PT004 Apuntes GRP

Yaez Medina, Medardo
Apuntes Proceso Generalizado de Restauracin

1
Apuntes del Proceso Generalizado de Restauracin
Proceso Generalizado de Restauracin (PGR)
El proceso generalizado de restauracin provee la plataforma para calcular las
variables probabilsticas de inters para equipos reparables sin la necesidad de
hacer asunciones acerca del estado del equipo despus de la reparacin.
Es un proceso general que contiene a los casos de POR y NHPP como casos
extremos; pero que permite modelar casos intermedios, es decir, reparaciones
en las que el equipo queda mejor que como estaba pero peor que cuando
nuevo; es decir niveles parciales de restauracin. Como el lector intuir, este
proceso permite modelar casos mas reales que el POR y el PNHP.
El PGR es de desarrollo muy reciente y apenas comienza a aplicarse con fuerza
en el mundo industrial. Una solucin numrica fue propuesta por Kritsov
[2]
en
1998, y el desarrollo analtico fue propuesto por Yaez, Joglar y Modarres
[1]
en
2000.
El PGR introduce el concepto de edad virtual A
n
que representa la edad
calculada del sistema justo despus de n fallas y n reparaciones. Esta edad
esta afectada por un parmetro q al que se denomina parmetro de
rejuvenecimiento o efectividad de la reparacin.
La edad virtual de un equipo, calculada del sistema justo despus de n fallas se
calcula con la expresin:

=
=
n
1 i
i n
t q A
. Ec. 4.20
Asumiendo que los tiempos entre fallas sucesivas t
i
ocurrencia de fallas puede
ser representada por una distribucin Weibull, las ecuaciones de clculo para las
variables probabilsticas de inters, para el PGR son las siguientes:
Probabilidad de Fallas
( )
e
n
1 j
j k
n
1 j
j
t q t
t
q
] K [
1 t F
(
(
(
(
(
(
|
|
|
|
|
|
.
|
\
|
+
|
|
.
|
\
|

=
=
=
|
|
o o i =2,3,...n Ec. 4.21
| |
( )
e
1 i
1 j
j K 1 i
1 j
j
t q t
t
q
1
1 i
1 j
j K
K
t q t t f
(
(
(
(
(
|
|
|
|
.
|
\
|
+
|
|
.
|
\
|
+ |
.
|
\
|
=

|
|
o o
|
|
o
|
i = 2,3,n Ec. 4.22

Confiabilidad
( )
e
n
1 j
j K
n
1 j
j
t q t
t
q
] K [
t C
(
(
(
(
(
(
|
|
|
|
|
|
.
|
\
|
+
|
|
.
|
\
|

=
=
=
|
|
o o
i = 2,3,n Ec. 4.23

2
donde:
=
1 i
1 j
j
t q representa la edad virtual An descrita anteriormente en la Ec. 4.20
o : parmetro de escala;
| : parmetro de forma;
q : parmetro de efectividad de la reparacin .
De acuerdo con este modelo, al asumir un valor de q = 0 da como resultado el
Proceso Ordinario de Restauracin (Tan Bueno Como Nuevo), mientras la
asuncin de q = 1 nos lleva al Proceso No Homogneo de Poisson (Tan Malo
Como Estaba). Los valores de q localizados en el intervalo 0 < q < 1
representan los estados en los que queda el equipo despus de la reparacin en
los cuales el sistema est Mejor que como estaba pero peor que cuando
nuevo. Para los casos en que q > 1, el sistema est en una condicin peor que
como estaba y para los casos en los que q < 0 sugiere que el sistema qued en
una condicin mejor que cuando nuevo.
4.3.1.2.2.3.1.- Simulacin de Montecarlo para calcular el Nmero Esperado
de Fallas en el Proceso Generalizado de Restauracin (PGR)
Resolviendo la ecuacin 4.21 para ti tenemos :
( ) ( )

=
=

|
|
.
|
\
|

|
|
.
|
\
|
=
1 i
1 j
j
/ 1
i
1 i
1 j
j i
t
q
t F 1 ln t
q
t
o o
|
|
para i =2,3,..n Ec. 4.24.

Con la ecuacin 4.24, y utilizando el mismo razonamiento descrito en la seccin
3.4.1.2.2 del Capitulo III, podemos calcular el N Esperado de Fallas al tiempo
T ( A(T)), para el PGR, siguiendo el diagrama de flujo que se muestra a en la
fig. 4.5.


3

Figura 4.5. Simulacin de Montecarlo N Esperado de Fallas A(T) PGR

INICIO
SELECCIONE
EL PERIODO DE
ANALISIS T
j=1
T
0
=0
t
0
=0
SELECCIONE EL NUMERO
DE ITERACIONES =m
GENERAR ALEATORIAMENTE, UN VALOR X
j
ENTRE 0 y 1
Tiempo para la Falla (t)
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
0,0 50,0 100,0 150,0 200,0 250,0
tiempo (hrs)
F
(
t
)
0
1
T
j
=T
j-1
+t
j
T
j
<T ?
i=1
SI
j=j+1
i=i+1
N Fallas
n
i
=j
i

<m ?
NO
SI
|
.
|
\
|
=

=
m
1 i
i
n
m
1
) T ( A
NUMERO ESPERADO DE
FALLAS AL TIEMPO T
NO
STOP
INGRESE EL
VALOR DE LOS
PARAMETROS
o , | Y q
( )

=
=

|
|
.
|
\
|

|
|
.
|
\
|
=
1 j
1 j
j
/ 1
j
1 j
1 j
j j
t
q
X 1 ln t
q
t
o o
|
|
( )
e
1 i
1 j
j j
1 i
1 j
j
t q t
t
q
j
1 t F
(
(
(
(
(
(
|
|
|
|
|
|
.
|
\
|
+
|
|
.
|
\
|

=
|
|
o o

4
La Figura 4.6 muestra los resultados de la simulacin de Montecarlo realizada
para diferentes periodos de evaluacin, para los tres procesos descritos
previamente; POR, PNHP y PGR. Los parmetros de entrada utilizados en el
ejemplo se muestra en la figura

Figura 4.6. Resultados del clculo del N Esperado de Fallas A(T) con
Simulacin de Montecarlo
De la figura 4.6 es importante mencionar que para un valor de q = 0, la curva
estimada del PGR se iguala a la curva del POR. Igualmente, para un valor de q
= 1, la curva del PGR se iguala a la curva del PNHP. Estos resultados confirman
que el PGR es el proceso ms general, y la variacin del parmetro q es la que
lleva al POR o al PNHP.
Estimacin de Parmetros del PGR - Caso 1: Equipo Fallado
La estimacin se hace en un momento en el que acaba de ocurrir la falla, y el
equipo no esta operando. Para calcular estos parmetros es necesario resolver
el siguiente sistema de ecuaciones
( ) | |
( ) 0 n
t
t q t q t
L ln
1
n
2 i
1 i
1 j
j
1 i
1 j
j i 1
=
(
(
|
.
|
\
|
+
(
(
(
(
(
|
|
.
|
\
|
|
|
.
|
\
|
+ =
c
c

=
=
+
|
| |
|
o o
|
o
|
o
Ecuacin 4.25
( ) | | ( )
( ) ( ) ( )

=
=
(
(
(
(
(
|
|
|
|
|
.
|
\
|
|
|
|
|
|
.
|
\
|
+
|
|
|
|
|
.
|
\
|
+
|
|
|
|
|
.
|
\
|
+
|
|
.
|
\
|
+ +
(
(
|
.
|
\
|
|
.
|
\
|
+ =
c
c
n
2 i
1 i
1 j
j
1 i
1 j
j
1 i
1 j
j i
1 i
1 j
j i
1 i
1 j
j i
1 1
1
0
t q
ln
t q t q t
ln
t q t
t q t ln
t
ln
t
ln n t ln
n L ln
o o o o o o
o
| |
| |
|
Ecuacin 4.26
A(t) - Simulacin de Montecarlo
0
2
4
6
8
10
12
0 25 50 75 100
Tiempo de Operacin (meses)
N

d
e

F
a
l
l
a
s
POR PGR PNHP
Modelo o | q
POR 20 1.5 0
PGR 20 1.5 0.5
PNHP 20 1.5 1
Parmetros

5
( ) | |
( )
( )
0 t t q t
q
t q t
t
1
q
L ln
n
2 i
1 i
1 j
j
1
1 i
1 j
j i
n
2 i
n
2 i

1 i
1 j
j
1
1 i
1 j
j i
1 i
1 j
j
=
|
|
.
|
\
|
|
|
.
|
\
|
+
|
|
.
|
\
|
+
|
|
|
|
|
.
|
\
|
+
=
c
c

= = =
=
Ecuacin 4.27
Las ecuaciones 4.25, 4.26 y 4.27, forman el sistema de tres ecuaciones cuya
solucin para un grupo de datos particulares da como resultado los estimados
para o, | y q.
Ecuaciones para los Parmetros del PNHP Caso 2: Equipo Operando
La estimacin se realiza cuando el equipo esta operando ha transcurrido un
tiempo t
k
desde la ocurrencia de la ultima falla
Ecuacin 4.28
( ) | |
( ) 0
t q t q t
n
t
t q t q t
L ln
n
1 j
j
n
1 j
j K
1
n
2 i
1 i
1 j
j
1 i
1 j
j i 1
=
|
|
|
|
.
|
\
|

|
|
|
|
.
|
\
|
+
+
(
(
|
.
|
\
|
+
(
(
|
|
.
|
\
|
|
|
.
|
\
|
+ =
c
c = =
=
=
+
| |
|
|
|
|
o o
|
o o
|
o o
|
o
|
o

Ecuacin 4.29
( ) | | ( )
( ) ( ) ( ) 0
t q
ln
t q t q T
ln
t q
t q
ln
t q t q t
ln
t q t
t q t ln
t
ln
t
ln n t ln
n L ln
n
1 j
j
n
1 j
j
n
1 j
j
n
1 j
j
1 i
1 j
j
1 i
1 j
j
1 i
1 j
j i
1 i
1 j
j i
n
2 i
1 i
1 j
j i
1 1
1
=
|
|
|
|
.
|
\
|

|
|
|
|
.
|
\
|

+
|
|
|
|
.
|
\
|
+
|
|
|
|
.
|
\
|
+
(
(
(
(
(
(
|
|
|
|
|
.
|
\
|
|
|
|
|
|
.
|
\
|
+
|
|
|
|
|
.
|
\
|
+
|
|
|
|
|
.
|
\
|
+
|
|
.
|
\
|
+ +
(
(
|
.
|
\
|
|
.
|
\
|
+ =
c
c = = = =
=
=
=

o o o o o o o o o o
o
| |
| |
| |
|
Ecuacin 4.30
( ) | |
( )
( )
0
t q T
t
.
t q t
.
t q
q
t t q t
q
t q t
t
1
q
L ln
n
1 j
j
n
1 j
j
n
1 j
j K
n
1 j
j n
1 i
1 i
0 j
j
1
1 i
0 j
j i
n
1 i
n
1 i

1 i
0 j
j
1
1 i
0 j
j i
1 i
0 j
j
=
|
|
|
|
.
|
\
|
+
|
|
|
|
.
|
\
|
+
|
|
|
|
.
|
\
|

+
|
|
.
|
\
|
|
|
.
|
\
|
+
|
|
.
|
\
|
+
|
|
|
|
|
.
|
\
|
+
=
c
c
=
= = =
=
= = =
| |
o
|
o
|

Al solucionar el sistema de ecuaciones formado por las ecuaciones 4.28, 4.29 y
4.30 para un grupo de datos se obtienen como resultado los valores de o, | y q.

Solucin Numrica para la estimacin de los parmetros del PGR
Desafortunadamente, los sistemas de ecuaciones desarrollados para la
estimacin de los parmetros del PGR en los dos casos analizados no tiene una
solucin matemtica de forma cerrada. Por tal razn, se desarrollo un algoritmo
numrico basado en simulacin de Montecarlo con la finalidad de resolver el
sistema de ecuaciones. A continuacin se muestra y explica detalladamente el
flujograma de solucin

6
ANEXO N 3 Flujograma para calculo de Parmetros PGR por solucin
numrica

Tal y como fue descrito en el algoritmo, se generan tres nmeros aleatorios y se
asignan a los parmetros o, | y q. Cada ecuacin en el sistema es entonces
evaluada con los nmeros generados y el grupo de datos de falla. Si cada uno
de los valores de los parmetros tiene una tolerancia menor que la tolerancia
predeterminada entonces el proceso iterativo termina. Consecuentemente, si al
menos una de las ecuaciones resulta con un valor del parmetro con tolerancia
mayor a la tolerancia predeterminada, el proceso iterativo contina con la
generacin de tres nuevos nmeros aleatorios.
Los nmeros aleatorios son generados a partir de distribuciones probabilsticas
uniformes. En el caso del parmetro de forma |, la distribucin uniforma varia
INICIO
Tipo de
Anlisis
Equipo Fallado Equipo Operando
Entrada de
data de falla
Entrada de
tiempo
desde la
ltima falla
Entrada de
data de falla
Entrada de
Tolerancia
TOL
Generate nmeros random
para los parmetros | y q
Calcule o usando los
valores generados de | y
q en la derivada del
likelihood con respecto a o
STOP
o | y q
Si No
Sustituya | y q en la
derivada del likelihood con
respecto a | y q
Reportar
TOL L
< c c |
TOL q L
< c c

7
entre 0 y 6 debido a que se espera que la altsima mayora de las soluciones
caigan en este rengo. En el caso del parmetro q, la distribucin vara entre 0 y
1. Como fue explicado anteriormente en este escrito, los valores de inters de q
se espera que estn en este rango.
Finalmente, la generacin de nmeros aleatorios para el parmetro de escala o
se hace en forma diferente. El rango de los posibles valores para esta variable
es relativamente grande comparndolo con los otros dos. Este puede variar, por
ejemplo, en el orden de miles de horas de operacin. Obviamente, una
simulacin de Montecarlo requerira un nmero significativo de iteraciones para
encontrar el set de tres valores que representan la solucin del sistema de
ecuaciones. Afortunadamente, las derivadas de la funcin de verosimilitud con
respecto al parmetro o, ecuaciones 4.25 y 4.29 pueden expresarse en funcin
de | y q con expresiones matemticas cerradas, simplificando la solucin
numrica. En otras palabras; los valores aleatoriamente generados para | y q,
estimados sobre un rango relativamente pequeo, pueden usarse en las
ecuaciones 4.25 y4.29 para estimar valores aleatorios de o como funcin de los
dos primeros parmetros. Claramente, esto acelera el proceso de solucin.
Para el caso de equipo fallado, la ecuacin 4.25 puede expresarse como:
|
|
| |
o
n
t t q t q t
1
n
2 i
1 i
1 j
j
1 i
1 j
j i
+
(
(
|
|
.
|
\
|
|
|
.
|
\
|
+
=

=
=

De manera similar, para el caso de equipo operando, la ecuacin 4.29 puede
expresarse como:
|
| |
|
| |
o
n
t q t q T t t q t q t
1 i
1 j
j
1 i
1 j
j 1
n
2 i
1 i
1 j
j
1 i
1 j
j i
|
|
.
|
\
|
+
|
|
.
|
\
|
+ + +
(
(
|
|
.
|
\
|
|
|
.
|
\
|
+
=

=
= =
=


8
Referencias

1. Yaez Medardo, Joglar Francisco, Modarres Mohammad Generalized
Renewal Process for Analysis of Repairable Systems with Limited Failure
Experience. Reliability Engineering and System Safety Journal - pag 167
180 ELSEVIER 2002
2. Kritsov, Vasily. A Monte Carlo Approach to Modeling and Estimation of the
Generalized Renewal Process in Repairable System Reliability Analysis.
Dissertation For The Degree of Doctor of Philosophy, University of Maryland,
2000.
3. Kaminsky, M. & Krivtsov, V. A Monte Carlo Approach to Repairable System
Reliability Analysis. Probabilistic Safety Assessment and Management, New
York. Springer-Verlag London Ltd., 1063-1068
4. Modarres, Mohammad; Kaminsky, Mark; Kritsov, Vasily. Reliability
Engineering And Risk Analysis. Marcel Dekker, New York,1999.
5. Ebeling, Charles E. An Introduction To Reliability And Maintainability
Engineering. McGraw Hill. New York, 1997.
6. Smith, W; Leadbetter, M. On The Renewal Function For The Weibull
Distribution. Technometrics, 5, 243-302.
7. Ascher Harold and Feingold Harry. Repairable System Reliability Modeling,
Inference, Misconceptions and their causes. Marcel Dekker, inc, New York,
1984
8. Hoyland, A.; Rausand, M., system Reliability Theory: Models and Statistical
Methods, John Wiley and Sons, NY, 1994.


9
ANEXO N 1 - Demostraciones PGR:
El PGR (Proceso Generalizado de Restauracin) es en realidad la teora mas
general que se ha desarrollado para la prediccin del nmero esperado de fallas
para equipos reparables; el POR y el PNHP son solo dos casos del PGR. Esto
se demuestra como sigue:
Al asumir un valor de q = 0 y sustituirlo en las ecuacines de la funcin de
verosimilitud del PGR, para los parmetros o, |, estas ecuaciones se
reducen a las ecuaciones de los parmetros parmetros o, |, del POR (Tan
Bueno Como Nuevo)
Comprobacin:
Haciendo q = 0 en la ecuacin 4.25 se obtiene:
( ) | |
( ) | | ( ) 0 n
t
t
L ln
1
n
2 i
i
1
=
(
(
|
.
|
\
|
+
(
=
c
c
=
+
|
|
|
o o
|
o
|
o

( ) | | ( )
|
.
|
\
|
=
(
+
(
=
+
o
|
o
|
| |
|
n t t
1
n
2 i
i
1
, resultando
( ) ( )
|
|
|
|
.
|
\
|
=

=
n
t
n
1 i
i
|
o
el cual es el modelo matemtico para calculo del parmetro o en el PR.
Igualmente, haciendo q = 0 en la ecuacin 4.26 se obtiene:
( ) | | ( )
( ) ( ) ( ) ( ) 0
t
ln
t
t ln
t
ln
t
ln n t ln
n L ln
n
2 i
i i
i
1 1
1
=
(
(
|
.
|
\
|
|
.
|
\
|
+
(
(
|
.
|
\
|
|
.
|
\
|
+ =
c
c
=
o o o o
o
| |
| |

( ) | | ( )
( ) ( ) ( ) ( ) ( ) 0
t
ln
t t
ln
t
t ln t ln ln n
n L ln
n
2 i
i i 1 1
n
2 i
i 1
=
(
(
(
(
|
.
|
\
|
|
.
|
\
|
+ |
.
|
\
|
|
.
|
\
|
+ + =
c
c

= =
o o o o
o
| |
| |

( ) | | ( )
( ) ( ) ( ) ( ) 0
t
ln
t
t ln ln n
n L ln
n
1 i
i i
n
1 i
i
=
(
(
(
(
|
.
|
\
|
|
.
|
\
|
+ =
c
c

= =
o o
o
| |
|

( ) | | ( )
( ) ( ) ( ) ( ) ( ) ( ) 0 t .
) ln(
) t ln( . t
1
t ln ln n
n L ln
n
1 i
n
1 i
i i i
n
1 i
i
=
(
+ =
c
c

= = =
|
|
|
|
o
o
o
o
| |

Sabemos que para q = 0,
( ) ( )
|
|
|
|
.
|
\
|
=

=
n
t
n
1 i
i
|
o ; luego, sustituyendo en la ecuacin
anterior,

10

( ) | | ( )
( ) ( ) ( ) ( )
( ) ( )
( )
( ) ( )
( ) 0 t .
n
t
) ln(
) t ln( . t
n
t
1
t ln ln n
n L ln
n
1 i
n
1 i
i
n
1 i
i
i i
n
1 i
i
n
1 i
i
=
(
+ =
c
c

= =
= =
=
|
|
|
|
o
o
| |

( ) | |
( )
=
=
=
=
n
1 i
i
n
1 i
i
n
1 i
i i
t ln
n
1 1
t
t ln t
| |
|

el cual es el modelo matemtico para calculo del parmetro | en el POR.


11
Si se hace q = 1, y se sustituye en las ecuacines de la funcin de verosimilitud
del PGR, para los parmetros o, |, estas ecuaciones se reducen a las
ecuaciones de los parmetros parmetros o, | del PNHP, (Tan malo como
estaba)
Comprobacin:
Con la finalidad de desarrollar una comprobacin matemtica, considere el
diagrama de la Figura siguiente

Donde:
t
1
, t
2
, t
3
, t
4
, , t
n
son los tiempos de ocurrencia de fallas
t
i
es el periodo de tiempo entre dos fallas sucesivas n y n-1
t
[1]
, t
[2]
, t
[3]
, t
[4]
, t
[n-1]
, t
[n]
son los tiempos acumulados de operacin
t
[i]
es el tiempo de operacin acumulado hasta la falla i.
Haciendo q = 1 en la ecuacin 4.25 se obtiene:
( ) | | n t t t t
1 1
n
2 i
1 i
1 j
j
1 i
1 j
j i 1
= +
(
(
(
(
(
|
|
.
|
\
|
|
|
.
|
\
|
+
+
=
=
+

o
|
o
|
o
|
|
|
| |
|

Del grfico de arriba sabemos que:
] 1 [
1
t t = ,
] i [
1 i
1 j
j i
t t t = +
=
y
] 1 i [
1 i
1 j
j
t t

=
=

Sustituyendo estos valores en el obtenemos:
( ) ( ) | | ( ) | | n t t t
] 1 [
1
n
2 i
] 1 i [ ] i [
1
= +
(
(
+
=
+

o
|
o
|
o
| |
|
| |
|

t
K
t
1
1
t
2
t
3
t
4
t
n
2 3 4 n-1
n
t
1
t
2
t
3
t
4
t
n
t
K
| |
n 1 n 4 3 2 1
n
t t ....... t t t t t + + + + + =

| |
K n 1 n 4 3 2 1
K
t t t ....... t t t t t T + + + + + + = =

| |
1 n 4 3 2 1
1 n
t ....... t t t t t

+ + + + =
| |
4 3 2 1
4
t t t t t + + + =
| |
3 2 1
3
t t t t + + =
| |
2 1
2
t t t + =
| |
1
1
t t =
t
K
t
1
1
t
2
t
3
t
4
t
n
2 3 4 n-1
n
t
1
t
2
t
3
t
4
t
n
t
K
t
1
1
t
2
t
3
t
4
t
n
2 3 4 n-1
n
t
1
t
2
t
3
t
4
t
n
t
K
| |
n 1 n 4 3 2 1
n
t t ....... t t t t t + + + + + =

| |
K n 1 n 4 3 2 1
K
t t t ....... t t t t t T + + + + + + = =

| |
1 n 4 3 2 1
1 n
t ....... t t t t t

+ + + + =
| |
4 3 2 1
4
t t t t t + + + =
| |
3 2 1
3
t t t t + + =
| |
2 1
2
t t t + =
| |
1
1
t t =
1
ra
falla 2
da
falla 3
ra
falla 4
ta
falla (n-1)
th
falla (n)
th
falla
Tiempo misin =

12
( ) | | ( ) | |
|
|
|
|
|
.
|
\
|
(

=

=
=
|
| |
o
1
n
2 i
] 1 i [
n
1 i
] i [
n
t t
( )
|
|
o
1
] n [
n
t
|
|
.
|
\
|
=
el cual es el modelo matemtico para calculo del parmetro o del PNHP.

Igualmente, haciendo q = 1 en la ecuacin 4.26 se obtiene:
( ) | | ( )
( ) ( ) ( ) .. .......... t t ln
t
ln
t
ln n t ln
n L ln
n
2 i
1 i
1 j
j i
1 1
1

|
|
.
|
\
|
+ +
(
(
|
.
|
\
|
|
.
|
\
|
+ =
c
c

=
=
o o
o
| |
|

0
t
ln
t t t
ln
t t
.. ..........
1 i
1 j
j
1 i
1 j
j
1 i
1 j
j i
1 i
1 j
j i
=
(
(
(
(
(
(
|
|
|
|
|
.
|
\
|
|
|
|
|
|
.
|
\
|
+
|
|
|
|
|
.
|
\
|
+
|
|
|
|
|
.
|
\
|
+
=
o o o o
| |

Sabemos que:
] 1 [
1
t t = ,
] i [
1 i
1 j
j i
t t t = +

=
, y
] 1 i [
1 i
1 j
j
t t

=
=

Sustituyendo estos valores en el EMV se obtiene:
( )
( )
( ) ( ) ( ) 0 ) ln( . n
n
ln t ln
t
t ln
] n [
] n [ n
1 i
] i [
= +
|
|
.
|
\
|

(
=
o
|
o
o
|
|

Sabemos que para q=1,
( )
|
|
o
1
] n [
n
t
|
|
.
|
\
|
= , luego, sustituyendo en la ecuacin
anterior se tiene:
( )
( )
( )
( ) ( ) ( ) 0 ) ln( . n
n
ln t ln
n
t
t
t ln
] n [
] n [
] n [ n
1 i
] i [
= +
|
|
|
|
|
.
|
\
|

(
=
o
|
o
|
|

( ) ( )
|
|
|
|
.
|
\
|
=
n
1 i
] i [ ] n [
t ln t ln . n
n
| , lo que finalmente se reduce a:


13
( )
( )
|
|
|
|
|
.
|
\
|
|
|
.
|
\
|
=
=
n
1 i
] i [
] n [
t
t
ln
n
|
el cual es el modelo matemtico para calculo del parmetro | del PNHP (Tan
malo como estaba).

PT004 Apuntes GRP

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

PT004 Apuntes GRP

Cargado por

Copyright:

Formatos disponibles

Yaez Medina, Medardo

Apuntes Proceso Generalizado de Restauracin

| , lo que finalmente se reduce a:

También podría gustarte