Fiabilidad 1

Análisis de fiabilidad
M. en C. Fernando Arcenio Zubieta López
8 de agosto de 2020
M. en C. Fernando Arcenio Zubieta López Análisis de fiabilidad

Objetivos
1 Describir las etapas de la curva de bañera.

2 Conocer las diferentes funciones que se utilizan en
confiabilidad y los modelos para el tiempo de falla.
3 Explicar los métodos de estimación que se utilizan en
confiabilidad (gráficos, mínimos cuadrados).
4 Entender cómo se analiza la confiabilidad de los sistemas que
están formados por varias partes o subsistemas.

Función de riesgo
Conceptos.
¿Qué es fiabilidad?
Fiabilidad es la probabilidad de que un dispositivo realice adecuada-
mente su función prevista a lo largo del tiempo, cuando opera en el
entorno para el que ha sido diseñado.
Atributos específicos
1 probabilidad;
2 un funcionamiento adecuado;
3 calificación con respecto al entorno;
4 tiempo.

Funciones en confiabilidad
Conceptos.
La función f (t) es función de densidad (continua) si cumple

que:
1
f (t) > 0
2 Z ∞
f (t)dt = 1
−∞

Conceptos.
Función de distribución acumulada

Es la probabilidad de fallar antes del tiempo t.
Z t
F (t) = f (x )dx (1)
0
Fallo
es un estado o situación en el que se encuentra un sistema, cuando
deja de cumplir la función para el cual había sido diseñado.

Conceptos.
Función de confiabilidad
es la probabilidad de que una parte de la máquina o del producto
funcione correctamente en un momento determinado y bajo unas
condiciones establecidas
C (t) = 1 − F (t) (2)

Función de riesgo
Conceptos.
Función de riesgo
Es la propensión a fallar al tiempo t; es decir, dado que se sobrevive
hasta el tiempo t, es la probabilidad de fallar justo en el siguiente
instante.
f (t)
h(t) = (3)
C (t)

Ciclo de vida de un producto
La curva de bañera

Modelos (distribuciones) para el tiempo de falla
Funciones de distribución:
1 Distribución exponencial
2 Distribución Weibull
3 Distribución valor extremo (para mínimos)
4 Distribución normal
5 Distribución lognormal

¿Qué función de distribución puedo utilizar en la curva
de bañera?
riesgo Weibull

Distribución exponencial
Distribución exponencial Nota

Modelo de probabilidad para da- Es importante considerar que una
tos de vida con riesgo constan- de las características distintivas de
te. Sirve para componentes de alta la distribución exponencial es que
calidad que “no envejecen” duran- su función de riesgo es constante.
te su vida útil. Esto significa que los productos
cuyo tiempo de falla siguen una
Función de densidad función de distribución exponen-
cial, no envejecen o no se fati-
f (t) = λe −λt (4)
gan
donde λ es la razón de falla.

Ejemplos donde la distribución puede ser utilizada
Op-amp Controlador
Led

Fallo
Z t
F (t) = f (x )dx
0
Z t
F (t) = λe −λx dx = 1 − e −λt
0
F (t) = 1 − e −λt (5)

C (t) = 1 − F (t)
C (t) = 1 − (1 − e −λt ) = e −λt
C (t) = e −λt (6)

Función de riesgo
La función de riego es constante

f (t)
h(t) =
C (t)
λe −λt
h(t) = =λ
e −λt
h(t) = λ (7)
bañera

Vida media o tiempo medio a la falla
La función de riego es constante

Z ∞
E (t) = tf (t)dt
0
Z ∞
1
E (t) = λte −λt dt =
0 λ
1
E (t) = (8)
λ
o bien
1
λ= (9)
E (t)
Ejemplo

Ejemplos
Ejemplo 1
Suponga que 20 componentes son sometidos a una prueba de vi-
da, y que las horas transcurridas hasta la falla fueron las siguientes:
3.70, 3.75, 12.18, 28.55, 29.37, 31.61, 36.78, 51.14, 108.71, 125.21,
125.35, 131.76, 158.61, 172.96, 177.12, 185.37, 212.98, 280.40,
351.28, 441.79. Si las horas a la falla siguen la distribución expo-
nencial, interesa estimar las funciones de densidad, de distribución
acumulada, de confiabilidad y de riesgo.

Solución
Con ayuda de la ecuación (10) ¿Cuál es la probabilidad de que

se tiene los componentes fallen antes de
E =133.43 las 20 horas?
F (t) = 1 − e −0.0075t
1
λ= = 0. 0075 F (t = 20) = 1 − e −0.0075(20)
133. 43 F (t = 20) = 0. 139
E(t)
F (t) = 1 − e −0.0075t
C (t) = e −0.0075t
h(t)=0.0075

Solución
Gráficas

Actividad 1
Actividad 1
La duración t (en horas) de cierto componente electrónico es una
variable aleatoria con función de densidad.
1 −t/1000
f (t) = e t>0
1000
1 Calcule F (t), C (t) y h(t).

2 ¿Cuál es la confiabilidad del componente a las t = 100 horas?
3 Si una unidad ha sobrevivido a las primeras 100 horas, ¿cuál
es la probabilidad de que sobreviva hasta las 200 horas?
4 Grafique h(t) e interprétela.

Gráficas en papel de probabilidad
Las gráficas de probabilidad son posiciones de graficación.

útiles para identificar de manera
visual la distribución de la que pro-
vienen los datos.
Si al graficar estos puntos sobre el

papel probabilístico de una distri-
bución supuesta, éstos tienden a
formar una línea recta (véase figu-
ra), eso será un indicador de que
los datos no contradicen dicha dis-
tribución supuesta, la cual puede
tomarse como el modelo que des-
cribe los datos.

Gráficas en papel de probabilidad
Métodos posiciones de graficación

Blom (i − 0. 375)/(n + 0. 25)
Benard (i − 0. 3)/(n + 0. 4)
Hazen (i − 0. 5)/n
Van der Waerden i/(n + 1)
Kaplan-Meier i/n

Distribución de Weibull
Campo de aplicación Rango de aplicación

La distribución de Weibull es el Los parámetros de Weibull pueden
modelo estadístico más popular describir cualquier comportamien-
para los datos de vida de un equi- to de falla durante el ciclo de vi-
po. da de un equipo, usando las tres
zonas de la curva de la bañera.
Ventaja La curva de la bañera
Weibull tiene la ventaja de usar los

tamaños de la muestra muy pe-
queños para hacer juicios rzonable
de conducta futura de vida de los
equipos.

La Distribución Weibull de tres parámetros

t −γ
β
β

t−γ
−
f (t) = e η (10)
η η
1 η = Parámetro escalar
2 β = Parámetro de forma
3 γ = Parámetro de posición

η Gráficas para distintos valores

Parámetro que determina la vida de η
útil del sistema o máquina, o la
carga de trabajo predilecta para el
mismo. Obtener un η alto quie-
re decir que el sistema o maqui-
na puede obedecer a trabajos más
largos.

β Gráficas para distintos valores

β < 1. Determina una tasa de β
de fallas decreciente ubicán-
dose en la fase de mortalidad
infantil.
β = 1. La distribución Wei-
bull se reduce a la distri-
bución exponencial (tasa de
riesgo constante).
β > 1. Se define una tasa de
fallos creciente por lo que se
ubica en la fase de envejeci-
miento o desgaste.

γ Gráficas para distintos valores

En ocasiones, las fallas no comien- de γ
zan a observarse desde el tiempo
cero, sino hasta después de un pe-
riodo, γ. Este desfase en la apari-
ción de las fallas se introduce a la
función de densidad Weibull me-
diante el parámetro γ de localiza-
ción.

Ejemplos donde la distribución puede ser utilizada


t−γ
β
−
F (t) = 1 − e η (11)
t−γ
β
−
C (t) = e η (12)
censura
Función de riesgo
β−1
β t −γ

h(t) = (13)
η η

Linealización de la distribución de Weibull
Regresión lineal: y = bx + a
Al aplicar logaritmo a la función de distribución acumulada
t β

−
ln(1 − F (t)) = ln e η
β
t
− ln(1 − F (t)) =
η
Al utilizar nuevamente la función logarítmica
t

ln[− ln(1 − F (t))] = β ln
η
ln[− ln(1 − F (t))] = β ln [t] −β ln(η)
| {z } | {z } | {z }
y bx a

Ejemplos
Ejemplo 2
Suponga que seis unidades se prueban en un estudio de confiabili-
dad, todas al mismo nivel de esfuerzo. Las unidades fallan durante
la prueba en las siguientes horas, t(i): 93, 34, 16, 120, 53 y 75. In-
teresa investigar si el modelo Weibull es razonable para estos datos y
determinar la confiabilidad de las unidades a un tiempo de 15 horas.

Solución
Estrategia a seguir
1 Alinear los tiempos de fallo en orden ascendente.

i−0.5
2 Obtener las posiciones de graficación F (t) = n .
3 Hallar los xi y yi .
− βa
4 Hallar a y b. Donde β = b y η = e
5 Determinar C (t)

Solución
Tiempo a Orden del número Posiciones de

fallar de fallas graficación
16 1 0.083
34 2 0.250
53 3 0.416
75 4 0.583
93 5 0.750
120 6 0.916

Solución
Regresión lineal Regresión lineal
b = β = 1. 6
a = −6. 97 = −1. 6 ln(η)

6.97
η=e 1.6
η = 77. 9

Solución
confiabilidad a las 15 horas

15 1.6
C (15) = e −( 77.9 )
C (15) = 0. 93

Distribución de normal
Distribución normal Gráfica
1 1 t−µ 2
f (t) = √ e− 2 ( σ ) (14)
2πσ
donde −∞ < t < ∞, σ > 0

Distribución normal

Z t
t −µ

F (t) = f (x )dx = Φ (15)
−∞ σ
t −µ

C (t) = 1 − Φ (16)
σ
Ejemplo
Para la función de riesgo no existe una expresión simplificad, sino

que ésta se obtiene con la fórmula general:
h(t) = f (t)/C (t).

Gráfica

Linealización de la función de distribución acumulada normal

t −µ

F (t) = Φ
σ
t µ
Φ−1 (F (t)) = −
| {z } σ σ
y
|{z} |{z}
bx a
donde b = 1
σ ya= − σµ

Solución
Estrategia a seguir
1 Alinear los tiempos de fallo en orden ascendente.

i−0.5
2 Obtener las posiciones de graficación F (t) = n .
3 Obtener Φ−1 (F (t)).
4 Si existe una relación lineal entre Φ−1 (F (t)) y t.
1
5 Hallar a y b. Donde σ = b y µ = −σa ejemplo
6 Determinar C (t)

Ejemplo
Ejemplo 3
Un fabricante de balatas para el sistema de frenado de automóviles
le da seguimiento al tiempo de falla de las mismas. El seguimiento
lo hace con distribuidores de automóviles nuevos de cierto modelo.
El tiempo de falla lo mide en los kilómetros recorridos. El número
de unidades en que se evaluó el tiempo de falla fue de 55. Después
de cierto tiempo no todas las balatas habían fallado, pero con base
en el desgaste se estimó el tiempo de falla. Los datos obtenidos para
los 55 productos se muestran a continuación:

Ejemplo
Se quiere estimar la distribución del tiempo de falla de las balatas y

con ella calcular su confiabilidad. El fabricante también quiere saber
si el tiempo de garantía de 10000 kilómetros que otorga es razonable,
considerando que no está dispuesto a reemplazar más de 2 % de las
balatas que vende

Ejemplo

Ejemplo
1
σ= = 4098. 4
2. 45 × 10−4
µ = −4098. 4 × (−4. 51) = 18484
Parámetros de distribución normal
10000 − 18484

F (10000) = Φ = 0. 019223
4098
C (10000) = 098078
Confiabilidad de distribución normal

Actividad 3
Actividad 3
De la tabla
1 verifique si los siguientes da-
tos se ajustan bien a una dis-
tribución normal.
de ser así determine σ y µ
mediante la regresión lineal.

Tipos de censura en confiabilidad
Datos completos
Son completos si representan el tiempo exacto en el que ocurrió la
falla de la unidad.
Datos censurados
Cuando no se conocen los tiempos de fallade las unidades de manera
exacta. Es información parcial sobre los tiempos de falla.

Tipos de censura
Censura por la derecha.
Se presenta cuando sabemos que la falla ocurre en algún
punto posterior al tiempo de duración del estudio u
observación.
Censura por la izquierda.
Este tipo de censura resulta cuando se sabe que el tiempo
exacto de la falla de una unidad ocurrió antes de un cierto
tiempo.
Censura por intervalo.
Ocurre cuando no se puede hacer una inspección continua de
las unidades y se planean ciertos tiempos espaciados de
inspección. Si en un tiempo dado t i se encuentra que una
unidad no funciona, lo que se sabe entonces es que falló en
algún momento entre el tiempo de inspección actual ti y el
anterior ti−1 .
Tipos de censura
Censura multiple.
Puede ocurrir que el interés del estudio se centre en un
particular modo de falla, de manera que las unidades que fallan
por otras causas se retiran del estudio como unidades
censuradas.
En un estudio de campo, diferentes grupos de unidades con
frecuencia entran al estudio en distintos tiempos.


Ejemplo
Vida de ventiladores. En seguida se muestran los datos de vida en

horas de 70 ventiladores diésel. Se registraron 12 fallas o tiempos
de falla exactos y 58 tiempos de censura. Los tiempos de censura se
denotan con el signo + a la derecha, lo cual indica que a ese tiempo
los ventiladores aún no fallaban.

Ejemplo

Ejemplo
Vida de conexiones con dos modos de falla. Los datos de la siguiente

tabla son esfuerzos de ruptura de 20 conexiones de alambre, con un
extremo soldado sobre un semiconductor y el otro soldado sobre un
poste terminal. Cada falla consiste en el rompimiento del alambre
(modo de falla 1 = A) o de una soldadura (modo de falla 2 = S).
Aquí el esfuerzo hace las veces de tiempo de falla.

Estimador de Kaplan-Meier de la función de confi
abilidad (tomando en cuenta la censura)
f1 f2 fi

Ĉ (t) = 1 − × 1− × ... × 1 − (17)
n1 n2 ni
nj son las unidades en riesgo justo antes del tiempo j
i−1
X i−1
X
nj = n − fj − rj (18)
j=0 j=0
rj denota el número de unidades que fueron censuradas en el tiempo

tj ; f0 = 0 y r0 = 0.

Ejemplo
Suponga que 10 unidades se prueban en un estudio de confiabilidad,

todas al mismo nivel de esfuerzo. Las unidades fallan durante la
prueba en las siguientes horas, ti : 93, 34, 40+ , 40+ , 85+ , 90+ , 16,
120, 53 y 75. determinar la confiabilidad de las unidades a un tiempo
de 15 horas.

Datos con censura
unidades en riesgo Ĉ (t)

10-0-0=10 1 − 1/10 =0.9
10-1-0=9 (1 − 1/10) (1 − 1/9) =0.8
10-2-2=6 (1 − 1/10) (1 − 1/9) (1 − 1/6)=0.66

10-3-2=5 (1 − 1/10) (1 − 1/9) (1 − 1/6) (1 − 1/5)=0.53
10-4-4=2 (1 − 1/10) (1 − 1/9) (1 − 1/6) (1 − 1/5) (1 − 1/2)

=0.26
10-5-4=1 (1 − 1/10) (1 − 1/9) (1 − 1/6) (1 − 1/5) (1 − 1/2)
× 0=0

Datos con censura
F̂ (ti−1 )+F̂ (ti )

F̂ (ti ) p̂i = 2
0.1 0.05
0.2 0.15
0.33 0.26
0.46 0.39
0.73 0.59
1 0.86

Solución
Regresión lineal Confiabilidad

15 1.7
C (15) = e −( 98.3 )
confiabilidad
C (15) = 0. 96

Función cuantil
Definición
Es el tiempo al cual se espera falle una fracción o proporción p de
las unidades.
Función exponencial
F (t) = 1 − e −λt
1
t = − ln(1 − p)
λ

Función cuantil
Función Weibull
t β

F (t) = 1 − e η
t = η [− ln(1 − p)]1/β

Ejemplo
Con el propósito de estudiar la vida de un producto semiperecedero

se realiza un experimento teniendo como tiempo de censura 400 h.
Se estudiaron un total de 60 productos. Los datos obtenidos hasta
el tiempo de censura se muestran a continuación.

Ejemplo
Determinar
1 ¿Por qué cree que se censuró el experimento y qué tipo de
censura se aplica?
2 ¿Los datos siguen una distribución Weibull?
3 Estime los parámetros de la distribución Weibull
4 ¿Qué tiempo de garantía propondría para el producto? ¿Por
qué?
5 Utilizando la estimación no parámetrica de Kaplan-Meier
obtenga el inciso d).

Bibliografía
Humberto Gutiérrez Pulido, Román de la Vara Salazar:

Control estadístico de calidad y seis sigma , 2009, pp. 371.
Ronald E. Walpole, Raymond H. Myers, Sharon L. Myers:
Probabilidad y estadística para ingeniería y ciencias, 2012, pp.
203.

Fiabilidad 1

Cargado por

Copyright:

Formatos disponibles

Fiabilidad 1

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Fiabilidad 1

Cargado por

Copyright:

Formatos disponibles

Análisis de fiabilidad

M. en C. Fernando Arcenio Zubieta López

M. en C. Fernando Arcenio Zubieta López Análisis de fiabilidad

1 Describir las etapas de la curva de bañera.

M. en C. Fernando Arcenio Zubieta López Análisis de fiabilidad

M. en C. Fernando Arcenio Zubieta López Análisis de fiabilidad

La función f (t) es función de densidad (continua) si cumple

M. en C. Fernando Arcenio Zubieta López Análisis de fiabilidad

Función de distribución acumulada

M. en C. Fernando Arcenio Zubieta López Análisis de fiabilidad

C (t) = 1 − F (t) (2)

M. en C. Fernando Arcenio Zubieta López Análisis de fiabilidad

M. en C. Fernando Arcenio Zubieta López Análisis de fiabilidad

M. en C. Fernando Arcenio Zubieta López Análisis de fiabilidad

M. en C. Fernando Arcenio Zubieta López Análisis de fiabilidad

M. en C. Fernando Arcenio Zubieta López Análisis de fiabilidad

Distribución exponencial Nota

M. en C. Fernando Arcenio Zubieta López Análisis de fiabilidad

M. en C. Fernando Arcenio Zubieta López Análisis de fiabilidad

F (t) = 1 − e −λt (5)

M. en C. Fernando Arcenio Zubieta López Análisis de fiabilidad

C (t) = 1 − (1 − e −λt ) = e −λt

C (t) = e −λt (6)

M. en C. Fernando Arcenio Zubieta López Análisis de fiabilidad

La función de riego es constante

M. en C. Fernando Arcenio Zubieta López Análisis de fiabilidad

La función de riego es constante

M. en C. Fernando Arcenio Zubieta López Análisis de fiabilidad

M. en C. Fernando Arcenio Zubieta López Análisis de fiabilidad

Con ayuda de la ecuación (10) ¿Cuál es la probabilidad de que

M. en C. Fernando Arcenio Zubieta López Análisis de fiabilidad

M. en C. Fernando Arcenio Zubieta López Análisis de fiabilidad

1 Calcule F (t), C (t) y h(t).

M. en C. Fernando Arcenio Zubieta López Análisis de fiabilidad

Las gráficas de probabilidad son posiciones de graficación.

Si al graficar estos puntos sobre el

M. en C. Fernando Arcenio Zubieta López Análisis de fiabilidad

Métodos posiciones de graficación

M. en C. Fernando Arcenio Zubieta López Análisis de fiabilidad

Campo de aplicación Rango de aplicación

Weibull tiene la ventaja de usar los

M. en C. Fernando Arcenio Zubieta López Análisis de fiabilidad

La Distribución Weibull de tres parámetros

M. en C. Fernando Arcenio Zubieta López Análisis de fiabilidad

η Gráficas para distintos valores

M. en C. Fernando Arcenio Zubieta López Análisis de fiabilidad

β Gráficas para distintos valores

M. en C. Fernando Arcenio Zubieta López Análisis de fiabilidad

γ Gráficas para distintos valores

M. en C. Fernando Arcenio Zubieta López Análisis de fiabilidad

M. en C. Fernando Arcenio Zubieta López Análisis de fiabilidad

Función de distribución acumulada

M. en C. Fernando Arcenio Zubieta López Análisis de fiabilidad

M. en C. Fernando Arcenio Zubieta López Análisis de fiabilidad

M. en C. Fernando Arcenio Zubieta López Análisis de fiabilidad

M. en C. Fernando Arcenio Zubieta López Análisis de fiabilidad

Tiempo a Orden del número Posiciones de

M. en C. Fernando Arcenio Zubieta López Análisis de fiabilidad