Componentes no reparables

Integrantes:
1. Clavijo Carlos
2. Ledesma Andrea
3. Nacimba Pablo
4. Naranjo Diego
5. Suntaxi Andres
Grupo N 4

Resumen

La tasa de fallos de un componente no reparable se ha denido como la probabilidad de fallo por unidad de tiempo condicionada a que el componente no ha
fallado hasta el tiempo t. Los componentes de sistemas estan sujetos a mantenimiento preventivos y son reparados en caso de defecto, los componentes no
reparables son componentes que una vez que han cumplido su tiempo de vida
til no pueden ser reparados, por lo cual no poseen tiempo para reparar.

Palabras Clave
1. Mantenibilidad
2. Componente
3. Tasa de falla

Objetivos
1. Denir los componentes no reparables.
2. Construir modelos probabilisticos para ajustar muestras de datos de CNR.
3. Determinar la tasa de falla e interpretarla.

Componentes no reparables

El modelo de conabilidad para componentes no reparables (CNR) en dos estados: operativo y fallado

La transicin del estado bueno al estado fallado ocurre en un tiempo

para falla aleatorio ttf (time to failure), el cual indica cunto vive el componente.
La variable t representa el tiempo de operacin del componente. En t = 0 el
componente se pone en servicio estando nuevo y bueno. En t = 1 el componente
habr fallado. El tiempo de operacin t siempre se reere a un periodo de tiempo
que se encuentra referenciado con respecto al cero. No debe pensarse que t es
un instante de tiempo.
La falla de un componente no reparable se da como indica la tabla 1

(tabla 1)
As, no es posible medir ni modelar la conabilidad de un solo componente
no reparable. Para esto, se requiere una muestra aleatoria representativa de
tiempos para falla tomada de una poblacin con N componentes idnticos al
que interesa estudiar y en la cual n componentes fallaron. Esta muestra permite
hallar el modelo de conabilidad y los ndices estadsticos de conabilidad, tal
como se ilustra a contiuacin (gura 2).

El modelo de conabilidad del componente no reparable es la funcin de

distribucin de probabilidad del tiempo para falla F (t):o la correspondiente
funcin de densidad de probabilidad f (t):

5.1

Toma de muestra de datos

La muestra de datos aleatoria y representativa puede tomarse de dos maneras

como se muestra en la tabla 2

(1)
En ambos casos, es importante conocer el error de estimacin que existe
para el tamao de muestra n, como se muestra en la gura 2, cada ttf se mide
con respecto al instante en el cual el componente fallado fue puesto en servicio
estando nuevo. Es decir, no es necesario que todos los componentes se pongan
a operar en el mismo instante de tiempo.

Construccion de un Modelo Probabilstico

Para construir un Modelo Probabilstico se utiliza el algoritmo que se muestra

acontinuacin (gura 4)
3

gura 4. Algoritmo Modelo

Probabilstico
La aleatoriedad, tendencia e independencia se pueden hallar por medio de
pruebas estadsticas o del anlisis de las condiciones bajo las cuales se desarrolla
el proceso de fallas de los componentes no reparables.
En la prctica, lo que ha sido recomendado en diversas referencias, es directamente probar el ajuste de los datos a una distribucin, como lo explica ta
tabla 4:

(2)
Sin embargo, no se menciona en estos argumentos el concepto de tendencia.
Algo importante a tener en cuenta cuando se aplican las pruebas para la aleatoriedad, tendencia e independencia, es que si stas se realizan sobre una muestra
de tiempos para falla referenciados a un mismo origen, dichas pruebas fallan
porque los datos aparecen cronolgicamente ordenados en forma creciente. As,
en este caso, un procedimiento a seguir antes de aplicar estas pruebas es como
indica la tabla 5:

(3)
Lo dicho anteriormente se traduce a continuacion (gura 5)

gura 5. ttf y tbf

La muestra de tiempos inter-arribo de fallas tambin permite estudiar el
proceso de llegada de fallas a la poblacin de componentes no reparables.

El Modelo de Conabilidad del Componente

El modelo de conabilidad del componente no reparable se dene mediante:(tabla

6)

F (t)
f (t)

La funcin de distribucin
probabilidad del tiempo para falla
La funcin de densidad de probabilidad
del tiempo para falla

F (t) = P [ttf
f (t) = dF (t)=dt

t]

F (0) = P [ttf
F (1) = P [ttf
Rt
F (t) = f (t)dt
0

(tabla 6)
De este modelo tambin se denen:(tabla 7)

0] = 0
1] = 1

E(ttf )
V AR(ttf )

El valor medio o esperado de tiempo

para falla del componente. Tambin es
la vida media o esperada
La varianza del tiempo para falla del
componente

E(ttf ) =

+1
R

tf (t)dt

V AR(ttf ) =

+1
R

E(t)2 f (t)dt

(tabla 7)
El valor esperado es un pronstico sobre cunto vivir el componente no
reparable, no es el valor ms probable ni el ms frecuente. La varianza indica
cuanto se desviaran los tiempos para falla de los componentes con respecto
al valor esperado. Es decir, indica lo acertado o pobre del pronstico dado
por el valor esperado. La conabilidad del componente no reparable se dene
como:(tabla 8)

R(t)

Es la probabilidad de sobrevivir a un
tiempo dado

R(t) = 1

F (t) = P [ttf > t]

(tabla 8)

El modelo probabilstico obtenido corresponde a un componente medio o

tpico que representa a cualquiera de los componentes de la poblacin.
La relacin entre las funciones F(t) y f (t) tambin se puede expresar de la
siguiente forma:(frmula 1)

f (t) = lim

F (t +

t!o

t)
t

F (t)

P [t < ttf

(t +

t)]

De donde se obtiene que:

P [t < ttf

(t +

t)]

f (t) t

(formula 2)

Tasa de Fallas

Considere un componente no reparable que ha operado hasta un tiempo t y se

quiere conocer cul es la probabilidad de que falle en un periodo subsiguiente
t.
Deniendo:
A : El evento de que el componente falle en t.
B : El evento de que el componente sobreviva hasta t.
Se tiene que:

R(0) = P [ttf > 0] = 1

R(1) = P [ttf > 1] = 0

P
P
P
P

[B] = P [ttf > t] = 1 P [ttf t] = 1 F (t) = R(t)

[A \ B] = P [t ttf (t + t)] = F (t + t) F (t) = R(t)
[A j B] = P [t < ttf (t + t) j ttf > t]
F (t+ ) F (t)
R(t+ t)
= R(t) R(t)
[A j B] = P P[A\B]
[B] =
1 F (t)

Dividiendo esta probabilidad condicional por

P [A j B]
P [t < ttf
= lim
t!0
t!0
t

(t) = lim

(t +
t

R(t +

(formula 3)

t. y haciendo que

t) j ttf > t]

t)

t.! 0:

t) F (t)
t!0
t
1
(formula 4)

= lim

F (t +

Se obtiene la tasa de fallas:

(t) =

9
9.1

f (t)
f (t)
=
1 F (t)
R(t)

(formula 5)

Ejercicios:
Ejemplo 3.1

Se tiene la siguiente muestra de los tiempos de falla de 40 baterias de un mismo

tipo:

Algunas distribuciones de probabilidad se ajustan mediante la prueba de

Kolmogorov-Smirnov con nivel de conanza del 95%:

1
F (t)

Como se muestra todos estos modelos tienen tasa de falla creciente.

Cualquiera de ellos es una representacion vlida desde el punto de vista
estdistico, pero cul se selecciona?

(Graco1)

(Graco 2)

10

(Graco 3)

11

(Graco 4)

12

(Graco 5)

9.2

Ejemplo 3.2

La funcin de vida de un transformador de distribucin exponecial de parmetro

= 0:2 fallas/ao.
Cmo se interpreta que la tasa de fallas sea constante?

13

(Graco 6)
La tasa de fallas constante signica que el componente est en su perido de
vida til ya que su conabilidad no mejora ni se deteriora.
Cul es el tiempo esperado para falla?
1
E (ttf ) = 0:2
= 5 aos

14

(Graco 7)
Cul es la probabilidad de que un transformador de estos falle durante el
primer ao?
P (ttf < 1) = F (1) = 1 e 0:2 1 = 18:21%
Cul es la probabilidad de que un transformador de estos falle durante los
primeros cinco aos?
P (ttf 5) = F (5) = 1 e 0:2 5 = 63:21%
Aunque la vida media esperada es de 5 aos, existe una probabilidad muy
alta de que el transformador falle antes de dicho tiempo.
Cul es la probabilidad de que un transformador de estos NO falle durante
los primeros 10 aos?
P (ttf 10) = F (10) = e 0:2 10 = 13:53%

15

(Graco 8)
El resolvemos de la siguiente forma:
1 - valor obtenido entonces
1 - 0.86466= 0.1353 asi obtenemos el 13.53%

9.3

Ejemplo 3.3

Un componente tiene una funcin de vida uniformemente distribuida durante

un tiempo de vida mximo de 2400 horas
Cmo es la tasa de fallas del componente y qu signica?
La tasa de fallas es creciente y signica que la conabilidad del componente
se deteriora desde el inicio de su vida.
Cul es el tiempo esperado para falla?
E (ttf ) = 0+2400
= 1200 [horas]
2
Cul es la probabilidad de que un componente de estos falle durante las
primeras 1200 horas?
P [ttf 1200] = F (1200) = 1200
2400 50%
Aunque la vida media esperada es de 1200 horas aos, existe una probabilidad muy alta de que el componente falle antes de dicho tiempo.

16

(Graco 9)

9.4

Ejemplo 3.4

La funcin de vida de una bateria es la distribucion Weibull con parametros

= 0:1 horas y = 0:5.
Cmo es la tasa de fallas?
Como < 1, la tasa de fallas es decreciente. Esto indicia que la conabilidad
del componente mejora conforme pasa el tiempo.
Cul es el vida esperada de esta batera?
(1= )
E (ttf ) =
1 + 1 = 0:1 2:0
(3) = 0:1 2:0 2 = 200 [horas]
Cul es la probabilidad de que una batera de estas falle durante las
primeras 200 horas?
0:5
X
P [ttf 200] = F (200) = 1 e
= 1 e 0:1 (200) = 75:68%

17

(Graco 10)
De manera directa aplicando la distribucin obtenemos el valor 0.75688 asi
tenemos el 75.68%
Cul es la probabilidad de que una batera de stas viva ms de 300 horas?
0:5
P [ttf > 300] = R (300) = e 0:1 (300) = 17:7%

18

(Graco 11)
Aplicamos el resultado obtenido en el programa de la siguente forma
1 - 0.82308 = 0.177
asi entonces tenemos el 17.7%
9.4.1

Ejemplo 3.5

Una persona compra una bombilla con las siguientes caractersiticas?

Si el valor esperado de vida de la bombilla es 1000 horaas, cul es la probabilidad de que la dae durante las primeras 1000 horas?
1000 horas es la vida media esperada, para evaluar la probabilidad de que
la bombilla falle antes de este valor se debe conocer la funcin de vida del
componente, por ejemplo:

19

Si es Gausiana:
es del 50%
Si es exponencial:
del 63.21%
Si es uniforme:
es del 50%
9.4.2

La probabilidad de falla antes de la vida esperada

La probabilidad de falla antes de la vida esperada es
La probabilidad de falla antes de la vida esperada

Ejemplo 3.6

Una persona instala una cortina de luces navideas que consta 2000 bombillas
con una funcion de vida Gausiana de valor medio 1000 horas y una desviacin
estandar de 200 horas.
Cmo es la tasa de fallas del componente y qu signica?
La tasa de falla es creciente y signica que este componente, desde el incio
de su vida, sufre deterioro.
Cuntas bombillas puede esperarse que fallen en las primeras 1000 horas?
= 7002001000 = 1:5 ! F (t = 700) = P [z = 1:5] = 6:68%
z=t
n = 2000 06680 = 133:6 t 134 bombillas.
La probabilida de que fallen 134 de las 2000 bombillas debe hallarse por
medio de la distribucion binomial o la aproximacion de la distribucion Gausiana
a la binomial.
Cuntas bombillas puede esperarse que fallen entre las 900 y 1300 horas?
z1 = t1
= 13002001000 = 1:5 ! F (t = 1300) = P [z) 1:5) = 0:9332
t2
= 9002001000 = 0:5 ! F (t = 900) = P [z) 0:5) = 0:3085
z2 =
F (900 t 1300) = F (1300) F (900) = P [z1 ] P [z2 ] = 0:9332 0:3085 =
0:6247
n = 2000 0:6247 = 1249:4 t 1250 bombillas.
La probabilidad de que fallen 1250 de las 2000 bombillas debe hallarse por
medio de la distribucion binomial o la aproximacion de la distribucion Gausiana
a la binomial.
Despus de qu periodo de tiempo se espera que haya fallado el 10% de
las bombillas?
Hay que determinar el valor de z para el cual P [z] = 0:1
De tablas:
z = 1:28 ! P = 0:1003
z = 1:29 ! P = 0:0985
Interpolando:
P [z = 1:2817] = 0:1
1000
1:2817 = t 200
! t = 743:7 horas

10

Vocabulario:

1. Conabilidad: Probabilidad de que un objeto cumpla una funcion determinada en un tiempo especico con condiciones especicas
2. Falla: Cuando un proceso u objeto deja de cumplir una funcion o deja de
funcionar
20

3. Error: Accion errada o desertado o algo que no se realizo de manera

correcta
4. Muestra: es subconjunto de casos o un individuos de una poblacion estadistica
5. Homogeneidad: Igualdad o semejanza en la naturaleza o genero de varios
elementos

11

Bibliografa

1. Conabilidad en Ingeniera Carlos J. Zapata

21