Documentos de Académico
Documentos de Profesional
Documentos de Cultura
dPF (t )
f (t ) p (t )
dt
T
PF (t ) 1 PS (t ) p(t )dt
0
máquinas con pocas piezas móviles sometidas a desgaste, tienden a fallar luego
de transcurrido un tiempo más o menos constante desde la última reparación; en
este caso la distribución de frecuencia corresponde a una normal (a).
Otros equipos, con gran variedad de piezas móviles; o bien dependen de ajustes
que fallan aleatoriamente; su distribución de frecuencia de fallas es exponencial
(b).
Finalmente hay otras con distribuciones de fallas hiper exponencial (c); en este
caso la capacidad del equipo para realizar su trabajo depende de uno o más
ajustes delicados. Si estos se hacen a tiempo, la máquina continuará operando
un período largo, sino falla rápidamente. Esta observación es útil para juzgar la
ventaja o desventaja de aplicar mantenimiento preventivo.
1. FUNCIÓN DE SOBREVIVENCIA
S(t) = P (T t) para t 0
S(0) = 1
limS(t) 0
t
1,0
0,8 S1(t)
0,6
0,4
0,2 S2(t)
La siguiente figura muestra tanto la función de sobre vivencia S(t) como la función de
sobre vivencia condicional ST/Ta(t) cuando a=0,5.
1,0
0,8
0,6
0,4
0,2
Dado que la función de sobre vivencia condicional es reescalada por el factor S(a),
ésta tiene la misma forma de la función de sobre vivencia S(t) para el intervalo entre a
y t.
Ejemplo: Se puede utilizar para evaluar el tratamiento de personas con cáncer que
ya ha vivido 5 años posterior a su tratamiento.
dS(t)
f (t) S' (t)
dt
f(t) t P( t T t + t )
La probabilidad de falla entre dos tiempos a y b, se calculó en el caso de la distribución continua de f(t).
b
P(a T b) f (t)dt
a
Toda función de densidad de probabilidad de falla para un determinado tiempo de sobre vivencia, debe
satisfacer dos condiciones:
La siguiente figura muestra la función de densidad de probabilidad f(t) y la relación entre su función
acumulativa F(t) y la función de sobre vivencia S(t), para tiempo de vida continuo.
f (t)dt 1
0
f(t)
0,8
0,6
0,4
3. Tasa de Falla
La tasa de falla h(t), es quizás la más importante de las cinco representaciones para el modelamiento del
tiempo de vida, dado que intuitivamente se puede interpretar como la cantidad de riesgo asociado con un
instante de tiempo t.
Una segunda razón por su popularidad, es su utilidad en la comparación del riesgo sobre el cambio, en el
tiempo para diversas poblaciones de ítems, al graficar sus tasas de falla sobre un eje.
Una tercera razón es que la tasa de falla es un caso especial de la función de intensidad para un proceso
Poisson no homogéneo, el cual se verá posteriormente.
La tasa de falla modela la ocurrencia de un evento, una falla, considerándola la función intensidad, modela
la ocurrencia de una secuencia de eventos sobre un intervalo de tiempo.
Si esta probabilidad condicional es un promedio sobre el intervalo (t, t+ t) al dividir por
t, se obtiene una tasa promedio de falla en el intervalo t.
Esto es:
S(t) S(t Δt)
S(t)t
Si se hace tender a cero t, entonces se llega a una tasa de falla instantánea, la cual es
nuestra tasa de falla definida.
para valores pequeños de t, que es una versión condicional de la interpretación para la
función de densidad de probabilidad.
h(t)dt
0
h(t) 0 para todo t 0
Ejemplo:
Considere que la función de sobre vivencia de un ítem está definida por la distribución
Weibull.
( t ) b
S (t ) e t0
f (t ) b t
b 1 t b
e t0
ht b t
f (t ) b 1
t0
S (t )
14
12
10
h(t) 0,5
8
h(t)
h(t) 1
6
h(t) 3
4
2
0
0 0,2 0,4 0,6 0,8
t
Las Unidades de la tasa de falla son generalmente dadas en número de fallas por
unidad de tiempo. Para el ejemplo anterior, si =0,01 y K=1 y el tiempo es medido
en horas, entonces h(t) = 0,01 fallas por hora.
Comúnmente los sistemas de manufactura son muy confiables, tal que ocurre una
falla cada un millón de hora, por lo cual el h(t) para K=1 sería 0,000001, por lo cual
se la tasa de falla se expresa 1 falla cada 106 horas.
Bajo este concepto se tienen cuatro tipos de forma de curva para la tasa de falla,
que son las siguientes:
t
Julio Canales F. - Todos los derechos reservados
Distribución del tiempo de vida
Tasa de falla creciente (IFR), en este caso el número de fallas por unidad de
tiempo aumenta en la medida que aumenta la edad del ítem.
h(t)
Tasa de falla decreciente (DFR), en este caso el número de fallas por unidad de
tiempo disminuye en la medida que aumenta la edad del ítem.
h(t)
Tasa de falla tipo batea (BFR), en este caso el número de fallas por unidad de
tiempo disminuye en la medida que aumenta la edad del ítem hasta un
determinado tiempo, posteriormente se mantiene constante por otro intervalo de
tiempo, para posteriormente comenzar a aumentar la tasa de falla.
L(t)
Tiempo Residual de Vida. La función del tiempo medio residual de vida, L(t),
es el valor esperado de del tiempo remanente de vida si el ítem a funcionado t
unidades de tiempo y su falla ocurrirá en T unidades de tiempo desde que
inicio su funcionamiento. Es decir se puede decir que:
Para determinar un fórmula para este valor esperado, se requiere utilizar la función
de densidad de probabilidad condicional.
f (u )
fT / T t (u ) ut
S (t )
ET / T t u
f (u )
f (u )du u du
T / T t S (t )
t t
Función del tiempo medio residual de vida es el valor esperado del tiempo
remanente de vida, se puede sustraer t, obteniendo:
L(t ) ET t / T t (u t )
f (u )
du
t
S (t )
f (u ) 1
L(t ) u du t uf (u )du t
t
S (t ) S (t ) t
Toda función asociada al tiempo medio entre falla que tenga un significado finito, debe
satisfacer las siguientes tres condiciones.
dt
L(t ) 0 L' (t ) 1 0 L(t )
Ejemplo:
Considere que la función de sobre vivencia es la siguiente función exponencial:
t
S (t ) e Para t 0 y es un escalar positivo
dS (t )
f (t ) e t Para t 0
dt
1 1
uf (u )du t e ue du t
t u
L(t ) t0
S (t ) t t
S (t )
t
f (u ) du
f (t )
h(t )
t
f (u ) du
uf (u )du
L (t ) t
t
t
f (u ) du
dS (t )
f (t ) S ' (t )
dt
S ' (t )
h(t )
S (t )
1
L (t )
S (t ) S (u )du
t
f (t ) h(t ) e
h ( u ) du
0
S (t )
h ( u ) du
e 0
t
h ( y ) dydu
e 0
L (t ) t
t
h ( u ) du
e 0
f (t ) e 0 du
L(t )
t 1 L '( u )
du
S (t ) e
L (u )
0
1 L' (t )
h(t )
L(t )
t t
f (t ) h(t ) e
h ( u ) du 18t 18udu 18te 9 t 2
0 e 0
t t
S (t )
h ( u ) du
18udu
e 9 t 2
e 0 e 0
b
S (t ) e ( t ) t 0; λ >0, b > 0
Se tiene que:
(t )
b
t0
S (t ) e
( t ) b t0
f (t ) b (t ) b 1
e
f (t ) t0
h(t ) b (t ) b 1
S (t )
De la tasa de falla se aprecia que a igual valor de , dado que (t) está elevada un
exponente positivo, a un mayor valor de b aumenta la tasa de falla en el tiempo del
momento que (t) es mayor que uno, por lo tanto , si se debe estar más de una
hora caminando, se debe utilizar el traje 1 dado que b tiene un menor valor.
Momentos y Percentiles
Por ejemplo estas medidas de eficiencia, incluidas el tiempo medio entre falla,
E(T), la mediana, t0,50, y el percentil 95 de la distribución, t0,95.
Asumiendo que la variable aleatoria del tiempo de vida T es continua se tiene que
el valor esperado de una función u(T) está dada por la siguiente relación:
E u T u (t ) f (t )dt
0
La medida más común asociada con una distribución es la media o primer momento,
que nos entrega una medida la tendencia central o valor promedio que asume una
distribución.
ET tf (t )dt S (t )dt
0 0
Por otra parte otro aspecto importante en la forma de las distribuciones es su grado
de dispersión donde su indicador más relevante es la varianza, que corresponde al
segundo momento sobre la media.
2
V T E T ET ET 2
2 2
Cantidad adimensional
F (t p ) P T t p p
Ejemplo: Una fábrica de automóviles, conoce que la distribución del tiempo de la
primera falla de un determinado motor en condiciones normales de conducción,
se ajusta a una distribución Weibull con = 77*10-7 y b = 1,22, donde el tiempo
está medido en kilómetros. Defina el período de garantía tal que sólo falle a lo
más un 1% de los motores en dicho período.
t b
f (t ) b t
b 1
e
Luego su función acumulativa es
t b
F (t ) 1 e
Por lo cual para nuestro caso se tiene que cumplir la siguiente relación
t 0 , 01 b
1 e 0,01
Al resolver la ecuación para t0,01 se obtiene el período de garantía de :
t0, 01
1
ln0,99 1
b
t0, 01
1
ln0,99 1, 22 2992
1
0,0000077
Rt e t
Donde es una constante, denominada tasa de fallas que se expresa como número
de fallas por unidad de tiempo. El tiempo t representa un período de operación
arbitrario, para el cual se desea conocer la confiabilidad del componente o sistema y
se contabiliza a partir del instante t = 0 en que comienza el período de operación
considerado.
S t R(t ) e
t
Función de confiabilidad
F t 1 e
t
f t R' (t ) e
t
Función de densidad de falla
1
TPEF
Tiempo medio entre fallas
V t
1
Varianza del tiempo entre fallas
2
1
Función Cuantil tp * ln(1 p)
Julio Canales F. Todos los derechos reservados
Distribución Exponencial
= (1/TPEF)
Sea t1, t2,...., tn las vidas de estos componentes luego TPEF es igual a la media de
la muestra. En la medida que el tamaño de la muestra es mayor se tiene una mayor
precisión en la estimación.
Para
1 t
2
f t
1
2
2
e Para t > 0
2
t 1 x
Rt 1
1
e
2 dx
2 0
1 x
2
2
Tasa instantánea de falla t
e
1 x
2
e
2 dx
t
Función de confiabilidad t 1 x
2
Rt 1
1
e
2 dx
2 0
2
t 1 x
F t
1
e
Función acumulativa de falla
2 dx
2 0
1 t
2
f t
Función de densidad de falla 1
2
2
e
Cuantil
t p 1 ( p)
Esta distribución fue utilizada primeramente en 1951 por Weibull, para estudiar
variaciones en la resistencia a la fatiga del acero. En los últimos años se le ha
empleado para describir la vida de servicio de componentes electrónicos.
Esta distribución tiene dos parámetros, lo que le confiere gran flexibilidad pues
permite recorrer el espacio de ejes coordenadas al variar el valor de los mismos.
Mediante una adecuada elección de los parámetros es posible representar casos
de rodaje y desgaste.
1
b 1
TPEF e ( t ) dt 1
Tiempo medio entre fallas b
b
0
f(t)
La ley de falla gamma tiene una función densidad de probabilidad dada por:
f t t e
1 t
t, >0 y 1
f t t 1
e t t, >0 y 1 y entero
1!
Una Ley Gamma puede representar fallas que ocurren por causa de solicitaciones
cuyo tiempo de ocurrencia está distribuido según una exponencial de media 1/ y en
que la falla ocurre después de solicitaciones. Este modelo de fallas es importante,
porque escogiendo convenientemente los valores de sus parámetros y se puede
cubrir todo el espacio de probabilidades.
Esta última propiedad le confiere un carácter de ley general y flexible al punto que
puede representar otros modelos de falla variando sus parámetros
Por ejemplo cuando el parámetro vale 1, entonces la ley Gamma representa una
distribución de probabilidades exponencial. Ahora si el valor de este parámetro es
grande (superior a 30) la ley Gamma representa una distribución normal.
t
f (t )
Tasa instantánea de falla
R (t )
t
Rt 1
1
x e dx
1 x
Función de confiabilidad 0
t
F t
1
x e dx
1 x
Función acumulativa de falla 0
f t t e
1 t
Función de densidad de falla
Caso 1 𝛾 = 0
t
b
F ( x) 1 e
x ln(t )
1
y ln ln
1 F (t )
^
x x y y
b
i i
x x
2
i
^
a y bx
^ ^ ^ b
de donde b a y eb
𝑖 − 0,3
𝐹 𝑖 =
𝑛 + 0,4
o por el método de los rangos medios:
𝑖
𝐹 𝑖 =
𝑛+1