Confiabilidad

Confiabilidad del Sistema

Sistemas reparables
Tipo de Reparación

Reparación
Reparación Perfecta Reparación mínima
imperfecta
o “como nuevo” o “con desgaste”
(reparación normal)

Modelos de
HPP reparación NHPP
imperfecta

Procesos de
renovación
Sistemas reparables
Tipo de Reparación

Reparación
Reparación Perfecta Reparación mínima
imperfecta
o “como nuevo” o “con desgaste”
(reparación normal)

Modelos de
HPP reparación NHPP
imperfecta

Procesos de
renovación
Reparación
Perfecta

Procesos
Estocásticos

Cadenas de
Markov
Procesos Estocásticos
• Colección o familias de variables aleatorias que además
dependen del tiempo
Cadenas de Markov
• Proceso estocástico en que la probabilidad de que ocurra
un evento depende solamente del evento inmediatamente
anterior.
 CM en tiempo discreto
X(t): estado en el tiempo t
X: t Є {0,1,2,…} / X(t)=Xn, n=1,2,…
Cadena de Markov
{X(t)}; t ≥ 0
CM en tiempo continuo
X: t Є {1,2,…,inf}
Ejemplo 1
• Una estructura en paralelo tiene dos componentes. Para cada
componente existen dos sistemas comunes: funcionando y en falla.
• ¿Cuántos posibles estados pueden existir entre ambos?
• 22 = 4
• ¿Cómo se relacionan por tabla?
Estado Componente 1 Componente 2
3 Funciona Funciona
2 Funciona Falla
1 Falla Funciona
0 Falla Falla
• Por lo tanto, su Espacio de Estados se establece como
X = {0, 1, 2, 3}
Estado Componente 1 Componente 2 Interpretación:
3 Funciona Funciona En el estado 3 el sistema está completamente
en funcionamiento y en 0 se encuentra en falla.
2 Funciona Falla
1 Falla Funciona
X(s) X(3) = Total funcionamiento
0 Falla Falla
X(0) = Total falla
• En general
• Para “n” componentes con dos estados, se tendrán 2𝑛 estados diferentes

• Se pueden agregar más estados por componente:

• Operativo, en espera, falla

• 100% capacidad, 80%, activo

• Distinguir entre modos de falla

PROPIEDAD MARKOVIANA
Proceso Estocástico
{X(t), t≥0}

Espacio de Estados
X = { 0, 1, 2, …, r}

Estado del Proceso

X(s) = i

Probabilidad Condicional que el procesos estará en el estado j en el tiempo t+s

P(X(t+s) = j / X(s) = i; X(u) = x(u), 0 ≤ u < s)

Existe una historia del proceso, sin incluir el tiempo s

{X(u), 0 ≤ u < s}

Propiedad Markoviana: Cuando el estado presente del proceso es conocido, el desarrollo futuro es independiente de lo que ocurrió en el pasado
P(X(t+s=j / X(t) = i; X(u) = x(u), 0 ≤ u < s) = P(X(t+s) = j / X(s) = i}, ∀ X(s), o ≤ u < s
 Proceso de Markov
X(t), t ≥ 0

Espacio de estado

X = {0, 1, 2, …, r}

Probabilidades de transición de un proceso de Markov

Pij(t) = P(X(t) = j/X(0) =i) ∀ i, j Є X

Puede tener un arreglo matricial

𝑃00 (𝑡) ⋯ 𝑃0𝑟 (𝑡)
P(t) = ⋮ ⋱ ⋮
𝑃𝑟0 (𝑡) ⋯ 𝑃𝑟𝑟 (𝑡)

Propiedad de probabilidades [P(t)] 𝑟

𝑃𝑖𝑗 𝑡 = 1, ∀ 𝑖 ∈ 𝑋
0 ≤ Pij(t) ≤ 1, ∀ t ≥ 0; i, j Є X
𝑗=0
 Trayectoria de un Proceso de Markov
Estado

4
3
2

transición
1

0 Tiempo
T1 S1 S2 S3 S4 S5
¿Qué distribución de Probabilidad se utiliza?
Considerar un proceso Markoviano que parte de un estado i en tiempo 0, es decir, X(0)=t
Establecer que existe un 𝑇𝑖 que indica el tiempo de permanencia en el estado i.

OJO: 𝑇𝑖 es el tiempo entre ocurrencia o paso de un estado a otro.

𝑇𝑖 es el tiempo gastado durante una visita al estado i.

La probabilidad de un tiempo mayor a t se plantea como:

P (𝑇𝑖 > t )
Si se observara un proceso que se mantiene aún en un estado i un tiempo s, es decir, 𝑇𝑖 > s, se podría
buscar la probabilidad de que el proceso se mantenga en el estado i por t unidades de tiempo más, o
sea
P (𝑇𝑖 > t+s/ 𝑇𝑖 >s)
Considerando que cumple la Propiedad Markoviana, la probabilidad de
que el proceso se mantenga en un estado por t unidades de tiempo
más, es determinado sólo por el actual estado i. Por lo tanto, que se
haya mantenido por s unidades de tiempo sería irrelevante, es decir,

P (𝑇𝑖 > t+s/ 𝑇𝑖 >s) = P(𝑇𝑖 > t ) para s, t >= 0

explica que la variable aleatoria mantiene una carencia de memoria,

justificando que se comporte exponencialmente distribuida.
Los tiempos Ti son entonces también variables independientes y
distribuidas exponencialmente

Xn = X(Sn)  estado inmediatamente después de la transición n.

Sn: son las transiciones de tiempo por estado

El proceso {Xn, n= 1, 2, .........} es llamado estructura del proceso

Markoviano o Cadena de Markov embebida.
• De acuerdo a lo anterior, existen dos propiedades que cumple cada
estado, respecto a los tiempos en un proceso Markoviano:
1. El tiempo 𝑇𝑖 que el proceso está en el estado i antes de hacer la transición a
otro estado, está exponencialmente distribuida con una tasa de cambio αi

2. Cuando el proceso deja el estado i, el próximo estado entrará con

𝑟
probabilidad Pij, donde 𝑗=0 𝑃𝑖𝑗 =1
𝑗≠𝑖
• El tiempo medio de permanencia en el estado i es

1
E(𝑇𝑖 ) =
𝛼𝑖

Si 𝛼𝑖 = ∞ el estado i se denomina estado instantáneo y el tiempo de

permanencia será 0. En otras palabras, el estado es dejado de
inmediato.
Si 𝛼𝑖 = 0 el estado i se denomina estado absorbido. En otras
palabras, el estado nunca se deja.
Proceso Markoviano

• Definición: Proceso estocástico que se mueve de un estado a otro de

acuerdo a una cadena de Markov con tiempo discreto. El tiempo que
permanece en cada estado se comporta bajo distribución
exponencial.
𝑎𝑖𝑗 : tasa de transición de i a j
𝑎𝑖𝑗 =𝛼𝑖 * 𝑃𝑖𝑗 ∀ i ≠j

𝛼𝑖 : tasa con la que el proceso deja el estado i

𝑃𝑖𝑗 : probabilidad de llegar al estado j
𝑎𝑖𝑗 : tasa con que en estado i el proceso hace la transición al estado j
• Matricialmente se observa:

𝑎00 ⋯ 𝑎0𝑟
A= ⋮ ⋱ ⋮
𝑎𝑟0 ⋯ 𝑎𝑟𝑟

A: Matriz de tasa de transición o generador infinitesimal de un Proceso

de Markov

𝑟
Considerar además 𝑎𝑖𝑖 = −𝛼𝑖 = − 𝑗=0 𝑎𝑖𝑗
𝑗≠𝑖
Ejemplo 2
• Reconsidere el sistema de 2 componentes independientes: Asuma
que se adopta como estrategia la mantención correctiva. Cuando un
componente falla, se activa una acción inmediata de reparación que
retorna al componente al estado inicial de funcionamiento, por lo
tanto, luego de ser reparado, se asume que cada componente tiene
tasa de falla constante λi y tasa de reparación 𝝻i, con i = 1, 2

Estado Componente 1 Componente 2

3 Funciona Funciona
2 Funciona Falla
1 Falla Funciona
0 Falla Falla
• Asuma que el sistema en estado 3 está en tiempo 0. La primera
transición puede ser al estado 2 o al estado 1; la tasa de transición al
estado 2 es a32 = λ2 y la transición al estado 1 es a31 = λ1. El tiempo de
permanencia en el estado 3 es por lo tanto T3 = min {T31, T32 }, donde
Tij es el tiempo a la primera transición desde el estado i al estado j. T3
tiene una distribución exponencial con tasa a31 + a32 = λ1 + λ2 y el
tiempo de permanencia media en el estado 3 es 1 / λ1 + λ2 .
• Cuando el sistema está en el estado 2 la próxima transición puede
estar en 3 (a23 = 𝝻2) o en 0 (a20 = λ1 ). La probabilidad de que la
transición esté en estado 3 es 𝝻2 / (𝝻2 + λ1 ).
• La propiedad de carencia de memoria de la distribución exponencial
asegura que el componente 1 está "como nuevo" cuando entra al
estado 2.
Ejemplo 3
• Considere el sistema en paralelo de dos componentes planteados en
principio, asumiendo ahora que dos componentes son
independientes e idénticos con la misma tasa de falla λ. Con esta
consideración se reducen los estados:

Estado Condición
2 Funcionan ambos
1 Uno de los dos falla
0 Fallan ambos

• Manteniendo una política de mantención correctiva, asuma que la

política utilizada corresponde a “el primero que falla es el primero en
reparar”, con tiempo de reparación µ.
Ejemplo 4
• Considere un proceso homogéneo de Poisson (HPP) con tasa λ. Este
proceso tiene un espacio contable infinito, χ={0, 1, 2, …}. Para este
ejemplo tendremos 𝛼𝑖 = 𝜆 para i=0, 1, 2, … y 𝑎𝑖𝑗 = 𝜆 para j=i+1 y 0
para j ≠ i+1
• Ecuación Chapman-Kolmogorov
𝑟

𝑃𝑖𝑗 𝑡 + 𝑠 = 𝑃𝑖𝑘 𝑡 ∗ 𝑃𝑘𝑗 𝑠 ∀ 𝑖, 𝑗 ∈ 𝜒, 𝑡, 𝑠 > 0

𝑘=0

𝑃 𝑡 + 𝑠 = 𝑃 𝑡 ∗ 𝑃(𝑠) Forma matricial

• Ecuación diferencial de Kolmogorov
• Consideremos que deseamos encontrar la relación 𝑃𝑖𝑗 (𝑡) a través de la
ecuación de Chapman-Kolmogorov
𝑟

𝑃𝑖𝑗 (𝑡 + Δ𝑡) = 𝑃𝑖𝑘 𝑡 ∗ 𝑃𝑘𝑗 Δ𝑡

𝑘=0

𝑟
𝑃𝑖𝑗 𝑡 + Δ𝑡 − 𝑃𝑖𝑗 𝑡 = 𝑘=0 𝑃𝑖𝑘 𝑡 ∗ 𝑃𝑘𝑗 Δ𝑡 −[1 − 𝑃𝑗𝑗 Δ𝑡 ] ∗ 𝑃𝑖𝑗 𝑡
𝑘≠𝑗
 𝑟
𝑃𝑖𝑗 𝑡 + Δ𝑡 − 𝑃𝑖𝑗 𝑡 𝑃𝑘𝑗 Δ𝑡 1 − 𝑃𝑗𝑗 Δ𝑡
lim = lim 𝑃𝑖𝑘 𝑡 ∗ − ∗ 𝑃𝑖𝑗 𝑡
∆𝑡→0 ∆𝑡 ∆𝑡→0 ∆𝑡 Δ𝑡
𝑘=0
𝑘≠𝑗
𝑟 𝑟

𝑃𝑖𝑗 𝑡 = 𝑎𝑘𝑗 ∗ 𝑃𝑖𝑘 𝑡 − 𝛼𝑗 𝑃𝑖𝑗 𝑡 = 𝑎𝑘𝑗 ∗ 𝑃𝑖𝑘 𝑡

𝑘=0 𝑘=0
𝑘≠𝑖
con 𝑎𝑗𝑗 = −𝛼𝑗
𝑑
𝑃𝑖𝑗 𝑡 = 𝑃𝑖𝑗 𝑡
𝑑𝑡

Forma matricial 𝑃 𝑡 =Ρ 𝑡 ∗Α
• Ecuación de Estado

𝑋 0 =𝑖 “En el tiempo 0 el proceso se encuentra en el estado i”

𝑃𝑖 0 = 𝑃 𝑋 0 = 1 = 1
𝑃𝑘 0 = 𝑃 𝑋 0 = 𝑘 = 0 𝑘 ≠ 𝑖

𝑃 𝑡 = Ρ 𝑡 ∗ Α  Ecuación de Estado
• Ecuación de Estado

𝑃 𝑡 =Ρ 𝑡 ∗Α

𝑎00 ⋯ 𝑎0𝑟
𝑃0 (𝑡) … 𝑃𝑟 (𝑡) = 𝑃0 𝑡 … 𝑃𝑟 𝑡 ∙ ⋮ ⋱ ⋮
𝑎0𝑟 ⋯ 𝑎𝑟𝑟
• Solución Asintótica
Cuando existe convergencia hacia estados estables para 𝑡 → ∞, se dice
que el proceso es irreductible.

lim 𝑃𝑗 𝑡 = 𝑃𝑗 𝑝𝑎𝑟𝑎 𝑗 = 0,1,2, … , 𝑟

𝑡→∞

De acuerdo a lo anterior

lim 𝑃𝑗 𝑡 = 0 𝑝𝑎𝑟𝑎 𝑗 = 0,1,2, … , 𝑟

𝑡→∞
La ecuación de estado en estado estable quedará

0=𝜬∗Α

𝑎00 ⋯ 𝑎0𝑟
0 … 0 = 𝑃0 … 𝑃𝑟 ∙ ⋮ ⋱ ⋮
𝑎0𝑟 ⋯ 𝑎𝑟𝑟
• Ejemplo 5
Una estación de potencia con dos generadores, puede tener dos
estados en cada generador: en funcionamiento (1) y en falla (0). El
generador se considera también en falla cuando está en reparación.
El generador 1 abastece 100 MW cuando está en funcionamiento y 0
MW cuando no está funcionando. El generador 2 está suministrando
50MW cuando está en funcionamiento y 0 MW cuando no lo está.
Estado Generador 1 Generador 2 Salida
3 1 1 150 MW
2 1 0 100 MW
1 0 1 50 MW
0 0 0 0 MW
Cada generador tendrá independencia en falla y reparación, por lo
tanto, las respectivas tasas para el generador 1 y 2 serán 𝜆1 , 𝜆2 , 𝜇1 , 𝜇2
¿Cuál es su diagrama de estados?
¿Cuál es la matriz de transición?
• Considere ahora los siguientes datos:

Generador 1 Generador 2
MTTFi 6 meses ~ 4380 hrs. 8 meses ~ 5840 hrs
λi
MTTRi 12 hrs. 24 hrs.
µi
• Características de Desempeño del Sistema
• Frecuencia de Visita
• Duración Media de una Visita
• Disponibilidad del Sistema
• Frecuencia del Sistema de Fallas
• Duración Media del Sistema de Falla
• Tiempo Medio Entre Fallas
• Tiempo Medio de Funcionamiento Hasta la Falla
Formulario Confiabilidad
Características de Desempeño del Sistema
𝑟
 Frecuencia de visita (𝜈𝑗 ) 𝜈𝑗 = 𝑃𝑗 ∗ 𝛼𝑗 = 𝑘=0 𝑃𝑘 ∗ 𝑎𝑘𝑗
𝑘≠𝑗
1
 Duración Media de la Visita (𝜃𝑗 ) 𝜃𝑗 = 𝛼 𝑃𝑗 = 𝜈𝑗 ∗ 𝜃𝑗
𝑗
 Disponibilidad del Sistema (𝐴𝑆 ) 𝜒 = 0, 1, 2, … , 𝑟
𝜒: conjunto de posibles estados de un sistema
B: subconjunto de posibles estados en funcionamiento
F: subconjunto de posibles estados en falla
𝐹 =𝜒−𝐵

𝐴𝑆 = 𝑃𝑗
𝑗∈𝐵
 Frecuencia del sistema de fallas (𝜔𝐹 ) 𝜔𝐹 = 𝑗∈𝐵 𝑘∈𝐹 𝑃𝑗 ∗ 𝑎𝑗𝑘
 Duración Media de un sistema de Falla (𝜃𝐹 ) 1 − 𝐴𝑆 = 𝜔𝐹 ∗ 𝜃𝐹
1
 Tiempo Medio Entre Fallas (𝑀𝑇𝐵𝐹𝑆 ) 𝑀𝑇𝐵𝐹𝑆 = 𝜔
𝐹
 Tiempo Medio de Funcionamiento Hasta la Falla (𝐸(𝑈)𝑆 ) 𝑀𝑇𝐵𝐹𝑆 = 𝐸(𝑈)𝑆 + 𝜃𝐹
𝐸(𝑈)𝑆 ≅ 𝑀𝑇𝑇𝐹𝑆
Ejercicio 6
• En una estructura con 2 componentes, cuando uno de ellos falla, inmediatamente
el segundo es retirado de operación hasta que el componente en falla es
reparado. Después que es retirado de operación, no es expuesto a ninguna
condición de exigencia o estrés, por lo que no fallará, considerándose una política
preventiva para el segundo componente.
a. Establezca los estados posibles de este caso
b. Dibuje el diagrama de transición, considerando tasas de falla y reparación como λ1, µ1 y
λ2, µ2 respectivamente.
c. Establezca la matriz de transición A
d. Calcule el vector P correspondiente a la probabilidad de permanencia para cada estado
e. Calcule la disponibilidad del sistema
f. Calcule la frecuencia de fallo del sistema ωF
g. Calcule la duración media de fallo del sistema θF