CONCEPTOS DE

CONFIABILIDAD

1-1
 Objetivo: Presentar los conceptos
indispensables para entender la
confiabilidad
Propósitos
– presentar el concepto de tiempo de vida y falla
– exponer el concepto de distribución de
probabilidad
– definir confiabilidad
– definir MTBF - MTTF
– explicar el “tiempo de misión”
– visualizar la velocidad de falla gráficamente
– presentar los elementos de estadística descriptiva
– obtener una distribución empíricamente
1-2
 ¿POR QUÉ CONFIABILIDAD?

• El cliente es más crítico y más

consciente de las
características del producto
• Las compañías que
sobreviven en los negocios
son aquellas capaces de
controlar la confiabilidad de
sus productos
• Los costos de la mala calidad
de productos sin confiabilidad
pueden ser muy altos 1-3
 CONFIABILIDAD ¿PARA QUÉ?

• ¿Cuál es la vida promedio del producto?

• ¿Cuántas fallas espera el próximo año?
• ¿Cuánto nos costará desarrollar y dar
servicio a este producto?
• ¿Cómo podemos hacerlo más efectivo en
costo? 1-4
 TIEMPO DE VIDA Y FALLA
La confiabilidad es una medida
del Tiempo de Vida de un
producto. Durante este
período el cliente obtiene las
características ofrecidas
intencionalmente.
Cuando cesa la capacidad del
producto para entregar la
característica ofrecida al
cliente, se considera que ha
habido una Falla del
producto. Esto representa el
término del tiempo de vida.
1-5
 MODELOS DE TIEMPO DE VIDA
Para modelar el tiempo de vida se
asigna una medida: La frecuencia
relativa o la probabilidad con que
ocurrirá ese tiempo.
La regla que asigna valores de
frecuencia relativa o
probabilidades a los valores de
una variable se llama Distribución
de Probabilidad

1-6
 DISTRIBUCIONES DE
PROBABILIDAD
• Función de Densidad de Probabilidad (pdf), f(t)
– Predice el comportamiento de cualquier situación
probabilística
– Probabilidad de t de caer en algún punto del rango t1 a t2

t2
p ( t1  t  t 2 )   f( t )d t
t1
El área total bajo la
curva siempre es 1 o
100%
f(t)

t1 t2
t 1-7
 EJEMPLOS DE DISTRIBUCIONES
DE PROBABILIDAD
56.399 138.573 172.78 39.655 30.0000

Histograma
30
56.554 132.988 45.735 9.52
35.389 234.234 62.171 29.374
56.215 63.378 78.558 46.076
188.26 28.855 75.812 193.45
20
90.882 49.089 75.492 103.507

Percent
132.312 123.442 27.978 107.717 15.0000
13.3333
60.465 49.526 145.911 179.036
301.525 71.698 95.475 61.099
10 8.3333 8.3333
302.01 45.352 175.935 46.613 6.6667
6.6667
101.978 182.344 34.899 82.272
3.3333
3.3333 3.3333
98.37 225.349 43.461 176.949 1.6667
64.026 137.758 52.311 145.45 0.0000
0.0000
0
43.881 93.901 49.619 73.873
53.358 77.471 92.019 117.592 0 100 200 300
OBS
0.4

0.3

PDF Weibull
f(t)

0.2

0.1

0.0

0 5 10 1-8
t
 DISTRIBUCION ACUMULADA DE
PROBABILIDAD
Si acumulamos las probabilidades desde el inicio hasta
un tiempo t1, obtenemos la Distribución de
Probabilidad Acumulada {CDF ó F(t)}.

F(t1) = P(t  t1)

1-9
 DISTRIBUCION ACUMULADA DE
PROBABILIDAD
• Función de Distribución Acumulada
– La Probabilidad de una variable es menor o igual a un valor
específico, e.g., t1 t 1

F (t )  P(0  t  t1 )   f (t )dt
0
– Cuando la variable es tiempo de falla, esto representa la no
confiabilidad o la probabilidad de que una unidad falle
antes del tiempo t1

1-10
 DISTRIBUCION ACUMULADA DE
PROBABILIDAD
t1

F( t)  P(0  t  t 1 )   f ( t)dt
0
Función de Densidad de Probabilidad Función de Distribución Acumulada
1
No confiabilidad, F(t)

F(t)
f(t)

0
t1
t 0 t1
t 1-11
 DEFINICIÓN DE CONFIABILIDAD

Confiabilidad es la probabilidad de que un sistema

ejecute su función de intención sin fallar para un
intervalo específico, bajo condiciones establecidas.
Se define como la Probabilidad de Supervivencia en un
determinado tiempo.

R(t) = 1 - F(t)
Algunos autores presentan como sinónimos
Supervivencia y Confiabilidad

1-12
 DEFINICIÓN DE CONFIABILIDAD
t 
R ( t )  1 F ( t )  1  f ( t ) d t   f ( t ) d t
0 t

Función de Densidad de Probabilidad Función de Confiabilidad

R(t)
f(t)

0
0 0
t1
t t1
t 1-13
 MTBF - MTTF
Si el tiempo de vida para una característica de calidad
es una variable aleatoria y conocemos su distribución
de probabilidad , podemos calcular una medida de
localización, por ejemplo el valor de su media.
El valor medio del Tiempo de Vida se denomina Tiempo
Promedio entre Fallas, MTBF es el acrónimo en
Inglés, y se refiere a una medición básica de
confiabilidad para artículos que se pueden reparar.
MTTF se refiere al Tiempo Promedio de Fallas, esto es
para artículos que no pueden ser reparados.

1-14
 MTBF - MTTF
La media estimada del 98.932
tiempo de vida está marcada
30.0000
30

con la línea punteada es de 20

98.932, se obtuvo

Percent
15.0000
13.3333

calculando el promedio de 10 8.3333

6.6667
8.3333
6.6667

los tiempos N 3.3333

3.3333 3.3333

ti
1.6667
0.0000
0.0000
0

m i 1 0 100 200 300

N tiempo

0.4
La media calculada para esta
1.77245
0.3 distribución Weibull es función
de sus parámetros h=2 y b=2
f(t)

0.2

 1
0.1
MEDIA  h1  
0.0  b
0 5 10 1-15
t
 TIEMPO DE MISIÓN
Tiempo de Misión se refiere al tiempo intentado durante
el cual el producto entrega la característica de
calidad satisfactoriamente.
El Tiempo de Misión es una decisión de negocios y
sirve para establecer una meta de logro por parte del
producto en cuanto a sus características.

Tiempo de Misión

¿Qué confiabilidad lograremos?, R(tiempo de misión)

1-16
 VELOCIDAD DE FALLA
La Velocidad de Falla ó Tasa de Riesgo o también Tasa
de Falla es la fracción de fallas probables entre la
proporción de supervivientes al tiempo t. Cuando se
conoce la Distribución de Probabilidad de t, se
calcula a partir de

h(t) = PDF / R(t)

Es una medida de la “mortalidad” entre los artículos
que quedan.
La tasa de falla representa la propensión a la falla de un
producto como una función de su edad o tiempo en
operación. La tasa de falla en cualquier tiempo dado es la
proporción que caerá en la siguiente unidad de tiempo
respecto a aquellas unidades que han sobrevivido a este
tiempo. 1-17
 TASA DE FALLA O TASA DE RIESGO
Por ejemplo, 1000 motores eléctricos se ponen a prueba
en el tiempo CERO. Cuatrocientos de ellos están
trabajando a las 2000 horas, 50 de ellos fallaron en las
siguientes 100 horas y otros 50 fallaron en las siguientes
horas como lo ilustra la figura.
No. de
1000 400 350 300 sobrevivientes

0 2000 2100 2200 horas tiempo

La tasa de falla para los motores a las 2000 horas es:

h(2000) = (número de fallas por hora posteriores a las 2000 horas)
número de sobrevivientes a las 2000 horas
= (50/100)/400 = 0.00125 unidades/hora
Similarmente, la tasa de falla a las 2100 horas es:
h(2100) = (50/100)/350 = 0.0014 unidades/hora 1-18
 “TINA DE BAÑO”

Si se dibuja la tasa de riesgo o falla para una población

a través del tiempo se observa un comportamiento
descrito como la “Tina de baño”
h(t)
Fallas “infantiles” Fallas por deterioro

Fallas constantes

t
1-19
 ESTADISTICA DESCRIPTIVA
La Estadística Descriptiva se
orienta a proporcionar una
descripción útil, clara e
informativa de una masa de 30
30.0000

datos numéricos.
Esto se hace al considerar 20

Percent
tópicos como:
15.0000
13.3333

10 8.3333 8.3333

•la colección y procesamiento de 6.6667

6.6667

datos originales,
3.3333
3.3333 3.3333
1.6667
0.0000
0.0000
0

•presentación tabular y gráfica, 0 100

OBS
200 300

•fuentes de datos, Un histograma es una descripción

•distribución de frecuencias,
•medidas de tendencia central y
• medidas de dispersión.
útil, clara e informativa de la
distribución de frecuencias
1-20
 ESTADISTICOS
Un estadístico es cualquier función de las observaciones en una
muestra aleatoria, que no dependa de parámetros desconocidos
La media muestral, la varianza muestral, la desviación estándar
muestral y los coeficientes de variación, sesgo y curtosis son
algunos de los estadísticos más comunes.
Obsérvese que como un estadístico es una función de los datos
provenientes de una muestra aleatoria, es a su vez una variable
aleatoria.
Es decir, si se obtuvieran dos muestras aleatorias diferentes
provenientes de la misma población y se calcularan las medias
muestrales, podría esperarse que los valores obtenidos fueran
diferentes. 1-21
 Estadística Descriptiva
Medidas
Descriptivas Descripción POBLACION MUESTRA

Medida de 1 n
Otras medidas son la mediana y la
MEDIA tendencia
E(t )   tf (t )dt mx  xi
n i 1
moda, la media tiene propiedades
central

estadísticas mejores

Medida de  2   t    f (t )dt
1 n
x i  x 2 la desviación estándar es la
s2  
2
VARIANZA n  1 i 1
dispersión  raíz cuadrada de la varianza

Medida del  La Normal tiene un rango

COEFICIENTE DE CV  CV = S
grado de  0.05<CV<0.25
VARIACIÓN x
variabilidad La exponencial: CV= 1

 x  x
n
3
COEFICIENTE DE Medida de  t   
3
f (t )dt i • 3<0 cola izquierda
i 1
SESGO Simetría 3   • 3=0 simétrica (v.gr.Normal)
  2 3/2 ˆ 3 
s 
n
2 3/2 • 3>0 cola derecha

 x  x
n
COEFICIENTE DE Medida de 4
• 4<0 - aguda que la Normal
 t   
i
CURTOSIS Agudeza 4
f (t )dt i 1
• 4=0 aguda como Normal
n
4  
ˆ 4  • 4>0 +aguda que la Normal
  2 2  
s2
2

1-22
 Estadística Descriptiva

• ¿Porqué son importantes los

estadísticos?
• Describen completamente los datos
• Coeficiente de Variación CV
• comúnmente utilizado para describir propiedades
mecánicas de los materiales.
– aproximadamente 15% para fractura
– aproximadamente 7% para resistencia a la cedencia
• ayudan a determinar la distribución apropiada
• la distribución normal tiene un rango 0.05 < CV < 0.25
– Exponencial CV = 1

1-23
 Estadística Descriptiva

• ¿Porqué son importantes los estadísticos?

• Coeficiente de sesgo
• medida de simetría
– 3 < 0 distribución sesgada a la izquierda(tiene una cola a la
izquierda)
– 3 = 0 distribución simétrica
» Distribución Normal 3 = 0
– 3 > 0 distribución sesgada a la derecha (tiene una cola a la
derecha
– Coeficiente de curtosis
• medida de agudeza (puntiaguda)
– 4 < 3 distribución menos aguda que la Normal
– 4 = 3 distribución Normal
– 4 > 3 distribución más aguda que la Normal

1-24
 Estadística Descriptiva

• Porqué son importantes los estadísticos

• los tres ayudan a determinar los parámetros de la
distribución
• CV
– La Exponencial tiene un CV constante
– El parámetro de forma de la distribución Weibull es bien
estimado con el coeficiente de variación CV
• coeficientes de sesgo y curtosis
– la relación entre ellos ayuda a determinar la distribución que mejor
se ajusta

1-25
 EJEMPLO DE DISTRIBUCIÓN
 lt
PDF  f (t )  le
lt
CDF  F (t )  1  e Distribución
l Exponencial
CONFIABILIDAD  R(t )  e t
TASA DE FALLA  h (t )  l
1
MEDIA 
Función de Densidad de Probabilidad Exponencial
0.0035
l 0.0030 l= 0.003, MEDIA = 333

0.0025
l= 0.002, MEDIA = 500
0.0020
f(t)

l= 0.001, MEDIA = 1,000

0.0015

0.0010

0.0005

0.0000
0 500 1,000 1,500 2,000 1-26
Tiempo
 EJEMPLO DE DISTRIBUCIÓN
b
b 1 t 
bt   
h 
PDF  f (t )    e Distribución
h h  Weibull 2
b
t
 
parámetros
h 
CDF  F (t )  1  e
b
t
 
h 
CONFIABILIDAD  R(t )  e
b 1
bt 
TASA DE FALLA  h (t )   
h h 
 1
MEDIA  h1  
 b 1-27
 EJEMPLO DE DISTRIBUCIÓN
Abra el archivo Distribución.xls Señale la columna de
tiempo y pongala en
orden ascendente

Veamos cómo se construyen las

curvas de distribución usando el
EXCEL
1-28
 EJEMPLO DE DISTRIBUCIÓN
Agregue un
renglón inicial Obtenga R(t) por la
Agregue una
con cero y una diferencia R(t) = 1-F(t)
columna donde
columna con un estime F(t) usando Note que puede estimar la
contador que la fórmula de Kaplan Confiabilidad de 90% para
inicie en cero Meier*: ( F(t) = i/N) un tiempo de 35.389

* La fórmula de Kaplan Meier se recomienda para muestras grandes

1-29
 EJEMPLO DE DISTRIBUCIÓN
Se estima la tasa de falla para los
tiempos observados, con el inverso del R(t )LS  R(t )  Z 2  R(t )  F (t ) N
número de supervivientes 1/(N+1-i) R(t )LI  R(t )  Z 2  R(t )  F (t ) N

Por último se estima

el intervalo de
confianza normal al
95% para la
confiabilidad

1-30
 EJEMPLO DE DISTRIBUCIÓN
R(ti)= 1-F(ti)

1.0000

0.9000

Gráficas de
Confiabilidad R(t) y de
0.8000

0.7000

0.6000
la Función Acumulada
F(t) generadas en
0.5000 R(ti)= 1-F(ti)

0.4000

0.3000
EXCEL
0.2000

F(ti)= i/N

0.1000
1.0000

0.0000
0 50 100 150 200 250 300 350 0.9000

0.8000

0.7000

Recuerde que: 0.6000

0.5000 F(ti)= i/N

R(t) = 1- F(t)
0.4000

0.3000

0.2000

0.1000

0.0000
0 50 100 150 200 250 300 350 1-31
 EJEMPLO DE DISTRIBUCION

Use el archivo: distribución.mtw

Ahora en Minitab...
1-32
Distribution Analysis Cálculo de R(t) para un tiempo
Variable: tiempo
Censoring Information Count
Uncensored value 60 Para un tiempo
Nonparametric Estimates
Characteristics of Variable de 35.389 la
Standard 95.0% Normal CI
Mean Error lower upper confiabilidad es
98.9320 8.4776 82.3162 115.5478
del 90%
Median = 75.8120
IQR = 83.4620 Q1 = 49.5260 Q3 = 132.9880

Kaplan-Meier Estimates
Number Number Survival Standard 95.0% Normal CI
Time at Risk Failed Probability Error Lower Upper
9.5200 60 1 0.9833 0.0165 0.9509 1.0000
27.9780 59 1 0.9667 0.0232 0.9212 1.0000
28.8550 58 1 0.9500 0.0281 0.8949 1.0000
29.3740 57 1 0.9333 0.0322 0.8702 0.9965
34.8990 56 1 0.9167 0.0357 0.8467 0.9866
35.3890 55 1 0.9000 0.0387 0.8241 0.9759
39.6550 54 1 0.8833 0.0414 0.8021 0.9646
43.4610 53 1 0.8667 0.0439 0.7807 0.9527
43.8810 52 1 0.8500 0.0461 0.7597 0.9403
45.3520 51 1 0.8333 0.0481 0.7390 0.9276
45.7350 50 1 0.8167 0.0500 0.7188 0.9146
46.0760 49 1 0.8000 0.0516 0.6988 0.9012
46.6130 48 1 0.7833 0.0532 0.6791 0.8876
49.0890 47 1 0.7667 0.0546 0.6596 0.8737
49.5260 46 1 0.7500 0.0559 0.6404 0.8596
49.6190 45 1 0.7333 0.0571 0.6214 0.8452
52.3110 44 1 0.7167 0.0582 0.6026 0.8307 1-33
 INTERPRETACION DE
RESULTADOS
Nonparametric Hazard Plot for tiempo

Observamos las
Empirical Hazard Function
Complete Data

gráficas de las
1.0 Mean 98.932
Median 75.812
0.9
IQR 83.462

0.8

0.7
distribuciones
0.6
empíricas de: riesgo
Rate

y confiabilidad
0.5

0.4

0.3
Nonparametric Survival Plot for tiempo
0.2
Kaplan-Meier Method-95.0% Conf idence Interv als
Complete Data
0.1

0.0 1.0 Mean 98.932

Median 75.812
0 100 200 300 0.9
IQR 83.462
Time to Failure 0.8

0.7

Las asignaciones de
Probability

0.6

probabilidades se basan sólo

0.5

0.4

en las frecuencias
0.3

0.2

observadas, y no suponen
0.1

0.0

ningún modelo especial. 0 100

Time to Failure
200 300

1-34
 PUNTOS CLAVE

– tiempo de vida y falla

– distribución de probabilidad
– confiabilidad
– MTBF - MTTF
– tiempo de misión
– velocidad de falla
– estadística descriptiva
– distribución empírica
1-35
 REFERENCIAS
• Statistical Methods for Reliability Data, Meeker and Escobar, 1998
• Handbook of Reliability Engineering and Management by Ireson,
Coombs, and Moss, McGraw Hill, 1990
• Engineering Statistics Handbook, capitulo 8, en
http://www.itl.nist.gov/div898/handbook/main.htm
• How To Plan An Accelerated Life Test -- Some Practical Guidelines.,
Meeker and Hahn, ASQ
• Reliability and Life Testing Handbook, Vols.1 y 2, Dimitri Kececioglu,
Prentice Hall, 1991
• Electronic Component Reliability, Finn Jensen, Wiley, 1998
• Reliability Review, ASQ
• Brian Henninger’s accelerated test project
• Software - Minitab version 12.2 (Minitab Inc) y WEIBULL 5.0 (Reliasoft)
• Otras fuentes - Mechanical Prediction Library, Reliability Tips, Brian
Henninger, Doug Kemp, Ken Zagray, Bill Wunderlin, Alex Cambon,
University of Maryland Accelerated Testing Course - Modarres
1-36