Un Modelo de Pruebas Generalizado para el Análisis del Ciclo de Vida por Intervalo Basado en un Proceso de Degradación Acelerada de Wiener Mixto

Para lograr el diagnóstico y pronóstico de fallos, obtener datos del ciclo de vida adecuados y confiables es esencial. Sin embargo, esto representa un desafío en los actuales sistemas de Internet de las Cosas (IoT) de alta fiabilidad. Afortunadamente, se puede emplear la prueba de degradación acelerada (ADT) para superar este obstáculo. No obstante, se requiere una técnica de prueba y medición confiable para construir un modelo preciso para ADT. Este método de prueba juega un papel vital en la evaluación del diagnóstico de fallos, pronóstico, duración y decisiones de mantenimiento para productos confiables bajo estrés operativo. Para asegurar pruebas efectivas, es crucial utilizar modelos apropiados que tengan en cuenta la heterogeneidad individual de los productos. Sin embargo, los modelos estocásticos simples comúnmente utilizados en ADT pasan por alto el impacto de esta condición en aplicaciones del mundo real, lo que resulta en un problema de especificación errónea. Para abordar esta limitación, proponemos un novedoso modelo de proceso estocástico mixto que integra procesos de Wiener múltiples y pesos dinámicos. Además, aprovechamos el análisis por intervalos para analizar la duración del sistema, considerando el tamaño limitado de los datos. La estimación de parámetros desconocidos en nuestro modelo mixto se logra utilizando el algoritmo de Metropolis-Hastings. Al analizar datos de relajación por estrés de conectores eléctricos, demostramos la superior precisión de nuestro modelo mixto en comparación con los modelos estocásticos simples convencionales en ADT.