Resumen

Se discute la evaluación de la fiabilidad poblacional e individual, y se propone un marco bayesiano para integrar la información de degradación poblacional y los datos de degradación individual. A diferencia de la modelización del proceso de Wiener de efecto fijo, la trayectoria de degradación de la población se caracteriza por un proceso de Wiener de efecto aleatorio, y el modelo puede captar fuentes de incertidumbre como la variación entre unidades y la estructura correlacionada en el tiempo. Teniendo en cuenta que el modelo es tan complicado e intratable analíticamente, se utiliza el método Markov Chain Monte Carlo (MCMC) para estimar los parámetros desconocidos en el modelo de población. Para evaluar la fiabilidad individual, utilizamos un método bayesiano de actualización, mediante el cual los parámetros desconocidos se actualizan de forma iterativa. A partir de los resultados actualizados, se obtienen la vida útil residual y la evaluación de la fiabilidad. Se presenta un ejemplo de datos de láseres para demostrar la utilidad y validez del modelo y el método propuestos.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería
• Subjects:mathematics Mathematical Analysis Algebra Engineering
• Palabras claves:evaluación de la fiabilidad individual, modelo, parámetros desconocidos, cadena de markov monte carlo, modelización del proceso de efecto wiener, proceso de efecto aleatorio wiener, método bayesiano de actualización, datos de degradación individual, ejemplo de datos de láseres, información de degradación de la población
• Keywords:individual reliability assessment, model, unknown parameters, markov chain monte carlo, effect wiener process modeling, random effect wiener process, bayesian updating method, individual degradation data, lasers data example, population degradation information