Modelos matemáticos de
mantenimiento
Ecuaciones de Weibull
ESTIMACIÓN DE PARÁMETROS – WEIBULL
Los datos analizadas mediante las distribuciones pueden responder a
diferentes características, de acuerdo con el tipo y el evento de estudio,
como, por ejemplo, el tiempo de funcionamiento del equipo (MTTF), el
tiempo de operación del sistema (MTBF), o el tiempo que tarda en
repararse un equipo después de fallar (MTTR). Estos tiempos de vida
pueden medirse en horas, millas, ciclos de fracaso, ciclos de tensión, o
cualquier otra medida con que se puedan evaluar la vida o la
exposición del ítem.
En el análisis de los datos de vida y en la ingeniería de
confiabilidad se deben estimar los valores de la probabilidad
de falla, la probabilidad de éxito o la confiabilidad, la vida
media, los parámetros de una distribución o cualquier otro
parámetro aplicable, porque son los instrumentos que
permiten desarrollar estrategias y acciones claras de
mantenimiento e ingeniería de fábricas.
La estimación de los parámetros de la distribución se realiza luego de
seleccionar el modelo de distribución para describir los datos, para lo
cual existen dos tipos: estimación puntual, que busca el mejor cálculo
del parámetro a partir de los datos disponibles; y la estimación del
intervalo, que mide los límites superior e inferior del parámetro
desconocido. Es evidente que a mayor cantidad de datos disponibles, la
estimación del parámetro es más cercana al valor verdadero.
FUNDAMENTOS DE LA DISTRIBUCIÓN DE WEIBULL
Una de las ventajas significativas que ofrece la distribución Weibull
consiste en que es muy manejable y se acomoda a las tres zonas2
(infancia o rodaje, madurez o vida útil y envejecimiento) de la curva de
la bañera o de Davies. La distribución de Weibull posee en su forma
general tres parámetros, lo que le da una gran flexibilidad y cuya
selección y ajuste adecuado permiten obtener mejores ajustes, que con
otras distribuciones.
Estos parámetros son:
Gamma - parámetro de posición (γ):
El más difícil de estimar y por este motivo se asume con demasiada
frecuencia que vale cero. Indica el lapso en el cual la probabilidad de
falla es nula (Forcadas, 1983).
Eta - parámetro de escala o característica de vida útil (η): Su valor es
determinante para fijar la vida útil del producto o del sistema. Cuanto
más alto, las máquinas pueden ser más robustas o de trabajos de
mayor duración.
Beta - parámetro de forma (β): Refleja la dispersión de los datos y
determina la forma que toma la distribución. El parámetro Beta
permite a la distribución de Weibull tomar diversas formas: cuando β
es inferior a 1 se le denomina a esta fase como de mortalidad infantil
(tasa
El parámetro Beta permite a la distribución de Weibull tomar diversas
formas: cuando β es inferior a 1 se le denomina a esta fase como de
mortalidad infantil (tasa de falla decreciente); cuando toma valores
cercanos a uno se describe la fase con el nombre de vida útil (tasa de
falla constante y aleatoria), y en el evento del β tomar valores mayores
de 1, se conoce la fase como de envejecimiento o de desgaste3 (tasa de
falla creciente).
CURVAS CARACTERÍSTICAS DE WEIBULL
La tasa de fallas expresa la cantidad de averías o de reparaciones por
unidad de tiempo que ocurren en el tiempo en que se estudia un
elemento; en el caso particular de la distribución de Weibull, se puede
escribir de la siguiente manera:
ECUACIÓN 1 - Análisis de tasa de fallas, función de confiabilidad,
función de densidad y función acumulada en Weibull.
Donde:
La derivada de R(t), con respecto a t en el numerador es f(t)
denominada función de densidad de probabilidad de fallas o de falla
instantánea en el tiempo t; a su vez R(t) es la función de confiabilidad y
λ(t) es la función de tasa de fallas.
Donde: La curva R(t) se puede describir en función de λ (t) de fallas.
función empírica más sencilla que puede representar mejor una gran
variedad de datos reales.
Donde:
t es el tiempo en cualquier momento y toes un tiempo de referencia o
parámetro inicial de localización, η (eta o alfa) es el parámetro de
escala o vida característica, y Beta es el parámetro de forma, el cual se
considera como una medida de dispersión de los datos evaluados en la
distribución (en la medida en que el Beta sea mayor, hay menor
dispersión, lo que ocurre en los equipos maduros, muy conocidos o
viejos.
Con esta ecuación se pueden representar muchas formas de
confiabilidades y a la vez es de fácil manejo.
que representa normalmente la distribución de Weibull y se conoce a
F(t) como función acumulativa de fallas F(t), también válida para M(t).
Por otro lado, a
se le denomina como la función de densidad de probabilidad de fallas o
de falla instantánea en el tiempo t, donde se cumple que la tasa de
fallas para esta distribución es:
Las expresiones enunciadas en este literal son válidas para rangos
donde (t - t0 ) = 0; cuando éste es menor que cero (0), la función de
densidad de probabilidad de fallas o falla instantánea f(t) y la tasa de
fallas λ(t) valen 0.
Graficas para diferentes Betas de f(t), λ(t) y F(t) en Weibull
Planificación de tareas
PERT y CPM son dos métodos de gestión de proyectos que utilizan
diagramas de red para visualizar y analizar las relaciones entre
tareas. PERT (Técnica de Evaluación y Revisión de Programas) se utiliza
mejor cuando hay incertidumbre en la duración de las tareas, mientras
que CPM (Método de la Ruta Crítica) es más adecuado para proyectos
con estimaciones de tiempo más precisas. Ambos métodos ayudan a
identificar la ruta crítica, que es la secuencia de tareas que deben
completarse a tiempo para evitar retrasos en el proyecto.
PERT (Técnica de Evaluación y Revisión de Programas):
• Enfoque:
Se centra en la incertidumbre y la variabilidad en la duración de las tareas, especialmente
en proyectos de investigación o desarrollo.
• Utiliza:
Tres estimaciones de tiempo para cada tarea: optimista, pesimista y más probable, para
calcular la duración esperada.
• Propósito:
Minimizar el tiempo necesario para completar el proyecto, identificando la ruta crítica y las
tareas que la componen.
CPM (Método de la Ruta Crítica):
Enfoque: Se utiliza cuando las duraciones de las tareas son más predecibles, como en
proyectos de construcción.
Utiliza: Una sola estimación de tiempo para cada tarea.
Propósito: Controlar el tiempo y el costo del proyecto, identificando la ruta crítica y
permitiendo la gestión de recursos y la reducción de costos.
Diagrama de Gantt
Crear un diagrama de Gantt es una excelente manera de seguir
visualmente las tareas de tu proyecto y ver la duración del proyecto en
general, una vez que programes tus tareas en el diagrama de Gantt , no
tendrás que volver a una simple lista de tareas.
¿Qué es una Plantilla de Diagrama de Gantt?
• Una plantilla de diagrama de Gantt es una herramienta visual de
gestión de proyectos que ayuda a los gerentes de proyecto a
visualizar las tareas que componen un cronograma. Las plantillas de
Gantt suelen estar compuestas por una hoja de cálculo que enumera
las tareas y un gráfico de barras apiladas que representa la línea de
tiempo del proyecto.
Ventajas Clave de una Plantilla de Gantt
• Puedes listar todas tus tareas en el diagrama de Gantt, sin importar
cuántas tengas en tu plan de proyecto. Luego puedes definir la duración, es
decir, las fechas de inicio y fin. Estos datos colocan las tareas en la línea de
tiempo, con una barra que conecta el inicio con el final. Para indicar las
fases del proyecto, puedes usar colores diferentes en las tareas.
Desventajas Clave de una Plantilla de Gantt
• No todas las tareas son iguales. Algunas no pueden empezar o terminar
hasta que otra haya comenzado o finalizado. Esto se llama dependencia de
tareas. Ten en cuenta que la plantilla en Excel no puede vincular tareas
dependientes y cuando comiencen a trabajar en el proyecto, sus
actualizaciones no se reflejarán en la plantilla en tiempo real. Tendrás que
ingresar esa información manualmente.
• Project Manager tiene un diagrama de Gantt en línea que se actualiza en
tiempo real y permite asignar tareas al equipo, vincular dependencias,
establecer hitos y encontrar la ruta crítica.
DISTRIBUCIÓN EXPONENCIAL
La distribución exponencial es útil cuando el Beta de Weibull alcanza el
valor de 1 ± 0.005 y su tasa de fallas tiende a ser constante (esto ocurre en
la fase II Weibull, como se instruye en el Gráfico 5.5 - Curva de la bañera o
de Davies). La distribución exponencial es un caso especial de la
distribución Gamma, y es la más común entre las distribuciones de fallas:
su importancia radica en el hecho de que casi todos los componentes
tienen, durante su período de operación normal, una intensidad de falla
constante.
La distribución exponencial es la única que posee una intensidad constante
de fallas. La distribución exponencial es muy usada para modelar el tiempo
de vida de componentes electrónicos, y es apropiada cuando un
componente usado que aún no falla, es estadísticamente tan bueno como
un componente nuevo.
- Función de densidad en distribución exponencial
Cuando la variable aleatoria x tiene una distribución exponencial, con
parámetro β, su función de densidad es:
Con x > 0; f(x) = 0 en cualquier otro caso, donde β > 0. La media y la
variancia de la distribución exponencial son μ = β y σ 2 = β2
DISTRIBUCIÓN GAMMA
Es una distribución de dos parámetros que tienen propiedades
similares a los de la distribución de Weibull: el parámetro de escala y el
parámetro de forma, que pueden ser ajustados a los datos obtenidos
con gran flexibilidad. La distribución exponencial es un caso especial de
la distribución Gamma, cuando α = 1 . Cuando Αlfa es un entero
positivo, a Gamma se le denomina la distribución de Erlang.
La distribución Gamma es muy conveniente para caracterizar los
tiempos de fallas de equipos durante períodos de rodaje. Es también
muy adecuada para representar sistemas con componentes en stanby .
Se puede caracterizar mediante las expresiones
- Distribución Gamma
para valores positivos de tj, en el evento de que tj sea igual o menor a
0, la función de densidad f(tj ) = 0, es igual a cero.
Gamma es una distribución de probabilidad continua con dos
parámetros: el de forma denominado Alfa (α) y el de escala llamado
Lambda (λ).
Por cada α mayor que cero, la expresión
representa una curva posi va e integrable en el rango (α, +∞).
La integral de la distribución es la función Gamma, así:
Las propiedades más relevantes de la distribución Gamma son:
La función de confiabilidad y de tasa de fallas vienen dadas por
Si tj es mayor que cero y existen alfa y lambda, se define la esperanza
matemática, como,
Funciones de confiabilidad, de densidad de probabilidad de fallas y de
tasa de fallas de la distribución Gamma.
