Buenas tardes, mi nombre es Luisana Hernandez soy estudiante de la carrera Ingenieria

Mantenimiento Mecánico en la Universidad Fermin Toro, actualmente estoy cursando la materia

Mantenimiento Industrial 2 dictada por el profesor Edin Gotera. En el presente video les estaré
explicando un poco sobre El Método Grafico de Weibull.

Primeramente, tenemos que saber que la distribución de Weibull es una distribución de

probabilidad continua.

El uso de la función de distribución de Weibull en los estudios de fiabilidad de componentes, se

debe principalmente a la gran diversidad de formas que este modelo puede tomar, esto
dependiendo de los valores de los parámetros característicos. Nos permite usar un mismo modelo,
independientemente de en que forma varíe la tasa de fallos del componente estudiado y
simplificando en gran medida la tarea de análisis de los resultados.

Resumiendo un poco lo explicado, entendemos entonces que Al aplicar Weibull se obtiene la

distribución de fallos del conjunto de donde proviene la muestra, únicamente ajustando los
parámetros del modelo al conjunto de componentes ensayados. Los parámetros característicos de
la función de Weibull se pueden extraer directamente de la muestra, usando para este fin
diferentes métodos que se explicarán más adelante.

En mi opinión personal, pienso que Si no usáramos este modelo, cualquier análisis de los
resultados obtenidos implicaría necesariamente un estudio previo de los datos, para determinar
cuál de los diferentes modelos existentes se asemeja más a los datos obtenidos. Esto conllevaría
un mayor 1 tiempo de análisis y una mayor probabilidad de error, debido a que una mala elección
del modelo implicaría dar un resultado erróneo. Al aplicar Weibull, el estudió previo de los datos
se reduce únicamente a una inspección visual en busca de posibles datos anómalos que
distorsionen los resultados.

La distribución de Weibull se fundamenta en 3 parametros que son:

-  η (Eta) que es el parámetro de escala o vida característica. Este parámetro representa el tiempo
( o el valor de la variable análoga usada ) . Por tanto cuando mayor sea, mayor será el intervalo de
tiempo en que se producirán los fallos.

- Por (γ) gamma que es el parámetro de translación, y se usa cuando inicialmente, durante un
periodo de tiempo T, no se producen fallos y a partir de ese instante la fiabilidad del producto se
puede aproximar por la distribución de Weibull o cuando hay fallos antes de empezar los ensayos.

- (β) beta es el parámetro de forma o perfil y determina la forma de la distribución. En la

representación gráfica del modelo, este parámetro coincide con la pendiente de la recta y da una
idea de la dispersión de la muestra.

Pasamos entonces a la hoja grafica de weibull en donde:

Tenemos en el Axis X, el tiempo de fallas, pueden ser en cualquier unidad de medida de tiempo. o
ciclos, fatiga, etc. en el Axis Y está representado por el % de falla, calculado más adelante como
Media Rank o % de falla.