Documente Academic
Documente Profesional
Documente Cultură
ALUMNOS:
AGUILAR SOTA LUIS MARCELO 134475
HINOJOSA TTITO LUIS ALDAIR 150130
PAREDES MOJONERO JEAN PAUL 134474
FARFAN MORA POUL DANNYEL 124682
SEMESTRE 2020- I
Contenido
1.0. MARCO TEORICO.............................................................................................................3
1.1. DISTRIBUCION DE WEIBULL....................................................................................3
1.2. DISTRIBUCIÓN DE WEIBULL USANDO MÉTODO DE MATLAB...........................4
1.2.1. CARACTERISTICAS DEL MATLAB......................................................................4
1.3. DEDUCCIÓN DE LA ECUACIÓN LINEAL DE REGRESIÓN.....................................5
1.4. CONCLUSIONES..............................................................................................................17
1.0. MARCO TEORICO
1.1. DISTRIBUCION DE WEIBULL.
fallo después de un tiempo t (R (t)) en función del tiempo transcurrido o de una variable análoga.
sobrevivan hasta el momento t. Esta función de probabilidad de fallo o función de fiabilidad R (t),
gráfica en un entorno completo donde los problemas ysus soluciones son expresados del
fallo después de un tiempo t, (R (t)) en función del tiempo transcurrido o de una variable análoga.
Esta función de probabilidad de fallo o función de fiabilidad R (t), viene dada por:
1.3. DEDUCCIÓN DE LA ECUACIÓN LINEAL DE
REGRESIÓN
Debido a que se desconoce los valores β, η e γ, se debe linealizar las curvas, es decir usar el
método de regresión lineal, este método permitirá obtener un polinomio que linealizará la
pasos.
Y = ax – b
Despejando se tendrá “ η “
clear all
clc
disp(' UNSAAC ')
disp(' INGENIERIA MECANICA ')
disp(' INGENIERIA DEL MANTENIMIENTO ')
disp(' 2020 I ')
disp(' GRUPO N°2 ')
disp(' ALUMNOS: AGUILAR SOTA LUIS MARCELO 134475')
disp(' ALUMNOS: FARFAN MORA POUL DANNYEL 124682')
disp(' ALUMNOS: HINOJOSA TTITO LUIS ALDAIR 150130')
disp(' ALUMNOS: PAREDES MOJONERO JEAN PAUL 134474')
t =xlsread('GRUPO2','D42:D77');
t = t;
t=sort(t)'; % t=(tiempo entre fallas de menor a mayor)
n= length(t);
i= (1:length(t));
X=log(t);
Y=log(log(1./(1-F)));%Ajustando los datos de falla, linealizando
disp('
************************************************************************')
disp(' ')
disp('DETERMINACIÓN DE PARAMETROS DE WEIBULL, LA CONFIABILIDAD Y
EL MTBF ')
disp(' ')
b=[i ; t ; F*100 ; X; Y]';
disp(' i t F*100 X Y ')
disp(b)
%CALCULAMOS MTBF
m_beta_MTBF = 0.2:0.1:4;%datos obtenidos de tabla N°1 de ntp331
m_const_MTBF = [120, 9.2605, 3.3234, 2, 1.5046, 1.2658, 1.133, 1.0522, 1, 0.0649,
0.9407, 0.9235, 0.9114, 0.9028, 0.8966, 0.8922, 0.8893, 0.8874, 0.8862, 0.8857, 0.8856,
0.8859, 0.8865, 0.8873, 0.8882, 0.8893, 0.8905, 0.8917, 0.8938, 0.8943, 0.8957, 0.897,
0.8984, 0.8998, 0.9011, 0.9038, 0.9064];%Datos obtenidos de NTP 331
%calculo de constante por interpolacion
beta_str = num2str(beta);%convertir beta en matriz de caracteres
beta_tabla = str2double(beta_str(1:3));
index = find(m_beta_MTBF==beta_tabla);
const = abs(((beta - m_beta_MTBF(index))/(m_beta_MTBF(index + 1)-
m_beta_MTBF(index)))*(m_const_MTBF(index + 1) - m_const_MTBF(index)) +
m_const_MTBF(index));
MTBF = eta * const; %calculo de MTBF con el valor de constante hallado
disp(MTBF)
disp(' ');
disp('A.-Ajustamos los datos de falla, al polinomio siguiente: ');
disp(' ');
fprintf('Y =\t');
fprintf('%0.4f\t',P(1));
fprintf('X \t'),
fprintf('%0.4f\t',P(2));
disp('(Ecuación de la recta de Ajuste con Gamma = 0)')
fprintf('Beta (B) =\t');
fprintf('%0.4f\n',beta);
fprintf('Eta (n) =\t');
fprintf('%0.4f\n',eta);
figure(1);%ajuste de weibull
%grafica del ajuste de weibull
%B
disp('B.-Evaluamos el ajuste de los datos')
disp(' ')
%Coeficiente de Pearson
x_prom = mean(X); %promedio de X
y_prom = mean(Y); %promedio de Y
Sx = sqrt(sum(X.^2)/n - x_prom^2);%definicion de correlacion de pearson eje abcisas
Sy = sqrt(sum(Y.^2)/n - y_prom^2);%definicion de correlacion de pearson eje ordenadas
R = (sum(X.*Y)/n - x_prom*y_prom)/(Sx*Sy); %Coeficiente de Pearson
Rcuadrado = R^2;
plot(r2,B,'-o')%grafica de Rcuadrado y B
title('Sensibilidad y Error
cuadrático','Color','y','FontSize',12,'HorizontalAlignment','center','BackgroundColor',[.20 .
80 .20],'Margin',6,'EdgeColor','k','LineWidth',1)%titulo de la sensibilidad y error cuadratico
d11 = min(r2);%valor minimo de Rcuadrado
d12 = median(B);%valor mediano de BETA
text(d11,d12,['Max. aproximación en: ',' (r^{2}) max = ',num2str(Rcuadrado),' \wedge ','
\gamma = ',num2str(Gama)],'FontSize',10,'HorizontalAlignment','left','BackgroundColor',
[.8 .8 .50],'Margin',6,'EdgeColor','k','LineWidth',1)
grid on
xlabel(['Coeficiente de determinacion ',' (r^{2})'],'Color','b','FontSize',12)%caracteristicas
eje abcisas
ylabel(['Gamma','(\gamma)',' en [Horas]'],'Color','b','FontSize',12)%caracteristicas eje
ordenadas
hold on
plot(r11,g11,'o','LineWidth',2,'MarkerEdgeColor','r','MarkerFaceColor','r','MarkerSize',2)
disp(' ');
figure(3);
%X,Y2 Representan los puntos de la recta de ajuste
plot(X,y3,'-r','LineWidth',2,'MarkerEdgeColor','k','MarkerFaceColor','r','MarkerSize',2)
hold on
plot(X,Y,'bo','LineWidth',1,'MarkerEdgeColor','k','MarkerFaceColor','y','MarkerSize',2)%ca
racteristicas de la grafica de ajuste de weibull gama real
title(['Ajuste de Weibull con ','\gamma',' =
',num2str(Gama)],'Color','y','FontSize',12,'HorizontalAlignment','center','BackgroundColor',
[.20 .80 .20],'Margin',6,'EdgeColor','k','LineWidth',1)%titulo de la grafica del ajuste de
weibull real
%MTBF metodo
beta_str = num2str(Beta);%convertir numeros en matriz de caracteres
beta_tabla = str2double(beta_str(1:3));
index = find(m_beta_MTBF==beta_tabla);
const = abs(((Beta - m_beta_MTBF(index))/(m_beta_MTBF(index + 1)-
m_beta_MTBF(index)))*(m_const_MTBF(index + 1) - m_const_MTBF(index)) +
m_const_MTBF(index));
MTBF = Eta * const;
disp(MTBF)
%Confiabilidadad
Rt=exp(-((t-Gama)./Eta).^(Beta));
figure(4)%grafica de la confiabilidad
plot(t,Rt,'-
bo','LineWidth',1,'MarkerEdgeColor','k','MarkerFaceColor','r','MarkerSize',2)%caracteristic
as de la grafica de confiabilidad
title(' Confiabilidad
','Color','y','FontSize',12,'HorizontalAlignment','center','BackgroundColor',[.20 .80 .
20],'Margin',6,'EdgeColor','k','LineWidth',1)%titulo de la grafica de confiabilidad
d11 = min(t);%valor minimo de la confiabilidad
d12= median(Rt);%valor medio de la confiabilidad
text(d11,d12,['R(t) = e ','^{-((\gamma-t)/\eta)}',' ^
','^{\beta}'],'FontSize',10,'HorizontalAlignment','left','BackgroundColor',[.8 .8 .
50],'Margin',6,'EdgeColor','k','LineWidth',1)
grid on
xlabel('Tiempo (t) en [Horas]','Color','b','FontSize',12)%caracteristicas de eje abcisas
ylabel('Confiabilidad R(t)','Color','b','FontSize',12)%caracteristicas del eje ordenadas
disp(' ');
grid on
xlabel('Tiempo (t) en [Horas]','Color','b','FontSize',12)%caracteristicas eje abcisas
ylabel('Tasa de Fallas: \lambda(t) [Fallas/Hora]','Color','b','FontSize',12)%caracteristicas
eje ordenadas
% Infiabilidad
It=1-exp(-((t-Gama)./Eta).^(Beta));
figure(6)%grafica de la infiabilidad
plot(t,It,'-
bo','LineWidth',1,'MarkerEdgeColor','k','MarkerFaceColor','r','MarkerSize',2)%caracteristic
as de la grafica de infiabilidad
title(' Infiabilidad
','Color','y','FontSize',12,'HorizontalAlignment','center','BackgroundColor',[.20 .80 .
20],'Margin',6,'EdgeColor','k','LineWidth',1)%titulo de la grafica de infiabilidad
grid on
[d11,c11] = min(t);
d12= median(Rt);
text(d11,d12,['I(t) = 1 - e ','^{-((\gamma-t)/\eta)}',' ^
','^{\beta}'],'FontSize',10,'HorizontalAlignment','left','BackgroundColor',[.8 .8 .
50],'Margin',6,'EdgeColor','k','LineWidth',1)
xlabel('Tiempo (t) en [Horas]','Color','b','FontSize',12)%caracteristicas eje abcisas
ylabel('Infiabilidad I(t)','Color','b','FontSize',12)%caracteristicas eje ordenadas
los análisis de los parámetros de Weibull, sino que permite la ejecución de los gráficos,
que ayudan en el trabajo para tomar decisiones y hacer seguimiento de la variación de los