RESEARCH REPORT

TALLER No. 3: ANÁLISIS TALLER BAJO WEIBULL

Freddy Alexander Gómez Martínez - 2154691

Michell Danilo Bautista Díaz - 2132146

A001
Bucaramanga 2019

Research Group on Energy and Environment – GIEMA

School of Mechanical Engineering
Universidad Industrial de Santander
______, Michell Danilo Bautista Díaz, Taller No. 3 Análisis WEIBULL, School of
Mechanical Engineering, Universidad Industrial de Santander. Research report,
Bucaramanga, Colombia, 2019.

Abstract: This paper focuses on failure rate detection using Weibull analysis.
The present is an analysis report, for which certain MTBF data have been compiled for a
given team, which will allow a more efficient planning of the maintenance tasks of this. It
contains a Weibull distribution, the calculation of the seasonality of life of the studied
element and recommendations of the management model in the evaluated range.
The Weibull analysis results agree well with real-world test data, and provide reasonable
prediction of future failure trends.

Keywords: Weibull, Failure Prediction, Reliability, Preventive Maintenance, Maintenance

Routine.

Research Group on Energy and Environment – GIEMA

School of Mechanical Engineering
Universidad Industrial de Santander
Ciudad Universitaria
Bucaramanga, Colombia

email: giema@uis.edu.co http://giema.uis.edu.co

Taller No. 1 Mantenimiento preventivo de una bomba centrífuga 3

Análisis Weibull
F. Gómez1, M. Bautista 2,
1Escuela de Ingeniería Mecánica, Universidad Industrial de Santander, Colombia. Email: freddy1997gomez@gmail.com
2Escuela de Ingeniería Mecánica, Universidad Industrial de Santander, Colombia. Email:michelldanilobautista@gmail.com

ABSTRACT

This paper focuses on failure rate detection using Weibull analysis.

The present is an analysis report, for which certain MTBF data have been compiled for a given
team, which will allow a more efficient planning of the maintenance tasks of this. It contains a
Weibull distribution, the calculation of the seasonality of life of the studied element and
recommendations of the management model in the evaluated range.
The Weibull analysis results agree well with real-world test data, and provide reasonable prediction
of future failure trends.

KEYWORDS: Weibull, Failure Prediction, Reliability, Preventive Maintenance, Maintenance

Routine.
1. INTRODUCCIÓN

El entendimiento básico de la técnica del uso de distribución Weibull para el análisis y predicción
de falla en esta aplicación reduce los costos, calibración de instrumentos, análisis de las mediciones
y propiedades de los materiales. Calcula los tiempos óptimos para el mantenimiento, ayuda a tomar
decisiones en diagnóstico y nuevas inversiones de proyectos.
Este método muestra la aplicación del análisis Weibull en programas de computadoras, en este
caso EXCEL para reemplazarlo por laboriosos cálculos en hojas de cálculo y gráficas manuales.

1.1. PLANTEAMIENTO DEL PROBLEMA

Para cierto equipo han sido recopilados los datos de TPEF (MTBF) a los cuales ha sido operado
hasta el momento, se pretende analizar bajo Weibull con las siguientes condiciones:

A partir de los datos suministrados, realice el análisis de los datos y determine:

1- Estime el MTBF (tiempo medio entre fallas) el cual permitirá una planeación más
eficiente de las tareas de mantenimiento del equipo.
2- La desviación (ɣ) que separa el valor máximo de la vida del elemento a intervenir.
3- Gráfica de la distribución de Weibull para el caso estudiado.
4- La estacionalidad de vida del elemento estudiado.
5- Recomendaciones sobre el modelo de gestión que corresponde al elemento en el rango
evaluado.

Tabla 1. Datos recopilados.

DATOS
# TPEF [MESES]
1 22
2 6
3 8
4 5
5 11
6 3,5
7 13
8 1,7
9 18
10 12,3

2. METODOLOGÍA

Como primer paso debemos reorganizar los datos TPEF de orden ascendente para así realizar la
gráfica de distribución de Weibull.
Después procedemos a calcular el rango de mediana para cada observación usando la ecuación:

Para obtener la función Rango Mediana f(t) (tabla 3.)

Taller No. 1 Mantenimiento preventivo de una bomba centrífuga 5

También se debe calcular el logaritmo natural del tiempo entre fallas para cada observación
(tablas 4.).

Tabla 2. Datos ordenados. Tabla 3. Datos Rango mediana. Tabla 4. Datos Logaritmo.
TPEF [MESES] # TPEF [MESES] # f(t)
TPEF [MESES] f(t) x = Ln(t-ϒ)
1,7 1 1,7 10,06731 1,7 0,06731 0,53063
3,5 2 3,5 20,16346 3,5 0,16346 1,25276
5 3 5 30,25962 5 0,25962 1,60944
6 4 6 40,35577 6 0,35577 1,79176
8 5 8 50,45192 8 0,45192 2,07944
11 6 11 60,54808 11 0,54808 2,39790
12,3 7 12,3 70,6442312,3 0,64423 2,50960
13 8 13 80,74038 13 0,74038 2,56495
18 9 18 90,83654 18 0,83654 2,89037
22 10 22 100,93269 22 0,93269 3,09104

Se calcula el valor de la ordenada, es decir el logaritmo del inverso de uno menos el rango de
mediana para cada una de las observaciones de la muestra.

Tabla 5. Datos ordenada.

RECTA PARAMÉTRICA
# TPEF [MESES] f(t) x = Ln(t-ϒ) y = Ln(-ln(1-f(t)))
1 1,7 0,06731 0,53063 -2,66384
2 3,5 0,16346 1,25276 -1,72326
3 5 0,25962 1,60944 -1,20202
4 6 0,35577 1,79176 -0,82167
5 8 0,45192 2,07944 -0,50860
6 11 0,54808 2,39790 -0,23037
7 12,3 0,64423 2,50960 0,03292
8 13 0,74038 2,56495 0,29903
9 18 0,83654 2,89037 0,59398
10 22 0,93269 3,09104 0,99269

Se genera un gráfico con los datos de X y Y, al trazar los puntos se genera la recta de regresión.

Aplicando las funciones de Excel, se obtiene la siguiente recta de regresión:

Tabla 6. Resultados.
β 1,41070
b -3,44578
η 11,50300
r^2 0,99389
ϒ 0,00000
 Gráfica 1. Recta de regresión con δ=0.
y = Ln(-ln(1-f(t)))
1,5

1,0
y = 1,4107x - 3,4458
0,5 R² = 0,9939

0,0
0,4 0,9 1,4 1,9 2,4 2,9
-0,5

-1,0

-1,5

-2,0

-2,5

-3,0

El coeficiente de determinación r2, indica que el valor es de 99,38% corresponde a la cantidad de

datos que están relacionados linealmente. En conclusión indican que la muestra se comporta
conforme a la función de Weibull.

1- Estime el MTBF (tiempo medio entre fallas) el cual permitirá una planeación más eficiente de
las tareas de mantenimiento del equipo.

β 1,41070 η 11,50300

Resultado de la MTBF
MTBF 10,47175

2- La desviación (ɣ) que separa el valor máximo de la vida del elemento a intervenir.
Para el caso aplicado en clase, se asume una desviación:

ϒ 0,00000
Para analizar este parámetro diferente de cero, se deben tener las siguientes consideraciones.
 Que al graficar los puntos de la muestra aparezca una cola de puntos hacia arriba o hacia
abajo, es un indicativo de que el parámetro debe ser calculado.
 Una cola hacia abajo o una reducción súbita de la pendiente son indicativos.
 Una cola hacia arriba o un incremento súbito de la pendiente.
 Un parámetro de localización negativo cuando hay unidades con fallas en servicio.
Taller No. 1 Mantenimiento preventivo de una bomba centrífuga 7

En este caso no cumple como lo podemos observar en la Gráfica 1. Recta de regresión con δ=0

3 - Gráfica de la distribución de Weibull para el caso estudiado.

Con los datos obtenidos β 1,41070 η 11,50300 , se realiza la
distribución Weibull. Y se grafican las siguientes funciones:

𝛽 𝑡 (𝛽−1) 𝑡 (𝛽)
𝑓1 = 𝜂 [𝜂] ∗ 𝑒𝑥𝑝 [− 𝜂] ; Función de densidad de probabilidad.
𝑡 𝛽
𝑅 = 𝑒𝑥𝑝 [− (𝜂) ]; Función de confiabilidad
𝛽 𝑡 (𝛽−1)
𝑇𝑓 = 𝜂 [𝜂] ; Función de tasa de falla

Tabla 7. Resultados funciones Weibull

WEIBULL
# TPEF [MESES] f(t) R(t) Tfalla(t)
1 1,7 0,05228 0,93483 0,05592
2 3,5 0,06242 0,82973 0,07523
3 5 0,06397 0,73439 0,08710
4 6 0,06297 0,67082 0,09387
5 8 0,05803 0,54930 0,10564
6 11 0,04709 0,39107 0,12041
7 12,3 0,04200 0,33317 0,12606
8 13 0,03930 0,30472 0,12896
9 18 0,02247 0,15248 0,14740
10 22 0,01319 0,08240 0,16006

Gráfica 2. Distribución de probabilidad.

 Gráfica 3. Función Confiabilidad

Gráfica 4. Tasa de falla.

4- La estacionalidad de vida del elemento estudiado.

Para analizar la estacionalidad de vida del elemento nos basamos en los datos obtenidos en
comparación con la curva de la bañera, ‘Bathtub Curve’.

β 1,41070 η 11,50300
Taller No. 1 Mantenimiento preventivo de una bomba centrífuga 9

Imagen 1. Curva de la bañera.

La prueba Weibull modelada matemáticamente muestra:

1< 𝛽 < 4 aumenta la tasa de riesgo, fallas por corrosión, erosión.

Por tanto la tasa de riesgo es creciente, el elemento hay que cambiarlo, es problema de la máquina.

4. RECOMENDACIONES

5- Recomendaciones sobre el modelo de gestión que corresponde al elemento en el rango

evaluado.

 Se recomiendo chequear rodamientos y engranajes ya que probablemente son elementos

con fallas y cambiarlos.
 Revisar ductos, tuberías, tanques ya que pueden ser problemas de corrosión o erosión.
 Revisar que elementos pueden estar bajo un ciclo de fatiga.
 Es necesario seguir tomando los datos TPEF para poder continuar con un análisis más
acorde.

5. REFERENCIAS

[1]. MORA, ALBERTO. MANTENIMIENTO, PLANEACIÓN, EJECUCION Y CONTROL. 1RA

ED. MÉXICO: ALFAOMEGA 2009.

[2]. Walpole, Ronald E y Raymond Meyers. Probabilidad y estadística para ingenieros. 3ra ed.
México: Interamericana, 1990
[3]. Dodson, Bryan. The Weibull Analysis Handbook. 2da ed. Milwaukee, Wisconsin: ASQ
Quality Press, 2006.

[4]. Abernethy, Robert B. The New Weibull Handbook. 5ta ed. North Palm Beach, Florida. 2006
[5]. Pertuz Comas, A. D. (2018). Ingeniería de Mantenimiento., (pág. 104). Bucaramanga.

[6]. Cálculo de los parámetros de la Distribución de Weibull. [En línea] Disponible en: Estimation
of the Weibull parameters [En línea] Disponible en:
http://www.weibull.com/LifeDataWeb/lifedataweb.htm... [Consulta. 08 de julio de 2019]