1

Introduccin a la
Normalizacin, Tolerancia y
Fiabilidad




Gabriel Daz Orueta

Departamento de Ingeniera Elctrica, Electrnica y de
Control Industrial



2
1- NORMALIZACIN Y TOLERANCIA

1.1 Introduccin
Hoy en da no se puede admitir una fabricacin en serie ni una comercializacin eficaz
sin que lo que se fabrique cumpla una normativa adecuada aceptada internacionalmente.
De entre todos los aspectos de los que se ocupa la normalizacin se tratar aqu de las
especificaciones que interesan a los materiales y componentes electrnicos, para lo que
habr que considerar aspectos fsicos y geomtricos. Los primeros se reflejan en
magnitudes fsicas representadas por valores nominales, afectados de unos mrgenes de
error tolerables o tolerancias. Si stas se ocupan slo del aspecto dimensional se
denominan dimensionales y si se ocupan de la forma y del estado superficial se habla de
tolerancias geomtricas y microgeomtricas

1.2 Normalizacin y normas
Se puede definir la normalizacin como el trabajo sistemtico de simplificacin,
unificacin y especificacin que se aplica a los elementos y problemas repetitivos
(series) de la produccin industrial, as como a muy diferentes actividades cientficas y
econmicas. Su objetivo es ordenar estos procesos para conseguir lo mejor y ms
econmico.
Un ejemplo de simplificacin sera tratar de reducir el nmero de modelos buscando
dejar slo los ms ventajosos y necesarios.
Un ejemplo de unificacin sera tratar de adaptarse al uso de sistemas de unidades lo
ms amplios posibles, especialmente en el caso de las dimensiones ms convenientes.
En este caso es obvia la importancia que tiene la posibilidad de intercambio para la
produccin en serie.
Se debe asimismo especificar definiendo materiales, elementos y partes o componentes
para evitar cualquier tipo de error en la identificacin.
Se podra definir una norma como la unidad fundamental de una estructura superior en
una disciplina concreta, que sera la normalizacin.
A la hora de hacer una clasificacin de normas se puede atender a diferentes criterios:
- Por mbito de su aplicacin: Pueden ser nacionales (del sector industrial o de
organismos nacionales de normalizacin) o internacionales, asociadas a
organismos como la ISO o la Unin Europea.
- Por su contenido: Pueden ser cientficas, como las asociadas a conceptos
bsicos de la ciencia, definiciones de unidades, etc., o industriales, como las
normas de calidad, dimensionales o de trabajo.
De entre las organizaciones internacionales quizs la ms importante es la ISO
(Internacional Organization for Standardization), en la que estn integrados
prcticamente todos los pases del mundo con un organismo nacional de normalizacin.
En Espaa el organismo encargado de establecer, a nivel nacional, las normas es
AENOR (Asociacin Espaola de NORmalizacin, http://www.aenor.es), autodefinida
como una entidad dedicada al desarrollo de la normalizacin y la certificacin (N+C)
en todos los sectores industriales y de servicios. Tiene como propsito contribuir a
mejorar la calidad y la competitividad de las empresas, as como proteger el medio
ambiente. Es la responsable de la creacin de las normas UNE (siglas de Una Norma
Espaola).

1.3 Tolerancias
La tolerancia es el margen de error admisible, determinado de forma cuantitativa
mediante la diferencia aritmtica entre los valores mximo y mnimo admisibles de las
3
magnitudes dimensionales o fsicas. Es, as pues, como un tratamiento tecnolgico de la
teora de errores.
Se puede, pues, afirmar, que:

T = Y
max
- Y
min
(1.1)


siendo T la tolerancia, Y
max
el valor mximo admisible e Y
min
el valor mnimo
admisible.

1.4 Definiciones bsicas

Valores nominales son los valores tericos o de referencia de magnitudes fsicas o
dimensinales. Por ejemplo, la resistencia de un transistor. Se utilizar para
representarlo el smbolo Y
n
.
Valores mximos son los mayores posibles de entre todos los valores posibles que
pueda tomar una magnitud. Se representan por Y
max
.
Valores mnimos son los menores posibles de entre todos los valores posibles que
pueda tomar una magnitud. Se representan por Y
min
.
Valores efectivos que son los que se puedan considerar como reales, comprendidos
entre los mximos y los mnimos. Su smbolo es Y
e
.

Desviacin o diferencia superior de una magnitud
Es la diferencia aritmtica entre el valor mximo admisible y el nominal:

|d
s
| = Y
max
- Y
n
(1.2)

Desviacin o diferencia inferior de una magnitud
Es la diferencia aritmtica entre el valor mnimo admisible y el nominal:

|d
i
| = Y
min
- Y
n
(1.3)



1.5 REPRESENTACIONES GRFICAS
Con lo que se ha definido hasta ahora parece bastante lgico pensar en un modelo
geomtrico que d una imagen grfica de las tolerancias. Se puede tomar como
referencia un sistema de ejes cartesianos de forma que la abcisa coincida con la
referencia o el valor nominal, la lnea de referencia. En el eje de ordenadas estarn
los valores de los elementos de clculo que se han definido. Si dichos valores estn por
encima del eje de abscisas se dice que son positivos y negativos por debajo.
Con tal modelo, y usando escalas arbitrarias, se puede llegar a la representacin grfica
de la figura 1.1.







4


Fig. 1-1

Se ve pues que el modelo geomtrico de una tolerancia podra ser un rectngulo en el
que el lado referido a las ordenadas, dentro del campo de valores positivos o negativos,
representa el valor absoluto de dicha tolerancia. El modelo se podra representar por:

Tolerancia = T = d
s
- d
i
(1.4)





Fig. 1-2

1.5 CLCULO DE TOLERANCIAS
Se va a considerar el clculo de tolerancias dimensionales y tambin los no
dimensionales y su aplicacin a elementos y circuitos electrnicos.
Las tolerancias dimensionales son interesantes para las dimensiones de un componente,
o una parte de el, o de un conjunto de ellos. Pero son insuficientes si no se hace entrar
tambin a las tolerancias geomtricas, que afectan a la posicin y forma. Igualmente
pueden ser importantes las tolerancias microgeomtricas que estn relacionadas con el
estado superficial, como en el caso de los circuitos impresos.
Empezando por las dimensionales se puede definir, por ejemplo para longitud, la unidad
de la magnitud tolerancia como la micra, cuyo smbolo literal es y equivale a
3
10

mm.
La unidad de tolerancia se puede determinar mediante la expresin:

m m
Y Y i . 001 , 0 . 45 , 0
3
+ = expresado en (1.5)
para la que i es la unidad de tolerancia en .

5
Ya se ha analizado que el valor absoluto de la tolerancia es T, que resulta de multiplicar
un factor n por la unidad de tolerancia i, con lo que obtenemos la calidad de la
tolerancia:

T = n.i expresado en (1.6)
Baste decir que la ISO ha establecido un cierto nmero de tolerancias fundamentales
que constituyen la base de todo el sistema de normalizacin.



1.6 DISPERSIONES EN LAS TOLERANCIAS
Para poder establecer de forma general un modelo geomtrico de acuerdo con los
valores que adopten las desviaciones, se realiza ahora un anlisis sencillo y
representaremos los resultados en el sistema de ejes coordenados en el que en abscisas
se representa la lnea de referencia.
En el caso en que d
s
= d
i
la tolerancia estar distribuida por igual entre los campos de
valores positivos y negativos. Es una tolerancia con desviaciones simtricas, como en la
figura 1.3.

X
Y
0
Valores
positivos
Valores
negativos
+
-
d
s
d
i
d
s
d
i
+
+
-
-
Tolerancia
simtrica
Tolerancia
asimtrica
Y
min
Y
max
Y
n

Fig. 1.3

A este caso se puede asociar el ejemplo de un resistor de resistencia nominal R
n
y de
tolerancia 5%.
En el caso en que d
s
d
i
la tolerancia estar distribuida de forma asimtrica entre los
campos de valores positivos y negativos.
En los casos mencionados tendramos un valor de la tolerancia:

T = d
s
d
i
= d
s
(-d
i
) = d
s
+ d
i
unidades (1.7)

Los valores dimensionales mximos y mnimos quedan:

Y
max
= Y
n
+ d
s
unidades (1.8)

Y
min
= Y
n
+ d
i
= Y
n
+ (-d
i
) = Y
n
-d
i
unidades (1.9)
6
1.7 TOLERANCIAS DE SISTEMAS

En este apartado resultar interesante aspectos como determinar la tolerancia resultante
de un sistema o el valor de las tolerancias que correspondera al hacer una sustitucin en
dicha cadena.
Adems es muy importante considerar si el sistema es serie o paralelo segn la forma
del encadenamiento o modelo lgico. As en la figura 1.4 se representa el modelo de un
sistema serie de elementos o partes.


Fig.1.4

y en el caso de un sistema paralelo tendramos la representacin de la figura 1.5















Fig.1.5

Adems se podra tener en cuenta por ltimo un encadenamiento mixto creado como
una combinacin de los dos anteriores.

1.7.1 Tolerancia resultante de un sistema serie
Se define la tolerancia resultante a la suma o diferencia de dos o ms tolerancias
parciales que forman parte de una cadena.
Se puede afirmar que la tolerancia resultante de una cadena de tolerancia de la misma
direccin es igual a la suma de los valores absolutos de las tolerancias de cada uno de
los componentes de la cadena.
As si Y
1
, Y
2
, Y
3
Y
n
son los valores nominales de los elementos de la cadena y sus
respectivas tolerancias son t
1
, t
2
, t
3
t
n
la tolerancia resultante ser:

t
r
= t = t
1
+ t
2
+ t
3
++ t
n
(1.10)
Y
1
Y
2
Y
3
Y
n
Y
r
7
en la que se denomina t
r
a la tolerancia resultante y t es simplemente la suma de
tolerancias parciales.

1.8 TOLERANCIAS GEOMTRICAS Y MICROGEOMTRICAS

Se denominan tolerancias geomtricas a aquellas que se ocupan de la forma y la
posicin de las partes que se van a acoplar y tolerancias microgeomtricas a las que se
pueden considerar como los mrgenes de error admisibles referidos a la superficie de
los slidos y que permiten determinar su grado de rugosidad.

1.9 LMITES ESTADSTICOS DE LAS TOLERANCIAS

Existen diferentes causas que provocan que las tolerancias sufran una cierta deriva en
funcin del tiempo. De esta forma un determinado parmetro Y podra distribuirse de
acuerdo a la funcin densidad reflejada en la figura 1.6.


Fig.1.6

En esta figura las curvas muestran una deriva del valor medio de ese hipottico
parmetro, Y
m
, a la vez que un aumento de la desviacin tpica, , tambin en funcin
del tiempo.
De esta forma se puede afirmar que la probabilidad de que en un instante cualquiera t
una magnitud y estn en el margen de tolerancia, ser:

P(t) =
}
ds
di
dy t y f ). , ( (1.11)

Sin embargo hay que darse cuenta de que en la prctica resulta imposible conservar los
valores nominales, as que hay que establecer siempre unos lmites de tolerancia o
desviaciones ds y di, que, realmente, se pueden considera como una caracterstica ms
de diseo, que se puede representar mediante una variable aleatoria que se suele asociar
a una distribucin normal. Si se conoce la media y la desviacin tpica de esta variable
se puede calcular la probabilidad de estar dentro del margen de tolerancia.
8
2- FUNDAMENTOS DE TEORA DE LA FIABILIDAD


2.1 INTRODUCCIN
Se puede considerar la fiabilidad como la mejor medida cuantitativa de la integridad de
un componente o de un sistema. Nos proporciona la probabilidad de que los
componentes o sistemas cumplan las funciones para las cuales han sido creados, sin
fallo, en condiciones determinadas de funcionamiento, durante periodos de tiempo
concretos y con un nivel dado de confianza.
Se puede definir asimismo la calidad de un producto por su grado de conformidad con
las especificaciones que lo definen, siendo examinada dicha conformidad en un cierto
momento de la fabricacin. En un cierto sentido se podra decir que un problema de
fiabilidad es la resultante de ciertos problemas de calidad.

2.2 QU SE ENTIENDE POR FALLO?
Es la terminacin de la capacidad de un dispositivo o elemento para realizar su funcin
dentro de unos ciertos lmites definidos de actuacin. Se llaman primarios o
independientes cuando no dependen de otros y secundarios o dependientes en el caso
contrario.
Se pueden clasificar segn el instante en que se producen: precoces, aleatorios y de
desgaste.

2.3 ELEMENTOS DE CLCULO
Para que los clculos de fiabilidad sean correctos se ha de utilizar elementos tericos de
estadstica que, aplicados correctamente, dan lugar a la tcnica de fiabilidad.

2.3.1 Definicin de fiabilidad
Si suponemos que en un instante t = 0 empiezan a funcionar N
0
componentes idnticos,
en iguales condiciones y que, despus de un tiempo t, se observa que han fallado N
f
(t) y
que han sobrevivido N
s
(t), se puede afirmar que:

N
0
= N
f
(t) + N
s
(t) (2.1)

Entonces la operacin libre de fallo o fiabilidad se puede expresar como:

R(t) = N
s
(t) / N
0
(2.2)

que proporciona la probabilidad de supervivencia de un componente en funcin del
tiempo t transcurrido desde su puesta en marcha, es decir su fiabilidad en funcin del
tiempo. Se tiene, evidentemente que R(0) = 1 y que R() = 0.



2.3.2 Definicin de infiabilidad
Mediante un razonamiento anlogo se puede definir la infiabilidad o probabilidad de
fallo como:

Q(t) = N
f
(t) / N
0
(2.3)

siendo claro que Q(0) = 0 y que Q(infinito) = 1.
9
Finalmente se puede comprobar que:
Q(t) + R(t) = 1 (2.4)

2.3.3 La fiabilidad condicional
Hay que matizar las afirmaciones anteriores para cuando los componentes o equipos que
se est analizando llevan ya cierto tiempo funcionando. En este caso hay que introducir
la variable edad en el valor de la fiabilidad. Pinsese, por ejemplo, en la fiabilidad de un
automvil para un desplazamiento de 1500 Km que no puede ser el mismo si el
automvil tiene una edad de 10.000 Km o de 100.000 Km.
Puede utilizarse as el teorema de las probabilidades condicionales que nos permite
determinar la fiabilidad condicional o R(t/T) de un material que haya alcanzado la
edad T como:

R(t/T) = R(T+t)/R(T) (2.5)

2.3.4 La funcin densidad
La frecuencia relativa de fallos se puede expresar, si se refiere a un t, como:

f(t) =
t
t R t t R
A
A ) ( ) (
=
t
t t R t R
A
A + ) ( ) (
=
t
t R
A
A ) (


que, si t 0, nos lleva a:

f(t) =
dt
t dR ) (
=
dt
t dQ ) (
(2.6)

ya que si hacemos la derivada de la (2.4) respecto a t se tiene que:

dt
t dR ) (
=
dt
t dQ ) (
(2.7)

Y f(t) se define como la funcin densidad de probabilidad, que indica la probabilidad de
cada valor de la variable aleatoria, t, al asignar un valor a sta.


2.3.5 La tasa instantnea de fallo
Desde la expresin (2.2) se puede escribir que:

R(t) =
) ( ) (
) (
t N t N
t N
f s
s
+
=
0
0
) (
N
t N N
f

= 1- N
f
(t) / N
0
(2.8)

Si diferenciamos respecto a t tendremos:

dt
t dR ) (
=
0
1
N

.
dt
t dN
f
) (
(2.9)

10
dt
t dN
f
) (
= - N
0

dt
t dR ) (
(2.10)


dt
t dN
s
) (
=
dt
t N N d
f
)) ( (
0

=

dt
t dN
f
) (
(2.11)

Si se divide ahora los dos miembros de la (2.10) por N
s
(t) se llega a que:

) (
1
t Ns dt
t dN
f
) (
=
) (
0
t Ns
N
dt
t dR ) (
= (t) (2.12)

y definimos (t) como la tasa instantnea de fallo, que expresa la velocidad con la que
fallan los componentes.
La (2.12) se puede reescribir como:

(t) =
) (
1
t R

dt
t dR ) (
(2.13)

Se suele emplear el bit (fallo por cada
9
10 horas) como unidad de tasa de fallo para
componentes y sistemas muy fiables.
Si se tiene en cuenta la (2.6) se puede reescribir que:

(t) =
) (
) (
t R
t f
(2.14)

2.3.6 Tiempo medio entre fallos (o MTBF, Mean Time Between Failures)

Se puede expresar como:

MTBF =
0
1
N
) ( .
1
t N t
t
f

=
A = ) ( .
1
t f t
t

=
(2.15)

Es decir que calculamos la edad acumulada de todos los componentes o equipos y se
divide por el nmero inicial de los mismo, N
0
.


2.4 CURVA DE MORTALIDAD O DE BAERA
La curva de baera, llamada as por su forma, figura 2.1, representa casi siempre la tasa
de fallo, (t), de un componente o sistema en funcin de su edad. Se puede distinguir en
ella tres periodos durante los cuales se puede producen los fallos ya citados en 2.2. Hay
un primer periodo, de 0 a T
E
, con tasa de fallo rpidamente decreciente, que
corresponde a los fallos infantiles. Hay dos funciones estadsticas, la funcin gamma y
la de Weibull, que se ajustan a este periodo en el cual aparecen los defectos debidos a
errores de fabricacin o de concepcin, como malas tcnicas de fabricacin, mano de
obra inexperta, malos materiales, control mediocre de calidad y otros.
11
Un segundo periodo se denomina de vida til en el que la tasa de fallo,
u
es
prcticamente constante. Entre los posibles fallos en este periodo se puede mencionar
poca seguridad, errores humanos en el uso, mala aplicacin, es decir, los fallos aparecen
ms bien por azar, de manera aleatoria. La distribucin estadstica que se ajusta a este
periodo es la exponencial.
Por ltimo se tiene el tercer periodo o de desgaste o envejecimiento, con tasa de fallo

w
(t) creciente, que caracteriza el final de la vida til del producto. Entre las causas de
este desgaste se puede citar la edad, degradacin, fluencia, fatiga, etc. La funcin
densidad que mejor se ajusta es la normal de Gauss-Laplace.
E
j
e

Y
Vida til

w
(t)

e
(t)
Periodo I Periodo II Periodo III
0
t

(
t
)
Vida til T
E
T
w
Fig. 2.1

Contrariamente al periodo infantil en este periodo el producto es cada vez peor y el
aumento de la tasa de fallo se pone de manifiesto.
La expresin matemtica que nos da la funcin densidad correspondiente a la curva de
baera puede ser como:

F(t) = A.f
e
(t) + B.f
u
(t) + C.f
w
(t) (2.16)

En la que f
e
(t), f
u
(t) y f
w
(t) son las funciones densidad correspondientes a cada uno de
los tres periodos indicados, mientras que A, B y C representan las probabilidades de que
los fallos sean infantiles, aleatorios o por desgaste, de forma que se cumple que
A+B+C=1.

Adems, la tasa de fallo durante el periodo infantil puede expresarse como:

w
(t) =
e
() + u + w() (2.17)

y w() es despreciable en este periodo y representa la variable aleatoria que puede
tomar cualquier valor de t entre 0 y .



12
2.5 CLCULO GENERAL DE LA FIABILIDAD
Si volvemos a la ecuacin (2.13) podemos escribir que:

(t)dt =
) (
) (
t R
t dR

y si integramos entre los lmites 0 y t llegamos a que:

ln R(t) =
}

t
dt t
0
) (

que se puede reescribir en formato exponencial como:

R(t) = exp [
}

t
dt t
0
) ( ] (2.18)

Si la tasa de fallo (t) es constante, independiente del tiempo, se tiene que :

R(t) =
t
e
.
(2.19)

2.5.1 Periodo de vida til

En este caso la fiabilidad es:

R(t) = exp [
}

t
dt
0
] =
t
e
.
(2.20)

La funcin densidad f(t) se puede hallar mediante la expresin (2.6)

f(t) = -
dt
t dR ) (
= -
dt
e d
t
) (

=
t
e
.
(2.21)

y la fiabilidad para un intervalo de tiempo entre t
1
y t
2
es:

R(t
2
- t
1
) =
)
1 2
( t t
e

(2.22)

Y el tiempo medio entre fallos es:

MTBF =
}

0
) ( dt t R =
}

0
.
dt e
t
= 1/ (2.23)

Y la fiabilidad para un tiempo igual al MTBF ser:

R(t) =
1
e = 0,3679 ~0,37 (2.24)

Es decir, el MTBF es el tiempo para el que, una vez transcurrido, quedan funcionando el
37% de los componentes y han fallado, por tanto, el 63%.
La probabilidad de fallo para una edad T es:

13
Q(t/T) =
}
+t T
T
dT T f ) ( =
T
e
.
(1 -
t
e
.
) (2.25)

Que nos permite conocer la infiabilidad condicional siendo la infiabilidad:

Q(t) = 1 R(t) = 1 -
t
e
.
(2.26)


2.5.2 Periodo de desgaste

En general en este periodo los fallos aparecen alrededor de una cierta vida media T
M
.
Se comprueba que la funcin densidad es con forma de campana y corresponde a una
funcin de Gauss-Laplace.
La distribucin normal est caracterizada por dos parmetros:
- La media T
M
.
- La desviacin tpica =

N T T
M
/ ) (
2

Y la funcin densidad viene dada por:

f(T) =
t o 2
1
2
) 2 /(
2
) ( o
M
T T
e

(2.27)

quedando entonces la funcin distribucin de fiabilidad como:

R(T) =
}

T
dT T f ) ( (2.28)

En la distribucin normal se tiene que T
M
= 0 y = 1, as que si hacemos

z =
o
M
T T
= T

se obtiene que la densidad de fallos es:

(z) =
t 2
1
2 /
2
z
e

(2.29)

y

(T) =
) (
) (
T R
T f
=
) (
) (
T R
z
o
u
(2.30)

siendo la fiabilidad entonces:

R(T) =
}

T
dT T f ) ( =
}

u
z
dz z) ( = R(z) (2.31)

Y adems

14
(z) (T) =
) (
) (
z R
z u
(2.32)

2.5.3 Periodo infantil

Se puede aplicar en este periodo la funcin de Weibull, que es una generalizacin de la
exponencial usada, en principio, para representar los fallos por desgaste.
La funcin densidad viene dada por:
f(t) =
|
q |

q
|
|
) / . ( 1
) (
t
e t

(2.33)

Si se hace 0 al parmetro de origen, , lo que equivale a suponer que hay posibilidad de
fallo desde el instante t = 0, nos quedan otros dos parmetros. Uno, , es el conocido
como parmetro de escala y representa el tiempo necesario para que la fiabilidad sea
igual a 0,37. El otro es el parmetro de forma, , segn sea inferior, igual o superior a 1
se tendrn tasas de fallo decrecientes, constantes o crecientes.
Si < 1, (t) es decreciente tal como ocurre en el periodo de fallos infantiles.
Si = 1, (t) es constante e igual a 1/, siendo la distribucin, en ausencia de parmetro
de origen, una exponencial de media .
Si > 1, (t) es creciente y se adapta al periodo de desgaste. Adems, si = 2, la
funcin es lineal y cuando = 3,5 se aproxima a la normal.
As que se puede afirmar, como resumen, que por medio de 2 parmetros se puede
representar tasas de fallos decrecientes, constantes o crecientes, es decir cada regin de
la curva de baera.
La funcin de distribucin fiabilidad viene dada por:

R(t) =
|
q) / . (t
e

(2.34)

y la de infiabilidad es:

Q(t) =
|
q) / . (
1
t
e

(2.35)

y la de tasa de fallo:

(t) =
1
|
|
.
|

\
|
|
|
.
|

\
|
|
q q
| t
(2.36)

El empleo de papel probabilstico facilita enormemente el manejo de la funcin de
Weibull. Desde la ecuacin (2.34) se obtiene que:

|
q) / (
) ( 1
1
t
e
t Q
=
|
|
.
|

\
|

(2.37)

y tomando logaritmo neperiano dos veces se obtiene:

15
ln ln
|
|
.
|

\
|
) ( 1
1
t Q
= lnt ln (2.38)

que se puede reescribir en forma de la ecuacin de una recta:

y = x + c (2.39)

de manera que cualquier curva de infiabilidad se puede representar por una recta
colocando en ordenadas los valores de y = ln ln
|
|
.
|

\
|
) ( 1
1
t Q
y en abscisas los tiempos, t,
en escala logartmica. Resultando el parmetro de forma, , la pendiente de la recta.
El parmetro de escala se determina al hacer:

ln ln
|
|
.
|

\
|
) ( 1
1
t Q
= 0
lo que permite llegar a que:

Q() = 1 -
1
e 0,63

Y se puede afirmar que ser la abcisa que queda determinada por el punto de corte de
la recta con la ordenada igual a 0,63.


2.6 FIABILIDAD DE SISTEMAS

Todo lo que se ha analizado para componentes es aplicable de igual manera a los
equipos o sistemas, formados a partir de esos componentes. Se puede afirmar, pues, que
un sistema seguir la curva de baera, pasando primero por el periodo de fallos
infantiles para llegar a su vida til y, finalmente, alcanzar el periodo de desgaste.



2.7 MODELOS LGICOS DE FIABILIDAD

Podemos considerar a los sistemas, a efectos del anlisis de la fiabilidad, como
formados por subsistemas y componentes, cuyo encadenamiento podemos representar
mediante los modelos lgicos o esquemas de fiabilidad siguientes:

1- Modelo serie.
2- Modelo paralelo.
3- Modelo mixto.

2.7.1 Modelo serie

Se afirma que los componentes de un sistema estn encadenados en serie cuando el fallo
de uno de los componentes supone el fallo del sistema. El modelo lgico serie se puede
representar por un diagrama de bloques como el indicado en la figura 2.2.

16


Fig 2.2

Si se asume que los fallos de los diferentes componentes son independientes entre s se
puede afirmar, siguiendo el teorema de Morgan, que la fiabilidad del sistema:

R
SS
(t) = R
1
(t). R
2
(t) R
n
(t) (2.40)

y cuando R
1
(t) = R
2
(t) = = R
n
(t)
se puede afirmar que:

R
SS
(t) =
n
t R )] ( [ (2.41)

si se toman R
1
(t), R
2
(t)... R
n
(t) como las fiabilidades de los componentes 1, 2, ...,n.
La ecuacin (2.40) muestra que la fiabilidad de un sistema serie es siempre menor que
la fiabilidad de su componente ms dbil.

Si asumimos una funcin exponencial, se tendra que:

R
SS
(t) =
t
e
n
). ... (
2 1
+ + +
(2.42)

Y el MTBF sera:

MBTF
SS
=
SS
=
}

0
) ( dt t R =
n
+ + + ...
1
2 1
(2.43)

Un buen ejemplo de este modelo sera su aplicacin a la conexin en serie de varias
lmparas de incandescencia.

2.7.2 Modelo paralelo
En este caso se dice que los componentes de un sistema estn encadenados en paralelo
si es preciso que fallen todos los componentes para provocar el fallo del sistema.
En la figura 2.3 se representa el diagrama de bloques de un modelo paralelo.



Fig. 2.3
17

La infiabilidad del modelo sera

Q
SP
(t) = Q
1
(t) Q
2
(t)... Q
m-1
(t) Q
m
(t) (2.44)


y, por tanto, la fiabilidad se puede expresar como:

R
SP
(t) = 1 - Q
SP
(t) = 1 {[1- R
1
(t)] [1- R
2
(t)]... [1- R
m
(t)]} (2.45)

Si se analiza con detalle la anterior ecuacin se ve que la fiabilidad de un sistema
paralelo es siempre ms elevada que la del componente ms robusto.
Si se asumen m bloques idnticos, se puede afirmar que:

R
SP
(t) = 1 -
m
C
Q ] [ (2.46)

Y el MBTF sera:

MBTF
SP
=
1
1

+
2
1

+ +
m

1
(2.47)

2.7.3 Modelos mixtos

En este caso se habla de combinaciones de los modelos previos. Como se ver es
sencillo realizar el clculo de la fiabilidad de estos modelos a partir de lo ya expuesto.
En el caso de un paralelo de series (fig 2.4) se ha de determinar primeo la fiabilidad de
cada serie y, a continuacin, la del paralelo, llegando a una fiabilidad

R
S
(t) = 1 -
m n
C
R ) 1 ( (2.48)



Fig. 2.4

siendo R
S
(t) la fiabilidad del sistema, R
C
la fiabilidad de cada componente, n el nmero
de componentes de cada serie y m el nmero de series en paralelo.
El modelo podra ser tambin una serie de paralelos, como en la figura 2.5, para el que
la fiabilidad del sistema sera:

R
S
(t) = [1 -
x m n
C
R ] ) 1 ( (2.49)

18


Fig. 2.5

y, en este caso, m es el nmero de series en paralelo, n es el nmero de componentes
por serie y x es el nmero de bloques en serie.

Finalmente se puede encontrar tambin un modelo ms particular, el de la figura 2.6,
cuya fiabilidad depende del bloque v y, mediante el teorema de Bayes se puede expresar
como:


Fig. 2.6

R
S
(t) = R
ssi
.R
E
+ R
sno
.Q
E
(2.50)

En esta ecuacin, R
ssi
representa la fiabilidad del sistema cuando v funciona (en este
caso es un modelo lgico de dos paralelos, x-z e y-w en serie) y R
sno
representa la
fiabilidad del sistema cuando v no funciona (modelo lgico de dos series x-y y z-w).


2.8 ESTUDIO DE LA REDUNDANCIA

Se puede afirmar de un sistema, o de un componente de un sistema, que es redundante
cuando contiene varios componentes que sirven para cumplir una funcin dada,
pudiendo cumplirse esta funcin por uno de estos componentes. Se dispone de
repeticin de medios para realizar la misma funcin.
El objetivo de la redundancia es claramente aumentar la fiabilidad del sistema, para el
caso en que un componente indispensable tiene una fiabilidad demasiado pequea.
Hay que sealar que, aunque tericamente el procedimiento resulte perfecto, no se
puede aplicar de manera sistemtica completa, ya sea por razones tcnicas o bien por
otras como el volumen o el consumo de energa.
Atendiendo a cmo se implementa la redundancia se puede hablar de dos grupos
diferentes:
- Redundancia activa.
- Redundancia pasiva o de reserva.



19
2.8.1 Redundancia activa
En este modelo de redundancia todos los componentes del sistema funcionan siempre.
Podemos subdividirlo en tres tipos principales:
- Redundancia total.
- Redundancia parcial.
- Redundancia mayoritaria.

En el caso de la redundancia total se afirma que el sistema no puede fallar ms que si
todos los componentes fallan. Se trata de un modelo paralelo en el que todos los
componentes son idnticos, como el apartado 2.7.2.
En el caso de la redundancia parcial, la funcin no se puede cumplir ms que si
subsisten varios componentes. Imaginemos, por ejemplo, que se disea una fuente de
corriente, constituida por componentes capaces de suministrar 5 amperios. Si la
corriente que se demanda es de 15 amperios habr que disponer, al menos, de tres
componentes. Si lo diseamos con cinco componentes, se tendr una redundancia activa
parcial y el sistema no fallar ms que si lo hacen dos componentes del mismo.
La probabilidad de tener x componentes que sobreviven de entre n, viene dada por la
expresin:
R
S
(t) =
i n
R
i
c
R
n
x i
x
n
C
C

) 1 ( (2.51)

siendo
x
n
C el nmero de combinaciones de n objetos tomados de x en x:

) ...( 2 . 1 )( ... 2 . 1 (
... 2 . 1
x n x
n
x
n
C

= (2.52)

y R
C
es la fiabilidad de un componente.

Se define la redundancia mayoritaria como la situacin en la que se dispone, al menos,
de 3 componentes, C1, C2 y C3, funcionando simultneamente y las seales de salida,
S1, S2 y S3 de ellos se comparan con un dispositivo decisorio, D, que suministra una
seal S idntica a la de la mayora. Para tres componentes es suficiente que dos estn en
buen estado, para que el sistema funciones, sin olvidar que se ha aadido otro
componente, cuya fiabilidad R
D
debe ser grande.

2.8.2 Redundancia de reserva

En este caso se tienen dispositivos primarios y secundarios o de reserva, listos para
intervenir en caso de producirse el fallo en los primarios y ser detectado por un
elemento para que conmute la funcin al dispositivo redundante.
Es ste un tipo de redundancia ampliamente utilizada, particularmente cuando es o
difcil o imposible desde un puntote vista tcnico montar una redundancia nactiva.
Un ejemplo clsico es el de la rueda de repuesto de un coche, la tasa de fallo de la rueda
de repuesto es mucho ms dbil que la de la rueda usada normalmente y no se pondr en
servicio a menos que una de las cuatro primarias fallen.
La fiabilidad para cuando se trata de bloques exponenciales idnticos es:

20
| |
)! 1 (
) . (
...
! 2
) . (
. 1 ) (
1 2
.

+ + + + =

n
t t
t e t
s
R
n
t

(2.53)

y el MTBF es:

u
n
s
= (2.54)



2.9 ENSAYOS DE FIABILIDAD

El objetivo de los ensayos de fiabilidad es conseguir datos, tanto cualitativos como
cuantitativos, que puedan ser utilizados en los clculos correspondientes.
Para hacer una clasificacin de los ensayos se pueden usar distintos criterios como, por
ejemplo:
- Los objetivos concretos que se persiguen.
-
Datos para diferentes condiciones aplicadas.

-
Diferentes procedimientos de ensayo.

-
El estado de desarrollo del proyecto.


De entre los ms habituales se deben citar los de medicin de fiabilidad, de variacin de
parmetros, de estimacin de parmetros de la ley exponencial, de test de distribucin.

2.10 PREVISIONES SOBRE LA FIABILIDAD
La fiabilidad se puede determinar mediante los citados ensayos o haciendo ciertas
previsiones. Al resultar los ensayos largos y en general costosos, al ingeniero de diseo
le puede interesar mucho el segundo mtodo.
Para poder hacer una buena previsin de fiabilidad hay que determinar la tasa de fallo
prevista, usando una expresin de la forma:


(2.55)

En la que
b
es una tasa de fallo base y
A
t , etc. son factores de uso como ambiente,
calidad, etc.
Una vez se conoce la tasa de fallo es ya sencillo calcular la fiabilidad mediante
expresiones como la (2.19).







...) . . (
C B A
p
b
t t t =