GESTIÓN DE LA MANTENCIÓN

Clase 5: Análisis de confiabilidad mediante Weibull

Contenido
1. La función de confiabilidad.
2. Distribución normal de fallas.
3. Distribución exponencial.
4. Distribución Weibull de tres parámetros.
5. Ajuste de curva para confiabilidad.
Resultado de aprendizaje
Conocer la distribución de Weibull como herramienta
de análisis de la confiabilidad de equipos.
 Análisis de confiabilidad mediante Weibull

Introducción

• Parte de las funciones de la gestión del mantenimiento es realizar análisis de confiabilidad de los
activos de manera de determinar la probabilidad de que siga operando hasta cierto momento.
• Para realizar lo anterior, se requiere contar con una data histórica de tiempos de fallas y aplicar
herramientas de estadística matemática.
• El estudio de funciones de distribución normal nos ayuda a calcular la confiabilidad de nuestros
equipos.
 Análisis de confiabilidad mediante Weibull
Nivel óptimo de confiabilidad
• Una de las decisiones a nivel de gestión de operación de
una planta es establecer cuánto presupuesto destinar
para realizar planes de mantención o bien, invertir en
comprar equipos nuevos para renovar aquellos que
presenten alta tasa de falla.
• Esta decisión debe ser evaluada y analizada sobre la base
del comportamiento del activo y su impacto sobre los
resultados operacionales.

• Por lo anterior, se debe buscar el “nivel óptimo de

confiabilidad” de la planta, en la cual se consiga un nivel
de disponibilidad operacional adecuado a costos
razonables.

• Una técnica de confiabilidad que se emplea para evaluar Arata, A., Steigmaier, R. y Kristjanpoller, F. (2009). Ingeniería
y gestión de la confiabilidad operacional en plantas
el desempeño del activo es realizar un análisis estadístico industriales. RIL Editores.
de sus fallas y predecir futuros comportamientos para
tomar decisiones oportunas.
 Análisis de confiabilidad mediante Weibull

Nivel óptimo de confiabilidad

• Una manera de evaluar la posible ocurrencia de fallas de un equipo es realizar estudios de
confiabilidad mediante el uso de herramientas estadísticas.

• Tal como se explicó en la clase 3: “Análisis de sistemas: RBD y árbol de fallas”, la confiabilidad
de un sistema se define como:

La probabilidad de que un ítem realice su función requerida

bajo condiciones dadas por un período de tiempo esperado.

• Debido a la condición de probabilidad de ocurrencia de una falla, veremos algunas

definiciones relacionadas con probabilidad y distribuciones de probabilidad de fallas, las
cuales nos ayudarán a realizar análisis de confiabilidad para sistemas y equipos.

• Un concepto que ayuda a comprender la evolución de desempeño de un activo a lo largo de

su ciclo de vida, es la gráfica denominada curva de la bañera.
 Análisis de confiabilidad mediante Weibull

Curva de la bañera
• La tasa de falla λ(t) es una medida de la confiabilidad de un dispositivo.

• La gráfica denominada curva de la bañera representa el comportamiento de

la tasa de falla λ(t) de un equipo en el tiempo, la cual presenta tres etapas:

I. Mortalidad infantil (rodaje).

II. Vida útil.

III. Envejecimiento (desgaste).

• Para cada etapa es posible establecer estrategias y actividades de

mantenimiento específicas de acuerdo con el comportamiento y
condición del activo.
Fuente:
• A su vez, para cada tasa de falla λ(t) se puede modelar mediante https://mantenimientoindustrialweb.wordpress.com/201
6/06/14/curva-de-la-banera/
alguna distribución continua de probabilidad continua.
 Análisis de confiabilidad mediante Weibull

Curva de la bañera
I. ZONA DE MORTALIDAD INFANTIL (rodaje).
• Las fallas se producen inmediatamente o al cabo de muy poco
tiempo de la puesta en funcionamiento, como consecuencia de:
‐ Errores en las especificaciones y el diseño del equipo.
‐ Defectos de fabricación o montaje del equipo.
‐ Ajuste difícil, que es preciso revisar en las condiciones reales
de funcionamiento hasta dar con la puesta a punto deseada.

• Se llevan a cabo pruebas de puesta en marcha o de rodaje

rigurosas, con protocolos documentados que permiten
identificar tempranamente las fallas para corregirlas lo más
pronto posible. Fuente:
https://mantenimientoindustrialweb.wordpress.com/201
6/06/14/curva-de-la-banera/
• Por lo anterior, el proyecto de construcción considera repuestos
e insumos extras para cubrir la ocurrencia de fallas durante el
primer año de operación.
λ(t): decreciente
 Análisis de confiabilidad mediante Weibull

Curva de la bañera

II. VIDA ÚTIL.

• En este período de vida útil, la tasa de fallos es
aproximadamente constante.

• Es el período de mayor duración, en el que se suelen estudiar

los sistemas, ya que se supone que se reemplazan antes de
que alcancen el período de envejecimiento.

• Aquí se aplican principalmente estrategias de mantenimiento

preventivo y, en ciertos equipos críticos, mantenimiento
predictivo.
λ(t): constante Fuente:
https://mantenimientoindustrialweb.wordpress.com/201
6/06/14/curva-de-la-banera/
 Curva de la bañera Análisis de confiabilidad mediante Weibull

III. ENVEJECIMIENTO (desgaste).

• En esta etapa el equipo empieza a entrar al ciclo del fin de su vida

útil técnica.
• No obstante de tener planes de mantenimiento preventivo y ser
sometido a reparaciones, la tasa de fallos se incrementa debido a
que los componentes yerran por degradación de sus
características por el transcurso del tiempo, hasta que resulta
demasiado costoso el mantenimiento.
• La estrategia de mantenimiento predictivo cobra mayor
importancia y utilidad al monitorear parámetros importantes de
equipos críticos y permitir detectar a tiempo fallas potenciales
para su oportuno tratamiento.
• Como resultado de lo anterior, se podrían llegar a establecer
planes de mantenimiento ajustados a la condición de
degradación del activo.
• En esta fase del ciclo de vida, se debe analizar la existencia
suficiente de stock de repuestos debido al aumento de su
Fuente:
consumo por el incremento de la tasa de fallos y, además, evaluar https://mantenimientoindustrialweb.wordpress.com/201
la potencial falta de repuestos en el mercado debido a no 6/06/14/curva-de-la-banera/

encontrar proveedores para repuestos con obsolescencia

tecnológica.
λ(t): creciente
 Análisis de confiabilidad mediante Weibull

Medidas de tendencia central

Dada una colección de nueve datos x: 2,3,5,3,4,5,6,5,1, se pueden calcular las siguientes medidas de
tendencia central:

Media muestral: 2+3+ 5+3+ 4+5 + 6 +5+ 1

= = 3,7
9
Función Promedio en Excel: =PROMEDIO(A1:A20)

Mediana o percentil 50: corresponde al valor que divide a la mitad

1, 2, 3, 3, 4, 5, 5, 5, 6
de los datos cuando son ordenados de menor a mayor. En nuestro
ejemplo, sería el valor 4.
Función Mediana en Excel: =MEDIANA(A1:A20)

Moda: corresponde al valor que más se repite dentro de la colección de 1, 2, 3, 3, 4, 5, 5, 5, 6

datos. En nuestro ejemplo, corresponde al valor 5.
Función Moda en Excel: =MODA(A1:A20)
 Análisis de confiabilidad mediante Weibull

Medidas de tendencia central

Desviación estándar muestral: es la medida más usual de variabilidad e indica qué tan
ത
esparcidos están los datos de tamaño n con respecto a la media muestral 𝑋.

Desviación estándar:

= √ (2 - 3,7 )2 + (3 - 3,7)2 + (5 - 3,7)2 + (3 - 3,7)2 + (4 - 3,7)2 + (5 - 3,7)2 + (6 - 3,7)2 + (5 - 3,7)2 + (1 - 3,7)2

8−1
= 1,641

Función Desviación estándar en Excel: =DESVESTA(A1:A20)

• Se debe distinguir entre la desviación estándar muestral, S, que se determina tomando una
muestra tamaño n de todos los datos y la desviación estándar poblacional, σ (letra griega
sigma), que considera todos los datos de la población para su cálculo y se compara con la
media poblacional μ (letra griega mi).
 Análisis de confiabilidad mediante Weibull

Concepto de probabilidad

• Un experimento aleatorio es aquel cuyo resultado no puede

anticiparse aun cuando se repita siempre de la misma forma.
• La probabilidad de ocurrencia de un evento está en el intervalo de
valores [0,1] o un porcentaje entre 0 y 100%.
• La probabilidad de que al lanzar una moneda (evento A) salga cara
o cruz/sello es de un 50%, P(A) = 0,5.
Fuente: https://www.bbc.com/mundo/noticias-38013901
• Una función que asocia un número con cada resultado de un
experimento aleatorio se conoce como variable aleatoria.

• Si la variable se denota con X y sus valores con x, el conjunto de

los posibles valores de la variable aleatoria X recibe el nombre de
rango de X.
 Análisis de confiabilidad mediante Weibull

Concepto de probabilidad
• Distribución de probabilidad discreta. Cuando la variable aleatoria
que se está midiendo solo puede asumir ciertos valores, como los
enteros 0, 1, 2, 3, etc. Ejemplo: distribución de defectos en la Medición diámetro pistón con un pie de metro
fabricación de una tarjeta electrónica.
• Distribución de probabilidad continua. Cuando la variable aleatoria
se expresa en una escala continua. Ejemplo: distribución de
mediciones del diámetro de un pistón de motor diésel.

• Para efectos del análisis de confiabilidad, para equipos o dispositivos

que fallan y son reemplazados, nos interesan algunas distribuciones
de probabilidad continua tales como:

✓ Normal.
✓ Exponencial.
Fuente: https://es.dreamstime.com/foto-de-archivo-pistones-
image18661170
✓ Gamma.
✓ Weibull.
 Análisis de confiabilidad mediante Weibull
Función de probabilidad de falla
Función de densidad de probabilidad
• Sea X una variable aleatoria continua, entonces, una función de
densidad de probabilidad de X es una función f(x), tal que para dos
números cualesquiera a y b con a ≤ b:

• La probabilidad de que X asuma un valor en el intervalo [a, b] es el

área sobre este intervalo y bajo la gráfica de la función de densidad,
como se puede apreciar en la gráfica de la derecha.
Fuente: https://matemovil.com/funcion-de-
• La gráfica de f(x) se suele llamar curva de densidad. densidad-de-probabilidad/

• La función de probabilidad de una variable aleatoria continua siempre

cumplirá con estas condiciones:
 Análisis de confiabilidad mediante Weibull
Función de probabilidad de falla
Función de distribución acumulativa

• La función de distribución acumulativa, F(x), es aquella que para un

valor x, nos da la probabilidad de que la variable aleatoria sea
menor o igual que dicho valor x.

Por ejemplo, si deseamos calcular el área bajo la curva a la izquierda

del valor 8:
8
F(8) = P ( X ⦤ 8) = ‫׬‬−∞ 𝑓 𝑥 𝑑𝑥, es decir, el área bajo la curva.
Por otra parte, la probabilidad de que una variable X sea mayor a un
valor a es:
Fuente: https://matemovil.com/funcion-de-distribucion-
acumulativa-de-una-variable-aleatoria-continua/
 Análisis de confiabilidad mediante Weibull
Función de probabilidad de falla
• Tomando en consideración lo anteriormente explicado, podemos hacer una aplicación hacia las funciones
de fallas para calcular la confiabilidad de un equipo o sistema.

• La función de falla f(t) o función de densidad probabilística de falla, representa la probabilidad que un
elemento falle en un instante de tiempo t cualquiera.

• Por su parte, la función probabilidad de falla acumulada, F(t), cuantifica la probabilidad de que un equipo
falla dentro del intervalo [0,t].
𝑡
𝑅 𝑡 = 𝑒 − ‫׬‬0 λ 𝑡 𝑑𝑡

𝑡
− ‫׬‬0 λ 𝑡 𝑑𝑡
F 𝑡 = 1−𝑒
𝑡
𝑓 𝑡 = λ 𝑡 ∙ 𝑒− ‫׬‬0 λ 𝑡 𝑑𝑡

De lo anterior, la confiabilidad de un sistema estará dada

por:
R(t) = 1 – F(t)
Fuente: https://docplayer.es/43591861-Universidad-
nacional-de-ingenieria.html
 Análisis de confiabilidad mediante Weibull

Distribución normal
• La mayoría de las variables de los procesos industriales
tienen una distribución de probabilidad del tipo normal.

• Si X es la variable aleatoria normal, entonces su función de

densidad de probabilidad es:

• Donde, μ es su media y σ la desviación estándar.

Fuente: https://economipedia.com/definiciones/distribucion-
normal.html
 Análisis de confiabilidad mediante Weibull

Distribución normal
Propiedades de la distribución normal

• Si X es una variable aleatoria con distribución normal

con media μ y varianza σ2, N(μ,σ2), entonces se
cumple que:

1. P(μ − σ < X < μ + σ) = 0,6827

2. P(μ − 2σ < X < μ + 2σ) = 0,9545

3. P(μ − 3σ < X < μ + 3σ) = 0,9973

4. P(X = a) = 0 para cualquier número a.

Fuente: https://www.researchgate.net/figure/Distribucion-normal-y-sus-
porcentajes-respecto-de-la-desviacion-estandar_fig1_275021043
 Análisis de confiabilidad mediante Weibull
Distribución normal
Ejemplo 1: Un fabricante concluye que el tiempo que transcurre
antes que se funda una ampolleta sigue una distribución normal.

• Se ensaya una muestra de 50 ampolletas y se encuentra que la

vida promedio de estas es de 60 días con una desviación
estándar de 20 días.
• ¿Cuántas ampolletas de toda la población se puede esperar que
estén funcionando después de 100 días de vida?
• Empleando la función Excel de distribución normal, la función de
probabilidad de falla acumulada es:
=DISTR.NORM(100;60;20;VERDADERO) = 0,9772
Fuente: Elaboración propia USS (2021).
• R (t ≥ 100) = 1 − F( t ≤ 100 ) = 1 − 0,9772 = 0,0228 => 2,28%

La confiabilidad de una ampolleta, de que siga funcionando

después de 100 horas es de un 2,28%.
f(t) Análisis de confiabilidad mediante
Weibull
Distribución exponencial
• La Distribución Exponencial describe la situación donde la tasa de Riesgo es constante independiente del
tiempo.
• Por lo anterior con λ(t) constante y MTBF Tiempo Medio Entre Fallas, parea ítems reparables:

 (t )
 = Cte.
f (t ) =   e −  t

R (t ) = e −  t
t MTBF =
1

t
Fuente: Arata et al. (2009, p. x).

Nótese que en t=0 el 63, 2% de los ítems han fallado:

F(t) = 1- R(t), con R(t=0) = 1/e , con e = 2,71828

F(0) = 1- 0,367 = 0,632  63,2%

 Análisis de confiabilidad mediante Weibull

Distribución exponencial
• Si los tiempos para fallar están exponencialmente distribuidos, la probabilidad de x fallas
es una función de Poisson.
Ejemplo: Si para un dispositivo su MTBF = 100 h, ¿ cuál es la probabilidad
que tenga más de 15 fallas en 1.000 h ?
Tiempo del periodo 1.000 h
Número de fallas esperadas = = = 10
MTBF 100 h

Empleando la función Excel para la distribución de Poisson:

=POISSON.DIST(X;MEDIA;VERDADERO)
=POISSON.DIST(15;10;VERDADERO) = 0,951259

Por lo tanto, la probabilidad que tenga más de 15 fallas en dicho periodo de 1.000 horas
será:
P(x > 15) = 1 – P(15) = 1 – 0,951259 = 0,0487  4,87%
 Análisis de confiabilidad mediante Weibull
Distribución de Weibull
• La Distribución de probabilidad continua de Weibull, que debe su nombre al matemático sueco Waloddi
Weibull, es muy utilizada en estudios de Confiabilidad ya que posee tres parámetros (𝞪,b , g > 0) que le
permiten ajustarse a distribuciones del tipo Normal y Exponencial y modelar todos los estados en la vida de
un elemento.
, para t > 0

b <1
, para t > 0 b >1

b=1

Fuente: Arata et al. (2009, p. x).

Fuente:
• Si g = 0, implica que una vez que el equipo comienza a funcionar empieza a degradarse https://mantenimientoindustrialweb.wordpress.com/201
6/06/14/curva-de-la-banera/
• Si g = 100 horas, significa que recién después de las 100 horas de operación podrían
comenzar a aparecer fallas.
 Análisis de confiabilidad mediante Weibull
Distribución de Weibull tn
Ajuste de confiabilidad ˆ = 1
•

Los autores Harold Ascher y Harry Feingold en su libro Repairable Systems Modeling, inference,
misconceptions and their causes, del año 1984, determinaron una metodología para realizar una
ajuste de parámetros (estimadores) de α y β para la Distribución continua Weibull, a partir de
n
poca data disponible de tiempos buen funcionamiento (TBF- Time Between Failure) o de tiempos
de reparación (MTTR).

Estimador del parámetros de escala

n
ˆ = Estimador del parámetro de forma
n
t  Donde:
 ln  n  n= Cantidad de datos de tiempos
i =1  ti  𝑡𝑖= Tiempo acumulado
𝑡𝑛=Tiempo total acumulado
 Distribución de Weibull
Análisis de confiabilidad mediante Weibull

tn
•
Ajuste de confiabilidad
Ejemplo. Se cuenta mediciones de tiempos de funcionamiento, en días, hasta su falla
ˆ = 1
TBF Tiempos

de veinte dispositivos. n
de buen ti (tiempo
tn /ti ln ( tn/ti)

n
f uncionamiento acumulado)
1. Determinar los parámetros de escala α y el parámetro de forma β para una [días]

distribución Weibull . 1 25 25 19,920 2,991724

2. A partir del valor de β, identificar dentro de cuál ciclo de la “curva de la bañera” se 2 27 52 9,577 2,259356

encuentra el dispositivo. 3
4
23
27
75
102
6,640 1,893112
1,585627
4,882
3. Calcule la probabilidad de falla del dispositivo a las 27 días . 5 22 124 4,016 1,390319
4. Grafique la Distribución de Weibull para los parámetros calculados en el punto 1. 6 24 148 3,365 1,213388
7 23 171 2,912 1,068937
n = 20 , tn= 498 n 20
ˆ = 1,137
8 25 196 2,541 0,932485
n
t  = = 9 28 224 2,223 0,798954

 ln  n  17,5828 10 29 253 1,968 0,677211

i =1  ti  11
12
22
24
275
299
1,811 0,593829
0,510157
1,666
13 26 325 1,532 0,426775

498 14 23 348 1,431 0,358398

= = 35,76 15 24 372 1,339 0,291706

20 (1/1,137)
16 22 394 1,264 0,234249
17 24 418 1,191 0,175119
18 23 441 1,129 0,121555

R1. El comportamiento de falla del dispositivo se puede representar por una distribución continua de 19 28 469 1,062 0,059997
20 29 498 1,000 0,000000
Weibull con parámetros de escala α= 35,76 y parámetro de forma β= 1,137 y parámetro de localización
γ = 0. Σ (tn/ti) 17,582897

R2. Como β> 1, el dispositivo se encuentra en su fase de desgaste con tasa de falla λ creciente Fuente: Elaboración propia USS (2021).
 Análisis de confiabilidad mediante Weibull
Distribución de Weibull
1
R3. Considerando la ecuación : R(t) = = R(27) = 0,483670
b
e (t/a )
F(27) = 1 – R(27) = 1 – 0,483670 = 0,5163  51,36%

R4. A partir de los veinte datos TBF proporcionados por medio de Excel se calcularán la Media y
Desviación Estándar
Media= PROMEDIO (A1:A20) = 24,9 ≈ 25 días
Desviación Estándar = DESVESTA(A1:A20) = 2,36 días

Con los datos de media y desviación estándar se construye la función f(x) en

distribución Weibull de Excel para valores x = días
=DISTR.WEIBULL(X;Beta;Alfa;FALSO) Nota: En la fórmula original Excel le llaman
Alfa al parámetro Beta y viceversa.

1 Se calcula la confiabilidad para distintos valores

Con la fórmula R(t) =
b de x= días y se grafica en Excel
e (t/a )
Fuente: Elaboración propia USS (2021).
 Análisis de confiabilidad mediante Weibull

Bibliografía

• Bibliografía obligatoria

Arata, A., Steigmaier, R. y Kristjanpoller, F. (2009). Ingeniería y gestión de la confiabilidad operacional

en plantas industriales. RIL Editores.

• Bibliografía complementaria

Weckman, G. R., Shell, R. L. y Marvel, J. H. (2001). Modeling the reliability of repairable systems in the
aviation industry. Department of Mechanical & Industrial Engineering, Texas M&M University.