TECSUP

Herramientas para la Confiabilidad

UNIDAD II
Datos y Tipos de datos
Los modelos estadsticos se basan en los datos para hacer las predicciones. En nuestro caso, los modelos son las distribuciones estadsticas y los datos son los tiempos de vida o datos del tiempo para la falla del producto. La exactitud de cualquier prediccin es directamente proporcional a la calidad, la exactitud y la integridad de los datos proporcionados. Datos buenos, junto con la seleccin apropiada del modelo, normalmente resulta en una buena prediccin.
[nota: Al usar el anlisis de datos de vida (as como la estadstica), uno debe ser muy cauto al calificar los datos. Lo primero que debe satisfacerse y que est por encima de toda asuncin es que los datos, o la muestra, sean verdaderamente representativos de la poblacin de inters. Ms anlisis estadstico asume que los datos son obtenidos de la poblacin de inters, al azar. Por ejemplo, si nuestro trabajo fuera estimar la vida media de un ser humano, esperaramos que la muestra tenga la misma composicin que la poblacin general, es decir debe tener un nmero igual de hombres y mujeres, un porcentaje representativo de fumadores y personas que no fuman, etc., Si en este caso usramos una muestra de diez fumadores masculinos, se tergiversara el anlisis resultante y la prediccin sera inexacta. Debe satisfacerse en todos los anlisis, que la asuncin que la muestra sea verdaderamente representativa de la poblacin y que la prueba o las condiciones de uso sean verdaderamente representativas de las condiciones de uso en el campo].

Datos errneos o insuficientes, casi siempre producirn predicciones errneas. (nota: Esto cumple completamente con el dicho: Entra basura, sale basura). En el anlisis de datos de vida, queremos usar todos los datos disponibles que a veces estn incompletos o incluyen incertidumbre acerca de cuando ocurre una falla. Para lograr esto, separamos los datos de vida en dos categoras: completos (est disponible toda la informacin) o censurados (alguna informacin no est). Este captulo detalla los mtodos de clasificacin de datos.

2.1 Clasificacin de los datos La mayora de datos de vida, son lo que denominamos como del tipo datos completos. Datos completos significa que el valor de cada unidad de la muestra se observa o se conoce. En muchos casos, el dato de vida contiene la incertidumbre acerca de cuando exactamente ocurri el evento (es decir cuando fall la unidad). Datos que contienen tal incertidumbre as como cuando sucedi el evento se denominan como datos censurados.

29

Herramientas para la Confiabilidad

TECSUP

2.1.1 Datos completos Datos completos significa que el valor de cada unidad de la muestra se observa o se conoce. Por ejemplo, si tuviramos que computar el valor promedio de la nota para una muestra de diez estudiantes, datos completos consistira en tener las notas que cada estudiante. Igualmente en el caso de anlisis de datos de vida, el conjunto de datos (si son completos) se compondra del tiempo para la falla de todas las unidades de la muestra. Por ejemplo, si probramos cinco unidades y todas fallaron (y su tiempo de falla fue registrado), tendramos la informacin completa acerca del tiempo de cada falla en la muestra.

Unidad 1 Unidad 2 Unidad 3 Unidad 4

X X
Fall

Fall

X X X
Tiempo Fall Fall

Fall

Unidad 5

Figura 2.1 Datos completos Los datos completos son mucho ms fciles de trabajar que con los datos censurados. Por ejemplo, sera mucho ms difcil calcular el promedio de las notas de los estudiantes si el conjunto de datos no estuviera completo, es decir el promedio de las notas 30, 80, 60, 90, 95, tres notas mayor que 50, una menor de 70 y una nota que est entre 60 y 80. (nota: = 70.8 para este conjunto de datos.)

2.1.2 Datos censurados En muchos casos cuando se analizan los datos de vida, puede ser que todas las unidades en la muestra no hayan fallado (es decir el evento de inters no fue observado) o no se conoce el tiempo exacto para la falla de todas las unidades. Este tipo de datos se llama datos censurados. Hay tres tipos de posibles esquemas de censura, censura a la derecha (tambin llamado datos suspendidos), cesura en el intervalo y censura a la izquierda.

Censura a la derecha (Suspendido)

30

TECSUP

Herramientas para la Confiabilidad

El caso ms comn de censura es lo que se denomina datos censurados a la derecha, o datos suspendidos. Para el caso de datos de vida, este conjunto de datos est compuesto de unidades que no fallaron. Por ejemplo, si probramos cinco unidades y slo tres fallan al final de la prueba, tendramos datos suspendidos (o datos censurados a la derecha) para las dos unidades que no fallaron. El trmino censura a la derecha implica que el evento de inters (es decir el tiempo para la falla) esta a la derecha del tiempo en el que se analizan los datos. En otras palabras, si las unidades siguieran operando, la falla ocurrir en algn momento despus del momento en que se tomaron los datos (o a la derecha en la escala de tiempo).

Unidad 1 Unidad 2 Unidad 3 Unidad 4

No fall

Fall

Fall No fall

Unidad 5

X
Tiempo

Fall

Figura 2.2 Datos con Censura a la derecha

Censura en intervalo El segundo tipo de censura normalmente se denomina datos censurados en intervalo. Los datos con censura en intervalo reflejan la incertidumbre acerca de los tiempos exactos en que las unidades fallaron dentro de un intervalo. Este tipo de datos frecuentemente viene de pruebas o situaciones dnde los objetos de inters no se supervisan constantemente. Si estamos ejecutando una prueba a cinco unidades y se inspeccionan cada 100 horas, slo sabemos que una unidad fall o no fall entre las inspecciones. Ms especficamente, si inspeccionamos una cierta unidad a 100 horas y encontramos que est operando y luego se realiza otra inspeccin a 200 horas y encontramos que la unidad ya no est trabajando, sabemos que la falla ocurri en el intervalo entre 100 y 200 horas. En otras palabras, la nica informacin que tenemos es que fall en un cierto intervalo de tiempo. Este tipo de datos tambin se denominan datos de inspeccin.

31

Herramientas para la Confiabilidad

TECSUP

Unidad 1 Unidad 2 Unidad 3 Unidad 4

Fall Fall Fall Fall

Unidad 5

Fall

Tiempo

Figura 2.3 Datos Censurados en intervalo

Censura a la izquierda El tercer tipo de censura es similar a la censura en intervalo y se denomina datos censurados a la izquierda. En este tipo de datos, el tiempo de falla slo se conoce antes de un cierto tiempo. Por ejemplo, podemos saber que una cierta unidad fall en algn momento antes de 100 horas pero no exactamente cuando. En otras palabras, podra fallar entre 0 y 100 horas. Esto es idntico a los datos censurados en intervalo, siendo cero el tiempo de inicio para el intervalo.

Unidad 1 Unidad 2 Unidad 3 Unidad 4

Fall

X
Fall

Fall

Fall

Unidad 5

X
Tiempo

Fall

Figura 2.4 Datos con Censura a la izquierda

32

TECSUP

Herramientas para la Confiabilidad

2.1.3 Tipos de datos y el software para anlisis de datos de vida El software le permite usar todos los tipos de datos anteriores en un solo conjunto de datos. En otras palabras, un conjunto de datos puede contener datos completos, datos censurados a la derecha, datos censurados en intervalo y datos censurados a la izquierda. Se presenta una apreciacin global a continuacin. Se ha tomado como ejemplo el software Weibull++7 de Reliasoft (www.reliasoft.com.br). Datos agrupados Todos los tipos de datos previamente mencionados tambin pueden ponerse en grupos. Esto simplemente es una manera de recolectar datos con idnticas fallas o tiempos de censura. Si se pusieran en prueba diez unidades y las primeras cuatro unidades fallan a las 10, 20, 30 y 40 horas respectivamente, y se termina la prueba despus de la cuarta falla, pueden agruparse las ltimas seis unidades como un grupo de seis suspensiones a 40 horas. El software Weibull++7 le permite ingresar todos los tipos de datos como grupos, como se muestra en la figura siguiente.

Dependiendo del mtodo de anlisis escogido, es decir de regresin o de mxima probabilidad, Weibull++ trata de agrupar los datos diferentes. 2.2 Mtodos de Anlisis y Estimacin de Parmetros para Datos Censurados En el captulo 1 discutimos los mtodos de estimacin de parmetros para datos completos. En este capitulo extenderemos ese enfoque incluyendo los mtodos de estimacin para los diferentes tipos de censura. Los mtodos bsicos todava estn basados en los mismos principios cubiertos en el captulo 1, pero modificado para tener en cuenta el hecho que algunos de los datos son censurados. Por ejemplo, asuma que le pidieron que encontrara la media (el promedio) de 10, 20, un valor que est entre 25 y 40, un valor que es mayor que 30 y un valor que es menor que
33

Herramientas para la Confiabilidad

TECSUP

50. En este caso, el mtodo ms comn para determinar el promedio no es aplicable y se necesitar un mtodo especial para manejar los datos censurados en este conjunto de datos. (nota: Asumiendo una distribucin normal y usando MLE en el software Weibull++, la media de este conjunto de datos es 24.563).

2.2.1 Anlisis de datos censurados a la derecha (Suspendidos)

Fundamento Todos los datos disponibles deben ser considerados en el anlisis de datos de tiempos para la falla. Esto incluye el caso cuando una unidad particular en una muestra ha sido removida de la prueba antes de la falla. Un artculo, o unidad que ha sido removida en una prueba de confiabilidad antes de la falla o una unidad que est en el campo y todava est operando en el momento en el que ser determinada la confiabilidad de estas unidades, se llama un artculo suspendido o censurado a la derecha o una observacin censurada a la derecha o un punto de los datos censurados a la derecha. El anlisis de los artculos suspendidos tambin sera considerado cuando: o Necesitamos hacer un anlisis de los resultados disponibles antes de la realizacin de la prueba. o Los modos de falla que estn ocurriendo son diferentes a que aqullos se anticiparon y se retiraron de la prueba. o Necesitamos analizar un solo modo y el conjunto de datos real comprende modos mltiples. o Se considera un anlisis de garanta de todas las unidades en el campo (las que fallan y las que no fallan). Se considera que las unidades no falladas son suspendidas (o censuradas a la derecha).

Ploteo de probabilidad y anlisis del rango de regresin de datos censurados Al usar el ploteo de probabilidad o mtodo de rango de regresin para acomodar el hecho que las unidades en el conjunto de datos no fallaron, o fueron suspendidos, necesitamos ajustar su probabilidad de falla, o de no confiabilidad. Como se discutido en el captulo 1, la estimacin de la no confiabilidad para los datos completos se obtiene usando el enfoque del rango medio. La metodologa siguiente ilustra cmo se computa el rango medio ajustado para evaluar los datos censurados a la derecha. Para ilustrar la metodologa, considere el siguiente ejemplo, donde se prueban cinco artculos resultando tres fallas y dos suspensiones.

34

TECSUP

Herramientas para la Confiabilidad

Posicin del artculo

Estado * FoS

Vida del artculo hr

1 2 3 4 5
* F - Falla, S - Suspendido

F1 S1 F2 S2 F3

5,100 9,500 15,000 22,000 40,000

La metodologa para plotear los artculos suspendidos, involucra ajustar las posiciones del rango y el trazado de los datos basado en las nuevas posiciones, determinados por la ubicacin de las suspensiones. Si consideramos estas cinco unidades, se utilizar la siguiente metodologa: El primer artculo debe ser la primera falla; por ello se le asigna el orden de falla j = 1. El nmero de orden real (o posicin) de la segunda falla, F2, est en duda. Podra estar en posicin 2 o en posicin 3. S1 no ha sido retirado de la prueba a las 9,500 horas y podra operar exitosamente ms de 15,000 horas, poniendo as a F2 en posicin 2. Alternativamente S1 tambin podra fallar antes de las 15,000 horas, poniendo as a F2 en posicin 3. En este caso, el nmero de orden de la falla para F2 ser algn nmero entre 2 y 3. Para determinar este nmero, considere lo siguiente: Podemos encontrar el nmero de maneras que puede ocurrir la segunda falla en cualquier orden, sea el nmero 2 (posicin 2) o el nmero 3 (posicin 3). Las posibles maneras se listan a continuacin: F2 en Posicin 2
1 2 3 4 5 6

F1 F2 S1 S2 F3 o

F1 F2 S2 S1 F3

F1 F2 F3 S1 S2

F1 F2 S1 F3 S2

F1 F2 S2 F3 S1

F1 F2 F3 S2 S1

F2 en Posicin 3
1 2

F1 S1 F2
35

F1 S1 F2

Herramientas para la Confiabilidad

TECSUP

S2 F3

F3 S2

Puede verse que F2 puede estar en la segunda posicin, de seis maneras y en la tercera posicin de dos maneras. La posicin ms probable es el promedio de estas maneras posibles, o el nmero de orden medio (MON), dado por:

Usando la misma lgica para la tercera falla, sta puede localizarse en la posicin nmero 3, 4 y 5 de las posibles maneras listadas a continuacin.

F3 en Posicin 3 1 F1 F2 F3 S1 S2 2 F1 F2 F3 S2 S1 o 1 F1 S1 F2 F3 S2

F3 en Posicin 4 2 F1 F2 S1 F3 S2 3 F1 F2 S2 F3 S1 o 1 F1 S1 F2 S2 F3

F3 en Posicin 5 2 F1 F2 S1 S2 F3 3 F1 F2 S2 S1 F3

Entonces, el nmero de orden medio para la tercera falla, F3 (artculo 5) es:

Una vez que se ha establecido el nmero de orden medio para cada falla, obtenemos las posiciones del rango medio para estas fallas a su nmero de orden medio. Especficamente, obtenemos el rango medio del orden de los nmeros 1, 2.25 y 4.125 de la muestra de 5, como se dada a continuacin.

Calculo de las posiciones para las fallas

(Tamao de la muestra = 5) Nmero de falla MON Posicin del Rango Medio (%)

1: F1 2: F2 3: F3

1 2.25 4.125

13% 36% 71%

36

TECSUP

Herramientas para la Confiabilidad

Una vez que se han obtenido los valores del rango medio, el anlisis de la probabilidad trazada es idntico a lo presentado anteriormente. Como podra haber notado, esta metodologa es bastante laboriosa. Se han desarrollado otras tcnicas y atajos para reestructurar este procedimiento. Ms detalles sobre este mtodo, ver Kececioglu [20].

Deficiencias del Mtodo de rango ajustado Aunque el mtodo de rango ajustado es el mtodo mas utilizado por realizar el anlisis de artculos suspendidos, nos gustara sealar la siguiente limitacin. Como puede haber notado de este anlisis de artculos suspendidos, slo se tiene en cuenta la posicin dnde ocurre la falla, y no el tiempo exacto de la suspensin. Por ejemplo, esta metodologa dar exactamente los mismos resultados para los dos casos siguientes:
Caso 1 Nmero del artculo Estado * FoS Vida del artculo, en hr,

1 2 3 4 5

F1 S1 S2 S3 F2

1,000 1,100 1,200 1,300 10,000

* F - Fall, S - Suspendido.

Caso 2 Nmero del Nmero del Nmero del artculo artculo artculo

1 2 3 4 5

F1 S1 S2 S3 F2

1,000 9,700 9,800 9,900 10,000

* F - Fall, S - Suspendido.

Esta deficiencia es significativa cuando el nmero de fallas es pequeo y el nmero de suspensiones es grande y no estn extendidos uniformemente entre las fallas, como estos datos. En estos casos, se recomienda usar la estimacin de mxima probabilidad (MLE) para estimar los parmetros en lugar de usar el mtodo de los mnimos cuadrados, ya que la mxima probabilidad no mira el
37

Herramientas para la Confiabilidad

TECSUP

rango ni las posiciones de ploteo, sino considera cada tiempo para la falla o suspensin. Para los datos dados sobre los resultados es como sigue: Los parmetros estimados usando el mtodo descrito son los mismo para ambos casos (1 y 2): = 0.81 = 11,417 hr Sin embargo, el resultado con el mtodo MLE para el caso 1 es: = 1.33 = 6,900 hr y para el caso 2 es: = 0.9337 = 21,348 hr Como podemos ver, hay una diferencia apreciable en los resultados de los dos juegos calculados usando el mtodo MLE y los resultados utilizando el mtodo de regresin. Los resultados para ambos casos son idnticos cuando se usa la tcnica de estimacin de regresin, ya que este mtodo considera slo las posiciones de las suspensiones. Los resultados del mtodo MLE son bastante diferentes para los dos casos, teniendo en el segundo caso un valor de ms grande, debido a los valores ms altos de los tiempos de suspensin en el caso 2. Esto es porque la tcnica de mxima probabilidad, a diferencia del rango de regresin, considera los valores de las suspensiones al estimar los parmetros. Esto se ilustra en la seccin siguiente.

38