Anda di halaman 1dari 4

2.

11 DISTRIBUSI GAMMA

Pertimbangkan item yang terkena serangkaian guncangan yang terjadi menurut HPP dengan tarif λ.
Interval waktu TI, T2,. . ., antara guncangan berturut-turut kemudian independen dan berdistribusi
eksponensial dengan parameter λ (lihat Bagian 2.10). Asumsikan bahwa item gagal tepat pada shock k,
dan tidak lebih awal. Waktu untuk kegagalan item itu

T = T1 +T2 + T3...... + Tk

dan menurut (2.41) T adalah gamma didistribusikan (k,λ), dan kadang-kadang kita menulis 𝑇 ∼ gamma
(k,λ). Fungsi kepadatan probabilitas adalah
𝜆
𝑓(𝑡) = (𝜆𝑡)𝑘−1 𝑒 −𝜆𝑡
Γ(𝑘)
dimana Γ (.) menunjukkan fungsi gamma (lihat Lampiran A), 𝑡 > 0, 𝜆 > 0, dan k adalah bilangan bulat
positif. Fungsi kepadatan probabilitas 𝑓(𝑡) sketsa pada Gambar. 2.12 untuk nilai-nilai yang dipilih dari k.

Gbr 2.12 Kerapatan probabilitas gamma, λ = 1.0

Gbr. 2.13 Fungsi keandalan untuk distribusi gamma, λ = 1.0

Parameter λ menunjukkan tingkat (frekuensi) guncangan dan merupakan parameter eksternal untuk item
tersebut. Bilangan bulat k dapat diartikan sebagai ukuran kemampuan untuk menahan guncangan dan
akan mulai dari sekarang pada umumnya tidak dibatasi untuk nilai integer tetapi menjadi sebuah
konstanta positif. Persamaan (2,42) masih akan menjadi fungsi kepadatan probabilitas.
Dari (2.42) kami menemukan itu
𝑘
𝑀𝑇𝑇𝐹 = 𝜆 (2.43)

𝑘
𝑣𝑎𝑟(𝑇) = 𝜆2 (2.44)
Untuk nilai integer dari k fungsi keandalan [lihat (2.40)] diberikan oleh
(𝜆𝑡)𝑛
𝑅(𝑡) = 1 − 𝐹(𝑡) = ∑𝑘−1
𝑛=0 𝑒 −𝜆𝑡 (2.45)
𝑛!

Sketsa R (t) diberikan pada Gambar. 2.13 untuk beberapa nilai k.

Fungsi tingkat kegagalan yang sesuai adalah


𝑓(𝑡) 𝜆(𝜆𝑡)𝑘−1 𝑒 −𝜆𝑡 /Γ(𝑘)
𝑧(𝑡) = 𝑅(𝑡) = ∑𝑘−1 𝑛 −𝜆𝑡 /𝑛!
(2.46)
𝑛=0(𝜆𝑡) 𝑒

Gbr. 2.14 Fungsi tingkat kegagalan distribusi gamma, λ = 1.

Untuk k = 2 fungsi tingkat kegagalan adalah

𝜆2 𝑡
𝑧(𝑡) =
1 + 𝜆𝑡
dan distribusi dalam Contoh 2.2 adalah distribusi gamma dengan k = 2 dan λ = I.

Ketika k bukan bilangan bulat, kita harus menggunakan rumus umum (2.3) dan (2.7) untuk menemukan
fungsi keandalan 𝑅(𝑡) dan fungsi tingkat kegagalan 𝑧(𝑡), masing-masing. Ini dapat ditampilkan (misal,
Lihat Cocozza-Thivent, 1997, p. 10) bahwa

lim 𝑧(𝑡) = ∞ and lim 𝑧(𝑡) = 𝜆 when 0 < 𝑘 < 1


𝑡→0 𝑡→∞

lim 𝑧(𝑡) = 0 and lim 𝑧(𝑡) = 𝜆 when 𝑘 > 1


𝑡→0 𝑡→∞

Fungsi tingkat kegagalan 𝑧(𝑡) diilustrasikan pada Gambar. 2.14 untuk beberapa nilai bilangan bulat dari k.

Biarkan T1 ~ gamma (𝑘1 , 𝜆) dan T2 ~ gamma (𝑘1 , 𝜆) menjadi mandiri. Kemudian mudah ditampilkan
(lihat Soal 2.16) yaitu T1 + T2 ~ gamma (𝑘1 + 𝑘2 , 𝜆). Distribusi gamma dengan λ umum karena itu ditutup
di bawah penambahan.
2.11.1 Kasus Khusus

Untuk nilai khusus dari parameter 𝑘 dan λ, distribusi gamma diketahui dengan nama lain:

1. Ketika 𝑘 = 1, kita memiliki distribusi eksponensial dengan tingkat kegagalan λ.


2. Ketika 𝑘 = 𝑛/2 dan 𝜆 = 1/2 , distribusi gamma disebut chi-square (𝜒 2 ) distribusi dengan n
derajat kebebasan (n adalah bilangan bulat). Nilai persentil untuk 𝜒 2 distribusi diberikan dalam
Lampiran E.
3. Ketika k adalah bilangan bulat, distribusi gamma disebut distribusi Erlangian dengan parameter k
dan λ.

Contoh 2.8 Campuran Distribusi Eksponensial

Asumsikan bahwa barang-barang jenis tertentu diproduksi di pabrik di mana proses produksi tidak stabil
sehingga tingkat kegagalan λ barang bervariasi dengan waktu. Jika kita memilih item secara acak, fungsi
kepadatan probabilitas bersyarat dari waktu ke kegagalan 𝛵, diberikan λ, adalah

𝑓(𝑡|𝜆) = 𝜆𝑒 −𝜆𝑡 untuk 𝑡 > 0

Asumsikan bahwa variasi dalam 𝜆 dapat dimodelkan oleh distribusi gamma dengan parameter k dan α :
𝛼𝑘
π(𝜆) = ┌(𝑘) 𝜆𝑘−1 𝑒−𝛼𝜆 untuk 𝜆 > 0, 𝛼 > 0, 𝑘 > 0

Kepadatan tanpa syarat dari T demikian :



𝑘𝛼𝐾
𝑓(𝑡) = ∫ 𝑓(𝑡 ‫ ) 𝜆 ׀‬π(𝜆)𝑑𝜆 =
0 (𝛼 + 𝑡)𝑘−1

Fungsi yang selamat adalah :



𝛼𝑘 𝑡 −𝑘
𝑅(𝑡) = 𝑃𝑟(𝑇 > 𝑡) = ∫ 𝑓(𝑢)𝑑𝑢 = = (1 + )
𝑡 (𝛼 + 𝑡)𝑘 𝛼

Rata Waktu Untuk Kegagalan Adalah :



𝛼
𝑀𝑇𝑇𝐹 = ∫ 𝑅(𝑡)𝑑𝑡 = 𝑢𝑛𝑡𝑢𝑘 𝐾 > 1
0 𝑘−1

Perhatikan bahwa MTTF tidak ada untuk 0 < k ≤ 1. Fungsi tingkat kegagalan adalah:
𝑓(𝑡) 𝐾
𝑧(𝑡) = =
𝑅(𝑡) 𝛼 + 𝑡
Maka secara monoton menurun sebagai fungsi t.
Sebuah pabrik memproduksi jenis tertentu detektor gas. Pengalaman menunjukkan bahwa tingkat
kegagalan rata-rata dari detektor adalah Am = 1.15 . 10−5 ℎ𝑜𝑢𝑟𝑠 −1 (data dari OREDA 2002). Rata-rata
MTTF adalah l1/ 𝜆m ≈ 9.93 tahun. Produksi ini bagaimanapun, tidak stabil dan standar deviasi dari tingkat
kegagalan diperkirakan 4 . 10 𝑗𝑎𝑚−6 . Seperti di atas, kami mengasumsikan bahwa tingkat kegagalan
adalah variabel acak A dengan distribusi gamma (k, a). Dari (2.44) kami memiliki E (A) = k /α = 1.15 . 10−5,
dan var (A) = k /𝛼 2 = [4. 10−6 ]2 Kita sekarang dapat memecahkan k dan α.

𝑘 ≈ 8.27 𝑑𝑎𝑛 𝛼 ≈ 7.19 . 106


Rata-rata untuk kegagalan waktu dikemudian
𝛼
𝑀𝑇𝑇𝐹 = ≈ 9.9. 105 ℎ𝑜𝑢𝑟𝑠 ≈ 11.3 𝑦𝑒𝑎𝑟𝑠
𝐾−1
The corresponding failure rate function z(t) may be found from (2.49).

Gambar . 2.15 probabilitas fungsi kepadatan dari distribusi Weibull untuk nilai-nilai parameter bentuk (1
= 1).

komentar: Contoh 2.8 mirip dengan Contoh 2.5 di mana kami mencampur dua distribusi eksponensial
yang berbeda dan mendapat fungsi penurunan tingkat kegagalan. Hasil dari contoh-contoh ini sangat
penting untuk pengumpulan dan analisis data lapangan. Misalkan bahwa tingkat kegagalan (benar) dari
jenis item tertentu adalah konstan dan sama dengan 𝜆. Ketika kita mengumpulkan data dari instalasi yang
berbeda dan dari kondisi operasional dan lingkungan yang berbeda, tingkat kegagalan λ akan bervariasi.
Jika kita mengumpulkan semua data ke dalam satu sampel dan menganalisis data, kita akan
menyimpulkan bahwa fungsi tingkat kegagalan menurun.