Analisi di affidabilità per componenti di veicoli commerciali

Lo scopo di questa tesi è la stima dei tempi di rottura delle componente meccaniche di veicoli commerciali. Questo lavoro si pone nel campo dell'analisi statistica di affidabilità e i modelli usati seguono l'approccio bayesiano alla statistica. I dati sono stati forniti da un noto produttore di veicoli commerciali. Il dataset su cui sono stati validati i modelli è stato costruito usando dati storici provenienti da database diversi e contenenti informazioni su caratteristiche del veicolo, il suo utilizzo e la sua storia. Ci si è focalizzati sull'analisi di una particolare componente di un particolare modello di veicolo, studiato in tre rilasci temporali successivi. Le principali problematiche affrontate riguardano l'uso efficace di un elevato numero di dati censurati a destra e la mancanza di un numero adeguato di osservazioni per il rilascio più recente, se paragonato agli altri due. Inizialmente si è applicato un modello mistura per limitare l'effetto di distorsione sulle stime che una percentuale troppo alta di dati censurati può provocare. Poi si è introdotto un modello gerarchico per fare in modo che i tre gruppi di veicoli appartenenti ai tre rilasci successivi potessero scambiarsi informazioni, secondo l'approccio bayesiano gerarchico, e in particolare affinché il gruppo con meno dati disponibili potesse beneficiare di una stima più robusta. Infine si è operato un tentativo di studiare il veicolo da una prospettiva più individuale tramite l'uso di un modello Accelerated Failure Time, il quale integra l'effetto delle covariate nella stima del tempo di rottura. Il campionamento dalla distribuzione finale dei parametri è stato reso possibile tramite l'uso del metodo di data augmentation e il disegno di un algoritmo MCMC Gibbs Sampler per ognuno dei modelli.