Sunteți pe pagina 1din 57

Introduccin a la

Fiabilidad Industrial

Introduccin a la Fiabilidad Industrial


Objetivos

Dar a conocer las tcnicas bsicas empleadas en el estudio cuantitativo de la


Fiabilidad de componentes y sistemas en entornos industriales mediante el
recurso a modelos estadsticos y a herramientas informticas.

Presentar la importancia de la Fiabilidad en el diseo de productos y


procesos y en la gestin de activos industriales (mantenimiento industrial).

Contenidos
1. Fundamentos estadsticos y modelos de Fiabilidad
2. Estimacin y ensayos
3. Fiabilidad de sistemas

Bibliografa

Carrin, A. (2000). Introduccin a la Fiabilidad.SPUPV-267

TEMA 1:
FUNDAMENTOS ESTADISTICOS Y MODELOS DE FIABILIDAD
OBJETIVOS:

Presentar los conceptos bsicos utilizados en el estudio de la fiabilidad


de componentes
Presentar el concepto de tasa de fallo y los tipos de fallos que pueden
presentarse
Conocer los modelos de fiabilidad ms importantes

CONTENIDOS:

1.
2.
3.
4.
5.

Introduccin
Conceptos bsicos
Cuantificacin de la fiabilidad
Tasa de fallo
Modelos de Fiabilidad

Fundamentos Estadsticos de la FIABILIDAD


1. Introduccin
1.Introduccin: Calidad, seguridad y fiabilidad
Calidad: asociado a la etapa de fabricacin del producto.
Seguridad: referido a la posibilidad de daos sufrido por personas en todas las
fases de la vida del producto.
Fiabilidad: garanta del funcionamiento correcto del producto durante su
utilizacin.
Tcnicas bsicas estadsticas empleadas en el estudio cuantitativo de la
fiabilidad en componentes y sistemas.
Definicin de los objetivos de fiabilidad para un producto.

1. Porqu utilizar mtodos estadsticos en estudios de FIABILIDAD?


Los modelos empleados para representar la vida de un producto hasta el fallo son
modelos estadsticos:
Modelo Normal
Modelo Exponencial
Modelo Weibull
La estimacin de los parmetros de esos modelos es de naturaleza estadstica:
Estimacin puntual
Estimacin por intervalos de confianza
Estimacin mediante mtodos grficos
El anlisis de la fiabilidad de sistemas requiere el uso de tcnicas basadas en el
clculo de probabilidades:
Sistemas serie
Sistemas paralelo
Sistemas generales

2. Conceptos bsicos
Definicin de Fiabilidad

Se define la Fiabilidad como, la probabilidad de que un


dispositivo cumpla la funcin requerida, bajo unas condiciones
de utilizacin por un perodo de tiempo determinado .
(Ingeniera del mantenimiento)

La Fiabilidad de una unidad es la probabilidad de que cumpla


con xito cierta misin que tiene asignada cuando la realiza bajo
unas condiciones dadas . (Estadstica Industrial)

Conceptos clave:
Unidad: cada uno de los elementos simples o compuestos que son objeto de
estudio.

Misin: Servicio u objetivo que debe ser cumplido por las unidades estudiadas.
Fallo: Cualquier circunstancia que impide que la unidad complete su misin.
xito: Ausencia de fallo durante la misin.
Condiciones: Caractersticas del entorno en que la misin debe desarrollarse.
Edad de una unidad: cualquier forma de medir su actividad pasada.

Fecha: cualquier punto en la escala de edad.


Objetivo de Fiabilidad: Cuantificacin en forma de probabilidad de xito
requerida.

3. Cuantificacin de la Fiabilidad
Necesitamos una medida numrica de la seguridad de funcionamiento de
un producto, es decir, de la capacidad que tiene para cumplir con xito una
determinada misin. Una medida de sta capacidad es la Funcin de
Fiabilidad (o Funcin de Supervivencia) = R(t).
Funcin de Fiabilidad: Probabilidad de que una unidad cumpla con xito una
misin concreta, desde el instante 1 hasta el instante 2, bajo unas condiciones
dadas:

R(t , t )
1

Funcin de Desfiabilidad: Probabilidad de que la unidad estudiada falle


durante la misin .

F (t , t ) 1 R(t , t )
1

Si llamamos T a la edad a la que se produce el fallo de


una unidad, entonces:

R(t1 , t2 ) P(T t2 t1 )

F (t , t ) P(T t t ) 1 R(t , t )
1

Simplificando

R(t ) P(T t )

F (t ) P(T t ) 1 R(t )

4. Tasa
2. de
Cuantificacin
Fallo
de la Fiabilidad
Velocidad de extincin o variacin relativa del nmero de supervivientes en el
instante t. Se relaciona con el n de fallos por ud de tiempo.

(t )

Tasa de Fallo:

f (t )
R (t )

La tasa de fallo vara en funcin del tiempo.


Fallos precoces:

p (t )

Fallos accidentales:

Fallos por
envejecimiento:

e (t )

Tasa de fallo total de las unidades


Fiabilidad conjunta

(t ) p (t ) a e (t )

R(t ) R p (t )Ra (t )Re (t )

5. Modelos de Fiabilidad
1. Distribucin Exponencial
Diremos que una variable T (continua y no negativa) sigue una distribucin
Exponencial , T EXP ( ) , si su funcin de densidad es:
f (t ) e t

con

t0 , 0

Funcin de Distribucin:

F (t ) P (T t ) 1 e t

Funcin de Fiabilidad:

R (t ) P (T t ) e t

Valor medio:

E (T )

Varianza:

Var (T )

Propiedad: Falta de memoria: P (t (t1 , t1 T )) P (t (t 2 , t 2 T ))

t1,t 2

Falta de memoria de la Distribucin Exponencial


La probabilidad de que la duracin de un componente supere
un tiempo t+s sabiendo que la componente ya ha sido
operativa durante el tiempo t, depende solo de la diferencia
de tiempos s y no del instante inicial considerado.

Distribucin Weibull
Diremos que una variable T (continua y no negativa) sigue una distribucin de Weibull
, T W ( , , ) , si su funcin de densidad es:
1

(t )
f (t )
e

( )
donde:

t
)

con t 0

es la vida mnima de las uds estudiadas ( 0 )


es la vida caracterstica de esas unidades ( )
es el parmetro de forma o pendiente de Weibull ( 0 )

Funcin de Distribucin:
Funcin de Fiabilidad:

F (t ) P(T t ) 1 e
R(t ) P (T t ) e

t
)

t
)

Distribucin de Weibull Reducida ( 0 )


Si (vida mnima ) es 0 , entonces tenemos:
Funcin de densidad:

Funcin de Distribucin:

(t )
f (t )
e

( )

t
( )

F (t ) P (T t ) 1 e

Funcin de Fiabilidad:

R (t ) P (T t ) e

Valor medio:

E (T ) (1
donde

t
( )

t
( )

es la funcin Gamma que se encuentra tabulada

Tasas de fallo
Si T EXP ( )
Funcin de densidad :
Funcin de Fiabilidad:

Tasa de Fallo:

f (t ) e t

con

R(t ) P (T t ) e t

(t )

f (t )

R(t )

t0 ,0

constante

Si T W ( 0, , )

(
)
(t )

Funcin de densidad: f (t )
e
( )
Funcin de Fiabilidad:

Tasa de Fallo:

R(t ) P(T t )

(t )

t
( )
e

(t ) 1

f (t )

R (t )
( )

1 decreciente

1 constante
1 creciente

Ejemplos
Ejemplo 1: Modelo Exponencial

Se ha comprobado que la duracin del tiempo de vida de ciertos


componentes sigue una distribucin exponencial de valor medio 8 meses.
Se pide:

1. La probabilidad de que un elemento tenga una vida superior a los 10


meses.
2. La probabilidad de que un elemento tenga una vida entre 3 y 12 meses.
3. El percentil 95 de la distribucin.
4. La probabilidad de que el componente supere su vida media.
5. Obtener la grfica de la fiabilidad frente al tiempo.

Ejemplo 2: Modelo de Weibull

La duracin o tiempo hasta el fallo (vida) de un generador de campos magnticos se


distribuye segn un modelo de Weibull de parmetro de escala 13 aos y
parmetro de forma 2. Se desea determinar:
1.

El porcentaje de bobinados que fallarn durante el periodo de garanta de 2 aos.

2. La vida media y la vida mediana.


3. La varianza y la desviacin tpica de la duracin hasta el fallo.

TEMA 2:
ESTIMACIN Y ENSAYOS
OBJETIVOS:

Presentar la necesidad de estimar los parmetros de los modelos


de fiabilidad
Presentar los distintos tipos de ensayos
Conocer las tcnicas de estimacin de parmetros

CONTENIDOS:

1.
2.
3.
4.
5.

Introduccin
Tipos de Ensayos
Ensayos de estimacin
Ensayos de comparacin
Casos prcticos

1. INTRODUCCIN
El uso de los modelos de fiabilidad presentados en los captulos
anteriores requiere el conocimiento del valor de los parmetros
de los que dependen (tasa de fallo, parmetro de forma,
parmetro de escala).
No existe ningn procedimiento numrico-deductivo que
permita conocer la fiabilidad (o parmetros de los que depende)
de las unidades a estudiar.
Luego slo es posible conseguir dicha informacin por va de la
experimentacin y ensayos.
Se deben tener muy presentes las condiciones de trabajo a las
que estarn sometidos durante su servicio.
Los ensayos pretenden simular el comportamiento del producto
en manos del usuario final.
De la observacin de la vida real de las unidades se deduce que
componentes tericamente iguales tienen comportamientos
distintos al someterlos a unas mismas condiciones
de
funcionamiento. Este hecho es la razn de la necesidad de un
tratamiento estadstico de los datos.

PROCEDIMIENTO RAZONABLE:

Fijar condiciones a su valor nominal


Hacer funcionar una muestra aleatoria de tamao n
Registrar tiempos y causas de fallos
Repetir el ensayo con otra muestra de tamao n cambiando las
condiciones de funcionamiento
Obtener curvas de funcionamiento para distintas condiciones.
Pero.....

2. TIPOS DE ENSAYOS
OBJETIVO de los ensayos en fiabilidad: Conocer el
comportamiento que tendr el producto cuando sea realmente
utilizado y poder estimar los parmetros de los modelos de
fiabilidad utilizados para estudiar la variable aleatoria tiempo hasta
el fallo.
CLASIFICACIN:
a) Por los objetivos:

Ensayos de medida
Ensayos de control
Ensayos de investigacin
Ensayos en condiciones reales de funcionamiento

b) Por su naturaleza estadstica:


Ensayos de estimacin
Ensayos de comparacin
c) Por las cargas aplicadas:

Ensayos bajo carga constante


Ensayos bajo carga variable

d) Por el criterio de deteccin de la prueba


Ensayos completos
Ensayos incompletos:

de duracin fija, truncados o limitados por tiempo


n de fallos fijos, censurados o limitados por fallos
Ensayos progresivos o secuenciales
Ensayos progresivos limitados

3. ENSAYOS DE ESTIMACIN
OBJETIVO : Conocer la distribucin de probabilidad que
sigue la vida o tiempo hasta el fallo de las unidades a estudiar.
Para ello se examina una muestra de tamao n de un mismo
tipo de unidades.
3.1 Modelo Exponencial

Estimacin puntual de parmetros


Sin reemplazamiento

T
r

r = n de componentes que
han fallado ; (r <= n)

T ti ( n r )t r
1

T = t acumulado del test

Con reemplazamiento
T nt r
Estimacin por IC de parmetros
Ensayo censurado o limitado por fallos
Intervalo bilateral
Intervalo unilateral

2T
2 (

2r

tr = t de la componente r (ltima)

2T
2 (1

2r

2T

Cota mnima

22r( )

Ensayo truncado o limitado por tiempo


Intervalo bilateral
Intervalo unilateral

2T
2 (

2 ( r 21)


2T

22((r)1)

tr = t de parada del test

2T
2 (1

2 ( r 1)2

Cota mnima

donde 22(r / 2) y 22(r1 / 2 ) son, respectivamente, los valores que dejan a

2 y (1 2 ) en la 2 con 2r grados de libertad. El IC calculado conte


de la vida media con una probabilidad 1-.

En nuestro caso, para un nivel de confianza del 95 % le corresponde u


Los valores de la chi-cuadrado que debemos de buscar en la tabla corre
sern los siguientes:

22(r / 2 ) 22(90.05 / 2 ) 182 ( 0.025 ) 31.526


22(r1 / 2) 22(910.05 / 2) 182 (0.975 ) 8.231

Podemos escribir el intervalo de confianza para como

IC 95 %

286278 286278

;
5473.45 ; 20964.

8.231
31.526

EJEMPLO
100 componentes elegidos al azar son contrastados (sin reemplazamiento) de forma que el test
es detenido cuando han fallado 9 componentes (test censurado o limitado por fallos). Si el
tiempo hasta el fallo en horas fue:
60

115

370

415

508

560

630

820

900

Estmese suponiendo que la variable Tiempo hasta el fallo se distribuye segn un modelo
exponencial:
a. la vida media y la tasa de fallo
b. la fiabilidad a las 5.000 horas
c.

construir un intervalo de confianza del 95 % de la vida media

d. construir un intervalo de confianza del 95 % de la vida media si el test es con


reemplazamineto.
SOLUCIN

a) Vida media y tasa de fallo


Sea T* la variable aleatoria continua no negativa duracin o tiempo hasta el fallo del
componente en horas. T* sigue un modelo exponencial

T * EXP( ) E T *

Se trata de un test sin reemplazamiento, por tanto la estimacin puntual del parmetro , ,
se realizar de la forma siguiente:

T
r

donde el tiempo acumulado del test, T, se determina mediante la expresin


r

T t i (n r )t r
i 1

con n = 100 y r = 9:
T= 60+115+370+415+508+560+630+820+900 + (100-9)900 = 86278 horas

T 86278

9586.44 horas
r
9


0.0001043 fallos / hora
99586.44

c) Intervalo de confianza del 95 % de la vida media


Debido al hecho de que el estadstico

2T

sigue una distribucin 2 de Pearson con 2r grados

de libertad, podemos construir el siguiente intervalo de confianza a un nivel de confianza del


(1 )100 % para la vida media:

2T
2T
IC (1 ) 2 ( / 2 ) ; 2 (1 / 2 )
2r
2r

donde 22(r / 2) y 22(r1 / 2 ) son, respectivamente, los valores que dejan a su derecha un rea de

2 y (1 2 ) en la 2 con 2r grados de libertad. El IC calculado contendr al verdadero valor


de la vida media con una probabilidad 1-.
En nuestro caso, para un nivel de confianza del 95 % le corresponde un valor de de 0.05.
Los valores de la chi-cuadrado que debemos de buscar en la tabla correspondiente (Apndice)
sern los siguientes:

22(r / 2 ) 22(90.05 / 2 ) 182 ( 0.025 ) 31.526


22(r1 / 2) 22(910.05 / 2) 182 (0.975 ) 8.231

Podemos escribir el intervalo de confianza para como

286278 286278
IC 95 %
;
5473.45 ; 20964.16
8.231
31.526

EJEMPLO
Se desea determinar la fiabilidad de un componente electrnico que se haya en su vida til. Se
someten a ensayo 20 componentes de este tipo. El ensayo es detenido 2500 horas (ensayo
limitado por tiempo) sin que se haya observado el fallo de ningn componente. Basado en este
ensayo y con un nivel de confianza del 90 % es realista esperar que dicho tipo de
componente presente una fiabilidad del 85 % para un ao de operacin normal? Suponer que
el funcionamiento es continuo durante todo un ao.
SOLUCIN

T EXP( ) ET

En primer lugar debemos de calcular el tiempo medio hasta el fallo. Debido a que no ha habido
ningn fallo (r = 0) durante el ensayo no podemos realizar una estimacin puntual del MTBF
del tipo de componente con la expresin:

T
MTBF
r

Se hace necesario el determinar una cota mnima de mediante un intervalo de confianza


unilateral mediante la expresin:

2T

22((r )1)

Como el nivel de confianza del (1 )100 % 90 % 0.10 . El tiempo acumulado del test
ser:
T = nTr = 202500 = 50000 horas

22((r )1) 22 ( 0.10 ) 4.605


luego

2T

22((r )1)

250000
21715.53 horas
4.605

Ya podemos calcular la fiabilidad para un ao entero de funcionamiento continuo; t = 36524=


8760 horas:

R (t ) e

R (8760) P(T 8760) e


*

Luego no se cumplen las expectativas de fiabilidad.

8760
21715 .53

0.6680 0.85

Mtodos grficos. Ensayos completos

Papel probabilstico de Weibull: papel pautado ortogonal


eje de abcisas (escala logartmica): duracin componentes ti
eje de ordenadas (escala doble logartmica): Funcin de desfiabilidad Fi(ti)

n 50
20 n 50
n 20

Fi (ti )

i
n

i
n 1
i 0.3
Fi (ti )
n 0.4
Fi (ti )

Se representan los pares de ptos ( ti, Fi(ti) ) y si obtenemos una recta podemos
afirmar que la distribucin de la duracin de los componentes sigue un modelo
de Weibull.
Los parmetros tecta y beta se leen en el grfico:
beta en el arco circular graduado
tecta entrando por F(ti) = 0.63 y leyendo sobre la recta el valor en el eje de accisas

TBF
(minutos)
15840
24480
24480
31680
46080
48960
54720
56160
69120
86400
92160
93600
97920
102240
116640
122400
125280
136800
142560
149760
149760
158400
172800
184320
194400
200160
211680
217440
226080
228960
246240
260640
266400
272160
276480
290880
296640
302400
319680
331200
336960
338400
341280
351360
361440
362880
374400
375840
380160
380160
397440

Fi(ti) (%)
0,91
1,82
2,73
3,64
4,55
5,45
6,36
7,27
8,18
9,09
10
10,91
11,82
12,73
13,64
14,55
15,45
16,36
17,27
18,18
19,09
20
20,91
21,82
22,73
23,64
24,55
25,45
26,36
27,27
28,18
29,09
30
30,91
31,82
32,73
33,64
34,55
35,45
36,36
37,27
38,18
39,09
40
40,91
41,82
42,73
43,64
44,55
45,45
46,36

TBF
(minutos)
414720
429120
429120
436320
439200
442080
444960
453600
456480
460800
466560
473760
479520
486720
491040
496800
499680
502560
504000
524160
524160
527040
528480
532800
547200
557280
561600
561600
563040
571680
581760
594720
597600
599040
601920
620640
620640
639360
645120
655200
658080
669600
676800
689760
692640
705600
718560
725760
728640
737280
750240

Fi(ti) (%)
50,91
51,82
52,73
53,64
54,55
55,45
56,36
57,27
58,18
59,09
60
60,91
61,82
62,73
63,64
64,55
65,45
66,36
67,27
68,18
69,09
70
70,91
71,82
72,73
73,64
74,55
75,45
76,36
77,27
78,18
79,09
80
80,91
81,82
82,73
83,64
84,55
85,45
86,36
87,27
88,18
89,09
90
90,91
91,82
92,73
93,64
94,55
95,45
96,36

F(t)

=1.82

= 445103

t(i) minutos

4. ENSAYOS DE COMPARACIN

Objetivo: comprobar, mediante un test de hiptesis, si el componente cumple un


determinado requisito en cuanto a la vida media.
Condiciones: ensayos censurados y el componente se encuentra en su vida til.
Contrastes de hiptesis

H 0 : 0

vs H1 : 0

H 0 : 0

vs H1 : 0

H 0 : 0

vs H1 : 0

2T

sigue 22r( )

Donde

r: n elementos que han fallado


n: n de elementos que se ensayan

T: Tiempo acumulado del test:


a) ensayo sin reemplazamiento

b) ensayo con reemplazamiento

T t i (n r )t r
i 1

T ntr

Test de hiptesis
Deseamos comprobar si se verifican determinadas hiptesis establecidas sobre
el valor de algn parmetro.
Tenemos cierto riesgo de cometer un error por el carcter aleatorio de la
informacin
Etapas para la realizacin de un test de hiptesis
Definir una hiptesis (Hiptesis nula, H0): la decisin consiste en aceptarla o
rechazarla a travs de la informacin de la muestra
Definir la hiptesis alternativa, H1: ser aceptada cuando la primera sea rechazada
Tomar una muestra
Aplicar la regla de decisin
Errores de 1 y 2 especie:
Aceptar

Correcto

Verdadera
H0

Rechazar

Error 1 Especie

Aceptar

Error 2 Especie

Falsa
Rechazar

Correcto

EJEMPLO
La fiabilidad de un componente electrnico est siendo investigada. El
objetivo para el MTBF es de superar las 2000 horas. Se someten a ensayo
10 componentes de este tipo. El ensayo es detenido cuando han fallado 2
componentes a las 187 y a las 462 horas (ensayo truncado o limitado por
fallos). Determinar si el tipo de componente ensayado cumple el objetivo
marcado. Se desea utilizar un = 0.05.
SOLUCIN
En primer lugar vamos a estimar el MTBF de forma puntual:

T
r

T t i (n r )t r con n = 10 y r = 2:
i 1

T = 187 + 462 + (10-2)462 = 4345 horas

T 4345

2172.5 horas
r
2

Con esta informacin podramos creer que efectivamente el MTBF > 2000 horas que era el
objetivo a alcanzar. Sin embargo, no podemos concluir de esta forma con nuestra
investigacin. Para obtener conclusiones acerca de la poblacin de la cul provienen las
observaciones, necesitamos plantear un contraste de hiptesis del tipo:

H 0 : 2000 frente a H 1 : 2000


2T

El hecho de que el estadstico

sigue una distribucin 2 de Pearson con 2r grados de

libertad nos permite tambin realizar contrastes de hiptesis del tipo H 0 : 0 frente a
H 1 : 0 en la forma habitual, utilizando el valor de T apropiado segn el test sea con o sin
reemplazamiento. Aceptaremos Ho si

2T

0
2T

22r( )

2
Ho

H1

24345
4.345 < 42 (0.05 ) 149.488
.86
2000

Por tanto no podemos rechazar Ho y debemos aceptar


marcado.

que no se alcanzar el objetivo

El fabricante de los componentes afirma que la vida media de los


componentes que fabrica es estrictamente mayor que 5000 horas, es
aceptable dicha afirmacin?
El hecho de que el estadstico

2T

sigue una distribucin 2 de Pearson con 2r grados

de libertad nos permite tambin realizar contrastes de hiptesis del tipo H 0 : 0


frente a H 1 : 0 en la forma habitual, utilizando el valor de T apropiado segn el
test sea con o sin reemplazamiento. En nuestro caso tendremos el contraste:
H 0 : 5000 frente a H 1 : 5000

Aceptaremos Ho si
2T

182 ( 0.05)

Ho

H1

2T

286278
34.51 > 182 ( 0.05) 28.87
5000

Por tanto no podemos aceptar Ho y debemos aceptar H1. La conclusin del test es que
aceptamos la afirmacin del fabricante.

TEMA 3:
FIABILIDAD DE SISTEMAS
OBJETIVOS:

Presentar los conceptos bsicos utilizados en el estudio de la


fiabilidad de sistemas
Presentar el concepto de fiabilidad sistema en serie, paralelo y
generales

CONTENIDOS:

1.
2.
3.
4.
5.

Introduccin
Conceptos bsicos
Fiabilidad sistemas serie
Fiabilidad sistemas serie
Fiabilidad sistemas generales

Sistemas Serie

RS = R1 R2 ... Rn

45

Sistemas Paralelo
1
2

RS = 1 - (1 - R1) (1 - R2)... (1 - Rn)


46

Sistemas Serie-Paralelo
C
RA

RB

RC

RD
D

C
RC

Convertir al sistema equivalente en serie


RA

RB

RD
C

RC = 1 (1
(1--RC)(1
)(1--RC)

Series system:
an example

Series system:
an example

Parallel system:
an example

Component redundant system:


an example

PROBLEMA
El circuito de encendido de un quemador industrial de un horno de rodillos para la coccin de
baldosas cermicas est compuesto por un subsistema de dos electrovlvulas (A y B
conectadas en paralelo) conectado en serie a otra electrovlvula (C). El tiempo hasta el fallo
de las tres electrovlvulas sigue la siguiente distribucin:
Electrovlvulas A y B: distribucin exponencial de media 72000 horas.
Electrovlvula C: distribucin exponencial de media desconocida.

Resolver las siguientes cuestiones:


1)Si se requiere que la fiabilidad del sistema a las 5000 horas sea de 0.9218, cul deber
ser la vida media y la tasa de fallo del componente C?
2) Un cambio de proveedor obliga a estimar los parmetros de fiabilidad de la electrovlvula
tipo C. Para ello, se someten a un ensayo 20 electrovlvulas elegidas al azar (sin
reemplazamiento) de forma que el test es detenido cuando han fallado 8 componentes en los
instantes 30, 95, 260, 385, 450, 520, 630 y 780 horas. Suponiendo que el tiempo hasta el
fallo sigue el modelo exponencial, determinar la vida media y un intervalo de confianza al 95
% para dicho valor.

3) El nuevo proveedor afirma que la vida media de dichos componentes que fabrica es
estrictamente mayor que 4500 horas. es aceptable dicha afirmacin?.

SOLUCION
Sea T la variable aleatoria continua no negativa duracin o tiempo hasta el fallo del
componente en horas. T sigue un modelo exponencial de valor medio :
T EXP( ) ET

MTBF

a) El esquema de conexin a estudiar aparece en la figura siguiente:

A
C
B

Como sabemos R S (5000) 0.9218 , R A (5000) R B (5000) exp(

5000
) 0.933
72000

podemos calcular cuanto vale RC (5000) :

0.9218 1 (1 0.933) 2 RC (5000) RC (5000)

0.9218
0.926
1 (1 0.933) 2

RC (5000) exp( C 5000) 0.926


tomando logaritmos y despejando obtenemos que la tasa de fallos para el componente C
debe de ser:

Ln(0.926)
0.00001538 fallos / hora
5000

y el tiempo medio entre fallos ser:


E T

MTBF

1
65035.54 horas
0.00001538

PROBLEMA N

Una empresa del sector cermico est plantendose adquirir una nueva planta de
fabricacin para producir un nuevo tipo de baldosa cermica. La planta consta de una
planta de atomizacin, cuatro lneas de prensado, secado y esmaltado y un horno de
rodillos monococcin. La configuracin de la planta es la que aparece en la figura:

Lnea Prensado, secado y esmaltado 1

Lnea Prensado, secado y esmaltado 2


Atomizador

Horno monococcin
Lnea Prensado, secado y esmaltado 3

Lnea Prensado, secado y esmaltado 4

Al ser una planta de nueva instalacin se considera que se encuentra en su periodo de


vida til. La instalacin funcionar 24 horas/da y 365 das al ao. La fiabilidad de los
componentes de la instalacin a un ao de funcionamiento es la siguiente:
Atomizador
Lnea prensado 1
Lnea prensado 2
Lnea prensado 3
Lnea prensado 4
Horno monococcin

0.85
0.90
0.87
0.92
0.89
0.90

Se ha estimado que el tiempo de reparacin de cualquier avera de la planta sigue un


modelo de Weibull de parmetros 16 horas y 2 . El director de produccin
quiere asegurar una disponibilidad para el prximo ao del 95 %. Determinar la
disponibilidad de la planta para el prximo ao y determinar si se alcanza el objetivo
marcado por la direccin.

SOLUCION

La disponibilidad se define como la probabilidad de que un sistema est en condiciones


de ser utilizado cuando el usuario lo requiere o la probabilidad de que el dispositivo est
funcionando. Se puede cuantificar mediante la siguiente expresin:
Disponibilidad =

MTBF
MTBF MTTR

Donde el MTBF es el tiempo medio entre fallos y el MTTR es el tiempo medio de


reparacin.

Para calcular el MTBF debemos calcular, en primer lugar, la fiabilidad de la planta a un


ao de funcionamiento (365 por 24 = 8760 horas).
La fiabilidad de la planta es la del sistema equivalente formada por un subconjunto de 4
elementos en paralelo que se encuentra en serie con 2 elementos. Por tanto podemos
calcular la fiabilidad mediante:

RPLANTA 8760 RATOMIZADOR 8760RSUBSIST 8760RHORNO 8760


RSUBSIST 8760 1 (1 RL1 )(1 RL 2 )(1 RL3 )(1 RL 4 )
= 1-(1-0.90)(1-0.87)(1-0.92)(1-0.89) = 0.9998
Por tanto

RPLANTA 8760 0.850.99980.90 = 0.7648

Sabemos que la planta se haya en su periodo de vida til y por ello la distribucin del
tiempo hasta el fallo puede ser modelizada mediante el modelo exponencial.

RPLANTA 8760 exp( t ) exp(8760) 0.7648


despejando la tasa de fallo:

Ln0.7648
3.0610 5 fallos por hora
8760

MTBF

100000
32669.4 horas entre fallos
3.06

El tiempo medio de reparacin sigue un modelo de weibull y por tanto podemos


calcular su tiempo medio mediante la expresin:
MTTR (1

1
) 16(1 ) 16(1.5) 160.88623 14.18 horas

y por tanto la disponibilidad ser:

Disponibilidad =

MTBF
32669.4

0.9995
MTBF MTTR 32669.4 14.18

Que cubre ampliamente el objetivo marcado por la direccin de produccin.

S-ar putea să vă placă și