Documente Academic
Documente Profesional
Documente Cultură
INTRODUCCIÓN
Sin lugar a dudas la medida más usada para estimar la dispersión de los
datos es la desviación típica. Esta es especialmente aconsejable cuando
se usa la media aritmética como medida de tendencia central. Al igual
que la desviación media, está basada en un valor promedio de las
desviaciones respecto a la media. En este caso, en vez de tomar valores
absolutos de las desviaciones, para evitar así que se compensen
desviaciones positivas y negativas, se usan los cuadrados de las
desviaciones. Esto hace además que los datos con desviaciones
grandes influyan mucho en el resultado final.
Modelos de Confiabilidad
DISTRIBUCIÓN NORMAL
Las aplicaciones industriales con frecuencia generan datos que están distribuidos
normalmente. Sin embargo, la distribución normal no se utiliza tan comúnmente
como otras distribuciones para modelar datos de fiabilidad, en parte debido a que
su cola izquierda se extiende hasta el infinito negativo, lo que podría ocasionar una
caracterización incorrecta de los tiempos de falla negativos. La mayoría de los
datos de fiabilidad se modelan usando distribuciones para variables aleatorias
positivas, como las distribuciones exponencial, de Weibull, gamma y lognormal.
Por lo tanto, son menos las aplicaciones que utilizan la distribución normal como
un modelo para la vida útil de los productos. Sin embargo, si la media de los datos
es mayor que 0 y su variación relativamente baja, la distribución normal puede ser
útil para modelar ciertos tipos de datos de vida útil. Note que la distribución normal
se aproxima bastante a la distribución de Weibull cuando 3 < β < 4.
La distribución normal a veces puede utilizarse para
modelar la vida útil de artículos consumibles, en los
cuales el riesgo de falla siempre va en aumento. Los
dispositivos con filamentos eléctricos, como las
bombillas incandescentes y las resistencias de las
tostadoras, son ejemplos de artículos cuyos datos de
falla podrían seguir una distribución normal. La fuerza
de la unión de un cable en los circuitos integrados es
otro ejemplo.
Ejemplo 1: Vida útil de las bebidas
Para evaluar la vida útil de las bebidas,
unos analistas registran el número de días
que transcurren antes de que una bebida
embotellada se decolore.
Ejemplo 2: Fiabilidad de la tostadora
Unos ingenieros realizan pruebas de vida
en una tostadora con un nuevo
componente.
Función de densidad de probabilidad y función de riesgo para la
distribución normal
Función de riesgo
La función de riesgo de la distribución
normal muestra un riesgo de falla
estrictamente creciente.
Distribución Binomial
𝑛
𝑃𝑟 = 𝑟
𝑝𝑟 1 − 𝑝 𝑛−𝑟
Donde:
𝑛 𝑛!
𝑟
=
𝑛−𝑟 !𝑟!
Distribución Binomial
𝑛 𝑛
𝑅𝑟 𝑛 = 𝑖=𝑟 𝑖 𝑅𝑖 1 − 𝑅 𝑛−𝑖
Distribución de Poisson
Para eventos continuos que ocurren a una tasa de λ eventos por unidad de
tiempo, la probabilidad Px(t) de que ocurran exactamente x eventos en el
intervalo (0, t) esta dada por,
𝜆𝑡 𝑥 𝑒 −𝜆𝑡
𝑃𝑥 𝑡 =
𝑥!
El numero de eventos x en (0, t) es una variable discreta con valor medio de
(λt) y varianza de (λt). Esta distribución entrega la confiabilidad de un sistema
redundante pasivo
−𝜆𝑡 𝑛 𝜆𝑡 𝑟
𝑅𝑠 =𝑒 𝑟=0 𝑟!
𝑡
− 0𝜆
𝑡 𝑑𝑡
R(t)=𝑒 =𝑒 −𝜆𝑡
∞ ∞ −𝜆𝑡 1
𝑀𝑇𝑇𝐹 = 0
𝑅 𝑡 𝑑𝑡 = 0
𝑒 dt=
𝜆
Distribución Exponencial
𝐹 𝑡 = 1 − 𝑅 𝑡 = 1 − 𝑒 −𝜆𝑡
𝑑𝐹(𝑡)
f t = =𝜆𝑒 −𝜆𝑡
𝑑𝑡
Usos de la distribución exponencial para modelar datos de
fiabilidad
La distribución exponencial es una distribución simple con solo un parámetro
y comúnmente se utiliza para modelar datos de fiabilidad. La distribución
exponencial es en realidad un caso especial de la distribución de Weibull
con ß = 1.
Función de riesgo
La función de riesgo indica que el riesgo
de falla es constante
Distribución de Weibull
En teoría de la probabilidad y estadística, la
distribución de Weibull es una distribución de
probabilidad continua y multiparamétrica. En el
campo de la fiabilidad y el mantenimiento es la más
utilizada y una de las que aportan mayor precisión.
Puede ser usada con dos y tres parámetros, siendo
el tercer parámetro el tiempo To en que empieza la
función o aquel a partir del cual cambia de forma
importante el comportamiento del equipo. Se usa en
el estudio de fallos de los sistemas mecánicos
(análisis de la supervivencia)
Distribución de Weibull
𝛽−1
𝛽 𝑡−𝛾
𝜆 𝑡 =
𝜂 𝜂
Donde,
𝑡 − 𝛾, y 𝛾 es el parámetro de inicio
𝛽 > 0 es el parámetro de forma
𝜂> 0 es el parámetro de escala
Distribución de Weibull
Usos de la distribución de Weibull para modelar datos de fiabilidad
0<ß<1
Función de riesgo
Tasa de fallas inicialmente alta que disminuye con el
tiempo (primera parte de la función de riesgo en forma de
“bañera”)
ß=1
Función de riesgo
Tasa de fallas constante durante la vida útil del producto
(segunda parte de la función de riesgo en forma de
"bañera")
ß = 1.5
Función de riesgo
Tasa de fallas creciente, en la que el mayor aumento
ocurre en la etapa inicial
ß=2
Función de riesgo
Tasa de fallas de aumento lineal
3 ≤ ß ≤4
Función de riesgo
Aumenta rápidamente
ß > 10
Función de riesgo
Aumento muy rápido
Distribución lognormal en el análisis de fiabilidad
•Componentes electrónicos que presentan menor riesgo de falla después de cierto tiempo
Sin embargo, si no se espera que los
componentes fallen hasta mucho después
de que se complete la vida tecnológica del
producto en el que están instalados (es
decir, la tasa de fallas de un componente
es constante durante su vida útil
esperada), una distribución exponencial
podría ser más apropiada.
Ejemplo 1: Componentes electrónicos
Los ingenieros registran el tiempo para fallar de un
componente electrónico en condiciones normales de
funcionamiento. El componente muestra un menor
riesgo de falla con el paso del tiempo, lo cual podría
modelarse usando una distribución lognormal.
Ejemplo 2: Ventiladores de generadores diesel
Se registró el tiempo de falla durante la vida útil de
los ventiladores de generadores diesel. Se utilizó
una distribución lognormal para modelar los datos.
Función de densidad de probabilidad y función de riesgo para
la distribución lognormal
Función de riesgo
El riesgo de falla aumenta rápidamente hasta un máximo,
luego disminuye.
Funciones de riesgo en el análisis de fiabilidad
Indica que es más probable que los elementos fallen con el tiempo. Por ejemplo, muchos
elementos mecánicos que están expuestos a esfuerzo o fatiga tienen un mayor riesgo de
falla durante la vida útil del producto. Los ingenieros podrían usar una prueba para
simular el esfuerzo de desgaste. Por ejemplo, los ingenieros podrían simular el uso
prolongado de una bombilla y luego registrar el tiempo que transcurre hasta que se
produce una falla.
Una distribución de Weibull suele usarse para modelar este tipo de falla por desgaste.
Función de riesgo decreciente
Indica fallas que es más probable que se produzcan temprano en la vida útil de un
producto. Un ejemplo son los productos o partes creados con metales que se
endurecen con el uso y, por consiguiente, se hacen más fuertes conforme pasa el
tiempo. Otro ejemplo son los errores en un programa de computadora, que son más
probables cerca del lanzamiento del nuevo programa, pero luego disminuyen a
medida que pasa el tiempo.
Con frecuencia, este tipo de datos se puede modelar usando una distribución de
Weibull con un parámetro de forma menor que 1.
Función de riesgo constante
Indica fallas que es igual de probable que se produzcan en cualquier momento durante la
vida útil del producto. Este período relativamente constante de bajo riesgo de falla
caracteriza a la porción media de la curva de bañera.
Muchos productos tienen tasas de fallas que siguen la curva de la "bañera". La tasa de
riesgo suele ser alta al principio, baja en el medio y nuevamente alta al final de la vida útil.
Por esa razón, la curva resultante de los tres períodos de fallas se asemeja con frecuencia
a la forma de una bañera. Los televisores y las calculadoras portátiles son dos productos
que comúnmente presentan una función de riesgo en forma de bañera. También los
microprocesadores, que pueden fallar pronto después de su instalación en un sistema
informático.