Métodos de Evaluación

de Probabilidad de
Falla
Probabilidad de Falla
La probabilidad de falla es una
medida que evalúa la posibilidad
de que un sistema, componente,
o proceso no funcione
correctamente o alcance su
objetivo previsto en un período de
tiempo específico.
 Probabilidad de Falla
Si en el problema básico de confiabilidad estructural se considera que una sola variable
aleatoria S que representa el efecto de cargas caracterizada por su función de densidad de
probabilidad 𝑓𝑆 (𝑠), y que una variable aleatoria R independiente de la anterior representa la
resistencia caracterizada por 𝑓𝑅 (𝑟) , la probabilidad de falla es:
𝑝𝑓 = 𝑃 𝑅 < 𝑆
Donde 𝐹𝑅 (𝑥) es la función de distribución de probabilidades de R
Se interpreta como suma de probabilidades de eventos disjuntos, siendo el evento genérico
que la solicitación (es decir las cargas), tenga un valor entre 𝑥𝑖 𝑦 𝑥𝑖 + Δ𝑥, cuya probabilidad
es:
𝑓𝑆 (𝑥𝑖 )∆𝑥
La probabilidad que la resistencia sea menor o igual a 𝑥𝑖 , estaría dada por la función de
distribución de probabilidad 𝐹𝑅 (𝑟 = 𝑥𝑖 ).
𝑥𝑖
𝐹𝑅 𝑟 = 𝑥𝑖 = න 𝑓𝑅 𝑟 𝑑𝑟
−∞
Debido a que son sucesos independientes, la probabilidad que ocurra el evento genérico es
el producto de sus probabilidades
𝑓𝑆 𝑥𝑖 Δ𝑥 ∗ 𝐹𝑅 𝑥𝑖
 Probabilidad de Falla
𝑓𝑆 𝑠 , 𝑓𝑅 (𝑟)

𝑓𝑆 𝑠 𝑓𝑅 (𝑟)

𝑠, 𝑟
𝑥𝑖
∆𝑥
Finalmente sumando las probabilidades de todos los posibles eventos xi, y haciendo
el pasaje al límite Δ𝑥 → 0
𝑥𝑖 ∞
𝑝𝑓 = 𝑃 𝑅 < 𝑆 = lim 𝑓𝑆 (𝑥𝑖 )∆𝑥 න 𝑓𝑅 𝑟 𝑑𝑟 = න 𝐹𝑅 𝑥 𝑓𝑠 𝑥 𝑑𝑥
∆𝑥→0 −∞ −∞
La confiabilidad
estructural
La confiabilidad estructural
La confiabilidad estructural es
un concepto clave en la
ingeniería, se trata de la
probabilidad de que una
estructura o componente no
falle y funcione según lo
esperado bajo las condiciones
de carga y uso para las que
fue diseñada.
 La confiabilidad estructural
La confiabilidad R, o probabilidad que la estructura sobreviva será:
𝑅 = 1 − 𝑃𝑓
Es decir son eventos complementarios.
En el caso más general las variables aleatorias que gobiernan el
comportamiento de la estructura se agrupan en un vector de “variables
básicas” X, y la función de estado límite se expresa como G(X), luego la
probabilidad de falla es:
𝑝𝑓 = 𝑃 𝐺 𝑋 ≤ 0 = න … න 𝑓𝑋 𝑥 𝑑𝑥
𝐺 𝑋 ≤0
Donde 𝑓𝑋 (𝑥) es la función de densidad de probabilidades conjunta de las
variables básicas.
La integración se realiza sobre el dominio de falla 𝐺(𝑋) ≤ 0. Las
situaciones 𝐺(𝑋) > 0 indican no falla, y la separación entre estos dos
dominios es la llamada superficie de falla 𝐺(𝑋) = 0.
 La confiabilidad estructural

la forma de expresar la función de falla será:

𝐺(𝑿) = 𝑅𝐿𝐼𝑀 − 𝑅(𝑿)

donde 𝑅𝐿𝐼𝑀 es un valor límite permitido de algún

parámetro de respuesta estructural (desplazamiento,
distorsión de piso, índice de daño) que define un nivel de
performance y 𝑅(𝑋) es la repuesta de la estructura
obtenida para dicho parámetro.
 MÉTODOS DE
SEGUNDO MOMENTO Y
TRANSFORMACIÓN
MÉTODOS DE SEGUNDO MOMENTO Y TRANSFORMACIÓN

El método de segundo momento y

transformación es una técnica
utilizada en la evaluación de la
probabilidad de falla en sistemas o
estructuras. Este método se basa en
la teoría de la probabilidad y se utiliza
para estimar la confiabilidad de un
sistema al analizar sus propiedades
estadísticas y su comportamiento
bajo diferentes condiciones de carga.
 MÉTODOS DE SEGUNDO MOMENTO Y TRANSFORMACIÓN

Tecnura Vol. 18 No. 42 pp. 78 - 89 octubre - diciembre de 2014

 Índice de
confiabilidad
 Índice de confiabilidad
La confiabilidad es medida a través de un “índice de confiabilidad”
β, expresado sólo en términos de los valores esperados de las
variables básicas (primeros momentos) y sus covariancias
(segundos momentos).
Para el caso elemental de dos variables R y S, normales no
correlacionadas y función de falla lineal
𝐺 𝑋 =𝑀 =𝑅−𝑆
Cornell (1969) define por primera vez el índice de confiabilidad
como:
𝑀ഥ 𝑅ത − 𝑆ҧ
𝛽= =
𝜎𝑀
𝜎𝑅2 + 𝜎𝑆2
donde M es el margen de seguridad con
ഥ = 𝑅ത − 𝑆ҧ
𝑀 2
𝜎𝑀 = 𝜎𝑅2 + 𝜎𝑆2
 Índice de confiabilidad

La probabilidad de falla
𝑓𝑀 (𝑚) resulta
𝑀≤0 𝑀>0
falla No falla 𝑃𝑓 = 𝑃 𝐺(𝑋) ≤ 0
𝑃𝑓 = 𝑃 𝑀 ≤ 0
0
𝑃𝑓 = න 𝑓𝑀 𝑚 𝑑𝑚
𝜎𝑀 𝜎𝑀 −∞
𝑃𝑓 𝑃𝑓 = 𝐹𝑀 0
0−𝑀 ഥ
𝑃𝑓 = Φ
ഥ 𝑚 𝜎𝑀
𝛽𝜎𝑀 𝑀
𝑃𝑓 = Φ −𝛽
 Índice de confiabilidad

La función de falla lineal se puede extender a multiples

variables normales, que pueden estar correlacionadas
con matriz de covariancias 𝐶𝑋 , y siendo
𝑁
𝐺 𝑋 = 𝑀 = 𝑎0 + ෍ 𝑎𝑖 𝑋𝑖 = 𝑎0 + 𝐴𝑇 𝑋
𝑖=1
donde 𝑎 son coeficientes conocidos, luego el índice de
confiabilidad resulta
𝑀ഥ 𝑎0 + 𝐴𝑇
𝛽= =
𝐺𝑀 𝐴𝑇 𝐶𝑋 𝐴
 Índice de confiabilidad
Si las variables no tienen distribución normal, se puede
encontrar una normal equivalente que la aproxime
cuando la función de falla es no lineal
para el caso fundamental la “superficie de falla” es R = S
, que es una recta a 45°, pero se pueden definir distintas
“funciones de falla”:
𝑀1 = 𝑅 − 𝑆
𝑅
𝑀2 = − 1
𝑆
𝑀1 = ln 𝑅 − ln 𝑆
para las cuales el índice de Cornell resulta diferente
 Índice de confiabilidad

Si R y S tienen distribución lognormal ( lnR y lnS son

normales), la función se expresa en forma equivalente
como:
𝐺 𝑋 = 𝑀3 = ln(𝑀′) = ln 𝑅 − ln 𝑆
resulta una función de falla no lineal.
ln 𝑅 − ln 𝑆 ln 𝑅ത − ln 𝑆ҧ
𝛽= =
2 2 𝜎 2 𝜎 2
𝜎ln 𝑅 + 𝜎ln 𝑆 𝑅 𝑆
+
𝑅ത 𝑆ҧ
Índice de confiabilidad
de Hasofer y Lind
 Índice de confiabilidad de Hasofer y Lind
El procedimiento consiste en
transformar las variables básicas
X en un conjunto de variables Z
normales standard no
correlacionadas.
𝑥 = 𝑋ത + 𝑧𝜎𝑋

𝑥 − 𝑋ത
𝑍=
𝜎𝑋
Para cada Variable 𝑋𝑖

𝑋𝑖 −𝑋𝑖
𝑍𝑖 = para i=1 a N
𝜎𝑋𝑖
 Índice de confiabilidad de Hasofer y Lind
Para el caso en que las variables X
El valor medio resulta sean correlacionadas, la
1 1 transformación se realiza con
ҧ
𝑍=𝐸 𝑍 = 𝐸 𝑋−𝑋 = ത 𝐸 𝑋 − 𝑋ത
𝜎𝑋 𝜎𝑋
1 𝑍 = 𝐴 𝑋 − 𝑋ത
= 𝑋ത − 𝑋ത = 0 Teniendo
𝜎𝑋
La varianza
𝐸 = 𝑍 = 𝑍ҧ = 0
𝜎𝑍2 = 𝐸 𝑍 − 𝑍ҧ 2 = 𝐸 𝑍 2 − 𝑍ҧ 2
𝑋 − ത 2
𝑋
𝜎𝑍2 = 𝐸 −0= 𝐶𝑜𝑣 𝑍, 𝑍 𝑇 = 𝐶𝑍 = 𝐼
𝜎𝑋
1 1 2 La matriz de transformación A se
2
𝜎𝑍 = 2 𝐸 𝑋 − 𝑋ത ത 2
= 2 𝜎𝑋 = 1
𝜎𝑋 𝜎𝑋 obtiene de resolver el problema de
valores y vectores propios de 𝐶𝑋
𝑍ҧ = 0 𝑦 𝜎𝑋 = 1, entonces g(z) es una variable
Normal Standard, y su función de distribución
es Φ 𝐶𝑜𝑣 𝑍, 𝑍 𝑇 = 𝐶𝑍 = 𝐴𝐶𝑋 𝐴𝑇 = 𝐼
 Índice de confiabilidad de Hasofer y Lind
El punto de valores medios de X es mapeado en el origen del espacio normal standard Z, y
la superficie de falla 𝐺(𝑋) = 0 se transforma en 𝑔(𝑍)

El índice de confiabilidad β de Hasofer y

Lind se define como la mínima distancia
desde el origen a la superficie de falla
en el espacio normal standard.
1Τ2
𝑁

𝛽𝐻𝐿 = min ෍ 𝑧𝑖2

𝑍∈𝑔 𝑍 =0
𝑖=1
𝛽𝐻𝐿 = min 𝑍 𝑇 𝑍 1Τ2
𝑍∈𝑔 𝑍 =0

𝛽𝐻𝐿 = min 𝑧 − 𝑋ത 𝑇 𝐶𝑋−1 (𝑥 − 𝑋)

ത 1Τ2
𝑥∈𝐺 𝑋 =0
 Índice de confiabilidad de Hasofer y Lind

https://www.researchgate.net/publication/348399700_Hybrid_Approach_to_the_First_Order_
Reliability_Method_in_the_Reliability_Analysis_of_a_Spatial_Structure
 Índice de confiabilidad de Hasofer y Lind
Se demuestra para el caso
fundamental, donde la superficie de luego la normal a la superficie de falla que pasa por el origen resulta
falla es 𝜎𝑠
𝑍2 = − 𝑍1
𝐺 𝑋 =𝑀 =𝑅−𝑆 =0 𝜎𝑅
Las variables normalizadas son: Entonces las coordenadas del punto de diseño se obtienen de la
𝑅 − 𝑅ത intersección de las rectas
𝑍1 = → 𝑅 = 𝑍1 𝜎𝑅 + 𝑅ത 𝜎𝑠 ∗ 𝜎𝑅 ∗ 𝑅ത − 𝑆ҧ ∗ 𝜎𝑅2 + 𝜎𝑆2 𝑆ҧ − 𝑅ത 𝑆ҧ − 𝑅ത
𝜎𝑅 − 𝑍1 = 𝑍 − 𝑍1 = ∗
𝑍1 = 𝜎
𝑆 − 𝑆ҧ 𝜎𝑅 𝜎𝑆 1 𝜎𝑆 𝜎𝑅 𝜎𝑆 𝜎𝑆 𝜎𝑅2 + 𝜎𝑆2 𝑅
𝑍2 = → 𝑆 = 𝑍2 𝜎𝑆 + 𝑆ҧ
𝜎𝑆 Reemplazando
Reemplazando ∗
𝑅ത − 𝑆ҧ
𝑍2 = 𝜎
𝑍1 𝜎𝑅 + 𝑅ത − 𝑍2 𝜎𝑆 + 𝑆ҧ = 0 𝜎𝑅2 + 𝜎𝑆2 𝑆
𝜎𝑅 𝑅ത − 𝑆ҧ Finalmente, la distancia desde el origen del espacio normalizado Z al punto
𝑍2 = 𝑍1 −
𝜎𝑆 𝜎𝑆 de diseño z* resulta
𝑅ത − 𝑆ሖ 𝑀ഥ
Recordando que para una recta dada ∗ ∗ 2
𝑜𝑧 = 𝑍1 + 𝑍2 = ∗ 2
= =𝛽
por 𝜎𝑀
𝑦 = 𝑎𝑥 + 𝑏 𝜎𝑅2 + 𝜎𝑆2
la normal que pasa por el origen se Conocido el índice β, la probabilidad de falla
escribe 𝑃𝑓 ≅ Φ(−𝛽)
𝑦 = − 𝑥 Τ𝑎
La aproximación es exacta cuando la superficie de falla es lineal, sino dependerá de cuánto
se aparte la superficie de falla de la recta tangente.
Se reconocen los siguientes procedimientos:

a) FORM: first order reliability method (Hasofer y Lin, 1974; Rackwitz y Fiessler, 1978)
donde la superficie de falla se aproxima por un hiperplano tangente en el punto de diseño,
en el espacio normal standard

b) SORM: second order reliability method (Tvedt, 1983; Breitung, 1984; Der Kiureghian et
al., 1987). En el desarrollo en serie de Taylor se retienen hasta los términos cuadráticos de
la superficie de falla, calculándose las curvaturas en x*. Luego la superficie G(X) = 0 se
aproxima con un paraboloide con las mismas curvaturas en x*. Usando ese paraboloide se
calcula la probabilidad de falla.
En general para problemas de ingeniería es suficiente la aproximación FORM.
Algoritmo para variables normales no correlacionadas
Siendo
𝑔 𝑥, 𝑦 = 𝑦 − 𝑓 𝑥
𝜕𝑔(𝑥, 𝑦)
= −𝑓 ′ 𝑥 = − tan 𝛼
𝜕𝑥
𝜕𝑔(𝑥, 𝑦)
=1
𝜕𝑦
se observa que tg 𝛼 𝑦 − 1 son
los coeficientes directores de
la normal 𝑛, que entonces se
pueden expresar como

𝜕𝑔 𝑥, 𝑦 𝜕𝑔(𝑥, 𝑦)
− ,−
𝜕𝑥 𝜕𝑦
 Algoritmo para variables normales no correlacionadas
El método para calcular β es iterativo, y parte de 𝑔 𝛽𝛼1 , 𝛽𝛼2 , … , 𝛽𝛼𝑛 = 0
considerar que la distancia desde el origen al
punto de diseño puede escribirse
donde la superficie de falla está dada por
𝑂𝑍 ∗ = 𝛽𝛼 = 𝛽 𝛼1 , 𝛼2 , … , 𝛼𝑛
𝑍1 = 𝛽𝛼1
𝑍2 = 𝛽𝛼2
Donde 𝛼𝑖 son los cosenos directores de la normal 𝑍𝑛 = 𝛽𝛼𝑛
a la superficie de falla en el punto de diseño, en 𝑔 𝑍1 , 𝑍2 , … , 𝑍𝑛 = 0
el espacio normal standard es decir luego de la
transformación 𝑋𝑖 → 𝑍𝑖
Como el sistema de ecuaciones es no lineal,
𝜕𝑔 se debe resolver iterativamente eligiendo un
− (𝛽𝛼) punto inicial 𝛽 𝛼 y calcular 𝛼𝑖 repetidamente
𝜕𝑍𝑖
𝛼𝑖 = 𝑖 = 1,2, … , 𝑛 hasta convergencia.
2
𝜕𝑔 En cada iteración se calcula un nuevo
σ𝑛𝑘=1 𝛽𝛼 conjunto de 𝛼𝑖 𝑦 𝛽 , que se aplican en la
𝜕𝑍𝑘 iteración siguiente
 Ejemplo
Para la viga de la figura, se quiere calcular la probabilidad que el
desplazamiento en el extremo del voladizo supere el valor límite L/30.
La deformación en el extremo de la viga esta dado por
5 𝑃𝐿3 𝑃
𝛿=
48 𝐸𝐼

𝐿 𝐿Τ2
 Ejemplo

Función de Falla Se normalizan las variables básicas

𝐺 𝑋 = 𝑅𝐿𝐼𝑀 − 𝑅 𝑋
𝐿 5 𝑃𝐿3
𝐺 𝑋 = − 𝑋𝑖 − 𝑋ത
30 48 𝐸𝐼 𝑍𝑖 = → 𝑋𝑖 = 𝑍𝑖 𝜎𝑖 + 𝑋ത
𝜎𝑖
L, es una variable determinista 𝐿 = 5𝑚,
reemplazando en la función de falla 𝐼 = 𝑍1 𝜎𝐼 + 𝐼 ҧ = 𝑍1 20 ∗ 10−6 + 100 ∗ 10−6
𝐸 = 𝑍2 𝜎𝐸 + 𝐸ത = 𝑍2 5 ∗ 106 + 20 ∗ 106
5 5 𝑃 5 3 1 625 𝑃 𝑃 = 𝑍3 𝜎𝑃 + 𝑃ത = 𝑍3 1 + 4
𝐺 𝑋 = − = − =0
30 48 𝐸𝐼 6 48 𝐸𝐼

𝐺 𝑋 = 𝐸𝐼 − 78.125𝑃 = 0
 Ejemplo
Reemplazando en la superficie de falla
𝑔 𝑋 →𝑔 𝑍
𝑔 𝑍 = 𝑍2 + 20 ∗ 106 𝑍1 20 ∗ 10−6 + 100 ∗ 10−6 − 78.125 𝑍3 + 4
𝑔 𝑍 = 100𝑍1 𝑍2 + 500𝑍2 + 400𝑍1 + 2000 − 78.125𝑍3 − 312.5
𝑔 𝑍 = 400𝑍1 + 500𝑍2 + 100𝑍1 𝑍2 − 78.125𝑍3 − 1687.5

El índice de confiabilidad β de Hasofer y Lind (mínima distancia desde el origen a la

superficie de falla en el espacio normal standard)
𝑂𝑍 ∗ = 𝛽𝛼 = 𝛽 𝛼1 , 𝛼2 , … , 𝛼𝑛

𝜕𝑔 𝜕𝑔 𝑛 2
− (𝛽𝛼) 𝛽𝛼 𝜕𝑔
𝜕𝑍𝑖 𝜕𝑍𝑖
𝛼𝑖 = 𝑖 = 1,2, … , 𝑛 𝛼=− → 𝑘= ෍ 𝛽𝛼
2 𝑘 𝜕𝑍𝑘
𝜕𝑔 𝑘=1
σ𝑛𝑘=1 𝛽𝛼
𝜕𝑍𝑘
𝑔 𝑍1 , 𝑍2 , … , 𝑍𝑛 = 0
𝑍1 = 𝛽𝛼1 ; 𝑍2 = 𝛽𝛼2 ; 𝑍3 = 𝛽𝛼3
 Ejemplo

𝜕𝑔 𝛽𝛼 1 400 + 100𝑍2
𝜕𝑔(𝑍) 𝛼1 = − ∗ =−
= 400 + 100𝑍2 𝜕𝑍1 𝑘 𝑘
𝜕𝑍1

𝜕𝑔(𝑍) 𝜕𝑔 𝛽𝛼 1 500 + 100𝑍1

= 500 + 100𝑍1 𝛼2 = − ∗ =−
𝜕𝑍2 𝜕𝑍2 𝑘 𝑘
𝜕𝑔(𝑍)
= −78.125 𝜕𝑔 𝛽𝛼 1
𝜕𝑍3 𝛼3 = − ∗ = −(−78.125)
𝜕𝑍3 𝑘
𝑍1 = 𝛽𝛼1 ; 𝑍2 = 𝛽𝛼2 ; 𝑍3 = 𝛽𝛼3
Al ser los cosenos directores de un
𝑔 𝛽𝛼 = 400 𝛽𝛼1 + 500 𝛽𝛼2 + 100 𝛽𝛼1 𝛽𝛼2 − 78.125 𝛽𝛼3 − 1687.5 = 0 vector unitario el cálculo de K cumple
con
−1687.5
𝛽=
400 𝛼1 + 500 𝛼2 + 100𝛽 𝛼1 𝛼2 − 78.125 𝛼3
𝛼12 + 𝛼22 + 𝛼32 = 1
 Ejemplo
Se debe asignar valores iniciales a 𝛽, 𝛼1 , 𝛼2 , 𝛼3

Los valores más influyentes para 𝛽, están entre -

4 y 4.Se tomará como valor inicial 𝛽 = 3
Sabemos que
𝛼12 + 𝛼22 + 𝛼32 = 1

Asumiremos entonces
𝛼1 = − 1Τ3 = −0.57735
𝛼2 = − 1Τ3 = −0.57735
𝛼2 = 1Τ3 = 0.57735

−1687.5
𝛽= = 3.63121
400 𝛼1 + 500 𝛼2 + 100(3) 𝛼1 𝛼2 − 78.125 𝛼3
 Ejemplo
𝑍1 = 𝛽𝛼1 = −2.096481848 𝜕𝑔 𝛽𝛼 𝜕𝑔 𝛽𝛼 𝜕𝑔 𝛽𝛼
𝑍2 = 𝛽𝛼2 = −2.096481848 𝑘= + +
𝑍3 = 𝛽𝛼3 = 2.096481848 𝜕𝑍1 𝜕𝑍2 𝜕𝑍3

𝜕𝑔 𝛽𝛼 𝐾= 190.3522 + 290.3522 + −78.125 2

= −400 + 100𝑍2 = 190.3518152
𝜕𝑍1
𝐾 = 355.867
𝜕𝑔 𝛽𝛼
= 500 + 100𝑍1 = 290.3518152
𝜕𝑍2 𝜕𝑔 𝛽𝛼 1 190.352
𝛼1 = − ∗ =− = −0.53490
𝜕𝑍1 𝑘 355.867
𝜕𝑔 𝛽𝛼 𝜕𝑔 𝛽𝛼 1 290.352
= −78.125 𝛼2 = − ∗ =− = −0.81590
𝜕𝑍3 𝜕𝑍2 𝑘 355.867
𝜕𝑔 𝛽𝛼 1 −78.125
𝛼3 = − ∗ =− = 0.21953
𝑛 2 𝜕𝑍3 𝑘 355.867
𝜕𝑔
𝑘= ෍ 𝛽𝛼
𝜕𝑍𝑘 −0.53490 2 + −0.81590 2 + 0.21953 2 =1
𝑘=1
 Ejemplo

El índice de confiabilidad es 𝛽 = 3.29

Las coordenadas del punto de diseño resultan
𝑍 ∗ = 3.29 −0.18; −0.97; 0.17
𝑍 ∗ = −0.59; −3.19; 0.56
𝑋 ∗ = 8.8 ∗ 10−5 𝑚4 ; 4053656.3 𝑘𝑁Τ𝑚2 ; 4.57𝑘𝑁
¡GRACIAS POR SU
ATENCIÓN¡