DOI: https://doi.org/10.1007/s44198-024-00262-5
تاريخ النشر: 2025-03-04
المؤلف: Aisha Fayomi وآخرون
الموضوع الرئيسي: تقدير التوزيع الإحصائي وتطبيقاته
نظرة عامة
تناقش هذه الفقرة أهمية تقييم موثوقية الإجهاد-القوة متعدد المكونات (MC-SS) في إدارة المخاطر واتخاذ القرارات عبر مختلف الصناعات. يركز هذا التقييم على التفاعل بين قوة المكونات والإجهادات التي تتحملها، مما يساعد في تحديد نقاط الفشل المحتملة وتنفيذ تحسينات موثوقية استباقية. تهدف الدراسة إلى استكشاف استنتاج الموثوقية لنموذج MC-SS تحت الرقابة التقدمية للفشل الأول، مع افتراض أن متغيرات الإجهاد والقوة العشوائية تتبع توزيع باريتو المعكوس المعزز (IEPD) مع معامل شكل ثانٍ مشترك.
لتحقيق ذلك، يتم استخدام كل من الطرق البايزية وغير البايزية لتقدير المعلمات وتقييم موثوقية MC-SS، مع دمج إنشاء فترات مصداقية ذات كثافة خلفية أعلى وفترات ثقة تقاربية. يتم اشتقاق التقديرات البايزية باستخدام نهج سلسلة ماركوف مونت كارلو تحت وظائف خسارة مختلفة. يتم التحقق من فعالية المنهجية من خلال تجارب المحاكاة، ويتم مقارنة أداء IEPD بالنماذج البديلة باستخدام مقاييس جودة الملاءمة والتحليل الرسومي. تشير النتائج إلى أن IEPD يوفر باستمرار تقديرات موثوقية متفوقة، مما يشير إلى ملاءمته للتطبيقات التي تتطلب توقعات دقيقة وموثوقة.
مقدمة
تستعرض مقدمة هذه الورقة البحثية أهمية تطوير إطار نظري لتحليل الموثوقية وتجارب اختبار الحياة، لا سيما من خلال عدسة توزيعات بيانات العمر المختلفة. تؤكد على ضرورة تحديد التوزيعات المناسبة لنمذجة الظواهر التجريبية، مع تسليط الضوء على دور التوزيعات المعكوسة في معالجة البيانات المنحرفة والذيل الكبير. تركز الورقة بشكل خاص على توزيع باريتو المعكوس المعزز (IEPD)، الذي قدمه غيتاني وآخرون، والذي يتميز بدالة كثافة الاحتمال (PDF) ودالة التوزيع التراكمي (CDF). يُلاحظ أن IEPD يتمتع بمرونة في نمذجة مجموعات البيانات ذات معدلات الخطر المتناقصة أو غير الأحادية، مما يجعله قابلاً للتطبيق في مجالات مثل تحليل الوفيات والموثوقية الميكانيكية.
علاوة على ذلك، تناقش المقدمة أهمية مخططات الرقابة في تحليل الموثوقية، لا سيما الرقابة من النوع الثاني والرقابة التقدمية، التي تسهل اختبار الحياة بكفاءة تحت القيود. تهدف الورقة إلى استكشاف موثوقية الإجهاد-القوة متعدد المكونات (MC-SS) لـ IEPD ضمن إطار أخذ العينات المراقبة للفشل الأول التقدمي (PFIF-CS)، مدفوعة بالحاجة إلى تقييمات موثوقية فعالة من حيث التكلفة والوقت. يتم توضيح تنظيم الورقة، مما يشير إلى أن الأقسام التالية ستتناول الصيغ الرياضية وتقنيات التقدير والمحاكاة العددية والتطبيقات العملية للطرق المقترحة.
مناقشة
في هذا القسم، يستنتج المؤلفون مقدر الاحتمالية القصوى (MLE) لموثوقية نموذج MC-SS استنادًا إلى توزيع القوة الأسية المعكوسة (IEPD). يتم صياغة تعبير الموثوقية، المشار إليه بـ $\eta_{r,s}$، باستخدام متغيرات عشوائية مستقلة من IEPD. يتم تقديم التعبير التحليلي لـ $\eta_{r,s}$، مما يظهر اعتماده على المعلمات $\nu_1$ و $\nu_2$. يوضح المؤلفون تأثير تغيير المعامل $r$ على الموثوقية من خلال الرسوم البيانية ثلاثية الأبعاد، مشيرين إلى أن القيم الأعلى من $\nu_1$ و $\nu_2$ تعزز الموثوقية، مما ينتقل من مستويات موثوقية منخفضة (حمراء) إلى مستويات موثوقية أعلى (صفراء).
يناقش القسم أيضًا مقدرات MLE للمعلمات $\nu_1$ و $\nu_2$ و $\omega$ تحت مخطط اختبار حياة محدد يعرف باسم PFIF-CS. يتم اشتقاق دالة الاحتمالية استنادًا إلى متغيرات القوة والإجهاد الملاحظة، مما يؤدي إلى معادلات عادية تسهل حساب مقدرات MLE. يتم بناء فترات الثقة التقاربية (As-CIs) لهذه المعلمات وتقدير الموثوقية $\eta_{r,s}$ باستخدام مصفوفة معلومات فيشر، مع تقريب التباينات عبر طريقة دلتا. بالإضافة إلى ذلك، يتم استكشاف مقدرات بايزية (BEs) للمعلمات، باستخدام توزيعات غاما كأولويات معلوماتية، مما يعزز عملية التقدير. يستنتج المؤلفون أن مقدرات MLE و BEs المقترحة تظهر أداءً قويًا في تقدير موثوقية نموذج MC-SS، خاصة مع زيادة أحجام العينات، ويبرزون مزايا استخدام وظائف خسارة غير متكافئة في التقدير البايزي.
DOI: https://doi.org/10.1007/s44198-024-00262-5
Publication Date: 2025-03-04
Author(s): Aisha Fayomi et al.
Primary Topic: Statistical Distribution Estimation and Applications
Overview
The section discusses the significance of multicomponent stress-strength (MC-SS) reliability evaluation in risk management and decision-making across various industries. This evaluation focuses on the interplay between the strength of components and the stresses they endure, aiding in the identification of potential failure points and the implementation of proactive reliability enhancements. The study aims to explore the reliability inference for the MC-SS model under progressive first-failure censoring, assuming that the stress and strength random variables adhere to the inverted exponentiated Pareto distribution (IEPD) with a common second shape parameter.
To achieve this, both Bayesian and non-Bayesian methods are utilized for parameter estimation and MC-SS reliability assessment, incorporating the creation of highest posterior density credible intervals and asymptotic confidence intervals. The Bayesian estimates are derived using the Markov Chain Monte Carlo approach under various loss functions. The methodology’s efficacy is validated through simulation experiments, and the IEPD’s performance is compared to alternative models using goodness-of-fit measures and graphical analysis. The findings indicate that the IEPD consistently yields superior reliability estimates, suggesting its suitability for applications requiring accurate and dependable predictions.
Introduction
The introduction of this research paper outlines the significance of developing a theoretical framework for analyzing reliability and life-testing experiments, particularly through the lens of various lifetime data distributions. It emphasizes the necessity of identifying appropriate distributions to model empirical phenomena, highlighting the role of inverse distributions in addressing skewed data and large tails. The paper specifically focuses on the inverse exponentiated Pareto distribution (IEPD), introduced by Ghitany et al., which is characterized by its probability density function (PDF) and cumulative distribution function (CDF). The IEPD is noted for its versatility in modeling datasets with decreasing or non-monotonic hazard rates, making it applicable in fields such as mortality analysis and mechanical reliability.
Furthermore, the introduction discusses the importance of censoring schemes in reliability analysis, particularly Type-II and progressive censoring, which facilitate efficient life-testing under constraints. The paper aims to explore the multicomponent stress-strength (MC-SS) reliability of the IEPD within the progressive first-failure censored sampling (PFIF-CS) framework, motivated by the need for cost-effective and time-efficient reliability assessments. The organization of the paper is outlined, indicating that subsequent sections will cover mathematical formulations, estimation techniques, numerical simulations, and practical applications of the proposed methods.
Discussion
In this section, the authors derive the Maximum Likelihood Estimator (MLE) for the reliability of the MC-SS model based on the Inverse Exponential Power Distribution (IEPD). The reliability expression, denoted as $\eta_{r,s}$, is formulated using independent random variables from the IEPD. The analytical expression for $\eta_{r,s}$ is presented, showcasing its dependence on the parameters $\nu_1$ and $\nu_2$. The authors illustrate the impact of varying the parameter $r$ on reliability through 3D plots, indicating that higher values of $\nu_1$ and $\nu_2$ enhance reliability, transitioning from lower (red) to higher (yellow) reliability levels.
The section further discusses the MLEs for the parameters $\nu_1$, $\nu_2$, and $\omega$ under a specific life testing scheme known as PFIF-CS. The likelihood function is derived based on observed strength and stress variables, leading to normal equations that facilitate the computation of MLEs. Asymptotic confidence intervals (As-CIs) for these parameters and the reliability estimate $\eta_{r,s}$ are constructed using the Fisher information matrix, with variances approximated via the delta method. Additionally, Bayesian estimators (BEs) for the parameters are explored, employing gamma distributions as informative priors, which enhance the estimation process. The authors conclude that the proposed MLEs and BEs demonstrate strong performance in estimating the reliability of the MC-SS model, particularly as sample sizes increase, and highlight the advantages of using asymmetric loss functions in Bayesian estimation.