Análisis de Weibull aplicado al mantenimiento

Fundamentos

La distribución de Weibull describe el tiempo hasta la falla de un componente con dos parámetros que tienen lectura física directa. El parámetro de forma β dice cómo evoluciona el riesgo con la edad; el parámetro de escala η, llamado vida característica, dice cuándo: es la edad a la que ya falló el 63,2 % de la población, sea cual sea β. Waloddi Weibull la presentó en 1951 y desde entonces es la herramienta estándar para datos de vida en mecánica, electrónica y fatiga de materiales.

Su utilidad en mantenimiento viene de una propiedad: con distintos valores de β reproduce las tres zonas de la curva de la bañera. Por eso el primer resultado de un análisis de Weibull no es un número de vida, sino un diagnóstico del tipo de falla.

Fig. 1Tasa de falla con η = 1 para cuatro valores de β. La curva con β = 1 es la única que no depende de la edad.

β	Comportamiento	Causas típicas	Implicancia para el plan
< 1	Tasa de falla decreciente (mortalidad infantil)	Montaje, puesta en marcha, calidad de reparación, lotes defectuosos	El reemplazo preventivo empeora; atacar calidad y pruebas de aceptación
≈ 1	Tasa constante (fallas aleatorias)	Eventos externos, sobrecargas de proceso, electrónica en servicio	El reemplazo por tiempo no ayuda; monitoreo de condición o rediseño
1 a 4	Desgaste temprano	Fatiga de bajo ciclo, erosión, corrosión, rodamientos	Reemplazo o restauración programada si los costos lo justifican
> 4	Desgaste rápido y concentrado	Fatiga de alto ciclo, consumo de material con vida definida	Reemplazo programado muy efectivo antes de B1 o B10

Un punto que suele pasarse por alto: β describe un modo de falla, no un equipo. Una bomba centrífuga tiene sellos con mortalidad infantil, rodamientos con desgaste y un motor con fallas aleatorias. Si los tiempos de esos modos se mezclan en un mismo análisis, el β resultante no describe a ninguno.

Idea clave

El análisis de Weibull responde dos preguntas distintas: qué tipo de falla es (β) y cuándo ocurre (η y las vidas B). La primera define la estrategia; la segunda, el intervalo.

Metodología

1. Definir el modo de falla y el reloj

Cada análisis empieza con una pregunta precisa: tiempo hasta la falla de qué componente, por qué modo y medido con qué reloj. Las horas de operación sirven para rodamientos y sellos; los ciclos de arranque, para contactores y válvulas de bloqueo; los kilómetros o las carreras, para varillas de bombeo. Un reloj equivocado agrega dispersión que se lee como un β más bajo.

2. Reunir fallas y suspensiones

Una suspensión es una unidad que no falló por el modo analizado: sigue en servicio, se retiró por otra causa o se cambió preventivamente. Las suspensiones son información, no ruido. Omitirlas hace que el análisis vea solo las unidades que fallaron y subestime la vida de toda la población. En una flota grande, la mayoría de los datos son suspensiones.

Con la estructura de ISO 14224, cada orden de trabajo de correctivo aporta una falla (con su modo y su mecanismo codificados) y cada componente todavía en servicio aporta una suspensión con su edad actual.

3. Estimar los parámetros

Hay dos familias de métodos y ninguna es mejor en todos los casos:

Regresión de rangos de mediana. Se ordenan los tiempos, se asigna a cada falla su probabilidad acumulada estimada (rango de mediana) y se ajusta una recta en el papel de probabilidad. Con suspensiones se usan los rangos ajustados de Johnson. Abernethy recomienda la regresión de X sobre Y (RRX) para muestras pequeñas con pocos datos censurados.
Máxima verosimilitud (MLE). Busca los parámetros que hacen más probable el conjunto observado, usando cada falla y cada suspensión con su tiempo exacto. Es el método preferido cuando hay muchas suspensiones o censura mezclada, pero sobreestima β con pocas fallas; la corrección de reducción de sesgo de Abernethy (RBA) compensa ese efecto.

4. Verificar el ajuste

Los puntos deben seguir una recta en el papel de probabilidad. Una curvatura cóncava hacia abajo sugiere un tiempo libre de fallas (Weibull de tres parámetros, γ > 0); un quiebre en dos tramos sugiere dos modos mezclados; un grupo de puntos separado al inicio sugiere un lote defectuoso. El coeficiente R² de la regresión ayuda, pero la inspección visual del gráfico es más informativa.

5. Cuantificar la incertidumbre

Con cinco o seis fallas, el intervalo de confianza de β suele abarcar valores menores y mayores a 1. Reportar β sin su intervalo puede llevar a decidir un reemplazo programado sobre una evidencia que no lo sostiene. Los límites de Fisher, los de razón de verosimilitud o los obtenidos por simulación expresan ese rango.

6. Convertir el resultado en una decisión

Con β y η se calculan la confiabilidad a una edad, las vidas B, la probabilidad condicional de falla de las unidades en servicio y, si β > 1, la edad óptima de reemplazo. Esos números alimentan el plan preventivo, los estudios RAM y la planificación de repuestos.

Fórmulas clave

Confiabilidad, probabilidad acumulada de falla y tasa de falla para dos parámetros:

R(t) = e^{-\left(t/\eta\right)^{\beta}} \qquad F(t) = 1 - R(t) \qquad h(t) = \frac{\beta}{\eta}\left(\frac{t}{\eta}\right)^{\beta-1} \tag{1}

Con un tiempo libre de fallas γ (tres parámetros) se reemplaza $t$ por $t-\gamma$ para $t > \gamma$ . Vida media y vida B (tiempo al que falló la fracción $p$ ):

\text{MTTF} = \eta\,\Gamma\!\left(1+\frac{1}{\beta}\right) \qquad t_p = \eta\left[-\ln(1-p)\right]^{1/\beta} \tag{2}

Linealización usada en el papel de probabilidad, que convierte la distribución en una recta de pendiente β:

\ln\!\left[-\ln\left(1-F\right)\right] = \beta\ln t - \beta\ln\eta \tag{3}

Rango ajustado de Johnson para la falla en la posición $j$ de $N$ unidades ordenadas, con rango inverso $r_j = N - j + 1$ , y rango de mediana por la aproximación de Bernard:

\text{RA}_j = \frac{r_j\,\text{RA}_{j-1} + (N+1)}{r_j + 1} \qquad F_j \approx \frac{\text{RA}_j - 0{,}3}{N + 0{,}4} \tag{4}

El valor exacto del rango de mediana es la mediana de una distribución beta con parámetros $\text{RA}_j$ y $N - \text{RA}_j + 1$ ; la calculadora usa el valor exacto por defecto, igual que el software comercial de referencia.

Ecuación de máxima verosimilitud para β con $r$ fallas $t_i$ y $N$ tiempos totales $T_k$ (fallas más suspensiones), y estimación de η:

\frac{\sum_{k=1}^{N} T_k^{\beta}\ln T_k}{\sum_{k=1}^{N} T_k^{\beta}} - \frac{1}{\beta} - \frac{1}{r}\sum_{i=1}^{r}\ln t_i = 0 \qquad \hat\eta = \left(\frac{1}{r}\sum_{k=1}^{N}T_k^{\beta}\right)^{1/\beta} \tag{5}

Probabilidad de que una unidad que ya acumuló la edad $t$ falle en las próximas $x$ unidades de tiempo:

P(\text{falla en } [t,\,t+x] \mid \text{sobrevivió a } t) = 1 - \frac{R(t+x)}{R(t)} \tag{6}

Weibayes, cuando β se conoce de antemano y hay pocas o ninguna falla: con $r$ fallas, $r^* = r$ ; con cero fallas, $r^* = -\ln(1-C)$ para el nivel de confianza $C$ , y η resulta un límite inferior:

\hat\eta = \left(\frac{\sum_{k=1}^{N} T_k^{\beta}}{r^*}\right)^{1/\beta} \tag{7}

Ejemplo industrial

Ejemplo

Datos ilustrativos, construidos para el ejemplo. La calculadora los trae precargados.

Una batería de bombas de transferencia registró 14 rodamientos del lado acoplado: 8 fallaron por el mismo modo (rodamiento con descascarado por fatiga) y 6 se retiraron sanos durante overhauls o siguen en servicio. Los tiempos, en horas de operación, son:

Fallas	4100 · 6300 · 7900 · 9200 · 10 800 · 12 500 · 14 900 · 17 600
Suspensiones	5200 · 8800 · 11 000 · 13 000 · 15 500 · 16 000

Con regresión de rangos en X y rangos de mediana exactos, el ajuste da:

Resultado	Valor	Límites de Fisher al 90 %
β	2,31	1,41 – 3,79
η	15 180 h	11 680 – 19 730 h
MTTF	13 450 h
Vida B10	5740 h	3530 – 9340 h
R(8760 h), un año de operación continua	75,6 %
R² del ajuste	0,996

La lectura es de desgaste: incluso el límite inferior de β supera 1, de modo que la evidencia sostiene que el riesgo crece con la edad. Por máxima verosimilitud el resultado es β = 2,71, y con la corrección RBA, β = 2,39, coherente con la regresión.

Si un cambio programado de rodamiento cuesta 1500 USD (repuesto y mano de obra planificada) y una falla en servicio cuesta 18 000 USD (daño al eje y al sello, horas extra y producción diferida), el modelo de edad de reemplazo da una edad óptima de 4800 h. A esa edad la confiabilidad es 93,3 % y el costo esperado baja de 1,34 a 0,56 USD por hora de operación, un 58 % menos que operar hasta la falla. El módulo de optimización muestra la curva completa de costo.

Para la planificación de repuestos interesa la ecuación 6: un rodamiento que ya tiene 8000 h tiene 14,2 % de probabilidad de fallar en las próximas 2000 h. Sumando esa probabilidad sobre toda la flota en servicio se obtiene el número esperado de fallas del período, como hace el módulo de predicción en flota.

β·η

Análisis de Weibull

Ajuste por rangos de mediana o máxima verosimilitud, con suspensiones, límites de confianza de Fisher y vidas B1, B10 y B50.

Casos documentados

ISO 281 y la vida L10 de rodamientos. La vida nominal de catálogo de los rodamientos es una vida B10: el tiempo al que falla el 10 % de una población idéntica. ISO 281:2007 ajusta esa vida para otros niveles de confiabilidad con el factor $a_1$ , que proviene de un modelo de Weibull con β = 1,5 y un tiempo libre de fallas igual a 0,05·L10. Así, para 95 % de confiabilidad $a_1 = 0{,}64$ , y para 99 %, $a_1 = 0{,}25$ . La calculadora del sitio reproduce esos factores a partir de las ecuaciones 1 y 2; el detalle está en la verificación de la herramienta.

El origen aeronáutico. La práctica moderna del análisis de Weibull se formó en el trabajo de Robert Abernethy en Pratt & Whitney y en el manual de análisis de Weibull de la Fuerza Aérea de los Estados Unidos de 1983, antecedente directo de The New Weibull Handbook. Allí el análisis por modo de falla permitió definir inspecciones y reemplazos por componente en lugar de revisiones generales del motor completo.

Los estudios de patrones de falla. El estudio de United Airlines publicado por Nowlan y Heap en 1978 encontró que solo una minoría de los componentes tenía un patrón ligado a la edad. En términos de Weibull, la mayoría no mostraba desgaste: su tasa de falla era constante o decreciente después del período inicial. Ese hallazgo es el fundamento del RCM y la razón por la cual un análisis de Weibull debe hacerse antes de fijar un reemplazo por calendario.

Buenas prácticas

Analizar un modo de falla por vez, con el reloj que lo gobierna.
Incluir siempre las suspensiones con su edad real; en flotas grandes, son la mayor parte de la información.
Reportar β con su intervalo de confianza y decidir sobre el intervalo, no sobre el valor central.
Comparar regresión y MLE: si difieren mucho, el problema suele ser de datos (mezcla de modos, edades mal registradas).
Con menos de cinco fallas, usar Weibayes con un β justificado o esperar más datos antes de fijar intervalos.
Revisar el gráfico de probabilidad: una curva o un quiebre cuentan algo que el R² no muestra.
Registrar en cada orden de trabajo la edad del componente al momento de la intervención; sin edad no hay análisis de vida posible.

Errores comunes

Calcular β de un equipo completo. Mezcla modos con β distintos y produce un valor cercano a 1 que no describe a ninguno.
Descartar las unidades que no fallaron. Subestima la vida característica y puede invertir la conclusión sobre el reemplazo programado.
Confundir MTBF con vida. Con β = 2,3 y η = 15 180 h, a la edad del MTTF ya falló el 53 % de las unidades; con β = 1, el 63 %.
Usar tiempo calendario cuando el equipo opera de forma intermitente. Agrega dispersión y hace que el desgaste parezca aleatorio.
Fijar el intervalo en η o en el MTTF. A esas edades la mitad o más de la población ya falló; el intervalo de reemplazo sale de la optimización de costo o de una vida B tolerable.
Extrapolar muy lejos del rango de datos. La vida B1 estimada con fallas entre B10 y B60 depende mucho de β y tiene un intervalo de confianza amplio.

Referencias

IEC 61649:2008. Weibull analysis. International Electrotechnical Commission.
Abernethy, R. B. (2006). The New Weibull Handbook, 5.ª ed. Edición del autor.
Weibull, W. (1951). A statistical distribution function of wide applicability. Journal of Applied Mechanics, 18, 293–297.
Meeker, W. Q., Escobar, L. A. y Pascual, F. G. (2022). Statistical Methods for Reliability Data, 2.ª ed. Wiley.
ISO 281:2007. Rolling bearings — Dynamic load ratings and rating life.
Nowlan, F. S. y Heap, H. F. (1978). Reliability-Centered Maintenance. United Airlines / U.S. Department of Defense.
ReliaSoft Corporation. Life Data Analysis Reference. Ejemplos resueltos de estimación por rangos y MLE usados en la verificación de la calculadora.

§1Fundamentos

§2Metodología

1. Definir el modo de falla y el reloj

2. Reunir fallas y suspensiones

3. Estimar los parámetros

4. Verificar el ajuste

5. Cuantificar la incertidumbre

6. Convertir el resultado en una decisión

§3Fórmulas clave

§4Ejemplo industrial

Análisis de Weibull

§5Casos documentados

§6Buenas prácticas

§7Errores comunes

§8Referencias

Fundamentos

Metodología

Fórmulas clave

Ejemplo industrial

Casos documentados

Buenas prácticas

Errores comunes

Referencias