Análise do modos de múltiplas falhas para Análise de distribuição paramétrica (censura à direita)

Análise do modos de múltiplas falhas – estimativas de parâmetro

As estimativas dos parâmetros definem as estimativas dos parâmetros de melhor ajuste para a distribuição que você selecionar para cada modo de falha. Todos os outros gráficos e estatísticas de análise de distribuição paramétrica são baseados na distribuição. Portanto, para garantir resultados precisos, a distribuição selecionada deve ajustar adequadamente os dados.

A partir dos parâmetros de distribuição estimados, não é possível determinar se a distribuição selecionada ajusta bem os dados. Use o gráfico de identificação de distribuição, gráfico de probabilidade e as medições de qualidade do ajuste para determinar se a distribuição ajusta os dados adequadamente.

Saída do exemplo

Estimativas dos Parâmetros IC Normal de 95,0% Parâmetro Estimativa Erro Padrão Inferior Superior Forma 1,97672 0,276587 1,50260 2,60044 Escala 891,929 90,8270 730,552 1088,96
Estimativas dos Parâmetros IC Normal de 95,0% Parâmetro Estimativa Erro Padrão Inferior Superior Local 5,75328 0,271171 5,22179 6,28476 Escala 1,95933 0,238720 1,54311 2,48780

Interpretação

Para os dados de lava-louça, os engenheiros selecionaram uma distribuição Weibull para modelar as quebras dos braços de pulverização e uma distribuição lognormal para modelar as obstruções do braço de pulverização. Os parâmetros a seguir definem as distribuições de melhor ajuste para cada modo de falha:

Forma = 1,97672 e escala = 891,929 para as quebras do braço de pulverização

Localização = 5,75328 e escala = 1,95933 para as obstruções do braço de pulverização

Análise do modos de múltiplas falhas – percentis

Os percentis indicam a idade em que uma porcentagem da população deve a falhar. Use os valores de percentil para determinar se o seu produto atende aos requisitos de confiabilidade, ou para determinar quais modos de falha afetam a confiabilidade geral.

Use esses valores somente quando a distribuição ajustar os dados de forma adequada. Se a distribuição ajustar mal os dados, estas estimativas serão imprecisas. Use o gráfico de identificação de distribuição, gráfico de probabilidade e as medições de qualidade do ajuste para determinar se a distribuição ajusta os dados adequadamente.

Saída do exemplo

Tabela de Percentis IC Normal de 95,0% Percentual Percentil Erro Padrão Inferior Superior 1 87,0276 30,6339 43,6548 173,493 2 123,896 37,7877 68,1466 225,252 3 152,497 42,3555 88,4796 262,833 4 176,847 45,7243 106,541 293,548 5 198,502 48,3870 123,105 320,077 6 218,260 50,5811 138,583 343,746 7 236,594 52,4406 153,227 365,317 8 253,812 54,0493 167,205 385,279 9 270,130 55,4632 180,636 403,963 10 285,703 56,7217 193,608 421,606 20 417,625 64,8194 308,086 566,111 30 529,457 69,7943 408,905 685,548 40 634,964 74,3928 504,686 798,871 50 740,979 79,9464 599,746 915,471 60 853,343 87,6525 697,736 1043,65 70 979,746 99,1411 803,489 1194,67 80 1134,71 117,529 926,234 1390,11 90 1360,10 152,029 1092,51 1693,23 91 1391,24 157,433 1114,50 1736,69 92 1425,26 163,497 1138,28 1784,59 93 1462,89 170,393 1164,31 1838,05 94 1505,19 178,371 1193,22 1898,73 95 1553,77 187,816 1226,02 1969,15 96 1611,28 199,369 1264,30 2053,50 97 1682,59 214,223 1311,01 2159,50 98 1778,36 235,032 1372,53 2304,18 99 1931,34 270,138 1468,25 2540,49
Tabela de Percentis IC Normal de 95,0% Percentual Percentil Erro Padrão Inferior Superior 1 3,30424 1,78563 1,14571 9,52940 2 5,63679 2,72980 2,18177 14,5631 3 7,91050 3,55915 3,27511 19,1066 4 10,2074 4,33709 4,43857 23,4741 5 12,5595 5,08849 5,67682 27,7867 6 14,9838 5,82646 6,99250 32,1079 7 17,4916 6,55916 8,38765 36,4772 8 20,0913 7,29230 9,86408 40,9221 9 22,7896 8,03022 11,4236 45,4641 10 25,5926 8,77646 13,0681 50,1206 20 60,5984 17,2863 34,6455 105,993 30 112,822 29,6226 67,4371 188,749 40 191,884 49,8160 115,359 319,171 50 315,222 85,4790 185,266 536,337 60 517,841 152,725 290,505 923,079 70 880,729 291,401 460,480 1684,51 80 1639,73 627,451 774,563 3471,28 90 3882,58 1807,19 1559,26 9667,69 91 4360,12 2080,97 1710,97 11111,0 92 4945,69 2424,60 1892,04 12927,8 93 5680,72 2866,84 2112,69 15274,7 94 6631,50 3454,60 2388,85 18409,2 95 7911,58 4269,92 2747,04 22785,7 96 9734,61 5470,91 3235,47 29288,6 97 12561,2 7407,95 3953,98 39904,9 98 17628,0 11054,7 5157,08 60256,0 99 30072,1 20656,8 7824,62 115575

Interpretação

Para os dados de lava-louça, com base nas distribuições ajustadas para cada modo de falha, os engenheiros concluem o seguinte:
  • 1% dos braços de pulverização falha devido à quebra em 87,0276 ciclos
  • 1% dos braços de pulverização falha devido à obstrução em 3,30424 ciclos

Em geral, em 3,30048 ciclos, 1% dos braços de pulverização irá falhar. Para a melhoria superior em termos de confiabilidade, os engenheiros devem concentrar os esforços de melhoria em minimizar as obstruções do braço de pulverização.

Ao usar esse site, você concorda com a utilização de cookies para análises e conteúdo personalizado.  Leia nossa política