La rama de la confiabilidad aplicada emergi al final de la dcada de los aos cuarenta (1941-1950) despus de la segunda guerra mundial.

Parte de la metodologa fue desarrollada para estimar el nmero de repuestos necesarios para
mantener equipos electrnicos y mecnicos funcionando en forma intensiva por perodos largos de tiempo durante la guerra(Coppola, 1984) El inicio de la exploracin espacial en los aos cincuenta con satlites, sondas y vehculos tripulados, aumentaron la necesidad de ms desarrollo e implementacin de la metodologa de confiabilidad para componentes y sistemas, (Cohen, 1984). La crisis del petrleo, a principios de la dcada de los setenta, gener un cambio en la economa mundial y marc el inicio del liderazgo japons en la calidad y la confiabilidad de productos y servicios. (Lawless, 1983)

Para informacin adicional sobre la historia de la confiabilidad (Knight, 1991; Villemeur, 1992) y la edicin especial de IEEE Transactions on Reliability (3-SP, (47), Septiembre 1998) en celebracin de los cincuenta aos de la sociedad de confiabilidad de la organizacin IEEE.

Captulo 2 La fiabilidad del sistema y Anlisis de Riesgos Anlisis de fiabilidad 2.1 Sistema Esta introduccin al anlisis de la fiabilidad del sistema se basa en [ 1 ] . Histricamente , parece que la palabra fiabilidad fue acuado por primera vez por el poeta Ingls Samuel T. Coleridge, quien junto con William Wordsworth comenz el movimiento romntico Ingls [ 2 ] : '' l inflige ninguno de esos pequeos dolores y molestias que los hombres irregulares dispersan sobre ellos y que en su conjunto por lo que a menudo se convierten en obstculos formidables tanto a la felicidad y la utilidad , mientras que por el contrario, otorga todos los placeres , e inspira a todos los que la facilidad de mente sobre los que le rodean o relacionados con l, con una consistencia perfecta , y (si tal palabra puede ser enmarcado ) fiabilidad absoluta '' . Estas lneas fueron escritas por Coleridge en el ao 1816, en la alabanza de su amigo

el poeta Robert Southey . De este uso inicial "familiar" , el concepto de fiabilidad se convirti en un valor de atributo dominante de ambas connotaciones cualitativas y cuantitativas. De hecho , slo se necesita una bsqueda en Internet de la palabra "fiabilidad" , por ejemplo , por la popular motor Google , ser abrumado por decenas de millones de citas [ 3 ] . Desde 1816 hasta hoy varios revolucionando social, cultural y tecnolgico se han producido acontecimientos que han despertado la necesidad de un marco racional para el tratamiento cuantitativa de la fiabilidad de los sistemas y plantas de ingeniera y el establecimiento de anlisis de la fiabilidad del sistema , como disciplina cientfica , a partir de mediados de 1950 . El pilar tcnica esencial que ha apoyado el aumento de la fiabilidad del sistema anlisis como disciplina cientfica es la teora de la probabilidad y la estadstica . este la teora se inici para satisfacer el impulso entusiasta de respuestas a los juegos y preguntas de juegos de azar por Blaise Pascal y Pierre de Fermat en el 1600 y ms adelante expandido a otros numerosos problemas prcticos de Laplace en la dcada de 1800 [ 3 , 4 ]. Sin embargo , el desarrollo del anlisis de la fiabilidad del sistema en una disciplina cientfica en s necesitaba un empujn prctico, que lleg en el ao 1900 con el auge de la concepto de produccin en masa para la fabricacin de grandes cantidades de mercancas de partes estandarizadas (produccin rifle en la armera Springfield, 1863 y Ford La produccin de automviles Modelo T de 1913 ). Pero, en realidad , el catalizador de la aparicin real de anlisis de la fiabilidad del sistema fue el tubo de vaco , en concreto el triodo inventada por Lee de Forest en 1906 , que en el inicio de la Segunda Guerra Mundial inici la revolucin electrnica , lo que permite una serie de aplicaciones como la radio, la televisin , el radar , y otros. El tubo de vaco es por muchos reconocieron como el elemento activo que permiti que el Aliados a ganar la denominada "guerra del asistente ' . Al mismo tiempo, tambin fue la principal causa de la falla del equipo : recambios de sondas se requiere cinco veces ms que los todos los dems equipos. Despus de la guerra , esta experiencia con los tubos de vaco se le solicite el Departamento de Defensa de EE.UU. (DoD ) para iniciar una serie de estudios para mirando a estas fallas . Una situacin similar se experiment en el otro lado de la frente de guerra por el Alemanes, donde el ingeniero jefe Lusser , un director de programa de trabajo en Peenemnde en la V1, motiv el anlisis sistemtico de las relaciones entre los fallos del sistema y componentes fallos. Estos y otros esfuerzos de los militares llevaron finalmente a la aparicin de la nueva disciplina de anlisis de la fiabilidad del sistema en la dcada de 1950 , consolid y sintetiz

por primera vez en el Grupo Consultivo de Confiabilidad de Equipos Electrnicos ( AGREE) reportado en 1957. El AGREE fue establecido conjuntamente en 1952 entre la DoD y la Electrnica Industrial de Amrica , con la misin de [ 5 ] : Recomendar medidas que resultaran en ms equipos confiables, Ayudar a poner en prctica programas de confiabilidad en el gobierno y las agencias civiles ; La difusin de una educacin mejor en fiabilidad. Varios proyectos , siendo militar - financiadas, desarrolladas en la dcada de 1950 a partir de este primer iniciativa [5-7] . Anlisis de recopilacin de datos de fallo y de causa raz se pusieron en marcha con el objetivo de conseguir una mayor fiabilidad en los componentes y dispositivos. Esto condujo con la especificacin de los requisitos cuantitativos de fiabilidad , marcando el inicio del aspecto contractual de fiabilidad . Esto, inevitablemente, trajo el problema de ser capaz de estimar y predecir la fiabilidad de un componente antes de que fuera construido y probado : esto a su vez dio lugar en 1956 a la publicacin de un importante informe sobre tcnicas de prediccin de fiabilidad titulado ' Anlisis de tensin Fiabilidad de Electronic Equipo ' (TR -1100) por la Radio Corporation of America (RCA ) , una de las principales fabricante de tubos de vaco. El informe presenta una serie de anlisis modelos para la estimacin de las tasas de fracaso y puede ser considerado el antecesor directo de la el influyente estndar militar MIL- HDBK -217F publicado por primera vez en 1961 y todava utilizado en la actualidad para hacer predicciones de fiabilidad. Sin embargo desde el punto de vista militar , durante la guerra de Corea se encontraron los costes de mantenimiento bastante significativo para algunos sistemas armados, por lo que exigen mtodos de fiabilidad prediccin y estrategias optimizadas de mantenimiento de componentes y renovacin. En la dcada de 1960 , la disciplina de anlisis de la fiabilidad del sistema procedi largo de dos pistas : Aumento de la especializacin en la disciplina por la sofisticacin de las tcnicas , por ejemplo , el modelado de la redundancia , la estadstica bayesiana , las cadenas de Markov , etc , y por el el desarrollo de los conceptos de la fsica fiabilidad para identificar y modelar el causas fsicas de fracaso y de fiabilidad estructural para analizar la integridad de edificios , puentes y otras construcciones ; Desplazamiento de la atencin de fiabilidad de los componentes de la confiabilidad del sistema y disponibilidad, para hacer frente a la creciente complejidad de los sistemas de ingeniera ,

como las desarrolladas en el marco de los programas espaciales y militares , como el mercurio ,Los Gminis y Apolo. Tres grandes reas caracterizan el desarrollo de anlisis de confiabilidad del sistema en la dcada de 1970 : El potencial de los anlisis de fiabilidad a nivel de sistema [ 8 ] motiv la racional tratamiento de los atributos de seguridad de los sistemas complejos tales como la energa nuclear plantas [ 9 ] ; El aumento de la dependencia de software en muchos sistemas llev al crecimiento de foco sobre la fiabilidad del software , las pruebas y la mejora [ 10 ] ; La falta de inters por los programas de fiabilidad que los gerentes a menudo mostraban ya en ese momento , provoc el desarrollo de incentivos para recompensar la mejora en fiabilidad en la parte superior de los incentivos basados en la produccin habituales. Con respecto a los mtodos de prediccin de fiabilidad , no hay avances particulares se lograron en estos aos . En los aos siguientes , la comunidad cientfica y la prctica ha sido testigo de un impresionante aumento de los desarrollos y aplicaciones del anlisis de la fiabilidad del sistema , destinada a hacer frente a racionalmente los desafos planteados por la creciente complejidad de los sistemas y teniendo prcticamente ventaja de la computacional poder estn disponibles a un costo razonable . [1] Los desarrollos y aplicaciones de estos aos han sido impulsados por un cambio desde la economa industrial tradicional , valorando la produccin, a la moderna economa centrada en la prestacin de servicios : la diferencia fundamental es que el primer tipo de economa da valor al producto en s , mientras que el ltimo da valorar al rendimiento del producto en la prestacin del servicio . El bien no es el producto en s, sino su servicio y la satisfaccin del cliente en la recepcin de l . Este cambio de perspectiva ha llevado a una mayor atencin a la disponibilidad del servicio como un cualidad ms importante y para el consiguiente empuje en el desarrollo de tcnicas para su cuantificacin . Esto implica la consideracin del hecho de que la disponibilidad es una propiedad que depende de la combinacin de un nmero de procesos interrelacionados de componente degradacin , de fracaso y de reparacin, de diagnstico y mantenimiento , que el resultado de la interaccin de los diferentes sistemas, incluyendo no slo el hardware, pero Tambin el software, los recursos humanos, y los sistemas organizativos y logsticos. En este escenario , llegamos a nuestro tiempo. Hoy en da , el anlisis de la fiabilidad del sistema es

un bien establecido , la disciplina cientfica multidisciplinar que tiene como objetivo proporcionar 2.1 Fiabilidad de Sistemas de Anlisis 9 un conjunto de mtodos formales para investigar los lmites de incertidumbre alrededor de operacin y falla del sistema , abordando las siguientes preguntas [ 1 , 11, 12 ] : Por qu sistemas fallan , por ejemplo , mediante el uso de los conceptos de la fsica fiabilidad para descubrir causas y mecanismos de falla y para identificar las consecuencias ; Cmo desarrollar sistemas fiables , por ejemplo , por su diseo basado en la fiabilidad ; Cmo se mide y la fiabilidad test en el diseo , operacin y gestin; Cmo mantener sistemas confiables, por mantenimiento, diagnstico de fallos y el pronstico . Operativamente , el anlisis de la fiabilidad del sistema que se ocupa de las preguntas anteriores se basa en la definicin cuantitativa de la fiabilidad en trminos probabilsticos : considerando la variable aleatoria continua tiempo de fallo T , la fiabilidad del sistema en el tiempo t es la probabilidad de que el sistema no falla hasta el tiempo t , es decir , la probabilidad de que T toma valores mayores que t . Otra magnitud de inters es la disponibilidad del sistema , que se utiliza para caracterizar la capacidad de un sistema para cumplir con la funcin para la que se opera . Se aplica a los sistemas que pueden mantenerse , restaurado a la operacin o renovados en caso de fallo dependiendo de la estrategia particular adoptada para asegurar de manera ptima su funcin [ 1-6] : Off- horario ( correctivo) de mantenimiento , es decir , la sustitucin o reparacin del fallido sistema ; Mantenimiento preventivo , es decir , inspecciones regulares, y , posiblemente, reparacin, basada en una estructurado plan de mantenimiento ; Mantenimiento basado en la condicin , es decir , el rendimiento de las acciones de reparacin tras la deteccin de las condiciones degradadas del sistema ; El mantenimiento predictivo , es decir , la sustitucin del sistema sobre la prediccin de la evolucin de las condiciones de degradacin del sistema . La disponibilidad instantnea se define como la probabilidad de que el sistema est operativo en el tiempo t . Se diferencia de fiabilidad , que est en su lugar utiliza para caracterizar la capacidad del sistema de consecucin de los objetivos de su misin especfica dentro un perodo de tiempo asignado , por la probabilidad de que las funciones del sistema sin fallos hasta el tiempo t .

Operativamente , la , funcin de la disponibilidad instantnea dependiente del tiempo de un sistema de es sintetizada por los valores de punto , por ejemplo : Para las unidades o sistemas de bajo mantenimiento correctivo , el Estado limite o constante disponibilidad se calcula como el lmite matemtico de la disponibilidad instantnea funcin en el tiempo , ya que este ltimo crece hasta el infinito. Se representa la probabilidad que el sistema est funcionando en un momento arbitrario de tiempo , despus de la transitoria de los procesos de fallo y reparacin han estabilizado. Es obviamente undefined para sistemas bajo mantenimiento peridico , para el que hace el lmite no existir; Para los sistemas de bajo mantenimiento peridico , la disponibilidad media de un hecho perodo de tiempo se introduce como indicador de rendimiento. Representa la proporcin esperada de tiempo que el sistema est funcionando en el perodo considerado de tiempo . Anlisis de Riesgos 2.2 Sistema Esta introduccin al anlisis de riesgo del sistema se basa en [ 13 ] . El tema del riesgo hoy en da juega un papel relevante en el diseo, desarrollo, operacin y gestin de los componentes , sistemas y estructuras en muchos tipos de industria . en toda generalidad , el problema del riesgo surge all donde existen una fuente potencial de dao o prdida , es decir , un peligro ( amenaza ) , a un objetivo , por ejemplo , las personas o el medio ambiente. En estas condiciones , salvaguardias tpicamente se idearon para prevenir la aparicin de las condiciones peligrosas , y las protecciones estn colocadas para proteger desde y mitigar sus consecuencias no deseadas asociadas. La presencia de un riesgo no suficiente en s para definir una condicin de riesgo , de hecho , inherente a este ltimo no es el la incertidumbre de que el peligro se traduce del potencial de dao real , sin pasar por salvaguardias y protecciones. En sntesis , la nocin de riesgo implica algn tipo de prdida o dao que pueda ser recibida por un objetivo y la incertidumbre de su transformacin en una prdida real o daos. Una forma clsica de defender un sistema contra la incertidumbre de su fracaso escenarios ha sido la de : ( i ) identificar el grupo de secuencias de eventos que conducen a la insuficiencia crebles situaciones de accidente peor caso { s ? } ( accidentes base de diseo ) , ( ii ) predecir sus consecuencias { X? } , y ( iii ) en consecuencia disear barreras de seguridad adecuadas para la prevencin de tales situaciones y para protegernos de , y mitigar, su asociado consecuencias [ 1 ] .

Dentro de este enfoque (a menudo referido como un estructuralista , de defensa en profundidad acercarse ) , los mrgenes de seguridad en contra de estos escenarios se hacen cumplir mediante conservador regulacin del diseo y operacin del sistema , bajo la creencia de que la identifica peor de los casos , los accidentes seran crebles sobre de todos los accidentes crebles relativos que se refiere a los retos y tensiones que plantea sobre el sistema y sus protecciones. la principio subyacente ha sido que si un sistema est diseado para soportar todos los peor de los casos los accidentes crebles , entonces es ' por definicin ' protegidos contra cualquier accidente creble [ 14 ] . Este enfoque ha sido el clsico realizado , y en muchas tecnologas todava es , para proteger un sistema de la incertidumbre de los comportamientos de fallo de desconocidos sus componentes, sistemas, y estructuras , sin cuantificar directamente que , a fin de proporcionar una seguridad razonable de que el sistema puede funcionar sin un riesgo indebido. Sin embargo, la prctica de referirse a los casos "peores " implica fuertes elementos de subjetividad y arbitrariedad en la definicin de los eventos accidentales , que pueden dar lugar a la consideracin de escenarios caracterizados por consecuencias realmente catastrficas , aunque altamente improbable . Esto puede dar lugar a la imposicin de forma innecesaria cargas regulatorias estrictas y el conservadurismo de este modo excesivo en el diseo y funcionamiento del sistema y de sus barreras de proteccin , con una penalizacin de la industria . Esto es particularmente cierto para las industrias de graves consecuencias , como la nuclear, aeroespaciales , y de procesos , en los que los accidentes pueden conducir a potencialmente grande consecuencias. Por esta razn , un enfoque alternativo ha sido empujado hacia adelante para el diseo , regulacin y gestin de la seguridad de los sistemas peligrosos. Este enfoque , Anlisis de Riesgos 2.2 Sistema 11 motivado inicialmente por el creciente uso de la energa nuclear y por la creciente inversiones en las misiones aeroespaciales en la dcada de 1960 , se encuentra en el principio de buscar cuantitativamente tambin en la fiabilidad del accidente - prevenir y consequencelimiting los sistemas de proteccin que se han diseado e implementado para intervenir en proteccin contra todas las situaciones de accidentes potenciales, en principio, con no ms cualquier diferenciacin entre los accidentes crebles e increbles , grandes y pequeos [ 15 ] . Inicialmente, se realizaron una serie de estudios para investigar los mritos de una enfoque cuantitativo basado en probabilidad para el tratamiento de la incertidumbre

asociado con la aparicin y la evolucin de escenarios de accidentes [ 16 ] . la resultados de estos estudios motivaron la primera completa y gran escala probabilstica evaluacin de riesgos de una instalacin de energa nuclear [ 9 ] . Este extenso trabajo mostr que, efectivamente, los contribuidores dominantes a riesgo no tienen por qu ser necesariamente el designbasis accidentes , un "revolucionario" descubrimiento socavar el credo fundamental sustenta el estructuralista , enfoque de defensa en profundidad para la seguridad [ 14 ] . Siguiendo esta lnea de pensamiento , y despus de varias 'batallas ' para su manifestacin y la valorizacin , el enfoque probabilstico para el anlisis de riesgos ( Probabilstico Anlisis de Riesgos , PRA) ha surgido como una manera eficaz para el anlisis de la seguridad del sistema , no slo se limita a la consideracin de escenarios de accidente peor de los casos sino que se extendi a mirar a todos los escenarios posibles y sus consecuencias relacionadas con la probabilidad de ocurrencia de estos escenarios convertirse en un aspecto clave adicional para cuantificado el fin de manejar de manera racional y cuantitativa de la incertidumbre [ 9 , 17-24 ] . En este punto de vista , el anlisis de riesgo del sistema ofrece un marco para la evaluacin de la riesgo asociado a una actividad , proceso o sistema , con el objetivo final de proporcionar apoyo a las decisiones sobre la eleccin de los diseos y las acciones. Desde el punto de vista de las normas de seguridad , esto ha llevado a la introduccin de nuevos criterios que dan cuenta de las consecuencias tanto de los escenarios y su probabilidades de ocurrencia bajo un enfoque de defensa en profundidad ahora racionalista . Dentro de este enfoque para el anlisis y la regulacin , anlisis de la fiabilidad del sistema de seguridad asume un papel importante en la evaluacin de la probabilidad de ocurrencia de la escenarios de accidentes , as como la probabilidad de que el funcionamiento de la seguridad barreras aplicadas para impedir la aparicin de situaciones de riesgo y mitigar sus consecuencias si stas se presenten [ 1 ] . 2.2.1 El marco de la ERP Los principios bsicos de anlisis utilizados en un ARP se pueden resumir de la siguiente manera . A PRA sistematiza el conocimiento y las incertidumbres acerca de los fenmenos estudiados por abordar tres cuestiones fundamentales [ 24 ] : Qu secuencias de acontecimientos indeseables transformar el riesgo en un real daar ? Cul es la probabilidad de que cada una de estas secuencias ? Cules son las consecuencias de cada una de estas secuencias ? 12 Fiabilidad 2 Sistema de Anlisis de Riesgos y

Esto lleva a una definicin tcnica ampliamente aceptada de riesgo en trminos de un conjunto de trillizos [ 22 ] la identificacin de las secuencias de acontecimientos no deseados que conducen al dao ( el escenarios de accidentes ), las probabilidades asociadas y las consecuencias. En este punto de vista, el resultado de un anlisis de riesgos es una lista de escenarios cuantificado en trminos de probabilidades y consecuencias, que en conjunto representan el riesgo . Sobre la base de esta informacin , el diseador , el operador , el director, y el regulador puede actuar de manera eficaz con el fin de gestionar ( y, posiblemente, reducir ) el riesgo. En el marco de la ERP , el conocimiento del problema y las incertidumbres relacionados son manipulados sistemticamente por basado probabilidad - riguroso y repetible mtodos para proporcionar resultados representativos de riesgo tales como el nmero esperado de defunciones (en trminos de ndices tales como prdida potencial de vidas ( PLL) y Fatal Accidentabilidad ( FAR) , la probabilidad de que una persona en concreto deber ser sacrificado debido a una accidente ( riesgo individual ) y la frecuencia de consecuencias (fn ) curvas que expresan la nmero esperado de accidentes ( frecuencia f ) con al menos n vctimas mortales . A pesar de la madurez alcanzada por las metodologas utilizadas en la PRA , una serie de mtodos nuevos y mejorados se han desarrollado en los ltimos aos para satisfacer mejor la necesidades del anlisis , a la luz de la creciente complejidad de los sistemas ya responder a la introduccin de nuevos sistemas tecnolgicos [ 1 ] . Muchos de los mtodos introducidas permiten un mayor nivel de detalle y precisin en el modelado de fenmenos y procesos dentro de un marco integrado de anlisis de cobertura fenmenos fsicos , humanos y factores de organizacin , as como el software dinmica (por ejemplo , [ 25 ] ) . Otros mtodos estn dedicados a la mejora de la representacin y el anlisis de los riesgos y las incertidumbres relacionadas , en vista de la toma de decisiones tareas que los resultados del anlisis se pretenden apoyar . Ejemplos de recin mtodos introducidos son las redes bayesianas Creencias ( CCSN ), Diagramas de dgitos binarios ( BDDs ), el anlisis de mltiples estados fiabilidad, Redes de Petri , y herramientas avanzadas de MCS . Para una resumen y discusin de algunos de estos modelos y tcnicas , ver [ 1 ] y [ 20 ] . El anlisis probabilstico sustenta PRA se encuentra en dos lneas de pensamiento , el enfoque frequentist tradicional y el enfoque bayesiano [ 19 , 20 ] . la primero se aplica normalmente en el caso de gran cantidad de datos relevantes , sino que se funda en principios bien conocidos de la inferencia estadstica , el uso de modelos de probabilidad , la

interpretacin de las probabilidades como frecuencias relativas , los valores de punto , la confianza estimacin de intervalos y pruebas de hiptesis. El enfoque bayesiano se basa en el uso de probabilidades subjetivas y es aplicable tambin en caso de escasa cantidad de datos . La idea es establecer primero modelos de probabilidad adecuados que representan las incertidumbres aleatorios , es decir , la variabilidades en los fenmenos estudiados , tales como por ejemplo los tiempos de vida de un tipo de la unidad y, a continuacin , las incertidumbres epistmicas (debido al conocimiento incompleto o falta de conocimiento ) sobre los valores de los parmetros de los modelos estn representados por distribuciones de probabilidad subjetivas previas , cuando los nuevos datos sobre los fenmenos estudiado estn disponibles, la frmula de Bayes se utiliza para actualizar la representacin de las incertidumbres epistmicas en trminos de la distribucin posterior . Por ltimo , la distribuciones predictivas de las cantidades de inters (los observables , por ejemplo, Anlisis de Riesgos 2.2 Sistema 13 los tiempos de vida de las nuevas unidades ) se derivan de la aplicacin de la ley de la probabilidad total. la distribuciones predictivas son subjetivas pero tambin reflejan la variabilidad inherente representada por los modelos de probabilidad subyacentes . 2.2.2 Anlisis de incertidumbre La incertidumbre es un componente inevitable que afecta el comportamiento de los sistemas y ms an con respecto a sus lmites de funcionamiento . A pesar de lo mucho dedicado esfuerzo se pone en la mejora de la comprensin de los sistemas, componentes y los procesos a travs de la recopilacin de datos representativos , la caracterizacin adecuada , la representacin , la propagacin y la interpretacin de los restos de la incertidumbre un elemento fundamental del anlisis de riesgos de cualquier sistema. Siguiendo este punto de vista , anlisis de incertidumbre se considera una parte integral de la PRA , aunque tambin puede existir independientemente en la evaluacin de cantidades desconocidas . En el marco de la ERP , la incertidumbre est convenientemente distingue en dos diferentes tipos : de aleatoriedad debido a la variabilidad inherente en el sistema ( es decir , en la poblacin de resultados de su proceso estocstico del comportamiento ) y la imprecisin debido a la falta de

conocimientos e informacin sobre el sistema. El primer tipo de incertidumbre es a menudo denominado objetivo , aleatoria o estocstica mientras que el segundo se refiere a menudo como subjetiva , epistmica , o el estado de los conocimientos [ 26-29 ] . Se introducen modelos de probabilidad para representar las incertidumbres aleatorias , por ejemplo, un modelo de Poisson a representar la variacin en el nmero de eventos que ocurren en un perodo de tiempo . la incertidumbres epistmicas surgen de la falta de conocimiento de los parmetros de la modelos de probabilidad . Considerando que la incertidumbre epistmica se puede reducir mediante la adquisicin conocimientos e informacin sobre el sistema , la incertidumbre aleatoria no puede, y para esta razn, a veces se llama incertidumbre irreducible. En toda generalidad, anlisis cuantitativo de los fenmenos que ocurren en muchos aplicaciones de ingeniera se basan en modelos matemticos que luego se convierten en cdigos informticos operativos para la simulacin . Un modelo proporciona una representacin de un verdadero sistema depende de una serie de hiptesis y parmetros . El modelo puede ser deterministas (por ejemplo , las leyes dinmicas de Newton o ley de Darcy para las aguas subterrneas flujo ) o estocstico ( por ejemplo , el modelo de Poisson para la descripcin de la ocurrencia de eventos ssmicos ) . En la prctica , el sistema bajo anlisis no se puede caracterizar exactamente el conocimiento del fenmeno subyacente es incompleta. Esto lleva a la incertidumbre en tanto los valores de los parmetros del modelo y de las hiptesis apoyo a la estructura del modelo. Esto define el alcance de la anlisis de la incertidumbre . Un anlisis de incertidumbre tiene por objeto determinar la incertidumbre en los resultados de anlisis que deriva de la incertidumbre en las entradas del anlisis [ 29-31 ] . Wemay ilustrar las ideas de la anlisis de incertidumbre mediante la introduccin de un modelo de G ( X), que depende de la entrada cantidades X y la funcin G; la cantidad de intereses Z se calcula utilizando el modelo Z = g (x ) . El anlisis de la incertidumbre de Z requiere una evaluacin de las incertidumbres de X y de su propagacin a travs del modelo de G para producir una 14 2 Sistema de Confiabilidad y Anlisis de Riesgos caracterizacin de las incertidumbres de la Z. Por lo general , la incertidumbre relacionada con la modelo de estructura G, por ejemplo , la incertidumbre debido a la existencia de alternativas plausibles

hiptesis sobre los fenmenos involucrados , se tratan por separado [ 27 , 32-34 ] , en realidad , mientras que la primera fuente de incertidumbre ha sido ampliamente investigado y ms o menos Se han desarrollado mtodos sofisticados para tratar con l , la investigacin todava est en curso para obtener mtodos eficaces y aceptados para manejar la incertidumbre relacionada con el modelo de estructura [ 35 ] . Ver tambin [ 36 ], que distingue entre imprecisiones modelo ( el diferencias entre Z AndG (X ) ), y las incertidumbres del modelo debido a la alternativa plausible hiptesis sobre los fenmenos involucrados . La herramienta tradicional utilizada para expresar la incertidumbre en PRA es ( subjetiva) probabilidades . En este contexto , las cantidades X y Z podran ser posibilidades que representan fracciones en un grande ( tericamente infinita) de la poblacin de elementos similares ( sin apretar hablando, una posibilidad es el trmino bayesiano para una probabilidad frequentist , cf . la teorema de representacin de de Finetti [ 37 ], [ 38 ] , p . 172 ) . En este caso , la evaluacin es consistente con la denominada probabilidad de enfoque de frecuencia , que se basa en el uso de probabilidades subjetivas para expresar incertidumbres epistmicas de frecuencias desconocidos , es decir , las posibilidades [ 22 ] . La probabilidad de enfoque frecuencia constituye el mayor nivel de anlisis de la incertidumbre de acuerdo con un comnmente sistema de clasificacin que se hace referencia tratamiento incertidumbre [ 39 ] . Recientemente, muchos investigadores han argumentado que la informacin comn disponible en la prctica de la toma de decisiones de riesgo no proporciona un nivel suficientemente base slida para una asignacin especfica de probabilidad ; las incertidumbres relacionadas con el ocurrencia de los hechos y las consecuencias asociadas son demasiado grandes . Adems , en un contexto de anlisis de riesgos a menudo hay muchos interesados y que no puede ser satisfecho con una evaluacin basada en la probabilidad de expresar los juicios subjetivos del grupo de anlisis : una vez ms se solicita una descripcin ms amplia del riesgo . Sobre la base de las crticas anteriores, no es sorprendente que se aproxima a la alternativa la representacin y la descripcin de las incertidumbres en la evaluacin del riesgo se han sugerido, que producen las descripciones de incertidumbre basados en epistmicas y , en particular, la probabilidad intervalos .

Tambin se ha llevado a cabo para combinar diferentes enfoques , por ejemplo anlisis probabilstico y teora de la posibilidad . A continuacin, las incertidumbres de algunos parmetros estn representados por las distribuciones de probabilidad y las de alguna otra parmetros por medio de distribuciones posibilsticos . Un computacional integrado marco se ha propuesto para la propagacin conjuntamente el probabilstico y incertidumbres posibilsticos [ 40 ] . Este marco ha sido adaptado para rbol de eventos anlisis [ 41] y el anlisis de rbol de fallos ( FTA ) [ 42 ] , teniendo en cuenta las incertidumbres acerca de las probabilidades de eventos (lo ms probable ) para ser representados y propagadas utilizando tanto probabilidad y distribuciones de posibilidad .