Modelos predictivos para estimar la degradación de las variables que componen el grado de color del algodón Upland

Víctor Mauricio Estrada Ruiz, Manuel Iván Rodríguez Borbón, Iván García Garrobo, Ángel Peralta Meza

Resumen


El análisis de degradación es una herramienta estadística importante, utilizada para inferir sobre el comportamiento de las características de calidad en función del tiempo, lo que es conocido como confiabilidad. El presente artículo presenta una aplicación de modelos de degradación lineales, para el análisis de las características de calidad que determinan el grado de color del algodón tipo americano o Upland, dicha aplicación consistió en el estudio de muestras de algodón expuestas a las condiciones ambientales externas, con el objeto de conocer el comportamiento de la pérdida del grado de color de la fibra de algodón cuando esta es almacenada a la intemperie. El grado de color del algodón americano se compone por dos características la “reflectancia” (Rd) y “pigmentación” (+b), dichas características fueron monitoreadas bajo las condiciones antes mencionadas y de los datos obtenidos se formularon dos tipos de modelos: primeramente un modelo de regresión lineal simple con series de tiempo y posteriormente un modelo de degradación simple con proceso Gaussiano, para cada característica de calidad del grado de color. Así mismo se presenta un comparativo entre los tiempos medios de falla (MTTF) de ambos modelos respecto a las dos variables estudiadas y sus respectivos niveles críticos de degradación o pseodofallas, donde los modelos de degradación con proceso Gaussiano resultan más asertivos dado que utilizan un coeficiente de variación entre unidades y un coeficiente de movimiento Browniano para modelar los cambios aleatorios en las condiciones ambientales.

Palabras clave


Modelos de degradación; Proceso Gaussiano; Regresión lineal; Series de tiempo

Texto completo:

PDF

Referencias


Al-Jararha, J., Al-Haj, M., & Al-Marsi, A. (2011). Estimating the Parameters of Degradation Models when Error Terms are Autocorrelated. Austrian Journal of statistics, 40(3), 191-200.

AMSDA. (25 de 02 de 2015). Obtenido de http://www.amsda.com.mx/prnacionales/nacionales/prnalgodon2.pdf

Dhillon, B. (2004). Reliability, Quality and safety for engineers. Florida: CRC Press.

Doksum, K., & Normand, S. (1995). Gaussian Models for Degradation Processes-Part I: Methods for the Analysis of Biomarker Data. Lifetime Data Analysis(1), 131-144.

Escobar, L., Villa, E., & Yañez, S. (Noviembre de 2003). Confiabilidad: Historia, estado del arte y desafios futuros. Dyna, 70(140), 5-21.

Garcia, M. (3 de 08 de 2015). Diagnóstico del algodon en chihuahua. Obtenido de El economista: http://eleconomista.com.mx/columnas/agro-negocios/2015/08/03/diagnostico-algodon-chihuahua-i

Hong, S., & Zhou, Z. (2011). Application of Gaussian Process Regression for Bearing Degradation Assessment. School of Reliability and System Engineering, 644-648.

Meeker, W., & Escobar, L. (1998). Statistical methods for reliability data. New York: John Wiley & Sons. Inc.

Mohanty, S., Chattopadhyay, A., & Peralta, P. (2007). Fatigue Life Prediction Using Multivariate Gaussian Process. American Institute of Aeronautics and Astronautics, 1-15.

Ostle, B. (1979). Estadistica aplicada. México: Limusa.

Reliasoft. (2013). Life Data Analysis Reference. E.U.A.: Reliasoft Publishing.

Richter, P., & Toledano, M. (2015). Revisiting Gaussian Process Regression Modeling for Localization in Wireless Sensor Networks. Sensors, 22587-22615.

USDA. (1999). La clasificación del algodon. 1-18.

Ye, Z.-S., Chen, N., & Shen, Y. (2015). A new class of Wiener process models for degradation analysis. Reliability Engineering and System Safety, 58-67.


Enlaces refback

  • No hay ningún enlace refback.


Copyright (c) 2017 CULCyT

Licencia de Creative Commons
Este obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial 4.0 Internacional.

Responsable de la última actualización de este número: Raúl Alfredo Meza González. Fecha de la última modificación, 15 de enero de 2020.

Las opiniones expresadas por los autores no necesariamente reflejan la postura del editor de la publicación. Los contenidos e imágenes de la publicación estan sujetos a una licencia CC 4.0 internacional BY NC. 

 Licencia de Creative Commons