Nivel: Intermedio
Función del puesto: Analista / Científico / Ingeniero
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 de Cadenas de Markov de Monte Carlo, las importantes mejoras en las capacidades computacionales y las nuevas alternativas de software, especialmente en JMP, han hecho posible el uso generalizado de los métodos bayesianos en aplicaciones de confiabilidad. Sin embargo, los métodos bayesianos siguen siendo controvertidos en el ámbito de la confiabilidad (y otras aplicaciones) debido a la preocupación sobre la procedencia de las distribuciones previas necesarias. Por otro lado, existen muchas aplicaciones en las que los ingenieros disponen de información previa sólida sobre ciertos aspectos de sus problemas de confiabilidad, basada en la física de fallos o en la experiencia previa con el mismo mecanismo de fallo (p. ej., conocimiento impreciso sobre la energía de activación en una prueba de vida acelerada por temperatura o sobre el parámetro de forma de Weibull en el análisis de datos de fallo por fatiga). En estas aplicaciones, el uso de métodos bayesianos ofrece un equilibrio adecuado, si no convincente, entre asumir que dichas cantidades son conocidas y asumir que no se conoce nada. En esta charla, comparo el uso de métodos bayesianos con los métodos tradicionales de máxima verosimilitud para un conjunto de ejemplos que incluye el análisis de datos de fallos de campo, datos de pruebas de vida acelerada y datos de pruebas de degradación acelerada.
