Nivel: Intermedio
Función laboral: Analista / Científico / Ingeniero
Industria: Fabricación
William Q. Meeker, Profesor Distinguido de Estadística, Universidad Estatal de Iowa
Christopher Gotwalt, JMP, Director de Investigación y Desarrollo Estadístico, SAS
El desarrollo de la teoría y la aplicación de los métodos Monte Carlo Markov Chain, las grandes mejoras en las capacidades computacionales y las alternativas de software emergentes, especialmente en JMP, han hecho posible el amplio uso de los métodos bayesianos en aplicaciones de confiabilidad. Sin embargo, los métodos bayesianos siguen siendo controvertidos en cuanto a confiabilidad (y otras aplicaciones) debido a la preocupación acerca de dónde deben provenir las distribuciones previas necesarias. Por otro lado, hay muchas aplicaciones en las que los ingenieros cuentan con una sólida información previa sobre ciertos aspectos de sus problemas de confiabilidad basados en la física de la falla o en la experiencia previa con el mismo mecanismo de falla (por ejemplo, conocimiento impreciso sobre la energía de activación en una vida acelerada por temperatura). prueba o sobre el parámetro de forma de Weibull en el análisis de datos de fallas de fatiga). En tales aplicaciones, el uso de métodos bayesianos ofrece un compromiso apropiado, si no convincente, entre asumir que tales cantidades son conocidas y suponer que no se sabe nada. En esta charla, comparo el uso de los métodos bayesianos con los métodos tradicionales de máxima verosimilitud para un conjunto de ejemplos que incluyen el análisis de datos de falla de campo, datos de pruebas de vida acelerada y datos de pruebas de degradación acelerada.
