Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Distribucion de Weibull 121103185313 Phpapp01 PDF
Distribucion de Weibull 121103185313 Phpapp01 PDF
ENSAYOS DE FIABILIDAD
0. INDICE
1.
2.
4.
Representacin grfica
5.
6.
12
7.
16
3.
tiempo de anlisis y una mayor probabilidad de error, debido a que una mala
eleccin del modelo implicara dar un resultado errneo. Al aplicar Weibull, el
estudi previo de los datos se reduce nicamente a una inspeccin visual en
busca de posibles datos anmalos que distorsionen los resultados.
Donde ,
(3.1)
(3.2)
f (t ) =
t
F (t )
= t 1 exp
t
(3.3)
4. REPRESENTACIN GRFICA
Una forma simple de ver la distribucin de los fallos y de esta forma
poder analizar y decidir sobre los resultados, es representar grficamente la
funcin de Weibull. Esta grfica muestra como varia F(t) respecto al tiempo ( o
en nuestro caso, el numero de ciclos ).
Para representar grficamente esta funcin se deben seguir los
siguientes pasos:
1- Clasificar el tiempo o ciclos de cada muestra (ti) de menor a mayor.
2- Determinar los valores de probabilidad acumulada de fallo ( Fi ).
Estos valores se determinan usando la siguiente formula:
Fi =
i 0,5
n
(4.1)
Fi =
i 0,3
n + 0,4
(4.2)
Una vez se ha hecho el grfico, puede pasar que salga directamente una
lnea recta (en cuyo caso
ensayarlas (caso de
negativo). El parametro
tiene que restar a todos los ti para que los puntos representados sigan una
recta.
Para estimar el parmetro se tiene que trazar una recta paralela que
pase por el centro del arco representado en el papel y que corte a este. El
punto de corte de la recta paralela que hemos dibujado y el arco nos dar
el valor del parmetro.
Grfico logartmico
Este mtodo consiste en encontrar una relacin lineal entre F(t) y t; para
ello se modifica la formula 3.1 (con =0) tomando logaritmos dos veces en
ambos lados de tal forma que se consigue una ecuacin del tipo: y = ax+b.
Esto permite conseguir los parmetros caractersticos de una forma simple y
rpida mediante una representacin grfica de la ecuacin. El camino a seguir
para llegar a la ecuacin lineal es l que se muestra a continuacin:
t
R (t ) = exp
(5.1)
t
LnR (t ) =
(5.2)
(5.3)
(5.4)
Donde F(t) se calcula con las formulas 4.1 o 4.2 dependiendo de que mtodo
se quiera seguir.
En el caso de que la grfica presente un periodo inicial donde no se
produzcan fallos (en el caso de >0), o que parte de las muestras fallen antes
de empezar el ensayo (caso de <0), antes de representar grficamente la
Trazar tres rectas horizontales de manera que la primera pase por el tiempo
de fallada ms pequeo, la segunda por el tiempo de fallada ms grande y
la tercera pase por el medio de las dos anteriores.
= TI
(TM TI )(TI Tm )
(TM TI ) (TI Tm )
(5.5)
inicialmente es
L( , ) = f (ti )
(5.6)
i =1
n
L( , ) = n
ti
i =1
n
exp ti
i =1
(5.7)
versemblanza, obtenemos:
n
ti Ln (ti )
i =1
ti
i =1
1 n
Ln (ti ) = 0
n i =1
(5.8)
1
1 n
= ti
n i =1
que al
haber sido calculados a partir de una muestra aleatoria, tienen una cierta
variabilidad. En concreto estos parmetros se distribuyen siguiendo una
distribucin normal, y por tanto sus intervalos de confianza para un nivel de
confianza se pueden calcular como:
z / 2 V () + z / 2 V ()
(3.9)
z / 2 V ( ) + z / 2 V ( )
(3.10)
Donde :
-
1,1087
V ()
V ( )
0,2570
n
Mtodo implicito.
Este mtodo calcula los valores de los parmetros a partir de la media y
de la varianza de la muestra. Este mtodo permite calcular y
de una
10
= exp
x +
0,5772
S 6
Donde:
n
x=
Ln (ti )
s2 =
i =1
n
1 n
( Ln (ti ) x) 2
n 1 i =1
1,049 z(1+ )
2
exp
1,049 z(1+ )
2
exp
1,081z(1+ )
2
exp
n
1,081z(1+ )
2
exp
11
(5.1)
tp = [ Ln(1 p ) ]
(5.2)
parmetro
Ejemplo:
Tenemos un conjunto de componentes que fallan en el siguiente numero
de horas: 0.22; 0.5; 0.88; 1; 1.32; 1.33; 1.54; 1.76; 2.5 y 3. A partir de estos
valores se nos pide calcular los siguientes apartados:
-
ti
1
Ln(ti)
0,22 -1,51412773
Fi
0,06730769
13
2
3
4
5
6
7
8
9
10
0,5 -0,69314718
0,88 -0,12783337
1
0
1,32 0,27763174
1,33 0,28517894
1,54 0,43178242
1,76 0,56531381
2,5 0,91629073
3 1,09861229
0,16346154
0,25961538
0,35576923
0,45192308
0,54807692
0,64423077
0,74038462
0,83653846
0,93269231
percentil de fallos
1,2
1
0,8
0,6
0,4
0,2
0
0
horas
x=
Ln (ti ) =0.1236
s2 =
i =1
n
1 n
( Ln (ti ) x) 2 =0.589
n 1 i =1
14
S 6
=1.67
= exp
x +
0,5772
=1.59
=0
Si se aplican los mtodos grficos sobre la recta obtenida por regresin
a partir de los datos, se puede ver que los valores obtenidos para
y
t
= 0,96
15
Problemas de variabilidad.
Los problemas que tienen su origen en la variabilidad de los resultados
numricos se deben principalmente al hecho de que estamos trabajando con
resultados estadsticos, y por tanto su nivel de confianza depender en gran
medida del numero de muestras ensayadas. En nuestro caso, usualmente se
trabaja con los resultados de tres o cuatro muestras, y si se tiene en cuenta
que la mayora de libros de estadstica recomiendan tamaos entre 10 y 13
muestras para conseguir resultados fiables, es fcil darse cuenta que los
resultados obtenidos no siempre se correspondan con la realidad. Esta
problemtica de pone de manifiesto en el siguiente ejemplo:
Ejemplo:
Se tiene un conjunto de componentes que han roto a los siguientes
ciclos: 115000, 88360 y 338130 (caso real con target de 85000). Si aplicamos
el Weibull (en este caso se ha usado el paquete estadstico Minitab) obtenemos
el siguiente resultado:
16
Shape:
1.74707
Scale:
204656
80
70
60
50
Percent
40
30
20
10
5
3
2
1
1000
10000
50000
100000
500000
1000000
Data
Shape:
Scale:
1.74707
204656
Percentile Estimates
95% CI
95% CI
Approximate Approximate
Percentile Lower Limit Upper Limit
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.10
0.20
0.30
0.40
0.50
0.60
0.70
0.80
0.90
0.91
0.92
0.93
0.94
14706
21931
27741
32804
37384
41621
45598
49370
52976
56444
86729
113436
139330
165927
194668
227598
268734
329877
338434
347813
358222
369964
1083
2258
3473
4716
5981
7265
8567
9886
11219
12567
26765
42196
58866
76844
96248
117307
140612
168298
171562
174988
178614
182494
199768
212972
221568
228177
233663
238425
242680
246561
250156
253526
281033
304955
329782
358279
393726
441586
513597
646587
667617
691326
718439
750018
17
0.95
0.96
0.97
0.98
0.99
383503
399602
419669
446794
490521
186711
191397
196788
203384
212634
787714
834298
894983
981516
1131572
Problemas de calculo.
A parte del problema de la variabilidad de los resultados, nos
encontramos con un problema a la hora de obtener estos resultados. Como se
ha visto en el apartado 5 existen diferentes mtodos para estimar los
parmetros caractersticos de la funcin de Weibull, e incluso dentro de un
mismo mtodo hay diferencias dependiendo del algoritmo de calculo que se
use (mtodos analticos) o del tipo de regresin (mtodos grficos). Esto
implica que para un mismo conjunto de valores se pueden obtener diversos
resultados diferentes; esta diferencia puede hacer que un mismo lote salga OK
o NG dependiendo de quien lo calcule.
Aunque estas diferencias entre mtodos se dan en todos los clculos
efectuados, estas se van incrementando a medida que aumenta la dispersin
de la muestra y cuando aparecen valores que difieren del resto (sin ser
anomalas). Tambin es conveniente destacar que este problema se ve
incrementado por el hecho de disponer de pocas muestras, ja que en el lmite
todos los mtodos llevan a un mismo resultado. Estas diferencias y la
tendencia que tienen al aparecer valores que distan del resto se puede
comprobar con el siguiente ejemplo:
Ejemplo:
18
Programa 2: Minitab
Excel
Minitab
F(t),5%
79261
123257
2,16
3,3
OK/NG
NG
OK
Ejemplo:
19
Excel
Minitab
6,5
6,4
Como puede verse el error cometido es menor y los resultados de ambos son
completamente comparables.
Para resolver este problema de la variacin de resultados con respecto
al programa o mtodo de clculo usado, sera conveniente definir un nico
programa para todos. Esto permitira
grficos.
Estos
grficos
representan
las
funciones
(ti,Fi)
20
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
0
200000
300000
400000
Shape:
3.33783
Scale:
300105
80
70
60
50
40
Percent
100000
30
20
10
5
3
2
1
20000
40000
60000 80000100000
200000
400000
600000 800000
Data
21