Calculadora de Tasa de Fallas y Confiabilidad

Qué calcula esta herramienta

Esta herramienta trabaja el modelo de confiabilidad exponencial, el caballo de batalla del análisis de tasa de fallas constante. A partir de una sola tasa de fallas responde las dos preguntas que los ingenieros hacen más: cuál es la probabilidad de que una unidad sobreviva hasta un tiempo elegido, y cuánto falta hasta que la confiabilidad caiga a un nivel que te importa.

La primera es la función de confiabilidad R(t) = e^(−λt); la segunda es su inverso, la vida de diseño en que R(t) alcanza un objetivo. Alrededor de esas reporta la probabilidad de falla, el tiempo medio entre fallas y el riesgo constante, y traza la curva de supervivencia para que el descenso de la confiabilidad a lo largo de la vida del elemento sea visible de un vistazo.

El modelo exponencial descansa en un supuesto, una tasa de fallas constante, y ese supuesto es lo que lo hace a la vez simple y, usado en el lugar correcto, poderoso. Cuando el riesgo no cambia con la edad, la confiabilidad sigue un decaimiento exponencial limpio gobernado por un solo número, y ese número, la tasa de fallas, es exactamente el recíproco del MTBF.

Esta es la parte plana del medio de la clásica curva de la tina, el régimen de fallas aleatorias que describe bien muchos componentes electrónicos y sistemas complejos de muchas partes.

Es el compañero natural de la calculadora de MTBF: la tasa de fallas que aquella herramienta reporta es precisamente la entrada que esta convierte en una probabilidad de supervivencia.

Lo que distingue a esta calculadora es que va en ambas direcciones y expone la rareza que define al modelo. Más allá del R(t) hacia adelante, resuelve la pregunta inversa de vida de diseño que las decisiones de garantía e intervalo de servicio de verdad necesitan, y declara con claridad que la exponencial no tiene memoria, así que la confiabilidad condicional es igual a R(t) sin importar la edad previa. Puedes ingresar la tasa como tasa de fallas, como MTBF o como fallas crudas sobre tiempo de operación, y todo corre en tu navegador sin guardar nada, junto con un gráfico y exportación.

Cómo usar esta calculadora, paso a paso

Empieza diciéndole a la calculadora cómo quieres ingresar la tasa de fallas. Elige la opción de tasa de fallas para escribir lambda directo en fallas por hora, la opción de MTBF para ingresar el tiempo medio entre fallas, o la opción de fallas sobre tiempo para dejar que la herramienta derive la tasa de un conteo de fallas y el tiempo de operación en que ocurrieron. Las tres llevan al mismo análisis; simplemente coinciden con los datos que tengas, sea una cifra de ficha técnica, una tasa de sistema o tus propios registros de mantenimiento.

Luego ingresa el tiempo de misión, la edad para la que quieres la confiabilidad, y opcionalmente una confiabilidad objetivo entre cero y uno para obtener la vida de diseño. La calculadora abre con un ejemplo resuelto ya cargado, una tasa de fallas de 0.001 por hora evaluada a 500 horas con un objetivo del noventa por ciento, para que veas un resultado completo de inmediato. Cada campo recalcula en vivo, así que cambiar la tasa o el tiempo de misión actualiza R(t), F(t) y la curva a la vez, lo que facilita explorar cómo responde la probabilidad de supervivencia a una misión más larga o a un mejor componente.

El panel de resultados encabeza con la confiabilidad en tu tiempo de misión, luego lista R(t), la probabilidad de falla F(t), la tasa de fallas, el MTBF, el riesgo constante y la vida de diseño para tu objetivo. Una nota te recuerda que la confiabilidad condicional es igual a R(t) porque el modelo no tiene memoria. El gráfico traza toda la curva de supervivencia R(t) para que veas el decaimiento y ubiques en él tu tiempo de misión, y puedes descargar el análisis como PDF o CSV o compartirlo, todo de forma local.

Leer R(t), F(t) y el riesgo

Las tres funciones describen el mismo comportamiento de fallas desde ángulos distintos, y leerlas juntas construye intuición. La función de confiabilidad R(t) es la probabilidad de supervivencia hasta el tiempo t, una curva que empieza en uno y decae; la probabilidad de falla F(t) es su imagen espejo, uno menos R(t), la probabilidad de que la unidad ya haya fallado para t, que sube desde cero. Siempre suman uno en cualquier tiempo, así que una confiabilidad del setenta por ciento a cierta edad es la misma afirmación que un treinta por ciento de probabilidad de falla para esa edad, y cuál cites es solo cuestión de si el enfoque de supervivencia o el de falla es más natural para la decisión.

La tasa de riesgo es la tercera vista y la más fundamental. Es la tasa instantánea de falla dado que ha sobrevivido hasta ahora, y para el modelo exponencial es constante e igual a la tasa de fallas lambda a cualquier edad. Esta planitud es todo el contenido del modelo: la probabilidad de fallar en el siguiente instante nunca cambia, por lo que la confiabilidad decae a una tasa proporcional constante y la curva es una exponencial limpia y no la forma de S o la cola que se empina que se ven con el envejecimiento. Cuando miras el riesgo constante que la calculadora reporta y reconoces que nunca se mueve, estás mirando el supuesto que hace que todo lo demás se siga.

Ayuda conectar las formas con los números. En un tiempo de misión igual al MTBF, la confiabilidad siempre es e a la menos uno, cerca del 37 por ciento, un punto de referencia útil: la vida media no es el punto de igualdad de probabilidades sino el punto donde solo sobrevive cerca de un tercio, porque la exponencial es sesgada. La vida mediana, donde sobrevive la mitad, es más corta que la media, cerca de 0.693 veces el MTBF. Notar que la media y la mediana difieren es una buena forma de interiorizar que la exponencial no es simétrica, y que citar el MTBF solo puede engañar a quien supone que es una edad de cincuenta-cincuenta.

La propiedad sin memoria y la confiabilidad condicional

La característica más distintiva del modelo exponencial es que no tiene memoria, y entender esto a la vez afina tu uso y te advierte dónde falla. Como el riesgo es constante, la probabilidad de que una unidad dure otras t horas es la misma sin importar cuánto lleve ya operando. Un componente que ha operado sin fallas durante un año enfrenta exactamente la misma probabilidad de sobrevivir el siguiente mes que uno nuevo recién salido de la caja. Formalmente, la confiabilidad condicional, la probabilidad de sobrevivir hasta el tiempo t más s dado que sobrevivió hasta s, se simplifica a R(t) a secas, independiente de la edad previa s.

Por eso la calculadora reporta la confiabilidad condicional como idéntica a R(t) y nota que una unidad usada es como nueva. Es una simplificación genuinamente útil cuando aplica: para fallas aleatorias que golpean sin importar la edad, como un pico de voltaje o un evento de objeto extraño, la supervivencia previa de verdad no te dice nada del futuro, y el modelo sin memoria es exactamente correcto. También hace tratable la matemática de sistemas y refacciones, porque nunca tienes que rastrear la edad de cada parte.

Pero la misma propiedad es la señal más clara de los límites del modelo. Los componentes reales que se desgastan enfáticamente no carecen de memoria: un balero viejo es mucho más propenso a fallar en la siguiente hora que uno nuevo, y fingir lo contrario con un modelo exponencial subestimará gravemente el riesgo de una flota que envejece. Así que cuando te encuentres dudando de que una unidad de un año de veras sea como nueva, esa duda está bien fundada y te dice que recurras al modelo de Weibull, cuyo riesgo cambiante puede representar el desgaste. La propiedad sin memoria es así tanto la conveniencia de la exponencial como su etiqueta de advertencia incorporada.

Cinco ejemplos resueltos que puedes seguir

Ejemplo 1: confiabilidad en un tiempo de misión

La calculadora abre con una tasa de fallas de 0.001 por hora evaluada a 500 horas. La confiabilidad es e a la menos 0.5, cerca del 60.65 por ciento, así que hay aproximadamente un sesenta por ciento de probabilidad de que la unidad sobreviva la misión de 500 horas y un cuarenta por ciento de que falle durante ella. Este es el cálculo hacia adelante básico, y cambiar el tiempo de misión traza toda la curva de supervivencia: a 1000 horas, igual al MTBF, la confiabilidad cae a cerca del 37 por ciento.

Ejemplo 2: la vida de diseño para un objetivo

Con una confiabilidad objetivo del noventa por ciento ingresada, la calculadora reporta la vida de diseño, el tiempo en que la confiabilidad cae a ese nivel, como cerca de 105 horas. En otras palabras, solo tras aproximadamente 105 horas la probabilidad de supervivencia baja del noventa por ciento. Este cálculo inverso es el que usas para fijar un periodo de garantía o un intervalo de servicio a una meta de confiabilidad, y es la pregunta estilo B10, la edad en que se espera que haya fallado el diez por ciento.

Ejemplo 3: ingresar un MTBF en su lugar

Cambia la entrada de la tasa a MTBF e ingresa 1000 horas; la tasa de fallas se vuelve 0.001 por hora y cada resultado coincide con el primer ejemplo, porque el MTBF y la tasa de fallas son recíprocos. Este modo es conveniente cuando una ficha técnica cita un MTBF directo, y muestra cómo la misma pregunta de confiabilidad puede partir de la tasa o de su inverso sin cambio en la respuesta.

Ejemplo 4: derivar la tasa de datos

Elige el modo de fallas sobre tiempo e ingresa cuatro fallas en 1116 horas de operación, luego evalúa a 360 horas. La tasa de fallas es cuatro entre 1116, y la confiabilidad a 360 horas resulta cerca del 27.3 por ciento, es decir, menos de un setenta y tres por ciento de sobrevivir tanto. Esto refleja un caso común de libro de texto y muestra cómo un puñado de registros de mantenimiento se vuelve una estimación de confiabilidad, aunque con solo cuatro fallas la estimación carga incertidumbre real.

Ejemplo 5: el punto de referencia del MTBF

Fija el tiempo de misión igual al MTBF, cualquiera que sea la tasa que ingresaste, y lee la confiabilidad: siempre es cerca del 37 por ciento. Este punto de referencia vale la pena recordarlo porque corrige un error común de que el MTBF es la edad en que falla la mitad de las unidades. De hecho, para la vida media casi dos tercios han fallado, porque la distribución exponencial es sesgada a la derecha, y ver aparecer el mismo 37 por ciento sin importar la tasa hace que el punto se fije.

Tres consejos de experto para resultados confiables

La matemática detrás de los resultados

El modelo exponencial se sigue de una sola premisa: una tasa de riesgo constante. Si la tasa de falla instantánea es una lambda fija a cualquier edad, entonces la función de confiabilidad, la probabilidad de sobrevivir hasta el tiempo t, es la solución R(t) = e^(−λt), un decaimiento exponencial puro. La probabilidad de falla es su complemento, F(t) = 1 − e^(−λt), la distribución acumulada del tiempo de falla, y la densidad de probabilidad de falla en el tiempo t es λ por e^(−λt). Estas tres, la función de supervivencia, la función acumulada de falla y la densidad, son la descripción completa del modelo, y todas se siguen del riesgo constante.

La media de esta distribución, el tiempo medio a la falla o, para elementos reparables, el tiempo medio entre fallas, es la integral de R(t) sobre todo el tiempo, que evalúa a uno sobre lambda. Esa es la relación recíproca exacta que la calculadora usa para moverse entre la tasa y el MTBF.

La vida de diseño para una confiabilidad objetivo invierte la función de supervivencia: igualando e^(−λt) al objetivo R y despejando da t = −ln(R)/λ, que es lo que la calculadora computa cuando aportas un objetivo.

Y la propiedad sin memoria sale directo del álgebra: la confiabilidad condicional R(t+s dado s) es R(t+s)/R(s), y para la exponencial esa razón es e^(−λ(t+s))/e^(−λs) = e^(−λt) = R(t), libre de la edad transcurrida s.

Dos supuestos gobiernan si estos resultados limpios aplican. El primero es el riesgo constante mismo, exacto solo para la exponencial y buena aproximación solo en el régimen de fallas aleatorias; cuando el riesgo verdadero sube o baja con la edad, el modelo correcto es el de Weibull, del cual la exponencial es el caso especial con parámetro de forma igual a uno.

El segundo es que las fallas son independientes, de modo que combinar tasas por suma, como hace la confiabilidad de sistemas, es válido.

La calculadora computa los resultados exponenciales exactamente; juzgar si la exponencial es el modelo correcto para tu elemento es trabajo del analista, y la nota de sin memoria está ahí en parte como recordatorio para hacer ese juicio.

Dónde se usa el modelo exponencial

El modelo de confiabilidad exponencial es un fijo de la ingeniería de confiabilidad dondequiera que las fallas sean, en buena aproximación, aleatorias en vez de por edad.

Es el modelo estándar para muchos componentes electrónicos, cuyas fallas durante la vida útil están dominadas por eventos aleatorios más que por el desgaste, y subyace los manuales de tasas de fallas y las normas de predicción que tabulan tasas de componentes para armar una cifra de sistema.

Como las tasas de fallas independientes se suman, la exponencial también es el bloque de construcción natural para la confiabilidad de sistemas: un sistema en serie de componentes exponenciales es en sí exponencial con una tasa igual a la suma, lo que mantiene tratables los modelos grandes de confiabilidad.

También conecta de cerca con el resto de este silo. La tasa de fallas aquí es el recíproco del MTBF de la calculadora de MTBF, MTTR y disponibilidad, así que las dos herramientas son dos vistas de la misma confiabilidad.

La tasa es la entrada que la calculadora de confiabilidad de sistemas combina entre componentes, y la vida de diseño que esta herramienta computa para una confiabilidad objetivo alimenta directamente los términos de garantía y los intervalos de mantenimiento preventivo.

Donde la exponencial deja de ser apropiada, porque el riesgo cambia con la edad, la calculadora de análisis de Weibull toma el relevo, y reconocer ese traspaso es uno de los principales juicios que el modelo de riesgo constante te obliga a hacer. Vuelve al hub de Mantenimiento y Confiabilidad para el conjunto completo.

Más allá del mantenimiento, el mismo modelo aparece en el trabajo de niveles de servicio y de seguridad. En TI y telecomunicaciones la exponencial subyace al lado de tasa de fallas de las metas de disponibilidad escritas en los acuerdos de nivel de servicio, donde las tasas de componentes se agregan en una tasa de sistema y luego en un tiempo fuera de servicio esperado.

En seguridad funcional, el supuesto de riesgo constante está incorporado en cómo se combinan y comparan las tasas de fallas aleatorias de hardware contra los presupuestos de tasa de fallas que imponen los niveles de integridad de seguridad.

En ingeniería de garantía, el cálculo de vida de diseño que esta herramienta realiza es exactamente cómo se alinea un periodo de garantía con una tasa aceptable de devoluciones en campo.

Estimar una tasa de fallas confiable

Una respuesta de confiabilidad es tan buena como la tasa de fallas detrás, y hay tres fuentes comunes, cada una con sus reservas. La más limpia son tus propios datos de operación: cuenta las fallas sobre un tiempo de operación conocido y divide, exactamente como hace el modo de fallas sobre tiempo. El detalle es estadístico, porque una tasa de un número pequeño de fallas es incierta; cuatro fallas dan una confianza muy distinta que cuatrocientas, y una sola falla apenas restringe la tasa. Trata una estimación de bajo conteo como un valor central burdo, no una constante precisa, y reúne más tiempo de operación antes de apostar fuerte por ella.

La segunda fuente es una ficha técnica del fabricante o un manual de predicción de confiabilidad, que cita una tasa de fallas o un MTBF para un componente bajo condiciones declaradas. Son buenos puntos de partida, pero están condicionados al ambiente, la temperatura y el ciclo de trabajo supuestos en la fuente, y las condiciones reales pueden desplazar la tasa sustancialmente, así que un MTBF de ficha técnica debe tratarse como una línea base optimista a menos que tus condiciones coincidan. La tercera fuente es una tasa de sistema combinada armada sumando tasas de componentes, válida para fallas independientes en serie pero que supone que cada tasa contribuyente es en sí sólida.

Sea cual sea la fuente, la disciplina es ser honesto sobre el supuesto de tasa constante. La tasa de fallas es un solo número que resume toda una vida solo si el riesgo de verdad es plano en el rango que te importa. Si el componente está temprano en su vida y aún soltando defectos de mortalidad infantil, o tarde y desgastándose, una sola tasa promedia sobre una realidad cambiante y la predicción exponencial estará desviada. La revisión práctica es preguntarte si una unidad usada de veras es como nueva; si la respuesta honesta es no, la tasa no es constante y el modelo de Weibull es el mejor hogar para tus datos.

Cuándo cambiar al modelo de Weibull

El modelo exponencial es un caso especial del modelo de Weibull más general, y conocer la frontera entre ambos es central para usar bien cualquiera. El Weibull agrega un parámetro de forma que deja al riesgo subir, bajar o quedarse plano; cuando la forma es igual a uno, el riesgo es constante y el Weibull es exactamente la exponencial. Así que la pregunta de si usar la exponencial es en realidad la pregunta de si la forma es uno, es decir, si la tasa de fallas es genuinamente independiente de la edad. Para el medio plano de la curva de la tina lo es en efecto, y la simplicidad de la exponencial es una ventaja real.

Dos regímenes rompen el supuesto. Temprano en la vida domina la mortalidad infantil: los defectos de fabricación o instalación causan una alta tasa de falla inicial que cae al depurar las unidades débiles, un riesgo decreciente que la exponencial no puede representar y que pide una forma de Weibull menor que uno.

Tarde en la vida domina el desgaste: la fatiga, la corrosión y la erosión impulsan un riesgo creciente, una forma de Weibull mayor que uno, y aquí la exponencial es peligrosamente optimista porque ignora el envejecimiento por completo.

Usar una tasa constante en una población que se desgasta predecirá muchos más sobrevivientes de los que la realidad entrega, que es justo el tipo de error que lleva a mantenimiento omitido y fallas en servicio.

La regla práctica es usar la exponencial cuando las fallas son aleatorias e independientes de la edad, y pasar a Weibull en cuanto los datos o la física digan que el riesgo cambia. La señal más clara es la propiedad sin memoria: si tratar una unidad usada como si fuera nueva se siente mal para tu elemento, el riesgo no es constante y la exponencial es el modelo equivocado. Esta calculadora computa la exponencial exactamente y señala su naturaleza sin memoria precisamente para que reconozcas cuándo esa naturaleza ya no ajusta, y hagas el cambio a Weibull de forma deliberada y no por accidente.

La confiabilidad y la disponibilidad son preguntas distintas

Es fácil confundir la confiabilidad con la disponibilidad, pero responden preguntas distintas y el modelo exponencial habla solo de la primera. La confiabilidad, R(t), es la probabilidad de sobrevivir sin ninguna falla hasta el tiempo t; es sobre no fallar en absoluto durante una ventana. La disponibilidad es la fracción de tiempo que un activo está operativo a largo plazo, y permite fallas mientras las reparaciones sean rápidas, así que una máquina que falla seguido pero se restaura en minutos puede tener alta disponibilidad y baja confiabilidad de misión al mismo tiempo. Las dos coinciden solo para elementos que nunca se reparan, donde una sola falla termina la historia.

La distinción importa al elegir qué número citar. Para una misión que debe correr sin interrupción, un pase satelital, un lote que no puede pausarse, un vuelo, la confiabilidad sobre la ventana de misión es la medida correcta, porque una sola falla es una falla sin importar qué tan rápido pudiera arreglarse.

Para una línea de producción juzgada por la producción a largo plazo, la disponibilidad es lo que cuenta, porque los paros breves se absorben. Esta calculadora computa la confiabilidad a partir de la tasa de fallas; la calculadora compañera de MTBF y disponibilidad toma el mismo comportamiento de fallas y, agregando el tiempo de reparación, produce la disponibilidad.

Usar las dos juntas te evita responder la pregunta equivocada con la aritmética correcta.

La exponencial y la curva de la tina

La tasa de fallas constante que el modelo exponencial supone no es una verdad universal sobre el equipo; es la descripción de una fase de la vida. La clásica curva de la tina grafica la tasa de riesgo sobre toda la vida de una población y muestra tres regiones: una tasa que cae temprano al depurar los defectos de mortalidad infantil, un largo medio plano donde las fallas son aleatorias, y una tasa creciente al final cuando empieza el desgaste. El modelo exponencial describe solo ese medio plano, el periodo de vida útil, y es justo ahí donde tratar la tasa de fallas como constante se justifica y la propiedad sin memoria de verdad aplica.

Ver dónde se sitúa el modelo en la curva aclara tanto su poder como sus límites. Durante la vida útil, las fallas llegan de causas externas aleatorias más que del envejecimiento, así que una sola tasa capta bien el comportamiento y la matemática exponencial limpia aplica.

Pero la misma imagen advierte que el medio plano está acotado en ambos lados, y que aplicar la exponencial a una población aún en mortalidad infantil o ya en desgaste importa un supuesto de tasa constante que la física no respalda.

La buena práctica es establecer, de datos o de conocimiento de ingeniería, que el elemento está en su fase de vida útil sobre el horizonte que te importa antes de confiar en una predicción exponencial, y vigilar el repunte del desgaste que señala el fin de la región plana.

Errores comunes a evitar

Unos pocos errores se repiten al aplicar el modelo de confiabilidad exponencial. Fíjate en ellos.

• Usarlo en elementos de desgaste o mortalidad infantil. La tasa constante es incorrecta fuera de la vida útil; una parte desgastada no carece de memoria. Cambia a Weibull cuando el riesgo cambia con la edad.
• Leer el MTBF como una edad de cincuenta-cincuenta. En el MTBF solo sobrevive cerca del 37 por ciento, no la mitad; la vida mediana es más corta, cerca de 0.693 veces el MTBF.
• Unidades de tiempo desalineadas. La tasa de fallas y el tiempo de misión deben usar la misma unidad; una tasa por hora con una misión en días da una confiabilidad sin sentido.
• Confiar de más en una tasa de pocas fallas. Una tasa de una o dos fallas es muy incierta; trátala como un valor central burdo, no una constante precisa.
• Confundir confiabilidad con disponibilidad. R(t) es la probabilidad de no falla en una ventana; la disponibilidad permite fallas con reparación rápida. Cita la que tu decisión necesite.
• Ignorar el ambiente detrás de una tasa de ficha técnica. Un MTBF citado supone condiciones declaradas; temperatura o ciclo más severos pueden subir la tasa real muy por encima.

Formato de entrada y referencia rápida

Elige cómo ingresas la tasa: una tasa de fallas por hora, un MTBF, o un conteo de fallas sobre tiempo de operación. Luego ingresa el tiempo de misión y, opcionalmente, una confiabilidad objetivo entre 0 y 1 para la vida de diseño. Mantén la tasa y el tiempo de misión en la misma unidad de tiempo. La referencia de abajo explica cada salida.

Preguntas frecuentes

Fuentes, aviso legal y transparencia editorial

Esta calculadora aplica el modelo de confiabilidad exponencial (riesgo constante): R(t)=e^(−λt), F(t)=1−R(t), riesgo constante h(t)=λ, MTBF=1/λ y vida de diseño t=−ln(R)/λ para una confiabilidad objetivo, consistente con las referencias estándar de ingeniería de confiabilidad. Esta calculadora y esta guía son creadas y revisadas por el equipo de OpsCalculators; consulta nuestra Política Editorial para saber cómo se investiga, construye y prueba cada herramienta.

Los resultados son estimaciones precisas para planeación y educación, no asesoría certificada de confiabilidad o seguridad, y suponen una tasa de fallas constante (un riesgo plano) y fallas independientes. Para equipo en mortalidad infantil o desgaste, donde el riesgo cambia con la edad, usa el análisis de Weibull. Consulta nuestro Aviso Legal completo. OpsCalculators.com es operado por MAFHH INTERNATIONAL LTD. Tus datos se procesan en tu navegador y nunca se guardan; consulta nuestra Política de Privacidad.