Dr. José Guadalupe Ríos1 ELEMENTOS DE PRUEBAS ACELERADAS Es una técnica que permite tener tiempos de falla más rápidamente, lo cual permite ahorrar tiempo.

Slides:



Advertisements
Presentaciones similares
Tema 6: Regresión lineal.
Advertisements

REGRESION LINEAL SIMPLE
ESTADISTICA INFERENCIAL
Modelos de Variable Dependiente Binaria -Logit y Probit-
Pronósticos, Series de Tiempo y Regresión
Ingeniería Industrial II CicloEducativo 2011
ESTRATEGIAS Y DISEÑOS AVANZADOS DE INVESTIGACIÓN SOCIAL
Modelo básico de regresión Lineal
Correlación 1.
Caratula Introducción ( de que se trata el trabajo)
CENSURA A LA DERECHA E IZQUIERDA
Regresión lineal Es un modelo matemático para predecir el efecto de una variable sobre otra, ambas cuantitativas. Una variable es la dependiente y otra.
1º BACHILLERATO | Matemáticas © Oxford University Press España, S.A Hacer clic en la pantalla para avanzar VARIABLE ESTADÍSTICA UNIDIMENSIONAL Población:
9 Regresión Lineal Simple
Tema 2: Métodos de ajuste
MEDIDAS DE DISPERSIÓN:
MEDIDAS DE CORRELACIÓN
Tests de hipótesis Los tres pasos básicos para testear hipótesis son
Prueba para la Bondad de ajuste Validación de Modelo
BIOMETRIA II TEMA 2 El Modelo de Regresión.
Dr. José Guadalupe Ríos
Este procedimiento mide la relación entre la intensidad de un estímulo y la proporción de casos que presentan una cierta respuesta a dicho estímulo. Es.
Investigación bajo el Paradigma Cuantitativo
Curso de Bioestadística. ANOVA
Pronósticos, Series de Tiempo y Regresión
Pronósticos, Series de Tiempo y Regresión
Mt. Martín Moreyra Navarrete.
Dr. José Guadalupe Ríos1 ANÁLISIS DE CONFIABILIDAD El análisis de confiabilidad se aplica para modelar el tiempo que funciona bien un aparato hasta que.
UNIVERSIDAD NACIONAL INTERCULTURAL DE LA AMAZONIA
Proporciones y Proporcionalidad
Estadística Clase 3 Intervalos de confianza.
Tema 7: Regresión Simple y Múltiple. EJEMPLO: Aproxima bien el número de préstamos que efectúa una biblioteca a lo largo de su primer año de vida. Nos.
Métodos de calibración: regresión y correlación
Titular: Agustín Salvia
Clase 4a Significancia Estadística y Prueba Z
Estadística Descriptiva
Función Densidad Continua (o distribución de probabilidad continua)
Herramientas básicas.
D. BIDIMENSIONALES DÍA 53 * 1º BAD CT
Dr. José Guadalupe Ríos1 MUESTRA DE ANÁLISIS DE CONFIABILIDAD Consiste en seleccionar al azar n productos, poniéndolos a funcionar hasta que fallan. Entonces.
Repaso de clase anterior
Variables estadísticas bidimensionales
REGRESION LINEAL II Mario Briones L. MV, MSc
Dr. José Guadalupe Ríos1 IMPORTANCIA DE LA GARANTÍA Generalmente, los productos son muy similares, entonces la garantía se vuelve un factor importante,
Pruebas de hipótesis.
Si comparamos este intervalo con (10.5), vemos que el intervalo de confianza para la Y 0 individual es más amplio que el intervalo para el valor medio.
SEMINARIO DE INVESTIGACION Titular: Agustín Salvia
Modelos lineales: trabajaremos con los siguientes datos Nota: Los datos bájelos del taller 2 de la Web del curso.
Análisis de los Datos Cuantitativos
Regresión Lineal Simple
BASES PARA LA SELECCIÓN DE UNA PRUEBA ESTADÍSTICA DRA. MA
Variables estadísticas bidimensionales
Capítulo 10 Análisis de los datos.
InfoStat. Software estadístico
EPE MA 148 ESTADÍSTICA INFERENCIAL TEMA:
Germán Fromm R. 1. Objetivo Entender los diseños metodológicos predictivos 2.
Pruebas paramétricas y no paramétricas
REGRESIÓN LINEAL SIMPLE
REGRESIÓN LINEAL SIMPLE. Temas Introducción Análisis de regresión (Ejemplo aplicado) La ecuación de una recta Modelo estadístico y suposiciones Estimación.
ESTADISTICA DESCRIPTIVA BIVARIADA MEDIDAS DE RELACIÓN ENTRE VARIABLES CUANTITATIVAS.
REGRESIÓN LINEAL SIMPLE TEMA INTRODUCCIÓN Determinar la ecuación de regresión sirve para: – Describir de manera concisa la relación entre variables.
Intervalos de Confianza M. C. José Juan Rincón Pasaye UMSNH – FIE Mayo de 2003.
Licenciatura en Psicopedagogía: Métodos, Diseños y Técnicas de Investigación Psicológica Tema 9 Fiabilidad de las puntuaciones.
TEMA : DISTRIBUCIONES DE PROBABILIDADES
1 REGRESIÓN CON VARIABLES DICOTÓMICAS TEMA 1 (CONTINUACIÓN)
METODO DE MAXIMA PENDIENTE
M.E. ADA PAULINA MORA GONZALEZ. Esta parte describe las técnicas para ajustar curvas en base a datos para estimaciones intermedias. Una manera de hacerlo.
Regresión logística Tema 6c. En la regresión lineal la variable dependiente es continua En regresión logística se utiliza cuando la variable dependiente.
ANALISIS DE VARIANZA.
Auxiliar 11 IN4402-1: Aplicaciones de Probabilidades y Estadística en Gestión Profesora: Paola Bordón T. Auxiliar: Andrés E. Fernández V, 28 de Julio,
Transcripción de la presentación:

Dr. José Guadalupe Ríos1 ELEMENTOS DE PRUEBAS ACELERADAS Es una técnica que permite tener tiempos de falla más rápidamente, lo cual permite ahorrar tiempo y dinero. A través de una variable de aceleración (Presión, voltaje, humedad, etc.) se logra que la unidad falle más rápidamente que cuando opera en condiciones normales, luego, extrapolando los resultados se puede estimar La distribución del tiempo de falla cuando opera en condiciones normales. NOTA: Para este tema se recomienda un paquete estadístico como Minitab.

Dr. José Guadalupe Ríos2 MODELO DE ACELERACIÓN LINEAL En este modelo tenemos que;

Dr. José Guadalupe Ríos3

4 Relación de fórmulas para condiciones normales en función de los parámetros bajo condiciones aceleradas en el modelo de aceleración lineal.

Dr. José Guadalupe Ríos5 Para la validez de este modelo se requieren dos condiciones: 1)El modo(modos) de falla debe(n) ser los mismos para cada nivel de estrés. 2) La forma de la distribución debe ser la misma para todos los niveles de estrés. Para comparar la forma de la distribución, se construyen QQ-plots para cada nivel de estrés y las líneas deben quedar paralelas o el parámetro de forma debe ser el mismo, si no resulta así entonces la aceleración no es lineal o la distribución de probabilidad no es la adecuada.

Dr. José Guadalupe Ríos6 EJEMPLO 1. Un instrumento electrónico se somete a una prueba acelerada donde la variable de aceleración es el voltaje. Las condiciones aceleradas fueron: 1200, 1000 y 800 v, las condiciones normales de operación son 80 v. La prueba se suspendió a las 700 hrs. La siguiente tabla muestra los datos.

Dr. José Guadalupe Ríos7 Datos de tiempos (hrs) de falla en las pruebas aceleradas, el valor censurado Es 700 hrs.

Dr. José Guadalupe Ríos8 QQ-plot individual para cada nivel de estrés.

Dr. José Guadalupe Ríos9 De la gráfica anterior se puede ver que los QQ-plots son razonablemente paralelos y además, el parámetro de forma tiene valores muy cercanos, lo cual nos hace inferir que este parámetro es constante para cada nivel de estrés, su valor estimado se puede obtener mediante el promedio, es decir: El parámetro beta es el que difiere para cada nivel de estrés. Se ajusta una regresión lineal para estimar la beta en condiciones normales de operación.

Dr. José Guadalupe Ríos10 Luego, en condiciones normales:

Dr. José Guadalupe Ríos11 Luego, bajo condiciones normales de operación (80 v), se estima que el tiempo de falla sigue una distribución Weibull con parámetros estimados: El coeficiente de aceleración de 800 a 80 v se estima en:

Dr. José Guadalupe Ríos12 Estimación Conjunta que hace Minitab.

Dr. José Guadalupe Ríos13 Otra manera de estimar el coeficiente o factor de aceleración es colectar unidades que hayan estado trabajando correctamente en condiciones normales registrando la medida de su uso (tiempo, distancia, ciclos de carga, etc.). Luego, son sujetos a trabajar bajo un alto nivel de estrés registrándose su medida de uso bajo estrés. Finalmente se hace una regresión lineal donde la variable de respuesta es medida de uso en condiciones normales y la variable regresora es la medida de uso bajo estrés y la pendiente de esa recta es el valor estimado del coeficiente de aceleración. El procedimiento se ilustra en el siguiente ejemplo.

Dr. José Guadalupe Ríos14 EJEMPLO 2. La corrosión en un circuito puede degradarlo de manera que es una causa de falla. Cierta cantidad de estos circuitos que habían trabajado correctamente son sujetos a una prueba acelerada donde la variable de aceleración es el % de humedad, haciéndolos trabajar bajo 60% de humedad cuando las condiciones normales son de 10% de humedad. Los datos aparecen a continuación donde se registra el tiempo de uso, donde “días” significa tiempo de operación bajo condiciones normales y “días(est)” el tiempo de falla bajo condiciones aceleradas.

Dr. José Guadalupe Ríos15 Datos del ejemplo 2.

Dr. José Guadalupe Ríos16 Coeficiente de aceleración estimado es:

Dr. José Guadalupe Ríos17 DESVENTAJAS DE ESTE METODO: 1)Se necesitan muchos datos. 2) Generalmente la correlación es baja.

Dr. José Guadalupe Ríos18

Dr. José Guadalupe Ríos19

Dr. José Guadalupe Ríos20 Ejemplo. La tabla anexa presenta tiempos (hrs) de falla a temperaturas 300, 250 y 150 (°C). La temperatura normal de uso es de 30°C. Suponiendo distribución Weibull aplicar el modelo de Arrhenius para estimar  para 30°C. (192 es dato censurado)

Dr. José Guadalupe Ríos21 Reporte de Minitab

Dr. José Guadalupe Ríos22 Valores para ajustar la regresión

Dr. José Guadalupe Ríos23