¿Por qué es necesario el análisis de Weibull?

Drew Troyer | Fundador y Presidente, Sigma Reliability Solutions

El Análisis de Weibull es una poderosa pero subutilizada herramienta por los ingenieros de confiabilidad industrial. Como profesionales en esta área, nuestro trabajo es cuantificar los riesgos para la producción, los costos de administración y las metas de seguridad y protección ambiental. Como ingenieros de confiabilidad, principalmente usamos la distribución exponencial para predecir la confiabilidad basándonos en la rata de falla o su recíproco el tiempo promedio entre fallas o el tiempo promedio para fallar. Mientras que la ecuación exponencial básica es muy útil para hacer predicciones probabilísticas de la confiabilidad, ella asume una rata de falla constante a través del tiempo. En realidad, simplemente no siempre este es el caso. Aquí entra el Análisis de Weibull.

El Análisis Weibull es un tratamiento especial de la distribución de la confiabilidad que incluye el perfil de riesgo como una función del tiempo. Utilizando papel gráfico especial (log/log-log) o software especializado, se trazan las fallas y se dibuja una línea de regresión de mínimos cuadrados.

La pendiente lineal de esa línea representa el parámetro Beta (β), o parámetro de forma, que se incorpora en fórmulas modificadas basadas en la distribución exponencial, lo que permite que los cálculos previstos reflejen el perfil de riesgo a lo largo del tiempo. En resumen, si el β <1.0, el riesgo de falla disminuye con el tiempo; Si  β = 1,0, el riesgo de fallo es constante en el tiempo; Y, si β> 1,0, el riesgo de falla aumenta con el tiempo.

Donde β = 2,0, la tasa de fracaso aumenta linealmente con el tiempo, suponiendo la distribución de Rayleigh. Donde β> 3.44, la tasa de fallo asume la distribución gaussiana (curva de campana), lo que indica un aumento geométrico en el riesgo a lo largo del tiempo. A medida que el parámetro β aumenta por encima de 3,44, la curtosis de la curva aumenta, lo que sugiere una desviación estándar menor (véase la figura).

Distribución de  Weibull

La distribución de Weibull es el más ampliamente utilizado modelo estadístico para tratar con datos históricos. Es usada en muchas aplicaciones desde el pronostico del tiempo hasta análisis de ingeniería con tamaños de muestras muy pequeños.

Originalmente desarrollado por el matemático sueco Wallodi Weibull (1887-1979) El análisis de Weibull es la más versátil distribución empleada por los ingenieros de confiabilidad. Aunque es denominada una distribución, actualmente es una herramienta que permite al Ingeniero de Confiabilidad caracterizar la función de densidad de probabilidad (distribución de frecuencia de falla) de un conjunto de datos de falla para caracterizarlas  como tempranas, constantes (exponencial) o desgaste asociado a la edad (Gausiana o log normal) graficando los datos de tiempo para la falla en un formato gráfico especial donde el eje X representa el tiempo, ciclos, millas, etc, en una escala logarítmica. El eje Y, con una escala log-log, representa el porcentaje acumulado de la población total de fallas.

Utilizado eficazmente con datos de campo recopilados adecuadamente, el análisis de Weibull es una poderosa herramienta que le permite combinar eficazmente sus actividades de intervención con los riesgos a los que se enfrenta la organización.

Bueno, suficiente teoría. ¿Qué significa para usted y por qué debe aprender a usarlo? Comprender el perfil de riesgo como una función del tiempo le permite tomar mejores decisiones.

β < 1,0

Representa una rata de fallas tempranas (mortalidad infantil) Mientras más cercano a cero, más grande el riesgo de este tipo de fallas. Las fallas tempranas tienden a ser causadas por repuestos de mala calidad o defectuosos y/o por mano de obra deficiente. La mala calidad de las partes puede ser asociada a problemas de almacenaje que propicien la contaminación, corrosión y el deterioro. Las deficiencias asociadas con la mano de obra pueden atribuirse a procedimientos débiles, falta de capacitación o falta de personal calificado, supervisión insuficiente, falta de controles de calidad o incluso a temas administrativos como reparaciones apresuradas. La meta es elevar el parámetro β a 1,0 mientras decrece la rata de fallas y se incrementa el TPEF o TPPF.

β ~= 1.0

Representa una rata de fallas constante, no se pueden hacer predicciones en función del tiempo. En este escenario debe enfocarse en optimizar sus planes de inspección y monitoreo de condición de manera de detectar las fallas en su etapa incipiente, por otro lado puede trabajar en mejorar el proceso de análisis de los datos por cada modo de falla. Cuando se toman un lote de modos de fallas juntos, se presenta un efecto aleatorio que tiende a elevar β  a 1,0. Hay que enfocarse en prácticas de precisión y proactivas, especialmente en las actividades de Ajuste, Lubricación, Alineación y Balanceo. La rata de falla es afectada por las intervenciones proactivas, pero no necesariamente estas afectan el perfil de riesgo. La meta es mantener el parámetro β en 1,0 mientras decrece la rata de fallas incrementando el TPEF o el TPPF.

β > 1,0

Indica dependencia del tiempo, lo cual es típicamente indicativo de un modo de falla dominante. Mientras más alto es β, más fuerte es la relación con el tiempo. En este escenario el trabajo consiste en identificar los factores mecánicos, eléctricos, operacionales y humanos que representan las causas que desencadenan la falla. El modo de falla dominante, es algunos casos, se elimina actualizando componentes, rediseñando, reduciendo el estrés operacional u otras iniciativas. En algunos casos las partes o componentes son simplemente reemplazados. Si la forma β es suficientemente alta (por ejemplo> 5,0) y si no puede controlar las funciones que propician la falla, el mantenimiento basado en el tiempo PUEDE estar justificado. En otras instancias, se podría incrementar la veracidad y frecuencia del monitoreo y el perfil de riesgo aumenta. La meta es que β se mantenga ~1,0 si es posible o instituir el mantenimiento basado en tiempo o incrementar el monitoreo apropiadamente. El perfil de riesgo debería afectar el proceso de planificación de repuestos de tal manera que no lo encuentren desprevenido. En todos los casos hay que mantenerse enfocados en las actividades de mantenimiento proactivas.

SOBRE EL AUTOR

Drew Troyer Fundador y Presidente, Sigma Reliability Solutions

Drew D. Troyer, CRE, CMRP, es el fundador y presidente de Sigma Reliability Solutions, cree que el mismo marco de gestión de riesgos que mantiene la industria de la aviación segura puede aumentar los beneficios de cualquier negocio. Es un autor destacado y líder de pensamiento sobre el tema, pues tiene mucha experiencia trabajando como consultor con un verdadero con clientes de Fortune 500 en todo el mundo. Es un reconocido escritor de temas complejos y es un orador informativo y entretenido, que recurre a analogías y humor para hacer entender su punto.

Lea la biografía completa