Módulo: Mantenimiento Centrado en Confiabilidad

Docente: MSc. Ing. Jorge Martin Ledezma Perizza

Estudiante: Ing. Paola Tatiana Chavez Claros

TAREA 2: RESOLVER PROBLEMAS CONCEPTUALES DE CONFIABILIDAD.

Objetivos:

Revisar conceptos de cálculo probabilidades e indicadores de confiabilidad según los diferentes

criterios.

Descripción de la Tarea:

Del libro Introduction to Reliability Engineering, resuelva 10 de los 12 ejercicios propuestos en los
siguientes capítulos:

Cap 2: Problemas, 2.16, 2.30, 2.35

Cap 6: Problemas 6.12, 6.27, 6.39

Cap 9: Problemas 9.9, 9.23, 9.35

Cap 10: Problemas 10.23, 10,24, 10.26

2.16 Una función de probabilidad de distribución discreta viene dada por f (0) = 1/6, f (1) =

1/3, f (2) = 1/2.

(a) Calcule el valor medio μ.

1 1 1
𝜇 =0∗ +1∗ +2∗
6 3 2
4
𝜇 = 3=1.333
(b) Calcule la desviación estándar σ.

1 1 1
𝜎 2 = (02 ∗ + 12 ∗ + 22 ∗ ) − (1.3332 )
6 3 2

𝜎 2 = 0.5561

𝜎 = √0.5561 𝜎 = 0.74573
 Módulo: Mantenimiento Centrado en Confiabilidad

Docente: MSc. Ing. Jorge Martin Ledezma Perizza

Estudiante: Ing. Paola Tatiana Chavez Claros

2.30 El PMF para una distribución discreta es

(a) Determine 𝜇𝑛

Si:
𝑥𝑛= 𝑛
𝑓(𝑥𝑛)= 𝑓(𝑛)
reemplazando en la formula dada:
1 𝜆𝜂 1 𝜂𝜂
𝜇 = ∑𝑛 ∗ ( exp(−𝜆) + 𝑒𝑥𝑝−𝜂 )
2 𝜂! 2 𝜂!
𝑛
1 𝜆𝜂 𝜂𝜂
𝜇 = ∑ 𝑛 ∗ ( exp(−𝜆) + 𝑒𝑥𝑝−𝜂 )
2 𝜂! 𝜂!
𝑛

utilizando la fórmula de PMF:

𝜂! = 1 − 𝜂

Reemplazamos:

1 𝑛
𝜇= ∑ ∗ (𝜆𝜂 exp(−𝜆) + 𝜂𝜂 𝑒𝑥𝑝−𝜂 )
2 (𝜂 − 1)𝜂
𝑛
1 1
𝜇= ∑ ∗ (𝜆𝜂 exp(−𝜆) + 𝜂𝜂 𝑒𝑥𝑝−𝜂 )
2 (𝜂 − 1)
𝑛

(b) Determine 𝜎𝑛2

Si:
𝑥𝑛= 𝑛
𝑓(𝑥𝑛)= 𝑓(𝑛)
 Módulo: Mantenimiento Centrado en Confiabilidad

Docente: MSc. Ing. Jorge Martin Ledezma Perizza

Estudiante: Ing. Paola Tatiana Chavez Claros

reemplazando en la formula dada:

𝜂
1𝜆 1 𝜂𝜂
𝜎2 = ∑ 𝑛2 ∗ ( exp(−𝜆) + 𝑒𝑥𝑝−𝜂) − 𝜇2
𝑛
2 𝜂! 2 𝜂!
𝜂
1 𝜆 𝜂𝜂
𝜎 2 = ∑ 𝑛2 ∗ ( exp(−𝜆) + 𝑒𝑥𝑝−𝜂) − 𝜇2
𝑛
2 𝜂! 𝜂!

utilizando la fórmula de PMF:

𝜂! = 1 − 𝜂
1 𝑛
𝜎2 = ∑ ∗ (𝜆𝜂 exp(−𝜆) + 𝜂𝜂 𝑒𝑥𝑝−𝜂 ) − 𝜇 2
2 (𝜂 − 1)𝜂
𝑛
1 1
𝜎2 = ∑ ∗ (𝜆𝜂 exp(−𝜆) + 𝜂𝜂 𝑒𝑥𝑝−𝜂 ) − 𝜇 2
2 (𝜂 − 1)
𝑛

2.35 Suponga que se prueban 100 sensores de presión y 14 de ellos no cumplen los criterios de
calibración. Haga una estimación puntual de la probabilidad de falla, luego use la Ec. 2,86 para
estimar el intervalo de confianza del 90% y del 95%.

Según la fórmula de distribución de la muestra

Donde n=14 y N=100

La probabilidad de Falla respecto a los datos dados es:

14
𝑝̂ =
100

𝑝̂ = 0.14
Para estimar el intervalo de confianza, utilizaremos la siguiente formula

El valor de 𝑧𝛼 para 90% es 𝑧10 =𝑧0.05 =1.648

2 2
 Módulo: Mantenimiento Centrado en Confiabilidad

Docente: MSc. Ing. Jorge Martin Ledezma Perizza

Estudiante: Ing. Paola Tatiana Chavez Claros

Reemplazando:
1
𝑝± = 0.14 ± 1.648 ∗ ∗ √0.14(1 − 0.14)
√100
𝑝± = 0.14 ± 0.057183
𝑝+ = 0.19718
𝑝− = 0.082816
El valor de 𝑧𝛼 para 95% es 𝑧5 =𝑧0.025 =1.96
2 2

Reemplazando:
1
𝑝± = 0.14 ± 1.96 ∗ ∗ √0.14(1 − 0.14)
√100
𝑝± = 0.14 ± 0.680009
𝑝+ = 0.208009
𝑝− = 0.068009
6.12 ¿Qué fracción de los elementos probados se espera que duren más de 1 MTTF si la
distribución de los tiempos de falla es

a) Exponencial
Un dispositivo descrito por una tasa de falla constante, y por lo tanto por una distribución
exponencial de los tiempos hasta la falla, tiene la siguiente propiedad de "falta de
memoria": La probabilidad de que fallará durante algún período de tiempo en el futuro es
independiente de su edad.

b) Normal
 Módulo: Mantenimiento Centrado en Confiabilidad

Docente: MSc. Ing. Jorge Martin Ledezma Perizza

Estudiante: Ing. Paola Tatiana Chavez Claros

Las distribuciones normales se utilizan para describir la confiabilidad de un equipo que es

bastante diferente de aquella a la que se aplican tasas de falla constantes. Es útil para
describir la confiabilidad en situaciones en las que hay un tiempo de desgaste
razonablemente bien definido. Cuando se utiliza la distribución normal, la incertidumbre en
la vida se mide en términos de intervalos
𝜇 = 𝑀𝑇𝑇𝐹

c) lognormal con ω=2

Lognormal es una distribución relacionada que se ha encontrado útil para describir

distribuciones de fallas para una variedad de situaciones. Es particularmente apropiado
bajo el siguiente conjunto de circunstancias. Si el tiempo de falla está asociado con una
gran incertidumbre, de modo que, por ejemplo, la varianza de la distribución es una gran
fracción del MTTF, y el uso de la distribución normal es problemático. Sin embargo, aún
puede ser posible establecer un tiempo de falla y estimar la probabilidad de que el tiempo
de falla se encuentre dentro de algún factor, digamos n, de este valor.

Según los datos seria: ω2=2

𝜔2
MTTF= 𝜇 = 𝑡0 ∗ 𝑒𝑥𝑝 2
22
𝜇 = 𝑡0 ∗ 𝑒𝑥𝑝 2

𝜇 = 𝑡0 ∗ 7.389
Tenga en cuenta que la tasa de fallas puede aumentar o disminuir según el valor de ω. La
distribución logarítmica normal se usa con frecuencia para describir la fatiga y otros
fenómenos causados por el envejecimiento o el desgaste y da como resultado tasas de falla
que aumentan con el tiempo.
 Módulo: Mantenimiento Centrado en Confiabilidad

Docente: MSc. Ing. Jorge Martin Ledezma Perizza

Estudiante: Ing. Paola Tatiana Chavez Claros

d) Weibull con m=2?

La distribución de Weibull es una de las más utilizadas en los cálculos de confiabilidad, ya

que con una elección adecuada de parámetros se pueden modelar una variedad de
comportamientos de tasa de falla. Estos incluyen, como caso especial, la tasa de falla
constante, además de las tasas de falla que modelan tanto el desgaste como los fenómenos
de desgaste. La distribución de Weibull se puede formular en forma de dos o tres
parámetros.

M=2 las tasas de falla son típicas de los efectos del envejecimiento y aumentan

6.27 Los vigilantes nocturnos llevan una linterna industrial 8 horas por noche, 7 noches por
semana. Se estima que, en promedio, la linterna se enciende unos 20 minutos por turno de 8
horas. Se asume que la linterna tiene una tasa de falla constante de 0.08 / hr mientras está
encendida y de 0.005 / hr cuando está apagada, pero siendo transportada.

a. En horas de trabajo, estime el MTTF de la luz.

20
λon=0.08 hrs Valor por encendido λon = 0.08 ∗ 60
= 0.027 hrs
20
λoff=0.005 hrs Valor por apagado λoff = 0.005 ∗ (8 − 60 ) = 0.038 hrs

1 1
𝑀𝑇𝑇𝐹𝑜𝑛 = 𝑀𝑇𝑇𝐹𝑜𝑓𝑓 =
𝜆𝑜𝑛 𝜆𝑜𝑓𝑓
 Módulo: Mantenimiento Centrado en Confiabilidad

Docente: MSc. Ing. Jorge Martin Ledezma Perizza

Estudiante: Ing. Paola Tatiana Chavez Claros
1 1
𝑀𝑇𝑇𝐹𝑜𝑛 = = 37.03 𝐻𝑜𝑟𝑎𝑠 𝑀𝑇𝑇𝐹𝑜𝑓𝑓 = = 26.31 𝐻𝑜𝑟𝑎𝑠
0.027 0.038

1 1 1 1 1
= + = + = 0.065
𝑀𝑇𝑇𝐹 𝑀𝑇𝑇𝐹𝑜𝑛 𝑀𝑇𝑇𝐹𝑜𝑓𝑓 37.03 26.31

b. ¿Cuál es la probabilidad de que la luz falle durante un turno de 8 horas?

Aplicaremos la probabilidad considerando dos escenarios (encendida/ apagada) para X=8 horas

tturno=8 horas ton=20 min=0.33 hrs

20 20
ENCENDIDO λon = 0.08 ∗ 60 = 0.027 hrs APAGADO λoff = 0.005 ∗ (8 − 60 ) = 0.038 hrs

𝑃(𝑥≤𝑡) = 1 − 𝑒 −𝜆𝑡
𝑃(𝑥≤8) = 1 − 𝑒 −0.027∗8 =0.194 𝑃(𝑥≤8) = 1 − 𝑒 −0.038∗8 =0.262
c. ¿Cuál es la probabilidad de que falle durante un mes (30 días) de turnos de 8 horas?

Aplicaremos la probabilidad considerando dos escenarios para X=1 mes=240 hrs

tturno=8 horas=240 hrs=30 días ton=20 min=0.33 hrs=1 día 9.9 hrs=30 días
9.9
ENCENDIDO λon/mes = 0.08 ∗ = 0.0033 hrs
240
9.9
APAGADO λoff = 0.005 ∗ (8 − 240) = 0.039 hrs

𝑃(𝑥≤𝑡) = 1 − 𝑒 −𝜆𝑡
𝑃(𝑥≤240) = 1 − 𝑒 −0.0033∗240 =0.547 𝑃(𝑥≤240) = 1 − 𝑒 −0.039∗240 =0.999
 Módulo: Mantenimiento Centrado en Confiabilidad

Docente: MSc. Ing. Jorge Martin Ledezma Perizza

Estudiante: Ing. Paola Tatiana Chavez Claros

6.39 El MTBF para pinchazos de neumáticos de camiones es de 150.000 millas. Un camión con 10
neumáticos lleva 1 de repuesto.

(a) ¿Cuál es la probabilidad de que el repuesto se use en un viaje de 10.000 millas?

MTBF= 150.000 millas

t=10.000 millas

1 camión = 10 neumático

n=1
1
𝜆=
𝑀𝑇𝐵𝐹
1
𝜆= = 6.66𝑥10−6
150000
𝜆𝑡 = 6.667𝑥10−6 ∗ 10000 = 0.0667

𝑃(𝑛>0) = 1 − 𝑒 −𝜆𝑡
𝑃(𝑛>0) = 1 ∗ 𝑒 −0.0667 = 0.0645

(b) ¿Cuál es la probabilidad de que se requiera más de un repuesto en un viaje de 10.000 millas?

𝜆𝑡 = 6.667𝑥10−6 ∗ 10000 = 0.0667 𝑒 −𝜆𝑡 = 𝑒−0.0667 = 0.935

𝑃(𝑛>0) = 1 − 𝑒 −𝜆𝑡 = 0.0645

𝑃(𝑛>1) = 1 − 𝑒 −𝜆𝑡 (1 + 𝜆𝑡) = 0.00263

1
𝑃(𝑛>2) = 1 − 𝑒 −𝜆𝑡 [1 + 𝜆𝑡 + (𝜆𝑡)2 ] = 0.0005556
2
9.9 Suponga que dos unidades idénticas se colocan en paralelo activo. Cada uno tiene una
distribución de Weibull conocida con θ y m> 1.

(a) Determine la confiabilidad del sistema.

 Módulo: Mantenimiento Centrado en Confiabilidad

Docente: MSc. Ing. Jorge Martin Ledezma Perizza

Estudiante: Ing. Paola Tatiana Chavez Claros

La confiabilidad Ra (t) de un sistema paralelo activo de dos unidades es la probabilidad de que la

unidad 1 o la unidad 2 no fallen hasta un tiempo mayor que t. Designando variables aleatorias t1 y
t2 para representar los tiempos de falla.
a1
0.95

0.95
𝑹𝒂𝟏 = 𝟏 − (𝟏 − 𝟎. 𝟗𝟓) ∗ (𝟏 − 𝟎. 𝟗𝟓) = 𝟎. 𝟗𝟗𝟕𝟓

(b) Encuentre una aproximación de eventos raros para a.

En tiempos cortos, las aproximaciones de eventos raros indicaron que la confiabilidad es cada vez
más cercana a uno.

9.23 Un ingeniero diseña un sistema que consta de dos subsistemas en serie. Las confiabilidades
son R1 = 0.98 y R2 = 0.94. El costo de los dos subsistemas es aproximadamente igual. El ingeniero
decide agregar dos componentes redundantes.

¿Cuál de las siguientes opciones sería mejor hacer?

(a) Subsistemas duplicados 1 y 2 en redundancia de alto nivel.

(b) Subsistemas duplicados 1 y 2 en redundancia de bajo nivel.

(c) Reemplazar el segundo subsistema con 1/3 de redundancia.

Justifica tu respuesta
R1 R2

0.98 0.94

las mayores ganancias deben lograrse haciendo redundantes los componentes menos confiables

0.98 0.94

0.98 0.94
a)
𝑹𝟎 = 𝑹𝟏 ∗ 𝑹𝟐 = 𝟎. 𝟗𝟐𝟏𝟐
 Módulo: Mantenimiento Centrado en Confiabilidad

Docente: MSc. Ing. Jorge Martin Ledezma Perizza

Estudiante: Ing. Paola Tatiana Chavez Claros

𝑹𝑯𝑳 = 𝟐 ∗ 𝟎. 𝟗𝟐𝟏𝟐 − 𝟎. 𝟗𝟐𝟏𝟐𝟐 = 𝟎. 𝟗𝟗𝟑𝟒

0.98 0.94

0.98 0.94
b)

𝑹𝑨 = 𝟐 ∗ 𝟎. 𝟗𝟖 − 𝟎. 𝟗𝟖𝟐 = 𝟎. 𝟗𝟗𝟗𝟔 𝑹𝑩 = 𝟐 ∗ 𝟎. 𝟗𝟒 − 𝟎. 𝟗𝟒𝟐 = 𝟎. 𝟗𝟗𝟔𝟒

𝑹𝑳𝑳 = 𝟎. 𝟗𝟗𝟗𝟔 ∗ 𝟎. 𝟗𝟗𝟔𝟒 = 𝟎. 𝟗𝟗𝟔𝟎

la redundancia de bajo nivel produce una mayor confiabilidad

9.35 Calcular las confiabilidades de los siguientes sistemas:

Nomenclatura utilizada: Sistemas=S

a) S1
0.95 0.90

0.98 0.85

S2
0.95 0.90
𝑹𝑺𝟏 = 𝟎. 𝟗𝟓 ∗ 𝟎. 𝟗𝟎 = 𝟎. 𝟖𝟓𝟓
𝑹𝑺𝟐 = 𝟎. 𝟗𝟓 ∗ 𝟎. 𝟗𝟎 = 𝟎. 𝟖𝟓𝟓
S3
0.855

0.98 0.85

0.855
 Módulo: Mantenimiento Centrado en Confiabilidad

Docente: MSc. Ing. Jorge Martin Ledezma Perizza

Estudiante: Ing. Paola Tatiana Chavez Claros

𝑹𝑺𝟑 = 𝟏 − (𝟏 − 𝟎. 𝟖𝟓𝟓) ∗ (𝟏 − 𝟎. 𝟖𝟓) ∗ (𝟏 − 𝟎. 𝟖𝟓𝟓) = 𝟎. 𝟗𝟗𝟕

S4
0.98 0.997

𝑹𝑺𝟒 = 𝟎. 𝟗𝟖 ∗ 𝟎. 𝟗𝟗𝟕 = 𝟎. 𝟗𝟕𝟕

b)

0.95

S1 0.80

0.99 0.96

0.80

0.95

𝑹𝑺𝟏 = 𝟏 − (𝟏 − 𝟎. 𝟖𝟎) ∗ (𝟏 − 𝟎. 𝟖𝟎) = 𝟎. 𝟗𝟔

0.95

S2
0.99 0.96 0.96

0.95
𝑹𝑺𝟐 = 𝟎. 𝟗𝟗 ∗ 𝟎. 𝟗𝟔 ∗ 𝟎. 𝟗𝟔 = 𝟎. 𝟗𝟏𝟐
S3
0.95

0.912

0.95

𝑹𝟑 = 𝟏 − (𝟏 − 𝟎. 𝟗𝟓) ∗ (𝟏 − 𝟎. 𝟗𝟏𝟐) ∗ (𝟏 − 𝟎. 𝟗𝟓) = 𝟎. 𝟗𝟗𝟗