Modelo basado en redes neuronales para la clasificación de la distribución de Weibull

La distribución de Weibull es una distribución de probabilidad ampliamente utilizada en el campo de la ingeniería y en otras disciplinas relacionadas. Se utiliza principalmente para modelar y analizar la vida útil de los sistemas y componentes, así como para describir la distribución de tiempos de falla, el presente estudio se enfoca en determinar una distribución de Weibull mediante un modelo computacional basado en aprendizaje profundo. Actualmente existen varios métodos para determinar si un conjunto de datos sigue esta distribución, entonces, se realizó un análisis comparativo entre el la Prueba de bondad de ajuste y las técnicas de IA, para ello, se entrenó una red neuronal artificial (ANN) con miles de distribuciones utilizando la metodología de muestreo estratificado. En la fase de entrenamiento se obtuvo una precisión del 98.5%, mientras que en la fase de tes se obtuvo una precisión del 97%. Estos resultados representaron una mejora significativa del 17.7% frente al metro tradicional. Después de varias simulaciones, los resultados obtenidos evidencian que la ANN es mucho más efectiva para determinar si un conjunto de datos sigue una distribución de Weibull. La precisión obtenida por la ANN fue del 97%, mientras que el método tradicional logró una precisión del 79.25%. En conclusión, este estudio confirma que las técnicas de aprendizaje automático son más efectivas que el método tradicional para clasificar una distribución de Weibull. Además, la precisión alcanzada por la ANN en la clasificación de esta distribución es altamente prometedora para futuros estudios en los que se necesite clasificar distribuciones de datos complejos y variables.