Curso 2011 Zapata 1

ConfiabilidadenIngeniera
CarlosJ.Zapata
UniversidadTecnolgicadePereira

PrimeraEdicin
2011
CarlosJ.Zapata
ProfesorAsociado
UniversidadTecnolgicadePereira
Pereira,Colombia

Primeraedicin:Ao2011
ISBN:
Autor: CarlosJ.Zapata,ProfesorAsociado,
UniversidadTecnolgicadePereira,Pereira,Colombia

2011 UniversidadTecnolgicadePereira,Pereira,Colombia
Impresin:PubliprintLtda
CentroComercialLaPopa,Local14
Dosquebradas,Colombia
publiprint@epm.net.co
Primeraimpresin
ImpresoenColombia,PrintedinColombia
Prohibida la reproduccin parcial o total de esta obra, por cualquier mtodo sin la
autorizacinescritadeleditor.

Carlos Julio Zapata Grisales es ingeniero electricista de la Universidad Tecnolgica de

Pereira(1991),magstereningenieraelctricadelaUniversidaddeLosAndes(1996)y
doctoreningenieradelaUniversidaddeLosAndes(2010).Deenerode1991aenerode
2002laborparaConsultoraColombianaS.AConcolS.A.Desdediciembrede2001
laboracomodocenteeinvestigadorenlaUniversidadTecnolgicadePereira.
Paracomentariosopreguntasalautor,enviarunemailalcorreocjzapata@utp.edu.co
TabladeContenido
Pgina
1 Conceptosgenerales 1
2 Tiposdecomponentesysistemas 12
3 Componentesnoreparables 25
4 Componentesreparables 41
5 Sistemasnoreparables 62
6 Sistemasreparables 70
7 Sistemasesfuerzoresistencia 80
8 Arbolesdefallaydeeventos 90

Presentacin
ConfiabilidadenIngenieracorrespondealasnotasdeclasedeloscursosdepostgrado
queelautorhadictadoenlaUniversidadTecnolgicadePereira(Pereira,Colombia)y
enlaUniversidaddelosAndes(Bogot,Colombia).
El principal objetivo de este documento es presentar los conceptos de confiabilidad de

componentesysistemasnoreparablesyreparablesdentrodelmbitodelaingeniera.
Eneldesarrollodeestetemaseenfatizaenlossiguientesaspectos:Ladiferenciaentreel
modelamiento de componentes y sistemas reparables y no reparables, la informacin
requeridaparaelmodelamientoylosmtodosparaconstruirmodelosdeconfiabilidad
decomponentesreparablesynoreparables.
Elenfoquedeestetextoeshacialasaplicacionesprcticas,yaqueexistenmuchoslibros
donde laconfiabilidadseabordasolamentedesde elpuntodevistatericosinensear
cmoesquesehacelaaplicacindeestosconceptosasituacionesreales.As,elautorha
querido incorporar en estas notas la experiencia adquirida en los estudios de
confiabilidadenquehatuvolaoportunidaddeparticipar.
En este documento se asume el conocimiento por parte del lector de los conceptos
bsicosdeprobabilidad,estadstica,procesosestocsticosysimulacindeMontecarlo.
CarlosJ.Zapata
Cartago,Febrerode2011

1

Captulo1ConceptosGenerales ConfiabilidadenIngenieraCarlosJ.Zapata
UniversidadTecnolgicadePereira 2011
CAPTULO1CONCEPTOSGENERALES
1.1NECESIDADDELACONFIABILIDAD
Figura1.1Algunosproductosyserviciosutilizadosporlaspersonasenlavidadiaria
Enlavidadiariadelassociedadesmodernasseutilizanmuchosproductosyservicios:
Ejemplos
Productos Servicios
Bombillaelctrica
Televisor
Generadorelctrico
Bicicleta
Computador(hardware)
Software
Diodo
Jeringaplstica
Lentedecontacto
Electricidad
Gasdomiciliario
Televisin
Telefona
Aguapotable
Alumbradopblico
Radiodifusin
Correo
Transportepblico
Losproductospuedensersimplesocomplejos,dependiendodelacantidaddesubcomponentesopartes
que los conformen. En realidad, un componente puede ser un sistema de muchos subcomponentes. Los
subcomponentes pueden ser clasificados funcionalmente por subsistemas. Sin embargo, sin importar la
cantidaddesubcomponentes,usualmenteelproductoseconsideraexteriormenteunsolocomponente.
Ejemplo
Una unidad de generacin elctrica est conformada por el sistema de suministro de combustible, el sistema
mecnico que transforma la energa primaria en energa rotacional, el generador sincrnico, los controles de
velocidad y voltaje, los servicios auxiliares, etc. Externamente, todo esto puede ser considerado un solo
componente.
Los servicios son suministrados por sistemas conformados por muchos componentes ms las personas
encargadas de su operacin. Dado el gran tamao y complejidad de algunos sistemas, stos suelen
subdividirseporzonasfuncionalesosubsistemas.
Ejemplo
Elserviciodeelectricidadesprovistoporelsistemaelctricodepotencia,elcualsuelesubdividirseparasuestudio
yoperacinensistemadegeneracin,sistemadetransmisinysistemadedistribucin.

2

A su vez, un sistema puede ser considerado desde un sistema mayor o ms importante como un
componente.Porlotanto,enestetextolaspalabrascomponenteysistemasonintercambiables.
Sedenominafallaalasituacinenque[5],[6]:
1 Elcomponenteosistemadejacumplirparcialmenteototalmentesufuncin
2 Existeunadiferenciainaceptableentreeldesempeoesperadoyelobservado
Lasfallaspuedenocurrirdebidoa[6]:
1 Defectostcnicosofsicos
Incluye el diseo, materiales, manufactura, construccin,
ensamblajeymantenimiento
2 Erroresoperativosoprocedimentales.
Administracin y control de calidad, lo cuales estn
relacionadosconfactoreshumanos.
Lafallasdeloscomponentesosistemaspuedencausarefectosquevandesdemolestiaseinconvenientes
paraalgunosdelosusuarioshastaunseveroimpactoenlasociedad.
Lasfallastambinpuedenllevarasituacionespotencialmentepeligrosasoderiesgoparalosusuarioso
elmedioambiente,diferentesalasaceptadasopermitidas.
Porlotanto,serequierequetodocomponenteosistemaofrezcacalidad,seguridadyconfiabilidad:
Calidad
Serefiereasudesempeorespectoaunasnormastcnicas.Ejemplo:Calidaddelagua,calidadde
laimagendetelevisin,calidaddelarecepcindelaunasealdeaudio,calidaddelmaterial.
Seguridad
Quesuusonoimpliquepotencialespeligrosoriesgosparalosusuariosoelmedioambiente
diferentesalosaceptadosopermitidos.
Confiabilidad
Que cumpla su funcin durante el tiempo requerido bajo unas condiciones operativas
especificadas
Debe aclararse que las definiciones presentadas corresponden al contexto de la ingeniera pudindose
encontrar otras definiciones particulares para otras reas de aplicacin y an para subreas de la
ingeniera.
Ejemplos
Confiabilidadenelreadelasnoticias:Serefierealgradodeveracidaddelasmismaslocualdependedefactores
comolasfuentesdelainformacinysugradodedetalle.
Seguridad en las transacciones bancarias: Se refiere al grado de proteccin existente para evitar el acceso de
personasnoautorizadas.
Seguridad en sistemas elctricos de potencia: Se refiere a la habilidad para operar establemente ante disturbios
comocortocircuitos,prdidadecomponentes,etc.
En la definicin de confiabilidad aparece el aspecto temporal durante el cual se requiere que el

componentecumplasufuncin.Lascondicionesoperativasespecificadasincluyenelrangodeutilizacin
(capacidadnominal,condicionesambientales,etc.)ylosrequerimientosdecalidadyseguridad.

3

Existeunaestrecharelacinentrelosaspectosdeconfiabilidad,calidadyseguridad:lasmejorasenlasdos
ltimasconllevanalamejoradelaconfiabilidad.
El garantizar un nivel dado de calidad, seguridad y confiabilidad abarca todas las etapas de un
componenteosistema:Planeamiento,diseo,fabricacin,instalacinyoperacin.
No es econmicamente posible disear, fabricar y operar un componente o sistema que ofrezca una
confiabilidad del 100% (cero fallas) bajo todas las condiciones pues los eventos internos y externos que
afectan a los componentes y producen las fallas son aleatorios; es decir, no puede conocerse en forma
exacta el tiempo de su ocurrencia. Por lo tanto, la llegada de fallas a un componente o sistema es un
fenmenoaleatoriooconincertidumbre.

1.2DEFINICIONES
1.2.1Confiabilidad
Eslaprobabilidaddequeuncomponenteosistemapuedacumplirsufuncinenlascondicionesoperativas
especificadasduranteunintervalodetiempodado
Esta es la definicin general de confiabilidad. Aplica a los componentes o sistemas orientados a una
misinysedesignaporlaletraR(Reliability).
Esta definicin no tiene sentido para los componentes o sistemas reparables puesto que stos toleranlas
fallas;paraestossistemasseutilizaladisponibilidad.
1.2.2Disponibilidad
Eslaprobabilidaddequeuncomponenteosistemapuedacumplirsufuncinenlascondicionesoperativas
especificadasenuninstantedetiempodado
Se designa por la letra A (Availability). El complemento de la disponibilidad se denomina

indisponibilidadysedesignaporlaletraU(Unavailability).
1.2.3Seguridad
Eslaprobabilidaddeevitaruneventopeligroso
SedesignaporlaletraS(Security)eincluye:
1 Laprobabilidaddequeocurraeleventopeligroso
2 Lagravedaddelevento,esdecir,sugradodepeligropotencial
Elnivelderiesgoesfuncindeestosdostems,talcomosemuestraenlaFigura1.2

4

Figura1.2Funcinderiesgoenunanlisisdeseguridad
Lagravedaddeloseventosnoprovienedelanaturalezadesuorigensinodesusconsecuenciasparalos
usuarios, el medio ambiente y para el mismo componente o sistema. En un anlisis de riesgos se hace
inventario de todas las situaciones potencialmente peligrosas debido a la presencia y utilizacin del
componente o sistema y se establece su gravedad como costo econmico o en otro tipo de escala
cualitativaocuantitativa.
1.2.4Mantenibilidad
Eslaprobabilidaddequeunaoperacindadademantenimientopuedaserrealizadaenunintervalodetiempo
dado
SedesignaporlaletraM(Maintainability).Elmantenimientopuedesercorrectivo(Salidasnoplaneadas)
opreventivo(Salidaplaneada).
1.3OTRASMEDIDASPARALACONFIABILIDAD
La probabilidad es la medida clsica para valorar la confiabilidad. Sin embargo, existen muchas otras
medidasutilizadasextensamente,porlocual,confiabilidadesuntrminogenricoquedescribetodas
estasmedidassinquenecesariamenteestnrelacionadasconlaprobabilidad.
Gran parte de estas medidas corresponden a promedios estadsticos o valores esperados que se
denominanndicesdeconfiabilidad.Algunosejemplossepresentanacontinuacin.
ndicedeconfiabilidad Definicin Ejemplo

Vidamedia
Tiempoesperadoparaqueocurraunafalla
enuncomponentenoreparable
10000horas
Frecuenciadefallasporao Nmerodefallasesperadasporao 0.1fallas/ao
Indisponibilidad
Nmeroesperadodehorasde
indisponibilidadporao
20horas/ao
Prdidadecarga
Valoresperadodecarganoatendidapor
ao
180.2kW
Tiempomediodereparacin
Tiempomedioesperadoparacada
reparacin
4horas/reparacin
LOLE
Nmeroesperadodehorasporaoenque
nosepodratenderlademanda
0.1horas/ao
Probabilidad del evento
Gravedad
Riesgo
inaceptable
Riesgo
aceptable
($)

5

Endurance
Nmerodeoperacionesquepuederealizar
uncontactor,interruptoroseccionador
antesdeentrarensuperiodode
obsolescencia
6000operaciones
De otra parte, no existe una medida nica que pueda aplicarse a todos los tipos de componentes o
sistemas.
1.4CMOMEJORARLACONFIABILIDAD
Existen dos formas bsicas mediante las cuales puede mejorarse la confiabilidad de un componente o
sistema:
Calidad Redundancia
Serefierealacalidaddelosmaterialesutilizadosyasu
fabricacin,pruebas,calibracin,transporteypuestaen
servicio.
Se colocan elementos de respaldo. Si un componente

falla o sale, su funcin es asumida por componente de
respaldo.
Existendostiposderedundancia:
Activa: El componente redundante siempre est

conectado en paralelo con el componente al cual da
respaldo.
Standby: El componente redundante se conecta en

el momento en que el componente al cual da
respaldofallaosale.
Otrosmtodosson:elmantenimientopreventivo,ladiversidaddecomponentes,elstockderepuestos.La
mejora de la confiabilidad conlleva a inversiones adicionales y cambios en el diseo que pueden afectar
lasprestacionesdelcomponenteosistema.
1.5COSTODELACONFIABILIDAD
Figura1.3Funcindecostosdelaconfiabilidad
Confiabilidad
Costo
($)
Costo de las fallas o
Costo de inversin
R*
ptimo
matemtico
Valor
aceptado

6

Conformeseaumentaelniveldeconfiabilidad,seaumentaelniveldeinversinrequeridoyviceversa.
Elcostodelaconfiabilidaddebecompararseconlosbeneficiosglobalestantoparaelusuariocomoparala
sociedad.
El nivel aceptable de confiabilidad depende de lo que los usuarios y la sociedad en su conjunto estn
dispuestos a pagar por esta. Este nivel aceptable de confiabilidad puede ser diferente del ptimo
matemtico.
Para justificar las inversiones en mejora de la confiabilidad se deben definir los costos asociados a las
fallasointerrupcionesdelservicio(salidas)paralosusuarios,lasempresasdistribuidorasylasociedad.
Elcostodeinterrupcinsedefinecomoelvalordelasprdidaseconmicasdebidasalafallaosalida.
Paraelcasodelserviciodeelectricidadloscostosdeinterrupcindelserviciopuedenser:
Empresadistribuidora Usuarios
Disminucindeutilidadesporenerganovendida
Pagodepersonalcesante
Pagodemultasysanciones
Pagodecompensacinalosusuarios
Imagencorporativa
Dependende:
Criticidaddelacarga
Duracindelainterrupcin
Tiempodesdelaltimainterrupcin
Horadeldaypocadelao
Oportunoavisodelainterrupcin
Experienciaenelmanejodeestetipodesituacin
Mientras a nivel de empresas del sector elctrico y usuarios industriales existen estudios de los costos
asociadosalasinterrupciones,pocoesloquehahechoconrespectoalosotrostiposdeusuarios.
Estudiosrealizadosenlospasesdesarrolladosmuestranqueelcostodelasinterrupcionesenelservicio
deelectricidaddependeengranmaneradeltipodeusuarioydeladuracindelainterrupcin.
Figura1.5Ejemplosdefuncionesdecostodelasinterrupcionesversuseltiempo
Duracin de la
interrupcin
Costo de la interrupcin ($)
[minutos]
30 60 90 120 150 180
Usuario 1
Usuario 2

7

EnlaFigura1.5semuestraunejemplodelavariacindelcostodelasinterrupcionesversuseltiempode
la interrupcin para dos tipos diferentes de usuario. Esta funcin se conoce como funcin de dao del
usuario(customerdamagefunction).
Basadosenelcostodelasinterrupciones,laempresadistribuidoraylosusuariosdebendefinirculesel
niveldeconfiabilidadqueestndispuestosaofreceryapagar,respectivamente.
1.6ENTIDADESQUEREGULANLACONFIABILIDAD
A nivel de componentes, la confiabilidad est regulada por las normas tcnicas que cubren su diseo,
fabricacinyoperacin(Entornodeaplicacin,rangosdeuso).Ejemplodeestasentidadesson:
Entidad Alcance
IEC InternacionalElectrotechnicalCommision Equipoelctrico
NFPA NationalFireProtectionAssociation Instalacioneselctricas,equipocontraincendio
IEEE InstituteofElectricalandElectronics
Engineers
UL UnderwriterLaboratories Equipoelctrico
ASME AmericanAssociationofMechanical
Engineers
Equiposmecnicos
ICONTEC InstitutoColombianodeNormasTcnicas Materiales,equiposelctricos,postesdeconcreto,etc
A nivel de sistemas, la confiabilidad est regulada por las normas tcnicas, leyes y resoluciones de
entidades encargadas de regular y vigilar la calidad del servicio desde los puntos de vista tcnico y
comercial.Ejemplodeestasentidadesson:
ComisiondeRegulacindeEnergayGas Serviciosdeelectricidadygas
ComisinNacionaldeTelevisin Serviciodetelevisin
ComisinNacionaldeTelecomunicaciones Serviciosderadiodifusinytelefona
SuperintendenciadeServiciosPblicos Todoslosserviciospblicosdomiciliarios
NationalElectricReliabilityCouncil ServiciodeelectricidadenNorteamrica
1.7TIPOSDEANLISISESTUDIOSENCONFIABILIDAD
1.7.1Cualitativocuantitativo
Cualitativo Cuantitativo
Es una valoracin subjetiva. No se establecen ndices

numricos.
Ejemplos:
Nofallar
Esmuyconfiable
Esteequipoesmejorqueaqul
No sirve para comparar alternativas o hacer anlisis

econmico.
Seconocecomojuiciodeingeniera
Es una valoracin objetiva. Se establecen ndices

numricos, que pueden ser determinsticos o
probabilsticos.
Ejemplos:
Probabilidaddefalladel50%
Confiabilidaddel0.995
Margendel20%
Sin embargo, la probabilidad puede ser establecida

medianteunjuiciodeingenieraporlocualtambinsera
subjetivo.

8

1.7.2Determinsticooprobabilstico
Determinstico Probabilstico
Las variables se consideran fijas o con funciones que

determinan su valor para cualquier instante del
tiempo.
Ejemplo:Potenciadisponibleenungenerador
P=100[MW]
P=125*sin
2
(377*t*38)[MW]
Demanda=(Potenciaactiva)
1.2
Generalmente, se selecciona el peor escenario lo cual

conllevaasobrediseo.
Se conocen todos los factores de las ecuaciones que

modelanloscomponentesoelsistema.
Noexisteincertidumbreconrespectoalasecuaciones
autilizarniconrespectoalvalordesusparmetros.
Las variables se consideran aleatorias, es decir no tienen

un valor fijo ni existe una funcin que permita
determinarsuvalorenuninstantedetiempodado.
La ocurrencia de determinados valores de la variable se

expresaentrminosdeprobabilidad.
Ejemplo:Potenciadisponibleenungenerador
2
2
( 100)
2*10
1
[ ]
2* *10
x
x
P MW x e dx
En este tipo de anlisis se puede determinar el riesgo

delanlisis,queenestecasoeslaprobabilidaddequelo
queseasumeocurraono.
Existe incertidumbre con respecto al modelamiento del

fenmenofsicobajoestudio.
El tipo de modelamiento a utilizar depende de la informacin de que se disponga para estudiar el

fenmenooprocesodeinters.
En los problemas reales de ingeniera se encuentra que lo ms comn es que no existe la suficiente
informacin o la certidumbre como para establecer los modelos determinsticos. Sin embargo, esta es la
formaclsicademodelamientoqueesenseadoenlasuniversidades[2],[3],[8].
Figura1.4Conjuntodeinformacinpara
estudiarunfenmenooproceso
Cuandoseanalizalainformacindisponibleparaestudiarlosfenmenosfsicosoprocesos,seencuentra
que solo una pequea fraccin de sta es determinstica o sin incertidumbre, tal como se muestra en la
Figura1.4[6].
Laincertidumbreenlainformacinaparecepor[6]:
Sin
incertidumb
Con
incertidumbre
Determinstica
Aleatoria, ambigua,
vaga, imprecisa

9

1 Lafaltadeconocimientorespectoalfenmenooprocesobajoestudio
2 Laincapacidadparamediruobservarenformaprecisaelfenmenooprocesobajoestudio
3 Laambigedadovaguedadenlainformacin
4 Lacomplejidaddelprocesoofenmenobajoestudio
5 Laaletoriedadnaturaldelfenmeno
Con el anlisis probabilstico se modelan aquellos fenmenos fsicos en los cuales existe o se asume que
hayincertidumbredebidoalaaletoriedadenlainformacin.
Otros mtodos de estudio se utilizan para estudiar fenmenos con incertidumbre, por ejemplo, la lgica
difusa.Porlocual,elanlisisprobabilsticoessolaunaformademodelamiento.
Finalmente, debe mencionarse lo manifestado por Albert Einstein: Las grandes leyes de la naturaleza son
determinsticas [7], lo cual quiere decir que es nuestra falta de conocimiento o nuestra incapacidad para
medir u observar en forma precisa los fenmenos fsicos lo que hace que aparezca la incertidumbre y
tengamosqueutilizarmodelamientocomoelprobabilstico.
Ejemplo
Eltiempoparaqueseformeogesteunserhumano.
Estefenmenofsicooprocesoesdeterminsticopueshafuncionadoyfuncionadelamismaformadesdequese
tiene conocimiento. Sin embargo, no existe un modelo matemtico que permita determinar en forma exacta el
momentoenquehadenacerelbeb.Lonicoqueseconoceempricamenterespectoaestetiempoesquetieneun
valorpromediode9meses,porlocual,lasobservacionespuedensermayoresomenoresaestedato.
Entonces,estefenmenofsicotieneincertidumbreysepuedemodelarmedianteunadistribucindeprobabilidad
paraeltiempodenacimientodelbeb.Estadistribucin,seconstruyeapartirdelosregistrosdedatosdetiempo
paravariosnacimientos.
1.7.3Analticoodesimulacin
Analtico Simulacin
Se representa el componente o sistema bajo estudio

por medio de un modelo matemtico (ecuacin o
conjunto de ecuaciones) y se evalan los ndices de
confiabilidad por medio de soluciones matemticas
directas.
Ejemplos:

0.25*
[ ] 1
t
falla
P t t e
=
Diagramasdebloques
ProcesodeMarkov
Sesimulaelcomportamientoaleatoriodelcomponenteo
sistema y se evalan los ndices de confiabilidad en
formaindirectapormediodetcnicasnumricas.
Ejemplo:
SimulacindeMontecarlo.
Este mtodo requiere conocer los modelos matemticos

de los componentes o de algunas variables del proceso
aleatoriobajoestudio.
Lo que se obtiene artificialmente es la solucin de una o

varias variables que son funcin de las variables
conocidasydeloscambiosenelprocesodelsistema.

10

1.7.4Histricoopredictivo
Histrico Predictivo
Se estudia el componente o sistema basado en los

datosdesucomportamientooperativopasado.
Con estos datos se establecen ndices histricos o

medidas de desempeo que generalmente son
estadsticas.
Ejemplo:
Frecuencia de fallas promedia: 8 por ao por

circuitoprimario
Tiempopromedioporinterrupcin:4horas
Mediante un estudio se predicen u obtienen los ndices

del componente o sistema para un instante de tiempo o
periododetiempofuturo.
Se determinan los valores esperados de los ndices de

confiabilidadolasfuncionesdeprobabilidad.
Ejemplo:
Frecuencia de fallas esperada: 9 por ao por circuito

primario
Tiempoesperadoporinterrupcin:3horas
LOLE:0.3dasporao
Laprediccineslafuncindelplaneamientodesistemas
depotencia.
Los registros histricos se utilizan para construir los modelos probabilsticos con los cuales se hace la
prediccindevaloresfuturosdelasvariablesaleatoriasbajoestudio.

11

1.8BIBLIOGRAFA
[1] Billinton R, Allan R, Reliability evaluation of engineering systems Concepts and Techniques,
segundaedicin,PlenumPress,1992.
[2] Torres A, Probabilidad, variables aleatorias, confiabilidad y procesos estocsticos en ingeniera

elctrica,UniversidaddelosAndes,1996.
[3] AndersG,Probabilityconceptsinelectricpowersystems,WileyandSons,1990.
[4] Cabau E, Introduccin a la concepcin de la garanta de funcionamiento, Cuaderno Tcnico No.

144,SchneiderElectric,2000.Disponibleenwww.schneiderelectric.es
[5] Sotskov B, Fundamentos de la teora y del clculo de fiabilidad de elementos y dispositivos de

automatizacinytcnicadeclculo,EditorialMir,1972.
[6] TanY,Damageofadistributiontransformerduetothroughfaultcurrents:Anelectricalforensics
viewpoint,IEEETrans.IndustryApplications,Vol.38,No.1,Enero/Febrero,2002.
[7] WhitrowG.J,EinsteinThemanandhisachievement,Doverpublications,1973.
[8] RossT.J,Fuzzylogicwithengineeringapplications,McGrawHill,1995.
[9] BillintonR,AllanR,Reliabilityevaluationofpowersystems,PlenumPress,1996.
[10] CIGRE,PowersystemreliabilityanalysisApplicationguide,1987.
[11] IEEE,Powersystemreliabilityevaluation,tutorialcourse82EHO1958PWR,IEEE,1982.
[12] AscherH,FeingoldH,Repairablesystemsreliability:Modeling,inference,misconceptionsandtheir
causes,MarcelDekker,1984.

12

Captulo2Tiposdecomponentesysistemas ConfiabilidadenIngenieraCarlosJ.Zapata
CAPTULO2TIPOSDECOMPONENTESYSISTEMAS
2.1QUESUNCOMPONENTE Y QU ES UN SISTEMA

Figura 2.1 Ejemplo de modelamiento de un tem como componente o sistema

Laconfiabilidaddeuntemdadodependedelaconfiabilidaddeloscomponentesqueloconformanyde
suconfiguracinoperativa,esdecir,desusmodosdefalla.
Si para un tem dado interesa estudiar el efecto sobre su confiabilidad de la confiabilidad individual de
cadaunodesuscomponentesydesuconfiguracinoperativa,eltemdebesertratadocomounsistema.
S por el contrario, solo se desea estudiar la confiabilidad del tem como un todo sin detallar en lo que
sucedeinternamente,stepuedesertratadocomouncomponente.
EnlaFigura2.1sepresentaunejemplodeuntemqueestratadocomocomponenteycomosistema.
AscheryFeingoldenlaReferencia[1],presentanlassiguientesdefiniciones:
Parte Untemquenoessujetoadesensamblajeysedescartalaprimeravezquefalla.
Socket
Una posicin en un circuito o equipo que en un momento dado porta una parte de un
tipodado.
Sistema
Una coleccin de dos o ms sockets con sus partes asociadas los cuales estn
interconectados para realizar una o ms funciones. Un sistema puede ser considerado
comounapartedeunsistemamayor.

Enestedocumentoseadoptanlassiguientesdefiniciones:
Sedenominacomponenteaunaparte,subsistemaosistemaquesermodeladocomountemquehacepartede
unsistemaoqueseestudiaraisladoenformaglobal.
Sedenominasistemaaunaconjuntodecomponentesosubsistemas

As, las definiciones de componente y sistema son intercambiables, su uso depende del tipo de estudio
a realizar.
Bombilla
Bombilla
Conector Filamento Cristal
Modelamientocomocomponente
Modelamientocomosistema

13

2.2CLASIFICACINDECOMPONENTESYSISTEMASPORTIPODEFUNCIONAMIENTO
2.2.1Orientadosaunamisin
Deben operar sin falla durante un tiempo estipulado que se denomina tiempo de misin. Se aceptan
fallasdealgunosdelossubcomponentessiempreycuandoelcomponenteosistemacontinecumpliendo
sufuncin.
Enestetipodecomponentesysistemas,existendosformasoperativas:
Elcomponenteosistemaempiezaaoperarunavezsechequeayseencuentraoperable.
Figura2.2Ciclooperativodeun
componenteosistemaorientadoauna
misin
Ejemplos
Avin,cohete;enestoscasoseltiempodemisineseltiempodevuelo
Elcomponenteosistemaquedaactivo(idle)unavezsechequeayseencuentraoperable.Despus
deuntiempoaleatorioempiezasumisin.
componenteosistemacuyamisin
empiezadespusdeuntiempoaleatorio
Ejemplos
Relsdeproteccin,alarma;Enelprimercaso,eltiempodemisineseltiempoparadisparoosettingdelrel.El
tiempoaleatorioenqueseinicialamisineseltiempoenqueocurrelafallaenelcomponenteosistemaprotegido
(noenelrel)
Para estos componentes o sistemas se establece la funcin de vida con la cual se puede determinar el
tiempo esperado para falla o vida media del componente. Como las fallas son eventos de naturaleza
aleatoria,lafuncindevidaesunafuncindeprobabilidad.
Estos componentes o sistemas pueden someterse a procesos de reparacin una vez fallan, o de
mantenimientopreventivounavezcumplensumisin.Generalmente,estosprocesosnoseincluyenenel
0 t tmisin
Operativo
Estado
tfalla
Inactivo/fallado
0 t
tmisin
Operativo
Estado
tfalla
Fallado/inactivo
Activo
taleatorio

14

modelamiento que del componente o sistema se hace para la misin, por lo cual, se consideran no
reparables. Sin embargo, no siempre tiene que ser as, pues tambin se puede modelar toda la vida
operativadelcomponenteosistema(procesodenacimientoymuerte).
2.2.2Continuamenteoperados
Operan en forma continua. Se toleran los estados de indisponibilidad siempre y cuando estos no sean
muyfrecuentesomuyprolongados.
componenteosistemacontinuamente
operado
Ejemplos
Sistemaelctricodepotencia,SistemadeTVporcable,radiodifusin,sistemadeaguapotable,refrigerador.
En estos componentes y sistemas se habla en general de las salidas que afectan su disponibilidad. Las
salidaspuedenser:
Tipodesalida Descripcin Ejemplo

Noplaneadas Noseconocecundoocurrirn
Fallaspropiadecomponenteosistema
Vandalismo
Incendios,inundaciones,terremotos,etc
Planeadas
Seconocedeantemanocundo
ocurrirn.Sepuedenposponer
Mantenimientopreventivo
Ampliacin/mejoramientodelsistema
Solicituddeentidadexterna
Las salidas definen la secuencia operativa o secuencia de estados de disponibilidad e indisponibilidad

mostradaenlaFigura2.4.
No se consideran en la secuencia mostrada: salidas simultneas, que el componente pueda ser reparado
mientrasopera(fallaparcial),niqueelcomponentevuelvaafallarmientrasesreparado.
Cadasalida(si)tieneasociadountiempoparasalida(ttoi)yuntiempopararestauracin(ttrsi),loscuales
sonindependientesentresencuantoasuduracin.
Losttodelassalidasnoplaneadassonaleatorios;paralassalidasplaneadassondeterminsticos,almenos
paraelcortoplazo.
Lostiempospararestauracinsedenominantiemposparareparacinsilasalidaesnoplaneada;paralas
salidasplaneadassedenominatiempoparareconexin.
Indisponible
s1 si
t
Estado
Disponible
0
ttoi ttrsi
T

15

En general, los tiempos para restauracin son aleatorios sin importar que la salida sea planeada o no
planeadapuesdependendeltipodefalla,laubicacindelcomponentequefall,lacantidaddepersonal
yequipoparalasactividadesdemantenimiento,elentrenamientodelpersonaldemantenimiento,etc.
Elceroenlasecuenciaoperativaeselmomentoenelcualelcomponenteiniciasuoperacinnuevo.Sin
embargo,usualmentesolosedisponedeunamuestradedatosregistradosduranteunperiododetiempo
T.ElnmerodefallasenunperiododetiempoTesaleatorio.
Estos componentes o sistemas pueden tener subcomponentes de tipo orientado a una misin los cuales,
cuandofallan,sereparanmedianteelreemplazo.
Enestetipodecomponenteosistemainteresaconocerparaunperiododetiempodado,generalmentede
unao,culeslafraccindetiempoenlacualseencuentracumpliendosufuncinuoperando.
Enelmodelamientodelcomponenteseincluyenlosprocesosderestauracindelassalidas,porlocual,se
consideranreparables.
2.2.3Reparablesynoreparables
Sistemaocomponente
noreparable
Aquelquesedescartalaprimeravezquedejadeoperarsatisfactoriamente(falla).
Ejemplos:Pastilladefrenos,empaqueplstico,aisladorelctrico
Sistemaocomponente
reparable
Aquelqueunavezfallaencumpliralmenosunadesusfuncionespuedeserrestaurado
para que cumpla todas sus funciones mediante cualquier mtodo (reparacin, ajuste,
etc.)exceptoelreemplazodelcomponenteosistemacompleto.
Ejemplos:Planchaelctrica,sistemaelctricodepotencia
Un sistema no reparable puede ser considerado como una parte de un sistema mayor no reparable o
reparable;asuvez,elsistemanoreparabletambinpuedetenertrayectoriasreparables.
Unsistemareparablepuedetenerpartesosubsistemasreparablesynoreparables.
Comoseobserva,estasdefinicionesnopermitenunaclasificacinnica;unmismotempuedesertratado
como parte, como sistema reparable o como sistema no reparable; la aplicacin de cada una de estas
definicionesydelcorrespondientetipodemodelamientoquecadaunadeellasimplicadependeentonces
deltipodeestudiodeconfiabilidadquesepretenderealizar,esdecir,desuniveldedetalleyobjetivos.
2.2.4Cultipodemodelamientoutilizar?
Un componente o sistema se puede considerar como orientado a una misin, continuamente operado,
reparableonoreparabledependiendodeltipodeestudioaadelantar.

16

Tipodecomponenteosistema Modelo Tipodeestudio
Orientadoaunamisin
Modelonoreparable
En estudios donde interesa la vida esperada del
componenteosistemadentrodeunamisin.
Por ejemplo, para determinar la garanta que un

fabricantepuedeofrecersobreelproductooparaqueel
usuario determine el tiempo para reemplazo del
componente.
Modeloreparable
Estudios donde interesa el nmero esperado de
misionesquepuedeservirantesdedescartarlo.
Continuamenteoperado Modeloreparable
Interesaestudiarladisponibilidaddelcomponenteysu
efectosobreelsistemaalquepertenece.
Ejemplo:Untransformadordedistribucin
El fabricante lo estudia con un modelo no reparable para determinar su vida esperaday ofrecer la garanta
delproducto.Elmodelorepresentarvarioscomponentesiguales.
El operador del sistema lo estudia con un modelo reparable para incluirlo en los estudios de fallas o de
disponibilidad a nivel de sistema. Si las reparaciones se hacen con reemplazo, el modelo considera
componentesqueprocedendediversosfabricantesytienendiferenteedad.
2.3TIPOSDEANLISISDECONFIABILIDAD
Figura2.5Tiposdeanlisisdeconfiabilidaddecomponentes
Basados en los registros operativos de un componente o grupo de componentes idnticos se pueden

realizarlassiguientesactividades:
Presente Futuro
Clculo de ndices
de confiabilidad
Construir modelos
probabilsticos
Evaluar el desempeo
histrico
Plantear medidas
correctivas
Prediccin
Registros
operativos
Pasado
Simular el
comportamiento pasado
Simular el
comportamiento presente
Simular el
comportamiento futuro

17

1
Calcularndicesdeconfiabilidadquesonestadsticasdescriptivas;porejemplo,eltiempopromediopara
falla,lashorasdeindisponibilidadporao,etc.
Construirmodelosprobabilsticosquerepresentenalcomponente
Conlosndicesdeconfiabilidadsepuedenhacerlossiguientesanlisis:
Evaluareldesempeodelcomponenteconrespectoavaloresdereferenciauobjetivo
Plantearmedidascorrectivasparamejorarlaconfiabilidaddelcomponente.
Conlosmodelosprobabilsticossepuedenhacerlossiguientesanlisis:
Simularlaoperacinpasadaypresentedelcomponente
Predecirelcomportamientofuturodelcomponente
Enestecasosimularserefierealhechodequeelmodeloesunarepresentacindeunfenmenoreal,no
aqueelmtododesolucinseanumrico.
2.4TIPOSDEMODELOSPROBABILSTICOS
2.4.1Internooexterno
Modelointerno Modeloexterno
Se plantea un modelo probabilstico en trminos de las

variables que describen el fenmeno fsico, fsico
qumico, biofsico etc que produce la transicin del
estadobuenoalestadofallado.
Esdecirseestudialoquepasadentrodelcomponente.
Se plantea un modelo probabilstico nicamente en

trminosdeltiempodetransicindelestadobuenoal
estadofallado.
Este modelo es externo pues no se ocupa de lo que

sucede internamente en el componente para que pase
delestadobuenoalestadofallado.
Estetipodemodeloescompletamenteestadstico.
Enestedocumentosolosetrataeltipodemodelamientoexterno;paraejemplosdelmodelamientointerno
consultarlaReferencia[5].

18

2.4.2Dosestadosomultiestado
Figura2.6Ejemplosdediagramasdeestadosparacomponentesreparablesynoreparables
Modelodedosestados Modelomultiestado
En este modelo solo existen dos estados operativos de

inters: el estado de operacin satisfactoria y el estado
defalla.
Eselmodelamientomsutilizado.
Seutilizandistribucionesdeprobabilidadsencillaspara
el componente no reparable y procesos estocsticos
paraelcomponentereparable
Enestemodelosedefinenvariosestadosoperativosde
inters.
Cuando solo es posible la transicin entre estados

adyacentes, este modelo se denomina proceso de
nacimientoymuerte.
Seutilizanprocesosestocsticos.
Enlafigura2.6sepresentanvariosejemplosdeestostiposdemodelos.
1 2
Bueno Fallado
Equipo nuevo
1
2
Desgaste aceptable
3
Obsoleto
1 2
Bueno Fallado
(a) No reparable dos estados (b) Reparable dos estados
(c) No reparable tres estados
Equipo bueno
10 MW
1
2
Salida parcial
5 MW
3
Salida total
0 MW
(d) Reparable tres estados

19

2.5REGISTROSOPERATIVOSREQUERIDOS
Figura2.7Procedimientoparaconstruirmodelosprobabilsticosdecomponentes
EnlaFigura2.7sepresentaelprocedimientodeconstruccindemodelosprobabilsticosyclculodelos
ndicesdeconfiabilidad;losregistrosoperativosrequeridosson:
Componentenoreparable Componentereparable
Unamuestrade n tiemposparafalla
1 2
, , ,
n
ttf ttf ttf .
Esta muestra corresponde a n componentes idnticos de

unapoblacindadaquefallaron.
Una muestra de n tiempos para falla

1 2
, , ,
n
ttf ttf ttf con sus correspondientes tiempos
parareparacin
1 2
, , ,
n
ttr ttr ttr .
Estamuestrapuedecorresponderauncomponente
que fall n veces a n fallas observadas en un
grupodecomponentesidnticos.
Sinembargo,escomneldisponernicamentedelasiguientemuestra:
Componentenoreparable Componentereparable
El reporte de que n componentes idnticos de una

poblacin de tamao N fallaron durante un periodo de
observacin T .
El reporte de que un componente un grupo de

componentes idnticos de una poblacin de
tamao N fall fallaron n veces durante un
periodo de observacin T y los correspondientes
tiemposparareparacin
1 2
, , ,
n
ttr ttr ttr .
Nota: Si los componentes bajo estudio son de tipo lineal como lneas de transmisin, cables, tuberas, etc, N se expresa en
unidadeslongitudinales,porejemplo,en[km].
Este ltimo tipo de muestra slo permite calcular estadsticas descriptivas aproximadas que implican
asumirladistribucinexponencial,yporlotanto,queloscomponentesestnensuperiododevidatil.
Poblacin de
componentes idnticos
Modelo probabilstico
Estadsticas
descriptivas
Distribuciones de probabilidad
Procesos de Markov
Procesos estocsticos puntuales
Realidad Idealizacin
Componentes que
fallan
Muestra de n datos
(Registros operativos)

Inferencia
Estimacin del
modelo

20

Escomnelagruparlainformacindevarioscomponentessimilaresporlassiguientesrazones:
Seaumentalamuestradedatos.Estoesespecialmentetilencomponentesquetienentasasdefalla
muybajasodondelostiemposderegistrodisponiblessonpequeos
Se desea obtener ndices de confiabilidad modelos probabilsticos para un solo componente que
represente al grupo, no para cada uno de los componentes. Esta situacin es comn en sistemas con
grandes cantidades de componentes del mismo tipo; por ejemplo, los sistemas de distribucin de
energaelctrica
Algomuyimportanteaverificarcuandosehacenestasagrupacioneseslahomogeneidaddelapoblacin
ydelosdatos.
2.6TASADEFALLASDURANTELAVIDADEUNCOMPONENTEOSISTEMA
Figura2.8Tasadefallasdeuncomponenteosistema
Sedenominatasadefallas deuncomponenteosistemaalarelacinentreelnmerodefallasqueexperimenta
elcomponenteporunidaddetiempoenqueseencuentraoperando
En confiabilidad es comn asumir que la tasa de fallas durante la vida operativa de un componente
reparable o no reparable sigue la curva en forma de tina (bathtub) presentada en la Figura 2.8. La
Referencia[3]citaque,alparecer,elorigendeestacurvaseremontaa1693.Estacurvatienetresperiodos:
Infantil Vidatil Obsolescencia
La tasa de fallas decrece con el

tiempo.
Lasfallasocurrendebidoaerroresde
diseoofabricacin.
Unavezserevisaeldiseooseajusta
elcomponenteempiezasuvidatil.
Otros nombres: early life, debugging

time,breakinperiod,burninperiod.
La tasa de fallas es constante y

tieneelvalormsbajo.
Las fallas ocurren en forma

completamentealeatoria.
Entonces, el asumir que un

componente tiene tasa de fallas
constante implica asumir que est
ensuvidatilyviceversa.
Latasadefallascrececoneltiempo.
Otrosnombres:wearoutperiod.
Tasa de fallas
t
Obsolescencia
Periodo
infantil
Vida til

21

Siseasumequeuncomponentetieneunatasadefallasconstantesufuncindevidaserladistribucin
exponencialoelprocesodePoissonhomogneoyviceversa.
Dependiendodelatasadefallasencontradaenlosregistrosoperativosdebeescogerseladistribucinde
probabilidadquemodelelostiemposparafalladelcomponente.
Algunos investigadores cuestionan la validez de esta curva [1], [3], sin embargo esta profusamente
difundidaenlaliteraturatcnicayesampliamenteutilizada.

2.7DIAGRAMASDERED
Un sistema se puede representar por medio de un diagrama de red, bloques o lgico en el cual, cada
componente se representa como un bloque independiente de los otros componentes; la conexin entre
componentes depender de la configuracin operativa del sistema. Este tipo de modelamiento se puede
aplicarsielsistemaesunaestructuramonotnica,aquelladondesecumpleque:
1 Cadacomponentesolotienedosestados:buenoyfallado,disponibleeindisponible,etc.
2 Elsistemasolotienedosestados:buenoyfallado,disponibleeindisponible,etc.
3 Elsistemaestoperandositodosloscomponentesestnoperando.
4 Elsistemaestfalladooindisponiblesitodosloscomponenteshanfalladooestnindisponibles
5 Lafalladeuncomponenteenunsistemayafalladonopuederestaurarelsistemaalaoperacin
6 Lareparacindeuncomponenteenunsistemaoperativonopuedecausarlafalladelsistema.
Un diagrama de red indica cules combinaciones de fallas de los componentes resultarn en la falla del
sistema. Si un componente falla o est indisponible, se remueve del diagrama de red. Si se retiran
suficientes bloques del diagrama de red de tal forma que se interrumpe la conexin entre los puntos de
entradaysalida,elsistemahafalladooquedaindisponible.
Paramodelarunsistemapormediodeundiagramaderedsesigueelsiguienteprocedimiento:
1
Dividirelsistemaencomponentes
Losmodosdefalladelasseccionesosubsistemasdelsistemaque
se representen como bloques del diagrama de red tienen que ser
independientesentres.
Debido a la dependencia entre los modos de falla de los

componentes y a lo complejo de las configuraciones operativas, a
veces, puede ser difcil establecer el diagrama de red de un
sistema.
2
Conectarentresloscomponentes
segnlaconfiguracinoperativadel
sistema
Sedefinenlasconexionesbsicasserieyparalelodesdeelpuntode
vista de confiabilidad. Otras conexiones ms complejas tambin
sonposibles.
Lostiposbsicosdeconexindelosbloquesdeundiagramaderedson:

22

Conexinserie Conexinparalelo
Dos componentes estn en serie desde el punto de

vistadeconfiabilidadsiambosdebenoperarparaque
el sistema opere. Si uno de los componentes falla, el
sistemafalla.
Estaconexinrepresentaunsistemanoredundante.
Dos componentes estn en paralelo desde el punto de

vistadeconfiabilidadsinicamenteuncomponentedebe
operarparaqueelsistemaopere.Todosloscomponentes
debenfallarparaqueelsistemafalle.
Estaconexinrepresentaunsistemaredundante.
Tenerencuentaque:
Eldiagramaderedyelsistemarealnotienennecesariamentelamismatopologa.
Latopologafsicaindicacmoestnconectadosentresloscomponentesenelsistemareal,mientrasque
latopologadeldiagramadebloquesrepresentalaconfiguracinoperativadelsistema,esdecir,susmodos
defalla.
Unsistemafsicoconunaestructuratopolgicadefinidapuedetenerdiferentestopologasderedencuanto
aconfiabilidaddependiendodelosrequerimientosaloscualesessometido.
EJEMPLO2.1
Figura2.9diagramaderedparadoslneasdedistribucininstaladassobrelamismaestructura
Unsistemaelctricocuentacondoslneasdedistribucindemediatensinlascualessalendeunamisma
subestacinyvanadospuntosdeproduccindiferentes.EnlaFigura2.9semuestraeldiagramaelctrico
y la configuracin fsica. Aunque las lneas de distribucin estn elctricamente en paralelo, en cuanto a
confiabilidad estn conectadas en serie pues al compartir las mismas estructuras cualquier falla en stas
implicalasalidadeambaslneas.Adems,laslaboresdereparacinomantenimientoenunadelaslneas
requerirnladesconexindelaotra.
1 2
1
2
Lnea 1 Lnea 2

23

EJEMPLO2.2
Figura2.10Diagramasderedparaunsistemaelctricoconvariosrequerimientosoperativos
Unsistemaelctricocuentacontrestransformadoresdedistribucinconectadosenparaleloparaatender
unacarga.EnlaFigura2.10semuestraeldiagramaelctricoylosdiagramasdereddeconfiabilidadpara
diferentesrequerimientosoperativos.
T1 T2 T3
Carga
Fuente
T1 T2 T3
T1 T2
T1 T3
T2 T3
3
T1
T2
T3
2
1
Transformadores requeridos
para atender la carga

24

2.8BIBLIOGRAFA
[1] Billinton R, Allan R, Reliability evaluation of engineering systems Concepts and Techniques,
segundaedicin,PlenumPress,1992.
[2] Torres A, Probabilidad, variables aleatorias, confiabilidad y procesos estocsticos en ingeniera

elctrica,UniversidaddelosAndes,1996.
[3] AndersG,Probabilityconceptsinelectricpowersystems,WileyandSons,1990.
[4] Cabau E, Introduccin a la concepcin de la garanta de funcionamiento, Cuaderno Tcnico No.

144,SchneiderElectric,2000.Disponibleenwww.schneiderelectric.es
[5] Sotskov B, Fundamentos de la teora y del clculo de fiabilidad de elementos y dispositivos de

automatizacinytcnicadeclculo,EditorialMir,1972.
[6] TanY,Damageofadistributiontransformerduetothroughfaultcurrents:Anelectricalforensics
viewpoint,IEEETrans.IndustryApplications,Vol.38,No.1,Enero/Febrero,2002.
[7] WhitrowG.J,EinsteinThemanandhisachievement,Doverpublications,1973.
[8] RossT.J,Fuzzylogicwithengineeringapplications,McGrawHill,1995.
[9] BillintonR,AllanR,Reliabilityevaluationofpowersystems,PlenumPress,1996.
[10] CIGRE,PowersystemreliabilityanalysisApplicationguide,1987.
[11] IEEE,Powersystemreliabilityevaluation,tutorialcourse82EHO1958PWR,IEEE,1982.
[12] AscherH,FeingoldH,Repairablesystemsreliability:Modeling,inference,misconceptionsandtheir
causes,MarcelDekker,1984.

25

Captulo3Componentesnoreparables ConfiabilidadenIngenieraCarlosJ.Zapata
CAPTULO3COMPONENTESNOREPARABLES
3.1MODELODEDOSESTADOS
Figura3.1Diagramadeestadosdeuncomponentenoreparableysusecuenciaoperativaeneltiempo
Elmodelodeconfiabilidadbsicoytradicionalparacomponentesnoreparableseseldedosestadosque
se muestra en la parte izquierda de la Figura 3.1. A la derecha de esta figura, se muestra la secuencia
operativadelcomponente.Latransicindelestadobuenoalestadofalladoocurreenuntiempopara
fallaaleatorio ttf (timetofailure),elcualindicacuntoviveelcomponente.
La variable t representa el tiempo de operacin del componente. En 0 t = el componente se pone en

servicioestandonuevoybueno.En t = elcomponentehabrfallado.
El tiempo de operacin t siempre se refiere a un periodo de tiempo que se encuentra referenciado con
respectoalcero.Nodebepensarseque t esuninstantedetiempo.
Lafalladeunsolocomponentenoreparableda:
1 Undatodetiempoparafalla
2
Elregistrodequeocurriunafallaenunperiododadodeobservacin T ,sinquenecesariamente,sehaya
registradoeltiempoparafalladelcomponente
As, no es posible medir ni modelar la confiabilidad de un solo componente no reparable. Para esto, se
requiere una muestra aleatoria representativa de tiempos para falla tomada de una poblacin con N
componentes idnticos al que interesa estudiar y en la cual n

componentes fallaron. Esta muestra
permitehallarelmodelodeconfiabilidadylosndicesestadsticosdeconfiabilidad,talcomoseilustraen
laFigura3.2.
Figura3.2Muestradetiemposparafalladecomponentesnoreparables
Elmodelodeconfiabilidaddelcomponentenoreparableeslafuncindedistribucindeprobabilidaddel
tiempoparafalla ( ) F t
olacorrespondientefuncindedensidaddeprobabilidad ( ) f t .
1 2
Bueno Fallado
Fallado
Bueno
ttf
Estadooperativo
0
t
Falla
Poblacinde N
componentesidnticos
Muestra de datos
1 2
, , ,
n
ttf ttf ttf
Modelode
confiabilidad
ndicesestadsticosde
confiabilidad

26

3.2TOMADELAMUESTRADEDATOS
Lamuestradedatosaleatoriayrepresentativapuedetomarse:
1
Observando el proceso de fallas en la poblacin de N
componenteshastaqueseregistren n fallas.
Enestecaso,nosesabeculsereltiempodel
estudio T .
2
Observando el proceso de fallas en la poblacin de N
componentesduranteunperiodo T .
Enestecaso,nosesabeculsereltamaode
muestra n .
Enamboscasos,esimportanteconocerelerrordeestimacinqueexisteparaeltamaodemuestra n .
Talcomosemuestraenlafigura3.3,cada ttf semideconrespectoalinstanteenelcualelcomponente

fallado fue puesto en servicio estando nuevo. Es decir, no es necesario que todos los componentes se
ponganaoperarenelmismoinstantedetiempo.
Figura3.3Muestradetiemposparafalladecomponentesnoreparables
En la prctica, es usual que la muestra de datos se tome de registros operativos y en muchas ocasiones
aparecenlossiguientesproblemas:
1
Se tiene el registro de que n fallas ocurrieron en un
periodo T peronosecuentaconlostiemposparafallade
cadaunodeloscomponentesquefallaron.
En este caso, no se puede hallar el modelo de
confiabilidad del componente, slo ndices
estadsticosdeconfiabilidad.
2
Se tienen el registro del instante en que n componentes
fallaronenunperiodo T ,peronoseconoceelinstanteen
queestoscomponentesfueronpuestosenservicio.
En este caso, no se puede hallar el modelo de
confiabilidad del componente, slo ndices
estadsticosdeconfiabilidad.
3
Se tienen los tiempos para falla de n componentes que
fallaronenunperiodo T peronoseconoceeltamaodela
poblacin de componentes que estaba en servicio en este
periodo.
En este caso, se puede hallar el modelo de
confiabilidad del componente y los ndices
estadsticosdeconfiabilidad,peronosepuede
establecer si esta muestra es representativa ni
elerrordeestimacinalutilizarla.
1
ttf
2
ttf
3
ttf
n
ttf
4
ttf

27

3.3CMOCONSTRUIRELMODELOPROBABILSTICO
Para hallar el modelo de confiabilidad de un componente no reparable, se recomienda aplicar el

procedimientomostradoenlaFigura3.4.
Figura3.4Procedimientoparahallarelmodelodeconfiabilidaddeuncomponentenoreparable
Pruebade
tendencia
Estacionario
?
No
Muestrade
datos
Pruebade
independencia
Independencia
?
Pruebadebondadde
ajusteadistribucin
Ajuste
?
(DistribucinExponencial,Lognormal,Gamma,etc.)
No
No Revisarhomogeneidaddela
muestra
Si
Revisarcausasde
dependencia
Revisarcausasdeno
estacionariedad
Pruebade
aleatoriedad
Aleatoriedad
?
Revisarcausasdeno
aleatoriedad
No
Si
Si
Si

28

La aleatoriedad, tendencia e independencia se pueden hallar por medio de pruebas estadsticas o del
anlisis de las condiciones bajo las cuales se desarrolla el proceso de fallas de los componentes no
reparables(razonamientopuro).
Enlaprctica,loquehasidorecomendadoendiversasreferencias,esdirectamenteprobarelajustedelos
datosaunadistribucin,porque:
1 Lostiemposparafallasondenaturalezaaleatoria
2 Lafalladeuncomponenteesindependientedelafalladeotroscomponentes
3
S los componentes bajo estudio son idnticos, tienen la misma distribucin de probabilidad
(homogeneidad)
Sinembargo,nosemencionaenestosargumentoselconceptodetendencia.
Algo importante a tener en cuenta cuando se aplican las pruebas para la aleatoriedad, tendencia e
independencia, es que si stas se realizan sobre una muestra de tiempos para falla referenciados a un
mismo origen, dichas pruebas fallan porque los datos aparecen cronolgicamente ordenados en forma
creciente.As,enestecaso,unprocedimientoaseguirantesdeaplicarestaspruebases:
1
Obtenerlostiemposinterarribodefallas tbf (Timebetweenfailures).VerlaFigura3.5.
2
Aplicar a la muestra de tiempos interarribo de fallas las pruebas de aleatoriedad, tendencia e
independencia.Recordar,queparaestaspruebasesobligatorioconservarelordencronolgicodelosdatos.
Figura3.5Calculodelostiemposinterarribodefallas
Lamuestradetiemposinterarribodefallastambinpermiteestudiarelprocesodellegadadefallasala
poblacindecomponentesnoreparables.
t
1
ttf
2
ttf
3
ttf
n
ttf
4
ttf
t
1
tbf
2
tbf
3
tbf
4
tbf
n
tbf

1
f
2
f
3
f
4
f
n
f
Arribodefallasala
poblacindecomponentes
Falla de los componentes no
reparables

29

3.4ELMODELODECONFIABILIDADDELCOMPONENTE
Elmodelodeconfiabilidaddelcomponentenoreparablesedefinemediante:
( ) F t
Lafuncindedistribucinde
probabilidaddeltiempoparafalla
( ) [ ] F t P ttf t =
(0) [ 0] 0 = = F P ttf
( ) [ ] 1 = = F P ttf
( ) f t
Lafuncindedensidaddeprobabilidad
deltiempoparafalla
( ) ( ) / f t dF t dt =
0
( ) ( )
t
F t f t dt =

Deestemodelotambinsedefinen:
( ) E ttf
Elvalormediooesperadodetiempo
parafalladelcomponente.Tambin,es
lavidamediaoesperada.
0
( ) ( ). E ttf t f t dt
+
=
( ) VAR ttf
Lavarianzadeltiempoparafalladel
componente
2
0
( ) [ ( )] ( ). VAR ttf t E t f t dt
+
=

El valor esperado es un pronstico sobre cunto vivir el componente no reparable, no es el valor ms
probablenielmsfrecuente.
La varianza indica cuanto se desviaran los tiempos para falla de los componentes con respecto al valor
esperado.Esdecir,indicaloacertadoopobredelpronsticodadoporelvaloresperado.
Laconfiabilidaddelcomponentenoreparablesedefinecomo:
( ) R t
Eslaprobabilidaddesobreviviraun
tiempodado
( ) 1 ( ) [ ] R t F t P ttf t = = >
(0) [ 0] 1 R P ttf = > =
( ) [ ] 0 R P ttf = > =
El modelo probabilstico obtenido corresponde a un componente medio o tpico que representa a

cualquieradeloscomponentesdelapoblacin.
Larelacinentrelasfunciones ( ) F t y ( ) f t tambinsepuedeexpresardelasiguienteforma:
0
[ ( )] ( ) ( )
( ) lim
t
P t ttf t t F t t F t
f t
t t

< + +
= =

Dedondeseobtieneque:
[ ( )] ( ) P t ttf t t f t t < +

30

3.5LATASADEFALLAS
Considereuncomponentenoreparablequehaoperadohastauntiempo t ysequiereconocerculesla
probabilidaddequefalleenunperiodosubsiguiente t .
Definiendo:
A :Eleventodequeelcomponentefalleen t
B :Eleventodequeelcomponentesobrevivahasta t
Setieneque:
[ ] [ ] 1 [ ] 1 ( ) ( ) P B P ttf t P ttf t F t R t = > = = =
[ ] [ ( )] ( ) ( ) ( ) ( ) P A B P t ttf t t F t t F t R t R t t = + = + = +
[ | ] [ ( )| ] P A B P t ttf t t ttf t = < + >
[ ] ( ) ( ) ( ) ( )
[ | ]
[ ] 1 ( ) ( )
P A B F t t F t R t R t t
P A B
P B F t R t
+ +
= = =
Dividiendoestaprobabilidadcondicionalpor t yhaciendoque 0 t :
0 0 0
[ ( )| ] [ | ] ( ) ( ) 1
( ) lim lim lim
1 ( )
t t t
P t ttf t t ttf t P A B F t t F t
t
t t t F t

< + > +
= = =

Seobtienelatasadefallas ( ) t :
( ) ( )
( )
1 ( ) ( )
f t f t
t
F t R t
= =
Lasunidadesde ( ) t son[1/unidaddetiempo]peroseleasigna[fallas/unidaddetiempo].
Nteseque:
[ ( )| ] ( ) P t ttf t t ttf t t t < + >
EnlaTabla3.1sepresentalaecuacindelatasadefallasparavariasdistribucionesdeprobabilidad.Enla
Fig. 3.6 se presenta la forma de estas tasas de fallas. Como se observa, solo para la distribucin
exponencial ( ) t esconstante.

31

Tabla3.1Tasadefallasparaalgunasdistribucionesdeprobabilidad
Distribucin Parmetros ( ) f t ( ) t
Exponencial
t
e 1/
Uniforme a b 1/ ( ) b a 1/ ( ) b t
Normal

2
2
( )
2*
1
2
t
e

Hallarlanumricamente
Weibull

1 *t
t e

1
* *

t
Gamma

1
( )
t
t e

Hallarlanumricamente
Pareto a b
1
* ( )
a
a b
b t
+
/ a t
Figura3.6Formadelatasadefallasparavariasdistribucionesdeprobabilidad
( ) t
t

( ) t
t
( ) t
t
1 =
1 <
1 >
( ) t
t
1 =
1 <
1 >
( ) t
t
b
( ) t
t
1
b a

a b
Exponencial
Uniforme
Normal
Weibull
Gamma
Pareto

32

Lafuncingeneraldeconfiabilidaddeuncomponentenoreparableeslarelacinentrelaconfiabilidady
sutasadefallas.Estafuncinseobtienedelasiguientemanera:

( ) ( ) 1 (1 ( )) 1 ( ) 1
( )
( ) ( ) ( ) ( )
f t dF t d R t dR t
t
R t dt R t dt R t dt R t

= = = =
( )
( )
( )
dR t
t dt
R t
=
0
( ( )) ( )
t
Ln R t t dt =
0
( )
( )
t
t dt
R t e

Algunoserroresdeconceptoconrespectoalatasadefallasdeuncomponentenoreparableson:

1
( ) t es una tasa de
ocurrenciadeeventos
Estonoescierto,yaqueuncomponenteno reparablenopuedesoportarvarias
fallas.
2
( ) t esunaprobabilidad
Esto no escierto, ya que ( ) t no es adimensional y sus valorespueden superar
1.0enmagnitud.

Latasadefallasserefierealosusceptiblequesehaceelcomponentealafallaconformapasamstiempo
enoperacin.As, ( ) t indicasuestadodeconfiabilidad:deterioro,mejora,operiododevidatil.

33

EJEMPLO3.1
Setienelasiguientemuestradelostiemposdefallade40baterasdeunmismotipo:
Tiemposparafalla[aos]
1.0132 0.9602 0.8494 0.9938 0.9309
0.9047 0.8218 0.8579 0.8307 0.9606
0.9161 0.6697 0.9438 0.7976 0.818
1.0665 1.148 0.8221 0.9608 0.8021
0.8575 0.9222 0.8416 1.143 1.1397
1.1172 1.0491 1.2209 1.0193 1.0017
1.0853 1.0351 1.0084 1.0985 0.9032
0.8767 1.0032 0.8174 0.8248 1.1209
AlgunasdistribucionesdeprobabilidadqueseajustanmediantelapruebaKomogorovSmirnovconnivel
deconfianzadel95%:
Normal 0.9538 = aosy 0.1246 = aos

Weibull =1.0064 aosy = 9.1630
Gamma = 58.5928 y = 0.0163 aos
Uniforme 0.6697 a = aosy 1.2209 b = aos
Lognormal = 0.0557 aosy = 0.1301
Comoseobserva,todosestosmodelostienentasadefallascreciente.
Cualquiera de ellos es una representacin vlida desde el punto de vista estadstico, pero cul se
selecciona?
EJEMPLO3.2
La funcin de vida de un transformador de distribucin es la distribucin exponencial con parmetro

0.2 = fallas/ao.
Cmoseinterpretaquelatasadefallasseaconstante?
La tasa de fallas constante significa que el componente est en su periodo de vida til ya que su
confiabilidadnomejoranisedeteriora.
Culeseltiempoesperadoparafalla?
= = ( ) 1 / 0.2 5 E ttf [aos]
Culeslaprobabilidaddequeuntransformadordeestosfalleduranteelprimerao?
= = =
0.2*1
[ 1] (1) 1 18.12% P ttf F e

34

Culeslaprobabilidaddequeuntransformadordeestosfalledurantelosprimeroscincoaos?
= = =
0.2*5
[ 5] (5) 1 63.21% P ttf F e
Aunque la vida media esperada es de 5 aos, existe una probabilidad muy alta de que el
transformadorfalleantesdedichotiempo.
CuleslaprobabilidaddequeuntransformadordeestosNOfalledurantelosprimeros10aos?
> = = =
0.2*10
[ 10] (10) 13.53% P ttf R e
EJEMPLO3.3
Uncomponentetieneunafuncindevidauniformementedistribuidaduranteuntiempodevidamximo
de2400horas
Cmoeslatasadefallasdelcomponenteyqusignifica?
Latasadefallasescrecienteysignificaqueellaconfiabilidaddelcomponentesedeterioradesdeel
iniciodesuvida.
Culeseltiempoesperadoparafalla?
+
= =
0 2400
( ) 1200
2
E ttf [horas]
Culeslaprobabilidaddequeuncomponentedeestosfalledurantelasprimeras1200horas?
= = =
1200
[ 1200] (1200) 50%
2400
P ttf F
Aunque la vida media esperada es de 1200 horas aos, existe una probabilidad muy alta de que el
componentefalleantesdedichotiempo.
EJEMPLO3.4
LafuncindevidadeunabateraesladistribucinWeibullconparmetros 0.1 = horasy 0.5 = .
Cmoeslatasadefallas?
Como 1 < ,latasadefallasesdecreciente.Estoindicaquelaconfiabilidaddelcomponentemejora

conformepasaeltiempo.
Culeselvidaesperadadeestabatera?

= + = + = = =
(1/ ) 1 2.0 2.0 2.0
( ) * (1 ) 0.1 * (1 2) 0.1 * (3) 0.1 *2 200 E ttf [horas]

35

Culeslaprobabilidaddequeunabateradeestasfalledurantelasprimeras200horas?

= = = =
0.5
* 0.1*(200)
[ 200] (200) 1 1 75.68%
x
P ttf F e e
Culeslaprobabilidaddequeunabateradestasvivamsde300horas?

> = = = =
0.5
* 0.1*(300)
[ 300] (300) 17.7%
x
P ttf R e e
EJEMPLO3.5
Unapersonacompraunabombillaconlassiguientescaractersticas:
100W
120V
700Lmenes
1000horas
Si el valor esperado de vida de la bombilla es 1000 horas, cul es la probabilidad de que la bombilla se
daedurantelasprimeras1000horas?
1000horaseslavidamediaesperada,paraevaluarlaprobabilidaddequelabombillafalleantesdeeste
valorsedebeconocerlafuncindevidadelcomponente,porejemplo:
SiesGausiana: Laprobabilidaddefallaantesdelavidaesperadaesdel50%
Siesexponencial: Laprobabilidaddefallaantesdelavidaesperadaesdel63.21%
Siesuniforme: Laprobabilidaddefallaantesdelavidaesperadaesdel50%
EJEMPLO3.6
Una persona instala una cortina de luces navideas que consta 2000 bombillas con una funcin de vida
Gausianadevalormedio1000horasyunadesviacinestndarde200horas.
Cmoeslatasadefallasdelcomponenteyqusignifica?
La tasa de fallas es creciente y significa que este componente, desde el inicio de su vida, sufre
deterioro.
Cuntasbombillaspuedeesperarsequefallenenlasprimeras1000horas?

700 1000
1.5
200
t
z

= = = = = = = ( 700) [ 1.5] 6.68% F t P z

36

2000 * 0.0668 133.6 134 n = = bombillas.
La probabilidad de que fallen 134 de las 2000 bombillas debe hallarse por medio de la distribucin
binomialolaaproximacindeladistribucinGausianaalabinomial.
Cuntasbombillaspuedeesperarsequefallenentrelas900y1300horas?

1
1
1300 1000
1.5
200
t
z

= = = + = = = + = ( 1300) [ 1.5] 0.9332 F t P z

2
2
900 1000
0.5
200
t
z

= = = = = = = ( 900) [ 0.5] 0.3085 F t P z
= = = =
1 2
(900 1300) (1300) (900) [ ] [ ] 0.9332 0.3085 0.6247 F t F F P z P z
2000 * 0.6247 1249.4 1250 n = = bombillas.
Laprobabilidaddequefallen1250delas2000bombillasdebehallarsepormediodeladistribucin
binomialolaaproximacindeladistribucinGausianaalabinomial.
Despusdequperiododetiemposeesperaquehayafalladoel10%delasbombillas?
HayquedeterminarelvalordezparaelcualP[z]=0.1
Detablas: 1.28 z = 0.1003 P =

1.29 z = 0.0985 P =
Interpolando: [ 1.2817] 0.1 P z = =
1000
1.2817
200
t
= 743.7 t = horas

37

3.6NDICESESTADSTICOSDECONFIABILIDAD
3.6.1Tasapromediadefallas
/ ( * ) n N T =
1 1
( ) / ( * )
k k
j j j
j j
n N T
= =
=

La primera ecuacin se aplica cuando se ha registrado que durante un tiempo de estudio T , fallaron n
componentes en una poblacin de tamao N pero no se tienen los tiempos de falla de cada uno de los
componentes.
La segunda ecuacin se aplica cuando la poblacin de componentes bajo estudio vara y en cada
subperiodo
j
T seinicicon
j
N componentesenoperacinydestos
j
n fallaron.
tieneunidadesde[fallas/aocomponente][fallas/aokm]paracomponenteslongitudinales.
3.6.2Tiempopromedioparafalla ttf
1
1
n
i
i
ttf ttf
n
=
=

Para aplicar esta ecuacin se requiere tener una muestra de tiempos para falla
1 2
, , ,
n
ttf ttf ttf ; no se
requiereconocereltamaodelapoblacindecomponentes.
ttf es el estimador del tiempo esperado para falla, es decir,
( ) ttf E ttf = . La calidad de este estimador

dependedeltamaodelamuestra(LeyFuertedelosGrandesNmeros).
3.6.3Relacinentre ttf y
Sisetieneelclculode ttf o ,elotrondicepuedehallarsemediantelarelacin:
1/ = ttf 1/ = ttf
Los valores de ttf obtenidos mediante esta ecuacin son muy altos ya que se asume que la tasa de
eventosdelcomponenteesconstante.
3.6.4Calculodelosndicesporsubperiodos
Obsrvese que mientras la tasa de fallas del modelo probabilstico puede ser una funcin creciente o
decrecienteeneltiempo,latasadefallaspromediasiempreesunaconstante.
Porlotanto,esrecomendablecalcularlatasadefallaspromediaparavariossubintervalosdelperiodode
observaciones T para observar en una grfica su comportamiento y as poder seleccionar el modelo
probabilsticoqueincorporeapropiadamenteestecomportamiento.

38

EJEMPLO3.7
Lasestadsticasparafalladetransformadoresenunsistemaelctricocon100deestosequiposson:
Ao Fallas
1 17
2 15
3 25
4 22
5 18
6 23
aos=6 fallas=120
/ ( * ) 120 / (100 * 6) 0.2 n N T = = = fallas/aotransformador

1/ 1/ 0.2 5 ttf = = = [aos]parafalladeuntransformador
Algunoscomentariosrespectoaestosclculos:
1 Noseconocenlostiemposparafalla,porlocual,nosepuedeobtenerelmodeloprobabilstico.
2 Latasadefallascalculadaesunestimadopuesnosetienenlostiemposparafalla
3 Latasadefallascalculadaserefiereaunequipotpicoopromedioquerepresentaatodalapoblacin
4 Eltiempopromedioparafallacalculadoesunestimadoqueasumequelatasadefallasesconstante
EJEMPLO3.8
Paraunrodamientodadosetienenlossiguientesregistrosparafalla:
Ao Poblacin Fallas
2005 100 5
2006 125 7
2007 98 4
2008 110 6
2009 115 6
548 28
1
1
)
5 7 4 6 6
100 * 1 125 * 1 98 * 1 110 * 1 115 * 1
*
k
j
j
k
j j
j
n
N T
=
=
+ + + +
= =
+ + + +
28
0.05109
548
= = [fallas/aorodamiento]

1/ 1/ 0.05109 19.57 ttf = = = [aos]parafalladeunrodamiento

39

3.7VIDARESIDUAL
Figura3.7Vidaresidualdeuncomponentenoreparable
Considereuncomponentenoreparablequehaoperadohastauntiempo t .
La probabilidad de falla en un intervalo de tiempo subsiguiente t es dependiente del comportamiento

hastaeltiempo t .
Haydosformasdevalorarlavidaresidualdelcomponente:
Probabilidaddefalla Confiabilidad
Sean:
A :Eleventodefallarenelperiododetiempo t
B :Eleventodefuncionarhastaeltiempo t
( )
[ | ] ( )
( )
= =
P A B
P A B F t
P B

( ) ( ) ( )
( )
( ) 1 ( )
+
+
= =

t t
t
t
f t dt F t t F t
F t
f t dt F T

Sean:
A :Eleventodesobrevivirunperiododetiempo t
B :Eleventodesobreviviraltiempo t
( )
[ | ] ( )
( )
= =
P A B
P A B R t
P B

( ) ( )
( )
( ) ( )
+
= =
t t
t
f t dt R t t
R t
f t dt R t

Elanlisispresentadotambinsedenominaprobabilidaddefallaaposteriori.
t
( ) f t
t + t t
t

40

EJEMPLO3.9
UntransformadordepotenciatpicotieneunafuncindevidaGausianacon 45 = aosy 10 = aos.
Cmoeslatasadefallasdeestecomponente?
Latasadefallascreciente,locualquieredecirqueelcomponenteestensuetapadeobsolescencia.
Sieltransformadornohafalladoenlosprimeros30aos,culeslaprobabilidaddequefalleenlos
siguientes20aos?
( ) ( ) (30 20) (30) 0.6915 0.0668

(20) 0.6694
1 ( ) 1 (30) 1 0.0668
+ +
= = = =

F t t F t F F
F
F t F

Sieltransformadornohafalladoenlosprimeros30aos,culeslaprobabilidaddequesobreviva20
aosms?
( ) 1 ( ) 1 (30 20) 1 0.6915

(20) 0.3306
( ) 1 ( ) 1 (30) 1 0.0688
+ + +
= = = = =

R t t F t t F
R
R t F t F

siguientes20aos?
( ) ( ) (40 20) (40) 0.9332 0.3085

(20) 0.9043
1 ( ) 1 (40) 1 0.3085
+ +
= = = =

F t t F t F F
F
F t F

siguientes20aos?
( ) ( ) (50 20) (50) 0.9938 0.6915

(20) 0.9799
1 ( ) 1 (50) 1 0.6915
+ +
= = = =

F t t F t F F
F
F t F

Conformeeltransformadorestmstiempoenservicio,laprobabilidaddefallarenlossiguientes20aos
escadavezmayor.Estosucedeporquelatasadefallasescreciente.

41

EJEMPLO3.10
Para un componente dado se encuentra que su funcin de vida es exponencial con valor esperado de 5
aos.
Modelodevida
1
( ) 1

=
t
F t e ( ) = E ttf ( ) 1/ = t

1/ ( ) 1/ 5 0.2 = = = E x aosparafalla
Latasadefallasesconstante,locualindicaqueelcomponentenopresentaenvejecimientonimejora
ensuconfiabilidad.
Si un componente de stos no ha fallado en 3 aos, cul es la probabilidad de que falle en los

siguientes2aos?

( ) ( ) (3 2) (3) 0.6321 0.4512
(2) 0.3297
1 ( ) 1 (3) 1 0.4512
+ +
= = = =

F t t F t F F
F
F t F


siguientes2aos?

( ) ( ) (4 2) (4) 0.6988 0.5507
(2) 0.3297
1 ( ) 1 (4) 1 0.5507
+ +
= = = =

F t t F t F F
F
F t F

siguientes2aos?

( ) ( ) (5 2) (5) 0.7534 0.6321
(2) 0.3297
1 ( ) 1 (5) 1 0.6321
+ +
= = = =

F t t F t F F
F
F t F

La probabilidad de fallar en los dos siguientes aos es la misma sin importar cunto ha vivido el
componente!
Estosoloocurreconelmodeloexponencialysedebeaquelatasadefallasesconstante.
Porestosedicequeladistribucinexponencialesunmodelosinmemoria.

42

3.8MODELODELLEGADADEFALLASALGRUPODECOMPONENTES
Figura3.8Llegadadefallasalapoblacindecomponentesnoreparables
La muestra de tiempos interarribo de fallas se puede ajustar a un modelo puntual con funcin de
intensidad ( )
G
t elcualrepresentaelarribodefallasalapoblacindecomponentesnoreparables.Estose
presentaesquemticamenteenlaFigura3.8.
Enestecaso, ( )
G
t sedefinecomo:
[ ( )]
( )
G
dE n t
t
dt
=
Esdecir, ( )
G
t siesunatasadeeventos,locual,escontrarioaloquesucedecon ( ) t .
Estetipodemodelamientoesdeespecialinterscuando:
1
Setieneunapoblacininfinitadecomponentesnoreparables,porlocual,elprocesodellegadadefallasa
lapoblacinesinfinito
2
Setieneunapoblacinfinitadecomponentesnoreparablesysequierecompararlafuncindeintensidad
dellegadadefallasconlatasadefallasdeloscomponentes.
t
1
tbf
2
tbf
3
tbf
4
tbf
n
tbf

1
f
2
f
3
f
4
f
n
f
Muestradetiemposdearribo
defallasalapoblacinde
componentes
Poblacinde
componentesno
reparables
t
( )
G
t

43

EJEMPLO3.11
Paraelgrupode40baterasdelejemplo3.1setomanlostiemposentrefallasyserealizaelprocedimiento
deajusteaunmodelopuntual:
EstadsticodeLaplace: 5.9632
L
U =
Por lo cual, con un 95% de confianza se rechaza la hiptesis de que la tendencia de la muestra de
tiemposinterarribodefallastienelatendenciadeunprocesodePoissonhomogneo
EstadsticodeLewisRobinson: 1.7166
LR
U =
Por lo cual, con un 95% de confianza se acepta la hiptesis de que la tendencia de la muestra de
tiemposinterarribodefallastienelatendenciadeunprocesoderenovacin
Lamuestradetiemposentrefallasesindependiente(Probaresto)
Aplicandolapruebadebondaddeajusteaprocesosderenovacin,seencuentraqueconun95%de
confianzaelmodelopuntualqueajustaes:
ProcesoderenovacinLognormalconparmetros 4.7744 = y 1.6032 = yfuncindeintensidad

( ) 32.7627
G
t = fallas/ao.

41

Captulo4Componentesreparables ConfiabilidadenIngenieraCarlosJ.Zapata
CAPTULO4COMPONENTESREPARABLES
4.1MODELODEDOSESTADOS
Figura4.1Diagramadeestadosdeuncomponentereparableysusecuenciaoperativaeneltiempo
El modelo clsico para componentes no reparables es el de dos estados que se muestra en la parte
izquierdadelaFigura4.1.
A la derecha de la Figura 4.1 se muestra la secuencia operativa del componente que es definida por las
fallasyreparaciones;estaesunasecuenciadeestadosdedisponibilidadeindisponibilidad.
Noseconsideranenestemodelamiento:
1 Fallassimultneas
2 Queelcomponentepuedaserreparadomientrasopera(fallaparcial)
3 Queelcomponentevuelvaafallarmientrasesreparado
Cada falla (fi) tiene asociado un tiempo para falla (ttfi) y un tiempo para reparacin (ttri), los cuales son
aleatorioseindependientesentres,encuantoasuduracin.Otramedidaenlasecuenciaoperativaesel
tiempoentrefallas(tbfi).
El nmero de fallas
f
n en un periodo de tiempo T es aleatorio. Por consiguiente, el nmero de
reparaciones
r
n enunperiododetiempo T tambinloes.
Elcero,enlasecuenciaoperativa,eselmomentoenelcualelcomponenteiniciasuoperacinnuevo.
Paraelmodelamientoserequierenmuestrasaleatoriasrepresentativasde:
1 Tiemposparafalla(
1 2
, , ,
n
ttf ttf ttf )
2 Tiemposparareparacin(
1 2
, , ,
n
ttr ttr ttr )
Estasmuestrassetomande:
1 Elcomponentequesequieremodelar
2 Unapoblacindecomponentesidnticosalquesequieremodelar(Datapooling)
1 2
Bueno Fallado
Indisponible
f
1
f
i

t
Estado
Disponible
0
ttf
i
ttr
i

T
tbf
i

ttr
1

42

4.2MODELODEDOSESTADOSCOMOUNACADENADEMARKOV
Figura4.2ModelodeCadenadeMarkovdedosestadosparauncomponentereparable
La secuencia de fallas y reparaciones de un componente reparable define un proceso aleatorio que se

puede representar como una cadena de Markov de dos estados discretos y tiempo continuo cuya
representacinsemuestraenlaFigura4.2.
Lastasasdetransicinentreestadossedefinencomo:
De1a2 Tasadefallas
[ ( )]
( ) 1/ ( ) = =
f
dE n t
t E ttf
dt

De2a1 Tasadereparaciones
[ ( )]
( ) 1/ ( ) = =
r
dE n t
t E ttr
dt

4.2.1Deduccindelmodelomatemtico
Considere un intervalo de tiempo dt
el cual es muy pequeo de tal manera que la probabilidad de que

ocurranmsdeunafallaomsdeunareparacinseamuypequeayporlotantopuedadespreciarsela
ocurrenciadeestoseventos.As:
Probabilidaddeunafallaen t =Probabilidaddeunafallaen ( ) t dt + = ( ) t dt
Probabilidaddeunareparacinen t =Probabilidaddeunareparacinen ( ) t dt + = ( ) t dt

La probabilidad de estar en el estado operativo despus de un intervalo de tiempo dt
es igual a la
probabilidad de estar operativo en t y no haber fallado en dt + probabilidad de estar fallado en t y
habersidoreparadoen dt :
1 1 2
( ) ( )[1 ( ) ] ( )[ ( ) ] P t dt P t t dt P t u t dt + = +
La probabilidad de estar en el estado de reparacin (fallado) despus de un intervalo de tiempo dt
es
igual a la probabilidad de estar fallado en t y no haber sido reparado en dt + probabilidad de estar no
falladoen t yhaberfalladoen dt :

2 2 1
( ) ( )[1 ( ) ] ( )[ ( ) ] P t dt P t t dt P t t dt + = +
As,reorganizandotrminosenambasecuaciones:
Bueno
1
2
( ) t
( ) t
Fallado

43

1 1 2
1 1 1 2
1 1 1 2
1 1
1 2
1 1
1 2
0
1
( ) ( )[1 ( ) ] ( )[ ( ) ]
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) [ ( ) ( ) ( ) ( )]
( ) ( )
( ) ( ) ( ) ( )
( ) ( )
( ) ( ) ( ) ( )
( )
dt
P t dt P t t dt P t u t dt
P t dt P t t dtP t u t dtP t
P t dt P t t P t u t P t dt
P t dt P t
t P t u t P t
dt
P t dt P t
t P t u t P t
dt
dP t
d
+ = +
+ = +
+ = +
+
= +
+
= +
1 2
( ) ( ) ( ) ( ) t P t u t P t
t
= +
2 2 1
2 2 2 1
2 2 1 2
2 2
1 2
2 2
1 2
0
2
( ) ( )[1 ( ) ] ( )[ ( ) ]
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) [ ( ) ( ) ( ) ( )]
( ) ( )
( ) ( ) ( ) ( )
( ) ( )
( ) ( ) ( ) ( )
( )
dt
P t dt P t t dt P t t dt
P t dt P t t dtP t t dtP t
P t dt P t t P t u t P t dt
P t dt P t
t P t u t P t
dt
P t dt P t
t P t u t P t
dt
dP t
dt
+ = +
+ = +
+ =
+
=
+
=
=
1 2
( ) ( ) ( ) ( ) t P t u t P t

Locualresultaenelsiguientesistemadeecuacionesdiferencialesordinarias:
1
1 2
2
1 2
( )
( ) ( ) ( ) ( )
( )
( ) ( ) ( ) ( )
dP t
t P t u t P t
dt
dP t
t P t u t P t
dt
= +
=
Elcualsepuedeexpresarenalgunadelassiguientesformas:
1
1
2 2
1 1
2 2
( )
( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
dP t
P t t u t
dt
P t dP t t u t
dt
P t t u t P t
P t t u t P t

=

=

( ) ( ) =
t
P t H P t
H eslamatrizestocsticadetasasdetransicinentreestados.

44

4.2.2Cmoobteneryresolverestemodelo
Para definir cmo se resuelve el modelo matemtico de la cadena de Markov de dos estados, antes es
necesarioanalizarlatendenciaeindependenciadelasmuestrasdetiemposparafallaydetiempospara
reparacin,segnelprocedimientomostradoenlaFigura4.3.
Figura4.3Procedimientodeanlisisdelasmuestrasdetiemposparafallayreparacinparaajusteamodelode
cadenadeMarkov
El resultado de aplicacin de este procedimiento es una distribucin de probabilidad o la funcin que

modelalatasadeeventos(tasadefallasotasadereparaciones).
Pruebade
tendencia
Estacionario
?
No
CadenadeMarkov
nohomognea
Muestrade
datos
Hallarmodelodela
tasa de eventos
Pruebade
independencia
Independencia
?
Pruebadebondadde
ajusteadistribucin
Ajuste
?
(DistribucinExponencial,Lognormal,Gamma,etc.)
CadenadeMarkovhomognea
No
muestra
Si
Revisarcausasde
dependencia

45

As,trescasosaparecenparalasolucindeestemodelo:
Condiciones Modelo Caractersticas Mtododesolucin

1
Los tiempos para falla y de reparacin
son estacionarios, independientes y
exponencialmentedistribuidos.
Cadenade
Markov
homognea
exponencial
( ) t constante
( ) t constante
1.Analtica
2.Mtodosnumricos
3.SimulacindeMontecarlo
2
Los tiempos para falla y de reparacin
son estacionarios, independientes, pero
ambos no estn exponencialmente
distribuidos.
Cadenade
Markov
homognea
general
( ) t constante
( ) t constante
2.Mecanismodelasetapas
3.Adicindevariables
2
Los tiempos para falla o los de
reparacinsonnoestacionarios
Cadenade
Markovno
homognea
( ) t y ( ) t son
variables o uno
variable y el otro
constante.
1.Analticaparaalgunoscasos
2.Mtodosnumricos
4.2.3Modelamientodetasasdeeventosnoconstantes
Para el caso de procesos de fallas o de reparaciones no estacionarios, el modelo de la tasa de eventos

puedehallarsehaciendoelajuste,conelmtododemnimoscuadrados,deunafuncinalosvaloresde
tasadeeventosensubperiodos(das,semanas,meses,aos,etc.)delperiodo T cubiertoporlamuestra
dedatos.EnlaFigura4.4seilustraesteprocedimiento,donde ( ) h t denotatasadeeventos.
Figura4.4Grficasdelatasadeeventosconrespectoaltiempo
Lastasasdeeventosparaunsubperiodo k sepuedenhallardelasiguienteforma:
1
= = =

fk fk
k
k k
k k
n n
ttf T ttr ttf

1
= = =

fk
rk
k
k
k
k k
n
n
ttr T ttf ttr

Donde:
fk
n : Eselnumerodefallasqueocurrieronenelsubperiodo k .
rk
n : Eselnumerodereparacionesqueserealizaronocurrieronenelsubperiodo k .
k
: Eslasumatoriadelostiemposasociadosalasfallasoreparacionesqueocurrieronoserealizaron
duranteelsubperiodo k .
1
[Aos]
( ) h t
t
T
( ) 0.2 0.05 = + h t t
2 3 4 5

46

4.2.4Interpretacindelaformadelastasasdeeventos
Segnlaformadelastasasdeeventos,setienenlassiguientesinterpretaciones:
Forma Tasadefallas Tasadereparaciones

Constante
Nohaydeterioronimejoradela
confiabilidaddelcomponente
Nohaymejoranideterioroeneldesempeo
delpersonalquerealizalasreparaciones
Creciente Deterioroenlaconfiabilidaddelcomponente
Deterioroeneldesempeodelpersonalque
realizalasreparaciones
Decreciente Mejoraenlaconfiabilidaddelcomponente
Mejoraeneldesempeodelpersonalque
realizalasreparaciones
4.2.5Interpretacindelasolucin
LasolucindelacadenadeMarkovsonlasprobabilidadesdeocurrenciadelosestados1y2comouna
funcindeltiempo:
=
1
( ) ( ) P t A t
Es la disponibilidad instantnea
delcomponente.
Es la probabilidad de encontrar el componente en el
estadobuenoenalgninstantedeltiempo.
=
2
( ) ( ) P t U t
Es la indisponibilidad instantnea
delcomponente.
estadofalladoenalgninstantedeltiempo.
Sielprocesoaleatoriodefallasyreparacionesconvergeaunestadoestable,tambinsedefinen:
=
1
( ) P A
La disponibilidad del
componente.
estadobuenoenellargotiempo.
=
2
( ) P U
La indisponibilidad del
componente.
estadofalladoenellargotiempo.
Lanotacin A yU vienendelostrminoseninglesparadisponibilidad(Availability)eindisponibilidad
(Unavailability),respectivamente.
La disponibilidad A y la indisponibilidad U presentadas se denominan inherentes pues solo

consideran la salida del componente debidoa fallas,aunqueladisponibilidad tambin estafectada por
otrotipodesalidasplaneadasynoplaneadas.
Si las muestras de datos se tomaron de varios componentes, el modelo probabilstico obtenido

correspondeauncomponentequerepresentaotipificaatodosloscomponentesdelapoblacin.

47

4.2.6CadenasdeMarkovhomogneas
Silosprocesosdefallasydereparacionesdelcomponentereparablesonestacionarios,independientesy
ajustan a distribuciones de probabilidad, se podr entonces utilizar como modelo de confiabilidad una
cadenadeMarkovhomognea.
Comolastasasdefallasydereparacinsonconstantes,stassepuedenescribircomo:
( ) 1/ ( ) = = t E ttf ( ) 1/ ( ) = = t E ttr
LacadenadeMarkovhomogneasedefineentoncespor:
( )
ttf
F t
La funcin de distribucin de probabilidad de los
tiemposparafalla
Tambin se puede utilizar la correspondiente
funcindedensidaddeprobabilidad ( )
ttf
f t
( )
ttr
F t
La funcin de distribucin de probabilidad de los
tiemposparareparacin
Tambin se puede utilizar la correspondiente
funcindedensidaddeprobabilidad ( )
ttr
f t
Conbaseenestosmodelostambinsedefinen:
( ) E ttf Elvaloresperadodetiempoparafalla = ( ) 1/ E ttf
0
( ) ( )
ttf
E ttf f t t dt
( ) E ttf ttf
( ) E ttr
El valor esperado de tiempo de
reparacin
= ( ) 1/ E ttr
0
( ) ( )
ttr
E ttr f t t dt
= ( ) E ttr ttr
Una cosa importante, es que este proceso aleatorio de fallas y reparaciones es de renovacin ya que
cadavezqueelcomponenteesreparadostevuelvealmismoestadodeconfiabilidadquetenaantesde
fallaryaquelatasadefallaspermaneceigual.Porestarazn,lasreparacionessedenominanmnimas;
silasreparacionesnofueranmnimas,entoncescambiaranelvalordelatasadefallas.
4.2.7SolucinanalticadelacadenadeMarkovhomogneaexponencial
La solucin del sistema de ecuaciones diferenciales ( ) ( ) =
t
P t H P t del modelo de confiabilidad de dos
componenteses:
1 1
2 2
( ) ( )
( ) ( )

=

P t u P t
P t u P t

( )
1
( )
2
( ) ( )
( ) ( )
+
+

= = +
+ +

= =
+ +
t
t
P t A t e
P t U t e

48

Seobservaqueestasolucintieneunapartetransitoriayotradeestadoestableyqueentodoinstantedel
tiempo,lasumadeprobabilidadesesiguala1.0.
Enelestadoestablesetiene:
1
( )

= =
+
A P
2
( )

= =
+
U P
4.2.8SimulacindeMontecarlopararesolverunacadenadeMarkovhomognea
Puede resolverse la cadena de Markov homognea de dos estados, con cualquier combinacin de
distribuciones,conelsiguientealgoritmodesimulacindeMontecarlosecuencial:
Aliniciodelasimulacin: = 0 t , = 0 i
Paso1:Incrementeelcontadordeiteracioneshaciendo = +1 i i
Paso2:Genereuntiempoparafalla
i
ttf utilizandoladistribucindelostiemposparafalla
Paso3:Genereuntiempoparafalla
i
ttr utilizandoladistribucindelostiemposparareparacin
Paso4:Incrementeelrelojdelasimulacinhaciendo
= + +
1 i i i i
t t ttf ttr
Paso5:Evaleelcriteriodeparada.Sistesecumpleterminar;delocontrario,regresaralpaso1
Alterminarlasimulacincalcular:
= =

1
( )
ttf
P A
t
= =

2
( )
ttr
P U
t

Comocriteriodeparadasepuedeutilizarunnmeropreespecificadodeiteracionesolaconvergenciaa
A U .
4.2.9SolucinestadsticadeunacadenadeMarkovhomognea
Si se tiene evidencia de que las muestras de tiempos para fallas y de tiempos para reparacin son
estacionarias,tambinesposiblecalcularenformaestadsticalasdisponibilidadeseindisponibilidadesde
estado estable y las tasas de eventos del modelo de confiabilidad del componente reparable de dos
estados,delasiguienteforma:
= =

1
( )
ttf
P A
T
= =

2
( )
ttr
P U
t

= = =

1/
f f
n n
ttf
T ttr ttf
= = =

1/
r r
n n
ttr
T ttf ttr

Obviamente,lacalidaddeestosclculosdependedeltamaodelamuestra.

49

4.2.10SolucindeunacadenadeMarkovnohomognea
Enestecaso,soloesposiblehallarsolucionesanalticasparaciertasformasdelasfuncionesmatemticas
utilizadasparalastasasdetransicinentreeventos.Elmtododesolucinaaplicardependeentoncesde
la forma de estas funciones. Otra limitacin con este tipo de proceso es que no hay un mtodo analtico
generalparaanalizarlaestabilidadmatemticadelasolucin.Aslorecomendadoenestetextoesutilizar
mtodosnumricosparaecuacionesdiferencialescomoRungeKutta.
Otroaspectoimportanteaanalizaralaplicarestemodelamientoessilastasasdetransicinentreestados
varan con el tiempo global o con un tiempo local, ya que el modelo ( ) ( ) =
t
P t H P t considera que es en
formaglobal.
Paraalgunostiposdecomponentespuedeargumentarselosiguiente:
Latasadefallasdelamayoradecomponentesseincrementaconsuuso.As,staesfuncindeltiempode
operacindelcomponente.Entonces,sielcomponenteestinactivoobajomantenimiento,latasadefallas
nocreceduranteesosperiodos.Enestecaso,latasadefallas seraentoncesfuncindeuntiempolocal
f

referido a la operacin, no del tiempo global t de observacin del proceso el cual es la suma de los
tiemposdefallayreparacin.
La tasa de reparaciones de la mayora de componentes depende de factores propios del proceso de

reparacin: la carga de trabajo de los operarios, la prdida de rendimiento de los operarios debido al
envejecimiento,lafaltadeincentivoslaborales,etc.Enestecaso,latasadereparaciones serafuncindeun
tiempolocal
r
,referidoaltiempodelabor, nodeltiempoglobal t deobservacindelprocesoelcuales
lasumadelostiemposdefallayreparacin.
As, si las tasas de transicin varan con un tiempo local y no con el tiempo global, al aplicar el
modelamiento ( ) ( ) =
t
P t H P t

se obtiene una prediccin sobreestimada de las probabilidades de
ocurrenciadelosestadosdelproceso.
EJEMPLO4.1

Silastasasdeeventosdelprocesodefallasyreparacionesson:
0.5
( ) 9 = t t [Fallas/ao]
( ) 146 = t [Reparaciones/ao]
Elmodelomatemticodelsistemaes:
0.5
1 1
0.5
2 2
( ) ( ) 9 146
( ) ( ) 9 146
P t P t t
P t P t t

50

Lasolucinnumrica(MtodoRungeKutta)paradiezaoses:

Figura4.5Resultadosparaelproblema4.1
Como se observa en la Figura 4.5, si las fallas aumentan con el tiempo y los recursos para reparar se
mantienenconstantes,laprobabilidaddequeelcomponenteestenelestadodeindisponiblecreceaun
valormuyalto(18%).

51

4.3MODELOSMULTIESTADO
Figura4.6Ejemplosdemodelosmultiestado
Tambinsepuedendefinirmodelosmultiestadoparaloscomponentesreparables.LaFigura4.6presenta
dosejemplosdeestetipodemodelamiento.
En este caso, los estados se refieren a situaciones de desgaste o estados operativos relacionados con la
capacidaddeproduccindelcomponente.
Todoslosestadosnotienenqueestarconectadosentres.
Las tasas de transicin entre estados i y j se refieren a diversos tipos de fallas y reparaciones y se
definenenformageneralcomo:
[ ]
( ) 1 / ( ) = =
ij
ij ij
dE n
h t E t
dt

Paraconstruirestetipodemodelosserequieredeunamuestradedatosparacadaunodelostiemposde
transicinentreestados.Acadaunadeestasmuestras:
1 SeleaplicaelprocedimientodeanlisisdetendenciaeindependenciamostradoenlaFigura4.3
2
Para el caso de procesos no estacionarios, se halla el modelo de la tasa de eventos, tal como se indic en el
numeral4.2.3
100 MVA
No fallas
1
12
h
21
h
13
h
31
h
2 3
80 MVA
Falla parcial
0 MVA
Falla que implica desconexin
Equipo
nuevo
1
2
Desgaste
aceptable
12
( ) h t
3
23
( ) h t
Desgaste
mayor
4
Obsolescencia
34
( ) h t
21
( ) h t
32
( ) h t

52

4.4MODELOMULTIESTADOCOMOUNACADENADEMARKOV
Figura4.7CadenadeMarkovcontinuaeneltiempo
EnlaFigura4.7semuestraunarepresentacindeestetipodemodelo.
Trescasosaparecenenelestudiodeesteprocesoestocstico:
Condiciones Nombre Caractersticas Mtododesolucin

1
Todos
ij
t son estacionarios,
independientes y exponencialmente
distribuidos.
Cadenade
Markov
homognea
exponencial
Todoslos
ij
h
sonconstantes
1.Analtica
2.Mtodosnumricos
2
Todos los
ij
t son estacionarios,
independientes, pero no todos estn
exponencialmentedistribuidos.
Cadenade
Markov
homognea
general
Todoslos
ij
h
sonconstantes
3.Adicindevariables
2
Algunos
ij
t sonnoestacionarios
Cadenade
Markovno
homognea
Algunoso
todoslos
ij
h
varanconel
tiempo
3.Adicindevariables
4.4.1Modelomatemtico
Generalizandoelsistemadeecuacionesobtenidoen4.2.1para nestadossetiene:
( ) ( ) =
t
P t H P t
Donde:
( ) P t : Eselvectorfiladelasprobabilidadesdecadaunodelosestadoscomofuncindeltiempo
1
2
12
( ) h t
1
( )
n
h t
21
( ) h t
3
n
13
( ) h t
31
( ) h t
1
( )
n
h t
23
( ) h t
32
( ) h t

53

( ) P t
: Eselvectorfiladelasderivadasconrespectoaltiempodelasprobabilidadesdecadaunodelos
estadoscomofuncindeltiempo
H : Es la matriz estocstica de tasas de transicin entre estados. Es el generador infinitesimal de la

cadena.Sustrminossedefinencomo:
11 12 1
21 22 2
1 2
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )

=

n
n
n n nn
h t h t h t
h t h t h t
H
h t h t h t

( )
ii
h t : Eselnegativodelasumatoriadetodaslastasasdetransicinquesalendelestado i
( )
ii
h t : Eslatasadetransicinquesaledelestado i alestado j
Lasfilasdelamatriz T debensumar0.0.
T nonecesariamenteessimtricayaque ( )
ij
h t notienequeseriguala ( )
ji
h t .
La solucin del sistema de este sistema de ecuaciones diferenciales entrega las probabilidades de cada
estadoenfuncindeltiempo.
4.4.2SolucinanalticadelacadenadeMarkovhomogneaexponencial
Enestemodelotodoslostiemposdetransicinentreestadosestndistribuidosexponencialmente,porlo
cual, todas las tasas de transicin entre estados son constantes ya que los tiempos de transicin entre
estadossonestacionarioseindependientes.As, T esunamatrizdecoeficientesconstantes:
11 12 1
21 22 2
1 2

=

n
n
n n nn
h h h
h h h
H
h h h
El modelo matemtico ( ) ( ) =
t
P t H P t

corresponde a un sistema de ecuaciones diferenciales ordinarias,
linealesdecoeficientesconstantescuyasolucinesindependientedelascondicionesiniciales.
Este sistema se resuelve cualquiera de los mtodos que se ensean en los cursos de ecuaciones
diferenciales.

El anlisis de valores propios de la matrz H indica si el modelo implementado tiene solucin
convergente o divergente.

54

EJEMPLO4.2
Para un transformador de potencia 220/115 kV, 80/100 MVA, ONAN/ONAF se definen los siguientes
estadosoperativos:
Estado Descripcin CapacidadenMVA

1 Equiposinfalla 100
2 Falladelsistemadeaireforzado(ventiladores) 80
3 Fallasqueimplicanladesconexindelequipo 0
Diagramadetransicindeestados
Figura4.8Diagramadetransicindeestados
paraeltransformadordepotenciadelEjemplo4.2
Lostiemposdetransicinentreestadosestnexponencialmentedistribuidosconlossiguientesvalores
esperados:
1 Eltiempoesperadoparaqueseproduzcaunafalladelsistemadeaireforzadoes3meses(0.25aos).
2 Eltiempoesperadopararepararunafalladelsistemadeaireforzadoes5das(0.0137aos)
3
El tiempo esperado para que se produzca una falla que implique la salida total del equipo es 6 meses (0.5
aos).
4 Eltiempoesperadopararepararunafallaqueimplicalasalidatotaldelequipoesde20das(0.0548aos).
Tasasdetransicinentreestados 1/ ( ) =
ij ij
h E t
Tasadetransicin Descripcin Valor

12
h Eslatasadefallasdelsistemadeaireforzado
12
4 = [fallas/ao]
21
h Eslatasadereparacindelsistemadeaireforzado
21
73 = [reparaciones/ao]
13
h Eslatasadefallasqueimplicandesconexindelequipo
13
2 = [fallas/ao]
31
h
Es la tasa de reparacin del las fallas que implican
desconexindelequipo
31
18.25 =
[reparaciones/ao]
100MVA
Nofallas
1

12
h

21
h

13
h

31
h
2 3
80MVA
Fallasistemadeaireforzado
0MVA
Fallaqueimplicadesconexin

55

Matrizdetasasdetransicinentreestados
6.00 4.00 2.00

73.00 73.00 0.00
18.25 0.00 18.25
+ +

= +

+

H
Asumiendoqueelsistemacomienzalaoperacinenelestado1(sinfallas):
Lasolucinesdelsistemadeecuacionesdiferencialeses:
EnlaFigura4.9semuestralaevolucindeestasprobabilidadeseneltiempo.
Enestasecuacionesseobservaque:
Encualquierinstantedetiempolasumadelastresprobabilidadeses1.0.
Las tres ecuaciones constan de un trmino constante y un trmino transitorio que decrece con el
tiempo.Lostrminosconstantessonlasprobabilidadesdeestadoestable.
.Elprimerestado(Transformadorsinfallas)eselquetienemayorprobabilidaddeser
encontradoencualquierinstantedetiempo.Estocorrespondealodeseadoparacualquierequipo.
Laindisponibilidaddeltransformadoresiguala
( ) (0) 1.0 0.0 0.0 P =

77.1406* 0.0* 20.1094* 77.1406* 20.1094*
1
77.1406* 0.0* 20.1094* 77.1406* 20.1094*
2
3
( ) 0.0554 0.8588 0.0858 0.8588 0.0554 0.0858
( ) 0.0535 0.0471 0.0065 0.0471 0.0535 0.0065
t t t t t
t t t t t
P t e e e e e
P t e e e e e
P

= + + + = + +
= + + = +
77.1406* 0.0* 20.1094* 77.1406* 20.1094*
( ) 0.0019 0.0941 0.0922 0.0941 0.0019 0.0922
t t t t t
t e e e e e

= + =
1
( ) 0.8588 P =
3
( ) 0.0941 P =

56

Figura4.9SolucindelEjemplo4.2
4.4.3FrecuenciayduracinencadenasdeMarkovhomogneas
EnelestadoestabledeunacadenadeMarkovhomogneasepuedenobtener:
Lafrecuenciadeocurrenciadeunestado
Es la probabilidad de ocurrencia del estado por la sumatoria

delastasasdesalidadesdeeseestado.
Tambin se puede calcular como la probabilidad de NO

encontrarelestado porlasumatoriadelastasasdeentradaa
eseestado.
Laduracinmediaenunestado
El tiempo medio gastado en un estado o duracin media en

este estado es el inverso de sumatoria de las tasas de salida
desdeeseestado.
Adems,secumpleque
=
=
1
*
n
i i
i
f m t
Donde t eseltiempodereferenciadelestudioolaunidadquesemideeltiempo.
Para hallar la frecuencia de ocurrencia de un estado acumulado o la duracin media en este estado
acumulado,solosetomanencuentalosestadosquesecomunicanatravsdelafronteradeacumulacin.
i
i
( ) *
n
i i ij
j i
f P h
=

i
i
i
1/
n
i ij
j i
m h
=

57

EJEMPLO4.3
ParaeltransformadordepotenciadelEjemplo4.2hallarlafrecuenciayduracindecadaestado.
Estado
[Veces/ao]
[Das]
1 0.8588
2 0.0471
3 0.0941
La probabilidad de que el transformador se encuentre disponible para operar a su mxima capacidad

nominal (100 MVA) es de 85.88%. Esta condicin operativa se da 5.1529 veces por ao y tiene una
duracinmediade60.8333das.
La probabilidad de que el transformador solo se encuentre disponible para operar a una capacidad
mximade80MVAesde4.71%.Estacondicinoperativaseda3.4353vecesporaoytieneunaduracin
mediade5das(Elmismotiempopromedioparareparacindedaosdelsistemadeenfriamiento).
La probabilidad de que el transformador no se encuentre disponible para operar es de 9.41%. Esta

condicinoperativaseda1.7176vecesporaoytieneunaduracinmediade20das(Elmismotiempo
promedioparareparacindedaosqueimplicanladesconexindelequipo).
Obsrveseque:
[das]
Esdecir,unaoquecorrespondealtiempodereferenciadelestudioalareferenciaparalamedidade
lasunidadesdetiempo.
4.4.4SimulacindeMontecarlopararesolverunacadenadeMarkovhomognea
Definiendo:
: Tiempodelasimulacinquecorrespondealtiempooperativodelproceso
: Tiempoenqueelprocesoestenelestado
: Nmerodevecesqueelprocesoentraalestado
Aliniciarlasimulacin:
= 0 t

= 0
i
t i

= 0
i
n i
Lospasosdelasimulacinson:
i ( )
i
P
i
f
i
m
1
0.8588 * (4 2) 5.1529 f = + =
1
1/(4 2) * 365 60.8333 m = + =
2
0.0471* 73 3.4353 f = =
2
1/ 73* 365 5.0 m = =
3
0.0941* 18.25 1.7176 f = =
3
1/ 18.25* 365 20.0 m = =
1 1 2 2 3 3
5.1529 * 60.8333 3.4353 * 5 1.7176 * 20 365 m f m f m f + + = + + =
t
i
t i
i
n i

58

1. Ubqueseenelestado k dondeiniciaelprocesoysmele1alcontador
k
n (smele1)
2. Paralosestadosaloscualeshayconexindesdeelestadoactualgenereuntiempodetransicinentre
estadosutilizandolascorrespondientesdistribucionesdeprobabilidad.
3. Seleccioneelmenortiempodetransicindelestadoactualalosestadosaloscualesexisteconexin.
Elprocesopasaalestado j paraelcualhayelmenortiempodetransicin
kj
t .
Smele1alcontador
j
n
Cuenteunatransicinentreestados;estatransicincorrespondeaunaiteracindelasimulacin.
4. Smele
kj
t altiempodelasimulacin( t )yalcontadordetiempodelestado k (
k
t )
5. Ubqueseenelestado j

paraelcualsehizolatransicinyvuelvaalpaso2
6. Repetirhastaunnmeropreespecificadodeiteracionesuotrocriteriodeparada
7. Calculelassalidasdelasimulacin:
Probabilidaddeencontrarelestado
/
k k
P t t =

Tasadesalidasdesdeelestado
/
k k k
n t =

Frecuenciadeencontrarelestado
*
k k k
f p =

Tiempomedioenelestado
1 /
k k
m =
Conestemtodosoloseobtienenlasprobabilidadesdeestadoestabledelproceso.
Nodebeconfundirseelestadotransitoriodelasimulacin(estadosenloscualeslamuestradedatosnose
haestabilizadoenunadistribucin)conelestadotransitoriodelasolucineneltiempodelproceso.
k
k
k
k

59

EJEMPLO4.4

Figura4.10Diagramadetransicindeestados
paraunaunidaddegeneracin

Unaunidaddegeneracinhidrulicatienelossiguientesestadosoperativos:
Estado Descripcin CapacidadenMVA

1 Equiposinfalla 60
2 Fallasmenoresenturbina,generadoreinstalacioneshidrulicas 40
3 Fallasqueimplicanladesconexindelequipo 0
Lasdistribucionesdeprobabilidadquedefinenelprocesoestocsticoson:
DistribucindeProbabilidad
Gammaconparmetros y aos(20das), das
Gammaconparmetros y aos(90horas), das
Hallarlasprobabilidadesdeestadoestabledecadaunodelosestados,lastasasdesalidadesdecadauno
delosestados,eltiempomediogastadoencadaestadoylafrecuenciaesperadadeencontrarcadaunode
losestados.

Resultadoscon1000,000deiteraciones
Estado
[eventos/ao]
[veces/ao]
[aos]
1 0.9017 13.0439 11.7623 0.0767
2 0.0945 121.7060 11.4963 0.0986
3 0.0038 265.1824 1.0071 0.0038

12
t 1.5 = 0.0548 =
12
( ) 30 E t =
13
t 2.5 = 0.1315 =
13
( ) 120 E t =
21
t 0.8 = 0.0103 =
21
( ) 3 E t =
23
t 2.5 = 0.1315 =
13
( ) 120 E t =
31
t 0.7 = 0.0274 =
23
( ) 7 E t =
32
t 0.8 = 0.0068 =
21
( ) 2 E t =
k
P

k k
f
k
m
40MVA
Fallasmenores
60MVA
Nofallas
1
2 3
0MVA
Fallaqueimplicadesconexin

60

4.5MODELODEDOSESTADOSCOMOUNPROCESOSPUNTUAL
Figura4.11Modelodefallasdeuncomponentereparablededosestadosmedianteprocesopuntual
El proceso de Markov de 2 estados discretos, continuo en el tiempo, es producido por dos fuentes de
eventospuntuales(FuentesdePoisson).
Para el caso de los componentes reparables, cuando la magnitud de los tiempos de las reparaciones es
muy pequea comparada con respecto a la magnitud de los tiempos para falla, es usual desacoplar el
proceso de Markov y estudiar nicamente el proceso de llegada de las fallas; tambin se puede estudiar
enformaindependienteelprocesodellegadadelasreparacionesaunqueestoesmenosusual.
Elmodelarelcomponentereparablemedianteunprocesoestocsticopuntualdelasfallasimplica:
1 Lasfallasocurrenunaalavez
Algunos investigadores argumentan que esto es vlido pues
en trminos prcticos es difcil probar que dos fallas ocurren
enelmismoinstantedetiempo.
2
La indisponibilidad del componente es
despreciable
Esto se cumple para muchos componentes; sin embargo, se
recomiendaverificarloparacadacasobajoestudio.
3 Lasreparacionessonmnimas
En este tipo de modelamiento se asume que las reparaciones
nocambianelestadodeconfiabilidaddelcomponente
Ntese que aunque solo se est estudiando el proceso de fallas del componente, implcitamente se
consideraqueestetienedosestadosoperativos.
En el proceso puntual se cuenta la cantidad de fallas

f
n que ocurren en un periodo de tiempo t . Es
comn asumir que el periodo de inters inicia en un tiempo cero correspondiente al instante de tiempo
donde empiezan los registros operativos o datos estadsticos que documentan el proceso; en este caso
0 t t t = = ,y,entonces,soloaparecer t enlasecuacionesdelproceso.Nodebeconfundirseentoncesa
t conuninstantedetiempo.

t

( ) t
fallas
t
reparaciones
( ) t

bueno
1
2
fallado
( ) t

( ) t

t
( ) t
fallas
t

61

4.5.1Modelomatemtico
El modelo matemtico de este proceso se define mediante la tasa de fallas ( ) t o funcin de

intensidad del proceso de fallas.

Segn la forma de esta tasa de fallas (constante, creciente en el tiempo, decreciente en el tiempo) se
interpreta el estado de confiabilidad del componente, en igual forma como se indic en la seccin
2.4.4.

Esta funcin de intensidad permite calcular:
Elvaloresperado

0
( ) [ ( )] ( ) = =
t
f
t E n t t dt

Lavarianza

( ) ( ) VAR t t =

Lafuncindeprobabilidaddemasa

La probabilidad de que en un periodo dado t lleguen o ocurran exactamente k fallas est dada por:

( )
1
[ ( ) ] [ ( )] *
!

= =
k t
f
P n t k t e
k
para 0,1, 2, k =

Funcindedistribucindeprobabilidad

( )
1
1
[ ( ) ] [ ( )] *
!

=
=
k
i t
f
i
P n t k t e
i

En este modelo matemtico se cumple que:

1 Loseventoslleganunoalavez
2
( )
f
n t esunvalorentero
3
(0) 0 =
f
n
4
( ) 0
f
n t
5
Si s t < , ( ) ( )
f f
n t n s esigualalnmerodeeventosquehanocurridoenelintervalo ( , ) s t

62

4.5.2Cmoobtenerestemodelo
Para obtener el modelo matemtico de proceso puntual, es necesario analizar la tendencia e

independenciadelasmuestrasdetiemposparafalla,segnelprocedimientomostradoenlaFigura4.12.
Figura4.12Procedimientodeanlisisdelasmuestrasdetiemposparafallaparaajusteaunmodelopuntual
ElresultadodeaplicacindeesteprocedimientoesunprocesoderenovacinounprocesodePoissonno
homogneo.
En la Figura 4.13 se presentan algunos de modelos puntuales. El proceso de renovacin exponencial

tambinseconocecomoprocesodePoissonhomogneo.

Pruebadetendencia
Estacionario
?
No
Muestrade
datos
Pruebadeindependencia
Independencia
?
Pruebadebondaddeajustea
distribucindeprobabilidad
Ajuste
?
Procesoderenovacin
No
muestra
Si
Revisarcausasde
dependencia
Pruebadebondaddeajustea
modelonohomogneo
Ajuste
?
Si
ProcesodePoisson
nohomogneo
No Probarotros
modelos

63


Figura4.13Clasificacindelosprocesosestocsticospuntuales( , , , , a b sonconstantes)
4.5.3Cmoseleccionarunmodelopuntualnohomogneo

Paraelcasodeprocesosdefallacontendencia,previoaescogerelmodelopuntual,esnecesarioanalizar
laformadelatasadeeventosdelamuestradedatos,paraseleccionarelmodelopuntualconfuncinde
intensidadquelarepresentebien.
Paraesto,secalculalatasadefallasporsubperiodotalcomoseindicenlaseccin4.2.3
4.5.4Procesodefallassegnelorigendelamuestradedatos
Algomuyimportanteesentenderaquserefiereelmodelopuntualdefallasobtenidosegnelorigende
lamuestradedatosdetiemposparafalla:
1 Uncomponentereparable
En este caso el modelo de falla y su funcin de intensidad se refieren a las
fallasquelleganaunnicocomponente.
EstatasadefallasesigualalaqueseobtendraenunacadenadeMarkov.
2
Ungrupodecomponentes
reparablesidnticos
En este caso el modelo de falla y su funcin de intensidad se refieren a las

fallasquelleganalapoblacindecomponentesreparablesdelacualsetomo
lamuestradedatos.
Sisedeseaelmodelopuntualolatasadefallasporcomponente,esnecesario
descomponerelmodeloolafuncindeintensidadobtenidosparaelgrupo.
Recordar que solo para el proceso de Poisson homogneo es posible

descomponer fcilmente la funcin de intensidad dividindola entre el
nmero de componentes en la poblacin. El proceso de fallas de cada
componenteindividualtambinesunprocesodePoissonhomogneo.
Procesonoestacionariono
homogneo
Procesosde
Poissonno
homogneos
PowerLaw
1
( ) t t
=
Loglinear(CoxLewis)
+
=
( )
( )
a bt
t e
GoelOkumoto
= ( )
bt
t abe
MusaOkumoto ( ) /( ) t a at b = +
Alternating ( ) sin( ) t a t b = + +
Etc.
Procesoestacionario
homogneo
Procesosde
renovacin
Constante
Exponencial
Gamma
Weibull
Etc.
}
1
( )
( )
t
E x
=

64

EJEMPLO4.5
Para un transformador de distribucin se ha verificado que el proceso de llegadas de las fallas es un

proceso de Poisson homogneo (Proceso de renovacin exponencial) con una tasa de ocurrencia de
eventos 0.2 = fallas/ao.

Valoresesperadosdefallas: [ ( )] 0.2 * E N t t =

t [aos] [ ( )] E N t [fallas]
1 0.2
5 1
10 2

Conforme se aumenta el periodo de tiempo en que el equipo permanece en funcionamiento, mayor
nmerodefallasseesperaqueocurran.
Probabilidaddellegadadefallasendiferentesperiodosdetiempo:

0.2
1
[ ( ) ] [0.2 ] *
!
k t
P N t k t e
k

= =

k t [aos]
[Fallas] 1 5 10
0 0,818731 0,367879 0,135335
1 0,163746 0,367879 0,270671
2 0,016375 0,183940 0,270671
3 0,001092 0,061313 0,180447
4 0,000055 0,015328 0,090224
5 0,000002 0,003066 0,036089
6 0,000000 0,000511 0,012030
7 0,000000 0,000073 0,003437
8 0,000000 0,000009 0,000859
9 0,000000 0,000001 0,000191
10 0,000000 0,000000 0,000038

Como se observa, las probabilidades de ocurrencia de un nmero dado de fallas cambian conforme se
cambiaelperiododetiempo.
Tambin se observa que son bajas las probabilidades de que ocurran los valores esperados de fallas
calculadosenelpasoanteriorparaperiodosde5(1falla)y10aos(2fallas).
Esto ltimo ilustra sobre el cuidado que se debe tener al tomar valores esperados para los procesos de
decisin,puesengeneral,estosvalorestienenpocaprobabilidaddeocurrir.

65

Probabilidaddeteneralmenosunafallaendiferentesperiodosdetiempo:

[ ( ) 1, 2, ] 1 [ ( ) 0] P N t P N t = = =

t [aos] [ ( ) 1, 2, ] P N t =
1 0.181269
5 0.632121
10 0.864665

Probabilidaddequelaprimerafallaocurraenuntiempomenoroigualdado t

1
0.2
1
( ) [ ] 1
t
t
F t P t t e
= =

t [aos]
1
[ ] P t t
1 0.181269
5 0.632121
10 0.864665
Comoseobserva,lasprobabilidadesdequeocurralaprimerafallaenuntiempomenoroiguala1,5y10
aos corresponden a los mismos resultados de probabilidad de que ocurra al menos una falla en estos
mismosperiodosdetiempoenelHPP,quesecalcularonenelpasoanterior.

66

4.6MODELOMULTIESTADOSMEDIANTEPROCESOSPUNTUALES
Figura4.14Componentereparablecondosmodosdefalla
Para un componente reparable con varios estados operativos tambin se puedeutilizar elmodelamiento
medianteprocesospuntuales.Paraesto,sedefineunprocesopuntualporcadamododefallaotiempode
transicinentreestados,talcomosemuestraenelejemplodelaFigura4.14.
Los modelos puntuales de cada modo de falla se obtienen de las respectivas muestras de tiempos de
transicinentreestadosalascualesselesaplicaelprocedimientomostradoenlaFigura4.12.
Obviamente, se mantienen aqu las condiciones para modelamiento con procesos puntuales que se
indicaronenlaseccin4.5.
100MVA
ONAF
1
2
( ) t
2
3
80MVA
ONAN
0MVA
Salidaforzada
1
( ) t
2
( ) t
1
( ) t
1
( ) t
2
( ) t
Daoensistema
derefrigeracin

67

4.7MODELODEFRECUENCIAYDURACIN
Figura4.15Modelodefrecuenciayduracindeuncomponente
En este mtodo, el componente se considera como un bloque que se define con los siguientes
parmetros:
Unatasadefallasconstante
r Untiempomedioparareparacinconstante
Estos parmetros se obtienen de estadsticas (Seccin 4.2.9) o de los modelos de cadenas de Markov
homogneas.
Laindisponibilidaddelcomponenteen[%]o[horas/ao]secalculacomo:
* = U r
Este tipo de modelamiento se denomina de frecuencia y duracin pues se deriva de la tcnica del
mismo nombre del proceso de Markov homogneo y porque es la frecuencia de fallas y r es la
duracindelasfallas.
Este modelo se desarrolla como una aproximacin a la solucin de una cadena de Markov exponencial
para combinaciones serie y paralelo de componentes, por lo tanto, no tiene mayor sentido utilizarlo
aislado.
Solo se recomienda utilizar este tipo de modelamiento si la indisponibilidad anual del componente es
menoral10%[6].
Las soluciones de este mtodo solo dan valores esperados, pues son una simplificacin a la solucin
exactadadaporlacadenadeMarkovhomognea.
ComoestemodelosederivadelacadenadeMarkovhomogneaexponencial,unacondicinosupuesto
es que los tiempos para falla y reparacin estn exponencialmente distribuidos. Esto debera verificarse
antesdeaplicarestetipodemodelamiento.

,r

68

4.8OTRASSALIDASQUEAFECTANAUNCOMPONENTEREPARABLE
Hastaelmomentoslosehanconsideradolasfallasparaelmodelamientodeloscomponentesreparables.
Sinembargo,ladisponibilidaddeestoscomponentesseveafectadaporlossiguientestiposdesalidas:
1

Otrassalidasno
planeadas
Vandalismo,accidentes,
fenmenosatmosfricos,
temblores
Son de naturaleza aleatoria en cuanto a su

ocurrenciayduracin.
Salidasplaneadas
Mantenimientopreventivo,
inspeccin,tomade
medidas
Son determinsticas en cuanto a su ocurrencia

peroaleatoriasencuantoasuduracin.
Unacaractersticamuyimportantedelassalidas
planeadasesquepuedenpostponersesiafectan
severamente la seguridad o desempeo del
sistema.
Lasotrassalidasnoplaneadastambinpuedenincorporarsealosmodelosyavistos.
Lassalidasplaneadaspuedentratarsedelasiguientemanera:
1

Determinarlaprogramacin
desalidasplaneadasdel
componente
En este caso al estudiar o generar la secuencia operativa delcomponente

se debe mirar en que periodos de tiempo estar indisponible segn el
programademantenimientopreventivo.
Incorporarlasalmodelo
probabilstico
Implica asumir que se conoce que el componente tendr salidas

planeadas,peronoseconocesuprogramacin.
Valido para estudios de largo plazo o para componentes donde el

mantenimientopreventivonoobedeceaunprogramariguroso.
Otro asunto, es que las otras salidas no planeadas y las salidas planeadas deben incorporarse en los
ndices de confiabilidad pues paraalgunos componentes del sistema elctricostas salidaspueden tener
unaparticipacinmuyalta.

69

4.9NDICESDECONFIABILIDADESTADSTICOS
Definiendo:
T Tiempodeestudiooperiododelosregistros,generalmente[aos]
n NmerototaldesalidasenelperiodoT
f
n NmerodefallasenelperiodoT
N Nmerodecomponentesolongitudtotaldel(os)componente(s)
X Longituddesconectadaenunasalidaofalladada
Xpr Longitudpromediadesconectadaenunasalidaofalla
tto Tiempoparasalidaplaneada,noplaneadaofalla
r Tiempomedioparareparacin
MTTRS Tiempomediopararestauracin(reconexindesalidasplaneadasynoplaneadas)
Tasasdesalidas
Ecuacin Observacin
1
/( * )
n
o i
i
n N T ttr
=
=
Aplicaaunoovarioscomponentesnolongitudinales
1
/( ( ))
n
o i
i
n N T ttr
=
=

Aplicaaunoovarioscomponenteslongitudinales,sencada
salidasedesconectatodalalongitud.
1
/( ))
n
o i i
i
n NT ttr X
=
=

Aplicaaunoovarioscomponenteslongitudinalessencada
salidasedesconectaunalongituddiferente.
1
/( )
n
o i
i
n NT Xpr ttr
=
=

salidasedesconectaunalongitudpromedia.
1/
o
MTTRS =
Tasasdefallas
Ecuacin Observacin
1
/( * )
n
f i
i
n N T ttr
=
=
Aplicaaunoovarioscomponentesnolongitudinales
/( ( ))
f
n
f i
i falla
n N T ttr

=

fallasedesconectatodalalongitud.
/( ))
f
n
f i i
i falla
n NT ttr X

=

fallasedesconectaunalongituddiferente.
/( )
f
n
f i
i falla
n NT Xpr ttr

=

fallasedesconectaunalongitudpromedia.
=1 / r
= / ( )
f
n NT Expresinaproximada,muyutilizadaenlaprctica
Tasasderestauracinyreparacin
Ecuacin Observacin
1/
o
MTTRS = Tasaderestauracin
1/ r = Tasadereparacin

70

Tiemposmedios
Tiempomedio
parasalida
1
1
n
i
i
MTTO tto
n
=
=

Aclarar si los tto se refieren a un
componenteoaungrupodecomponentes.
1/
o
MTTO =
Se aplica cuando no se tienen los tiempos
parasalida
Tiempomedio
parafalla
1
1
f
n
i
i
f
MTTF m ttf
n
=
= =

Aclararsilosttfserefierenauncomponente
oaungrupodecomponentes.
1/ MTTF =
Se aplica cuando no se tienen los tiempos
parafalla
Tiempomedio
pararestauracin
1
( ) /
n
i
i
MTTRS ttr n
=
=

Tiempomedio
parareparacin
( ) /
nf
i f
i falla
MTTR r ttr n

= =

Disponibilidadeseindisponibilidades
Disponibilidad
operacional
1
(1 /( * )) *100%
n
o i
i
A ttr N T
=
=
Aplicaparacomponentesnolongitudinales
(1 / 8760) *100%
o o
A U =
Indisponibilidad
operacional
anual
1
( ) /( * ) * 8760
n
o i
i
U ttr N T
=
=

Aplicaparacomponentesnolongitudinales.
Est expresada en horas; tambin puede
expresarsecomo%probabilidad.
*
o o
U MTTRS =
Disponibilidad
inherente
1
(1 /( * )) *100%
f
n
I i
i
A ttr N T
=
=
Aplicaparacomponentesnolongitudinales
(1 / 8760) *100%
I I
A U =
Indisponibilidad
inherenteanual
( ) /( * ) * 8760
f
n
i i
i falla
U ttr N T

=

Aplicaparacomponentesnolongitudinales.
Est expresada en horas; tambin puede
expresarsecomo%probabilidad.
*
I
U r =
Otros ndices de confiabilidad pueden definirse. Se presentan aqu solo algunos de los ms comunes y
prcticos.
Otrasecuacionessepuedenplantearpararesolverlosndicesdeconfiabilidadpresentados.
Cuandosecalculanndicesdeconfiabilidadbasadosenlostto,ttf,tbotbfesnecesariorevisarsiconla
informacindisponibleelndiceaplicaauncomponenteoaungrupodecomponentes,puesesusualque
estetipodeinformacinnopuedaserdesagregadaaniveldecomponentesindividuales.

71

EJEMPLO4.6
Unsistemadedistribucinurbanocuentacon790transformadoresmonofsicosde13.2kV.
Enunperiodode4aosseregistraron31fallasenestosequipos.
Lasumatoriadelostiemposdereparacinesde86.5833horasyeltiempopromediodelasreparaciones
esde2.7930horas.
ndice Valor Unidad

0.0098 Fallas/aocomponente
MTTF 102.0050 Aos/falla
r 2.7930 Horas/reparacin

3136.4 Reparaciones/ao
AI 99.9997 %
UI 0.0274 Horas/ao
Estos ndices se refieren a un componente tpico o medio que representa a cada uno de los 790
transformadores.
El MTTF es el estimador de la vida media del componente o es el tiempo esperado para que un
componentedeestossufraunafalla.
EJEMPLO4.7
Unsistemadedistribucinurbanocuentacon263.17kmderedsecundariasubterrnea.
La cantidad de red secundaria que en promedio maneja cada transformador de distribucin es de 2.392
km; esta es la cantidad de red desconectada cada que se presenta una salida, pues los dispositivos de
maniobrayproteccinconsistenencortacircuitosconfusiblesmontadosenelladodemediatensindel
transformador. En un periodo de 4 aos se registraron 368 salidas planeadas y no planeadas s con una
sumatoriadelostiemposderestauracinde1201.6horas.Eltiempopromediodelasrestauracionesesde
3.2651horas.
ndice Valor Unidad

o
0.3495 Salidas/aokm
MTTO 2.8616 Aoskm/salida
Uo 1.1410 Horas/aokm
Ao 99.9870 %
MTTRS 3.2651 Horas/restauracin
o
2682.9 Restauraciones/ao
Estos ndices se refieren a un km de red tpico o media que representa a cada uno de los 263.17 km. El
MTTOeselestimadordelavidamediaoperativadeunkmderedoeseltiempoesperadoparaqueun
kmdeestetipoderedsufraunasalidaplaneadaonoplaneada.

72

EJEMPLO4.8
Un sistema de distribucin urbano cuenta con 4 circuitos primarios de distribucin subterrneos. Las
estadsticasdelasfallasaclaradasenlasubestacinenunperiodode3aosson:
Circuito Longitud[km] Totalfallas

Tiemposinservicio
[Horas]
1 5.5 32 28
2 4.5 28 32
3 6.5 15 41
4 3.5 9 40
Total 20 84 141
ndice Valor Unidad

1.4019 Fallas/aokm
MTTF 0.7133 Aoskm/falla
r 1.6786 Horas/reparacin
5218.72 Reparaciones/ao
AI 99.9731 %
UI 2.3532 Horas/ao
Estos ndices se refieren a un km de red tpico o medio que representa a cada uno de los 20 km de red
primariasubterrnea.ElMTTFeselestimadordelavidamediaoperativadeunkmderedoeseltiempo
esperadoparaqueunkmdeestetipoderedsufraunafalla.

73

4.10CMOCONSTRUIRMODELOSCUANDONOHAYDATOSOLAMUESTRADEDATOSES
MUYPEQUEA
4.10.1Justificacin
En estudios de confiabilidad, el conseguir datos para construir los modelos probabilsticos de los
componentespresentalossiguientesproblemas:
Las fallas son fenmenos aleatorios, por lo tanto, se debe esperar a que ocurran para registrar los datos
asociadosaestoseventos.
Estodifieredeotrasreasdeestudiocomoelmercadeoolademografa,dondesepuedeconsultartantos
individuosdelapoblacinbajoestudiocomoserequieraparaobtenerunniveldeerrordado
Algunos de los componentes del sistema elctrico tienen tasas de fallas muy bajas durante su periodo de
vidatil;alobservarsuoperacinporlargosperiodosdetiempoesposiblequeregistrenmuypocasfallas
onoseregistreninguna.
Esto es comn en equipos que no tienen partes mviles como pararrayos, transformadores de
instrumentacin,reactores,condensadores,etc.
Pararesolverestosproblemas,escomnagruparlosdatosdecomponentessimilares.Sinembargo,pesea
laagrupacin,escomnquesepresentenlassiguientessituaciones:
Nohayfallasenelperiododetiempodelosregistros
Se dispone de un solo dato, por lo cual no pueden utilizarse los mtodos clsicos de estimacin de
parmetrosoajusteaunadistribucindeprobabilidad.
Existenmuypocosdatosysugrficaenformadehistogramatieneunaomuypocasclasesporlocual,no
puede aplicarse el procedimiento de ajuste a una cadena de Markov o proceso puntual, aunque ste
procedimientoseaplique,nosecumplenlapruebasdebondaddeajuste.
Comonoesrealistaasumirqueexistencomponentes100%confiables,sedebenestudiarlosmtodospara
construirmodelosprobabilsticosantesituacionesdecantidadeslimitadasoausenciadedatosdefalla.A
continuacin,sepresentanunmtodo.
4.10.2Solucinmedianteunprocesopuntualderenovacin
Para un componente que durante un largo periodo de tiempo T ha registrado muy pocas fallas o
ninguna, se asume que est en su periodo de vida til pues nicamente durante este periodo de vida el
componentepuedetenerunabajatasadefallas.
Sea x la variable aleatoria del nmero de fallas de un componente en un periodo de tiempo t, en un

procesodederenovacin.

74

Laprobabilidaddequeocurrankfallasestdadapor:
*
[ ] ( * ) / !*
k t
P x k t k e

= =
Laprobabilidadacumuladaoprobabilidaddequeocurrankomenosfallasestdadapor:
*
0
[ ] ( * ) / !*
k
i t
i
P x k t i e

=
=
Utilizando la muestra de n fallas en un periodo de tiempo T , se determina el valor de la tasa de fallas

estimadaparaelcualsealcanzalaprobabilidadcrticaoderechazo( ):
*
0
1 ( * ) / !*
n
i T
i
T i e

=
= =
Entonces,conun % deconfianzasepuedeafirmarque
< .Esdecir,existeunintervalodeconfianza
unilateralparaestimar donde
eslacotasuperioraproximadadel % deconfianza.
Sloesfcilresolverestaltimaecuacinparaelcasodecerofallas.Enelrestodeloscasosesnecesario
utilizarmtodosnumricos.LaTabla4.1presentaresultadospara
con 5% = yvariosvaloresde T y
n .LaFig.4.16presentalagrficadealgunosdeestosvalores.
Tabla4.1
Valoresde

[fallas/ao]para 5% = utilizandounprocesoderenovacin
n T[aos]
[fallas] 5 10 15 20 25
0 0.5991 0.2996 0.1997 0.1498 0.1198
1 0.9488 0.4744 0.3163 0.2372 0.1898
2 1.2592 0.6296 0.4197 0.3148 0.2518
3 10.1 0.7754 0.5169 0.3877 0.3101
4 10.1 6.2738 0.6102 0.4577 0.3661
5 10.1 10.1 4.5643 1.3932 0.4205
6 10.1 101 10.1 4.0297 1.4449
7 10.1 10.1 10.1 10.1 3.9056
8 10.1 10.1 10.1 10.1 10.1

75

Figura4.16Variacindelatasadefallasestimadaconunprocesoderenovacin
4.10.3Gruposdecomponentes
Si durante un periodo de tiempo T se observan n fallas en un grupo de X componentes similares,

entonces:
' '

/( * ) / / n X T n T X = = =
En este caso,
se refiere a un componente tpico o promedio que representar a cada uno de los

componentesdelgrupo.Artificialmente,seobtienenregistrosoperativosdelcomponentepromediopara
unperiododetiempo
'
* T X T = enelcualsufre n fallas.
Sisecumple,oseasume,quetodosloscomponentesdelgrupoestnensuperiododevidatilyqueel
proceso de llegada de las fallas a cada uno de ellos es un proceso de Poisson homogneo, se pueden
aplicarlosdosmtodospresentadosanteriormente.
Bajoestascondiciones,elprocesodellegadadelasfallasalgrupodecomponentes,tambinesunproceso
dePoissonhomogneoconparmetro
'

* X = .

76

EJEMPLO4.9
Revisandobitcorasquecomprendenunperodode5aos(19982003),soloseencontraronregistradas2
fallasparaunbancodetransformadores115/33kV75MVA.
Estimadorespuntuales
/ 2/5 0.4 n T = = = = Fallas/ao

( ) 1/ 1/ 0.4 2.5 = = = E ttf Aosparafalla
Intervalodeconfianzaunilateral
1.2592 = Fallas/aopara 5% = (Tabla4.1)

( ) 1/ 1/1.2592 0.7942 = = = E ttf Aosparafalla

Entonces,conun95%deconfianzasepuedeafirmar:
1.2592 Fallas/aoy ( ) 0.7942 E ttf Aos/falla
Modeloprobabilsticodelcomponente
EstemodelosedefineconeltiempoparafallasenunprocesodePoissonhomogneo
* 1.2592*
( ) * 1.2592*

= =
t t
ttf
f t e e
1.2592*
( ) 1

=
t
ttf
F t e
Tambin es vlido definir este modelo utilizando los otros valores del intervalo de confianza
unilateral.
Existeaquelsupuestoqueelprocesoderenovacinesexponencial.Podraserotro!

77

EJEMPLO4.10
RevisandolasrdenesdereparacinemitidasporelsistemadeatencinalosusuariosdelaEmpresade
EnergadePereira,seencontrunasolafallaenunperiododecuatroaos(20002003)paraungrupode
37transformadoresdedistribucinde33kV.
Estimadorespuntuales
/( * ) 1/(4*37) 0.006756 n X T = = = = Fallas/ao

( ) 1/ 1/ 0.006756 148 = = = E ttf Aosparafalla
0.0321 = fallas/ao


Modeloprobabilsticodelcomponentetpicoquerepresentaalgrupodecomponentes:
* 0.0321*
( ) * 0.0321*

= =
t t
ttf
f t e e
0.0321*
( ) 1

=
t
ttf
F t e


78

EJEMPLO4.11
Revisando bitcoras que comprenden un periodo de 11 aos (19932003), no se encontraron registros de

fallasparaungrupode12TPsde13.2kV.
Estimadorespuntuales:Nosepuedencalcular.

0.0227 = fallas/ao


Modeloprobabilsticodelcomponentetpicoquerepresentaalgrupodecomponentes:
* 0.0227*
( ) * 0.0227*

= =
t t
ttf
f t e e
0.0227*
( ) 1

=
t
ttf
F t e


79

4.11BIBLIOGRAFA
[1] Ascher H, Feingold H, Repairable systems reliability: Modeling, inference, misconceptions and
theircauses,MarcelDekker,1984.
[2] Ellis K. E, Gibson Gregory J, Trend Analysis of repair times, IEEE Proceedings of Annual
ReliabilityandMaintainabilitySymposium,1991.
[3] Hale P. S, Arno R. G, Survey of reliability and availability information for power distribution,
powergenerationandHVACcomponentsforcommercial,industrialandutilityinstallations,IEEE
Trans.IndustryApplications,vol.37,pp.191196,Feb.2001.
[4] IEEE standard 493, Recommended Practice for the Design of Reliable Industrial and Commercial
Systems,IEEE,1990.
[5] C.J.Zapata,Estimacindetasadefallasdecomponentesencasosdeausenciadedatosocantidades
limitadasdedatos,RevistaScientiaetTechnica,ISSN01221701,No.27,2005.
[6] BillintonR,AllanR.N,ReliabilityevaluationofengineeringsystemsConceptsandTechniques,
PlenumPress,1992.
[7] MillerI.R,FreundJ.E,JohnsonR,Probabilityandstatisticsforengineers,PrenticeHall,1992.
[8] ZapataC.J,CataoD,SurezH.F,ndicesdeconfiabilidaddetransformadoresdedistribucin,
RevistaMundoElctrico,No.57,2004.
[9] Zapata C. J, Garcs L. P, Gmez O, Modelamiento de componentes de sistemas compuestos

generacintransmisinparaestudiosdeconfiabilidad,RevistaScientiaetTechnica,No.25,2004.
[10] Zapata C. J, Garcs A. M, Restrepo W, ndices de confiabilidad de acometidas, Revista Mundo

Elctrico,No.60,2005.
[11] ZapataC.J,CardonaM.C,ZapataJ.E,ndicesdeconfiabilidaddecontadoresdeenerga,Revista
MundoElctrico,No.60,2005.
[12] Zapata C. J, Giraldo A, ndices de confiabilidad de pararrayos de distribucin, Revista Mundo

Elctrico,No.63,2006.
[13] Zapata C. J, Gmez J. A, Garzn Lus E, ndices de confiabilidad de redes secundarias de

distribucin,RevistaMundoElctrico,No.64,2006.

1

Captulo5Anlisisdesistemaspordiagramasdered ConfiabilidadenIngenieraCarlosJ.Zapata
CAPTULO5ANLISISDESISTEMASPORDIAGRAMASDERED
5.1 TIPOSDECOMPONENTESENCUANTOALOSMODOSDEFALLA
Loscomponentesdeunsistemareparableonoreparablesepuedenclasificaren:
Componentes
independientes
La falla de un componente no afecta la probabilidad de falla de otros

componentesdelsistema.
Nohayfallasqueafectensimultneamenteavarioscomponentes
Componentes
dependientes
Lafalladeuncomponenteaumentaodisminuyelaprobabilidaddefalladeotros
componentes. El caso de estudio ms importante es, obviamente, cuando la falla
deuncomponenteaumentalaprobabilidaddefalladeotroscomponentes.
Existenfallasqueafectansimultneamenteavarioscomponentes.

Lasfallasdependientessepuedenclasificaren:

Salidasdemodo
comnocausa
comn
Varios componentes salen simultneamente o en un intervalo de tiempo muy corto

debidoaunamismacausa.
Salidasencascada
Lafalladeuncomponentedesataunasecuenciadefallasdeotroscomponentesenun
efectodomin

5.2SISTEMASQUEPUEDENSERMODELADOSCOMOUNARED
Unsistemareparableonosereparabledecomponentesindependientessepuederepresentarpormedio
deundiagramadered,bloquesolgicosicumplelascondicionesdeunaestructuramonotnica:
1
Cada componente solo tiene dos estados operativos: bueno y fallado, disponible e indisponible,
etc.
2 Elsistemasolotienedosestadosoperativos:buenoyfallado,disponibleeindisponible,etc.
3 Elsistemaestoperandoodisponiblesitodosloscomponentesestnoperando.
4 Elsistemaestfalladooindisponiblesitodosloscomponenteshanfalladooestnindisponibles.
5 Lafalladeuncomponenteenunsistemayafalladonopuederestaurarelsistemaalaoperacin.
6 Lareparacindeuncomponenteenunsistemaoperativonopuedecausarlafalladelsistema.
En un diagrama de red, cada componente se representa como un bloque independiente de los otros
componentes;laconexinentrecomponentesdependerdelaconfiguracinoperativadelsistema.
Lostiposbsicosdeconexindelosbloquesdeundiagramaderedson:

2

Dos componentes estn en serie desde el punto de

vistadeconfiabilidadsiambosdebenoperarparaque
elsistemaopere.
Siunodeloscomponentesfalla,elsistemafalla.
Estaconexinrepresentaunsistemanoredundante.
Dos componentes estn en paralelo desde el punto de

vistadeconfiabilidadsinicamenteuncomponentedebe
operarparaqueelsistemaopere.
Todos los componentes deben fallar para que el sistema

falle.
Estaconexinrepresentaunsistemaredundante.
Un diagrama de red indica cules combinaciones de fallas de los componentes resultarn en la falla del
sistema. Si un componente falla o est indisponible, se remueve del diagrama de red. Si se retiran
suficientes bloques del diagrama de red de tal forma que se interrumpe la conexin entre los puntos de
entradaysalida,elsistemahafalladooquedaindisponible.
Paramodelarunsistemapormediodeundiagramaderedsesigueelsiguienteprocedimiento:
1
Dividirelsistemaencomponentes
Losmodosdefalladelasseccionesosubsistemasdelsistemaque
se representen como bloques del diagrama de red tienen que ser
independientesentres.
Debido a la dependencia entre los modos de falla de los

componentes y a lo complejo de las configuraciones operativas, a
veces, puede ser difcil establecer el diagrama de red de un
sistema.
2
Conectarentresloscomponentes
segnlaconfiguracinoperativadel
sistema
Sedefinenlasconexionesbsicasserieyparalelodesdeelpuntode
vista de confiabilidad. Otras conexiones ms complejas tambin
sonposibles.
Tenerencuentaque:
Eldiagramaderedyelsistemarealnotienennecesariamentelamismatopologa.
Latopologafsicaindicacmoestnconectadosentresloscomponentesenelsistemareal,mientrasque
latopologadeldiagramadebloquesrepresentalaconfiguracinoperativadelsistema,esdecir,susmodos
defalla.
Unsistemafsicoconunaestructuratopolgicadefinidapuedetenerdiferentestopologasderedencuanto
aconfiabilidaddependiendodelosrequerimientosaloscualesessometido.Verelejemplo5.1.
1 2
1
2

3

EJEMPLO5.1
EnlaFigura5.1semuestraeldiagramaelctricoylosdiagramasdereddeconfiabilidadparadiferentes
requerimientosoperativos.
Figura5.1Diagramasderedparaunsistemaelctricoconvariosrequerimientosoperativos
5.3PARMETROSDELOSCOMPONENTES
Cada componente i de un diagrama de red que representa un sistema reparable o no reparable se

caracterizaconalgunodelossiguientesparmetros:
Componentenoreparable Laprobabilidaddefalla
i
F olaconfiabilidad
i
R
Componentereparable
Ladisponibilidad
i
A olaindisponibilidad
i
U
Laprobabilidaddefalla
i
F olaconfiabilidad
i
R
Engeneral,estosparmetrossonfuncionesdeltiempo,peropuedenaparecercomovalorespuntualessi:
1 Seevalanenformaestadstica
2 Laprobabilidaddefallaylaconfiabilidadseevalanparaunperiododetiempodado
3 Ladisponibilidadeindisponibilidadcorrespondenalestadoestable( = t )
Acontinuacinsedesarrollanlasecuacionesparavalorarlaconfiabilidadparasistemasserie,paraleloy
complejos. En estas ecuaciones se utilizan
i
F y
i
R ; los resultados obtenidos aplican de igual forma si
estosparmetrossereemplazanpor
i
U y
i
A ,respectivamente.
T1 T2 T3
Carga
Fuente
T1 T2 T3
T1 T2
T1 T3
T2 T3
3
T1
T2
T3
2
1
Transformadoresrequeridos
paraatenderlacarga

4

5.4CONFIABILIDADDEUNSISTEMASERIE
Figura5.2Sistemadedoscomponentesindependientesenserie
ConsidereunsistemaconformadopordoscomponentesindependientesAyBconectadosenseriedesde
elpuntodevistadeconfiabilidad:
Sean:
A: EleventodequeelcomponenteAesteenelestadooperativo
B: EleventodequeelcomponenteBesteenelestadooperativo
Paraqueelsistemafuncione,amboscomponentesdebenfuncionar,entonces:
= = = [ ] [ ] [ ]
SISTEMA A B
R P A B P A P B R R
A
R y
B
R son las confiabilidades individuales de los componentes A y B, como funcin del tiempo o
comounvalornumrico.
Enformageneral,paraunsistemade n componentesnoreparablesenseriesetiene:
=
=
1
( ) ( )
n
SISTEMA i i
R t R t
=
=
1
( ) 1 ( )
n
SISTEMA i i
F t R t
Se puede concluir que la confiabilidad de un sistema conformado por componentes conectados en serie
siempresermenorquelaconfiabilidaddelcomponentemenosconfiable.
La confiabilidad de un sistema de componentes conectados en serie se puede mejorar de las siguientes

maneras:
Reduciendoelnmerodecomponentes
Aumentando la confiabilidad individual de cada

componente
Equivaleamejorarlacalidaddeloscomponentes,lo
cualimplicaunaumentoenloscostos.
A B

5

EJEMPLO5.2
Unsistemaconsistentede2componentesrequierequeambosfuncionenparaqueelsistemafuncione.
Las confiabilidades individuales para un periodo de 5 aos son

1
( 5 ) 0.98 R t aos = = y
2
( 5 ) 0.95 R t aos = = .
Confiabilidaddelsistemaenunperiodode5aos
2
1
( 5 ) (5 ) 0.98 * 0.95 0.9310
i i
R t aos R aos
=
= = = =
Probabilidaddefalladelsistemaenunperiodode5aos
= = = = = ( 5 ) 1 ( 5 ) 1 0.9310 0.069 F t aos R t aos

EJEMPLO5.3
Eldiseodeunsistemarequiereque10componentesidnticosfuncionenparaqueelsistemafuncione.

La confiabilidad del sistema en un periodo de 20 aos no puede ser menor a 0.98. Cul debe ser la
confiabilidadmnimadeloscomponentes?
20 20
1
( 20 ) (20 ) 0.98
i i i
R t aos R aos R
=
= = =
1/ 20
0.98
i
R 0.997981
i
R

6

5.5CONFIABILIDADDEUNSISTEMAPARALELO
Figura5.3Sistemadedoscomponentesindependientesenparalelo
Considere un sistema conformado por dos componentes independientes A y B conectados en paralelo

desdeelpuntodevistadeconfiabilidad:
Sean:
A: EleventodequeelcomponenteAnofuncione
B: EleventodequeelcomponenteBnofuncione
Paraqueelsistemafalle,amboscomponentesdebenfallar,entonces:
= = = [ ] [ ] [ ]
SISTEMA A B
F P A B P A P B F F
A
F y
B
F sonlasprobabilidadesdefallaindividualesdeloscomponentesAyB,comofuncindeltiempo
ocomounvalornumrico.
Enformageneral,paraunsistemade n componentesnoreparablesenparalelosetiene:
=
=
1
( ) ( )
n
SISTEMA i i
F t F t
=
=
1
( ) 1 ( )
n
SISTEMA i i
R t Q t
Se puede concluir que la confiabilidad de un sistema conformado por componentes conectados en

paraleloseaumentaconformeseaumentaelnmerodecomponentes.
Sinembargo,elaumentarelnmerodecomponentesredundantestienelassiguientesdesventajas:
1 Seaumentaelcostodelsistema Costodeinversinyoperativo
2
Seaumentanlasdimensionesdelsistema
Elaumentoenpesoyvolumenpuedeafectarlasprestaciones
delsistema.
A
B

7

EJEMPLO5.4
Unsistemaconstade2componentesredundantes.Lasconfiabilidadesindividualesparaunperiodode5
aosson
1
( 5 ) 0.98 R t aos = = y
2
( 5 ) 0.95 R t aos = = .
Confiabilidaddelsistemaenunperiodode5aos
2
1
( 5 ) 1 (5 ) 1 (1 0.98)(1 0.95) 0.9990
i i
R t aos Q aos
=
= = = =
Probabilidaddefalladelsistemaenunperiodode5aos
= = = = = ( 5 ) 1 ( 5 ) 1 0.9990 0.001 F t aos R t aos
EJEMPLO5.5
Uncomponentedeunsistematieneunaconfiabilidadindividualde0.8enunperiododetiempodado.
Evaleelefectosobrelaconfiabilidaddelsistemaalaadircomponentessimilaresredundantes.
#Componentes
delsistema
Confiabilidaddel
sistema
Incrementoen
confiabilidad
%
Incremento
1 0.80000
2 0.96000 0.160000 20.000
3 0.99200 0.032000 3.333
4 0.99840 0.006400 0.645
5 0.99968 0.001280 0.128

Conclusin: La mayor ganancia en confiabilidad se obtiene al colocar el primer componente
redundante.
EJEMPLO5.6
El diseo de un sistema requiere una confiabilidad total en un periodo de 20 aos de 0.96. Se utilizarn
componentes individuales con una confiabilidad de 0.7 en 20 aos. Cul es el nmero mnimo de
componentesredundantesrequerido?
=
= = =
1
(20 ) 1 0.96 0.04 (1 (20 ))
n
i i
F aos R aos
(1 0.7) 0.04
n
=
0.3 0.04
n
= * (0.3) (0.04) n Ln Ln = 2.6735 3 n =
Conclusin:Serequierenmnimo3componentesenparalelo.

8

5.6REDUCCINDEUNAREDMEDIANTECOMBINACIONESSERIEYPARALELO
Los sistemas serie y paralelo forman la base para analizar configuraciones ms complicadas que estn
formadasporcombinacionesdeellas.
Elmtodogeneralesreducirsecuencialmentelaredhaciendocombinacionesdecomponentesenseriey
paralelohastaobtenerunsoloelementoequivalente.
Elelementofinalqueseobtienedespusdehacerlareduccinderedrepresentaalsistema.
Si una red o una parte de ella no puede reducirse mediante combinaciones serie y paralelo, se deben
aplicarotrosmetodologas,algunasdelascualessepresentanacontinuacin.
EJEMPLO5.7
Figura5.4Ejemplodereduccindeunsistemamediantecombinacionesserieyparalelo
R1 R2 R3
R4 R5 R6
R7
R8
R9
7 1 2 3
8 4 5 6
R R R R
R R R R
=
=

9 7 8 7 8
1 2 3 4 5 6 1 2 3 4 5 6 SISTEMA
R R R R R
R R R R R R R R R R R R R
= +
= +

9

5.7SOLUCINDEREDESCONTOPOLOGASCOMPLEJAS
Figura5.5Estructuratipopuente
Cuandounsistemaounapartedeestenopuedenreducirsemediantecombinacionesserieoparalelode
suscomponentes,sedicequeelsistematieneunatopologacompleja.
UnejemploclsicodeestetipodesistemaseslaestructurapuentemostradaenlaFigura5.5
Paravalorarlaconfiabilidaddeestetipodesistemassedebeaplicaralgunodelossiguientesmtodos:
rbolesdeeventos
rbolesdefalla
Conjuntosdecortes
Conjuntosdelazos
Matrizdeconexin
Probabilidadcondicional
SimulacindeMontecarlo
Enestecaptulosepresentarnlosmtodosdeconjuntosdecortesyconjuntosdelazos.
Losrbolesdeeventosyrbolesdefallassepresentanenelcaptulo8.
Los algoritmos de simulacin de Montecarlo son diferentes para sistemas reparables y sistemas de
reparables. As, stos son presentados en los captulos de confiabilidad de sistemas reparables y no
reparables.
A

E
C
B D

10

5.8CONJUNTOSDECORTES
Figura5.6Conjuntosdecortesdeunaredtipopuente
Uncorte(Cut)esaquellacombinacindecomponentesquesifallan,hacenfallaralsistema.
Todosloscomponentesdeuncortedebenfallarparacausarlafalladelsistema,porlocual,suconexin
estenparalelo.
Loscortesdeunsistemaseconectanentresenserieyaquelafalladecualquieradeellosproducelafalla
delsistema.As,seobtieneelconjuntodecortes(Cutsets)delsistema.
EnlaFigura5.6sepresentaelconjuntodecortesmnimosparalaredtipopuente.
EJEMPLO5.8
HallarlaprobabilidaddefallaparaelsistemamostradoenlaFigura5.6medianteelmtododeconjuntos
mnimosdecortes.
=
1 C A B
F F F =
2 C C D
F F F =
3 C A E D
F F F F =
4 C B E C
F F F F
=
1 2 3 4
[ ]
SISTEMA
F F C C C C = + + +
1 2 3 4 1 2 1 3 1 4
[ ] [ ] [ ] [ ] [ ] [ ] [ ] F C F C F C F C F C C F C C F C C
+ +
2 3 2 4 3 4 1 2 3 1 2 4
[ ] [ ] [ ] [ ] [ ] F C C F C C F C C F C C C F C C C
+ +
1 3 4 2 3 4 1 2 3 4
[ ] [ ] [ ] F C C C F C C C F C C C C
Aplicandolassiguientesecuaciones:
1 2 1 2 1 2
[ ] [ ] [ ] [ ] P x x P x P x P x x = +
1 2 3 1 2 3 1 2 1 3 2 3 1 2 3
[ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] P x x x P x P x P x P x x P x x P x x P x x x = + + +
Seobtiene: =
SISTEMA
F + + +
A B C D A D E B C E A B C D
F F F F F F F F F F F F F F
+ 2
A B D E A B C E B C D E A B C D E
F F F F F F F F F F F F F F F F F

S =
i
F F = + +
2 3 4 5
2 2 5 2
SISTEMA
F F F F F
A

E
C
B D
A
B
C
D
E
D
A
E
C
B
C1 C2 C3 C4

11

5.9CONJUNTOSDELAZOS
Figura5.7Conjuntosdelazosdeunaredtipopuente
Unlazo(Tie)esaquellacombinacindecomponentesquesioperan,garantizanlaoperacindelsistema.
Si alguno de los componentes de un lazo fallan no se garantiza la operacin del sistema mediante esa
trayectoriaocombinacin,porlocual,laconexindesuscomponentesestenserie.
Los lazos de un sistema se conectan entre s en paralelo ya que la operacin de cualquiera de ellos
garantizalaoperacindelsistema.As,seobtieneelconjuntodelazos(Tiesets)delsistema.
EnlaFigura5.7sepresentaelconjuntodelazosmnimosparalaredtipopuente.
EJEMPLO5.9
HallarlaprobabilidaddefallaparaelsistemamostradoenlaFigura5.7medianteelmtododeconjuntos
mnimosdecortes.
=
1 T A B
R R R =
2 T C D
R R R =
3 T A E D
R R R R =
4 T B E C
R R T T

=
1 2 3 4
[ ]
SISTEMA
R R T T T T = + + +
1 2 3 4 1 2 1 3 1 4
[ ] [ ] [ ] [ ] [ ] [ ] [ ] R T R T R T R T R TT R TT R TT
+ +
2 3 2 4 3 4 1 2 3 1 2 4
[ ] [ ] [ ] [ ] [ ] R T T R T T R T T R TT T R TT T
+ +
1 3 4 2 3 4 1 2 3 4
[ ] [ ] [ ] R TT T R T T T R TT T T
Aplicandolassiguientesecuaciones:
1 2 1 2 1 2
[ ] [ ] [ ] [ ] P x x P x P x P x x = +
1 2 3 1 2 3 1 2 1 3 2 3 1 2 3
Seobtiene: =
SISTEMA
R + + +
A B C D A D E B C E A B C D
R R R R R R R R R R R R R R
+ 2
A B D E A B C E B C D E A B C D E
R R R R R R R R R R R R R R R R R

S =
i
R R = + +
2 3 4 5
2 2 5 2
SISTEMA
R R R R R
A

E
C
B D
T1
T2
T3
T4
A C
B D
A E D
B E C

12

5.10MTODODEENUMERACINDEESTADOS
Siunsistemareparableonoreparabledecomponentespuedeserrepresentadoporundiagramadered,
estoquieredecirqueelsistematiene 2
n
estadosoperativos.
Los estados operativos del sistema resultan de las combinacionesde estados operativos y de falla de los
componentes.
Elconjuntodeestadosoperativosdelsistemasedenominaelespaciodeestado.
La probabilidad de ocurrencia de uno de los estados operativos se puede hallar mediante la frmula de
probabilidaddeocurrenciasimultneadeeventosindependientes:
=
= =

2
1 1 2
1
[ ] [ ] [ ] [ ] [ ]
n
n n i
i
P E E E P E P E P E P E
Dondeloseventos
i
E puededefinirsedelasiguientemanera:
= =
= =
i
i i i
i
i i i
E F E R
E U E A

Laprobabilidaddefalladelsistemasehallasumandolasprobabilidadesdeocurrenciadetodosaquellos
estadosoperativosqueimplicanfalladelsistema.
Ntese que para aplicar este mtodo debe realizarse una enumeracin exhaustiva de todos los estados
operativos posibles, lo cual, puede ser una tarea complicada incluso para sistemas con pocos
componentes.
EJEMPLO5.10
Considereelsistemareparablemostradoenlafigura5.8.
Figura5.8Sistemaelctricoysumodelodeconfiabilidad
Latabladeestadosdeoperacindelsistemamostradoenlafigura5.8es:
C1
C2
C3
Carga
C1
C2
C3

13

i
Componentesdisponibles
P[estadoi]
C1 C2 C3
1 SI SI SI
1 2 3 C C C
A A A
2 SI SI NO
1 2 3 C C C
A A U
3 SI NO SI
1 2 3 C C C
A U A
4 NO SI SI
1 2 3 C C C
U A A
5 NO NO SI
1 2 3 C C C
U U A
6 NO SI NO
1 2 3 C C C
U A U
7 SI NO NO
1 2 3 C C C
A U U
8 NO NO NO
1 2 3 C C C
U U U
Ladisponibilidadeindisponibilidaddelsistemasehalladelasiguienteforma:
= + + [ 1] [ 2] [ 3]
SISTEMA
A P estado P estado P estado
= + + + + [ 4] [ 5] [ 6] [ 7] [ 8]
SISTEMA
U P estado P estado P estado P estado P estado

En este ejercicio se asume que cualquiera de las dos lneas de transmisin puede transportar toda la
energarequeridaporlacarga.

1

Captulo6Sistemasnoreparables ConfiabilidadenIngenieraCarlosJ.Zapata
CAPTULO6SISTEMASNOREPARABLES
6.1MTODOSDESOLUCIN
Paravalorarlaconfiabilidaddeunsistemanoreparablesepuedenaplicarlossiguientesmtodos:
1 Diagramasdered
2 SimulacindeMontecarlo
6.2DIAGRAMASDERED
Estemtodoysusformasdesolucinseexplicaronenalcaptuloanterior.
Recordar que este mtodo solo aplica para sistemas de componentes independientes que cumplen las
condicionesdeunaestructuracoherente.
Enelcaptulo3seexplicacmoobtener R y F parauncomponentenoreparable.
6.3SIMULACINDEMONTECARLO
El mtodo de simulacin de Montecarlo permite valorar la confiabilidad de un sistema no reparable de

cualquiernmerodecomponentes,cualquiertopologaycualquiertipodedistribucindelafuncinde
vidadeloscomponentes.
Laconfiabilidadsevaloraparauntiempodeinters T .
PROCEDIMIENTOGENERAL
1. Representeelsistemaporsuredserie,paralelo,conjuntomnimodecortesolazos.
2. Genere un tiempo para falla ttf para cada uno de los componentes a partir de su correspondiente
distribucindelafuncindevida.
3. Evaluar:
Sitodoslostiemposparafallasonmayoresque T cuenteesteeventocomounxito.
Sistemaserie: Si alguno de los tiempos para falla es menor que T

cuente este evento
comounfracaso.
Sistemaparalelo: Si alguno de los tiempos para falla es mayor que T cuente este evento
comounxito.
Sistemacomplejo: El tiempo para falla de cada conjunto de corte ser el del componente con
mayortiempodefalla.Eltiempodefalladelsistemaserelmenortiempo
parafalladelosconjuntosdecorte.

2

Captulo6Sistemasnoreparables ConfiabilidadenIngenieraCarlosJ.Zapata
El tiempo parafalla de cada conjunto de lazos serel del componente con
menortiempodefalla.Eltiempodefalladelsistemaserelmayortiempo
parafalladelosconjuntosdelazos.
Si el tiempo para falla del sistema es mayor o igual a T cuente este evento como un xito, de lo
contrarioesunfracaso.
4. Repitalospasos1a3hastauncumplirelcriteriodeparada.
5. Evale:
= # / R exitos N

= # / F fracasos N

=
=

#
1
#
fallas
i
i
falla
ttf
t
fallas

Donde N eselnmerodeiteracionesrealizado.
Para hallar la distribucin de probabilidad del tiempo para falla del sistema, se debe correr el anterior
algoritmoparadiversosvaloresde T .

1

Captulo7Sistemasreparables ConfiabilidadenIngenieraCarlosJ.Zapata
CAPTULO7SISTEMASREPARABLES
7.1MTODOSDESOLUCIN
Paravalorarlaconfiabilidaddeunsistemareparablesepuedenaplicarlossiguientesmtodos:
1 Diagramasdered
2 Latcnicadebloquesdefrecuenciayduracin
3 CadenasdeMarkov
4 SimulacindeMontecarlo
Algomuyimportanteatenerencuentaesqueunsistemareparablepuedetenercomponentesreparables
ynoreparables.
Loscomponentesnoreparablesseconsideranquesonreparablesmediantereemplazo.As,eltiempode
reparacindeestoscomponentessereltiemporequeridoparasureemplazo.
7.2DIAGRAMASDERED
Estemtodoysusformasdesolucinseexplicaronenalcaptuloanterior.
Recordar que este mtodo solo aplica para sistemas de componentes independientes que cumplen las
condicionesdeunaestructuracoherente.
Enelcaptulo4seexplicacmoobtener A yU parauncomponentereparable.
La probabilidad de falla y la confiabilidad en un periodo t para un componente que es modelado

medianteunprocesoestocsticopuntualconfuncindeintensidaddefallas ( ) t sehallandelasiguiente
forma:

= > =
1 ( )
1
[ ( ) 1] [ ( )] *
1!
t
f
F P n t t e

= = =
0 ( )
1
[ ( ) 0] [ ( )] *
0!
t
f
R P n t t e

Donde:

= =
0
( ) [ ( )] ( )
t
f
t E n t t dt

2

7.3TCNICADEBLOQUESDEFRECUENCIAYDURACIN
EstemtodoesunaaproximacinderivadadelacadenadeMarkovhomogneoexponencialyenelcual
cadacomponenteseconsideracomounbloquequesedefineconlossiguientesparmetros:
Latasadefallas,generalmenteexpresadaen[fallas/ao]
r Eltiempomedioparareparacin,generalmenteexpresadoen[horas]
eslafrecuenciadefallasy r esladuracindelasfallas.
Lasecuacionesparareducirlaredson:
1 2 s
= +
1 1 2 2
1 2
( )
( )
s
r r
r
+
=
+

1 2 1 2
( )
p
r r = +
1 2
1 2
( )
p
r r
r
r r
=
+

Laindisponibilidaddecualquiercomponenteodelsistemasecalculacomo:
= U r

U generalmenteseexpresaen[horasdeindisponibilidad/ao].Siesteresultadosedividepor8760horas
seobtendrsuvalorenprobabilidad
Tambinsepuedeaplicarestemtodoconjuntosdecortesolazosmnimos.
Algunasconsideracionesconrespectoaestemodelamiento:
1
Al utilizar tasas de fallas y reparacin constantes, se considera que los procesos de fallas y reparaciones de
los componentes y, por consiguiente del sistema, son estacionarios. Esto debera verificarse antes de aplicar
estemtodo.
2
Como este mtodo se deriva de la cadena de Markov homognea exponencial, los tiempos para falla y
reparacindebenestarexponencialmentedistribuidos.Estodeberaverificarseantesdeaplicarestemtodo.
3
Las soluciones de este mtodo para , r ,U solo dan valores esperados, pues son una simplificacin a la
solucinexactadadaporlacadenadeMarkovhomogneaexponencial.
4
Como ste mtodo es una simplificacin derivada de la cadena de Markov homognea exponencial, la
distribucinasociadaalostiemposparafallayreparacindelsistemanosonexponenciales.
5
Solo se recomienda utilizar este tipo de modelamiento si la indisponibilidad anual de los componentes es
menoral10%.
6
Como este mtodo opera sobre un diagrama de red, entonces, los componentes tienen que ser
independientesycumplirselascondicionesdeunaestructuracoherente.
1,r1
2,r2
p,rp 1,r1 2,r2 s,rs

3

DEMOSTRACINDELASECUACIONESPARAELSISTEMASERIE
Para un componente reparable con dos estados discretos y distribuciones exponenciales para los
tiempos de falla y reparacin, la probabilidad de encontrar el componente en el estado bueno en
untiempofuturoes:
( )
UP
P

=
+

Para un sistema de dos componentes reparables en serie, cada uno con dos estados discretos y
distribucionesexponencialesparalostiemposdefallayreparacionessetiene:
Estado Componente Resultado

1 2
1 bueno bueno bueno
2 fallado bueno fallado
3 bueno fallado fallado
4 fallado fallado fallado
Probabilidaddeencontrarelsistemabueno:
1 2
1 1 2 2
( )
( )( )
UP
P

=
+ +

Tasadesalidadelestadobueno:
1 2
= +
Haciendo:
1 2
1 1 2 2
( )( )
S
S S

=
+ + +

Reemplazandolastasasdereparacinporsusinversosysolucionandopara
s
r :
1 2 1 2
1 2
1 1
1 1 1
( )( ) ( )
s s
s
r r r
r r r
=
+ + +

1 1 2 2
1 1
( 1)( 1) ( 1)
s s
r r r
=
+ + +

1 1 2 2
( 1)( 1) ( 1)
s s
r r r + + = +
1 1 2 2
( 1)( 1) ( 1)
s s
r r r + + = +
1 1 2 2 1 1 2 2
1 1
s s
r r r r r + = + + +
1 1 2 2 1 1 2 2 s s
r r r r r = + +
Haciendo
1 1 2 2 1 1 2 2
( ) r r r r << +
1 2 s
= + y
1 1 2 2 1 2
( ) /( )
s
r r r = + +
Generalizandopara n componentes:
1
n
s i
i =
=
y
1
( ) /
n
s i i s
i
r r
=
=
1,r1 2,r2 s,rs

Sistema
bueno
1 2
3 4
1

2

1

1

2

2

1

2

Sistema
fallado

4

DEMOSTRACINDELASECUACIONESPARAELSISTEMAPARALELO
Para un componente reparable con dos estados discretos y distribuciones exponenciales para los
tiemposdefallayreparacin,laprobabilidaddeencontrarelcomponenteenelestadofalladoen
untiempofuturoes:
( )
DOWN
P

=
+

Para un sistema de dos componentes reparables en paralelo, cada uno con dos estados discretos y
distribucionesexponencialesparalostiemposdefallayreparacionessetiene:
Estado Componente Resultado

1 2
1 bueno bueno bueno
2 fallado bueno bueno
3 bueno fallado bueno
4 fallado fallado fallado
Probabilidaddeencontrarelsistemafallado:
1 2
1 1 2 2
( )
( )( )
DOWN
P

=
+ +

Tasadesalidadelestadofallado:
1 2
= +
Haciendo:
1 2
1 1 2 2
( )( )
P
P P

=
+ + +

Reemplazandolastasasdereparacinporsusinversosysolucionandopara
s
r :
1 2
1 2
1 2
1 1 1
( )( )
P
P
p
r r r

=
+ + +

1 2 1 2
1 1 2 2
( 1)( 1) ( 1)
p p
p p
r
r r
r r r

=
+ + +

1 2
1 2 1 2
1 1
p p
r r
r
r r r r
= + =
+

1 2
1 2 1 2
1 2
1 1 2 2 1 1 2 2
1 2
1 2
( 1)
( 1)( )
p
p
r r
r r
r r
r r r r
r r
r r

=
+ + +
+ +
+
1 2
1 1 2 2 1 1 2 2 1 2 1 2
1 ( )
p
p
r r r r r r r r

=
+ + + + +

1 1
1 r << ,
2 2
1 r << ,
1 1 2 2
1 r r << y
1 2 1 2
( )
p
r r r r << +
1 2 1 2
( )
p
r r = +
1 2
3 4
1

2

1

1

2

2

1

2

Sistema
bueno
Sistema
fallado
1,r1
2,r2
p,rp

5

EJEMPLO7.1
Componente
[Fallas/ao]
r
[Horas/reparacin]
1 L1 6.0 2.0
2 T1 0.5 6.0
3 T2 1.0 4.0
4 L2 12.0 2.0
Valorarlaconfiabilidaddelsistemaelctricomostradoenlafigura.
1. Reduccinsecuencialdered:
Combinandoloscomponentes2y3enunnuevocomponentex:

2 3 2 3
( ) / 8760 0.000571
x
r r = + = [Fallas/ao]
2 3 2 3
/( ) 2.4
x
r r r r r = + = [Horas/reparacin]
Combinandoloscomponentes1yxenunnuevocomponentey:
1
6.000571
y x
= + = [Fallas/ao]
1 1 1
( ) /( ) 2.0000385
y x x x
r r r = + + = [Horas/reparacin]
Combinandoloscomponentesyy4:
4 4
( ) / 8760 0.03288
SISTEMA y y
4 4
/( ) 1.000010
SISTEMA y y
0.03288
SISTEMA
U = [Horas/ao]
Losresultadosobtenidoscorrespondenavaloresesperados.
L1
L2
T1
T2
34.5 kV
13.8 kV
13.8 kV
2,r2
3,r3
1,r1
4,r4

6

EJEMPLO7.2
ResolverelEjemplo7.2utilizandoconjuntosdecortes.
Conjuntodecortesmnimos
Combinandoloscomponentes1y4enunnuevocomponentex:

1 4 1 4
( ) / 8760 0.03287
x
1 4 1 4
/( ) 1.000000
x
Combinandoloscomponentes2y3enunnuevocomponentey:

2 3 2 3
( ) / 8760 0.000571
y
2 3 2 3
/( ) 2.40000
y
Combinandoloscomponentesyy4enunnuevocomponentez:

4 4
( ) / 8760 0.000005
z y y
4 4
/( ) 1.090909
z y y
Combinandoloscomponentesxyz:
0.032881
SISTEMA x y
= + = [Fallas/ao]
( ) /( ) 1.000011
SISTEMA x x z z x z
r r r = + + = [Horas/reparacin]

0.032881
SISTEMA
U = [Horas/ao]
Losresultadosobtenidoscorrespondenavaloresesperados.
Comoseobserva,seobtienenlosmismosresultadosqueconelmtodoanterior.
1,r1
4,r4
3,r3
4,r4
2,r2

7

7.4CADENASDEMARKOV
Esteeselmtodomsutilizadoparavalorarlaconfiabilidaddesistemasreparables.
Estapreferenciasedebeaqueconestemtodo:
1 Sepuedenconsiderarcomponentesconcualquiernmerodeestadosoperativos
2 Sepuedenconsiderarcomponentesindependientesyconmodosdefalladependientes
3 Sepuedenutilizartasasdefallasyreparacionesconstantesovariableseneltiempo
4
Se representa la secuencia de estados operativos de los componentes que llevan a un determinado estado
operativodelsistema
Elprocedimientoaaplicares:
1 Definirlosestadosoperativosdelsistemayhacersudiagrama.
2
Dependiendodelaformadelastasasdetransicinentreestados(constantesovariableseneltiempo)yde
la distribucin de probabilidad asociadas a las tasas de transicin constantes, seleccionar el mtodo de
solucinparaelsistemadeecuacionesdiferencialesquedescribenelsistema.
3 Determinarculesestadossignificandisponibilidadeindisponibilidaddelsistema
4 Acumularestadosparahallarlaindisponibilidadodisponibilidaddelsistema
Para un sistema de n componentes con dos estados operativos el nmero de estados del operativos del
sistemaestiene 2
n
estadosoperativos.
Ntese que para aplicar este mtodo debe realizarse una enumeracin exhaustiva de todos los estados
operativos posibles, lo cual, puede ser una tarea complicada incluso para sistemas con pocos
componentes.
Este modelo tambin puede ser resuelto mediante simulacin de Montecarlo, sin embargo, con ste
mtodosoloseobtieneelestadoestable.

8

EJEMPLO7.3
Considereelsistemareparablemostradoenlasiguientefigura
Latabladeestadosdeoperacindelsistemaes:
i
Componentesdisponibles
C1 C2 C3
1 SI SI SI
2 SI SI NO
3 SI NO SI
4 NO SI SI
5 NO NO SI
6 SI NO NO
7 NO SI NO
8 NO NO NO
Diagramadeestados:
Ntese que en este diagrama de transicin de estados se est considerando que las fallas de los
componentesocurrendeauna.Esdecir,noexistenfallasdemodocomn.
C1
C2
C3
Carga
2
8
4
7 6 5
3
3
( ) t
3
( ) t
1
2
( ) t
2
( ) t
1
( ) t
1
( ) t
3
( ) t
3
( ) t
2
( ) t
2
( ) t
1
( ) t
1
( ) t
2
( ) t
2
( ) t
1
( ) t
1
( ) t
3
( ) t
3
( ) t

9

En este mtodo tambin pueden considerarse modos de falla comn que afecten de a dos o tres
componentes a la vez. Por ejemplo, un modo de falla comn para las dos lneas de transmisin y un
modelodefallacomnparalostrescomponentes:
Paralosmodosdefallacomnhayquedefinirlastasasdefallaydereparacin.
2
8
4
7 6 5
3
3
( ) t
3
( ) t
1
2
( ) t
2
( ) t
1
( ) t
1
( ) t
3
( ) t
3
( ) t
2
( ) t
2
( ) t
1
( ) t
1
( ) t
2
( ) t
2
( ) t
1
( ) t
1
( ) t
3
( ) t
3
( ) t

10

7.5SIMULACINDEMONTECARLO
Estemtodopermitemezclardiversostiposdemodelamientodeloscomponentes,modosdefallacomn,
secuenciasoperativas,diversaslogsticasparareparacin,operacinbalanceadaodesbalanceadayloms
importante, se puede combinar con otros procesos iterativos como algoritmos genticos, flujos de carga,
etc.
SumayordesventajaradicaenelaltotiempocomputacionalycapacidaddememoriaRAMrequeridos,lo
cualseagravaensistemasquetienencomponentescontasasdefallasmuybajas.
A continuacin, se presenta un algoritmo bsico para realizar estudios de confiabilidad en sistemas

reparablesconsiderandoelcriteriodeprdidadecomponentes 1 n .
Enestealgoritmosesimulalaoperacindeunsistemareparableduranteunperiododetiempodeinters
T, generalmente 1 ao, el cual se denomina un escenario. Este procedimiento se repite n veces o
realizacionesconlascualesseobtieneunamuestraparacadaunadelassalidas.Enlasiguientefigurase
esquematizaesto.
PROCEDIMIENTO
1. = 0
i
t
2. Generar un tiempo para falla ttf para cada uno de los componentes a partir de su correspondiente
modelodefalla
3. Determinarelcomponente x conmenortiempoparafallayhacer = + min( ) t t ttf
4. Si t esmayoroiguala1ao,nohayfallaenelsistemaenestaiteracin.Iralpaso8.
t 0
1 ao
t 0
1 ao
t 0
1ao
Realizacin1
.
.
.
Realizacin2
.
.
.
Realizacinn

11

5. Generaruntiempoparareparacin ttr paraelcomponente x utilizandoelcorrespondientemodelo
dereparacin
6. Calculareltiempoacumuladodeoperacindelsistema:
= + +
1 i i
t t ttf ttr
7. Determinarelefectodelafallasobreelsistema:Usuariosdesconectados,demandanoservida(MW,
MWh), prdida de produccin, violacin de las condiciones operativas (calidad de la potencia,
seguridad, sobrecargas, etc.). La valoracin de este ltimo aspecto puede requerir ejecutar otras
funcionescomoflujodecarga,flujodecargaarmnico,etc.
8. Acumularlosndicesdedesempeodelsistema:Nmerodefallasenlospuntosdecarga,horasde
indisponibilidad en los puntos de carga, prdida de produccin, demanda no servida, nmero de
violacionesdevoltaje,etc.
9 Si < 1
i
t aovolveralpaso2
10. Si 1
i
t aosehasimuladounaodeoperacindelsistema.Seconsideraqueestaesunaiteracin.
Ajustarelltimo ttf o ttr paraqueeltiempototal t seaiguala1aoyvolveralpaso1.
11. Repetirhastaunnmeropreespecificadodeiteracionesuotrocriteriodeparada
12. Procesardatosdecadasalida:histograma,estadsticasdescriptivas,ajusteaunadistribucin.
EJEMPLO7.4
Considereelsistemaelctricodeuncampopetroleroquetienetrespozosloscualesproducen,cadauno,5
barrilesdepetrleoporhora.
POZO 1
C1
POZO 3
C3
POZO 2
C4
C6
C5
FUTURO
C2
115 kV
34.5 kV 34.5 kV

12

Lasdistribucionesdeprobabilidaddelosequiposson:
Equipo falla
t
reparacion
t
C1,C2,C3 Exponencial 2 h = fallas/ao Exponencial 24 r = horas
C4,C5 Gamma 2 = 3 = aos Gamma 1.5 = , 108 = horas
C6 Uniforme 0 a = aos 1 b = ao Exponencial 48 r = horas
Paraunperiododeunao,estimarparacadapozo:elnmerodefallasdelsistemaelctricolashorasde
indisponibilidadanual,lacantidaddebarrilesquesedejandeproducir.
Paraelcampo,estimarlasprdidasanualessicadabarrildepetrleosevendeaUS$50.
Esteproblemanotienesolucinanalticaycorrespondeaunasimulacinsecuencial.
Existeuneventodefinalizacindelasimulacinqueescuandosealcance1ao
Aplicar el criterio n1 (Prdida de un solo componente, no salidas simultneas) para las salidas de los
componentes.

EjecuteenMatlabelprogramaprobejesim8.mparavariosnmerosdeiteracionesycambiandolainstruccinde
reiniciodelageneracindelosnmerosaleatorios.

1

Captulo8rbolesdeeventosydefallas ConfiabilidadenIngenieraCarlosJ.Zapata
CAPTULO8RBOLESDEEVENTOSYDEFALLAS
8.1INTRODUCCIN
Contrarioalosmtodosdeanlisisdeconfiabilidadbasadosendiagramasdered,losrbolesdeeventos
yrbolesdefallaspermitenanalizar:
1 Sistemasdondeexistedependenciaentreloscomponentes
2 Sistemasdondeimportalasecuenciaenlacualocurrenlasfallas
3 Componentesosistemasconmsdedosestadosoperativosodiversosmodosdefalla
Una de las aplicaciones ms importantes de estas dos tcnicas es el anlisis de confiabilidad de los
sistemas o componentes cuya misin es garantizar la seguridad en un equipo, sistema o proceso (Safety
systems)talescomo:
1 Sistemasdeproteccin
Proteccionesdeequipososistemaselctricosomecnicos
Proteccionesdeprocesosindustriales
Etc
2
Sistemas de vigilancia y
seguridad
Sistemacontraincendio
Sistemacontraroboointrusin
Sistemacontrainundaciones
Etc.
Paraestostiposdesistemassedefinenlossiguientesaspectosdeconfiabilidad:
Dependencia
(Dependency)
Que el equipo o sistema opere cuando es
requeridoqueopereoesllamadoaoperar
Este aspecto es generalmente analizado
mediantearbolesdeeventos.
Seguridad
(Security)
Que el equipo o sistema no produzca falsas
operaciones
Este aspecto es generalmente analizado
mediantearbolesdefallas.

2

8.2RBOLESDEEVENTOS
Figura8.1Ejemploderboldeeventos
Unrboldeeventosesunarepresentacingrficadeloseventosquepuedenocurrirleauncomponenteo
sistemaysurelacinconlosestadosoperativosdeinters.Verelejemplodelafigura8.1
Larepresentacingrficasedenominarboldeeventosporquecadaeventoseconectaaotroseventos
comolasramasenunrbol.
Se inicia el rbol de eventos con un evento o situacin y esta se conecta a los siguientes eventos que
pueden ocurrir hasta llegar a los resultados operativos para el sistema. As, se parte de un evento y se
llegaalassituacionesoperativasqueresultanenelsistema.
Loseventosseconectanentres,deacuerdoconlasecuenciaoperativaqueexisteenelsistema,siesque
esta tiene algn efecto sobre los estados operativos del sistema. Cabe recordar que no para todos los
sistemasimportalasecuenciaenqueseproducelafalladeloscomponentes.
Dependiendodelpropsitodelanlisisdeconfiabilidad,elrboldeeventosseconstruyedelasiguiente
forma:
C1
C2
C3
Carga
C1
C1OK
C2
C2OK
C2Falla
C3OK
C3Falla
C3OK
C3Falla
C1Falla
C2 OK
C2Falla
C3 OK
C3 Falla
C3 OK
C3 Falla
C3
Elsistemafalla
Elsistemafalla
Elsistemafalla
Elsistemafalla
Elsistemafalla
Elsistemaopera
Elsistemaopera
Elsistemaopera

3

1
Sistemas donde no importa la
secuenciaoperativa
Seiniciaelrboldeeventosconsiderandoqueelsistemaestsinfalla
y se contina considerando los eventos de falla y xito de los
componentes.
Noimportalasecuenciaenqueseconsiderenloscomponentes.
2
Sistemas donde si importa la
secuenciaoperativa
Para sistemas donde importa analizar varios estados operativos, se
inicia el rbol con un evento de falla, situacin insatisfactoria o
decisin y se contina con la secuencia de eventos que lleva a los
estadosoperativosdeinters.
Cuando el rbol se construye en base a decisiones, se denomina

rboldedecisiones
Las probabilidades de los eventos finales en el rbol de eventos se evalan multiplicando las
probabilidades en los diversos caminos que conforman las ramas del rbol, esto puede hacerse con los
datospuntualesdeprobabilidadoobteniendounaexpresinbooleana.
Las probabilidades de los estados operativos de inters para el sistema se obtienen sumando las
probabilidadesdetodoscaminosquellevanadichasituacinoperativa.
Elrboldeeventosesunatcnicaderazonamientoinductiva.

4

EJEMPLO8.1
ParaelsistemamostradoenlaFigura8.1evaleladisponibilidad
Figura8.2Ejemplodeevaluacindeunrbol de eventos
Enestecaso,seanalizaelxitoofracasodelsistemaparaoperar.
Todosloscomponentessonindependientesynoimportalasecuenciaenqueseproduzcansusfallas.
Seconsideraquecadalneadetransmisinpuedetransportartodalaenergageneradahastalacarga.
C1
C2
C3
Carga
C1
C1OK
C2
C2OK
C2Falla
C3OK
C3Falla
C3OK
C3Falla
C1Falla
C2OK
C2Falla
C3OK
C3Falla
C3OK
C3Falla
C3
Elsistemafalla
Elsistemafalla
Elsistemafalla
Elsistemafalla
Elsistemafalla
Elsistemaopera
Elsistemaopera
Elsistemaopera
1 C
A
1 C
U
2 C
A
2 C
U
2 C
A
2 C
U
3 C
A
3 C
U
3 C
A
3 C
U
3 C
A
3 C
U
3 C
A
3 C
U
1 2 3 C C C
A A A
1 2 3 C C C
A A U
1 2 3 C C C
A U A
1 2 3 C C C
A U U
1 2 3 C C C
U A A
1 2 3 C C C
U A U
1 2 3 C C C
U U A
1 2 3 C C C
U U U
Asistema=
1 2 3 1 2 3 1 2 3 C C C C C C C C C
A A A A A U A U A + +

5

EJEMPLO8.2
Para el sistema mostrado en la Figura 8.1, se presenta ahora en la figura 8.3 el rbol de eventos para la
situacinenqueexisteunmododefalladesalidacomnMparalaslneasdetransmisin.
Figura8.3Ejemplodeevaluacindeunrbol de eventos

Enestecaso,eleventodequeocurralafallademodocomnMseescribeprimeroqueloseventosdefalla
yoperacindeloscomponentesC2yC3aunquerealmenteelordennoimportaenestesistema.
Ntese que M es un evento, no un componente. S M ocurre, ya no es relevante si ocurren las fallas

independientesdeC2yC3;estofacilitaevaluarelrboldeeventos.
C1
C2
C3
Carga
M
C1 M C2 C3
SI
NO
OK
OK
Falla
Falla
OK
Falla
SI
NO
OK
OK
Falla
Falla
OK
Falla
OK
Falla

6

EJEMPLO8.3
Considereelsistemadeproteccinparauncircuitoprimariodedistribucinareomostradoenlafigura
8.4. Este consta de un transformador de corriente (CT), un interruptor de potencia (CB), un rel
multifuncin(R)yunsistemadeserviciosauxiliares(AUX).
Figura8.4Sistemadeproteccinparauncircuitoprimariodedistribucin
Requerimientosoperativos:
Serequierenlosserviciosauxiliaresparaalimentarelrelyelinterruptordepotencia.
Eltransformadordecorrientedebetomarcorrectamentelasealdecorriente.
Elinterruptordepotenciadebeabrirocerrar.
Elreldebedarlaordendeaperturayrecierre.
Modosdefalladeloscomponentes:
Serviciosauxiliares: Operanofallan.
Interruptor:Fallaparaabrir,fallaparacerrar,falsaaperturayfalsocierre.
Rel:Fallaparaabrir,fallapararecerrar,falsaaperturayfalsocierre.
CT:Circuitoabierto,nolectura,errordelecturaporsaturacin.
En la figura 8.5 se presenta el rbol de eventos para el caso de desconexin de una falla en el circuito
primario. Ntese que en este caso, los eventos en los componentes se analizan empezando en orden
descendente de importancia en cuanto al xito del sistema para operar: servicios auxiliares, CT, rel,
interruptor.
En la figura 8.6 se presenta el rbol de eventos para el caso de recierre en un solo intento luego de una
aperturaexitosa.
R
CB
CT
AUX
Falla

7

Figura8.5rboldeeventosdelsistemadeproteccinparaelcasodedesconexindeunafalla
En este caso la llamada a operar al sistema de proteccin es la falla que se presenta en el circuito
primario,lacualesuneventodenaturalezaaleatoria.
AUX CT R CB
OK
OK
OK
Falla
Falla
Falla
OK
Falla
OK
OK
Falla
Falla
OK
Falla
OK
OK
OK
Falla
Falla
Falla
OK
Falla
OK
OK
Falla
Falla
OK
Falla
OK
Falla
Fallaenelcircuitoprimario

8

Figura8.6rboldeeventosdelsistemadeproteccinparaelcasoderecierre
Enestecasolallamadaaoperaralsistemadeproteccineslaordenderecierreprogramadaenelrel
porunoperariodelsistemadepotencia.Estallamadaaoperaresuneventodeterminstico.
AUX R CB
OK
OK
OK
Falla
Falla
Falla
OK
Falla
OK
OK
Falla
Falla
OK
Falla
Aperturaexitosadeunafalla

9

EJEMPLO8.4
Considereelsistemadeproteccinparaunalneadetransmisinmostradoenlafigura8.7.Esteconstade
un sistema de proteccin (SP) en cada terminal y un medo de comunicacin (CM) que puede ser un
sistemademicroondas,fibraptica,powerlinecarrier,etc.
Figura8.7Sistemadeproteccinparaunalneadetransmisin
Elesquemaoperativoesdedisparopermisoencadaterminal,esdecir,cadaqueenunextremosedetecta
unafallaseverificasienelotroextremotambinsedetectaunafalla,estoparaevitardisparosparafallas
fueradelalnea.Siambosrelsdetectanunafalla,entoncesseproduceaperturadelalnea.
En la figura 8.8 se presenta el rbol de eventos para el caso de desconexin de una falla. El medio de
comunicacinentreambosextremosesenestecasoelprimercomponentequesedebeanalizar.
Figura8.8rboldeeventosdelsistemadeproteccindeunalneadetransmisinparaelcasodeaperturadeuna
falla
CM SP1 SP2
OK
OK
OK
Falla
Falla
Falla
OK
Falla
OK
OK
Falla
Falla
OK
Falla
Fallaenlalneadetransmisin
Operacincorrecta
Operacinparcial
Operacinparcial
Fallatotal
Fallatotal
Fallatotal
Fallatotal
Fallatotal
Rels
Rels
SP2
T/R
T/R
SP1
CM

10

8.3RBOLESDEFALLASESTTICOS
Figura8.9rboldefallasparaelsistemadeproteccindeunalneadetransmisin
UnrboldefallasesunarepresentacingrficamediantecompuertasANDyORdelascombinacionesde
eventosquepuedenllevaralafalladeunsistemaocomponente.
El evento de falla de inters en el sistema o componente bajo estudio se denomina top event. Ver el
ejemplodelafigura8.1
A partir del evento de falla de inters, se analiza en orden jerrquico las combinaciones o secuencias de
eventosocausasqueproduceneleventodefalladeinters.As,esteordendeconstruirelrboldefallas
esinversoalaplicadoparaunrboldeeventos.
Elrboldeeventosesunatcnicaderazonamientodeductiva.
La probabilidad del evento de falla de inters se evala a partir de la expresin booleana que relaciona
todos los eventos o causas que lo producen. Esta evaluacin puede ser analtica o numrica mediante
simulacindeMontecarlo
En muchos casos, previo a la solucin analtica o numrica, el rbol de eventos es transformado a una
representacin de conjuntos de cortes mnimos, lo cual, permite aplicar las tcnicas de solucin para
cortesmnimos.
C1
C2
C3
Carga
M
FallaC2 FallaC3 FallaC1 Fallaenmodo
comndeC2yC3
Falladelsistema

11

8.3.1Solucinenformaanaltica
Existendosformaspararesolverenformaanaltica:
1. Se obtiene laexpresin booleana delaprobabilidadde ocurrencia del evento top y se reemplazan en

ella las probabilidades puntuales o funciones de distribucin de probabilidad de los eventos bsicos
(bottomevents).
El obtener la expresin booleana de la probabilidad de ocurrencia del evento top generalmente

requiere la aplicacin de las reglas y propiedades del algebra booleana con el fin de obtener una
expresindondenoserepitanloseventosbsicos.
Siexisteneventosrepetidos,estosdebeneliminarseaplicandoalgebraBooleana.
2. Se reemplazan las probabilidades puntuales de los eventos bsicos y se evala secuencialmente el

rbol de abajo hacia arriba hasta obtener la probabilidad de ocurrencia del evento top. Esto evita
resolverlaexpresinbooleanadeprobabilidaddeocurrenciadeleventotop,locual,enlamayorade
loscasosesunalaborbastantetediosa.
Las probabilidades puntuales pueden obtenerse evaluando la distribucin para un tiempo de inters
dado.
Enlascompuertasconmsdedosentradassedescomponelavaloracinenformarecursivautilizando
lasleyesasociativasdelalgebraBoolena:

+ + = + + = + + [ ] [ ] A B C A B C A B C
= = [ ] [ ] ABC A BC AB C

12

EJEMPLO8.5
Obtengalaexpresindelaprobabilidaddeencontrarindisponibleelsistemadelafigura8.9.

1 2 3
[ ] [ ] P sistema indisponible P E E E =

Loseventos
4
E y
5
E son independientesentresperonomutuamenteexclusivos.

Loseventos
1
E y
2
E sonindependientesentresperonomutuamenteexclusivos.
Loseventos
2
E y
3
E sonindependientesentresperonomutuamenteexclusivos.
Loseventos
1
E y
3
E pueden considerarse independientesentresymutuamenteexclusivos.
As,aplicando:

1 2 3 1 2 3 1 2 1 3 2 3 1 2 3
Seobtiene:
= + + +
1 2 3 1 2 1 3 2 3 1 2 3
[ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] P sistema indisponible P E P E P E P E E P E E P E E P E E E
Resolviendo:
Sistemaindisponible
C1
indisponible
C2yC3indisponiblesdebidoa
fallademodocomn
E3
E1
E2
E4 E5
C3
indisponible
C2
indisponible

13

= + + +
1 2 3 1 2 1 3 2 3 1 2 3
[ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] P sistema indisponible P E P E P E P E E P E E P E E P E E E
= + + +
4 5 2 3 1 2 1 3 2 3 1 2 3
[ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] P sistema indisponible P E P E P E P E P E E P E E P E E P E E E
= + + +
4 5 2 3 1 2 1 3 2 3 1 2 3
[ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] P fallasistema P E P E P E P E P E P E P E E P E E P E E E
= + + +
4 5 2 3 1 2 2 3 1 2 3
[ ] [ ] [ ] [ ] [ ] [ ] [ ] 0 [ ] [ ] P sistema indisponible P E P E P E P E P E P E P E E P E E E
= + + +
4 5 2 3 1 2 2 3 1 2 3
[ ] [ ] [ ] [ ] [ ] [ ] [ ] 0 [ ] [ ] [ ] P sistema indisponible P E P E P E P E P E P E P E P E P E E E
= + + +
4 5 2 3 1 2 2 3 1 2 3
[ ] [ ] [ ] [ ] [ ] [ ] [ ] 0 [ ] [ ] [ ] [ ] P sistema indisponible P E P E P E P E P E P E P E P E P E P E E
= + + +
4 5 2 3 1 2 2 3 1
[ ] [ ] [ ] [ ] [ ] [ ] [ ] 0 [ ] [ ] [ ]*0 P sistema indisponible P E P E P E P E P E P E P E P E P E
= + + +
4 5 2 3 1 2 2 3
[ ] [ ] [ ] [ ] [ ] [ ] [ ] 0 [ ] [ ] 0 P sistema indisponible P E P E P E P E P E P E P E P E
= + +
4 5 2 3 1 2 2 3
[ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] P sistema indisponible P E P E P E P E P E P E P E P E
= + +
2 3 1 2 3 1 1
[ ]
C C C M C C C C M
P sistema indisponible U U U U U U U U U
M
U eslaindisponibilidaddeC2yC3debidoalasfallasdemodocomn.
S:
=
1
0.35
C
U
= =
2 3
0.20
C C
U U

= 0.10
M
U
= + +
2 3 1 2 3 1 1
[ ]
C C C M C C C C M
P sistema indisponible U U U U U U U U U
= + + [ ] 0.20*0.20 0.35 0.10 0.20*0.20*0.35 0.35*0.10 P sistema indisponible
= = [ ] 0.4410
SISTEMA
P sistema indisponible U

14

EJEMPLO8.6
Obtenga la probabilidad del evento top en el rbol de fallas del ejemplo anterior realizando evaluacin
secuencialdelascompuertasdeabajohaciaarriba.

Nodalomismoqueenelcasoanterior!Porqu?
CambiandoelordendeevaluacindeloseventosenlacompuertaOR:
Ahorasidalomismo!Porqu?
Si existen eventos mutuamente exclusivos, la evaluacin en la compuerta OR debe hacerse de tal forma
queseevalecorrectamenteestasituacin.
2 C
U
3 C
U
1 C
U
M
U
SISTEMA
U
X
U
1 C
U
= +
= +
=
1 1
0.040 0.35 0.040 * 0.35
0.3760
Y C C
Y
Y
U Ux U UxU
U
U

2 C
U
3 C
U
= = =
2 3
0.20 * 0.20 0.040
X C C
U U U
Y
U
M
U
= +
= +
=
0.3760 0.10 0.3760 *0.10
0.4384
SISTEMA Y M Y M
SISTEMA
SISTEMA
U U U U U
U
U

2 C
U
3 C
U
1 C
U
M
U
SISTEMA
U
X
U
M
U
= +
= +
=
0.040 0.10 0.0
0.14
Y M M
Y
Y
U Ux U UxU
U
U

2 C
U
3 C
U
= = =
2 3
0.20 * 0.20 0.040
X C C
U U U
Y
U
1 C
U
= +
= +
=
1 1
0.14 0.35 0.14 * 0.35
0.4410
SISTEMA Y C Y C
SISTEMA
SISTEMA
U U U U U
U
U

15

EJEMPLO8.7
Considereelsiguienterboldefallasquetieneuneventobsicorepetidoqueaparecealaizquierda.

= +
1 1 2
x E E = +
2 1 3
x E E
= = + +
1 2 1 2 1 3
( )( ) y x x E E E E
= = + +
4 1 2 1 3 4
( )( ) f yE E E E E E
Aplicando: + + = + ( )( ) A B A C A BC
= + + = +
1 2 1 3 4 1 2 3 4
( )( ) ( ) f E E E E E E E E E
Elsistemaequivalenteaparecealaderecha.
Ahoraevaleambosrbolesutilizandolassiguientesprobabilidades
=
1
[ ] 0.30 P E
=
2
[ ] 0.20 P E
=
3
[ ] 0.15 P E
=
3
[ ] 0.40 P E
Seconsideraquetodosloseventossonindependientesperonomutuamenteexclusivos.
1
E
2
E
1
E
3
E
4
E
1
x
2
x
f
y
2
E
3
E
4
E
1
E
f

16

Comoseobserva,ambasrepresentacionesdanresultadosdiferentes.
Larespuestacorrectaeslaqueseobtienealresolverelsistemareduciendoloseventosrepetidos.
0.30 0.15
0.40
+ = 0.30 0.20 0.30 *0.20 0.44
= 0.1782 * 0.40 0.0713
= 0.44 * 0.4045 0.1782
0.30 0.20
+ = 0.30 0.15 0.30 * 0.15 0.4045
0.20 0.15
0.40
0.30
= 0.20 * 0.15 0.030
+ = 0.30 0.030 0.30 * 0.030 0.3210
= 0.3210 * 0.40 0.1284

17

8.3.2SolucinmediantesimulacindeMontecarlo
ParaunperiodoTdeanlisisserealizanlossiguientespasosencadaiteracin:
1. Paracadaeventobsicosegenerauntiempoparafallautilizandosucorrespondientedistribucinde
probabilidad
2. En cada compuerta AND se toma como tiempo de falla de salida el mayor tiempo de falla de los
eventosdeentrada
3. EncadacompuertaORsetomacomotiempodefalladesalidaelmenortiempodefalladeloseventos
deentrada
4. Seaplicasecuencialmentelospasos2y3atodaslascompuertashastaobteneruntiempoparafalladel
sistema.
5. ElsistemafallaenestaiteracinsisutiempoparafallaesmenorqueT.
6. Repetirlospasos1a5Rveces
7. Alfinalizarcalcular:
= [ ] # / P fallasistema fallas R

=
/ ttf ttf R
= =

1 / / ttf R ttf

En este algoritmo se asume que no hay reparaciones, ya sea porque el sistema est conformado por
componentes no reparables o porque las fallas permanecen ocultas hasta que el sistema es llamado a
operaroproduceunafalsaoperacin.

18

8.3.3Algoritmoparaobtenerlarepresentacinendiagramadebloques
Estealgoritmoestbasadoenlosiguiente:
1. CadaeventoasociadoaunacompuertaORconstituyeunelementoenserie
As,cadacompuertaORincrementarelconjuntodecortes.
S la salida de la compuerta OR es una entrada a una compuerta AND, entonces incrementar el

tamaodelcorrespondientelazo.

2. CadaeventoasociadoaunacompuertaANDconstituyeuncomponenteenparalelo
As,cadacompuertaANDincrementarelconjuntodelazos.
SlasalidadelacompuertaANDeslaentradaaunacompuertaOR,entoncesincrementareltamao
delcorrespondientecorte.

El procedimiento en este algoritmo es recorrer el rbol de fallas del evento top hacia los eventos bsicos
obteniendolarepresentacindelascompuertascomoelementosdeundiagramadebloques.
E3 E1 E2
E1 E2 E3
E1,E2yE3constituyenunconjuntodecortes
E3 E1 E2
E1,E2yE3constituyenloscomponentesdeuncorte
E1
E2
E3

19

EJEMPLO8.8
Obtengalarepresentacinenconjuntodecortesdelrboldefallasmostradoenlafigura8.9.
Paso1:

Paso2:

Resultado:

E3
E1
E2
E4 E5 E2 E3
E4
E5
E2 E3
E3 E1 E2
E1 E2 E3
E1,E2yE3constituyenunconjuntodecortes
E5 E4 E4yE5constituyenloscomponentesdelcorte1
E4
E5

20

Laindisponibilidaddelsistemasecalculadelasiguienteforma:

=
2 3 1
1 (1 )(1 )(1 )
SISTEMA C C C M
U U U U U
= = 1 (1 0.20*0.20)(1 0.35)(1 0.10) 0.4384

SISTEMA
U
Nodalomismoqueenlosejemplos8.6y8.7!Porqu?
EstesistemaenparticularNOsepuederepresentarmedianteundiagramadebloques,porqueelmodode
falla simultneo de C1 y C2 es mutuamente exclusivo con el modo de falla M, lo cual quiere decir, que
C1C2yMsondependientesyaquenopuedendarsealmismotiempo!
2 C
U
3 C
U
1 C
U
CM
U
2 3 C C
U U
1 C
U
CM
U

21

EJEMPLO8.9
Obtengalarepresentacinencomodiagramadebloquesparaelsistemadelejemplo8.7.
Paso1:

Paso2:

Paso3:

Resultado:

Y E1
f
E4 X
X
E4
X
E1yYsonloscomponentesdeX
E3 E2
E2
E3
Y
E2yE3sonloscomponentesdeY
2
E
3
E
4
E
1
E
x
y
f
E1 Y Y
E4
E2
E3
E1
=
=
[ ] [1 (1 0.30)(1 0.20 * 0.15)] *0.40
[ ] 0.1284
P f
P f

22

8.3.4Medidasdeimportancia
Algomuyimportanteparaelanalistaydiseadoresvalorarculesefectodelaocurrenciadeloseventos
bsicosdeunrboldefallassobreeleventotop.
Lasmedidasparavalorarestosedenominanmedidasdeimportancia.
Algunasdeestasmedidasson:
Valordereduccindelriesgo
(RRW=RiskReductionWorth)
Se observa el decremento en la
probabilidaddeocurrenciadelevento
top si se asegura que algn evento
bsicodeintersnoocurrir.
Se coloca en cero la probabilidad de
ocurrenciadeleventodeintersyse
valora la probabilidad de ocurrencia
deleventotop.
Valordelogrodelriesgo
(RAW=RiskAchievementWorth)
Se observa el incremento en la
top si se asegura que algn evento
bsicodeintersocurrir.
Se coloca en uno la probabilidad de
ocurrenciadeleventodeintersyse
valora la probabilidad de ocurrencia
deleventotop.
Medidadeimportanciade
Birbaum
(BM=BirbaumMeasure)
Es la tasa de cambio en la
top con respecto al cambio en la
probabilidad de ocurrencia de un
eventobsicodeinters
=
[ ]
[ ]
i
dP f
BM
dP E

= BM RAW RRW
EJEMPLO8.10
Obtengalasmedidasdeimportanciaparaelsistemadelejemplo8.6.

= + +
2 3 1 2 3 1 1
[ ]
C C C M C C C C M
P f U U U U U U U U U
=
1
0.35
C
U = =
2 3
0.20
C C
U U = 0.10
M
U = = [ ] 0.4410
SISTEMA
P f U

Evento
RRW RAW BM
P[f] P[f]% P[f] P[f]%
C1indisponible 0.1400
68.2540
1.000 +126.7574 = =
2 3
' 1.0 0.86
C C M
f U U U
5.8957
0.5450 +23.5828 = =
3 3 1
' 0.13
C C C
f U U U
5.8957
0.5450 +23.5828 = =
2 2 1
' 0.13
C C C
f U U U
Mocurre 0.3760
14.7392
1.0260 +132.6531 = + =
1
' 1.0 0.65
C
f U

Como se observa, los eventos ms importantes para el sistema son, en orden descendente, la
indisponibilidaddelgenerador,laocurrenciadeunafallademodocomnenlaslneasdetransmisiny
lasalidadelaslneasdetransmisinenformaindependiente.

23

8.3.5Tasasdefallasytiemposmediosparareparacin
Lamedidabsicadeleventotopdeunrboldefallasesunaprobabilidaddefallaounaindisponibilidad.
Sinembargo,enalgunoscasosesdeintersobtener:
1 Latasadefallasofrecuenciadefallasensistemasnoreparablesyreparables
2 Eltiempomediodereparacinensistemasreparables
A continuacin, se presentan los mtodos para obtener estas medidas en forma analtica. Sin embargo,
otraformadeobtenerlasesaplicandosimulacindeMontecarlo.
Tasadefallasenunsistemanoreparable
Enestecasoseasumelosiguiente:
1 Lostiemposparaocurrenciadeloseventosbsicosestnexponencialmentedistribuidos
2 Nohayeventosbsicosrepetidos
3 Loseventosbsicossonindependientes
Como se explic anteriormente, cada compuerta OR corresponde a una conexin en serie de eventos y
cadacompuertaANDaunaconexinenparalelodeeventos.
E1 E2 En
=

= =
=
= = =
=
1
( )
1 1
1
[ ] 1 ( ) 1 1
( )
n
i
i i
t
t n n
i i i
n
serie i
i
P f R t e e
t t

1
1
n
n
E E

E1
E2
En
= =
=
=
=
= =
= =
=

=

=
1 1
1
1
1
[ ] ( ) (1 )
[ ] 1 (1 ) ( )
1 ( )
( )
( )
( 1)
( )
( 1)
1 / (1 )
i
i
i
t n n
i i i
t n
i
paralelo
n
i i
i
paralelo n
i i
t
i
P f F t e
P f e R t
dR t
t
R t dx
z
t
z
z e
1
1
n
n
E E

24

Tasadefallasytiempomedioparareparacinenunsistemareparable
Enestecasoseasumelosiguiente:
1 Losprocesosparafallayreparacinsonestacionarios
2 Nohayeventosbsicosrepetidos
3 Loseventosbsicossonindependientes
4 Lasindisponibilidadesindividualesdeloscomponentessonpequeas(<10%anual)
Seaplicansecuencialmentelasfrmulasdelmtodosimplificadodefrecuenciayduracin:
En la literatura tcnica se encuentran otras formulas para calcular la tasa de fallas y el tiempo medio de
reparacindesistemasreparables,lascualesseaplicancuandonosecumplelacondicin4.
E1 E2 En
+
= + =
+
1 1 2 2
1 2
1 2
( )
( )
( )
serie serie
r r
r

1
1
1
n
n
n
E E
r r

E1
E2
En
1
1
1
n
n
n
E E
r r

= + =
+
1 2
1 2 1 2
1 2
( )
( )
( )
paralelo paralelo
r r
r r r
r r

1

Captulo9RedesBayesianas ConfiabilidadenIngenieraCarlosJ.Zapata
CAPTULO9REDESBAYESIANAS
9.1INTRODUCCIN
Una red bayesiana o red de creencia esun modelo probabilsticoquerelaciona un conjuntode variables
aleatorias mediante un grafo dirigido que indica la influencia causal. Como ejemplo, en la figura 9.1 se
presentaunaredBayesianaparaunsistemadeproteccin.
Figura9.1EjemploderedBayesianaparaunsistemadeproteccin
Una red Bayesiana es similar a un rbol de fallas o diagrama causaefecto con la ventaja de que los
eventosnotienenqueserbinarios.
ElmodelamientoconredesBayesianasestbasadoenlosteoremasdelaprobabilidadtotalydeBayesy
esenslaextensindestosalcasomultivariable.
LoseventosencadanivelocapadelaredBayesianatienenqueserindependientesentresydefinirun
espacio muestral. Debe tenerse especial cuidado en cumplir este requerimiento al plantear el modelo.
Tambin,sedeberecordarqueloseventosencadanivelocaparequierenunaperfectadefinicin,esdecir,
nopuedenservagosoimprecisos.
Una red Bayesiana es un modelo Markoviano (sin memoria), ya que la ocurrencia de un evento en una
capadadasoloestdependedeloseventosdelacapainmediatamenteanterior.
X1
Poco
X2
Riguroso
Y1
Muchas
Y2
Pocas
Fallasocultas
Operacindelsistema
Z1
Correcta
Z2
Fallapara
operar
Z2
Falsa
operacin

2

9.2TEOREMASDELAPROBABILIDADTOTALYDEBAYES
Figura9.2Conceptodeeventocondicionalsobrelaocurrenciadeotroseventos
Considere un evento dado A que est definido sobre la ocurrencia de otros n eventos independientes
entres
i
B ,talcomosemuestraenlaFigura9.2.
9.2.1Teoremadelaprobabilidadtotal
=
=

1
( ) ( | ) * ( )
n
i i
i
P A P A B P B
( | )
i
P A B : Define en trminos probabilsticos el grado de participacin o influencia del evento
i
B
sobre la ocurrencia del evento A . Se obtiene de definiciones de frecuencia relativa o del
anlisisfsicodelfenmenoosistemabajoestudio.
( )
i
P B : Es la probabilidad de ocurrencia del evento
i
B . Es un dato puntual que se puede obtener
dedefinicionesdefrecuenciarelativaodelmodeloprobabilsticodelevento
i
B .
Elteoremadelaprobabilidadtotaltambinsepuedeescribircomo:
( )

= =

1
2
1 2 |
( )
( )
( ) ( | ) ( | ) ( | ) ( )
( )
n A B
n
P B
P B
P A P A B P A B P A B M P B
P B
Ntese que el teorema de la probabilidad total permite hacer inferencias hacia adelante, de las causas al
resultado.Estaactividaddedenominaprediccin.
Bn
B1
B2
A
=
|
( ) ( )
A B
P A M P B
A
( ) P B
B
Prediccin

3

9.2.2TeoremadeBayes
Desarrollado por Thomas Bayes y publicado en 1763, permite calcular la probabilidad de una causa
sabiendo el efecto que ha producido. Es decir, se identifica en trminos probabilsticos el grado de
participacindeunacausasobrelaocurrenciadeuneventodado.
=
( | )
( | ) ( )
( )
i
i i
P A B
P B A P B
P A

( )
i
P B eslaprobabilidadaprioridelaocurrenciadelevento
i
B .
Una vez ocurre el evento A , ( | )

i
P B A actualiza la probabilidad de ocurrencia del evento
i
B ; as,
( | )
i
P B A eslaprobabilidadaposterioride
i
B .
Elteoremadelaprobabilidadtotaltambinsepuedeescribircomo:
( )

= = =

=

1
1
1 1
2
2 2 2
| 1 2
| |
( | )
( )
( )
( | ) ( )
( | )
( | ) ( ) ( ) 1
( | ) ( | ) ( | ) ( )
( )
( | ) ( )
( | )
( )
( )
1
( )
( )
t
B A n
n n
n
n
t
B A A B
P A B
P B
P A
P B A P B
P A B
P B A P B P B
M P A B P A B P A B P A
P A
P B A P B
P A B
P B
P A
M M P B
P A
|
( , ) ( , ) ( )
t
A B
P A B P B A M P B = =
=
|
( , ). / ( )
B A
M P A B P A
Donde:
: Indica la operacin matricial de multiplicacin congruente, es decir, trmino a trmino por

fila.
./: Indicadivisintrminoatrmino
NtesequeelteoremadeBayespermitehacerinferenciashaciaatrs,delresultadohacialascausas.Esta
actividadsedenominadiagnstico
( ) P A
B
=
|
( ) ( )
B A
P B M P A
A
Diagnstico

4

EJEMPLO9.1
En un sistema elctrico se conocen las probabilidades de dao de los aisladores de las lneas de
transmisin debido a diferentes causas. Adems, se conocen las probabilidades de ocurrencia de los
eventosquecausanlosdaos.
Bi Causas Participacino
probabilidaddedao
Probabilidaddequese
produzcalacausa
1 Descargaatmosfrica 0.3502 0.25
2 Contaminacin 0.3157 0.15
3 Sobrevoltajepormaniobra 0.1498 0.15
4 Ferroresonancia 0.0922 0.05
5 Vandalismo 0.0576 0.10
6 Otrascausas 0.0346 0.05
Total
1.000
SeanAeleventodedaodelaisladoryBieleventoiquepuedenproducireldaodelaislador
Culeslaprobabilidaddequeseproduzcaeldaodelaisladordebidoatodasestascausas?
Aplicandoelteoremadelaprobabilidadtotal:
=
=

6
1
( ) ( | ) * ( )
i i
i
P A P A B P B
= + + + + + = ( ) 0.3502* 0.25 0.3157* 0.15 0.1498* 0.15 0.0922* 0.05 0.0576* 0.10 0.05* 0.0346 P A 0.169475
Siunaisladorsedaa,culeslaprobabilidaddequeesteeventosedebaalacontaminacin?
AplicandoelTeoremadeBayes: =
2 2 2
( | ) ( | ) * ( ) / ( ) P B A P A B P B P A
= =
2
( | ) 0.3157* 0.15/ 0.169475 0.2794 P B A
Siunaisladorsedaa,culeslaprobabilidaddequeesteeventosedebaaunadescargaatmosfrica?
AplicandoelTeoremadeBayes: =
1 1 1
( | ) ( | ) * ( ) / ( ) P B A P A B P B P A
= =
1
( | ) 0.3502* 0.25/ 0.169475 0.51659 P B A
La probabilidad de que un aislador se dae debido a una descarga atmosfrica sube de 0.3502 a
0.51659unavezseconocelaprobabilidaddequeproduzcaunadescargaatmosfrica.

5

9.3MODELOMATEMTICODEUNAREDBAYESIANA
En la Figura 9.3, donde se presenta una red bayesiana de un solo nivel causaefecto con n causas
denotados X y mresultadosdenotados Y .
Figura9.3ConceptoderedBayesiana
ElmodelomatemticodeunaredBayesianasedefinemediantelamatrizdeprobabilidadescondicionales
de los resultados dadas las causas
| Y X
M . As, conocidas las probabilidades de ocurrencia de las causas
( ) P X
sepuedenhallarlasprobabilidadesdeocurrenciadelosresultados ( ) P Y
delasiguienteforma:
|
( ) ( )
Y X
P Y M P X =

Donde:
| Y X
M : Matriz de dimensin * m n con las probabilidades condicionales de ocurrencia de los
resultadosdadaslascausas,lacualtienelasiguienteestructura:
1 1 1 2 1
2 1 2 2 2
|
1 2
( | ) ( | ) ( | )
( | ) ( | ) ( | )
( | ) ( | ) ( | )
n
n
Y X
m m m n
P Y X P Y X P Y X
P Y X P Y X P Y X
M
P Y X P Y X P Y X

=

( ) P Y : Vector columna de dimensin m
con las probabilidades de ocurrencia de los mresultados

Y dadoelconocimientoaprioridelaprobabilidaddeocurrenciadelas ncausas X .
( ) P X : Vectorcolumnadedimensin n
conlasprobabilidadesdeocurrenciadelas ncausas X .
Causas
Resultados
X1
X
2
X
3
X
n

Y
1
Y
2
Y
3
Y
m

6

Laprobabilidaddeocurrenciasimultneadelascausasylosresultadosestdadapor:
|
( , ) ( , ) ( )
t
Y X
P X Y P Y X M P X = =
1 1 2 1 1 1 1 1 2 1 1 1 1
1 2 2 2 2 1 2 2 2 2 2 2 2
1 2 1
( , ) ( , ) ( , ) ( | ) ( ) ( | ) ( ) ( | ) ( )
( , ) ( , ) ( , ) ( | ) ( ) ( | ) ( ) ( | ) ( )
( , )
( , ) ( , ) ( , ) ( | ) ( ) (
m m
m m
n n m n n n
P Y X P Y X P Y X P Y X P X P Y X P X P Y X P X
P Y X P Y X P Y X P Y X P X P Y X P X P Y X P X
P X Y
P Y X P Y X P Y X P Y X P X P

= =

2
| ) ( ) ( | ) ( )
n n m n n
Y X P X P Y X P X

Donde:
( , ) P X Y : Matrizdedimensin * n m
t : Indicalaoperacinmatricialdetransposicin.
: Indica la operacin matricial de multiplicacin congruente, es decir, trmino a trmino por

fila.
Una vez se tiene

| Y X
M
tambin se puede inferir la ocurrencia de las causas dados los resultados en la

siguienteforma:
|
( ) ( )
X Y
P X M P Y =

Donde
| X Y
M sehalladelasiguienteforma:
1 1 1 2 1
2 1 2 2 2
|
1 2
( | ) ( | ) ( | )
( | ) ( | ) ( | )
( , ). / ( )
( | ) ( | ) ( | )
m
t m
X Y
n n n m
P X Y P X Y P X Y
P X Y P X Y P X Y
M P X Y P Y
P X Y P X Y P X Y

= =

Elsmbolo./indicadivisintrminoatrminodelasiguienteforma:
1 1 1 2 1 2 1
1 2 1 2 2 2 2
|
1 1 2 2
( , ) / ( ) ( , ) / ( ) ( , ) / ( )
( , ) / ( ) ( , ) / ( ) ( , ) / ( )
( , ) / ( ) ( , ) / ( ) ( , ) / ( )
m m
m m
X Y
n n m n m
P Y X P Y P Y X P Y P Y X P Y
M

=

As,enunaredBayesianasepuedenhacerinferenciasdelascausasalosresultadosydelosresultadosa
lascausas,esdecir,prediccionesydiagnsticos.

7

Si en una red Bayesiana existen varios niveles de relacin causal, el modelo matemtico se hace
encadenandolosmodelosdecadanivel.Porejemplo,enlaFigura9.4semuestraunareddedosniveles
derelacincausal,donde X eslacausaqueproduce Y y Y eslacausaqueproduce Z
.
Figura9.4RedBayesianadedosnivelesderelacincausal
Algunasconsideracionesparalaaplicacindeestetipodemodelamiento:
1
Aunque las probabilidades de los eventos bsicos y las probabilidades condicionales aparecen en forma
puntual en los ejemplos de este texto, tambin pueden expresarse mediante una distribucin de
probabilidadoprocesoestocstico.
2
Si se utilizan probabilidades puntuales calculadas mediante la definicin de frecuencia relativa o equi
probabilidad,debeverificarsequeelprocesoaleatoriobajoestudioseaestacionario.
3
Las probabilidades condicionales se pueden obtener mediante la definicin de frecuencia relativa,
contabilizandocuantasvecesseprodujounefectodadaunacausaydividiendoestedatoporelnmero
deensayosuobservaciones
4
Las probabilidades de ocurrencia de las causas de una capa de la red se pueden obtener mediante la
definicindefrecuenciarelativa,contabilizandocuantasvecesseprodujolacausaydividiendoestedato
porelnmerodeensayosuobservaciones
5
Loseventosencadacapaoniveldebenconstituirunespaciomuestral;as,lasumadesusprobabilidades
tienequeseriguala1.0.
| | |
( ) ( ) ( )
Z Y Z Y Y X
P Z M P Y M M P X = =
|
( ) ( )
Y X
P Y M P X =
X Z
( ) P X

Y
Prediccin
( ) P Z
|
( ) ( )
Y Z
P Y M P Z =
X Y Z
| | |
( ) ( ) ( )
X Y X Y Y Z
P X M P Y M M P Z = =

Diagnstico

8

EJEMPLO9.2
A continuacin se presentan las probabilidades condicionales para los eventos de cada capa del sistema
deproteccinmostradoenlafigura9.1
Elmodelomatemticoes:
|
1 1
2 2
( ) ( )
( ) ( ) 0.95 0.10
( ) ( ) 0.05 0.90
Y X
P Y M P X
P Y P X
P Y P X
=

=

| | |
1
1 1
2
2 2
3
( ) ( ) ( )
( ) 0.10 0.90 0.10 0.90
( ) ( ) 0.95 0.10
( ) 0.50 0.06 0.50 0.06
( ) ( ) 0.05 0.90
( ) 0.40 0.04 0.40 0.04
ZY ZY Y X
P Z M P Y M M P X
P Z
P Y P X
P Z
P Y P X
P Z
= =

= =

Ntesequelasumaporcolumnasiempreesuno.
Operacindelsistema
X1
Poco
X2
Riguroso
Y1
Muchas
Y2
Pocas
Fallasocultas
Z1
Correcta
Z2
Fallapara
operar
Z2
Falsa
operacin
0.95 0.05 0.10 0.90
0.10
0.50
0.40
0.90
0.06
0.04

9

Silas probabilidades deque en las subestaciones sehaga el mantenimiento preventivo a los sistemasde
proteccinson:
1
2
( ) 0.80
( ) 0.20
P X
P X

=

Entonces:
1
2
( ) 0.95 0.10 0.80 0.78
( ) 0.05 0.90 0.20 0.22
P Y
P Y

= =

1
2
3
( ) 0.10 0.90 0.2760
0.78
( ) 0.50 0.06 0.4032
0.22
( ) 0.40 0.04 0.3208
P Z
P Z
P Z

= =

Ntese el gran efecto que tiene sobre la operacin correcta del sistema la situacin en que se hace poco
mantenimiento preventivo: las probabilidades de que hayan muchas fallas para operar o muchas falsas
operacionesesmuyalta(0.3204+0.4032=0.7236).
EJEMPLO9.3
En la empresa donde se tiene el modelo para fallasde los sistemasde proteccin, se encuentra que para
lassubestacionesdelazonanortelasprobabilidadesdeoperacindelasproteccioneselctricasson:
1
2
3
( ) 0.80
( ) 0.08
( ) 0.12
P Z
P Z
P Z

=

Entoncesculessonlasprobabilidadesdelostiposdemantenimientoenestassubestaciones?
Paso1:Conlosdatosdelejercicioanteriorseobtienen ( , ) P Y Z y ( , ) P X Y
|
( , ) ( , ) ( )
t
Z Y
P Y Z P Z Y M P Y = =

0.10 0.90
0.78 0.10 0.50 0.40 0.78 0.0780 0.3900 0.3120
( , ) 0.50 0.06
0.22 0.90 0.06 0.04 0.22 0.1980 0.0132 0.0088
0.40 0.04
t
P Z Y

= = =

10

|
( , ) ( , ) ( )
t
Y X
P X Y P Y X M P X = =
0.95 0.10 0.80 0.95 0.05 0.80 0.76 0.04

( , )
0.05 0.90 0.20 0.10 0.90 0.20 0.02 0.18
t
P X Y

= = =

Paso 2: Con ( , ) P Z Y y ( , ) P X Y y las probabilidades de los eventos en el ejercicio anterior hallar

( | ) P Y Z y ( | ) P X Y
|
( , ). / ( )
t
Y Z
M P Y Z P Z =

( )
|
|
0.2760
0.0780 0.3900 0.3120 0.0780 0.3900 0.3120
. / 0.4032 . / 0.2760 0.4032 0.3208
0.1980 0.0132 0.0088 0.1980 0.0132 0.0088
0.3208
0.2826 0.9673 0.9726
0.7174 0.0327 0.0274
t
Y Z
Y Z
M
M

= =

=

|
( , ). / ( )
t
X Y
M P X Y P Y =

( )
|
0.76 0.04 0.78 0.76 0.04 0.9744 0.1818
. / . / 0.78 0.22
0.02 0.18 0.22 0.02 0.18 0.0256 0.8182
t
XY
M

= = =

Obsrvese que
| Y Z
M y
| XY
M se calculan utilizando las probabilidades de ocurrencia ( ) P Z y ( ) P Y
obtenidas en el ejercicio anterior; es decir, utilizando un conocimiento previo. Este es precisamente el
concepto de la inferencia Bayesiana, el utilizar un conocimiento previo para establecer los modelos de
inferencia.
Paso3:Hallarlasprobabilidadesdeloseventosenelsentido Z Y X
|
1
1
2
2
3
( ) ( )
( ) 0.80
( ) 0.2826 0.9673 0.9726 0.2826 0.9673 0.9726 0.42018
( ) 0.08
( ) 0.7174 0.0327 0.0274 0.7174 0.0327 0.0274 0.57982
( ) 0.12
Y Z
P Y M P Z
P Z
P Y
P Z
P Y
P Z
=

= = =

|
1 1
2 2
( ) ( )
( ) ( ) 0.9744 0.1820 0.9744 0.1820 0.42018 0.51482
( ) ( ) 0.0256 0.818 0.0256 0.818 0.57982 0.48518
XY
P X M P Y
P X P Y
P X P Y
=

= = =

1

Captulo10Sistemasesfuerzoresistencia ConfiabilidadenIngenieraCarlosJ.Zapata
CAPTULO10SISTEMASESFUERZORESISTENCIA
10.1INTRODUCCIN
Figura10.1Anlisisdeesfuerzoresistenciaenconfiabilidad
En el planeamiento y diseo en ingeniera se presentan situaciones en las cuales se debe especificar el

nivelderesistenciaoaguantedeuncomponenteosistemaparaunesfuerzodado.
Ejemplos
Esfuerzo(Q) Resistencia(R)
Fuerzamecnica Resistenciaestructural
Sobrevoltaje Niveldeaislamiento
Demandaelctrica Generacin
Temperatura Resistenciatrmica
Demandadeunproductooservicio Oferta
Gasto Ingreso
El evento de falla se define como la situacin en que el esfuerzo es mayor que la resistencia y el
componente o sistema se daa o no puede cumplir totalmente su funcin. Por lo tanto, se debe cumplir
que:
Re sistencia Esfuerzo >
Tal como se muestra en la Figura 10.1 el riesgo de falla es la distancia existente entre el esfuerzo y la
resistencia.Esteriesgosepuedeexpresarenformadeterminsticaoprobabilstica.
Enestetipodeanlisisnoseconsideraelefectodeproteccionesocontrolesquepuedanevitareldaodel
componenteosistemaporque:
1 Noexistenproteccionesnicontroles
2
Laespecificacindelaresistenciaeslasegundalneadedefensaencasodequelasproteccionesocontroles
nooperenolohaganincorrectamente
Nteseque este tipo de anlisis de confiabilidad esde tipo interno yaquese involucranlas variables
fsicasquedefinenelesfuerzoylaresistencia,contrarioalanlisisdetipoexterno(Actuarial)dondesolo
seconsideraeltiempocomovariableexplicativa.Elanlisisesfuerzoresistenciasepuedehacer:
1 Determinstico
Sitantoelesfuerzocomolaresistenciatienenvaloresfijos(sinincertidumbre)
2 Probabilstico
Si una de las variables del problema (esfuerzo o resistencia) es aleatoria (con
incertidumbre)
Magnitud
Esfuerzo Resistencia Riesgo
0

2

10.2ENFOQUEDETERMINSTICO
Figura10.2Anlisisdeesfuerzoresistenciadeterminstico
Enestecasolaespecificacindelaresistenciaseespecificacomo:
Re * sistencia k Esfuerzo =
Lavariablekseconocecomofactordediseo,factordeseguridad,etc.Sinembargo,esteesunfactorde
ignoranciaconelcualsetratadecubrirlaincertidumbrequesetienesobrelosvaloresquepuedetomar
elesfuerzo.Peseaesto,eselmtododediseoyespecificacinmasutilizado.
10.3ENFOQUEPROBABILSTICO
Figura10.3Casosdelanlisisdeesfuerzoresistenciaprobabilstico
EnlaFigura10.3sepresentanloscasosquesepresentanenelanlisisprobabilstico.Cuandosolounade
lasvariablesinvolucradasesprobabilstica,elclculodelriesgoconsisteendeterminarlaprobabilidadde
que esta variable sea mayor o menor a un valor fijo dado, lo cual se puede hacer analticamente o
mediantetablasdevaloresdeprobabilidaddeladistribucin.
Magnitud
Esfuerzo Resistencia k
0
Riesgo=P[Esfuerzo>Resistencia]
Magnitud
Resistencia
Esfuerzo
Esfuerzoprobabilsticoyresistenciadeterminstica
Riesgo=P[Resistencia<Esfuerzo]
Esfuerzo
Resistencia
Magnitud
Esfuerzodeterminsticoyresistencia
probabilstica
Riesgo=convolucin
Esfuerzo Resistencia
Magnitud
Esfuerzoprobabilsticoyresistencia
probabilstica

3

10.4CONVOLUCINDEDISTRIBUCIONESDEPROBABILIDADCONTINUAS
Figura10.4Conceptoprobabilsticodelriesgo
Sambasvariablessonaleatorias,continuaseindependientesentres:
0 0 0
Riesgo= ( ) ( ) ( ) ( )
x
R Q R Q
f x f x dxdx F x f x dx

=

De tenerse cuidado de que los factores de escala y localizacin de ambas distribuciones de probabilidad
estnenlasmismasunidadesdemagnitud.
El riesgo depende de las posiciones relativas de las funciones de densidad (Q, R) y de sus grados de
dispersin(Q,R).
Sielesfuerzoolaresistenciaseconformandelasumademuchas(>30)otrasvariablesaleatorias,segnel
teoremadellmitecentral,ladistribucinsepuedeaproximaraladistribucinnormal.Ejemplos:
1
La demanda de un producto o servicio est conformada por la suma de las demandas individuales de
muchosusuarios
2
La generacin disponible en un sistema elctrico es la suma de las capacidades de generacin de muchas
unidades.
3 Elgastodeunaentidaddadaeslasumademuchostiposdegastos
En el caso en que tanto el esfuerzo como la resistencia tienen distribucin Gausiana, la Referencia [1]
presentaelsiguientemtodoaproximadoparacalcularelriesgo:
2 2
G D
G D

=

1 ( ) Riesgo z = =
Donde denotaladistribucinGausianaestndar.Enlamayoradeloscasosdeberecurrirseamtodos
deintegracinnumricapararesolverlaintegraldeconvolucin.
x
FQ(x) FR(x)
Riesgo
x x+dx
x
fQx)
FR(x)
Riesgo
1.0

4

EJERCICIO10.1
En un sistema de potencia dado, la generacin y la demanda estn normalmente distribuidas con los
siguientesparmetros:
Generacin: 1300 =
G
[MW] 10% =
G

Demanda: 1000 =
D
[MW] 20% =
D

Culeselriesgodenopoderatenderlademandamxima?
2 2 2 2
1300 1000
1.25766542
( ) (0.1*1300) (0.2*1000)

= = =
+
G D
G G
1 ( 1.25766542) 1 0.8962 10.38% = = = = Riesgo z
EJERCICIO10.2
En un sistema de potencia dado, la demanda estn normalmente distribuidas con parmetros 1000 =
[MW]y 20% = .Silageneracintieneunvalorfijode1200MW,culeselriesgodenopoderatenderla
demandamxima?
[ 1200] = > Riesgo P Demanda

1200 1000
1.0
1000* 02
= = z
1 ( 1.0) 1 0.8413 15.87% = = = = Riesgo z

10.5SOLUCIONMEDIANTESIMULACINDEMONTECARLO
Unsistemaesfuerzoresistenciadefinidomediantecualquiertipodedistribucindeprobabilidad,puede
resolversefcilmentemediantesimulacindeMontecarlo.Acontinuacin,sepresentandosalgoritmosde
solucin.
Algoritmo10.1Obtenerladistribucindeprobabilidaddelriesgoenunidadesreales
1
Generarunamuestrade N datosdeesfuerzoutilizandolarespectivadistribucin de probabilidad. Cada dato
de esta muestra se denomina
i
Q
2
Generarunamuestrade N datosdelaresistenciautilizandolarespectivadistribucin de probabilidad. Cada
dato de esta muestra se denomina
i
R
3 Utilizandolasdosmuestrasanteriores,hallarunamuestradelriesgo( =
i i i
riesgo R Q )
4 Ajustarlamuestradedatosderiesgoaunadistribucindeprobabilidad
FD(x)
Riesgo
1000 [MW] 1200

5

Algoritmo10.2Obtenerelriesgocomounaprobabilidadpuntual
1
Generar una muestrade N datosdeesfuerzoutilizandolarespectivadistribucindeprobabilidad.Cada
datodeestamuestrasedenomina
i
Q
2
Generar una muestra de N datos de la resistencia utilizando la respectiva distribucin de probabilidad.
Cadadatodeestamuestrasedenomina
i
R
3
Paracadavalordelasmuestrasanteriores,comparar:
Si >
i i
R Q marcaresteeventoconuncero(nofalla)
Si
i i
R Q marcaresteeventoconununo(falla)
4 Contarelnmerodeeventosdefalla
f
n
5 Laprobabilidaddefallaoriesgosecalculacomo: =
f
i
n
riesgo
N

En ambos algoritmos tener en cuenta que si el esfuerzo o la resistencia son determinsticos, no hay que
generarunamuestradedatos.

Curso 2011 Zapata 1

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Curso 2011 Zapata 1

Caricato da

Copyright:

Formati disponibili

ConfiabilidadenIngeniera

Carlos Julio Zapata Grisales es ingeniero electricista de la Universidad Tecnolgica de

El principal objetivo de este documento es presentar los conceptos de confiabilidad de

En la definicin de confiabilidad aparece el aspecto temporal durante el cual se requiere que el

Se designa por la letra A (Availability). El complemento de la disponibilidad se denomina

ndicedeconfiabilidad Definicin Ejemplo

Se colocan elementos de respaldo. Si un componente

Activa: El componente redundante siempre est

Standby: El componente redundante se conecta en

Es una valoracin subjetiva. No se establecen ndices

No sirve para comparar alternativas o hacer anlisis

Es una valoracin objetiva. Se establecen ndices

Sin embargo, la probabilidad puede ser establecida

Las variables se consideran fijas o con funciones que

Generalmente, se selecciona el peor escenario lo cual

Se conocen todos los factores de las ecuaciones que

Las variables se consideran aleatorias, es decir no tienen

La ocurrencia de determinados valores de la variable se

En este tipo de anlisis se puede determinar el riesgo

Existe incertidumbre con respecto al modelamiento del

El tipo de modelamiento a utilizar depende de la informacin de que se disponga para estudiar el

Se representa el componente o sistema bajo estudio

Este mtodo requiere conocer los modelos matemticos

Lo que se obtiene artificialmente es la solucin de una o

Se estudia el componente o sistema basado en los

Con estos datos se establecen ndices histricos o

Frecuencia de fallas promedia: 8 por ao por

Mediante un estudio se predicen u obtienen los ndices

Se determinan los valores esperados de los ndices de

Frecuencia de fallas esperada: 9 por ao por circuito

[2] Torres A, Probabilidad, variables aleatorias, confiabilidad y procesos estocsticos en ingeniera

[4] Cabau E, Introduccin a la concepcin de la garanta de funcionamiento, Cuaderno Tcnico No.

[5] Sotskov B, Fundamentos de la teora y del clculo de fiabilidad de elementos y dispositivos de

Tipodesalida Descripcin Ejemplo

Las salidas definen la secuencia operativa o secuencia de estados de disponibilidad e indisponibilidad

Por ejemplo, para determinar la garanta que un

Basados en los registros operativos de un componente o grupo de componentes idnticos se pueden

Se plantea un modelo probabilstico en trminos de las

Se plantea un modelo probabilstico nicamente en

Este modelo es externo pues no se ocupa de lo que

En este modelo solo existen dos estados operativos de

Cuando solo es posible la transicin entre estados

Esta muestra corresponde a n componentes idnticos de

Una muestra de n tiempos para falla

El reporte de que n componentes idnticos de una

El reporte de que un componente un grupo de

Infantil Vidatil Obsolescencia

La tasa de fallas decrece con el

Otros nombres: early life, debugging

La tasa de fallas es constante y

Las fallas ocurren en forma

Entonces, el asumir que un

Debido a la dependencia entre los modos de falla de los

Dos componentes estn en serie desde el punto de

Dos componentes estn en paralelo desde el punto de

[2] Torres A, Probabilidad, variables aleatorias, confiabilidad y procesos estocsticos en ingeniera

[4] Cabau E, Introduccin a la concepcin de la garanta de funcionamiento, Cuaderno Tcnico No.

[5] Sotskov B, Fundamentos de la teora y del clculo de fiabilidad de elementos y dispositivos de

La variable t representa el tiempo de operacin del componente. En 0 t = el componente se pone en

Talcomosemuestraenlafigura3.3,cada ttf semideconrespectoalinstanteenelcualelcomponente

Para hallar el modelo de confiabilidad de un componente no reparable, se recomienda aplicar el

El modelo probabilstico obtenido corresponde a un componente medio o tpico que representa a

[ ] [ ] 1 [ ] 1 ( ) ( ) P B P ttf t P ttf t F t R t = > = = =