El análisis de Weibull es un método estadístico utilizado en ingeniería de confiabilidad y mantenimiento para analizar datos de la vida útil, tasas de fallas y confiabilidad de los equipos. Nombrado en honor a Wallodi Weibull, quien describió este modelo estadístico, la distribución de Weibull es versátil y puede describir varios comportamientos de falla.
Aplicación del análisis de Weibull en el mantenimiento
A continuación, se muestra cómo se aplicación dentro del contexto del mantenimiento.
Análisis de fallas
Al ajustar los datos a una distribución de Weibull, el análisis puede describir diferentes modos de falla, como la mortalidad infantil, fallas en la vida normal o fallas por desgaste. Esto corresponde bien con las diferentes fases de la curva de la bañera en confiabilidad.
Predicción de la confiabilidad
El análisis de Weibull ayuda a prever el comportamiento futuro de falla de un componente o sistema. Esta capacidad predictiva asiste en la planificación de las actividades de mantenimiento, reduciendo los tiempos de inactividad no planificados y aumentando la eficiencia general del sistema.
Diseño y análisis de garantias
En este caso, los ingenieros y fabricantes pueden utilizar el análisis de Weibull para estimar la confiabilidad de los equipos o componentes dentro de un período de garantía dado. Esto ayuda en la fase de diseño a realizar los ajustes necesarios para cumplir con los objetivos de confiabilidad deseados.
Comparación entre diferentes equipos o activos
Al ajustar diferentes conjuntos de datos a distribuciones de Weibull, los gerentes de mantenimiento pueden comparar la confiabilidad de diferentes activos o estrategias de mantenimiento. Esto ayuda en los procesos de toma de decisiones relacionados con la selección de materiales, componentes o enfoques de mantenimiento.
Planificación del mantenimiento
El análisis de Weibull puede proporcionar información valiosa sobre las características de falla de las máquinas o equipos. Esta información permite la formulación de estrategias, programando actividades de mantenimiento preventivo en intervalos óptimos para minimizar costos y maximizar el rendimiento.
Evaluación de riesgos
Permite evaluar el riesgo asociado con diferentes modos de falla y ayuda en la priorización de las actividades de mantenimiento. Las áreas de alto riesgo pueden abordarse primero, garantizando seguridad y cumplimiento con las normas regulatorias.
Parámetros de la Distribución de Weibull
Antes de conocer la gráfica de la distribución de Weibull, es importante conocer algunos de sus parámetros.
Parámetro de Forma (β, Beta)
Este parámetro describe la forma de la distribución y caracteriza el modo de falla. Por ejemplo, β < 1 indica una tasa de falla decreciente, β = 1 indica una tasa de falla constante, y β > 1 indica una tasa de falla creciente.
Parámetro de Escala (η, Eta)
Es un factor de escala que estira o comprime la distribución. Proporciona una estimación de la "vida característica" del producto, que es el tiempo en el que el 63,2% de los equipos habrá fallado.
Pasos para construir el gráfico de Weibull
A continuación, se presentan 8 pasos para construir la gráfica usando los datos de falla de los activos que quieres analizar.
Recopilar Datos: Reúne datos de falla para el activo que estás analizando. Necesitarás los tiempos exactos de falla para cada equipo o activo.
Ordenar los Datos: Ordena los tiempos de falla de menor a mayor,y asigna un rango (del 1 al n) para cada tiempo de falla.
Calcular Probabilidades de Falla: Utiliza el método de Rangos Medianos u otros métodos para calcular las probabilidades de falla. Una fórmula común para esto es:
Fi = i / (n + 1)
Donde, Fi es la probabilidad de falla, i es el rango, y n es el número total de fallas.
Transformar los Datos: Calcula el logaritmo natural tanto de los tiempos de falla como del logaritmo natural del logaritmo natural negativo de las probabilidades de falla.
Graficar los Datos: Grafica los datos transformados (x, y) en papel gráfico regular o utiliza software estadístico.
Ajustar una Línea: Utilizando la regresión lineal, ajusta una línea recta a los datos. La pendiente de la línea será el parámetro de forma (β), y la intersección con el eje x te ayudará a encontrar el parámetro de escala (η).
Interpretar los Parámetros: Utiliza los β y η estimados para comprender el comportamiento de falla de tu sistema y planificar estrategias de mantenimiento en consecuencia.
Ejemplo práctico
Veamos un ejemplo paso a paso de cómo utilizar el análisis de Weibull para el mantenimiento. Supongamos que dispone de datos de fallas de un conjunto de 10 bombas idénticas. Así es como podría aplicar el análisis de Weibull.
Calcular las probabilidades de falla
Para las 10 bombas identicas se tienen los siguientes tiempos de falla en horas.
Calcular las probabilidades de falla
Se calcula las probabilidades de falla utilizando el método de Rangos Medianos, para luego tabularlos.
Tranformar los datos
En este paso, calculamos las coordenadas (x,y) usando el logaritmo natural de los tiempos de falla y las probabilidades de falla.
Graficar los Datos
En este paso, se grafican los datos (x, y) y se ajusta una línea recta utilizando regresión lineal como se muestra a continuación.
Interpretación de los parámetros
Los parámetros de análisis Weibull, β (parámetro de forma) y η (parámetro de escala) ofrecen conocimientos sobre la confiabilidad y las características de falla de los equipos o sistema bajo estudio.
En este caso específico:
Parámetro de Forma β=1.134
Un valor de β mayor que 1 sugiere que la tasa de falla aumenta con el tiempo. Esto puede indicar que las fallas se deben principalmente al envejecimiento. Dado que
β está bastante cerca de 1, la tasa de falla podría estar aumentando relativamente despacio con el tiempo.
Parámetro de Escala η=537.35
Este valor podría interpretarse como el tiempo en horas en el que aproximadamente el 63.2% de las bombas habrán fallado.
En conclusión, el análisis Weibull sugiere que la tasa de fallo está aumentando con el tiempo, pero quizás a un ritmo más lento. La vida característica del producto o sistema indica el momento en el cual se espera que falle una parte significativa de la población.
Esta información puede ser vital en la planificación de estrategias de mantenimiento, en la definición de períodos de garantía y en la comprensión de la fiabilidad general de los productos o componentes.