Se explora una nueva estrategia de censura híbrida progresiva generalizada de Tipo-II, en la que se garantiza que el experimento se detenga en un tiempo especificado, cuando el modelo de vida de los sujetos de prueba sigue una distribución exponencial inversa de potencia alfa de dos parámetros (Alpha-PIE). Los parámetros de Alpha-PIE y los índices de confiabilidad, como las funciones de confiabilidad y tasa de riesgo, se estiman mediante metodologías de máxima verosimilitud y estimación de Bayes en presencia de los datos censurados propuestos. Los intervalos de confianza estimados de las cantidades desconocidas se crean utilizando la aproximación normal de los estimadores clásicos adquiridos. Los estimadores de Bayes también se producen utilizando priors de densidad gamma independientes bajo pérdida simétrica (error cuadrático). Los estimadores de Bayes y sus intervalos de mayor densidad posterior asociados no pueden calcularse teóricamente ya que la función de verosimilitud conjunta se deriva en una forma complicada, pero potencialmente pueden evaluarse utilizando algoritmos de cadenas de Markov de Monte Carlo. A continuación, pasamos por cuatro criterios de optimalidad para identificar el mejor diseño progresivo. La efectividad de los procedimientos de estimación sugeridos se evalúa mediante comparaciones de Monte Carlo y se ofrecen ciertas recomendaciones. Finalmente, se analizan dos aplicaciones diferentes, una centrada en los tiempos de falla de tubos electrónicos y la otra en el cloruro de vinilo, para ilustrar la efectividad de las técnicas propuestas que pueden emplearse en escenarios del mundo real.