Está en la página 1de 52

08/10/2013

Confiabilidad

Universidad Tecnolgica Nacional


Facultad Regional Resistencia

Introduccin
Las razones de estudio de la confiabilidad de productos
son las siguientes:
Determinar el tiempo hasta el cual se espera que
falle una proporcin p dada de los productos en
operacin. Esto es til para determinar tiempos de
garanta apropiados as como sus costos.
Encontrar el tiempo t al cual se espera que sobreviva
una proporcin 1-p dada de los productos en
operacin. Es una estimacin de la confiabilidad de
los productos.

08/10/2013

Determinar la propensin a fallar que tienen el


producto en un tiempo dado. Para comparar dos o
ms diseos o procesos, o lo que se publicita por un
proveedor.
Dado que un artculo ha sobrevivido un tiempo T0,
encontrar la probabilidad de que sobreviva un
tiempo t adicional. Para planear el reemplazo de los
equipos.

Entre las caractersticas que tienen los estudios de


confiabilidad se encuentran los siguientes:
Los tiempos de falla son positivos con comportamiento
asimtrico y sesgo positivo, por tanto las distribuciones mas
utilizadas para modelar estos tiempos de falla son la Weibull y
exponencial, la distribucin normal tambin es utilizada.
Mientras que en estadstica lo que interesa son los parmetros
de la poblacin media y desviacin estndar, en la confiabilidad
lo que interesa son las tasas de falla, las probabilidades de falla y
los cuantiles.
Un cuantil es el tiempo t hasta el cual se espera que falle una
proporcin p de artculos.

08/10/2013

Para tener datos es necesario obtenerlos a travs de pruebas


las que en algunas ocasiones son costosas.
A veces el tiempo para observar las fallas es muy largo y es
necesario cortar el tiempo de prueba, dando lugar a
observaciones censuradas. Normalmente se requiere
extrapolar los resultados, por ejemplo al estimar la tasa de falla
a las 10,000 horas con pruebas de funcionamiento durante
1,000 horas.
Cuando es necesario acortar el tiempo de prueba se pueden
hacer estudios de vida acelerada utilizando condiciones
estresantes.

Ejemplo:
Se tomaron n = 1,000 chips probados durante 1,500 horas a una
temperatura de 80C y se observaron 40 con falla. Al finalizar la
prueba 960 chips funcionaban adecuadamente.
Entre las preguntas que se pueden contestar se encuentran las
siguientes:
Cul es la probabilidad de que fallen los chips antes de las 500
horas?
Cul es el riesgo de falla a las 300 horas?
Cul es la proporcin de chips que fallarn antes de 250 horas?

08/10/2013

Tipos de Datos
Normalmente el estudio tiene una duracin predeterminada por lo
cual no todos los dispositivos terminan fallando al concluir el
estudio. El observador sabe que cierto nmero han sobrevivido,
pero desconoce el momento exacto en que hubieran fallado.
Estos datos se denominan observaciones censuradas

Tipos de Censura
Censura por tiempo o tipo I aparecen al finalizar un test de
duracin predeterminada, de los que sobreviven solo se sabe que
no han fallado hasta ese momento. El tiempo es fijo mientras que
el nmero de productos que falla es una variable.

Censura por falla o de tipo II aparecen cuando el test continua


hasta que una porcin predeterminada de dispositivos haya
fallado, ahora el nmero de fallas es fijo, siendo el tiempo una
variable.

08/10/2013

En los grficos se muestran los dos tipos de censura: en el


primero, el experimento termina cuando se llega al instante t0; en
el segundo, el experimento termina cuando falla un determinado
porcentaje de dispositivos, en este caso 5.

Censura por derecha cuando ocurre para un tiempo t>0 y


todava quedan productos funcionando de los cuales no
sabemos cuando van a fallar
Censura por la izquierda cuando al inspeccionar las unidades
despus de un periodo de tiempo se encuentra que algunas
fallaron, pero no se sabe el momento de su ocurrencia.
Ejemplo en un estudio sobre el cncer, se puede saber cuando ingresa el paciente pero
no cuando aparecieron los primeros sntomas.

08/10/2013

Censura por intervalos cuando se presenta censura por izquierda


y derecha

Otros tipos de censura pueden ser simple si el experimento


finaliza en el mismo tiempo para todos los dispositivos o
mltiple por ejemplo cuando los pacientes abandonan el
hospital en diferentes tiempos.

08/10/2013

Truncamiento por la izquierda, son aquellos que sufren un fallo


antes del inicio del estudio y son ignorados. La informacin que se
registra se refiere por tanto no a la variable de inters tiempo de
vida tal cual, sino a esta variable condicionada a que el individuo
sobrevivi para entrar al estudio.
Truncamiento por la derecha, ocurre cuando los individuos que
presentan el evento o fallo son incluidos en el estudio. En este
caso la informacin que se registra tambin corresponde a una
variable condicionada a que el tiempo de fallo fue anterior a la
finalizacin del estudio.

Imaginemos un estudio en el que se quiere analizar la supervivencia en


pacientes con trasplante de corazn. El periodo de estudio son 52 semanas,
donde el evento de inters es la muerte del paciente, aunque no todos los
pacientes tienen por que morir en ese periodo de tiempo. As que, el estudio
lleva consigo el registro de informacin muestral incompleta en uno u otro
sentido.
En el siguiente grafico se ilustra mediante lneas de distinto tipo las
observaciones en 6 pacientes. La lnea gruesa indica el periodo de
observacin del individuo; el circulo grueso representa la observacin del
evento; el recuadro indica el tiempo de censura; y el circulo vaco representa
la ocurrencia del evento pero que no queda registrada en el estudio.

08/10/2013

a) El sujeto 1 entra en el estudio en el momento del trasplante y


muere despus de 40 semanas. Por tanto, este dato no tiene
censura, ya que el dato es observado desde el comienzo hasta su
muerte.
b) El sujeto 2 entra en el estudio en el momento del trasplante y
sobrevive mas de 52 semanas, por lo que deja de ser observado. A
las 90 semanas fallece, sin embargo, esta observacin no es tenida
en cuenta en el estudio ya que finalizo a las 52 semanas. Este es
un ejemplo de censura a la derecha. La censura por la derecha
suele ocurrir cuando el estudio tiene una fecha determinada para
la finalizacin.
c) El sujeto 3 entra en el estudio en el momento del trasplante,
pero abandona el estudio en la semana 30. Por lo tanto, este es un
ejemplo de censura aleatoria a la derecha. Aunque el individuo
fallece en la semana 50, el dato no es observado.

d) El sujeto 4 entra en el estudio en la semana 15 despus del


trasplante y muere a las 35 semanas. Estamos ante el caso de una
entrada tarda al estudio. Se dice que este dato presenta
truncamiento a la izquierda.
e) El sujeto 5 entra en el estudio en la semana 30 despus de ser
trasplantado, y a la finalizacin del estudio en la semana 52 aun no
ha experimentado el evento. Por lo que es un dato que presenta
truncamiento a la izquierda y censura a la derecha.
f) El sujeto 6 entra en el estudio en el momento del trasplante
pero abandona el estudio en la semana 10. La informacin se
pierde hasta la semana 35 en la que vuelve a entrar en el estudio,
para finalmente fallecer en la semana 45. Por tanto, este dato es
un ejemplo de mltiples intervalos de observacin.

08/10/2013

Un ejemplo de datos truncados por la derecha lo encontramos en los tiempos de


incubacin en enfermos de SIDA. Dado que solo se registran individuos que han
desarrollado SIDA, el tiempo de incubacin (T), que es el tiempo que transcurre
desde el diagnostico del VIH y SIDA, solo se tendr en cuenta individuos cuyo
tiempo de incubacin sea menor o igual que la duracin total del estudio (). Es
decir, solo entran en estudio aquellos individuos que cumplan T , por tanto las
observaciones son truncadas a la derecha. Un individuo que no haya
desarrollado SIDA cuando acabe el periodo de observacin no entra en la
muestra, no se puede registrar su tiempo de incubacin y por lo tanto es
ignorada.
Para el caso de la censura a la izquierda se puede utilizar como ejemplo un
estudio en adolescentes que empiezan a fumar mariguana (Klein &
Moeschberger, 1997). Se selecciona una muestra de adolescentes con 16 aos
que ya fuman mariguana y se les pregunta a que edad comenzaron. La variable
de inters es el tiempo hasta que fuman por primera vez (T). Algunos lo
recuerdan con exactitud (a los 14 anos, a los 15 anos, ) por lo que proporcionan
informacin completa sobre la variable en estudio. Sin embargo, hay otros
jvenes que no recuerdan en que momento fumaron por primera vez, pero dado
que ahora fuman y tienen 16 anos, la informacin que aportan es un dato
censurado a la izquierda, ya que se sabe que T 16.

Mtodo Emprico
Definiciones:
N0: nmero de productos al tiempo cero
Ni: nmero de elementos al tiempo ti
r(ti)= N0-Ni: nmero de fallas al tiempo ti
ttotal=N1.t1+N2.(t2-t1)++Ni.(ti-ti-1): Tiempo efectivo de funcionamiento de los
productos al tiempo ti.
=ttotal/r(ti) : vida media o tiempo medio entre fallas (MTBF)
=1/: tasa de falla
f(t): funcin densidad de distribucin de fallas f (ti )

1 N
1 N i 1 N i

N 0 t
N 0 ti 1 ti

R(ti)=Ni/N0 :Confiabilidad

08/10/2013

150

150

Fallas

200

Fallas

200

100

100

50

50

0
0

10

15

0
20

0.045

0.045

0.04

0.04

0.035

0.035

0.03

0.03

0.025

0.025

0.02

0.02

0.015

0.015

0.01
0

Tiempo (ti) [horas]

10

15

Funcin distribucin f

250

Funcin distribucin f

250

0.01
20

Tiempo (ti) [horas]

45

45

0.95

0.9

0.9

0.85

0.85

0.8

0.8

0.75

0.75

0.7

0.7

0.65

0.65

0.6

0.6

35

30

Confiabilidad R(ti)

MTBF

35

Confiabilidad R(ti)

40

MTBF

40

0.95

30

0.55
25
0

10

Tiempo (ti) [horas]

15

25
20

0.55

0.5
0

10

15

0.5
20

Tiempo (ti) [horas]

10

08/10/2013

11

08/10/2013

Tabla de supervivencia
Uno de los mtodos no paramtricos ms clsicos y directos para
describir la confiabilidad de una muestra es la tabla de
supervivencia. A partir de ella es posible hacer una primera
estimacin sobre el comportamiento de la funcin de
confiabilidad R(t), de la funcin de distribucin F(t), de la funcin
de densidad f(t), y de la tasa de fallo l(t) h(t).

Datos de entrada
Intervalos, dispositivos entrantes, disp. censurados, y disp. fallados.

12

08/10/2013

La distribucin de los tiempos de supervivencia (o tiempos de fallo)


se divide en un determinado nmero de intervalos. Se denotar por
(ti-1, ti) al i-simo intervalo.
Para cada intervalo se registra el nmero de observaciones o
dispositivos que han entrado en buen estado ni (entrantes).
El nmero de los que han fallado en l di (fallados).
El nmero de observaciones perdidas o censuradas en l
ci (censurados).
(ti-1, ti) = i-simo intervalo
ni = entrantes
di = fallados
ci = censurados

13

08/10/2013

Nmero de observaciones en riesgo ni : es el n de observaciones que entr en


el intervalo respectivo en buen estado, menos la mitad del n de observaciones
perdidas o censuradas en dicho intervalo:

ni= ni - ci/2
Probabilidad de fallo: para cada intervalo, es la proporcin de observaciones en
riesgo que fallan. En el caso de que un intervalo no registre ningn fallo, se
acostumbra a tomar 0,5 en lugar de 0 a la hora de contabilizar el nmero de
fallos (a fin de suavizar las funciones estimadas):

pi= di/ni
Probabilidad de supervivencia: es la proporcin de observaciones en riesgo que
sobreviven (1 probabilidad de fallo):

qi = 1- pi

Funcin R(t): para cada intervalo, es la proporcin de observaciones que han


logrado llegar hasta l en buen estado. Se calcula multiplicando la proporcin
de supervivientes de todos los intervalos anteriores (se supone que los fallos
en un intervalo son independientes de los anteriores):

R(t)i =

(1 pj)

Funcin de densidad de probabilidad (f.d.p.): para cada intervalo, es una


estimacin de la probabilidad de fallo por unidad de tiempo. Para calcularla,
primero se halla la diferencia entre la proporcin de dispositivos
supervivientes al inicio del intervalo y la proporcin de supervivientes al final
del intervalo. El valor que obtenido se dividir por la longitud del intervalo:
i=

14

08/10/2013

Tasa de fallo o de riesgo: es la probabilidad, por unidad de tiempo, de que un


dispositivo que haya sobrevivido hasta el inicio del intervalo falle en l. Para
hallarla, primero se calcular el cociente entre el n de fallos (usando 0,5
cuando ste sea 0) y la longitud del intervalo. El resultado obtenido se dividir
por la media entre el nmero de dispositivos entrantes en dicho intervalo y el
nmero de dispositivos entrantes en el intervalo siguiente:
i= (

/(

)
)/

A fin de obtener estimaciones razonables de la funcin de supervivencia, de


la funcin de densidad de probabilidad, y de la funcin tasa de fallo, ser
necesario disponer de, como mnimo, 30 observaciones completas (no
censuradas).

Modelos paramtricos de confiabilidad


Ventajas
Usados cuando la distribucin subyacente de los
tiempos de falla se conoce o puede ser supuesta
Datos de prueba previos
Parmetros de industria aceptados
Conocimiento Ingenieril del mecanismo de falla
Tiene ms poder para hacer una decisin correcta que
en las pruebas no-paramtricas
Rinde informacin ms precisa que los mtodos noparamtricos
Los intervalos de confianza son ms amplios usando
no-paramtricas
Permite extrapolar fuera del rango de los datos

15

08/10/2013

Desventajas
El uso no apropiado del modelo puede llevar
a conclusiones incorrectas
Implica un conocimiento previo del
comportamiento de los mecanismos de falla y
su efecto en la observacin estadstica
Si no se conoce nada sobre la falla debe
tenerse cuidado en un procedimiento para
seleccionar un modelo adecuado.

Distribuciones habituales en confiabilidad


La tabla de supervivencia proporciona una visin descriptiva de
cmo se distribuyen los tiempos de fallo. Sin embargo, para poder
realizar predicciones probabilsticas ser necesario conocer cual es
(aproximadamente) la distribucin de la poblacin que subyace
tras las observaciones.
Sea T la variable que representa los tiempos de fallo de un
determinado dispositivo ( T > 0 ). El objetivo ser conocer (si ello es
posible) la funcin de distribucin asociada a T, la cual ser de la
forma F( t ; ) = P( T t ) , siendo un vector de parmetros.

16

08/10/2013

En general, la mayora de distribuciones usadas en fiabilidad


tienen, a lo sumo, tres parmetros:
Parmetro de escala : este es el parmetro que caracteriza a las
distribuciones unipararamtricas. El parmetro de escala define
cun dispersa se encuentra la distribucin (en el caso de la
distribucin normal, el parmetro de escala es la desviacin tpica).
Parmetro de forma : este parmetro define la forma de la
distribucin. Algunas distribuciones (como la exponencial o la
normal) carecen de este parmetro pues tienen una forma
predeterminada que nunca vara (en el caso de la normal, sta
tiene siempre forma de campana).
Parmetro de localizacin : se usa para desplazar una
distribucin hacia un lado u otro. Esto significa que, dada una
distribucin cuyo dominio habitual sea [0 , +), la inclusin de un
parmetro de localizacin cambiar el dominio a [ , +). En el
caso de la normal, el parmetro de localizacin es la media.

Distribucin Normal
La Normal o Distribucin Gaussiana es la distribucin ms
conocida
Tiene Media = Mediana = Moda
La Media m, es tambin su parmetro de localizacin
La PDF normal tiene forma de una campana con simetra sobre su
media
La normal no tiene parmetro de forma. Esto significa que la PDF
normal slo tiene una forma, la campana.
La desviacin estndar s, es el parmetro de escala de la PDF
normal

17

08/10/2013

Distribucin Normal
Distribucin de la Funcin Normal

f( t )

1 t
1
e x p

2
2

Funcin de Densidad de Probabilidad Normal


0.0140
0.0120
= 500
= 30
= 50
= 70

f(t)

0.0100
0.0080
0.0060
0.0040
0.0020
0.0000
200

400

600
Tiempo

800

1000

Distribucin Exponencial
El modelo exponencial, con un solo parmetro, es el ms simple
de todo los modelos de distribucin del tiempo de vida. Las
ecuaciones clave para la exponencial se muestran:

CDF : F (t ) = 1 - e

-lt

CONFIABILIDAD : R(t ) = e
-l
PDF : f (t ) = le t
1
l
ln 2 0.693
@
MEDIANA :
l
l
1
VARIANZA : 2
l
TASA DE FALLA : h (t ) = l

-lt
Funcin de Densidad de Probabilidad Exponencial
0.0035
0.0030

MEDIA : m =

= 0.002, MEDIA = 500

f(t)

0.0025

= 0.001, MEDIA = 1,000

0.0020

= 0.001, MEDIA = 1,000

0.0015
0.0010
0.0005
0.0000
0

500

1,000
Tiempo

1,500

2,000

18

08/10/2013

Distribucin Exponencial
R(t) = e(-t) (Confiabilidad)
Funcin de Confiabilidad Exponencial
1.200
1.000
0.800

= 0.001, MTBF = 1,000

R(t)

= 0.002, MTBF = 500

0.600
= 0.003, MTBF = 333

0.400
0.200
0.000
0

500

1,000
Tiempo

1,500

2,000

Distribucin Exponencial
h(t) = MEDIA(Velocidad de Falla)
Funcin de la Tasa de Falla Exponencial
0.004
= 0.003, MTBF = 333

0.003
h(t)

= 0.002, MTBF = 500

0.002

Note que la tasa de


falla tiende a ser una
constante l para
cualquier tiempo. La
distribucin exponencial
es la nica que tiene
una velocidad de falla
constante

= 0.001, MTBF = 1,000

0.001

0.000
0

500

1,000
Tiempo

1,500

2,000

19

08/10/2013

Distribucin Weibull
La distribucin de
Weibull es un
modelo de
distribucin de vida
til muy flexible,
para el caso de 2
parmetros:

CDF : F (t ) 1 e

CONFIABILI DAD : R (t ) e

t
PDF : f (t )

1
MEDIA : 1

Donde h es un
parmetro de escala (la
vida caracterstica) y b
se conoce como el
parmetro de forma
(pendiente) y G es la
funcin Gamma con
G(N)=(N-1)! para N
entero

MEDIANA : ln 2

2
1
VARIANZA : 1 1

TASA DE FALLA :

Distribucin Weibull
Funcin de Distribucin Weibull
Funcin de Densidad de Probabilidad Weibull
0.0030
= 0.5
= 1000

0.0020
f(t)

= 1.0
= 1000

= 3.4
= 1000

0.0010

0.0000
0

500

1000

1500
Tiempo

2000

2500

3000

20

08/10/2013

Distribucin Weibull
Funciones de Distribucin Weibull
Funcin de Confiabilidad Weibull
1.000
= 3.4
= 1000

0.800

= 1.0
= 1000

R(t)

0.600
0.400
= 0.5
= 1000

0.200
0.000
0

500

1000

1500
Tiempo

2000

2500

3000

Distribucin Weibull
b t
h( t ) =
h h

Funciones de Distribucin Weibull

b -1

Funcin Tasa de Falla Weibull


0.0060
= 3.4
= 1000

0.0040
h(t)

= 0.5
= 1000
= 1.0
= 1000

0.0020

0.0000
0

500

1000

1500
Tiempo

2000

2500

3000

21

08/10/2013

Cuadro de Distribuciones
Modelos Comunes
de Confiabilidad

Exponencial

Weibull

Normal

Funcin de Densidad
de Probabilidad (pdf),
f(t)

f(t) = exp(-t)

Funcin de
Confiabilidad, R(t)

R(t) = exp(-t) R ( t ) exp

Funcin de Tasa de
Falla, h(t)

h(t) =

Tiempo Medio Entre


Fallas (MTBF)

Parmetros

Aplicaciones

t
f(t)

t
exp

b
h(t)= t

f(t)

1
2

1/= escala
sin forma
Sistema complejo
vida til
electrnica

T (

= escala
= forma, o
pendiente Weibull
b < 1, fallas infantiles
b = 1, exponencial
b > 1, desgaste
b app 3.4, app. normal
muy flexible
bien para fatiga en
componentes mecnicos

f(t)

1 ln(t) 2
1
exp

t 2
2

z(t)

b-1

1
1)

1 t
exp
2

Rt
( )= f(z)dz

h( t) =

h h

Lognormal
2

f( z )
s R(z )

T media

R(t)

(z)dz
z[ln(t)]

f( t)
R(t)

h(t)=

1
T exp(T ' 2 T ' )
2
dondeT'es la funcion ln(t)

media = localizacin
= escala

media de lns = escala


de lns= forma

z(t) = (t - )/
(z) = pdf normal std.
desgaste alto
efectos aditivos (CLT)

z[ln(t)] = (ln(t) - )/
donde = media de lns
= desv. std. de lns
(z) = pdf normal std.
fatiga en metales
desgaste de partes mecnicas
efectos multiplicativos

Clculo de Probabilidades
DISTRIBUCIN NORMAL ESTANDARIZADA

x
z

donde:

z es la variable estandarizada
x es la variable normal
m es la media poblacional
s es la desviacin estndar de la
poblacin.

22

08/10/2013

23

08/10/2013

Ejemplo
Un artculo tiene una tasa de falla exponencial y un MTBF de 500
horas cul es la confiabilidad del artculo en las prximas 400
horas?

24

08/10/2013

Ejemplo
Supongamos que se desea fabricar un producto que consta de
dos subcomponentes.
Deseamos que el producto tenga un promedio de vida til de un
ao con una probabilidad del 90% Qu tan confiable deben de
ser cada uno de los subcomponentes? En la tabla se muestran
los precios que se tienen que pagar al os proveedores para que
proporcione dos subcomponentes con alta confiabilidad. Qu
combinaciones se debern utilizar?

25

08/10/2013

26

08/10/2013

Ejemplo
Calcular la confiabilidad para los tiempos indicados en la tabla,
teniendo en cuenta que MTBF de la bomba es de 36 meses?
Use distribucin exponencial

27

08/10/2013

Clculo tasa de falla, es la relacin entre el nmero de vlvulas


falladas y el tiempo total.
h = 2/50 = 0,04 [1/ao]
La probabilidad de que una vlvula falle antes de un nmero
determinado de meses viene expresado por la infiabilidad
F(t) = 1- exp(-ht) = 0,013
t = 4 meses = 1/3 ao

La probabilidad de que no se haya producido el fallo antes de


los 6 meses ser la confiabilidad para ese tiempo.
R(t) = exp(-ht) = exp(-0.04x1/2) = 0,980

La probabilidad de que el tiempo de vida est entre 4 y 6 meses


es la diferencia entre que falle antes de los 6 y que falle antes de
los 4.
Pr = F(1/2) F(1/3) =
= [1- exp(-h1/2)] - [1- exp(-h1/3)] =
= (1-0,980)-(1-0,987) = 0,007

28

08/10/2013

Ejemplo:
Un rel es una pieza de un equipo y es estudiada su confiabilidad.
Se estudian 16 rels.

18
16
14

Fallas

12
10
8
6
4
2
0
0

10

15

20

25

30

35

40

Actuaciones

Los datos sugieren una distribucin de Weibull.


Se pide:
Estimar los parmetros de weibull b y h
Estimar el tiempo de vida para este rel
Calcular la tasa de falla
Obtener la funcin confiabilidad y calcular la probabilidad de que uno rel
funciones despus de un milln de activaciones

Solucin:
R(t) = exp-(t/ h)b
Tomando logaritmo linealizamos la ecuacin
ln(ln(1/(1- F(t))) = b lnt b lnh

29

08/10/2013

Si llamamos
xi = lnti
yi = ln(ln(1/(1- Fi(t)))
La ecuacin se transforma en una recta
yi = a xi + b

a = b , b = b lnh

h=exp-(b/ b )

Graficando y ajustando los datos obtenemos los valores de a y b de los


cuales calculamos b y h
Equation
y=ax+b
Adj. R-Squ
0,99019

1,5
1,0

Value
-- b
-- a

0,5
0,0

-5,08493
1,68938

-0,5
-1,0
-1,5
-2,0
-2,5
-3,0
1,0

1,5

2,0

2,5

3,0

3,5

b = 1,69
h = 20,24
Entonces podemos escribir
T (

1
1
1) MTBF 20 , 24 (
1) 20 , 24 0,89 18 .21 10 5 actuacione s

1, 69

La confiabilidad segn Weibull nos queda


R(t) = exp-(t/20,24)1,69
La confiabilidad para 1 milln de actuaciones se obtiene reemplazando en la
ecuacin t=10.
R(10) = 0,74
Es decir que el 74% va a permanecer en operacin despus de realizar 1 milln
de actuaciones.

30

08/10/2013

Estadstica Descriptiva
Medidas
Descriptivas

Descripcin

POBLACION

MEDIA

Medida de
tendencia
central

E ( t ) tf ( t )dt

VARIANZA

COEFICIENTE DE
VARIACIN
COEFICIENTE DE SESGO

COEFICIENTE DE
CURTOSIS

Medida de
dispersin

2 t 2 f (t )dt

Medida del
grado de
variabilidad
Medida de
Simetra

CV

Medida de
Agudeza

2 3 /2

t f (t )dt

la desviacin estndar es la
raz cuadrada de la varianza
La Normal tiene un rango
0.05<CV<0.25
La exponencial: CV= 1

t f (t )dt

Otras medidas son la mediana y


la moda.

2 2

a3<0 cola izquierda


a3=0 simtrica (v.gr.Normal)
a3>0 cola derecha
a4<3 - aguda que la Normal
a4=3 aguda como Normal
a4>3 +aguda que la Normal

31

08/10/2013

La estadstica descriptiva permite analizar las posibles parametrizaciones (normal,


exponencial, weibull) de los datos. Si no se parametriza tendremos una descripcin no
paramtrica (fundamentalmente las predicciones son dbiles)
Medidas
Descriptivas

Los datos no
deben tener
censura

Observaciones:

MEDIA

VARIANZA

COEFICIENTE DE
VARIACIN

El coeficiente de variacin permite estimar una posible


forma funcional para la confiabilidad R(t). CV=1
exponencial.
CV>1 muy probable Weibull.
CV<1 normal o Weibull

COEFICIENTE DE SESGO

COEFICIENTE DE
CURTOSIS

Si la distribucin es simtrica (sesgo nulo) es posible que


sea normal sino puede ser exponencial o Weibull

til fundamentalmente para distribuciones


simtricas

Ejemplo de anlisis de datos sin censura


Anlisis estadstico de la fatiga de rulemanes
Se estudiaron 23 rulemanes equivalentes y se obtuvieron los siguientes
valores del nmero de revoluciones (en millones) antes de que cada uno se
rompan.
17.88

28.92

33.00

41.52

42.12

45.60

48.40

51.84

51.96

54.12

55.56

67.80

68.64

68.64

68.88

84.12

93.12

98.64

105.12 105.84 127.92 128.04 173.40

Dado que el nmero de revoluciones es directamente proporcional al tiempo


podemos considerar a los valores consignados como tiempo (en una particular
unidad) razn por la cual no usaremos unidades en este caso.

32

08/10/2013

La media y desviacin estandar de la muestra son


23

ti

i1

72 . 22

23
23

t
st

i1

37 . 49

22

En el caso que la distribucin de los tiempo de falla sea exponencial los valores de la
media y desviacin estandar son
Estas cantidades se pueden evaluar porque los datos no estn censurados. En caso que
tengamos censura de intervalo por ejemplo calcular la media y desviacin estandar
carece totalmente de sentido.
t

y st

st

Este anlisis rpido permite saber (para el caso de no tener censura) si la distribucin de
fallas es exponencial o no. Para nuestro ejemplo de los rulemanes resulta.
t
1.9
st
Resultado que excluye a la exponencial. En general un apartamiento mayor al
20% de la unidad justifica iniciar otra bsqueda.

El prximo paso es analizar la posibilidad de una weibull. En este caso el


cociente entre el valor medio y la desviacin estandar da
t

st

( 1 1)

) 0,81 0, 25

(( x ) es la

funcin gamma)

(2 1 1)
( 1)
1
2
1

( 1
1

A partir de los valores calculados resulta 2,1.


Otro clculo ms aproximado se obtiene calculando los logaritmos de t. Si
llamamos xi=ln(ti) resulta

1,28
sx

e x 0 ,45 s x

Donde x y sx son el valor medio y la desviacin estandar de los xi.


En nuestro ejemplo
x 4,150 s x 0,534
Con lo cual

2,4 y h 81

Notar que si hubiese sido exponencial 1.

33

08/10/2013

25

25

20

20

15

15

10

10

Nmero de rulemanes

Nmero de rulemanes

Confiabilidad de rulemanes

0
0

50

100

150

Nmero de revoluciones antes de romperse [en millones]

La confiabilidad en el caso de una distribucin de Weibull es R(t)=exp((-t/ h) ).


Por lo tanto ln(-(ln(R(t))= -ln(h)+ ln(t)
Y

a +b X

-1

-1

-2

-2

-3

-3

-4
2.5

3.5

4.5

X=ln(ti)

Y=ln(-ln((1-(y i-0.5)/N)

Y=ln(-ln((1-(y i-0.5)/N)

Si yi representa el nmero de rulemanes rotos al tiempo ti la confiabilidad se puede


calcular como Ri=[N-(yi-0,5)] / N. Como la funcin R(t) es continua y el proceso real es
intrnsecamente discreto es conveniente usar los puntos intermedios de los intervalos
para evitar inconvenientes con la R(t) sobre todo en los extremos del dominio de la
funcin (primer y ltimo tiempo medidos)

-4
5.5

68

34

08/10/2013

Si tomamos en cuenta todos los puntos

a=-10,1 y b=2,3

Si tomamos en cuenta los 11 primeros puntos a=-12.0 y b=2,8


Si tomamos en cuenta los 12 puntos finales

a=-7.7

y b=1,8

Todo proceso real es mucho ms complejo que las aproximaciones que usemos
para describirlos. Por lo tanto siempre hay que realizar valoraciones de los
resultados para saber cual es la descripcin ms conveniente segn las necesidades
que posea.
Los valores de y h que se obtienen a partir de los distintos intervalos de tiempo
considerados son

Intervalos
23 puntos
Primeros 11
ltimos 12

2,3
2,8
1,8

h
81,3
73,4
73,3

Problema:
Se realizaron ensayos de vida de 12 (doce) piezas de un automvil. En la columna 2 figura el
da en el que se fueron rompiendo las piezas mientras que en la columna 1 figura el
nmero de piezas que van quedando.

Nmero de piezas operativas

Das

12

0.0

11

738.8

10

971.6

1150.4

1306.4

1451.6

1593.3

1737.3

1889.7

2059.7

2265.0

2556.7

3000.1

35

08/10/2013

Preguntas
1)Mediante un anlisis sencillo: se puede asegurar que la
distribucin de los tiempos de rotura (que figuran en la tabla) est
descripta por una exponencial?
2)Calcule la confiabilidad en funcin del tiempo. Presente los
resultados en forma de tabla.
3)Grafique el resultado de la tabla anterior.
4)Realice un anlisis ms detallado de los datos para discriminar si
la distribucin de los tiempos de rotura es exponencial o weibull.
Presente los datos en forma de tabla.
5)Calcule los parmetro que caracterizan la distribucin
6)Los datos presentados tienen censura?. En caso que la respuesta
sea afirmativa diga qu tipo de censura.

R(t)
1
0,91667
0,83333
0,75
0,66667
0,58333
0,5
0,41667
0,33333
0,25
0,16667
0,08333
0

1,0

0,8

0,6

R(t)

t [das]
0
738,8
971,6
1150,4
1306,4
1451,6
1593,3
1737,3
1889,7
2059,7
2265
2556,7
3000,1

0,4

0,2

0,0
0

500

1000

1500

2000

2500

3000

t [dias]

36

08/10/2013

B
Linear Fit of B

Equation y = a +
1,0
0,5

ln(ln(1/R(t)))

0,0

Adj. R-Sq

Value Standard
Interce -20,27 3,85926E

Slope

2,7 5,26282E

-0,5
-1,0
-1,5
-2,0
-2,5
6,6

6,8

7,0

7,2

7,4

7,6

7,8

8,0

ln(t)

De la pendiente y ordenada al origen calcule los parmetros de la distribucin

Confiabilidad de sistemas
Serie
Cuando los componentes estn en serie y los elementos son independientes entre si, todos
los elementos tienen que funcionar correctamente por lo tanto la confiabilidad es el producto
de la confiabilidad de los componentes individuales.
Rs = R1 R2 . Rn
Paralelo
(Redundancia)
Cuando los componentes estn en paralelo y uno de ellos no funciona, el sistema sigue
funcionando, hasta que todos los componentes dejen de funcionar.
Rs = 1- (1 - R1)(1 - R2).(1 - Rn )
Observar que es la probabilidad de que funcione menos el producto de la probabilidad que
todos los componentes no funcionen. La confiabilidad de los componentes en paralelo es
mayor que la de cada componente individual.

37

08/10/2013

38

08/10/2013

Confiabilidad de la estructura puente de 5 elementos E1,. E5 con


confiabilidades R1(t),.R5(t).
Solucin mediante el mtodo del tem llave (E5)
E2

E1
E5
E3

E4

La estructura puente (en adelante lo llamaremos sistema S) no es reducible a series ms


paralelos por ende tendremos que idear un mtodo de solucin alternativo.
El evento A= { sistema funciona en el intervalo (0,t] } se puede descomponer en dos
eventos complementarios
B={ elemento E5 funciona en el intervalo (0,t] sistema funciona en (0,t] }
C={ elemento E5 no funciona en el intervalo (0,t] sistema funciona en (0,t] }
En notacin ms sinttica

A={ S up en (0,t] }
B={ E5 up en (0,t] S up en (0,t] }
C={ E5 falla en (0,t] S up en (0,t] }

77

Dado que B y C son complementarios resulta (y por ende excluyentes)

A=BC
Por lo tanto
Rs(t)= R5(t) P{ S up en(0,t] dado que E5 up en (0,t] } +
(1- R5(t)) P{ S up en(0,t] dado que E5 falla en (0,t] }
Los siguientes esquemas simbolizan
{ S up en(0,t] dado que E5 up en (0,t] }

{ S up en(0,t] dado que E5 falla en (0,t] }

E2

E1
E5
E3

E2

E1
E5
E3

E4

E4

A partir de los diagramas anteriores resulta

RS= R5 (1-(1- R1) (1- R3)) (1-(1- R2) (1- R4))+(1-R5) (1-(1-R1R2) (1-R3R4))

78

39

08/10/2013

Ejemplo

Con una distribucin exponencial R(t) = exp-(t/MTBF) con MTBF = 365das/fallas

40

08/10/2013

1. Una linterna tiene 4 componentes: 2 bateras con 0.998 de confiabilidad un


foco con 0.999 y un interruptor con 0.997. Determine la confiabilidad total.
2. Considere el siguiente sistema de filtrado de aire.

El aire ingresa por el sistema de filtros F1 luego pasa a una unidad


acondicionadora de la temperatura de aire que tiene otro filtro. Cada equipo
E1, E2 y E3 posee otro filtro de aire.
Si las confiabilidades anuales valen RF1 =0,988, RF1=0,9990, RE1=0,899,
RE2=0,902 y RE3=0,922. Cuanto vale la confiabilidad anual del aire que llega a
cada equipo E1, E2 y E3.

3. La confiabilidad anual de los componentes es R1=0.90, R2=0.85, R3=0.95,


R4=0.80.
a) Calcular la confiabilidad de la rama superior.
b) Calcular la confiabilidad de la rama inferior y superior integrada por los
componentes 1, 2 y 4.
c) Calcular la confiabilidad del sistema.
R1

R2

R3

R4

41

08/10/2013

Resumen
Los conceptos y mtodos de la teora de la confiabilidad se pueden
aplicar a los servicios. Esto an no se ha hecho de manera
sistemtica, porque los servicios son intangibles y los conceptos
necesarios para realizar la conexin de los intangibles y la teora
matemtica de la confiabilidad an no han sido documentados. Un
buen ejemplo de la confusin de esto proviene de los servicios de
telecomunicaciones, la industria, donde los profesionales a menudo
confunden "confiabilidad de la red", con lo que es realmente la
confiabilidad de los servicios prestados a travs de la red. El
propsito de esta presentacin es aclarar las nociones de la teora de
la confiabilidad del servicio para poder disear servicios confiables.

42

08/10/2013

Descripcin de la confiabilidad de un servicio


Un servicio es una funcin proporcionada por una persona o una mquina (el
"servidor") para su uso por una persona o una mquina (un "cliente", "usuario" o
"consumidor"). Por ejemplo, un servicio de radiodifusin sonora proporciona el
contenido al que puede acceder un usuario que sintoniza adecuadamente un
receptor de radio en el canal deseado. Un Proveedor de Servicios Internet (ISP)
ofrece la posibilidad de que un usuario pueda conectarse a Internet desde un
ordenador con software navegador. Un vendedor ofrece la posibilidad a los clientes
de pagar sus compras mediante tarjeta de crdito.
Casos especficos de uso de un servicio son las transacciones. En los ejemplos
anteriores, las transacciones son: una persona escucha la radio durante un cierto
perodo de tiempo, un equipo usuario se conecta a Internet a travs del ISP y
termina la sesin, un comprador paga por una compra con tarjeta de crdito en el
punto de venta.
La confiabilidad es la persistencia de la calidad en el tiempo, por lo que el papel del
paso del tiempo en la definicin de la confiabilidad de un servicio es esencial.

Conceptos bsicos de la teora de la confiabilidad de servicios


El punto de partida para la teora es la nocin de que la unidad bsica de un
servicio es una transaccin.
Para hablar sobre la confiabilidad de un servicio, o la persistencia de la calidad de
un servicio en el tiempo, o la ausencia de fallos en el servicio a travs del tiempo,
es necesario saber lo que fracas en el servicio. Los modos de fracaso de un
servicio se pueden clasificar de acuerdo con la siguientes tres maneras en que las
transacciones pueden fallar.
Una transaccin no puede ser iniciada cuando se lo desee (accesibilidad de los
servicios).
Una operacin en curso puede ser interrumpida o puede experimentar algn
otro tipo de mala calidad antes de su finalizacin (la continuidad del servicio,
cumplimiento de servicios).
Una transaccin, una vez terminada, no puede ser cerrada, liberada
(released).

43

08/10/2013

Tabla 1. Ejemplo de una tabla de modos de fallo.


Fallas funcionales
(o de ruptura)
Permanente

Transitorio

Fallas en el desempeo
Permanente

Transitorio

Accesibilidad
al Servicio

Continuidad
del Servicio

Cierre del
Servicio

Discusin general de las figuras de mrito y Mtricas


Figuras de mrito
Una figura de mrito es una expresin cuantitativa que se utiliza
para describir algn aspecto del objeto de estudio. Por ejemplo, el
tiempo de inactividad previsto en un ao de operacin es una
figura de mrito para la confiabilidad de un sistema de
mantenimiento. Para estimar el valor de una cierta figura de
mrito en un determinado momento o durante un intervalo de
tiempo dado hay que recoger y analizar los datos apropiados .

Nota: recordar la definicin de probabilidad y confiabilidad (nmero de


casos favorables dividido por el nmero total de casos)

44

08/10/2013

Mtrica
Las operaciones de los servicios de personal a menudo usan el trmino "mtrica"
para describir lo que un experto en estadstica normalmente llamamos un
"estimador" de una figura de mrito. Un indicador en este sentido es una cantidad
obtenida a partir de los datos recogidos con el fin de determinar el grado de
cumplimiento por el sistema o servicio objeto de estudio de un requisito o un
objetivo expresado en trminos de una figura de mrito.
Una mtrica tiene una volatilidad inherente, expresada como un error estndar,
varianza, u otra medida de dispersin. Es importante entender esta volatilidad, ya
que dice algo acerca de lo bien (o no) que se conoce el valor de la figura de mrito. Si
la dispersin es pequea, entonces la "calidad de los conocimientos" sobre el valor
de la figura de mrito, es bueno. Por el contrario, si la dispersin es grande, el
conocimiento sobre el valor de la figura de mrito es menos cierto. Un mejor
conocimiento puede ser adquirido, por ejemplo, ajustando la cantidad de tiempo
durante el cual se recogen datos o modificar el proceso con el que se est midiendo
para mejorar la calidad de los datos.

Atributos de la confiabilidad de servicio y las figuras de mrito


Accesibilidad de servicios
Concepto
Definicin. Accesibilidad de los servicios es la posibilidad de
iniciar una transaccin en el servicio cuando se lo desee.
Por ejemplo, si quiero comprar algunos vveres, por ejemplo, a
las 22:35 en un viernes, yo dira que este servicio es accesible
para m si: puedo entrar en un almacn, encontrar una canasta
(si es necesario), y comenzar con la seleccin de mis artculos.

45

08/10/2013

Figura de Mrito de la accesibilidad ideal a los servicios


La figura de mrito (t) de la accesibilidad a los servicios consistente con esta definicin es:
(t)= P {que una transaccin se haya establecido correctamente | se realiza un intento en el
tiempo t}.
(P es probabilidad y | dado que. La sentencia que sigue a la barra es un condicionante).
Accesibilidad a los servicios se define desde el punto de vista del usuario del servicio, no del
proveedor del servicio. En particular, si no se intenta, a continuacin, "la accesibilidad del
servicio" no est definida. Por otra parte, en este momento no incorporamos la paciencia de
los usuarios como un factor. Es posible que, si el retraso es muy grande desde el inicio del
intento de una transaccin hasta que la infraestructura del servicio de entrega de algn
indicio de que el intento fue exitoso, un usuario podra perder la paciencia y renegar o
abandonar el intento. Tenga en cuenta que la definicin anterior es relevante para un cliente
"ideal" o mejor dicho un cliente de "paciencia infinita".
El proveedor podra medir qu tan bueno es el servicio accesibilidad visto por sus clientes, a
menudo estas mediciones son emitidas en la forma de un valor promedio de la disponibilidad
de servicios donde el promedio se toma en el tiempo y / o algn grupo de usuarios del
servicio. Sin embargo estos valores son insuficientes para obtener informacin fidedigna y
til para toda la poblacin de potenciales usuarios y para todo tiempo. Por lo tanto es
necesario estimar la distribucin de probabilidad

Percepcin de los servicios de accesibilidad


Un factor clave en el concepto de accesibilidad de servicios como la posibilidad de
iniciar una transaccin en el servicio en un instante determinado de tiempo es la
competencia entre el tiempo que puede tomar para establecer la operacin y la
paciencia del usuario del servicio. La definicin dada anteriormente es una
abstraccin basada en la idea de una "paciencia infinita" de los clientes. La definicin
no tiene en cuenta la situacin del mundo real, donde un cliente frente a un retraso
en la creacin de la transaccin puede abandonar el intento antes de que finalice la
instalacin. En este sentido, representa una accesibilidad "ideal" a los servicios, que
puede diferir de la accesibilidad de los servicios percibida por un usuario real.
Considere el siguiente modelo: X denota una variable aleatoria que representa la
duracin de la instalacin de la transaccin (las acciones que deban llevarse a cabo
por la infraestructura del servicio de entrega para empezar una transaccin ) y sea
Y una variable aleatoria asociada al cliente que representa el tiempo desde el
comienzo del intento hasta que el cliente reniega del intento (no necesariamente X e
Y son estocsticamente independientes). Accesibilidad percibida del servicio es
siempre menor o igual a la accesibilidad de los servicios ("ideal").
La accesibilidad de servicio percibida, es lo que importa a los usuarios.

46

08/10/2013

Continuidad del Servicio


Concepto
Definicin. La continuidad del servicio es la culminacin con
xito de una transaccin iniciada con xito.
Por ejemplo, si me encuentro en una conversacin a travs de
POTS ("Plain Old Telephone Service") y me da corte este es un
fracaso en la continuidad del servicio.

Figura de Mrito de la Continuidad del Servicio Ideal

Una posible figura de mrito de continuidad del servicio es


(t, h): = P {una transaccin de h horas de duracin contina sin
interrupcin hasta su finalizacin en el tiempo t + h | transaccin
se estableci en el tiempo t}.
Esta es una probabilidad condicional debido a que una
transaccin que no se ha iniciado no se puede interrumpir. Una
vez ms, la continuidad del servicio as definido es desde el
punto de vista del usuario, no el proveedor de servicio.

47

08/10/2013

Cumplimiento de la continuidad del servicio


Por ltimo, "la continuacin exitosa" tambin incluye el
concepto de satisfacer todas las expectativas de calidad
durante la ejecucin de la transaccin. Servicio de fallas en el
desempeo de continuidad tambin se conocen como fallas de
cumplimiento del servicio. Estos son los fallos a que se adhieran
a lo que los requisitos de calidad pueden estar relacionados con
el servicio durante la ejecucin de la transaccin.

Percepcin de la continuidad de los servicios


Un factor clave en el concepto de la continuidad del servicio como la posibilidad de
completar una transaccin iniciada con xito en el servicio es la competencia entre la
duracin de la interrupcin y la paciencia del usuario del servicio. La definicin dada
anteriormente se basa en la idea de que tan pronto como una interrupcin de la operacin
se lleva a cabo, se registra un fallo en la continuidad del servicio.
Sin embargo, es posible que la operacin podra haber experimentado slo una
interrupcin momentnea y no una permanente con lo que si el usuario espera el tiempo
suficiente, la transaccin se puede reanudar.
La definicin no tiene en cuenta la situacin del mundo real en el que un cliente frente a
una interrupcin de transacciones puede abandonar la transaccin de inmediato, mientras
que si se queda a la espera podra restaurar la transaccin. En este sentido, la definicin
representa el "peor caso" de la continuidad del servicio, que pueden diferir de la
continuidad del servicio percibido por un usuario real.
Considere el siguiente modelo: X denota una variable aleatoria que representa la duracin
de la interrupcin e Y denota una variable aleatoria que representa el tiempo transcurrido
desde el inicio de la interrupcin hasta el abandono del cliente. Si la continuidad del
servicio tal como se define ms arriba (es decir, para el "cliente de prueba" infinitamente
impaciente) es , entonces la continuidad del servicio percibida por el usuario es P {X <Y}.
Continuidad de servicio percibida es siempre mayor o igual a la accesibilidad de los
servicios (el "peor caso").

48

08/10/2013

Conclusin y cierre del servicio

Concepto
Definicin. La conclusin y cierre del servicio es el cierre exitoso
de una transaccin cuando se ha completado.
Es anlogo a ser capaz de cerrar un archivo de ordenador (por
ejemplo, un documento de Word ) cuando haya terminado de
trabajar con l.

Figura de Mrito
Una figura de mrito adecuada para el cierre de servicio es
(t, h): = P {Una transaccin de h horas de duracin con xito
alcanzado en el momento t + h | transaccin se estableci en el
tiempo t}. Esta es una probabilidad condicional ya que una
transaccin que no se ha iniciado no se puede completar.
Una vez ms, la conclusin y cierre del servicios que se define es
desde el punto de vista del usuario, no del proveedor del
servicio. El proveedor podra medir qu tan bien lo estn
haciendo con respecto a la entrega del servicio segn lo visto por
sus clientes.

49

08/10/2013

Conclusiones
Los conceptos de confiabilidad del servicio descriptos aqu se
consideran en abstracto sin referencia a los mecanismos o sistemas
fsicos de entrega. Se aplica el mismo procedimiento para la discusin
de la confiabilidad de una funcin realizada por un agente sea este, un
empleado o una aplicacin de software como una hoja de clculo. La
diferencia entre estos dos casos ser el vector de variables que define
las figuras de mrito de cada agente
La confiabilidad del servicio se divide en tres componentes
principales:
accesibilidad,
continuidad del servicio,
conclusin y cierre de servicios.
Este trabajo es importante porque los profesionales de la calidad
tienen que estar familiarizados con la teora de la confiabilidad y la
ingeniera de los intangibles, tales como los servicios, que son una gran
parte de las empresas comerciales.

La implementacin de las normas de confiabilidad de servicios est


influenciada por la legislacin de cada pas, legislacin por otro lado
que est influenciada por cuestiones polticas y econmicas. Al
momento de definir las figuras de mrito y las mtricas es muy
importante tener presente que las estadsticas (en ltima instancia la
confiabilidad que es una probabilidad) pueden brindar una descripcin
sesgada o parcial de la parte del servicio que se desea analizar.
Cmo se mide confiabilidad en un servicio de salud privado o estatal?.
Cmo se mide confiabilidad en un servicio de educacin privado o estatal?.
Cmo se mide confiabilidad en el servicio de Justicia?.
Cmo se mide confiabilidad en un servicio de distribucin de agua, energa elctrica, gas?.
Cuando un evento climtico es catastrfico?.
..

50

08/10/2013

Aplicacin
Otorgamiento de turnos en entidad Sanatorial
Estudio realizado sobre el Call Center.
Promedio de actividad diaria:
Llamadas recibidas 3304
Llamadas atendidas 2843
Llamadas perdidas 481
Turnos otorgados 2274
Del total de llamadas el 86% son atendidas y el 14% no son
atendidas.
Del total de llamadas atendidas solo se otorgan el 80%.
La confiabilidad del servicio R=R1 R2 R3 confiabilidad de
accesibilidad, continuidad y cierre. Un servicio ser confiable si
tiene acceso y continuidad y cierre.

51

08/10/2013

Accesibilidad del sistema:


Mal funcionamiento del las lneas 0.27%
Lneas ocupadas 13.41%
La Confiabilidad R = N de resultados favorables/Nde resultados posibles
R = 2843/3304 = 0.86
Continuidad del sistema:
De las llamadas efectivamente atendidas el 19.73% 561 pacientes no tuvieron
continuidad.
R = 2278/2843 = 0.80
Cierre del sistema:
5 pacientes el 0.18% no pudieron concretar el turno.
R = 2273/2278 = 0,998
Confiabilidad Total del Sistema
Rs = 0.86 x 0.80 x 0.998 = 0.69
69%

52