Professional Documents
Culture Documents
ENSAYOS DE FIABILIDAD
0. INDICE
4. Representación gráfica 4
1
tiempo de análisis y una mayor probabilidad de error, debido a que una mala
elección del modelo implicaría dar un resultado erróneo. Al aplicar Weibull, el
estudió previo de los datos se reduce únicamente a una inspección visual en
busca de posibles datos anómalos que distorsionen los resultados.
2
la probabilidad de que los componentes de un conjunto sobrevivan hasta el
momento t.
t − γ β
R (t ) = exp − (3.1)
α
3
A parte de la función de distribución F(t), también se puede definir la
función de densidad de probabilidad f(t), que muestra la probabilidad que tiene
un componente genérico de fallar en un tiempo dado. Esta función coincide con
la derivada temporal de F(t) y su expresión es:
∂F (t ) β t β
f (t ) = = β t β −1 exp − (3.3)
∂t α α
4. REPRESENTACIÓN GRÁFICA
i − 0,5
Fi = (4.1)
n
Aunque otros autores dan la formula:
i − 0,3
Fi = (4.2)
n + 0,4
4
Una vez se ha hecho el gráfico, puede pasar que salga directamente una
línea recta (en cuyo caso γ = 0) o que salga una curva ( γ ≠ 0 ). En este
segundo caso existe un periodo de tiempo entre t = 0 y t = γ en que ningún
componente falla ( si γ es positivo) o parte de las muestras fallan antes de
ensayarlas (caso de γ negativo). El parametro γ es aquel valor que se le
tiene que restar a todos los ti para que los puntos representados sigan una
recta.
5
Su facilidad de implementación radica en el hecho de que únicamente es
necesario disponer de un programa capaz de efectuar regresiones. Esta
cualidad, que inicialmente parece una gran virtud, también es el principal de
sus problemas; ja que dependiendo del tipo de regresión usada, se obtiene un
resultado u otro. Esta diferencia de resultados se ve incrementada al disminuir
el número de muestras ensayadas.
Este método parte del gráfico que se obtiene por el procedimiento que
se muestra en el punto 4. Para poder aplicar este metodo de una forma rápida
es conveniente usar el papel probabilistico que se muestra en la siguiente
pagina. En este papel probabilistico se representa Fi en función de ti-γ , y por
regresión se obtiene una recta que representa la función de fallos de nuestro
conjunto de componentes.
- Para estimar el parámetro β se tiene que trazar una recta paralela que
pase por el centro del arco representado en el papel y que corte a este. El
punto de corte de la recta paralela que hemos dibujado y el arco nos dará
el valor del parámetro.
Gráfico logarítmico
6
Este método consiste en encontrar una relación lineal entre F(t) y t; para
ello se modifica la formula 3.1 (con γ =0) tomando logaritmos dos veces en
ambos lados de tal forma que se consigue una ecuación del tipo: y = ax+b.
Esto permite conseguir los parámetros característicos de una forma simple y
rápida mediante una representación gráfica de la ecuación. El camino a seguir
para llegar a la ecuación lineal es él que se muestra a continuación:
t β
R (t ) = exp − (5.1)
α
β
t
LnR (t ) = − (5.2)
α
Donde F(t) se calcula con las formulas 4.1 o 4.2 dependiendo de que método
se quiera seguir.
7
ecuación se debe encontrar el parámetro γ . Para encontrar este parámetro se
deben seguir los siguientes pasos:
- Trazar tres rectas horizontales de manera que la primera pase por el tiempo
de fallada más pequeño, la segunda por el tiempo de fallada más grande y
la tercera pase por el medio de las dos anteriores.
8
Método de la máxima versemblanza.
n
L(α , β ) = ∏ f (ti ) (5.6)
i =1
βn n
−β n β
L(α , β ) = nβ ∏ ti β −1
exp− α ∑ ti (5.7)
α i =1 i =1
∑ti β Ln (ti ) 1 1 n
i =1
n
−
β
− ∑Ln (ti ) = 0
n i =1
∑ti β
i =1
(5.8)
1
1 n β
α = ∑ti β
n i =1
9
4.0). Como estos algoritmos piden un valor inicial de calculo, es conveniente
obtener una primera aproximación de los parámetros a traves de algún método
gráfico. Para resolver este sistema es conveniente comenzar por la resolución
de la primera equación de tal forma que se obtenga el parámetro β para
después calcular α con la segunda equación.
Donde :
0,2570
- V ( β) ≈α
n
Método implicito.
10
Las ecuaciones de calculo son las siguientes:
0,5772
α = exp
x +
β
π
β=
S 6
Donde:
∑ Ln (ti )
x= i =1
n
1 n
s2 = ∑ ( Ln (ti ) − x) 2
n −1 i =1
β 1,049 z(1+δ )
≤ β ≤ β exp 2
1,049 z(1+δ ) n
exp 2
n
α 1,081z(1+δ )
≤ α ≤ α exp 2
1,081z(1+δ ) β n
exp 2
β n
11
6. CALCULOS Y ANALISIS DE FIABILIDAD A PARTIR DEL
WEIBULL.
t − γ β
R (t ) = exp −
α
t − γ β
F (t ) = 1 − R (t ) = 1 − exp − (5.1)
α
1
tp = α [ − Ln(1 − p ) ] β (5.2)
12
parámetro β es el que nos da más información respecto de donde se
encuentra el error (en el caso de que no se supere el target). A titulo
orientativo, se puede decir:
Ejemplo:
i ti Ln(ti) Fi
1 0,22 -1,51412773 0,06730769
13
2 0,5 -0,69314718 0,16346154
3 0,88 -0,12783337 0,25961538
4 1 0 0,35576923
5 1,32 0,27763174 0,45192308
6 1,33 0,28517894 0,54807692
7 1,54 0,43178242 0,64423077
8 1,76 0,56531381 0,74038462
9 2,5 0,91629073 0,83653846
10 3 1,09861229 0,93269231
1,2
0,8
0,6
0,4
0,2
0
0 1 2 3 4
horas
∑ Ln (ti ) =0.1236
x= i =1
n
1 n
s2 = ∑ ( Ln (ti ) − x) 2 =0.589
n −1 i =1
14
π
β= =1.67
S 6
0,5772
α = exp
x + =1.59
β
γ =0
β
t −γ
% de fallos a las 3 horas = F (t ) = 1 − R(t ) = 1 − exp − = 0,96
α
1
t0,05 = α [ − Ln(1 − 0,05) ] β = 0,268 horas
15
Hasta este momento se ha explicado que es la distribución de Weibull y
las ventajas que implica su aplicación en los estudios de fiabilidad, pero en la
práctica, la aplicación de este método conlleva un conjunto de problemas que
se van a tratar a lo largo de este apartado.
Problemas de variabilidad.
Ejemplo:
16
Weibull Probability Plot for C1
99
95 Shape: 1.74707
90
Scale: 204656
80
70
60
50
40
30
Percent
20
10
Data
Shape: 1.74707
Scale: 204656
Percentile Estimates
95% CI 95% CI
Approximate Approximate
P Percentile Lower Limit Upper Limit
17
0.95 383503 186711 787714
0.96 399602 191397 834298
0.97 419669 196788 894983
0.98 446794 203384 981516
0.99 490521 212634 1131572
Problemas de calculo.
Ejemplo:
18
A continuación se van a efectuar los cálculos para determinar si un lote
es OK o NG con dos conjuntos de muestras diferentes:
F(t),5% β OK/NG
Excel 79261 2,16 NG
Minitab 123257 3,3 OK
Una cosa que cabría destacar del ejemplo anterior, es que la diferencia
de resultados se ha visto aumentada por el hecho de haber un valor que difiere
mucho del resto, y que los valores “normales” están muy juntos. Si repetimos
los cálculos con un conjunto de valores reales sin grandes anomalías, podemos
ver que el error cometido es bastante menor (ver siguiente ejemplo):
Ejemplo:
19
Queremos hacer lo mismo que en el ejemplo anterior pero con la
siguiente muestra: 343000, 502000 y 381000. Los resultados se muestran la
siguiente tabla:
F(t),5% β
Excel 279134 6,5
Minitab 276000 6,4
Como puede verse el error cometido es menor y los resultados de ambos son
completamente comparables.
20
- Gráfico del Excel:
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
0 100000 200000 300000 400000
99
95 Shape: 3.33783
90
Scale: 300105
80
70
60
50
40
30
Percent
20
10
Data
21