Apuntes del Proceso Generalizado de Restauración
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
APUNTES DEL PROCESO<br />
GENERALIZADO DE RESTAURACIÓN
Yañez Medina, Medardo<br />
<strong>Apuntes</strong> <strong>Proceso</strong> <strong>Generalizado</strong> <strong>de</strong> <strong>Restauración</strong><br />
<strong>Apuntes</strong> <strong><strong>de</strong>l</strong> <strong>Proceso</strong> <strong>Generalizado</strong> <strong>de</strong> <strong>Restauración</strong><br />
<strong>Proceso</strong> <strong>Generalizado</strong> <strong>de</strong> <strong>Restauración</strong> (PGR)<br />
El proceso generalizado <strong>de</strong> restauración provee la plataforma para calcular las<br />
variables probabilísticas <strong>de</strong> interés para equipos reparables sin la necesidad <strong>de</strong><br />
hacer asunciones acerca <strong><strong>de</strong>l</strong> estado <strong><strong>de</strong>l</strong> equipo <strong>de</strong>spués <strong>de</strong> la reparación.<br />
Es un proceso general que contiene a los casos <strong>de</strong> POR y NHPP como casos<br />
extremos; pero que permite mo<strong><strong>de</strong>l</strong>ar casos intermedios, es <strong>de</strong>cir, reparaciones<br />
en las que el equipo queda “mejor que como estaba pero peor que cuando<br />
nuevo”; es <strong>de</strong>cir niveles “parciales <strong>de</strong> restauración”. Como el lector intuirá, este<br />
proceso permite mo<strong><strong>de</strong>l</strong>ar casos mas reales que el POR y el PNHP.<br />
El PGR es <strong>de</strong> <strong>de</strong>sarrollo muy reciente y apenas comienza a aplicarse con fuerza<br />
en el mundo industrial. Una solución numérica fue propuesta por Kritsov [2] en<br />
1998, y el <strong>de</strong>sarrollo analítico fue propuesto por Yañez, Joglar y Modarres [1] en<br />
2000.<br />
El PGR introduce el concepto <strong>de</strong> edad virtual “A n ” que representa la edad<br />
calculada <strong><strong>de</strong>l</strong> sistema justo <strong>de</strong>spués <strong>de</strong> n fallas y n reparaciones. Esta edad<br />
esta afectada por un parámetro q al que se <strong>de</strong>nomina parámetro <strong>de</strong><br />
rejuvenecimiento o efectividad <strong>de</strong> la reparación.<br />
La edad virtual <strong>de</strong> un equipo, calculada <strong><strong>de</strong>l</strong> sistema justo <strong>de</strong>spués <strong>de</strong> n fallas se<br />
calcula con la expresión:<br />
A<br />
= q ⋅<br />
n<br />
∑<br />
n<br />
t i<br />
i = 1<br />
. Ec. 4.20<br />
Asumiendo que los tiempos entre fallas sucesivas t i ocurrencia <strong>de</strong> fallas pue<strong>de</strong><br />
ser representada por una distribución Weibull, las ecuaciones <strong>de</strong> cálculo para las<br />
variables probabilísticas <strong>de</strong> interés, para el PGR son las siguientes:<br />
Probabilidad <strong>de</strong> Fallas<br />
F<br />
[ K ]<br />
( t ) = 1 −e<br />
⎡<br />
n<br />
β<br />
⎛ ⎞ ⎤<br />
⎢<br />
β ⎜ t<br />
n<br />
k + q t ⎟ ⎥<br />
j<br />
⎢⎛<br />
q ⎞ ⎜<br />
∑ ⎥<br />
j 1<br />
⎢ t<br />
⎥<br />
j<br />
⎢<br />
⎥<br />
j 1<br />
⎟<br />
⎟<br />
⎟<br />
⎜ ⎟<br />
=<br />
−⎜<br />
⎜ ∑ ⎟ ⎜ α<br />
⎢<br />
⎝ = ⎠<br />
⎥<br />
⎢<br />
⎜<br />
⎟<br />
⎥<br />
⎣<br />
⎝ ⎠ ⎦<br />
β −<br />
i −1<br />
[ K ]<br />
f ( t ) = ⎛ ⎞⎡<br />
⎤<br />
⎜ ⎟⎢tK<br />
+ q ∑ t<br />
β<br />
j ⎥ e<br />
⎝α<br />
⎠⎣<br />
j = 1 ⎦<br />
α i =2,3,...n Ec. 4.21<br />
1<br />
⎡<br />
⎛ i −1<br />
β ⎤<br />
⎢<br />
β<br />
⎞<br />
⎛ i −1<br />
tK<br />
q t j<br />
q ⎞ ⎜ + ∑<br />
j 1<br />
t j<br />
⎥<br />
⎥<br />
⎥<br />
⎢<br />
⎢<br />
⎟<br />
⎟<br />
⎟<br />
⎜ ⎟ ⎜ =<br />
−<br />
⎜ α<br />
∑ ⎟ ⎜ α<br />
⎢⎝<br />
j = 1 ⎠ ⎜ ⎟ ⎥<br />
⎢⎣<br />
⎝ ⎠ ⎥⎦<br />
β i = 2,3,…n Ec. 4.22<br />
Confiabilidad<br />
C<br />
[ K ]<br />
( t ) = e<br />
⎡<br />
n<br />
β<br />
⎛<br />
⎞ ⎤<br />
⎢<br />
t<br />
n<br />
K q t ⎥<br />
β ⎜ + ⎟<br />
j<br />
⎢ ⎛ q ⎞ ⎜<br />
∑<br />
⎟ ⎥<br />
j 1<br />
⎢ ⎜ t ⎟<br />
=<br />
⎥<br />
j − ⎜<br />
⎟<br />
⎢ ⎜ α<br />
∑ ⎟<br />
⎥<br />
j 1 ⎜ α ⎟ i = 2,3,…n Ec. 4.23<br />
⎢ ⎝ = ⎠<br />
⎜<br />
⎟ ⎥<br />
⎢<br />
⎥<br />
⎣<br />
⎝<br />
⎠ ⎦<br />
1
Yañez Medina, Medardo<br />
<strong>Apuntes</strong> <strong>Proceso</strong> <strong>Generalizado</strong> <strong>de</strong> <strong>Restauración</strong><br />
i<br />
1<br />
don<strong>de</strong>: ∑ − q t j<br />
representa la edad virtual An <strong>de</strong>scrita anteriormente en la Ec. 4.20<br />
j = 1<br />
α : ”parámetro <strong>de</strong> escala”;<br />
β : ”parámetro <strong>de</strong> forma”;<br />
q : ”parámetro <strong>de</strong> efectividad <strong>de</strong> la reparación ”.<br />
De acuerdo con este mo<strong><strong>de</strong>l</strong>o, al asumir un valor <strong>de</strong> q = 0 da como resultado el<br />
<strong>Proceso</strong> Ordinario <strong>de</strong> <strong>Restauración</strong> (Tan Bueno Como Nuevo), mientras la<br />
asunción <strong>de</strong> q = 1 nos lleva al <strong>Proceso</strong> No Homogéneo <strong>de</strong> Poisson (Tan Malo<br />
Como Estaba). Los valores <strong>de</strong> q localizados en el intervalo 0 < q < 1<br />
representan los estados en los que queda el equipo <strong>de</strong>spués <strong>de</strong> la reparación en<br />
los cuales el sistema está “Mejor que como estaba pero peor que cuando<br />
nuevo”. Para los casos en que q > 1, el sistema está en una condición “peor que<br />
como estaba” y para los casos en los que q < 0 sugiere que el sistema quedó en<br />
una condición “mejor que cuando nuevo”.<br />
4.3.1.2.2.3.1.- Simulación <strong>de</strong> Montecarlo para calcular el Número Esperado<br />
<strong>de</strong> Fallas en el <strong>Proceso</strong> <strong>Generalizado</strong> <strong>de</strong> <strong>Restauración</strong> (PGR)<br />
Resolviendo la ecuación 4.21 para ti tenemos :<br />
t<br />
i<br />
⎛<br />
⎜⎛<br />
q<br />
= ⎜<br />
⎜<br />
⎝⎝α<br />
i −1<br />
∑<br />
j = 1<br />
β<br />
⎞<br />
t ⎟<br />
j<br />
⎠<br />
− ln 1<br />
1 / β<br />
⎞<br />
i −1<br />
( − F( t )) ⎟<br />
i<br />
− ∑<br />
⎟<br />
⎠<br />
q<br />
α<br />
j = 1<br />
t<br />
j<br />
para i =2,3,..n Ec. 4.24.<br />
Con la ecuación 4.24, y utilizando el mismo razonamiento <strong>de</strong>scrito en la sección<br />
3.4.1.2.2 <strong><strong>de</strong>l</strong> Capitulo III, po<strong>de</strong>mos calcular el N° Esperado <strong>de</strong> Fallas al tiempo<br />
“T” ( Λ(T)), para el PGR, siguiendo el diagrama <strong>de</strong> flujo que se muestra a en la<br />
fig. 4.5.<br />
2
Yañez Medina, Medardo<br />
<strong>Apuntes</strong> <strong>Proceso</strong> <strong>Generalizado</strong> <strong>de</strong> <strong>Restauración</strong><br />
INICIO<br />
SELECCIONE<br />
EL PERIODO DE<br />
ANALISIS “T”<br />
INGRESE EL<br />
VALOR DE LOS<br />
PARAMETROS<br />
α , β Y q<br />
SELECCIONE EL NUMERO<br />
DE ITERACIONES = m<br />
i=1<br />
j=1<br />
T 0 =0<br />
t 0 =0<br />
GENERAR ALEATORIAMENTE, UN VALOR X j ENTRE 0 y 1<br />
Tiempo para la Falla (t)<br />
0 1<br />
F(t)<br />
1<br />
0,9<br />
0,8<br />
0,7<br />
0,6<br />
0,5<br />
0,4<br />
0,3<br />
0,2<br />
0,1<br />
0<br />
F<br />
⎢⎜<br />
( t j<br />
) = 1 − ⎢⎜<br />
e⎢<br />
⎝<br />
⎡<br />
⎛ i −1<br />
β<br />
⎞ ⎤<br />
⎢<br />
β ⎜ t<br />
i 1<br />
j + q t ⎟ ⎥<br />
j<br />
⎢⎛<br />
−<br />
q ⎞ ⎜<br />
∑<br />
⎟ ⎥<br />
j 1<br />
t ⎟<br />
= ⎥<br />
j −⎜<br />
⎟<br />
α<br />
∑ ⎟<br />
⎥<br />
j 1 ⎜ α<br />
= ⎠<br />
⎟<br />
⎥<br />
⎢<br />
⎜<br />
⎟<br />
⎥<br />
⎣<br />
⎝ ⎠ ⎦<br />
0,0 50,0 100,0 150,0 200,0 250,0<br />
tiempo (hrs)<br />
i=i+1<br />
⎛<br />
⎜⎛<br />
q<br />
t ⎜<br />
j<br />
=<br />
⎜<br />
⎝⎝α<br />
j −1<br />
∑<br />
⎞<br />
t ⎟<br />
− ln 1<br />
⎠<br />
j<br />
j = 1<br />
β<br />
1 / β<br />
⎞<br />
j −1<br />
( − ) ⎟ q<br />
X<br />
j<br />
− ∑<br />
⎟<br />
⎠<br />
α<br />
t<br />
j<br />
j = 1<br />
T j =T j-1 + t j<br />
SI<br />
i
Yañez Medina, Medardo<br />
<strong>Apuntes</strong> <strong>Proceso</strong> <strong>Generalizado</strong> <strong>de</strong> <strong>Restauración</strong><br />
La Figura 4.6 muestra los resultados <strong>de</strong> la simulación <strong>de</strong> Montecarlo realizada<br />
para diferentes periodos <strong>de</strong> evaluación, para los tres procesos <strong>de</strong>scritos<br />
previamente; POR, PNHP y PGR. Los parámetros <strong>de</strong> entrada utilizados en el<br />
ejemplo se muestra en la figura<br />
Parámetros<br />
Mo<strong><strong>de</strong>l</strong>o α β q<br />
POR 20 1.5 0<br />
PGR 20 1.5 0.5<br />
PNHP 20 1.5 1<br />
12<br />
10<br />
Λ(t) - Simulación <strong>de</strong> Montecarlo<br />
8<br />
N° <strong>de</strong> Fallas<br />
6<br />
4<br />
2<br />
0<br />
0 25 50 75 100<br />
Tiempo <strong>de</strong> Operación (meses)<br />
POR PGR PNHP<br />
Figura 4.6. Resultados <strong><strong>de</strong>l</strong> cálculo <strong><strong>de</strong>l</strong> N° Esperado <strong>de</strong> Fallas Λ(T) con<br />
Simulación <strong>de</strong> Montecarlo<br />
De la figura 4.6 es importante mencionar que para un valor <strong>de</strong> q = 0, la curva<br />
estimada <strong><strong>de</strong>l</strong> PGR se iguala a la curva <strong><strong>de</strong>l</strong> POR. Igualmente, para un valor <strong>de</strong> q<br />
= 1, la curva <strong><strong>de</strong>l</strong> PGR se iguala a la curva <strong><strong>de</strong>l</strong> PNHP. Estos resultados confirman<br />
que el PGR es el proceso más general, y la variación <strong><strong>de</strong>l</strong> parámetro q es la que<br />
lleva al POR o al PNHP.<br />
Estimación <strong>de</strong> Parámetros <strong><strong>de</strong>l</strong> PGR - Caso 1: Equipo Fallado<br />
La estimación se hace en un momento en el que acaba <strong>de</strong> ocurrir la falla, y el<br />
equipo no esta operando. Para calcular estos parámetros es necesario resolver<br />
el siguiente sistema <strong>de</strong> ecuaciones<br />
⎡<br />
β<br />
β<br />
n<br />
[ ln( L)<br />
]<br />
⎡<br />
i 1<br />
i 1<br />
⎤<br />
⎡<br />
⎢ ⎛<br />
−<br />
⎞ ⎛<br />
−<br />
∂ β<br />
⎞ ⎤<br />
⎛ t1<br />
⎞<br />
t<br />
i<br />
q t<br />
j<br />
q t ⎥ β<br />
= ⎢⎜<br />
⎟ ⎜ ⎟ ⎥<br />
j<br />
+ ⎢⎜<br />
⎟<br />
⎢<br />
⎥<br />
i 2 ⎢<br />
+ −<br />
β + ∑ ∑<br />
∑<br />
∂α<br />
α<br />
=<br />
j 1<br />
j 1 ⎥ ⎢⎣<br />
⎝ ⎠<br />
⎢⎣<br />
⎣⎝<br />
= ⎠ ⎝ = ⎠ α α<br />
⎦ ⎥⎦<br />
[ ln( L)<br />
] ⎡( n)<br />
∂<br />
∂β<br />
= ⎢ + ln<br />
⎢⎣<br />
β<br />
Ecuación 4.26<br />
β<br />
− =<br />
1 ⎥<br />
1<br />
1<br />
( t ) − ( n) ln( α ) − ⎜ ⎟ ln⎜<br />
⎟⎥<br />
+ ∑<br />
⎤<br />
⎡<br />
⎢<br />
⎤<br />
( n) 0<br />
⎥⎦<br />
∑<br />
Ecuación 4.25<br />
β<br />
n<br />
−<br />
⎢ ⎛<br />
i 1<br />
i<br />
j<br />
i<br />
j<br />
j<br />
j<br />
⎛ t ⎞ ⎛ t ⎞<br />
⎞ ⎜ j = 1 ⎟ ⎜ j = 1 ⎟ ⎜ j = 1 ⎟ ⎜ j = 1<br />
⎜<br />
⎟⎥<br />
∑ ⎟<br />
1<br />
ln<br />
−<br />
+<br />
=<br />
⎢<br />
ti<br />
+ q t<br />
j<br />
⎜ ⎟<br />
ln<br />
⎜ ⎟ ⎜ ⎟<br />
ln<br />
⎜ ⎟<br />
0<br />
α α<br />
⎥<br />
i = 2<br />
j = 1 α<br />
α α α<br />
⎝<br />
⎠<br />
⎝<br />
⎠⎥⎦<br />
⎢<br />
⎢⎣<br />
⎝<br />
⎠<br />
⎛<br />
⎜ t + q<br />
⎜<br />
⎝<br />
i −1<br />
⎞<br />
t ⎟<br />
⎟<br />
⎠<br />
β<br />
⎛<br />
⎜ t + q<br />
⎜<br />
⎝<br />
i −1<br />
∑<br />
⎞<br />
t ⎟<br />
⎟<br />
⎠<br />
⎛<br />
⎜ q<br />
⎜<br />
⎝<br />
i −1<br />
∑<br />
⎞<br />
t ⎟<br />
⎟<br />
⎠<br />
β<br />
⎛<br />
⎜ q<br />
⎜<br />
⎝<br />
i −1<br />
∑<br />
⎞⎤<br />
t ⎟⎥<br />
⎟⎥<br />
⎠⎥⎦<br />
4
Yañez Medina, Medardo<br />
<strong>Apuntes</strong> <strong>Proceso</strong> <strong>Generalizado</strong> <strong>de</strong> <strong>Restauración</strong><br />
[ ln( L)<br />
]<br />
∂<br />
∂q<br />
=<br />
( β −1)<br />
∑<br />
⎛<br />
⎜<br />
i −1<br />
t<br />
⎞<br />
⎟<br />
β 1<br />
n<br />
j<br />
β<br />
−<br />
( β−1<br />
) n i 1<br />
n<br />
i 1<br />
i 1<br />
j 1 βq ⎛<br />
−<br />
⎞ β ⎛<br />
−<br />
⎞ ⎛<br />
−<br />
⎜ ⎟<br />
⎞ Ecuación 4.27<br />
=<br />
⎜ t ⎟ ⎜<br />
j<br />
ti<br />
q t ⎟ ⎜<br />
j<br />
t ⎟<br />
⎜<br />
+<br />
−<br />
j<br />
= 0<br />
i 1<br />
β<br />
β<br />
i 2<br />
α i 2 j 1 α<br />
+<br />
− ⎟ ∑ ∑<br />
∑ ∑<br />
∑<br />
= =<br />
i 2<br />
j 1<br />
j 1<br />
⎜ ti<br />
+ q t<br />
⎝ = ⎠<br />
= ⎝ = ⎠ ⎝ = ⎠<br />
∑ j ⎟<br />
j = 1<br />
⎝<br />
∑<br />
⎠<br />
Las ecuaciones 4.25, 4.26 y 4.27, forman el sistema <strong>de</strong> tres ecuaciones cuya<br />
solución para un grupo <strong>de</strong> datos particulares da como resultado los estimados<br />
para α, β y q.<br />
Ecuaciones para los Parámetros <strong><strong>de</strong>l</strong> PNHP Caso 2: Equipo Operando<br />
La estimación se realiza cuando el equipo esta operando ha transcurrido un<br />
tiempo t k <strong>de</strong>s<strong>de</strong> la ocurrencia <strong>de</strong> la ultima falla<br />
Ecuación 4.28<br />
[ ln( L)<br />
]<br />
α<br />
∂<br />
n<br />
n<br />
⎡<br />
⎛<br />
t q t<br />
⎞ ⎛<br />
q t<br />
⎞<br />
β<br />
β<br />
n<br />
i 1<br />
i 1 ⎤ ⎡ t ⎤ ⎜ + ∑ ⎟ ⎜ ∑ ⎟<br />
⎢<br />
⎛<br />
−<br />
⎞ ⎛<br />
−<br />
β<br />
β<br />
⎞<br />
1<br />
t<br />
i<br />
q t<br />
j<br />
q t ⎥ β ⎛ ⎞<br />
= ⎜ ⎟ ⎜ ⎟<br />
1 j<br />
+ ⎢⎜<br />
⎟ −<br />
=<br />
⎢<br />
+ −<br />
β + ∑ ∑<br />
∑<br />
α<br />
i = 2<br />
j 1<br />
j 1<br />
⎥ ⎢⎣<br />
⎝ ⎠ ⎥⎦<br />
⎜ ⎟ ⎜ ⎟<br />
⎣<br />
⎝ = ⎠ ⎝ = ⎠ α α<br />
⎦<br />
⎝ ⎠ ⎝ ⎠<br />
K<br />
j<br />
j<br />
β<br />
j = 1 β j 1<br />
( n) ⎥ + ⎜ ⎟ − ⎜ ⎟ 0<br />
α α α α<br />
∂ =<br />
Ecuación 4.29<br />
β<br />
i −1<br />
β<br />
i −1<br />
i −1<br />
β<br />
i −1<br />
⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞⎤<br />
n<br />
β<br />
n<br />
n<br />
β<br />
n<br />
t q t t q t q t q t ⎛<br />
q t<br />
⎞ ⎛<br />
T q t<br />
⎞ ⎛<br />
q t<br />
⎞ ⎛<br />
q t<br />
⎞<br />
β<br />
⎜ i<br />
+<br />
j ⎟ ⎜ i<br />
+<br />
j ⎟ ⎜ j ⎟ ⎜ j ⎟⎥<br />
j<br />
j<br />
j<br />
j<br />
[ ln( L)<br />
] ⎡<br />
n<br />
i 1<br />
( n)<br />
t t ⎤ ⎡<br />
⎜ + ∑ ⎜ + ∑ ⎜ ∑ ⎜ ∑ ⎟<br />
1<br />
1<br />
⎛<br />
−<br />
∑ ∑ ∑ ∑<br />
⎛ ⎞ ⎛ ⎞<br />
⎞<br />
⎟<br />
⎟ ⎟<br />
⎜ j = 1 ⎟ ⎜ j = 1 ⎟ ⎜ j = 1 ⎟ ⎜ j = 1 ⎟⎥<br />
j = 1<br />
j = 1<br />
j = 1<br />
j 1<br />
= ⎢ + ln( t1 ) − ( n) ln( α ) − ⎜ ⎟ ln⎜<br />
⎟⎥<br />
+ ∑ ⎢ln⎜t<br />
i<br />
q t ⎟<br />
j<br />
ln<br />
+ ln − ⎜ ⎟ ln⎜<br />
⎟ + ⎜ ⎟ ln⎜<br />
⎟<br />
+ ∑ −<br />
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎥<br />
= 0<br />
∂β<br />
⎢<br />
i 2 ⎢⎣<br />
j 1<br />
⎣<br />
β<br />
⎝ α ⎠ ⎝ α ⎠⎥<br />
= ⎝ =<br />
⎦<br />
⎠ α<br />
α α α ⎜ α ⎟ ⎜ α ⎟ ⎜ α ⎟ ⎜ ⎟<br />
⎜<br />
⎟<br />
⎜<br />
⎟<br />
⎜<br />
⎟<br />
⎜<br />
⎟⎥<br />
α<br />
⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠⎥<br />
⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠<br />
⎦<br />
∂ =<br />
Ecuación 4.30<br />
[ ln( L)<br />
]<br />
∂<br />
∂q<br />
=<br />
( β − 1)<br />
∑<br />
i −1<br />
⎛ ⎞<br />
⎜ t<br />
n<br />
∑ j ⎟<br />
β<br />
( β −1)<br />
n i 1<br />
j 0 βq ⎛<br />
−<br />
⎜ = ⎟<br />
⎞<br />
⎜ t ⎟<br />
⎜<br />
+<br />
i −1<br />
⎟ β ∑ j<br />
i 1<br />
α<br />
∑<br />
= i = 1 j 0<br />
ti<br />
q t<br />
⎝ = ⎠<br />
⎜ + ∑ j<br />
⎟<br />
⎝ j = 0 ⎠<br />
β<br />
−<br />
β<br />
α<br />
i<br />
n<br />
∑<br />
= 1<br />
⎛<br />
i<br />
⎜<br />
ti<br />
+ q<br />
⎝ j<br />
−1<br />
∑<br />
= 0<br />
β<br />
⎞<br />
t ⎟<br />
j<br />
⎠<br />
−1<br />
⎛<br />
⎜<br />
⎝<br />
i<br />
j<br />
−1<br />
∑<br />
= 0<br />
n<br />
⎛<br />
q t<br />
⎞<br />
j<br />
⎞ ⎜ ∑<br />
β ⎟<br />
j = 1<br />
t ⎟ ⎜ ⎟<br />
j<br />
+<br />
⎠ q ⎜ α ⎟<br />
⎝ ⎠<br />
β<br />
β<br />
β<br />
n<br />
n<br />
⎛<br />
t q t<br />
⎞ ⎛<br />
t<br />
⎞<br />
⎜ K<br />
+ ∑ j ⎟ ⎜ ∑ j ⎟<br />
j = 1<br />
j = 1<br />
− β.<br />
⎜ ⎟ . ⎜ ⎟ = 0<br />
n<br />
⎜ α ⎟ ⎜T<br />
q t ⎟<br />
+ ∑ j<br />
⎝ ⎠ ⎝ j = 1 ⎠<br />
Al solucionar el sistema <strong>de</strong> ecuaciones formado por las ecuaciones 4.28, 4.29 y<br />
4.30 para un grupo <strong>de</strong> datos se obtienen como resultado los valores <strong>de</strong> α, β y q.<br />
Solución Numérica para la estimación <strong>de</strong> los parámetros <strong><strong>de</strong>l</strong> PGR<br />
Desafortunadamente, los sistemas <strong>de</strong> ecuaciones <strong>de</strong>sarrollados para la<br />
estimación <strong>de</strong> los parámetros <strong><strong>de</strong>l</strong> PGR en los dos casos analizados no tiene una<br />
solución matemática <strong>de</strong> forma cerrada. Por tal razón, se <strong>de</strong>sarrollo un algoritmo<br />
numérico basado en simulación <strong>de</strong> Montecarlo con la finalidad <strong>de</strong> resolver el<br />
sistema <strong>de</strong> ecuaciones. A continuación se muestra y explica <strong>de</strong>talladamente el<br />
flujograma <strong>de</strong> solución<br />
5
Yañez Medina, Medardo<br />
<strong>Apuntes</strong> <strong>Proceso</strong> <strong>Generalizado</strong> <strong>de</strong> <strong>Restauración</strong><br />
ANEXO N° 3 – Flujograma para calculo <strong>de</strong> Parámetros PGR por solución<br />
numérica<br />
INICIO<br />
Equipo Fallado<br />
Tipo <strong>de</strong><br />
Análisis<br />
Equipo Operando<br />
Entrada <strong>de</strong><br />
data <strong>de</strong> falla<br />
Entrada <strong>de</strong><br />
data <strong>de</strong> falla<br />
Entrada <strong>de</strong><br />
tiempo<br />
<strong>de</strong>s<strong>de</strong> la<br />
última falla<br />
Entrada <strong>de</strong><br />
Tolerancia<br />
TOL<br />
Generate números random<br />
para los parámetros β y q<br />
Calcule α usando los<br />
valores generados <strong>de</strong> β y<br />
q en la <strong>de</strong>rivada <strong><strong>de</strong>l</strong><br />
likelihood con respecto a α<br />
Sustituya β y q en la<br />
<strong>de</strong>rivada <strong><strong>de</strong>l</strong> likelihood con<br />
respecto a β y q<br />
No<br />
∂L ∂β<br />
< TOL<br />
∂L<br />
∂q<br />
< TOL<br />
Si<br />
STOP<br />
Reportar<br />
αβy q<br />
Tal y como fue <strong>de</strong>scrito en el algoritmo, se generan tres números aleatorios y se<br />
asignan a los parámetros α, β y q. Cada ecuación en el sistema es entonces<br />
evaluada con los números generados y el grupo <strong>de</strong> datos <strong>de</strong> falla. Si cada uno<br />
<strong>de</strong> los valores <strong>de</strong> los parámetros tiene una tolerancia menor que la tolerancia<br />
pre<strong>de</strong>terminada entonces el proceso iterativo termina. Consecuentemente, si al<br />
menos una <strong>de</strong> las ecuaciones resulta con un valor <strong><strong>de</strong>l</strong> parámetro con tolerancia<br />
mayor a la tolerancia pre<strong>de</strong>terminada, el proceso iterativo continúa con la<br />
generación <strong>de</strong> tres nuevos números aleatorios.<br />
Los números aleatorios son generados a partir <strong>de</strong> distribuciones probabilísticas<br />
uniformes. En el caso <strong><strong>de</strong>l</strong> parámetro <strong>de</strong> forma β, la distribución uniforma varia<br />
6
Yañez Medina, Medardo<br />
<strong>Apuntes</strong> <strong>Proceso</strong> <strong>Generalizado</strong> <strong>de</strong> <strong>Restauración</strong><br />
entre 0 y 6 <strong>de</strong>bido a que se espera que la altísima mayoría <strong>de</strong> las soluciones<br />
caigan en este rengo. En el caso <strong><strong>de</strong>l</strong> parámetro q, la distribución varía entre 0 y<br />
1. Como fue explicado anteriormente en este escrito, los valores <strong>de</strong> interés <strong>de</strong> q<br />
se espera que estén en este rango.<br />
Finalmente, la generación <strong>de</strong> números aleatorios para el parámetro <strong>de</strong> escala α<br />
se hace en forma diferente. El rango <strong>de</strong> los posibles valores para esta variable<br />
es relativamente gran<strong>de</strong> comparándolo con los otros dos. Este pue<strong>de</strong> variar, por<br />
ejemplo, en el or<strong>de</strong>n <strong>de</strong> miles <strong>de</strong> horas <strong>de</strong> operación. Obviamente, una<br />
simulación <strong>de</strong> Montecarlo requeriría un número significativo <strong>de</strong> iteraciones para<br />
encontrar el “set” <strong>de</strong> tres valores que representan la solución <strong><strong>de</strong>l</strong> sistema <strong>de</strong><br />
ecuaciones. Afortunadamente, las <strong>de</strong>rivadas <strong>de</strong> la función <strong>de</strong> verosimilitud con<br />
respecto al parámetro α, ecuaciones 4.25 y 4.29 pue<strong>de</strong>n expresarse en función<br />
<strong>de</strong> β y q con expresiones matemáticas cerradas, simplificando la solución<br />
numérica. En otras palabras; los valores aleatoriamente generados para β y q,<br />
estimados sobre un rango relativamente pequeño, pue<strong>de</strong>n usarse en las<br />
ecuaciones 4.25 y4.29 para estimar valores aleatorios <strong>de</strong> α como función <strong>de</strong> los<br />
dos primeros parámetros. Claramente, esto acelera el proceso <strong>de</strong> solución.<br />
Para el caso <strong>de</strong> equipo fallado, la ecuación 4.25 pue<strong>de</strong> expresarse como:<br />
α =<br />
n<br />
∑<br />
β<br />
i = 2<br />
⎡⎛<br />
⎢⎜<br />
⎢<br />
⎣⎝<br />
β<br />
β<br />
i −1<br />
⎞ ⎛<br />
i −1<br />
⎞ β<br />
t<br />
i<br />
+ q∑t<br />
⎟ ⎜<br />
j<br />
q t ⎟<br />
−<br />
∑ ⎥<br />
j<br />
+ t1<br />
j = 1<br />
j = 1<br />
⎠<br />
n<br />
⎝<br />
⎤<br />
⎠ ⎥<br />
⎦<br />
De manera similar, para el caso <strong>de</strong> equipo operando, la ecuación 4.29 pue<strong>de</strong><br />
expresarse como:<br />
α =<br />
n<br />
∑<br />
β<br />
i = 2<br />
⎡⎛<br />
i<br />
⎢⎜ti<br />
q<br />
⎢<br />
+<br />
j<br />
⎣⎝<br />
−1<br />
∑<br />
t<br />
j<br />
= 1<br />
⎞<br />
⎟<br />
⎠<br />
β<br />
⎛<br />
− ⎜<br />
q<br />
⎝<br />
i −1<br />
∑<br />
t<br />
j<br />
j = 1<br />
β<br />
⎞ ⎤<br />
⎟<br />
⎥ + t<br />
⎠ ⎥<br />
⎦<br />
n<br />
β<br />
1<br />
⎛<br />
+ ⎜<br />
T + q<br />
⎝<br />
i −1<br />
∑<br />
t<br />
j<br />
j = 1<br />
⎞<br />
⎟<br />
⎠<br />
β<br />
⎛<br />
+ ⎜<br />
q<br />
⎝<br />
i −1<br />
∑<br />
t<br />
j<br />
j = 1<br />
⎟ ⎞<br />
⎠<br />
β<br />
7
Yañez Medina, Medardo<br />
<strong>Apuntes</strong> <strong>Proceso</strong> <strong>Generalizado</strong> <strong>de</strong> <strong>Restauración</strong><br />
Referencias<br />
1. Yañez Medardo, Joglar Francisco, Modarres Mohammad – “Generalized<br />
Renewal Process for Analysis of Repairable Systems with Limited Failure<br />
Experience”. Reliability Engineering and System Safety Journal - pag 167–<br />
180 – ELSEVIER 2002<br />
2. Kritsov, Vasily. A Monte Carlo Approach to Mo<strong><strong>de</strong>l</strong>ing and Estimation of the<br />
Generalized Renewal Process in Repairable System Reliability Analysis.<br />
Dissertation For The Degree of Doctor of Philosophy, University of Maryland,<br />
2000.<br />
3. Kaminsky, M. & Krivtsov, V. A Monte Carlo Approach to Repairable System<br />
Reliability Analysis. Probabilistic Safety Assessment and Management, New<br />
York. Springer-Verlag London Ltd., 1063-1068<br />
4. Modarres, Mohammad; Kaminsky, Mark; Kritsov, Vasily. Reliability<br />
Engineering And Risk Analysis. Marcel Dekker, New York,1999.<br />
5. Ebeling, Charles E. An Introduction To Reliability And Maintainability<br />
Engineering. McGraw Hill. New York, 1997.<br />
6. Smith, W; Leadbetter, M. On The Renewal Function For The Weibull<br />
Distribution. Technometrics, 5, 243-302.<br />
7. Ascher Harold and Feingold Harry. Repairable System Reliability – Mo<strong><strong>de</strong>l</strong>ing,<br />
Inference, Misconceptions and their causes. Marcel Dekker, inc, New York,<br />
1984<br />
8. Hoyland, A.; Rausand, M., “system Reliability Theory: Mo<strong><strong>de</strong>l</strong>s and Statistical<br />
Methods”, John Wiley and Sons, NY, 1994.<br />
8
Yañez Medina, Medardo<br />
<strong>Apuntes</strong> <strong>Proceso</strong> <strong>Generalizado</strong> <strong>de</strong> <strong>Restauración</strong><br />
ANEXO N° 1 - Demostraciones PGR:<br />
El PGR (<strong>Proceso</strong> <strong>Generalizado</strong> <strong>de</strong> <strong>Restauración</strong>) es en realidad la teoría mas<br />
general que se ha <strong>de</strong>sarrollado para la predicción <strong><strong>de</strong>l</strong> número esperado <strong>de</strong> fallas<br />
para equipos reparables; el POR y el PNHP son solo dos casos <strong><strong>de</strong>l</strong> PGR. Esto<br />
se <strong>de</strong>muestra como sigue:<br />
Al asumir un valor <strong>de</strong> q = 0 y sustituirlo en las ecuaciónes <strong>de</strong> la función <strong>de</strong><br />
verosimilitud <strong><strong>de</strong>l</strong> PGR, para los parámetros “α”, “β”, estas ecuaciones se<br />
reducen a las ecuaciones <strong>de</strong> los parámetros parámetros “α”, “β”, <strong><strong>de</strong>l</strong> POR (“Tan<br />
Bueno Como Nuevo”)<br />
Comprobación:<br />
Haciendo q = 0 en la ecuación 4.25 se obtiene:<br />
[ ( L)<br />
]<br />
β<br />
⎡ t ⎤<br />
β ⎤ β ⎛ ⎞<br />
[( t ) ] + ⎢⎜<br />
⎟ − ( n) ⎥ 0<br />
n<br />
∂ ln β ⎡<br />
1<br />
=<br />
β + ⎢∑<br />
i<br />
∂α<br />
α<br />
⎥<br />
⎣ i = 2 ⎦ α ⎢⎣<br />
⎝ α ⎠<br />
1<br />
=<br />
β ⎤ β ⎤ ⎛ β ⎞<br />
[( ) ] + ( t ) = n ⋅⎜<br />
⎟<br />
⎠<br />
⎡<br />
⎢⎢<br />
⎡ n<br />
β<br />
∑ t<br />
β +<br />
i ⎥ 1 ⎥ , resultando<br />
1<br />
α ⎣⎣<br />
i = 2 ⎦ ⎦ ⎝ α<br />
⎥⎦<br />
⎛<br />
⎜<br />
⎜ i<br />
ˆ α =<br />
⎜<br />
⎜<br />
⎝<br />
n<br />
∑<br />
= 1<br />
β<br />
( t ) )<br />
el cual es el mo<strong><strong>de</strong>l</strong>o matemático para calculo <strong><strong>de</strong>l</strong> parámetro “α” en el PR.<br />
Igualmente, haciendo q = 0 en la ecuación 4.26 se obtiene:<br />
[ ln( L)<br />
] ⎡( n)<br />
∂<br />
∂β<br />
= ⎢ + ln<br />
⎢⎣<br />
β<br />
[ ln( L)<br />
] ( n)<br />
∂<br />
∂β<br />
=<br />
−<br />
β<br />
[ ln( L)<br />
] ( n)<br />
∂<br />
∂β<br />
=<br />
−<br />
β<br />
[ ln( L)<br />
] ( n)<br />
∂<br />
∂β<br />
=<br />
−<br />
β<br />
⎛ t ⎞<br />
⎜ ⎟<br />
⎝ α ⎠<br />
⎛ t ⎞⎤<br />
⎜ ⎟⎥<br />
⎝ α ⎠⎥⎦<br />
β<br />
n<br />
β<br />
⎞<br />
1 ∑ ⎢ i<br />
⎟⎥<br />
=<br />
i = 2<br />
α<br />
1<br />
1<br />
i<br />
i<br />
( t ) − ( n) ln( α ) − ln + ln( t ) − ln 0<br />
⎡<br />
⎢<br />
⎣<br />
⎡⎛<br />
t ⎞<br />
⎜ ⎟<br />
⎢⎣<br />
⎝ α ⎠<br />
⎡<br />
⎢⎣<br />
⎛ t ⎞<br />
⎜ ⎟<br />
⎝ α ⎠<br />
n<br />
i<br />
⎛ t ⎞<br />
⎜ ⎟<br />
⎝α<br />
⎠<br />
1<br />
1<br />
i<br />
i<br />
( n) ln( α ) + ln( t ) + ( ln( t )) − ⎢ ln + ln ⎥ 0<br />
⎡<br />
⎢<br />
⎣<br />
⎞<br />
⎟<br />
⎟<br />
⎟<br />
⎟<br />
⎠<br />
⎛ t<br />
⎜<br />
⎝<br />
⎡⎛<br />
t ⎞<br />
⎢⎜<br />
⎟<br />
⎢⎣<br />
⎝α<br />
⎠<br />
⎤<br />
⎠⎥⎦<br />
n<br />
β<br />
n β<br />
⎤<br />
⎞<br />
1 ∑ i ⎥<br />
∑<br />
⎟⎥<br />
=<br />
i = 2<br />
i = 2 α<br />
i<br />
i<br />
( n) ln( α ) + ( ln( t )) − ⎢ ⎜ ⎟ ln⎜<br />
⎟ ⎥ 0<br />
⎡<br />
⎢<br />
⎣<br />
( n) ln( α ) + ln( t )<br />
⎡<br />
⎦<br />
⎡⎛<br />
t ⎞<br />
⎢<br />
⎢⎣<br />
⎝α<br />
⎠<br />
⎤⎤<br />
n<br />
n<br />
β<br />
⎤<br />
⎛ t ⎞<br />
∑ i ⎥ ∑<br />
⎥ =<br />
i = 1<br />
i = 1 α<br />
n<br />
⎦<br />
⎢⎣<br />
1<br />
α<br />
n<br />
⎝<br />
⎠⎥⎦<br />
⎥⎦<br />
ln( α )<br />
α<br />
β<br />
β<br />
∑( i<br />
) − ∑( t<br />
i<br />
.ln(t<br />
i<br />
)) − . ∑( t<br />
i<br />
) = 0<br />
β<br />
β<br />
i = 1<br />
⎛<br />
⎜<br />
Sabemos que para q = 0, ˆ α = ⎜<br />
⎜<br />
⎜<br />
⎝<br />
anterior,<br />
⎤<br />
⎥<br />
⎦<br />
n<br />
∑<br />
i = 1<br />
β<br />
( t ) )<br />
n<br />
i<br />
i = 1<br />
i = 1<br />
n<br />
⎛ t<br />
⎜<br />
⎝<br />
⎤⎤<br />
⎠⎥⎦<br />
⎥⎦<br />
⎞<br />
⎟<br />
⎟ ; luego, sustituyendo en la ecuación<br />
⎟<br />
⎟<br />
⎠<br />
9
Yañez Medina, Medardo<br />
<strong>Apuntes</strong> <strong>Proceso</strong> <strong>Generalizado</strong> <strong>de</strong> <strong>Restauración</strong><br />
[ ln( L)<br />
] ( n)<br />
∂<br />
∂β<br />
n<br />
∑<br />
i = 1<br />
=<br />
β<br />
[ t ln( t )]<br />
i<br />
n<br />
∑<br />
i = 1<br />
t<br />
β<br />
i<br />
i<br />
−<br />
β<br />
⎡<br />
⎢<br />
⎣<br />
( n) ln( α ) + ( ln( t ))<br />
1<br />
− =<br />
β<br />
1<br />
n<br />
n<br />
∑<br />
i = 1<br />
ln<br />
n<br />
∑<br />
i = 1<br />
( t )<br />
i<br />
β<br />
( t ) )<br />
n<br />
β<br />
∑( t<br />
i<br />
.ln(t<br />
i<br />
))<br />
β<br />
( t ) )<br />
n<br />
β<br />
∑( t<br />
i<br />
) 0<br />
⎤ 1<br />
ln( α )<br />
i ⎥ −<br />
− . =<br />
n<br />
n<br />
⎦<br />
i = 1<br />
i = 1<br />
el cual es el mo<strong><strong>de</strong>l</strong>o matemático para calculo <strong><strong>de</strong>l</strong> parámetro β en el POR.<br />
∑<br />
i = 1<br />
n<br />
i<br />
∑<br />
i = 1<br />
n<br />
i<br />
10
Yañez Medina, Medardo<br />
<strong>Apuntes</strong> <strong>Proceso</strong> <strong>Generalizado</strong> <strong>de</strong> <strong>Restauración</strong><br />
Si se hace q = 1, y se sustituye en las ecuaciónes <strong>de</strong> la función <strong>de</strong> verosimilitud<br />
<strong><strong>de</strong>l</strong> PGR, para los parámetros “α”, “β”, estas ecuaciones se reducen a las<br />
ecuaciones <strong>de</strong> los parámetros parámetros “α”, “β” <strong><strong>de</strong>l</strong> PNHP, (“Tan malo como<br />
estaba”)<br />
Comprobación:<br />
Con la finalidad <strong>de</strong> <strong>de</strong>sarrollar una comprobación matemática, consi<strong>de</strong>re el<br />
diagrama <strong>de</strong> la Figura siguiente<br />
Don<strong>de</strong>:<br />
t 1 , t 2 , t 3 , t 4 ,…… , t n son los tiempos <strong>de</strong> ocurrencia <strong>de</strong> fallas<br />
t i es el periodo <strong>de</strong> tiempo entre dos fallas sucesivas n y n-1<br />
t [1] , t [2] , t [3] , t [4] , t [n-1] , t [n] son los tiempos acumulados <strong>de</strong> operación<br />
t [i] es el tiempo <strong>de</strong> operación acumulado hasta la falla “i”.<br />
Haciendo q = 1 en la ecuación 4.25 se obtiene:<br />
⎡<br />
β<br />
β<br />
n ⎡ i 1<br />
i 1<br />
⎤<br />
⎢ ⎛<br />
−<br />
⎞ ⎛<br />
−<br />
β<br />
⎞ ⎤<br />
ti<br />
t<br />
j<br />
t ⎥ β<br />
⎢⎜<br />
⎟ ⎜ ⎟ ⎥<br />
1 j<br />
+<br />
1 1<br />
⋅<br />
⎢<br />
⎥<br />
i 2 ⎢<br />
+ −<br />
β + ∑ ∑<br />
∑<br />
β +<br />
α =<br />
j 1<br />
j 1 ⎥<br />
⎢⎣<br />
⎣⎝<br />
= ⎠ ⎝ = ⎠ α α<br />
⎦ ⎥⎦<br />
Del gráfico <strong>de</strong> arriba sabemos que:<br />
i 1<br />
i −1<br />
∑<br />
[1]<br />
[ i ]<br />
t<br />
1<br />
= t , t<br />
i<br />
+ ∑ − [ i −1]<br />
t<br />
j<br />
= t y t<br />
j<br />
= t<br />
j = 1<br />
j = 1<br />
Sustituyendo estos valores en el obtenemos:<br />
β<br />
α<br />
1 ra falla 2 1<br />
da falla 3<br />
2 ra falla 4<br />
3 ta falla (n-1)<br />
4 n-1 th falla (n) n<br />
th falla<br />
t 1 t 2 t 3 t 4 t n t K<br />
[]<br />
1<br />
t = t<br />
1<br />
[]<br />
2<br />
t =<br />
t<br />
1<br />
+<br />
t<br />
2<br />
[]<br />
3<br />
t =<br />
t<br />
1<br />
+<br />
t<br />
2<br />
+<br />
t<br />
3<br />
[]<br />
4<br />
t =<br />
t<br />
1<br />
+<br />
t<br />
2<br />
+<br />
t<br />
3<br />
+<br />
t<br />
4<br />
[ n<br />
−<br />
1<br />
]<br />
t<br />
=<br />
t<br />
1<br />
+<br />
t<br />
2<br />
+<br />
t<br />
3<br />
+<br />
t<br />
4<br />
+<br />
.......t<br />
n<br />
−<br />
1<br />
[]<br />
n<br />
t = t<br />
1<br />
+<br />
t<br />
2<br />
+<br />
t<br />
3<br />
+<br />
t<br />
4<br />
+<br />
.......t<br />
n<br />
−<br />
1<br />
+<br />
t<br />
n<br />
[]<br />
K<br />
Tiempo misión =<br />
T t<br />
=<br />
t<br />
+<br />
t<br />
+<br />
t<br />
+<br />
t<br />
+<br />
.......t<br />
+<br />
t<br />
+<br />
t<br />
⎡<br />
[<br />
[( t ) ( ) ] i ] β ⎤<br />
[ i −1]<br />
β β [1 ]<br />
t ⎥ + ( t )<br />
β β<br />
[( t ) ] = n<br />
β β<br />
[ ] = n<br />
n<br />
1 ⎢ − ⋅<br />
β + ∑ β + 1<br />
i = 2<br />
α<br />
α<br />
⎢⎣<br />
⎥⎦<br />
= 1<br />
2<br />
3<br />
4<br />
n<br />
−<br />
1<br />
n<br />
K<br />
11
Yañez Medina, Medardo<br />
<strong>Apuntes</strong> <strong>Proceso</strong> <strong>Generalizado</strong> <strong>de</strong> <strong>Restauración</strong><br />
1<br />
n<br />
n<br />
⎛ ⎡<br />
⎤ ⎞ β<br />
[<br />
⎜<br />
⎢∑[ ( ) ] − [( ) ]<br />
i ] β<br />
[ i −1]<br />
β<br />
1<br />
t ∑ t ⎥<br />
⎟<br />
β<br />
⎜ ⎣ i = 1<br />
i = 2 ⎦ ⎟ ⎛ [ n ] β<br />
( t ) ⎞<br />
ˆ =<br />
⎜ ⎟<br />
α<br />
⎜<br />
⎜<br />
⎝<br />
n<br />
⎟<br />
⎟<br />
⎠<br />
⇒ ˆ α =<br />
⎜<br />
⎝<br />
el cual es el mo<strong><strong>de</strong>l</strong>o matemático para calculo <strong><strong>de</strong>l</strong> parámetro “α” <strong><strong>de</strong>l</strong> PNHP.<br />
n<br />
⎟<br />
⎠<br />
Igualmente, haciendo q = 1 en la ecuación 4.26 se obtiene:<br />
[ ln( L)<br />
] ⎡( n)<br />
∂<br />
∂β<br />
= ⎢ + ln<br />
⎢⎣<br />
β<br />
⎛ t ⎞<br />
⎝ α ⎠<br />
⎛ t ⎞⎤<br />
⎥<br />
⎝ α ⎠⎥⎦<br />
β<br />
n<br />
⎛<br />
i −1<br />
⎞<br />
1 ∑⎢<br />
⎜ i ∑ j ⎟<br />
−<br />
i = 2<br />
j = 1<br />
1<br />
1<br />
( t ) − ( n) ln( α ) − ⎜ ⎟ ln⎜<br />
⎟ + ln⎜t<br />
+ t ⎟ ............<br />
⎡<br />
⎢⎣<br />
⎝<br />
⎠<br />
⎛<br />
⎜ t<br />
............ −<br />
⎜<br />
⎜<br />
⎜<br />
⎝<br />
i<br />
+<br />
i −1<br />
∑<br />
j = 1<br />
α<br />
t<br />
j<br />
β<br />
⎞<br />
⎟<br />
⎟<br />
⎟<br />
⎟<br />
⎠<br />
⎛<br />
⎜ t<br />
ln<br />
⎜<br />
⎜<br />
⎜<br />
⎝<br />
i<br />
+<br />
i −1<br />
∑<br />
j = 1<br />
α<br />
t<br />
j<br />
⎞ ⎛<br />
⎟ ⎜<br />
⎟<br />
+<br />
⎜<br />
⎟ ⎜<br />
⎟ ⎜<br />
⎠ ⎝<br />
i −1<br />
∑<br />
j = 1<br />
α<br />
t<br />
j<br />
β<br />
⎞<br />
⎟<br />
⎟<br />
⎟<br />
⎟<br />
⎠<br />
⎛<br />
⎜<br />
ln<br />
⎜<br />
⎜<br />
⎜<br />
⎝<br />
i −1<br />
∑<br />
j = 1<br />
α<br />
t<br />
j<br />
⎞⎤<br />
⎟⎥<br />
⎟⎥<br />
⎟⎥<br />
= 0<br />
⎟⎥<br />
⎠⎥⎦<br />
Sabemos que:<br />
i 1<br />
i −1<br />
[1]<br />
[ i ]<br />
t<br />
1<br />
= t , t<br />
i<br />
+ ∑ − [ i −1]<br />
t<br />
j<br />
= t , y t<br />
j<br />
= t<br />
j = 1<br />
j = 1<br />
Sustituyendo estos valores en el EMV se obtiene:<br />
n<br />
⎢<br />
⎡ ∑ln t<br />
⎣ i = 1<br />
⎛<br />
⎜<br />
⎝<br />
∑<br />
[ n ]<br />
[ ] ⎤<br />
( ) ( t ) n<br />
i<br />
[ n ]<br />
− ⎜ ( ln( t ) − ln( α )) ⎟ + − n.ln( α ) = 0<br />
⎥<br />
⎦<br />
α β β<br />
[ n ] β<br />
( )<br />
Sabemos que para q=1, α ⎜ ⎟<br />
anterior se tiene:<br />
n<br />
⎢<br />
⎡ ∑ln t<br />
⎣ i = 1<br />
⎛<br />
⎜<br />
[ n ]<br />
[ ] ⎤<br />
( ) ( t )<br />
i ⎜<br />
⎥ −<br />
⎜ [ n ]<br />
⎦ ( t )<br />
⎜<br />
⎝<br />
n<br />
β<br />
β<br />
⎞<br />
⎟<br />
⎠<br />
β<br />
1<br />
β<br />
⎛ t ⎞<br />
ˆ = , luego, sustituyendo en la ecuación<br />
⎜ n ⎟<br />
⎝ ⎠<br />
⎞<br />
⎟<br />
[ n ]<br />
n<br />
( ln( t ) − ln( α )) ⎟<br />
+ − n.ln( α ) = 0<br />
⎛<br />
⎞<br />
⎜<br />
⎜ n<br />
ˆβ =<br />
⎟ ⎟⎟ , lo que finalmente se reduce a:<br />
⎜<br />
n<br />
[ n ]<br />
[ ]<br />
⎜ n.ln( t ) −∑ln( t<br />
i ) ⎟<br />
⎝<br />
i = 1 ⎠<br />
⎟<br />
⎟<br />
⎠<br />
β<br />
12
Yañez Medina, Medardo<br />
<strong>Apuntes</strong> <strong>Proceso</strong> <strong>Generalizado</strong> <strong>de</strong> <strong>Restauración</strong><br />
⎛<br />
⎜<br />
⎜<br />
ˆβ = ⎜<br />
⎜<br />
⎝<br />
n<br />
∑<br />
i = 1<br />
n<br />
⎛<br />
ln<br />
⎜<br />
⎝<br />
⎞<br />
[ n ]<br />
( t ) ⎞<br />
( ) ⎟<br />
⎟ ⎟⎟⎟⎟ [ i ]<br />
t ⎠ ⎠<br />
el cual es el mo<strong><strong>de</strong>l</strong>o matemático para calculo <strong><strong>de</strong>l</strong> parámetro “β” <strong><strong>de</strong>l</strong> PNHP (Tan<br />
malo como estaba).<br />
13