Beruflich Dokumente
Kultur Dokumente
2006
CURSO DE CONFIABILIDAD
Elabor: Dr. Primitivo Reyes Aguilar
Diciembre de 2006
Pgina 1
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
CONTENIDO
1. Introduccin a la confiabilidad
2. Distribuciones de probabilidad
3. Modelos de distribuciones de probabilidad para el tiempo
de falla
4. Estimacin de parmetros del modelo
5. Determinacin de la confiabilidad
6. Pruebas de vida aceleradas
7. Confiabilidad de sistemas
8. Mantenabilidad y disponibilidad
Pgina 2
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
1. Introduccin a la confiabilidad
No es suficiente que un producto cumpla las especificaciones y criterios de
calidad establecidos sino que adems es necesario que tenga un buen
desempeo durante su vida til es decir que sea confiable. Esto cada vez cobra
una importancia mayor dado que cambia la tecnologa, los productos son cada
vez ms complejos, los clientes se tornan cada vez ms exigentes y la
competencia es alta.
Confiabilidad es la probabilidad de que un componente o sistema desempee
satisfactoriamente la funcin para la que fue creado durante un periodo
establecido y bajo condiciones de operacin establecidos. La confiabilidad es
calidad en el tiempo.
Falla de un producto sucede cuando deja de operar, funcionar o no realiza
satisfactoriamente la funcin para la que fue creado. El tiempo de falla es el
tiempo que transcurre hasta que el producto deja de funcionar.
Las razones de estudio de la confiabilidad de productos son las siguientes:
1. Determinar el tiempo tp hasta el cual se espera que falle una proporcin p
dada de los productos en operacin. Esto es til para determinar tiempos de
garanta apropiados as como sus costos.
2. Encontrar el tiempo tp al cual se espera que sobreviva una proporcin 1-p
dada de los productos en operacin. Es una estimacin de la confiabilidad de
los productos.
3. Determinar la propensin a fallar que tienen el producto en un tiempo dado.
Para comparar dos o ms diseos o procesos, o lo que se publicita por un
proveedor.
4. Dado que un artculo ha sobrevivido un tiempo T0, encontrar la probabilidad
de que sobreviva un tiempo un tiempo t adicional. Para planear el reemplazo de
los equipos.
5. Los puntos anteriores se pueden hacer de manera comparativa para
diferentes materiales, proveedores o modos de falla.
La informacin para los estudios de confiabilidad tienen diferentes
denominaciones: datos de tiempos de vida, datos de tiempos de falla, datos de
tiempo a evento, datos de degradacin, etc.
Entre las caractersticas que tienen los estudios de confiabilidad se encuentran
los siguientes:
1. Los tiempos de falla son positivos con comportamiento asimtrico y sesgo
positivo, por tanto las distribuciones para modelar estos tiempos de falla son la
Weibull, lognormal, exponencial y gamma, la distribucin normal casi no se
utiliza.
Pgina 3
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
2. Mientras que en estadstica lo que interesa son los parmetros de la
poblacin media y desviacin estndar, en la confiabilidad lo que interesa son
las tasas de falla, las probabilidades de falla y los cuantiles. Un cuantil es el
tiempo tp hasta el cual se espera que falle una proporcin p de artculos.
3. Para tener datos es necesario tener datos a travs de pruebas las que en
algunas ocasiones son costosas.
4. A veces el tiempo para observar las fallas es muy largo y es necesario cortar
el tiempo de prueba, dando lugar a observaciones censuradas. Normalmente
se requiere extrapolar los resultados, por ejemplo al estimar la tasa de falla a
las 10,000 horas con pruebas de funcionamiento durante 1,000 horas.
5. Cuando es necesario acortar el tiempo de prueba se pueden hacer pruebas
de vida acelerada utilizando condiciones estresantes.
Ejemplo:
Se tomaron n = 1,000 chips probados durante 1,500 horas a una temperatura
de 80C y se observaron 40 con falla. Al finalizar la prueba 960 chips
funcionaban adecuadamente.
Entre las preguntas que se pueden contestar se encuentran las siguientes:
Cul es la probabilidad de que fallen los chips antes de las 500 horas?
Cul es el riesgo de falla a las 300 horas?
Cul es la proporcin de chips que fallarn antes de 250 horas?
Datos censurados
Censura
Pgina 4
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Se tienen datos censurados cuando no se conocen los tiempos de falla de las
unidades de manera exacta, sino solo los intervalos de tiempo donde
ocurrieron o hubieran ocurrido las fallas. Es informacin parcial sobre los
tiempos de falla. Algunas de las fuentes de censura son las siguientes:
Tiempo fijo de terminacin de la prueba
Tiempos de inspeccin (lmites superiores e inferiores en T)
Modos de falla mltiples (tambin conocidos como riesgos en
competencia, y dando por resultado censura por la derecha),
Independiente (simple) y no independiente(difcil).
TIPOS DE CENSURA
Censura por la derecha (tipo I y II): La tipo I es cuando se tienen
unidades sin falla limitando el tiempo de observacin o censura por
tiempo. Cuando se limita el tiempo hasta que fallan r unidades, se tiene
censura tipo II para las unidades sobrevivientes (n-r).
Censura por la izquierda: Ocurre cuando al inspeccionar las unidades
despus de un periodo de tiempo se encuentra que algunas fallaron,
pero no se sabe el momento de su ocurrencia.
Pgina 5
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Censura por intervalo cuando se inspecciona en intervalos de tiempo y
se observan fallas en cierto intervalo pero no se conoce exactamente en
que momento ocurrieron, se censuran los productos sobrevivientes.
Censura mltiple: Cuando en el mismo estudio se tienen diferentes tipos
de censura.
Ejemplo:
A X
B
C
D
Fig. 1 Tipos de censura: A sin censura; B Censura por la izquierda; C
Censura por la derecha; D censura por intervalo.
2. Distribuciones de probabilidad
Pgina 6
i
j
j n
t tiempo el hasta fallas de
d t F
i
1
#
) (
100 5 ) 3 (
, 100 3 ) 2 (
, 100 1 ) 1 (
F F F
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Es el estimador de mxima verosimilitud de F(t).
El incremento en a cada valor de ti es
El nivel de confianza expresa la confianza (no probabilidad) de que un intervalo
especfico contiene la cantidad de inters.
La probabilidad de cobertura es la probabilidad de que el procedimiento dar
lugar a un intervalo que contiene la cantidad de inters. Un intervalo de
confianza es aproximado si el nivel especificado de la confianza no es igual a la
probabilidad real de la cobertura.
Con datos censurados la mayora de los intervalos de confianza son
aproximados, para mejorar las aproximaciones se requieren ms clculos.
El intervalo de confianza de F(ti) con base en la distribucin binomial es:
Donde y es el cuantil 100(1- /2)
de
la distribucin F con ( 1, 2) grados de libertad.
Usando la aproximacin normal del intervalo de confianza para F(ti), el intervalo
aproximado del cuantil 100(1- ) en % para F(ti) esta dado por:
Es el cuantil 100(1- /2) de la distribucin normal estndar.
Es una estimacin de la desviacin
estndar de
Pgina 10
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Del ejemplo para un nivel de confianza del 95% se tiene:
Cuando el nmero de inspecciones se incrementa, el ancho del intervalo (ti-1,
ti) tiende a cero y los tiempos de falla son exactos.
F(t) est definido para todo t en el intervalo (0, tc ] donde tc es el tiempo de
censura F(t) es el estimador de mv de F(t). La estimacin es una funcin
escalonada con un paso del tamao 1/n en cada tiempo de falla, algunas
veces es mltiplo de 1/n porque hay tiempos de falla similares. Cuando no hay
censura, el F(t) es el fda emprico bien conocido.
Para la estimacin no paramtrica de F(ti) con base en datos por intervalo y
censura mltiple por la derecha se tiene:
n=tamao de muestra
di = numero de fallas en el intervalo i
ni = conjunto bajo riesgo al tiempo t-1
ri = numero de observaciones censuradas al tiempo ti
En el lmite, si el numero de intervalos aumenta, el ancho del intervalo tiende a
0 y obtenemos el estimador Kaplan Maier o producto limite. Las fallas se
concentran en intervalos con ancho de intervalo infinitesimal. El estimador ser
constante sobre todos los intervalos que no tienen fallas. La funcin cambia
cuando existe alguna falla,
Pgina 11
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Pgina 12
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Funcin de densidad de probabilidad
La funcin de densidad f(t) es continua si cumple para f(t) >= 0 el rea bajo la
curva es igual a 1, en confiabilidad el intervalo es de cero a infinito o sea:
1 ) ( dt t f
Para el caso de la distribucin exponencial se tiene que:
0 ; ) (
t e t f
t
t
dx x f t F t T P
0
1 ) ( ) ( ) (
Para el caso de la distribucin exponencial se tiene:
t
t t x x
t e e dx e t F t T P
0
0
0 , 1 ) ( ) (
Funcin de confiabilidad
Es una funcin decreciente denominada tambin funcin de supervivencia es la
probabilidad de sobrevivir hasta el tiempo t, se representa como:
R(t)= 1 F(t)
Para el caso de la funcin exponencial es:
t
e t R
) (
f(t) 1 F(t) 1 R(t)
0 tiempo 0 tiempo
0 tiempo
Pgina 13
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Fig.2 Funcin de densidad Funcin de distribucin
Funcin de
Acumulada
confiabilidad
Funcin de riesgo / Tasa de riesgo / Tasa instantnea de riesgo
Se define como:
) (
) (
) (
t R
t f
t h
Es el resultado del siguiente lmite:
) (
lim ) (
0
t T T T t P
t h
Representa la probabilidad de falla instantnea en el tiempo t + t dado que la
unidad ya sobrevivi hasta el tiempo t.
Vida til de un producto
La vida til de un producto se puede representar por una curva de la baera,
como sigue:
f(t)
tiempo
Mortalidad Vida til o fallas Envejecimiento
Infantil o aleatorias o fallas por desgaste
Fallas tempranas
Fig. 3 La curva de la baera con el ciclo de vida de un producto
La mortalidad infantil representa las fallas debidas a problemas de
diseo o ensamble con tasa de falla decreciente respecto al tiempo.
Normalmente se hace un quemado a las unidades durante un tiempo
razonable para eliminar este tipo de fallas al usuario del producto.
Pgina 14
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
La zona de fallas aleatorias representa una tasa de falla constante
respecto al tiempo.
La zona de desgaste o envejecimiento representa la zona de tasa de
falla creciente cuando el componente est llegando a su vida til.
Funcin de riesgo acumulado
Es la integral hasta el tiempo t de la funcin de riesgo como sigue:
t
dx x h t H
0
1 ) ( ) (
Por medio de esta funcin tambin se puede calcular la confiabilidad como
sigue:
) (
) (
t H
e t R
t
dt t tf t E
0
) ( ) (
La vida media para el caso de la distribucin exponencial es:
Por tanto para la distribucin exponencial la vida media es la inversa de la tasa
de riesgo.
Funcin cuantil
El cuantil p es el tiempo tp al cual falla una porcin de las unidades. Se define
en trminos de la distribucin acumulada como:
) (
1
p F t
p
La funcin F
-1
(p) es la funcin inversa de F(t). En el caso exponencial resulta de
despejar t como sigue:
) 1 ln(
1
)) ( 1 ln(
1
) (
1
p t F p F t
p
Ejemplo:
Pgina 15
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Se someten 20 componentes a una prueba de vida y las horas transcurridas
hasta la falla fueron las siguientes:
Unidad Horas
1 3.70
2 3.75
3 12.18
4 28.55
5 29.37
6 31.61
7 36.78
8 51.14
9 108.71
10 125.21
11 125.35
12 131.76
13 158.61
14 172.96
15 177.12
16 185.37
17 212.98
18 280.40
19 351.28
20 441.79
Si las horas de falla siguen la distribucin exponencial, estimar las funciones de
densidad de probabilidad, funcin de distribucin acumulada, funcin de
confiabilidad y funcin de riesgo.
Como no hay censura la media concuerda con las media de las observaciones
o sea 133.43.
La funcin de densidad es:
t
e t f
43 . 133
1
43 . 133
1
) (
Y la funcin de riesgo es:
43 . 133
1
) ( t h
3. Modelos (distribuciones de probabilidad) para el
tiempo de falla
Los modelos que se utilizan para el tiempo de falla son: Weibull, Valor extremo,
exponencial, normal y lognormal. Aqu se mostrarn sus funciones de densidad
f(t), distribucin acumulada F(t), funcin de confiabilidad R(t) y funcin o tasa
de riesgo h(t). Tambin se incluyen la vida media y la funcin cuantil de cada
distribucin.
Distribucin exponencial de un parmetro
Modelo de confiabilidad para tasa de riesgo constante, de componentes de
muy larga vida y alta calidad que no envejecen durante su vida til. Se dice
que esta distribucin tiene falta de memoria ya que no importa el tiempo que
haya transcurrido, su probabilidad de falla es la misma que cuando estaba
nuevo. Es muy aplicable a componentes electrnicos ya que no exhiben
desgaste o mejora en el tiempo (por ejemplo los transistores, los resistores, los
circuitos integrados y los condensadores). No es aplicable a componentes con
desgaste como las balatas o bateras cuya tasa de falla se incrementa con el
tiempo.
Sus funciones bsicas son:
) ( , ) ( , 1 ) ( , ) ( t h e t R e t F e t f
t t t
La funcin cuantil y la vida media son:
/ 1 ) ( ), 1 ln( ) / 1 ( T E p t
p
En funcin de la media se tiene (MTBF = ):
Pgina 17
( )
[ ]
( )
1
exp
1
1
]
1
t h
T E
t
t f
T
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
f(t) 1 F(t) 1 R(t)
0 tiempo 0 tiempo
0 tiempo
Fig.4 Funcin de densidad Funcin de distribucin
Funcin de
Acumulada
confiabilidad
.008
Funcin de riesgo
El efecto de la tasa de falla en la pdf es:
Pgina 18
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Distribucin exponencial de dos parmetros
Para:
Donde > 0 es un parmetro de escala y es un parmetro
localizacin y frontera. Cuando = 0 se tiene la distribucin
exponencial de un parmetro.
Los cuantiles son:
Tp = - log (1-p)
Los Momentos son.
Pgina 19
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Distribucin Weibull de dos parmetros
Es una distribucin flexible donde su tasa de falla puede ser decreciente,
constante o creciente dependiendo de sus parmetros. Normalmente se define
con dos parmetros: el de forma que tiene efecto sobre la forma de la
distribucin y el de escala que afecta la escala del tiempo de vida.
La teora de valores extremos demuestra que la distribucin de Weibull se
puede utilizar para modelar el mnimo de una gran cantidad de variables
aleatorias positivas independientes de cierta distribucin: tales como falla de un
sistema con una gran cantidad de componentes en serie y con los mecanismos
de falla aproximadamente independientes en cada componente.
Sus funciones bsicas son:
,
_
,
_
t
e
t
t f
1
) (
Distribucin de densidad
,
_
t
e t F 1 ) (
Distribucin acumulada
,
_
t
e t R ) (
Funcin de confiabilidad
1
) (
,
_
t
t h Funcin de riesgo
La vida media y la funcin cuantil son las siguientes:
) / 1 1 ( ) ( + T E
[ ]
/ 1
) 1 ln( p t
p
La funcin gamma se define como:
0
1
) ( dt e t x
t x
Generalizacin del factorial de un nmero
) 1 ( ) 1 ( ) ( x x x
Para cualquier nmero
)! 1 ( ) ( n n
Para nmeros enteros
Pgina 20
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
=0.5 =1 =2
1
Tiempo
Figura 5. Funciones de densidad Funciones de riesgo
En general cuando el para valores de beta 0< <1 la funcin de riesgo es
decreciente y para valores de >1 la funcin de riesgo es creciente.
tambin se conoce como pendiente.
Pgina 21
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Pgina 22
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Pgina 23
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Esta distribucin se aplica a productos con varios componentes de vida similar,
donde cuando falla un componente falla el producto.
Pgina 24
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Distribucin Weibull de tres parmetros
En ocasiones las fallas no empiezan a observarse desde el tiempo cero sino
hasta despus de un periodo , es decir hasta despus de este tiempo la
probabilidad de falla es mayor a cero. Para esto se introduce en la distribucin
un parmetro de localizacin que recorre el inicio de la distribucin a la
derecha, quedando las funciones de densidad, de distribucin, de confiabilidad
y de riesgo para la distribucin de Weibull ( , , ) como sigue:
,
_
,
_
t
e
t
t f
1
) (
Distribucin de densidad
,
_
t
e t F 1 ) (
Distribucin acumulada
,
_
t
e t R ) (
Funcin de confiabilidad
1
) (
,
_
t
t h Funcin de riesgo
Donde t>=
La vida media y la funcin cuantil son las siguientes:
) / 1 1 ( ) ( + + T E
[ ]
/ 1
) 1 ln( p t
p
+
En el caso de =1 se tiene la distribucin exponencial.
Pgina 25
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Ejemplo:
Sea la funcin de riesgo de Weibull dada por:
5 . 0
) 1000 / )( 1000 / 5 . 0 ( ) (
t t h t se expresa en aos
Si se implementa un periodo de quemado (burn-in) de 6 meses (t
b
=0.5), a que
tiempo las unidades sobrevivientes tendrn una confiabilidad de 90%.
De la funcin de riesgo, el parmetro de forma =0.5 y el parmetro de escala
es =1000.
Sustituyendo estos valores en la funcin de confiabilidad de Weibull se tiene:
5 . 0
1000
9 . 0 ) (
,
_
t
e t R
[ ] 1 . 11 ) 90 . 0 ln( 1000
2
t
A seis meses la confiabilidad de las unidades sobrevivientes estar dada por la
probabilidad condicional siguiente:
Pgina 26
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
[ ]
[ ]
5 . 0
5 . 0
) 1000 / ) 5 . 0 ( exp
) 1000 / ) 5 . 0 (( exp
) (
) (
90 . 0 ) (
+
>
t
t R
t t R
t t t C
b
b
b
Igualando a 90% y despejando para t se obtiene t = 15 aos, es decir el
periodo de quemado eliminara unidades dbiles que fallaran pronto y las
unidades sobrevivientes tienen mayor confiabilidad.
Distribucin Valor extremo para mnimos
Se utiliza para describir la vida de productos cuya duracion est determinada
por la vida mnima de sus componentes:
1
]
1
,
_
t t
t f exp exp
1
) (
Funcin de densidad
1
]
1
,
_
t
t F exp exp 1 ) (
Funcin de distribucin
1
]
1
,
_
t
t R exp exp ) (
Funcin de confiabilidad
1
]
1
t
t h exp
1
) (
Funcin de riesgo
La vida media y la funcin cuantil son las siguientes:
5772 . 0 ) ( + T E
0.5772 constante de Euler
[ ] ) 1 ln( ln p t
p
+
=1 =2 =3
1
Tiempo
Figura 6. Funciones de densidad Funciones de riesgo
La distribucin Valor extremo se relaciona con la distribucin Weibull donde si
la variable T sigue una distribucin Weibull ( , ), su logartimao ln(T) sigue
Pgina 27
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
una distribucin valor extremo con parmetros de escala =1/ y parmetro
de localizacin =ln( ).
Para:
Donde
Son fdp y fda para una normal estndar es el parmetro de localizacin y
es el parmetro de escala.
Los cuantiles son:
Donde es el cuantil p de una normal estndar.
Los Momentos son:
Pgina 28
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Distribucin de los valores extremos mximos
Para
Donde:
Son fdp y fda para una distribucin
es el parmetro de localizacin y es el parmetro de escala.
Los cuantiles son:
La media y la varianza son las siguientes:
Pgina 29
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Distribucin normal
No es muy utilizada en confiabilidad dado su comportamiento simtrico, el
comportamiento del tiempo de vida es asimtrico, sin embargo es un modelo
adecuado cuando muchos componentes tienen un efecto aditivo en la falla del
producto. Aqu es el parmetro de localizacin y es el parmetro de
escala.
Sus funciones bsicas de densidad, distribucin y confiabilidad son las
siguientes:
2
2
1
2
1
) (
,
_
t
e t f
Funcin de densidad
,
_
t
dx x f t F
t
) ( ) ( Funcin de distribucin
,
_
t
dx x f t R
t
1 ) ( 1 ) (
Funcin de confiabilidad
La vida media y la funcin cuantil estan dadas por:
) (T E
) (
1
p t
p
+
Donde -1 es la funcin inversa de la distribucin normal estndar acumulada.
=1 =2 =3
1
Pgina 30
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Tiempo
Figura 6. Funciones de densidad Funciones de riesgo
Pgina 31
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Pgina 32
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Distribucin lognormal
Esta distribucin es apropiada cuando los tiempos de falla son el resultado de
muchos efectos pequeos que actan de manera multiplicativa. Esto hace que
al sacar el logaritmo de dichos efectos acten como de manera aditiva sobre el
logaritmo del efecto global o logaritmo del tiempo de falla, se aplica a procesos
de degradacin por ejemplo de fatiga de metales y de aislantes elctricos.
La distribucin lognormal es un modelo comn para los tiempos de la falla, se
justifica para una variable aleatoria obtenida como el producto de un nmero
variables aleatorias positivas, independientes e idnticamente distribuidas. Se
se puede aplicar como modelo de el tiempo de falla causado por un proceso de
degradacin con tazas aleatorias que se combinan multiplicativamente.
La distribucin lognormal se relaciona con la normal ya que si T sigue una
distribucin lognormal, su logaritmo sigue una distribucin normal. O si T tiene
una distribucin normal, Y=exp(T) sigue una distribucin lognormal.
Sus funciones bsicas son las siguientes:
1
1
]
1
,
_
2
) ln(
2
1
2
1 1
) (
t
e
t
t f
Funcin de densidad
,
_
) ln(
) ( ) (
t
dx x f t F
t
Funcin de distribucin
,
_
) ln(
1 ) ( 1 ) (
t
dx x f t R
t
Funcin de confiabilidad
La vida media y la funcin cuantil estan dadas por:
) 2 / exp( ) (
2
+ T E
) ( exp(
1
p t
p
+
Pgina 33
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Pgina 34
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Pgina 35
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Donde el cuantil para la distribucin normal es
La media y el cuantil es:
Pgina 36
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Distribucin logstica
Para:
es el parmetro de localizacin y > 0 es el parmetro de escala
Donde y son fdp y fda para una logistica estandarizada dada por:
Los cuantiles son:
Con
es el p esimo cuantil para una distribucin logstica estndar.
La media y la varianza son:
Pgina 37
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Ejemplos:
Distribucin Loglogstica
Si entonces
Con:
Donde y son fdp y fda para una logistica estndar . Exp( ) es el
parmetro de localizacin y > 0 es el parmetro de escala.
La media para sigma > 1 es:
Y para sigma < es:
Pgina 38
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Pgina 39
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
4. Estimacin de parmetros del modelo
Los modelos paramtricos complementan a las tcnicas no paramtricas. Los
modelos paramtricos se pueden describir con precisin con apenas algunos
parmetros, en vez de tener que reportar una curva entera.
Es posible utilizar un modelo paramtrico para extrapolar (en tiempo) a la cola
inferior a o superior de una distribucin. En la prctica a menudo es til
comparar varios anlisis paramtricos y no paramtricos de un conjunto de
datos.
Funciones de los parmetros
Funcin de distribucin acumulativa
El p cuantil es el valor mas pequeo de tp tal que
La funcin de Riesgo
El tiempo medio de falla, MTTF, de T (tambin conocida como esperanza de
T).
Si esta integral no converge, se dice que la media no existe.
La varianza (o el segundo momento central) de T y la desviacin estndar son:
El coeficiente de variacin es:
Pgina 40
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Distribuciones con parmetros de localizacin y escala
Para las distribuciones de esta familia su fda se puede expresar como.
Dnde - < < es un parmetro de localizacin y >0 es un parmetro de
escala.
es la fda de Y cuando = 0 y = 1 y no depende de ningn
parmetro desconocido. Como en la distribucin de Z = (Y- ) / que no
depende de ningn parmetro desconocido.
Las distribuciones estadsticas de esta clase de distribuciones son las
siguientes: distribuciones exponenciales, normales, Weibull, lognormal,
loglogistica, logsticas, y de valor extremos. Su teora es relativamente simple.
Resumen de modelos de confiabilidad
En la tabla siguiente se relaciona la distribucin de los tiempos de falla T con:
1) Las transformaciones idneas para Tp , y
2) Las distribuciones que siguen los residuos.
Pgina 41
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Especificacin de la distribucin de vida y estimacin grfica de sus
parmetros
Un primer paso en un estudio de confiabilidad es identificar la distribucin que
mejor modela los tiempos de falla (o vida) de los productos.
Linearizacin de la funcin de distribucin acumulada (fda)
Esto es necesario para determinar la confiabilidad usando papel deprobailidad
de Weibull:
Para el caso de la distribucin exponencial se tiene:
t
e t F
1 ) (
Se deduce que:
) ( 1 t F e
t
[ ]
t
t F ) ( 1 ln
Es la ecuacin de la recta y = ax con y = -ln(1-F(t)) y x = t. La pendiente de la
recta es 1/ . Por tanto se pueden graficar los pares ordenados (t(i), -ln(1-
F^(t(i))) con F^(t(i)) = (i-0.5)/n, en papel ordinario o graficar en papel
exponencial los pares (t(i), (i-0.5)/n).
Exponencial
,
_
t
exp 1
) (
) (
) 1 log(
i
i
t
p
Para el caso de Weibull dela funcin cuantil:
[ ]
/ 1
) 1 ln( p t
p
Tomado logaritmos naturales de ambos lados y sustituyendo p por F(ft) (es lo
mismo), se obtiene:
[ ] ) ( 1 ln( ln
1
) ln( ) ln( t F t +
e R
Por tanto el 90.8% de los componentes duran ms de 15 horas.
Estimador de Kaplan Meyer
Si se consideran los datos censurados por la derecha, para graficar en papel
de probabilidad, se utilizan las posiciones estimadas por Kaplan Meyer (KM) de
la funcin de confiabilidad definido como:
( ) ( ) ( )
) (
) (
) 2 (
) 2 (
) 1 (
) 1 (
) (
1 ..... 1 1 ) (
i n
i f
n
f
n
f
i
x t R
Donde f(j) son las unidades que fallan en el j-simo intervalo de tiempo (ti-1, ti)
y n(j) son las unidades en riesgo justo antes del tiempo j. Las unidades en
reisgo son iguales al total de unidades menos las que han fallado hasta antes
de ese tiempo, menos las que fueron censuradas hasta ese tiempo, es decir.
1
0
1
0
) ( ) (
i
j
j
i
j
j j
r f n n
Donde rj denota el nmero de unidades que fueron censuradas en el tiempo tj,
y adems f(0) = 0 y r(0) = 0.
El estimador de Kaplan Meyer toma en cuenta la censura contando las
unidades en riesgo un instante antes del tiempo j.
Ejemplo:
t(i) Fallas f(j) Posicin en grfica
(i-0.5)/6
16 1 0.083
34 2 0.250
53 3 0.416
75 4 0.583
93 5 0.750
120 6 0.916
De aqu siguen las lienalizaciones
Estimacin por mnimos cuadrados
Es un mtodo para estimar los parmetros de las distribuciones de probabilidad
que se basa en ajustar un modelo de regresin lineal simple a los datos,
graficados en el papel de probabilidad correspondiente.
Pgina 45
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Las ecuaciones linealizadas para las distribuciones de probabilidad
acumuladas son las siguientes:
Distribucin fda, F(t) fda en forma de y = a + bx
Exponencial
,
_
t
exp 1
) (
) (
) 1 log(
i
i
t
p
Weibull
,
_
1
]
1
t
exp 1
[ ] ) log( ) log( 1 log( log
) ( ) ( i i
t p +
Valor extremo
,
_
1
]
1
t
exp exp 1
[ ]
) (
) (
) 1 log( log
i
i
t
p +
Normal
,
_
) (
) (
1
) (
i
i
t
p +
Lognormal
,
_
) log( t
) log(
) (
) (
) (
1 i
i
t
p +
,
_
) 1 ( ) ; ( ) ; (
Donde x es el nmero de xitos observados, p es la probailidad. Por lo que
dado x, L(p) toma distintos valores en funcin de p. El valor de p que maximice
L(p) es el (evm).
Para el caso de una variable continua, si se tienen n observaciones no
censuradas e independientes: t1, t2, t3,., tn, la informacin que paortan esos
datos sobre lo proporciona la funcin de verosimilitud dada por:
n
i
i
t f c datos L
1
;
) ( ) ; (
Los estimadores de mxima verosimilitud son los valores de los parmetros
que maximizan la funcin L( ), que maximizan la probabilidad de ahaber
observado esos datos bajo el modelo propuesto.
Para el caso de una observacin censurada por la derecha, el artculo no haba
fallado al tiempo t, o sea T > t, por lo tanto la verosimilitud de este evento es
proporcional a la probabilidad del mismo, es decir:
) ; ( ) ; ( ) ; ( t R t T P t T L > >
Funcin de confiabilidad
Para el caso de una observacin censurada por la izquierda, lo que se sabe es
que T < t, por tanto la verosimilitud de este evento es proporcional a la
probabilidad del mismo;
) ; ( ) ; ( ) ; ( t F t T P t T L < <
Funcin de distribucin acumulada
Para el caso de censura por intervalo, o por resolucin baja del instrumento, se
sabe que el evento ocurri entre:
i i
t T t < <
1
y su verosimilitud est dada por:
< <
ti
t
i i i i
t F t F dt t f t t t P L
1
1 1
) ( ) ( ) ; ( ) ( ) (
Si se tienen cuatro datos: uno completo ti, uno censurado por la derecha tder,
otro por la izquierda tizq y el ltimo por intervalo (tbajo, talto), la funcin de
verosimilitud para el modelo es:
[ ] ) ; ( ) ; ( ) ; ( ) ; ( ) ; ( ) ; (
bajo alto izq der i
t F t F x t xF t xC t f datos L
Pgina 49
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
En general la maximizacin de esta funcin para obtener los estimadores de
mxima verosimilitud para algunos de los modelos se hace por clculo
diferencial (derivando e igualando a cero). Para el caso exponencial con
parmetro , considerando n tiempos de falla exactos,
,
_
i
i
t
n
n
i
t
e e datos L
1
1
1 1
) ; (
Maximizar esta funcin equivale a maximizar su logaritmo dado por:
[ ]
n
i
i
t n datos L
1
1
) ln( ) ; ( ln
Derivando respecto a e igualando a cero se tiene:
0
1 )) ( ln(
1
2
+
n
i
i
t
n
d
L d
n
i
i
t
1
,
_
,
_
n
S K
t
n n
e
S K
t
S K
S t f
1
1
1 1
) , (
,
_
,
_
,
_
,
_
n
S K
t
n n
n
t
e
S K
t
S K
S t f
S K
S L
e
t
t f
1
1
1
1 1
) , (
1
) (
) (
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Los modelos de regresin lineales y log lineales vistos anteriormente pueden
ser tiles para modelar diversos efectos de estrs. Para distribuciones de la
familia log-localizacin escala (weibull, exponencial, lognormal):
Con media:
Y modelo de regresin:
Sus residuos se definen como:
Para distribuciones de la familia localizacin-escala (Normal, Logstica, valores
extremos):
Con media:
Y Tp:
Sus residuos se definen como:
Pgina 66
1
]
1
) ln(
) , , ; ( ) , ; ( ) (
1 0
t
t F t F t T P
x x
1 0
) ( +
[ ] ) ( ) ( ) ( ln
1
p x x t
p
+
1
]
1
t
t F t F t T P ) , , ; ( ) , ; ( ) (
1 0
x x
1 0
) ( +
) ( ) (
1
p x t
p
+
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Como resumen de los modelos se tiene:
Los modelos ms utilizados son los siguientes:
El modelo de Arrhenius,
El modelo de Eyring y
El modelo de la ley de la potencia inversa
Pgina 67
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
7. Confiabilidad de sistemas
Cuando se estudia la confiabilidad de un sistema compuesto por componentes,
la falla de alguno de ellos hace que todo el sistema deje de funcionar, en este
caso el se dice que los componentes estn en serie. En caso de que la falla de
un componente particular no afecte al funcionamiento total del sistema dado
que otros componentes continan funcionando, se dice que estn conectados
en paralelo.
Sistemas Complejos
El estudio de sistemas complejos implica la subdivisin de un producto en sus
componentes individuales. Al modelar un sistema complejo es crucial
especificar el nivel del detalle del modelo. La operacin del sistema se expresa
en funcin de la operacin de los componentes. La funcin de estructura
describe el lazo entre el estado del sistema y el estado de los n componentes
que forman el sistema.
El Estado del Sistema
El sistema se asume como una coleccin de n componentes. Tambin se
asume que hay dos estados posibles para los componentes del sistema:
funcionando o falla. El estado del componente i, denotado por Xi, es:
para i = 1...,n.
Los estados de los n componentes se pueden escribir como el vector X=(X1...,
Xn). Hay n componentes, cada uno de los cuales puede tomar 2 valores,
entonces, hay 2
n
posibles estados del sistema.
Funcin de Estructura de un sistema
La funcin de estructura asocia los estados del sistema { X } al conjunto { 0.1 },
rindiendo el estado del sistema.
El estado del sistema es:
La forma de la funcin de estructura depende del diseo del sistema. Las
estructuras ms comunes que vemos son sistemas en series y sistemas en
paralelo.
Considere un sistema con k componentes y sea la variable xi (i=1, 2, 3,., k)
que toma el valor 1 si el i-simo componente funciona y el valor 0 si no
Pgina 68
funciona componente el si 1,
fallado ha componente el si , 0
i
X
X. estado en esta cuando funciona sistema el si 1,
X, estado en esta cuando falla sistema el si , 0 ) (
X
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
funciona. En cierto momento el estado del sistema est determinado por el
vector X = (x1, x2, x3,., xk) de ceros y unos. La funcin de estructura del
sistema est definida en este espacio de vectores y toma valores:
'
0
, 1
) (x
1 si el sistema funciona; 0 si no funciona
La funcin de estructura de un sistema serie es:
k
i
i
x x
1
) (
La funcin de estructura de un sistema paralelo es:
) 1 ( 1 ) (
1
k
i
i
x x
Cada vector X donde el sistema funciona se denomina trayectoria y cada vector
X donde el sistema no funciona se denomina corte. En total se tienen 2
K
posibles estados sumando los cortes y las trayectorias. En el sistema serie solo
hay una trayectoria con un vector de unos X=(1,1,1,1) y 2
K-1
cortes y en el
sistema paralelo solo hay un corte cuando X=(0,0,0,,0) y 2
K-1
trayectorias.
El nmero de componentes que funcionan en un estado se denominan tamao
de X, con valores desde 1 hasta k. La trayectoria mnima es un vector X con
todos los componentes funcionando.
Revisar la importancia estructural:
Qu importancia tienen los componentes en la estructura?
Si el componente i falla, dejar de operar el sistema?
Cuntos estados posibles hay del sistema?
En cuantos estados el componente i es funcional?
En que estados al fallar el componente i el sistema fallar?
Por ejemplo para el componente 1:
Pgina 69
1
2
3
1
2
3
1
2
3
1
2
3
(1, 1, 1)
(1, 1, 0)
(1, 0, 1)
(1, 0, 0)
1
2
3
1
2
3
1
2
3
1
2
3
(1, 1, 1)
(1, 1, 0)
(1, 0, 1)
(1, 0, 0)
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Ahora considere que el componente 1 falla.
El sistema fallara para los vectores (1,1,1), (1,0,1) y (1,1,0), (1,0,0).
Entonces el componente 1 tiene una importancia estructural de 4/4.
Si falla el componente 2:
El sistema operara en el estado (1,1,1) y fallar en los estados (0,1,1) y (0,1,0)
y (1,0,1).
Entonces la importancia estructural del componente 2 es 1/4.
Por simetra, la importancia estructural del componente 3 es 1/4.
Pgina 70
1
2
3
1
2
3
1
2
3
1
2
3
(1, 1, 1)
(1, 1, 0)
(0, 1, 1)
(0, 1, 0)
1
2
3
1
2
3
1
2
3
1
2
3
(1, 1, 1)
(1, 1, 0)
(0, 1, 1)
(0, 1, 0)
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Sistemas en Serie
Un sistema en serie tiene k componentes. Suponiendo que trabajan en modo
independiente, la confiabilidad del sistema es la probabilidad de que todos los
componentes funcionen.
Entonces (X) = 1 si todas los valores Xi toman el valor 1 y (X) = 0 de otra
manera. Por tanto:
Regla de producto de probabilidades
Los diagramas de bloque son usados para visualizar sistemas de
componentes. El diagrama de bloque que corresponde a un sistema de la
serie es:
El diagrama de bloque representa el lazo lgico de la operacin de los
componentes y el sistema. No representa su disposicin fsica. La idea es que
si se puede trazar un camino de izquierda a derecha a travs del sistema, el
sistema funciona.
Ejemplo:
Un producto electrnico tiene 40 componentes en serie. La confiabilidad de
cada uno es de 0.999, por tanto la confiabilidad de producto completo es de:
961 . 0 ) 999 . 0 (
40
Rs
Si el producto se rediseara para tener solo 20 componentes, la confiabilidad
sera de Rs = 0.98.
Figura 7. Sistema con componentes en serie
Sistemas en paralelo
En este sistema, si tiene k componentes, basta con que uno funcione para que
siga en operacin. Se requiere que todos los componentes fallen para que falle
el sistema, o sea:
Pgina 71
A B C Z
n. 1,..., i toda para 1 X si 1,
0, X s.t. i si , 0 ) (
i
i
X
.
}, X ,..., min{ ) (
1
n 1
n
i
i
X
X X
1 2 3 n 1 2 3 n
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
[ ] ) 1 ( ...... ) 1 ( ) 1 ( 1 ) ( 1
2 1 k
R x x R x R fallen todos P Rs
El diagrama de bloque para una estructura en paralela es
Entre ms componentes redundantes haya, la confiabilidad del sistema es
mayor, esto tambin est presente en los seres vivos, como por ejemplo en los
riones.
Ejemplo:
Considere 4 componentes A, B, C y D de un producto conectados en paralelo,
con confiabilidades de 0.93, 0.88, 0.88 y 0.92 respectivamente, la confiabilidad
total es:
[ ] 9999664 . 0 0000336 . 0 1 ) 92 . 0 1 )( 95 . 0 1 )( 88 . 0 1 )( 93 . 0 1 ( 1 Rs
Fig. 8 Sistema con 4 componentes en paralelo
Sistemas con componentes en serie o en paralelo (K de n)
Pgina 72
A
B
C
D
. 1 X s.t. i si 1,
n, 1,..., i todo para 0 X si , 0 ) (
i
i
X
. ) 1 ( 1
}, X ,..., max{ ) (
1
n 1
n
i
i
X
X X
1
2
3
n
1
2
3
n
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Los sistemas pueden tener componentes en serie y en paralelo, en algunos
casos es importante identificar cuales componentes son clave para incrementar
la confiabilidad del sistema.
Un sistema k de n funciona si cualesquier k de los n componentes del sistema
funcionan. Los sistemas en serie y en paralelo son casos especiales del
sistema k en n. Un sistema en serie es un sistema k de k. Un sistema en
paralelo es un sistema 1 de n.
Por ejemplo:
En los puentes algunos de los cables de la suspensin pueden fallar, y el
puente no cae. En las bicicletas algunos de los rayos pueden fallar.
La funcin de estructura es:
Un ejemplo de diagrama de bloques para un sistema 2 de 3 donde con dos de
3 componentes que operen, el sistema continuar operando, es el siguiente:
Ejemplo:
Para el caso de un avin continua volando si funcionan 2 de 4 motores.
Su diagrma de bloques es el siguiente:
Su funcin de estructura es la siguiente:
Pgina 73
. k X if 1,
k, X if , 0 ) (
n
1 i
i
n
1 i
i
<
X
1
2
1
2
3
3
1
2
1
2
3
3
). 1 )( 1 )( 1 ( 1 ) (
3 1 3 2 2 1
X X X X X X X
1
2
3
4
1
2
3
4
)). 1 ( 1 ))( 1 ( 1 ( ) (
4 3 2 1
X X X X X
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Ejemplo:
Se tienen los siguientes 7 componentes conectados en serie y en papralelo,
sus confiabilidades son: RA=0.96; RB=0.92; RC=0.94; RD=0.89; RE=0.95;
RF=0.88; RG=0.90.
Figura 9. Sistema con 7 componentes en serie y en
paralelo
Rs = Rab x Rc x Rd x Refg
Rab = 1-(1-0.96)(1-0.92) = 0.9968
Refg= 1-(1-0.95)(1-0.88)(1-0.90) = 0.9836
Rs = 0.9968 x 0.94 x 0.89 x 0.9836 = 0.82
Mtodo de trayectoria para calcular la confiabilidad de un sistema
Para calcular las confiabilidades de sistemas simples se aplican las frmulas de
estructuras serie o paralelo. Para sistemas ms complejos, es necesario
conocer las reglas siguientes:
Regla 1. Sean dos sistemas, uno con funcin de estructura 1(x)= 0(x)
A(x) y otro con funcin de estructura 2(x)= 0(x) B(x). Si se conectan en
serie, la funcin de estructura resultante es: (x)= 0(x) A(x) B(x) puesto
que 0
2
(x)= 0(x).
Regla 2. Si los mismos sistemas anteriores se conectan en paralelo, la funcin
de estructura resultante es: (x)= 0(x)[(1- A(x)) (1- B(x)) ].
Se siguen los pasos siguientes:
1. Encontrar todas las trayectorias mnimas posibles.
Pgina 74
A
B
C D
G
F E
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
2. Dado que para que el sistema funcione es necesario que funcione al menos
una de las trayectorias mnimas, se aplica la definicin de sistema paralelo a
dichas trayectorias.
3. Se simplifica la expresin resultante aplicando las reglas 1 y 2.
4. Se sustituyen las xi (i=1, 2, 3,., k) por las confiabilidades de las k
componentes y se resuelve.
Ejemplo:
Para el sistema de la figura 9, las trayectorias mnimas son: ACDEF, ACDG,
BCDEF y BCDG.
Aplicando la funcin de estructura en paralelo se tiene:
s(x) = 1 (1-ACDEF) (1-ACDG)(1-BCDEF)(1-BCDG) =
= BCD(EF + G + EFG) + ACD(EF BEF + G BG EFG + BEFG) = 0.82
Pgina 75
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Estructuras de puente
Su diagrama de bloques es el siguiente:
El sistema funcionara si alguno de los siguientes conjuntos funciona: {1,3,5}
{1,4} {2,3,4} {2,5}. Estos conjuntos son denominados conjuntos de ruta
mnima, dando un diagrama equivalente a:
Redundancia
La redundancia a nivel componente es siempre proporciona una mayor
confiabilidad que a nivel sistema. Sea (X) la funcin de estructura para un
sistema coherente de n componentes. Para cualquier vector de estados X y Y
Pgina 76
1
2
3
5
4 1
2
3
5
4
1
2
3 5
4 1
3 4
2 5
1
2
3 5
4 1
3 4
2 5
)). ( 1 ))( ( 1 ( 1
)) 1 )( 1 ( 1 ),..., 1 )( 1 ( 1 (
1 1
Y X
Y X Y X
n n
1
1
n
n
Sistema X
Sistema Y
)). ( 1 ))( ( 1 ( 1
)) 1 )( 1 ( 1 ),..., 1 )( 1 ( 1 (
1 1
Y X
Y X Y X
n n
1
1
n
n
Sistema X
Sistema Y
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Uso de Minitab
Se capturan dos columnas, una para los tiempos de falla observados y otra
para indicar cuales tiempos son falla y cuales son censuras por la derecha. Se
puede escoger 1 para censuras y 0 para falla.
Cuando se tienen fallas por intervalos se construyen tres columnas, en dos de
ellas se seala el inicio y el final de cada intervalo de tiempo y en la tercera la
frecuencia de las fallas observadas en cada intervalo.
Para los anlisis se usa el men Stat > Relibility / Survival, en la primera opcin
se identifica la distribucin de manera grfica, en la segunda se hace una
exploaracin ms detallada (paramtrica o no paramtrica) de la distribucin
seleccionada, en la tercera opcin se hace el anlisis paramtrico detallado y
en la cuarta el anlisis no paramtrico. En el primer bloque se considera
censura por la derecha y en el segundo bloque se analiza lo mismo con otras
opciones de censura.
Pgina 77
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
8. Mantenabilidad y disponibilidad
Los sistemas reparables reciben Acciones de mantenimiento cuando fallan.
Estas acciones se deben ahora tomar en la consideracin al determinar el
comportamiento del sistema. La edad de los componentes del sistema ya no
es uniforme ni el tiempo de operacin del sistema es continuo.
Mantenimiento
El Mantenimiento se define como cualquier accin que restaure unidades
falladas a una condicin operacional, o conserve unidades que no estn en un
estado operacional. Para los sistemas reparables, el mantenimiento
desempea un papel vital en la vida de un sistema. Afecta la confiabilidad total
del sistema, la disponibilidad, el tiempo muerto, los costos de operacin, etc.
Generalmente, las acciones del mantenimiento se pueden dividir en tres tipos:
Mantenimiento correctivo, es la accion(es) tomado para restaurar un sistema
que ha fallado, al estado operacional.
Mantenimiento preventivo, es la prctica de susstituir componentes o
subsistemas antes de que fallen, para promover la operacin continua del
sistema. Son las Inspecciones que se utilizan para descubrir fallas ocultas
(tambin llamadas fallas inactivas).
Mantenabilidad
Es la capacidad de mantenimiento se define como la probabilidad de realizar
una accin acertada de reparacin dentro de un tiempo dado. Es decir la
capacidad de mantenimiento mide la facilidad y la velocidad con las cuales un
sistema se puede restaurar al estado operacional despus de que fallo.
Por ejemplo, se dice que un componente particular tiene una mantenabilidad o
capacidad de mantenimiento del 90% en una hora, esto significa que hay una
probabilidad del 90% que el componente ser reparado dentro de una hora.
La mantenabilidad puede incluir los eventos siguientes:
1. El tiempo que toma diagnosticar con xito la causa de la falla.
2. El tiempo que toma procurar o entregar las piezas necesarias para realizar
la reparacin.
4. El tiempo que toma quitar los componentes daados y substituirlos por los
buenos.
5. El tiempo que toma regresar el sistema a su estado de funcionamiento.
6. El tiempo que toma verificar que el sistema est funcionando dentro de lo
especificado.
7. El tiempo asociado de ajuste de un sistema para su operacin normal.
Para el caso de sistemas donde su mantenabilidad sigue la distribucin
exponencial se tiene:
Pgina 78
CURSO DE CONFIABILIDAD P. REYES / DIC. 2006
Donde = tasa de la reparacin.
La media de la distribucin se puede obtener con:
Para el caso de la distribucin de Weibull se tiene:
La tasa de reparacin es:
Disponibilidad
La disponibilidad, se define como la probabilidad que el sistema est
funcionando correctamente cuando se solicita para el uso. Criterio del
funcionamiento para los sistemas reparables que considera las caractersticas
de confiabilidad y de mantenabilidad o capacidad de mantenimiento de un
componente o sistema.
Por ejemplo, si una lmpara tiene una disponibilidad del 99.9%, habr una vez
fuera de mil que alguien necesite utilizar la lmpara y suceda que la lmpara no
opere.
Los conceptos de confiabilidad, mantenabilidad y disponibilidad se relacionan
como sigue:
Un sistema reparable que funciona adecuadamente un periodo de tiempo,
despus falla y es reparado para regresarlo a su condicin operacional puede
tener los siguientes comportamientos:
Pgina 79
) Re (
1
pair to Time Mean MTTR