UNIDAD N° 09

FIABILIDAD
Ingeniería de Mantenimiento MC-654
Ing° Roberto Baldeón Icochea
Universidad Nacional de Ingenieria UNI-FIM - 2020
Una proporción muy grande de productos de consumo, industriales y militares
que se fabrican en la actualidad tiene tal complejidad que sus usuarios no
comprenden generalmente como funcionan ni como se reparan. También es
verdad que las consecuencias de los fallos de muchos productos modernos
pueden ser muy graves. Afortunadamente, a medida que se han desarrollado
productos complejos, también se han desarrollado métodos para evaluar la
fiabilidad de los mismos y para conseguir su mejora. Fallos de fatiga en el
fuselaje de un avión, la pérdida del motor de un avión comercial, los
accidentes de los reactores nucleares de Three Mile Island y Chernobil, y los
accidentes de los transbordadores espaciales Challenger, son algunos
ejemplos muy conocidos de fallos catastróficos de sistemas. Casi todo el
mundo ha experimentado fallos de sistemas a menor escala, como el de un
electrodoméstico, el desgaste de una batería, o el fallo de una bombilla.
Muchos han experimentado ejemplos potencialmente graves, como el fallo de
los neumáticos de un automovil.
La duración de un dispositivo está determinada por su diseño
• La estación generadora está formada por  La válvula debía cerrarse al disminuir la presión, aunque por un fallo no lo hizo.
dos reactores presurizados de agua ligera Las señales que llegaban al operador no indicaron que la válvula seguía
construidos por Babcock and Wilcox con abierta, aunque debía haberlo mostrado.
 En consecuencia, la válvula con el fallo causó que la presión continuara
potencias instaladas de 786 MW (TMI-1) y disminuyendo en el sistema.
900 MW (TMI-2). La planta la operaba en  Mientras tanto, otro problema apareció en otra parte en la planta: el sistema del
ese momento la Metropolitan Edison agua de emergencia (reserva del sistema secundario) había sido probado 42 horas
Company. En el momento del accidente antes del accidente. Como parte de la prueba, las válvulas se cierran y abren de
unas 25.000 personas residían en zonas a nuevo al final de la misma. Pero esta vez, por un error administrativo o humano, la
válvula no se dejó abierta, lo que evitó que el sistema de emergenciafuncionara.
menos de ocho kilómetros de la central. La El accidente comenzó cerca de las 4:00 de la mañana  Ocho minutos después del comienzo del accidente se descubrió que la válvula
cantidad de emisión de gases radioactivos del 28 de marzo de 1979, cuando se produjo un fallo estaba cerrada.
hacia la atmósfera varía entre 2,5 y 15 en el circuito secundario de la planta.  Una vez que se abrió, el sistema de agua de emergencia comenzó a trabajar
 Las bombas primarias de alimentación del circuito
millones de curios según las fuentes correctamente, permitiendo que el agua fría fluyera por los generadores delvapor.
secundario dejaron de funcionar a causa de una  A medida que la presión en el sistema primario continúa disminuyendo,
escogidas. La industria pro nuclear sostiene avería mecánica o eléctrica. Esto impidió la
comenzaron a formarse huecos (zonas donde el agua hierve, formándose burbujas
que "estudios realizados sobre la población retirada de calor del sistema primario en los de vapor) en varios lugares del sistema con excepción del presurizador.
demuestran que no hubo daños a las generadores de vapor.  Debido a estos huecos, el agua del sistema fue redistribuida y el presurizador se
personas, ni inmediatos ni a largo plazo". No  Se apagaron automáticamente, primero la turbina llenó por completo de agua.
obstante, Greenpeace apoyada en otros y después el reactor.  El instrumento que indica al operador la cantidad de líquido refrigerante capaz de
estudios independientes sostiene que  La presión y la temperatura en el circuito primario eliminar el calor indicó incorrectamente que el sistema estaba lleno de agua. Así, el
(la sección nuclear de la planta) empezó a operador dejó de introducir agua, sin saber que, debido a la válvula obturada el
existió y existe un aumento claro en los
aumentar inmediatamente, debido a que el circuito indicador puede, y en este caso lo hizo, proporcionar una información falsa.
casos de cáncer y leucemia sobre la zona secundario no podía sacar el calor residual del  Después de casi ochenta minutos desde el momento de la subida lenta de
cercana a la central. circuito primario. temperatura, las bombas del circuito primario comenzaron a vibrar por cavitación,
• La estación generadora está formada por  Para evitar que esa presión llegase a ser excesiva, debido a que, en lugar de agua, lo que pasaba por ellas era vapor.
la válvula de descarga de presión (situada en la  Las bombas se cerraron, y se creyó que la convección natural continuaría el
dos reactores presurizados de agua movimiento del agua.
tapa del presurizador) se abrió.
ligera.

• El vapor en el sistema bloqueó la circulación en el circuito primario y,como el agua dejó de circular, se convirtió en grandes
cantidades de vapor.
• Después de unos 130 minutos desde el primer fallo, la parte superior del reactor quedó al descubierto, y debido a la elevada
temperatura, el vapor reaccionó con el revestimiento de zirconio de las barras de combustible, produciendo dióxido de
zirconio e hidrógeno. El daño en el revestimiento produjo la liberación de las pastillas de combustible en el líquido
refrigerante y la formación de más hidrógeno, que provocó una pequeña explosión en el edificio de contención al ser
liberado.
• A las 6 de la mañana se produjo el cambio de turno en el personal de la sala decontrol.
• Al detectar el nuevo equipo las altas temperaturas que se estaban midiendo en la tubería y depósitos posteriores a la válvula
de alivio, se procedió a cerrar una válvula auxiliar, cuando ya se habían perdido por esa vía 120.000 litros de refrigerante del
circuito primario.
• 165 minutos después del comienzo del problema se activaron las alarmas por radiación, cuando el agua contaminada
alcanzó los detectores. En ese momento los niveles de radiación en el líquido refrigerante (agua) del primario era unas 300
veces mayor que los niveles esperados, y la central había sufrido ya una fuerte contaminación.
• En la sala de control no se sabía aún que el nivel en el circuito primario era bajo
y que aproximadamente la mitad del núcleo estaba sin refrigeración.
• Un grupo de trabajadores tomó lecturas manuales de los termopares y obtuvo
una muestra del agua del circuito primario.
• A las siete horas comenzó a inyectarse agua nueva al circuito primario y se abrió
la válvula de reserva para reducir la presión.
• Tras nueve horas estalló el hidrógeno del interior del reactor, pero la explosión
pasó inadvertida.
• A las dieciséis horas las bombas del circuito primario se pusieron en marcha y la
temperatura del núcleo comenzó a bajar.
• Una gran parte del núcleo ya se había derretido o vaporizado, y el sistema
seguía siendo peligrosamente radiactivo.
• Durante la siguiente semana el vapor y el hidrógeno fueron evacuados del
reactor pasando por el recombinador, resultando aún más polémico al verterlos
directamente a la atmósfera. Se estima que unos 2,5 millones de curios de gas
radiactivo fueron emitidos debido al accidente.
Si nosotros consideramos el incremento de la complejidad del producto, con Por ejemplo, un estudio de realizado por
respecto solo a las partes, ha habido un incremento fenomenal solo en
productos, por ejemplo:
la U.S. Navy, concernente a fallas de
• Hoy en un día un típico BOEING 747 Jumbo Jet, esta fabricado por encima equipos electrónicos, indica:
de 4.7 millones de partes incluido accesorios. • 43% atribuido al Diseño.
• Incluso para un producto relativamente simple, tiene un significativo • 30% a la Operación y Mantenimiento.
incremento en complejidad, con respecto a sus partes, por ejemplo: • 20% a la Manufactura y
 En 1935 un tractor de granja, esta fabricado por encima de 1200 partes • 7% a factores misceláneos.
criticas y en 1990 el numero se incremento alrededor de 2,900.
Con respecto a la efectividad de los costos, muchos estudios tienen indicado
que los mayores costos efectivo para una contribución de lucro es la
participación de profesionales de confiabilidad, en los diseños de los productos.
De hecho acordado con muchos expertos,
• Si costaría $ 1 rectificar el defecto del diseño; a la liberación inicial, el
costo se incrementaría a $10, después de la liberación final, a $100 a la
etapa del prototipo, $1,000 a la etapa de pre-producción y $10,000 en la
etapa de producción. No obstante varios estudios tienen relacionado los
problemas al diseño, son generalmente las mayores causas para las fallas.
 Permanencia de la calidad de los productos (o servicios) a lo largo del tiempo.
FIABILIDAD Capacidad de desarrollar adecuadamente su labor a lo largo del tiempo.

Definición AFNOR X 0 -501

“Fiabilidad es la característica de un dispositivo expresada por la probabilidad de que un dispositivo
cumpla una función requerida en las condiciones de utilización y para un período de tiempo determinado”

Atributos en la Definición de la
FIABILIDAD

FUNCIONAMIENTO CALIFICACION DE
PROBABILIDAD TIEMPO
ADECUADO ACUERDO AL ENTORNO

Se denomina R (t) = P (cumplir una misión) = P (buen funcionamiento)

R traducción del inglés Reliability
  Estudios para poder evaluar la mortalidad derivada de las epidemias.
 Compañías de seguros, para determinar los riesgos de sus pólizas de seguro
ORIGENES de vida.
 Tablas de vida: La primera tabla de vida data de 1693 y es debida a Edmund
Halley

 Se utilizaban los métodos actuariales tanto para estimar la supervivencia

de pacientes sometidos a distintos tratamientos como para estudiar la
fiabilidad de equipamientos, en particular de los ferrocarriles.
 En 1939 Waloddi Weibulll, cuando era profesor del Royal Institute of
SIGLO XX Technology en Suiza, propuso una distribución para describir la duración
de materiales, que más tarde llevaría su nombre.
 En 1951 Epstein y Sobel empezaron a trabajar con la distribución
exponencial como modelo probabilístico para estudiar el tiempo de vida de
dispositivos

• En la industria los equipos y sistemas crecen en complejidad.

• Existen mayores exigencias a la eficiencia de los costos del ciclo de vida útil de las maquinas de producción.
• Cada fabricante intenta llegar al objetivo de calidad exigido por el mercado al mínimo costo posible.
 28/11/201
9

OBJETIVO.- Desde el diseño existe la necesidad de entregar equipos o sistemas que tengan las
prestaciones deseadas por el cliente y que además sean Confiables, de fácil mantenimiento y con
funcionamiento seguro y económico durante su vida útil.
ISO define fiabilidad como la probabilidad de que un componente o sistema, desarrolle durante un periodo de tiempo dado,
la tarea que tiene encomendada sin fallos, y en las condiciones establecidas.

MANTENIBILIDAD

CONFIABILIDAD SOPORTE
LOGISTICO

DISPONIBILIDAD
 28/11/201
9

Desde el punto de vista de la ingeniería, la fiabilidad es la

probabilidad de que un aparato, dispositivo o persona
desarrolle una determinada función bajo condiciones
fijadas durante un periodo de tiempo determinado.
 La confiabilidad de un elemento puede ser
caracterizada a través de distintos modelos de
probabilidades.
 Podemos describir varias distribuciones de fallas
comunes y ver qué podemos aprender de ellas para
gestionar los recursos de mantenimiento.
Convirtiendo el conocimiento ganado de ellas en
acciones PROACTIVAS de Mantenimiento y
aplicarlas en el Diseño.
El 11 de diciembre de 1998, un cohete
despegaba de Cabo Cañaveral, Florida,
con destino a Marte. Con un
presupuesto de 125 millones de
dólares, la misión de aquella pequeña
sonda era analizar el clima y la
atmósfera marcianas.
El Mars Climate Orbiter, se desintegró
completamente al llegar a destino. El
error se debió a que los ingenieros
usaron las medidas inglesas, mientras el
resto del equipo usaba el sistema
métrico de medidas. La diferencia de
conversión causó que entrara con una
trayectoria mucho menor a la precisada y
sus motores fallaran por el
calentamiento.
En los estudios de mantenimiento, usaremos funciones de densidad de probabilidad (pdf)
en lugar de histogramas de frecuencia relativa. Porque:
1. La variable a modelar, como el tiempo hasta el fallo, es una variable continua,
2. Estas funciones son más fáciles de manipular y
3. Deberán dar una comprensión más clara de la verdadera distribución de fallas.
Los PDF son similares a los histogramas de frecuencia relativa, excepto que se utiliza
una curva continua en lugar de barras. La ecuación de la curva del pdf se denota por f (t).

FUNCIÓN DE DISTRIBUCIÓN ACUMULATIVA

En los estudios de mantenimiento, estamos interesados en la probabilidad de que ocurra
una falla antes de un tiempo específico, t. Esta probabilidad se puede obtener del pdf de
la siguiente manera:

La integral ∫ f(t) se denota por F (t) y se denomina función de distribución acumulativa.

Cuando t se acerca al infinito, F (t) tiende a 1.
 Tipos de
funciones
Función Densidad Probabilidad Funciones Distribución Funciones de Fiabilidad R(t)
acumulativas (pdf) Acumulativas F (t)
HIPEREXPO R(t) = k e[−2kt] + (1− k)
NENCIAL f(t) = 2k2λ e[−2kλt ] + 2(1 −k)2λ e[−2(1 − k)λt ] F (t) = 1− k e[−2kt ]− (1− k) e[−2(1− k)t]
e[−2(1− k)t]
EXPONENCI
AL f(t) = λe[−λt ] para t ≥ 0 F (t) = 1 − e[−λt] R(t) = e[−λt]

NORMAL

WEIBULL
(tres
Variables)

WEIBULL
(dos
Variables)
La función de tasa de riesgo es una representación del patrón de tasa de falla de la relación entre una función de
densidad de probabilidad particular (p.d.f.) y su función de distribución acumulativa (c.d.f.) o su función de confiabilidad.

Por lo tanto, la función de tasa de riesgo se puede usar para representar la curva de tasa de riesgo de
varias funciones de densidad de probabilidad diferentes, particularmente la función exponencial o de
Poisson en la que λ (t) es una constante, y la función Weibull en la que λ (t) está disminuyendo
DISTRIBUCIONES Función de tasa de RIESGO MTTF/MTBF

EXPONENCIAL

WEIBULL
De hecho, la idea de la CURVA DE LA BAÑERA forma la base
conceptual para gran parte del estudio de fiabilidad. La idea de la
curva de la bañera es que la función de riesgo para una muestra Z(t) CURVA DE LA BAÑERA
de dispositivos evoluciona como se muestra en la Figura.
En concreto, al principio de la vida de los dispositivos, los más
débiles fallan a una tasa relativamente alta como consecuencia de

FUNCION DE RIESGO
un fenómeno de «mortalidad infantil», quizá debido a una
fabricación defectuosa.
Como los primeros fallos retiran, de la muestra las copias débiles de
los dispositivos, la tasa de riesgo decrece.
De un modo parecido, al final de la vida de los
dispositivos, los supervivientes fallan como
consecuencia del «desgaste», de modo que aumenta
la tasa de riesgo. En el intervalo trascurrido entre estos
Línea base de Estrés de Fallas
dos comportamientos, la muestra de dispositivos
exhibe un riesgo relativamente bajo y
aproximadamente constante. Este intervalo se
denomina frecuentemente como la vida funcional del Tiempo
dispositivo.
  Análisis de fallas para determinar
CURVA DE LA BAÑERA  Reparación basada en el tiempo.
DESGASTE FATIGA
 Reemplazo basado en el tiempo o
RELACIONADAS CON

las causas de fallas infantiles.  Reemplazo basado en el tiempo en función del costo o riesgo.
Patrónde A la
= 3condición.
a 4%  Patrón
Análisis B
de = 1 asi17% Patrón C = 3 a 5%
LA EDAD

 Monitoreo fallas el desgaste está  Reparación basada en el

 Reemplazo o reparación basada ocurriendo antes de lo estimado o tiempo o en función del
en el tiempo. requerido. costo o riesgo.

 Monitoreo de la condición.  Monitoreo de condición.  Análisis de fallas para determinar

 Análisis
PERIODO DE FUNCIONAMIENTOINICIAL
de fallas si la tasa de falla Operar
 AL AZARhastaPatron
fallar. E = 14 a 42% lasMORTALIDAD
causas de las fallas infantiles.
AL AZAR

INFANTIL
Patrón
es muy D = 6 a11%
elevada.  Análisis de fallas si la tasa de fallas es  Provisión de repuestos.
Patron F = 29 a 68%
 Provisión de repuestos. más alta que la deseada o requerida.  No se recomienda
 Provisión de repuestos. implementar estrategias de
mantenimiento basadas en
el tiempo.

Para estudios realizados en aeronaves comerciales los patrones de fallos, se corresponden:

PATRON A: 4% PATRON C: 5% PATRON E: 14%
PATRON B: 2% PATRON D: 7% PATRON F: No menos de un 68%
Por ejemplo si disponemos de un producto de N componentes operando durante un periodo de
tiempo T, y suponemos que en este periodo han fallado varios componentes (algunos en varias
ocasiones), para este caso el componente i-ésimo habrá tenido ni averías, luego el número medio
de averías para el producto será:

Es decir, la tasa de fallos será:

MTBF = T/ñ MTBF = 1/ TF(N)

Esto contradice la creencia de que hay conexión entre la confiabilidad y la edad operacional, se
pensaba que cuanto mas seguido un item es reparado, menos posibilidades tiene de fallar (solo
es cierto en muy pocos casos), a menos que exista un modo de fallo dominante, relacionado con
la edad, los límites de edad tienen que ver poco o nada con mejorar la confiabilidad, de los
componentes complejos.
De hecho las reparaciones pueden en realidad aumentar los promedios de fallas generales al
introducir la mortalidad infantil en un sistema que de otra manera serían estables.
Algunas forma de organizaciones han abandonado por completo la idea del mantenimiento
PROACTIVO; esto cuando las fallas son de consecuencias menores. Pero cuando son
importantes, algo debe hacerse para reducir las consecuencias y nos lleva a las tareas
PROACTIVAS.
Las tareas Proactivas en CONFIABILIDAD son:
 Tareas de Reacondicionamiento ciclicas.
 Tareas de sustitución ciclica.
 Tareas a condición
 TAREAS DE TAREAS DE TAREAS A
REACONDICIONAMIENTO SUSTITUCION CONDICIÓN
CICLICAS CICLICAS

• Refabricar un componente o • Sustituir un componente • A los componentes se

• Reparar un conjunto
antes de un limite de
edad especifico sin
importar su condición en
ese momento
• Es conocido como • Es conocido como
Mantenimiento Preventivo
(solian ser los
mantenimiento proactivo
mas usados). Hace ya
más de veinte años atras
que se usa mucho menos.
antes de un limite de edad
especifico, mas allá de su
condición en ese
momento.
Mantenimiento Preventivo • Este tipo de
(solian ser los
mantenimiento proactivo
mas usados). Hace ya
más de veinte años atras
que se usa mucho menos.
dejan en servicio A
CONDICION, de que
continuen alcanzand los
parametros de
funcionamiento
deseados.
Mantenimiento incluye:
Mantenimiento predictivo,
mantenimiento basado en
la Condición y Monitoreo
de Condición
 Capacidad Inicial (qué puede hacer) Capacidad Inicial (qué puede hacer)

El mantenimiento no puede El mantenimiento cumple sus

aumentar la capacidad de este El objetivo del mantenimiento, es objetivos manteniendo la
Margen de deterioro activo físico, más allá de este asegurar que la capacidad este por

FUNCIONAMIENTO
capacidad del activo físico en esta
nivel. Con lo cual el activo es encima de este nivel
FUNCIONAMIENTO

zona
no mantenible

Limite de especificación superior

Límite de control superior
FUNCIONAMIENTO
DESEADO (lo que el usuario FUNCIONAMIENTO DESEADO 6σ
quiere que haga = (lo que el usuario quiere que haga = DESEMPEÑO)
DEsempeño
Límite de control superior
Limite de especificación inferior
Minimo
RCM SISTEMA: TURBINA DE 5 MW RCM SISTEMA: TURBINA DE 5 MW
HOJAS DE TRABAJO SUB-SISTEMA: SISTEMA DE ESCAPE HOJAS DE TRABAJO SUB-SISTEMA: SISTEMA DE ESCAPE

FUNCION FALLA FUNCIONAL

Dar salida sin restricción a todos los gases de escape caliente de la turbina hasta un punto A. Totalmente incapaz de conducir el gas
situado a 10 m por encima del techo de la sala de turbinas. B. Flujo de gas restringido
C. Incapaz de contener los gases
D. No puede transportar los gases a un punto por encima de 10m.
Reducir los niveles de ruido del escape a un nivel ISO 30, a 150 m.
A. El nivel de ruido excede al ISO 30 a 150 m.
Asegurar que la temperatura superficial de los ductos, dentro de la sala de turbinas no exceda
los 60°C A. La temperatura superficial es mayor de los 60°C.

Trasmitir una señal de alarma, al sistema de control de la turbina, si la temperatura de los A. Incapaz de trasmitir la señal si la temperatura de escape es de 475°C
gases excede los 475°C y una señal para detener el equipo si excede los 500°C a 4 m de la B. Incapaz de trasmitir una señal de apagado si es mayor de 500°C
turbina
Permitir el libre movimiento de los ductos, en respuesta a los cambios de temperatura. A. No permite el libre desplazamiento de los ductos.
 La mayoría de los datos de fallas se pueden clasificar en dos categorías: datos completos y datos
censurados.
1. DATOS COMPLETOS. significan que nuestro conjunto de datos está compuesto por los tiempos de
falla de todas las unidades de nuestra muestra. Por ejemplo, si probamos cinco dispositivos en un
banco de pruebas y todos fallaron, los tiempos de falla registrados proporcionarían información
completa sobre el tiempo de cada falla en la muestra.
2. DATOS CENSURADOS. Estos surgen en una situación en
la que algunas unidades de la muestra pueden no haber
fallado o no se conocen los tiempos exactos de falla de
todas las unidades en el momento del análisis de datos de
fallas. Hay tres tipos de datos:
a. Datos Censurados a la Derecha.
b. Datos Censurados a Intervalos
c. Datos Censurados a la Izquierda
2. DATOS CENSURADOS A LA DERECHA. Están compuestos por unidades
que no fallaron. Por ejemplo, si probáramos diez dispositivos y solo siete
hubiesen fallado al final de la prueba, habríamos suspendido los datos (o
datos censurados correctamente) para los tres dispositivos que no fallaron. El
término "derecho censurado" implica que el tiempo de falla está a la derecha
de nuestro punto de datos. En otras palabras, si las tres unidades continuaran
operando, la falla ocurriría a la derecha de nuestro punto de datos en la
escala de tiempo.
a. DATOS CENSURADOS POR INTERVALOS. Reflejan incertidumbre sobre
los tiempos exactos en que los dispositivos fallaron dentro de un intervalo.
Por ejemplo, si inspeccionamos una máquina a 1000 y la encontramos
funcionando y luego la inspeccionamos a 1200 y la encontramos no
operativa, entonces no sabremos la hora exacta de la falla. Todo lo que
sabemos es que la falla ocurrió en el intervalo [1000, 1200].
b. DATOS CENSURADOS A LA IZQUIERDA. Reflejan incertidumbre sobre el
tiempo exacto de falla. Sin embargo, en este caso, solo se sabe que el
tiempo de falla es anterior a un tiempo determinado. Por ejemplo, podemos
saber que cierto dispositivo falló en algún momento antes de 200, pero no
sabemos exactamente cuándo.
 28/11/2019

La Función Acumulativa de Riesgo, Z (t), es la integral de la función

de riesgo en el intervalo (0,t). Es decir:

Esta función tiene varias aplicaciones para el análisis de problemas

de fiabilidad. Se utiliza mucho en el contexto de secuencias o
reposiciones de dispositivos y en el análisis de datos, se observa sin
embargo que Z (t) es una aproximación al número de reposiciones
que se harían (fallos) si un conjunto de copias de un dispositivo
funcionase simultáneamente con la reposición instantánea de
cualquiera que fallase.
Nos permitirá decidir si un componente tiene IFR o CFR o DFR
MODELO EXPONENCIAL EN
FIABILIDAD
Es un modelo de fiabilidad, tan popular porque, a menudo se utiliza para modelar la fiabilidad:
1. Es sencillo algebraicamente y por tanto tratable y
2. Se considera representativo del intervalo de vida funcional del ciclo de vida del dispositivo.
Es la única distribución de probabilidad que tiene una función de riesgo constante
Algunas personas creen que las empresas gestionan sus componentes o dispositivos envejeciéndolos a lo
largo del ciclo de vida inicial antes de ponerlos en servicio. Se espera que los dispositivos estén obsoletos
antes de llegar al período de desgaste, de forma que un modelo apropiado de fiabilidad de dispositivos es uno
que tiene un riesgo constante. Este punto de vista es controvertido. No obstante, se utiliza mucho el modelo
exponencial. La distribución exponencial es la única distribución de probabilidad que tiene una función de
riesgo constante. La expresión general de la exponencial es:
Al igual que λ, el parámetro
“m” describe completamente
la fiabilidad de un dispositivo
sujeto a fallos de tipo
aleatorio, esto es, la fiabilidad
exponencial. La función de
fiabilidad, llamada también
"probabilidad de
supervivencia" se puede
escribir por tanto de la forma:

R(t) = e-t/m
 28/11/2019

Vida Media E(t) o Tiempo Medio Para Fallar- (MTTF) (Mean Time To Failure)
Se conoce así a un dispositivo, a la esperanza de la vida media determina el tiempo de duración
esperada de un dispositivo:
∞
MTTF = E (t) = ∫ 0 t f(t) dt
Conociendo: f(t)= λe-λt
∞ ∞ ∞
∫ 0 λte-λt dt = -t e-λt│0 + ∫ 0
∞
e-λt dt = 0 + (1/λ) ∫ 0 e-λt dt = 1/λ

Cuando se consideren dispositivos reparables (que puedan seguir funcionando tras un fallo), se hablará de
“tiempo medio entre fallos” (MTBF).

Vemos que el MTTF y la tasa de fallos

son recíprocos. MTTF = 1/λ = m =MTBF
 En donde el parámetro “λ” no es negativo. Obsérvese que para esta función de distribución:

La cual es constante con respecto al tiempo. Esta, es tanto una característica deseable como indeseable del modelo. El
atractivo del resultado estriba en su simplicidad. Problemas con el modelo de riesgo constante giran en torno a la propiedad
asociada de «ausencia de memoria» que exhibe, y el hecho asociado de que la probabilidad de supervivencia condicional
es independiente de la edad. Es decir:

Un resultado incondicional correspondiente es que:

Ejemplo:
Durante el programa de mantenimiento anual que realiza una empresa se han recogido los
datos de fallos de un conjunto de 50 válvulas mecánicas habiendo fallado 2 de ellas. Para
reprogramar el programa de mantenimiento preventivo que se lleva actualmente en la
empresa se desea saber:

1. Tasa de fallos anual para dichas válvulas.

2. Qué probabilidad tiene una válvula de fallar antes de alcanzar un tiempo de
funcionamiento de 4 meses.
3. Cuál será la probabilidad de que la una válvula esté en funcionamiento al cabo de 6
meses.
4. Cuál será la probabilidad de que el tiempo de vida esté comprendido entre 4 y 6 meses.
5. Determinar un intervalo de vida con un nivel de confianza (centrado) del 90 %.
 28/11/2019

1. La tasa de fallos será la relación entre el número de

válvulas falladas y el número total de válvulas en 3. La probabilidad de que no se haya
funcionamiento: producido el fallo antes de los 6
meses será la fiabilidad para ese
λ = (2/50) = 4 x 10-2
tiempo, que resultará:
2. La probabilidad de que una válvula falle antes de un
número determinado de meses viene expresado por la
infiabilidad R (t) = e (-λt)
F (t): F(t)= 1 - e( - λt) R(t) = e(- 4x10-2 x 1/2)
λ= 4 x10-2 R(t) = e(- 0,002) = 0,9802
Para t = 1/3, se tendrá:
Esto quiere decir que existe una
F(t)= 1 - e( - 0.04)(1/3) = 0.986755 probabilidad del 98,02 % de que
F(t) = 1 - 0,986755 = 0,013244. una válvula no se averíe antes de
La probabilidad de que el dispositivo falle antes de los seis meses.
cuatro meses será del 1,3244 %.
 28/11/2019

4. La probabilidad de que el tiempo de vida esté

comprendido entre 4 y 6 meses será la diferencia
entre la probabilidad de que falle antes de los 6
meses y la de que falle antes de los 4 meses;
matemáticamente será la diferencia entre las
infiabilidades de ambos periodos de tiempo sea:

Pr = R (1/2) - R (1/3)
= [1 - e(- 1/2)] - [1 - e(- 1/3)]
= e(- 1/3) - e(-1/2)
= 0,1124 = 11,24 %
Representamos gráficamente lo anterior.
5. Para determinar un intervalo de vida con una
confianza del 90 %, partimos de las siguientes figuras.
Luego, debe verificarse que los valores de la infiabilidad
para los momentos t1 y t2 serán respectivamente :
R (t1) = 0,05 R (t2) = 0,95
Sustituyendo las expresiones anteriores, tendremos:
R (t1) = 1 - e(- t1) = 0,05
R (t2) = 1 - e(-t2) = 0,95
Despejando:
e(- t1) = 0,95 e(- t2) = 0,05
Invirtiendo:
exp (t1) = 1,06 donde t1 = 0,05826 años
exp (t2) = 20 donde t2 = 2,9957 años
Luego, para un nivel de confianza del 90 %, la vida de la válvula
estará comprendida entre 0,05826 y 2,9957 años.
PROBLEMA. Solución:
Una compañía del sector industrial
durante el último año ha recopilado Para los cincuenta motores para reprogramar el
los datos de fallas de 50 motores mantenimiento se calculará
habiendo fallado 2 de ellos durante
el periodo mencionado. Nuestra a. Determinamos la tasa de fallas λ = 2/50 = 0.04
tarea consiste en reprogramar el b. Hallaremos la No-confiabilidad; si: F(t) = 1 – F(t)
mantenimiento de manera tal que se
satisfagan las necesidades La falla antes del cuarto mes será:
operativas de la compañía, pero F(t) = 1 - R(t) = 1 – e-λt = 1 - e-0.04*(1/3) = 0.01342 =
para eso queremos saber:
a. La tasa de fallos.
1.324%
b. La probabilidad de falla que tiene c. La Confiabilidad, se determinará F(t) = R(t) = e-λt
un motor antes de alcanzar un d. La probabilidad de que funcione al cabo de los
tiempo de funcionamiento de 4
meses. seis (6) meses, será R(t) = e-0.04/2 = 98.02 %
c. La probabilidad de que un motor
este en funcionamiento al cabo
de 6 meses.
En la figura se presenta la función de supervivencia
de dos modelos exponenciales con duraciones
medias Modelo (1) es de 1000 hrs y Modelo (2), es de
2000 hrs.

1.2

1
Expon. (Ta Fallas (1))
Hrs Ta Fallas (1) Ta Fallas(2) Expon. (Ta Fallas (2))
0 1 1
100 0.9048 0.9512 R(t) = e-λt 0.8

300 0.7408 0.8607

500 0.6065 0.7788
0.6
1000 0.3679 0.6065
2000 0.1353 0.3679
3000 0.0498 0.2231
4000 0.0183 0.1353 0.4
5000 0.0067 0.0821
6000 0.0025 0.0498
7000 0.0009 0.0302
8000 0.0003 0.0183 0.2
9000 0.0001 0.0111

10000 4.54E-05 0.00673795 λ = 1/MTBF 0

0 2000 4000 6000 8000 10000 12000

 La probabilidad de que el componente con vida media de 1000 horas, funcione más de 2000 horas es del 13.5%.
28/11/201
 Para
9 el componente de 2000 horas de duración media es de36.7%.
2500 2000.
Z(t) Z1 Z2 0

2000
1500.
0 f¨(1) f¨(2)
1500

1000.
1000 0

λR(t)
500.
500
0

0 0.
0 100 300 500 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 0 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000

1.100
1-R(t) Chart Title
0.900
1200
0
0.700 1000
0 1000
800 900 0
0.500 1-R1(t) 1-R2(t) 0 800 0
600 700 0
0 600 0
0.300 400 0
0 400 5000
0.100 200 300 0
0 0 100 300 500 1000 2000 0
0
-0.100 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Ejercicio.- Un aparato tiene
una tasa de fallo constante
con una duración de vida
media de 500 horas.
Determinar:
a. La probabilidad de que
esté funcionando a las
100 horas.
b. Las horas que puede
funcionar este aparato
sin que la fiabilidad baje
de 0.95.
SOLUCION.-
• Tasa de fallo: Constante, por lo tanto, estamos ante una
distribución exponencial.
• Esperanza del tiempo de fallo: MTTF = 500 horas.
• Operamos en la función de la vida media:
• Por lo tanto, la tasa de fallos es:
• Z(t) = 1/MTTF = 1/500 = 0.002
• Hay que recordar que, la tasa de fallos para la distribución
exponencial es constante para cualquier instante de t. Y la
función de fiabilidad es:
a. Empleamos la función de fiabilidad: R(t) = e-0.002·t
 R(t=100) = e-0.002·100
 =
b. En este caso, debemos hallar t dada una fiabilidad: R(t) =e-0.002·t
= 0.95 Empleamos logaritmo neperiano en ambas partes de la
igualdad:
 28/11/2019

Las ventajas de utilizar gráficos son:

1. Simplicidad y rapidez: los métodos gráficos son rápidos y de fácil aprendizaje, por lo que su uso está
muy extendido en el campo de la fiabilidad.
2. Presentación de los datos: el elaborar gráficos de fiabilidad permite visualizar los datos de una forma
simple y ordenada. Esto facilita tanto su comprensión como su presentación aterceros.
3. Estimaciones aproximadas: mediante los gráficos de fiabilidad pueden obtenerse unas primeras
estimaciones de la tasa de fallos o de la vida media del componente si no se dispone de ordenador.
4. Datos censurados: el método gráfico se puede utilizar tanto para datos completos como censurados.
5. Datos atípicos: permite detectar datos/componentes cuyo comportamiento no sea el habitual, lo que
permitirá -ligado a tareas de diseño- detectar a que se deben estos comportamientos.
6. No utiliza medios sofisticados: las estimaciones se realizan sobre el propio gráfico, sin utilizar
programas estadísticos.
 28/11/2019

El proceso de ajuste de modelos estadísticos a partir de datos muestrales es simple. Se estudian

los datos mediante técnicas de estadística descriptiva, se elige un modelo de distribución de
probabilidad, se estima y se realiza una diagnosis para detectar posibles errores. Vamos a
estudiar el método mediante varios ejemplos:
Por tanto, si representamos en un gráfico:

ln [1 – F(t)] = - λ t
 En el eje vertical la variable Y = ln [1 – F(t)] y
 En el eje horizontal la variable X = t, tiempos de fallos.

SI LOS DATOS PROCEDEN DE UN MODELO EXPONENCIAL,

DEBEN PRESENTAR EL ASPECTO DE UNA LINEA RECTA.

Como puede apreciarse están formando una línea recta y por

tanto consideramos adecuado el Modelo Exponencial.
 28/11/2019

Ejemplo: En un ensayo se han recogido los tiempos de fallo de 20 componentes, que han
resultado (en horas):

76,7; 3,04; 627,4; 110,8; 6,25; 37,1; 42,7; 76,6; 103,9;107,7; 121,2; 130,2; 220; 314,8;
236,8; 245,6; 407,9; 499; 4,45; 114,6.

Con estos datos se pretende determinar las características de la distribución de

tiempos de fallo del componente en cuestión.
Para lo cual se seguirá de acuerdo a los puntos que se indica:
1. Ordenación de los datos de menor a mayor:
2. Estimación de la función de distribución mediante la expresión (b) que es más exacta.
3. Elección del modelo teórico (esto implica utilizar uno u otro tipo de papel
probabilístico)
4. Representación de los datos en el papel del modelo teórico hasta que formen una línea
recta
5. Estimación de los parámetros del modelo a partir del gráfico (Optativo y anticuado)
Orden tiempos F= (i - 0.3)/(n + 0.4) ln(1-F(t)) -ln(1-F(t))
4.000
1 3.04 0.034 0.035
2 4.45 0.083 0.087 3.500
3 6.25 0.132 0.142
4 37.1 0.181 0.200 3.000
5 42.7 0.230 0.262
6 76.6 0.279 0.328 2.500

AxisTitle
7 76.7 0.328 0.398
8 103.9 0.377 0.474 2.000
9 107.7 0.426 0.556
10 110.8 0.475 0.645 1.500
11 114.6 0.525 0.743
12 121.2 0.574 0.852 1.000
13 130.2 0.623 0.974
14 220 0.672 1.113 0.500
15 236.8 0.721 1.275
16 245.6 0.770 1.468 0.000
0 200 400 600 800
17 314.8 0.819 1.707
Tiempo
18 407.9 0.868 2.022
19 409 0.917 2.485
20 627.4 0.966 3.372
 28/11/2019

ESTIMACION PARAMETRICA-GRAFICA
EXPONENCIAL

tiempos F= (i - 0.3 ) ln(1-F(t)) ln(ln) ln(t) 2.000

/(n -0.4)

3.04 0.034 0.035 -3.355 1.11

4.45 0.083 0.087 -2.442 1.49 1.000
6.25 0.132 0.142 -1.952 1.83
37.1 0.181 0.200 -1.609 3.61
42.7 0.230 0.262 -1.340 3.75
0.000
0.00 1.00 2.00 3.00 4.00 5.00 6.00 7.00
76.6 0.279 0.328 -1.116 4.34

Ln(Ln
76.7 0.328 0.398 -0.921 4.34
-1.000
103.9 0.377 0.474 -0.747 4.64

)
107.7 0.426 0.556 -0.587 4.68
110.8 0.475 0.645 -0.438 4.71
-2.000
114.6 0.525 0.743 -0.297 4.74
121.2 0.574 0.852 -0.160 4.80
130.2 0.623 0.974 -0.026 4.87
-3.000
220 0.672 1.113 0.107 5.39
236.8 0.721 1.275 0.243 5.47
245.6 0.770 1.468 0.384 5.50
-4.000
314.8 0.819 1.707 0.535 5.75 Ln (t)
407.9 0.868 2.022 0.704 6.01
409 0.917 2.485 0.910 6.01
627.4 0.966 3.372 1.216 6.44
MODELO WEIBULL EN
FIABILIDAD
La distribución de Weibull lleva el nombre de Waloddi Weibull (1887–1979), quien descubrió
que, se adapta a una gran cantidad de características de falla de los equipos, en general,
las distribuciones de datos sobre la vida del producto pueden modelarse mediante una
función de la siguiente forma, como fdp

Los tres parámetros de una distribución de Weibull son: β (el parámetro de forma), γ (el
parámetro de ubicación) y η (el parámetro de escala). β y η son mayores que 0.
Considere el caso cuando γ = 0 (que suele ser el caso cuando se trata de reemplazo
preventivo de componentes y η se mantiene constante.
Las distribuciones de Weibull para β = 0.5, 1, 2.5, 3.44 y 5 se muestran.
PARAMETRO DE FORMA (β)
• Cuando β <1, la distribución de Weibull tiene una forma hiperbólica con f (0) = ∞.
• Cuando β = 1, se convierte en una función exponencial.
• Cuando β ˃ 1, es una función unimodal en la cual la asimetría cambia de izquierda a derecha a medida que aumenta el valor de β
• Cuando β ≈ 3.44, la distribución de Weibull se aproxima a la función simétrica normal.
PARÁMETRO ESCALA (η)
Conocida como de la vida característica. La Figura, muestra dos distribuciones de
Weibull, ambas con valores ϒ y β idénticos, pero diferentes en sus valores η. Aunque
ambos comparten la misma forma, la distribución de estas distribuciones es
proporcional al valor η. Por lo tanto, η se denomina parámetro de escala.
La función de distribución acumulativa, F (t), de la distribución de Weibull es:

Cuando t - ϒ = η, F (t) = 1 - e(−1), o aproximadamente 63.2%, para todos los valores de

β. Por lo tanto, η también se conoce como la vida característica de la distribución de
Weibull.
PARAMETRO DE UBICACIÓN ( ϒ )
Por definición, la función de densidad de probabilidad de la distribución de Weibull es
cero para t ≤ ϒ. Es decir, no hay riesgo de falla antes de ϒ, que por lo tanto se denomina
parámetro de ubicación o período libre de falla de la distribución. En la práctica, ϒ puede
ser negativo, en cuyo caso el equipo puede haber sufrido un proceso de rodaje o haber
estado en uso antes de t = 0
La estimación de F (ti) para cada tiempo de falla observado ti ; se realiza sobre el
rango de una observación cuando los datos se ordenan en orden ascendente. Es
decir, se espera que el 100% de los elementos fallen. Obviamente, los valores de TABLA DE RANGO MEDIANA
F (ti) así determinados son estimaciones pesimistas.
Una mejor estimación de F (ti) es utilizar la tabla de RANGO MEDIO que se
muestra. La primera fila de una tabla de rango medio muestra el tamaño de
muestra n, y la primera columna indica el número de rango i.
• Para muestras de tamaño menor de 12 la probabilidad de que estas
estimaciones sean optimistas es igual a la de que sean pesimistas. Para
tamaños de muestra mayores que 12 pero menores que 100, la aproximación
de Benard para el rango medio es adecuada como una estimación de F (ti):

TABLA DE RANGO MEDIANA

• Para tamaños de muestra superiores a 100, los efectos del sesgo de muestra
pequeña son insignificantes y F (ti) puede estimarse a partir de la expresión
para rangos media:

TABLA DE RANGO MEDIA

Ejemplo: 20 motores seleccionados # de Tiempo Rank Media

al azar se pusieron en un programa Fallas

(i)
de falla
(t1)
N20
F(t) %
de prueba de vida. Al final de la 1 550 3.406

prueba, 12 de estos motores fallaron 2 720

8.251

y se registraron sus tiempos de falla. 3 880 13.147

Los tiempos de falla de los otros ocho
4 1020 18.055
motores que sobrevivieron a la
5 1180 22.967
prueba (es decir, ti> 2325 horas) se
6 1330
consideran datos censurados. * 27.880

La gráfica es una curva, usaremos 7 1490 32.795

una distribución de Weibull de tres 8 1610 37.710

parámetros para modelar el conjunto 9 1750 42.626

de datos. La curvatura de la gráfica 10 1920 47.542

sugiere que el parámetro de 11 2150 52.458

ubicación sea ϒ˃0 . Por lo que, ϒ ≤ 12 2325 57.374

(tiempo de falla mas corto, t1). Dato Dato

13-20
Encontrar el valor correcto de ϒ que censurad censurado

producirá una gráfica lineal.

 Rank
# de Fallas
(ti- ϒ) Media N20
(i)
F(t) %
Determine ϒ por ensayo y error. Dando un valor de prueba de 1 175 3.406

gamma ϒ, restando diferentes valores de ϒ (0 ≤ ϒ ≤ t1) de cada 2 345 8.251

ti hasta que obtengamos una línea recta para la gráfica de (ti - ϒ) 3 505 13.147

versus F (ti) en Weibull papel. En este ejemplo, se puede 4 645 18.055

obtener una buena línea recta durante ϒ = 361 horas. Los 5 805 22.967

tiempos de falla ajustados, (ti - ϒ), se tabulan. La gráfica de 6 955 27.88

Weibull de los datos ajustados es una línea recta, como se 7 1115 32.795

muestra en la Figura.
8 1235 37.71

9 1375 42.626
Resumiendo los resultados, los parámetros de la distribución
10 1545 47.542
ajustada son ϒ = 361 horas, β = 1.23 y η = 2170 horas. La 11 1775 52.458
función de densidad de probabilidad de la distribución ajustada 12 1950 57.374
se muestra. Dato Dato
13-20
censurad censurad
Una forma más directa de obtener el valor ϒ. Es un método gráfico con los
siguientes pasos:
1. Seleccione dos puntos finales del diagrama de Weibull que cubran todo
el conjunto de datos de falla. Sean a y c las proyecciones de estos
puntos finales en el eje F (t), como se muestra.
2. Biseca la distancia entre a y c. Siendo b el punto medio.

3. Las proyecciones de a, b y c en el eje t sean t1, t2 y t3, respectivamente.

4. El parámetro de ubicación ϒ se puede estimar a partir de la ecuación
anterior.
Ahora usaremos el método gráfico para encontrar el parámetro de
ubicación. De la gráfica de Weibull, tendremos: t1 = 500 hrs, t2 = 933 hrs y
t3 = 2500 hrs.
PAPEL WEIBULL
La forma de la función de distribución acumulativa, F (t), de una
distribución de Weibull para ϒ = 0 es:

Esta ecuación se puede transformar en la expresión lineal

ln ln [ 1/(1-F(t))] = β ln t - β ln η

Por lo tanto, una gráfica de ln ln [ 1/(1-F(t))] versus ln t dará una línea

recta cuando t se genera a partir de una distribución de Weibull con ϒ = 0.
Conocido como papel Weibull, con el eje vertical en la escala ln ln eje
horizontal en escala ln, permite trazar F (t) y t directamente. La Figura
muestra un papel Weibull de dos ciclos: papel con una escala de abscisa
que se extiende sobre un rango de 102 unidades del valor de la vida
(Nelson 1967).
REGRESION DEL RANGO EN “Y”
Realizar una regresión de rango en Y requiere que una línea recta se ajuste matemáticamente a
un conjunto de puntos de datos de manera que se minimice la suma de los cuadrados de las
desviaciones verticales de los puntos a la línea. Usamos el principio de mínimos cuadrados para
determinar la línea a través de los puntos, en lugar de solo mirarla. El primer paso es llevar
El coeficiente de correlación
nuestra función a una forma lineal:
Se define de la siguiente manera:

a = -β ln(η) b=β
EJEMPLO.- Se están probando seis unidades idénticas en
Rango yi
los mismos niveles de esfuerzo de aplicación y xi (xi)2 Ln(t)*y =
t (hr) Medio Ln[1-(Ft)] = Ln(-Ln[1- (yi)2 b=β a η
ln(t) Ln(t)2 xi*yi
operación. Todas estas unidades fallan durante la prueba (%) F(t) (Ft)]
16 10.91 -0.1155 -2.1583 2.7726 7.6872 4.6582 -5.9840
después de operar el siguiente número de horas: 93, 34, 16, 34 26.445 -0.3071 -1.1805 3.5264 12.4352 1.3935 -4.1627

120, 53 y 75. Estime los valores de los parámetros para una 53

75
42.141
57.859
-0.5472
-0.8641
-0.6030
-0.1460
3.9703
4.3175
15.7632
18.6407
0.3636
0.0213
-2.3941
-0.6304
distribución Weibull de 2 parámetros y determine la 93 73.555 -1.3301 0.2853 4.5326 20.5445 0.0814 1.2930
120 89.09 -2.2155 0.7955 4.7875 22.9201 0.6328 3.8083
confiabilidad de las unidades en un Tiempo de 15 horas. Σ -3.0070 23.9068 97.9909 7.1508 -8.0700 1.4302 -6.1997 76.3170

b = -8.07 – [(23.9068)*(-3.0070)/6]/(97.9909) – (23.9068)2/6 = 1.4301

a = [-3.007/6] - [1.4301*(23.9068)/6) = -6.19935
Entonces:
β = 1.4301
η = e-(-6.19935)/(1.431) = 76.31 hr
Regresión de rango en X.- Es similar al proceso de regresión de rango en Y, con la
diferencia de que las desviaciones horizontales de los puntos a la línea se
minimizan en lugar de las verticales. Nuevamente, es llevar la función de
confiabilidad a una forma lineal. Este paso es exactamente el mismo que en la
regresión en el análisis Y y todas las ecuaciones se aplican también en este
caso. La derivación del análisis anterior comienza en la parte de ajuste de mínimos
cuadrados, donde en este caso tratamos como la variable dependiente y como la
variable independiente. La línea recta que mejor se ajusta a los datos, para la
regresión en X, es la línea recta:
La MEDIA ( T ), (también llamada MTTF o MBTF) del La MODA ( )
pdf de Weibull viene dada por:

Donde:
Es la función gamma evaluada al valor de: DESVIACION
ESTÁNDAR (σT
La función gamma se define como:

Para el caso de 2 parámetros, esto se puede reducir

a:

La MEDIANA ( ), de la distribución de Weibull viene La VIDA CONFIABLE ( TR ) de Weibull

dada por: Para la distribución de dos parámetros, la vida confiable,
TR, de un componente para una confiabilidad específica,
que comienza en la edad cero, viene dada por:
 Falla Rangos Rango Rango
ti
N° Mediana 5% 95%
INTERVALO DE CONFIANZA DE UNA AREA EN WEIBULL 1 1.25 6.697 0.512 25.887
Determinaremos un intervalo de confianza en nuestra estimación de 2 2.40 16.226 3.677 39.416
F (t). En el que queremos encontrar un intervalo de confianza (1 - α) Ejemplo: Probamos 10 3 3.20 25.857 8.726 50.690
para F (t), en el cual α es el riesgo que estamos dispuestos a baterías eléctricas durante 9 4 4.50 35.515 15.003 60.662
aceptar, el intervalo que encontramos no contiene el verdadero F (t). horas. Al final de la prueba, 5 5.00 45.169 24.244 69.646
Ejemplo, cuando establecemos un intervalo de confianza del 90% dos seguían trabajando. 6 6.50 54.831 30.354 77.756
para F (t), significa que tenemos una confianza del 90% de que la F Estos son los momentos en 7 7.00 64.490 39.338 84.997
(t) real está contenida en el intervalo de confianza. que los otros ocho fallaron: 8 8.25 74.142 49.310 91.274
Para construir el intervalo de confianza, necesitamos usar rangos de 1.25, 2.40, 3.20, 4.50, 5.00, 9
5% y 95%. Se dan tablas de rangos de 5% y 95%. Un procedimiento 6.50, 7.00 y 8.25 horas. 10
alternativo es.
En este procedimiento alternativo, los tres puntos correspondientes Bq LIFE
a los rangos de 5%, 50% y 95% de un tiempo de falla dado t se La vida Bq de un artículo es el momento en que el q% de la
trazan en una línea vertical en lugar de una línea horizontal población habrá fallado. Para ilustrar, tomemos el ejemplo. De la
(O’Connor y Kleyner 2012). Sin embargo, con este procedimiento, a Figura, obtenemos los siguientes resultados.
menudo no podemos determinar el límite inferior para el intervalo de La estimación puntual de la vida B20 es de 2.72 horas. El intervalo
confianza de la vida B10 sin extrapolación si el tamaño del conjunto de confianza del 90% en la vida B20 es de entre 1.1 y 5.0 horas.
de datos utilizado para crear el diagrama de Weibull es pequeño. B10 a menudo se cita en la especificación de la vida útil del
rodamiento.
TIEMPO MEDIO PARA LA FALLA (MTTF)
MTTF es la vida esperada E (T) de un producto no reparable, es el valor
medio estadístico de la variable aleatoria TTF. Se define como:
Usando la técnica de integración por partes, obtenemos
En el caso especial de una tasa de riesgo constante λ(t)
PROCESO DE REPARACION ESTOCASTICA.
Las definiciones analíticas y los modelos ilustrados anteriormente se
refieren principalmente al proceso de falla aleatoria de un sistema de
producción / componente que opera bajo ciertas condiciones. Cuando
el mantenimiento se realiza de acuerdo con los procedimientos
prescritos, el proceso de reparación (es decir, restauración) para una
condición específica de un componente o sistema fallido es estocástico.
Este proceso introduce varias propiedades nuevas de
confiabilidad basadas en las siguientes hipótesis:
 La actividad de reparación es admisible.
 La transacción de un estado a otro es instantánea.
 No se pueden ejecutar dos transacciones en un
período de tiempo Δt, en el infinitesimal dt.
 Se supone que el componente/sistema es
generalmente "tan bueno como nuevo" al final de la
actividad de reparación; pero esto no siempre es
admisible.
La variable aleatoria básica se llama "tiempo de
reparación" (TTR). La función de densidad de
probabilidad representa la distribución de valores
asumidos por TTR es g( t )
Al igual que con f(t), g(t) es una tasa no condicional:
tasa de reparación no condicional. En particular, es
una función integrable no negativa R R, entonces la
probabilidad de reparación del intervalo [a, b] viene
dada por:
Es la probabilidad de que una entidad fallida
sea reparada o restaurada puede definirse
formalmente como:
donde g(t ) es la función de densidad de
probabilidad de la variable aleatoria TTR y T es
el tiempo de la misión.
Hay dos medidas conocidas en el proceso de
reparación estocástica, llamadas "tiempo medio
de reparación" (MTTR) y la "función de tasa de
reparación" μ(t) definidas, respectivamente,
como el valor medio de la variable TTR y la
tasa de reparación condicional:
Al igual que la función de tasa de riesgo, μ(t) se define en relación
con el punto de tiempo t, mientras que M (t) se define en relación con
el período de tiempo T = t - t0; donde T es igual a t cuando t0 = 0.
sistema de componentes
que no funciona en t
En consecuencia, una función de riesgo reparable y una función de
distribución (o función de mantenibilidad) se pueden escribir de la
siguiente manera:
El MTTR es el valor medio estadístico de la variable aleatoria TTR,
que se define de la siguiente manera: En el caso especial en el que la tasa de
riesgo μ(t) es constante:
Así, la mantenibilidad podría ser expresada cuantitativamente, mediante el tiempo “T” empleado en realizar la tarea de mantenimiento
especificada en el elemento que se considera, con los recursos de apoyo especificados. El tiempo dependerá del empleado en cada
ensayo para la recuperación. A pesar del hecho de que cada tarea de mantenimiento se compone de las actividades especificadas, que se
realizan en una secuencia especificada, el tiempo empleado en la ejecución de todos ellos puede diferir de un ensayo a otro.

0 Los factores que intervienen en la diferencia de

T
tiempos para una misma tarea, se dan, los más

Mantenibilidad influyentes:
Recuperabilidad

 Factores Personales. Habilidad, destreza,

disposición, actitud, etc.
 Factores Condicionales. representan la
influencia del entorno operativo y las
consecuencias que ha producido el fallo.
 Entorno factores como temperatura,
T = f (factores personales, humedad, ruido, iluminación, vibración,
condicionales y ambientales) momento del día, época del año, viento, ruido,
etc.
TAREA DE
MANTENIMIENTO La ejecución de cada ensayo de una tarea de
mantenimiento específica se completará tras un
n bn
diferente intervalo de tiempo empleado. Así, el tiempo
i bi empleado en completar cada tarea de mantenimiento
es una característica específica de cada ensayo.

2 b2

1 b1

Tiempos de Recuperación

Es extremadamente importante para el usuario tener información sobre la funcionabilidad, coste, seguridad y
otras características del producto en consideración, al principio de su vida operativa. Sin embargo, es
igualmente importante, o incluso más, tener información sobre las características que definen el “tiempo de
mantenimiento”.
La notación correspondiente a la falla
aleatoria genérica y a los procesos de
reparación se resume en la Tabla que se
muestra.
En particular, para identificar el proceso de falla, la función
de probabilidad de falla F (t) corresponde a la función de
mantenibilidad G (t) en el proceso de reparación. Las
primeras columnas en las Tablas siguientes,
respectivamente, informan las principales definiciones y
propiedades de las cantidades de confiabilidad para un
proceso que se deteriora aleatoriamente a falla y para un
proceso de reparación aleatorio relacionado con un
componente/sistema fallido. La ingeniería de confiabilidad
de componentes/sistemas reparables introduce el tiempo
entre fallas como la duración de tiempo entre dos fallas
consecutivas de un artículo. Como consecuencia, es posible
cuantificar el llamado tiempo medio entre fallas, que es el
valor medio del tiempo aleatorio entre fallas.
 (b) El elemento
(a) Fallo del
se pone en
El TIEMPO DE INACTIVIDAD Es el período durante el cual el equipo está en SoFu
elemento
funcionamiento
estado fallido. Debido a las dificultades de generalizar sobre un parámetro
que puede consistir en diferentes elementos según el sistema y sus
condiciones de operaciónse caracteriza por dos eventos: SoFa
a. Falla del artículo y
b. El artículo se vuelve a poner en funcionamiento después de la reparación / z1 Tiempo de Reparación z2
reemplazo.
Tiempo de Inactividad
Esto suele ser más largo que el TIEMPO REPARACIÓN real, que también se
caracteriza por dos eventos: Inicio Fin
a. Inicio de la reparación y Reparación Reparación

b. Fin de la reparación.
Donde z1 y z2 son los tiempos para actividades administrativas y logísticas. El
tiempo de reparación se compone de varios períodos de tiempo:
• Tiempo de investigación (tiempo necesario para localizar la falla).
• Tiempo necesario para llevar a cabo la reparación real y
• Tiempo de prueba después de la reparación.
También puede incluir los tiempos de espera que pueden resultar de la falta
de repuestos o de otros elementos fallidos que esperan acciones de
rectificación. Este tiempo depende del inventario de repuestos y del personal
de la instalación de reparación.
Considere las condiciones:
• Un sistema que no está en uso continuo puede desarrollar una falla mientras está inactivo. La condición de falla
puede no ser evidente hasta que se requiera el sistema para la operación. ¿Se debe medir el tiempo de inactividad a
partir de la incidencia de la falla, desde el inicio de una condición de alarma o desde el momento en que se hubiera
requerido el sistema?
• En algunos casos, puede ser económico o esencial dejar el equipo en una condición defectuosa hasta un momento
particular o hasta que se hayan producido varias fallas similares.
• La reparación puede haberse completado pero puede que no sea seguro restaurar el sistema a su condición de
funcionamiento de inmediato. Alternativamente, debido a un tipo de situación cíclica, puede ser necesario retrasar.
¿Cuándo termina el tiempo de inactividad en estas circunstancias?
• Las actividades (b) - (g) se denominan Elementos de reparación activos y (h) e (i) Actividades de reparación pasiva.
El tiempo de realización no es una actividad de reparación, pero puede incluirse en el MTTR, donde se considera el
tiempo de inactividad. La verificación y la alineación, aunque utilizan mano de obra, pueden quedar fuera del tiempo
de inactividad. Los elementos de reparación activos están determinados por el diseño, los arreglos de
mantenimiento, el entorno, la mano de obra, las instrucciones, las herramientas y el equipo de prueba. El tiempo
logístico y administrativo está determinado principalmente por el entorno de mantenimiento, es decir, la ubicación de
repuestos, equipos y mano de obra y el procedimiento para asignar tareas.
a. Tiempo de realización: este es el tiempo que transcurre antes de que la condición de falla se vuelva aparente. Este elemento es pertinente a la
disponibilidad pero no constituye parte del tiempo de reparación.
b. Tiempo de acceso: Esto implica el tiempo, desde que se da cuenta de que existe una falla, hasta hacer contacto con pantallas y puntos de prueba y
así comenzar a encontrar la falla. Esto no incluye el viaje, sino la extracción de cubiertas y escudos y la conexión del equipo de prueba. Esto está
determinado en gran medida por el diseño mecánico.
c. Tiempo de diagnóstico: esto se conoce como detección de fallas e incluye el ajuste del equipo de prueba (por ejemplo, configurar una computadora
portátil o un generador), realizar verificaciones (por ejemplo, examinar formas de onda para compararlas con un manual), interpretación de la
información obtenida (esto puede ser ayudado por algoritmos), verificando las conclusiones extraídas y decidiendo la acción correctiva.
d. Adquisición de piezas de repuesto: la adquisición de piezas puede realizarse desde la "caja de herramientas", mediante canibalización o tomando
un ensamblaje idéntico redundante de alguna otra parte del sistema. No se incluye el tiempo necesario para mover piezas desde un depósito o tienda
al sistema, ya que forma parte del tiempo logístico.
e. Tiempo de reemplazo: Esto implica la eliminación del LRA defectuoso (Ensamblaje reemplazo menor) seguido de la conexión y el cableado, según
corresponda, de un reemplazo. El LRA es el elemento reemplazable más allá del cual el diagnóstico de falla no continúa. El tiempo de reemplazo
depende en gran medida de la elección del LRA y de las características de diseño mecánico, como la elección de los conectores.
f. Tiempo de verificación: Esto implica verificar que la condición de falla ya no exista y que el sistema esté operativo. Es posible restaurar el sistema
para que funcione antes de completar el proceso de verificación, en cuyo caso, aunque sea una actividad de reparación, no todo constituye un tiempo
de inactividad.
g. Tiempo de alineación: como resultado de insertar un nuevo módulo en el sistema, pueden requerirse ajustes. Como en el caso del proceso de
verificación final, parte o la totalidad de la alineación puede quedar fuera del tiempo de inactividad.
h. Tiempo logístico: es el tiempo que se tarda en esperar repuestos, equipos de prueba, herramientas adicionales y mano de obra para ser
transportados al sistema.
i. Tiempo administrativo: esta es una función de la organización del usuario del sistema. Las actividades típicas incluyen informes de fallas (cuando
esto afecta el tiempo de inactividad), asignación de tareas de reparación, cambio de mano de obra debido a arreglos de demarcación, pausas
oficiales, disputas, etc.
Es una de las medidas estadísticas más significativas, definidas para un componente reparable sujeto a ciclos de FFR (Función,
Falla y Reparación). El sistema funciona hasta que falla, después de lo cual se repara y se devuelve en su estado operativo
original. Este es el llamado proceso de renovación, que es una secuencia de variables aleatorias independientes y no negativas.
Se produce una renovación cuando una unidad falla y se restaura para que funcione. Su disponibilidad es la probabilidad de qu e
esté realizando la función requerida en un punto dado de tiempo t cuando está operando y se mantiene bajo condiciones
específicas. En otras palabras, A (t) mide la capacidad del componente/sistema como la probabilidad de estar operativo en un
momento dado t: A (t) = P (el componente está operando en el tiempo t)
En la literatura presenta varias definiciones de disponibilidad que dependen principalmente de qué tipos de tiempos de
inactividad se eligen para el análisis. En particular, la disponibilidad instantánea o puntual A (t) es la probabilidad de que un
componente / sistema esté operativo en cualquier momento aleatorio t. En otras palabras, es la suma de dos contribuciones:
1. R(t)
2. .

Donde: m (x) es la función de densidad de renovación del sistema porque el componente reparable tiene una distribución de
falla y una distribución de reparación.
La disponibilidad es:

La disponibilidad también puede definirse dentro de un intervalo de tiempo T = t - t0 de la siguiente manera:

La indisponibilidad Q (t) es la función complementaria de A (t), y una
medida estadística de la no operatividad del sistema componente en t:

Dado un componente reparable sujeto a ciclos de FFR y asumiendo

tasas constantes de riesgo y reparación, es decir, λ(t) = λ y μ(t) = μ, las
expresiones simplificadas de disponibilidad y no disponibilidad son
Caso unidimensional
• Las acciones de CM son aleatorias (ya que las fallas ocurren de manera
MP MC
incierta) apuntan a lo largo del eje de tiempo. Las acciones PM son puntos
t
adicionales a lo largo del eje de tiempo. Los instantes de tiempo de las
acciones de MP pueden ser aleatorios (en el caso de la política de edad) o
deterministas (en el caso de la política de bloque donde las acciones de MP
ocurren en instantes de tiempo predefinidos).
Caso bidimensional
• El enfoque implica: (i) la tasa de uso que varía entre la población de usuarios y
se modela como una variable aleatoria Z con la función de distribución y (ii) uso
una distribución de fallas condicional a la tasa de uso.
Este enfoque se puede usar para el caso 2D. Condicional a la tasa de uso, los
eventos posteriores (fallas, acciones CM y PM) se caracterizan como puntos
aleatorios a lo largo de una línea en el plano 2-D, con la pendiente dada por la
tasa de uso.
Tiempo
 Etapas de
requerimiento

Objetivos
Factibilidad RAMS

Estrategias
Mantenimiento
Diseño Los bucles que se muestran, representan actividades
Conceptual
Preventivo Correctivo relacionadas con RAMS de la siguiente manera:
Periódico Condición
Reemplazo Inspección
Objetivos  Una revisión de los cálculos de viabilidad RAMS del
Revisados
Revisión Pruebas Diseño
Detalle
sistema contra los objetivos RAMS iniciales.
 Una revisión formal (documentada) de las predicciones
RAMS de diseño conceptual contra los objetivos RAMS.
Modificacione
s del Diseño
 Una revisión formal (documentada), del diseño
detallado, contra los objetivos RAMS.
 Una revisión formal (documentada) del diseño de las
Manufactura Procura pruebas RAMS, al final del diseño y desarrollo, contra
los requisitos. Esta es la primera oportunidad
Jerarquía de (generalmente algo limitada) para algún nivel de
Pruebas
Incluye: demostración real del proyecto / requisitos
Pruebas
Modulo contractuales.
Sistema
Aumento de
 Una revisión formal de la demostración de aceptación
Construcción/
Montaje
Confiabilidad que implica pruebas RAMS contra los requisitos. Estos
se llevan a cabo con frecuencia comisionamiento, pero
preferiblemente se extenderían, o incluso se realizarían
Aceptación
totalmente, en el campo.
Data  Una revisión continua del rendimiento de RAMS de
Operación/ campo contra los objetivos incluyendo mejoras
Mantenimiento
posteriores.
PROBLEMA.- Un submarinista tiene que efectuar ciertas SOLUCION
reparaciones en una plataforma petrolífera. Puede elegir a. La duración de reparación t= 45
entre equipos de buceo de dos clases. min = 0.75 hr
Las reparaciones se llevarán a cabo en condiciones de b. Determinar el tiempo minimo, será
riesgo bajo las cuales los equipos pueden fallar. Los cuando la confiabilidad de cada
tiempos de fallo, en horas, tienen una distribución de
Weibull de parámetros β1= 1.7 y η1 = equipos sean iguales, es decir:
7.5 el primero, y β2= 2.5 y η2 = 4 el segundo, R(t)1 = R(t)2
determinar:
a. ¿Qué clase de equipo debe elegir el e(t/η1)β1 = e(t/η2)β2
submarinista, si la reparación tendrá una Tomamos logaritmo y tendremos:
duración prevista de 45 minutos?.
b. ¿Cuál deberá ser como mínimo la duración (t/η1)β1 Ln e = (t/η2)β2 Ln e
prevista de la reparación para que el submarinista t = 1.0518 hr = 63.10 min
opte por un equipo de otra clase? R(t=1.0518) = 96.52%
1.01000 CONFIABILIDAD
0.99000

0.97000

0.95000

0.93000

0.91000

0.89000
R1(t) R2(t)

0.87000

0.85000
0.00 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.45 0.50 0.55 0.60 0.65 0.70 0.75 0.80 0.85 0.90 0.95 1.00 1.05 1.10 1.15 1.20 1.25 1.30 1.35 1.40 1.45 1.50 1.55 1.60
 SOLUCION
EJERCICIO.-
Se ordena siempre de menor a mayor, y con la ayuda de la tabla 2, que nos da
La información disponible acerca
de la duración de 10 sistemas directamente los valores medios clasificados de los fallos o probabilidades
mecánicos de detectores de acumuladas según el tamaño de la muestra que en este caso es n = 10,
presencia sometidos a tendremos:F(t)
Tiempofallo
funcionamiento continuo hasta meses
que se produce un fallo, da los
siguientes resultados, 1.7 0.067
expresados por su duración en 3.5 0.163
meses y ordenados : 1,7; 3,5 ;
5; 6; 8; 11; 5 0.2594
13; 18 y 22.
6 0.3557
a. Calcular las probabilidades
acumuladas o valores 8 0.4519
medios clasificados, los TABLA 2
parámetros de Weibull, tipo 9 0.5481
de fallo, la fiabilidad de
forma general, 11 0.6443
b. La fiabilidad para 12 13 0.7406
meses, la duración media Tabla 2: Valores medios clasificados de fallos en función
de vida y la desviación 18 0.8368 del tamaño de la muestra (columnas) y del número
tipo.
22 0.933 medio de fallos acumulados (filas)
La representación de estos
puntos en el gráfico de Weibull
nos dá prácticamente una
recta. La pendiente de esta
recta es 1,5 valor que
corresponde al parámetro ß; por
otro lado se puede ver que
gráficamente que η = 12, que es
el valor de la abcisa en el punto
donde la recta trazada con los
datos corta a la horizontal para
F ( t ) = 63,2

• La duración de vida media será :

• E( t ) =MTBF=η Γ( 1 + 1 / ß )
• MTBF = 12 Γ ( 1 + 1 / 1,5) =12*
0,9028 = 10,83 meses
• La desviación tipo será :
• σ2 =η2 [ Γ ( 1 + 2 / B ) - Γ2( 1 + 1/ß ) ]
 Caso de t0 = 0
R (t) = 1 - F (t) = exp - (t / η)ß
1 / [1 - F (t) ] = exp (t / η)ß

Y = AX + B (ecuación de una recta)

B = -β Inη
A = β (coeficiente director)
X = In t (variable función det)
Y = In In 1 / [1 - F (t) ] (función de t)

Tiempo medio entre fallos (MTBF) o media: el tiempo medio entre fallos o
vida media se calcula con la ayuda de la tabla, que nos da los valores de
gamma yvale:
E ( t ) = MTBF = η Г( 1 + 1 / β )
Desviación estándar o variancia s: se calcula tambiéncon la ayuda de la
tabla yvale:

(σ/ η) 2 = Г ( 1 + 2 / β ) - [Г ( 1 + 1 / β ) ] 2
 28/11/2019

Objetivo N° Horas que

falla operó
Mostrar cuando un “equipo de correr hasta la falla” 1 24
2 36
Datos del ejemplo 3 98

Se tiene en una línea de producción, un componente “X” cuya falla provoca parada de 4
5
104
134
producción. La empresa que suministra este componente indica que tiene 6 200

una vida media de 600 horas, en base este dato la empresa ha estimado 7
8
658
723
hacer una sustitución del componente cada 400 horas. 9 799
10 850
Considerandoque se tiene un historial de fallas del componente “X”, segúnla 11 823

siguiente tabla.
¿Cambiar el componente cada 400 horas es la propuesta más óptima?
28/11/2019
SOLUCION.-
Se concluye que la confiabilidad del equipo no mejorará al realizar un
Donde obtenemos para la confiabilidad para500 mantenimiento adelantado a las 400 horas. Esto debido a que el
horas operativas valor de beta es igual a 0,8 el cual corresponde a una etapa del
R(500)= 0.29 equipo con tasa de falla constante o “falta de memoria”, típico de
Después obtendremos la confiabilidad para 500 horas de una distribución exponencial.
operación, pero esta vez considerandoque se realizó
mantenimiento a las 400 horas.
R(400) = 0,36
R(100) = 0,74

R(500) = 0,36*0,74 = 0,26

 28/11/2019

Nº Profundidad Marca
Millas
Medicion (mm) Llantas

1 5000 6.1 1 5000 6.3

Problema: 2 10000 5 2 10000 5.3
Siete marcas de neumáticos fueron 3 15000 4 3 15000 4.2
controlados en su desgaste cada 4 20000 3.2
A
4 20000 3.5 E
5.000 millas, midiendo la profundidad 5 25000 2.8 5 25000 2.5
de cada uno. La tabla contiene las 6 30000 2.2 6 30000 2.1
mediciones desde su inicio hasta las 1 5000 5.9 1 5000 5.7
30.000 millas 2 10000 5.1 2 10000 5
3 15000 4.3 3 15000 3.9
B F
4 20000 3.3 4 20000 3.2
Determinar y construir gráficos de: 5 25000 2.9 5 25000 2.6
6 30000 2.4 6 30000 2
1 5000 5.9
1. Degradación VS Tiempo 2 10000 5
1 5000 6
2 10000 4.8
2. Función de Densidad VS Tiempo. 3 15000 4.05 3 15000 3.7
C
3. Desconfiabilidad VS Tiempo. 4 20000 3.5 4 20000 3.2 G
5 25000 2.9
4. Tasa de Fallas VS Tiempo. 6 30000 2.4
5 25000 2.9
6 30000 2.2
5. Probabilidad Wiebull 1 5000 6.1
2 10000 5.3
3 15000 4.2
D
4 20000 3.5
Degradación Critica y= 2 mm 5 25000 2.5
6 30000 2.1