En muchos escenarios de la vida real, los sistemas suelen tener un mal rendimiento en situaciones operativas difíciles. Los múltiples fallos que se producen cuando los sistemas alcanzan sus estados de funcionamiento más bajos, más altos o extremos, generalmente reciben poca atención por parte de los investigadores. Este estudio utiliza el censurado híbrido progresivo generalizado para discutir la inferencia de un componente cuando está expuesto a dos tensiones, y tiene una resistencia que es considerada. Suponemos que tanto las tensiones como las variables de resistencia siguen una distribución exponencial exponenciada con un parámetro de escala común. Obtenemos el estimador de máxima verosimilitud de y los intervalos de confianza aproximados. Además, se desarrollan estimadores bayesianos para funciones de pérdida simétricas, como el error cuadrado, y funciones de pérdida asimétricas, como el exponencial lineal. Se establecen intervalos de credibilidad con las densidades posteriores más altas. Se utilizan simulaciones de Monte Carlo para evaluar y comparar la efectividad de los muchos estimadores propuestos. El proceso se describe luego con precisión mediante un análisis de datos reales.