Estadstica Aplicada y Computacional

EA-100
Captulo 2
Teora de confiabilidad

Alberto Coronado Matutti, DEng

Facultad de Ingeniera Mecnica
Universidad Nacional de Ingeniera
Sumario
1. Confiabilidad
2. Mtricas de la confiabilidad
3. Distribucin de Weibull
4. Sistemas en serie y paralelo
5. Reliability Analytics Toolkit

2
1. Confiabilidad

3
1. Confiabilidad

Una medida importante de la calidad de los

productos (sistemas) es su confiabilidad.
Confiabilidad es la probabilidad de que un
producto (sistema) funcione adecuadamente,
bajo condiciones especificadas, durante un
periodo dado de tiempo.
Existen 3 elementos importantes: funcionamiento
adecuado, condiciones especificadas y periodo
dado de tiempo.

4
1. Confiabilidad

La ingeniera de confiabilidad es la disciplina que

asegura que un producto (sistema) ir a funcionar
adecuadamente, si es operado bajo las
condiciones especificadas.
Su objetivo principal es evitar fallas, an cuando
los productos (sistemas) irn a fallar tarde o
temprano.
En general, hay 3 pasos necesarios para lograr este
objetivo.

5
1. Confiabilidad

El primero consiste en disear y construir

(implementar) el producto (sistema) tal que se
obtenga la mxima confiabilidad.
Este paso es el ms crtico y determina la
confiabilidad inherente.
El segundo consiste en minimizar variaciones en
las condiciones de operacin del producto
(sistema), para evitar degradar la confiabilidad
inherente.

6
1. Confiabilidad

El tercero consiste en implementar operaciones

apropiadas de mantenimiento.
El mantenimiento permite aliviar la degradacin
de la performance y prolongar la vida til del
producto (sistema).
Los 3 pasos mencionados emplean una gran
variedad de tcnicas de confiabilidad:
planeamiento, prediccin, diseo robusto, anlisis
de fallas y efectos (FMEA), etc.

7
1. Confiabilidad
Definamos los siguientes trminos:
Estado binario, la funcin de un producto (sistema) puede
ser xito o fracaso.
Multiestado, la funcin de un producto (sistema) puede ser
xito total, xito parcial o fracaso. Aqu se considera
degradacin en la performance.
Falla total, falla catastrfica que produce un alto en el
funcionamiento. Ocurre en productos (sistemas) de estado
binario.
Falla parcial, la cual ocurre en productos (sistemas)
multiestado.

8
1. Confiabilidad
Para sistemas de estado binario, la funcionalidad
del producto (sistema) es usualmente objetiva y
obvia.
Por ejemplo, emitir luz es la funcin de un foco.
Una falla ocurrir cuando el foco se queme.
Para sistemas multiestado, la definicin de
funcionalidad es frecuentemente subjetiva.
Por ejemplo, un control remoto puede tener un
alcance de 100m, pero dicha distancia ser
variable.

9
1. Confiabilidad

Si el producto es componente de un sistema, la

funcionalidad es dictada por los requerimientos
del sistema.
El mismo componente usado en diversos sistemas
puede tener diversos criterios de falla.
La confiabilidad es una funcin del tiempo,
asociada al periodo de vida til del producto
(sistema).

10
1. Confiabilidad

En confiabilidad, el tiempo puede tener diversas

escalas, por ejemplo, tiempo calendario,
kilometraje, ciclos on-off, etc.
A veces es difcil elegir entre las diversas escalas,
ya que todas parecen ser relevantes.
Por ejemplo, el desgaste de la pintura de un
vehculo est ms relacionado al tiempo
calendario (edad), que al kilometraje.

11
1. Confiabilidad

La confiabilidad es tambin una funcin de las

condiciones de operacin.
Dichas condiciones pueden incluir, niveles y tipos
de estrs, frecuencia de uso, perfiles de
operacin, etc.
Los estreses ms comunes pueden ser mecnicos,
elctricos y trmicos.

12
2. Mtricas de la confiabilidad

13
2. Mtricas: funcin de densidad de
probabilidad (pdf)
La funcin de densidad de probabilidad (pdf),
denotada f(t), indica la distribucin de fallas en
funcin del tiempo y representa la velocidad
absoluta de fallas.
A mayor valor de f(t), habr mayor cantidad de
fallas en el intervalo cercano a t.
An cuando f(t) no sea muy usada para medir
confiabilidad, es una herramienta bsica para
derivar otras mtricas.

14
2. Mtricas: funcin de distribucin
acumulativa (cdf)
La funcin de distribucin acumulativa (cdf),
denotada F(t), es la probabilidad de que un
producto falle en un tiempo dado t.
Frecuentemente interpretada como la fraccin de
la poblacin que ir a fallar en un tiempo t.
Viene definida por:

15
2. Mtricas: funcin de distribucin
acumulativa (cdf)
Por ejemplo, si el tiempo hasta ocurrir la falla de
un producto est distribuido exponencialmente,
tendremos:

16
2. Mtricas: confiabilidad

La funcin de confiabilidad, denotada R(t), tambin

llamada funcin de supervivencia, es interpretada
como la fraccin de la poblacin que sobrevive un
tiempo t.
R(t) es la probabilidad de xito, la cual es el
complemento de F(t).

Considerando la distribucin exponencial:

17
2. Mtricas: funcin de riesgo
La funcin de riesgo o razn de fallas, denotada
h(t), mide la razn del cambio en la probabilidad
de que un producto ir a fallar en el prximo
intervalo de tiempo.
Puede ser expresada como:

Para la distribucin exponencial, dicha razn ser

constante:

18
2. Mtricas: funcin de riesgo

La unidad de la funcin de riesgo es fallas por

unidad de tiempo, tal como: fallas por hora.
Por ejemplo, en la industria automotriz la unidad
frecuentemente usada es fallas por 1000
vehculos por mes.
En contraste a f(t), h(t) indica la velocidad relativa
de fallas durante el siguiente intervalo de tiempo.

19
2. Mtricas: funcin de riesgo
En general, habr 3 tipos de razn de fallas, en
trminos de su tendencia en el tiempo:
- Razn de falla decreciente
- Razn de falla constante
- Razn de falla creciente
Estos 3 tipos corresponden a los 3 periodos de
vida de un producto:
- Periodo de fallas tempranas
- Periodo de fallas aleatorias
- Periodo de fallas por desgaste

20
2. Mtricas: funcin de riesgo

Dichos periodos de vida usualmente son

representados en la clsica curva de la baera
(bathtub):

21
2. Mtricas: funcin de riesgo

Fallas tempranas (infantiles) son usualmente

causadas por graves defectos latentes.
Estos se convertirn en defectos patentes al inicio
del tiempo de servicio.
Dichos defectos latentes son inducidos por:
variaciones en el proceso de manufactura, fallas
de material, errores de diseo o por el mal uso.

22
2. Mtricas: funcin de riesgo

Cuando estos defectos no son identificados por

inspecciones de calidad, el resultado ser una falla
temprana.
Estos equipos pueden ser eliminados por periodos
de prueba en los cuales son testados a niveles de
operacin normales.
Periodos de prueba en torno a 48 horas son
usualmente adecuados para eliminar una gran
proporcin de equipos con falla infantil.

23
2. Mtricas: funcin de riesgo

Por ejemplo, en la industria automotriz la

mortalidad infantil es apreciable.
A veces se le conoce como efecto del primer
mes.
Usualmente, dicha mortalidad infantil producir
una razn de fallas decreciente, pero no siempre.
En situaciones donde existen productos de baja
calidad, la razn de fallas podra incluso aumentar.

24
2. Mtricas: funcin de riesgo

En el periodo de fallas aleatorias, la razn de fallas

se mantiene aproximadamente constante.
Las fallas no siguen un patrn predecible y ocurren
aleatoriamente debido a cambios inesperados en
las condiciones de operacin.
Las condiciones que producen las fallas pueden ser
mayores o menores a las especificadas en el
diseo.

25
2. Mtricas: funcin de riesgo

Por ejemplo, un rel electromagntico puede fallar

debido a niveles altos o bajos de corriente
elctrica.
Un nivel alto funde los contactos elctricos,
mientras que uno bajo aumenta la resistencia del
contacto.
Las fallas aleatorias pueden ser causadas por
defectos de produccin menores, los cuales
tomarn ms tiempo en presentarse.

26
2. Mtricas: funcin de riesgo

Estas fallas no pueden ser eliminadas por

periodos de prueba, ni buenas prcticas de
mantenimiento preventivo.
Mientras que la teora de confiabilidad estudia los
3 tipos de falla, el mayor inters recae en el
periodo de fallas aleatorias.
En casos prcticos, este periodo (vida til) es
mucho ms extenso que los otros 2.

27
2. Mtricas: funcin de riesgo

Si la probabilidad de falla es demasiado grande, se

debe modificar el diseo del equipo o sus
condiciones de operacin.
Este periodo, al presentar razn de fallas constante,
puede ser modelado adecuadamente por la
distribucin exponencial.
Esta distribucin, a pesar de su simplicidad es
aplicable a una gran variedad de casos.

28
2. Mtricas: funcin de riesgo

En sistemas complejos, cada componente tiene

vida media diferente, aleatoriamente distribuida.
La razn de fallas del sistema ser constante
conforme las partes falladas sean reemplazadas.
As, an cuando hayan fallas debidas a desgaste,
considerando la poblacin total, dichas fallas
ocurrirn a intervalos aleatorios.

29
2. Mtricas: funcin de riesgo

Este comportamiento ha sido observado en

diversos tipos de equipos, desde sistemas
electrnicos, hasta motores de buses.
La figura muestra el caso de una poblacin de
lmparas en una planta industrial.

30
2. Mtricas: funcin de riesgo
En el periodo de fallas por desgaste, la razn de
fallas aumenta con el tiempo.
En este periodo, las fallas se atribuyen a la
degradacin y el desgaste, las cuales se acumulan
y aceleran con el tiempo.
Cuando un producto entra a este periodo, la falla
es inminente.
Para minimizar los efectos de la falla, se hace
necesario aplicar mantenimiento preventivo.

31
2. Mtricas: funcin de riesgo

Muchos productos no presentan una curva de la

baera completa.
Componentes mecnicos presentan mayormente
el mecanismo de desgaste.
Otros muestran un periodo de razn de fallas
decreciente, seguido de un periodo creciente.

32
2. Mtricas: funcin de riesgo

Fallas tempranas pueden ser pospuestas y la vida

til extendida por buenos diseos y prcticas de
mantenimiento.
Pero, la nica manera de prevenir falla debido a
desgaste es reemplazar o reparar los
componentes antes que fallen.

33
2. Mtricas: funcin de riesgo

Diversas distribuciones pueden ser usadas para

caracterizar cada periodo.
La mortalidad infantil puede ser representada
por distribuciones Gamma o Weibull (<1).
El periodo til de vida por distribuciones
exponenciales o Weibull (=1).
El periodo asociado al desgaste por
distribuciones Gamma o Weibull (>1).

34
2. Mtricas: funcin de riesgo
acumulativa
La funcin de riesgo acumulativa se define por:

En el caso de la distribucin exponencial:

H(t) y R(t) se relacionan por:

Si H(t) es muy pequea, usando la expansin de

Taylor:

35
2. Mtricas: funcin de riesgo
acumulativa
H(t) es una funcin creciente y la figura
correspondiente a la curva de la baera ser la
siguiente:

36
2. Mtricas: percentil

El percentil, denotado tp, es el tiempo en el cual una

fraccin especificada p de la poblacin ir a fallar.
Es la inversa de F(t):

Considerando la distribucin exponencial:

Un percentil muy usado es , que

corresponde al tiempo en el cual el 10% de la
poblacin ir a fallar.
37
2. Mtricas: tiempo medio hasta la
falla
El tiempo medio hasta la falla (MTTF) es la vida
esperada E(T) de un producto no reparable:

Si el rango de T es positivo:

Considerando una distribucin exponencial:

38
2. Mtricas: tiempo medio entre fallas

El tiempo medio entre fallas (MTBF) es la vida

esperada E(T) de un producto reparable:

39
2. Mtricas: disponibilidad

Disponibilidad (availability, A) es el porcentaje del

tiempo en el que el sistema est operativo:

donde MTTR es el tiempo medio que se toma en

reparar el sistema. Tiempo de
indisponibilidad

Gmail

http://blogs.technet.com/b/whymicrosoft/archive/2011/12/21/availability-looking-behind-the-numbers.aspx 40
2. Mtricas: varianza
La varianza, denotada V(T), es una medida de la
dispersin de la distribucin de la vida:

Considerando la distribucin exponencial:

En muchas aplicaciones se prefiere usar la

desviacin estndar, pues tiene las mismas
unidades que T.

41
3. Distribucin de Weibull

42
3. Distribucin de Weibull

Las mtricas definidas en la seccin anterior para

la distribucin de Weibull sern:

43
3. Distribucin de Weibull

Adicionalmente:

Donde la funcin gamma es definida por:

44
4. Sistemas en serie y paralelo

45
4. Sistemas en serie y paralelo
Un sistema es conformado por diversos
componentes, sean elctricos, mecnicos,
informticos, etc.
La confiabilidad de sistemas depende
bsicamente de cmo los diversos componentes
estn conectados.
Un sistema en serie falla apenas falla uno de sus
componentes, mientras que un sistema en
paralelo falla solo cuando todos sus componentes
han fallado.

46
4. Sistemas en serie

La configuracin ms simple y quiz ms comn

es la configuracin en serie.
Aqu el funcionamiento del sistema depende del
funcionamiento de todos los componentes.
La falla de un componente implica la falla de todo
el sistema.
Usualmente, se considera que los componentes
operan independientemente.

47
4. Sistemas en serie

Considerando la configuracin:

La confiabilidad ser: RS(t) = R1(t)R2(t)R3(t) Rn(t)

Asumiendo distribuciones exponenciales:

48
4. Sistemas en serie

Donde: = 1+2+3 n = 1/
La razn de falla del sistema es igual a la suma de
las razones individuales.
La vida media del sistema o tiempo medio entre
fallas MTBF (mean time between failures) ser:
= MTBF = 1/.
La probabilidad del sistema de sobrevivir 1 MTBF
sin fallas ser:

49
4. Sistemas en paralelo

La configuracin paralela
es tambin relativamente
frecuente.
En este caso, para el sistema fallar todos los
componentes deben fallar.
La probabilidad de falla (unreliability) de cada
componente, considerando distribucin
exponencial ser:

50
4. Sistemas en paralelo

La probabilidad de falla del sistema ser:

QS = Q1 Q2 Qn

Por tanto, la confiabilidad del sistema ser:

RS = 1 QS
Considerando un sistema con 5 componentes
paralelos con Ri=0.99:

51
4. Sistemas en serie y paralelo:
Resumen
Considerando los sistemas en serie y paralelo
mostrados.
Suponiendo que los componentes fallan
independientemente con igual probabilidad R(t), las
confiabilidades de los sistemas Rs(t) sern:

52
4. Sistemas en serie y paralelo:
Resumen
Para sistemas en serie, ya que Rs(t)
disminuir conforme n aumenta.
As, adicionar componentes en serie hace que el
sistema sea ms frgil.
Para sistemas en paralelo, ya que Rs(t)
aumentar conforme n aumenta.
As, adicionar componentes en paralelo
aumentar la redundancia y por tanto la robustez
del sistema.

53
4. Sistemas en serie y paralelo: ej. 1

Considerando el sistema mostrado, halle la

confiabilidad del sistema:

54
4. Sistemas en serie y paralelo: ej. 1

Usando las relaciones de sistemas en serie y

paralelo.
Comenzando con las ramas ad y bd:
Rad = R1 R2 = (0.9)(0.8) = 0.72
Rbd = R3 R4 R5 = (0.8)(0.8)(0.9) = 0.576

Pero si Rad y Rbd estn en paralelo, la probabilidad

de falla de este subsistema (S1) ser:
QS1 = Qad Qbd = (1 Rad)(1 Rbd) = (1 0.72)(1 0.576) = (0.28)(0.424)
= 0.119

55
4. Sistemas en serie y paralelo: ej. 1

La confiabilidad respectiva ser:

RS1 = 1 QS1 = 1 0.119 = 0.881

Ahora la red ser:

Definiendo RS2 como la confiabilidad combinada

entre RS1 y R6:
RS2 = RS1 R6 = (0.881)(0.9) = 0.793
QS2 = 1 RS2 = 1 0.793 = 0.207
Q7 = 1 R7 = 1 0.9 = 0.1

56
4. Sistemas en serie y paralelo: ej. 1

Ya que QS2 y Q7 estn en paralelo, la confiabilidad

total del sistema ser:
QAC = QS2 Q7 = (0.207)(0.1) = 0.0207

RAC = 1 QAC = 1 0.0207 = 0.973

As la confiabilidad del sistema ser 0.973.

57
5. Reliability Analytics Toolkit
http://reliabilityanalytics.com/

58
5.1 Introduccin

59
5.1 Introduccin

60
5.1 Introduccin

61
5.2 Weibull: Ejemplo 1
Una planta industrial emplea varios dispositivos
electrnicos idnticos que estn alimentados por bateras.
Estas bateras permiten tomar mediciones y transmitirlas
hasta un centro de datos.
Las bateras no son requeridas continuamente y solo
operan durante pocos segundos cada vez, pero el
requerimiento de vida til est en el rango de horas para
minimizar fallas.
Cuando una batera falla, se pierden datos, lo que podra
ocasionar cuantiosas prdidas econmicas.

62
5.2 Weibull: Ejemplo 1
Para determinar la confiabilidad del sistema, se mide la
vida til de 7 bateras tomadas al azar y se obtienen los
siguientes datos en horas: 130, 165, 234, 252, 253, 295,
389.
Ya que todas las bateras
fueron testadas hasta que
su energa fue consumida
totalmente (datos no
censurados), debemos
asociar a cada tiempo la
variable f (ocurrencia de
falla).

63
5.2 Weibull: Ejemplo 1

64
5.2 Weibull: Ejemplo 1
En el eje x se observa el tiempo requerido para que una
batera falle y en el eje y el porcentaje de bateras que
fallan.
Adicionalmente, aparte de los datos experimentales
(crculos pequeos), se muestra la lnea que representa la
distribucin de Weibull (lnea recta del medio) y el
intervalo de confianza (rea delimitada por las lneas
adyacentes) correspondiente a un nivel del 90%.

65
5.2 Weibull: Ejemplo 1

El valor del parmetro de forma determina el tipo de falla. Si

este valor es menor a 1 la falla corresponde a una mortalidad
infantil, si es igual a 1 corresponde a fallas aleatorias y si es
mayor a 1 corresponde a fallas debidas a desgaste. A que
tipo de fallas corresponde el presente caso de vida til de
bateras? Justifique.

Ya que las bateras alimentan de energa a elementos

importantes, desearemos que fallen lo menos posible.
Despus de cuanto tiempo de servicio deberamos
reemplazarlas si deseamos que fallen solo el 1% de las
veces? Justifique.

66
5.2 Weibull: Ejemplo 1

Los intervalos de confianza estn estrechamente

relacionados al tamao de la muestra utilizada Cree usted
que las lneas que estn a ambos lados a la lnea recta de la
distribucin de Weibull debern alejarse o acercarse ms si
tomamos una muestra ms grande? Convendr entonces
tomar ms muestras? Justifique.

Dado que las bateras alimentan de energa a sistemas

crticos y usted decide ser an ms conservativo para
garantizar que el tiempo calculado en el tem (a) tenga un
nivel de confianza del 90% Despus de cuanto tiempo de
servicio deber reemplazar las bateras? Justifique.

67
5. Otros programas

68