Confiabilidade em sistemas coerentes: um modelo bayesiano Weibull.

• Ano de defesa: 2013
• Autor(a) principal: Bhering, Felipe Lunardi
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: algoritmo EM; Análise de Sobrevivência; Bayesian Statistics; bridge systems; Censored Data; censura à direita; censura à esquerda; censura intervalar; Confiabilidade; Dados Censurados; distribuição Weibull.; EM algorithm; Estatística Bayesiana; Hierarchical Models; interval censoring; left censoring; MCMC; Métodos de Monte Carlo; Modelos Hierárquicos; Monte Carlo Methods; parallel systems; Programação em R; R programming; redundant systems; Reliability; right censoring; series systems; Simulações; Simulation; sistemas bridge; sistemas em paralelo; sistemas em série; sistemas redundante; Survival Analysis; Weibull distribution.
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/45/45133/tde-01122013-155316/

O principal objetivo desse trabalho é introduzir um modelo geral bayesiano Weibull hierárquico para dados censurados que estima a função de confiabilidade de cada componente para sistemas de confiabilidade coerentes. São introduzidos formas de estimação mais sólidas, sem a inserção de estimativas médias nas funções de confiabilidade (estimador plug-in). Através desse modelo, são expostos e solucionados exemplos na área de confiabilidade como sistemas em série, sistemas em paralelo, sistemas k-de-n, sistemas bridge e um estudo clínico com dados censurados intervalares. As soluções consideram que as componentes tem diferentes distribuições, e nesse caso, o sistema bridge ainda não havia solução na literatura. O modelo construído é geral e pode ser utilizado para qualquer sistema coerente e não apenas para dados da área de confiabilidade, como também na área de sobrevivência, dentre outros. Diversas simulações com componentes com diferentes proporções de censura, distintas médias, três tipos de distribuições e tamanhos de amostra foram feitas em todos os sistemas para avaliar a eficácia do modelo.