“Año del Diálogo y la Reconciliación Nacional”

Facultad: Ing. Industrial, Sistemas e Informática.

E. P : Ing. Industrial
Nombre: Alarcon Velasquez Jose Alexis
Canales Verano Erick
Diaz Canares Wilmer
Luis Lopez Wilder
Santillana Trejo Pedro Alexis
Curso : MANTENIMIENTO PRODUCTIVO TOTAL
Tema : ANALISIS DE WEIBULL
Docente: Ing. Laos Bernal, Aldo
Ciclo : VIII
2018
El análisis de Weibull es la técnica mayormente elegida para estimar una probabilidad, basada
en datos medidos o asumidos. La distribución de Weibull descubierta por el sueco Walodi
Weibull, fue anunciada por primera vez en un escrito en 1951. La distribución de Weibull es
útil por su habilidad para simular un amplio rango de distribuciones como la Normal, la
Exponencial, etc. Las técnicas discutidas en la distribución de Weibull son similares a las usadas
con las distribuciones Normal y Log-Normal. Este artículo le dará una visión general de la
aplicación de la distribución de Weibull. Permítame nombrarlo a usted como miembro
principal del Comité de Refrigerios de un equipo de béisbol. Suponga que usted compra 800
perros calientes (“hot dogs”) cada semana, y toma nota del número de perros calientes que
realmente vende en un partido de béisbol universitario. En los primeros siete juegos las cifras
son:

492 287 521 604 349 453 412

El presidente de su Comité de Refrigerios quiere reducir los costos para mantener contentos a
los propietarios. El presidente quiere que usted compre solamente los suficientes perros
calientes la próxima vez, de tal manera que solo en el 15% de las veces no hayan suficientes
perros calientes (en el 85% de las veces habrán suficientes perros calientes para vender).
Usted consulta a su profesor de estadística quien le indica acerca de utilizar el ANÁLISIS DE
WEIBULL, dado que la cantidad de perros calientes vendida es aproximadamente un número
aleatoriamente variable.

Su profesor de estadística, con ayuda de un software o simplemente a mano, tabula los siete
datos iniciales y procede a calcular lo que se conoce como RANGO MEDIO, para cada uno de
ellos. El Rango Medio es un número entre 0 a 1 que refleja en orden ascendente la fracción del
valor del dato que es menor que el mismo dato. Así, se obtiene la Tabla 1, una vez ordenados
los datos.

En la tabla 1, hay un 90.5% de posibilidades que el número de perros calientes vendidos sea
menor a 604, dado que el Rango Medio para este último punto es de 0.9054054. Usualmente,
el Rango Medio se puede encontrar en los libros de estadística, o puede ser calculado con la
fórmula de Bernard. Si se dibuja en un gráfico el doble logaritmo de 1/(1 - Rango Medio) vs. el
logaritmo de los datos en cuestión, se obtiene el Gráfico de Weibull (ver Fig. 1). Usualmente, la
mayoría de los datos a analizar forman una línea recta en esta gráfica. Esta línea recta puede
ser trazada por el método de la regresión o de los mínimos cuadrados.
La ecuación de la distribución acumulativa de Weibull es:

donde:

e = Base de los logaritmos naturales = 2.718281.......

t = Parámetro de interés o valor en x

to = valor en x inicial (tercer parámetro de Weibull)

n = Vida característica

B = Factor de forma

La pendiente de la línea recta que pasa por la mayoría de los puntos en el Gráfico de Weibull,
es también el Factor de Forma b. Esta b indica el tipo de distribución de probabilidad (normal,
exponencial, etc.). La Vida Característica h es el valor del dato (en este caso: número de perros
calientes) que corresponde al 63.2% del valor del Rango Medio de la línea recta. Este 63.2% es
realmente 1 - 1/e, dado to = 0 y t = h. En el Gráfico de Weibull, usted puede hacer
estimaciones de probabilidades utilizando la línea recta, o simplemente leyendo la
probabilidad en la escala vertical, para un dato (en este caso, un número de perros calientes).
Volviendo al ejemplo, el número estimado de perros calientes a comprar, para un 15% de
veces no satisfechas, se localiza en la línea recta con una probabilidad de 0.85 (85%). Para este
dato, el punto ocurre a los 567 perros calientes. Problema resuelto.
Pero, espere un momento. ¿Cómo asegura usted este tipo de análisis? La respuesta es ......
aproximadamente en un 50% (según la estadística). Esto es, con 567 perros calientes en el
próximo juego de béisbol usted tiene un 15% de probabilidad de que tenga menos perros
calientes de los requeridos, o que tenga un 15% más de los perros vendidos (el Rango Medio
implica un 50 - 50 de posibilidades para la probabilidad real, siendo mas bajo a mas alto de lo
estimado). Dado que su presidente de comité le dice que usted deberá asegurarse en un 90%
de que los clientes no atendidos sean menores al 15%, usted deberá tener CONFIABILIDAD
(algunos autores la llaman Confianza). Usted puede obtener la confiabilidad requerida para
valores diferentes al 50% (Rango Medio). Para el efecto, debe trazar sobre el mismo Gráfico de
Weibull la línea de confiabilidad superior del 90%, la cual usualmente es curva (Ver Fig. 2). En
la Fig. 2, entrando por la escala vertical con un 85% de ocurrencia hasta la línea curva de
confiabilidad del 90%, y bajando verticalmente, se encuentra en la escala horizontal con un
valor de 647 perros calientes. Esa es la cantidad (647) que usted deberá comprar para el
próximo partido, para que por lo menos tenga un 85% de posibilidades de satisfacer a todos
los futuros clientes con un 90 de confianza (Confiabilidad).

Pero, otro momento. Suponga ahora que en un nuevo partido (octavo) a la altura del séptimo
inning empezó a llover fuertemente, se suspendió el partido y usted solamente había vendido
370 perros calientes. Usted sabe que habría podido vender más (mas de 370 perros calientes)
si no hubiera llovido. Este dato, por su característica, se llama SUSPENDIDO y debe tenerse en
cuenta para el cálculo total, por lo que la mayoría de software lo considera y le da un
tratamiento especial (por convención: -370), el cual afecta los rangos medios (Ver Tabla 2). El
tercer punto en la Tabla 2 es el valor de dato de suspensión (-370). Usualmente, los números
de secuencia después de una suspensión no son enteros. Continuando con el ejemplo, el
número de perros calientes que usted debe comprar, para tener un 85% de posibilidades de
satisfacer a todos sus clientes, con un 90% de confianza (Confiabilidad) es de 641, debido a la
adición de este nuevo dato de suspensión (Ver Fig. 3).

Con esta información, usted regresa a donde su presidente de comité, le muestra los
resultados y le indica el ahorro de 800 - 641 = 159 perros calientes por partido. Felicitaciones,
ha concluido usted con éxito su análisis, con un ahorro considerable para su Comité.

OTROS CASOS

La técnica de Weibull puede ser usada para estimar la probabilidad en numerosos casos. Es
frecuente emplearla en estimar la vida de los rodamientos. La vida B-10 (falla del 10%) se
obtiene cuando se prueban rodamientos nuevos bajo condiciones de carga, velocidad y
lubricación específicas, con un resultado de falla del 10% de los rodamientos. Suponga que
usted ha probado 4 rodamientos y registrado la vida útil de cada uno de ellos: 55, 70, 40, y 65
horas. Usted puede obtener la vida B-10 graficando los datos mediante la técnica de Weibull.
La vida B-10 se obtiene localizando el 10% en la línea de ocurrencia sobre el eje vertical y
encontrando el punto en el eje horizontal correspondiente. Así, para el ejemplo, la vida B-10 es
de 34 horas (Ver Fig. 4). Esto quiere decir, que a las 34 horas de operación, y para esos
rodamientos en particular, fallarán un 10% de ellos.

CONFIABILIDAD Y ANALISIS ESTADISTICO PARA LA PREDICCION DE FALLAS, SEGURIDAD,

SUPERVIVENCIA, RIESGO, COSTO Y GARANTÍAS DE LOS EQUIPOS.

Esta nueva aplicación reduce los costos, calibración de instrumentos, análisis de las mediciones
y propiedades de los materiales, también calcula los tiempos óptimos para el mantenimiento y
ayuda a tomar decisiones en diagnostico y nuevas inversiones de proyectos.. Este método
muestra la aplicación del weibull análisis en computadores personales, para reemplazarlo por
laboriosos cálculos en hojas de calculo y graficas manuales.

VISIÓN GENERAL DEL ANÁLISIS WEIBULL

1. Ejemplos:
Los siguientes son ejemplos de Problemas de ingeniería resueltos por Weibull:
 Falla de un componente durante tres meses, ¿Cuántas fallas se puede esperar en
seis, doce meses?
 Programar el mantenimiento y ordenar repuestos
 En una Planta eléctrica con muchas salidas por fallas en la tubería de la caldera,
basada en inspección, pronosticar su ciclo de vida y overhaul
 Los costos de fallas esporádicas, sujetas a desgastarse y uso o fatiga, es 20 veces
más costosa que una salida planeada.
2. Ventajas:
 Precisión razonable y precisa en el análisis de fallas Provee un simple y poderoso
gráfico, medición de vida, arranques, paradas, operación, ciclos de misión vs. %
acumulativo de fallas. Los parámetros β (Beta, a pendiente) proveen una filosofía de
falla y η (ETA, característica de vida) tiempo de falla weibull análisis está relacionado
con el MTTF.
3. Distribución de una falla:
La pendiente de la gráfica weibull, β (beta) se define como: β < 1.0 indica mortalidad
infantil β = 1.0 significa falla aleatoria β > 1.0 indica falla por desgaste Se puede
determinar los porcentajes de falla para determinar por ejemplo el 1% de las fallas de
una población el cual pueda fallar, es llamada β1. β0.1 = 0.1% de la población β10 =
determina el tiempo en el cual el 10% de la población puede fallar.
La característica η es definida como la edad al cual el 63.2% de las unidades podrían
fallar, entonces se determina como β63.

Figura 1.1: Grafica de una distribución weibull con β=1.787, falla por desgaste
CDF=Comulative Distribution Function
4. Pronóstico y predicción de fallas Cuando las fallas ocurren en servicio, una predicción
del numero de fallas que podrían ocurrir en un próximo periodo de tiempo es deseable
calcular. La figura 1.2 provee información del calculo de la predicción de fallas en una
población de equipos similares. Algunos problemas en gráficos erróneos weibull son la
información mal recogida:
 Mezcla de modos de falla
 Problemas con el origen cero de la falla
 Datos manuales donde las edades de las partes son desconocidas
 Construcción de curvas Weibull donde no existan fallas.
La distribución weibull provee con mayor frecuencia los mejores cálculos de la vida de
los componentes, esto es debido al rango amplio de los parámetros y las familias de
distribuciones que cubre, incluyendo la distribución exponencial, normal y poisson. Log
normal no esta dentro de la familia de Weibull y es el mas significativo competidor
para comparar sus cálculos.
 Precisión por long normal es escogido para deterioro por sistema de aceleración,
materiales no lineales y ratas de crecimiento en grietas.

5. Planeación del mantenimiento La distribución Weibull es usado para la planeación del

mantenimiento, particularmente en el Reliability Centered Maintenance. β (Beta) nos
dice si o no de las inspecciones son programadas o los overhauls son necesarios. β < 1
los overhaus e inspección programados son de costo económico no efectivo. β  1
periodo de overhaus o programa de inspección son leídos directamente desde el
grafico, calculando la probabilidad aceptable de las fallas. Para modos de falla por
desgaste, si el costo de una falla sin planear es mayor que el costo de un reemplazo
planeado, el intervalo del tiempo optimo del mantenimiento o reemplazo es calculado
a costo mínimo.
La distribución Weibull podría optimizar los intervalos y los costos del mantenimiento.
Usando el predictor de fallas weibull, cuantitativamente se puede calcular:
 Programar y no programar el mantenimiento
 Forzar un retrofit o un convincente retrofit
 Inspecciones no destructivas vs. reemplazo de partes
 Mantenimiento correctivo vs. Nada de mantenimiento.
 Diferentes tiempos entre overhauls.
 Intervalos óptimos del reemplazo.
Los planes de mantenimiento cíclicos son cambiados por las ratas de falla. Los ciclos
son también afectados por las interacciones entre los ciclos de vidas y los modos de
falla de los sistemas, β, periodos de inspección y el reemplazo de partes.
6. Weibull con datos curvos
Los gráficos Weibull no siempre forman una extricta línea recta, cuando los datos
forman una curva o esquinas indican mezclas de modos de falla y se deben de clasificar
para determinar apropiadamente la distribución de la falla.
Otras curvas pueden ser de originadas por la edad del sistema o componente y hay
que localizar el tiempo 0 t que es un periodo donde se garantiza de no existir fallas
desde el inicio de su funcionamiento hasta este tiempo libre de fallas. Los correctivos
 para evitar esta situación y crear parámetros weibull con grandes incertidumbres son
no mezclar los modos de falla.

7. Método Weibayes
La distribución weibull no sirve cuando no han ocurrido fallas. El método llamado
Weibayes puede servir para estimar nuevos valores, si el número de fallas es
extremadamente pequeñas y se conoce el parámetro β y η. Weibayes es más preciso
que el weibull cuando se conoce el parámetro β.
8. Datos deficientes para distribuciones Weibull
Mezcla de modos de falla
Unidades de falla no determinadas
Dato inspección
Tiempos suspendidos o edades perdidas
Datos de no fallas
No existe tiempo cero de origen
Muestras extremadamente pequeñas

GRAFICO DE DATOS E INTERPRETACIÓN.

Datos weibull

Los datos precisos para una distribución weibull son las “edades” de las partes, componentes o
sistemas que fallan, estos datos pueden ser:

 Tiempos de operación de equipos (horas, días, kilómetros, etc)

 Arranques y paradas

 Lanzamientos de aviones o equipos militares

 Tiempos de almacenamiento

 Ciclos de fatiga

 Ciclos de alto stress

 Altas temperaturas y muchos otros parámetros

La figura 2.1 muestra el grafico de probabilidad weibull, usando apropiadamente los modos de
falla y los tiempos de falla.

Escala de la gráfica weibull:

Escala horizontal: Edad o tiempo ( t ) logarítmica. Escala vertical: Proporción de las unidades
que pueden fallar a una edad (t) en porcentaje. Este valor se llama “ B live”, en la figura B10 =
95 unidades, B63.2 = 180 unidades de tiempo. Esto significa en el viejo diseño, que el 10% de
las partes pueden fallar a un tiempo de 95 unidades; para el nuevo diseño B10 = 190 unidades,
que significa que en el mismo 10% de partes pueden fallar a 190 unidades de tiempo. CDF:
Comulative Distribution Function n/s: n es el numero de fallas / numero de suspensiones.

( ETA) & β (BETA)

Los parámetros β & η de la distribución weibull son los valores usados para el análisis de vida
de los componentes.
“B” Life:

Muchas industrias usan B life como requerimientos de diseño. En la Aeroespacial, B1 life es

usado para el inicio de una falla, B0.1 para fallas serias y B0.01 para fallas catastróficas.
Algunas organizaciones citan su confiabilidad con un nivel de confianza, como son 99% de
confiabilidad con un 95% de seguridad para fallas catastróficas.

Pruebas de inspección o Suspensión:

Es fácil mencionar equipos que no falla o fallan pero un modo diferente de falla es la
inspección o una interrupción. Estos datos no pueden sé ignorados. Los tiempos de
interrupción de las unidades pueden ser incluidos. El mayor efecto de las interrupciones son el
incremento de η y no afecta a β.

Interpretación del grafico Weibull

La curva de la bañera puede ayudar a entender la relación entre β y los mecanismos de falla a
través de la vida de un componente. Weibull provee una pista acerca de los mecanismos de
falla, con las diferentes pendientes o parámetro forma, implicando en las diferentes formas de
falla, en la grafica 2.2 se muestra la curva de la bañera.