Distribuciones de Confiabilidad

Ingeniería del Mantenimiento

Índice

• Introducción
• Competencias terminales
• Competencias
• Introducción a la ingeniería de mantenimiento
• Distribución normal
• Distribución exponencial
• Distribución weibull
• Bibliografía
Introducción

Esta unidad presenta las principales distribuciones de probabilidad que

son aplicadas a la ingeniería de confiabilidad con la finalidad de
determinar las funciones de falla para gestionar los intervalos de las
actividades preventivas.
Competencias Terminales

• Aplicar métodos estadísticos para determinar y controlar la

confiabilidad para la mejora del sistema de mantenimiento de la flota.
• Desarrollar estrategias para la optimización del mantenimiento
reduciendo costos y mejorando la confiabilidad de los equipos.
Competencias

• Analizar distintos datos de falla y determinar las funciones que pueden

modelarse en base a la evaluación de los datos.
• Analizar datos de falla mediante la distribución normal tabulándolos en el papel
de distribución normal y haciendo uso de hojas de cálculo.
• Analizar datos de falla mediante la distribución exponencial tabulándolos en el
papel de distribución exponencial y haciendo uso de hojas de cálculo.
• Analizar datos de vida mediante la distribución weibull haciendo uso de hojas de
cálculo.
Confiabilidad

• Habilidad de un activo para desempeñar una función específica bajo

una serie de condiciones establecidas, por un tiempo definido.

• Probabilidad de que un activo desempeñe una función requerida, bajo

unas condiciones establecidas, por un tiempo o vida operacional.
Propósito de la Confiabilidad

• Determinar el nivel óptimo de Confiabilidad y ser capaces de

controlarlo.
• La Confiabilidad permite gasto mínimo durante el ciclo de vida y costo
mínimo de producción, sin comprometer la Calidad.
Importancia de la Confiabilidad
Ventajas de la Confiabilidad

• Más Inteligente.
Consumidor • Más informado sobre los productos.

• Sobrevivencia de empresas.
Futuro • Controlar la confiabilidad de sus productos.

• No confiabilidad puede traer muchos efectos,

Responsabilidad desde el desagrado hasta una catástrofe.
Análisis de Datos de Fallas

Nos ayuda a conocer la confiabilidad de la máquina.

Nos permite conocer el modo en el que fallan las máquinas.

Basado en ello se diseña el enfoque de mantenimiento.

• Las máquinas deben ser similares en diseño y operación.
Variables Aleatorias Continuas

• Una variable continua es una variable cuantitativa que puede

tomar valores comprendidos entre dos números.
Por ejemplo:
• La altura de los 5 amigos: 1.73, 1.82, 1.77, 1.69, 1.75.
• El combustible consumido para 100 kilómetros recorridos de los 3
vehículos: 2.5 galones, 6.25 galones, 9.09 galones.
• Horas de trabajo hasta la falla de los neumáticos de una máquina:
800, 743, 650 horas.
Función Densidad de Fallas

• Define el comportamiento de los datos de falla.

• Histogramas de frecuencia de fallas.
• Si X es variable aleatoria continua, entonces la función de densidad de
probabilidad es una función f(x).
Construcción de Histogramas

Valores
Cantidad de
máximo y Rango
datos
mínimo

Frecuencia de Número de
fallas por Marca de clase intervalos de
intervalo clase
 Rango  V 
máx . V mín .

Cálculo de intervalos de clase.

• 5 a 7 para muestras de hasta 50 datos.
• 8 a 10 para muestras de 50 a 100 datos.
• 10 a 15 para muestras de 100 a 250 datos.
• 15 a 20 para muestras de más de 250 datos.

Rango
Marcadecla se 
N  Intervalos
 f ( x )  PDF 
frec . i
N total

• f(x), PDF: Función densidad

• frec.1: Frecuencia de falla del intervalo
• N°total: Total de datos de falla
Función Distribución Acumulada (cdf)

• La cdf es una función F(X) de la variable aleatoria X, definida por:

a
F (a )  P ( x  a )   f ( x ) dx
0 , 
 a
F (a )  P ( x  a)  
0 , 
f ( x ) dx

P(X≤a)
• Simplificando, la cdf es el área formada por la función densidad de
probabilidad, hasta un valor escogido de x. Esto significa que el área
total bajo la pdf es siempre igual a 1, o matemáticamente:



f ( x ) dx  1
Función Confiabilidad
• La función de Confiabilidad es obtenida a través de la probabilidad de
éxitos, o de la probabilidad de que no se observe la falla, en el tiempo
t.
• Definiendo Desconfiabilidad como F(t) entonces:

t
F (t )  0
f (t ) dt

R (t )  F (t )  1
Función Tasa de Fallas

• Permite determinar el número de fallas ocurridas por unidad de

tiempo. Esta es dado matemáticamente por:

f (t )
 (t ) 
R (t )
Distribución Weibull

 La distribución Weibull es un modelo general para análisis de

Confiabilidad.
 Es una distribución muy flexible, y por esta razón, ampliamente
utilizada.
 El comportamiento de la tasa de falla en la Weibull puede ser
creciente, decreciente o constante.
 La pdf puede tener diferentes formatos y puede aproximarse a las
otras distribuciones.
Weibull 2-Parámetros

 La forma más simple de la distribución Weibull es la de dos

parámetros, su función densidad es:


 1  t 
 t   


f (t )    e 
  
Estimación de Parámetros

 Para ajustar un modelo a los datos, es necesario realizar un

estimación de los parámetros del modelo escogido (distribución).
 Esta estimación se realiza basándose en el conjunto de datos.
Método de estimación de parámetros

 Hay varios métodos para la estimación de parámetros. Los más

conocidos son:

El método del Ploteo de Probabilidades (probability plotting)

El método de los mínimos cuadrados (least squares) y
El método de la Máxima Verosimilitud (maximum likelihood).

 Se presentará una visión general del método de ploteo de

probabilidades.
Ploteo de Probabilidades

 El método más conocido para distribuciones complejas, tal como la

distribución Weibull, es el método de Ploteo de Probabilidades
(probability plotting).
El Ploteo de Probabilidades considera el ploteo de los datos en un
gráfico especialmente construido para estos tipos de datos.
Consiguiendo el papel especial del gráfico de probabilidades, se
puede fácilmente aplicar este método manual.
 Con algebra básica, se puede fácilmente obtener la ecuación de
una recta a partir del ploteo (y=mx+b).
 La ecuación es definida por una inclinación (m) y una posición
(b).
 El mismo concepto es utilizado en el ploteo de Probabilidad.
 El Ploteo de Probabilidades es realizado por la linealización de la cdf
utilizando un papel especialmente construido.
 En el caso de la distribución Weibull con dos Parámetros, la cdf
(probabilidad de falla F(t)) está dada por:

t 
( )

F (t )  1  e
 Esta Función linealizada queda como se muestra a continuación:

y   . x   ln( )

 Que representa una ecuación lineal de dos parámetros,

correspondientes a una inclinación β y un valor de posición βln(η).
 El siguiente paso es construir un gráfico con las coordenadas Y y X
apropiadas.

La abscisa X – representará una transformación logarítmica

simple del tiempo de falla.
La ordenada Y – representará una función logarítmica de Q(t)
(desconfiabilidad)

 Existen gráficos semejantes creados por diferentes proveedores y son

denominados papeles de Probabilidad Weibull.
Ejemplos de papeles Weibull
 Estos gráficos están construidos basándose en las transformaciones de
Y y X ya mencionadas, donde la coordenada “y” representa la
probabilidad de falla, y la coordenada “x” representa el tiempo.
 Estos dos valores deben ser conocidos para cada tiempo de falla, para
que se les pueda plotear.
 Dados los valores (x,y) para cada punto, podremos ubicarlos en el
gráfico y plotear la recta.
Categorías Medianas (MR)

 Las categorías medianas son utilizadas para obtener una estimación de la

desconfiabilidad, F(t), para cada tiempo hasta la falla.
 Por aproximación, la categoría mediana esta dada por la Aproximación de Bernard:

j  0 .3
MR 
Donde: N  0 .4
MR: Categoría mediana (Median Rank)
N: Tamaño de la muestra
J: Numero de Orden (posición de la falla)
Adicionalmente, se puede emplear la siguiente tabla para determinar MR:

1 2 3 4 5 6 7 8 9 10 11 12
1 50 29.289 20.630 15.910 12.945 10.910 9.428 8.300 7.412 6.697 6.107 5.613
2 70.711 50.000 38.573 31.381 26.445 22.849 20.113 17.962 16.226 14.796 13.598
3 79.370 61.427 50.000 42.141 36.412 32.052 28.624 25.857 23.578 21.669
4 84.090 68.619 57.859 50.000 44.015 39.308 35.510 32.390 29.758
5 87.055 73.555 63.588 55.984 50.000 45.169 41.189 37.853
6 89.090 77.151 67.948 60.691 54.811 50.000 45.951
7 90.572 79.887 71.376 64.490 58.811 54.049
8 91.700 82.018 74.142 67.620 62.147
9 92.587 83.774 76.421 70.242
10 93.303 85.204 78.331
11 93.893 86.402
12 94.387

i  0 .3
MR 
n  0 .4
• Para determinar el parámetro de escala y la vida característica, se
requiere un poco más de trabajo; sigamos el calculo matemático
usado:
Para la cdf Weibull:
t
( )

F (t )  1  e
Tenemos para t = η:

( )

F (t   )  F ( )  1  e  1  e 1  0 .632  63 .21 %
Distribución Normal
  x 
2

1
f ( x) 
1   
 2 e 2
  

 x
2
x 1 
F ( x)  
1    dx
e 2
  
  2

R( x)  1  F ( x)
f ( x)
 ( x) 
R( x)
Distribución Exponencial
  x
f ( x)   e

 x
F ( x)  1  e

R( x)  1  F ( x)

1

MTBF
Bibliografía y páginas web

• Mora, A. (2009). Mantenimiento. México: Alfaomega.

• Pascual, R. (2005). El Arte de Mantener. Santiago: Beauchef.
• Tsang, A. & Jardine, A. (2013). Maintenance, Replacement, and
Reliability. Florida: Taylor & Francis Group.