LA FUNCIÓN DE

DISTRIBUCIÓN DE WEIBULL
EN LOS
ENSAYOS DE FIABILIDAD
¿POR QUÉ USAMOS WEIBULL?
El uso de la función de distribución de Weibull en
los estudios de fiabilidad de componentes se debe
principalmente a la gran diversidad de formas que
este modelo puede tomar, dependiendo de los
valores de los parámetros característicos.
Al aplicar Weibull, el estudió previo de los datos
se reduce únicamente a una inspección visual en
busca de posibles datos anómalos que distorsionen
los resultados.
 ¿QUÉ OBTENEMOS AL APLICAR EL
MODELO DE WEIBULL?
 Al aplicar Weibull se obtiene la distribución de
fallos del conjunto de donde proviene la
muestra, únicamente ajustando los parámetros
del modelo al conjunto de componentes
ensayados.
Al conocer la distribución de los fallos, se puede responder a
preguntas del tipo:

 ¿ Cuantos componentes fallarán durante el primer

año?, ¿ Cuanto tiempo de garantía tendrá que tener el
componente para que únicamente fallen el 1% durante
ese periodo?. etc. A parte de las preguntas anteriores,
el modelo obtenido también permite responder a una
pregunta tan importante para nuestro departamento
como: ¿El 5% de los componentes del lote fallarán por
encima o por debajo del target? que es el criterio usado
par decidir si un lote es OK o NG.
 DESCRIPCIÓN DEL MODELO
 La función de distribución de Wiebull es un
modelo estadístico que representa la
probabilidad de fallo después de un tiempo t
(R(t)) en función del tiempo transcurrido o de
una variable análoga.
 Esta función de probabilidad de fallo o función de fiabilidad
R(t), viene dada por:

R(t)]
  

Donde: 𝛶,α y 𝛽 son parámetros que definen la función:

- 𝛶 es el parámetro de escala o vida característica. Este parámetro representa el
tiempo ( o el valor de la variable análoga usada ) para el cual la probabilidad de
fallo acumulada es de 63,2%. Por tanto cuando mayor sea, mayor será el intervalo
de tiempo en que se producirán los fallos.
 
- α es el parámetro de translación, y se usa cuando inicialmente, durante un periodo
de tiempo T, no se producen fallos y a partir de ese instante la fiabilidad del
producto se puede aproximar por la distribución de Weibull (caso 𝛶 > 0); o cuando
hay fallos antes de empezar los ensayos (caso 𝛶 <0).
 
- 𝛽 es el parámetro de forma o perfil y determina la forma de la distribución.
 En la representación gráfica del modelo, este parámetro coincide con la pendiente
de la recta y da una idea de la dispersión de la muestra.
 Se define la probabilidad de que un
componente falle antes del momento (t), que se
indica como F(t).
F(t) = 1-R(t)

 también se puede definir la función de

densidad de probabilidad f(t), que muestra la
probabilidad que tiene un componente
genérico de fallar en un tiempo dado.
 REPRESENTACIÓN GRÁFICA
Para representar gráficamente esta función se
deben seguir los siguientes pasos:
 1- Clasificar el tiempo o ciclos de cada muestra
(ti) de menor a mayor.
 2- Determinar los valores de probabilidad
acumulada de fallo ( Fi ). 
Estos valores se determinan usando la siguiente
formula:
Aunque otros autores dan la formula:

Donde: i es el número de orden de fallo y n el tamaño de la

muestra.
 
 3- Conocidos ti y Fi, se representan el en gráfico.
 Una vez se ha hecho el gráfico, puede pasar
que salga directamente una línea recta (en
cuyo caso 𝛶= 0) o que salga una curva (𝛶≠ 0 ).
 En este segundo caso existe un periodo de
tiempo entre t = 0 y t = 𝛶 en que ningún
componente falla ( si 𝛶 es positivo) o parte de
las muestras fallan antes de ensayarlas (caso
de 𝛶 negativo). El parámetro 𝛶 es aquel
valor que se le tiene que restar a todos los ti
para que los puntos representados sigan una
recta.
 METODOS DE ESTIMACIÓN DE LOS
PARÁMETROS

Para estimar los parámetros de la función de Weibull se

puede recurrir a diferentes métodos, tanto analíticos
como gráficos.
De los diferentes tipos de métodos, los analíticos son
los que dan una mejor aproximación de los parámetros.
Aunque antes de usar un método analitico siempre es
recomendable aplicar un método grafico, con el
objetivo de encontrar una primera aproximación de
los parámetros y para comprobar que estos se
pueden aproximar con la función de Weibull.
 Métodos gráficos
Los métodos gráficos se basan en obtener los
parámetros directamente con el gráfico,
relacionando estos con características facilmente
medibles en el gráfico.
 Grafico de (ti- 𝛶 ,Fi).
-Para estimar el parámetro se tiene que trazar una
recta paralela que pase por el centro del arco
representado en el papel y que corte a este. El punto de
corte de la recta paralela que hemos dibujado y el arco
nos dará el valor del parámetro.

-El parámetro se estima usando el hecho de que este

representa el tiempo para el cual la probabilidad de
fallo acumulada es de 63,2%. De este modo basta con
ver para que valor de ti la probabilidad de fallo es de
 63,2%, y este será el valor del parámetro.
 Gráfico logarítmico
 El camino a seguir para llegar a la ecuación lineal
es él que se muestra a continuación:

Tomando logaritmos y ordenando tenemos:

Donde F(t) se calcula con las formulas 4.1 o 4.2 dependiendo de que
método
se quiera seguir.
antes de representar gráficamente la ecuación se debe encontrar el
parámetro 𝛶 .

 Dibujar la recta (ti, Fi) tal como se indica en el apartado

4.
 Trazar tres rectas horizontales de manera que la primera
pase por el tiempo de fallada más pequeño, la segunda
por el tiempo de fallada más grande y la tercera pase
por el medio de las dos anteriores. 
 Encontrar los tiempos de fallo correspondientes a los
puntos de corte de estas tres líneas con la gráfica.
Llamaremos a estos tiempos Tm (él correspondiente a la
recta menor), TI (recta intermedia) y TM (recta mayor).
 Calcular con la siguiente formula:

• Volver a representar el gráfico sustituyendo ti por ti-g , y seguir los

pasos
mostrados al principio de este apartado.
 Métodos analíticos
 Los métodos que se presentan a continuación permiten obtener
una aproximación del valor de los parámetros de la distribución de
Weibull, la calidad esta aproximado dependerà del método usado.
 Este método no contempla el caso en que , acción dependerá
del método usado.
 Método de la máxima
versemblanza.
Con este método de calculo se obtienen unos valores de a y
b que al haber sido calculados a partir de una muestra
aleatoria, tienen una cierta variabilidad.
Método implicito.
CALCULOS Y ANALISIS DE FIABILIDAD A PARTIR DEL
WEIBULL.

Ejemplo:
Tenemos un conjunto de componentes que fallan
en el siguiente numero de horas: 0.22; 0.5; 0.88; 1;
1.32; 1.33; 1.54; 1.76; 2.5 y 3. A partir de estos
valores se nos pide calcular los siguientes
apartados:
- % de fallos a las 3 horas.
- tiempo en el que habrán fallado el 5% de los
componentes.
primero vamos a dibujar el gráfico (ti,Fi),
para ello calculamos los valores de Fi.
i ti Ln(ti) Fi

1 0,22 -1,51412773 0,06730769

2 0,5 -0,69314718 0,16346154

3 0,88 -0,12783337 0,25961538

4 1 0 0,35576923

5 1,32 0,27763174 0,45192308

6 1,33 0,28517894 0,54807692

7 1,54 0,43178242 0,64423077

8 1,76 0,56531381 0,74038462

9 2,5 0,91629073 0,83653846

10 3 1,09861229 0,93269231
A continuación se muestra el gráfico de los resultados con la
recta de regresión que aproxima los puntos:
 OBSERVACIONES RESPECTO LA
APLICACIÓN DE LA DISTRIBUCIÓN
DE WEIBULL.
Problemas de variabilidad. Los problemas que tienen su origen en
la variabilidad de los resultados numéricos se deben
principalmente al hecho de que estamos trabajando con resultados
estadísticos, y por tanto su nivel de confianza dependerá en gran
medida del numero de muestras ensayadas.

Ejemplo:
 
 
 
Se tiene un conjunto de componentes que han roto a los siguientes ciclos:
115000, 88360 y 338130 (caso real con target de 85000). Si aplicamos el
Weibull (en este caso se ha usado el paquete estadístico Minitab)
obtenemos el siguiente resultado:
Como se puede ver en los
resultados que da el Minitab, el
valor de los ciclos al 5% (0,05) es de
37384 y por tanto el lote sería NG.
Pero si miramos los valores que da
el programa como extremos del
intervalo de confianza donde se
encuentra F(t),5% con un nivel de
confianza del 95%, estos son: 5981 y
233663. Por lo tanto, teniendo en
cuenta que el target es de 85000
ciclos, no podemos asegurar que el
lote sea NG, ni tampoco que sea OK.
Ejemplo:
 A continuación se van a efectuar los cálculos para determinar si un lote es OK o NG con dos
conjuntos de muestras diferentes: 
 - Muestra: 350000, 325000, 300000 y 100000 con target de 100000   
Para calcular el número de ciclos que produce un 5% de fallos y el parámetro (pendiente) se
utilizan dos programas: 
- Programa 1: hoja de Excel basada en el método implícito. 
- Programa 2: Minitab   
Los resultados obtenidos se pueden ver en la siguiente tabla:
Ejemplo:

Queremos hacer lo mismo que en el ejemplo anterior pero con la

siguiente muestra: 343000, 502000 y 381000. Los resultados se muestran la
siguiente tabla:

Estas diferencias a la hora de efectuar la regresión, se pueden ver en los

siguientes gráficos. Estos gráficos representan las funciones (ti,Fi)
correspondientes a las muestras del primer ejemplo de este apartado
(350000,325000, 300000, 100000) encontrada con el Excel y con el Minitab.