You are on page 1of 55

METODOS ESTADCTICOS

EN
MANTENIMIENTO
(Un enfoque prctico)

DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
DISTRIBUCIN BINOMIAL
Es una distribucin discreta que se aplica a eventos mutuamente excluyentes
tales como:
Pasar no pasar
Fallar no fallar
Esta distribucin permite hallar la probabilidad de que ocurra k veces un
evento despus de n pruebas, siempre que se conozca la probabilidad de
ocurrencia del evento ( p= ) o su no ocurrencia [q = 1-p)].
La expresin matemtica de la probabilidad de k xitos es como sigue:

P(k) =

( k)

Pk(1-P)n-k

La esperanza matemtica E(x)= np


La varianza V(x) = np(1-p) = npq

q = (1-p)

DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
DISTRIBUCIN BINOMIAL (EJEMPLO)
Un proceso es controlado a travs de 5 resistencias elctricas de las cuales se
requiere que al menos 3 estn siempre operativas durante el procesamiento de
de un lote de productos que dura 8 horas. Si la probabilidad de falla de una
resistencia cualquiera durante el perodo de 8 horas es 0.1, Cual es la
probabilidad de que el proceso tenga xito?

( 5)
5
P(4) = ( )
4
5
P(3) = ( )
3

P(5) =

( (0.9)(5) (0.1)(5-5) = 0.59049


(0.9)(4) (0.1)(5-4) = 0.29324
(0.9)(3) (0.1)(5-3) = 0.07290

DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
DISTRIBUCIN BINOMIAL (EJEMPLO CONT.)

Probabilidad de que el proceso fracase


es:
P(frac.) = 1-P(5)-P(4)-P(3)= 0.043

La probabilidad de xito ser:


P(ext.) = 1-P(frac)= 0.956
La esperanza matemtica E(x)= np =4.5
La varianza V(x) = np(1-p) = npq ; q = (1-p)= 0.1
V(x) = 0,45

DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
DISTRIBUCIN NORMAL (O DE GAUSS)
Una variable X real se dice que tiene una distribucin normal entre - < x <
si su funcin densidad tiene la expresin:

1
f(x) = (2)
1/2

(x )
22

Es una funcin continua que se aplica a eventos que tienen que ver con
desgaste y propiedades relacionadas con fenmenos naturales tales como:
Desgaste de piezas
Fenmenos de envejecimiento
Estatura de personas
Etc.

DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
Esta distribucin permite hallar la probabilidad de ocurrencia para un
intervalo determinado de la variable aleatoria.
La expresin matemtica de la funcin distribucin es probabilidad de
ocurrencia para el intervalo (x ), la cual tiene la expresin:

F(x)=Pr(x ) =
= Esperanza

(2)

1/2

-1/2

= Desv. Stand.

X-

dx

DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
Haciendo el cambio de variable:
Z = (X - )/

f(z)=

(2)

1/2

=0
=1

-z2/2

F(z) = Pr(Z z ) =

e
( )

-u2/2

1/2

du

DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
0.3989

f(z)

=0
=1

2.1%

-3

34.1%

13.6%

-2

-1

13.6%

34.1%

2.1%

DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
EJEMPLO:
Supongamos que la temperatura en Caracas durante el mes de mayo se
distribuye normalmente y tiene una media de 26 grados centgrados y una
desviacin estndar de 6. determine la probabilidad de que la temperatura
este entre 28 y 32.
= 26
=6
I

t = (x- )/ = (28-26)/6 =0.33

II

t = (x- )/ = (32-26)/6 =1.00


p =P(28 T 32)= P(0.33 T* 1)
p = P(00 T* 1) P(0 T* 0.33)
p = (0.3413 - 0.1293) =0.212 = 21,2%

0 .33 1.0

DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
DISTRIBUCIN LOG-NORMAL
Es una distribucin continua que se aplica a los eventos que tienen que ver
con desgaste y propiedades relacionadas con fenmenos de vida. Se utiliza
tambin para el anlisis del tiempo para reparar.
Esta distribucin permite hallar la probabilidad de ocurrencia para un
intervalo determinado de la variable aleatoria.
La expresin matemtica de la funcin densidad es como sigue:

f(t) =

t(2)1/2

-1/2

Lnt -

dx

DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
Su funcin distribucin:

F(t) =

t (2)1/2

Lnt -

dt

Haciendo el cambio de variable:


Z = (Lnt - )/

dz = dt/ t
(Lnt - )/

F(t) =
E(t) = exp( + 1/2 2)

(2)1/2

(-z2/2)

dz

V(t) = exp(2 + 2 2)- exp(2 + 2)

DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
DISTRIBUCIN DE POISSON:

P(K, ) =
Donde = NP

()X e-

K!

P= Probabilidad de ocurrencia
N= Nmero de tentativas

OTRA FORMA DE LA DISTRIBUCIN DE POISSON:

P(X =N) =P(N,RT) =

(RT)Ne-(RT)
N!

R= = 1/(TMEF) , T es el tiempo

R= 1/(TMEF)
= RT

= RT

DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
DISTRIBUCIN DE POISSON (ejemplo):
La distribucin Poisson es particularmente til para el anlisis de fenmenos
de rara ocurrencia.
Ejemplos:
La Probabilidad de que un parabrisas de automvil se fracture
accidentalmente por efecto del impacto de un objeto contundente es de una
vez cada 20000 horas. Determinar la probabilidad de que no se rompa en
40000 horas, en 10000 horas.
De acuerdo con los datos TMEF = 20000 =>R = 1/TMEF = 1/20000 =0.00005
T = RT donde T es el tiempo
Para una duracin de 40000 horas sin fallas RT = 0.00005*40000 =2
P(x = 0) = (RT)0

e-2/0!= 0.1353

Para duracin de 10000 horas RT = 0.00005*10000 = 0.5

P(x = 0) = (RT)0

-(0.5)

/0!= 0.606

DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
DISTRIBUCIN EXPONENCIAL:

En caso de fallas independientes entre si e independientes del


tiempo (como es el caso de la vida til), la probabilidad de k
averas en el instante t se puede expresar por la ley de Poisson
como:
(RT)ke-(Rt)
R= = 1/(TMEF)
P(X =k) =P(k,Rt) =
K!
La confiabilidad probabilidad de que no haya averas, ser:
(RT)0=

1 ; K! = 0! =1 y por lo tanto:

Ya que para 0 averas k = 0

R(t) =

-t

DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
DISTRIBUCIN EXPONENCIAL:

La ley exponencial de la confiabilidad se puede obtener tambin


a partir de la ecuacin fundamental de la confiabilidad
asumiendo que es constante
dt
-
R(t) =

La cual se transforma en:


R(t) =

-t

Que representa la probabilidad de supervivencia entre 0 y t

DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
DISTRIBUCIN EXPONENCIAL:

La probabilidad de fallas f(t) ser por definicin:


f(t) = dF(t)/dt o lo que es lo mismo:
f(t) = d(1- R(t))/dt =

e -t

La esperanza y la varianza para esta distribucin son:

t e- t dt

E(t) = TMEF = tf(t)dt =


0

E(t) = TMEF = 1/

= 1/

DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
En forma similar la varianza se obtiene:
V= 1/ 2 y = 1/
Y para t = 1/ la funcin R(t) toma el valor:
R(t) =

-/

R(t) =

-1

= 1/e = 0.368

DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
DISTRIBUCIN EXPONENCIAL:

Representacin grfica de la funcin confiabilidad para la


funcin exponencial:

f(t)
f(t) = -t

Ln R(t)
0

R(t)

R(t) =
-1

0.1

(2.3)/
-2 0.01

-t

LnR(t) = -t

Log R(t) = - t/2.3

DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
DISTRIBUCIN EXPONENCIAL:

Duracin de vida asociada a una confiabilidad dada para vida


normal (distribucin exponencial).
Sabemos que:
R(t) =

-t

LnepR(t) = -t
t = -(1/ ) LnepR(t)
1
R(t)
Por ejemplo, para una confiabilidad del 99% la duracin
de vida ser:
t = 0.01/ = 0.01 TMEF
t = (1/ ) Lnep

DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
DISTRIBUCIN DE WEIBULL:

f(t) = / (

t-

-1

t-
-( )

Para todo t

F(t) = 1-e

( )

= parmetro de forma > 0


= parmetro de escala > 0
= parmetro de posicin - < < +
E(x) = + (1+ 1/ )

V(x) = 2( (1 + 2/) - 2 (1+ 1/ ))

DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
La confiabilidad correspondiente es:

R(t) = 1- F(t) =

t - )
(
-

Para =0 y =1 R(t) se transforma en:

(
R(t) = e

De la ecuacin fundamental de la confiabilidad


R(t)=

e
-

(t) d(t)

En caso de (t) constante se cumplir que: = 1/

DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD

La tasa de fallas ser:


(t) = f(t)/R(t) = f(t)/(1- F(t))
-1

(t) =(/)[(t- )/ ]

Si < 1, (t) decrece corresponde al perodo de infancia


Si = 1, (t) es constante corresponde al perodo de vida til
Si > 1, (t) crece corresponde al perodo de desgaste

DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
En forma ms especfica:
1.5< < 2.5: Corresponde a fenmeno de fatiga
3 < < 4 :Fenmeno de desgaste, corrosion(iniciado en el
instante t = ).
= 3.5: f(t) es simtrica siminlar a la distribucin normal
Los sistemas electrnicos se caracterizan por tener un valor
de constante durante periodos largos. Los sistemas
electromecnicos no llegan a tener un valor de constante,
razn por la cual deben ser analizados con el modelo de
Weibull.

DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
En forma ms especfica:

t - )
(
-

R(t) =

LnR(t) = -

Ln(1/R(t)) =

t-

( t - )

1/

[Ln(1/R(t))] =

t-

1/

t = + [Ln(1/R(t))]

Expresin para determinar la vida de un bien una vez que se conozcan

, ,

Para R(t) = 0.90


L10 = + [Ln(1/0.90]

1/

L10 = + (0.105)

1/

LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
EL PROBLEMA:
ESPACIO MUESTRAL A EVALUAR

MUESTRA
Caractersticas
previstas

Caractersticas
estimadas
ESTADSTICA PROBABILISTICA

ESTADSTICADESCRIPTIVA
Histograma
Valor medio
Diagrama acumulado

FUNCIN DENSIDAD f(t)


ESPERANZA E(t)
FUNCIN DISTRIBUCIN F(t)

AJUSTE DE LA
MUESTRA

Tests de evaluacin

LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
PROCEDIMIENTO
PROCESAMIENTO DE LA INFORMACIN
Para el caso de CONFIABILIDAD
Ordenar la informacin de los TAF ( TEF), en forma
ascendente
Numerar las observaciones de 1 en delante de acuerdo al
orden. La ltima observacin ser la n.
En caso de dos observaciones iguales se puede tomar la
media de los nmeros de orden para la representacin.
Se procede a calcular la probabilidad de ocurrencia de falla
utilizando las expresiones que se indican a continuacin.

LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
Antes, recordemos que:
R(t) = 1 - F(t)
y que la funcin distribucin se extiende desde - hasta +
Por definicin F(t) = Pr( T < t ), esta funcin que es siempre
creciente admite dos asntotas:
F(-)=0 y F() = 1
F(t)

F(ti)

Para t = 0 F(i) = 0 y F(t) =


Para t = tn F(i) = 1 y F(t) = 1-

ti

tn

LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
CASO DE GRANDES MUESTRAS n > 50
F(i) = ni/N
Numero de la falla
F(i) =
Numero de fallas totales
F(i) = Pr(T < ti)
por lo tanto F(i) = F(t)
Para los valores de t=0 y t=tn, tendremos:
Para t = 0,

F(i) = 0 y F(t) =

Para t = tn, F(i) = 1 y F(t) = 1-

Excepto para los valores


extremos es despreciable

LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
CASO DE MUESTRAS 20 < n < 50
F(i) = ni/(N+1)
CASO DE MUESTRAS n < 20
F(i) = (ni - 0.3)/(N+0.4)
Si en este caso se desea determinar la funcin confiabilidad R(i)
se utilizar la expresin:
R(i) = (N - i + 0.7)/(N + 0.4)

LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
PROCESAMIENTO DE LA INFORMACIN (cont....)
Para efectos del tratamiento experimental utilizaremos la
ecuacin de Weibull de dos parmetros cuya ecuacin es:

(
R(t) = e

Una vez ontenidos los valores de F(i) y R(i) se procede a su


repesentacin grfica utilizando una hoja de papel Weibull
(ver ejemplo adelante).
Se traza la mejor recta entre los puntos de la muestra.
Con P(s) = 36.8% se procede a determinar el valor de
Se traza una recta paralela por el punto o se traza una
recta paralela a la trazada por los puntos de la muestra.

LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
PROCESAMIENTO DE LA INFORMACIN (cont....)
Se prolonga la recta as obtenida hasta que corta al eje
y se determina el valor de k, que corresponde al valor del
punto de corte.
Con los valores anteriores se procede a calcular el TMEF
utilizando la relacin:
TMEF = (1+ 1/ )

LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
Ejemplo:
Se tiene la siguiente informacin de la historia de fallas de un
equipo:
TIEMPOS ANTES DE FALLAR: 60, 120, 242, 451, 160, 28, 183, 339, 135, 376, 42, 99,
389, 77, 660, 845, 16, 536, 17.
EJEMPLO No 1
ORDEN
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

TEF
16
17
28
42
60
77
99
120
135
160
183
242
339
376
389
451
536
660
845

P(F)
0,04
0,09
0,14
0,19
0,24
0,29
0,35
0,40
0,45
0,50
0,55
0,60
0,65
0,71
0,76
0,81
0,86
0,91
0,96

P(S)
0,96
0,91
0,86
0,81
0,76
0,71
0,65
0,60
0,55
0,50
0,45
0,40
0,35
0,29
0,24
0,19
0,14
0,09
0,04

P(f) =

ORDEN- 0,3
N+ 0,4

P(S) = 1- P(F)

1000

PAPEL TIPO WEIBULL

=250

200

t )0.9
( 250
Ps(t) = e

100

10

O.368
.01

.1

10

0.5

20

30 40

50

60

1.0

70

= 0.9
80

85

1.5

90

93

95 96

97

2.0

98

98.5

99.0

2.5

99.4

99.5

99.7

99.8

3.O

99.9

LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
Caso en que el parmetro es distinto de cero en este caso la
funcin distribucin tiene la siguiente expresin:

F(x) =1- exp{-[(t- )/()]}


Donde es el punto correspondiente al arranque de la funcin.
Si > 0 hay supervivencia segura entre t=0 y t=
Si = 0 las fallas empiezan en el origen del tiempo
Si < 0 las fallas comienzan antes del origen del tiempo
f(t)

<0

=0

>0

LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
El trmino (t- ) corresponde a un cambio de origen por traslado de la
abscisa t =
En los casos en que se determine la posible existencia de distorsin en
la informacin deber procederse a correccin de la informacin
siguiendo alguna de las metodologas apropiadas para el caso de las
cuales la ms comn y rpida es la determinacin de en base a la
relacin siguiente:

2
t2

- t1.t3

2t2 t1 t3

Veamos un ejemplo:
Los tiempos de reparacin de un conjunto electromecnico naval, son
como sigue:
55, 57, 59, 61, 72
Los rangos medios correspondientes son: 12.94, 31.47, 50.00, 68.53,
87.06

LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO

2
t2

- t1.t3

2t2 t1 t3

t3=68
= 41

= 21 = 62- 41
=2.2

t2=59
t1=53

LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
Otra forma de resolver el problema es utilizar la forma genrica
de la ecuacin de desconfiabilidad:
F(x) = 1 exp [- (t-t0)/(-t0)]
Con lo cual la expresin de la desconfiabilidad quedara como:

F(x) = 1 exp [- (t-t0)/(-t0)]


El valor t0 corresponde a la variable . En nuestro caso:

F(x) = 1 exp [- (t-41)/(62-41)]2.2


F(x) = 1 exp [- (t-41)/21]2.2

= 41

LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
Para el caso de MANTENIBILIDAD:
M(t) =

g(t)dt

donde g(t) = funcin duracin de

reparacin
M(t) es la probabilidad de que una reparacin tenga una
duracin TTR < t, M(t) = P(TTR < t)
La expresin matemtica de la funcin M(t) segn la
distribucin de Gumbel es como sigue:
M(t) = P(t T)=
t = Tiempo real de reparacin
T = Tiempo de referencia
a = Parmetro de dispersin
= Parmetro de posicin

-e-a(t-)

LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
La tasa de reparacin se calcula mediante la expresin

(t) = g(t)/[1-M(t)]

El tiempo medio para reparar se calcula mediante la expresin


TMPR =

+ 0.5778/a

El valor de se determina a partir del grfico trazado con la


informacin de campo en papel Gumbel.
El valor de corresponde a una probabilidad de falla de
36.8%
y el valor de a corresponde a la pendiente geomtrica de la
curva, se determina graficamente tal como se indica ms
adelante.

LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
Sabemos que:
M(t) =P(TTR < t)
Sabemos adems que el nmero de reparaciones ser
aproximadamente igual al nmero de fallas.
El valor aproximado del TMPR se computa como:
Tiempo total de reparacin
TMPR = Nmero total de reparaciones
Por analoga con la tasa de fallas se puede definir una tasa de
reparacin (t) donde (t)dt es la probabilidad de que la
reparacin se termine en el instante t + dt

(t) =(1/(1-M(t)))dM/dt

LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
USO DE LA DISTRIBUCIN
MANTENIBILIDAD

EXPONENCIAL

EN

En los casos de reparaciones de corta duracin la distribucin


exponencial resulta particularmente prctica para el anlisis
de la mantenibilidad.
En este caso:

(t)= =1/r r= TMPR

y la funcin densidad de reparacin ser:


t
g(t)= e

t
M(t) = 1- e

LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
PROCESAMIENTO GRFICO DE LA INFORMACIN
Ordenar la informacin de los TPR, en forma ascendente
Numerar las observaciones de 1 en delante de acuerdo al
orden. La ltima observacin ser la n.
En caso de dos observaciones iguales se puede tomar la
media de los nmeros de orden para la representacin.
Se procede a calcular la probabilidad de ocurrencia de
reparacin, tratar en la misma forma que la informacin de
falla.

LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
PROCESAMIENTO DE LA INFORMACIN (cont....)
Una vez obtenidos los valores de P(f) se procede a su
representacin grfica utilizando una hoja de papel
Gumbel (ver ejemplo adelante).
Se traza la mejor recta entre los puntos de la muestra.
Con P(f) = 36.8% se procede a determinar el valor de
Se determina la pendiente geomtrica de P(f) para calcular
el valor de a

ANALISIS DE INFORMACIN
DE CAMPO

a = (X/ Y)

Para evaluar X debe


utilizarse
la
variable
reducida y para Y debe
utilizarse la escala de las
ordenadas.

36.8%
X
0.01

0.1

-2

10

-1

20

30

40

50

60

70

80

85

90

93

95 96

97

98

98.5

99

99.3

99.5

99.7

99.8

99.9

LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
EJEMPLO No 2
En la hoja historial de una mquina se encontr la siguiente
enformacin referente a las reparaciones a que fue sometida
durante un perodo de dos aos:
Tiempos para reparar: 12.5h, 21.8h, 37h, 28.3h, 31.5h, 43h,
25.7h, 19h, 18.2h
Representar los tiempos para reparar en una hoja de papel
Gumbel y derminar el tiempo medio para reparar y la
expresin matemtica de la funcin de reparacin.

ANALISIS DE INFORMACIN
DE CAMPO (ejemplo 2)
EJEMPLO No 2
ORDEN
1
2
3
4
5
6
7
8
9

TPR
12,5
18,2
19,0
21,0
25,7
28,3
31,5
37,0
43,0

P(F)
0,07
0,18
0,29
0,39
0,50
0,61
0,71
0,82
0,93

P(S)
0,93
0,82
0,71
0,61
0,50
0,39
0,29
0,18
0,07

ANALISIS DE INFORMACIN DE CAMPO (ejemplo 2)


(solucin segn distribucin Gumbel)

40

=21.5

30

M(t) = P(t T)=

20

-e-0.09(t-21.5)

Y=8
10

36.8%
X=0,7

0
0.01

0.1

-2

10

-1

20

30

40

50

60

70

80

85

90

93

95 96

97

98

98.5

99

99.3

99.5

99.7

99.8

99.9

ANALISIS DE INFORMACIN DE CAMPO


(ejemplo 2)
(solucin segn distribucin Gumbel)

EJEMPLO No 2

= 21.5

a = (X/ Y)=0.7/8=0.09
TMPR =

+ 0.5778/a

TMPR = 21.5 + 0.5778/0.09=27.92

e
M(t) = P(t T)= e

- -0.1(t-21.5)

ANALISIS DE INFORMACIN DE CAMPO


(ejemplo 2)
(solucin segn distribucin exponencial)

EJEMPLO No 2
a) Primera aproximacin, con el mismo TMPR
En el caso especfico que nos ocupa el resultado puede
asumirse como exponencial, con TMPR = 27.28
TMPR = r = 27.28
=1/r =1/27.28=0.037
M(t) = P(t T)=1

-e

-0.037t

b) Utilizando papel semi-log.


En la lmina que sigue se resuelve el problema
utilizando papel exponencial.

ANALISIS DE INFORMACIN DE CAMPO


(Ejemplo 2)

(solucin segn distribucin exponencial)

40

1/ = TMPR = 27

M(t) = P(t T)=1- e-0.037t


1/ = TMPR = 23

30

M(t) = P(t T)=1- e-0.043t

27
23

20

10

0.1

EJEMPLO No 2
ORDEN
1
2
3
4
5
6
7
8
9

TPR

P(F)

12,5
18,2
19,0
21,0
25,7
28,3
31,5
37,0
43,0

P(S)

0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1.0

0,90
0,80
0,70
0,60
0,50
0,40
0,30
0,20
0,10
2.0

3.0 4.0

10.0

20.0

50.0

100.0

ANALISIS DE INFORMACIN DE CAMPO


(Ejemplo 2)

(solucin segn distribucin exponencial)

23

M(t) = P(t T)=1- e-0.037t

EJEMPLO No 2
ORDEN
1
2
3
4
5
6
7
8
9

10

TPR
12,5
18,2
19,0
21,0
25,7
28,3
31,5
37,0
43,0

P(F)
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90

P(S)
0,90
0,80
0,70
0,60
0,50
0,40
0,30
0,20
0,10

20

30

30

ANALISIS DE INFORMACIN DE CAMPO


(ejemplo 2)
(solucin segn distribucin logartmica normal)
100
= 3.25
= 3.77 - 3.25=0.52
2
MTTR= e( +(1/2) ) = 29.29

EJEMPLO No 2
ORDEN
1
2
3
4
5
6
7
8
9

TPR
12,5
18,2
19.00
21.00
25,7
28,3
31,5
37.00
43.00

P(F)
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90

P(S)
0,90
0,80
0,70
0,60
0,50
0,40
0,30
0,20
0,10

10

ORDENADAS DE LA CURVA NORMAL ESTANDARIZADA

AREAS DE LA CURVA NORMAL ESTANDARIZADA

PARAMETROS DE LA FUNCION DE WEIBULL