¿Cuáles son las principales diferencias, semejanzas aplicaciones y desventajas de las

distribuciones: Weibull, log-Normal, Erlang, Rayleigh, Gamma, Exponencial y Normal?

¿Cuándo se debe usar y por qué? Describa el comportamiento en cada una de sus curvas de
no confiabilidad, mantenibilidad, supervivencia o confiabilidad, función de densidad f (t) de
probabilidad de fallas, tasa de fallas λ (t) y encuentre en cada una la similitud en zonas de
etapas de la curva de la bañera.

Diferencias entre las distribuciones de Weibull, Log-Normal, Erlang, Rayleigh,

Gamma, Exponencial y Normal.

Weibull:

La distribución de Weibull posee en su forma general tres parámetros, lo que

le da una gran flexibilidad y cuya selección y ajuste adecuado permiten
obtener mejores ajustes, que con otras distribuciones (Rojas, 1975). Estos
parámetros son: Gamma, Beta y Eta.

Log-Normal:

La distribución Log-Normal se genera a partir de los parámetros μ y σ debido a

que el logaritmo de una variable aleatoria Log-Normal es una variable aleatoria
normal con media μ y desviación estándar σ (Barlow, 1998). La distribución,
puede tomar varias formas pero siempre con tendencia o cola hacia su
derecha (sesgo positivo). La razón para ser menos conocida que la distribución
de Weibull consiste en que su función de supervivencia no tiene forma
cerrada, lo cual es importante para la estimación de sus parámetros que
siempre tienen la tendencia de ser muy altos (Ramakumar, 1996).

Erlang:

La distribución de Erlang es un caso especial de la distribución Gamma, donde

el parámetro es un número entero positivo para la distribución de Erlang, y
es cualquier número positivo para la distribución Gamma. La distribución
de Erlang tiene formas que van desde exponenciales a normales.

Rayleigh:

La distribución de Rayleigh es una función de distribución continua. Se suele

presentar cuando un vector bidimensional (por ejemplo, el que representa la
velocidad del viento) tiene sus dos componentes, ortogonales, independientes
y siguen una distribución normal.

Gamma:

Es una distribución de dos parámetros que tienen propiedades similares a los

de la distribución de Weibull: el parámetro de escala y el parámetro de forma,
que pueden ser ajustados a los datos obtenidos con gran flexibilidad. La
distribución exponencial es un caso especial de la distribución Gamma, cuando
α = 1 (O´Connor, 2002 y Ramakumar, 1996). Cuando Αlfa es un entero positivo,
a Gamma se le denomina la distribución de

Exponencial:
 La distribución exponencial es un caso especial de la distribución Gamma, y es
la más común entre las distribuciones de fallas: su importancia radica en el
hecho de que casi todos los componentes tienen, durante su período de
operación normal, una intensidad de falla constante.

Normal:

Es una distribución discreta que se presenta con frecuencia, cuando la vida útil
de los componentes se ve afectada desde un comienzo por el desgaste. Sirve
para describir muy bien los fenómenos de envejecimiento de equipos, modelos
de fatiga y fenómenos naturales.

Semejanza entre las distribuciones de Weibull, Log-Normal, Erlang, Rayleigh,

Gamma, Exponencial y Normal.

 En general para las distribuciones de Weibull, Log-Normal, Erlang,

Rayleigh, Gamma, Exponencial y Normal tienen la peculiaridad que cada
una se acomoda mejor en alguna de las etapas del CMD, tales como la
etapa de infancia o rodaje, madurez o vida útil y la etapa del
envejecimiento.
 Tienen un campo de aplicación en la curva de la bañera de Davis, lo que le
da una gran flexibilidad y cuya selección y ajuste adecuado permiten
obtener mejores ajustes.

 Las distribuciones utilizan en forma previa la alineación

 Las distribuciones usan los parámetros μ y σ eta, beta, que
representan el logaritmo natural de la media y la desviación estándar
de la variable aleatoria de la distribución. La obtención de sus
parámetros se realiza por medio de la alineación de la distribución.
Aplicaciones de las distribuciones de Weibull, Log-Normal, Erlang, Rayleigh, Gamma,
Exponencial y Normal.

Weibull:

La distribución de Weibull se utiliza en: Análisis de la supervivencia. En

ingeniería, para modelar procesos estocásticos relacionados con el tiempo de
fabricación y distribución de bienes.

Log-Normal:

La distribución log-normal se usa para el análisis de fiabilidad y en aplicaciones

financieras, como modelar el comportamiento de las acciones. La distribución
log-normal es una distribución continua que se define por sus parámetros de
ubicación y escala.

Erlang:

La distribución Erlang se aplica en modelos de sistemas de servicio masivo,

ejemplo: En situaciones donde el servicio tiene que realizar dos operaciones
c/u con tiempo de servicio exponencial.

Rayleigh:

Esta distribución tiene varias aplicaciones en muchos problemas de

confiabilidad de tipo combinatorio. Esta distribución es bastante útil cuando se
relaciona con la probabilidad de salida tal como el número total de fallas en
una secuencia de k ensayos, donde cada ensayo tiene dos posibles resultados
(falla o no falla) y la probabilidad de falla es la misma para cada ensayo.

Gamma:

Este modelo es una generalización del modelo Exponencial ya que, en

ocasiones, se utiliza para modelar variables que describen el tiempo hasta que
se produce p veces un determinado suceso. Su función de densidad es de la
forma: Como vemos, este modelo depende de dos parámetros positivos: el
parámetro de escala y el parámetro de forma.

Exponencial:

Las aplicaciones más importantes de la distribución exponencial son aquellas

situaciones en donde se aplica el proceso de Poisson , es necesario recordar
que un proceso de Poisson permite el uso de la distribución de Poisson

Normal:

La distribución normal es aplicable en muchas áreas de la propia estadística.

Por ejemplo, la distribución muestral de las medias muestrales es
aproximadamente normal, cuando la distribución de la población de la cual se
extrae la muestra no es normal. Además, la distribución normal maximiza la
entropía entre todas las distribuciones con media y varianza conocidas.
Desventajas entre las distribuciones de Weibull, Log-Normal, Erlang, Rayleigh,
Gamma, Exponencial y Normal.

Weibull:

Se puede obtener resultados similares con otras distribuciones, pero siempre

queda en evidencia que el método de alineación con el método gráfico, en este
caso de Weibull, es muy subjetivo, lo que puede conducir a errores
importantes en el análisis y en la selección de estrategias y acciones de
mantenimiento.

Log-Normal:

Para distribución Log-Normal se usan los parámetros μ y σ que representan el

logaritmo natural de la media y la desviación estándar de la variable aleatoria
de la distribución. La obtención de sus parámetros se realiza por medio de la
alineación de la distribución Log-Normal, con el uso de las transformaciones
necesarias de su pendiente y su intercepto.

Erlang:

Es la complejidad en los cálculos, y que necesariamente se tenga que emplear

un software para dichos calculos

Rayleigh:

La razón para ser menos conocida que la distribución de Weibull consiste en

que su función de supervivencia no tiene forma cerrada, lo cual es importante
para la estimación de sus parámetros que siempre tienen la tendencia de ser
muy altos

Gamma:

La distribución Gamma tiene el inconveniente de que solo sirve para

caracterizar los tiempos de fallas de equipos durante períodos de rodaje. Es
también muy adecuada para representar sistemas con componentes en stanby
(Rojas, 1975).

Exponencial:

La distribución exponencial solo es útil cuando el Beta de Weibull alcanza el

valor de 1 ± 0.005 y su tasa de fallas tiende a ser constante (esto ocurre en la
fase II Weibull), su importancia radica en el hecho de que casi todos los
componentes tienen, durante su período de operación normal, una intensidad
de falla constante.

Normal:

Es recomendable usarlo cuando los datos presentan valores extremos, ya que

dichos valores afectan mucho el coeficiente de correlación, o ante
distribuciones no normales.

¿Cuándo se debe usar y por qué?

Basándonos de la gráfica siguiente, en la columna de usos relevantes:

Weibull:

Con elementos o sistemas resistentes a la corrosión. Distribución de vida de

muchos elementos básicos; capacitores, relays, rodamientos, algunos motores,
etc.

Log-Normal:

La distribución LogNormal sirve para representar la vida de ciertos

componentes electrónicos (Nachlas 1995).

Erlang:

Se usa por ejemplo en el tráfico telefónico. Si el número de eventos aleatorios

independientes que ocurren en un lapso específico es una variable aleatoria de
Poisson con frecuencia constante de ocurrencia igual a 1/ q, entonces, para
una a dada, el tiempo de espera hasta que ocurre el a-ésimo evento de Poisson
sigue una distribución de Erlang.

Rayleigh:
 La distribución de Rayleigh también es utilizada para determinar velocidades
del viento, de hecho, la distribución de Weibull corresponde a una
generalización de esta.

Gamma:

Distribucion de tiempo de vida entre recalibracion, ajuste o mantenimiento de

equipos. Distribución de tiempo de vida de elementos con sistemas paralelos.

Exponencial:

Distribución de vida de elementos o sistemas complejos no reparables.

Distribución de vida de algunos elementos o sistemas en el periodo de rodaje
fase I o de mortalidad infantil.

Normal:

Distribución de vida de elementos o sistemas sometidos a grandes cargas o

esfuerzos

El comportamiento en cada una de sus curvas de no confiabilidad, mantenibilidad,

supervivencia o confiabilidad, función de densidad f (t) de probabilidad de fallas, tasa
de fallas λ (t) y encuentre en cada una la similitud en zonas de etapas de la curva de
la bañera.

Para mejor entendimiento veremos la gráfica de la bañera de Davis con sus respectivas
distribuciones.

De la gráfica podemos apreciar el porcentaje de curva que ocupa cada distribución

respecto a la bañera de Davis.

Los valores que se obtienen de alineación tanto en no confiabilidad como en

mantenibilidad para LogNormal, del coeficiente de determinación muestral de 0,9685
en no confiabilidad y 0,9489 en mantenibilidad, como del coeficiente de correlación
con 0,9841 en no confiabilidad y 0,9726 para mantenibilidad, están dentro de los
rangos de aceptación, por lo cual se acepta como válida la alineación de ambas
funciones.