UNIDAD 2.

Matenibilidad
2.2 Tiempo medio entre fallos
 2.2 Tiempo medio entre fallos

• El parámetro u objetivo MTBF es, dentro del campo de la

Ingeniería RAMS, el más utilizado, solicitado y extendido. El
MTBF (Mean Time Between Failures, Tiempo medio entre
fallos), nos indica cual es la previsión que se tiene de cada
cuanto el sistema fallará. Es decir, responde a la pregunta,
¿cada cuantas horas se prevé que aparezca un fallo al sistema
bajo análisis?
 2.2 Tiempo medio entre fallos

• En la práctica, la fiabilidad se mide como el tiempo medio entre

ciclos de mantenimiento o el tiempo medio entre dos fallos
consecutivos (Mean Time Between Failures; MTBF).
• El MTBF está totalmente ligado a la fiabilidad del equipo,
producto o instalación. Es decir, el parámetro cuantitativo
de la fiabilidad (la reliability, "R") es el MTBF. Más aun, la
tasa de fallo:

λ=1/MTBF
 2.2 Tiempo medio entre fallos

• 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:
 2.2 Tiempo medio entre fallos

• Siendo el MTBF el cociente entre T y n , es decir:

 2.2 Tiempo medio entre fallos

• Algunos definirían el MTBF (para aparatos capaces de

reparación) como la suma de MTTF más MTTR.

(MTBF = MTTF + MTTR)

• En otras palabras, el tiempo medio entre fallas es

el tiempo de una falla a otra
 2.2 Tiempo medio entre fallos

• Tambien se podría expresar de la sigiene forma:

UNIDAD 2. Manenibilidad

2.3 Tiempo medio hasta la avería

 2.3 Tiempo medio hasta la avería

• El parámetro MTTF son las siglas de Mean Time To Failure

(Tiempo medio hata el fallo) y es el tiempo en que el sistema
está activo, cumpliendo las funcionalidades por las cuales ha
sido diseñado. En los sistemas reparables (donde el sistema
puede ir a un fuera de servicio y ponerse en marcha de nuevo
una vez reparado).
 2.3 Tiempo medio hasta la avería

• Como observamos pues, el MTTF es realmente el parámetro

que nos dice, que una vez puesto el sistema en servicio (por
primera vez o después de un mantenimiento correctivo, por
ejemplo), cuanto tiempo tenemos previsto que se mantenga en
servicio.
 2.3 Tiempo medio hasta la avería

• El tiempo medio hasta la avería (Mean Time To Failure; MTTF), es otro de

los parámetros utilizados, junto con la tasa de fallos λ(t) para especificar la
calidad de un componente o de un sistema.

• Por ejemplo si se ensayan N elementos idénticos desde el instante t=0, y

se miden los tiempos de funcionamiento de cada uno hasta que se
produzca alguna avería. Entonces el MTTF será la media de los tiempos ti
medidos.
UNIDAD 2. Manenibilidad

2.3 Tiempo medio hasta la avería

 2.3 Tiempo medio hasta la avería

• El MTTR es el tiempo medio en que se tarda a reparar el

equipo, producto o instalación bajo análisis. De este modo, el
MTTR nos indica la capacidad o bondad de reparación y el
objetivo es que este sea lo más pequeño posible. Como se
observa en el gráfico, el MTTR se divide en el diagnosis de el
fallo en cuestión, la posible sustitución de equipos, el ajuste de
los mismos o del propio sistema al introducir un equipo nuevo y
finalmente, su puesta en servicio de nuevo.
 2.3 Tiempo medio hasta la avería

• El MTTR está totalmente ligado a la mantenibilidad de

equipo, producto o instalación. Es decir, el parámetro
cuantitativo de la mantenibilidad (la maintenability, "M") es
el MTTR
 2.3 Tiempo medio hasta la avería

• Como podemos observar, en todos los casos, cuantos hablamos

de objetivos, siempre lo hacemos como "Tiempo Medio de". La
explicación de esta particularidad es que estos parámetros están
calculados en base a un análisis estadístico y son proyecciones
o probabilidades de lo que puede suceder en el futuro. Además,
estas proyecciones (en su proceso de análisis más sencillo) se
acostumbran a llevar a cabo bajo un aproximación del modelo
explonencial que deriva en tener una tasa de fallo constante a lo
largo del tiempo de vida del producto.
2.3 Tiempo medio hasta la avería
 UNIDAD 2.
Manteibilidad
2.4 Modelos matemáticos de distribución de probabilidad de fallos
 2.4 Modelos matemáticos de distribución de
probabilidad de fallos

• En principio, se puede utilizar cualquier función de distribución

para crear un modelo de duración de equipos. En la práctica,
las funciones de distribución con funciones de riesgo
monótonas parecen más realistas y, dentro de esta clase,
existen unas pocas que se considera que proporcionan los
modelos más razonables de fiabilidad de dispositivos.
 2.4 Modelos matemáticos de distribución de
probabilidad de fallos

• Ley exponencial de fallos: tasa de fallos constante

• Ley Weibull: tasas de fallos crecientes y decrecientes
• Ley lognormal
 2.4.1. Ley exponencial de fallos: tasa de fallos
constante

• La función de distribución que se utiliza más a menudo para

modelar la fiabilidad es la exponencial. El motivo es que:
• Es sencilla de tratar algebraicamente
• Se considera adecuada para modelar el intervalo funcional
del ciclo de vida del dispositivo.
 2.4.1. Ley exponencial de fallos: tasa de fallos
constante

• Es decir, si la tasa de fallos se considera constante, entonces la

función de distribución de los fallos es exponencial. De las
propiedades de ésta se deduce que la probabilidad de que una
unidad que está trabajando falle en el próximo instante es
independiente de cuánto tiempo ha estado trabajando.
• Esto implica que la unidad no presenta síntomas de
envejecimiento: es igualmente probable que falle en el instante
siguiente cuando está nueva o cuando no lo está.
 2.4.2. Ley Weibull: tasas de fallos crecientes y
decrecientes

• Una gran mayoría de los equipos reales no tienen una tasa de

fallos constante: es más probable que fallen a medida que
envejecen. En este caso la tasa de fallos es creciente. Aunque
también es posible encontrar equipos con tasas de fallos
decrecientes.
 2.5.2. Ley Weibull: tasas de fallos crecientes y
decrecientes

• ¿Que es la función de distribución Weibull? La distribución

Weibull se utiliza frecuentemente en el desarrollo de modelos
de fiabilidad. Tiene la ventaja de la flexibilidad a la hora de
crear modelos de varios tipos de comportamiento de riesgo, y
también es manejable algebraicamente. Además, como con
cualquier distribución con dos parámetros, puede describir
bastante bien muchas situaciones reales.
 2.4.3. Ley Lognormal

• Otro modelo popular es el de la distribución lognormal.

• Su función de riesgo es creciente y suele utilizarse para
modelar la fiabilidad de componentes estructurales y
electrónicos.
• Su desventaja es que es bastante difícil tratarla
algebraicamente, pero su ventaja es que surge naturalmente
como la evolución de distribuciones exponenciales. Por tanto,
tiene un interés práctico considerable con relación a los
procesos de fallos físicos.