SciELO - Scientific Electronic Library Online

 
vol.29 número2 índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Articulo

Indicadores

Links relacionados

  • En proceso de indezaciónCitado por Google
  • No hay articulos similaresSimilares en SciELO
  • En proceso de indezaciónSimilares en Google

Compartir


Revista Colombiana de Estadística

versión impresa ISSN 0120-1751

Rev.Colomb.Estad. v.29 n.2 Bogotá jul./dic. 2006

 

Comparación de metodologías para el análisis de datos de degradación para trayectorias lineales

Comparison between Explicit and Approximate Degradation Data Analysis for Linear Paths

SERGIO YÁÑEZ1 RONALD ANDRÉS GRANADA2

1Escuela de Estadística, Universidad Nacional de Colombia, Medellín, Profesor. E-mail: syanez@unalmed.edu.co
2Escuela de Estadística, Universidad Nacional de Colombia, Medellín, Instructor Asociado. E-mail: ronaldgra@yahoo.com


Resumen

Se usarán conceptos de análisis de degradación en relación con la confiabilidad de un producto. Muchos mecanismos de falla pueden detectarse a través de procesos de degradación. La degradación es una debilidad que eventualmente puede causar la falla. Existen varios métodos de análisis para datos de degradación en confiabilidad. En este artículo se comparan los resultados de la metodología de análisis de degradación explícita y de la metodolog ía de análisis de degradación aproximada. Particularmente se diseña un estudio de simulación para el caso en que las trayectorias de degradación son de tipo lineal, para estudiar qué tan diferentes pueden ser las estimaciones de la función de distribución acumulativa del tiempo de vida F(t) dadas por cada una de las metodologías; se encontró que las estimaciones son competitivas para este caso. Se ilustra con datos sobre vida útil de algunos dispositivos láser tomados de Meeker & Escobar (1998).

Palabras clave: teoría de confiabilidad, modelo de efectos mixtos, simulación.


Abstract

We use the concepts of degradation analysis as they relate to product reliability. Many failure mechanisms can be traced to an underlying degradation process. Degradation eventually leads to a weakness that can cause failure. There are several methodologies for the analysis of degradation data in reliability. This paper compares the explicit degradation methodology with the approximate degradation analysis. Specifically we perform a simulation study for linear degradation paths to explore the different estimations of the cumulative distribution function F(t) given by each methodology and we find that the two methods are competitive. We illustrate the results with data from a laser life test taken from Meeker & Escobar (1998).

Key words: Reliability theory, Mixed effects model, Simulation.


Texto completo disponible en PDF


Referencias

1. Chao, M. T. (1999), Degradation Analysis and Related Topics: some Thoughts and a Review, National Science Council, R. O. C. Vol. 23, Taipei, Taiwan.        [ Links ]

2. Granada, R. A. (2004), Modelos y análisis para datos de degradación, Tesis de maestría en estadística, Universidad Nacional de Colombia, sede Medellín.        [ Links ]

3. Lu, C. J. & Meeker, W. Q. (1993), "Using Degradation Measures to Estimate a Time-to-Failure Distribution", Technometrics 35, 161–174.        [ Links ]

4. Meeker, W. Q. & Escobar, L. A. (1998), Statistical Methods for Reliability Data, Wiley, New York.        [ Links ]

5. Meeker, W. Q. & Escobar, L. A. (2000), SPLIDA (S-PLUS Life Data Analysis), Iowa State University and Louisiana State University.        [ Links ]

6. Pinheiro, J. C. & Bates, D. M. (2000), Mixed-Effects Models in S and S-PLUS, Springer, New York.        [ Links ]

7. R Development Core Team (2006), R: A Language and Environment for Statistical Computing, R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0. *http://www.R-project.org        [ Links ]

8. Venables, W.Ñ. & Ripley, B. D. (2002), Modern Applied Statistics with S, 4th edn, Springer, New York. *http://www.stats.ox.ac.uk/pub/MASS4        [ Links ]

9. Yáñez, S., Granada, R. A. & Jaramillo, M. (2003), "Modelos y análisis para datos de degradación", Revista Colombiana de Estadística 26(1), 41–59.        [ Links ]