Beruflich Dokumente
Kultur Dokumente
if (!require(tidyverse)) {
install.packages("tidyverse") # Installationsroutine
require(tidyverse) # Einbinden des Packages
}
if (!require(plotly)) {
install.packages("plotly") # Installationsroutine
require(plotly) # Einbinden des Packages
}
```
1. Berechnen Sie mit den Erstausfällen die beiden Weibullparameter $b$ und $T$ für
$F_{first}$.
2. Wie lautet die repräsentative Lastspielzahl, die den "mittleren Wert" abbildet?
Stellen Sie dazu die zweiparametrige Weibullgleichung um.
3. Wenn Sie nun nur die eine repräsentative Versuchsreihe betrachten, wie hoch
ist die Wahrscheinlichkeit des ersten Ausfalls?
4. Bestimmen Sie die Parameter der Weibullverteilung für die
Gesamtausfallverteilung.
Lösung zu Aufgabenteil 1:
# Rang-Regression x on y:
mrr_first <- rank_regression(x = mr_cycles$characteristic, y = mr_cycles$prob,
event = mr_cycles$status, distribution = "weibull")
mrr_first
Lösung zu Aufgabenteil 2:
Lösung zu Aufgabenteil 3:
```{r, Aufgabe 1 - Teil 3}
# Aufgabenteil 3:
# Übergang von der "sudden-death line" zur Gesamtausfallverteilung:
# Man interpretiert t_first_avg als den Zentralwert (Median), ist also der
# mittlere Wert, bei dem sich der erste Ausfall innerhalb von Stichproben des
# Umfanges n = 9 ereignen wird.
# t_first_avg wird daher als der erste Ausfall der gesamten Versuchsmatrix gesehen
# und folglich ist dieser Wert der Startpunkt für die geschätzte Weibullgerade,
# die das gesamte Ausfallverhalten repräsentiert.
# Benard's Approximationsformel:
F_ges_1 <- (1 - 0.3) / (9 + 0.4)
F_ges_1
# Plot-Paar:
c(t_first_avg, F_ges_1)
Lösung zu Aufgabenteil 4:
$$F_{Ges}=1-exp\left[ -\left(\frac{t}{T_{Ges}}\right)^b\right]$$
Lösung zu Aufgabenteil 1:
# Probability Plot:
plot_points <- plot_prob(x = mr_cycles$characteristic, y = mr_cycles$prob,
event = mr_cycles$status, distribution = "weibull",
title_main = "Weibull - Wahrscheinlichkeitsnetz",
title_x = "Lastzyklen", title_y = "Ausfallwahrscheinlichkeit in %",
title_trace = "Erstausfälle")
plot_points
Lösung zu Aufgabenteil 2:
Lösung zu Aufgabenteil 3:
Lösung zu Aufgabenteil 1:
Lösung zu Aufgabenteil 2:
```{r, Aufgabe 3 - Teil 2}
# Aufgabenteil 2: Immernoch F_ges_1, da Stichprobengröße = 9 und erster Ausfall.
F_ges_1
```
## Einleitung Johnson-Methode
Bei der Methode nach Johnson werden neben den ausgefallenen Einheiten auch die
nicht ausgefallenen Einheiten zur Schätzung der Ausfallwahrscheinlichkeiten
herangezogen. Bei diesem Verfahren werden alle in den Betrachtungszeitraum
fallenden
Einheiten nach ihrer Betriebszeit, den Lastzyklen oder der zurückgelegten
Fahrstrecke
aufsteigend sortiert. Liegen vor dem *i*-ten Ausfall Einheiten, die nicht
ausgefallen
sind, so wird ein nach oben korrigierter, adjustierter Rang für den *i*-ten Ausfall
gebildet, der die potentiellen Anwärter berücksichtigt.
## Aufgabe 4 - Johnson-Methode
Ein Versuch umfasst 90 Probanden. Der Versuch wurde in zehn Versuchsreihen zu je
neun Probanden parallel durchgeführt. Jede Versuchsreihe wurde nach dem jeweils
ersten Ausfall abgebrochen. Der Vektor `cycles` enthält die Anzahl der Lastzyklen
der jeweils ersten Ausfälle jeder Versuchsreihe.
Lösung zu Aufgabenteil 1:
Lösung zu Aufgabenteil 2:
plot_john_prob
```
Lösung zu Aufgabenteil 3:
# MRR y on x:
x_john <- df_john$characteristic[df_john$status == 1]
y_john <- df_john$prob[df_john$status == 1]
mrr_john_y <- lm(SPREDA::qsev(y_john) ~ log(x_john))
# b-Vergleich:
c(b_ges_y, b_john_y)
```