Professional Documents
Culture Documents
Práctica 1:
Objetivo:
En esta práctica se van a analizar una serie de muestras de duración de procesos para ver
si corresponden a procesos con Tasa de Fallos (Hazard Rate) creciente, decreciente o
constante.
Conceptos básicos:
En las prácticas de fiabilidad las variables que van a ser analizadas son duraciones o
tiempos de vida útil de componentes. Es decir, se va a partir de una muestra de tiempos
x1, x2, ..., xn. Estos tiempos se comportan (distribuyen) de acuerdo a alguna función de
distribución de probabilidad que llamamos F(x). La función de densidad asociada a
F(x) es f(x) y cumple que
t
F (t ) = ∫ f ( x)dx .
0
La combinación de estos tres tipos de tasas da lugar a otros modelos más complejos
entre los que destaca la curva de la bañera: Tasa de fallos primero decreciente
(mortalidad infantil), luego constante (vida útil) y finalmente creciente (desgaste en
el componente).
La función de supervivencia empírica para un instante t se define como la proporción
de tiempos de la muestra que sobrepasa dicho tiempo. Es decir, dada la muestra x1, x2,
..., xn de tiempos de fallo, la función de supervivencia empírica para un tiempo t queda
definida como
# {xi : xi ≥ t} n º de observaciones con duraciones ≥ t
Rˆ (t ) = = .
n n
Datos:
Los datos que se van a analizar se encuentran en el fichero practica 1 fiabilidad.sf.
El fichero contiene 18 muestras denominadas V1 hasta V18. Todas las variables
contienen tiempos de fallos simulados.
La primera parte de la práctica consiste en averiguar el tipo de tasa de fallos que tiene
cada una de las 18 variables contenidas en el fichero. La segunda parte consiste en la
estimación de la fiabilidad de sistemas formados por componentes en serie y en
paralelo.
DESCRIBE
LIFE DATA
LIFE TABLES (times)
Pero para ilustrar mejor la tabla veamos qué tenemos para la primera fila:
• El componente que falla primero (es la primera fila, tiempos ordenados), lo hizo en
el instante de tiempo 3.68535 (Time). Éste corresponde a la observación 26 de los
datos (Row). El estado (Status) que se recoge es el de un fallo (en prácticas
siguientes no todos serán fallos). El número de observaciones que tienen tiempos
(estrictamente) mayores que 3.68535 (Number at Risk) es 99, lo que representa un
0.99 ya que tenemos 100 observaciones en esta variable (Cumulative Survival). Las
últimas dos columnas representan la desviación típica (Standard Error) de esa
estimación (de 0,99) y la tasa de fallos acumulada (Cumulative Hazard).
Por último la figura 3 nos muestra la tasa de fallos acumulada para la variable V1. Se
observa que la tasa de fallos acumulada evoluciona de forma lineal, por lo tanto, como
ésta es la integral de la tasa de fallos, podemos decir que la tasa de fallos de esta
variable es constante, es decir, es CFR (Constant Failure Rate).
En este apartado vamos a estudiar las tasas de fallo de otras variables del fichero.
Analizamos las variables V7, V8 y V16. Se vuelven a hacer los análisis para estas
variables.
DESCRIBE
LIFE DATA
LIFE TABLES (times) (y en data el nombre de estas variables)
• Poniendo los componentes en serie: Ambos tienen que funcionar para que el sistema
funcione
• Poniendo los componentes en paralelo: Con que funcione uno es suficiente para que
el sistema también lo haga
Los sistemas pueden estar formados por cualquier combinación de estas dos
configuraciones. Pero, ¿cómo puedo calcular la fiabilidad de un sistema? ¿cómo puedo
elegir la mejor configuración de los componente con el objetivo de obtener la más
fiable?
En esta práctica se aborda este problema desde dos puntos de vista y se aplican ambos
métodos para calcular la fiabilidad del siguiente sistema
Opción 1:
El siguiente paso es analizar el comportamiento del sistema S12 con el componente C3.
Como esta configuración es en paralelo, se tiene que el sistema falla cuando fallen los
dos, es decir, cuando falle el último. Por lo tanto, llamando a este nuevo sistema S123
tenemos que el tiempo de fallo será el máx(V3,S12) que es igual al
máx(V3,min(V1,V2)).
Y finalmente tenemos que el fallo del sistema entero, llamémoslo S1234, será lo que
ocurra primero, bien el fallo de C4 o bien el de S123. Es decir, tendremos que el tiempo
de fallo del sistema entero será:
S1234=mín(S123,V4)=min(máx(V3,min(V1,V2)),V4).
Para poder estimar la fiabilidad del sistema para distintos tiempos vamos a generar
nuevas columnas que contengan el tiempo de fallo de cada subsistema en cada una de
las 100 réplicas.
Para resolver el problema del máximo y del mínimo entre variables vamos a usar
expresiones lógicas. Así podemos usar:
min(a, b) = a ⋅ I (a < b ) + b ⋅ I (b ≤ a )
y
max(a, b) = b ⋅ I (a < b ) + a ⋅ I (b ≤ a )
Comenzamos calculando S12, que es el mínimo entre V1 y V2: situar el cursor sobre el
nombre de la variable Col_19, se presiona el botón derecho y se elige la opción
“Generate data”.
DESCRIBE
LIFE DATA
LIFE TABLES (times)
EN DATA PONER S1234
Opcion 2:
Hacemos el análisis para cada componente (de V1 a V4) y buscamos el valor en la tabla
del resumen del análisis. En este caso tenemos los siguientes valores:
P(V 1 > 100) = 0.9, P(V 2 > 100) = 0.84, P(V 3 > 100) = 0.85 y P(V 4 > 100) = 0.94 .
Fiabilidad del subsistema S12. Este sistema falla cuando falle uno de los dos, así que
sigue funcionando cuando ambos lo hagan:
P(V 1 > 100 y V 2 > 100) = P(V 1 > 100) ⋅ P(V 2 > 100) = 0.9 ⋅ 0.84 = 0.756 .
Fiabilidad del subsistem a S123. Este sistema funciona cuando funcione bien C3, bien C1
y C2, o bien todos a la vez. Es decir, cuando funcione bien el sistema S12, bien el C3 o
bien ambos (unión de sucesos):
P( S12 > 100 ó V 3 > 100) = P( S12 > 100) + P(V 3 > 100) − P( S12 > 100) ⋅ P(V 3 > 100)
Fiabilidad del Sistema entero. Funcionará cuando lo hagan el sistema S123 y también
C4. Por lo tanto:
P ( S1234 > 100 ) = P ( S123 > 100 y V 4 > 100 ) = P ( S123 > 100 ) ⋅ P (V 4 > 100) = 0.9634 ⋅ 0.94 = 0.905596
Se observa que las probabilidades obtenidas por ambos métodos son distintas pero sí
son bastante próximas. Estas probabilidades son aproximaciones no paramétricas (no
suponemos que los datos siguen un modelo probabilístico determinado, por ejemplo
exponencial, Weibull, etc.). En la siguiente práctica se aprenderá a encontrar modelos
adecuados a los datos, lo que nos permitirá que podamos estimar mediante funciones no
escalonadas la fiabilidad de los componentes. Evitando de ese modo que la fiabilidad en
dos instantes de tiempo distintos sea la misma.
Supongamos ahora que tenemos un sistema con todos los componentes en serie (ver
figura 10).
¿Cual es más fiable de los dos en el instante 100? Habría que calcular la probabilidad de
que el nuevo sistema funcione más allá del instante 100. De nuevo se puede hacer de las
dos formas. De forma rápida se realiza el cálculo del segundo método (se deja para el
alumno el conseguir los tiempos de fallo suponiendo que tenemos una muestra de 100
sistemas, ya que nos aporta más información: función de supervivencia, tasa de fallos,
...). Al ser un sistema en serie tienen que funcionar todos los componentes para que el
sistema funcione:
4
P(V 1 > 100 y V 2 > 100 y V 3 > 100 y V 4 > 100) = ∏ P (Vi > 100) = 0.9 ⋅ 0.84 ⋅ 0.85 ⋅ 0.94 = 0.604044
i =1
Se tiene que para el instante 100 es más fiable el primer sistema, ya que sigue
funcionando después de ese instante con una mayor probabilidad.
Autoevaluación de la práctica:
Se puede dar por superada esta práctica cuando tras su realización el alumno sea capaz
de: