Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Fiabilidad en la era del big data

701 views

Published on

Oportunidades y retos para el Astillero 4.0

Published in: Engineering
  • Be the first to comment

  • Be the first to like this

Fiabilidad en la era del big data

  1. 1. Fiabilidad en la era del Big Data (Oportunidades y retos para el Astillero 4.0) Salvador Naya (salva@udc.es) Grupo de investigación de Modelización, Optimización e Inferencia Estadística (MODES) Departamento de Matemáticas Escuela Politécnica Superior (24/11/2015)
  2. 2. Índice • Motivación • Conceptos básicos • Datos (Big Data) y modelos en fiabilidad • Tópicos en Fiabilidad • Aplicaciones • Sector aeronáutico • Sector del automóvil • Sector naval • Conclusiones • Referencias
  3. 3. Fiabilidad Tiempo de vida hasta el fallo
  4. 4. • AGREE (Advisory Group Of Electronic Equipment) “Agree Report” bases de la fiabilidad. Departamento de Defensa americano. 1950. • UNE-EN 13306 Fiabilidad es la "aptitud de un elemento para realizar una función requerida, en condiciones dadas, durante un intervalo de tiempo dado” • ¿Qué función debe desempeñar? • ¿En qué condiciones debe desempeñar la función? • ¿Cuánto tiempo debe desempeñar de manera satisfactoria la función en esas condiciones? • UNE incluyen otra definición en la que este término se reemplaza por “probabilidad”, permitiendo de esta manera realizar evaluaciones y seguimientos de la fiabilidad de componentes, equipos o sistemas. Por esta razón, la estadística y las probabilidades son herramientas fundamentales en la ingeniería de fiabilidad Conceptos básicos de (con-)fiabilidad
  5. 5. Fiabilidad en la era Big Data
  6. 6. Cómo son los datos en la era Big Data?
  7. 7. Datos de censurado simple Tipo I censurados por tiempo. Tiempo T Unidades de la muestra 1 2 3 4 5 ... = Fallo = Sobrevive 1 2 3 4 5 ... Datos de censurado Tipo II censurados por fallo. Unidades de la muestra Cómo son los datos en la era Big Data? 0 500 1000 1500 2000 Hours Bearing Cage Failure Data 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 288 148 124 111 106 99 110 114 119 127 123 93 47 41 27 11 6 2 Count Row Thu Dec 28 10:14:31 Her 2006
  8. 8. • Fiabilidad: Calidad a través del tiempo (Quality over time). • Fiabilidad: Probabilidad de que un producto o sistema ejecute su función sin fallar para un intervalo específico, bajo condiciones establecidas.    t tFdxxftTPtR )(1)()()(   dt tRd tR tR tR tf t tXttXtP th t )(log )( )(' )( )(/ lim)( 0       Conceptos básicos de (con-)fiabilidad
  9. 9. Distribución Weibull Lognormal Kaplan-Meier Nelson-Aalen Función de fiabilidad      t tR  exp            t tR ln 1            n tTi iKM n i in tR )(, ][ 1 1       n tTi iNA n i in t )(, ][ 1  (Riesgo acumulado) Conceptos básicos de (con-)fiabilidad Función de supervivencia Casos ponderados por FRECUENC T_HORAS 120001000080006000400020000 1.1 1.0 .9 .8 .7 Función de supervive ncia Censurado Hours .00003 .00005 .0001 .0002 .0003 .0005 .001 .003 .005 .01 .02 .03 .05 200 300 400 500 600 800 1000 1200 1500 Bearing Cage Failure Data Weibull Probability Plot Wed Jan 10 10:59:56 Her 2007 Weibull Distribution ML Fit Exponential Distribution ML Fit 95% Pointwise Confidence Intervals
  10. 10. BV f Aet   BkT H f VAet       RHVAet BkT H f Regla de Potencia (inversa) para Voltaje Modelos de dos esfuerzos Temperatura/Voltaje Modelos de Paris de crecimiento de grietas Modelo de Arrhenius                       21 11 exp;exp TTR H AF RT H Et af Modelo de Eyring                      21exp S T D DS T C B kT H ATtf   m KC dt td )( )(    Modelos de tres esfuerzos (T/ V/ H) Conceptos básicos de (con-)fiabilidad
  11. 11. Big Data Jet-A1
  12. 12. Aplicación en Aeronáutica … Big-Data de impurezas en el Jet A-1
  13. 13. Aplicación en Aeronáutica … Big-Data de impurezas en el Jet A-1
  14. 14. Aplicación en Aeronáutica … Big-Data de impurezas en el Jet A-1
  15. 15. Aplicación en el sector del automóvil Grietas de cigüeñales
  16. 16. Datos son imágenes: Grietas de cigüeñales
  17. 17. Datos son imágenes: Grietas de cigüeñales
  18. 18. Obtención del vector de características utilizando Lab. donde p(i) es la i-ésima entrada de la imagen, y N representa el número de píxeles. µ y aad de las imágenes de entrada y LL, y la e de las imágenes LH, HL y HH 7 características por componente de color. Grietas de cigüeñales
  19. 19. Grietas de cigüeñales
  20. 20. Crecimiento de Grietas
  21. 21. Crecimiento de Grietas
  22. 22. Crecimiento de Grietas
  23. 23. Crecimiento de Grietas
  24. 24. Fiabilidad de sistemas Fiabilidad en Buques
  25. 25. Sistemas en Serie )()()()( 21 tRtRtRtR n )(2 tR)(1 tR )(tRn )()()()( 21 tHtHtHtH n   t dxxhtH 0 )()( Sistemas en Paralelo )(1 tF )(2 tF )(tFn ))(1(1)(1)(1)( )()()()( 11 21 tRtFtFtR tFtFtFtF n i i n i i n         n i i n i i wWcC aSujeto tR 11 , : )(max Fiabilidad Sistemas en serie y en paralelo
  26. 26. Sistemas en Serie )(2 tR)(1 tR )(tRn Sistemas en Paralelo )(1 tF )(2 tF )(tFn Fiabilidad Sistemas en serie y en paralelo
  27. 27. Fiabilidad Sistemas en serie y en paralelo
  28. 28. Aplicación en Mar … Transferencia en I+D
  29. 29. Unidad Mixta Navantia-UDC. Astillero 4.0
  30. 30. Muchas Gracias por su atención!
  31. 31. Ricardo Cao, Mario Francisco, Javier Tarrrío, Proyectos del Ministerio de Ciencia e Innovación MTM2014-52876-R Ramón Artiaga, Jorge López Beatriz Remeseiro, Manuel Penedo Sergio Muñoz Cándido Cancelo, Helena Brage Agradecimientos
  32. 32. Artículos: 1. Naya, S., Cao, R., Jacome, A., Lopez-de-Ullibarri, I. Oliveira, M. Muñoz, S. Estimation of the Reliability, Availability and Maintainability of a submarine using Monte Carlo Simulation. Developments in Maritime Transportation and Exploitation of Sea Resources. Taylor and Francis, London. 2013. 2. Naya, S., Cao, R. Francisco, M., Tarrío, J., Brage, H. y Cancelo, C. Estimating water and solid impurities in jet fuel from ISO codes. Energy and Fuels. 27 (12), 7858-7867. 2013. 3. Meneses, A., Naya, S. Tarrío J, López de Ullibarri, I. FCGR: Fatigue Crack Growth in Reliability. https://cran.r-project.org/web/packages/FCGR/index.html. 2015. 4. Remeseiro, B., Tarrío, J. Francisco-Fernández, M., Penedo, M., Naya, S., Cao, R. Supervised classification of defective crankshafts by image analysis. Proccedings in Scientific Meeting of the Classification and Data Analysis Group of the Italian Statistical Society (CLADAG 2015), Cagliari, Italy. 2015. 5. Naya, S., Tarrío, J., Oviedo, M., Zaragoza, S. Statistical Quality Control with Functional Data. An application to Energy Efficiency. Proccedings in ISI World Statistics Congress. Rio de Janeiro. Brasil. 2015. Referencias • Statistical Methods for Reliability Data, William Meeker and Luis A. Escobar, Wiley 1998. • Accelerated Testing: Statistical Models, Test Plans and Data Analysis, Wayne Nelson, Wiley, 1990.

×