Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Weibull Metodos Estimacion de Parametros PDF
Weibull Metodos Estimacion de Parametros PDF
ENSAYOS DE FIABILIDAD
0. INDICE
4. Representacin grfica 4
1
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.
2
la probabilidad de que los componentes de un conjunto sobrevivan hasta el
momento t.
t
R (t ) = exp (3.1)
3
A parte de la funcin de distribucin F(t), tambin se puede definir la
funcin de densidad de probabilidad f(t), que muestra la probabilidad que tiene
un componente genrico de fallar en un tiempo dado. Esta funcin coincide con
la derivada temporal de F(t) y su expresin es:
F (t ) t
f (t ) = = t 1 exp (3.3)
t
4. REPRESENTACIN GRFICA
i 0,5
Fi = (4.1)
n
Aunque otros autores dan la formula:
i 0,3
Fi = (4.2)
n + 0,4
4
Una vez se ha hecho el grfico, puede pasar que salga directamente una
lnea recta (en cuyo caso = 0) o que salga una curva ( 0 ). En este
segundo caso existe un periodo de tiempo entre t = 0 y t = en que ningn
componente falla ( si es positivo) o parte de las muestras fallan antes de
ensayarlas (caso de negativo). El parametro es aquel valor que se le
tiene que restar a todos los ti para que los puntos representados sigan una
recta.
5
Su facilidad de implementacin radica en el hecho de que nicamente es
necesario disponer de un programa capaz de efectuar regresiones. Esta
cualidad, que inicialmente parece una gran virtud, tambin es el principal de
sus problemas; ja que dependiendo del tipo de regresin usada, se obtiene un
resultado u otro. Esta diferencia de resultados se ve incrementada al disminuir
el nmero de muestras ensayadas.
Este mtodo parte del grfico que se obtiene por el procedimiento que
se muestra en el punto 4. Para poder aplicar este metodo de una forma rpida
es conveniente usar el papel probabilistico que se muestra en la siguiente
pagina. En este papel probabilistico se representa Fi en funcin de ti- , y por
regresin se obtiene una recta que representa la funcin de fallos de nuestro
conjunto de componentes.
- 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
6
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)
Ln ( LnR (t )) = Ln (t ) Ln () (5.3)
Ln ( Ln (1 F (t )) = Ln (t ) Ln () (5.4)
Donde F(t) se calcula con las formulas 4.1 o 4.2 dependiendo de que mtodo
se quiera seguir.
7
ecuacin se debe encontrar el parmetro . Para encontrar este parmetro se
deben seguir los siguientes pasos:
- 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.
(TM TI )(TI Tm )
= TI (5.5)
(TM TI ) (TI Tm )
8
Mtodo de la mxima versemblanza.
n
L( , ) = f (ti ) (5.6)
i =1
n n
n
L( , ) = n ti 1
exp ti (5.7)
i =1 i =1
ti Ln (ti ) 1 1 n
i =1
n
Ln (ti ) = 0
n i =1
ti
i =1
(5.8)
1
1 n
= ti
n i =1
9
4.0). Como estos algoritmos piden un valor inicial de calculo, es conveniente
obtener una primera aproximacin de los parmetros a traves de algn mtodo
grfico. Para resolver este sistema es conveniente comenzar por la resolucin
de la primera equacin de tal forma que se obtenga el parmetro para
despus calcular con la segunda equacin.
z / 2 V () + z / 2 V () (3.9)
z / 2 V ( ) + z / 2 V ( ) (3.10)
Donde :
0,2570
- V ( )
n
Mtodo implicito.
10
Las ecuaciones de calculo son las siguientes:
0,5772
= exp
x +
=
S 6
Donde:
Ln (ti )
x= i =1
n
1 n
s2 = ( Ln (ti ) x) 2
n 1 i =1
1,049 z(1+ )
exp 2
1,049 z(1+ ) n
exp 2
n
1,081z(1+ )
exp 2
1,081z(1+ ) n
exp 2
n
11
6. CALCULOS Y ANALISIS DE FIABILIDAD A PARTIR DEL
WEIBULL.
t
R (t ) = exp
t
F (t ) = 1 R (t ) = 1 exp (5.1)
1
tp = [ Ln(1 p ) ] (5.2)
12
parmetro es el que nos da ms informacin respecto de donde se
encuentra el error (en el caso de que no se supere el target). A titulo
orientativo, se puede decir:
Ejemplo:
i ti Ln(ti) Fi
1 0,22 -1,51412773 0,06730769
13
2 0,5 -0,69314718 0,16346154
3 0,88 -0,12783337 0,25961538
4 1 0 0,35576923
5 1,32 0,27763174 0,45192308
6 1,33 0,28517894 0,54807692
7 1,54 0,43178242 0,64423077
8 1,76 0,56531381 0,74038462
9 2,5 0,91629073 0,83653846
10 3 1,09861229 0,93269231
1,2
0,8
0,6
0,4
0,2
0
0 1 2 3 4
horas
Ln (ti ) =0.1236
x= i =1
n
1 n
s2 = ( Ln (ti ) x) 2 =0.589
n 1 i =1
14
= =1.67
S 6
0,5772
= exp
x + =1.59
=0
t
% de fallos a las 3 horas = F (t ) = 1 R(t ) = 1 exp = 0,96
1
t0,05 = [ Ln(1 0,05) ] = 0,268 horas
15
Hasta este momento se ha explicado que es la distribucin de Weibull y
las ventajas que implica su aplicacin en los estudios de fiabilidad, pero en la
prctica, la aplicacin de este mtodo conlleva un conjunto de problemas que
se van a tratar a lo largo de este apartado.
Problemas de variabilidad.
Ejemplo:
16
Weibull Probability Plot for C1
99
95 Shape: 1.74707
90
Scale: 204656
80
70
60
50
40
30
Percent
20
10
Data
Shape: 1.74707
Scale: 204656
Percentile Estimates
95% CI 95% CI
Approximate Approximate
P Percentile Lower Limit Upper Limit
17
0.95 383503 186711 787714
0.96 399602 191397 834298
0.97 419669 196788 894983
0.98 446794 203384 981516
0.99 490521 212634 1131572
Problemas de calculo.
Ejemplo:
18
A continuacin se van a efectuar los clculos para determinar si un lote
es OK o NG con dos conjuntos de muestras diferentes:
F(t),5% OK/NG
Excel 79261 2,16 NG
Minitab 123257 3,3 OK
Una cosa que cabra destacar del ejemplo anterior, es que la diferencia
de resultados se ha visto aumentada por el hecho de haber un valor que difiere
mucho del resto, y que los valores normales estn muy juntos. Si repetimos
los clculos con un conjunto de valores reales sin grandes anomalas, podemos
ver que el error cometido es bastante menor (ver siguiente ejemplo):
Ejemplo:
19
Queremos hacer lo mismo que en el ejemplo anterior pero con la
siguiente muestra: 343000, 502000 y 381000. Los resultados se muestran la
siguiente tabla:
F(t),5%
Excel 279134 6,5
Minitab 276000 6,4
Como puede verse el error cometido es menor y los resultados de ambos son
completamente comparables.
20
- Grfico del Excel:
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
0 100000 200000 300000 400000
99
95 Shape: 3.33783
90
Scale: 300105
80
70
60
50
40
30
Percent
20
10
Data
21