Está en la página 1de 6

FIABILIDAD (VI): TESTS DE VIDA ACELERADA

RELACIN CON OTROS MATH-BLOCS__________________________________


Este math-block forma parte de una serie de 8 documentos relacionados todos ellos con la Fiabilidad de componentes desde un punto de vista estadstico: Conceptos Bsicos (I). Identificacin y descripcin grfica de los datos (II). Anlisis paramtrico de los tiempos de fallo (III). Anlisis no paramtrico de los tiempos de fallo (IV). Comparacin no paramtrica de muestras (V). Tests de vida acelerada (VI). Modelos de regresin para observaciones censuradas (VII). Anlisis Probit (xito / fracaso) (VIII).

Modelos de vida acelerada

Fiabilidad (VI): Tests de vida acelerada

.M

at

em
Ejemplo test de vida acelerada (Minitab)

at

ic

a1

.c

om

ESQUEMA DE CONTENIDOS___________________________________________

INTRODUCCIN_____________________________________________________
En ocasiones, realizar un experimento para determinar los tiempos de fallo de un determinado dispositivo puede resultar excesivamente largo y costoso. En tales casos, es recomendable recurrir a un test de vida acelerada, i.e.: un experimento en el que los dispositivos sean sometidos a condiciones ms extremas de lo normal, con lo que se conseguir acelerar el proceso de desgaste y, en consecuencia, se reducir el tiempo de duracin del estudio. Los resultados as obtenidos sobre tiempos de fallos se podrn extrapolar al caso en que los dispositivos se encuentren funcionando en condiciones normales. Normalmente, lo que se hace es incrementar alguna de las llamadas variables aceleradoras (temperatura a la cual trabaja el dispositivo, voltaje, presin, vibracin, nmero de horas al da de uso, etc.), para ver cmo afecta este incremento a los tiempos de fallo de una determinada proporcin de dispositivos. Supngase, p.e., que se desea conocer qu influencia tiene el valor de la variable aceleradora Z sobre el instante en que habrn fallado el 20% de los dispositivos, i.e., sobre el percentil de orden 20 de T T20 . El objetivo ser pues encontrar una relacin matemtica entre las variables Z y T20 , i.e.: se buscar un modelo de regresin simple que permita explicar los valores de T20 a partir de los valores de Z. Para llevar a cabo de forma efectiva estos tests de vida acelerada, ser conveniente recurrir a software especializado. En este captulo se har uso del programa MINITAB a fin de ejemplificar con casos prcticos los conceptos involucrados en este tipo de estudios.

Por defecto, MINITAB usar un modelo de regresin lineal simple a la hora de explicar la relacin existente entre la variable independiente Z y la variable dependiente Tp (percentil de orden p de T). Sin embargo, es posible construir modelos no lineales sin ms que transformar la variable aceleradora. As, por ejemplo, cuando Z representa la temperatura en grados centgrados a la cual trabajan los dispositivos, es frecuente considerar transformaciones de Z como las siguientes: X = Arr(Z) = 11604,83 1 ; X = Inv(Z) = ; X = Ln Z ; X = Log10 Z Z + 273,16 Z + 273,16

Adems, segn la distribucin que sigan los tiempos de fallo T (exponencial, Weibull, etc.), puede resultar conveniente (ver tabla) realizar alguna de las siguientes transformaciones del percentil Tp: Yp = Tp Yp = Ln Tp Yp = Log10 Tp

De forma general, el percentil de orden p de la variable dependiente Y ser:


Yp = a + b X + p

donde: a y b son el trmino independiente y el coeficiente de regresin = parmetro de escala (escala = 1 / forma) p = percentil de orden p de la distribucin de los residuos (), la cual vendr determinada por la distribucin de T (ver tabla).

.M

at

em

MODELOS DE VIDA ACELERADA_______________________________________

at

ic

a1

.c

om

En la tabla siguiente se relaciona la distribucin de los tiempos de fallo T con: 1) Las transformaciones idneas para Tp , y 2) Las distribuciones que siguen los residuos Yp Ln Tp Log10 Tp Tp Distrib. de tiempos de fallo (T) Weibull exponencial log-normal base e log-logstica log-normal base 10 normal valores extremos logstica Distrib. de valores extremos (0,1) normal (0,1) logstica (0,1) normal (0,1) valores extremos (0,1) logstica (0,1)

EJEMPLO DE TEST VIDA ACELERADA__________________________________


Supngase que se desea investigar el proceso de deterioro que sufre la capa aislante de los motores elctricos. Dichos motores soportan habitualmente temperaturas de entre 80 y 100 C. Con el fin de minimizar los costes del estudio (tanto de tiempo como de dinero), se llevar a cabo un test de vida acelerada. En primer lugar, para acelerar el proceso de desgaste, se registrarn los tiempos de deterioro de la capa a temperaturas extremas de 110, 130, 150, y 170 C. Con estos datos, guardados en el archivo Aislante.mtw , ser posible estimar los tiempos de fallo para las temperaturas habituales de 80 a 100 C:

.M

at

em

at

ic

a1

.c

om

Variable aceleradora Temp = 110, 130, 150,

Temp min y max habituales

Instante de fallo

F = fallo ; C = censura

Entrada de datos (input): En este caso, se usar una transformacin de Arrhenius para la variable aceleradora, i.e., se tomar X = Arr(Z), siendo Z la variable aceleradora que representa la temperatura (Temp en este ejemplo). En base a un estudio anterior, se sabe tambin que los tiempos de fallo son ajustables mediante una distribucin Weibull:

Ser necesario especificar la columna que contiene el indicador de censura (F = fallo, C = censura). Es posible solicitar tambin, adems de los grficos por defecto, un grfico de probabilidad para los residuos. Con dicho grfico se podr comprobar visualmente si la distribucin elegida para los tiempos de fallo (la Weibull en este caso) es correcta:

Finalmente, tambin se pedir a MINITAB que, a partir del modelo obtenido, realice las predicciones sobre los tiempos de fallo del percentil 50 a las temperaturas de 80 y 100 C (incluidas en la columna Diseo). Es decir, se obtendrn estimaciones del tiempo que tardaran en deteriorarse el 50% de las capas aislantes para una temperatura de 80 C y para una temperatura de 100 C:

.M

at

em

at

ic

a1

.c

om

Salida de datos (output): Los resultados se muestran a continuacin:


Regression with Life Data: T versus Temp Response Variable: T Count 66 14 Informacin sobre la distribucin elegida para T, y sobre la transformacin de la variable aceleradora

om

Censoring Information Uncensored value Right censored value Censoring value: Censura = C

Predictor Intercept Temp Shape

Coef -15,1874 0,83072 2,8246

Standard Error 0,9862 0,03504 0,2570

.M

Regression Table

at

em

at

Estimation Method: Maximum Likelihood Distribution: Weibull Transformation on accelerating variable:

Arrhenius

Valores estimados de a, b, y 1/ (shape=1/scale), as como los pvalores asociados al test con H0: el coeficiente es 0 (i.e., no tiene razn de existir en el modelo)

ic

a1

Z P -15,40 0,000 23,71 0,000

Log-Likelihood = -564,693 ProbPlot for T Anderson-Darling (adjusted) Goodness-of-Fit At each accelerating level Level Fitted Model 110 22,30 130 0,6750 150 4,996 170 2,435 Standardized Residuals = 0,7553 Table of Percentiles Percent 50 50 Temp 80,0000 100,0000 Percentile 159584,5 36948,57

Atencin!: dependiendo de la distribucin elegida, el output nos dar uno de los dos parmetros (Scale o Shape)

.c

95,0% Normal CI Lower Upper -17,1203 -13,2546 0,76204 0,89940 2,3633 3,3760

Predicciones (basadas en modelo creado) para tiempos de fallo del 50% dispositivos bajo temperaturas indicadas. Standard Error 27446,85 4216,511 95,0% Normal CI Lower Upper 113918,2 223557,0 29543,36 46209,94

el los de las

La tabla de regresin proporciona los coeficientes del modelo. Para una distribucin de Weibull (como la que se ha elegido), nuestro modelo sera: Ln Tp = 15,1874 + 0,83072 Arr (Temp ) + donde sigue una distribucin de valores extremos (0,1). La tabla de percentiles muestra los percentiles de orden 50 para las temperaturas solicitadas de 80 y 100 C. El percentil 50 es un buen estimador para el tiempo de duracin esperada de una capa de aislamiento sometida a una determinada temperatura. A 80 C, la proteccin funcionara alrededor de 159.584,5 horas (o 18,20 aos); a 100 C, la misma proteccin no superara las 36.948,57 horas (4,21 aos). A partir del grfico siguiente es posible obtener informacin sobre la distribucin de tiempos de fallo para cada temperatura. En este caso, es posible estimar los percentiles de orden 10, 50, y 90. Finalmente, con en el grfico de probabilidad de los residuos es posible comprobar si la distribucin elegida se ajusta de forma correcta a las observaciones. En general, cuanto ms cerca estn los puntos de la recta Relation Plot (Fitted Arrhenius) for T central, tanto mejor Weibull Distribution - ML Estimates - 95,0% CI ser la aproximacin:
Censoring Column in Censura
10,0% 50,0% 100000 90,0%

1 p 2,8246

Time to Failure

10000

70

1000

.M

at

em
90

at
110

ic

a1

.c

om

130

150

170

Probability Plot for SResids of T


Extreme value Distribution - ML Estimates - 95,0% CI Censoring Column in Censura
99,9 99 95 90 80 70 60 50 40 30 20 10 5 3 2 1 Failure Censor AD*

Temp

66 14 0,7553

Percent

0,1 -8 -4 0

Standardized Residuals