Analisis del accidente del transbordadornespacial challenger
Imagenes delaccidente de challenger
antecedentes
El tanque de combustible principal del transbordador está recubierto de espuma de aislamiento térmico, destinada a impedir la formación de hielo cuando el depósito se llena de hidrógeno y oxígeno líquidos. Ese hielo podría dañar el transbordador si se desprende durante el despegue.
La rampa de espuma bípode es un componente aerodinámico hecho de espuma de aproximadamente un metro. La espuma, normalmente no considerada como un material estructural, debe soportar algunas cargas aerodinámicas. Debido a estos requisitos especiales, solo un técnico especializado puede realizar el curado de la fundición y de las rampas en el lugar.
Se observaron desprendimientos de la rampa bípode de aislamiento, en su totalidad o en parte, en cuatro vuelos anteriores: STS-7 (1983), STS-32 (1990), STS-50 (1992) y más recientemente la misión STS-112 (2002; sólo dos lanzamientos antes de la misión STS-107). Todas las misiones del transbordador afectadas habían sido completadas con éxito. La dirección de la NASA llegó a referirse a este fenómeno como «derramamiento de espuma». Al igual que con los problemas de erosión de la junta tórica que finalmente condenaron al transbordador espacial Challenger, la gestión de la NASA se acostumbró a estos fenómenos, al no existir consecuencias graves en los episodios anteriores. La socióloga Diane Vaughan designó este fenómeno como «normalización de la desviación», en su libro sobre el proceso de decisión del lanzamiento del Challenger.
El STS-112 fue el primer vuelo con cámara «ET Cam», un canal de video montado en el tanque externo (ET) con el fin de dar un mayor conocimiento del problema del vertimiento de espuma. Durante ese lanzamiento se separó un trozo de espuma de la rampa bípode del ET y golpeó el anillo de unión SRB-ET en la parte inferior del cohete propulsor sólido izquierdo (SRB) causando una mella de 12 cm de ancho y nueve de profundidad en el mismo. Después de la misión STS-112, los líderes de la NASA analizaron la situación y decidieron seguir adelante con la justificación de que “el ET es seguro para volar sin nuevos problemas (y no hay riesgo añadido)” de más golpes por espuma.
Regresión logísitica
- El fichero challenger contiene 23 observaciones de las siguientes variables: defecto, que toma los valores 1 y 0 en función de si se encontraron defectos o no en los propulsores; y temp, la temperatura (en grados Fahrenheit) en el momento del lanzamiento.
Primero leemos los datos y contamos las frecuencias de casos sin y con defectos:
challenger <- read.table("http://verso.mat.uam.es/~joser.berrendero/datos/challenger.txt", header = TRUE)
table(challenger$defecto)##
## 0 1
## 16 7- representando los defectos vs no defectos de una forma grafica
colores <- NULL
colores[challenger$defecto==0] <- "green"
colores[challenger$defecto==1] <- "red"
plot(challenger$temp, challenger$defecto, pch = 21, bg = colores, xlab = 'Temperatura', ylab = 'Probabilidad de defectos')
legend('bottomleft', c('No defecto', 'Si defecto'), pch = 21, col = c('green', 'red'))
se hiso funcion argumentos pch y bg para mejorar la apariencia del gráfico. También hemos usado el comando legend para incluir una leyenda explicativa.
Parece razonable, a la vista de los datos, pensar que la temperatura puede influir en la probabilidad de que los propulsores tengan defectos. En esta práctica, vamos a ajustar un modelo de regresión logística para estudiar la posible relación. Para ajustar el modelo se usa el comando glm (para modelos lineales generalizados) indicando que la respuesta es binomial mediante el argumento family:
##
## Call:
## glm(formula = defecto ~ temp, family = binomial, data = challenger)
##
## Deviance Residuals:
## Min 1Q Median 3Q Max
## -1.0611 -0.7613 -0.3783 0.4524 2.2175
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) 15.0429 7.3786 2.039 0.0415 *
## temp -0.2322 0.1082 -2.145 0.0320 *
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 28.267 on 22 degrees of freedom
## Residual deviance: 20.315 on 21 degrees of freedom
## AIC: 24.315
##
## Number of Fisher Scoring iterations: 5En el modelo de regresión logística la raíz de las desviaciones representa el papel de los residuos:
\[ D_i = \mp \sqrt{-2 [Y_i\log \hat p_i + (1-Y_i)\log(1-\hat p_i)]},\]