Ley exponencial de Falla

LA LEY EXPONENCIAL DE FALLA

 Aplicable al estudio de la confiabilidad de
componentes que aún no están afectados por
problemas de vejez o desgaste.

 Los elementos y dispositivos con funciones

primordiales de seguridad, además de ser idóneos
ante unas exigencias del sistema, deben asegurar
una correcta respuesta en el tiempo . Para ello es
Imprescindible establecer programa de
mantenimiento basado en la Condición y el Tiempo
que permita mantener los elementos y dispositivos
en buenas condiciones de uso, renovándolos
antes de que su tasa de fallos sea inaceptable.
 Un modelo matemático para la probabilidad de
fallo es definir la variable aleatoria como el
tiempo durante el que el elemento funciona
satisfactoriamente antes de que se produzca la falla. La
función confiabilidad será entonces:

Ni(t) = Número de elementos en funcionamiento en

el instante t
N0 = Número de elementos en funcionamiento inicial
Nf(t) = Número de elementos averiados hasta el
momento t. (Se cumple N0 = Nf(t) + Ni(t)).
 La probabilidad de que ocurra un fallo antes del instante t es:

 Suponiendo que un artículo funciona en el instante t y falla

durante los siguientes ∆t (∆t > 0), entonces la probabilidad
condicional de que se produzca una avería entre el
momento t y t+∆t puede escribirse de la siguiente manera: (ec. 19)

 De donde podemos hallar el valor de la función confiabilidad

T = Tiempo de Fallo
α(t ) = Tasa de fallos
Demostración de la Fórmula de R(t)
 La función densidad de probabilidad, es decir, la probabilidad de
que un dispositivo tenga una falla entre los instantes t y t + dt
es:

 Analizando las anteriores ecuaciones, se cumple que la

probabilidad de producirse una avería en un elemento entre t y
t+dt es igual a la probabilidad de que funcione hasta t por la
probabilidad de que falle entre t y t+dt:

 En la siguiente figura se puede observar la representación

gráfica de los parámetros característicos de la distribución
exponencial más general
 Analizando cuidadosamente la representación de la curva
típica de la evolución de la tasa de fallos dependiente del
tiempo, también conocida como curva bañera, se pueden
distinguir tres etapas.
 La primera corresponde a los fallos iniciales (la mortalidad
infantil de las estadísticas demográficas) que se
manifiestan prematuramente y se caracteriza por una tasa
decreciente, corresponde, generalmente, a la existencia de
dispositivos defectuosos o instalados indebidamente con una
tasa de fallos superior a la normal.
 La segunda etapa (la edad adulta) representa los fallos
normales y se presentan de forma aleatoria; su tasa es
constante en el tiempo de vida del componente.
 La tercera y última etapa (la vejez) se atribuye a los fallos
por desgaste donde se ha superado la vida prevista del
componente; en este caso la tasa se caracteriza por un
aumento significativo debido a la degradación.
 Este modelo, con algunas variantes, es válido para la
mayoría de los componentes de un sistema tecnológico.
 Las fallas iniciales pueden eliminarse mediante pruebas
previas a la operación, mientras que una política adecuada
de reemplazos permite reducir las producidas al fin de la vida
útil.
 La mayoría de las evaluaciones de confiabilidad se refieren
al período en que prevalecen las fallas aleatorias.
 El caso más sencillo para describir la ley exponencial es
suponer que la tasa de fallas es constante, es decir que
después de un tiempo de uso del artículo, la probabilidad de
que falle no ha cambiado, hecho que se puede expresar a
través de la siguiente función: Z(t) = α. En este modelo,
claramente se está despreciando el efecto de desgaste. La fdp
asociada con el tiempo de fallo T está dada por:

 En este caso particular, la distribución sólo requiere el

conocimiento de un parámetro, la tasa de fallas α. Algunas de
las características de la distribución exponencial de un
parámetro son:
 A medida que α disminuye en valor, la distribución se extiende
hacia el lado derecho y por el contrario, a medida que α
aumenta en valor, la distribución se acerca al origen.

Efecto de los posibles valores

tomados por el parámetro α en la
función distribución de probabilidad
exponencial

 La distribución no tiene parámetro de forma pues tiene una

única forma, la exponencial; por lo tanto el único parámetro es
la tasa de fallas.
 El parámetro de escala es 1/α = m = s (siendo s la
desviación estándar). Entonces, la confiabilidad para un tiempo de
duración t = m es siempre igual a 0,3679 o lo que es lo mismo
a un 36,8%. Esto es así pues:

Este hecho implica que la confiabilidad es relativamente baja pues

sólo el 36,8% de los componentes en estudio, por ejemplo,
sobrevivirán.
 La distribución comienza en t = 0, donde f (t=0) = a; a partir de
allí, decrece exponencialmente y monótonamente a medida que t
se incrementa. Además es convexa.
 Cuando t tiende a infinito, la función distribución de
probabilidades tiende a cero, en consecuencia también tiende a
cero la función confiabilidad R(t).
 Si f tiene la forma:

Entonces

 La confiabilidad R(t) representa, en este caso, la probabilidad

de que el dispositivo, caracterizado por una tasa de fallos
constante, no se averíe durante el tiempo de funcionamiento t.
Es importante destacar que la última fórmula se aplica a todos
los elementos que han sufrido un uso adecuado que permita
excluir los fallos iniciales característicos de la tasa de fallos.
Además, aplicando la función de probabilidad condicional
expresada en la ec. (19), se observa que la misma es
independiente de t y sólo depende de ∆t , es decir que el
artículo en cuestión podrá ser considerado como si fuera nuevo
mientras perdure su funcionamiento.
 Finalmente, es posible concluir que si T es una variable
aleatoria contínua que toma todos los valores no negativos, le
corresponde una distribución exponencial si y sólo si tiene una
tasa constante de fallas.
 Este modelo es aplicable, por ejemplo, a lámparas que pueden
considerarse que funcionan como si fueran nuevas mientras
funcionen y no se queme su resistencia.
 Las gráficas características de los parámetros de este caso
particular de la ley exponencial de falla son:
 A partir de la representación gráfica de R(t), también conocida
como curva de supervivencia, es posible definir el “tiempo
medio hasta un fallo”. Matemáticamente se recurre a un cálculo
estadístico para obtener una expectativa de este tiempo a
partir de la siguiente expresión:

Siendo T el tiempo que se espera que transcurra hasta un fallo

y m el parámetro que describe completamente la confiabilidad
de un dispositivo sujeto a fallos de tipo aleatorio.

 Se observa, entonces que el tiempo medio y la tasa de fallos

son recíprocos, es decir que uno es el inverso del otro.
 Esto sólo es cierto para una distribución exponencial pues la
mayoría del resto de las distribuciones no tiene una tasa de
fallo constante. Entonces R(t ) = exp(-t/m); proporciona la
probabilidad de supervivencia del dispositivo para cualquier
intervalo de tiempo comprendido dentro del ámbito de la vida
útil del mismo.

 En el caso en que t=m/100, la confiabilidad es R=0.99, es decir

que funcionan 99 dispositivos y falla sólo 1.

 Por lo tanto, la calidad de funcionamiento de un cierto

elemento vendrá dada por el tiempo que se espera que dicho
elemento funcione de manera satisfactoria.
 A partir de la teoría previamente expuesta, es posible, calcular
para un conjunto de dispositivos, por ejemplo válvulas, la tasa
de fallos anual conociendo el número de elementos totales y
aquellas que fallaron, también es posible conocer la
probabilidad que tiene una de las válvulas de que falle antes de
un determinado tiempo, es decir, F(t) o bien calcular la
probabilidad de que la válvula esté en funcionamiento al cabo
de un determinado tiempo, por ende debo hallar R(t). Otro
parámetro posible de calcular es la probabilidad de que el
tiempo de vida de la válvula esté comprendido entre dos
tiempos distintos, para ello debo obtener la diferencia entre la
probabilidad de que falle antes de uno de esos dos tiempos y
el otro, es decir la diferencia de las confiabilidades de ambos
períodos de tiempo. Por último se puede determinar un
intervalo de vida con cierto nivel de confianza dado.
 Otra ventaja que proporciona esta ley de fallas exponencial es
que es posible estimar el tiempo de operación de un artículo o
sistema conociendo el parámetro α e imponiendo R(t).
Entonces dicho artículo será tan bueno como si fuera nuevo
durante ese tiempo o edad para funcionar,independientemente
de su historia previa. A esta propiedad característica de la
función exponencial se la suele llamar “pérdida de memoria”.
Fenómeno que no ocurría para le ley normal. Es importante
destacar también que la confiabilidad de un dispositivo
cualquiera es constante para períodos de utilización iguales si
se eliminan los fallos iniciales, si el dispositivo ha sobrevivido al
funcionamiento durante los períodos anteriores al considerado
y si no se supera el límite de vida útil, más allá del cual la
confiabilidad disminuye con mayor rapidez pues la tasa de
fallos deja de ser constante y empieza a crecer
significativamente.
 Supongamos ahora que la falla ocurre debido a factores
externos aleatorios, por ejemplo una subida de tensión o a
factores internos como una desintegración química, el tiempo
de espera en una consulta sin cita previa o la vida de los vasos
de vidrio en un bar. La ley de fallas exponencial puede
mejorarse a través de la distribución de Poisson, es decir, para
cualquier t fija, la variable aleatoria Xt tiene una distribución de
Poisson con parámetro αt . Para ello se supone que Xt es el
número de accidentes que ocurren en un intervalo de tiempo
t>0. Se considera que la falla en dicho intervalo se produce si
solo si al menos ocurre un accidente. Si T es la variable
aleatoria que representa el tiempo para que ocurra la falla,
entonces
 Entonces, T>t si ningún accidente ocurre en [0,t] y esto sucede
si y sólo si Xt = 0. Por lo tanto:

 Que representa la fda de una ley exponencial de falla;

físicamente la causa de las fallas implica una ley exponencial de
falla. Si cada vez que aparece un accidente hay una
probabilidad constante p de que éste no produzca fallas,
entonces:
 A continuación se presenta una alternativa para estimar el
parámetro α de la distribución exponencial. El método consiste
en linealizar la función de distribución de probabilidad, para ello
se recurre a la expresión de la función densidad acumulativa
F(t)

 Luego se toma el logaritmo natural a ambos miembros:

 Finalmente la ecuación lineal es y =b t , siendo b =-a

 Supongamos un caso particular en el cual se desea estudiar,
por ejemplo, el test de vida de ciertos componentes a través de
la estimación del parámetro característico de la distribución
exponencial. Entonces, conociendo los tiempos en los que se
analizan los elementos que sobrevivieron y sus respectivos
porcentajes, es decir su respectiva función confiabilidad, es
posible graficar R(t). Lo primero que se observa es que los
puntos describen una recta cuya pendiente es negativa. Luego,
la recta que mejor aproxima a la distribución de esos puntos
puede trazarse usando el método de cuadrados mínimos. El
valor del tiempo que corresponde a la intersección de la recta
con el valor de confiabilidad 36,8% es precisamente el tiempo
medio hasta un fallo, es decir m o lo que es lo mismo, el
recíproco de la tasa de falla α. Finalmente, a partir de un
cálculo sencillo es posible obtener el valor del parámetro
buscado α .
 Para la utilización del método de mínimos cuadrados
supondremos ignorable la incerteza de la variable tiempo.
Entonces es necesario ajustar la función lineal teórica por el
conjunto de puntos distribuidos en la representación gráfica tal
que la suma de los cuadrados de las desviaciones verticales de
los puntos hasta la recta sean mínimas. A continuación se
presentan las ec. a ser usadas para dicho método:
 En este caso, las ecuaciones para yi y para xi son:

 También es posible obtener el parámetro α a partir del

estimador de máxima verosimilitud para la distribución
exponencial, es decir que, teniendo la función de verosimilitud
de la muestra se puede encontrar el valor del parámetro que
maximice dicha función. Para el caso de la distribución
exponencial, la función de verosimilitud L es:
 Utilizando la propiedad de que el logaritmo es una función
creciente y monótona, es lo mismo maximizar L que el ln(L),
entonces L es máxima si:

 El modelo de la distribución exponencial en la teoría de fallas es

aplicable a un número considerable de ejemplos en los cuales se
asuma el concepto básico de tasa de fallos constante, en los
cuales se desprecia el desgaste del artículo en cuestión producido
en el tiempo. Esta propiedad simplifica considerablemente el
análisis, sin embargo, por otro lado limita el uso de este modelo
haciéndolo inapropiado para la mayoría de las aplicaciones
posibles en el “mundo real” pues existe evidencia suficiente e
irrefutable que la tasa de fallo de los productos, en general, no es
constante.
 Un ejemplo que aclara bastante este hecho es el caso de los
autos. Los modelos nuevos poseen un precio considerablemente
superior comparado con aquellos modelos más antiguos en los
cuales el rendimiento de los mismos afectan significativamente
el precio de venta, por lo tanto la tasa de fallo no es constante
en el tiempo y la confiabilidad se ve afectada por esta razón. Lo
mismo ocurre con los componentes electrónicos que se
degradan con el tiempo.
 A pesar de estas limitaciones, la contribución en la teoría de
fallas de la distribución exponencial todavía tiene valor
en el análisis de confianza para determinados casos, no es
posible subestimarla; incluso se utiliza en la evaluación
probabilística de seguridad de centrales nucleares para estudiar
la confiabilidad de los sistemas o subsistemas que las
componen.
 En la actualidad se requiere del uso de métodos de
análisis más sofisticados que modelen y reflejen de una
mejor manera las condiciones del “mundo real”.
 Tales modelos han sido descubiertos y son
acompañados de una alta tecnología computacional
compleja y de formulaciones matemáticas de alto nivel.
GRACIAS