TALLER 3

IVÁN PÁEZ
MAURICIO SANTACOLOMO
CARLOS VARGAS

UNIVERSIDAD PONTIFICIA BOLIVARIANA

ESPECIALIZACIÓN EN GERENCIA DE MANTENIMIENTO Y CONFIABILIDAD
FLORIDABLANCA, SANTANDER
2017
Ejercicio 1:

Un ingeniero de fiabilidad que trabaja para un fabricante de automóviles desea mejorar la fiabilidad
de las bombas de agua que la empresa instala en los vehículos. El ingeniero recopila datos sobre las
fallas y registra cuándo y cómo fallaron las bombas de agua. Las bombas de agua se inspeccionaron
cada 10,000 millas.

I. A partir de un análisis de distribución paramétrico (Censura arbitraria),

a. Identifique la distribución que mejor ajusta los datos
b. Haga una descripción de la variable de interés usando los siguientes gráficos: Función
de densidad de probabilidad, función de supervivencia, función de distribución
(linealizada), y tasa de fallo o función de riesgo.
c. Con base en la información que le proporciona el software, responda las siguientes
preguntas
d. Cuántas bombas tenían fallas de junta entre las 60,000 y las 70,000 millas?
e. Cuántas bombas presentaron fallas de rodamiento después de las 70,000 millas.
II. A partir de un análisis de distribución no paramétrico (Censura arbitraria). Haga una
evaluación de la fiabilidad que es causada por los diferentes modos de falla.

Ejercicio 2:

Un ingeniero especializado en fiabilidad que trabaja para un fabricante de accesorios para cocina
desea mejorar la fiabilidad de los brazos rociadores de los lavaplatos que produce la empresa. El
ingeniero recoge datos sobre fallas y registra cuándo y cómo fallan los brazos rociadores de los
lavaplatos. Puesto que los datos incluyen múltiples modos de falla, puede evaluar la fiabilidad
causada por diferentes modos de falla.

I. Con los datos que le presentan en el archivo Minitab, elabore un Análisis completo de
distribución paramétrico (Censura por la derecha)

Primero se realizan las gráficas de distribución para determinar cuál es la que mejor se
comporta para nuestro problema.

Figura . Grafica para determinar distribución fábrica de cocina A

Figura . Grafica para determinar distribución fábrica de cocina B

Figura . Grafica para determinar distribución fábrica de cocina C

Con respecto a las gráficas calculadas en el MINITAB se pudo determinar que la gráfica
que mejor se comporta para nuestro problema es una distribución Weibull de 3
parámetros, dado que su bondad de ajuste (basado en el sistema de Anderson-Darling) es
de 0.603, el cual es el menor con respecto a las otras distribuciones.

Posteriormente, se realiza la gráfica general de distribución con respecto a una distribución

Weibull de 3 parámetros para determinar el comportamiento de los resultados de falla de
los brazos rociadores de los lavaplatos y determinar a los cuantos ciclos es más confiable
los rociadores con respecto a los modos de falla.
Figura . Grafica de revisión general de distribución de rociadores

Figura . Grafica de probabilidad de falla de los rociadores

Figura . Grafica de probabilidad de falla de los rociadores con respecto a sus modos
de falla

Tabla . Porcentaje de probabilidad de falla

 Análisis:
Teniendo en cuenta que el comportamiento de los resultados con respecto a los intervalos
de confiabilidad basados en una distribución Weibull de 3 parámetros, se puede observar
que efectivamente si es la distribución que se ajusta al problema y con respecto a los
resultados, para una fiabilidad del 60%, se considera que el periodo de ciclo de los
rociadores de los lavaplatos debe ser de 115 ciclos (la garantía que se debe entregar a los
clientes como fabricantes de que no fallará).

II. Con los datos que le presentan en el archivo Minitab, elabore un Análisis completo de
distribución no paramétrico (Censura por la derecha).

Para una distribución no paramétrica con censura por la derecha, se obtienen tanto las
gráficas de supervivencia de los ciclos y de los modos de falla, como sus respectivos
riesgos, el cual nos permite determinar cuál es porcentaje de fiabilidad más adecuado para
el problema.

Figura . Grafica de supervivencia para ciclos en distribución no paramétrica

Gráfica de supervivencia para Ciclos

Múltiples distribuciones - IC de 95%
Datos completos
1 00

80

60
Porcentaje

40

20

0
0 500 1 000 1 500 2000
Ciclos
Figura . Grafica de supervivencia para modo de falla en distribución no paramétrica
Gráfica de supervivencia para Ciclos
Datos completos

Modo de falla = Rotura Modo de falla = Obstrucción

Método de Kaplan-Meier - IC de 95% Método de Kaplan-Meier - IC de 95%
1 00 1 00

90
80
80

70
Porcentaje

Porcentaje
60
60

50
40
40

20 30

20
0
0 500 1 000 1 500 2000 0 500 1 000 1 500 2000
Ciclos Ciclos

Figura . Grafica de riesgo para ciclos en distribución no paramétrica

 Gráfica de riesgo para Ciclos
Múltiples distribuciones
Datos completos
1 ,0

0,8

0,6
Tasa

0,4

0,2

0,0
0 500 1 000 1 500 2000
Ciclos

Figura . Grafica de riesgo para modo de falla en distribución no paramétrica

Gráfica de riesgo para Ciclos
Datos completos

Modo de falla = Rotura Modo de falla = Obstrucción

Función de riesgo empírico Función de riesgo empírico
1 ,0 0,20

0,8
0,1 5

0,6
Tasa

Tasa

0,1 0

0,4

0,05
0,2

0,0 0,00
0 500 1 000 1 500 2000 0 250 500 750 1 000
Ciclos Ciclos
 Tabla . Porcentaje de probabilidad de supervivencia brazos rociadores distribución
no paramétrica

Análisis:
Análisis completo de distribución no paramétrico con censura por la derecha, se llegó a la
conclusión de que asegurando una fiabilidad del 60%, la garantía que se le da al cliente en
ciclos de que el rociador no vaya a fallar es de 122 ciclos, que con respecto a una
distribución paramétrica, se logra observar que su diferencia de ciclos garantizados es
similar.
Ejercicio 3:

Un ingeniero especializado en fiabilidad desea evaluar la fiabilidad de un nuevo tipo de silenciador y

estimar la proporción de reclamos de garantía que se pueden esperar con una garantía de 50,000
millas. El ingeniero recopila datos de fallas sobre ambos tipos de silenciadores: los antiguos y los
nuevos. Los silenciadores fueron inspeccionados para detectar fallas cada 10,000 millas. Con los
datos que se le entregan en el archivo Minitab,

a. Elabore un Análisis completo de distribución paramétrico (Censura arbitraria)

Primero se realizan las gráficas de distribución para determinar cuál es la que mejor se
comporta para nuestro problema.

Figura . Grafica para determinar distribución silenciadores A

Figura . Grafica para determinar distribución silenciadores B

Figura . Grafica para determinar distribución silenciadores C

Con respecto a las gráficas calculadas en el MINITAB se pudo determinar que la gráfica
que mejor se comporta para nuestro problema es una distribución de valor extremo más
pequeño, dado que su bondad de ajuste (basado en el sistema de Anderson-Darling) es de
1.607 para los silenciadores antiguos y 7.274 para los silenciadores nuevos, el cual es el
menor con respecto a las otras distribuciones.

Posteriormente, se realiza la gráfica general de distribución con respecto a una distribución

de valor extremo más pequeño para determinar el comportamiento de los resultados de
falla de silenciadores y determinar a los cuantos ciclos es más confiable los rociadores con
respecto a los modos de falla.

Figura . Grafica revisión general de distribución de silenciadores

 Figura . Grafica de probabilidad para silenciadores

Con respeto a los resultados gráficos de las probabilidades de los silenciadores, tanto en
los antiguos como en los nuevos el 50% de los datos salen del intervalo de confiabilidad
estipulado por la distribución seleccionada, pese a que el análisis del coeficiente de ajuste
Anderson-Darling estipule que la distribución del valor extremo más pequeño es la más
acertada para la situación, físicamente en las gráficas no es una respuesta confiable, por
lo que se analizan nuevamente las otras distribuciones y se llega a la conclusión que una
distribución normal caracteriza mejor el comportamiento de las gráficas, con esta
conclusión se realiza nuevamente la gráfica de revisión general de distribución y la gráfica
de probabilidad con respecto a una distribución normal.

Figura . Grafica revisión general de distribución NORMAL de silenciadores

Figura . Grafica de probabilidad NORMAL para silenciadores
Tabla . Porcentaje de probabilidad de supervivencia silenciador antiguo
 Tabla . Porcentaje de probabilidad de supervivencia silenciador nuevo

Análisis:
Garantizando un ciclo de vida de 50000 millas, para los silenciadores viejos el porcentaje
que fallarán es del 24,21% y para los silenciadores nuevos es del 4,57%, por ende se
puede replantear la garantía que se puede dar a los silenciadores, se llega a la conclusión
que para los silenciadores viejos se puede establecer una garantía de 57000 millas y para
los silenciadores nuevos una garantía 71900 millas, con un nivel de confiabilidad del 60%.

b. Elabore un Análisis completo de distribución no paramétrico (Censura arbitraria).

Figura . Grafica de supervivencia silenciadores con una distribución no

paramétrica
 Tabla . Porcentaje de probabilidad de riesgo silenciadores antiguos distribución
no paramétrica

Tabla . Porcentaje de probabilidad de riesgo silenciadores nuevos distribución no

paramétrica

Análisis:
 Para el análisis del problema con una distribución no paramétrica con censura arbitraria, para
un silenciador antiguo, se puede garantizar un ciclo de trabajo de 60000 a 70000 millas, con
una confiabilidad del 53% y para un silenciador nuevo, se puede garantizar un ciclo de trabajo
de 70000 a 80000 millas, con un nivel de confiabilidad del 65%.

Ejercicio 4:

Un ingeniero de parabrisas de aviones desea investigar qué tan bien pueden soportar los parabrisas
los impactos de proyectiles a diferentes velocidades. El ingeniero somete una muestra aleatoria de
parabrisas a los proyectiles a una de ocho velocidades y registra si los parabrisas resistieron el
impacto. Con los daros que se le entregan en el archivo Minitab elabore un Análisis probit
completo.

Lo primero es identificar el tipo de distribución que se ajusta mejor a nuestro modelo:

Figura . Grafica para determinar distribución parabrisas A

Figura . Grafica para determinar distribución parabrisas B

Figura . Grafica para determinar distribución parabrisas C

Con respecto a las gráficas calculadas en el MINITAB se pudo determinar que la gráfica que mejor
se comporta para nuestro problema es una distribución loglogística, dado que su bondad de ajuste
(basado en el sistema de Anderson-Darling) es de 1.607, el cual es el menor con respecto a las otras
distribuciones.

Posteriormente, se realiza la gráfica general de distribución con respecto a una distribución

loglogistica para determinar el comportamiento de los resultados de falla de los parabrisas y
determinar su resistencia al impacto, posteriormente ya teniendo en cuenta el tipo de distribución que
mejor se ajusta, se pasa a realizar un análisis de Probit.

El coeficiente positivo para Tensión nos indica que la velocidad es directamente proporcional a la
ruptura del parabrisas, es decir, a medida que se aumenta la velocidad también aumenta la
probabilidad de ruptura.

Al analizar el valor p, nos indica que es más pequeño que 0,05 por lo tanto se deduce que la
velocidad del proyectil tiene un impacto significativo en que el parabrisas se fracture o no.

Figura . Bondad de ajuste parabrisas

Al analizar el valor de P (0,982 y 0,983), se evidencia que la distribución elegida es la adecuada para
dichos datos.
 Tabla . Porcentaje de probabilidad de riesgo parabrisas

Al analizar los dantos de los percentiles, nos demuestra que el 1% de los parabrisas fallara a
velocidades entre 332,045mph y 500,825mph.
 Figura . Grafica de supervivencia parabrisas
Gráfica de supervivencia para Roturas
Loglogística - IC de 95%
Datos probit - Cálculos de ML

1 00 Tabla de estadísticas
Ubic. 6,531 06
Escala 0,09661 1 6
Media 696,774
80
Desv.Est. 1 24,41 3
Mediana 686,1 25
IQR 1 45,923
Porcentaje

60

40

20

400 500 600 700 800 900 1 000 1 1 00

Tensión

Según la gráfica de supervivencia, detallamos que a una velocidad entre 784mph y 993mph
aproximadamente solo el 10% de los parabrisas sobrevivirán a un impacto.
 Figura . Grafica de probabilidad para la ruptura parabrisas

Como se puede observar en la grafica de probabilidad de ruptura, para el análisis Probit con una
distribución loglogistica, el problema se ajusta correctamente al modelo el cual se usó para su
respectivo análisis, dado que el 100% de sus datos están en el intervalo de valores como se puede
observar y no tiene ningún dato atípico.

Análisis:

Al interpretar la gráfica de probabilidad, vemos como los puntos se sitúan cerca de la línea
intermedia, dándonos a entender que la distribución loglogistica es adecuada para dicho análisis, a
su vez, se deduce que con una confiabilidad del 60%, los parabrisas se romperán luego de que un
proyectil lo impacte a una velocidad superior a los 618mph.