Matematicas de La Fiabilidad-Rev

MASTER EN INGENIERIA DE CONFIABILIDAD Y RIESGO
MATEMATICAS DE LA FIABIIDAD

Nieves Martnez-Alzamora

Departamento de Estadstica e Investigacin Operativa y Calidad
Universidad Politcnica de Valencia
N. Martnez-Alzamora: Matemticas de la Fiabilidad
2

INTRODUCCION................................................................................................................................... 3
OBJETIVOS DEL TEMA...................................................................................................................... 3
IDEAS PRINCIPALES DEL TEMA.................................................................................................... 3
SEGMENTOS DE CONTENIDO DEL TEMA................................................................................... 4
1. INTRODUCCION.............................................................................................................................. 4
2. FUNCION DE FIABILIDAD............................................................................................................ 5
3. FUNCIN DE RIESGO..................................................................................................................... 7
4. FUNCION DE RIESGO ACUMULADO...................................................................................... 10
5. TIEMPO MEDIO HASTA EL FALLO......................................................................................... 12
6. FIABILIDAD CONDICIONAL...................................................................................................... 13
7. CENSURA.......................................................................................................................................... 14
8. ESTIMACIN NO PARAMTRICA........................................................................................... 15
Datos completos................................................................................................................................... 16
Datos censurados.................................................................................................................................. 19
RECUERDA QUE................................................................................................................................. 23
GLOSARIO............................................................................................................................................ 26
BIBLIOGRAFA DE APOYO PARA EL TEMA............................................................................. 27
3
INTRODUCCION
En esta Unidad Pedaggica se definen las funciones y las medidas que se utilizan habitualmente para
describir y comparar las distribuciones de probabilidad del tiempo hasta el fallo en distintas poblaciones.
Se trabajan en el caso discreto y en el caso continuo para facilitar la asimilacin intuitiva de los
conceptos. Se incluyen varios ejercicios cuyo objetivo es que el alumno maneje con soltura estas
funciones y las ecuaciones que permiten pasar de unas a otras. El tema incluye tambin los mtodos de
estimacin no parametrica de la funcin de fiabilidad y de la funcin de riesgo y algunos ejercicios
resueltos. El conocimiento de estos mtodos y el estudio detallado de la resolucin de estos ejercicios
ayudar al alumno a interpretar mas fcilmente los valores que toman estas funciones.

OBJETIVOS DEL TEMA
Al finalizar el estudio de este tema, se espera que el alumno:

Conozca las distintas funciones que se utilizan en anlisis de fiabilidad para describir la
distribucin del tiempo de fallo

Conozca las ecuaciones que permiten pasar de una funcin a otra y las maneje con soltura

Conozca las medidas mas utilizadas para comparar las distribuciones del tiempo hasta el
fallo de distintas poblaciones

Entienda la importancia de la presencia de datos censurados en el estudio de la distribucin
de T y sepa reconocer los distintos tipos de censura

Conozca los mtodos que se utilizan habitualmente para obtener una estimacin emprica
de la funcin de fiabilidad y de la funcin de riesgo cuando los datos son completos y
cuando existen datos censurados, analizando las consecuencias de la presencia de datos
censurados en la muestra y profundizando en la interpretacin de los valores que toman
estas funciones.

IDEAS PRINCIPALES DEL TEMA
Se indican los motivos que han llevado en el anlisis de fiabilidad a describir funciones y medidas
especficas para describir la distribucin de la variable tiempo hasta el fallo, como alternativa a las
utilizadas habitualmente en estadstica para el resto de las variables.

Se define la funcin de fiabilidad en el caso continuo y se obtienen las ecuaciones que relacionan esta
funcin con las funciones utilizadas habitualmente en estadstica para describir las variables continuas:
funcin de distribucin y funcin de densidad. Se define tambin la funcin de fiabilidad en el caso
discreto y se obtienen las ecuaciones que relacionan esta funcin con las funciones utilizadas
habitualmente en estadstica para describir las variables discretas: funcin de probabilidad y funcin de
distribucin.

4
Se define la tasa de fallo y a partir de este concepto se pasa a definir en el caso continuo la funcin de
riesgo. Se obtienen las ecuaciones que relacionan la funcin de riesgo con la funcin de fiabilidad y con
la funcin de densidad. A continuacin se analiza la interpretacin de las distintas formas que suele
tomar habitualmente esta funcin. Se pasa a definir la funcin de riesgo en el caso discreto y se obtienen
las ecuaciones que relacionan la funcin de riesgo con la funcin de fiabilidad y la funcin de
probabilidad. A continuacin, se define la funcin de riesgo acumulado y la tasa media de fallo. Se
incluyen varios ejercicios cuyo objetivo es que el alumno maneje con soltura estas funciones y las
ecuaciones que permiten pasar de unas a otras.

Se describen las medidas de posicin y dispersin mas utilizadas para la distribucin del tiempo hasta el
fallo: tiempo medio hasta el fallo, mediana del tiempo hasta el fallo y desviacin tpica, indicando como
pueden obtenerse estas medidas a partir de la funcin de fiabilidad.

En el punto 6 se define la distribucin condicional que permite obtener la fiabilidad de una componente
despus de un perodo de puesta a punto y se indica como obtener la vida media residual a partir de la
funcin de fiabilidad. Se incluye un ejercicio con el objetivo de afianzar estos conceptos.

En el punto 7 se introduce el concepto de censura, necesario en la utilizacin de tcnicas estadsticas en
el estudio de fiabilidad y se describen los distintos tipos de censura.

Por ltimo, se describen los principales mtodos de estimacin no parametrica de la funcin de fiabilidad
y de la funcin de riesgo, para datos completos y para datos censurados y se proporcionan ejemplos
resueltos en cada caso. El conocimiento de estos mtodos y el estudio detallado de estos ejemplos
ayudar al alumno a interpretar mas fcilmente los valores que toman las funciones de fiabilidad y la
funcin de riesgo y comprender las ideas en base a las cuales se han desarrollado los diferentes mtodos
que permiten incorporar la informacin que proporcionan los datos censurados en la estimacin emprica
de estas funciones.

SEGMENTOS DE CONTENIDO DEL TEMA

1. INTRODUCCION
Uno de los objetivos principales del estudio de fiabilidad es la modelizacin de la distribucin del tiempo
hasta el fallo, T. Esta es una variable, no negativa, que suele tener una distribucin asimtrica positiva.
Su distribucin de probabilidad, como la de cualquier otra variables puede ser descrita por la funcin de
densidad o por la funcin de distribucin, como ya se ha visto en el Modulo I y pueden utilizarse las
medidas habituales para realizar comparaciones. No obstante se han definido otras funciones
alternativas, equivalentes a la funcin de densidad o de distribucin, especficas para esta variable, que
aportan una informacin ms interpretable desde el punto de vista intuitivo. Por otra parte, debido a la
asimetra frecuente de su distribucin suelen utilizarse medidas de posicin alternativas a las habituales
para realizar comparaciones entre distribuciones e incluso se han definido medidas especficas para este
tipo de distribucin.

5
2. FUNCION DE FIABILIDAD
Sea T una variable aleatoria, no negativa, que representa el tiempo de vida de una componente. La
variable T puede ser considerada como una variable continua que toma valores en [0,) o como una
variable discreta (debido al redondeo de mediciones, agrupacin de valores en intervalos, etc.) La
distribucin de probabilidad de T, al igual que la distribucin de cualquier otra variable, puede
especificarse, como se vio en el Modulo I, a travs de diferentes funciones equivalentes, en el sentido de
que conocida cualquiera de ellas puede determinarse el resto.

Tres de estas funciones son especialmente tiles, por su interpretacin intuitiva, en el estudio del tiempo
de vida: la funcin de fiabilidad, la funcin de riesgo y la funcin de riesgo acumulado. Veremos a
continuacin la definicin de estas funciones y las interrelaciones entre ellas para distribuciones
discretas y para distribuciones continuas.

Consideraremos la funcin de fiabilidad (reliability function) de T, definida como,

( ) ( ) > = t t T P t R 0

ya que esta es la definicin mas utilizada. No obstante, algunos autores clsicos como Kalbfleisch (1980)
y Crowder (1991) prefieren definir R(t) como P(Tt) y F(t) como P(T<t). En la prctica, esto no
establece ninguna diferencia en el caso continuo, pero s que las establece en el caso discreto.

As definida, la funcin de fiabilidad es una funcin montona, no creciente, con R(0)=1 y lim
t
R(t)=0
(fig. 1).

Figura 1

La funcin de distribucin acumulativa de la v.a. T en el instante t, es

( ) ( ) t T P t F =

y por lo tanto la funcin de fiabilidad y la funcin de distribucin son funciones complementarias,

6
( ) ( ) 1 = + t F t R

Si consideramos que T es una variable continua, la funcin de fiabilidad, R(t), puede obtenerse
integrando la funcin de densidad, f(t) como:

( )
=
t
dt t f t R ) (

En aquellos puntos en los que la funcin de fiabilidad sea derivable se verificar que,

( ) ( )
) (
) ( 1
t f
dt
t F d
dt
t dR
=
=

La probabilidad de que ocurra un fallo en un intervalo [ ]
2 1
t , t puede expresarse en trminos de funcin
de fiabilidad como,

( ) ( ) ( )
=
2
1
2 1
t
t
t R t R dt t f

La pendiente de la funcin de fiabilidad vara segn el riesgo de que el suceso en estudio ocurra en el
tiempo t, pero es difcil determinar un patrn de fallo simplemente observando su representacin grfica.
En cualquier caso, su estudio detallado puede resultar muy til para comparar dos o ms patrones de
fallo (fig. 2).

Figura 2

Si T es considerada como una variable discreta y toma los valores t
1
< t
2
< ... con funcin de probabilidad
asociada,

p(t
j
)=P(T=t
j
), j=1,2,....,

la funcin de fiabilidad puede escribirse como :

7
>
=
t t
j
j
) p(t R(t)

3. FUNCIN DE RIESGO
Una forma alternativa para describir la distribucin del tiempo de vida, bsica en su anlisis, es la
funcin de riesgo (hazard function) . Esta funcin proporciona generalmente ms informacin, acerca de
los mecanismos de fallo, que la funcin de fiabilidad.

Dado un intervalo ( ) t t t + , , se llama tasa de fallo de una unidad en dicho intervalo a la probabilidad
de que una unidad, que ha estado operativa hasta el inicio del intervalo, falle en dicho intervalo dividida
por la amplitud del intervalo

( )
t
t T t t T t P
> + < /

La funcin de riesgo, h(t), de una unidad en el instante t se define como la tasa instantnea de fallo en
T=t, es decir el limite de la tasa de fallo cuando la amplitud del intervalo tiende a cero.

( )
t
t T t t T t P
t h
t

> + <
=
+

/
lim ) (
0

Si T es considerada como una variable continua, la funcin de riesgo en t se puede obtener como:

( )
( ) ) (
) ( 1
lim ) (
0
t R
t f
t T P t
t t T t P
t h
t
=
>
+ <
=
+

(1)

Tanto la funcin de fiabilidad como la funcin de densidad pueden ser obtenidas a partir de la funcin de
riesgo.

En efecto, Partiendo de la ecuacin (1) tenemos que,

dt
t R d
t R
t R
t h
) ( ln
) (
) ( '
) ( = =
|
|
\
|
=

t
dt t h t R
0
) ( exp ) (

En cuanto a la funcin de densidad, partiendo de la misma expresin (1), tenemos que:

|
|
\
|
=

t
dt t h t h t f
0
) ( exp ) ( ) (

8

Si T es considerada como una variable discreta, la funcin de riesgo en t
j
se define como la probabilidad
fallo en t, condicionada a la fiabilidad hasta ese momento,

1,2,... j ) t /T t P(T
1 - j j j
= > = = h

Se verificar que,

( ) ( )
1,2,... j
) R(t
) p(t
) t P(T
) t T t T P(
1 - j
j
1 - j
1 - j j
j
= =
>
> =
= h

siendo R(t
0
)=1. Si expresamos la funcin de fiabilidad y la funcin de probabilidad en trminos de la
funcin de fallo tenemos que,

( )

= > = > =
t t
j
t t
j j
j j
h t T t T P t T P t R ) 1 ( ) / ( ) (
1

( ) ( )
=
=
1
1
1
j
i
i j j
h h t p

Respecto a la interpretacin de la forma que suele tomar la funcin de riesgo h(t):

Si h(t) es creciente esto nos indica que la tasa instantnea de fallo se va incrementando a medida
que transcurre el tiempo.
Si h(t) es constante esto nos indica que la unidad no envejece.
Si h(t) es decreciente indica que la tasa instantnea de fallo va decreciendo a medida que
transcurre el tiempo.

NOTA : La forma ms frecuente de la funcin de riesgo es la forma de baera que se recoge en la
figura siguiente:

Fallos
precoces
Fallos
accidentales
Fallos
envejecimiento
9
Los fallos precoces son los que se producen en el periodo inicial de funcionamiento.

Son debidos a errores de diseo o fabricacin
Se evitan realizando una puesta a prueba o depuracin
La eliminacin de este tipo de fallos es precisa en los sistemas de misin nica y es aconsejable
por la imagen que este tipo de fallos produce en el cliente

El perodo de vida til (fallos accidentales) es la vida efectiva del producto

Tasa de fallo generalmente constante
Fallos accidentales debidos al azar debidos a esfuerzos ocasionales o errores de operacin en el
usuario
En general son situaciones impredecibles
Estos fallos se controlan con un buen procedimiento de operacin y un adecuado mantenimiento
preventivo

Los fallos de envejecimiento se asocian a la edad: fatiga del material, degradacin de los
componentes,..

La velocidad de crecimiento de la tasa de fallo en este perodo depender del rgimen de uso en el
perodo de vida til
La tasa de fallo podr reducirse con planes de mantenimiento preventivo que reduzcan el
agotamiento de las componentes

Obviamente, no todas las componentes tienen una funcin de riesgo en forma de baera:

La mayora de componentes elctricas y electrnicas no tienen zona de envejecimiento
Algunas componentes mecnicas pueden no tener una tasa de fallo constante en el perodo de vida
til
La longitud de cada perodo variar de una componente a otra

EJEMPLO: En la figura 3, tenemos las funciones de densidad, distribucin, fiabilidad y riesgo
correspondientes a tres modelos estadsticos diferentes. En el primer modelo, la funcin de riesgo es
decreciente, en el segundo es constante y en el tercero es creciente. Podis observar como repercute la
forma de la funcin h(t) en el resto de las funciones que pueden describir la distribucin del tiempo de
vida. Que relacin tienen h(t) y R(t)?Que relacin tienen F(t) y R(t)?

10

Figura 3

4. FUNCION DE RIESGO ACUMULADO
Otra forma de describir la distribucin de probabilidad de T, relacionada con la funcin de riesgo, y
utilizada especialmente en la construccin de papeles probabilsticos y en el anlisis de residuos, es la
funcin de riesgo acumulado (cumulative hazard function) , H(t), definida en el caso continuo como:

=
t
dt t h t H
0
) ( ) (

Se verifica que,

= =
t
t R dt t h t H
0
)] ( ln[ ) ( ) ( ( )
( ) t H
e t R

=

Un concepto til y relacionado con la funcin de riesgo acumulado es la tasa media de fallo (Average
Failure Rate), definida entre dos tiempos t
1
y t
2
como:

( )
( ) ( )
1 2
2 1
1 2
2 1
ln ln 1
) , (
2
1
t t
t R t R
dt t h
t t
t t AFR
t
t

Si consideramos t
1
=0 y t
2
=t tendremos que,

( ) ( ) ( )
t
t H
t
t R
t
t R R
t AFR
) ( ln
0
ln 0 ln
) ( =
=

11
Si consideramos que T es una variable discreta definiremos la funcin de riesgo acumulado, H(t),
como:

=
t t
j
j
t h t H ) ( ) (

EJERCICIO 1: Sea T el tiempo de fallo de una componente cuya funcin de densidad viene dada por la
expresin,
( ) horas t
t
t f 000 . 50 000 . 25
1
*
2 ln
1
< < |
\
|
|
\
|
=

cul es la funcin de riesgo de esta componente?

( )
( ) t t
t h Sol
000 . 50 ln *
1
: =

EJERCICIO 2 : Sea T el tiempo de fallo de una componente del tiempo hasta el fallo cuya funcin de
distribucin es,
( )
t t
e e t F
8
7
1
7
8
1

+ =

Hallar la funcin de fiabilidad y la funcin de riesgo

( )
t t
t t
e e
e e
t h Sol
8
8
* 7 1 * 7 8
* 7 8 * 7 8
:

=

EJERCICIO 3: La funcin de riesgo de un sistema hidrulico es

( ) ao por fallos e e t h
t t 50 / 3
5 ' 2 1 003 ' 0 ) (

+ + =

Cul ser la fiabilidad a los 10 aos?

94205 ' 0 : Sol

EJERCICIO 4 : Sea T el tiempo de fallo de una componente cuya funcin de riesgo viene dada por la
expresin,

( )
4 / 1
25
1

= t t h

Hallar la funcin de fiabilidad y la funcin de densidad.

12
( )
( )
( ) ( )
( ) ( )
( ) 4 3
4 3
* 75 4 4 1
* 75 4
* * 25 1
:
t
t
e t t f
e t R Sol

=
=

5. TIEMPO MEDIO HASTA EL FALLO
Una medida de posicin, que permite comparar la fiabilidad de varios sistemas es el tiempo medio
hasta el fallo (Mean Time To Failure). Si consideramos que T es continua, el valor medio del tiempo
hasta el fallo se define como

( ) ( )
= =
0
dt t f t T E MTTF

Es posible calcular MTTF a partir de la funcin de fiabilidad, ya que,

( )
( ) ( ) ( )

= + = =
0 0
0
0
dt t R dt t R t tR dt
dt
t dR
t MTTF

Obviamente, acompaando al MTTF, debe calcularse una medida de dispersin. La ms utilizada es la
varianza del tiempo hasta el fallo,

( )
=
0
2 2
) ( dt t f MTTF t

Esta ecuacin puede escribirse tambin como,

( ) ( )
=
0
2 2 2
MTTF dt t f t

La raz cuadrada de la varianza es la desviacin tpica que vendr medida en las mismas unidades que la
variable T.

El valor medio del tiempo hasta el fallo es solo una de las diferentes medidas de posicin de la
distribucin de T. Otra medida de posicin, alternativa al MTTF, es la mediana del tiempo hasta el
fallo,
med
t , que verifica que

5 . 0 ) ( =
med
t R

13
La mediana divide la distribucin en dos partes, con un 50% de los fallos que ocurren antes de la
mediana y un 50% de los fallos que ocurren despus. La mediana es habitualmente utilizada como
medida de posicin cuando la distribucin es muy asimtrica.

6. FIABILIDAD CONDICIONAL
La fiabilidad condicional es til para describir la fiabilidad de una componente o sistema despus de un
periodo de puesta a punto T
0
o despus de un periodo de garanta T
0
. Se define la fiabilidad condicional
como la fiabilidad de un sistema que ha estado en funcionamiento durante un tiempo T
0
:

( ) { }
( )
( )
( )
( )
( )
=
+
= > + > =
+
+
t T
T
T
t T
dt t h
dt t h
dt t h
e
e
e
T R
t T R
T T t T T P T t R
0
0
0
0
0
0
0
0
0 0 0
/ /

Como R(t/T
0
) es una funcin de fiabilidad, puede calcularse el MTTF de la distribucin condicional o
vida media residual (Mean Residual Life) como

( ) ( )

+ = =
0
0
0
0
0 0
) (
1
/ ) ( dt t T R
T R
dt T t R T MRL

Si consideramos que t=t+T
0
tendremos que el valor medio del tiempo de vida restante para aquellas
unidades que permanecan en funcionamiento en el instante T
0
puede calcularse como

( ) ' '
) (
1
) (
0
0
0

=
T
dt t R
T R
T MRL

EJERCICIO 5: Sea T el tiempo de fallo en horas de una componente cuya funcin de densidad viene dada
por la expresin,

( ) < < =

t e t f
t
0 05 , 0
05 , 0

Hallar a) MTTF
b) vida media residual de la componente si sabemos que ha funcionado durante 100 horas.

; 20 : = MTTF Sol MRL=20

14
7. CENSURA
Desde un punto de vista estadstico, un aspecto que dificulta el estudio de la fiabilidad es la censura de
los datos que tiene lugar frecuentemente debido a que todas las unidades sometidas a prueba no fallan
antes de que se verifique el criterio de parada de la prueba.

En las observaciones censuradas no se conoce el valor exacto del tiempo de vida, T, de algunos
individuos y lo nico que se sabe acerca de su valor es que pertenece a un determinado intervalo.

Como se ha comentado anteriormente, antes de utilizar tcnicas estadsticas clsicas en un estudio de
fiabilidad es necesario revisar si es posible su aplicacin en presencia de datos censurados. Como ya se
comento en la U.P. anterior, la presencia de censura dificulta o imposibilita el uso de las tcnicas
estadsticas clsicas, pero no es posible prescindir de los datos censurados ya que, si esto se hiciera, los
resultados obtenidos estaran claramente sesgados. En efecto, ignorar las unidades censuradas en el
anlisis, eliminara valiosa informacin y sesgara los resultados, ya que slo las unidades ms dbiles,
con los tiempos de fallo mas cortos entraran en el anlisis y la fiabilidad de las componentes sera muy
subestimada.

Existen varios tipos de censura y, en cada caso, el anlisis de los datos se plantea basndose en el tipo de
censura. El planteamiento del ensayo es el que determina el tipo de censura.

Basndose en el diseo del ensayo, una censura es de Tipo I, o censura por tiempo, si el estudio tiene
una duracin determinada y es de Tipo II, o censura por fallo, si el estudio se detiene cuando el suceso
ha ocurrido un nmero de veces, r, determinado a priori. La censura de Tipo I se suele utilizar en
anlisis de supervivencia, en el rea de medicina, ya que no es posible esperar a que fallezcan todos los
individuos, y la censura de Tipo II se utiliza a menudo en fiabilidad, en el rea de ingeniera, ya que
ahorra tiempo y dinero, garantiza un determinado nmero de ocurrencias y su anlisis es ms sencillo.

Las censuras de Tipo I o Tipo II pueden ser nicas o mltiples. La censura ser mltiple si las
componentes entran al estudio en diferentes tiempos o bien sucesos diferentes al suceso en estudio, como
averas debidas a otra causa, provocan que una componente sea excluida de un estudio (figura 4). Estas
averas hacen que la componente sea aleatoriamente censurada respecto al suceso de inters y en este
caso la censura se denomina censura aleatoria.

Basndose en la relacin existente entre el tiempo de vida, T, y el tiempo C, en el cual se realiza la
censura, sta puede clasificarse en censura por la derecha, censura por la izquierda o censura por
intervalo. En una censura por la derecha, se sabe nicamente que el suceso de inters todava no ha
ocurrido en el tiempo C en el cual se realiza la censura. En una censura por la izquierda, todo lo que se
sabe es que el suceso de inters ha ocurrido antes de C. En una censura por intervalo, la nica
informacin es que el suceso ha ocurrido en un intervalo (C
1
,C
2
]. Si los datos han sido censurados por la
derecha pueden ser representados por un par de variables (X, ), siendo X=min(T,C) y un indicador
que toma el valor 1 si el suceso ha ocurrido en el perodo de observacin y el valor 0 si el dato ha sido
censurado. Si los datos han sido censurados por la izquierda, X=max(T,C). Klein (1997) ha publicado un
interesante libro en el cual plantea detalladamente el tratamiento de datos censurados por la izquierda y
datos censurados por intervalo.

Una hiptesis fundamental en el anlisis estadstico de datos parcialmente censurados es la
independencia del tiempo de vida, T, y el tiempo de censura C. Si no puede admitirse esta independencia
deben utilizarse tcnicas especiales en su anlisis basadas en la estimacin de la distribucin conjunta de
T y C.

15
T
x
x
x
x
Datos completos
x
x
x
x
Censura nica
T
Censura mltiple
x
x
x
x fallo
o censura

Figura 4

8. ESTIMACIN NO PARAMTRICA
Los mtodos empricos de estimacin de la funcin de fiabilidad y de la funcin de riesgo que vamos a
ver a continuacin, son mtodos no paramtricos. En los estudios no paramtricos no se asume ningn
tipo concreto de modelo probabilstico para los tiempos de fallo y se estiman directamente los valores de
las funciones bsicas (fiabilidad, riesgo) en los tiempos de fallo muestrales. En los estudios paramtricos
se asume un determinado modelo para la distribucin de los tiempos de fallo y se estiman los parmetros
de dicho modelo.

Tanto los mtodos no paramtricos como los mtodos paramtricos, permiten tratar datos completos y
datos censurados. No obstante, en presencia de datos censurados, los mtodos no parmetricos
unicamente permiten estimar la funcin de fiabilidad en los tiempos de fallo muestrales y no permiten
estimar el MTTF. En cambio, los mtodos de estimacin paramtricos permiten, una vez seleccionado
el modelo, estimar la funcin de fiabilidad en cualquier punto y el MTTF.

Si se desea realizar una estimacin paramtrica, la estimacin no paramtrica ser una etapa inicial que
permitir, como se ver mas adelante en el tema 2, seleccionar una familia de distribuciones y realizar
una estimacin aproximada de los parmetros con la ayuda de los papeles probabilsticos,.
16
DATOS COMPLETOS
Datos no agrupados
Si
n
t t t ......
2 1
son n tiempos de fallo ordenados, el nmero de unidades que sobreviven en el
instante
i
t es n-i. Por lo tanto, una posible estimacin de la funcin de fiabilidad en t
i
, ( )
i
t R sera
simplemente la proporcin de unidades que sobreviven en el instante

i
t ,

( )
n
i n
t R
i

=

y la estimacin para la funcin de distribucin sera,

( )
n
i
t F
i
=

No obstante, esta estimacin implicara que ( ) 0
= = n n t R
n
. Consecuentemente, habra una
probabilidad cero de sobrevivir mas all del mayor tiempo hasta el fallo observado t
n.
Por lo tanto esta
ecuacin tiende a subestimar la fiabilidad de la componente.

Una mejora de la estimacin de las funciones de distribucin y fiabilidad ser,

( )
1
1
+
+
=
n
i n
t R
i

( )
1
+
=
n
i
t F
i

Estas estimaciones se utilizarn, como se ver mas adelante, en los papeles probabilsticos para elegir
familias de distribuciones en la modelizacin paramtrica del tiempo hasta el fallo. Una estimacin de la
funcin de densidad, basndose en la relacin entre f(t) y R(t) ser,

( )
( ) ( )
( )( )
1
1 1
1
1
1

+
+ +
+
< <
+
=
=
i i
i i i i
i i
t t t
n t t t t
t R t R
t f

y una estimacin de la funcin de riesgo,

( )
( )
( )
( )( )
1
1
1
1
+
+
< <
+
= =
i i
i i
t t t
i n t t
t R
t f
t h

Una estimacin del valor medio del tiempo hasta el fallo puede obtenerse a partir de la media muestral y
una estimacin de la varianza de la distribucin del tiempo hasta el fallo a partir de la varianza muestral.
Si el tamao muestral es grande, un intervalo de confianza de nivel 100(1-) para el MTTF puede
obtenerse mediante la expresin,
17
n
s
t TF T M
n 1 ,
2 /

donde t
/2,n-1
es el valor crtico correspondiente de una distribucin t de Student con n-1 grados de
libertad y nivel de confianza 1-.

EJEMPLO: Dados los siguientes tiempos hasta el fallo en horas,
245,189,547,482,201,293,15,4,339,720,861, estimar R(154), F(154), f(t) y h(t) en
154<t<189 y calcular un intervalo de confianza al 90% para el MTTF:

Datos agrupados

Si solo disponemos del nmero de unidades
k
n n n ,..., ,
2 1
que han sobrevivido a los tiempos de revisin
k
t t t ,..., ,
2 1
, una estimacin lgica para la funcin de fiabilidad ser,

( ) k i
n
n
t R
i
i
,.... 2 , 1
= =
18
siendo n el nmero de unidades sometidas a prueba. Debido a que generalmente se presenta un tamao
de muestra mayor cuando los datos estn agrupados no son necesarias estimaciones alternativas. La
estimacin de las funciones de densidad y riesgo ser,

( )
( ) ( )
( )
1
1
1
1
1

+
+
+
+
+
< <
=
i i
i i
i i
i i
i i
t t t
n t t
n n
t t
t R t R
t f
( )
( )
( )
( )
1
1
1
+
+
+
< <
= =
i i
i i i
i i
t t t
n t t
n n
t R
t f
t h
y las estimaciones del MTTF se realizan en base al punto medio de cada intervalo,

( )
=
+
1
0
1
k
i
i i
i
n
n n
t TF T M
siendo ( ) 2
1 +
+ =
i i i
t t t , t
0
=0 y n
0
=n

( )

=
+
1
0
2 1 2 2
k
i
i i
i
F T MT
n
n n
t s

EJEMPLO: Un fabricante de bombillas est interesado en estimar el tiempo medio de vida de una
partida de bombillas. Doscientas bombillas se someten a un test de fiabilidad. Las bombilllas se
observan y los fallos, en intervalos de 1000 horas se recogen en la siguiente tabla:

Tiempo (horas) Fallos
0-1000 100
1001-2000 40
2001-3000 20
3001-4000 15
4001-5000 10
5001-6000 8
6001-7000 7
Total 200

Estimar a partir de los datos la funcin de fiabilidad, la funcin de distribucin, la funcin de
densidad y la funcin de riesgo.

19

DATOS CENSURADOS
Datos no agrupados: Estimacin de Kaplan-Meier

Supongamos que n unidades son puestas a prueba y ocurren r fallos (r<n). Para datos con censura nica
por la derecha, las estimaciones de R(t),f(t) y h(t) pueden calcularse con las ecuaciones que hemos visto
anteriormente.

Para datos con censura mltiple, si t
i
representa un tiempo de fallo y t
i
+
representa un dato censurado
(extrado de la prueba en ese instante), la muestra estar formada por un conjunto de tiempos de fallo y
tiempos censurados ordenados:

n i i
t t t t t t ,...., , ,....., , ,
1 3 2 1
+
+
+

Se han desarrollado varios mtodos no paramtricos para estimar la funcin de fiabilidad con datos no
agrupados en presencia de censura. El mas utilizado es el estimador producto-lmite de Kaplan-Meier,
que coincide, en caso de no presentarse censura, con uno de los estimadores que hemos visto antes para
datos completos no agrupados. Si t
i
es el tiempo hasta el fallo ordenado, n
i
el nmero de unidades que
quedaban en riesgo justo antes del fallo i-simo, no hay tiempos repetidos y los tiempos censurados no
coinciden con los tiempos de fallo, el estimador de Kaplan-Meier viene dado por la expresin,

( )
{ }
|
|
\
|
=
t t i
i
i
n
t R
:
1
1

Cada trmino en la ecuacin representa una estimacin de la probabilidad condicional de no fallar en t
i

dado que se ha sobrevivido hasta antes de t
i
. El producto de estas probabilidades condicionales es la
probabilidad de resistir mas de t. Lawless(1982) proporcion una estimacin de la varianza de la
fiabilidad estimada,

20
( ) [ ] ( )
( ) { }
=
<t t i
i i
i
n n
t R t R ar V
:
2
1
1

EJEMPLO: Los siguientes tiempos de fallo y censura (en horas de funcionamiento) fueron recogidos
para 10 turbinas: 150, 340
+
, 560, 800, 1130
+
, 1720, 2470
+
, 4210
+
, 5230, 6890. Se considero censura
cualquier tipo de fallo distinto de fatiga o desgaste. Determinar una curva emprica de fiabilidad.
6/7 6/7

Datos agrupados: Tablas de vida

Las estimaciones no paramtricas en presencia de datos censurados y agrupados pueden ser realizadas
construyendo una tabla de vida. Las tablas de vida han sido utilizadas por mdicos y aseguradores. Estas
tablas, en el caso de la ingeniera resumiran las experiencias sobre la resistencia de las unidades que han
sido colocadas a prueba. Si los tiempos hasta el fallo y los tiempos censurados han sido agrupados en
k+1 intervalos de la forma [ )
1
,
+ i i
t t , para i=1,2,...,k+1, donde t
1
=0 y se denomina,

d
i
= nmero de fallos en el intervalo i-simo
r
i
= nmero de censuras en el intervalo i-simo
n
i
= nmero de individuos en riesgo en el instante t
i
; n
1
=n y ) (
1 1 1
+ =
i i i i
r d n n i=2,..
2
'
i
i i
r
n n = = nmero ajustado de componentes en riesgo suponiendo que la censura ocurre
de forma uniforme durante el intervalo

se verifica que ,
=
i
p
'
i
i
n
d
= probabilidad condicional de fallo en el intervalo i-simo dado que ha resistido
hasta el inicio del intervalo
21
'
1
i
i
i
n
d
q = = probabilidad condicional de resistir el intervalo i-simo dado que ha resistido
hasta el inicio del intervalo

y la probabilidad de que una unidad resista mas all del inicio del intervalo i-simo puede escribirse
como ( ) 1
1
= t R y para i=2,.....,k

( ) =
i
t R
P{unidad resista hasta t

i
dado que ha resistido hasta t
i-1
}x
P{unidad resista hasta t
i-1
}= ( )
1
'
1
1
i
i
i
t R
n
d

La tabla de vida toma la siguiente forma,

Intervalo n fallos ncensuras n unid.
riesgo
n ajust. Unid.
riesgo
Prob.sobrev. Fiabilidad
[ )
1
,
+ i i
t t
d
i
r
i
n
i
n
i

i
q
( )
i
t R

Como en el caso del estimador de Kaplan-Meier, se ha desarrollado tambin una medida de la
estimacin de esta precisin, desarrollado esta vez por Greenwoood (1926):

( )

=
=
i
k
k k
k
i i
p N
p
R R ar V
1
'
2
1

La estimacin de las funciones de densidad y riesgo ser,

( )
( ) ( )
1
1
1

+
+
+
< <
=
i i
i i
i i
t t t
t t
t R t R
t f
( )
( )
( )
1
+
< < =
i i
t t t
t R
t f
t h
siendo
( )
( ) ( )
1
1
2

+
+
< <
+
=
i i
i i
t t t
t R t R
t R

EJEMPLO: Doscientos condensadores de cermica son sometidos a un test de vida acelerada. Los
tiempos de fallo de algunos de los condensadores han sido censurados debido a que el equipo usado
para realizar la prueba ha fallado durante la realizacin de esta. El nmero de unidades que han
fallado y el nmero de unidades que han sido censuradas viene recogido en la tabla siguiente,

22
Intervalo
tiempo
N unidades
falladas
N unidades
censuradas
0-10
10-20
20-30
30-40
40-50
50-60
60-70
70-80
80-90
90-100
0
6
7
6
6
5
4
3
2
1
3
8
9
8
15
20
18
20
30
29

Estimar la funcin de fiabilidad, la tasa de fallo y la tasa de fallo acumulativa.

Number of Failures: fallos
Number Censored: censtabla
Life Table
Number of Number Number Cumulative
Interval Failures Withdrawn at Risk Survival Hazard Density
--------------------------------------------------------------------------------------
0,0-10,0 0 3 198,5 1,000000 0,000000 0,000000
(0,000000) (0,000000) (0,000000)
10,0-20,0 6 8 193,0 1,000000 0,003158 0,003109
(0,000000) (0,001289) (0,001249)
20,0-30,0 7 9 178,5 0,968912 0,004000 0,003800
(0,012493) (0,001512) (0,001409)
30,0-40,0 6 8 163,0 0,930915 0,003750 0,003427
(0,018499) (0,001531) (0,001375)
40,0-50,0 6 15 145,5 0,896649 0,004211 0,003698
(0,022494) (0,001719) (0,001481)
50,0-60,0 5 20 122,0 0,859673 0,004184 0,003523
(0,026146) (0,001871) (0,001547)
60,0-70,0 4 18 98,0 0,824441 0,004167 0,003365
(0,029441) (0,002083) (0,001652)
70,0-80,0 3 20 75,0 0,790790 0,004082 0,003163
(0,032696) (0,002356) (0,001794)
80,0-90,0 2 30 47,0 0,759159 0,004348 0,003230
(0,036130) (0,003074) (0,002240)
90,0-100,0 1 29 15,5 0,726854 0,006667 0,004689
(0,041185) (0,006663) (0,004543)
--------------------------------------------------------------------------------------
Total 40 160
23
RECUERDA QUE
El tiempo de vida es una variable no negativa que suele tener una distribucin asimtrica
La funcin de fiabilidad en t se define como
( ) ( ) > = t t T P t R 0
la funcin de fiabilidad y la funcin de distribucin son funciones complementarias,

( ) ( ) 1 = + t F t R

la funcin de fiabilidad, R(t), puede obtenerse a partir de la funcin de densidad, f(t) como:

( )
=
t
dt t f t R ) (

Dado un intervalo ( ) t t t + , , se llama tasa de fallo de una unidad en dicho intervalo a la
probabilidad de que una unidad, que ha estado operativa hasta el inicio del intervalo, falle en
dicho intervalo dividida por la amplitud del intervalo

( )
t
t T t t T t P
> + < /

La funcin de riesgo, h(t), de una unidad en el instante t se define como la tasa instantnea de
fallo en T=t, es decir el limite de la tasa de fallo cuando la amplitud del intervalo tiende a cero.

( )
t
t T t t T t P
t h
t

> + <
=
+

/
lim ) (
0

Si T es considerada como una variable continua, la funcin de riesgo en t se puede obtener
como:

) (
) (
) (
t R
t f
t h =

Tanto la funcin de fiabilidad como la funcin de densidad pueden ser obtenidas a partir de la
funcin de riesgo.

|
|
\
|
=

t
dt t h t R
0
) ( exp ) (
|
|
\
|
=

t
dt t h t h t f
0
) ( exp ) ( ) (

24
la funcin de riesgo acumulado (cumulative hazard function) , H(t), se define en el caso
continuo como:
=
t
dt t h t H
0
) ( ) (

Se verifica que,

( )
( ) t H
e t R

=

Una medida de posicin, que permite comparar la fiabilidad de varios sistemas es el tiempo
medio hasta el fallo (Mean Time To Failure). Si consideramos que T es continua,

( )
=
0
dt t R MTTF

Otra medida de posicin, alternativa al MTTF, es la mediana del tiempo hasta el fallo,
med
t
que divide la distribucin en dos partes, con un 50% de los fallos que ocurren antes de la
mediana y un 50% de los fallos que ocurren despus.

La fiabilidad condicional es til para describir la fiabilidad de una componente o sistema
despus de un periodo de puesta a punto T
0
:

( ) { }
( )
( )
0
0
0 0 0
/ /
T R
t T R
T T t T T P T t R
+
= > + > =

Puede calcularse el MTTF de la distribucin condicional o vida media residual (Mean Residual
Life) o valor medio del tiempo de vida restante para aquellas unidades que permanecan en
funcionamiento en el instante T
0
como

( ) ' '
) (
1
) (
0
0
0

=
T
dt t R
T R
T MRL

Desde un punto de vista estadstico, un aspecto que dificulta el estudio de la fiabilidad es la
censura de los datos que tiene lugar frecuentemente debido a que todas las unidades sometidas a
prueba no fallan antes de que se verifique el criterio de parada de la prueba.

En las observaciones censuradas no se conoce el valor exacto del tiempo de vida, T, de algunos
individuos y lo nico que se sabe acerca de su valor es que pertenece a un determinado intervalo.

Ignorar las unidades censuradas en el anlisis, eliminara valiosa informacin y sesgara los
resultados, ya que slo las unidades ms dbiles, con los tiempos de fallo mas cortos entraran en
el anlisis y la fiabilidad de las componentes sera muy subestimada.

25
Existen varios tipos de censura y, en cada caso, el anlisis de los datos se plantea basndose en
el tipo de censura.

o una censura es de Tipo I, o censura por tiempo, si el ensayo tiene una duracin
determinada
o una censura es de Tipo II, o censura por fallo, si el ensayo se detiene cuando el suceso
ha ocurrido un nmero de veces, r, determinado a priori.

o Las censuras de Tipo I o Tipo II pueden ser nicas o mltiples. La censura ser
mltiple si las componentes entran al estudio en diferentes tiempos o bien sucesos
diferentes al suceso en estudio, como averas debidas a otra causa, provocan que una
componente sea excluida de un estudio

Los mtodos empricos de estimacin de la funcin de fiabilidad y de la funcin de riesgo que
hemos visto son mtodos no paramtricos, en los que no se asume ningn tipo concreto de
modelo probabilstico para los tiempos de fallo y se estiman directamente de los datos las
funciones bsicas (fiabilidad, riesgo).

o Datos completos

Datos no agrupados

( )
1
1
+
+
=
n
i n
t R
i

( )
( ) ( )
( )( )
1
1 1
1
1
1

+
+ +
+
< <
+
=
=
i i
i i i i
i i
t t t
n t t t t
t R t R
t f
( )
( )
( )
( )( )
1
1
1
1
+
+
< <
+
= =
i i
i i
t t t
i n t t
t R
t f
t h

Datos agrupados

( ) k i
n
n
t R
i
i
,.... 2 , 1
= =
( )
( ) ( )
( )
1
1
1
1
1

+
+
+
+
+
< <
=
i i
i i
i i
i i
i i
t t t
n t t
n n
t t
t R t R
t f
( )
( )
( )
( )
1
1
1
+
+
+
< <
= =
i i
i i i
i i
t t t
n t t
n n
t R
t f
t h
o Datos censurados

Datos no agrupados: Estimacin de Kaplan-Meier

Si tenemos un ensayo en el cual n unidades son puestas a prueba y
ocurren r fallos (r<n).
26
n i i
t t t t t t
+
+
+
.... .....
1 3 2 1

y n
i
el nmero de unidades que quedaban en riesgo justo antes del
fallo i-simo, el estimador de Kaplan-Meier viene dado por la
expresin,
( )
{ }
|
|
\
|
=
t t i
i
i
n
t R
:
1
1

Datos agrupados: Tablas de vida

Si los tiempos hasta el fallo y los tiempos censurados han sido
agrupados en k intervalos de la forma [ )
1
,
+ i i
t t , para
i=1,2,...,k+1, donde t
1
=0 y se denomina,

d
i
= nmero de fallos en el intervalo i-simo
r
i
= nmero de censuras en el intervalo i-simo
n
i
= nmero de individuos en riesgo en el instante t
i-1
;
) (
1 1 1
+ =
i i i i
r d n n
2
'
i
i i
r
n n = = nmero ajustado de componentes en riesgo
suponiendo que la censura ocurre de forma uniforme durante el
intervalo

se verifica que ,
( ) ( )
1
'
1
1
=
i
i
i
i
t R
n
d
t R

GLOSARIO
f(t) : funcin de densidad
p(t) : funcin de probabilidad
F(t) : funcin de distribucin
Funcin de fiabilidad (reliability function), R(t): Dada una variable aleatoria, no negativa, T, que
representa el tiempo de vida de una componente se define la funcin de fiabilidad en t como
( ) ( ) > = t t T P t R 0
Tasa de fallo (hazard rate): Dado un intervalo ( ) t t t + , , se llama tasa de fallo de una unidad en dicho
intervalo a la probabilidad de que una unidad, que ha estado operativa hasta el inicio del intervalo, falle
en dicho intervalo dividida por la amplitud del intervalo
Funcin de riesgo (hazard function), h(t), : Se define la funcin de riesgo de una unidad en el instante
t como la tasa instantnea de fallo en T=t, es decir el limite de la tasa de fallo cuando la amplitud del
intervalo tiende a cero.
27
Funcin de riesgo acumulado (cumulative hazard function), H(t) : Se define en el caso continuo
como
=
t
dt t h t H
0
) ( ) (
AFR (Average Failure Rate) : Tasa media de fallo
MTTF (Mean Time To Failure) : tiempo medio hasta el fallo
t
med
: mediana del tiempo hasta el fallo
R(t/T
0
): fiabilidad condicional de una componente despus de un periodo de puesta a punto T
0

MRL(T
0
) (Mean Residual Life) : vida media residual
Ensayo con datos completos: La prueba finaliza cuando fallan todas las unidades de la muestra
Ensayo con datos censurados: Hay unidades sometidas a prueba que no fallan antes de que se verifique
el criterio de parada de la prueba
Censura tipo I : censura por tiempo
Censura tipo II: censura por nmero de fallos
Estimacin Kaplan-Meier: Mtodo de estimacin emprica de R(t) para datos censurados no agrupados
Tablas de vida: Mtodo de estimacin emprica de R(t) para datos censurados agrupados en intervalos

BIBLIOGRAFA DE APOYO PARA EL TEMA
Crowder,M.J.; Kimber,A.C.; Smith,R.L. y Sweeting,T.J. (1991). Statistical Analysis of Reliability
Data. Ed. Chapman & Hall. Apartados 2.1, 2.2 y 2.9 a 2.11
Kalbfleisch,J.D. y Prentice, R.L. (1980). The Statistical Analysis of Failure Time Data. Ed. Wiley.
Apartado 1.2 y 1.3
Klein,J.P. y Moeschberger,M.L. (1997). Survival Analysis. Ed. Springer-Verlag. Capitulo 2 a 5
Martnez Alzamora, N. (2001). Fiabilidad, garanta y mantenimiento preventivo. Editorial UPV.
Capitulo 3,6 y 7
Meeker, W.Q. ; Escobar, L.A. (1998). Statistical Methods for Reliability Data. Ed.Wiley Captulo 3

Matematicas de La Fiabilidad-Rev

Загружено:

Сведения о документе

Исходное описание:

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Matematicas de La Fiabilidad-Rev

Загружено:

Авторское право:

Доступные форматы

MASTER EN INGENIERIA DE CONFIABILIDAD Y RIESGO

P{unidad resista hasta t

Вам также может понравиться