SEMANA 11

MODELOS DE EVAULACION

Aca suponemos que tenemos un conjunto de datos de vida y lo evaluamos con las distintas
distribuciones (Weilbull,normal,exponencial). Cada una de estas nos da una ecuación de la recta y
que tiene un coeficiente de determinación R2 (mayor a 95%) que mida la fuerza entre las variables.
Entonces a partir de este coeficiente nosotros vamos a evular las distribuciones con los datos de vida
y apartir de ello determinar cual nos otorga el mayor porcentaje de R2, porque nos otorgara mayor
grado de confianza .

Ahora recordemos unos aspectos importantes , cuando nosotros tenemos un conjunto de datos de
vida, hacemos uso de una estimación ya que esos mismo datos son son tantos y por ello hacemos
uso de la estimación de bernart para estimar la probabilidad de falla . Y cuando estimamos la
probabilidad con esta estimación en si obtenemos una probabilidad mediana y esta tiene cierto
grado de certeza del 50% y eso hace que haya un intervalo por encima de ese nivel de probablidad y
un intervalo por debajo de ese nivel de probabilidad . A esto denominamos los intervalos de
confianza
Lo mismo sucede cuando hacemos la relación de los datos de vida y la probabilidad de falla ,
tenemos una línea de tendencia (rojo) y teniendo esta línea de tendencia tenemos un nivel hacia la
izquierda y derecha con el cual trabajamos el nivel de confianza . Y el punto que esta al costado es la
probabilidad mediana de la falla. Ahora como se que estos datos están calculados a un 50% , pues
debería calcularlos a un 5% y un 95% para poder determinar todo ese intervalo de variación (las
líneas verdes)

Entonces, esto es lo que hace que las distribuciones (Weilbull,normal exponencial) se manejen entro
de un margen de error y lo que tenemos que lograr es que ese margen de error sea el mínimo
posible para ello usamos Test de Comprobación

Test Kolgomorov-Smirnov

Como bien dice se basa aun calculo estadístico de prueba máximo. Este test es el que mas fácilmente
se comprende y el que se aplica de mejor manera y hace el análisis a todas las distribuciones.
Ahora si bien recordamos las clases pasadas lo que hemos hecho ha sido hacer una estimación de la
probabilidad de falla (estimación de bernard). Para entender esto usamos el caso de la semana 8,
donde teníamos nuestros datos de vida , acumulado y con bernard hemos calculado la probabilidad
de falla mediana. Pero en si lo que hemos hecho es hacer una estimación de la probabilidad de falla
porque no hemos hecho ninguna relación con los datos de vida sino solamente hemos hecho una
relación con respecto a los acumulados. Y con estos datos hemos obtenidos los parámetros(β y η) de
la distribución weibull y estos parámetros hemos proyectado la confiabilidad y pero ahora también
podríamos estimar la probabilidad de falla 1 – R(t) .

Ahora tenemos el siguiente grafico.

Lo que nos muestra que esa línea roja es una probabilidad de falla calculada utilizando los
parámetros de esa distribución para este caso Weilbull.

Ahora lo que vamos a hacer es calcular esa probabilidad de falla F(t) en base a los parámetros (β y η)
Weilbull y ahora relacionamos el F(t) con los datos de vida y el graficos seria el de abajo, y esa línea
roja es la misma que el grafico del Test.

Chart Title
12

10

0
0 2 4 6 8 10 12

Ahora dentro de este mismo grafico vamos a relacionar la estimación y los datos de vida.
 Chart Title
12
10
8
6
4
2
0
0 2 4 6 8 10 12

En el anterior grafico podemos observar la probabilidad de falla con los parámetros Weilbull (línea
roja) y la probabilidad de falla con la estimación (puntos azules)

Ahora teniendo en cuenta esto podemos que el si tomamos de referencia el punto azul que cae en
casi 2000 horas, contamos con dos probabilidad de falla en si.

 De manera estimada 1990h hay un 64.42% de F(t) – punto azul

 De manera calculada con los parámetros , para 1990 es de 62.66% de F(t) – línea roja

Volviendo al grafico del test., nos damos cuenta que el punto azul es el estimado y el punto rojo es
donde finalmente cayo . Entonces tenemos una probabilidad calculada F (t i ) y una estimadada F(t ). i

Ahora entre estos dos hay una diferencia positiva o negativa, para el grafico es una positiva pero para
el caso de que estamos tomando como ejemplo es negativa ya que el estimado es mayor que el
calculado. Por ello es que se le aplica un valor absoluto a la ecuación de modo que el valor siempre
va ser positivo.A esta resta se le considera como un primer margen de error , llamado error 1.

Ahora bien lo que también no dice el grafico es que también a una relación de la probabilidad
calculada con respecto a la probabilidad estimada de un dato de vida anterior , de modo que se va
realizar un resta de la probabilidad calcula menos la probabilidad estimada del dato de vida anterior
en valor absoluto, a esto le denominamos error 2
Ahora con estos datos de error 1 y error 2, podemos resolver ese Test , del cual vamos a obtener un
valor máximo .

Ahora obtenido es “d” es comparada con un variable estadístico para contraste. Y lo que tiene
sucede es que para que yo acepte la distribución que he utilizado es que ese d<dcrit

Estadístico de contraste (dcrit):

Donde:
 Para Significancia y Contraste el “n” representa el número de Datos de vida.

Y Finalmente ya que puedeo obtener el dcrit y compararlo con el d, ya puedo establecer las
condiciones que me dan las tres distribuciones para el caso que tomemos.

EJERCICIO
Caso 1:

SUBSISTEMA1 dmax dcrit dmax < dcrict Dcrit-dmax R2

WEILBULL 12.51% 28.96% SI(ADECUADO) 16.45% 0.99930964
NORMAL 19.04% 28.70% SI(ADECUADO) 9.66% 0.90453113
EXPONENCIAL 13.21% 39.82% SI(ADECUADO) 23.41% 0.99978503

“A mayor sea la distancia entre el dcrit-dmax, va ser mejor”. Ahora podemos descartar la
distribución normal, ahora por R2 decimos que la distribución exponencial es la mejor porque tiene
la mayor distancia y su R2es mucho más cercana al 1. Y confirmamos por si α y β, que nos
encontramos en una zona de desgaste de vida útil.

Caso 2:

SUBSISTEMA1 dmax dcrit dmax < dcrict Dcrit-dmax R2

WEILBULL 15.47% 28.96% SI(ADECUADO) 13.49% 0.99494351
NORMAL 16.30% 28.70% SI(ADECUADO) 12.40% 0.994580
EXPONENCIAL 79.38% 39.82% NO(INAADECUADO -42.76% 0.8702114
)

“A mayor sea la distancia entre el dcrit-dmax, va ser mejor”. Ahora podemos descartar la
distribución weilbull, ahora por R2 decimos que la distribución exponencial es la mejor porque tiene
la mayor distancia y su R2es mucho más cercana al 1. Y confirmamos por su y β, que nos
encontramos en una zona de envejecimiento.

PARA LA ULTIMA PARTE DEL EJERCICIO VER EL VIDEO.

SISTEMA
  S  
     
SS1 81.75% 18.25%
SS2 81.47% 18.53%
     
S 96.62%  

Inicialmente hemos decidido trabajar con una confiabiliad de 81.75% para el SS1 (hacer cada 500hrs
mttos) y una de 81.47% para el SS2(hacer cada 2600hrs mttos) . Y hemos obtenido que la
confiabilidad del sistema seria de 96.62%. Sin embargo el ejercicio nos pido trabajar con al menos
una confiabilidad de 85% entonces vamos a usar otras confiabilidades.
 SISTEMA
  S  
     
SS1 61.65% 38.35%
SS2 61.23% 38.77%
     
S 85.13%  

Ahora si, tenemos una confiabilidad del 85%, entonces para el SS1 convendría hacer mttos cada 1200
hrs y para el SS2 convendría hacer mttos cada 3300 hrs.