Se propone en este artículo un método bayesiano objetivo para el modelo de proceso de dispersión exponencial Tweedie (TED). El proceso TED es un proceso estocástico generalizado, que incluye algunos procesos estocásticos famosos (por ejemplo, Wiener, Gamma y procesos inversos gaussianos) como casos especiales. Este modelo característico de varios tipos de procesos, para ser más genérico, es de particular utilidad para el análisis de datos de degradación. En la actualidad, los métodos de estimación del modelo TED son el método bayesiano subjetivo o el método frecuentista. Sin embargo, algunos productos pueden no tener información histórica de referencia y el tamaño de la muestra es pequeño, lo que llevará a un dilema para el método frecuentista y el método bayesiano subjetivo. Por lo tanto, proponemos un método bayesiano objetivo para analizar el modelo TED. Además, demostramos que las distribuciones posteriores correspondientes tienen propiedades agradables y proponemos algoritmos Metropolis-Hastings para la inferencia bayesiana. Para ilustrar la aplicabilidad y ventajas del modelo TED y el método bayesiano objetivo, comparamos las estimaciones bayesianas objetivas con las estimaciones bayesianas subjetivas y las estimaciones de máxima verosimilitud según simulaciones de Monte Carlo. Finalmente, se utiliza un caso de datos de láser GaAs para ilustrar la efectividad de los métodos propuestos.