Fiabilidad de Componentes

UNIVERSIDAD DE LAS PALMAS DE GRAN CANARIA
MASTER EN INGENIERA DE CONFIABILIDAD Y RIESGO
FIABILIDAD DE COMPONENTES Y SISTEMS TCNICOS

Andrs Carrin
Departamento de Estadstica e Investigacin Operativa Aplicadas y Calidad
Universidad Politcnica de Valencia. Espaa.
CAPTULO 1: MODELOS DE FIABILIDAD

Como se ha visto anteriormente, en unidades de funcionamiento continuado, la fiabilidad es la probabilidad de supervivencia a una cierta misin de duracin t, es decir,
la probabilidad de que una unidad funcione ms de un tiempo t:
R(t)=P(T>t)
Por lo tanto, para poder medir o estimar esta probabilidad de funcionamiento es preciso determinar la distribucin de probabilidades de fallo, es decir, la distribucin de
la variable vida de la unidad. Emplearemos para este estudio las mismas tres distribuciones estadsticas que fueron introducidas en el Captulo 2: distribucin normal,
distribucin exponencial y distribucin de Weibull.
1.1. Modelo Normal [N(,)].

Sea t la variable vida de una unidad. Si suponemos que esa variable sigue la distribucin normal con media y desviacin tpica (ya definida anteriormente), se tendr que la funcin de fiabilidad es,
A. Carrin: Fiabilidad de componentes y sistemas tcnicos.
R(t)=1-F(t)= 1
1
2
( t )2
2 2
t
t
dt = 1
=
siendo f(t) la funcin de distribucin de la normal tipificada que se encuentra tabulada (ver la correspondiente tabla en el Apdice A). La Tasa de fallo para esta distribucin es:
f (t)
( t ) =
=
R( t )
( t )2
2 2
e
2
t
que resulta ser una tasa de fallo creciente con t, lo cual quiere decir que puede representar el comportamiento de esas unidades durante el envejecimiento, cuando la
tasa de fallo aumenta.
La distribucin Normal est definida para t ]-,[ pero es evidente que la vida de
un componente comienza en el instante de su puesta en funcionamiento, por ello
como mnimo, si el componente es nuevo, podra comenzar en el instante t=0 y, por
lo tanto, no podemos hablar de tiempos negativos. As pues, solo podremos utilizar
este tipo de distribucin como representante del fenmeno de envejecimiento, en el
caso de que la vida media este suficientemente alejada del origen de edades (t=0)
de modo que la masa de probabilidad a la izquierda de cero sea prcticamente nula.
Se suele considerar que ello es as si se cumple que -3>0, es decir, que />3,
puesto que por debajo de ste valor solo queda un 13 0/00 de poblacin y por lo tanto
R(0)1.
2.2. Modelo Exponencial (EXP()).

Como ya se vio, la expresin de la funcin de densidad cuando la vida de la unidad
sigue una distribucin exponencial es
f(t)=e-t
t0
donde es una constante positiva (>0).

Como la funcin de distribucin, es decir, su desfiabilidad ser
F(t)=1-e-t
t0
la funcin de fiabilidad, probabilidad de supervivencia a una duracin t, queda como

R(t)=1-F(t)=e-t
t0
Un valor interesante es el que se da si t=1/, es decir cuando la duracin de la misin coincide con la vida media, en cuyo caso:
R(1/)=037
Es decir, la vida media es alcanzada solamente por un 37% de la poblacin, como
consecuencia del carcter asimtrico de la distribucin (ver Captulo 2).
La Tasa de fallo es:
( t ) =
f ( t ) e t
=
=
R( t ) e t
t0
Puede observarse que (t) no depende de t, en otras palabras, la tasa de fallo es

constante, por ello emplearemos la distribucin exponencial durante el periodo de
vida til del producto.
Es frecuente representar al parmetro 1/ por , vida media, as pues, las frmulas
anteriores quedaran como:
f (t) =
e t /
F(t)=1-e-t/
R(T)=e-t/
Si nos fijamos en las expresiones de las funciones de densidad, distribucin y fiabilidad (la que es aqu objeto de estudio), observamos que es la relacin entre duracin
de la misin y la vida media, el ratio t/, el que define el valor de las mismas y no
tanto el valor exclusivo de t.
Una propiedad importante del modelo exponencial es que es un modelo sin memoria. En efecto, es fcil probar que si una vez que ha fallado accidentalmente una unidad, la reparamos y la volvemos a poner en funcionamiento hasta que vuelva a fallar, la duracin del intervalo aleatorio que separa estos dos fallos accidentales consecutivos sigue tambin una ley exponencial de parmetro =1/. La distribucin
exponencial es, as pues, una distribucin sin memoria porque la probabilidad de
que una unidad falle en un lapso especfico de tiempo depende nada ms de la duracin de ste y no del instante en el que comenz la operacin:
P(t [t 1, t 1 + T ]) = P(t [t 2 , t 2 + T ]) t1,t2
En efecto, sean t1, y t2 tales que t2>t1. Se cumple que:
P(T > t 2 / T > t 1 ) =

=
e t 2
e
t 1
P([T > t 2 ] [T > t 1 ]) P(T > t 2 )

=
=
P(T > t 1 )
P(T > t 1 )
= e ( t 2 t1 ) = R( t 2 t 1 )
Si llamamos t1=t, t2=t1+, resulta:

P(T>t+/T>t) = R()
Es decir, que la fiabilidad depende slo de la duracin de la misin, , y no de la
edad de la unidad al comienzo de la misma.
De esto se deduce que si =1/ es la vida media, desde el inicio de la misin o del
servicio, hasta que se produce un fallo accidental, pero adems tambin puede ser
la duracin media del tiempo que transcurre entre dos fallos accidentales consecutivos en la misma unidad. Por esta ltima causa a se le llama tiempo medio hasta el
fallo (Mean Time To Failure, MTTF) o tiempo medio entre dos fallos (Mean Time
Between Failures, MTBF), segn se trate de unidades no reparables (MTTF) o reparables con restitucin completa (MTBF). Hay que hacer constar que estamos aqu
suponiendo que la reparacin restituye a la unidad a un estado similar al que tenia
antes del fallo. Si esto no fuera as, deberamos entrar en la definicin de otros parmetros, como por ejemplo el tiempo medio hasta el primer fallo (Mean Time to First
Failure MTTFF).
1.3. Modelo de Weibull.
Si la variable vida de la unidad estudiada se modeliza mediante una distribucin de

Weibull completa, de parmetros , y , la funcin de fiabilidad ser:
R( t ) = e
Por lo tanto la tasa de fallo es:
f (t)
( t ) 1
( t ) =
=
R( t )
( )
Tal como se coment en el Captulo 2, el parmetro suele ser nulo, con lo cual nos
queda la distribucin reducida de Weibull , quedando para este caso la desfiabilidad,
la fiabilidad y la tasa de fallo con las siguientes expresiones:
F( t ) = 1 e
R( t ) = e
( t ) =
t 1
Obsrvese que si t=, entonces F()=063 y R()=037

A partir de la ecuacin de la tasa de fallo podemos comprobar que sta crece o decrece en funcin del valor de , es decir, si <1 entonces la tasa de fallo es decreciente, si >1 es creciente, y si =1, es constante. Por lo tanto, la distribucin de
Weibull puede servir para explicar las distintas situaciones de la vida de un producto,
si <1 podremos utilizarla para explicar el periodo de fallos precoces, si >1 servir
para el periodo de fallos por envejecimiento, y si =1 la utilizaremos para explicar la

zona de vida til.
En este ltimo caso, obsrvese que si en las expresiones de las funciones de distribucin y fiabilidad hacemos =1, aparecen las correspondientes al modelo exponencial, que resulta as ser un caso particular del modelo de Weibull, con =0 y =1,
quedando el tercer parmetro, , identificado con la media de la distribucin:
Exp(1/) = W(=0, , =1)
Una caracterstica importante de la distribucin de Weibull en comparacin con la
exponencial es que ahora la fiabilidad si que depende de la edad que tenga la unidad al comienzo de la misin, y no slo de la duracin de la misma. Dicho en los
mismos trminos que emplebamos antes, la distribucin de Weibull si que tiene
memoria de la actividad pasada de la unidad, lo cual, por ejemplo, justifica su uso en
el periodo de envejecimiento.
1.4. Ejercicios.
1. La vida de una unidad sigue un modelo de Weibull de parmetros q=850 horas y

b=3.5, debiendo ser empleada en una misin de duracin 150 horas. Estudiar como
evoluciona la fiabilidad en funcin de la edad inicial de la unidad. Para ello usar las
edades 0, 100, 200, 300, 400 y 500 horas.
2. Las bombillas de los faros halgenos de un automvil tienen una vida media de
1200 horas. Asumiendo un modelo exponencial, cul es la fiabilidad para cinco aos
de uso del automvil, asumiendo que en promedio las luces estn encendidas 0.5
horas por da.
3. La duracin de un bolgrafo se mide por los metros de escritura que proporciona.
En un estudio realizado se ha visto que esa duracin sigue una distribucin normal,
con media 850 m y desviacin tpica 150 m. Su poniendo que una pgina de texto
requiere 8 m de trazo, cul es nmero de pginas de escritura que podemos garantizar con una probabilidad del 95%.
4. La vida de unas unidades empleadas en un submontaje sigue una distribucin
exponencial. Sabemos que el 90% supera las 750 horas de funcionamiento. Cul
ser la fiabilidad para una misin de duracin 1500 horas?.
CAPTULO 2: ESTIMACIN Y ENSAYOS

Los modelos estadsticos que se han visto en captulos anteriores no son excesivamente complejos y permiten realizar con facilidad predicciones sobre el comportamiento de las unidades estudiadas, en lo que hace a su fiabilidad. Ahora bien, el uso
de las expresiones involucradas requiere el conocimiento de una serie de parmetros que slo es posible conseguir por la va de la experimentacin y los ensayos. No
existe ningn procedimiento deductivo que permita conocer la fiabilidad o los parmetros de vida de las unidades estudiadas a partir de sus caractersticas fsicas,
mecnicas, elctricas, o de cualquier otro tipo. Adems, al estudiar las fiabilidades
de los componentes deben tenerse muy presentes las condiciones de trabajo a las
que estarn sometidos durante su servicio y en los periodos de reposo o de almacenamiento, ya que la fiabilidad de un componente es funcin de las condiciones que
debe soportar.
Una vez determinadas estas condiciones, es conveniente estudiar por separado las
condiciones dominantes, es decir, las tienen mayor influencia sobre la fiabilidad del
componente, y las no dominantes que son aquellas que pueden ser eliminadas o
simplemente mejoradas bien por pequeas modificaciones en el diseo del producto
o con mejoras de fabricacin. Estas ltimas se tratarn de eliminar o al menos estabilizar lo ms rpidamente posible.
Las condiciones dominantes son las que se sometern a un estudio lo ms completo
posible midindose sus rangos de variacin, la aparicin de sobrecargas accidentales, e incluso sus valores extremos. A partir de aqu ya podemos proceder al diseo
de los ensayos con el objeto de estimar las tasas de fallo, los tiempos medios de
servicio, etc., y en general, los parmetros necesarios para el ajuste a los modelos
tericos de las muestras obtenidas. El motivo que nos lleva a considerar la realizacin de ensayos de fiabilidad como necesaria es la imposibilidad, ya comentada, de
obtener por algn mtodo analtico - deductivo informacin sobre la fiabilidad o duracin de un producto: Ante esa imposibilidad se reacciona realizando experiencias en
las que se pretende simular el comportamiento que tendr el producto cuando sea
realmente usado por sus usuarios, conociendo con ello caractersticas tales como su
duracin, vida media, fiabilidad para cierta misin o servicio, etc..
De la observacin de la vida real se deduce que componentes tericamente iguales
tienen comportamientos distintos al someterlos a unas mismas condiciones de funcionamiento. Precisamente, estas variaciones obligan a un tratamiento estadstico
para la estimacin de la fiabilidad, pero toda elaboracin estadstica se basa en
hechos reales medidos y observados y, por lo tanto, ser necesario obtener los datos reales para la determinacin de esta fiabilidad.
Un procedimiento razonable que parecera lgico comenzara fijando en el valor nominal cada tipo de condicin (valor recomendado para el funcionamiento normal del
componente). Tomando una muestra aleatoria de tamao n de los componentes, se
hacen funcionar bajo este rgimen y se registran los tiempos en el que se producen
los fallos, as como las causas que los motivan. Una vez realizado, se repite el ensayo con otra muestra aleatoria, pero esta vez cambiando las condiciones de funcionamiento. De esta forma se obtienen las curvas del componente para diversos regmenes de trabajo.
El mtodo de ensayo anterior presenta grandes limitaciones lo que hace necesario
desarrollar otros mtodos que permitan sustituirlo en beneficio de una mayor rapidez. Precisamente, en este apartado vamos a desarrollar algunos tipos de ensayos
atendiendo a distintas clasificaciones segn los objetivos perseguidos, a las cargas
aplicadas y a consideraciones estadsticas.
2.1. Tipos de ensayos.
En primer lugar debe considerarse que el objetivo de los ensayos en fiabilidad es

conocer el comportamiento que tendr el producto cuando sea realmente utilizado.
Ahora bien, las condiciones reales de uso pueden ser tan variadas y complejas que
es difcil reproducirlas todas en un solo ensayo o batera de ensayos, dada la habitual limitacin de tiempo y recursos con que se van a encontrar las empresas. Ello
ha obligado a desarrollar toda una serie de ensayos orientados a captar aquellos
10
aspectos ms importantes, en cada caso, del comportamiento de un producto. A

continuacin se presenta un clasificacin de esos ensayos, en funcin de distintos
criterios.
a) Por los objetivos
1. Ensayos de medida: Utilizados para conocer el comportamiento de diseos nuevos y analizar el cumplimiento de las metas de fiabilidad. Se realizan prototipos para
obtener la forma de la distribucin de fallos, los parmetros que determinan la distribucin y sus correspondientes intervalos de confianza. El objetivo de estos ensayos
es medir la fiabilidad del componente sin cuestionar las metas de fiabilidad previamente establecidas. Los ensayos servirn adems para dar validez al diseo del
componente.
2. Ensayos de control: El objetivo de estos ensayos es mantener una continuidad de
la fiabilidad en sucesivas fabricaciones o lotes, es decir, trata de asegurar el mantenimiento de un determinado nivel de fiabilidad en el dispositivo.
3. Ensayos de investigacin: Se utilizan para mejorar los resultados de fiabilidad investigando las posibles causas de fallos con el fin de estudiar las modificaciones
ms apropiadas. Suelen orientarse hacia el estudio de modos de fallos concretos.
4. Ensayos en condiciones reales de funcionamiento: El objetivo de este tipo de ensayo es conocer el comportamiento real de los equipos de produccin en serie. Son
ensayos encaminados a conocer la fiabilidad en condiciones reales de funcionamiento.
b) Por su naturaleza estadstica
1. Ensayos de estimacin: Orientados a conocer (estimar) el valor de alguno de los

parmetros que reflejan el comportamiento del producto, en cuanto a su duracin.
Emplea mtodos estadsticos de estimacin, puntual o por intervalos de confianza.
2. Ensayos de comparacin: Se pretende con ellos comparar el comportamiento del
producto en cuanto a su vida con un estndar previamente fijado. Emplea tcnicas
estadsticas de contraste de hiptesis, habitualmente paramtricas.
11
c) Por las cargas aplicadas
1. Ensayos bajo carga constante: Las cargas aplicadas son invariantes a lo largo del
ensayo.
Ensayos normales: son ensayos en los que las cargas aplicadas son el mismo
orden que las de servicio.
Ensayos acelerados: Con el fin de acortar el tiempo de ensayo, las cargas aplicadas son superiores a las de servicio.
2. Ensayos bajo carga variable: La intensidad de carga vara a lo largo del ensayo
Ensayos con crecimiento lineal de la carga.
Ensayos con carga creciente escalonadamente.
Ensayos con ciclos en el nivel de carga: La variacin tiene lugar segn un ciclo
previsto.
Ensayos con carga aleatoria.
d) Por la criterio de detencin de la prueba
1. Ensayos completos: Son aquellos que terminan cuando han fallado todas las unidades ensayadas. Presentan el inconveniente de la larga duracin del ensayo, que
hace que sean relativamente poco usados.
2. Ensayos de duracin fija, truncados o limitados por tiempo: El ensayo dura un
tiempo prefijado. Suelen corresponder a ensayos de control, es decir, a aquellos cuyo objetivo es asegurar una fiabilidad mnima.
3. Ensayos a nmero de fallo fijo, censurados o limitados por fallos: Finaliza el ensayo cuando han fallado un nmero predeterminado de componentes. La ventaja es no
tener que esperar a que se estropeen todos los componentes de la muestra. Tambin se emplean como ensayos de control.
4. Ensayos progresivos o secuenciales: Son ensayos en los que se decide en cada
fallo si se contina o no. Son tambin ensayos de control.
5. Ensayos progresivos limitados: Se limitan tanto la duracin del ensayo como el
nmero de fallos ocurridos y se detiene segn lo que ocurra antes. La ventaja es
que, en muchos casos, puede anticiparse la decisin.
12
Se ve, pues, que la variedad de ensayos disponibles hace que, a priori, no se pueda
establecer una recomendacin general concreta, sino que la eleccin del tipo de ensayo debe adaptarse a cada caso concreto y cada necesidad, actundose segn las
caractersticas propias del estudio. Por ejemplo, mientras que en los ensayos de
medida no conocemos el comportamiento de los dispositivos, en los ensayos de control tenemos cierta experiencia por ensayos anteriores o por los resultados en el servicio, as pues, en el primer caso necesitaremos aplicar ensayos completos y en el
segundo ser suficiente con un ensayo censurado o truncado. Por otra parte, si estamos en la fase de estudio de un componente (medida, control e investigacin) los
ensayos podran ser de duracin ms corta y con condiciones de carga controlada,
mientras que para la clasificacin definitiva del producto lo mejor es realizar el estudio en condiciones de carga reales (aleatorias) y con duracin ms larga.
2.2. Anlisis de los resultados de los ensayos.
Para realizar el anlisis de los resultados ser necesario tener en cuenta dos puntos:
en primer lugar, conocer las causas del fallo o avera, puesto que nos servir para
determinar si el fallo es prematuro (precoz), accidental o debido al envejecimiento, y
en segundo lugar, tener en cuenta una serie de consideraciones estadsticas. As
pues, conocimientos tcnicos y estadsticos deben ir a la par.
Tambin es importante determinar con exactitud el estado de los componentes,
puesto que, por ejemplo, el almacenamiento puede producir algn tipo de degradacin (p.e., problemas de oxidacin) que provoque fallos prematuros en el ensayo y
sin embargo no podemos considerarlos fallos por envejecimiento dada la rapidez de
su aparicin. Por ello, someteremos a ensayo solo aquellas unidades que se encuentren dentro de los lmites apropiados en cuanto a las condiciones de trabajo se
refiere.
2.2.1. Ensayos de fiabilidad frente a fallos accidentales
Para realizar ensayos en los que se quiere estudiar el comportamiento del producto
frente a fallos accidentales ser necesario que hayamos eliminado los fallos precoces. Como en el periodo de fallos accidentales el comportamiento de la variable vida
13
de la unidad es independiente de la edad del producto, podemos comenzar el ensayo en un instante de tiempo arbitrario sin que los tiempos tengan que coincidir con la
edad del producto. De todos modos es aconsejable usar unidades similares en cuanto a edad e historia previa, pues el modelo exponencial no deja de ser una idealizacin de los comportamientos reales. Este tipo de ensayo estudia la duracin del servicio, ms que la edad del producto.
Para que este tipo de ensayo sea vlido ser necesario diferenciar entre fallos accidentales y fallos por envejecimiento. Para tener una cierta seguridad de que los fallos producidos no son debidos a esta ltima causa debemos asegurarnos que los
ensayos se realicen durante el periodo de vida til de los componentes sometidos a
estudio.
El problema que tendramos que solucionar ahora es cmo determinar el final del
periodo de vida til, que es precisamente donde comienza el fenmeno de envejecimiento, con el fin de no mezclar las dos posibles clases de fallos. Para ello debemos
recurrir al empleo de mtodos estadsticos.
Como se demostr en apartados anteriores, en este periodo la vida tiene una distribucin exponencial, EXP(), en la que la tasa de fallo es constante. Por otra parte,
sabemos que el periodo de vida til es aquel en el que los componentes son tiles
en cuanto a que slo una causa accidental provocar su fallo, y no problemas intrnsecos al propio producto. Si, trabajando con unidades nuevas, observamos que algunos fallos se han producido en tiempos de servicio (edades) anormalmente altos
para una distribucin Exp(), deberemos deducir que se trata de unidades que, superada la etapa de fallos accidentales, han sufrido un fallo por envejecimiento.
As pues, lo que se hace habitualmente es estimar y calcular un tiempo de servicio
b para el cual la fiabilidad alcance un valor pequeo (con frecuencia =0.00135):
R(b) = e-b = a
b=
1
ln = ln
14
Las unidades cuya duracin ha superado ese valor b debes ser eliminadas de la
muestra, debindose repetir el clculo de b tantas veces cuantas sea necesario hasta eliminar todos los fallos que no podemos considerar accidentales.
Por lo tanto, consideraremos que desde el comienzo del ensayo hasta el instante b
todos los fallos que se produzcan sern debidos al azar (accidentales), a no ser que
se demuestre lo contrario. En tal caso, y como ya veremos ms adelante, solo ser
necesario realizar una correccin de los clculos del ensayo.
Es posible que antes del instante b fallen solo una pequea parte de los componentes de la muestra. Si esta fuera muy reducida podra no haber ningn fallo accidental, o un nmero de ellos de escasa significacin. Por ello, para obtener suficiente
informacin los ensayos de fiabilidad, suelen hacerse con muestras de tamao bastante grande.
2.2.2. Ensayos de fiabilidad frente a fallos por envejecimiento.
Para realizar ensayos de envejecimiento ser necesario depurar la muestra estudiada de fallos precoces. Ello dificulta el que el ensayo comience al inicio de la vida del
producto (por la necesidad de depurar las unidades). Si esas unidades anteriormente
ya estuvieron sometidos a ensayo, con el objetivo de eliminar los fallos precoces, los
tiempos tendrn que sumarse a los del ensayo actual.
Por otra parte, y como se coment con anterioridad, es necesario que diferenciemos
los fallos accidentales de los fallos por envejecimiento, por ello, si se decide que k de
los fallos no han sido debido a esta ltima causa debern excluirse del estudio, lo
cual sera equivalente a realizar el ensayo con n-k componentes.
No obstante, algunas veces ser difcil eliminar de forma clara los fallos que no sean
debidos al envejecimiento, por esta causa ser necesario recurrir a consideraciones
estadsticas. Por ejemplo, si el ensayo de envejecimiento est asociado a una distri-
bucin Normal de media y desviacin tpica , N(,), en el intervalo 3 se en-
15
cuentra el 9973% de las observaciones, es decir, que por debajo del lmite inferior
solo se encuentra el 0135%. As pues, la probabilidad de que un componente falle
por envejecimiento antes de -3 es muy pequea, y en promedio slo 135 componentes de cada 1000 tendrn este tipo de fallo. Por ello, los fallos que ocurran antes de este lmite, salvo que se demuestre lo contrario, decidiremos que son fallos
accidentales. Este criterio puede aplicarse tambin a la distribucin de Weibull cuando >32 (con lo cual sera correcto aproximarla a la distribucin normal).
Evidentemente, para aplicar el mtodo estadstico anterior, es necesario conocer
una estimacin aproximada del valor de y de . Una vez conocidas estas estimaciones, se rechazarn aquellos componentes que se encuentren por debajo del lmite. Puesto que eliminamos datos que han sido utilizados en la estimacin de los parmetros anteriores ser necesario volver a determinar sus estimaciones a partir de
los datos restantes para una mayor exactitud, y as continuaremos hasta que no
queden componentes con valores por debajo de dicho lmite.
2.3. Ensayos de estimacin.
En los puntos anteriores se ha podido comprobar que algunos de los mtodos utilizados para determinar la diferencia entre los fallos accidentales y de envejecimiento
se basan en la estimacin de los parmetros de una distribucin. Tambin es muy
frecuente que el objetivo del ensayo sea conocer la ley de probabilidad de los componentes y obtener bien la estimacin, bien el contraste de los parmetros de estas
distribuciones. Para ello se examina una muestra de tamao n de un mismo tipo de
componentes con el fin de estudiar dicha distribucin estadstica de la duracin de la
vida de las unidades.
En los apartados siguientes se muestran algunos mtodos bsicos para realizar estas estimaciones, atendiendo al distinto tipo de distribucin o modelo estadstico empleado.
16
2.3.1. Distribucin Exponencial.
Como hemos visto anteriormente, la ley exponencial expresada segn su funcin de

densidad es:
f(t) = e-t
siendo su funcin de fiabilidad
R(t) = e-t
Como se observa, la ley exponencial depende de un nico parmetro que es la tasa
de fallo, , que esta relacionada con puesto que =1/, tambin llamado tiempo
medio entre fallos (MTBF) o tiempo medio hasta el fallo (MTTF), segn el caso. Por
lo tanto, ste ser el nico parmetro que necesitamos estimar para determinar la
distribucin de la vida en el periodo de fallos accidentales o vida til.
2.3.1.1. Estimacin de parmetros.
Estimacin puntual:
La estimacin puntual del MTBF (MTTF) para cualquier tipo de ensayo es relativamente sencilla, siempre y cuando estemos es el periodo de vida til, pues en tal caso
la vida media ser:
r t
T
= i =
r
i=1 r
es decir, la suma de todas las vidas de las diferentes unidades ensayadas (hayan
terminado fallando o no) dividido por r, que es el nmero de componentes que han
fallado. Si el tipo de ensayo realizado fuera un ensayo completo, el valor de r coincidira con el tamao de la muestra n. Al numerador T se le llama tiempo total acumulado de test y representa la experiencia de uso de ese tipo de unidad que se ha
acumulado en el ensayo.
Ejemplo 2.1.
Considrese que se ha hecho un ensayo limitado por tiempo con diez unidades. La
detencin de la experiencia se produjo a las 250 horas de su inicio y, hasta ese ins-
17
tante, haban fallado cuatro unidades en los tiempos 80, 145, 210 y 238. En este caso tendramos:
r=4
T = 80 + 145 + 210 + 238 + 6*250 = 2173
2173
$ =
= 543.3 h
4
Estimacin mediante intervalos de confianza:

Otra forma de estimar la vida media es con intervalos de confianza. En este caso, la
estimacin del parmetro se realizar de forma distinta segn el tipo de ensayo
utilizado. En las expresiones siguientes es el llamado nivel de significacin.
Ensayo completo o ensayo censurado (Test limitado por fallos):
- Intervalo bilateral:
2T
2T
2(1 / 2)
2( / 2 )
2r
2r
- Intervalo unilateral: >
2T
22(r )
Ensayo truncado (Test limitado por tiempo):

- Intervalo bilateral:
2T
2T
2(1 / 2)
2( / 2 )
2(r +1)
2(r +1)
- Intervalo unilateral:
2T
22((r+)1)
Tngase en cuenta que lo que se ha llamado aqu arriba intervalo unilateral es en

realidad una cota mnima que se esta dando para el valor de la vida media de la unidad, a la vista de la informacin recogida en el ensayo y con cierto nivel de confianza.
18
Estimacin mediante mtodos grficos:

Podemos utilizar un mtodo de estimacin grfica para determinar el parmetro de la
ley exponencial, y a su vez, poder comprobar que los datos se distribuyen segn
esta ley. Este mtodo es adecuado para ensayos completos.
Para la realizacin de estimaciones grficas en ensayos incompletos, se emplear el
mismo procedimiento descrito ms adelante, para la distribucin de Weibull con datos incompletos, puesto que la distribucin exponencial es una caso particular de la
de Weibull.
El procedimiento es un grfico donde en el eje de abcisas, colocamos los instantes
de fallo de cada componente y en el eje de ordenadas (con escala logartmica) dibujamos los valores de 1/R(t). Si la duracin del componente obedece a una distribucin exponencial los puntos que representan a cada componente deben quedar ms
o menos alineados (Figura 2.1).
La F(ti) estimada, para el caso de tamao de muestra reducida, como:
Fi ( ti ) =
i
n+1
donde i es el nmero total de componentes que ha fallado hasta ese instante ti (orden en el que han fallado) y n es el tamao de la muestra del ensayo.
Si n es relativamente grande podemos hallar F(ti) como:
Fi ( ti ) =
i
n
Por lo tanto, usando las dos expresiones anteriores, el valor de la fiabilidad ser:
Ri (t i ) = 1
o bien
segn sea el tamao de la muestra.
i
n + 1 i
=
n+1
n+1
Ri ( t i ) = 1
i ni
=
n
n
19
1/Ri
100
10
272
Figura 2.1.- Papel probabilstico exponencial

Una vez realizada la grfica y comprobado que los puntos quedan sensiblemente
alineados, lo que significa que la vida de los componentes se pueden distribuir como
una exponencial, el valor de la estimacin de la vida media corresponde a la proporcin a R()=037, es decir, 1/R()=e1=2.72.
Ejemplo 2.2.
Se han ensayado 37 componentes cuya duracin se supone que sigue una

distribucin exponencial. Las duraciones respectivas se resumen en la tabla 5.1.
Estimacin puntual:
Vida media: 221.46 horas
Estimacin por intervalos de confianza:

Intervalo bilateral ( = 5%):
[153.73, 286.5]
20
Cota inferior ( = 5%):
160.82
Grficamente (ver figura 2.2).

i
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
ti (horas)
10
15
20
22
32
40
42
46
48
51
60
71
76
87
93
105
112
116
127
131
Si
0974
0947
0921
0895
0868
0842
0816
0789
0763
0737
0710
0684
0658
0631
0605
0579
0553
0526
0500
0474
1/Si
1027
1056
1086
1118
1152
1188
1226
1267
1310
1357
1407
1462
1520
1583
1652
1727
1810
1900
2000
2111
Tabla 2.1.
i
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
ti (horas)
172
195
207
219
238
260
300
342
382
435
460
490
520
600
630
670
770
Si
0447
0421
0395
0368
0342
0316
0289
0263
0237
0211
0184
0158
0132
0105
0079
0053
0026
1/Si
2235
2357
2533
2714
2923
3167
3455
3800
4222
4750
5429
6333
7800
9500
12667
19000
38000
21
1/Ri
Ri
100
0.01
10
0.1
0.2
037
272
0.5
1
0
100
200
300
400
500
600
700
800
Figura 2.2.
En la que se puede comprobar que la estimacin de la media es similar a la obtenida

por mtodos numricos de estimacin puntual.
2.3.1.2. Duracin media de los ensayos. Nmero medio de fallos.
Por otra parte, para el caso de la distribucin exponencial podemos realizar las estimaciones de la duracin esperada del ensayo o del nmero esperado de fallos en
funcin de tipo de ensayo, valores ambos que son de gran inters en la fase de diseo del test, para ajustar su duracin (caso de los ensayos truncados) o el nmero
de fallos permitidos (caso de los ensayos censurados), as como el nmero de unidades empleadas.
Ensayos censurados:
Si el ensayo es sin reemplazamiento de las componentes que fallan, la duracin
media del ensayo ser:
1
i =1 n r + i
r
E( t ) =
22
donde n es el tamao de la muestra y r es el nmero de componentes que pueden

fallar hasta la detencin del ensayo.
Si el ensayo es con reemplazamiento de los componentes que fallan, la duracin
media de ensayo ser:
E( t ) =
r
n
En los dos casos anteriores el valor de debe ser conocido para poder realizar las
estimaciones. Ello requiere el uso de informacin histrica previa a la realizacin del
test, la formulacin de hiptesis sobre el valor esperado de o la realizacin de un
test de tanteo.
Ensayos truncados
Si el ensayo es sin reemplazamiento, el nmero medio de fallos ser:
E(r)=(1-e-T/)n
donde T es la duracin del ensayo
Si el ensayo es con reemplazamiento, podremos obtener el nmero medio de fallo
como:
E(r ) =
nT
Cabe decir aqu lo mismo que en los ensayos censurados respecto al valor de la vida media, , de las unidades estudiadas.
2.3.2. Distribucin Normal.
Como ya hemos podido comprobar, la distribucin Normal depende de dos parmetros y , donde es la media y es la desviacin tpica de las duraciones o vida
de las unidades objeto de estudio.
La estimacin de estos dos parmetros se realiza de forma distinta segn el tipo de
ensayo utilizado:
23
Ensayos completos:
Las estimaciones de los parmetros y mediante una estimacin puntual sern:
ti
i=1 n
n
= t =
$ = S =
(t i t ) 2
i= 1 n 1
n
donde ti son los instantes de fallo de cada componente.

Si realizamos la estimacin de estos parmetros mediante intervalos de confianza,
suponiendo que no conocemos ningn parmetro, tendremos que:
S
S
P t t n/ 21
t + t n/ 21
= 1
n
n
(n 1) S 2
(n 1) S 2
2
2
P 2
= 1
n1,(1 / 2)
n1,( / 2)
que son los intervalos de confianza que tienen una probabilidad de 1- de contener
al parmetro poblacional.
La estimacin de esos parmetros tambin puede realizarse grficamente mediante
el papel probabilstico Normal. Este papel, pautado ortogonalmente, tiene una escala
lineal en el eje de abcisas, donde se representan los tiempos ti, y otra escala de probabilidades acumuladas (funcin de distribucin) rectificada en el eje de ordenadas,
para que al dibujar los valores de la funcin de distribucin Normal correspondientes
a cada ti, los datos queden alineados formando ms o menos una recta (Figura 2.3).
Con los puntos anteriores, trazamos la recta que explique mejor a los datos, de
forma que podamos, a travs de esta recta estimar los parmetros y . De sta
obtenemos los valores de ti que corresponden a las desfiabilidades 016, 05, 084
que a su vez equivalen a los valores de la distribucin Normal t -s, t , y t +s, de los
cuales se puede despejar la t y la s, estimaciones de y respectivamente.
24
99.9
99
95
80
50
20
0.1
Figura 2.3.- Papel probabilstico Normal
Ejemplo 2.3.
Se han ensayado 10 unidades respecto a cierto tipo de esfuerzo que genera problemas de envejecimiento (lo cual justifica el uso de la distribucin normal).
Los instantes de fallo observados han sido los siguientes: 185, 210, 225, 235, 248,
260, 275, 298, 318 y 322. Con ello la estimacin de los parmetros de la distribucin
normal sera:
$ = t =
i
$ = S =
ti
= 257.6
10
( t i t) 2
n1
= 45.87
25
y los intervalos de confianza quedaran:
Para la media
(224.79, 290.41)
Para la varianza
(31.57, 83.75)
2.3.3. Distribucin de Weibull.
Como hemos visto anteriormente, la distribucin reducida de Weibull depende de

dos parmetros, y , de forma que su funcin de densidad es:
t 1
f (t) = e
La estimacin de estos dos parmetros mediante mtodos numricos se realiza linealizando la funcin de distribucin y ajustando a ese modelo, por mnimos cuadrados, los resultados muestrales obtenidos. Sin ser muy complejo, ste mtodo de clculo no se suele utilizar, a no ser que se haga mediante un software estadstico como el Statgraphics, SPSS, etc. o un paquete especfico de fiabilidad, como QuickRel,
y las estimaciones se realizan mediante herramientas grficas como el papel probabilstico de Weibull. Con todo, en el siguiente apartado se presenta ese mtodo nu-
mrico.
La estimacin de los parmetros de una distribucin de Weibull mediante el papel
probabilstico de Weibull se realizar dependiendo del tipo de ensayo utilizado, es
decir, si el ensayo es completo o incompleto (truncado o censurado).
2.3.3.1. Mtodo numrico.
26
Recurdese que en el modelo de Weibull la fiabilidad de una unidad en una misin

de duracin t, tiene la expresin:
R( t ) = e
con lo que operando:
t
lnR( t ) =
1 t
=
obien ln
R( t )
tomando nuevamente logaritmos

1
= ln t ln
ln ln
R
(
t
)
expresin que resulta lineal en ln t. Si tenemos adems en cuenta que

R(t) = 1 - F(t)
podemos obtener estimaciones de y haciendo un ajuste a las parejas de valores:
x i = ln t i
y i = ln ln
1 F( t i )
y si escribimos como y=a+mx la recta ajustada, como estimaciones de los parmetros buscados tendremos:
=m
=e
2.3.3.2. Mtodos grficos I. Ensayos completos.
27
Comencemos con los ensayos completos: el papel probabilstico de Weibull es un

papel pautado ortogonal que presenta una escala logartmica, en el eje de abcisas,
para la duracin de los componentes, ti, y otra escala doble logartmica, en el eje de
ordenadas, para la funcin de distribucin muestral F(ti) o su correspondiente funcin
de fiabilidad R(ti) (Figura 5.4).
La desfiabilidad o la fiabilidad se calcularn como:
Fi ( ti ) =
i 0'3
n + 0'4
R i (t i ) =
n + i + 0'1
n + 0'4
donde i es el nmero total de componentes que han fallado hasta el instante ti (si en
cada ti slo se ha producido un fallo, es orden en el que han fallado) y n es el tamao de la muestra. La funcin de distribucin muestral no es ms que la frecuencia de
fallos acumulada pero considerando una serie correcciones, entre otras cosas para
evitar el desbordamiento, es decir, que el resultado llegue a ser igual a 1. Existen
varios mtodos de clculo de F(ti) que conducen a estimaciones similares, el que
aqu hemos presentado es uno de ellos.
28
PENDIENTE
DE WEIBULL
VIDA
Figura 2.4.- Papel probabilstico de Weibull para ensayos completos

Los pares de puntos (ti, F(ti)) se representan en el papel de Weibull. Una vez dibujados los valores en la grfica debemos comprobar si los puntos forman aproximadamente una recta, si no es as es que los tiempos de vida no son una distribucin de
29
Weibull. Si comprobamos que si que se cumple esta condicin podemos estimar los
parmetros de dicha distribucin de la forma siguiente:
Trazaremos una recta que represente bien la nube de puntos.
El parmetro de forma , pendiente de la recta, se obtiene mediante el arco circular graduado situado en la parte superior izquierda del papel. Trazando por su centro
una recta paralela a la que representa la ley de probabilidad y leyendo en la escala
del arco, obtenemos el valor de .
El parmetro se obtiene leyendo, a partir de la recta, el instante t para el cual la
funcin de distribucin es 063 la fiabilidad 037.
A partir de los parmetros anteriores podemos estimar la media y la varianza
de esta distribucin aplicando las siguientes frmulas:
[ ( ) (1 + )]
( )
2 = 2 1 +
= 1 + 1
donde () es la funcin Gamma.

Ejemplo 2.4.
Se han ensayado hasta su fallo 12 resortes de acero, registrndose el nmero

de ciclos de compresin extensin en que cada uno de los fallos se ha producido.
Con los valores obtenidos preparamos una tabla, en la que adems se calculan las
funciones de distribucin muestrales empleadas en este mtodo, resultando:
Ti
11680
13850
15550
15770
15800
17100
17150
19130
22080
22900
24590
26230
Fi
5.6
13.7 21.8 29.8 37.9 46.0 54.0 62.1 70.2 78.2 86.3 94.4
Y representndolo grficamente, tenemos la Figura 5.5, en la que podemos

leer las estimaciones de los valores de los dos parmetros de la distribucin de Weibull:
30
= 4.5
= 195000
PENDIENTE
DE WEIBULL
VIDA
Figura 2.5.
2.3.3.3. Mtodos grficos II. Ensayos incompletos.
Para el caso de ensayos incompletos tomamos los instantes de tiempo, ti, en los que
han fallado r unidades de una muestra de tamao n. Estas r unidades puede ser, o
bien, el nmero de fallos que hemos fijado para un ensayo censurado, o bien, el nmero de unidades que han fallado hasta el instante tr en un ensayo truncado.
El papel probabilstico de Weibull que se emplea aqu es un papel pautado ortogonal
donde en el eje de abcisas inferior se pone la tasa de fallos acumulados (o funcin
31
de azar acumulada) y en las ordenadas el instante del fallo, con ello obtenemos la
funcin de la tasa de fallo. En la abcisa superior se encuentra la funcin de distribucin en funcin de los instantes de fallo (Figura 2.6).
Figura 2.6.- Papel probabilstico de Weibull para ensayos incompletos

Calculamos la tasa de fallo como:
t =
100
K
donde K es la numeracin en orden inverso (de mayor a menor) de los instantes de

tiempo en los que se han ido retirando los componentes de la muestra de tamao n,
bien sea porque han fallado o porque han finalizado el test. Se hallar la tasa de fallo
slo de aquellos componentes que hayan fallado.
32
Una vez se ha hallado la tasa de fallo, determinaremos la tasa de fallo acumulada i,

como la suma de las tasas de fallo anteriores, que ser la que dibujemos. Si los puntos forman aproximadamente una recta podremos estimar los parmetros de la distribucin de la siguiente forma:
El parmetro de forma se hallar trazando una recta paralela a la que forman
los puntos del ensayo tomando el punto de referencia para dibujarla. El punto donde se corta con la escala superior de la tabla ser el valor estimado de .
El parmetro lo estimaremos leyendo del eje de ordenadas el instante de tiempo
que corresponde a una desfiabilidad del 63%.
Ejemplo 2.5.
Se est estudiando el comportamiento de unos rodamientos frente a problemas de

fatiga del material y se han analizado 20 unidades en un ensayo cuya duracin estaba limitada a 250 horas. Los resultados son:
Nmero de fallos:
Instantes de fallo:
128, 145, 162, 170, 191, 210, 223, 235, 246
Adems, en dos unidades la experiencia hubo de detenerse por motivos distintos al

estudiado en los instantes 155 y 220.
ti
ni
ht
Ht
128
20
5,00
5,00
145
19
5,26
10,26
155**
18
162
17
5,88
16,15
170
16
6,25
22,40
191
15
6,67
29,06
210
14
7,14
36,21
33
Tabla 2.3.
220**
13
223
12
8,33
44,54
235
11
9,09
53,63
246
10
10,00
63,63
250**
9-1
Si calculamos las tasas de fallo o funciones de azar obtenemos la Tabla 5.3. Si empleamos el mtodo grfico para ensayos incompletos de Weibull, obtenemos la figura 5.7, que nos permite obtener las siguientes estimaciones:
=
2.1
370 horas
El valor del parmetro lo leemos directa mente de la escala de la parte superior de

la grfica, mientras que el parmetro lo obtenemos entrando con el valor 63 en la
lnea de porcentaje, bajando hasta la recta ajustada y leyendo en la escala izquierda
el valor de .
En la escala de la izquierda (ordenadas) hemos considerado las horas multiplicadas
por 10, en lugar del 1000 que figura en el impreso.
34
Figura 2.7.
2.4. Ensayos de comparacin.
El objetivo de este tipo ensayo no es estimar el valor de los parmetros de una distribucin, sino comprobar, a travs del ensayo, si el componente cumple un determinado requisito en cuanto a la vida media, es decir, plantear un test de hiptesis para
contrastar el valor de sta vida media.
Este procedimiento se basa en el planteamiento de lo que llamamos una hiptesis
nula (H0) que nos proporciona el valor del parmetro que queremos comprobar, en
nuestro caso la vida media, contra otra hiptesis alternativa (H1) que nos dice, en
caso de que no se cumpla la nula, qu posibles valores puede tomar el parmetro
poblacional. Por ejemplo, si se plantea el contraste de hiptesis H0(0) vs H1(<0)
queremos comprobar si la vida media es superior o igual a un valor 0 o por el con-
35
trario es menor. La resolucin de este tipo de contraste se realiza mediante la comparacin del valor estimado del parmetro poblacional (a travs de una muestra) con
un valor crtico que se determinar en funcin de las hiptesis planteadas, de forma
que aceptaremos o rechazaremos la hiptesis nula en funcin de si este parmetro
muestral sobrepasa o no el valor crtico.
Como en todos los mtodos estadsticos, la certeza absoluta no existe, puesto que al
realizar el estudio de los parmetros a travs de una muestra aleatoria, en vez de
con toda la poblacin, tendremos cierto grado de incertidumbre en el resultado que
se obtenga. Por ello, debemos fijar de entrada la probabilidad de error que queremos
cometer para hacer este estudio. As pues, debemos saber qu tipos de error se
pueden cometer.
En las pruebas de hiptesis estadsticas existen dos tipos de error, que son los que
se llaman Error de 1 especie y Error de 2 especie. El primero de ellos es debido a
que rechazamos la hiptesis nula cuando realmente es cierta y a la probabilidad de
cometer este error le llamamos . El segundo es debido a que aceptamos la hiptesis nula cuando realmente es falsa y su probabilidad es representada por .
Habitualmente las pruebas que se realizan corresponden a lo que hemos llamado
ensayos incompletos pudiendo utilizarse para este tipo de comparaciones los ensayos truncados y los censurados. Desarrollaremos el mtodo para cada uno de ellos.
Los ensayos expuestos a continuacin se basan en el modelo exponencial, por lo
tanto debern ser empleados slo durante la vida til de las unidades estudiadas.
Ensayos censurados.
El contraste de hiptesis que queremos realizar es
H0(0)
vs
H1(<0)
y teniendo en cuenta que r es un nmero de fallos con el que se ha limitado el ensayo entonces:
2 ti 2 T
=
22r
i=1
r
36
donde ti son los instantes de fallo de los r componentes. Es decir, que su distribucin
es una Chi cuadrado de 2r grados de libertad.
La zona de rechazo de la hiptesis nula para este tipo de contraste es la misma que
la de H0(=0) vs H1(<0):
r
R = t / < a
y recordando que $ = T/r
(como ya se vio en la estimacin del parmetro de la
distribucin exponencial)
r
R = t /T <r a
Fijando la probabilidad de error de 1 especie , obtenemos el intervalo de aceptacin de la hiptesis:
2r a
2T 2r a
1- = P(T r a / = 0 ) = P
/ = 0 = P 22r
por lo tanto:
2r a
= 22(r )
0
a=
0 2( )
2 r 2r
Por lo tanto, rechazaremos la hiptesis nula cuando
R = t / T < 0 22(r )
2
y aceptaremos la hiptesis nula cuando
A = t / T 0 22(r )
2
Podemos comprobar cul es la eficacia del test, es decir, obtener su Curva

Caracterstica. Si calculamos la probabilidad de que el test nos lleve a aceptar en
funcin del valor de , se obtiene que:
2 ( )
2 T 0 2 ( )
2 ( ) 2 ( )
2 ( )
2r = P 2r 0 2r = 1 F 2 0 2r
Pa = P T 0 2r = P
2r
2
donde F es la funcin de distribucin de una Chi cuadrado de 2r grados de libertad.
37
Ejemplo 2.6.
Se estn recibiendo rels para su montaje en un equipo industrial y se ha especificado al fabricante que la vida media debe superar las 100.000 conmutaciones. Para
comprobar el cumplimiento de esa especificacin se realiza un ensayo censurado,
limitado a 20.000 conmutaciones. Los resultados obtenidos al ensayar 15 unidades
han sido:
Fallos observados: 4
Instantes de fallo:
8000, 12500, 16000, 18800
Para decidir si se acepta el envo, con =5%, y pasa a montaje se debe calcular la
zona de aceptacin del test arriba expuesto:
0 2 ( )
r
A = t / T
2 2r
donde:
0 = 20.000
2 ( 0.05 )
resultando:
r=4
= 15.51
r
A = t / T 155100
y como en este ejemplo T= 275.300, deberemos ACEPTAR el envo.
Ensayos truncados
Queremos contrastar
H0(0) vs H1(<0)
para el caso del un test limitado por tiempo. Para ello tomaremos una muestra de
tamao n y en funcin del nmero de componentes que hayan fallado hasta el ins-
38
tante T0, que es la duracin del ensayo, aceptaremos o rechazaremos la hiptesis

nula.
La Tabla 2.4 muestra el tamao de muestra mnimo que debemos tomar en funcin
del nmero mximo de fallos que permitiremos para aceptar la hiptesis nula (nmero de aceptacin) y en funcin de los valores del ratio T0/0 donde T0 es la duracin
del ensayo y 0 es el valor de la hiptesis que queremos comprobar. Los datos estn
hallados para un nivel de confianza del 90% y para fallos accidentales, es decir, con
la distribucin Exponencial.
TAMAO DE MUESTRA PARA ENSAYOS TRUNCADOS (NIVEL DE

CONFIANZA DEL 90%)
N de
Ratio T0/0
10
05
02
01
005
002
001
0005
0002
0001
00005
00002
Aceptacin
00001
0
1
2
3
4
3
5
7
9
11
5
9
12
15
19
12
20
28
35
42
24
40
55
69
83
47
79
109
137
164
116
195
266
333
398
231
390
533
668
798
461
778
1.065
1.337
1.599
1.152
1.946
2.662
3.341
3.997
2.303
3.891
5.323
6.681
7.994
4.606
7.780
10.645
13.362
15.988
11.513
19.450
26.612
33.404
39.968
23.026
38.838
53.223
66.808
79.936
5
6
7
8
9
13
15
16
18
20
22
25
28
31
34
49
56
63
70
76
97
110
123
136
149
190
217
243
269
294
462
528
589
648
709
927
1.054
1.178
1.300
1.421
1.855
2.107
2.355
2.599
2.842
4.638
5.267
5.886
6.498
7.103
9.275
10.533
11.771
12.995
14.206
18.549
21.064
23.542
25.990
28.412
46.374
52.661
58.855
64.974
71.030
92.747
105.322
117.710
129.948
142.060
10
11
12
13
14
22
22
25
27
29
37
40
42
45
48
83
89
95
102
108
161
174
187
199
212
319
344
369
393
417
770
830
888
947
1.007
1.541
1.660
1.779
1.896
2.013
3.082
3.320
3.557
3.792
4.026
7.704
8.300
8.891
9.479
10.064
15.407
16.598
17.782
18.958
20.128
30.814
33.197
35.564
37.916
40.256
77.034
82.991
88.908
94.790
100.640
154.068
165.982
177.816
189.580
201.280
Tabla 2.4.
Ejemplo 2.7.
Se desea estudiar un lote de componentes que nos enva un proveedor mediante un

ensayo truncado de 100 horas de duracin, permitindose un solo fallo en las unidades ensayadas. La vida media requerida para esas unidades es de 1000 horas. Si se
usa =10%, cul debe ser el nmero de unidades que se ensayen?.
T0= 100
0= 1000
39
y por tanto el ratio
T0/0= 0.1
como el nmero de aceptacin es 1, usando la tabla anterior resulta que:

n 40
2.5. Ejercicios.
1. Se desea estimar la vida media de unos componentes de los que se sabe que
estn en su vida til. Para ello se hace un ensayo limitado censurado con 20 unidades, de las que fallan 3 en los instantes 710, 840 y 1028. Obtener la estimacin puntual y por intervalos de confianza para esa vida media en dos supuestos:
a) ensayo sin reemplazamiento
b) ensayo con reemplazamiento
2. Los fallos de unos componentes electrnicos se intuye que se estn debiendo a
problemas de envejecimiento. Para estudiarlo se realiza un ensayo truncado de 250
horas de duracin. Son ensayadas en l 15 unidades resultando seis fallos en los
instantes 80, 150, 185, 205, 220 y 245. En una unidad el puesto de ensayo se averi
a las 200 horas sin que el componente ensayado en ella hubiera fallado antes. Comprobar si el modelos sigue un comportamiento tipo Weibull y estimar sus parmetros.
3. Se est controlando la fiabilidad de unos lotes de motores elctricos que se reciben de un proveedor. Para hacerlo se emplea un ensayo truncado, de duracin 24
horas. Si se especifica que la vida media requerida debe ser 2400 horas, disear el
ensayo a realizar si trabajamos con =10%.

Fiabilidad de Componentes

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Fiabilidad de Componentes

Uploaded by

Copyright:

Available Formats

UNIVERSIDAD DE LAS PALMAS DE GRAN CANARIA

MASTER EN INGENIERA DE CONFIABILIDAD Y RIESGO

FIABILIDAD DE COMPONENTES Y SISTEMS TCNICOS

CAPTULO 1: MODELOS DE FIABILIDAD

1.1. Modelo Normal [N(,)].

A. Carrin: Fiabilidad de componentes y sistemas tcnicos.

2.2. Modelo Exponencial (EXP()).

donde es una constante positiva (>0).

A. Carrin: Fiabilidad de componentes y sistemas tcnicos.

la funcin de fiabilidad, probabilidad de supervivencia a una duracin t, queda como

Puede observarse que (t) no depende de t, en otras palabras, la tasa de fallo es

A. Carrin: Fiabilidad de componentes y sistemas tcnicos.

En efecto, sean t1, y t2 tales que t2>t1. Se cumple que:

P(T > t 2 / T > t 1 ) =

P([T > t 2 ] [T > t 1 ]) P(T > t 2 )

Si llamamos t1=t, t2=t1+, resulta:

A. Carrin: Fiabilidad de componentes y sistemas tcnicos.

1.3. Modelo de Weibull.

Si la variable vida de la unidad estudiada se modeliza mediante una distribucin de

Por lo tanto la tasa de fallo es:

Obsrvese que si t=, entonces F()=063 y R()=037

A. Carrin: Fiabilidad de componentes y sistemas tcnicos.

para el periodo de fallos por envejecimiento, y si =1 la utilizaremos para explicar la

1. La vida de una unidad sigue un modelo de Weibull de parmetros q=850 horas y

A. Carrin: Fiabilidad de componentes y sistemas tcnicos.

A. Carrin: Fiabilidad de componentes y sistemas tcnicos.

CAPTULO 2: ESTIMACIN Y ENSAYOS

A. Carrin: Fiabilidad de componentes y sistemas tcnicos.

2.1. Tipos de ensayos.

En primer lugar debe considerarse que el objetivo de los ensayos en fiabilidad es

A. Carrin: Fiabilidad de componentes y sistemas tcnicos.

aspectos ms importantes, en cada caso, del comportamiento de un producto. A

b) Por su naturaleza estadstica

1. Ensayos de estimacin: Orientados a conocer (estimar) el valor de alguno de los

A. Carrin: Fiabilidad de componentes y sistemas tcnicos.

c) Por las cargas aplicadas

A. Carrin: Fiabilidad de componentes y sistemas tcnicos.

2.2. Anlisis de los resultados de los ensayos.

2.2.1. Ensayos de fiabilidad frente a fallos accidentales

A. Carrin: Fiabilidad de componentes y sistemas tcnicos.

A. Carrin: Fiabilidad de componentes y sistemas tcnicos.

2.2.2. Ensayos de fiabilidad frente a fallos por envejecimiento.

bucin Normal de media y desviacin tpica , N(,), en el intervalo 3 se en-

A. Carrin: Fiabilidad de componentes y sistemas tcnicos.

2.3. Ensayos de estimacin.

A. Carrin: Fiabilidad de componentes y sistemas tcnicos.

2.3.1. Distribucin Exponencial.

Como hemos visto anteriormente, la ley exponencial expresada segn su funcin de

2.3.1.1. Estimacin de parmetros.

A. Carrin: Fiabilidad de componentes y sistemas tcnicos.

Estimacin mediante intervalos de confianza:

- Intervalo unilateral: >

Ensayo truncado (Test limitado por tiempo):

Tngase en cuenta que lo que se ha llamado aqu arriba intervalo unilateral es en

A. Carrin: Fiabilidad de componentes y sistemas tcnicos.

Estimacin mediante mtodos grficos:

A. Carrin: Fiabilidad de componentes y sistemas tcnicos.

Figura 2.1.- Papel probabilstico exponencial

Se han ensayado 37 componentes cuya duracin se supone que sigue una

Estimacin por intervalos de confianza:

A. Carrin: Fiabilidad de componentes y sistemas tcnicos.

Cota inferior ( = 5%):

Grficamente (ver figura 2.2).

A. Carrin: Fiabilidad de componentes y sistemas tcnicos.