¿Qué ves en la imagen?

Gestión del
mantenimiento
Modelos de confiabilidad
LOGRO:
Al finalizar la sesión el alumno estará en la capacidad de poder determinar las
probabilidad de que se produzca un fallo antes o después de un periodo determinado
de estudio en función a datos históricos.

IMPORTANCIA
Permite determinar de forma técnica las probabilidades de fallo de los componentes de
un sistema.
CONTENIDO

1. Distribución exponencial
2. Distribución de Weibull
Distribución exponencial
Se utiliza para realizar supuestos sobre el tiempo de vida de ciertos
componentes o sistemas asumiendo que la tasa de fallo es constante,
quiere decir que en un periodo de tiempo cualquier punto tienen la
misma probabilidad de ocurrencia.

Se asume que un articulo que ha estado en servicio “sigue siendo tan

bueno como uno nuevo”, con relación a la cantidad de tiempo que le falta
para fallar.
Por definición se tiene que una variable aleatoria con función de distribución
exponencial con parámetro “x” positivo tiene una función de densidad de
probabilidad f(x) igual a:
- x
f(x) = e , con x > 0
Siendo:
‫ = ג‬Tasa de fallos
X = Parámetro a determinar
Distribución exponencial

En estadística la distribución exponencial es una distribución de probabilidad

continua con un parámetro x >= 0, cuya función de densidad es:

La función supervivencia (S) esta relacionada a la confiabilidad (probabilidad

de que un equipo este funcionando y no se dañe antes de un tiempo X o
dicho de otra forma; que falle después de este tiempo).

- x
S (x) = P(X > x) = e , x >= 0, >0
Distribución exponencial

La función de distribución acumulada esta relacionada a la probabilidad de

que un equipo falle antes de un determinado tiempo X. Su representación es
la siguiente:

También se representa como:

F(x) = 1 – S(x)
El valor esperado y la varianza de una variable aleatoria X
con distribución exponencial son:
Ejercicio 1:

La vida media de un televisor “Sony” es de 7 años , si esta es una variable

aleatoria distribuida en forma exponencial, cual es la probabilidad de que un
televisor de este tipo falle después del 7 año de uso?

Solución:
El problema nos menciona que el televisor tiene un tiempo de vida medio, por
lo cual se espera que la vida media sea de 7 años. Aplicamos la siguiente
formula:

Utilizando la formula de valor esperado obtenemos la tasa de fallos “‫“ג‬.

E[X] = 1/‫ג‬ 7 = 1/ ‫ג‬ ‫=ג‬1/7

Como el caso nos pide cual es la probabilidad de que el componente
falle después del año 7, quiere decir que durante 7 años ha funcionado
sin problemas por lo cual se aplica la siguiente fórmula:

Como x >= 0 reemplazamos en la fórmula:

P(X>7) = e –‫ג‬x P(x>7) = e –(1/7)(7) = 0.37

Por lo cual se concluye que la probabilidad de que el componente falle

después del 7mo año es de 37%.
Ejercicio 2:
El tiempo durante el cual cierta marca de batería trabaja en forma efectiva
hasta que falle(tiempo de falla), se distribuye según modelo exponencial con un
tiempo promedio de vida hasta que se presentan fallas es igual a 360 días.

¿Qué probabilidad hay que haya una falla después de 400 días?

Solución:

a) En función al tiempo promedio calculamos la tasa de

fallos:
Ejercicio 2:
El problema indica que la batería trabaja en forma efectiva por lo cual se
desea saber la probabilidad de que falle después de 400 días.

Como x >= 0 reemplazamos en la fórmula:

P(X>400) = e –‫ג‬x P(x>7) = e –(1/360)(400) = 0.33

Por lo cual se concluye que la probabilidad de que el componente falle

después del 400 días es de 33%.
Ejercicio 3:

Una compañía del sector industrial, durante el último año, ha recopilado los
datos de fallas de 50 motores, habiendo fallado 2 de ellos durante el periodo
mencionado. Se desea saber lo siguiente:

a) La tasa de fallos.
b) La probabilidad de falla que tiene un motor antes de alcanzar un tiempo de
funcionamiento de 4 meses.
c) La probabilidad de que un motor este en funcionamiento al cabo de 6
meses.
Solución:

a) Aplicando la relación, la tasa de fallos anual sería:

‫=ג‬2/50 = 0.04 en un año

El periodo de tiempo ha sido de 1 año y las preguntas se hacen en meses por

lo cual deben ser fracciones del año.
4 meses = 1/3 año, 6 meses = ½ año

b) P[x<1/3] = 1 – S(x) P[x<1/3] = 1 – [e –‫ג‬x ] = 1 - e –(0.04)(1/3) = 0.01 = 1%

La probabilidad de falla de un motor antes de alcanzar los 4 meses es de 1%.

c) P[x>1/2] = e –(0.04)(1/2) = 0.98 =98%

La probabilidad de falla de un motor después de 6 meses es de 98%.
Ejercicio 4:

La distribución de probabilidad del tiempo que transcurre antes que falle el ventilador
de un motor diesel se describe mediante una función exponencial con una tasa de
fallo igual a 34.8 fallos por un millón de horas.
Si la garantía es de 8,000 horas, ¿Cuál es la probabilidad de que el ventilador falle
antes de cumplir la garantía?

- 34.8 x 10 -6 x 8,000
F (8,000) = 1 – e = 0.24

La probabilidad de que el ventilador falle antes de cumplir la garantía es de 24%

Distribución Weibull
Distribución de Weibull

Es una distribución versátil que se puede utilizar para modelar aplicaciones en

ingeniería, control de calidad, finanzas, etc.

Por ejemplo se utiliza en análisis de fiabilidad para modelar datos de tiempo

por falla, como la probabilidad de que una parte falle después de uno, dos, o mas
años.

Weibull es una distribución flexible donde su tasa de falla puede ser decreciente,
constante o creciente, dependiendo de sus parámetros.

La distribución se describe según los parámetros de escala, forma y valor de

umbral. El caso en el que el parámetro de valor de umbral es cero, se conoce como
distribución de Weibull de dos parámetros. El parámetro de forma tiene efecto
sobre la forma de la distribución y el de escala que afecta la escala del tiempo
de vida.
 La distribución de Weibull
puede modelar
matemáticamente tres
situaciones.
Las fallas tempranas se
caracterizan por un índice de
falla decreciente, la vida útil por
un índice de falla constante y el
desgaste se caracteriza por un
índice de falla creciente.

< 1 disminuye la tasa de riesgo, implica mortalidad infantil

= 1 tasa de riesgo constante, fallas aleatorias
> 1 aumenta la tasa de riesgo, implica fallas por desgaste y envejecimiento
Diagrama de Weibull
En una función de densidad de probabilidad f(t); se representa la probabilidad
acumulada de falla antes de un determinado tiempo F(t), y la sobrevivencia
pasado este tiempo R(t), ambos deben sumar el 100%.
Diagrama de Weibull

En función a una probabilidad,

permite determinar el tiempo de
funcionamiento hasta que falle.

Ejemplo:

Existe una probabilidad de 70% de

que un estator falle después de 35
horas.
Diagrama de Weibull

También permite determinar la

probabilidad de falla pasado un
periodo de tiempo “t”.

Ejemplo:

La probabilidad de que un estator

falle después de 200 horas es de
58%.
Diagrama de Weibull

Otro resultado que se puede

obtener a través de Weibull es la
tasa de fallos de un componente.

Ejemplo:

La tasa de fallos de un estator es

0.002 quiere decir que hay un
20% de probabilidad de que falle
después de 80 horas.
Beneficios de la aplicación de Weibull:
Distribución de Weibull

Se caracteriza por poseer 2 parámetros que le dan gran

flexibilidad:

= Parámetro de escala o característica de vida (t).

- = Parámetro de forma que caracteriza la función.

La función de densidad es:

Distribución de Weibull

La función de supervivencia o probabilidad de fallo después

de un tiempo “t” es:

A partir de R(t) se puede definir la probabilidad acumulada

de que un componente falle antes del momento t, que se
indica como F(t). Se representa como:
La esperanza o tiempo medio de falla E(t) esta dada por:

La varianza V(x) esta dada por:

Donde r representa la función gamma que toma la forma

r(n) = (n-1)! Para números enteros positivos.
Ejemplo 1:

Suponga que X tiene una distribución de Weibull con

= 0.2

= 100 horas

Determine la esperanza y la varianza de X.

Solución:

E(X) = 100r (1+ 1/0.2) = 100 x r(6-1) = 100 x (5)! = 12,000 horas

V(X) = 1002 r(1+2/0.2) – 1002 [ r (1+1/0.2)]2 = 3.63 x 108 - 1.44.x 104

Ejemplo 2:

Asumiendo que la vida de una lámpara fluorescente sigue una distribución de

Weibull con los siguientes parámetros:

=2 =10,000 horas

a)Determine la probabilidad de que la lámpara dure al menos 8000 horas.

b)Determine el valor esperado de vida para la lámpara.

Solución:

a) P(x > 8000) = exp [- (8000/10000)2 ]= e-0.64 =0.53

La probabilidad de que la lampara falle después de 8,000 horas es de 53%.

b) E(t) = 10,000 r(1+1/2) = 10,000 r(1.5) = 10,000 (0.5)! = 8,862.3

Donde:(0.5)! = / 2

El valor esperado de vida para la lampara es de 8,862 horas.

Ejemplo 3:

El tiempo de duración de una bomba de recirculación sigue una distribución de

Weibull con los siguientes parámetros:

= 2 = 700 horas

a)Determine la vida media de la bomba.

b)Determine la varianza del tiempo de duración de la bomba.

c) Cual es la probabilidad de que la bomba trabaje mas allá de la vida media y

menos que esta?
Solución:

a) E(X) = 700r (1+ 1/2) = 700 x r(1.5-1) = 700 x (0.5)! = 700 x √∏ /2 = 620.36
La vida media de la bomba de recirculación es de 620.36 horas

a) V(X) = 7002 r(1+2/2) – 7002 [ r(1+1/2) ]2 = 7002 (1)! – 7002 [ (0.5)! ]2 = 490,000-
384,846 = 105,154
La varianza del tiempo de duración de la bomba es de 105,154 horas

c.1) (P>620.36) = exp [-(620.36/700)2]= e-0.7854 =0.46 = 46%

La probabilidad de que la bomba falle mas allá de la vida media es de 46%

c.2) (P<620.36) = 1 - e-0.7854 =1 - 0.4559= 0.54 = 54%

La probabilidad de que la bomba falle antes de la vida media es de 54%
 Conclusiones

❑ La distribución exponencial me permite determinar las probabilidades de

fallo en el tiempo de vida útil de un componente.

❑ La distribución de Weibull me permite determinar las probabilidades de

fallo en las 3 áreas de la curva de la bañera.