Análisis de Weibull aplicado a confiabilidad: beta, eta, B10, curva de la bañera, datos censurados, tasa de fallo y decisiones de mantenimiento.
¡Descúbrelo!
El análisis de Weibull es una técnica estadística utilizada para modelar tiempos o ciclos hasta el fallo e interpretar cómo evoluciona con la exposición la probabilidad de fallo de una población. En ingeniería de confiabilidad, su valor no está únicamente en calcular una vida media, sino en responder preguntas más útiles: ¿la tasa de fallo está disminuyendo, aproximadamente constante o aumentando? ¿Cuál es la probabilidad de que un elemento sobreviva hasta un tiempo determinado? ¿Qué fracción de la población puede fallar antes de una intervención planificada? ¿Los datos sustentan una política de mantenimiento basada en edad o indican que otra estrategia es más adecuada?
La distribución de Weibull es flexible porque su parámetro de forma permite representar comportamientos distintos de fallo. Esto la hace especialmente útil para componentes sujetos a mortalidad infantil, fallos aleatorios, desgaste, fatiga y otros mecanismos dependientes del tiempo o de ciclos. Sin embargo, la flexibilidad del modelo también crea riesgo de interpretaciones excesivas: una curva bien ajustada no sustituye el conocimiento del mecanismo de fallo, la calidad de los datos ni el análisis del contexto operacional.
IEC 61649:2008 establece métodos para el análisis de datos Weibull utilizando variables continuas, como tiempo hasta fallo, ciclos, tensión mecánica y otras magnitudes de exposición. La norma contempla soluciones gráficas y analíticas y trata la estimación de medidas de desempeño de confiabilidad de la población a partir de muestras observadas.
Qué es la distribución de Weibull
La distribución de Weibull modela la probabilidad de que una variable positiva, como el tiempo hasta fallo, adopte determinados valores. En la forma de dos parámetros, los principales parámetros son:
- beta (β): parámetro de forma;
- eta (η): parámetro de escala o vida característica.
La función de confiabilidad para la Weibull de dos parámetros puede escribirse como:
R(t) = exp[-(t/η)^β]
La probabilidad acumulada de fallo es:
F(t) = 1 − R(t)
La tasa instantánea de fallo es:
h(t) = (β/η)(t/η)^(β−1)
Estas expresiones muestran por qué β es tan importante: define cómo varía la tasa de fallo con el tiempo.
El parámetro beta y el comportamiento de fallo
La interpretación de β es uno de los puntos más útiles del análisis.
| Rango de β | Comportamiento típico de la tasa de fallo | Interpretación práctica |
| β < 1 | decreciente | fallos iniciales, defectos latentes, problemas de instalación o calidad |
| β ≈ 1 | aproximadamente constante | fallos aleatorios o poco dependientes de la edad |
| β > 1 | creciente | desgaste, fatiga, degradación acumulada o mecanismo dependiente de la edad |
Esta clasificación no identifica automáticamente el mecanismo físico. Un β elevado sugiere fallos más dependientes de la exposición, pero todavía es necesario relacionar el resultado con evidencias de ingeniería.
Por ejemplo, rodamientos con β > 1 pueden encontrarse en régimen de desgaste, pero el origen puede involucrar lubricación, desalineación, contaminación, carga excesiva o selección inadecuada. Weibull describe el comportamiento estadístico; la ingeniería explica el mecanismo.
Beta describe el patrón estadístico; no identifica por sí solo el mecanismo físico. La interpretación debe conectarse con el modo de fallo, la condición operacional y las evidencias de ingeniería.
El parámetro eta y la vida característica
η es el tiempo o nivel de exposición en el que aproximadamente el 63,2% de la población habrá fallado, considerando la Weibull de dos parámetros.
Esto se deriva de:
F(η) = 1 − exp(-1) ≈ 0,632
Eta no es la vida media y no debe interpretarse como la “fecha de caducidad” del componente. Es un parámetro de escala de la distribución.
Si dos poblaciones poseen el mismo β, pero valores de η diferentes, la población con mayor η tiende a presentar fallos más tarde. Si β también cambia, la comparación exige mayor cuidado porque la forma de la distribución también es distinta.
B10, B50 y vidas percentiles
En ingeniería es común expresar la vida correspondiente a una determinada fracción acumulada de fallos.
- B10: tiempo en el que habrá fallado el 10% de la población;
- B50: mediana, tiempo en el que habrá fallado el 50%;
- B1: tiempo correspondiente al 1% de fallos.
La vida Bp puede obtenerse a partir de:
t_p = η[-ln(1-p)]^(1/β)
Este tipo de métrica suele ser más útil que la media, principalmente cuando la consecuencia del fallo es alta y la organización desea planificar una intervención antes de que falle una fracción significativa de la población.
Ejemplo numérico sencillo
Considere una población ajustada por una Weibull con:
- β = 3;
- η = 10.000 horas.
La confiabilidad a las 8.000 horas será:
R(8000) = exp[-(0,8)^3] = exp(-0,512) ≈ 0,599
Esto significa que, según el modelo, aproximadamente el 59,9% de la población permanecería sin fallo hasta las 8.000 horas y cerca del 40,1% habría fallado antes de ese punto.
Como β = 3, la tasa de fallo crece con el tiempo. Este comportamiento puede justificar evaluar una política basada en edad, siempre que los costos y consecuencias tengan sentido y que la población sea realmente comparable.
Weibull y la curva de la bañera
La llamada curva de la bañera representa conceptualmente tres regiones de tasa de fallo:
1. fallos iniciales, con tasa decreciente; 2. vida útil, frecuentemente representada por una tasa aproximadamente constante; 3. desgaste, con tasa creciente.
La Weibull puede representar cada región por separado mediante valores diferentes de β, pero una única Weibull no debe utilizarse automáticamente para modelar todo el ciclo de vida como si la población atravesara continuamente las tres fases.
En la práctica, la curva de la bañera es una representación conceptual. Muchos activos reales no muestran las tres regiones de forma clara. Algunos fallan predominantemente por mecanismos aleatorios; otros por desgaste; otros presentan una mezcla de mecanismos.
La curva de la bañera no es una ley universal
Es habitual utilizar la curva de la bañera como justificación automática para mantenimiento preventivo por edad. Esto puede ser técnicamente incorrecto.
Si los modos de fallo predominantes presentan un comportamiento aproximadamente aleatorio, la sustitución por tiempo puede retirar componentes todavía sanos sin reducir significativamente la probabilidad de fallo. Si existe una clara tendencia de desgaste, la edad puede ser un buen discriminante.
La decisión debe basarse en el modo de fallo, no solo en el tipo de equipo.
Datos necesarios para un análisis de Weibull
Un análisis mínimamente defendible debe definir:
- población analizada;
- criterio de inicio de la exposición;
- definición de fallo;
- unidad de exposición: horas, ciclos, kilómetros, operaciones, etc.;
- elementos que fallaron;
- elementos que todavía no fallaron;
- cambios de diseño o condición operacional;
- período de observación;
- calidad de los registros.
Mezclar poblaciones diferentes puede generar parámetros sin significado físico. Equipos de fabricantes distintos, revisiones de diseño diferentes, regímenes operacionales incompatibles o ambientes muy distintos pueden no pertenecer a la misma población estadística.
Los datos censurados forman parte de la información
Uno de los errores más graves es analizar únicamente los elementos que fallaron e ignorar los que continúan operando.
Si diez equipos fueron observados durante 10.000 horas y tres fallaron, los siete supervivientes aportan información importante. Son observaciones censuradas por la derecha: sabemos que sobrevivieron hasta un tiempo determinado, aunque no sabemos cuándo fallarán.
Excluir estos elementos tiende a distorsionar la distribución y anticipar artificialmente la vida estimada.
Los elementos que todavía no han fallado también son datos. Ignorar censuras/suspensiones elimina precisamente la evidencia de supervivencia y puede producir una vida artificialmente corta.
El análisis debe registrar de forma consistente fallos y suspensiones/censuras.
El fallo funcional debe definirse
“Falló” puede significar cosas diferentes:
- parada total;
- desempeño por debajo de un límite;
- fuga por encima de un criterio;
- degradación de aislamiento;
- aumento de vibración;
- pérdida de redundancia;
- necesidad de sustitución.
La definición del evento debe ser homogénea. Mezclar criterios diferentes en una misma muestra produce una distribución difícil de interpretar.
Weibull de dos y tres parámetros
La forma de dos parámetros supone que la distribución comienza en t = 0.
La Weibull de tres parámetros añade un parámetro de localización γ:
R(t) = exp[-((t−γ)/η)^β], para t > γ.
El parámetro γ desplaza la distribución y puede representar un período antes del cual los fallos son poco probables según el modelo. Sin embargo, añadir un tercer parámetro aumenta la flexibilidad y el riesgo de sobreajuste, especialmente con muestras pequeñas.
No se deben elegir tres parámetros únicamente porque el ajuste gráfico parezca mejor. La decisión debe ser estadística y físicamente defendible.
Cómo se estiman los parámetros
Los métodos habituales incluyen:
- regresión en papel/probability plot de Weibull;
- máxima verosimilitud;
- métodos numéricos específicos;
- estimadores adecuados para datos censurados.
Los softwares de confiabilidad ejecutan los cálculos rápidamente, pero no resuelven los principales problemas: calidad de la muestra, definición de la población, censura, mezcla de mecanismos e interpretación física.
Probability plot y linealización
La distribución puede transformarse de forma que los datos se aproximen a una recta en papel Weibull.
Partiendo de:
F(t) = 1 − exp[-(t/η)^β]
se obtiene:
ln[-ln(1−F)] = β ln(t) − β ln(η)
La pendiente de la recta está asociada a β. Esta visualización sigue siendo útil porque ayuda a identificar desviaciones, cambios de régimen, outliers y posibles mezclas de población.
Un coeficiente visualmente convincente, sin embargo, no sustituye las pruebas de ajuste ni el análisis de las hipótesis.
Mezcla de modos de fallo
Una población puede contener modos de fallo con comportamientos diferentes.
Ejemplo: un motor puede fallar por:
- defecto inicial de fabricación;
- fallo aleatorio de componente electrónico;
- desgaste de rodamiento;
- degradación de aislamiento.
Ajustar todos los eventos a una sola Weibull puede producir un β intermedio que no representa ningún mecanismo real.
Siempre que sea posible, los datos deben estratificarse por modo de fallo o causa relevante. Esto conecta Weibull con FMEA, FMECA y RCA.
Los outliers deben investigarse, no borrarse
Un punto muy alejado de la tendencia puede ser:
- error de registro;
- condición operacional excepcional;
- unidad reparada de forma diferente;
- cambio de diseño;
- modo de fallo distinto;
- evento real poco frecuente.
Excluir el punto porque “estropea la recta” es una práctica inadecuada. Primero es necesario explicar técnicamente por qué no pertenece a la población modelada.
Tamaño de muestra e incertidumbre
La Weibull puede estimarse con pocos fallos, pero la incertidumbre puede ser grande. Parámetros puntuales sin intervalos de confianza transmiten una falsa precisión.
Cuanto menor sea la muestra y mayor la censura, mayor tiende a ser la incertidumbre. Esto importa especialmente para vidas B1 o B10, que pueden utilizarse en decisiones conservadoras.
La decisión de mantenimiento no debe ocultar la incertidumbre del modelo.
Weibull y mantenimiento preventivo
Cuando β es claramente mayor que 1 y el mecanismo de fallo está relacionado con envejecimiento o desgaste, puede tener sentido evaluar sustitución preventiva por edad.
El análisis debe comparar:
- costo de la intervención planificada;
- costo y consecuencia del fallo;
- probabilidad de fallo antes del intervalo;
- efecto de la intervención sobre la edad efectiva;
- riesgo de fallos inducidos por el propio mantenimiento.
Un β > 1 no significa automáticamente “sustituir por tiempo”. Es una señal estadística que debe convertirse en una decisión económica y técnica.
Weibull y mantenimiento basado en condición
Si existe un parámetro de condición capaz de indicar degradación antes del fallo, CBM puede ser más eficiente que una política puramente basada en edad.
Por ejemplo, los rodamientos pueden presentar aumento de vibración antes del fallo funcional. El análisis Weibull ayuda a comprender la distribución de vida; la monitorización de condición ayuda a identificar el estado específico de cada unidad.
Los enfoques son complementarios.
Weibull y stock de repuestos
La distribución puede apoyar estimaciones de demanda de reposición cuando se combina con población instalada, edad de los activos, crecimiento de la base y política de mantenimiento.
Sin embargo, la demanda de stock no depende únicamente de la probabilidad de fallo. Lead time, reparabilidad, criticidad, redundancia y política de contingencia también deben considerarse.
Weibull y garantía
Los datos de garantía son una fuente frecuente para el análisis, pero pueden contener sesgos:
- no todo fallo se reporta;
- el tiempo de instalación puede ser desconocido;
- la exposición real varía;
- las devoluciones pueden incluir elementos sin fallo confirmado;
- el producto puede tener revisiones diferentes.
El origen del dato debe comprenderse antes del ajuste.
Ejemplo de decisión con B10
Suponga que una flota de equipos críticos presenta un B10 estimado de 18.000 horas y β = 4. La organización considera una intervención planificada a las 16.000 horas.
La pregunta correcta no es únicamente si 16.000 < 18.000. Es necesario evaluar:
- confianza estadística del B10;
- costo de la parada planificada;
- consecuencia del fallo entre las 16.000 y 18.000 h;
- condición individual de los equipos;
- posibilidad de inspección o monitorización;
- efecto real de la intervención sobre el mecanismo de fallo.
La métrica apoya la decisión; no sustituye la decisión.
Cuándo no utilizar Weibull
Weibull puede ser inadecuada o poco útil cuando:
- la población es demasiado heterogénea;
- no existe una definición consistente de fallo;
- la exposición es desconocida;
- existen cambios importantes de diseño sin trazabilidad;
- los datos están dominados por causas externas no comparables;
- hay pocos eventos y ninguna información de censura;
- el objetivo puede responderse con un método más sencillo.
Modelar datos deficientes con un método sofisticado no mejora la decisión.
Relación con MTBF
MTBF resume el tiempo medio entre fallos en sistemas reparables, pero puede ocultar cambios de la tasa de fallo a lo largo del tiempo. Weibull permite evaluar explícitamente si el comportamiento depende de la edad/exposición.
Cuando β ≈ 1, el comportamiento se aproxima al modelo exponencial de tasa de fallo constante. Cuando β difiere sustancialmente de 1, un único MTBF puede ser una descripción insuficiente de la dinámica de la población.
Relación con el análisis de criticidad
El análisis de Weibull prioriza la comprensión probabilística; la criticidad prioriza la consecuencia. Combinar ambos permite evitar decisiones basadas únicamente en frecuencia.
Un componente con baja probabilidad de fallo puede seguir siendo prioritario si la consecuencia es intolerable. Un componente con β alto y fallos crecientes puede no justificar una intervención agresiva si posee bajo impacto y fácil sustitución.
Proceso recomendado para aplicar Weibull
Una aplicación disciplinada puede seguir:
- Definir la pregunta de decisión.
- Delimitar la población.
- Definir el evento de fallo.
- Recopilar fallos y censuras.
- Validar exposición y calidad de los datos.
- Segmentar modos de fallo cuando sea necesario.
- Elegir modelo y método de estimación.
- Evaluar ajuste e incertidumbre.
- Interpretar β, η y vidas percentiles junto con el mecanismo físico.
- Convertir el resultado en una decisión de mantenimiento, diseño o stock.
- Actualizar el modelo con nuevos datos.
Qué debe entregar un buen análisis
El informe no debería terminar en dos parámetros. Debe registrar:
- pregunta analizada;
- definición de población y fallo;
- origen y calidad de los datos;
- censuras y exclusiones justificadas;
- método de estimación;
- parámetros e intervalos de confianza;
- curvas de confiabilidad/probabilidad/tasa de fallo;
- interpretación de los modos de fallo;
- implicaciones para mantenimiento o ciclo de vida;
- limitaciones y próximas evidencias necesarias.
La fortaleza de Weibull está en transformar el historial de fallos en una hipótesis cuantitativa sobre comportamiento futuro. La calidad de la ingeniería está en saber cuándo esa hipótesis es válida, cuánta incertidumbre contiene y qué decisión sustenta realmente.
Una curva ajustada no es una política de mantenimiento. El modelo solo aporta valor cuando población, mecanismo, incertidumbre, criticidad y consecuencia se convierten en una decisión trazable.
Referencias técnicas
[1] IEC. IEC 61649:2008 — Weibull analysis. Geneva: IEC, 2008.
[2] IEC. IEC 60300-1:2024 — Dependability management — Part 1: Managing dependability. Geneva: IEC, 2024.
[3] NIST/SEMATECH. e-Handbook of Statistical Methods — Weibull Distribution. Gaithersburg: NIST.
Preguntas frecuentes
Es una técnica estadística para modelar tiempos o ciclos hasta fallo y estimar confiabilidad, probabilidad acumulada de fallo, tasa de fallo y vidas percentiles de una población.
Beta es el parámetro de forma. Valores menores que 1 indican tasa de fallo decreciente, próximos a 1 comportamiento aproximadamente constante y mayores que 1 tasa de fallo creciente.
Eta es el parámetro de escala o vida característica, correspondiente al punto en el que aproximadamente el 63,2% de la población habrá fallado en una Weibull de dos parámetros.
B10 es el tiempo o exposición en el que el modelo estima que habrá fallado el 10% de la población y el 90% permanecerá sin fallo.
Puede apoyar la decisión, principalmente cuando la tasa de fallo crece con la edad, pero la elección del intervalo debe considerar mecanismo de fallo, consecuencia, costo, condición individual e incertidumbre estadística.
MTBF resume un valor medio. Weibull permite evaluar cómo cambian la probabilidad y la tasa de fallo con la exposición, siendo más informativa cuando el comportamiento no es aproximadamente constante.
Materiales técnicos complementarios
Soluciones relacionadas
- Aplicaciones de Campo, Inspección y Recopilación de Datos Técnicos
- Gestión del Conocimiento Técnico y Lecciones Aprendidas
- Gestión de Requisitos, Evidencias y Criterios de Aceptación
Servicios de ingeniería relacionados
- Ingeniería de Confiabilidad y Disponibilidad
- Ingeniería de Mantenimiento
- Gestión de Activos de Ingeniería
Contenidos técnicos relacionados
- Ingeniería de Confiabilidad
- MTBF, MTTR y Disponibilidad
- Análisis RAM
- Análisis de Criticidad de Activos
- FMEA en Ingeniería
- Life Cycle Cost — LCC
- Mantenimiento Basado en Condición — CBM
Guías, frameworks y referencias
