La distribución de Weibull es uno de los modelos estadísticos más versátiles e importantes en la ingeniería de confiabilidad y el análisis RAM. Se utiliza para modelar el tiempo transcurrido hasta que ocurre una falla en un componente o equipo.
A diferencia de los modelos exponenciales tradicionales —que asumen de manera simplificada que la tasa de fallas es constante a lo largo del tiempo— la distribución de Weibull permite representar cómo la probabilidad de falla varía a medida que el equipo opera, envejece o sufre desgaste.
1. Los Parámetros Fundamentales de Weibull
El comportamiento de la distribución de Weibull se define principalmente a través de dos parámetros centrales (modelo de 2 parámetros):
-
Parámetro de Forma (\(\beta\) o shape): Es el parámetro más crítico, ya que indica cómo cambia la tasa de fallas con el tiempo y en qué etapa de la "curva de la bañera" se encuentra el activo:
- \(\beta < 1\) (Fallas prematuras o mortalidad infantil): La tasa de fallas disminuye con el tiempo. Suele estar asociada a defectos de fabricación, problemas de ensamblaje o mala instalación inicial.
- \(\beta = 1\) (Fallas aleatorias): La tasa de fallas es constante. En este punto, la distribución de Weibull equivale a la distribución exponencial y representa paradas imprevistas no ligadas al desgaste del tiempo.
- \(\beta > 1\) (Fallas por desgaste o envejecimiento): La tasa de fallas aumenta con el tiempo. Indica que el equipo o componente se está deteriorando progresivamente debido al uso o las condiciones operativas.
-
Parámetro de Escala (\(\eta\) / \(\alpha\) o scale): Representa la vida característica del equipo. Es el intervalo de tiempo en el que se calcula que habrá fallado aproximadamente el 63.2% de la población de activos analizada.
(Nota: En modelos de 3 parámetros, existe también el parámetro de localización \(\gamma\), el cual establece un tiempo de garantía o periodo mínimo antes del cual no puede ocurrir ninguna falla).
2. Funciones Matemáticas Clave Derivadas del Modelo
A partir de los parámetros ajustados, Weibull permite calcular tres funciones clave para la gestión del mantenimiento:
- Función de Densidad de Probabilidad (\(PDF\)): Describe la distribución o dispersión de las fallas a lo largo de la escala temporal.
- Función de Confiabilidad o Supervivencia (\(R(t)\) / \(SF\)): Mide la probabilidad de que un equipo continúe funcionando sin experimentar fallas más allá de un tiempo \(t\) determinado.
- Función de Riesgo o Tasa de Fallas (\(h(t)\) / \(HF\)): Expresa la tasa instantánea a la que ocurren las fallas en un momento \(t\), dado que el activo ha sobrevivido hasta dicho instante.
3. Tratamiento de Datos Censurados y Aplicación en Python
En la práctica industrial, los ensayos o registros de campo frecuentemente contienen datos censurados a la derecha. Esto ocurre cuando finaliza el periodo de observación y algunos equipos siguen operando sin haber fallado.
La distribución de Weibull es especialmente potente porque puede incorporar estos datos censurados en la estimación de parámetros (por ejemplo, mediante Máxima Verosimilitud). En Python, mediante paquetes como reliability (utilizando la función Fit_Weibull_2P), se ingresan los tiempos de falla y los datos censurados para calcular de forma precisa \(\beta\) y \(\alpha\), graficar la curva \(PDF\) y determinar la confiabilidad requerida para planificar reemplazos preventivos.
📉 ¿Te gustaría que hagamos un ejercicio práctico en Python donde generemos datos sintéticos con fallas por desgaste (\(\beta > 1\)) y calculemos el tiempo óptimo de reemplazo antes del fallo masivo?
Fuente: IA Gemini Notebook
No hay comentarios:
Publicar un comentario