Beruflich Dokumente
Kultur Dokumente
WEIBULL
Su flexibilidad.
Otros modelos son casos especiales (exponencial, normal,..);
El pequeño tamaño de la muestra necesaria para converger a parámetros
precisos.
Metodo Iterativo
𝛽
𝛽 𝑡 − 𝛾 𝛽−1 −(𝑡−𝛾 )
𝐷𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑑𝑒 𝑊𝑒𝑖𝑏𝑢𝑙𝑙 ∶ 𝐹(𝑡) = ( ) 𝑒 𝜂
𝜂 𝜂
𝑡−𝛾 𝛽
−( )
𝐶𝑜𝑛𝑓𝑖𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑: 𝑅(𝑡) = 1 − 𝐹(𝑡) = 𝑒 𝜂
En donde
t: tiempo
β: Es el parámetro de forma (Adimensional).
η: Es el parámetro de escala o tiempo característico (En unidades de tiempo).
γ: Es el parámetro de localización (En unidades de tiempo).
1
𝑙𝑛 (𝑙𝑛 ( )) = 𝛽𝑙𝑛(𝑡) − 𝛽𝑙𝑛(𝜂)
1 − 𝐹(𝑡)
1
𝑥 = 𝑙𝑛(𝑡) 𝑦 = 𝑙𝑛 (𝑙𝑛 ( ))
1 − 𝐹(𝑡)
En donde:
𝑏
( )
𝑎 = 𝛽, 𝑏 = 𝛽𝑙𝑛(𝜂) ó 𝜂 = 𝑒 𝛽
En donde:
𝑖
𝐹(𝑖) =
𝑛+1
.
Tiempo entre fallas
i F(i)
t (Hr)
1 16.58 3.27%
2 17.80 7.94%
3 18.00 12.62%
4 18.98 17.29%
5 22.66 21.96%
6 24.45 26.64%
7 24.67 31.31%
8 32.34 35.98%
9 47.40 40.65%
10 67.34 45.33%
11 72.00 50.00%
12 79.70 54.67%
13 88.93 59.35%
14 116.95 64.02%
15 152.40 68.69%
16 182.57 73.36%
17 238.18 78.04%
18 290.30 82.71%
19 402.63 87.38%
20 646.41 92.06%
21 781.30 96.73%
Calculamos el logaritmo natural del tiempo entre fallas y el logaritmo del logaritmo
del inverso de uno menos el rango de mediana para cada uno de las observaciones
de la muestra. Véase la siguiente tabla.
Tiempo entre fallas
I F(i) ln(t) ln(ln(1/(1-F(i))
t (Hr)
0.5
0
ln(ln(1/(1-F(i))))
-0.5
-1
-1.5
y = 0.82394x -4.0978 r2 = 0.86548
-2
-2.5
-3
-3.5
2.5 3 3.5 4 4.5 5 5.5 6 6.5 7
ln t
Ahora realizamos una evaluación de sensibilidad y error cuadrático para encontrar el mejor
polinomio que ajuste a los TBF, para ello incluiremos el parámetro 𝛾 > 0. Mediante Matlab
se analizó cual es el valor del parámetro Gamma que minimiza el error cuadrático.
Sensibilidad y Error cuadrático
15
10
Gamma() en [Horas]
0
0.86 0.88 0.9 0.92 0.94 0.96 0.98
Coeficiente de correlación de PEARSON (r2)
0.5
0
ln(ln(1/(1-F(i))))
-0.5
-1
-1.5
y = 0.57793x -2.6816 r2 = 0.96104
-2
-2.5
-3
-3.5
0 1 2 3 4 5 6 7
ln (t-)
Entonces obtenemos:
𝛽 =0.5779
𝜂 =103.5415
𝛾 = 15.0
Validacion del nivel de confianza .
La validación del modelo de Weibull u otros modelos se realiza imponiendo una medida
que se denomina nivel de confianza (𝛼) , este proceso de validación se puede realizar
mediante el Test 𝑋 2 “Chi cuadrado” ó el Test de Kolmogorov-Smirnov (KS).
Descartamos el uso del Chi Cuadrado debido a que deben haber por lo menos mas de 100
observaciones o datos (TBF, TTR, u otros) para hacer uso del mismo; debido a la existencia
de esta restricción elegimos el Test (Kolmogorov Smirnov) el cual tiene la ventaja de
trabajar con cualquier número de observaciones.
𝑡−𝛾 𝛽
−( )
𝐹(𝑡) = 1 − 𝑒 𝜂
En donde:
El valor de 𝐷𝑛𝛼 será obtenido de tablas de K-S considerando un 𝛼 = 5%, es decir un nivel
de confianza de 95%.
Tiempo entre
I fallas F(i) F(t) Dni=IF(t)-F(i)I
t (Hr)
1 16.58 0.045 0.127 0.082
2 17.80 0.091 0.164 0.073
3 18.00 0.136 0.170 0.033
4 18.98 0.182 0.192 0.010
5 22.66 0.227 0.254 0.027
6 24.45 0.273 0.278 0.005
7 24.67 0.318 0.280 0.038
8 32.34 0.364 0.355 0.009
9 47.40 0.409 0.448 0.039
10 67.34 0.455 0.528 0.074
11 72.00 0.500 0.543 0.043
12 79.70 0.545 0.565 0.020
13 88.93 0.591 0.589 0.002
14 116.95 0.636 0.647 0.010
15 152.40 0.682 0.700 0.018
16 182.57 0.727 0.735 0.007
17 238.18 0.773 0.783 0.010
18 290.30 0.818 0.816 0.003
19 402.63 0.864 0.864 0.001
20 646.41 0.909 0.921 0.012
21 781.30 0.955 0.938 0.016
Maxima discrepancia 0.082
Comparando los valores máximos obtenidos, se puede afirmar que el modelo de Weibull
que se propone es aceptable al 95% de confianza,