Confiabilidad basada en Datos Genéricos
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Yañez Medardo. – Semeco Karina. . 15<br />
TPEF<br />
1<br />
<br />
mejorada<br />
1<br />
<br />
0.<br />
0000126228<br />
79221 horas<br />
Esto nos indica que el equipo fallará <strong>en</strong> promedio cada 79221 horas.<br />
La figura 4; muestra la distribución previa g() y la distribución actualizada f(/t). En la misma puede observarse<br />
que el conocimi<strong>en</strong>to actualizado sobre la tasa de fallas f(/t) es m<strong>en</strong>os disperso que el conocimi<strong>en</strong>to previo g(); y<br />
de los resultados puede notarse; que el valor esperado de la tasa de fallas se reduce de 1.36x10 -5 fallas/hr a 1.26<br />
x10 -5 fallas/hr al mezclarse con la evid<strong>en</strong>cia<br />
<br />
<br />
<br />
g( ) <br />
<br />
<br />
<br />
2<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
GENÉRICA<br />
GENÉRICA<br />
<br />
GENÉRICA<br />
GENÉRICA<br />
2<br />
<br />
<br />
<br />
GENÉRICA<br />
GENÉRICA<br />
<br />
<br />
<br />
<br />
2<br />
<br />
<br />
<br />
<br />
GENÉRICA<br />
GENÉRICA<br />
2<br />
<br />
1<br />
<br />
e<br />
GENÉRICA<br />
<br />
<br />
2<br />
GENÉRICA<br />
<br />
.<br />
<br />
<br />
<br />
f ( /<br />
t )<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
GENÉRICA<br />
GENÉRICA<br />
<br />
T<br />
<br />
2 <br />
<br />
<br />
<br />
<br />
r <br />
<br />
<br />
<br />
2<br />
<br />
GENÉRICA<br />
( r <br />
)<br />
<br />
GENÉRICA <br />
GENÉRICA<br />
GENÉRICA<br />
<br />
2<br />
<br />
<br />
<br />
<br />
GENÉRICA <br />
r <br />
1<br />
<br />
<br />
GENÉRICA<br />
<br />
<br />
<br />
2<br />
<br />
<br />
<br />
<br />
e<br />
<br />
GENÉRICA<br />
(<br />
<br />
T ). <br />
<br />
2<br />
<br />
GENÉRICA <br />
0.00600<br />
Probability<br />
0.00500<br />
0.00400<br />
0.00300<br />
0.00200<br />
Failure Rate Bayes Updating<br />
Prior Distribution<br />
Posterior Distribution<br />
0.00100<br />
0.00000<br />
0 0.00001 0.00002 0.00003 0.00004<br />
Failure Rate (hrs-1)<br />
Figura 4: Distribución Previa (Prior Distribution) y Distribución Posterior o Actualizada (Posterior Distribution) de la Tasa de Fallas<br />
ANEXO 3: Actualización de la Tasa de Fallas Mediante Solución Numérica del Teorema de Bayes<br />
Según la tabla del anexo 1; con excepción del primer caso tratado; todos los demás implican combinar mediante la<br />
ecuación (2) una distribución LOGNORMAL como distribución previa (ecuaciones (14) y (20)); y una distribución<br />
POISSON (ecuación (38)) como función de verosimilitud. La combinación de estas ecuaciones <strong>en</strong> la ecuación (2)<br />
no permite lograr soluciones analíticas; y se requier<strong>en</strong> métodos numéricos para obt<strong>en</strong>er una solución. A<br />
continuación se describ<strong>en</strong> los pasos requeridos:<br />
PASO 1:<br />
Construir la distribución previa “g()” de la tasa de fallas (distribución Lognormal) ; a partir de la información<br />
suministrada por las bases de datos g<strong>en</strong>éricas; [ MIN , MEDIO , MAX]; sigui<strong>en</strong>do los pasos indicados <strong>en</strong> la sección<br />
2.2.3.1.1.2.<br />
g(<br />
)<br />
<br />
<br />
1<br />
ln( ) ln(<br />
MIN<br />
. MAX<br />
) <br />
1.695<br />
g( ) <br />
e<br />
MAX<br />
<br />
ln<br />
<br />
.<br />
.<br />
2<br />
MEDIO<br />
<br />
<br />
2 <br />
<br />
<br />
<br />
MAX<br />
<br />
ln<br />
<br />
MEDIO <br />
1.695<br />
2<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
Figura 5: Distribución Previa (Prior Distribution) - Distribución Lognormal