Degradation modeling for reliability analysis with time-dependent structure based on the inverse gaussian distribution (2017)
- Authors:
- Autor USP: MORITA, LIA HANNA MARTINS - INTER: ICMC -UFSCAR
- Unidade: INTER: ICMC -UFSCAR
- Sigla do Departamento: SME
- DOI: 10.11606/T.104.2017.tde-08112022-155525
- Subjects: DISTRIBUIÇÕES (PROBABILIDADE); PROCESSOS GAUSSIANOS; ANÁLISE DE COVARIÂNCIA; IMPERFEIÇÕES E FALHAS DOS MATERIAIS; PROCESSOS ESTOCÁSTICOS
- Keywords: Análise de degradação; Burn-in tests; Degradation analysis; Distribuição gaussiana inversa; Fragilidade; Frailty; Inverse gaussian distribution; Inverse gaussian process; Testes de burn-in
- Language: Inglês
- Abstract: As técnicas convencionais de análise de confiabilidade são voltadas para a ocorrência de falhas ao longo do tempo. Contudo, em determinadas situações nas quais a ocorrência de falhas é pequena ou quase nula, a estimação das quantidades que descrevem os tempos de falha fica comprometida. Neste contexto foram desenvolvidos os modelos de degradação, que possuem como dado experimental não a falha, mas sim alguma característica mensurável a ela atrelada. A análise de degradação pode fornecer informações sobre a distribuição de vida dos componentes sem realmente observar falhas. Assim, nesta tese nós propusemos diferentes metodologias para dados de degradação baseados na distribuição gaussiana inversa. Inicialmente, nós introduzimos o modelo de taxa de deterioração gaussiana inversa para dados de degradação e um estudo de suas propriedades assintóticas com dados simulados. Em seguida, nós apresentamos um modelo de processo gaussiano inverso com fragilidade considerando que a fragilidade é uma boa ferramenta para explorar a influência de covariáveis não observadas, e um estudo comparativo com o processo gaussiano inverso usual baseado em dados simulados foi realizado. Também mostramos um modelo de mistura de processos gaussianos inversos em testes de burn-in, onde o principal interesse é determinar o tempo de burn-in e o ponto de corte ótimo para separar os itens bons dos itens ruins em uma linha de produção, e foi realizado um estudo de má especificação com os processos de Wienere gamma. Por fim, nós consideramos um modelo mais flexível com um conjunto de pontos de corte, em que as probabilidades de má classificação são estimadas através do método exato com distribuição gaussiana inversa bivariada ou em um método aproximado baseado na teoria de cópulas. A aplicação da metodologia foi realizada com três conjuntos de dados reais de degradação de componentes de LASER, rodas de locomotivas e trincas em metais.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2017
- Data da defesa: 07.04.2017
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
MORITA, Lia Hanna Martins. Degradation modeling for reliability analysis with time-dependent structure based on the inverse gaussian distribution. 2017. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2017. Disponível em: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-08112022-155525/. Acesso em: 31 maio 2024. -
APA
Morita, L. H. M. (2017). Degradation modeling for reliability analysis with time-dependent structure based on the inverse gaussian distribution (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/104/104131/tde-08112022-155525/ -
NLM
Morita LHM. Degradation modeling for reliability analysis with time-dependent structure based on the inverse gaussian distribution [Internet]. 2017 ;[citado 2024 maio 31 ] Available from: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-08112022-155525/ -
Vancouver
Morita LHM. Degradation modeling for reliability analysis with time-dependent structure based on the inverse gaussian distribution [Internet]. 2017 ;[citado 2024 maio 31 ] Available from: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-08112022-155525/
Informações sobre o DOI: 10.11606/T.104.2017.tde-08112022-155525 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas