Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
MduloII
IngenieradeConfiabilidaddeEquipos
LecturaNo10.
ConfiabilidadBasadaenlaFsicadelDeterioro
2014
Diplomado:ConfiabilidaddeSistemasIndustriales
Cada distribucin tiene su valor media o valor esperado, denotado por X para la carga y Y
para la resistencia y sus desviaciones estndar X y Y respectivamente. Esto es ilustrado en la
Figura 1.
En la figura f(X) es la distribucin de probabilidad de la carga e esfuerzo y g(Y) es la es la
distribucin de probabilidad de la resistencia y X y Y son las medias de las respectivas
distribuciones.
Cuando la distribucin de la condicin medida o monitoreada o esfuerzo en el equipo tiene
algn solape con la distribucin de la condicin lmite, criterio de rechazo, o resistencia, quiere
decir que existen probables valores del esfuerzo que superan probables valores de la
resistencia; y en ese caso existe probabilidad de falla. Esta situacin es mostrada en la Figura
2.
,107
f(X)= Esfuerzo
,080
g(Y) =Resistencia
,054
,027
,000
130,00 155,00 180,00 205,00 230,00
X Y
,107
f(X)= Esfuerzo
,080
g(Y) =Resistencia
,054
,027
,000
130,00 155,00 180,00 205,00 230,00
X Y
Es muy importante destacar que en los procesos de deterioro, estas distribuciones se van
acercando con el tiempo hasta llegar a solaparse. En este sentido, el solapamiento puede
ocurrir por un deterioro paulatino de la resistencia o por un incremento del esfuerzo por razones
diversas. En todo caso, para hacer anlisis de confiabilidad con este enfoque en muy
importante estudiar los mecanismos que pueden producir este acercamiento y posterior
solapamiento. Tambin es muy importante determinar para cada mecanismo, si este
acercamiento se produce de manera paulatina en el tiempo, o si puede producirse sbitamente
por una causa aleatoria.
La confiabilidad de un componente sometido a un esfuerzo es la probabilidad de que su
resistencia exceda dicho esfuerzo y puede calcularse con la siguiente expresin:
C f ( X )dX g(Y )dY g(Y ) f ( X )dX dY (1)
x
0 y 0
f(X)= Esfuerzo
,080
g(Y) =Resistencia
,054
,027 C f ( X )dX g(Y )dY g(Y ) f ( X )dX dY
y
0 0 x
,000
130,00 155,00 180,00 205,00 230,00
X Y
La Figura 4, que se muestra a continuacin, ilustra grficamente los casos que pueden
presentarse en un anlisis Esfuerzo Resistencia y las ecuaciones requeridas para el clculo
de Confiabilidad y Probabilidad de Fallas para cada uno. Los tres casos tpicos son:
La solucin matemtica de estas ecuaciones no es simple, sobre todo si se piensa en lo
compleja que son la mayora de las ecuaciones de las distribuciones de probabilidad. En la
Tabla 1 que se muestra a continuacin, se ofrecen las soluciones para las ecuaciones de la
Figura de Caracterizacin Probabilstica RC, para los casos Esfuerzo Resistencia ms
frecuentemente encontrados.
C A S O I : E s fu e rz
rzoo d is trib u id o R e s is te n c ia p u n tu a l
,1 0 7
,0 5 4
,0 2 7 F Pr( X k ) f ( X )d
k
X
,0 0 0
1 3 0 ,0 0 1 5 5 ,0 0 1 8 0 ,0 0 2 0 5 ,0 0 2 3 0 ,0 0
X
C A S O II : E s fu e rzo
rz o p u n tu a l R e s is te n c ia d is trib u id a
,1 0 7
e = E sfu e rz o
,0 8 0
g (Y ) = R e s is te n c ia
C Pr( Y e ) g (Y
e
)d Y
,0 5 4
e
,0 2 7 F Pr( Y e ) g ( Y )d
Y
,0 0 0
1 3 0 ,0 0 1 5 5 ,0 0 2 0 5 ,0 0 2 3 0 ,0 0
Y
f(X )= E sfu e rz o
,0 8 0
g (Y ) = R e s is te n c ia
C f (
0 Y
X )d X g ( Y )d Y
,0 5 4
,0 2 7 F 1 f ( X )d
0 Y
X g ( Y )d Y
,0 0 0
1 3 0 ,0 0 1 5 5 ,0 0 2 0 5 ,0 0 2 3 0 ,0 0
X Y
Exponenci k e Y
C
X Y
al C 1 e X C 1 e Y
k X e Y Resolver
Weibull
Numricamente
C 1 e X C 1 e Y
k X e Y
Normal C
C
C Y X
X Y 2 2
X Y
Y
e
1 ln X
k 1 e e
Lognormal C ln C ln C
X e X Y e Y
2 2
X Y
i0=0
k0=0
f(X)=Esfuerzo g(Y)=Resistencia
,107 ,107
f(X)= Esfuerzo
,080 ,080
g(Y) =Resistencia
,054 ,054
,027 ,027
,000 ,000
Xj Yj
Sustituir en la funcin Z(X,Y) ,los valores generados aleatoriamente y resolver en forma determinstica
para obtener un probable valor de Z para esta iteracin
Xj
Zj
Yj
No Si
kj=kj-1+1 Zj >1 ? ij=ij-1+1
Si
j = j+1
j<m?
No
kj
Confiabilidad C
m
ij
Pr ob.Falla F (1 C )
m
Figura 5. Estimacin numrica (Simulacin de Montecarlo) de la Confiabilidad basada en la
Ejemplo 1:
Una tubera, tendida a campo abierto, transporta un fluido altamente contaminante, por esta
razn, se realizan inspecciones y mediciones del espesor de pared a lo largo de toda la tubera
cada tres aos. En un tramo de 500 mts, se han identificado 14 puntos o regiones donde existe
prdida de espesor. Los resultados de las dos ltimas inspecciones se resumen en la tabla 3.
Diplomado:ConfiabilidaddeSistemasIndustriales
Eo d
DAO POR CORROSION
Profundidad Profundidad
N de
del dao del dao Rc
Dao
(mm) 1998 (mm) 2001
1 2.603 2.96 0.119
2 2.849 3.305 0.152
3 2.673 3.054 0.127
4 2.641 3.154 0.171
5 2.787 3.222 0.145
6 2.602 2.995 0.131
7 2.7 3.084 0.128
8 2.644 3.049 0.135
9 2.628 3.129 0.167
10 2.664 3.075 0.137
11 2.332 2.791 0.153
12 3.35 3.914 0.188
13 2.206 2.914 0.236
14 2.166 2.616 0.15
Diplomado:ConfiabilidaddeSistemasIndustriales
Sp(Mpa) Pa(Mpa)
436.836 3.785
618.549 3.66
393.729 3.763
268.428 3.524
308.402 3.157
314.391 4.022
376.758 3.94
428.92 4.278
370.177 5.096
392.813 4.404
477.271 4.493
444.154 4.431
463.154 4.458
326.541 4.337
Solucin: Cuando existen daos corrosivos, como el dao No. 10 mostrado en la Figura 6, la
resistencia de la tubera se deteriora progresivamente debido a la prdida de espesor de la
pared del tubo, que hace que cada vez la tubera sea capaz de soportar menos presin. En
otras palabras, se deteriora la mxima presin permisible o presin de falla.
Por mecnica de la fractura se sabe que la mxima presin permisible o presin de falla se
calcula con la siguiente expresin:
2.Sp.E
Pf
10
; (2)
D
donde:
Sp: Esfuerzo de Fluencia.
E: Espesor del Tubo.
D: Dimetro del Tubo.
Adicionalmente se sabe que el espesor de la tubera en presencia de un dao corrosivo se
deteriora, y entonces se habla de Espesor remanente, el cual se calcula con la siguiente
expresin:
EREMANENTE ( t ) Eo d ( t ) ; (3)
Donde Eo: Espesor inicial de pared; d(t): profundidad del dao; que crece con el tiempo; es
decir, es funcin del tiempo (Ver Tabla 2 y 3).
Sustituyendo la ecuacin 2 en la ecuacin 3; se tiene:
2 * Sp * ( Eo d10 ( t ))
Pf10 ( t ) ; (4)
D
En la ecuacin 4, la presin de falla se convierte en una funcin del tiempo. Ahora bien, la
forma cmo la profundidad del dao crece en funcin del tiempo se ha caracterizado con la
siguiente ecuacin emprica:
d10 ( t ) do10 Rc * t ; (5)
Donde:
Diplomado:ConfiabilidaddeSistemasIndustriales
t: tiempo en aos desde la medicin anterior hasta la medicin actual ( t t 2 t1 2001 1998 3 ).
La idea general es utilizar los datos de entrada y la ecuacin 6, para calcular la mxima presin
permisible Pf, para diferentes perodos de tiempo (1,15 y 25 aos) y comparar estos valores
con la presin de operacin Pa.
En este caso Pf es la Resistencia, y Pa ser el Esfuerzo. Como el lector puede inferir, Pf es
una variable distribuida, ya que depende de Sp, Rc, Eo, d y D que son todas distribuidas; por
otra parte, la presin de operacin es tambin una variable distribuida. Esto corresponde al
Caso III del anlisis Esfuerzo Resistencia que se ilustra en el Grafico 4.
Para realizar el anlisis completo en forma sistemtica, se seguir la siguiente secuencia de
etapas:
Etapa 1: Caracterizar probabilsticamente las variables Sp, Rc, Eo, do10, D y Pa; siguiendo los
procedimientos expresados en la seccin Gerencia de la Incertidumbre
Etapa 2: Propagar la Incertidumbre de Sp, Rc, Eo, do10 y D en la ecuacin 6 para encontrar la
distribucin de probabilidades de Pf10. Este clculo se realizar para varios perodos de tiempo
(1, 15 y 25 aos).
Etapa 3: Una vez conocidas las distribuciones de probabilidades de Pf10 (Resistencia) para 1,15
y 25 aos y la distribucin de probabilidad de Pa (Esfuerzo), se realizar el clculo de
Confiabilidad para 1,15 y 25 aos.
Etapa 1:
Caracterizacin probabilstica de Pa y Sp: Utilizando el procedimiento de ajuste de curvas o
seleccin de distribuciones de probabilidad y seleccionando uno de los test de calidad de
ajuste (Anderson Darling en este caso), se determin la distribucin paramtrica que mejor se
ajusta a los datos disponibles de Presin de Operacin (Pa) y Esfuerzo de Fluencia (Sp).
Los datos de presin de operacin Pa son recolectados con un medidor de presin instalado en
la tubera, tomando lecturas en diferentes momentos del tiempo. A pesar de que en la mayora
de los casos, las tuberas operan tericamente a una presin nica, la tabla de datos refleja las
fluctuaciones que este parmetro tiene y que refuerza la tesis de que en su comportamiento
real, la mayora de las variables tienen alguna variabilidad. Los resultados obtenidos se
muestran en la Figura 7.
GR A F ICO DE C OM PA R AC IO N Pa
Resultados del Test de Distribucin
H IS T O GR A M A A CU M U LA DO D A T OS Vs D IS TRIB UC ION H IP O TE S IS
Anderson-Darlin Normal Media = 4,096
Test Value 0.318 2
Por su parte, el esfuerzo de fluencia Sp es una propiedad fsica del material con el cual se
fabrica la tubera. Para tener una serie de datos como los mostrados en la Tabla 4 se realizaron
pruebas de tensin al material de la tubera en laboratorios especializados.
Los resultados de la caracterizacin se muestran en la Figura 8.
GRAFICO DE COMPARACION
Resultados del Test de Distribucin HISTOGRAMA ACUMULADO DATOS Vs DISTRIBUCION HIPOTESIS
Sp
Anderson-Darlin Log-Normal
Media = 401,996
Test Value 0.213
2
donde:
=(Rc - Rcmin)*(2*Rcmprob - Rcmin - Rcmax) / [(Rcmprob - Rc)*(Rcmax - Rcmin)] (8)
= * (Rcmax - Rc) / (Rc - Rcmin) (9)
Media: Rc = (Rcmin + 4 * Rcmprob + Rcmax) / 6 (10)
Desviacin Estndar: Rc =(Rcmax - Rcmin)/6 (11)
Diplomado:ConfiabilidaddeSistemasIndustriales
Rc f(Rc)
Mximo 0.236
Ms Probable 0.137
3
1 1
2
( ) Rc Rcmin Rc Rcmin
0.151 f (Rc) . 1
1.5
( ).( ) Rcmax Rcmin Rcmax Rcmin
1.615
4.385 1
0.020 0.5
0
0.1190 0.1390 0.1590 0.1790 0.1990 0.2190
f(do10)
Lectura en el
instrumento de
medicin
do10
do10
Los errores o tolerancias en la medicin, suelen caracterizarse con una distribucin normal
cuya media corresponde al valor medido o lectura del instrumento. Por otra parte, se sabe que
desde un extremo al otro (utilizando un criterio prctico), una distribucin normal tiene 6
desviaciones estndar de amplitud; como se refleja en la figura anexa.
Con esta informacin se deduce que la desviacin estndar de la distribucin viene dada por:
2*TOL=6*do10 lo que implica que
do10=1/3*TOL=1/3*0,9=0,3mm;
En resumen puede decirse que do10 tiene una Distribucin Normal, cuyos parmetros son:
Diplomado:ConfiabilidaddeSistemasIndustriales
2 2 2
Pf Pf 2 Pf
2 2 D
2
Eo .
Pf Sp Sp D Sp , D ,Eo ,d ,Rc Eo Sp , D ,Eo ,d ,Rc
Sp , D ,Eo ,d ,Rc
2 2
Pf Pf
.......... 2 2
d d Rc Rc
, , ,
Sp D Eo d Rc , Sp D Eo d Rc
, , , ,
(13)
Pf 2( Eo d Rc * t ) Pf 2Sp( Eo d Rc * t )
(15)
D D 2 D , , , , D2
Sp D Eo d Rc
Diplomado:ConfiabilidaddeSistemasIndustriales
Pf 2Sp Pf 2 Sp
(16)
Eo D Eo , , , , D
Sp D Eo d Rc
Pf 2Sp Pf 2 Sp
(17)
d D d , , , , D
Sp D Eo d Rc
Pf 2Sp * t Pf 2 Sp * t
(18)
Rc D Rc , , , , D
Sp D Eo d Rc
Pf ( t ) 2 .
2( Eo d Rc * t )
2 2 Sp ( Eo d Rc * t )
2 .
2
2 Sp
2 .
2
2 .
2 Sp
2
2 .
2 Sp * t
2
.
(19)
Eo D d
Sp
D
D
D 2 D Rc
D
Evaluando las ecuaciones 12 y 19 para t =1 ao, con los valores de las medias y desviaciones
estndar de las variables resumidas en la Tabla 5, se obtiene:
2.Sp .( Eo ( d Rc * t )) 2 * 401,437 ( 9 ,809 ( 3 ,075 0 ,146 * 1 ))
Pf ( t ) Pf (1ao )
D 597 ,250
Segn el Teorema del Lmite Central. Las variables aleatorias que resultan de la
multiplicacin o producto de varias variables aleatorias siguen la distribucin Lognormal.
Este enunciado permite asumir que la variable Presin de Falla Pf sigue la distribucin Lognormal,
ya que la misma es el producto de otras variables aleatorias. Siguiendo esta lgica, puede decirse
que Pf para un perodo de un (1) ao se aproxima a una Distribucin Lognormal con una media
Pf (1ao ) 8.856 MPa y una desviacin estndar Pf (1ao ) 2 ,142 MPa.
En este punto es importante recordar las ecuaciones que permiten calcular la media logartmica
( t POES ) y la desviacin estndar logartmica ( t POES ) necesarias para definir la distribucin
Lognormal a partir de la media ( POES ) y la desviacin estndar ( POES ) normales:
2 2
2 ,142
Pf ln Pf 1 Pf (1ao ) ln
8 ,856 1 Pf (1ao ) 0 ,238
Pf
2 2
Pf ln( Pf ) Pf (1ao ) ln( 8 ,856 ) 0 ,238 (1ao ) 2 ,153
Pf Pf
2 2
Con esta informacin pueden calcularse algunos percentiles de inters para caracterizar an
mejor la variable Pf.
( Pf 1,28. )
Pf10% e Pf Pf10% (1ao ) e( 2 ,153 1,28.* 0 ,238 ) Pf10% (1ao ) 6 ,341
( Pf 1,28. )
Pf90% e Pf Pf90% (1ao ) e( 2 ,153 1,28.* 0 ,238 ) Pf90% (1ao ) 11,384
Pf(1 ao)
,083
f(Pf) 1 ln( Pf ) Pf
2
1 Pf
f ( Pf ) e
2
,062
Pf Pf 2
,041
,021
,000
3,98 9,15 14,32
Pf 10= 6,341 Pf 90 = 11,684
Pf = 8,856
,052
,000
0,00 3,75 7,50 11,25| 15,00
Pf(1ao) Pf(15 aos) Pf(25 aos)
e 8 ,856 )
ln 4 ,000
e
C(1ao ) 0 ,998
2 ,
142 2
0 ,500 2
Pf Pf Pf Pf Pf 10 Pf 50 Pf 90
6,108 1,655 1,774 0,266 4,192 5,895 8,292
t=15 aos Pa Pa Pa Pa Pa 10 Pa 50 Pa 90
4,000 0,500 1,379 0,125 3,359 4,000 4,641
e6 ,108
ln 4 ,000
e
C(15 aos ) 0 ,910
1,655 2
0 ,500 2
Pf Pf Pf Pf Pf 10 Pf 50 Pf 90
4,146 1,429 1,366 0,335 2,551 3,920 6,022
t=25 aos Pa Pa Pa Pa Pa 10 Pa 50 Pa 90
4,000 0,500 1,379 0,125 3,359 4,000 4,641
e 4 ,146
ln 4 ,000
e
C ( 25 aos ) 0 ,486
1,429 2
0 ,500 2
A continuacin se resumen las tablas de resultados y los grficos para perodos de evaluacin
adicionales.
Tiempo pf pf tpf tpf Pf10 Pf50 Pf90
1 8.856 2.142 2.153 0.238 6.341 8.608 11.684
5 8.071 1.989 2.059 0.243 5.741 7.387 10.697
10 7.090 1.812 1.927 0.252 4.976 6.869 9.482
15 6.108 1.655 1.774 0.266 4.192 5.895 8.292
20 5.127 1.525 1.592 0.291 3.384 4.914 7.137
25 4.146 1.429 1.366 0.335 2.551 3.920 6.022
Diplomado:ConfiabilidaddeSistemasIndustriales
1 99.800 80
5 99.366
C(t)
60
10 97.467
15 91.091 40
20 75.000 20
25 48.602 0
1 5 10 15 20 25
Tiempo (aos)
En la Figura 15 se muestran los grficos Esfuerzo - Resistencia para 1,5,10,15,20 y 25 aos (en
orden descendente), que ilustran como crece el solapamiento de f(Pf) y g(Pa) al pasar el tiempo
con la correspondiente paulatina disminucin de la confiabilidad del tubo.
Otra forma de presentar el mismo efecto de la Figura 15 se logra graficando los percentiles de
ambas distribuciones (f(Pf) y g(Pa)) contra el tiempo; esto puede verse en la Figura 16.
T=1ao T=15aos
0,000 2,250 5,000 8,000 11,000 14,000 0,000 2,250 5,000 8,000 11,000 14,000
T=5aos T=20aos
0,000 2,250 5,000 8,000 11,000 14,000 0,000 2,250 5,000 8,000 11,000 14,000
T=10aos T=25aos
0,000 2,250 5,000 8,000 11,000 14,000 0,000 2,250 5,000 8,000 11,000 14,000
14,0
12,0
10,0
8,0
6,0
4,0
2,0
0,0
1 6 11 16 21 26
tiempo (aos)