIMACIÓN DE PARÁMETROS EN DISTRIBUCIONES ESTADÍSTICAS 1
Parámetros de una distribución •
Los parámetros de una distribución describen y definen la distribución en particular, y son estimados (obtenidos) a partir de datos. – Ejemplo: – En la distribución exponencial, dependiendo del valor de lambda,λ, f(t) exhibirá diferentes características.
2
1
23/09/2019
Estimación de parámetros • Para ajustar un modelo a los datos, es necesario realizar un estimación de los parámetros del modelo escogido. • Esta estimación se realiza basándose en el conjunto de datos
3
Estimación de parámetros ReliaSoft Weibull++ 7 - www.ReliaSoft.com
Función de Densidad de Probabilidad
4.000E-4
La estimación de parámetros de la distribución normal para datos completos es trivial. • µ = 4,000 • σ = 1,000
Datos 1 Normal-2P RRX MRE MED MF F=3/S=0 Línea de la Fdp 3.200E-4
2.400E-4
f(t)
– Ejemplo: 3,000, 4,000, 5,000
Pdf
1.600E-4
8.000E-5
0.000 0.000
Juan Musayon TECSUP 01/02/2008 02:46:30 p.m. 4000.000
8000.000
12000.000
16000.000
20000.000
Tiempo, (t) = = =
4
2
23/09/2019
Método de estimación de parámetros • Hay varios métodos para la estimación de parámetros. Los mas conocidos son: ‒ El método del Ploteo de Probabilidades (probability plotting) ‒ El método de los mínimos cuadrados (least squares) y ‒ El método de la Máxima Verosimilitud (maximum likelihood).
• Se presentara una visión general del método de ploteo de probabilidades.
5
Ploteo de probabilidades • • • •
Método mas conocido (manual) para distribuciones complejas (probability plotting). Considera el ploteo de los datos en un papel especial obteniéndose el grafico de probabilidades. El principio básico es linealizar la cdf. Con algebra básica, se puede fácilmente obtener la ecuación de la recta (y=mx+b).
6
3
23/09/2019
Ploteo de probabilidades • • •
Los puntos ploteados representan los datos de tiempo hasta la falla. Estos tiempos son los valores del eje x. Para determinación la posición y (probabilidad de falla), hay que determinar el valor de la “categoría mediana” (median rank) para cada tiempo hasta la falla.
7
Categorías Medianas (MR) • Las categorías medianas son utilizadas para obtener una estimación de la no confiabilidad, F(t), para cada tiempo hasta la falla. • Por aproximación, la categoría mediana esta dada por: (Aproximación de Bernard)
𝑌 = 𝑀𝑅 = – MR – N – i
𝑖 − 0.3 𝑁 + 0.4
= Rango Medio (Media Rank) = Tamaño de la muestra = Numero de Orden (posición de la falla)
8
4
23/09/2019
Categorías Medianas (MR) • Adicionalmente, se puede emplear la siguiente tabla para determinar MR: 1 2 3 4 5 6 7 8 9 10 11 12
1
2
3
4
5
6
7
8
9
10
11
12
50
29.289 70.711
20.630 50.000 79.370
15.910 38.573 61.427 84.090
12.945 31.381 50.000 68.619 87.055
10.910 26.445 42.141 57.859 73.555 89.090
9.428 22.849 36.412 50.000 63.588 77.151 90.572
8.300 20.113 32.052 44.015 55.984 67.948 79.887 91.700
7.412 17.962 28.624 39.308 50.000 60.691 71.376 82.018 92.587
6.697 16.226 25.857 35.510 45.169 54.811 64.490 74.142 83.774 93.303
6.107 14.796 23.578 32.390 41.189 50.000 58.811 67.620 76.421 85.204 93.893
5.613 13.598 21.669 29.758 37.853 45.951 54.049 62.147 70.242 78.331 86.402 94.387
M𝑅 =
𝑖 − 0.3 𝑛 + 0.4
9
5.1. DISTRIBUCIÓN EXPONENCIAL
10
5
23/09/2019
Distribución exponencial • •
Una de las distribuciones mas simples, utilizada erróneamente debido a su facilidad. Definida como:
f (t ) = .e − .t donde: • •
23/09/2019
t es la variable aleatoria que representa el tiempo. La letra griega λ (lambda) representa el parámetro de la distribución.
Ing. Luis Hurtado Campos
11
11
Gráfico de la función exponencial
23/09/2019
Ing. Luis Hurtado Campos
12
12
6
23/09/2019
Funciones relacionadas Función confiabilidad t
R(t ) = 1 − .e
− . s
Función tasa de falla (t ) =
ds
0
f (t ) .e − .t = − .t = R(t ) e
R(t ) = 1 − [1 − e −t ] R ( t ) = e − .t
23/09/2019
Ing. Luis Hurtado Campos
13
13
Media o MTTF •
El tiempo medio hasta la falla (MTTF) esta dado por (equilibrio), (esperanza de vida):
__
∞
𝑇 = න 𝑡. 𝑓(𝑡)𝑑𝑡 0 __
∞
𝑇 = 𝑀𝑇𝑇𝐹 = න 𝑡. 𝜆. 𝑒 −𝜆.𝑡 𝑑𝑡 = 0
•
23/09/2019
1 𝜆
Esta misma metodología puede ser aplicada para cualquier distribución, dada la pdf, con varios grados de dificultad dependiendo de la complejidad de la f(t).
Ing. Luis Hurtado Campos
14
14
7
23/09/2019
La distribución exponencial • Es muy utilizada en la Ingeniería de Confiabilidad debido a su simplicidad. • Se utiliza para describir ítems que fallan con tasa de fallas constante.
23/09/2019
Ing. Luis Hurtado Campos
15
15
Distribución exponencial con un parámetro •
La pdf de la exponencial con un parámetro esta dada por:
𝑓(𝑡) = 𝜆. 𝑒 −𝜆.𝑡 =
1 −𝑡 𝑒 𝑚 𝑚
Donde: λ = Tasa de fallas constante. m = Media entre fallas o hasta la falla t = Tiempo de operación, vida o edad.
•
23/09/2019
Es un caso especial de la distribución Weibull con β = 1
Ing. Luis Hurtado Campos
16
16
8
23/09/2019
Distribución exponencial con dos parámetros •
La pdf de la exponencial con dos parámetros esta dada por:
𝑓(𝑡) = 𝜆. 𝑒 −𝜆(𝑡−𝛾) 𝑓(𝑡) ≥ 0; 𝜆⟩0; 𝑡 ≥ 𝛾 •
Donde γ es el parámetro de localización (vida mínima).
23/09/2019
Ing. Luis Hurtado Campos
17
17
Estadísticas de la exponencial
23/09/2019
•
Confiabilidad:
𝑅(𝑇) = 𝑒 −𝜆(𝑇−𝛾)
•
Confiabilidad Condicional:
𝑅(𝑇, 𝑡) =
•
Tasa de fallas:
𝜆(𝑇) = 𝜆
•
Media (MTTF):
𝑀𝑇𝑇𝐹 = 𝛾 + Ing. Luis Hurtado Campos
𝑅(𝑇 + 𝑡) = 𝑒 −𝜆.𝑡 𝑅(𝑇)
1 𝜆 18
18
9
23/09/2019
El efecto de λ en la pdf exponencial •
•
•
•
23/09/2019
La pdf de la exponencial no tiene un parámetro de forma, porque solo tiene una forma. La pdf siempre es convexa y se prolonga a la derecha con el valor de decrecimiento λ. El valor de la función pdf siempre es igual al valor de λ en T=0. El parámetro de localización γ positivo altera el inicio de la distribución a la derecha del origen, lo que significa que las fallas ocurrirán solo después de “γ” horas de operación.
Ing. Luis Hurtado Campos
19
19
Ejercicio • Un nuevo producto está siendo probado para determinar el periodo de garantía. El tiempo límite de ensayo es de 2 meses. • Después de este tiempo, solo 1 de 100 unidades falló (en 150 hrs). Las otras 99 fueron suspendidas en 1440 hrs de ensayo. • ¿Cómo debería ser determinado el periodo de garantía al 90% de Confiabilidad?
23/09/2019
Ing. Luis Hurtado Campos
20
20
10
23/09/2019
Consideraciones preliminares • Necesitamos determinar el periodo de garantía, el cual está directamente relacionado con la tasa de fallas. • Con una falla, ¿Se puede asumir la tasa de fallas? • Como solo se observó una falla, la distribución exponencial es una buena opción. • Con datos históricos se podría utilizar la distribución Weibull de un parámetro y luego calcular β.
23/09/2019
Ing. Luis Hurtado Campos
21
21
Solución:
23/09/2019
•
El tiempo de garantía se calcula con:
𝑅(𝑡𝐺 ) = 𝑒 −𝜆.𝑡𝐺 𝐿𝑛(𝑅) 𝑡𝐺 = − 𝜆
•
Caso 1: Con Censura
𝜆=
σ #𝑓𝑎𝑙𝑙𝑎𝑠 σ(#𝑆 × 𝑡𝑠 ) + σ #𝑓𝑎𝑙𝑙𝑎𝑠 × 𝑡𝑓
•
Caso 2: Sin Censura
𝜆=
σ #𝑓𝑎𝑙𝑙𝑎𝑠 σ #𝑓𝑎𝑙𝑙𝑎𝑠 × 𝑡𝑓
Ing. Luis Hurtado Campos
22
22
11
23/09/2019
Solución • Estamos en el caso 1. 𝜆=
1 = 7 × 10−6𝑓𝑎𝑙𝑙𝑎𝑠/ℎ𝑟 99 × 1440 + 1 × 150
• Para una confiabilidad del 90%: 𝑡𝐺 =
23/09/2019
𝐿𝑛(0.9) = 15,036 ℎ𝑟 7 × 10−6
Ing. Luis Hurtado Campos
23
23
Ejercicio •
Según los datos mostrados, asumiendo que se comportan según una distribución exponencial, determinar: – La tasa de falla. – El MTTF – El tiempo transcurrido para una confiabilidad del 40 % – La confiabilidad para un tiempo de 95 horas.
23/09/2019
Ing. Luis Hurtado Campos
I
TTF (h) 1
111
2
46
3
8
4
266
5
141
6
20
7
186
8
63
9
86
10
34
24
24
12
23/09/2019
5.2. DISTRIBUCIÓN NORMAL
25
Distribución Normal •
•
Es utilizada comúnmente en el análisis de Confiabilidad, para tiempos hasta la falla de componentes electrónicos y mecánicos, equipos o sistemas. La pdf de la distribución normal es dada por:
𝑓(𝑡) =
23/09/2019
1 𝜎 2𝜋
1 𝑡−𝜇 2 −2 𝜎 𝑒
Ing. Luis Hurtado Campos
26
26
13
23/09/2019
Pdf de la distribución normal •
La distribución Normal es una distribución de 2 parámetros (μ,σ), y esta dada por: 𝑓(𝑡) =
1 𝜎 2𝜋
𝑒
−
1 𝑡−𝜇 2 2 𝜎
μ = Media normal de los tiempos de falla. σ = Desviación estándar de los tiempos de falla.
23/09/2019
Ing. Luis Hurtado Campos
27
27
Características • La pdf tiene el mismo valor para la media, mediana y moda. • La pdf tiene la forma de una campana y es simétrica en relación a la media. • La pdf no tiene parámetro de forma. Esto significa que tiene forma única. • La desviación estándar σ es el parámetro de escala de la pdf. • Si σ disminuye, la pdf se acerca a la media, es decir mas estrecha y mas alta. • Si σ aumenta, la pdf se torna mas ancha y mas baja.
23/09/2019
Ing. Luis Hurtado Campos
28
28
14
23/09/2019
Ejercicio: •
Se probaron 20 muestras de paletas de turbina para determinar su frecuencia natural en kHz. Basada en esta muestra, se desea determinar la porción de la población que poseerá frecuencias fuera del intervalo de 7,8 hasta 8,2 kHz.
23/09/2019
7.93
8.08
7.76
7.88
8.14
7.97
7.57
7.98
7.50
8.12
7.89
7.64
7.91
8.02
8.00
7.98
8.11
8.06
8.02
7.94
Ing. Luis Hurtado Campos
29
29
Ejercicio •
Según los datos mostrados, asumiendo que se comportan según una distribución normal, determinar: – La media y la desviación estándar. – El tiempo de cambio para una confiabilidad del 45 % – Si se desea trabajar con una confiabilidad del 60 % cada que tiempo deberá hacerse el cambio – Si cambio cada 1000 horas con que confiabilidad se está trabajando
23/09/2019
Ing. Luis Hurtado Campos
I
TTF (h) 1
1600
2
800
3
470
4
1200
5
2200
6
600
7
1100
8
900
30
30
15
23/09/2019
5.3. DISTRIBUCIÓN WEIBULL
31
Distribución Weibull • • • •
Es una propuesta general para análisis de Confiabilidad. La pdf puede tener diferentes formas y puede aproximarse a las otras distribuciones. El comportamiento de la tasa de falla puede ser creciente, decreciente o constante. Tipos: • • •
Weibull de 3 parámetros Weibull de 2 parámetros Weibull Mixta
23/09/2019
Ing. Luis Hurtado Campos
32
32
16
23/09/2019
Distribución Weibull de 3 parámetros Wallodi Weibull 1887-1979
•
La pdf de la distribución esta dada por:
𝛽 𝑇−𝛾 𝑓(𝑇) = 𝜂 𝜂
𝛽−1
𝑒
−
𝑇−𝛾 𝛽 𝜂
• 𝛽 ∶ 𝑃𝑎𝑟á𝑚𝑒𝑡𝑟𝑜 𝑑𝑒 𝑓𝑜𝑟𝑚𝑎 • 𝜂 ∶ 𝑃𝑎𝑟á𝑚𝑒𝑡𝑟𝑜 𝑑𝑒 𝑒𝑠𝑐𝑎𝑙𝑎 • 𝛾 ∶ 𝑃𝑎𝑟á𝑚𝑒𝑡𝑟𝑜 𝑑𝑒 𝑢𝑏𝑖𝑐𝑎𝑐𝑖ó𝑛
23/09/2019
Ing. Luis Hurtado Campos
33
33
Distribución Weibull de 2 parámetros • •
Es la forma más popular. La pdf esta dada por:
𝑓(𝑡) =
23/09/2019
𝛽 𝑡 𝜂 𝜂
𝛽−1
𝑒
−
𝑡 𝛽 𝜂
Ing. Luis Hurtado Campos
34
34
17
23/09/2019
Analizando β • β es el parámetro de forma o inclinación (en un papel de probabilidad Weibull) de la distribución. • La forma de la pdf es alterada cambiando el valor β. • β es un número adimensional.
23/09/2019
Ing. Luis Hurtado Campos
35
35
Efecto de β en la pdf ß = 0.5 ß = 5.0
=0
ß = 3.44
ß = 2.5 f(t) ß = 1.0
0 0 23/09/2019
t Ing. Luis Hurtado Campos
36
36
18
23/09/2019
Efecto de β en la cdf
23/09/2019
Ing. Luis Hurtado Campos
37
37
Efecto de β sobre la confiabilidad
23/09/2019
Ing. Luis Hurtado Campos
38
38
19
23/09/2019
Efecto de β sobre la tasa de fallas Riesgo de falla, r(t)
= 2.5
= 1.0 = 0.5 23/09/2019
t
?
Ing. Luis Hurtado Campos
39
39
Analizando η • Es el parámetro de escala de la distribución Weibull, y tiene las mismas unidades de T, como horas, Kilómetros, ciclos, actuaciones, etc.
23/09/2019
Ing. Luis Hurtado Campos
40
40
20
23/09/2019
Efecto de η en la pdf Vida Característica
ß = 2.5, =0
f(t)
1
< 2
R( ) = 36.8% ß = 2.5, =0
1
2
0 0 23/09/2019
t Ing. Luis Hurtado Campos
41
41
Análisis Weibull • Requiere el tiempo para la falla como dato. • Una falla debe ser un evento definido y no solo una valoración subjetiva de perdida de rendimiento. • Los datos deberán ser estadísticamente una muestra al azar de la población. • Emplear la medida de utilización adecuada para el equipo y el mayor modo de falla. • Revisar otros factores tales como posición instalada, mal uso, incorrecto diagnostico de falla, etc. 23/09/2019
Ing. Luis Hurtado Campos
42
42
21
23/09/2019
El papel Weibull t − F(t ) = 1 − exp −
1 ln ln = ln(t − ) − ln 1− F(t ) Sobre un papel Weibull, el eje vertical está en escala lnln y el eje horizontal está en escala ln.
23/09/2019
Ing. Luis Hurtado Campos
43
43
Papel Weibull
23/09/2019
Ing. Luis Hurtado Campos
44
44
22
23/09/2019
Ejercicio: Análisis Weibull Se ha obtenido datos de 10 items, seleccionados aleatoriamente y todos los cuales han fallado. El tiempo para la falla del equipo fue: 410, 1050, 825, 300, 660, 900, 500, 1200, 750, 600 • •
Paso 1 Paso 2
Ordenar los datos en orden ascendente. Tabular con el valor correspondiente F(t) para una muestra de10, empleando la tabla del Rango Medio y el MR
23/09/2019
Ing. Luis Hurtado Campos
45
45
Ejercicio: Análisis Weibull Número Falla (i) 1 2 3 4 5 6 7 8 9 10 23/09/2019
Horas para la Falla (ti ) 300 410 500 600 660 750 825 900 1050 1200
Rango Medio % Acum Falla F(t ) 6.7 16.2 25.9 35.5 45.2 54.8 64.5 74.1 83.8 93.9
Ing. Luis Hurtado Campos
46
46
23
23/09/2019
Factor de Forma=2.3 Vida característica=870 h
Número Falla (i) 1 2 3 4 5 6 7 8 9 10
Horas para la Falla (ti ) 300 410 500 600 660 750 825 900 1050 1200
Rango Medio % Acum Falla F(t ) 6.7 16.2 25.9 35.5 45.2 54.8 64.5 74.1 83.8 93.9
23/09/2019
Ing. Luis Hurtado Campos
47
47
Parámetros de la distribución f(t) = 2.3
63.2%
= 870
23/09/2019
Ing. Luis Hurtado Campos
tiempo
48
48
24
23/09/2019
Ejercicio:
Se da las horas de fallas de un componente. Determinar los parámetros para una distribución Weibull
23/09/2019
i
TTF (h)
1
1000
2
1300
3
1550
4
1850
5
2100
6
2450
7
3000
Ing. Luis Hurtado Campos
49
49
5.4. DATOS CENSURADOS
50
25
23/09/2019
Tipos de datos de vida • Datos Completos (tiempo hasta la falla). • Datos Censurados (no se conoce el tiempo de falla). – Censura a Derecha (Suspensión) – Censura en Intervalos – Censura a Izquierda
23/09/2019
Ing. Luis Hurtado Campos
51
51
Datos completos Realizamos un ensayo con 5 ítems y si todos fallasen, tendríamos toda la información de la muestra.
Unidad 1 Unidad 2
X X
Falló
Falló
X
Unidad 3
X
Unidad 4
X
Unidad 5
Falló
Falló
Falló
Tiempo
23/09/2019
Ing. Luis Hurtado Campos
52
52
26
23/09/2019
Datos censurados a la derecha (suspendidos) • Si ensayamos cinco ítems, pero solo tres fallan. • Tenemos los datos completos de tres ítems que fallaron, pero no de los dos ítems que no fallaron.
Unidad 1 Unidad 2
No falló
X
Falló
X
Unidad 3
Falló
Unidad 4
No falló
X
Unidad 5
Falló
Tiempo
23/09/2019
Ing. Luis Hurtado Campos
53
53
Datos censurados en el intervalo • •
Ensayamos cinco ítems y realizamos inspecciones cada 100 horas. Si el ítem fallo entre las inspecciones, no sabremos el momento exacto en que le falla ocurrió, pero sabemos que la falla ocurrió dentro del intervalo de inspección.
Unidad 1 Unidad 2
Falló Falló Falló
Unidad 3 Unidad 4
Unidad 5
Falló
Falló
Tiempo
23/09/2019
Ing. Luis Hurtado Campos
54
54
27
23/09/2019
Datos censurados a la izquierda • Representa situaciones donde el ítem es encontrado en estado de falla solo después de un cierto periodo de tiempo y donde también es desconocido el momento exacto de la falla.
Unidad 1 Unidad 2
Falló
X
Falló
X
Unidad 3 Unidad 4
Falló
Falló
X
Unidad 5
Falló
Tiempo
23/09/2019
Ing. Luis Hurtado Campos
55
55
Ploteando las probabilidades de datos censurados (suspensiones) • Cuando utilizamos el análisis de regresión para considerar el hecho de que ítems no fallaron, o quedaron suspendidos, necesitamos ajustar su probabilidad de falla, o desconfiabilidad (lo que fue computado utilizando la categoría mediana). • Una metodología, basada en la metodología de Leonard Johnson será mostrada a continuación.
23/09/2019
Ing. Luis Hurtado Campos
56
56
28
23/09/2019
Ploteando datos censurados a derecha(suspensiones) Ejemplo para ilustrar la metodología: • Se ensayaron 5 ítems y se obtuvo tres fallas y dos suspensiones. Posición
Estado FoS
Vida del ítem (ciclos)
1
F1
5100
2
S1
9500
3
F2
15000
4
S2
22000
5
F3
40000
23/09/2019
Ing. Luis Hurtado Campos
57
57
Ploteando datos censurados a derecha •
23/09/2019
En esta secuencia, F1 es la primera de las 5 fallas. Posición
Estado FoS
Vida del ítem (ciclos)
Numero de Falla
1
F1
5100
1
2
S1
9500
3 4
F2 S2
15000 22000
?
5
F3
40000
?
Ing. Luis Hurtado Campos
58
58
29
23/09/2019
Ploteando datos censurados a derecha • El número actual de orden de falla (o posición) de la segunda falla F2, es una incógnita. Podría ser posición 2 o 3. – Si S1 no hubiese sido retirado del ensayo en 9500 h, es posible que hubiera podido operar con éxito mas allá de las 15000 h y por lo tanto, F2 quedaría en la posición 2. – Si S1 hubiese fallado antes de las 15000 h, en este caso F2 quedaría en la posición 3. – Así, el número de orden de falla de F2 estará en algún lugar entre 2 y 3.
23/09/2019
Ing. Luis Hurtado Campos
59
59
Ploteando datos censurados a derecha •
Para determinar los valores de orden, primero listamos las diferentes secuencias de posibilidades de fallas. En este caso F1 será la primera observación. Podemos encontrar diferentes posibilidades en que puede ocurrir la falla F2. Estas posibilidades son listadas en las siguientes tablas:
23/09/2019
1
F2 en posición 2 2 3 4 5
6
F2 en posición 3 1 2
F1
F1
F1
F1
F1
F1
F1
F1
F2
F2
F2
F2
F2
F2
S1
S1
S1
S2
F3
S1
S2
F3
F2
F2
S2
S1
S1
F3
F3
S2
S2
F3
F3
F3
S2
S2
S1
S1
F3
S2
Ing. Luis Hurtado Campos
60
60
30
23/09/2019
Ploteando datos censurados a derecha • Se puede ver que la falla F2 puede ocurrir en la segunda posición de seis maneras diferentes, y en la tercera posición de dos maneras diferentes. • La posición mas probable es la media de estos posibles caminos, o la media del número, o la media del número de orden (MON), dada por:
𝐹2 = 𝑀𝑂𝑁2 =
23/09/2019
6×2+2×3 = 2.25 6+2
Ing. Luis Hurtado Campos
61
61
Ploteando datos censurados a derecha •
Utilizando la misma lógica, la tercera falla puede ser localizada en la posición 3, 4, o 5, como muestran las tablas siguientes: F3 en posición 3 1 2
•
F1
F1
F2
F2
F3 en posición 4 2
3
F1
F1
F1
F1
S1
F2
F2
S1
F2
F2
F2
S1
S2
F2
S1
S2
1
1
F3 en posición 5 2 F1
3 F1
F3
F3
S1
S2
F3
F3
F3
S2
S2
S1
S2
S1
S2
S2
S1
F3
F3
F3
Entonces la Media del Numero de Orden de la tercera falla F3, será: 𝑀𝑂𝑁3 =
23/09/2019
2×3+3×4+3×5 = 4.125 2+3+3
Ing. Luis Hurtado Campos
62
62
31
23/09/2019
Ploteando datos censurados a derecha Una vez establecida la media del número de orden, necesitamos obtener posiciones de la categoría mediana para las fallas en la media del número de orden. Simplificando, debemos tener la categoría mediana de los números de orden: 1, 2.25 y 4.125 para un muestra de tamaño 5,como se muestra en la tabla: Posiciones ploteadas para las fallas (Tamaño de muestra =5) N° Falla MON MR (%)
23/09/2019
1: F1
1
13%
2: F2
2.25
36%
3: F3
4.125
71%
Ing. Luis Hurtado Campos
63
63
Fórmula general • Para obtener la variación en el orden cuando existen datos censurados se puede utilizar la siguiente fórmula: Δ𝑖 =
𝑁 + 1 − 𝑀𝑂𝑁𝑖−1 1+𝑘
𝑀𝑂𝑁𝑖 = 𝑀𝑂𝑁𝑖−1 + Δ𝑖 MONi-1 = Posición anterior a suspensión k = Número total de datos después de la suspensión. 23/09/2019
Ing. Luis Hurtado Campos
64
64
32
23/09/2019
Aplicación de la formula general Gráfico de la cdf
Posiciones ploteadas para las fallas (N=5)
i
F 1
S
5 9500
MR (%) 1
13%
2.25
36%
4.125
71%
4
15000
4 5
MON
5100
2 3
K
3 22000
2
40000
1
Posiciones ploteadas para las fallas (N=5) i
F
MON
MR (%)
1
5100
1
13%
3
15000
2.25
36%
5
40000
4.125
71%
23/09/2019
Ing. Luis Hurtado Campos
65
65
Ejemplo: • La vida de servicio de cierta faja de ventilador ha sido monitoreada y registrada con los tiempos en semanas (Nota: F= falla, S=suspendido): 174(F); 124(F); 106(F);153(F); 160(F); 167(F); 112(F); 194(F); 181(F); 136(S)
• Diez unidades idénticas son sometidas a carga para determinar su confiabilidad. Seis unidades fallaron a las 16, 34, 53, 75, 93 y 120 horas las otras cuatro unidades siguieron funcionando hasta que se detuvo la observación a las 120 horas.
23/09/2019
Ing. Luis Hurtado Campos
66
66
33