21.04.2016 Views

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

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!