Análisis Weibull es un método estadístico que ajusta los datos de fallos de su equipo a una distribución Weibull para revelar el patrón detrás de esos fallos: si las piezas mueren jóvenes, fallan al azar o se desgastan con la edad. A partir de ese ajuste se obtienen dos números, el parámetro de forma (beta) y el parámetro de escala (eta), y esos dos números indican qué estrategia de mantenimiento se ajusta realmente a la máquina frente a usted. Es la columna vertebral cuantitativa de la ingeniería de confiabilidad, y convierte un montón de fechas de averías en un plan justificable.
Cada registro de fallo tiene un valor de vida: horas de funcionamiento, ciclos completados o días en servicio antes de que el activo se averiara. El análisis Weibull toma un conjunto de esos valores de vida y encuentra la curva de distribución que mejor los describe. Debido a que la distribución Weibull es tan flexible, una sola ecuación puede modelar fallos que se aceleran con el tiempo, se mantienen constantes o se desaceleran. Esa flexibilidad es la razón por la que los ingenieros de confiabilidad recurren a ella antes que a casi cualquier otra herramienta. La salida no es una opinión vaga sobre la confiabilidad; es una curva ajustada que puede utilizar para estimar la probabilidad de fallo en cualquier punto futuro de la vida de un componente.
El parámetro de forma, beta, es el resultado principal. Indica la dirección de la tasa de fallos a lo largo del tiempo y se corresponde directamente con las tres zonas de la curva de bañera:
Saber en qué zona está cambia todo. No programe reemplazos basados en el tiempo en una pieza con beta menor que 1, porque estadísticamente una pieza nueva tiene más probabilidad de fallar que la pieza envejecida que usted retiraría.
El parámetro de escala, eta, es la vida característica. Es el punto para el cual el 63,2 por ciento de la población habrá fallado, independientemente del valor de beta. Piénselo como la escala temporal natural del proceso de fallo. Una familia de bombas con eta de 8.000 horas tiene una vida característica más larga que una con eta de 3.000 horas. En conjunto, beta le dice la forma del fallo y eta le dice el momento, y necesita ambos para planificar.
Suponga que registra fallos de rodamientos en una cinta transportadora y un ajuste Weibull devuelve beta = 2,5 y eta = 6.000 horas. Beta de 2,5 está cómodamente por encima de 1, por lo que estos rodamientos siguen un patrón de desgaste. Eta de 6.000 horas significa que el 63,2 por ciento habrá fallado a las 6.000 horas de funcionamiento.
La fórmula de confiabilidad Weibull es R(t) = e^(-(t/eta)^beta). Pregúntese: ¿qué fracción sobrevive a 3.000 horas, la mitad de la vida característica?
Así que alrededor del 83,8 por ciento de los rodamientos sobreviven a 3.000 horas, lo que significa que aproximadamente el 16 por ciento ya ha fallado en el punto medio. Ahora compruebe las 4.500 horas: (4.500/6.000) = 0,75, y 0,75^2,5 = 0,487, por lo que R = e^(-0,487) = 0,614. La confiabilidad cae del 83,8 por ciento al 61,4 por ciento al pasar de 3.000 a 4.500 horas. Ese empeoramiento pronunciado es la firma del desgaste en acción.
La decisión de mantenimiento: dado que beta está muy por encima de 1, se justifica un reemplazo basado en el tiempo. Un intervalo sensato de reemplazo planificado se sitúa por debajo de eta, donde la confiabilidad todavía es alta, quizás alrededor de 3.000 a 3.500 horas, en lugar de llevar los rodamientos hasta el fallo. Si beta hubiese resultado cercano a 1, los reemplazos programados desperdiciarían piezas buenas y se optaría por el mantenimiento basado en condición, vigilando vibración y temperatura para detectar el fallo aleatorio antes de que se propague.
Los resultados Weibull se traducen claramente en estrategia. Beta menor que 1 apunta a arreglar su proceso de instalación y puesta en marcha, no a un programa de reemplazos; el problema es la calidad y el rodaje, por lo que una prueba de quemado (burn-in) le protege. Beta cercana a 1 favorece la monitorización y la inspección porque la edad no le da advertencia. Beta mayor que 1 recompensa intervenciones planificadas y basadas en el tiempo y es el caso clásico para el mantenimiento proactivo frente a esperar a la avería. Alimentar estos hallazgos en un FMEA estructurado aclara qué modos de fallo merecen más atención y coste.
El análisis Weibull complementa los números resumen que ya rastrea. Un único dato de MTBF promedia el patrón de fallos; dos máquinas pueden compartir un MTBF idéntico mientras una sufre mortalidad infantil y la otra puro desgaste, exigiendo respuestas opuestas. Weibull recupera ese detalle perdido. Cuando beta es igual a 1, el tiempo medio entre fallos y la vida característica coinciden de forma ordenada, pero para cualquier otro beta divergen, y la divergencia es precisamente el conocimiento que oculta una media cruda.
El análisis Weibull solo es tan bueno como los datos de fallos que se le alimenten, y aquí es donde la mayoría de los programas fracasan silenciosamente. Fechas estimadas, horas de funcionamiento faltantes y microparadas no contabilizadas producen un ajuste basura sin importar lo buenos que sean los métodos estadísticos. Fabrico no ejecuta software Weibull ni modelos predictivos por usted; en cambio, suministra la base limpia y con marcas temporales de la que dependen esos métodos. Su monitorización de OEE y producción en tiempo real captura tiempos de funcionamiento precisos y eventos de parada, incluso en máquinas sin PLC mediante monitorización por cámara y visión por computador, de modo que a cada fallo se le asigna un valor de vida verdadero. Su CMMS registra órdenes de trabajo, historiales de activos y uso de repuestos, proporcionándole la cronología de fallos y los registros de reparación que requiere un ajuste Weibull. Si introduce ese historial verificado de CMMS en su análisis, sus beta y eta reflejarán la realidad, no una hoja de cálculo de estimaciones. Una entrada más limpia también mejora su panorama general de OEE.
Cuantos más, mejor, pero una regla aproximada es que incluso 5 a 10 puntos de fallo pueden sugerir la dirección de beta, mientras que 15 a 20 o más dan confianza en ambos, beta y eta. Menos puntos amplían la incertidumbre, así que trate una beta calculada sobre una pequeña muestra como una pista más que como un número definitivo, y continúe recopilando datos de vida precisos a medida que se acumulen fallos.
No. Fabrico es una plataforma de monitorización de OEE en tiempo real y CMMS, no un software estadístico, por lo que no ajusta curvas Weibull ni ejecuta simulaciones de confiabilidad por usted. Lo que sí hace es capturar los datos precisos de tiempo de funcionamiento, paradas y reparaciones de los que depende un análisis Weibull en la herramienta que usted elija, de modo que sus parámetros ajustados describan lo que realmente ocurrió en planta.
Eta es la vida característica, el punto para el cual el 63,2 por ciento de las unidades han fallado, mientras que MTBF es el tiempo medio entre fallos. Solo son iguales cuando beta es igual a 1. Para patrones de desgaste (beta mayor que 1), el MTBF suele ser un poco inferior a eta, por lo que confundir ambos le llevará a programar mal sus reemplazos.
¿Quiere que sus insumos para Weibull se basen en datos reales en lugar de conjeturas? Reserve una demo de Fabrico para ver cómo la monitorización en tiempo real y la CMMS dan a la ingeniería de confiabilidad una base precisa.
Iniciar sesión
Blog