See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/267846452

CÁLCULO DEL LÍMITE DE FATIGA MEDIANTE EL MÉTODO DE MÁXIMA

VEROSIMILITUD

Article

CITATIONS READS

0 448

3 authors:

Antonio Martín-Meizoso J. M. Martínez-Esnaola

Universidad de Navarra CEIT and TECNUN (Universidad de Navarra)
94 PUBLICATIONS   304 CITATIONS    122 PUBLICATIONS   823 CITATIONS   

SEE PROFILE SEE PROFILE

J. Gil Sevillano
Universidad de Navarra
184 PUBLICATIONS   2,360 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Red temática española de fractura de entallas (Red REFE, MAT2015-71668-REDT) View project

Modelling pealitic steels mechanical behaviour View project

All content following this page was uploaded by J. Gil Sevillano on 28 November 2014.

The user has requested enhancement of the downloaded file.

 Anales de Mecánica de la Fractura 26, Vol. 2 (2009)

CÁLCULO DEL LÍMITE DE FATIGA MEDIANTE EL MÉTODO DE MÁXIMA VEROSIMILITUD

A. Martín-Meizoso1, J.M. Martínez-Esnaola1, J. Gil Sevillano1

1
CEIT y TECNUN (Universidad de Navarra)
Manuel de Lardizábal, 15, 20018 San Sebastián, España.
E-mail: ameizoso@ceit.es

RESUMEN

Se revisan los procedimientos al uso para la determinación del límite de fatiga. En particular, se detalla el
procedimiento de la escalera en la que los ensayos bajan o suben de tensión, según rompan antes de alcanzar la vida
prevista como límite de fatiga o no. Se propone un método de análisis y cálculo del límite de fatiga basado en el
procedimiento estadístico de máxima verosimilitud y la hipótesis de normalidad en la distribución del límite de fatiga
(aunque pueden hacerse otras hipótesis sobre la distribución). A diferencia del método de la escalera, este
procedimiento resulta mucho más riguroso desde el punto de vista estadístico, es mucho más versátil (pudiéndose hacer
ensayos a niveles intermedios de tensiones) y aprovecha toda la información disponible (incluso de niveles de tensión
lejanos al límite de fatiga).

ABSTRACT

Standard procedures to determine the fatigue limit are reviewed. In particular the stair-case procedure is detailed; in this
procedure the applied stress is increased or decreased in a given stress step, for the following experiment, depending on
the previous experiment: if it survives or fails to a given number of cycles. An analytical procedure is proposed to
compute the fatigue limit using the statistical method of maximum likelihood and assuming a normal distribution for
the fatigue limit (other assumptions can be made about its distribution). This procedure is preferred from a statistical
point of view, it is much more flexible (other stress levels can be introduced) and all experiments contain useful
information (including those tests carried out at stress levels far from the fatigue limit).

PALABRAS CLAVE: Límite de fatiga, métodos estadísticos, máxima verosimilitud.

1. INTRODUCCIÓN
Un componente se ve sometido a fatiga cuando soporta
cargas alternadas: la rueda de un ferrocarril, la biela de
un motor de explosión… Pese a diseñarse estas piezas
por debajo de su límite elástico (por tanto sin
deformaciones permanentes apreciables), con un
número suficiente de ciclos, las piezas se rompen. El
90% de las piezas que se rompen en servicio fallan
debido a esta insidiosa patología. Esto lo descubre
August Wöhler, hacia el año 1860 [1], y propone unos
límites a las tensiones de diseño en función del número
de ciclos que se requieran para una pieza. Se conocen
como curvas de Wöhler o curvas S-N (tensión: S, frente
a número de ciclos: N).
Aparece una microgrieta, que crece a medida que se
realizan ciclos de carga hasta alcanzar un tamaño tal
que la sección remanente es incapaz de soportar la carga
máxima en el ciclo y finalmente el ligamento restante
rompe catastróficamente de forma frágil o dúctil.
Para cada material existe una tensión umbral por debajo
de la cual la vida de la pieza es infinita (caso más
frecuente en los aceros) o no hay un umbral de vida
infinita (caso más frecuente en las aleaciones de
aluminio), pero al menos dura la especificación de
ciclos necesaria en esa aplicación.
En la práctica de la ingeniería, deberemos reemplazar el
uso del límite elástico (con su correspondiente
coeficiente de seguridad) por el límite de fatiga en
aquellas aplicaciones que vayan a estar sometidas a
cargas alternadas. Su relación con la resistencia a
tracción del material suele estar comprendida en rangos
que van desde el 35% al 60% de ésta, para los aceros
aleados y al carbono; y entre el 35% y el 50% para la
aleaciones de cobre [2].
También se puede estudiar un componente concreto con
un complejo estado de tensiones y directamente
explorar su vida bajo diferentes valores del rango de
variación de la carga alternada aplicada y determinar el

406
 Anales de Mecánica de la Fractura 26, Vol. 2 (2009)
máximo valor que se puede aplicar para que el
componente supere una cierta vida (número de ciclos en
el ambiente de operación: medio ambiente y
temperatura).
Resulta entonces capital determinar de forma sencilla
cuál sea el nivel de tensión (si hablamos del material) o
la carga alternada máxima (para un componente) que
proporcionan una vida especificada (normalmente entre
Stress [MPa or ksi]
2 y 100 millones de ciclos de vida [3]). Normalmente
no se requiere toda la curva S-N (curva de Wöhler),
pues de poco servirá saber que la vida será mucho más
corta con un nivel de tensiones más alto. Sólo
necesitaremos conocer la carga o tensión que
deberemos no superar para que la pieza dure lo
requerido. Entonces los ensayos se limitan a explorar
esa zona del rango de vida y cargas. El método más
utilizado consiste en el método de la escalera,
básicamente una simplificación del método propuesto
por Probit [3].
2. MÉTODO DE LA ESCALERA
El método de la escalera se utiliza comúnmente para
determinar el promedio (mediana) del límite de fatiga
de un componente o de material a un número de ciclos
especificados. Consiste en la realización de ensayos de
fatiga secuenciados con diferentes niveles de carga, con
un incremento de la tensión (o de la carga, o de la
deformación) predeterminado. Si el componente o la
probeta falla antes de alcanzar la vida prevista, el
siguiente ensayo se realiza a una carga un escalón
inferior. Si ésta sobrevive a ese número de ciclos (run-
out) en el siguiente ensayo se aumenta en un escalón.
Una vez concluida la batería de ensayos (típicamente
entre 15 y 30), se prepara una tabla, como la que se
muestra en el ejemplo de la tabla 1, que resume los
resultados experimentales que se muestran en la figura
1.
Como resulta evidente, la elección del tamaño del
escalón de tensión (o carga) resultará decisiva para el
éxito y la resolución requerida en los resultados.
Supongamos los datos experimentales que se recogen
en la tabla 1 (propuesta por Rice [3]) en unidades de
tensión americanas: ksi. Que las unidades sean ksi o
MPa no modifica en nada los resultados, con lo que
mantendremos las cifras, tal como las propone Rice, y
las etiquetaremos como MPa.
La ecuación propuesta por Rice para determinar el
límite de fatiga es:
⎛ ∑ i ⋅ fi 1⎞
μ = S 0 + ΔS ⎜⎜ − ⎟ , nf < nr (1a)
⎝ nf 2 ⎟⎠
S0 es la tensión al mínimo nivel de tensión considerado,
que contenga al menos un fallo (nivel i = 0), y ΔS el
407
incremento de tensión entre los escalones. La ecuación
para μ es un tanto retorcida. La anterior ecuación
corresponde al caso en el que el número de piezas rotas
(nf = 13) sea menor que el número de
77,5
75,0
72,5
70,0
67,5
65,0
No failures
62,5
Failures
60,0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Test number
Figura 1. Secuencia de ensayos para determinar el
límite de fatiga, de acuerdo con el procedimiento de la
escalera (tal como lo propone Rice [3]).
supervivientes (“run-outs”, nr = 17). En caso contrario,
nr < nf, Rice propone:
⎛ ∑ i ⋅ ri 1⎞
μ = S 0 + ΔS ⎜⎜ + ⎟ , nf > n r (1b)
⎝ nr 2 ⎟⎠
Para el ejemplo, que se muestra en la figura. 1, y tabla
1, el valor medio para la resistencia a fatiga resulta1
⎛ 15 1 ⎞
μ = 70.0 + 2.5⎜ − ⎟ = 71.63 MPa (o ksi) (2)
⎝ 13 2 ⎠
No hay un motivo para emplear la expresión (1) que no
sea que promedia los valores de la tensión para las
frecuencias absolutas de las roturas (o de los “run-outs”,
según cual sea el menor de los dos). No promedia las
probabilidades de fallo ni estima el valor
correspondiente a una probabilidad de fallo de 0.5
(como luego veremos en la estrategia de los dos
puntos). Pero viene empleándose desde el año 1985, sin
que nadie cuestione su fundamento. Se encuentra
descrita dentro de un capítulo sobre el tratamiento
estadístico de los ensayos de fatiga y cualquier lector
desapercibido podría pensar que tiene un sólido
fundamento estadístico. Por desgracia no es el caso. En
el mejor de los casos, si los incrementos entre escalones
son pequeños, el resultado será una buena estimación.
También resulta un procedimiento de ensayo
excesivamente rígido: sólo podemos ensayar un escalón
más alto o bajo. El experimentador puede sentirse
tentado a probar con medio escalón o un tercio
(probablemente para evitar estar rebotando entre dos
niveles y obtener alguna información de lo que ocurre
1
En la ref. [3] el resultado es de 71.25 ksi, pero hay un
pequeño error en su tabla 5 (2 × 4 = 8 y no 6). También
en su ecuación (21) i está escrito como un subíndice y
no debería serlo.
 Anales de Mecánica de la Fractura 26, Vol. 2 (2009)
Tabla 1. Ejemplo de resultados de una campaña de ensayos de fatiga (adaptado de [3])
Nivel de tensión, i Tensión, S
[MPa (o ksi)]
-3 62.5
-2 65.0
-1 67.5
0 70.0
1 72.5
2 75.0
nstresses = 6 - Total de fallos, nf = 13
con niveles intermedios) o los resultados experimentales
obtenidos hasta el momento aconsejarían redefinir el
incremento entre los escalones, pero esto no resulta
admisible.
3. LA ESTRATEGIA DE LOS DOS PUNTOS
Otro procedimiento de estimar el límite de fatiga
consiste en concentrar todos los experimentos en
únicamente dos niveles de carga en los que se observen
tanto fallos como “run-outs” [4,5].
En consecuencia se obtiene la probabilidad de fallo para
dos niveles de carga (su complemento sería la
probabilidad de supervivencia). Ahora se necesita
introducir una hipótesis sobre la forma de la función de
distribución, la más frecuente es suponer la distribución
de resistencias normalmente distribuida (aunque se
pueden realizar otras hipótesis). Entonces se calculan
los valores de μ y de σ que encajen con los datos (las
dos frecuencias estimadas). Como ventaja adicional del
método, también permite estimar la dispersión del límite
de fatiga.
Para el ejemplo de la tabla 1, μ = 71.77 y σ = 0.30
(ambos en MPa o ksi).
Sin embargo sólo dos niveles pueden evaluarse. Si
existen 3 niveles de carga con mezclas de fallos y “run-
outs” habrá que ignorar algún nivel. Obsérvese que
primeramente hay que encontrar los dos niveles en los
que aparezcan mezclados fallos y run-outs, con lo que
probablemente ya tengamos datos de más de dos niveles
de carga. O bien podría realizarse un ajuste a esos datos
experimentales por un método de mínimos cuadrados a
los 3 ó 4 niveles que presenten mezcla de fallos y “run-
outs”. Pero ¿qué sentido real tiene minimizar distancias
al cuadrado en un mundo de frecuencias?
4. MÉTODO DE MÁXIMA VEROSIMILITUD
Supongamos que, para un número de ciclos de vida
dados, la tensión de ensayo de las probetas (o
componentes) supervivientes se distribuye de forma
Número de fallos, f Número de Run-outs, r
0 1
0 1
0 3
2 8
7 4
4 0
Total de run-outs, nr = 17
normal [6]. O al menos que así ocurre para el nivel
particular del número de ciclos de vida que se quiere
estimar. Para una función de distribución normal dada
(de media μ y desviación típica σ), la probabilidad de
observar lo que experimentalmente se ha observado
viene dada por
nstresses
V= ∏ [1 − F (S , μ ,σ )] [F (S , μ ,σ )]
ri fi
i i (3)
i =1
en donde ri representa el número de “run-outs” al nivel
de carga i-ésimo, y fi el número de fallos observados al
mismo nivel de carga. F es la probabilidad acumulada
de fallo, correspondiente a una función normalmente
distribuida de media μ y desviación típica σ :
S
1 ⎡ 1 ⎛ μ − x ⎞2 ⎤
F (S , μ , σ ) = ∫ exp ⎢− ⎜ ⎟ ⎥dx (4)
⎢⎣ 2 ⎝ σ ⎠ ⎦⎥
− ∞σ 2π
Si se sospecha otro tipo más apropiado de distribución
(Weibull, logarítmico-normal…) puede modificarse la
expresión (4) introduciendo la acumulación de la
función de distribución que se considere más apropiada.
Figura 2. Verosimilitud (“Likelihood”) en función de μ
y σ (en MPa o ksi), para los datos contenidos en la
tabla 1.
408
 Anales de Mecánica de la Fractura 26, Vol. 2 (2009)
La figura 2 muestra en ordenadas la verosimilitud en
función de μ y σ, para los datos contenidos en la tabla
1.
Para hacer máxima la verosimilitud, deberemos calcular
los valores de μ y de σ que hacen máxima la
probabilidad definida en la ecuación (3), es decir, la
posición del máximo en la superficie representada en la
figura 2. La estrategia más habitual consiste en hacer
máximo su logaritmo neperiano, en lugar de su valor
absoluto (el logaritmo es una función monótona
creciente en el valor de la variable) y resulta mucho más
sencillo, rápido y preciso de calcular
nstresses
ln V = ∑ [r ln(1 − F ) + f
i =1
i i i ln Fi ]
en donde, por simplicidad, Fi representa F(Si, μ, σ).
Ahora deberíamos obtener las derivadas parciales de la
expresión (5) con respecto a las incógnitas μ y σ e
igualarlas a cero. Entonces obtendremos un sistema de
dos ecuaciones no lineales con dos incógnitas.
Su codificación en Matlab® 7.0.0 se muestra en el
Apéndice. Es extraordinariamente breve y emplea la
función ‘fminsearch’ para calcular el mínimo
(cambiando el signo a la ecuación (3)) usando un
método “simplex” de Nelder-Mead (algoritmo de
búsqueda directa [7]). También es sumamente rápido.
No hay ningún inconveniente en que utilice el código
que se adjunta como mejor prefiera. Como alternativa
también puede barrer los valores de μ y σ, como se
muestra en la figura. 2, para localizar dónde se obtiene
la máxima verosimilitud, empleando las ecuaciones (3)
ó (5).
Nuestra mejor estimación es: μ = 71.69 y σ = 1.80
(ambas en MPa o ksi). En este ejemplo concreto, tanto
Rice como el método de los dos puntos proporcionan
buenas estimaciones de μ, no así para σ. El método de
los dos puntos proporciona una estimación de σ = 2.10,
bastante por arriba del valor más probable de 1.80
(como se observa en la figura 2). Otros métodos
propuestos [8,9], suponiendo una distribución normal y
aproximando la distribución binomial por otra normal;
para el límite de fatiga, estiman σ como
⎡ nstresses2 ⎛ nstresses ⎞
2
⎤
⎢ n f ∑ i f i − ⎜ ∑ if i ⎟ ⎥ REFERENCIAS
σ = 1.62 ⋅ ΔS ⎢ i =1 ⎝ i =1 ⎠ + 0.029⎥
⎢ n 2f ⎥ [1] Wöhler, A., “Versuche über die Festigkeit der
⎢ ⎥
⎢⎣ ⎥⎦
cuando el primer término del corchete sea mayor o igual
a 0.3 y
σ = 0.53 ⋅ ΔS
si es menor de 0.3. En el ejemplo, esta expresión
predice:
⎡13 × 23 − 15 2 ⎤
σ = 1.62 × 2.5⎢ 2
+ 0.029⎥ = 1.93 (7)
⎣ 13 ⎦
Curiosamente, el resultado sería casi perfecto si se
eliminara el término 0.029 en la expresión (6a).
5. CONCLUSIÓN
Se describe un método para analizar los resultados de
los ensayos dirigidos al cálculo del límite de fatiga. El
(5) método de máxima verosimilitud tiene un fundamento
estadístico mucho más sólido que otros métodos
descritos en la bibliografía [8,9]. Tampoco se realizan
aproximaciones como sustituir la distribución binomial
por una normal.
Este procedimiento es mucho más flexible con los
experimentos, permitiendo ensayar a niveles
intermedios de carga o al antojo del experimentador. El
método aprovecha toda la información experimental
disponible, de cualquier nivel de carga; falle la probeta
o no, aún proporciona información.
La resolución no es explícita, pero un mínimo programa
de ordenador, que se proporciona en el Apéndice,
permite resolverlo con facilidad. No hay excusa para no
hacer un correcto análisis de los resultados, desde el
punto de vista estadístico, sobre todo considerando el
tiempo y dinero que habitualmente conlleva hacer este
tipo de experimentos.
AGRADECIMIENTOS
Los autores desean agradecer la financiación recibida,
por parte de la Unión Europea, dentro del proyecto
MicroFat (Contrato número: RFSR-CT-2005-00034, en
colaboración con CSM e Iveco (Italia), Ascometal
(Francia) y Sidenor (España)); al Ministerio de Ciencia
e Innovación por la financiación recibida dentro del
proyecto (MAT2008-03735/MAT) y al Gobierno Vasco
por la financiación recibida dentro del proyecto PI09-
09.
Eisenbahn Wagenachsen Zeitschrift für Bauwesen“,
(1860).
(6a)
[2] Forrest, P.J., “Fatigue of Metals“, Addison-Wesley,
Reading, Massachusetts, EEUU (1962).
[3] Rice, R.C., “Fatigue Data Analysis”, en Metals
Handbook, 9th edt., Vol. 8, Mechanical Testing.
(6b)
409
 Anales de Mecánica de la Fractura 26, Vol. 2 (2009)

American Society for Metals. Metals Park, Ohio, Ejemplo de entrada de daos: Rice.xls
EEUU (1985).
Stress [ksi] Number of Failures Number of Run-outs
[4] Conway, J.B., Sjodahl, L.H., “Analysis and 62,5 0 1
Representation of Fatigue Data”, ASM International, 65 0 1
Materials Park, Ohio, EEUU (1991).
67,5 0 3
[5] Little, R.E., Jebe, E.H., “Statistical Design of 70 2 8
Fatigue Experiments”, Applied Science Publishers 72,5 7 4
Ltd., Londres, Reino Unido (1975). 75 4 0
[6] Davoli, P., Bernasconi, A., Filippini, M., Foletti, S., Ejemplo de resultados:
Papadopoulos, I.V. ”Independence of the torsional
fatigue limit upon a mean shear stress”, Int. J of Name of Excel file with: Stress,
Fatigue 25 (2003) 471-480. Failures and Run-outs (3 columns):
rice
[7] Lagarias, J.C., Reeds, J.A., Wright, M.H., Wright, optmusig = 71.6873 1.7981
P.E. "Convergence Properties of the Nelder-Mead
Simplex Method in Low Dimensions," SIAM
Journal of Optimization 9, 1 (1998) 112-147.

[8] Collins, J.A., Failure of Materials in Mechanical

Design: Analysis, prediction, prevention”, John
Wiley & Sons. Nueva York, EEUU (1993).

[9] T. Dahlberg, A. Ekberg, “Failure Fracture Fatigue

An Introduction”, Tore Dahlberg, Sweden (2002), p.
215-216.

APÉNDICE
Código de Matlab 7.0.0
function FatigueLimit
%FATIGUE LIMIT (Matlab 7.0.0 code: fatiguelimit.m)
%It reads an Excel table with three columns:
%Stress, Number of Failures, Number of Run-outs.
%A normal distribution for the stress limit is assumed.
%MAXIMUM LIKELIHOOD is used.
%Function at likelihood.m is required
clear all
namefile=input('Name of Excel file with: Stress, Failures and Run-outs (3 columns):'...
,'s');
data=xlsread(namefile);
S=data(:,1); %The stresses (or loads, or strains) in the first column
f=data(:,2); %Number of failures
r=data(:,3); %Number of run-outs
mu=S(fix(length(S)/2)); %Initial value for the mean
sigma=S(2)-S(1); %Initial value for the standard deviation
mu0_sig0=[mu sigma]; %Initial values for mu and sigma
[optmusig]=fminsearch(@likelihood,mu0_sig0,[],S,f,r)

function like = likelihood(vmus,S,f,r) %Computes likelihood

mu =vmus(1); %Mean value for the normal distribution
sigma=vmus(2); %Standard deviation
like=-1; %Likelihood. Negative because 'fminsearch' searches minimums
for i=1:length(S);
like=like*(1-normcdf(S(i),mu,sigma)).^r(i).*normcdf(S(i),mu,sigma).^f(i);
end

410

View publication stats