Una aplicación al sector del transporte agrícola del análisis de confiabilidad

Autores/as

DOI:

https://doi.org/10.33448/rsd-v10i1.11782

Palabras clave:

Modelos paramétricos; Modelos de risgo proporcional; Análise de la supervivencia.

Resumen

El análisis de confiabilidad es la conversión de técnicas de análisis de supervivencia aplicadas en el departamento de producción. Para realizar el análisis de confiabilidad, el conjunto de datos en estudio debe reunir las condiciones necesarias para que sea posible realizar estimaciones razonables de las funciones de riesgo y confiabilidad. El objetivo de este trabajo es utilizar el análisis de confiabilidad, utilizando técnicas no paramétricas, semiparamétricas y paramétricas, para explorar y modelar el tiempo del neumático 11.00R22. Se realizó un estudio con el 11.00R22, y se calculó el tiempo en kilómetros recorridos mediante una computadora de a bordo acoplada a camiones. Los conjuntos de datos tienen un total de 552 neumáticos, que difieren entre los tres tipos de vida útil. Para la realización de este trabajo se aplicó el estimador límite de producto de Kaplan-Meier para los tres grupos de vida, y la prueba de log-rank para verificar la existencia de una diferencia significativa entre las curvas de supervivencia, ambos métodos no paramétricos, y en secuencia, el enfoque paramétrico con el uso del modelo de regresión para verificar qué distribución se adapta a la vida útil del neumático y también el modelo de Cox para modelar el enfoque semiparamétrico de riesgo. En la aplicación de los métodos se utilizó el software R a través del paquete de supervivencia. El modelo Weibull era el más adecuado para modelar la vida útil de los neumáticos 11.00R22.

Biografía del autor/a

Deise Pereira da Silva, Escola Cidadã Integral Teonas da Cunha Cavalcante

Bacharel em Estatística, Professora de Matemática de ensino médio.

Citas

Carvalho, M. S., Andreozi, V. L., Codeço, C. T., Barbosa, M. T., & Shimakura, S. E. (2005). Análise de sobrevida. Rio de Janeiro: Fiocruz.

CNT, Confederação Nacional do Transporte (2019). Disponível em: <http://pesquisarodovias.cnt.org.br/Paginas/relatorio-gerencial>.

Colosimo, E. A., & Giolo, S. R. (2006). Análise de sobrevivência aplicada. Editora Blucher.

Cox D.R. (2018). Analysis of Survival Data. Chapman and Hall/CRC: Routledge.

Fogliato, F., & Ribeiro, J. L. D. (2009). Confiabilidade e manutenção industrial. Elsevier Brasil.

Haviaras, G. (2005). Metodologia para análise de confiabilidade de pneus radiais em frotas de caminhões de longa distância. 2005. 128p (Doctoral dissertation, Dissertação (Mestrado em Engenharia Automotiva)–Escola Politécnica da Universidade de São Paulo, São Paulo).

Herrmann, L. (2011). Estimação de curvas de sobrevivência para estudos de custo-efetividade.

Leal, V. J., & de Resende Andrade, P. C. (2018). Modelagem dos dados de falha de um caminhão fora de estrada. ForScience, 6(3).

Lee, E. T., & Wang, J. (2003). Statistical methods for survival data analysis (Vol. 476). John Wiley & Sons.

Oliveira, T. N., & de Melo, J. A. M. (2019). O efeito da infraestrutura rodoviária sobre os custos operacionais das transportadoras de cargas. NEGÓCIOS EM PROJEÇÃO, 10(2), 107-123.

Pereira, A. S., Shitsuka, D. M., Parreira, F. J., & Shitsuka, R. (2018). Metodologia da pesquisa científica.

Ramires, T. G. (2013). A distribuição beta semi-normal generalizada geométrica (Doctoral dissertation, Universidade de São Paulo).

Santos, I. P (2016). Introdução à análise de confiabilidade: Uma aplicação ao setor de Transportes. Monografia de conclusão da Especialização – UEPB. 46p.

Silva, J. R. S., Souza, L. A. D., Castro, L. Z., Ferreira, T. A. & Campos, M. S. (2015). Análise Da Confiabilidade: Um Estudode Caso. XXXV Encontro Nacional De Engenharia De Produção, Perspectivas Globais para a Engenharia de Produção - ENEGEP.

Stacy, E (1962). Generalization of the gamma distribution. Ann. Math. Stat., v:33, p. 1187-1192.

Team, R. C. (2018). R: A language and environment for statistical computing.

Therneau, T. M., & Lumley, T. (2014). Package ‘survival’. Survival analysis Published on CRAN, 2, 3.

Wang, P., Li, Y., & Reddy, C. K (2019). Machine learning for survival analysis: A survey. ACM Computing Surveys (CSUR), 51(6), 1-36.

Publicado

18/01/2021

Cómo citar

SANTOS, I. P. .; ALMEIDA, P. L. R. de .; SILVA, D. P. da .; FIDELIS, C. R. .; MEDEIROS, E. S. de .; OLIVEIRA, T. A. de . Una aplicación al sector del transporte agrícola del análisis de confiabilidad. Research, Society and Development, [S. l.], v. 10, n. 1, p. e35610111782, 2021. DOI: 10.33448/rsd-v10i1.11782. Disponível em: https://rsdjournal.org/index.php/rsd/article/view/11782. Acesso em: 22 nov. 2024.

Número

Sección

Ciencias Exactas y de la Tierra