1-1

CONCEPTOS DE
CONFIABILIDAD
Captulo 1
1-2
Objetivo: Presentar los conceptos
indispensables para entender la
confiabilidad
Propsitos
presentar el concepto de tiempo de vida y falla
exponer el concepto de distribucin de
probabilidad
definir confiabilidad
definir MTBF - MTTF
explicar el tiempo de misin
visualizar la velocidad de falla grficamente
presentar los elementos de estadstica descriptiva
obtener una distribucin empricamente
1-3
POR QU CONFIABILIDAD?
El cliente es ms crtico y ms
consciente de las
caractersticas del producto
Las compaas que
sobreviven en los negocios
son aquellas capaces de
controlar la confiabilidad de
sus productos
Los costos de la mala calidad
de productos sin confiabilidad
pueden ser muy altos
1-4
CONFIABILIDAD PARA QU?
Cul es la vida promedio del producto?
Cuntas fallas espera el prximo ao?
Cunto nos costar desarrollar y dar
servicio a este producto?
Cmo podemos hacerlo ms efectivo en
costo?
1-5
RAZONES PARA
RECOPILAR
DATOS DE
CONFIABILIDAD
+Evaluar las caractersticas de los materiales sobre un perodo
de garanta o sobre la vida de diseo del producto.
+Predecir la confiabilidad del producto.
+Predecir los costos de garanta del producto.
+Proporcionar las entradas necesarias para la evaluacin del
riesgo de falla de un sistema.
+Evaluar el efecto de un cambio de diseo propuesto.
1-6
RAZONES PARA
RECOPILAR
DATOS DE
CONFIABILIDAD
+Evaluar si se han cumplido los requerimientos del cliente y las
regulaciones gubernamentales.
+Rastrear al producto en el campo para proporcionar informacin
sobre las causas de las fallas y los mtodos para mejorar la
confiabilidad del producto.
+Apoyar programas para el mejoramiento de la confiabilidad a
travs del uso de experimentos en laboratorios, incluyendo
pruebas aceleradas de vida.
+Comparar componentes que provienen de dos o ms fabricantes,
diferentes materiales, perodos de produccin o ambientes de
operacin.
+Verificar la veracidad de un reclamo publicitario.
1-7
TIEMPO DE VIDA Y FALLA
La confiabilidad es una medida
del Tiempo de Vida de un
producto. Durante este
perodo el cliente obtiene las
caractersticas ofrecidas
intencionalmente.
Cuando cesa la capacidad del
producto para entregar la
caracterstica ofrecida al
cliente, se considera que ha
habido una Falla del
producto. Esto representa el
trmino del tiempo de vida.
1-8
MODELOS DE TIEMPO DE VIDA
Para modelar el tiempo de vida se
asigna una medida: La frecuencia
relativa o la probabilidad con que
ocurrir ese tiempo.
La regla que asigna valores de
frecuencia relativa o
probabilidades a los valores de
una variable se llama Distribucin
de Probabilidad
1-9
Funcin de Densidad de Probabilidad (pdf), f(t)
Predice el comportamiento de cualquier situacin
probabilstica
Probabilidad de t de caer en algn punto del rango t
1
a t
2


p t t t f t d t
t
t
( ) ( )
1 2
1
2
s s =
}
t
1
t
2
DISTRIBUCIONES DE
PROBABILIDAD
t
f
(
t
)
El rea total bajo la
curva siempre es 1 o
100%
1-10
0 5 10
0.0
0.1
0.2
0.3
0.4
t
f
(
t
)
0 100 200 300
0
10
20
30
OBS
P
e
r
c
e
n
t
1.6667
8.3333
30.0000
15.0000
13.3333
6.66676.6667
8.3333
3.33333.3333
0.0000 0.0000
3.3333
EJEMPLOS DE DISTRIBUCIONES
DE PROBABILIDAD
56.399 138.573 172.78 39.655
56.554 132.988 45.735 9.52
35.389 234.234 62.171 29.374
56.215 63.378 78.558 46.076
188.26 28.855 75.812 193.45
90.882 49.089 75.492 103.507
132.312 123.442 27.978 107.717
60.465 49.526 145.911 179.036
301.525 71.698 95.475 61.099
302.01 45.352 175.935 46.613
101.978 182.344 34.899 82.272
98.37 225.349 43.461 176.949
64.026 137.758 52.311 145.45
43.881 93.901 49.619 73.873
53.358 77.471 92.019 117.592
PDF Weibull
Histograma
1-11
DISTRIBUCION ACUMULADA DE
PROBABILIDAD
Si acumulamos las probabilidades desde el inicio hasta
un tiempo t
1
, obtenemos la Distribucin de
Probabilidad Acumulada {CDF F(t)}. Puede
obtenerse de forma analtica si se conoce la
estructura de la pdf.

F(t
1
) = P(t s t
1
)
1-12
Funcin de Distribucin Acumulada
La Probabilidad de una variable es menor o igual a un valor
especfico, e.g., t
1



Cuando la variable es tiempo de falla, esto representa la no
confiabilidad o la probabilidad de que una unidad falle
antes del tiempo t
1
}
= s s =
1
0
1
) ( ) 0 ( ) (
t
dt t f t t P t F
DISTRIBUCION ACUMULADA DE
PROBABILIDAD
1-13
F t P t t f t dt
t
( ) ( ) ( ) = s s =
}
0
1
0
1
DISTRIBUCION ACUMULADA DE
PROBABILIDAD
t
f
(
t
)
t
1
No confiabilidad, F(t)
Funcin de Densidad de Probabilidad
t
F
(
t
)
t
1
Funcin de Distribucin Acumulada
0
1
0
1-14
DEFINICIN DE CONFIABILIDAD
Confiabilidad es la probabilidad de que un sistema
ejecute su funcin de intencin sin fallar para un
intervalo especfico, bajo condiciones establecidas.
Se define como la Probabilidad de Supervivencia en un
determinado tiempo.
R(t) = 1 - F(t)
Algunos autores presentan como sinnimos
Supervivencia y Confiabilidad
1-15
t
R
(
t
)
DEFINICIN DE CONFIABILIDAD
R t F t f t dt f t dt
t
t
( ) ( ) ( ) ( ) = = =
} }

1 1
0
t
1
Funcin de Densidad de Probabilidad Funcin de Confiabilidad
0
0
1
t
f
(
t
)
t
1
0
1-16
MTBF - MTTF
Si el tiempo de vida para una caracterstica de calidad es una
variable aleatoria y conocemos su distribucin de probabilidad ,
podemos calcular una medida de localizacin, por ejemplo el
valor de su media.
El valor medio del Tiempo de Vida se denomina Tiempo Promedio
entre Fallas, MTBF es el acrnimo en Ingls, y se refiere a una
medicin bsica de confiabilidad para artculos que se pueden
reparar.
MTTF se refiere al Tiempo Promedio de Fallas, esto es para
artculos que no pueden ser reparados.
El MTTF es tericamente definido como:
MTTF= E[T] =
( ) ( )
} }

=
0 0
dt t R dt t tf
1-17
0 100 200 300
0
10
20
30
tiempo
P
e
r
c
e
n
t
1.6667
8.3333
30.0000
15.0000
13.3333
6.66676.6667
8.3333
3.33333.3333
0.0000 0.0000
3.3333
MTBF - MTTF
La media estimada del
tiempo de vida est marcada
con la lnea punteada es de
98.932, se obtuvo
calculando el promedio de
los tiempos
98.932
0 5 10
0.0
0.1
0.2
0.3
0.4
t
f
(
t
)
N
t
m
N
i
i
=
=
1
La media calculada para esta
distribucin Weibull es funcin de
sus parmetros q=2 y |=2
1.77245
|
|
.
|

\
|
+ I =
|
q
1
1 MEDIA
( )
}

= I
0
1
dx e x a
x a
Funcin Gamma
1-18
TIEMPO DE MISIN
Tiempo de Misin se refiere al tiempo intentado durante
el cual el producto entrega la caracterstica de
calidad satisfactoriamente.
El Tiempo de Misin es una decisin de negocios y
sirve para establecer una meta de logro por parte del
producto en cuanto a sus caractersticas.
Tiempo de Misin
Qu confiabilidad lograremos?, R(tiempo de misin)
1-19
VELOCIDAD DE FALLA
La Velocidad de Falla Tasa de Riesgo o tambin Tasa de
Falla es la fraccin de fallas probables entre la proporcin
de supervivientes al tiempo t. Cuando se conoce la
Distribucin de Probabilidad de t, se calcula a partir de
h(t) = PDF / R(t)
Es una medida de la mortalidad entre los artculos que
quedan.
La tasa de falla representa la propensin a la falla de un
producto como una funcin de su edad o tiempo en operacin.
La tasa de falla en cualquier tiempo dado es la proporcin que
caer en la siguiente unidad de tiempo respecto a aquellas
unidades que han sobrevivido a este tiempo. Puede
incrementarse, disminuir o permanecer constante respecto
al tiempo dependiendo de la naturaleza del producto y el
perodo de observacin.
1-20
TASA DE FALLA O TASA DE RIESGO
Por ejemplo, 1000 motores elctricos se ponen a prueba
en el tiempo CERO. Cuatrocientos de ellos estn
trabajando a las 2000 horas, 50 de ellos fallaron en las
siguientes 100 horas y otros 50 fallaron en las siguientes
horas como lo ilustra la figura.
0 2000 2100 2200 horas
tiempo
1000 400 350 300
No. de
sobrevivientes
La tasa de falla para los motores a las 2000 horas es:
h(2000) = (nmero de fallas por hora posteriores a las 2000 horas)
nmero de sobrevivientes a las 2000 horas
= (50/100)/400 = 0.00125 (fallas por hora)/unidades
Similarmente, la tasa de falla a las 2100 horas es:
h(2100) = (50/100)/350 = 0.0014 (fallas por hora)/unidades
1-21
TINA DE BAO
Si se dibuja la tasa de riesgo o falla para una poblacin
a travs del tiempo se observa un comportamiento
descrito como la Tina de bao
t
h(t)
Fallas constantes
Fallas por deterioro
Fallas infantiles
1-22
0 100 200 300
0
10
20
30
OBS
P
e
r
c
e
n
t
1.6667
8.3333
30.0000
15.0000
13.3333
6.66676.6667
8.3333
3.33333.3333
0.0000 0.0000
3.3333
La Estadstica Descriptiva se
orienta a proporcionar una
descripcin til, clara e
informativa de una masa de
datos numricos.
Esto se hace al considerar
tpicos como:
la coleccin y procesamiento de
datos originales,
presentacin tabular y grfica,
fuentes de datos,
distribucin de frecuencias,
medidas de tendencia central y
medidas de dispersin.
ESTADISTICA DESCRIPTIVA
Un histograma es una descripcin
til, clara e informativa de la
distribucin de frecuencias
1-23
Un estadstico es cualquier funcin de las observaciones en una
muestra aleatoria, que no dependa de parmetros desconocidos
Obsrvese que como un estadstico es una funcin de los datos
provenientes de una muestra aleatoria, es a su vez una variable
aleatoria.
Es decir, si se obtuvieran dos muestras aleatorias diferentes
provenientes de la misma poblacin y se calcularan las medias
muestrales, podra esperarse que los valores obtenidos fueran
diferentes.
ESTADISTICOS
La media muestral, la varianza muestral, la desviacin estndar
muestral y los coeficientes de variacin, sesgo y curtosis son
algunos de los estadsticos ms comunes.
1-24
Medidas
Descriptivas
Descripcin
POBLACION
MEDIA
VARIANZA
COEFICIENTE DE
VARIACIN
COEFICIENTE DE
SESGO
COEFICIENTE DE
CURTOSIS
Estadstica Descriptiva
MUESTRA
}
O
= dt t tf t E ) ( ) (

=
= =
n
i
i
x
n
x m
1
1 Medida de
tendencia
central
( )
}
O
= dt t f t ) (
2 2
o ( )

=
n
i
i
x x
n
s
1
2
2
1
1
Medida de
dispersin
la desviacin estndar es la
raz cuadrada de la varianza
Medida del
grado de
variabilidad

o
= CV
( )
( )
2 / 3
2
3
) (
3
o

o
}
O

=
dt t f t
( )
( )
2 / 3
2
1
3
3

s
n
x x
n
i
i
=

= o
Medida de
Simetra
Medida de
Agudeza ( )
( )
2
2
4
) (
4
o

o
}
O

=
dt t f t
( )
( )
2
2
1
4
4

s
n
x x
n
i
i
=

= o
La Normal tiene un rango
0.05<CV<0.25
La exponencial: CV= 1
o3<0 cola izquierda
o3=0 simtrica (v.gr.Normal)
o3>0 cola derecha
o4<0 - aguda que la Normal
o4=0 aguda como Normal
o4>0 +aguda que la Normal
Otras medidas son la mediana y la
moda, la media tiene propiedades
estadsticas mejores
CV = S

x
1-25
Porqu son importantes los
estadsticos?
Describen completamente los datos
Coeficiente de Variacin CV
comnmente utilizado para describir propiedades
mecnicas de los materiales.
aproximadamente 15% para fractura
aproximadamente 7% para resistencia a la cedencia
ayudan a determinar la distribucin apropiada
la distribucin normal tiene un rango 0.05 < CV < 0.25
Exponencial CV = 1
Estadstica Descriptiva
1-26
Porqu son importantes los estadsticos?
Coeficiente de sesgo
medida de simetra
o3 < 0 distribucin sesgada a la izquierda(tiene una cola a la
izquierda)
o3 = 0 distribucin simtrica
Distribucin Normal o3 = 0
o3 > 0 distribucin sesgada a la derecha (tiene una cola a la
derecha
Coeficiente de curtosis
medida de agudeza (puntiaguda)
o4 < 3 distribucin menos aguda que la Normal
o4 = 3 distribucin Normal
o4 > 3 distribucin ms aguda que la Normal
Estadstica Descriptiva
1-27
Porqu son importantes los estadsticos
los tres ayudan a determinar los parmetros de la
distribucin
CV
La Exponencial tiene un CV constante
El parmetro de forma | de la distribucin Weibull es bien
estimado con el coeficiente de variacin CV
coeficientes de sesgo y curtosis
la relacin entre ellos ayuda a determinar la distribucin que mejor
se ajusta
Estadstica Descriptiva
1-28
EJEMPLO DE DISTRIBUCIN



h




1
MEDIA
) ( FALLA DE TASA
) ( DAD CONFIABILI
1 ) ( CDF
) ( PDF
=
= =
= =
= =
= =



t
e t R
e t F
e t f
t
t
t
Distribucin
Exponencial
Funcin de Densidad de Probabilidad Exponencial
0.0000
0.0005
0.0010
0.0015
0.0020
0.0025
0.0030
0.0035
0 500 1,000 1,500 2,000
Tiempo
f
(
t
)
= 0.003, MEDIA = 333
= 0.002, MEDIA = 500
= 0.001, MEDIA = 1,000
1-29
EJEMPLO DE DISTRIBUCIN
|
|
.
|


\
|
+ I =
|
|
.
|


\
|
= =
= =
= =
|
|
.
|


\
|
= =

|
|
.
|


\
|

|
|
.
|


\
|

|
|
.
|


\
|


|
q
q q
|
h
q q
|
|
q
q
q
|
|
|
|
1
1 MEDIA
) ( FALLA DE TASA
) ( DAD CONFIABILI
1 ) ( CDF
) ( PDF
1
1
t
t
e t R
e t F
e
t
t f
t
t
t
Distribucin
Weibull 2
parmetros
1-30
EJERCICIO
Un componente tiene una distribucin Weibull para el tiempo
de falla con los siguientes parmetros: |=4.5 y q=2000.
Cien componentes son puestos a prueba en el tiempo cero y
deseamos responder a las preguntas siguientes:
1.Cul es el nmero esperado de componentes que
estarn funcionando a las 2000 horas?
2.Cul es el nmero esperado de fallas en el intervalo
de 2000 a 2100 horas?
3.Cul es la tasa de falla a las 2000 horas?
1-31
EJEMPLO DE DISTRIBUCIN
Abra el archivo Distribucin.xls Seale la columna de
tiempo y pongala en
orden ascendente
Veamos cmo se construyen las
curvas de distribucin usando el
EXCEL
1-32
EJEMPLO DE DISTRIBUCIN
Agregue un
rengln inicial
con cero y una
columna con un
contador que
inicie en cero
Agregue una
columna donde
estime F(t) usando
la frmula de Kaplan
Meier*: ( F(t) = i/N)
En este N = 60.
Obtenga R(t) por la
diferencia R(t) = 1-F(t)
Note que puede estimar la
Confiabilidad de 90% para
un tiempo de 35.389
* La frmula de Kaplan Meier se recomienda para muestras grandes
1-33
EJEMPLO DE DISTRIBUCIN
Se estima la tasa de falla para los
tiempos observados, con el inverso del
nmero de supervivientes 1/(N+1-i)
Por ltimo se estima
el intervalo de
confianza normal al
95% para la
confiabilidad
N t F t R Z t R t R
N t F t R Z t R t R
LI
LS
) ( ) ( ) ( ) (
) ( ) ( ) ( ) (
2
2
- - =
- - + =
o
o
1-34
EJEMPLO DE DISTRIBUCIN
R(ti)= 1-F(ti)
0.0000
0.1000
0.2000
0.3000
0.4000
0.5000
0.6000
0.7000
0.8000
0.9000
1.0000
0 50 100 150 200 250 300 350
R(ti)= 1-F(ti)
F(ti)= i/N
0.0000
0.1000
0.2000
0.3000
0.4000
0.5000
0.6000
0.7000
0.8000
0.9000
1.0000
0 50 100 150 200 250 300 350
F(ti)= i/N
Grficas de
Confiabilidad R(t) y de
la Funcin Acumulada
F(t) generadas en
EXCEL
Recuerde que:
R(t) = 1- F(t)
1-35
EJEMPLO DE DISTRIBUCION
Use el archivo: distribucin.mtw
Ahora en Minitab...
1-36
Distribution Analysis
Variable: tiempo
Censoring Information Count
Uncensored value 60
Nonparametric Estimates
Characteristics of Variable
Standard 95.0% Normal CI
Mean Error lower upper
98.9320 8.4776 82.3162 115.5478

Median = 75.8120
IQR = 83.4620 Q1 = 49.5260 Q3 = 132.9880

Kaplan-Meier Estimates
Number Number Survival Standard 95.0% Normal CI
Time at Risk Failed Probability Error Lower Upper
9.5200 60 1 0.9833 0.0165 0.9509 1.0000
27.9780 59 1 0.9667 0.0232 0.9212 1.0000
28.8550 58 1 0.9500 0.0281 0.8949 1.0000
29.3740 57 1 0.9333 0.0322 0.8702 0.9965
34.8990 56 1 0.9167 0.0357 0.8467 0.9866
35.3890 55 1 0.9000 0.0387 0.8241 0.9759
39.6550 54 1 0.8833 0.0414 0.8021 0.9646
43.4610 53 1 0.8667 0.0439 0.7807 0.9527
43.8810 52 1 0.8500 0.0461 0.7597 0.9403
45.3520 51 1 0.8333 0.0481 0.7390 0.9276
45.7350 50 1 0.8167 0.0500 0.7188 0.9146
46.0760 49 1 0.8000 0.0516 0.6988 0.9012
46.6130 48 1 0.7833 0.0532 0.6791 0.8876
49.0890 47 1 0.7667 0.0546 0.6596 0.8737
49.5260 46 1 0.7500 0.0559 0.6404 0.8596
49.6190 45 1 0.7333 0.0571 0.6214 0.8452
52.3110 44 1 0.7167 0.0582 0.6026 0.8307
Para un tiempo
de 35.389 la
confiabilidad es
del 90%
Clculo de R(t) para un tiempo
1-37
0 100 200 300
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
Time to Failure
R
a
t
e
Nonparametric Hazard Plot for tiempo
Empirical Hazard Function
Complete Data
Mean
Median
IQR
98.932
75.812
83.462
0 100 200 300
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
Time to Failure
P
r
o
b
a
b
i
l
i
t
y
Nonparametric Survival Plot for tiempo
Kaplan-Meier Method-95.0% Conf idence Interv als
Complete Data
Mean
Median
IQR
98.932
75.812
83.462
INTERPRETACION DE
RESULTADOS
Observamos las
grficas de las
distribuciones
empricas de: riesgo
y confiabilidad
Las asignaciones de
probabilidades se basan slo
en las frecuencias
observadas, y no suponen
ningn modelo especial.
1-38
OTRAS FORMAS DE ESTIMAR F(t)
Existen otras alternativas para hacer una estimacin no
paramtrica de F(t), entre ellas se encuentran
( )
( ) n
i
n
i
n
i
n
i
n
i
n
i 5 . 0
,
12 . 0
44 . 0
,
4 1
8 3
,
4 . 0
3 . 0
,
1
,
1
+

La ltima es la frmula de Hazen y es en general la menos sesgada

para muestras grandes, digamos n>20. Para muestras pequeas
(i-0.3)/(n+0.4) es favorita. Todas las frmulas antes mostradas,
excepto la primera, son casos especiales de la frmula general
(i-o)/(n-2o+1). Una discusin de las propiedades de estos
estimadores puede encontrarse en Cunnane (1978).
La segunda frmula se obtiene para o = 0, la tercera para o = 0.3, la
cuarta para o = 3/8, la quinta para o = 0.44 y la sexta para o = 0.5.
Cul es el impacto en la estimacin de la
Confiabilidad para los datos anteriores?
1-39
OTRAS FORMAS DE ESTIMAR F(t)
En la Tabla aparecen los diversos estimadores para los primeros 13
tiempos de falla comparados con los de Kaplan Meier. El archivo
estimadores.xls tiene todos los datos.
La frmula 1 produce el estimador mayor y todas las frmulas
producen un estimador ms grande de la Confiabilidad que el
estimador Kaplan-Meier , el cual es ms conservador.
Tiempo i F1 R1 F2 R2 F3 R3 F4 R4 F5 R5 F6 R6 F7 R7
9.52 1 0 1 0.016 0.984 0.012 0.988 0.01 0.99 0.009 0.991 0.008 0.992 0.017 0.983
27.978 2 0.017 0.983 0.033 0.967 0.028 0.972 0.027 0.973 0.026 0.974 0.025 0.975 0.033 0.967
28.855 3 0.033 0.967 0.049 0.951 0.045 0.955 0.044 0.956 0.043 0.957 0.042 0.958 0.05 0.95
29.374 4 0.05 0.95 0.066 0.934 0.061 0.939 0.06 0.94 0.059 0.941 0.058 0.942 0.067 0.933
34.899 5 0.067 0.933 0.082 0.918 0.078 0.922 0.077 0.923 0.076 0.924 0.075 0.925 0.083 0.917
35.389 6 0.083 0.917 0.098 0.902 0.094 0.906 0.093 0.907 0.092 0.908 0.092 0.908 0.1 0.9
39.655 7 0.1 0.9 0.115 0.885 0.111 0.889 0.11 0.89 0.109 0.891 0.108 0.892 0.117 0.883
43.461 8 0.117 0.883 0.131 0.869 0.127 0.873 0.127 0.873 0.126 0.874 0.125 0.875 0.133 0.867
43.881 9 0.133 0.867 0.148 0.852 0.144 0.856 0.143 0.857 0.142 0.858 0.142 0.858 0.15 0.85
45.352 10 0.15 0.85 0.164 0.836 0.161 0.839 0.16 0.84 0.159 0.841 0.158 0.842 0.167 0.833
45.735 11 0.167 0.833 0.18 0.82 0.177 0.823 0.176 0.824 0.176 0.824 0.175 0.825 0.183 0.817
46.076 12 0.183 0.817 0.197 0.803 0.194 0.806 0.193 0.807 0.192 0.808 0.192 0.808 0.2 0.8
46.613 13 0.2 0.8 0.213 0.787 0.21 0.79 0.21 0.79 0.209 0.791 0.208 0.792 0.217 0.783
Kaplan Meier
1-40
PUNTOS CLAVE
tiempo de vida y falla
distribucin de probabilidad
confiabilidad
MTBF - MTTF
tiempo de misin
velocidad de falla
estadstica descriptiva
distribucin emprica
1-41
EJERCICIO
Los cordones para planchas se flexionan en una mquina
de prueba hasta que fallan. La prueba simula el uso
actual pero es altamente acelerada. Se colocan 12
cordones por mquina y se registra el tiempo en que
fallan.
El archivo Cordn.xls tiene los tiempos de falla obtenidos
simultneamente a partir de cinco mquinas.
1A qu tiempo de falla se tiene una Confiabilidad del 95%?
2.Cul es el intervalo de confianza del 95% para la
Confiabilidad a un tiempo de falla de 122.6?
3.Trabaje los datos va el Anlisis no paramtrico en MINITAB.
1-42
REFERENCIAS
Statistical Methods for Reliability Data, William Meeker and Luis A.
Escobar, WILEY 1998.
Handbook of Reliability Engineering and Management by W. Grant Ireson,
Clyde F. Coombs, Jr. and Richard Y. Moss, Second Edition McGraw Hill
1996.
Reliability Modeling, Linda C. Wolstenholme, Chapman & Hall/CRC 1999.
Practical Reliability Engineering, Patrick D. T. OConnor, Third Edition
Revised WILEY 1999.
Engineering Statistics Handbook, capitulo 8, en
http://www.itl.nist.gov/div898/handbook/main.htm
Reliability and Life Testing Handbook, Vols.1 y 2, Dimitri Kececioglu,
Prentice Hall, 1991.
Electronic Component Reliability, Finn Jensen, Wiley, 1998
Reliability Review, Published Quarterly Reliability Division ASQ.
Reliability Statistics, Robert A. Dovich, ASQ Quality Press 1990.
Cunnane, C. (1978) Unbiased plotting positions -a review. J. Hydrology,
37, 205-222.
Software - Minitab version 12.2 (Minitab Inc) y WEIBULL 5.0 (Reliasoft)

1-43
APENDICE
1-44
SOLUCION AL EJERCICIO DE LA PAGINA 30
1. Determinamos la Confiabilidad a las 2000 horas
R(2000) = 36787 . 0
5 . 4
2000
2000
=
(

e
E[N
S
(2000)] = Nmero de componentes por R(2000)
= 100 * 0.36787 = 36.787
2. Calculamos la Confiabilidad a las 2100 horas
R(2100) = 0.28779 E[N
S
(2100)] = 100 * 0.28779 =28.779
Nmero esperado de fallas = E[N
S
(2000)] - E[N
S
(2100)]
= 36.787 - 28.779 = 8.008
3. La tasa de falla a las 2000 horas es
h(2000) = [4.5/2000][2000/2000]
4.5-1
= 0.00225 fallas/hora