1

Teora de la Confiabilidad

Ana Eugenia Luna


Resumen

La aparicin y aplicacin de nuevas tecnologas en la industria hace posible la
fabricacin de nuevos productos y elementos, generalmente electrnicos que aumentan
la complejidad de los procesos industriales; este hecho trae como consecuencia el
aumento de riesgos que influyen en la seguridad de toda la instalacin. La confiabilidad
y seguridad de dichas instalaciones puede ser estudiada a travs de mtodos
probabilsticos por medio de la ley de fallas de sistemas o componentes que permite
obtener tcnicas de prediccin que aseguran la calidad de los productos. Existen varias
funciones de distribucin que modelan el comportamiento de las fallas. En este trabajo
se hace un estudio detallado de las distribuciones de uso ms frecuente en la teora de la
confiabilidad, la distribucin exponencial, la distribucin normal o gaussiana y la
distribucin de Weibull.


1. Introduccin

La teora de la confiabilidad tiene sus cimientos en anlisis meramente
estadsticos y en leyes probabilsticas de fallas pues no existe un modelo determinista
que prediga el tiempo en el cual un sistema falla. Es posible, sin embargo, aplicar un
tratamiento estadstico que modele en forma realista el estudio de la confiabilidad de
componentes o dispositivos que en condiciones de montaje y uso adecuado se
encuentran en funcionamiento un tiempo determinado, t = 0. El tiempo para que ocurra
la falla o duracin, T, puede considerarse estadsticamente como la variable aleatoria
continua con una funcin de distribucin probabilstica (fdp) f.
Se define la confiabilidad de un componente o sistema, R(T), a la probabilidad
de que dicho componente no falle durante el intervalo [0,t] o lo que es lo mismo a la
probabilidad de que falle en un tiempo mayor que t. Siendo R(t) = P(T>t) y T la
duracin del componente. Si f(t) es la funcin de densidad de probabilidad (fdp), la
confiabilidad puede expresarse como

0
) ( ) ( ds s f t R (1)

En trminos de la funcin distribucin acumulativa (fda) de f(t), F(t),
la confiabilidad tambin se puede definir como:

R(t) = 1-P(T t )=1-F(t) (2)

2
La tasa de falla o funcin de riesgo Z es tambin un concepto muy usado en la
teora de la confiabilidad y representa la proporcin de artculos que funcionan entre t y
t + t de aquellos que an funcionaban en el instante t. Su valor se puede calcular a
partir de la siguiente expresin
) (
) (
) (
t R
t f
t Z (3)

y determina unvocamente la fdp f.
La eleccin de un modelo que represente los datos de fallas lo ms
fehacientemente posible, restringe la posibilidad de eleccin de cualquier fdp para T, es
decir que el modelo matemtico para la descripcin de los fenmenos observables no es
arbitrario.


2. La ley normal de falla


La conducta de algunos componentes puede describirse a travs de la ley normal
de falla. Si T es la duracin de un artculo, que obviamente vamos a considerar que es
mayor o igual a cero, su fdp, tambin conocida como distribucin de Gauss, est dada
por

,
_

1
]
1

2
2
1
exp
2
1
) (

t
t f (4)

siendo ( ) 0 , , , 0 ) ( > < < < < estandar desviacin t t f .

Este modelo implica que la mayora de los artculos fallan alrededor de un
tiempo promedio de falla E(T)= y el nmero de fallas disminuye simtricamente
cuando T aumenta. Una ley normal de falla significa que alrededor del 95.44% de
las fallas tienen lugar para los valores de t que satisfacen

'

<

< 2 2

t
como se
observa en la Fig. 1.

3
Fig. 1: El rea encerrada entre 2 y 2 + representa alrededor del 94,44% de las fallas


Se puede ver que la distribucin normal es simtrica, por lo tanto, la media, la
mediana y la moda coinciden. Adems la fdp normal no posee un parmetro que
caracterice a la forma, por esta razn la forma que posee de campana no cambia.
El parmetro de escala de una fdp normal est dado por la desviacin
estndar, ; a medida que este valor se incrementa, la fdp se desparrama del valor
medio, se ensancha y su pico disminuye. Por el contrario, si el valor de disminuye, el
pico de la campana se vuelve ms alto y adems se angosta. (Fig. 2). Geomtricamente,
la desviacin estndar, es la distancia entre el valor medio y el punto de inflexin de la
fdp.
























Fig. 2: Efecto de dos posibles valores del parmetro en la funcin de distribucin de probabilidades
normal.

0 , 9 5 4 4
t = - 2 t = + 2 t =

80 120
0.00
0.03
0.06
=100
15
=100
5
f
(
t
)
Tiempo (t)

4

La funcin confiabilidad de la ley normal de falla se puede hallar utilizando la
ec. (1),

,
_

1
]
1

t t
ds
s
ds s f t R
2
2
1
exp
2
1
) ( ) (

(5)

Su valor no puede obtenerse a travs de mtodos matemticos conocidos sino va el uso
de tablas.
Usando la funcin de distribucin normal acumulativa tabulada ,

,
_

t
t R 1 ) ( (6)

es decir que, R(t) permite aclarar conceptualmente que para obtener una confiabilidad
alta, el tiempo de operacin debe ser considerablemente menor que , es decir que la
duracin esperada (Fig. 3).





















Fig. 3: Funcin confiabilidad de la ley normal de falla


En muchos casos, es posible que desconozcamos los parmetros que caracterizan
a la fdp normal. A continuacin se presenta un mtodo grfico alternativo para hallarlos.
Para una distribucin normal, la funcin distribucin acumulativa (fda), F(t) se define a
partir de la siguiente expresin,
R(t) = 0.5
t =
R(t)
t

5
F(t)
,
_

t
(7)
Por lo tanto,
t t F

1
)) ( (
1
+

(8)
siendo dt e x
x
t

2
2
2
1
) (

.

Entonces, es posible considerar las siguientes variables que permitirn obtener una ec.
lineal para )) ( (
1
t F

1
)) ( (
1


b a t F y (9)

bt a y + .

Al graficar F(t), es decir, la probabilidad de que ocurra un fallo antes del instante
t en funcin del tiempo, es posible estimar el valor de localizando el punto
correspondiente a t en el cual la F(t) es del 50%. Este hecho es posible gracias a que la
distribucin normal es simtrica, por lo tanto el rea bajo la curva de la fdp desde
hasta es 0,5 al igual que el rea desde hasta . Entonces el valor de coincide
con el punto en el cual la funcin confiabilidad R(t) es del 50%.
Para estimar el valor de , debemos recordar que el rea bajo la fdp representa
el 68,3%, esto es medida desde el valor de hasta - y . (Fig. 4). Por lo tanto la
desviacin estndar se puede obtener a partir de la siguiente expresin,

2
%) 85 , 15 ) ( ( %) 15 , 84 ) ( (

t R t t R t
(10)

a partir del grfico linealizado, conociendo los valores de t en los cuales la lnea
intersecta el 84,15% y el 15,85%.
Este mtodo alternativo para la estimacin de los parmetros caractersticos de
una fdp normal es fcil de aplicar cuando se conocen los tiempos en los cuales fallan
ciertos componentes y sus respectivos porcentajes de falla.
1




6






















Fig. 4: El intervalo de confianza entre el 15,85% y el 84,15% representa el doble de la desviacin
estndar


Otro mtodo que puede utilizarse para estimar los parmetros es el de cuadrados
mnimos, en el cual se utilizan las siguientes ecuaciones (suponiendo que la incerteza de
los valores graficados en el eje de las abscisas son despreciables respecto a los valores
de las incertezas graficados en el eje de las ordenadas):
1

N
x
b
N
y
x b y a
N
i
i
N
i
i

1 1

(11)

,
_

N
i
N
i
i
N
i
N
i
N
i
i i
i i
N
x
x
N
y x
y x
b
i
1
2
1 2
1
1 1

(12)

[ ] ) (
1
i i
t F y

(13)


i i
t x (14)


2
68,3%

7
Los valores de ) (
i
t F se obtienen a partir de tablas que figuran en varios textos de
estadstica.
Finalmente,
b

1
(15)
y
a (16)


La ley normal de falla representa un modelo apropiado para los componentes en
los cuales la falla se debe a algunos efectos de desgaste. Una de las desventajas que
posee la distribucin normal para modelar fenmenos observables en la teora de la
confiabilidad es que existen tiempos de vida que se extienden a , es decir a tiempos
de falla negativos. Sin embargo, si la funcin de distribucin normal posee un valor
medio relativo relativamente alto y una desviacin estndar relativamente pequea, el
tema de discusin para tiempos de falla negativos no presenta ningn problema. En
otras palabras, la funcin normal, tiende rpidamente a cero lejos de su mximo.
Esta distribucin se utiliza, por ejemplo, para modelar los tiempos de vida de los
cartuchos de impresin para computadoras.
1


3. La ley exponencial de falla


Otra de las leyes de falla aplicable al estudio de la confiabilidad de componentes
que no estn afectados todava por problemas de vejez o desgaste es aquella que se
describe a travs de la distribucin exponencial.
Los elementos y dispositivos con funciones primordiales de seguridad, adems
de ser idneos ante unas exigencias del sistema, deben asegurar una correcta respuesta
en el tiempo. Para ello es imprescindible establecer un programa de mantenimiento
preventivo y predictivo que permita mantenerlos en buenas condiciones de uso,
renovndolos antes de que su tasa de fallos sea inaceptable.
Un modelo matemtico para la probabilidad de fallo es definir la variable
aleatoria como el tiempo durante el que el elemento funciona satisfactoriamente antes
de que se produzca la falla. La funcin confiabilidad ser entonces,

8
0 0
) (
1
) (
) ( ) (
N
t N
N
t N
t T P t R
f
i
> (17)

siendo N
i
(t) el nmero de elementos en funcionamiento en el instante t, N
0
el nmero de
elementos en funcionamiento inicial y N
f
(t) el nmero de elementos averiados hasta el
momento t. (Se cumple N
0
= N
f
(t) + N
i
(t)).
Por lo tanto, recurriendo a la ec. (2), y haciendo la analoga con la ec. (17), la
probabilidad de que ocurra un fallo antes del instante t es,

0
) (
) (
N
t N
t F
f
(18)

Suponiendo que un artculo funciona en el instante t y falla durante los
siguientes t ( t > 0), entonces la probabilidad condicional de que se produzca una
avera entre el momento t y t+ t puede escribirse de la siguiente manera,

t t
t R
t t R t R
t R
t F t t F
t T t T t P
+

+
> + ) (
) (
) ( ) (
) (
) ( ) (
) t ( (19)

siendo ) (t , la tasa de fallos.

De la ec. (19) es posible hallar el valor de la funcin confiabilidad,


,
_

t
dt t t R
0
) ( exp ) ( (20)

Recurriendo a la ec. (1), la funcin densidad de probabilidad, es decir, la
probabilidad de que un dispositivo tenga una falla entre los instantes t y t + dt es


dt
t dR
t f
) (
) ( (21)

Analizando las ec. (19) y (21), se cumple que la probabilidad de producirse una avera
en un elemento entre t y t + dt es igual a la probabilidad de que funcione hasta t por la
probabilidad de que falle entre t y t + dt:

dt t t R t f ) ( ) ( ) ( (22)


9
En la Figura 5 se puede observar la representacin grfica de los parmetros
caractersticos de la distribucin exponencial ms general:
2





















Fig. 5: Representacin grfica general de los parmetros de confiabilidad.


Analizando cuidadosamente la representacin de la curva tpica de la evolucin
de la tasa de fallos dependiente del tiempo (Fig. 6), tambin conocida como curva
baera, se pueden distinguir tres etapas.
2
La primera corresponde a los fallos iniciales
(la mortalidad infantil de las estadsticas demogrficas) que se manifiestan
prematuramente y se caracteriza por una tasa decreciente, corresponde, generalmente, a
la existencia de dispositivos defectuosos o instalados indebidamente con una tasa de
fallos superior a la normal. La segunda etapa (la edad adulta) representa los fallos
normales y se presentan de forma aleatoria; su tasa es constante en el tiempo de vida del
componente. La tercera y ltima etapa (la vejez) se atribuye a los fallos por desgaste
donde se ha superado la vida prevista del componente; en este caso la tasa se caracteriza
por un aumento significativo debido a la degradacin. Este modelo, con algunas
variantes, es vlido para la mayora de los componentes de un sistema tecnolgico. Las
fallas iniciales pueden eliminarse mediante pruebas previas a la operacin, mientras que
una poltica adecuada de reemplazos permite reducir las producidas al fin de la vida til.
(t)
F (t)
(t)
F(t)
R(t)
R(t)

10
La mayora de las evaluaciones de confiabilidad se refieren al perodo en que
prevalecen las fallas aleatorias.



















Fig. 6: Curva tpica de evolucin de la tasa de fallos.



El caso ms sencillo para describir la ley exponencial es suponer que la tasa de
fallas es constante, es decir que despus de un tiempo de uso del artculo, la
probabilidad de que falle no ha cambiado, hecho que se puede expresar a travs de la
siguiente funcin: Z(t)= . En este modelo, claramente se est despreciando el efecto de
desgaste. La fdp asociada con el tiempo de fallo T est dada por

0 , 0 ) ( > >



t e t f
t
(23)

En este caso particular, la distribucin slo requiere el conocimiento de un parmetro, la
tasa de fallas . Algunas de las caractersticas de la distribucin exponencial de un
parmetro son:
3
A medida que disminuye en valor, la distribucin se extiende hacia el lado
derecho y por el contrario, a medida que aumenta en valor, la distribucin se
acerca al origen. (Fig. 7)
El parmetro de escala es

m
1
(siendo la desviacin estndar). Entonces, la
confiabilidad para un tiempo de duracin m t es siempre igual a 0,3679 o lo que
(t)
x 10
-5
11
es lo mismo a un 36,8%. Esto es as pues 368 , 0 ) (
1
1

e e e t R
t

. Este
hecho implica que la confiabilidad es relativamente baja pues slo el 36,8% de, por
ejemplo, componentes en estudio, sobrevivirn.
La distribucin no tiene parmetro de forma pues tiene una nica forma, la
exponencial; por lo tanto el nico parmetro es la tasa de fallas.
La distribucin comienza en t = 0, donde ) 0 (t f ; a partir de all, decrece
exponencialmente y montonamente a medida que t se incrementa. Adems es
convexa.
Cuando t tiende a infinito, la funcin distribucin de probabilidades tiende a cero, en
consecuencia tambin tiende a cero la funcin confiabilidad R(t).



























Fig. 7: Efecto de los posibles valores tomados por el parmetro en la funcin distribucin de
probabilidad exponencial.


Si f tiene la forma expresada en la ec. (23),

R(t) =1-F(t) =
t
e


) (
) (
) (
t R
t f
t Z (24)
0 100 200 300 400
0.000
0.002
0.004
0.006
0.008
0.010
= 0,005
= 0,01
f
(
t
)
Tiempo (t)

12

La confiabilidad R(t) representa, en este caso, la probabilidad de que el dispositivo,
caracterizado por una tasa de fallos constante, no se avere durante el tiempo de
funcionamiento t. Es importante destacar que la frmula (24) se aplica a todos los
elementos que han sufrido un uso adecuado que permita excluir los fallos iniciales
caractersticos de la tasa de fallos. Adems, aplicando la funcin de probabilidad
condicional expresada en la ec. (19), se observa que la misma es independiente de t y
slo depende de t , es decir que el artculo en cuestin podr ser considerado como si
fuera nuevo mientras perdure su funcionamiento.
Finalmente, es posible concluir que si T es una variable aleatoria continua que
toma todos los valores no negativos, le corresponde una distribucin exponencial si y
slo si tiene una tasa constante de fallas.
Este modelo es aplicable, por ejemplo, a lmparas que pueden considerarse que
funcionan como si fueran nuevas mientras funcionen y no se queme su resistencia.
Las grficas caractersticas de los parmetros de este caso particular de la ley
exponencial de falla son
4















Fig. 8: grficas caractersticas de los parmetros de un caso particular de la ley exponencial de falla.


A partir de la representacin grfica de R(t), tambin conocida como curva de
supervivencia, es posible definir el tiempo medio hasta un fallo. Matemticamente
se recurre a un clculo estadstico para obtener una expectativa de este tiempo a partir
de la siguiente expresin:

f

(
t
)
t

F
(
t
)
t

R
(
t
)
t
13
m dt t f t T T E

1
) ( ) (
0
(25)

siendo T el tiempo que se espera que transcurra hasta un fallo y m el parmetro que
describe completamente la confiabilidad de un dispositivo sujeto a fallos de tipo
aleatorio.
Se observa, entonces que el tiempo medio y la tasa de fallos son recprocos, es decir que
uno es el inverso del otro. Esto slo es cierto para una distribucin exponencial pues la
mayora del resto de las distribuciones no tiene una tasa de fallo constante. Entonces,
) / exp( ) ( m t t R proporciona la probabilidad de supervivencia del dispositivo para
cualquier intervalo de tiempo comprendido dentro del mbito de la vida til del mismo.
En el caso en que t = m/100, la confiabilidad es R = 0,99, es decir que funcionan 99
dispositivos y falla slo 1.
Por lo tanto, la calidad de funcionamiento de un cierto elemento vendr dada por el
tiempo que se espera que dicho elemento funcione de manera satisfactoria.
A partir de la teora previamente expuesta, es posible, calcular para un conjunto
de dispositivos, por ejemplo vlvulas, la tasa de fallos anual conociendo el nmero de
elementos totales y aquellas que fallaron, tambin es posible conocer la probabilidad
que tiene una de las vlvulas de que falle antes de un determinado tiempo, es decir, F(t)
o bien calcular la probabilidad de que la vlvula est en funcionamiento al cabo de un
determinado tiempo, por ende debo hallar R(t). Otro parmetro posible de calcular es la
probabilidad de que el tiempo de vida de la vlvula est comprendido entre dos tiempos
distintos, para ello debo obtener la diferencia entre la probabilidad de que falle antes de
uno de esos dos tiempos y el otro, es decir la diferencia de las confiabilidades de ambos
perodos de tiempo. Por ltimo se puede determinar un intervalo de vida con cierto nivel
de confianza dado.
Otra ventaja que proporciona esta ley de fallas exponencial es que es posible
estimar el tiempo de operacin de un artculo o sistema conociendo el parmetro e
imponiendo R(t). Entonces dicho artculo ser tan bueno como si fuera nuevo durante
ese tiempo o edad para funcionar, independientemente de su historia previa. A esta
propiedad caracterstica de la funcin exponencial se la suele llamar prdida de
memoria. Fenmeno que no ocurra para le ley normal.
Es importante destacar tambin que la confiabilidad de un dispositivo cualquiera
es constante para perodos de utilizacin iguales si se eliminan los fallos iniciales, si el
14
dispositivo ha sobrevivido al funcionamiento durante los perodos anteriores al
considerado y si no se supera el lmite de vida til, ms all del cual la confiabilidad
disminuye con mayor rapidez pues la tasa de fallos deja de ser constante y empieza a
crecer significativamente.
Supongamos ahora que la falla ocurre debido a factores externos aleatorios, por
ejemplo una subida de tensin o a factores internos como una desintegracin qumica, el
tiempo de espera en una consulta sin cita previa o la vida de los vasos de vidrio en un
bar. La ley de fallas exponencial puede mejorarse a travs de la distribucin de Poisson,
es decir, para cualquier t fija, la variable aleatoria X
t
tiene una distribucin de Poisson
con parmetro t . Para ello se supone que X
t
es el nmero de accidentes que ocurren en
un intervalo de tiempo t>0. Se considera que la falla en dicho intervalo se produce si
solo si al menos ocurre un accidente. Si T es la variable aleatoria que representa el
tiempo para que ocurra la falla, entonces
4

F(t) = P(T t )=1-P(T>t) (26)

Entonces, T> t si ningn accidente ocurre en [ 0, t ] y esto sucede si y slo si X
t
= 0 .
Por lo tanto,

F(t) =1-P(X
t
= 0) = 1-
t
e

(27)

que representa la fda de una ley exponencial de falla; fsicamente la causa de las fallas
implica una ley exponencial de falla.
Si cada vez que aparece un accidente hay una probabilidad constante p de que ste no
produzca fallas, entonces:

( ) ( )
( )
t p p t t
k
k
t
t
t t
e e e
k
p t
e
p
e
t p e t e t F
) 1 (
0
2 2
1 1
!
1
...
! 2
1 ) (

1
]
1

+ + +

(28)

Por lo tanto, T tiene una ley exponencial de fallas con parmetro ) 1 ( p

A continuacin se presenta una alternativa para estimar el parmetro de la
distribucin exponencial.
3
El mtodo consiste en linealizar la funcin de distribucin de
probabilidad, para ello se recurre a la expresin de la funcin densidad acumulativa
F(t),
15

t
e t F

1 ) ( (29)

Luego se toma el logaritmo natural a ambos miembros,

[ ] t t F y ) ( 1 ln (30)

y finalmente la ecuacin lineal es t b y , siendo b . (31)

Supongamos un caso particular en el cual se desea estudiar, por ejemplo, el test
de vida de ciertos componentes a travs de la estimacin del parmetro caracterstico de
la distribucin exponencial. Entonces, conociendo los tiempos en los que se analizan los
elementos que sobrevivieron y sus respectivos porcentajes, es decir su respectiva
funcin confiabilidad, es posible graficar R(t). Lo primero que se observa es que los
puntos describen una recta cuya pendiente es negativa. Luego, la recta que mejor
aproxima a la distribucin de esos puntos puede trazarse usando el mtodo de cuadrados
mnimos. El valor del tiempo que corresponde a la interseccin de la recta con el valor
de confiabilidad 36,8% es precisamente el tiempo medio hasta un fallo, es decir m o lo
que es lo mismo, el recproco de la tasa de falla . Finalmente, a partir de un clculo
sencillo es posible obtener el valor del parmetro buscado .
Para la utilizacin del mtodo de cuadrados mnimos supondremos despreciable
la incerteza de la variable tiempo respecto a la variable R(t). Entonces es necesario
ajustar la funcin lineal terica por el conjunto de puntos distribuidos en la
representacin grfica tal que la suma de los cuadrados de las desviaciones verticales de
los puntos hasta la recta sean mnimas. A continuacin se presentan las ec. a ser usadas
para dicho mtodo,

N
i
i
N
i
i i
x
y x
b
a
1
2
1

0
(32)

En este caso, las ecuaciones para y
i
y para x
i
son,


[ ]
i i
i i
t x
t F y

) ( 1 ln
(33)

Una vez que a y b

son obtenidas es fcil hallar a partir de la ec. (31).

16
Tambin es posible obtener el parmetro a partir del estimador de mxima
verosimilitud para la distribucin exponencial, es decir que, teniendo la funcin de
verosimilitud de la muestra se puede encontrar el valor del parmetro que maximice
dicha funcin. Para el caso de la distribucin exponencial, la funcin de verosimilitud L
es

n
i
i
i
t
n
n
i
t
n
e e t t L
1
1
1
) , ....... (

(34)

utilizando la propiedad de que el logaritmo neperiano es una funcin creciente y
montona, es lo mismo maximizar L que el ln(L), entonces L es mxima si


t
t
n L
n
i
i
1

) ln(
0
0

(35)


El modelo de la distribucin exponencial en la teora de fallas es aplicable a un
nmero considerable de ejemplos en los cuales se asuma el concepto bsico de tasa de
fallos constante, en los cuales se desprecia el desgaste del artculo en cuestin producido
en el tiempo. Esta propiedad simplifica considerablemente el anlisis, sin embargo, por
otro lado limita el uso de este modelo hacindolo inapropiado para la mayora de las
aplicaciones posibles en el mundo real pues existe evidencia suficiente e irrefutable
que la tasa de fallo de los productos, en general, no es constante. Un ejemplo que aclara
bastante este hecho es el caso de los autos. Los modelos nuevos poseen un precio
considerablemente superior comparado con aquellos modelos ms antiguos en los
cuales el rendimiento de los mismos afectan significativamente el precio de venta, por
lo tanto la tasa de fallo no es constante en el tiempo y la confiabilidad se ve afectada por
esta razn. Lo mismo ocurre con los componentes electrnicos que se degradan con el
tiempo.
A pesar de estas limitaciones, la contribucin en la teora de fallas de la
distribucin exponencial todava tiene valor en el anlisis de confianza para
determinados casos, no es posible subestimarla; incluso se utiliza en la evaluacin
probabilstica de seguridad de centrales nucleares para estudiar la confiabilidad de los
sistemas o subsistemas que las componen.
5
En la actualidad se requiere del uso de mtodos de anlisis ms sofisticados que
modelen y reflejen de una mejor manera las condiciones del mundo real. Tales
17
modelos han sido descubiertos y son acompaados de una alta tecnologa
computacional compleja y de formulaciones matemticas de alto nivel.


4. La ley de fallas de Weibull


La distribucin estadstica de Weibull es aplicable al estudio de la confiabilidad
en problemas relativos a la fatiga y vida de componentes y materiales. Se caracteriza
por considerar la tasa de fallas variable y es de la forma:

1
) (

,
_

,
_

t
t Z (36)

donde T es la duracin de un artculo, es el parmetro de escala y el parmetro de
perfil, ambas son constantes positivas. determina la forma de la funcin de
distribucin y de la tasa de fallas.
Se puede ver que Z(t) (Fig.9), llamada tambin funcin de riesgo, no es una
constante sino que es proporcional a las potencias de t. Ser una funcin constante
cuando 1 , creciente si 1 > , es decir que al aumentar t la proporcin de artculos
defectuosos aumenta en forma continua, lo que indica que los desgastes empiezan en el
momento en que el mecanismo se pone en funcionamiento; o decreciente si 1 0 < < ,
es decir que al aumentar t la proporcin de artculos defectuosos disminuye sin llegar a
cero, por lo que se puede suponer que corresponde a la etapa de juventud del
componente con un margen de seguridad bajo, dando lugar a fallos por tensin de
rotura.










Fig. 9: Grfica de la funcin de riesgo en funcin del tiempo para distintos valores de .
Z es constante
= 1
Z
(
t
)
t
Z creciente
>1
Z
(
t
)
t
Z es decreciente
0 < < 1
Z
(
t
)
t

18
Se puede observar como la forma de la funcin distribucin de probabilidades
vara segn los valores de (Fig. 10). A medida que crece, la distribucin se hace
ms localizada y a medida que tiende a infinito, la distribucin tiene el
comportamiento de una delta de Dirac.
6
Si la fdp de T tiene la siguiente forma,

,
_

,
_

,
_

t
e
t
t f
1
) ( (37)

se dice que la variable aleatoria tiene una distribucin de Weibull.





















Fig. 10: Efecto del parmetro de forma de Weibull ) ( en la distribucin de probabilidades.


A partir de la Fig. 10 se observa que,
7

Para 1 0 < < :
A medida que t tiende a cero, la fdp tiende a infinito.
Cuando t tiende a infinito, la fdp tiende a cero.
f(t) decrece montonamente y es convexa a medida que t aumenta.

Para 1 > :
f(t) = 0 cuando t =0.
Para 6 , 2 < la fdp de Weibull es asimtrica y posee una cola hacia la derecha.
= 0,5
= 3
= 2
= 1
f

(
t
)

t
19
Para 7 , 3 6 , 2 < < la cola desaparece y la forma de la distribucin se asemeja la una
fdp normal.
Para 7 , 3 > , f(t) se vuelve nuevamente asimtrica y aparece una cola en el lado
izquierdo.

Para 1 :
Se puede ver que la distribucin exponencial es un caso particular de la distribucin
de Weibull, por lo tanto la propiedad mencionada en la ley de fallas exponencial de
falta de memoria es equivalente a la hiptesis de tasa constante.

Para el caso de que tienda a cero la f(t) tiende a la inversa de t.

Es importante destacar el cambio abrupto que se produce al pasar de 999 , 0
donde f(0) tiende a infinito a 001 , 1 para el cual f(0) es cero. Este hecho complica la
estimacin del valor de al acercarse a la unidad.
Al cambiar el valor del parmetro de escala de la fdp, cambia la escala de las
abscisas. Manteniendo constante el parmetro de forma se observa en la Figura 11
cmo al aumentar decrece el pico de f(t), mientras el rea de la curva se mantiene
constante e igual a uno.


















Fig. 11: Efecto del cambio en los valores del parmetro de escala sobre la pdf de Weibull.
= 3
= 200
= 3
= 100
= 3
= 50
f
(
t
)
t
20
La funcin confiabilidad R(t) es una funcin decreciente de t:

,
_

t
e t R ) ( (38)


Si la variable aleatoria T tiene una distribucin de Weibull, la esperanza y la
varianza estn dadas por:

'

,
_

,
_

,
_

1 1 2
2 ) (
1
1
) (
2
2
T V
t T E
(39)

Notar que cuando 1 , el valor medio de t coincide con pues 1 ) 2 ( .
es la funcin gamma y se define a partir de la siguiente expresin,

dx x e
x 1
) (

(40)

Finalmente, la desviacin estndar es

2
1
1
1
2

,
_

,
_

+

(41)

Una forma posible de estimar los parmetros y pertenecientes a la
distribucin de Weibull es a travs de una resolucin grfica. Este procedimiento exige
varios pasos y una o dos iteraciones, es relativamente directo y requiere de lgebra
sencilla.
Este mtodo utiliza un papel a escala funcional llamado papel de Weibull o grfico de
Allen Plait.
8
En el eje de ordenadas se tiene la linealizacin de la funcin distribucin
acumulativa,

,
_

t
e t F 1 ) ( (42)

es decir,

ln ln
) ( 1
1
ln ln

'

1
]
1

t
t F
y (43)
21

y en el eje de abscisas se coloca el t ln .
Entonces, cualquier grupo de datos que sigan la distribucin de Weibull se puede
representar por una lnea recta siendo bx a y + con


( )

b
a ln
(44)

Ahora se recurre al papel de Weibull para hallar los parmetros y . Para calcular ,
es decir, el parmetro de forma que representa la pendiente de la recta, se hace pasar una
recta paralela a la recta obtenida con la representacin grfica de los datos por el punto
1 de abscisas y 63,2 de ordenadas pudiendo leer directamente el valor de en una
escala tabulada de 0 a 7. (Fig. 12).
Para calcular , es decir el parmetro de escala, basta con encontrar la
interseccin de la recta trazada con la lnea paralela al eje de abscisas correspondiente al
63,2% de fallos acumulados. De esta manera se halla el valor de t correspondiente a la
estimacin de . Esto es as pues F(t) =1- 632 , 0 1
1

,
_

e e

.
























Fig. 12: Lectura de los parmetros y en el papel de Weibull
=2000

=1,5

22


Otra alternativa posible es plantear el mtodo de mxima verosimilitud, siendo
la funcin verosimilitud de la ley de Weibull

N
t
t f L
1
) , , ( ) , ( (45)

con N el tamao de la muestra de una variable aleatoria T.
Los estimadores se obtienen a partir de la maximizacin de la funcin
verosimilitud, o lo que es lo mismo, a partir del logaritmo neperiano de dicha funcin,
entonces, se deben cumplir simultneamente las siguientes igualdades


0
ln
0
ln

L
L
(46)

Sin embargo, el sistema de ecuaciones que se obtiene a partir de tales igualdades no
permite estimar los parmetros analticamente. Adems, los estimadores que se obtienen
mediante el mtodo de mxima verosimilitud son sesgados. Un mtodo numrico que
permite encontrar el factor de insesgo para

y para la varianza se puede encontrar en

el trabajo de Barone V., Calabrese P., Peralta J. E., Estimadores de Mxima
Verosimilitud para los parmetros de la distribucin de Weibull, "Monografas sobre
Teora de Errores y Tratamiento de Datos Experimentales (1995)", pg. 177-196.
En consecuencia, para poder hallar los estimadores de los parmetros de Weibull
se debe recurrir a mtodos numricos, como por ejemplo una simulacin Monte Carlo, o
bien proponer mtodos alternativos.
6
Una aproximacin que se puede realizar frente a este inconveniente es
considerar la propiedad asinttica de los estimados de mxima verosimilitud, que
asigna, para un tamao de muestra lo suficientemente grande, al estimador como
variable aleatoria una distribucin normal. Es decir que nos permite aproximar el
comportamiento probabilstico del estimador.

Una de las posibles aplicaciones de la distribucin de Weibull ha sido el estudio
de las variaciones de los vientos de un determinado sitio.
9
Dicho anlisis ha sido de gran
utilidad para los diseadores de turbinas quienes utilizaron dichos resultados con el fin
23
de minimizar los costos. Se debe tener en cuenta, sin embargo, que la velocidad del
viento vara segn el lugar donde se realicen las mediciones, depende, adems, de las
condiciones locales del clima, del terreno y de su superficie; por lo tanto, la distribucin
de Weibull variar no slo en forma sino tambin en valor medio.
Esta funcin tambin se ha usado en las Ciencias Biolgicas para estudiar
supervivencia a las bacteriemias y al cncer gstrico.
10



5. Confiabilidad de los sistemas


Se presentan a continuacin las dos maneras ms sencillas de combinar unidades
individuales en un sistema y el tratamiento de sus respectivas confiabilidades.
4

Para que un sistema de n componentes independientes acoplados en serie funcione,
todos los componentes deben funcionar. Por lo tanto si uno falla, el sistema no funciona.
En consecuencia, la confiabilidad del sistema es menor que la confiabilidad de
cualquiera de sus componentes, siendo la funcin de confiabilidad del sistema
completo,

n
i
i n
t R t R t R t R t R
1
2 1
) ( ) ( )........ ( ) ( ) ( (48)

En el caso de que los componentes estn conectados en paralelo, el sistema deja
de funcionar slo si todos los componentes dejan de funcionar; suponiendo que los
componentes funcionan independientemente.
La confiabilidad de este sistema ser mayor que cualquiera de los componentes
siendo la funcin de confiabilidad del sistema completo,

R(t)=1-[1-R
1
(t)] [1-R
2
(t)] [1-R
n
(t)]=

n
i
i
t R
1
)) ( 1 ( 1 (49)

Por la sencilla razn de que el acoplamiento en paralelo aumenta la confiabilidad
del sistema es de uso ms frecuente una operacin en paralelo.

Es posible definir una nueva variable denominada factor de seguridad, que
fsicamente representa la relacin entre la resistencia de una estructura y la fuerza
aplicada a la misma. Si el cociente es menor a 1, la estructura fallar.

24
6. Discusin y Conclusiones

La teora de la confiabilidad trata sobre la eficiencia de los sistemas
tecnolgicos, designndole a cada uno de ellos una funcin probabilidad que permita
discernir si el sistema cumple satisfactoriamente con la funcin para la que fue diseado
durante determinado perodo y en condiciones especificadas de operacin. En especial
dicha teora se ocupa de las fallas de los sistemas sin indagar las causas de los mismos
ni la frecuencia con que ocurren. No es una teora fsica, sino una teora estadstica. En
sntesis, permite predecir acerca del tiempo de vida de un conjunto de productos a travs
de un ajuste de una funcin distribucin estadstica. La confianza y la probabilidad de
falla para un tiempo especfico de tales productos son caractersticas que son posibles
de estimar a partir del anlisis detallado de las grficas obtenidas en cada caso en
particular.
En instalaciones en las que se pueden generar accidentes de graves
consecuencias, se hace imprescindible conocer la probabilidad de que stos acontezcan
durante la vida del sistema. Es obligatorio, entonces, la aplicacin de tcnicas de
cuantificacin del riesgo que recurren a modelos probabilsticos para establecer medidas
preventivas. Por esta razn los estudios de confiabilidad resultan ser cada vez ms
relevantes.
Las tres leyes de fallas especificadas en este trabajo son slo algunos de los
modelos que se utilizan en el estudio de las caractersticas de falla en componentes o en
sistemas de componentes.
La ley de fallas normal permite, a travs del mtodo ms confiable de estimacin
de parmetros, el de mxima verosimilitud, obtener expresiones analticas para los
estimadores incgnitas. Existen dos razones de peso por las cuales este es el mtodo
ms usado en la actualidad, la primera es porque es relativamente fcil de implementar,
requiere poco esfuerzo computacional y porque adems es poco sensible a la dispersin
de los datos.
6
Por otro lado, la distribucin de Weibull es la ley de fallas ms utilizada pues
describe ampliamente y en gran cantidad los fenmenos del mundo real a la hora de
analizar una gran variedad de funciones de confiabilidad de dispositivos o sistemas, sin
embargo sus parmetros caractersticos no pueden ser obtenidos a partir del mtodo de
mxima verosimilitud pues resultan sesgados. En su lugar se puede utilizar la resolucin
grfica.
25
La pregunta que surge, en general, a la hora de la implementacin de la teora de
fallas es cul es la distribucin ptima que modela el problema a tratar.
Lamentablemente no existe un recetario en el cual nos podamos apoyar para garantizar
la repuesta correcta a dicha pregunta. Por lo tanto, algunas propiedades del sistema en
estudio son las que permitirn aproximarse a la resolucin del problema planteado. Por
ejemplo si los efectos de desgaste en el tiempo pueden ser considerados despreciables,
es coherente que supongamos que la ley de falla exponencial ser la ms apropiada. Si
en cambio, el sistema se caracteriza por tener una simetra alrededor de un parmetro
fijo, es de esperar que la distribucin que mejor ajuste ser la normal o bien una de
Weibull con 7 , 3 6 , 2 < < .
La distribucin de Weibull complementa a la distribucin exponencial y a la
normal, que son casos particulares de ella.
Una vez encontrada la distribucin de fallas asignada al sistema, uno podra
preguntarse si es consistente, es decir si dicha ley sigue el sistema, para ello se debe
pasar por un test de hiptesis, que garantizar dicha consistencia; en caso de contrario,
deber aumentar el nmero de datos, cambiar el histograma o bien cambiar la funcin.
En este trabajo se han planteado tres mtodos alternativos para la estimacin de
los respectivos parmetros de las distintas distribuciones, el mtodo grfico, el de
cuadrados mnimos y el mtodo de mxima verosimilitud. El mtodo grfico permite la
estimacin del parmetro de forma y del parmetro de escala de la distribucin de
probabilidad. Las ventajas de este mtodo estn basadas en dos conceptos, la linealidad
del grfico de probabilidad que es un parmetro que permite garantizar la buena
eleccin de la distribucin elegida y el coeficiente de correlacin entre los puntos
experimentales y la curva terica que es un indicador de tal linealidad. Esta tcnica es
de fcil implementacin para una gran variedad de distribuciones que poseen un nico
parmetro de forma. Este hecho tambin es, por otro lado la limitacin o desventaja que
posee este mtodo.
El mtodo de mxima verosimilitud tiene grandes ventajas cuando el tamao de la
muestra es muy grande pues posee propiedades matemticas ptimas como la obtencin
de estimadores convergentes, insesgados, con esperanza definida y de varianza mnima,
por lo tanto, el intervalo de confianza de todos los estimadores es el ms angosto
posible. Adems existe gran cantidad de software disponible en el mercado que provee
excelentes algoritmos para obtener estimadores a partir del mtodo de mxima
verosimilitud con las distribuciones ms usadas. Por otro lado, las desventajas de este
26
mtodo radican en que segn sea la cantidad de parmetros a estimar, dependiendo de la
distribucin elegida, la matemtica no es, en general, trivial, ms an si se imponen los
intervalos de confianza a obtener. La estimacin numrica tampoco es trivial y el
mtodo puede ser sensible a la eleccin de los valores iniciales.
El mtodo de cuadrados mnimos provee una alternativa al mtodo de mxima
verosimilitud y tambin es de fcil acceso a travs de software especializados en
estadstica, en los cuales se incluyen tambin ajustes no lineales y proporcionan una
amplia variedad de funciones de distribucin de probabilidades a eleccin. Las
desventajas son, por un lado, que no contempla las propiedades ptimas deseadas para
un estimador mencionadas en el mtodo de mxima verosimilitud y por otro lado, el
mtodo es sensible a la eleccin de los valores iniciales elegidos.

Referencias
1
http://www.weibull.com/LifeDataWeb/the_ normal_distribution.htm
2
Tamborero, J., Fiabilidad de componentes: La distribucin exponencial.
3
http://www.weibull.com/LifeDataWeb/exponential_ probability_density_function.htm
4
Paul L. Meyer, Probabilidad y Aplicaciones Estadsticas, cap. 11, addison-Wesley Iberoamericana.
5
Felizia, E. Centrales Nucleares, La Evaluacin Probabilstica, CienciaHoy, Vol. 5, N35, 1996.
6
Barone V., Calabrese P., Peralta J. E., Estimadores de Mxima Verosimilitud para los parmetros de la
distribucin de Weibull, "Monografas sobre Teora de Errores y Tratamiento de Datos
Experimentales (1995)", pg. 177-196.
7
http://www.weibull.com/LifeDataWeb/characteristics_of_the_weibull_distribution.htm
8
Tamborero J., Fiabilidad: La distribucin de Weibull
9
http://www.windpower.org/en/tour/wres/weibull.htmribing
10
Marubini E, Bonfanti G, Bozzetti F, et al. A prognostic score for patients resected for gastric cancer.
Eur J Cancer 29A: 845-850. (1993).