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 linizio del funzionamento e il primo guasto.
E ragionevole considerare X una variabile aleatoria non-negativa.
Dora 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.

2/17

3/17

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 lunica 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).

Intensit`a di rottura o hazard function

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

4/17

fX (t)
1 FX (t)

t>0

tale che

FX (t) 6= 1

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(X > t)
P(X (t, t + dt])
=
P(X > t)
fX (t)
dt = (t)dt
'
1 FX (t)

P(t < X t + dt|X > t) =

Quindi lhazard function rappresenta il tasso istantaneo di guasto al

tempo t, dato che lapparecchio `e ancora funzionante al tempo t .

5/17

6/17

Hazard function della distribuzione esponenziale

Abbiamo visto che la distribuzione esponenziale `e lunica
distribuzione continua che soddisfa la propriet`a di mancanza di
usura (o memoria) 1): infatti se X exp() allora
P(X > t + s|X > t) =

e(t+s)
P(X > t + s)
=
P(X > t)
et

= es = P(X > s)

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
(t) =

et
= = costante.
1 (1 et )

In altre parole la distribuzione del tempo di vita rimanente `e la medesima

sia nel caso in cui lapparecchio stia funzionando da un tempo t, sia nel
caso in cui esso sia nuovo e quindi la sua unintensit`a di rottura al tempo
t `e indipendente da t e coincide con il parametro dellesponenziale.

7/17

Come ricavare la funzione di ripartizione dalla hazard

function
Si noti che, se s > 0
d
fX (s)
= ln(1 FX (s)).
1 FX (s)
ds

(s) =

Integrando tra 0 e t otteniamo:

Z t
(s)ds = [ln(1 FX (t)) ln(1 FX (0))] = ln(1 FX (t)),
0

e quindi
1 FX (t) = e

Rt
0

(s)ds

FX (t) = 1 e

Rt
0

(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 .

Esempio. Per t > 0 sia (t) = ct, con c costante positiva, allora
Z t
Z t
c
2
(s)ds =
csds = t 2 , t > 0 FX (t) = 1 ect /2 , t > 0,
2
0
0
e
fX (t) = ctect
detta distribuzione di Rayleigh.

8/17

2 /2

, t>0

Distribuzione di Rayleigh: hazard e funzioni di densit`a

c=1, densita'
c=1, hazard
c=1/2,densita'
c=1/2,hazard
c=5, densita'
c=5, hazard

0
9/17

Inoltre
R t+s

R t+s
P(X > t + s)
e 0 (u)du
Rt
P(X > t+s|X > t) =
=
= e t (u)du
P(X > t)
e 0 (u)du

e
P(X > s) = e

Rs
0

(u)du

A questo punto `e facile verificare che:

10/17

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

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

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

11/17

Esempio: distribuzione Weibull

Sia (t) = t 1 , t > 0, where , > 0. Nota che:
if < 1, t 7 (t) decresce con t
if = 1, (t) = cost
if > 1, t
7 (t) cresce con t.
Inoltre

FX (t) = 1 et , t > 0

fX (t) = t 1 et , t > 0.
e indicheremo X Weibull(, ).

Weibull: funzioni di densit`a

2.5

fX (t) = t 1 et

0.0

0.5

1.0

1.5

2.0

alpha=1,beta=0.75
alpha=1,beta=1
alpha=1,beta=1.5
alpha=1,beta=3
alpha=1/9,beta=5

0
12/17

Weibull: hazards functions

(t) = t 1

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
13/17

0.5

1.0

1.5

Ancora sulla Weibull

Se X Weibull(, ) allora
E(X ) =

(1 +

1
)

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

Z +
(x) :=
t x1 et dt, x > 0.
0

14/17

Distribuzione Weibull generalizzata

Siano , > 0.
(t) =

t 1
1 t

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

Notare che per = 0 si ottiene lhazard di una Weibull e
se < 1, t 7 (t) decresce con t
se = 1, (t) = cost
se > 1, t 7 (t) cresce con t.
Inoltre se
se > 0 e < 1
se < 0 e > 1

15/17

bathtube hazard function

unimodal hazard function .

Weibull generalizzata: hazards functions

(t) =

t 1
1 t

alpha=1,beta=0.75,lambda=0
alpha=2,beta=1.5,lambda=0
alpha=1,beta=0.75,lambda=1
alpha=4,beta=1.05,lambda=1

16/17

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 6= 0, `e


FX (t) = 1 (1 t )1/
per t (0, +) se < 0, per t (0, 1/()1/ ) se > 0.

Si ottiene la funzione di ripartizione di una Weibull(, ) facendo il

limite per 0. Infatti



lim 1 (1 t )1/ = 1 et
0

17/17