Вы находитесь на странице: 1из 17

CASO PRCTICO

Una empresa dedicada a la fabricacin mecnica de componentes de bienes de equipo y


de productos acabados destinados a uso domstico contrata a un ingeniero industrial y a
un ingeniero tcnico mecnico, sin experiencia profesional. Como primer trabajo se les
encomienda la tarea de desarrollar un nuevo producto de baja componente tecnolgica,
innovador y con baja o nula implantacin en el mercado europeo.
Los dos jvenes, abrumados por la responsabilidad recada sobre ellos se encuentran
bloqueados, no se les ocurre ninguna idea innovadora. Es ms. Piensan que ya todo
esta inventado y que como van a competir ellos en rediseos de productos desarrollados
por tecnlogos experimentados. Tras el susto inicial, deciden salir a buscar ideas en
distintos puntos de venta: se pasean por los grandes almacenes, hipermercados y tiendas
pequeas de los diversos gremios (ferreteras, suministros industriales, telefonas,
muebles, alimentacin, relojeras) y reparan en la innumerable cantidad de objetos
tiles que se encuentran en los puntos de venta dispuestos a ser vendidos, muchos de
ellos satisfacen necesidades que ellos no imaginaban tener. Ante esta situacin se les
ocurre actuar en dos frentes: el hogar y los medios de comunicacin.
En el hogar realizan una encuesta entre sus familiares y amigos mas cercanos dirigida a
indagar sobre las necesidades no satisfechas que tienen en sus hogares, as como a
detectar productos que no satisfacen plenamente sus expectativas y/o necesidades.
En los medios de comunicacin hacen un rastreo de las noticias de mayor impacto
durante los ltimos 12 meses: llegando a la conclusin que la preocupacin por la
preservacin del medio ambiente en general y del tratamiento de los residuos en
particular es un grave problema mundial, especialmente del mundo industrializado,
ante el que los gobiernos respectivos (supranacionales, nacionales y regionales y
locales) estn fuertemente sensibilizados y tienen previstas fuertes inversiones en
medidas que permitan recogerlos y tratarlos de forma selectiva para minimizar su
impacto medioambiental (volumen de residuos, procesos de destruccin y/o
recuperacin, materias primas agotables). Comprueban que esta sensibilidad ha calado
hondo en la gran mayora de la poblacin, opinin que se deduce de la gran acogida que
tienen las experiencias de recogida selectiva de papel, plsticos, envases metlicos y
pilas.
No obstante perciben que esta medida oportuna y de vital importancia para la sociedad
ha ocasionado un problema en los hogares no padecido hasta ahora: el almacenaje
temporal de los residuos de forma selectiva no esta resuelto y ocasiona un trastorno
dentro de la organizacin de los espacios de la vivienda.
Se les ocurre la idea de desarrollar un producto que recoja de forma selectiva los
residuos en el hogar. Encargan a una consultora externa, especializada en sociologa y
en tcnicas de mercado, la elaboracin de una encuesta fiable (comunicacin). La
encuesta ira dirigida a captar la acogida que tendra un producto de este tipo en el que se
incluyan aproximaciones en: precio que estaran dispuestos a pagar, espacio mximo y
lugar/es de la vivienda mas apropiados, si tiene conocimiento de la existencia de algn
producto similar y como lo resuelven actualmente.

Con la informacin Proporcionada:


a) Aplique un mtodo de creatividad para encontrar ideas sobre la tarea
encomendada.
b) Desarrolle conceptos para la idea a desarrollar y seleccione uno de ellos
c) Haga la prueba de concepto, diseando un cuestionario para determinar la
acogida que tendra el producto, precio, etc.
d) Disee un prototipo.
e) Seleccione la marca, logotipo, rtulo,
f) Defina la funciones que cumple el producto para satisfacer las necesidades
g) Defina el producto desde el punto de vista de concepto total
http://www.youtube.com/watch?v=fNqWzb_kd3w&feature=related
http://www.youtube.com/watch?v=4_7ofjreT6Y&feature=fvwrel
http://www.youtube.com/watch?v=Yh8LlzwiHxg&feature=related
http://www.youtube.com/watch?v=b3dACccQ0Nc&feature=fvwrel
http://www.youtube.com/watch?v=rv0WsVDvrYY&feature=fvwrel
http://www.youtube.com/watch?v=rSJNmvWcz5o&feature=fvwrel
http://www.youtube.com/watch?v=2izeAXKhjyw&feature=related
http://www.youtube.com/watch?v=apUIA2bcvkc&feature=related
http://www.youtube.com/watch?v=TOHaSdZfwP4&feature=related
La teora de fiabilidad industrial estudia mtodos que deben seguirse tanto en el diseo
como en la recepcin, el transporte y el uso de los productos para garantizar al mximo su
rendimiento. Uno de los objetivos de la teora de la fiabilidad industrial es el abandono de
la subjetividad en las precisiones sobre duracin de los productos a travs de la
cuantificacin de dichas previsiones. As expresiones como: Esta construccin es ms
segura que aquella, Nuestro producto es ms resistente que el de la competencia,
tienen que sustituirse por comulaciones ms precisas, que necesitan del lenguaje
estadstico.
La fiabilidad en la ingeniera est orientada a los fallos. El problema reside en predecir si
puede ocurrir un fallo al utilizar un dispositivo y cundo ocurrir. Esta informacin es til
para determinar las polticas de mantenimiento e inspeccin de una empresa, as como
para determinar los plazos de garanta de los productos. Tambin puede utilizarse para
predecir costes debidos al mantenimiento y a los eventuales fallos que puedan ocurrir
mientras el dispositivo est operativo.
PERSPECTIVA HISTRICA
El origen de la fiabilidad puede atribuirse a los estudios para poder evaluar la mortalidad
derivada de las epidemias y los mtodos actuariales desarrollados por las compaas de
seguros, para determinar los riesgos de sus plizas. Como herramienta para el clculo del
riesgo se utilizaba las tablas de vida.
La primera tabla de vida data de 1693 y es debida a Edmun Halley.
A principios de 1900 se utilizaban los mtodos actuariales tanto para estimar la
supervivencia de pacientes sometidos a distintos tratamientos como para estudiar la
fiabilidad de equipamientos, en particular ferrocarriles.
La teora matemtica de la fiabilidad se desarrolla por las demandas de la tecnologa
moderna y en particular por las necesidades de los sistemas complejos militares. El rea

de mantenimiento de mquinas es una de las reas donde la fiabilidad se aplica con


sofisticadas matemticas. La renovacin y los avances de la tecnologa se utilizan muy
pronto para resolver problemas de reparacin e inspeccin de dispositivos.
En 1939 Walodie Weibull propuso una distribucin para describir la duracin de materiales.
Esta distribucin es muy utilizada ya que es muy verstil, pues admite muchas formas de
funciones de riesgo.
En 1951 Epstein y Sobel empezaron a trabajar con la distribucin exponencial como
modelo probabilstico para estudiar el tiempo de vida de dispositivos. Este modelo de
probabilidad se basa en el concepto de poblacin de tamao infinito o no acotado. La
distribucin exponencial tiene la propiedad de no tener memoria; es decir, en el clculo de
la probabilidad de que falle un dispositivo no influye en el tiempo que hace que funciona.
La investigacin de sistemas de fiabilidad en general se inici en 1961 a partir del artculo
de Bimbaum, Esary y Sauders.
En los aos 70 el anlisis de fiabilidad mediante los rboles de fallo FTA (Failure tree
anlisis) toma fuerza por problemas relacionados con la seguridad de las centrales
nucleares.
En los 80 el objetivo principal de los trabajos de fiabilidad est en las redes de
comunicaciones. Esto fue motivado por el proyecto ARPAnet del departamento de defensa
americano. El resultado de esto trabajos ha encontrado aplicacin en los sistemas web e
internet actuales.
En los aos 90, la investigacin de la fiabilidad toma nuevas direcciones con M.B. Mendel.
Los orgenes de su investigacin se basan en las hiptesis de que muchas de las
representaciones en el espacio muestral que se han considerado en la estadstica no
correspondan en ingeniera a los espacios eucldeos. Por ello, utiliza la geometra
diferencial como base para la aproximacin de los problemas de ingeniera estadstica.

CONCEPTOS FUNDAMENTALES.
Estos conceptos se introducen haciendo referencia al lenguaje y la terminologa de una
prueba de vida industrial.
Fiabilidad es un concepto con muchas connotaciones distintas. Cuando se aplica al ser
humano, normalmente se refiere a la habilidad de las personas para hacer ciertas tareas
de acuerdo con un estndar especificado. Por extensin la palabra se aplica a una pieza
de un equipo, o a un componente de un sistema, y significa la habilidad de un equipo o
componente para cumplir con la funcionalidad que se requiere de l. El origen del uso del
trmino era cualitativo.
En su aplicacin actual, la fiabilidad es casi siempre un concepto cuantitativo, y esto
implica la necesidad de mtodos para medirla.
Hay muchas razones por las que la fiabilidad necesita ser cuantificada. Quizs el ms
importante es el econmico ya que la mejora de la fiabilidad cuesta dinero, y esto puede
ser justificado slo si se puede evaluar la no fiabilidad de un equipo. Para un componente
crtico, del cual su operacin funcional es esencial en un sistema, la fiabilidad puede ser
medida como la probabilidad de que el componente opere con xito, y la esperanza del
costo de un componente no fiable se mide como el producto de la probabilidad de fallo y el
costo de fallo. En una aplicacin rutinaria, donde los componentes que fallan pueden ser
reparados, la media del tiempo entre fallos (Mean Time Failures) es un parmetro crtico.
En ambos casos, la necesidad de una definicin probabilstica de fiabilidad es evidente.

FIABILIDAD Y FALLO.
Funcin de fiabilidad:
La probabilidad de fallo como una funcin de tiempo puede ser definida como:
P(tt) = F(t), t > 0
Donde t es una variable aleatoria que denota el fallo tiempo. Entonces F(t) es la
probabilidad de que el sistema falle por un tiempo t. En otras palabras , F(t) es el fallo de la
funcin de distribucin. Si definimos fiabilidad como la probabilidad del suceso, o la
probabilidad de que el sistema realice su funcin deseada en un cierto tiempo t, podemos
escribirlo:
R(t) = 1 - F(t) = P(t > t) (TIEMPO DE VIDA)
Donde R(t) es la funcin de fiabilidad.
Si el tiempo de fallo es una variable aleatoria t entonces f(t) tiene una funcin de densidad:
La fiabilidad (Reliability) de un producto se define como la probabilidad de que un
dispositivo desarrolle su funcin con ciertas condiciones, durante un periodo de tiempo
establecido. El valor de esta probabilidad se denota por R.
Observacin:
La variable aleatoria duracin de un dispositivo a veces no se mide en tiempo sino en otra
magnitud que tiene un significado anlogo, por ejemplo la fiabilidad de un cable puede
referirse a la resistencia en Newton hasta la rotura, la de un neumtico a los kilmetros
rodados, la de una tostadora al nmero de ciclos, la de un motor al nmero de
revoluciones, la de un equipo elctrico a los kilovatios consumidos. De todas formas
mantendremos la notacin temporal para simplificar.
Para no tener ambigedades en la cuantificacin de la fiabilidad es importante tener bien
definido el concepto de tiempo de vida de un producto y tener identificado cundo ste
falla y de que clase de fallo se trata.
La vida de un producto es el perodo de tiempo durante el que puede ser utilizado, en
condiciones establecidas.
Fallo (failure) es la prdida de algunas de las propiedades del dispositivo que reduce, total
o parcialmente, su funcionamiento.
La manera en que se observa el fallo se denomina modo de fallo y el mecanismo de fallo
(failure mechanism) se refiere al proceso qumico-fsico que da lugar al fallo. Por ejemplo
nos puede interesar saber cundo una pieza de un motor deja de funcionar de manera
adecuada; en este caso debe precisarse muy bien cul es el fallo. Si el fallo se detecta por
el ruido del motor, se tendr que definir como medirlo (en decibelios por ejemplo) y definir
un lmite superior de tolerancia, y cuando se supere el lmite tenemos el fallo.
Los fallos se pueden clasificar segn la causa que lo provoca: fallo por uso
indebido (misuse failure) cuando la causa es extrnseca al dispositivo, y fallo por debilidad
inherente (inherent weakness failure) cuando la causa es intrnseca.
Un sistema es un dispositivo formado por partes, la fiabilidad de las cuales es conocida.
Estas partes se denominan componentes. En general, el fallo de un sistema se produce al
fallar uno o varios componentes. Segn sea el fallo, se denomina fallo primario (primary
failure) cuando no es causado ni directa ni indirectamente por el fallo de otro

dispositivo, fallo secundario cuando es causado por el fallo de otro dispositivo, y fallo por
desgaste (wear-out failure) cuando es un fallo con una probabilidad de aparicin que
aumenta a medida que el tiempo pasa, resultado de una serie de procesos caractersticos
del dispositivo.
La distribucin de probabilidad ser distinta si los componentes se reparan o no, puesto
que en un caso la variable aleatoria de inters es el tiempo entre fallos y, en el otro, el
tiempo hasta el fallo.
En los dispositivos que no se reparan, nicamente tiene sentido considerar tiempos de
vida hasta el primer fallo, y la variabilidad de una unidad a otra da una distribucin, que es
objeto de estudio de la fiabilidad.
Una caracterstica de fiabilidad de la variable aleatoria T: tiempo hasta el fallo es la vida
media hasta el fallo, MTTF ( mean time to failure).
Si los dispositivos son reparados tiene sentido considerar el tiempo entre fallos
consecutivos. La fiabilidad en este caso es ms complicada, a menos que la distribucin
de probabilidad de tiempo entre fallos sea independiente de la edad del dispositivo.
Una caracterstica de fiabilidad de la variable aleatoria T: tiempo entre fallos consecutivos
es el tiempo medio entre fallos MTBF (mean time between failure).
En las aplicaciones slo se dispone de un valor aproximado de estos parmetros, obtenido
por un procedimiento estadstico de estimacin ms o menos complejo. Estos valores
estn muchas veces incluidos en la especificacin de un producto, y pueden figurar en una
relacin contractual entre un cliente y un proveedor, o servir de criterio para una
homologacin. Es importante concretar de qu forma se obtiene una caracterstica de
fiabilidad. Un lenguaje preciso y preferiblemente normalizado ayuda a evitar malentendidos
cuando se utilizan valores de las caractersticas de fiabilidad.
Hay distintas formas de aproximar una caracterstica de fiabilidad. En general se
distinguen cuatro formas distintas: observada, evaluada, extrapolada y predicha.
Fiabilidad observada (observed reliability) de un dispositivo que no se repara en un tiempo
dado t, es la proporcin de dispositivos de una muestra que hacen su funcin de manera
satisfactoria una vez transcurrido este tiempo t. Puede expresarse en porcentaje.
Fiabilidad evaluada (assessed reliability) hace referencia a valores obtenidos a partir de
datos experimentales por un tratamiento estadstico. El resultado de este tratamiento
puede dar distinto a la fiabilidad observada.
Fiabilidad extrapolada (extrapolated reliability) se refiere a un valor obtenido al extrapolar o
interpolar una fiabilidad observada o evaluada para poder obtener un valor aplicable a
condiciones de estrs distintas, en que se van obteniendo resultados experimentales.
Habitualmente, los valores extrapolados se basan en pruebas de vida aceleradas.
Fiabilidad predicha (predicted reliability) designa un valor aplicable a un sistema, que se
obtiene a partir de los valores observados, evaluados o extrapolados de sus componentes.
La tasa de fallo (failure rate) es una caracterstica de la fiabilidad que se puede interpretar
como la velocidad a la que se producen los fallos, la fraccin de unidades de un producto
que fallan por unidad de tiempo.
Si la tasa de fallo es constante se designa por y si es funcin del tiempo t se designa por
h(t) y se llama funcin de riesgo (Hazard funtion).

La tasa de fallo es una magnitud recproca de la vida media, ya que generalmente


representa un nmero medio de fallos por unidad de tiempo.
Igual que las otras caractersticas de fiabilidad, la tasa de fallo para un tiempo dado pude
ser observada, extrapolada, etc. Es tambin llamadatasa de fallo autentico (trae failure
rate). La fiabilidad R(t) representa la proporcin de unidades que no han fallado en el
instante t.
TIPOLOGAS DE LA FUNCIN DE RIESGO.

Otra cosa que se debe resaltar es la funcin de riesgo en forma de curva


de baera (bath-tub hazard), que tiene un riesgo inicial de decreciente pero
eventualmente pasa a un riesgo creciente. Los dispositivos con baja calidad
tienden a tener una fallada precoz, dejando paso a los de alta calidad. Estos
tienden ha hacer bajar y a continuacin aplanar la funcin de riesgo en la etapa
de su vida para la cual ha sido diseada. Despus de este perodo, debido a la
fatiga, empieza a crecer, y causa una funcin de riesgo creciente.

Observaciones: en muchas situaciones de inters aplicado la mayora de las unidades


defectuosas son separadas (quiz como resultado del control de calidad) antes de
empezar el perodo de observacin con lo cual es difcil encontrar funciones de riesgo
decreciente. La fiabilidad de algunos componentes electrnicos, puede ser tan alta que el
equipo del que formaran parte quedar obsoleto antes de llegar a la fase de desgaste, por
lo cual en este tipo de productos no interesa la etapa del perodo de envejecimiento.
En algunos productos el perodo de fallo precoz no forma parte de su vida comercial, ya
que se organiza la produccin de forma que el fallo precoz se d dentro de la fbrica. Por
esto se somete a veces a dispositivo a una prueba de resistencia con estrs ms grande
del correspondiente a las condiciones de funcionamiento. Estas pruebas son tpicas en la
industria electrnica, y se llaman pruebas de burn-in. Y es por esto, que en muchos
productos solamente interesa la etapa perodo de fallo con tasa constante.
ENFOQUES DE LA FIABILIDAD.
Para finalizar este captulo, y a manera de sntesis podemos decir que la fiabilidad en la
industria se puede enfocar desde un punto de vista cuantitativo o cualitativo.
Desde el punto de vista cuantitativo, tenemos herramientas como la curva de fiabilidad, la
curva de degradacin o las caractersticas de fiabilidad para cuantificar el comportamiento
de la vida de los dispositivos. Estos conceptos ya han sido desarrollados a lo largo de este
captulo.

Desde el punto de vista cualitativo las herramientas que se utilizan en la industria son el
Anlisis de modo de fallo y sus efectos (AMFE) y los anlisis por rboles de fallos FTA
(failure tree analysis).
Fue desarrollado por la NASA en el proyecto Apolo a mediados de los aos 70. Despus
de las aplicaciones en los viajes areos y espaciales as como en las centrales nucleares
se utiliz de inmediato en la industria de la automocin; actualmente es una herramienta
de uso habitual en la industria.
Es una tcnica de carcter preventivo que debe llevarse a cabo en las fases de diseo y
desarrollo de productos y servicios a lo largo del proceso de fabricacin para que se
puedan detectar y prevenir los posibles modos de fallo potenciales.
En el manual Potencial Mode and Effects Analysis de la QS 9000, normativa del sector de
la automocin Ford, Opel y General Motors, pueden encontrarse las ideas fundamentales
de esta tcnica y la manera de aplicarlas.

DISTRIBUCCIONES DE PROBABILIDAD EN FIABILIDAD.


En muchas reas de la estadstica aplicada, la distribucin Normal es el punto de partida
natural para modelar la variable aleatoria de inters. Puede resultar de consideraciones
puramente pragmticas o del argumento terico basado en el Teorema del Lmite Central,
el cual nos dice que si una variable aleatoria es la suma de un gran nmero de efectos
pequeos, entonces la distribucin es aproximadamente Normal. En el contexto de
fiabilidad, el caso de la Normalidad tiene una importancia menor. Por un lado los tiempos
de vida y las resistencias a la rotura son cantidades inherentemente positivas y adems
para una variable aleatoria de estas caractersticas surge de forma natural la idea de que
la aparicin de fallos puede seguir el proceso de Poisson, con lo que en este caso la
distribucin exponencial es ms adecuada.
En la prctica, los modelos utilizados en fiabilidad son generalizaciones de la distribucin
exponencial, tales como las distribuciones Gamma y Weibull.
Otro aspecto distintivo del anlisis estadstico de los datos de fiabilidad es el papel central
que juega la funcin de fiabilidad y la funcin de riesgo (Hazard Function) y la natural
aparicin de datos censurados.(1)
(1) El tratamiento estadstico en algunos casos requiere de las tcnicas de muestras
estadsticas no completas, puesto que la informacin de que se dispone sobre algunas
unidades es que el fallo no ha ocurrido durante el tiempo de la prueba, denominado tiempo
total de test. Estos datos se llaman censurados.
LA DISTRIBUCIN NORMAL
Como distribucin del tiempo de vida.
Tiene dos parmetros y est tabulada.
Inconvenientes: dar valores negativos con probabilidad negativa
DISTRIBUCIN LOG-NORMAL
Representa la evolucin del tiempo de la tasa de fallos en la primera fase de vida de un
componente.
Permite fijar tiempos de reparacin de componentes

Desribe la dispersin de las tasas de fallos de componentes:variable independiente tasa


de fallos
Propiedades
Depende de dos parmetros.
Idnea para parmetros que son a su vez producto de numerosas cantidades aleatorias.
Asigna a valores de la variable < 0 la probabilidad 0 y de este modo se ajusta a las tasas y
probabilidades de fallo.
La esperanza matemtica es mayor que su mediana, dando ms importancia a valores
grandes de las tasas de fallo que la normal, tendiendo a ser pesimista.
Variable independiente :el tiempo
Funcin de densidad:
s = desviacin estndar en la distribucin normal
tm = tiempo medio t= tiempo
Para efectuar clculos esta frmula se suele escribir de la forma:
Siendo fN la forma estndar de la funcin de densidad de la distribucin normal y puede
ser obtenida a partir de tablas.
Funcin de fiabilidad:
Q(t) es la funcin acumulativa de la probabilidad y aplicada a los fallos de las
componentes, representa la probabilidad de que el componente falle antes de t.
Y la tasa de fallos:
Variable independiente : La tasa de fallos
Funcin de densidad:
m* y s2 son la esperanza o media y la varianza, respectivamente, de los logaritmos de las
tasas de fallos.
Media:
Varianza:
Expresiones de algunos de los parmetros de la Log-normal:
Factor de dispersin D:
EL PROCESO DE POISSON.
El proceso de Poisson modeliza los tiempos entre sucesos aleatorios. Supongamos que se
observan una serie de sucesos aleatorios; concretando, supongamos que los sucesos son
fallos de unidades, de forma que las observaciones son tiempos entre fallos, por ejemplo
en sistemas reparables. Las hiptesis naturales, las cuales pueden o no satisfacerse en
algn ejemplo particular, son:
- Los fallos que ocurren en intervalos de tiempo disjuntos son estadsticamente
independientes.

- La tasa de fallo (media de fallos por unidad de tiempo) es constante, as que no depende
del intervalo examinado en particular.
Cuando ambas hiptesis se cumplen, entonces el proceso de aparicin de fallos se llama
proceso de Poisson con tasa de fallo .
El proceso de Poisson tiene dos propiedades importantes:
- El nmero de fallos X en un intervalo de longitud t sigue una distribucin de Poisson con
media t, de tal forma que
k0
- Los tiempos entre fallos sucesivos son variables aleatorias independientes, cada una de
las cuales sigue una distribucin exponencial con parmetro , as que:
Pr(tiempo de fallo > t) = , 0<t<
El tiempo medio entre fallos (MTBF) es .
La primera propiedad est relacionada con la distribucin de Poisson de parmetro .
Adems el proceso de Poisson es un buen modelo para aquellos sistemas con muchos
componentes que pueden fallar, pero que la probabilidad de fallo de cada uno de ellos es
pequea. Este fenmeno es conocido con el nombre de sucesos raros.
La segunda propiedad sugiere la distribucin exponencial para tiempos de vida.
Muchos sistemas pueden mejorar o empeorar con e tiempo. En este caso se necesitan
modelos ms generales como los procesos de Poisson no homogneos
(Nonhomogeneous Poisson Process) donde la tasa de fallo no es constante. Este tipo de
modelos es particularmente importante en el anlisis de sistemas reparables.
MODELO EXPONENCIAL
El modelo exponencial es bien conocido. Su funcin de densidad es :
Sea T = Tiempo de vida de una unidad
Dada la funcin de densidad podemos obtener las funciones asociadas al Anlisis de
datos de supervivencia:
Probbilidad de supervivencia
Supervivencia :
Dado que la densidad de fallos es f (t), el tiempo T que se espera que transcurra hasta un
fallo viene dado por:
Tasa de fallos:
El modelo exponencial es el nico que tiene tasa de fallos constante: la probabilidad
de
fallar condicionada a que el elemento est en uso no vara con el tiempo. Esta propiedad
se
denomina falta de memoria.
Ejemplo:/
Durante el programa de mantenimiento anual que realiza una empresa se han recogido
los datos de fallos de un conjunto de 50 vlvulas mecnicas habiendo fallado 2 de

ellas. Para reprogramar el programa de mantenimiento preventivo que se lleva


actualmente en la empresa se desea saber :
Tasa de fallos anual para dichas vlvulas.
Qu probabilidad tiene una vlvula de fallar antes de alcanzar un tiempo de
funcionamiento de 4 meses.
Cul ser la probabilidad de que la una vlvula est en funcionamiento al cabo de 6
meses.
Cul ser la probabilidad de que el tiempo de vida est comprendido entre 4 y 6 meses.
a.
Determinar un intervalo de vida con un nivel de confianza (centrado) del 90 %.
La tasa de fallos ser la relacin entre el nmero de vlvulas falladas y el nmero total
de vlvulas en funcionamiento:
La probabilidad de que una vlvula falle antes de un nmero determinado de meses
viene expresado por la infiabilidad Q (t):
Q(t)= 1 - exp ( - t)
= 4. 10-2
t tiempo expresado en aos
Luego, para t = 1/3, se tendr:
Q (t) = 1 - exp (- 4.10 -2 . 1/3) = 1 - 1 / 1,013288 = 1 - 0,986886 = 0,013114%.
La probabilidad de que el dispositivo falle antes de cuatro meses ser del 1,3114 %.
La probabilidad de que no se haya producido el fallo antes de los 6 meses ser la
fiabilidad para ese tiempo, que resultar
R (t) = exp (-t) = exp (- 4. 10-2 . 1/2) = exp (- 0,002) = 0,998
Esto quiere decir que existe una probabilidad del 99,80 % de que una vlvula no se avere
antes de los seis meses
La probabilidad de que el tiempo de vida est comprendido entre 4 y 6 meses ser la
diferencia entre la probabilidad de que falle antes de los 6 meses y la de que falle antes de
los 4 meses; matemticamente ser la diferencia entre las infiabilidades de ambos
periodos de tiempo sea:
Pr=Q(1/2)-Q(1/3)=[1-exp(-1/2)]-[1-exp(-1/3)]=exp (- 1/3) - exp (-1/2) = 0,1124 (11,24 %)
Representamos grficamente lo anterior en la figura 4 y la figura 5.
Para determinar un intervalo de vida con una confianza del 90 %, partimos de la figura 6
y la figura 7.
Luego, debe verificarse que los valores de la infiabilidad para los momentos t, y t 2 sern
respectivamente :
Q(t1)=0,05 Q(t2)=0,95
Sustituyendo las expresiones anteriores por sus respectivos valores
1-exp(-t1)=0,05 1-exp(-t2)=0,95
Despejando:

exp(-t1)=0,95
exp(-t2)=0,05
Invirtiendo: (es decir 1/0,95 y 1/0.05)
exp(t1)=1,06 de donde t1=0,05826aos
exp(t2)=20 de donde t2=2,9957aos
Luego, para un nivel de confianza del 90 %, la vida de la vlvula estar comprendida entre
0,05826 y 2,9957 aos.
MODELO DE WEIBULL
Muy utilizado en la prctica por su versatilidad
El modelo Weibull tiene la siguiente funcin de densidad
Dada la funcin de densidad podemos obtener las funciones asociadas al Anlisis de
datos de supervivencia:
Funcin de fiabilidad:
Tasa de fallos:
Funcin de riesgo
Donde * y * son parmetros positivos, el primero un parmetro de escala y el segundo un
parmetro de perfil o de forma
Segn sean los valores de beta puede representar tasas de fallo crecientes ,
decrecientes o constantes:
*<1: La funcin de riesgo o la tasa de fallo disminuye al aumentar el tiempo. Este
comportamiento es propio de los fallos prematuros. Productos con esta tasa de fallo suelen
ser verificados en fbrica para que los fallos nos e produzcan en el mercado
*=1: (modelo exponencial) La funcin de riesgo es constante. Una tasa de fallo constante
es una caracterstica de los fallos ocasionales. En esta situacin el nmero de fallos y el
momento en que ocurren no depende del tiempo que el dispositivo funciona.
Si > 1 la funcin de riesgo es creciente. Esto indica que los fallos son debidos al
envejecimiento, a la fatiga o al desgaste. En particular si 1 < < 2, la funcin de riesgo
crece rpidamente al principio y muy poco al final; para = 2 la funcin de riesgo crece
linealmente con el tiempo; para > 2 crece poco al principio y rpido posteriormente, es
decir, el intervalo de tiempo en el cual se produce un fallo es cada vez menor. Es
recomendable que los dispositivos con tasa de fallo creciente tengan un plan de
mantenimiento preventivo.
Ejemplo:
T = duracin de una marca de bombilla de bajo consumo en aos (20 datos):
1.53 0.30 1.87 0.08 1.67 1.48 3.41 2.95 1.71 3.20
0.22 2.31 0.45 3.79 2.76 0.73 0.92 2.81 3.03 2.41
Las duraciones varan de 0.08 a 3.79
Duracin media: 1.88
Desviacin tpica: 1.15
Resolucin:

Contrastes de bondad de ajuste a una Weibull


P-valores (mayores que 0.2) nos indican que podemos aceptar la hiptesis de que los
datos provienen de una Weibull.
Estimacin de los parmetros:
Se puede inferir que, con una probabilidad superior al 40 %, una bombilla de esta marca
durar ms de dos aos (R(2) = 0.41).
Se puede inferir que el 80% de las bombillas durarn aproximadamente entre 0.5 y 3.5
aos, ya que R(0.5) 0.9, R(3.5) 0.1
A partir del cuarto ao, la tasa de fallos es superior a la unidad.
MODELOS PARAMTRICOS
El proceso de ajuste de modelos estadsticos a
partir de datos muestrales es simple:
Se estudian los datos mediante tcnicas de
estadstica descriptiva
Se elige un modelo de distribucin de probabilidad
Se estima
Se realiza una diagnosis para detectar posibles
errores.

PRUEBAS DE VIDA ACELERADA.


Las pruebas de vida acelerada son aquellas que se realizan a un nivel de estrs superior
al de las condiciones ordinarias de funcionamiento, con el fin de provocar la aparicin de
fallos en un tiempo ms corto. Estas pruebas se realizan exponiendo los productos a
condiciones ms severas que las usuales. Generalmente implica aumentar la temperatura,
el voltaje, la presin, la vibracin, el tiempo operativo, etc.
Las pruebas de vida acelerada pueden usarse tanto para evaluar la capacidad de un
componente para satisfacer los requisitos de fiabilidad como para tener un medio ms
rpido de detectar debilidades potenciales o modos de fallo.
Por ejemplo es habitual en la industria hacer estudios del nmero de ciclos hasta el fallo de
aparatos como lavadoras, tostadoras, etc., de forma seguida, que condensan el
envejecimiento correspondiente de 6 meses a 10 aos. En estos casos no es necesario un
aparato matemtico especial para determinar la relacin de tiempo vida, puesto que se
extrapola en funcin del tiempo operativo de los mismos.
La relacin entre los dos fallos y la tasa de fallos en condiciones aceleradas, y las
correspondientes en condiciones normales de funcionamiento, debe conocerse a travs de
datos histricos o a partir de datos estadsticos, que relacionen el tiempo de vida de los
componentes con el estrs a que estn sometidos.
Son bien conocidas, por ejemplo, las tasas las de fallo en funcin de las tensiones
aplicadas y las temperaturas de funcionamiento de condensadores y resistencias, y las
relaciones pueden usarse para evaluar unidades de un solo lote, tipo o fabricante. Una
relacin frecuentemente usada es que la tasa de fallo se duplica aproximadamente por

cada subida de 10C. Puesto que estos componentes suelen ser muy fiables, se usan
temperaturas elevadas en combinacin con sobre tensiones, a fin de determinar tasas de
fallo en un tiempo razonable.
Los ensayos acelerados de nuevos productos es una tcnica comn y se usa para
detectar modos de fallo potenciales.
Las pruebas de vida aceleradas con fines de valoracin se restringen a las piezas y los
componentes, de los cuales se conocen las relaciones entre las tasas de fallo en
condiciones normales y de estrs. Un registro importante es que las condiciones de estrs
no puedan introducir nuevos modos de fallo.
Cuando las relaciones estn bien definidas, las pruebas de vida acelerada pueden dar
estimaciones de las caractersticas de fiabilidad a una fraccin del coste de las pruebas
ordinarias, y son ventajosas.
La relacin entre pruebas aceleradas y normales puede ser relativa a una tasa de fallo, a
una tasa de degradacin o cambio de una caracterstica, o al tiempo de desgaste. Siempre
que se conozca la relacin, los datos en condiciones aceleradas pueden reducirse a datos
en condiciones normales, generalmente multiplicados por algunas constantes apropiadas.
De todas formas, para ciertos componentes se conocen las constantes a partir de estudios
documentados. El manual MIL-HBK-217 es la fuente ms consultada en la industria
electrnica.
Hay otra aplicacin en que se usan las pruebas de vida aceleradas, las pruebas conocidas
como burn-in, de purga, que causan el efecto de eliminar las unidades potencialmente
infiables sin afectar a las unidades buenas. Un ejemplo de esta prueba es el ensayo de
aceleracin a 20.000 g, donde g es la aceleracin de la gravedad 9,81m/s, que se aplica a
los semiconductores (hay algn fabricante que ha aumentado incluso este nivel de g en un
50%, hasta 30.000 g en algunas unidades, sin observar efectos medibles sobre la
actuacin o longevidad de las unidad es que pasan la prueba). Tal ensayo sirve para
eliminar las unidades que tienen una debilidad mecnica en potencia y una fiabilidad
inferior. El ensayo puede tambin hacer que fallen ciertas unidades cuya fiabilidad hubiera
sido satisfactoria, pero, imponindolo a todas las unidades, la fiabilidad general resultante
del lote despus del ensayo es considerablemente superior a la que hubiera sido de no
haberse realizado el ensayo. Es importante que las unidades que superan la prueba no se
hayan degradado.
MODELOS DE PRUEBAS DE VIDA CON ESTRS CONSTANTE:

Modelo Arrhenius-Exponencial.

El modelo potencia inversa de Weibull.


ANLISIS DE LA FIABILIDAD DE UN SISTEMA.
Un sistema es, en este contexto, un dispositivo formado por partes cuya fiabilidad es
conocida. Estas partes se llaman componentes.
La actuacin de un sistema puede analizarse como funcin de componentes individuales.
Si los datos son recogidos en componentes individuales, entonces es posible hacer
inferencia estadstica sobre la fiabilidad de estos componentes, pero an queda el
problema del clculo de la fiabilidad del sistema a partir de la fiabilidad de sus
componentes que es lo que se desarrolla en este apartado.

En general el fallo de un sistema se produce al fallar uno o varios componentes. El


problema bsico de la fiabilidad de sistemas consiste en el clculo de la fiabilidad R(t) de
un sistema a partir de la fiabilidad de sus componentes.
SISTEMAS COHERENTES.
La clase ms conocida de sistemas son los sistemas coherentes. El concepto fundamental
de los sistemas coherentes (coherent system) es que las componentes se encuentran,
individualmente, en uno de los dos estados, funcionan o fallan, y el estado de los sistemas
se representa en trminos de los estados individuales de cada componente a travs de las
funciones de estructura (structure function). Ejemplos de sistemas coherentes son los
sistemas enserie, en paralelo o mixtos.
EJEMPLO DE SISTEMA EN SERIE.
Es aquel para el que el fallo del sistema equivale al de un solo componente.
Ejemplo de un sistema en serie formado por tres componentes:
EJEMPLO DE SISTEMA EN PARALELO.
Es aquel para el cual se produce un fallo cuando todos los componentes fallan.
Ejemplo de un sistema en paralelo formado por tres componentes:
EJEMPLO DE SISTEMA K ENTRE n
Es un sistema ms general que enlaza los sistemas serie y los sistemas paralelos. En este
caso el sistema est operativo si por lo menos K componentes de entre n componentes
estn operativos. K = n corresponde a un sistema en serie y K = 1 corresponde a un
sistema en paralelo.
El sistema 2 entre 3 de la figura del ejemplo anterior est operativo si por lo menos dos
componentes de una de las tres cadenas estn operativos. En este caso la figura del
primer ejemplo debera contener la restriccin que los componentes fueran de la misma
cadena.
Ejemplo de un sistema 2 entre 3.
EJEMPLO DE FIABILIDAD DE UNA RED.
Este es un ejemplo simplificado de un problema de la fiabilidad de una red (network
reliability), en la que el sistema puede ser representado por una red de componentes y el
estado del sistema depende de la existencia de un camino a travs del cual los
componentes funcionan.
Un sistema consiste en un computador central que tiene conectados tres terminales. El
computador tiene conectada una impresora y tambin es posible imprimir en otra unidad
central. El sistema se considera que funciona si es posible utilizar el computador y tener
una impresora de salida conectada. Para esto se requiere que: (a) funcione el computador
central, (b) al menos una terminal de las tres funcione, y (c) que funcione la impresora local
o que la conexin con otra unidad que tiene conectada la impresora funcione.
Este sistema puede representarse grficamente donde 1, 2 y 3 son las tres terminales y 4
el computador, 5 la impresora local y 6 la otra unidad. Y en este caso
A partir de este sencillo ejemplo se puede apreciar el potencial que uno puede tener para
sistemas ms complicados. Por ejemplo, un sistema computacional de una compaa o un
universidad puede representarse mediante diagramas de este tipo donde los sistemas,

mucho ms grandes y complejos, pueden requerir millares de componentes y una


estructura de redes complicada. Tambin las centrales nucleares han sido modeladas por
redes de este tipo.
Este es un ejemplo de un sistema computacional.
FIABILIDAD DE UN SISTEMA EN SERIE CON TASA DE FALLO CONSTANTE.
Si los componentes con independientes, la fiabilidad de un sistema en serie se calcula por
la regla del producto.
Regla del producto: un sistema en serie, con los componentes independientes, funciona s
y solo s todos los componentes funcionan:
Hablamos de un sistema en serie con fallo constante cuando todos los componentes
tienen tasa de fallo constante, es decir, cuando el tiempo de vida de los componentes se
distribuye exponencial de parmetro , y por la regla del producto:
O, equivalentemente, , donde .
Un sistema en serie con los componentes con la tasa de fallo constante tiene la tasa de
fallo constante e igual a la suma de las tasas de fallo.
REDUNDANCIA.
La redundancia es el principal mtodo para aumentar la fiabilidad de un sistema y se
define como la existencia de ms de un medio para realizar una determinad funcin.
La redundancia puede implicar el uso de dos o ms componentes o conjuntos idnticos, de
forma que cuando uno falla hay otros que realizan la funcin, o bien se pueden incluir
medios diferentes para realizar la funcin. Una rueda de repuesto de un automvil es un
ejemplo de pieza redundante; el sextante manual usado para la navegacin de un vehculo
espacial en caso de fallo de los controles automticos es un ejemplo del segundo mtodo.
En ambos ejemplos, el componente redundante (la rueda o el sextante) se usa slo
cuando falla el sistema primario. Este uso se llamaredundancia secuencial.
Otros sistemas redundantes se hacen funcionar simultneamente, de modo que todos los
sistemas utilizables (no fallados) realicen la funcin durante todo el tiempo. Este tipo se
llama redundante en paralelo activo. El uso de cuatro motores de un avin es un ejemplo
de ste.
La redundancia secuencial proporciona tericamente ms fiabilidad que la redundancia en
paralelo activo si las funciones de deteccin de fallos y conmutacin son extremadamente
fiables. Ambos tipos dan una fiabilidad del sistema mucho mejor que el sistema no
redundante. A ttulo de ejemplo, algunos clculos de fiabilidad de sistemas con
componentes redundantes seran:

La norma MIL-STD-721B define la redundancia activa como la


redundancia de los sistemas en los que los objetos redundantes operan
simultneamente, en lugar de ser activados cuando son necesarios.

Y la redundancia secuencial (standby) se define como la redundancia de


los sistemas en los que el medio alternativo de realizar una funcin no se activa
hasta que es necesario, y es activado por el fallo del medio primario de realizar
la funcin. Un ejemplo de ste sera un avin trimotor, que funciona siempre
que funcionan dos motores.

ANLISIS MEDIANTE RBOLES DE FALLO.


La fiabilidad en redes (Network reliability) se basa en una representacin grfica abstracta
de un sistema. Bsicamente est orientada al suceso xito, pero en la prctica es mejor
orientarla al fallo.
Muchas veces un rbol de fallos (o rbol lgico) es el mejor dispositivo para deducir cual
es el mayor evento que puede producir un fallo en el sistema.
El anlisis mediante rboles de fallo, abreviadamente FTA (failure tree analysis), es una
tcnica que utiliza grficos, denominados rboles de fallo, que representan con operadores
Booleanos (Y y O) las combinaciones de estados lgicos susceptibles de conducir un
sistema a una situacin no deseada.
CONSTRUCCIN DE UN RBOL DE FALLOS.
La construccin de rboles de fallos es uno de los principales mtodos de sistemas de
anlisis de seguridad. Fue desarrollado en los aos 60 en la industria aeroespacial. Puede
ser una herramienta de diseo muy til. Se pueden identificar los accidentes potenciales
en el diseo de un sistema y puede ser de ayuda para eliminar cambios de diseo
costosos y retornos. Tambin se utiliza como herramienta de diagnstico para predecir las
causas de fallo ms probables de un sistema en el caso que deje de funcionar.
Un rbol de fallos es un modelo lgico grafico donde se puede representar varias
combinaciones de los posibles sucesos, de fallo y normales, que ocurren en un sistema,
donde el suceso no deseado se sita arriba del todo del rbol. Entre los elementos de un
sistema se incluyen: hardware, software, y tambin factores humanos y ambientales.
Para construir un rbol de fallos de un sistema siempre se empieza definiendo el suceso
principal. Antes de empezar a construirlo debe entenderse el sistema, profundizando en las
limitaciones del entorno y del problema. Una vez construido, se analiza el rbol y, para que
tenga aplicabilidad, deben estudiarse las medidas correctivas y adoptarse las que se
consideren oportunas para evitar o disminuir la probabilidad de fallo del sistema.
SMBOLOS DE LOS SUCESOS.
El rectngulo define un suceso que es la salida de una puerta lgica, y depende del tipo de
puerta lgica y de las entradas de la puerta lgica. Un suceso de fallo es un estado del
sistema no normal. No necesariamente ha de ser debido al fallo de un componente. Por
ejemplo, el suceso fallo puede ocurrir debido a un error de comando o de comunicacin.
El crculo define un fallo inherente bsico de un elemento del sistema cuando opera sin las
especificaciones diseadas. Nos referimos a este suceso como suceso bsico primario.
El rombo representa aquel fallo, distinto del fallo primario, que no interesa desarrollar ms
(lo denominamos suceso bsico secundario).
Los sucesos bsicos, pues, son primarios (crculo) o secundario (rombo).
El suceso interruptor representa un suceso que, por diseo, se espera que ocurra siempre
(on) o que no ocurra nunca (off).

Suceso de fallo
PUERTAS LGICAS.

Suceso bsico
primario

Suceso bsico
secundario

Suceso interruptor

Los rboles de fallo utilizan puertas O (OR gates) y puertas Y (AND gates) la puerta O es
una conexin lgica entre un suceso combinado y diversos sucesos elementales, lo que
significa que el suceso combinado tiene lugar cuando se da al menos alguno de los
sucesos elementales. La puerta Y es una conexin lgica entre un suceso combinado y
diversos suceso elementales, lo que significa que el suceso combinado tiene lugar cuando
se dan simultneamente todos lo sucesos elementales.

Puerta O
22

Puerta Y