Sei sulla pagina 1di 17

Modelli per i tempi di vita di apparecchiature

23 ottobre 2015

Modelli per i tempi di vita di apparecchiature 23 ottobre 2015 1/17

Per tempo di vita di una apparecchiatura intendiamo il tempo X che intercorre tra l’inizio del funzionamento e il primo guasto.

E’ ragionevole considerare X una variabile aleatoria non-negativa. D’ora in avanti supporremo anche che X sia assolutamente continua.

Vogliamo considerare modelli probabilistici per tempi di vita di apparecchiature, per esempio, soggette ad usura e non oppure in fase di rodaggio.

per tempi di vita di apparecchiature, per esempio, soggette ad usura e non oppure in fase

Come modelliamo la nozione di non usura, usura e rodaggio?

1)

non usura:

P(X > t + s|X > t)=P(X > s) per s > 0, t 0;

2)

usura:

P(X > t + s|X > t)<P(X > s) per

s

> 0, t

0;

3)

rodaggio:

P(X > t + s|X > t)>P(X > s) per

s

> 0, t

0

Abbiamo visto che l’unica variabile aleatoria con f.d.r. continua che soddisfa 1) e la v.a. con densit`a esponenziale.

Introduciamo ora uno strumento utile ad ottenere modelli che soddisfano 2) e 3).

con densit`a esponenziale . Introduciamo ora uno strumento utile ad ottenere modelli che soddisfano 2) e

Intensit`a di rottura o hazard function

Definition Sia X una v.a. assolutamente continua tale che P(X ≥ 0) = 1, con
Definition
Sia X una v.a. assolutamente continua tale che P(X ≥ 0) = 1, con
f.d.r. F X e densit`a f X . Si definisce intensit`a di rottura (o hazard
function) la funzione
f X (t)
λ(t) :=
tale che
F X (t)
= 1
1 − F X
(t) t > 0
di rottura (o hazard function) la funzione f X (t) λ(t) := tale che F X

Significato

Calcoliamo la probabilit`a che un apparecchio ancora funzionante al tempo t si guasti entro “un tempo infinitesimo dt”:

P(t < X t + dt|X > t) = P({t < X t + dt} ∩ {X > t}) P(X > t)

P(X (t, t + dt])

=

P(X > t) f X (t)

1 F X (t) dt = λ(t)dt

Quindi l’hazard function rappresenta il tasso istantaneo di guasto al tempo t, dato che l’apparecchio `e ancora funzionante al tempo t.

rappresenta il tasso istantaneo di guasto al tempo t, dato che l’apparecchio `e ancora funzionante al

Hazard function della distribuzione esponenziale

Abbiamo visto che la distribuzione esponenziale `e l’unica distribuzione continua che soddisfa la propriet`a di mancanza di usura (o memoria) 1): infatti se X exp(λ) allora

P(X > t + s|X > t) = P(X P(X > > t + t) s)

=

= e λs = P(X > s)

e λ(t+s)

e λt

s > 0, t 0,

cio`e 1) abbiamo visto che vale anche il viceversa (v.d. Dispense pag. 48). Quindi la sua intensit`a di guasto `e costante. Infatti

λ(t) =

λe λt

1 (1

e λt ) = λ = costante.

In altre parole la distribuzione del tempo di vita rimanente `e la medesima sia nel caso in cui l’apparecchio stia funzionando da un tempo t, sia nel caso in cui esso sia nuovo e quindi la sua un’intensit`a di rottura al tempo t `e indipendente da t e coincide con il parametro dell’esponenziale.

la sua un’intensit`a di rottura al tempo t `e indipendente da t e coincide con il
la sua un’intensit`a di rottura al tempo t `e indipendente da t e coincide con il

Come ricavare la funzione di ripartizione dalla hazard function

Si noti che, se s > 0

λ(s) =

f X (s)

1 F X (s) =

d

ds ln(1 F X (s)).

Integrando tra 0 e t otteniamo:

t

λ(s)ds = [ln(1 F X (t)) ln(1 F X (0))] = ln(1 F X (t)),

0

e quindi

t

1 F X (t) = e

0

t

λ(s)ds F X (t) = 1 e

0

λ(s)ds ,

t > 0.

Ne segue che la hazard function determina la funzione di ripartizione di X e quindi pu`o essere usata per assegnare un modello per la v.a. X .

determina la funzione di ripartizione di X e quindi pu`o essere usata per assegnare un modello

Esempio. Per t > 0 sia λ(t) = ct, con c costante positiva, allora

t

λ(s)ds = t csds = c t 2 , t > 0 F X (t) = 1 e ct 2 /2 , t > 0,

0

2

0

e

f X (t) = cte ct 2 /2 , t > 0

detta distribuzione di Rayleigh.

> 0 , 0 2 0 e f X ( t ) = ct e −
Distribuzione di Rayleigh: hazard e funzioni di densit`a c=1, densita' c=1/2,densita' c=1/2,hazard c=1, hazard
Distribuzione di Rayleigh: hazard e funzioni di densit`a
c=1, densita'
c=1/2,densita' c=1/2,hazard c=1, hazard
c=5, c=5, densita' hazard
0
1
2
3
4
0
1
2
3
4
c=1/2,densita' c=1/2,hazard c=1, hazard c=5, c=5, densita' hazard 0 1 2 3 4 0 1 2

Inoltre

P(X > t+s|X > t) = P(X P(X > > t + t) s)

=

t+s

e

0

λ(u)du

e

t λ(u)du

0

e

P(X > s) = e

0

s λ(u)du

= e

t+s λ(u)du

t

A questo punto `e facile verificare che:

1 se λ(·) `e crescente P(X > t + s|X > t)<P(X > s)

2 se λ(·) `e decrescente P(X > t + s|X > t)>P(X > s)

3 se

λ(·) = λ P(X > t + s|X > t)=P(X > s).

t ) > P ( X > s ) 3 se λ ( · ) =

Esempio: distribuzione Weibull

Sia λ(t) = αβt β1 , t > 0, where α, β > 0. Nota che:

if β < 1, t

if

if β > 1, t

Inoltre

λ(t) decresce con t

β = 1, λ(t) = cost

λ(t) cresce con t.

F X (t) = 1 e αt β , t > 0

f X (t) = αβt β1 e αt β , t > 0.

e indicheremo X Weibull(α, β).

( t ) = αβ t β − 1 e − α t β , t

2.5

2.0

1.5

1.0

0.5

0.0

Weibull: funzioni di densit`a

f X (t) = αβt β1 e αt β

alpha=1,beta=0.75 alpha=1,beta=1 alpha=1,beta=1.5 alpha=1,beta=3 alpha=1/9,beta=5 0 1 2 3 4 5 6 7
alpha=1,beta=0.75 alpha=1,beta=1
alpha=1,beta=1.5 alpha=1,beta=3
alpha=1/9,beta=5
0
1
2
3
4
5 6
7

7

6

5

4

3

2

1

0

Weibull: hazards functions

λ(t) = αβt β1

alpha=1,beta=0.75 alpha=1,beta=1 alpha=1,beta=1.5 alpha=1,beta=3 alpha=1/9,beta=5 0.0 0.5 1.0 1.5
alpha=1,beta=0.75 alpha=1,beta=1
alpha=1,beta=1.5 alpha=1,beta=3
alpha=1/9,beta=5
0.0
0.5
1.0
1.5

Ancora sulla Weibull

Se X Weibull(α, β) allora

1 1

β )

E(X) = α β Γ(1 +

dove Γ(x) `e la funzione Gamma di Eulero:

Γ(x) := +t x1 e t dt,

0

x > 0.

dove Γ( x ) `e la funzione Gamma di Eulero: Γ( x ) := + ∞

Distribuzione Weibull generalizzata

Siano α, β > 0.

λ(t) =

αβt β1

1 λt β α

per t

(0, +) se λ 0, per t (0, 1/(λα) 1/β ) se λ > 0.

Notare che per λ = 0 si ottiene l’hazard di una Weibull e

se β < 1, t

se β = 1, λ(t) = cost

se β > 1, t

λ(t) decresce con t

λ(t) cresce con t.

Inoltre se

se

λ > 0 e

β < 1

bathtube hazard function

se

λ < 0 e

β > 1

unimodal hazard function .

e β < 1 bathtube hazard function se λ < 0 e β > 1 unimodal

7

6

5

4

3

2

1

0

Weibull generalizzata: hazards functions

16/17

αβt β−1 λ(t) = 1 − λt β α alpha=2,beta=1.5,lambda=0 alpha=1,beta=0.75,lambda=0
αβt β−1
λ(t) =
1 − λt β α
alpha=2,beta=1.5,lambda=0 alpha=1,beta=0.75,lambda=0
alpha=4,beta=1.05,lambda=−1 alpha=1,beta=0.75,lambda=1
0.0
0.2
0.4
0.6
0.8
1.0

Ancora sulla Weibull generalizzata

La funzione di ripartizione di una v.a. X con densit`a Weibull

generalizzata, se λ

= 0, `e

F X (t) = 1 (1 λαt β ) 1/λ

per t (0, +) se λ < 0, per t (0, 1/(λα) 1/β ) se λ > 0.

Si ottiene la funzione di ripartizione di una Weibull(α, β) facendo il limite per λ 0. Infatti

λ0 1 (1 λαt β ) 1/λ = 1 e αt β

lim

→ 0 . Infatti λ → 0 1 − (1 − λα t β ) 1