Beruflich Dokumente
Kultur Dokumente
discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/26460648
CITATIONS READS
3 112
3 authors:
Sergio Yáñez
National University of Colombia
24 PUBLICATIONS 18 CITATIONS
SEE PROFILE
All content following this page was uploaded by Enrique Raúl Villa Diharce on 06 September 2014.
The user has requested enhancement of the downloaded file. All in-text references underlined in blue are added to the original document
and are linked to publications on ResearchGate, letting you access and read them immediately.
Dyna
Universidad Nacional de Colombia
dyna@unalmed.edu.co
ISSN (Versión impresa): 0012-7353
COLOMBIA
2003
Luis A. Escobar R. / Enrique R. Villa D. / Sergio Yañez C.
CONFIABILIDAD: HISTORIA, ESTADO DEL ARTE Y DESAFIOS FUTUROS
Dyna, noviembre, año/vol. 70, número 140
Universidad Nacional de Colombia
Medellín, Colombia
pp. 5-21
LUIS A. ESCOBAR R.
Department of Experimental Statistics, Louisiana State University, Baton Rouge, LA 7080.
luis@lsu.edu.
ENRIQUE R. VILLA D.
Probabilidad y Estadística, Centro de Investigación en Matemáticas, Guanajuato, Gto., México.
villadi@cimat.mx
SERGIO YAÑEZ C.
Escuela de Estadística, Universidad Nacional de Colombia, Medellín, Colombia.
syc@geo.net.co
RESUMEN: Durante los últimos cincuenta años, han habido cambios radicales en tecnología, de
administración y de mercadeo. Esto ha generado una revolución en el uso de métodos estadísticos para
mejorar la calidad de los productos y servicios. Una extensión natural de lo que ha pasado en el mundo de la
calidad se manifiesta en un cambio de enfoque hacia la mejora de la confiabilidad. En una forma práctica,
confiabilidad se define como ``calidad a través del tiempo.'' Los administradores, ingenieros y los mismos
consumidores se han convencido que buena confiabilidad es una característica indispensable para tener la
oportunidad de competir en los mercados globalizados, complejos y sofisticados de hoy en día. En este
artículo hacemos una breve reseña histórica de la confiabilidad, presentamos algunas herramientas estadísticas
usadas en ingeniería de confiabilidad y anticipamos futuros desarrollos de la estadística aplicados a esta rama
importante de la ingeniería.
PALABRAS CLAVES: Datos de Confiabilidad, Planes para Estudios de Confiabilidad, Ingeniería
Robusta, Ambientes Estocásticos, Datos de Campo..
ABSTRACT: During the past fifty years, there has been tremendous technological, management, and
marketing changes. This has generated a revolution in the use of statistical methods for product and service
quality. A natural extension of the revolution in product/service quality is to turn focus to product reliability,
which is defined as ``quality over time.'' Managers, engineers, and customers now consider good quality an
essential characteristic to compete in today's globalized and complex market of manufactured products and
services. In this paper we give a brief introduction to the history of reliability, we describe some of the
statistical tools used in engineering reliability, and we make predictions for the future of statistics in
engineering reliability.
KEYWORDS: Reliability Data, Planning Reliability Studies, Robust Engineering, Stochastic,
Environments, Field Data.
DYNA, Año 70, Nro. 140, pp. 5-21. Medellín, Noviembre de 2003. ISSN 0012-7353
6 Escobar et al.
estas dos áreas requieren de diferentes supuestos restricciones de tiempo o de recursos. Por lo
acerca de los datos y de diferentes esquemas de tanto,
muestreo para obtenerlos. Se debe ejercer un • Análisis gráficos y no paramétricos de los
cuidado extremo para no confundir estos dos datos son absolutamente necesarios.
tipos de datos de confiabilidad lo cual puede • Debido a que los valores observados son
ocasionar un análisis incorrecto de los mismos. positivos, la modelación usualmente supone
(Ascher y Feingold, 1984) discuten casos de una distribución no-normal. Es común el uso
datos de sistemas reparables que violan supuestos de distribuciones como la lognormal, la
básicos usados en el análisis de datos de Weibull, las de Valores Extremos, la Gama,
componentes. Por lo tanto sería incorrecto la Poisson, etc.
analizar tales datos usando metodología • El análisis está basado en una combinación
desarrollada para datos de componentes. de métodos gráficos, métodos no
Desafortunadamente, este es un error muy paramétricos y estimaciones de máxima
frecuente en confiabilidad. verosimilitud para ajustar modelos
Datos de sistemas reparables describen las paramétricos. En general, los métodos
tendencias y patrones de falla de un sistema tradicionales de mínimos cuadrados son
completo. Estos datos requieren herramientas altamente ineficientes tanto para la
estadísticas especiales y pueden surgir, por estimación como para la inferencia y el
ejemplo del monitoreo de un conjunto de pronóstico.
unidades reparables donde el evento de interés • Algunas métricas de interés son tasas de
puede ser la falla de las unidades (para evaluar su falla, cuantíles, probabilidades de falla,
confiabilidad), el costo de reparación (para confiabilidades y tasas de recurrencia. Los
evaluar el costo de operación/mantenimiento) o parámetros del modelo tales como la media y
ambos. (Hoyland y Rausand, 1994; Meeker y la varianza son de poco interés.
Escobar, 1998 y Nelson, 2003a). • Frecuentemente se requiere de la
Datos de componentes o unidades extrapolación, e.g., se tienen datos de un
reemplazables describen tiempos de falla o semestre para una muestra de unidades
degradación de unidades que no son reparadas. observadas a temperatura elevada y se
Entre otras razones, una unidad no es reparada necesita predecir una función de riesgo para
porque es más práctico o económico unidades en uso a temperatura baja. En estos
reemplazarla o es muy difícil repararla. Fuentes casos se debe ser cauteloso con el uso de
de estos datos son: ensayos de laboratorio de modelos empíricos y tratar, en lo posible, de
materiales o componentes y datos de usar modelos físico/químicos que expliquen
componentes o subsistemas reemplazables las fallas.
obtenidos de ensayos por monitoreo de sistemas.
Aun cuando de una naturaleza distinta, también
se incluyen en esta categoría datos de vida 2.2 Modelos de confiabilidad
correspondientes a la primera falla de un sistema.
Como se mencionó antes, extrapolaciones
basadas en modelos o datos defectuosos pueden
2.1 Características de los datos de confia-
ser muy riesgosas. Un buen principio para hacer
bilidad
extrapolaciones útiles y efectivas es contar con
buenos modelos basados en experiencias previas
En la mayoría de los estudios de confiabilidad se relacionadas con el problema a resolver. La
tienen respuestas que son intrínsecamente situación más favorable es cuando se cuenta con
positivas: tiempos de falla, niveles de modelos físico/químicos que describen el
degradación, resistencia de materiales, mecanismo de fallas. Algunos modelos de falla
plasticidad de un adhesivo, número de eventos en han sido estudiados detalladamente en las
un período de tiempo, etc. Con frecuencia los décadas pasadas (por ejemplo, desgaste en
datos son censurados o truncados debido a sistemas mecánicos y mecanismos que causan
8 Escobar et al.
Donde σ > 0 y µ puede tomar valores positivos y Los puntos graficados son una estimación
negativos. modificada del estimador de Kaplan-Meier (KM)
(i.e., los puntos corresponden a la mitad de la
altura del salto del estimador KM en cada falla) y
la línea recta es la correspondiente FDA Weibull
estimada por máxima verosimilitud (MV). La
línea curva que pasa a través de los puntos es la
FDA lognormal estimada usando MV. También
se exhiben en la gráfica intervalos de confianza
puntuales para la distribución Weibull,
expresando la incertidumbre estadística de la
estimación. Es interesante notar que no hay una
gran diferencia entre los ajustes de las
distribuciones Weibull y lognormal para los
datos. Sin embargo, la diferencia entre ellas se
hace mayor cuando extrapolamos a kilometrajes
extremos, bien sean altos o bajos; en estos casos
la distribución Weibull predice más fallas que la
distribución lognormal.
Figura 2. Gráfica de probabilidad Weibull de los Combinando (1) y (2) con
datos del amortiguador de automóvil φ( z ) = φnorm ( z ) resulta el modelo de vida
acelerada de potencia inversa-lognormal, que
En particular, cuando
puede expresarse como
φ( z ) = φsev ( z ) = 1 − exp[− exp( z )] ⎡ log (t ) − µ(x ) ⎤
Pr [T (volt ) ≤ t ] = φnor ⎢ ⎥ (4)
⎣ σ ⎦
la FDA de valor extremo mínimo estándar, F(t;
µ, σ) es la distribución Weibull (con parámetro Donde:
de escala η = exp(µ) y parámetro de forma β = µ (x) = β 0 + β 1x,x = log (volt), β 0 y β 1 son
1/σ) y cuando φ( z ) = φnorm ( z ) la FDA normal parámetros desconocidos. La Figura 3 muestra el
estándar, F(t; µ, σ) es una distribución lognormal modelo de potencia inversa-lognormal ajustado a
(con mediana exp(µ) y parámetro de forma σ). un subconjunto de datos de un ensayo de vida
En algunos casos hay una justificación acelerada para un aislante de mylar-poliuretano
físico/química para el uso de algunas de estas (originalmente analizados por (Kalkanis y Rosso,
distribuciones (Meeker y Escobar, 1998). 1989), pero también analizados en el (Meeker y
Muchas otras distribuciones han sido derivadas Escobar, 1998). Para el ajuste en esta figura, los
de procesos físico/químicos específicos (e.g., la datos de falla obtenidos en el experimento al
distribución Birnbaum-Saunders para fallas de nivel más alto de voltaje, 361.4 kV/mm, fueron
tipo fatiga-fractura). Otras distribuciones han omitidos porque parecen ser inconsistentes con el
sido sugeridas como eneralizaciones más resto de los datos. Si se incluyen los datos
flexibles de distribuciones existentes (e.g., la correspondientes a 361.4 kV/mm en el ajuste, la
distribución Gama Generalizada). Generalmente, vida estimada del aislante a niveles bajos de
una distribución es elegida porque se ajusta bien voltaje, que es la región de interés, sería muy
a los datos o porque tiene una larga historia de optimista y probablemente errada.
buen ajuste para datos de confiabilidad generados
por un cierto tipo de proceso.
La Figura 2 es una gráfica de probabilidad 4.2 Datos de degradación destructiva
Weibull, para los datos de amortiguadores
descritos anteriormente, dando la proporción de En ensayos (experimentos) con productos de alta
fallas como una función de los kilómetros de uso. confiabilidad se obtienen pocas fallas y es común
Dyna 140, 2003 11
observar que todas las unidades sobreviven la a estas escalas fueron determinadas empíri-
duración del ensayo. En algunas aplicaciones es camente como aquellas que linealizaron la
posible medir variables de degradación que relación degradación contra tiempo en los
permiten modelar el proceso de degradación y diferentes niveles de temperatura, posteriormente
relacionarlo con el tiempo de falla. Esto da una se encontró una justificación físico/química
estimación indirecta de la distribución de tiempos basada en procesos de difusión que justifican
de falla. La modelación de la degradación tales transformaciones.
también nos acerca al proceso físico/químico de
la falla, proporcionando mejor información para
evaluar la capacidad descriptiva de los modelos
propuestos.
Uno de los objetivos del experimento fue estimar láser deja de trabajar con estas fallas). Unidades
la distribución del tiempo de falla a una para las cuales el incremento corriente esta por
temperatura de uso de 25ºC. La Figura 4 muestra debajo del 10% del nivel inicial se consideran
la línea de degradación predicha para 25ºC. censuradas en el último tiempo en el cual fueron
Cuando la adhesividad se degrada a 40 Newtons, observadas. Suponiendo que las fallas
la unidad se define como una falla. Con esta catastróficas podrían ser eliminadas haciendo un
definición, la distribución de degradación implica cambio en el diseño del producto o del proceso
una distribución de tiempos de falla dada por (realmente esto fue lo que se hizo en esta
aplicación), entonces un modelo razonable para
FT(t; x, β ) = Pr(T≤t) = FY(µ, x, β ) la degradación del láser asume que la tasa de
⎛ τ −υ ⎞ degradación varía aleatoriamente de unidad a
= φ ⎜⎜ ⎟⎟ , (4) unidad.
⎝ ς ⎠
Cuando t ≥ 0
Donde
υ=
(β0 − µ f )exp(− β 2 x ) , ς=
σ exp(− β 2 x )
,
β1 β1
µ f = log (40 )
transmisión como una función del número de estimada en los ensayos de laboratorio y la
millas. El estimado de la FAM a las 24,000 confiabilidad observada en el campo.
millas es 31%. Esta función puede ser usada En general, los datos de garantía son muy
directamente para responder a las preguntas de complejos y presentan serios retos para una
los ingenieros y administradores. La gráfica interpretación y análisis adecuados.
también muestra un intervalo de confianza Directamente, los datos de garantía se relacionan
aproximado (95 %) para la FMA. El cálculo del con el efecto negativo de la mala
estimador de FAM y de los intervalos de calidad/confiabilidad en las finanzas de la
confianza es complicado (Meeker y Escobar, compañía (otra componente importante, que es
1998) debido a la desigualdad en los tiempos de más difícil de medir, es la pérdida de clientes e
observación para las unidades en servicio (como imagen cuando un producto tiene problemas de
se observa en la Figura 7). confiabilidad).
La línea curva (línea punteada) en la Figura 9
muestra un proceso de Poisson no homogéneo de
potencia (Meeker y Escobar, 1998) ajustado a los
datos de reparación de transmisiones junto con el
estimador noparamétrico y los intervalos de
confianza para la función~FAM. En este caso no
hay suficiente información para evaluar el
modelo de Poisson ajustado y solo se hizo para
ilustrar el ajuste de un modelo paramétrico a los
datos.
Los datos y algunos otros detalles del análisis
se describen más ampliamente en Nelson
(2003a).
Existe una literatura muy extensa sobre el uso de Figura 8. Reparaciones acumuladas promedio
los datos de garantía. Los libros editados por para las transmisiones.
Blischke y Murthy (1994, 1996) cubren un
amplio rango de tópicos. (Robinson y McDonald,
1991; Lawless y Kalbfleisch, 1992; Lawless,
1998) describen métodos estadísticos disponibles
para el análisis de este tipo de datos.
Hasta ahora los programas de garantías han
estado más relacionadas al mercadeo que a la
confiabilidad. Los costos de garantías debidos a
mala calidad y confiabilidad son considerables en
muchas industrias (e.g., la industria automotriz).
Las bases de datos de garantías existen en
principio gracias a la importancia que tienen para
los reportes financieros. Sin embargo, cada vez
más compañías empiezan a reconocer que los
datos de garantía pueden ser útiles para: (a)
Retroalimentación del diseño de la siguiente
generación de productos. (b) Prevenir problemas
de campo inesperados (Wu y Meeker, 2002). (c) Figura 9. Proceso de Poisson no homogéneo de
Establecer una conexión entre la confiabilidad potencia ajustado para las trasmisiones.
Dyna 140, 2003 15
precisión especificada para estimar el cuantil t0.10 simulaciones pero la figura solo muestra 25 de
en un ensayo de vida para la evaluación de un las distribuciones estimadas.
aislante. El tiempo de censura para este estudio es de
50 horas. La media geométrica del factor de
precisión R̂ =1.56 obtenida en la simulación es
consistente con el factor de precisión objetivo
R̂ =1.5 requerido en el estudio. Observe que la
probabilidad de que una unidad no falle durante
el ensayo es igual a exp[-(50/123)2] = 0.84 y la
probabilidad de cero fallas en el estudio es 0.8445
= 0.6x10-3. Para disminuir esta probabilidad se
puede alargar la longitud del estudio.
Las líneas cortas en la figura representan las
estimaciones MV de la distribución de fallas del
aislante en 25 de los ensayos de vida simulada.
Estas líneas permiten visualizar el error muestral
que estará asociada con un plan de ensayo dado.
La línea horizontal al nivel 0.10, por ejemplo,
permite una evaluación de la distribución
Figura 10. Información de planeación. muestral del estimador MV del cuantil t0.10 de la
distribución de fallas. Para detalles adicionales
sobre este tipo de estudios y de software para los
cálculos, (Meeker y Escobar, 1998, 2001).
sobre el estado operacional y ambiental de fácil anticipar que ésta va a ser una área de gran
los sistemas operativos. desarrollo y con un potencial de gran impacto en
• Mayores esfuerzos para combinar datos de confiabilidad.
diferentes fuentes (laboratorio, campo, (Lawless, 2000) presenta una descripción
garantías, etc.) y otra información unificada de datos de confiabilidad que incluye:
(ingeniería, física de fallas, experiencia datos de falla, datos de ensayos acelerados, datos
previa, etc.) a través del uso de métodos de degradación, datos recurrentes, datos de
Bayesianos apropiados para combinar garantía, sistemas dependientes, confiabilidad en
información de diferentes fuentes. ambientes heterogéneos, etc. El desarrollo es
basado en modelaje de funciones de intensidad
para procesos estocásticos puntuales
8.2 Algunos otros retos tecnológicos multivariados en conjunto con la historia de
eventos del proceso. En síntesis, si hay J tipos de
Existen muchos otros problemas tecnológicos en eventos de interés, las funciones de intensidad
la área de confiabilidad. Aquí describimos para esos eventos están definidas por
algunas áreas potenciales para investigación y
desarrollo. Para una discusión más detallada λj =
[
Pr N j (t , t + ∆ ) = 1 H (t ) ], j = 1,..., J .
(Lawless, 2000). lim
∆ →0
∆t
Meeker, W. y Escobar, L. Reliability: The Other Pascual F. et al. Probability of Correct Selection
Dimension of Quality, Quality Technology & when Comparing k Populations Based on Type
Quality Management Journal, 1, 1-25, 2004. II Censored Data, Preprint, Department of
Meeker, W.et al., Accelerated Degradation Tests: Statistics, Iowa State University, 2002.
Modeling and Analysis, Technometrics, 40, 89- Phadke, M. Quality Engineering Using Robust
99, 1998. Design, Englewood Cliffs: Prentice~Hall,
Meeker, W. y LuValle, M., ``An Accelerated 1989.
Life Test Model Based on Reliability Kinetics,' Robinson, J. y McDonald, G. Issues Related to
Technometrics, 37, 133-146, 1995. Field Reliability and Warranty Data, Data
Nelson, W. Accelerated Testing: Statistical Quality Control: Theory and Pragmatics,
Models, Test Plans, and Data Analyses, New Editors Gunar E. Liepins and V. R. R.
York: John Wiley \& Sons, 1990. Uppuluri, Marcel Dekker, 69-89, 1991.
Nelson, W., Recurrent Events Data Analysis for Villemeur, A. Reliability, Maintainability and
Product Repairs, Disease Recurrences, and Safety Assessment, Vol. 1: Methods and
Other Applications, (ASA-SIAM Series on Techniques,} New York: John Wiley \& Sons,
Statistics and Applied Probability), ASA- 1992.
SIAM, 2003a. Wu, C. y Hamada, M. Experiments: Planning,
Nelson, W. Bibliography on Accelerated Test Analysis, and Parameter Design Optimization,
Plans. Available from the author, New York: John Wiley & Sons, 2000.
WNconsult@aol.com, 739 Huntingdon Dr., Wu, H. y Meeker, W. Early Detection of
Schenectady, NY 12309-2917, 2003b. Reliability Problems Using Information from
O'Connor, P.et al., Practical Reliability Warranty Data Bases, Technometrics, 44, 120-
Engineering, New York, 2002. 133, 2002.