MODELOS DE CONFIABILIDAD

INTEGRANTES: JAVIER PILCO. PABLO VILLEGAS. NIVEL: OCTAVO MATERIA: FIABILIDAD DE MAQUINAS

MODELOS DE CONFIABILIDAD

MODELOS DE CONFIABILIDAD
DISTRIBUCIONES DE PROBABILIDAD:

Exponencial Weibull Normal Logaritmica Normal

MODELOS DE CONFIABILIDAD
Objetivo: Presentar los modelos exponencial, weibull, normal y logaritmica normal, sus indices principales y guias para su empleo

MODELOS DE CONFIABILIDAD
Puntos a tomar en cuenta:

Modelos parmetros de confiabilidad Distribuciones de probabilidad Parametros Propiedades Situaciones para modelar Guia para la seleccin del modelo

MODELOS PARAMETRICOS DE CONFIABILIDAD

Distribuciones paramtricas: Algunas distribuciones de probabilidad se pueden expresar como una funcin matemtica de la variable aleatoria. La funcion tiene ademas de la variable aleatoria, constantes que le dan comportamientos especficos a las distribuciones. Los parametros definen: forma escala localizacin

Que hay detras de una distribucin

Los parametros definen lo que esta detras de cada distribucin. Conociendo los parametros de una distribucin podemos inferir el comportamiento de la confiabilidad. La forma de la distribucin. La escala de la distribucin. La localizacion de la distribucin.

DISTRIBUCIN NORMAL
La distribucion normal o Gaussiana es la distribucin mas conocida. Tiene: Media, Mediana y Moda. La media es tambin su parmetro de localizacin. La PDF normal tiene forma de una campana con simetra sobre su media. La normal no tiene parmetro de forma, esto significa que la PDF normal solo tiene una forma, "la campana" y esta forma no cambia. La desviacin estandar, es el parmetro de escala de la PDF normal.

DISTRIBUCIN NORMAL
Distribucin de la funcin normal

DISTRIBUCIN NORMAL

DISTRIBUCIN NORMAL

DISTRIBUCIN NORMAL
Tienden a seguir una distribucin normal los ciclos de falla en componentes mecnicos sometidos a niveles altos de tensin. Es til si el coeficiente de variacin es pequeo, menor al 10%. Las propiedades de varios materiales tienden a seguir una distribucin normal. Las fallas por la tensin de muchos materiales estructurales siguen la misma distribucin. Puede representar el tiempo de falla cuando un efectivo aditivo es involuicrado, i.e., el teorema del limite central (CLT).

DISTRIBUCIN EXPONENCIAL
El modelo exponencial, con un solo parmetro, es el ms simple de todos los modelos de distribucin del tiempo de vida.

DISTRIBUCIN EXPONENCIAL
Funcin de densidad de probabilidad exponencial.

DISTRIBUCIN EXPONENCIAL

DISTRIBUCIN EXPONENCIAL

DISTRIBUCIN EXPONENCIAL

Es usada como el modelo, para la parte de vida til de la vurva de la baera, i.e., la tasa de falla es constante. Los sistemas complejos con muchos componentes y mltiples modos de falla tendrn tiempos de falla que tiendan a la distribucin exponencial. Desde una perspectiva de confiabilidad, es la distribucin ms conservadora para la prediccin. NOTA: la forma de la distribucin exponencial siempre es la misma.

DISTRIBUCIN WEIBULL
La distribucin de weibull es un modelo de distribucin de vida til muy flexible, para para el caso de 2 parmetros Donde n es

un parmetro de escala (la vida caracterstica) y B se conoce como parmetro de forma (pendiente) y r es la funcin Gamma con r(N) =(N-1) para N entero.

DISTRIBUCIN WEIBULL
Una forma mas general de 3 parmetros de la de weibull incluye un parmetro de triempo de espera (localizacin o desplazamiento) las formulas se obtienen reemplazando t por (t-y) No puede ocurrir una falla antes de y horas, en el tiempo comienza en y no en 0.

DISTRIBUCIN WEIBULL
Funcin de densidad de probabilidad Weibull

DISTRIBUCIN WEIBULL
Funcin de confiabilidad de weibull

DISTRIBUCIN WEIBULL
Funcin tasa de fallo de Weibull

DISTRIBUCIN WEIBULL
Distribucin Weibull:

La weibull modela la caracterstica de vida de los componentes y partes. Modela la fatiga y ciclos de fallas de los slidos. Es el traje correcto para datos de vida til. La funcin de distribucin de weibull PDF es una distribucin de la confiabilidad de los elementos de una muestra. Muy flexible y puede tomar diferentes formas

DISTRIBUCIN DE WEIBULL CURVA DE LA BAERA

B<1 disminuye la tasa de riesgo, implica mortalidad infantil. B=1 tasa de riesgo constante, fallas aleatorias 1<B<4 aumenta la tasa de riesgo, corrosin, erosin. B>4 aumenta rapidamente la tasa de riesgo, implica fallas por desgaste y envejecimiento.

DISTRIBUCIN WEIBULL
Cuando B=2.5 la weibull se aproxima a la distribucin Logartmica normal. Cuando se modela el tiempo que se necesitan para que ocurran reacciones qumicas, se ha mostrado que la distribucin Lognormal usualmente proporciona un mejor ajuste que la weibull. Cuando B=5 la weibull se aproxima a una normal puntiaguda.

DISTRIBUCION WEIBULL
que pasa en una distribucion de wiebull si el tiempo tiene el valor de vida carateristica, t=n. Al llegar al tiempo de vida igual a la vida caracteristica el 63.2% de los elementos habra fallado. este hecho se usa en las graficas para identificar el valor de n (eta). este mismo resusltado se obtiene para el caso exponencial, recordando que la de Weibull se puede reducir a una exponencial B=1

DISTRIBUCION WEIBULL
Respuetas que pueden proporcionar un analisis de Weibull que tipo de mecanismo de falla es la cuasa raiz. cuantas fallas se puede esparar en determinado tiempo futuro. que tan confiable es un equipo existente contra un equipo nuevo. cuando debo de reemplazar una parte existente con una nueva para minimizar costos

DISTRIBUCION WEIBULL
Se lo hace tambien graficamente mediante el papel de weibull, en donde se encuentra los parametros de fiabilidad directamente:

DISTRIBUCIN LOGNORMAL
Un tiempo de falla se distribuye segn una Lognormal si el logaritmo del tiempo de falla esta normalmente distribuido. La Distribucin Lognormal es una distribucin sesgada hacia la derecha. La PDF comienza en cero, aumenta hasta su moda y disminuye despus.

DISTRIBUCIN LOGNORMAL

DISTRIBUCIN LOGNORMAL
La distribucion de vida Lognormal, como la Weibull, es un modelo muy flexible que puede empiricamente ajustar a muchos tipos de datos de falla. En su forma de dos parametros tiene los parametros sln(t) = sy parmetro de forma, y T50 = la mediana (un parmetro de escala). Si el tiempo para la falla t, tiene una distribucion Lognormal, entonces el logaritmo natural del tiempo de falla (y=ln(t)) tiene una distribucion normal con media my = ln T50 y desviacin estndar sy. Esto hace a los datos Lognormales convenientes para trabajarlos asi: determine los logaritmos naturales de todos los tiempos de falla y de los tiempos censurados (y=ln(t)) y analice los datos normales resultantes. Posteriormente, haga la conversion a tiempo real y a los parametros lognormales usando sy como la forma lognormal y T50=exp(my) como (mediana) el parmetro de escala.

DISTRIBUCIN LOGNORMAL
Funcin de distribucin Lognormal

DISTRIBUCIN LOGNORMAL

DISTRIBUCIN LOGNORMAL

DISTRIBUCIN LOGNORMAL
Nmero de ciclos de falla en la fatiga de los metales y partes metlicas niveles de tensin significativamente menores que sus limites. Representa bien el tiempo de falla de los dispositivos mecnicos, especialmente en el caso de uso. La resistencia de materiales frecuentemente sigue una distribucin Lognormal. Las variables de peso son frecuentemente bien representadas con una distribucin Lognormal. Es una buena distribucin para cualquier variable. La medida de cualquier resultado el cual es el resultado de una proporcin o efecto multiplicativo es Lognormal.

MODELOS PARAMETRICOS DE FIABILIDAD.

VENTAJAS: Usados cuando la distribucin subyacente de los tiempos de falla se conoce o puede ser supuesta. Tiene mas poder para hacer una decisin correcta que en las pruebas no parametricas. Rinde informacin mas precisa que los mtodos no parametricos. Permite extrapolar fuera del rango de los datos.

MODELOS PARAMETRICOS DE FIABILIDAD

DESVENTAJAS: El uso no apropiado del modelo puede llevar a conclusiones incorrectas. Implica un conocimiento previo del comportamiento de los mecanismos de falla y su efecto en la observacin estadstica. Si no se conoce nada sobre la falla debe tenerse cuidado en un procedimiento para selecciona un modelo adecuado.

CUADRO DE DISTRIBUCIONES

IDENTIFICACION DE LOS MODELOS DE CONFIABILIDAD

debemos de elegir cuidadosamente el modelo de distribucion de vida cualquiera que sea el metodo usado para escoger el modelo, debemos verificar: Que tenga sentido por ejemplo no usar un modelo exponencial que mtiene una tasa de falla constante para modelar una falla de desgaste. pasar la pruebas estadisticas y visuales para ajuste de datos.

PUNTOS CLAVES DE LOS MODELOS PARAMETRICOS

los modelos parametricos tiene muchas ventajaspara modelar situaciones de confiabilidad. es necesario asegurar cual es el modelo mas apropiado para modelar. la decision depende del conocimiento del mecanismo de falla y la forma en se observa. las distribuciones tiene parametros que le dan ciertas caracteristicas : forma, escala, localizacion. recuerde siempre confirmar el modelo de distribucion a usar y ver que las propiedades correspondan a lo conocido sobre la falla.

MUCHAS GRACIAS
Rolando Javier Pilco Pablo Ricardo Villegas javierpilco180@gmail.com vpabloricardo1988@gmail.com wazabala112@gmail.com