Distribuciones de Probabilidad

Aplicaciones a la Ingeniería de
Mantenimiento
Henry Villarroel

(villarroelhenry.J@gmail.com)
 DISTRIBUCIONES DE PROBABILIDAD
UNIDAD III
DISTRIBUCION EXPONENCIAL

Frecuencia relativa (%)

 Es la distribución que
mejor modela la tasa de
falla constante o vida
útil de los equipos
 Muchos componentes
electrónicos tales como Intervalos de Clase (tiempo)
circuitos, transistores
muestran un
comportamiento de falla
exponencial
 DISTRIBUCIONES DE PROBABILIDAD
UNIDAD III
DISTRIBUCION EXPONENCIAL

Frecuencia relativa (%)

Modelo matemático

e
f (t ) = λ − λt
R (t ) = e − λt
F (t ) = 1 − R(t ) Intervalos de Clase (tiempo)

e
∞ ∞
1
MTBF = ∫ R (t )dt = ∫ λ − λt dt =
Tasa de Falla (%)
0 0 λ

h(t ) = =
e
f (t ) λ − λt
=λ
R(t ) e − λ t

Intervalos de Clase (tiempo)

 DISTRIBUCIONES DE
PROBABILIDAD
UNIDAD III
DISTRIBUCION EXPONENCIAL

Modelo matemático

R (t ) = e − λt
1

Confiabilidad R(t)
haciendo t = MTBF =
λ 0.368

1
− λ 
R (t ) = e λ = e − 1 = 0.368
MTBF

Intervalos de tiempo
 DISTRIBUCIONES DE
PROBABILIDAD
UNIDAD III
DISTRIBUCION EXPONENCIAL

R (t ) = e − λt
Linealizando la ecuación R(t)
0.368

Ln R(t)
ln R (t ) = −λt
y = bx
Aplicando regresión lineal MTBF

Intervalos de tiempo
n.∑ t i . ln R (t ) − ∑ t .∑ ln R (t )
b = −λ = i

(
n. ∑ t i
2
) − (∑ t )i
2
 DISTRIBUCIONES DE
PROBABILIDAD
UNIDAD III
DISTRIBUCION EXPONENCIAL
Procedimiento para la predicción del MTBF y tasa de falla en la
distribución exponencial:
 Agrupar los datos y graficar f(t) vs. Tiempo
 Ordenar la información de los tiempos de operación en orden
ascendente (de menor a mayor)
 Calcular la probabilidad de falla estadística por:
i i − 0.3 i
F (t ) = 20 ≤ N ≤ 50 F (t ) = F (t ) =
N +1 N ≤ 20 N ≥ 50
N + 0.4 N

i= numero de orden de observación

N=numero total de observaciones
 Calcular la probabilidad de supervivencia R(t)=1-F(t)
 Construir la recta de confiabilidad versus tiempos de operación en
papel exponencial
 Determinar el MTBF con R(t)=37% aprox. en la grafica
 DISTRIBUCIONES DE PROBABILIDAD
UNIDAD III
DISTRIBUCION EXPONENCIAL
EJEMPLO DE PATRON DE FALLA
En la tabla siguiente se muestran las horas de operación antes de fallar de un montacargas de la
empresa Otinsa. Se desea estimar el MTBF

Horas antes de fallar Causa de la falla

11 caucho
19 Carburación
28 Sistema hidráulico
15 Sistema de elevación
5 Sistema de dirección
49 Sistema de dirección
2 Caucho
7 Sistema hidráulico
 DISTRIBUCIONES DE
PROBABILIDAD
UNIDAD III
DISTRIBUCION EXPONENCIAL
EJEMPLO DE APLICACIÓN DISTRIBUCION EXPONENCIAL (Cont.)

X min = 2 Rango = X max − X min = 49 − 2 = 47

47
K = 8. = 2.82 ≅ 3 Se toman 4 intervalos I= = 11.75 ≅ 12
X max = 49 4

Intervalos (horas) Fr f (t) No. De h (t)

sobrevivientes

2 - 14 4 0.50 8 0.50

15 - 27 2 0.25 4 0.50

28 - 40 1 0.125 2 0.50

41 - 53 1 0.125 1 1.00
 DISTRIBUCIONES DE
PROBABILIDAD
UNIDAD III
DISTRIBUCION EXPONENCIAL

Grafica de f(t) montacargas

Grafica de h(t) del Montacargas
0.6
Frecuencia relativa (%)

0.6
0.5 0.5
0.5

Tasa de falla (%)

0.4
0.4
0.3 0.3
0.25
0.2 0.2
0.1 0.125 0.125
0.1
0 0
O2 - 14 15 - 27 28 - 40 41 - 53 2.0 - 14.0 15.0 - 27.0 28.0 - 40.0
Intervalos de Clase Intervalos de Clase
 DISTRIBUCIONES DE
PROBABILIDAD
UNIDAD III
DISTRIBUCION EXPONENCIAL

1. Ordenar en forma ascendente

i − 0 .3
2. Calculo de F (t ) =
N + 0 .4
3. Calculo de R(t)=1-F(t)

Ordinal (i) Tiempo F(t) R(t)

(horas)
1 2 0.0833 0.9167

2 5 0.2023 0.7977

3 7 0.3214 0.6786

4 11 0.4404 0.5596

5 15 0.5595 0.4405

6 19 0.6785 0.3215

7 28 0.7976 0.2024

8 49 0.9166 0.0834
R(t)=36.8%

MTBF=18 horas
DISTRIBUCIONES DE
PROBABILIDAD
UNIDAD III
DISTRIBUCION EXPONENCIAL

Resultados
Método Grafico

MTBF = 18 horas

 t 
− 
R (t ) = e  18 

F (t ) = 1 − R (t )
 DISTRIBUCIONES DE
PROBABILIDAD
Unidad III
DISTRIBUCION NORMAL

 En mantenimiento
esta distribución
describe el periodo
de desgaste de los
equipos
 También puede ser
utilizada para
modelar los tiempos
de reparación de los
equipos
 DISTRIBUCIONES DE
PROBABILIDAD
Unidad III
DISTRIBUCION NORMAL
 La tasa de falla
aumenta aumenta
sostenidamente porque
los elemento del equipo
sufren un proceso de −
1  t − µx 
2

deterioro físico f (t ) =
1
σ 2π
. e 2  σ 

 Se define como una ∞

variable aleatoria R (t ) = 1 − ∫ f (t )dt MTBF = µx

continua x que es 0

normalmente distribuida f (t ) φ ( Z )
con media µx y h(t ) = =
R (t ) σ .R (t )
varianza σ 2
 DISTRIBUCIONES DE
PROBABILIDAD
Unidad III
DISTRIBUCION NORMAL
1

Distribucion normal
1

estándar f(xi)

Dado que µx y σ determinan

f( x ) 0.5


completamente la
distribución normal, 0

entonces en la distribución
0
8 9 10 11 12
8 xi x 12

normal existen familias de Variable Aleatoria

 z2 
distribuciones normales, una −
 2


de mas cuales la mas f (t ,0,1) =
1
σ . 2π
e
.  
importante es la distribución
normal estándar( µx = 0, σ = 1)  z2 
− 
 2 
La distribución normal se e
z
1   dt
 F ( z) = ∫ σ . 2π
.
puede estandarizar con: −∞

 t − µx 
Z =  R( z ) = 1 − F ( z )
 σ 
 DISTRIBUCIONES DE
PROBABILIDAD
Unidad III
DISTRIBUCION NORMAL
Ejemplo de aplicación de la distribucion normal
 En tabla adjunta que se muestra a continuación se muestran los tiempos de
reparación (datos agrupados) de las tareas de mantenimiento de la planta
eléctrica P-01. La Gerencia de mantenimiento desea estimar para planificación de
la próxima tarea de mantenimiento la probabilidad de reparar la planta eléctrica
entre 4 a 10 horas
Intervalos de Clase Acciones de f (t )
(horas) mantenimiento
1.1 - 2 5 0.06
2.1 - 4 10 0.18
4.1 - 6 16 0.37
6.1 - 8 22 0.64
8.1 - 10 14 0.81
10.1 . 12 10 0.93
12.1 - 14 5 0.06
14.1 - 16 1 0.01

µ = 6.6 = MTTR horas

σ = 3.14 horas
 DISTRIBUCIONES DE
PROBABILIDAD
Unidad III
DISTRIBUCION NORMAL

Histograma de Frecuencia Tiempos de Reparacion Planta Electrica

25
Frecuencia de Clase

20

15

10

0
1.1 - 2 2.1 - 4 4.1 - 6 6.1 - 8 8.1 - 10 10.1 - 12 12.1 - 14 14.1 - 16
Intervalos de Clase (horas)
 DISTRIBUCIONES DE
PROBABILIDAD
Unidad III
DISTRIBUCION NORMAL
Resolución del Problema t − µx) 4 − 6.61
Z1 = ( )=( ) = −0.83
σ 3.14
M (4 ≤ T ≤ 10) Estandarizando los tiempos:
t − µx 10 − 6.61
M (Z 1 ≤ T ≤ Z 2 ) = ? Z2 = (
σ
)=(
3.14
) = 1.08

M (−0.83 ≤ T ≤ 1.08) = ?

= -

Z 2 = 1.08 −∞ Z 2 = 1.08 −∞ Z 1 = −0.83

Z 1 = −0.83

M (−0.83 ≤ T ≤ 1.08) = φ (1.08) - φ (−0.83)

M (−0.83 ≤ T ≤ 1.08) = 0.8599 - 0.2033

M (4 ≤ T ≤ 10) = 0.6560 (65.66%)

 DISTRIBUCIONES DE
PROBABILIDAD
UNIDAD III
DISTRIBUCION WEIBULL

 Es la distribución de vida
mas ampliamente utilizada
en los análisis para describir
la tasa de falla de los
equipos, por su versatilidad. h(t)
 Matemáticamente se define:
( )β
β −1

f (t ) = β  t  .
α α 
e − t /α

β
h(t ) = β tβ −1
α
R(t ) = e (
− t /α )β
β=Pendiente o parámetro de forma
α = Parámetro de escala (edad característica de falla)
 DISTRIBUCIONES DE
PROBABILIDAD
UNIDAD III
DISTRIBUCION WEIBULL

Características:
 β<1 tasa de falla decreciente
(Mortalidad infantil)
 β =1 tasa de falla constante
(vida útil)
 β > 1 tasa de falla creciente
(desgaste) Casos particulares:

1
MTBF = α .Γ(1 + ) β =1 MTBF = α
β
1 β = 0.5 MTBF = 2.α
Γ(1 + ) = Función Gamma
β
 DISTRIBUCIONES DE
PROBABILIDAD
UNIDAD III
DISTRIBUCION WEIBULL

METODO GRAFICO PARA DETERMINAR LA DISTRIBUCION DE WEIBULL

R(t ) = e (
− t /α )β
PAPEL WEIBULL
F(t)
Haciendo:

β =1 t =α 0.6322

R (t =α) = e−1 =0.3678

F (t = α ) = 1 − R (t = α ) = 0.6322 t =α
Intervalos de tiempo
 DISTRIBUCIONES DE
PROBABILIDAD
UNIDAD III
DISTRIBUCION WEIBULL

METODO ANALITICO PARA DETERMINAR LA DISTRIBUCION DE WEIBULL

R(t ) = e− ( t / α )
β

 1   1 
n.∑ Lnti .Ln( Ln ) − ∑ Lnti .∑ Ln Ln )
 R(t )   R(t ) 
β β= =b
t n.∑ Lnt 2 − ( ∑ Lnti )
2
− LnR (t ) =  
α 

  1 
Ln Ln   = β .Lnt − β .Lnα  1   1 
  R (t )   ∑ Lnt .∑ Ln( Ln R(t ) ) − ∑ Lnt .Ln( Ln R(t ) )
2
i

− β .Lnα =     =a
n.∑ Lnt − ( ∑ Lnt )
2 2
i

y = b.x + a
a
Lnα =
−β
Aplicando Regresión Lineal a la ecuación
 a 
 
α= e −β 
 DISTRIBUCIONES DE
PROBABILIDAD
UNIDAD III
DISTRIBUCION WEIBULL

Procedimiento para la predicción edad característica de falla y modo de

falla en la distribución Weibull:
 Agrupar los datos y graficar f(t) vs. Tiempo
 Ordenar la información de los tiempos de operación en orden
ascendente (de menor a mayor)
 Calcular la probabilidad de falla estadística por:
i i − 0. 3 i
F (t ) = F (t ) = N ≤ 20 F (t ) = N ≥ 50
20 ≤ N ≤ 50 N + 0.4 N
N +1
 i = numero de orden de observación
 N=numero total de observaciones
 Construir la recta de confiabilidad versus tiempos de operación
 Determinar la edad característica de falla( α ) con F(t)=62.22% aprox. en
la grafica
 Determinar β
 DISTRIBUCIONES DE
PROBABILIDAD
UNIDAD III
DISTRIBUCION WEIBULL

EJEMPLO DE APLICACIÓN DE LA DISTRIBUCION DE WEIBULL

 El gerente de mantenimiento de una planta eléctrica desea conocer el modo de falla y la
edad característica de falla de un motor diesel. Para este propósito disponen de los tiempos
de operación en horas del equipo hasta fallar: 6,23,163,282,215,46,503,92,12,46,20

Histograma de Frecuencia Motor Diesel

Intervalos de Frecuencia de
clase (horas) clase
10
0 – 100 9
Frecuencia de Clase 8
100 – 200 1
6
200 – 300 2
4
300 – 400 2 2
400 – 500 0 0
500 - 600 1 0 - 100 100 - 200 200 - 300 300 - 400 400 - 500
Intervalos de Clase (horas)
 DISTRIBUCIONES DE
PROBABILIDAD
UNIDAD III
DISTRIBUCION WEIBULL

RESOLUCION UTILIZANDO EL METODO GRAFICO

i − 0.3
F (t ) =
N + 0.4
Ordinal Tiempo F(t)
1 2 0.0523
2 6 0.1269
3 12 0.2015
4 16 0.2761
5 20 0.3507
6 23 0.4254
7 46 0.500
8 46 0.5746
9 92 0.6492
10 163 0.7239
11 215 0.7985
12 282 0.8731
13 503 0.9478

Graficar la recta de confiabilidad F(t) vs. Tiempo en papel Weibull

62.22 %

α = 85 horas
DISTRIBUCIONES DE
PROBABILIDAD
UNIDAD III
DISTRIBUCION WEIBULL

Resultados
Método Grafico
β = 0.6 Mortalidad Infantil
α = 85 horas Edad Característica de Falla
0.6
 t 
− 
R (t ) = e  85 

F (t ) = 1 − R (t )

1
MTBF = α .Γ(1 + ) = (85).(1.505) = 127.92 ≅ 128 horas
β
DISTRIBUCIONES DE
PROBABILIDAD
UNIDAD III
DISTRIBUCION WEIBULL

Taller de aplicación