Universidad Nacional de Ingeniería

Oficina Central de Posgrado

CURSO:
" METODOLOGIA DE LA CONFIABILIDAD Y RIESGO
PARA LA MEJORA DEL MANTENIMIENTO
PREVENTIVO Y PREDICTIVO"

Expositor: Jony Paulino Romero

Marzo 2019
 Objetivos del Curso.
➢ Al final del curso los alumnos podrán realizar el análisis de confiabilidad de
dispositivos y sistemas de un modo practico.

➢ Tendrán los conceptos para utilizar debidamente el método de diagrama de

bloques.

➢ Poder realizar el análisis de disponibilidad y mantenibilidad de dispositivos y

sistemas de un modo practico.

➢ Tendrán los conceptos y metodología para implementar en sus centros de

trabajo la metodología RCM.

➢ Podrán mejorar el plan de Mantenimiento Preventivo y Predictivo de los

equipos críticos, reflejándose en la confiabilidad, disponibilidad,
mantenibilidad y costos.
➢ Implementar juntamente con el RCM, el Riesgo dando mejores resultados.
 Objetivos del Curso.
DEPARTAMENTO DE MANTENIMIENTO PLANTA CONCENTRADORA
PLAN DE MANTENIMIENTO INTEGRADO EN LA GESTION DE MANTENIMIENTO
DIAGRAMA DE FLUJO

CATRASTRO DE ACTIVOS

DETERMINACION DE LA CRITICIDAD DE ACTIVOS

DETERMINACION DE LA ESTRATEGIAS EN EL SAP, CUALQUIER OTRO ERP O EXCEL

SERVICIOS INTERNOS Y MATERIALES ACTIVOS PLANES DE MANTENIMIENTO

EXTERNOS

CATALOGACION UBICACIONES EQUIPOS DE EQUIPOS DE EQUIPOS DE

GENERAL CRITICOS TECNICAS CRITICIDAD BAJA CRITICIDAD MEDIA CRITICIDAD ALTA

CATALOGACION MANUALES DE FABRICANTES Y

DE ACTIVOS RCM Y RIESGOS
BENCHMARKING

PLANES DE PLANES DE
PLANES DE MANTENIMIENTO MANTENIMIENTO PLANES DE INSPECCION
LUBRICACION PREDICTIVO PREVENTIVO (SUPERVISION Y SCADA)

PROCEDIMIENTOS E INSTRUCTIVOS DE MANTENIMIENTO (SAP, OTROS ERP Y EXCEL)

PLAN DE PARADAS
MAYORES Y MENORES
PRESUPUESTO DE
KPI's LOGISTICOS(% DE MATERIALES
MANTENIMIENTO
INMOVILIZADOS, ETC.)
(OPEX Y CAPEX)

KPI's DE MANTENIMIENTO
COSTOS (COSTO/TN PRODUCIDA,
DISPONIBILIDAD, CONFIABILIDAD,
MANTENIBILIDAD, KWH/TMS, ETC.)

INGRESO DE PLATAFORMA DE GESTION - ERP (SAP , TARANTELA Y EXCEL)

 1. Introducción a la Ingeniería RAMS
1.1. Ingeniería de Confiabilidad y Riesgo (ICR)
La Ingeniería de Confiabilidad y Riesgo surge en la industria militar con el
fin de mejorar las eficiencia de los primitivos misiles. Actualmente se ha
extendido a los campos del Transporte, Redes de distribución, Energías,
Astronáutica, Plantas Químicas, Minera, etc.

La importancia de estas metodologías no se ha visto acompañada por un

interés de las diferentes instituciones educativa de formación.

Términos:
• Dependability traducido por Confiabilidad.
• Reliability traducido por Fiabilidad.
• Availability traducido por Disponibilidad.
• Quality traducido por Calidad.
• Maintainability traducido por Mantenibilidad.
• Safety traducido por Seguridad (orientado en general a equipos y
procesos técnicos).
• Risk traducido por Riesgo.
• Sustainability traducido por Sostenibilidad.
• Performability traducido por Desempeño Sostenible.
 2. Análisis Estadístico de Fallos
2.1. Introducción
La metodología estadística juega un papel importante en la Ingeniería de
Confiabilidad. La estadística debe ser dominada por los futuros
maestristas de Ingeniería y no abandonar en poco tiempo.
El análisis estadístico de fallos es la parte que se trata directamente todo
lo que resulta especifico de la ingeniería de Confiabilidad en general o del
análisis estadístico de fallos en particular.

2.2. Modelo Estadístico de Fallos en Ingeniería de Confiabilidad

2.2.1. La Función de Fiabilidad

La norma CEI 60050-191 / UNE 21302-191, define:

“ FIABILIDAD (191.02.06): Aptitud de un elemento para realizar una

función requerida, en condiciones dadas, durante un intervalo de tiempo
dado.”

“ FIABILIDAD (191.12.01): Probabilidad de que un elemento pueda

realizar una función requerida en condiciones dadas, durante un intervalo
de tiempo dado (T1, T2).”
 2. Análisis Estadístico de Fallos
Si suponemos un conjunto de dispositivos iguales y no reparables
funcionado en condiciones similares, el “tiempo hasta el fallo” de cada uno
de ellos es una variable aleatoria. Esto implica que a priori no es posible
saber con exactitud cuándo fallará cada uno de los dispositivos ni saber con
seguridad qué elemento será el siguiente en fallar- Sin embargo sí se puede
predecir cómo se comportará el conjunto.
 2. Análisis Estadístico de Fallos
El tiempo hasta el fallo es una variable aleatoria tendrá asociada una
función de densidad de probabilidad de fallo.

La metodología estadística juega un papel importante en la Ingeniería de

Confiabilidad. La estadística debe ser dominada por los futuros
maestristas de Ingeniería y no abandonar en poco tiempo.
El análisis estadístico de fallos es la parte que se trata directamente todo
lo que resulta especifico de la ingeniería de Confiabilidad en general o del
análisis estadístico de fallos en particular.
.2. Modelo Estadístico de Fallos en Ingenieria de Confiabilidad
 2. Análisis Estadístico de Fallos
FUNDICION DE DENSIDAD DE PROBABILIDAD DE FALLO
 2. Análisis Estadístico de Fallos
SI EL TIEMPO HASTA EL FALLO ES UNA VARIABLE ALEATORIA TENDRA
ASOCIADA UNA FUNCION DE DENSIDAD ACUMULADA DE FALLO F(t), ES
DECIR LA FUNCION DE DISTRIBUCION DE PROBABILIDAD.

ESTA FUNCION REPRESENTA LA PROPORCION DE DISPOSITIVOS QUE

SE ESPERA QUE FALLEN ANTES DE t Y SE DENOMINA FUNCION DE
INFIABILIDAD.
2. Análisis Estadístico de Fallos
 2. Análisis Estadístico de Fallos

EN INGENIERIA DE CONFIABILIDAD SE TRABAJA HABITUALMENTE CON

LA FUNCION DE SUPERVIVENCIA, QUE EN ESTE CAMPO DE LA
INGENIERIA SE DENOMINA FUNCION DE FIABILIDAD, VIENE DEL
INGLES “RELIABILITY”.

ESTA FUNCION R(t) ES DE GRAN UTILIDAD YA QUE NOS PERMITE

CONOCER LA PROPORCION DE DISPOSITIVOS QUE SE ESPERA QUE NO
FALLEN ANTES DE t Y EL PORCENTAJE DE EQUIPOS QUE SE ESPERA QUE
FALLEN EN UN INTERVALO DE TIEMPO.
2. Análisis Estadístico de Fallos
2. Análisis Estadístico de Fallos
 2. Análisis Estadístico de Fallos
LA FUNCION TASA INSTANTANEA DE FALLOS.
LA NORMA CEI 60050-191 / UNE 21302-191 DEFINE LA TASA
INSTANTANEA DE FALLOS COMO:

TASA INSTANTANEA DE FALLOS (191.12.02): LIMITE, SI EXISTE, DEL COCIENTE

ENTRE LA PROBABILIDAD CONDICIONADA DE QUE AL INSTANTE t DE FALLO DE
UN ELEMENTO ESTE COMPRENDIDO EN UN INTERVALO DE TIEMPO DADO (t, ∆t)
Y LA DURACION ∆t DEL INTERVALO DE TIEMPO, CUANDO ∆t TIENDE HACIA
CERO, SUPONIENDO QUE EL ELEMENTO ESTA DISPONIBLE AL COMIENZO DEL
INTERVALO DE TIEMPO.

NOTA: EN ESTA DEFINICION, t PUEDE REPRESENTAR TAMBIEN EL TIEMPO HASTA

EL FALLO O EL TIEMPO HASTA EL PRIMER FALLO, SEGÚN EL CASO.
2.1. Modelos Estadísticos mas usados en Ingeniería de Confiabilidad

EN EL CASO DE ELEMENTOS NO REPARABLES, t REPRESENTA

NECESARIAMENTE EL TIEMPO HASTA EL PRIMER FALLO. EXPRESADO LA
DEFINICION DE MANERA MATEMATICA:
2.1. Modelos Estadísticos mas usados en Ingeniería de Confiabilidad

LA NORMA CEI 60050-191 / UNE 21302-19 TAMBIEN DEFINE LA MEDIA

DE LA TASA INSTANTANEA DE FALLOS (191.12.03):
2.1 Modelos Estadísticos mas usados en Ingeniería de Confiabilidad
TIEMPO MEDIO HASTA EL FALLO
2.1 Modelos Estadísticos mas usados en Ingeniería de Confiabilidad
TIEMPO MEDIO HASTA EL FALLO
 2.2. Estimación de la Fiabilidad
PROCESO DE ESTIMACION DE LA FIABILIDAD
 2.2. Estimación de la Fiabilidad
DATOS DE FALLOS

➢ Se trabaja generalmente con datos de “tiempos hasta el fallo”.

➢ Generalmente se dispondrá de pocos datos y pocos fallos.
➢ Los datos disponibles no siempre serán de “funcionamiento
hasta el fallo”, sino del tiempo que funciono un dispositivo sin
que llegara a fallar (datos denominados “censurados”).

TIPOS DE DATOS
 2.2. Estimación de la Fiabilidad

RECOLECCION DE DATOS

➢ El proceso de recolección de datos de fallo tiene un papel

importante en los estudios de fiabilidad.
➢ Se fundamentalmente en dos áreas: Predicción y optimización
de nuevos diseños y evaluación de la fiabilidad de sistemas de
operación.
➢ Los datos disponibles que pueden emplearse será de sistemas
o equipos similares, los datos genéricos publicados por
asociaciones, en relación con la fiabilidad esperada para cada
tiempo de equipo o tecnología o, de forma alternativa, datos
obtenidos a través de ensayos.
➢ Datos de operación.
 2.2. Estimación de la Fiabilidad
DATOS GENERICOS
➢ Permite realizar una primera estimación.
➢ Posibilitara el estudio de debilidades, robustez e importancia relativa de
determinados modos de fallo.
➢ La métrica indicadora de conveniencia es la tasa de fallos/reparacion.
➢ Existen bases de datos que pueden dar el valor medio y los modos de
fallo principales del sistema.
➢ Otras como el Oreda2 ofrecen otras medidas de dispersión e intervalos
de confianza para los estimadores.

FUENTES DE DATOS GENERICOS

✓ MIL-HDBK-217F: Base de datos de tasas de fallo para componentes

electrónicos. http://snebulos.mit.edu//projects/MIL-STD/MIL-HDBK-
217F_Notice2.pdf
✓ Telecordia SR-332: Es otra fuente de predicción de tasas de fallo. Ofrece
procedimientos para predecir tasas de fallos basadas en datos
genéricos, combinados con datos de ensayo y con datos de operación.
http://telecoinfo.telecordia.com/sitecgi/ido/docs.cgi?ID=46576925SE
ARCH&DOCUMENT=SR-332.
 2.2. Estimación de la Fiabilidad
FUENTES DE DATOS GENERICOS

✓ Telecordia SR-332: Es otra fuente de predicción de tasas de

fallo. Ofrece procedimientos para predecir tasas de fallos
basadas en datos genéricos, combinados con datos de ensayo
y con datos de operación.
http://telecoinfo.telecordia.com/sitecgi/ido/docs.cgi?ID=465
76925SEARCH&DOCUMENT=SR-332.
✓ OREDA Handbook: Se aportan modos de fallo, tasas de fallo y
tiempos de reparación de equipamientos cuya operación se
realiza en el ámbito petrolífero offshore.
https://www.oreda.com/product/oreda-handbook-2015-6th-
edition-volumen-i-and-ii-shipping-april-15th/T-Book.
✓ IAEA: El principal objetivo de esta base de datos es el de
suministrar datos de fallo para calculo de fiabilidad, el cual
forma parte del análisis de seguridad de las centrales
nucleares de potencia Nórdicas.
https://inis.iaea.org/search/search.aspx?oring_q=RN:370202
28
 2.2. Estimación de la Fiabilidad
FUENTES DE DATOS GENERICOS

✓ EIRDA (European Industry Reliability Data Bank): Provee

datos de fallo de componentes que forman parte de los
sistemas de seguridad de las centrales nucleares.
http://www.cup.gr/EUROPEAN-INDUSTRY-RELIABILITY-
DATA-BANK-1998_p-264584.aspx?Langld=2

✓ NSWC-06/LE10: Provee de modelos para estimar la tasa de

fallos de componentes mecánicos afectados por diferentes
condiciones de carga y operación como temperatura, estres,
caudal, etc.
 2.2. Estimación de la Fiabilidad
DATOS OBTENIDOS A PARTIR DE ENSAYOS

✓ Una muestra de un componente o equipo a unas condiciones

de trabajo mas o menos parecidas a las que estos van a
desempeñar a lo largo de la vida.
✓ Tiene que estar bien controlado para no inducir modos de fallo
que en la operación normal de los equipos no ocurrirían.
✓ Los resultados pueden ser, tiempo hasta/entre el fallo,
kilómetros (distancia) hasta el fallo o alguna otra medida
relacionada con el fallo).
✓ El parámetro a conocer se denomina Vida media, θ, y
representa el tiempo medio que transcurre hasta que ocurre
un fallo.
✓ Cuando el tiempo del ensayo resultaría muy largo se procede a
utilizar una prueba especial llamada Ensayo Acelerado, que
busca que el fallo aparezca antes, con las condiciones de
trabajo que se están imponiendo.
 2.2. Estimación de la Fiabilidad
DATOS DE OPERACION

✓ Se registran durante la operación de las instalación,

sistema o equipo.
✓ La calidad de los datos es importante para que los
resultados sean confiables.
✓ Los datos de Planta aparecen en forma de informes de
mantenimiento u ordenes de trabajo que deberán
convertirse a un formato apropiado para su posterior
análisis.
 2.2. Estimación de la Fiabilidad
TIPOS DE DATOS

Censura a la Censura a la Censura por

izquierda derecha intervalo

Notación dato *X X* *X*

X Censurado
 2.2. Estimación de la Fiabilidad
DATOS COMPLETOS
 2.2. Estimación de la Fiabilidad
DATOS CENSURADOS A LA DERECHA
CUANDO NO OCURRE EL EVENTO O VARIABLE EN EL TIEMPO DE
OBSERVACION
 2.2. Estimación de la Fiabilidad
DATOS CENSURADOS A LA IZQUIERDA
 2.2. Estimación de la Fiabilidad
DATOS CENSURADOS EN INTERVALOS
SE ENCUENTRA ENTRE DOS COTAS, SUPERIOR E INFERIOR COMO
ESTIMACION PERO SE DESCONOCE EL VALOR DEL MISMO.
 2.2. Estimación de la Fiabilidad
ESTIMACION NO PARAMETRICA DE LA FIABILIDAD

➢ Se basa en la construcción de una función de fiabilidad

empírica a partir de los datos disponibles.
➢ Esta función se podrá expresar en forma tabular o grafica
a base de interpolar entre los valores de tiempo
disponibles.
➢ Es solo aplicable a elementos no reparables.
➢ Si se trata de elementos reparables y se puede
considerar que el elemento reparado tienes unas
condiciones similares a uno nuevo, entonces puede
aplicarse este método, pero el elemento reparado ha de
considerarse como un elemento diferente que empieza a
funcionar desde t=0.
 2.2. Estimación de la Fiabilidad
CASO I: DATOS NO CENSURADOS. SE CONOCEN LOS TIEMPOS
HASTA EL FALLO DE TODOS LOS DISPOSITIVOS.

➢ PASO I.
Ordenar los dispositivos de manera creciente según los
tiempos de fallo, t1, t2, t3,…..,tn.
➢ PASO II.
a) Basarse en la esperanza matemática del tiempo hasta el
i-esimo fallo (orden de la media)
Es el procedimiento mas intuitivo. Los valores
correspondientes a las estimaciones serian:
 2.2. Estimación de la Fiabilidad
CASO I: DATOS NO CENSURADOS. SE CONOCEN LOS TIEMPOS
HASTA EL FALLO DE TODOS LOS DISPOSITIVOS.
 2.2. Estimación de la Fiabilidad
CASO I: DATOS NO CENSURADOS. SE CONOCEN LOS TIEMPOS
HASTA EL FALLO DE TODOS LOS DISPOSITIVOS.

c) Basarse en la mediana del tiempo hasta el i-esimo fallo

(orden de la mediana)
Si la distribución de los datos hasta el fallo no es simétrica (lo que
es muy habitual) parece mas correcto basarse en la mediana. Para
hacerlo hay varios métodos y el mas sencillo de todos es la
aproximación de Bernard:
 2.2. Estimación de la Fiabilidad
EJEMPLO 1.
2.2. Estimación de la Fiabilidad
 2.2. Estimación de la Fiabilidad

EJEMPLO 2.
Realizar los cálculos correspondientes a los motores censurando el fallo
del motor numero 4.
Resolución:
 2.2. Estimación de la Fiabilidad

EJEMPLO 3.
Resolver el ejemplo 1 aplicando el estimado KM (caso particular).
Resolución:
 2.2. Estimación de la Fiabilidad

EL ESTIMADOR DE KM SE PUEDE EXPRESAR:

DONDE n ES NUMERO TOTAL DE DISPOSITIVOS Y nj ES EL

NUMERO DE DISPOSITIVOS QUE LLEGAN FUNCIONANDO A tj.
 2.2. Estimación de la Fiabilidad

CASO III: DATOS AGRUPADOS

EN ESTE CASO EN CADA UNO DE LOS INTERVALOS PUEDE OCURRIR
QUE FALLEN Y SE RETIREN DISPOSITIVOS. EL ESTIMADOR KM SE
PUEDE ADAPTAR A ESTA SITUACION. EN ESTE CASO LOS CLCULOS
SE HACEN SEGÚN LA ECUACION:

DONDE:
n ES NUMERO TOTAL DE DISPOSITIVOS.
nj ES EL NUMERO DE DISPOSITIVOS QUE LLEGAN FUNCIONANDO j.
m ES EL NUMERO TOTAL DE INTERVALOS.
fj ES EL NUMERO DE DISPOSITIVOS QUE FALLAN EN EL INTERVALO j.
Cj ES EL NUMERO DE DISPOSITIVOS QUE SE CENSURAN EN EL
INTERVALO j.
 2.2. Estimación de la Fiabilidad

LA RELACION QUE EXISTE ENTRE ELLOS ES :

EN ESTE CASO SE SUPONE QUE LOS ELEMENTOS SE CENSURAN AL

FINAL DE INTERVALO ANTERIOR. SI SE SUPONE QUE SE CENSURAN
EN LA MITAD DEL INTERVALO ACTUAL, LAS UNIDADES DISPONIBLES
EN CADA INTERVALO AUMENTARIAN EN ci/2.
 2.2. Estimación de la Fiabilidad

EJEMPLO 4:
SE DISPONE DE DATOS DE SERVICIO DE 55 DISPOSITIVOS, EN LOS
QUE SE INDICA EL NUMERO DE UNIDADES QUE FALLARON EN CADA
INTERVALO DE TIEMPO Y EL NUMERO QUE SE RETIRO. SE DESEA
ESTIMAR LA FUNCION DE FIABILIDAD DEL DISPOSITIVO.
 2.2. Estimación de la Fiabilidad

RESOLUCION:
 2.2. Estimación de la Fiabilidad

CALCULO DEL INTERVALO DE CONFIANZA DE LA PREDICCION DE

FIABILIDAD
FORMULA DE GREENWOOD

EL INTERVALO CON UN NIVEL DE CONFIANZA α SE CALCULA:

 2.2. Estimación de la Fiabilidad

EJEMPLO 5
 2.2. Estimación de la Fiabilidad

ESTIMACION PARAMETRICA DE LA FIABILIDAD

EN LA ESTIMACION PARAMETRICA SE HACE LA HIPOTESIS DE QUE LOS
DATOS DISPONIBLES DEL TIEMPO DE VIDA DEL DISPOSITIVO SIGUEN UN
TIPO DE FUNCION DE FIABILIDAD ANALITICO, DE LA QUE SE
DESCONOCEN LOS PARAMETROS. DE ESTA MANERA SE PRETENDE
CONSTRUIR UN MODELO MATEMATICO QUE EXPLIQUE LOS DATOS
EXISTENTES. LOS PASOS A DAR SON:

PASO I: SELECCIÓN DE LA FUNCION DE FIABILIDAD MAS

APROPIADA.
LOS CRITERIOS NO SON SOLO ESTADISTICOS SINO TAMBIEN DEPENDEN
DEL MODO DE FALLO.

PASO II: SELECCIÓN DEL METODO DE ESTIMACION QUE SE VA A

APLICAR.
LOS METODOS DE ESTIMACION DE LOS PARAMETROS MAS COMUNES DE
INGENIERIA DE FIABILIAD SON:
 2.2. Estimación de la Fiabilidad

❖ ESTIMACION DE MAXIMA VEROSIMILITUD. PARA ALGUNAS FUNCIONES

SE REQUIERE EL EMPLEO DE METODOS NUMERICOS Y SOFTWARE
ESPECIALIZADO.
❖ ESTIMACION POR METODOS GRAFICOS. REQUIERE MENOS CAPACIDAD
DE CALCULO.
❖ ESTIMACION POR METODOS GRAFICOS Y RECTA DE REGRESION
(MINIMOS CUADRADOS).

PASO III. COMPROBACION DE LA BONDAD DEL AJUSTE DEL MODELO

CREADO POR LA FUNCION A LOS DATOS DE TIEMPO DE VIDA.
SE TRATA DE VER EN QUE MEDIDA EL MODELO PROPUESTO EXPLICA LOS
DATOS DE TIEMPO DE VIDA DISPONIBLES
 2.2. Estimación de la Fiabilidad

PRINCIPALES FUNCIONES DE PROBABILIDAD EMPLEADAS EN

CONFIABILIDAD

SELECCIÓN DE LA FUNCION DE FIABILIDAD MAS APROPIADA.

LAS FUNCIONES DE DISTRIBUCION DE PROBABILIDAD EMPLEADAS CON
MAS FRECUENCIA COMO FUNCION DE FIABILIDAD SON LAS SIGUIENTES:
▪ DISTRIBUCION EXPONENCIAL.
▪ DISTRIBUCION DE WEIBULL.
▪ DISTRIBUCION NORMAL.
▪ DISTRIBUCION LOGNORMAL.

SE TRATA DE VER EN QUE MEDIDA EL MODELO PROPUESTO EXPLICA LOS

DATOS DE TIEMPO DE VIDA DISPONIBLES
 2.2. Estimación de la Fiabilidad
PRINCIPALES FUNCIONES DE PROBABILIDAD EMPLEADAS EN
CONFIABILIDAD
 2.2. Estimación de la Fiabilidad
PRINCIPALES FUNCIONES CONTINUAS EMPLEADAS COMO
 2.2. Estimación de la Fiabilidad
DISTRIBUCION EXPONENCIAL
FUNCIONES ANALITICAS
 2.2. Estimación de la Fiabilidad
DISTRIBUCION EXPONENCIAL
CON 02 PARAMETROS
 2.2. Estimación de la Fiabilidad
FUNCION DE FIABILIDAD EXPONENCIAL
 2.2. Estimación de la Fiabilidad
FUNCION DE DENSIDAD DE PROBABILIDAD EXPONENCIAL
 2.2. Estimación de la Fiabilidad
EJEMPLO 6
 2.2. Estimación de la Fiabilidad
EJEMPLO 7
 2.2. Estimación de la Fiabilidad
EJEMPLO 7

EJEMPLO 8
 2.2. Estimación de la Fiabilidad
EJEMPLO 8
 2.2. Estimación de la Fiabilidad
ESTIMACION DE LOS PARAMETROS POR MV
DATOS COMPLETOS
 2.2. Estimación de la Fiabilidad
ESTIMACION DE LOS PARAMETROS POR MV
ALGUNAS DATOS CENSURADOS POR LA DERECHA
 2.2. Estimación de la Fiabilidad
ESTIMACION DE LOS PARAMETROS POR MV
ALGUNAS DATOS CENSURADOS POR LA DERECHA
 2.2. Estimación de la Fiabilidad
EJEMPLO 9
REALICE UNA ESTIMACION DE LA TASA DE LOS FALLOS DE LOS
DATOS DEL EJEMPLO 4 SUPONIENDO QUE SIGAN UNA
DISTRIBUCION EXPONENCIAL Y CONSTRUYA UN INTERVALO DE
CONFIANZA DEL 95%.
 2.2. Estimación de la Fiabilidad

ESTIMACION DE LOS PARAMETROS POR METODOS GRAFICOS.

ESTA ES LA ECUACION DE UNA RECTA DE PENDIENTE –λ Y λ.to COMO

TERMINO INDIPENDIENTE. SI SE REPRESENTAN LOS PUNTOS [x=t, y=R(t)] EN
UN GRAFICO CON UNA TRANSFORMACION LOGARITMICA EN EL EJE OY Y
LOS PUNTOS ESTAN RAZONABLEMENTE BIEN ALINEADOS (ES DECIR,
RESPONDEN A UNA LEY EXPONENCIAL), PUEDE HALLARSE LA PENDIENTES
 2.2. Estimación de la Fiabilidad

EJEMPLO 10
REALICE UN AJUSTE DE LOS DATOS DEL EJEMPLO 4 POR EL METODO
GRAFICO Y ESTIME LOS PARAMETROS. COMPARELO CON LA ESTIMACION
DE MV OBTENIDA EN EL EJEMPLO ANTERIOR.
 2.2. Estimación de la Fiabilidad

EJEMPLO 10
GRAFICO
 2.2. Estimación de la Fiabilidad

ESTIMACION DE LOS PARAMETROS POR EL METODO DE MINIMOS

CUADRADOS (RECTA DE REGRESION).
EJEMPL0 11
ESTIMAR POR EL METODO DE MINIMOS CUADRADOS LA TASA DE FALLOS
DEL EJEMPLO 4.
 2.2. Estimación de la Fiabilidad

ESTIMACION DE LOS PARAMETROS POR EL METODO DE MINIMOS

CUADRADOS (RECTA DE REGRESION).
EJEMPL0 11
ESTIMAR POR EL METODO DE MINIMOS CUADRADOS LA TASA DE FALLOS
DEL EJEMPLO 4.
 2.2. Estimación de la Fiabilidad

COMPROBACION DE LA BONDAD DE AJUSTE.

LO MAS HABITUAL EN INGE NIERIA DE CONFIABILIDAD ES CONTRASTAR
EL AJUSTE DEL MODELO DE REGRESIION A LOS DATOS.

1. SE CONTRUYE LAS BANDAS DE CONFIANZA EN LAS QUE DEBEN ESTAR

INCLUIDAS LOS PUNTOS.
2. REALIZAR UN CONTRASTE DE REGRESION.

UN METODO RAPIDO Y SUFICIENTE BUENO PARA VALORAR EL AJUSTE DEL

MODELO LINEAL ES MEDIANTE EL COEFICIENTE DE CORRELACION (O DE
SU CUADRADO, COEFICIENTE DE DETERMINACION R²=0.92, ES DECIR QUE
EL METODO EXPLICA EL 92%, QUEDANDO EL 8% RESTANTE A OTRAS
VARIABLES NO INCLUIDAS O AL RUIDO ALEATORIO.
 2.2. Estimación de la Fiabilidad

DISTRIBUCION DE WEIBULL.
EL INGENIERO SUECO ERNST WALODDI WEIBULL ESTUDIO EL TIEMPO
HASTA EL FALLO POR FATIGA DE LOS ACEROS Y LO MODELIZO
MATEMATICAMENTE MEDIANTE UNA FUNCION DE PROBABILIDAD.
2.2. Estimación de la Fiabilidad
2.2. Estimación de la Fiabilidad
 2.2. Estimación de la Fiabilidad

FUNCION DE WEIBULL CON 03 PARAMETROS

EXISTE TAMBIEN OTRA VERSION CON TRES PARAMETROS, EN LA QUE SE
INCLUYE TAMBIEN UN PARAMETRO DE ORIGEN to QUE REPRESENTA EL
PERIODO IBRE DE FALLOS.
2.2. Estimación de la Fiabilidad
 2.2. Estimación de la Fiabilidad

EJEMPLO 12
SI SE TIENE LA CERTEZA RAZONABLE DE QUE LA FIABILIDAD DE UN
DISPOSITIVO SE COMPORTA SIGUIENDO UNA DISTRIBUCION DE WEIBULL
DE PARAMETROS k=1.25 Y b= 7500. ¿ QUE PORCENTAJE DE LOS
DISPOSTIVOS SE ESPERA QUE SUPEREN CON ÉXITO 500 H? ¿CUANDO SE
ESPERA QUE HAYAN FALLADO EL 50% DE LOS DISPOSITIVOS?
 2.2. Estimación de la Fiabilidad

EJEMPLO 13
TRAS ANALIZAR LOS CICLONES HASTA EL FALLO DEL EJE DE UN SISTEMA,
SE HA DEFINIDO EL COMPORTAMIENTO EN BASE A UNA DISTRIBUCION
DE WEIBULL DE DOS PARAMETROS, CON LOS VALORES SIGUIENTES:
k= 1.8 Y b= 55 (MILES DE CICLOS)
SE PRETENDE ESTUDIAR GRAFICAMENTE LA PROBABILIDAD DE FALLO,
REALIZANDO GRAFICAS DE LAS FUNCIONES DE DENSIDAD, FIABILIDAD Y
TASA DE FALLOS (FUNCION DE RIESGO).
2.2. Estimación de la Fiabilidad
2.2. Estimación de la Fiabilidad
2.2. Estimación de la Fiabilidad
 2.2. Estimación de la Fiabilidad

ESTIMACION DE LOS PARAMETROS POR MAXIMA VEROSIMILITUD

WEIBULL DE DOS PARAMETROS Y DATOS COMPLETOS
 2.2. Estimación de la Fiabilidad

PARA MAXIMIZAR LA FUNCION DE VEROSIMILITUD HAY QUE DERIVAR

RESPECTO DE CADA UNA DE LAS DOS VARIABLES E IGUALAR A 0, CON LO
QUE QUEDA UN SISTEMA DE DOS ECUACIONES CON DOS INCOGNITAS.
 2.2. Estimación de la Fiabilidad

EJEMPLO 14
 2.2. Estimación de la Fiabilidad

WEIBULL DE DOS PARAMETROS Y ALGUNOS DATOS CENSURADOS A

LA DERECHA
 2.2. Estimación de la Fiabilidad

WEIBULL DE DOS PARAMETROS Y ALGUNOS DATOS CENSURADOS A

LA DERECHA
 2.2. Estimación de la Fiabilidad

EJEMPLO 15
 2.2. Estimación de la Fiabilidad

HACIENDO USO DE LAS NUEVAS ECUACIONES ANTERIORES EN UNA HOJA EXCEL, SE

PUEDE PROCEDER DE UNA MANERA SIMILAR AL CASO ANTERIOR.
 2.2. Estimación de la Fiabilidad

ESTIMACION DE LOS PARAMETROS POR METODOS GRAFICOS Y

RECTA DE REGRESION.
DEBIDO A QUE EL METODO MV REQUIERE METODOS POTENTES DE
CALCULO, SE HA UTILIZADO MUCHO EL METODO GRAFICO QUE ES
BASTANTE SIMILAR AL CASO DEL LA DISTRIBUCION EXPONENCIAL. EN
ESTE CASO LA LINEARIZACION DE LA FUNCION DE WEIBULL REQUIERE
TOMAR DOS VECES LOGARITMOS:

SI LA ECUACION DE UNA RECTA DE PENDIENTES k Y k ln(b) COMO

TERMINO INDEPENDIENTES. SE SE REPRESENTAN LOS PUNTOS [x=t,
y=R(t) EN UN GRAFICO CON UNA TRANSFORMACION LOGARITMICA EN EL
EJE OX, DOBLEMENTE LOGARITMICA EN EL EJE OY, Y LOS PUNTOS ESTAN
RAZONABLEMENTE BIEN ALINEADOS (ES DECIR, RESPONDEN A UNA LEY
DE WEIBULL), PUEDE HALLARSE LA PENDIENTES (QUE SERA k) Y EL