Diplomado:ConfiabilidaddeSistemasIndustriales

MduloII
IngenieradeConfiabilidaddeEquipos
LecturaNo10.
ConfiabilidadBasadaenlaFsicadelDeterioro

2014
 Diplomado:ConfiabilidaddeSistemasIndustriales

Confiabilidad basada en el anlisis probabilstico del deterioro o fsica de la falla (physics

based reliability analysis).
El anlisis tradicional de confiabilidad basado en el estudio estadstico del tiempo para la falla ha
sido ampliamente utilizado en la industria en general (aunque no siempre de la mejor forma) para
mejorar y traer los equipos y sistemas hasta los actuales niveles de desempeo. Sin embargo,
buscando la mejora continua de sus procesos, en las tres ltimas dcadas algunas industrias han
hecho grandes esfuerzos en la recoleccin de una informacin diferente a la informacin histrica
de fallas, a travs de programas de monitoreo de la condiciones o parmetros que reflejan el
deterioro. El continuo monitoreo del deterioro permite planificar y ejecutar acciones proactivas para
evitar la ocurrencia de la falla. Este enfoque se sustenta en el convencimiento de que una falla es
la ltima fase de un proceso de deterioro.
Para transformar la informacin recolectada sobre deterioro de un activo en acciones que puedan
efectivamente detenerlo e inclusive eliminarlo, se requiere conocer sobre el o los fenmenos fsicos
que lo producen. En otras palabras, este enfoque se concentra en predecir la ocurrencia de una
falla a travs del entendimiento de cmo ocurre la falla: es decir, estudiando la fsica de la falla.
Adicionalmente se debe mencionar que en la mayora de los casos, la informacin recolectada
sobre deterioro ha sido usada en forma determinstica. En esta lectura se establecen las bases
para el tratamiento probabilstico del deterioro y para el clculo de confiabilidad y probabilidad de
falla basada en la fsica de la falla. La columna vertebral de este mtodo de estimacin es el
anlisis Carga-Resistencia.
1.1. Anlisis Carga Resistencia.
El anlisis Carga - Resistencia tiene como premisa el hecho de que las fallas son el resultado
de una situacin donde la carga aplicada produce un esfuerzo sobre el equipo o componente
que excede a su resistencia. En otras palabras, para que un equipo o componente est
confiable debe cumplirse la condicin Esfuerzo < Resistencia.
Esfuerzo y Resistencia son usados en el sentido ms amplio de la palabra. Si se analiza por
ejemplo un recipiente a presin que se deteriora poco a poco por corrosin. En un primer nivel
de anlisis puede decirse que la tensin interna SX que soporta la pared del recipiente como
consecuencia de la presin es el esfuerzo, y ste se comparar con una resistencia o
mximo esfuerzo permisible SMAX que debe obtenerse por ecuaciones de mecnica de la
fractura y que seguramente depende del lmite de fluencia y del espesor de pared del recipiente.
En otro nivel de anlisis se puede decir, de forma equivalente al anterior, que la presin interna
PX del recipiente es el esfuerzo y se compara contra la mxima presin permisible PMAX,
obtenida tambin de ecuaciones de mecnica de la fractura y que seguramente depende del
espesor de pared del recipiente y del lmite de fluencia del material.
En un nivel ms bsico, puede decirse que el espesor de pared remanente EX se compara
contra el mnimo espesor permisible EMIN obtenido de ecuaciones de mecnica de la fractura; en
cuyo caso se llamar esfuerzo a EX y resistencia a EMIN. Finalmente, se sabe que el espesor
remanente depende de la prdida de espesor, y se puede entonces comparar la prdida de
espesor dX contra la mxima prdida permisible dMAX, teniendo entonces dX como esfuerzo y
a dMAX como resistencia. Todos son anlisis equivalentes.
En todos los casos existir un valor actual de una variable que se mide continuamente
(monitoreo), el cual representar el esfuerzo, y un valor lmite de variable que representar la
resistencia. Esta ltima normalmente est regulada por leyes fsicas y estndares de la
ingeniera. Similar anlisis se hace para cualquier otro mecanismo de falla o proceso de
deterioro.
Contrario a la creencia general, en la mayora de los casos ni el esfuerzo ni la resistencia son
valores fijos o determinsticos, por el contrario, sus valores son estadsticamente distribuidos.
 Diplomado:ConfiabilidaddeSistemasIndustriales

Cada distribucin tiene su valor media o valor esperado, denotado por X para la carga y Y
para la resistencia y sus desviaciones estndar X y Y respectivamente. Esto es ilustrado en la
Figura 1.
En la figura f(X) es la distribucin de probabilidad de la carga e esfuerzo y g(Y) es la es la
distribucin de probabilidad de la resistencia y X y Y son las medias de las respectivas
distribuciones.
Cuando la distribucin de la condicin medida o monitoreada o esfuerzo en el equipo tiene
algn solape con la distribucin de la condicin lmite, criterio de rechazo, o resistencia, quiere
decir que existen probables valores del esfuerzo que superan probables valores de la
resistencia; y en ese caso existe probabilidad de falla. Esta situacin es mostrada en la Figura
2.
,107

f(X)= Esfuerzo
,080
g(Y) =Resistencia
,054

,027

,000
130,00 155,00 180,00 205,00 230,00
X Y

Figura 1. Distribuciones de Esfuerzo y Resistencia.

,107

f(X)= Esfuerzo
,080

g(Y) =Resistencia
,054

,027

,000
130,00 155,00 180,00 205,00 230,00
X Y

Figura 2. Distribuciones solapadas.

Es muy importante destacar que en los procesos de deterioro, estas distribuciones se van
acercando con el tiempo hasta llegar a solaparse. En este sentido, el solapamiento puede
ocurrir por un deterioro paulatino de la resistencia o por un incremento del esfuerzo por razones
diversas. En todo caso, para hacer anlisis de confiabilidad con este enfoque en muy
importante estudiar los mecanismos que pueden producir este acercamiento y posterior
solapamiento. Tambin es muy importante determinar para cada mecanismo, si este
acercamiento se produce de manera paulatina en el tiempo, o si puede producirse sbitamente
por una causa aleatoria.
La confiabilidad de un componente sometido a un esfuerzo es la probabilidad de que su
resistencia exceda dicho esfuerzo y puede calcularse con la siguiente expresin:

C f ( X )dX g(Y )dY g(Y ) f ( X )dX dY (1)
x
0 y 0

En la cual f(X) es la distribucin de probabilidad de la carga e esfuerzo y g(Y) es la distribucin

de probabilidad de la resistencia y X y Y son las medias de las respectivas distribuciones.
 Diplomado:ConfiabilidaddeSistemasIndustriales
,107

f(X)= Esfuerzo
,080

g(Y) =Resistencia
,054


,027 C f ( X )dX g(Y )dY g(Y ) f ( X )dX dY
y
0 0 x
,000
130,00 155,00 180,00 205,00 230,00
X Y

Figura 3. Distribuciones solapadas - Clculo de la Confiabilidad.

La Figura 4, que se muestra a continuacin, ilustra grficamente los casos que pueden
presentarse en un anlisis Esfuerzo Resistencia y las ecuaciones requeridas para el clculo
de Confiabilidad y Probabilidad de Fallas para cada uno. Los tres casos tpicos son:
La solucin matemtica de estas ecuaciones no es simple, sobre todo si se piensa en lo
compleja que son la mayora de las ecuaciones de las distribuciones de probabilidad. En la
Tabla 1 que se muestra a continuacin, se ofrecen las soluciones para las ecuaciones de la
Figura de Caracterizacin Probabilstica RC, para los casos Esfuerzo Resistencia ms
frecuentemente encontrados.
C A S O I : E s fu e rz
rzoo d is trib u id o R e s is te n c ia p u n tu a l
,1 0 7

f(X )= E s fu e rzo k = R e sis te n cia k

,0 8 0
C Pr( X k )

f ( X )d X

,0 5 4

,0 2 7 F Pr( X k ) f ( X )d
k
X

,0 0 0
1 3 0 ,0 0 1 5 5 ,0 0 1 8 0 ,0 0 2 0 5 ,0 0 2 3 0 ,0 0
X

C A S O II : E s fu e rzo
rz o p u n tu a l R e s is te n c ia d is trib u id a
,1 0 7

e = E sfu e rz o
,0 8 0

g (Y ) = R e s is te n c ia
C Pr( Y e ) g (Y
e
)d Y
,0 5 4
e
,0 2 7 F Pr( Y e ) g ( Y )d

Y

,0 0 0
1 3 0 ,0 0 1 5 5 ,0 0 2 0 5 ,0 0 2 3 0 ,0 0
Y

C A S O III : E s fu e rz o d is trib u id o R e s is te n c ia d is trib u id a

,1 0 7

f(X )= E sfu e rz o

,0 8 0
g (Y ) = R e s is te n c ia
C f (
0 Y
X )d X g ( Y )d Y

,0 5 4


,0 2 7 F 1 f ( X )d
0 Y
X g ( Y )d Y

,0 0 0
1 3 0 ,0 0 1 5 5 ,0 0 2 0 5 ,0 0 2 3 0 ,0 0
X Y

Figura 4. Casos Esfuerzo Resistencia.

 Diplomado:ConfiabilidaddeSistemasIndustriales

Tabla 1 - Algunos Casos Esfuerzo Resistencia.

Esfuerzo Cte. Esfuerzo y

Distribuci
Resistencia Cte. k Resistencia
n e Aleatorios

Exponenci k e Y
C
X Y
al C 1 e X C 1 e Y

k X e Y Resolver
Weibull
Numricamente
C 1 e X C 1 e Y

k X e Y
Normal C
C
C Y X
X Y 2 2



X Y

Y
e
1 ln X
k 1 e e
Lognormal C ln C ln C
X e X Y e Y
2 2
X Y

Fuente: (Ebellin Charles 1997)

X= Esfuerzo Y=Resistencia

1.2. Anlisis Carga - Resistencia con Simulacin de Montecarlo.

Una vez que se han caracterizado probabilsticamente el esfuerzo y la resistencia, es decir, se
sabe qu distribucin de probabilidad corresponde a cada uno; se podrn encontrar con casos
diferentes a los tipificados en la tabla 2. Inclusive hay casos sin solucin analtica posible, tales
como las combinaciones Weibull-Lognormal, Beta-Gamma, Weibull-Beta, Lognormal-Gamma,
etc. Para estos casos se requiere una solucin numrica y para ello, se emplea el apoyo del
proceso de Simulacin de Montecarlo. El proceso requerido para realizar esta simulacin se
ilustra en el flujograma de la Figura 5.
Para ilustrar la correcta aplicacin de la teora esfuerzo resistencia en casos reales, se
revisarn detalladamente varios ejemplos de aplicacin en la industria de procesos.
 Diplomado:ConfiabilidaddeSistemasIndustriales

Fijar el nmero de iteraciones requeridas = m

j=1

i0=0
k0=0

Generar aleatoriamente, un valor de Esfuerzo y un valor de Resistencia,

desde sus respectivas distribuciones de probabilidad

f(X)=Esfuerzo g(Y)=Resistencia
,107 ,107

f(X)= Esfuerzo
,080 ,080
g(Y) =Resistencia
,054 ,054

,027 ,027

,000 ,000

130,00 155,00 180,00 205,00 230,00 130,00 155,00 205,00 230,00

Xj Yj

Sustituir en la funcin Z(X,Y) ,los valores generados aleatoriamente y resolver en forma determinstica
para obtener un probable valor de Z para esta iteracin
Xj
Zj
Yj

No Si
kj=kj-1+1 Zj >1 ? ij=ij-1+1

Si
j = j+1
j<m?

No

kj
Confiabilidad C
m
ij
Pr ob.Falla F (1 C )
m
Figura 5. Estimacin numrica (Simulacin de Montecarlo) de la Confiabilidad basada en la

Teora Esfuerzo Resistencia.

Ejemplo 1:
Una tubera, tendida a campo abierto, transporta un fluido altamente contaminante, por esta
razn, se realizan inspecciones y mediciones del espesor de pared a lo largo de toda la tubera
cada tres aos. En un tramo de 500 mts, se han identificado 14 puntos o regiones donde existe
prdida de espesor. Los resultados de las dos ltimas inspecciones se resumen en la tabla 3.
 Diplomado:ConfiabilidaddeSistemasIndustriales

En este ejemplo, se realizar un clculo de la Confiabilidad y la Probabilidad de Fallas para

perodos de 1, 15 y 25 aos, especficamente para el punto de dao No. 10 de la tubera
mostrada en la Figura 6. (Es importante aclarar que este clculo debe realizarse para cada
regin donde se identifique prdida de espesor o dao, pero por razones didcticas, slo se
discutir lo relacionado al punto 10).
Adicionalmente se suministran datos tcnicos sobre el Esfuerzo de Fluencia (Sp) del material
con el cual fue construida la tubera y de la Presin de Operacin (Pa) de la misma. Se
suministran tambin datos sobre la geometra del tubo, tales como Dimetro (D) y Espesor
inicial (Eo).
Tabla 2: Datos de la tubera

Datos de la Tubera D(mm) Eo(mm) d(mm)

Valor Medio 597,250 9,809 3,075
Tolerancia 35,226 1,706 0,901

Eo d
DAO POR CORROSION

Figura 6. Daos en tubera

Tabla 3. Datos de mediciones de profundidad de daos

Profundidad Profundidad
N de
del dao del dao Rc
Dao
(mm) 1998 (mm) 2001
1 2.603 2.96 0.119
2 2.849 3.305 0.152
3 2.673 3.054 0.127
4 2.641 3.154 0.171
5 2.787 3.222 0.145
6 2.602 2.995 0.131
7 2.7 3.084 0.128
8 2.644 3.049 0.135
9 2.628 3.129 0.167
10 2.664 3.075 0.137
11 2.332 2.791 0.153
12 3.35 3.914 0.188
13 2.206 2.914 0.236
14 2.166 2.616 0.15
 Diplomado:ConfiabilidaddeSistemasIndustriales

Tabla 4. Datos tcnicos

Sp(Mpa) Pa(Mpa)
436.836 3.785
618.549 3.66
393.729 3.763
268.428 3.524
308.402 3.157
314.391 4.022
376.758 3.94
428.92 4.278
370.177 5.096
392.813 4.404
477.271 4.493
444.154 4.431
463.154 4.458
326.541 4.337

Solucin: Cuando existen daos corrosivos, como el dao No. 10 mostrado en la Figura 6, la
resistencia de la tubera se deteriora progresivamente debido a la prdida de espesor de la
pared del tubo, que hace que cada vez la tubera sea capaz de soportar menos presin. En
otras palabras, se deteriora la mxima presin permisible o presin de falla.
Por mecnica de la fractura se sabe que la mxima presin permisible o presin de falla se
calcula con la siguiente expresin:
2.Sp.E
Pf
10
; (2)
D

donde:
Sp: Esfuerzo de Fluencia.
E: Espesor del Tubo.
D: Dimetro del Tubo.
Adicionalmente se sabe que el espesor de la tubera en presencia de un dao corrosivo se
deteriora, y entonces se habla de Espesor remanente, el cual se calcula con la siguiente
expresin:
EREMANENTE ( t ) Eo d ( t ) ; (3)
Donde Eo: Espesor inicial de pared; d(t): profundidad del dao; que crece con el tiempo; es
decir, es funcin del tiempo (Ver Tabla 2 y 3).
Sustituyendo la ecuacin 2 en la ecuacin 3; se tiene:
2 * Sp * ( Eo d10 ( t ))
Pf10 ( t ) ; (4)
D

En la ecuacin 4, la presin de falla se convierte en una funcin del tiempo. Ahora bien, la
forma cmo la profundidad del dao crece en funcin del tiempo se ha caracterizado con la
siguiente ecuacin emprica:
d10 ( t ) do10 Rc * t ; (5)

Donde:
 Diplomado:ConfiabilidaddeSistemasIndustriales

do: Profundidad del dao medida en la inspeccin anterior.

d2001 d1998
Rc: Tasa o Velocidad de Corrosin ( Rc ) expresada en (mm/ao).
2001 1998

t: tiempo en aos desde la medicin anterior hasta la medicin actual ( t t 2 t1 2001 1998 3 ).

Sustituyendo la ecuacin 5 en la ecuacin 4 finalmente se tiene:

2 * Sp * ( Eo ( do10 Rc * t ))
Pf10 ( t ) ; (6)
D

La idea general es utilizar los datos de entrada y la ecuacin 6, para calcular la mxima presin
permisible Pf, para diferentes perodos de tiempo (1,15 y 25 aos) y comparar estos valores
con la presin de operacin Pa.
En este caso Pf es la Resistencia, y Pa ser el Esfuerzo. Como el lector puede inferir, Pf es
una variable distribuida, ya que depende de Sp, Rc, Eo, d y D que son todas distribuidas; por
otra parte, la presin de operacin es tambin una variable distribuida. Esto corresponde al
Caso III del anlisis Esfuerzo Resistencia que se ilustra en el Grafico 4.
Para realizar el anlisis completo en forma sistemtica, se seguir la siguiente secuencia de
etapas:
Etapa 1: Caracterizar probabilsticamente las variables Sp, Rc, Eo, do10, D y Pa; siguiendo los
procedimientos expresados en la seccin Gerencia de la Incertidumbre
Etapa 2: Propagar la Incertidumbre de Sp, Rc, Eo, do10 y D en la ecuacin 6 para encontrar la
distribucin de probabilidades de Pf10. Este clculo se realizar para varios perodos de tiempo
(1, 15 y 25 aos).
Etapa 3: Una vez conocidas las distribuciones de probabilidades de Pf10 (Resistencia) para 1,15
y 25 aos y la distribucin de probabilidad de Pa (Esfuerzo), se realizar el clculo de
Confiabilidad para 1,15 y 25 aos.

Etapa 1:
Caracterizacin probabilstica de Pa y Sp: Utilizando el procedimiento de ajuste de curvas o
seleccin de distribuciones de probabilidad y seleccionando uno de los test de calidad de
ajuste (Anderson Darling en este caso), se determin la distribucin paramtrica que mejor se
ajusta a los datos disponibles de Presin de Operacin (Pa) y Esfuerzo de Fluencia (Sp).
Los datos de presin de operacin Pa son recolectados con un medidor de presin instalado en
la tubera, tomando lecturas en diferentes momentos del tiempo. A pesar de que en la mayora
de los casos, las tuberas operan tericamente a una presin nica, la tabla de datos refleja las
fluctuaciones que este parmetro tiene y que refuerza la tesis de que en su comportamiento
real, la mayora de las variables tienen alguna variabilidad. Los resultados obtenidos se
muestran en la Figura 7.
GR A F ICO DE C OM PA R AC IO N Pa
Resultados del Test de Distribucin
H IS T O GR A M A A CU M U LA DO D A T OS Vs D IS TRIB UC ION H IP O TE S IS
Anderson-Darlin Normal Media = 4,096
Test Value 0.318 2

Critical Value @ 0.15 0.576 1

1 S p Sp

2 Sp



f(S p) e
Critical Value @ 0.1 0.656 Sp
2
Critical Value @ 0.05 0.787
Critical Value @ 0.025 0.918
Critical Value @ 0.01 1.092
Confidence >0.15
Rank 1 2 ,6 0 2 3,34 9 4,09 6 4,8 43 5, 59 0

Figura 7. Caracterizacin Probabilstica Pa.

 Diplomado:ConfiabilidaddeSistemasIndustriales

Por su parte, el esfuerzo de fluencia Sp es una propiedad fsica del material con el cual se
fabrica la tubera. Para tener una serie de datos como los mostrados en la Tabla 4 se realizaron
pruebas de tensin al material de la tubera en laboratorios especializados.
Los resultados de la caracterizacin se muestran en la Figura 8.

GRAFICO DE COMPARACION
Resultados del Test de Distribucin HISTOGRAMA ACUMULADO DATOS Vs DISTRIBUCION HIPOTESIS
Sp
Anderson-Darlin Log-Normal
Media = 401,996
Test Value 0.213
2

Critical Value @ 0.15 1.61 1

1 ln( Sp ) Sp

2 Sp
f ( Sp ) e

Critical Value @ 0.1 1.933 SpSp 2

Critical Value @ 0.05 2.492
Critical Value @ 0.025 307
Critical Value @ 0.01 3.857
Confidence >0.15*
Rank 1 206,461 341,730 477,000 612,269 747,538

Figura 8. Caracterizacin Probabilstica SP.

Caracterizacin probabilstica de Rc: El proceso de caracterizacin de esta variable involucra

algunas particularidades muy importantes. La velocidad de corrosin Rc es una caracterstica
del proceso corrosivo que sufre la tubera y como puede verse en la Tabla 3, sta vara de
punto a punto. Esto evidencia que Rc en la tubera es una variable dispersa con un mximo
observado de 0,236 mm/ao para el dao N1 y un mnimo observado de 0,119 mm/ao para
el dao N 13 en los 500 m. de tubera inspeccionados. No obstante, este ejemplo didctico se
centra en el dao N 10; y para este punto se ha medido una velocidad de corrosin particular
Rc10 = 0,137 mm/ao en los ltimos 3 aos.
Este valor de velocidad de corrosin se utilizar para predecir los valores de desgaste para los
aos venideros, no obstante, debido a la naturaleza heterognea del proceso de corrosin, no
puede inferirse que el valor de Rc10 que ocurrir en el futuro ser exactamente el mismo valor
medido; de all que se asumir que el valor ms probable de Rc10 corresponder el valor
medido (0,137 mm/ao) y que el mximo valor que Rc10 y el mnimo valor que Rc10
correspondern al mximo valor observado en el tramo (0,236 mm/ao) y mnimo observado
en el tramo (0,119 mm/ao), respectivamente.
Este razonamiento puede extenderse para cualquier dao, es decir, el mnimo y el mximo
correspondern al mnimo y mximo valor de Rc observados en todo el tramo, y el valor ms
probable de Rc para cada dao, corresponder al valor medido en el dao especfico.
Existen distribuciones de probabilidad especiales para modelar variables cuando la informacin
que se tiene se reduce a tres estimados: un mnimo, un valor ms probable y un mximo. Estas
distribuciones son la Distribucin Triangular y la Distribucin Beta-Pert. En este caso se
utilizar la distribucin Beta- Pert ampliamente recomendada para variables fsicas; como sigue:
1 1
( ) Rc Rcmin Rc Rcmin
f ( Rc ) .1 ; (7) 194
( ). ( ) Rcmax Rcmin


Rcmax Rcmin

donde:
=(Rc - Rcmin)*(2*Rcmprob - Rcmin - Rcmax) / [(Rcmprob - Rc)*(Rcmax - Rcmin)] (8)
= * (Rcmax - Rc) / (Rc - Rcmin) (9)
Media: Rc = (Rcmin + 4 * Rcmprob + Rcmax) / 6 (10)
Desviacin Estndar: Rc =(Rcmax - Rcmin)/6 (11)
 Diplomado:ConfiabilidaddeSistemasIndustriales

Rc f(Rc)
Mximo 0.236
Ms Probable 0.137
3

Mnimo 0.119 2.5

1 1
2
( ) Rc Rcmin Rc Rcmin
0.151 f (Rc) . 1
1.5
( ).( ) Rcmax Rcmin Rcmax Rcmin

1.615
4.385 1

0.020 0.5

0
0.1190 0.1390 0.1590 0.1790 0.1990 0.2190

MnimoValor de Valor Mximovalorde

Rcobservado en Observadoen Rcobservado en
eltramo eldao 10 eltramo

Figura 9. Caracterizacin Probabilstica RC en el Dao 10.

Caracterizacin probabilstica de do10:

La profundidad del dao N 10, que se tomar como punto de partida en las predicciones ser
la profundidad medida en el 2001, ao de la ltima inspeccin. Para el caso considerado,
do10=d2001=3,075 mm. No obstante, esta medida fue hecha con un instrumento de medicin que
segn la especificacin tcnica tiene una precisin de 0,901 mm; es decir, el valor real de
do10 oscila en un rango que va desde un valor mnimo do10(mnimo)=3,0750,90= 2.175 mm hasta
un valor mximo do10(mximo)=3,075+0,90= 3.975 mm.

f(do10)

Lectura en el
instrumento de
medicin

do10

do10min = 2,175 mm do10 = 3,075 mm do10max = 3,975 mm

TOL = 0,9 mm TOL = 0,9 mm

do10

Figura 10. Caracterizacin Probabilstica de do10.

Los errores o tolerancias en la medicin, suelen caracterizarse con una distribucin normal
cuya media corresponde al valor medido o lectura del instrumento. Por otra parte, se sabe que
desde un extremo al otro (utilizando un criterio prctico), una distribucin normal tiene 6
desviaciones estndar de amplitud; como se refleja en la figura anexa.
Con esta informacin se deduce que la desviacin estndar de la distribucin viene dada por:
2*TOL=6*do10 lo que implica que
do10=1/3*TOL=1/3*0,9=0,3mm;
En resumen puede decirse que do10 tiene una Distribucin Normal, cuyos parmetros son:
 Diplomado:ConfiabilidaddeSistemasIndustriales

do10 = 3,075 mm y do10 = 0,3 mm

Caracterizacin probabilstica de D y Eo: Utilizando la misma lgica utilizada para
caracterizar do10, puede procederse a caracterizar D y Eo ya que ambas variables son el
resultado de mediciones. En este caso, tanto los valores medios como las tolerancias, vienen
especificadas por los fabricantes del tubo; pero el procedimiento de anlisis es exactamente el
mismo:
Para D, se tiene que D=597,250 35,226 mm; esto implica que:
D=597,250 mm y D=1/3*35,226=11,742
De la misma forma, para Eo se tiene que Eo=9,809 1,706 mm; esto implica que:
Eo=9,809 mm y D=1/3*1,706=0,569
Una vez completada la caracterizacin de las variables de entrada, cuyos resultados se
muestran en la Tabla 5, se desarrollar la etapa 2.

Tabla 5. Resultados de la caracterizacin de las variables de entrada.

Sp(Mpa) D(mm) Eo(mm) do(mm) Rc(mm/ao) Pa(Mpa)

Promedio () 401.437 597.256 9.809 3.075 0.146 4.000

Desviacin
88.485 11.742 0.569 0.300 0.020 0.500
Estndar ()
Distribucin Lognormal Normal Normal Normal Beta Pert Normal

Etapa 2: Para propagar la incertidumbre de las variables caracterizadas en la Etapa 1, se

utilizar el Mtodo de los Momentos:
2.Sp .( Eo ( d Rc * t ))
Pf g ( 1 , 2 , 3 ,......, n ) Pf ( t ) (12)
D

2 2 2

Pf Pf 2 Pf
2 2 D
2
Eo .
Pf Sp Sp D Sp , D ,Eo ,d ,Rc Eo Sp , D ,Eo ,d ,Rc
Sp , D ,Eo ,d ,Rc

2 2

Pf Pf
.......... 2 2
d d Rc Rc
, , ,
Sp D Eo d Rc , Sp D Eo d Rc
, , , ,

(13)

Ahora derivando Pf respecto a cada una de las variables, se obtienen:

Pf 2( Eo d Rc * t ) Pf 2( Eo d Rc * t )
(14)
Sp D Sp , , , , D
Sp D Eo d Rc

Pf 2( Eo d Rc * t ) Pf 2Sp( Eo d Rc * t )
(15)
D D 2 D , , , , D2
Sp D Eo d Rc
 Diplomado:ConfiabilidaddeSistemasIndustriales

Pf 2Sp Pf 2 Sp
(16)
Eo D Eo , , , , D
Sp D Eo d Rc

Pf 2Sp Pf 2 Sp
(17)
d D d , , , , D
Sp D Eo d Rc

Pf 2Sp * t Pf 2 Sp * t
(18)
Rc D Rc , , , , D
Sp D Eo d Rc

Sustituyendo resulta como sigue:

Pf ( t ) 2 .
2( Eo d Rc * t )
2 2 Sp ( Eo d Rc * t )
2 .
2
2 Sp
2 .
2

2 .
2 Sp

2

2 .
2 Sp * t
2
.
(19)
Eo D d
Sp
D
D
D 2 D Rc
D

Evaluando las ecuaciones 12 y 19 para t =1 ao, con los valores de las medias y desviaciones
estndar de las variables resumidas en la Tabla 5, se obtiene:
2.Sp .( Eo ( d Rc * t )) 2 * 401,437 ( 9 ,809 ( 3 ,075 0 ,146 * 1 ))
Pf ( t ) Pf (1ao )
D 597 ,250

Pf (1ao ) 8.856 y Pf (1ao ) 2 ,142

Segn el Teorema del Lmite Central. Las variables aleatorias que resultan de la
multiplicacin o producto de varias variables aleatorias siguen la distribucin Lognormal.
Este enunciado permite asumir que la variable Presin de Falla Pf sigue la distribucin Lognormal,
ya que la misma es el producto de otras variables aleatorias. Siguiendo esta lgica, puede decirse
que Pf para un perodo de un (1) ao se aproxima a una Distribucin Lognormal con una media
Pf (1ao ) 8.856 MPa y una desviacin estndar Pf (1ao ) 2 ,142 MPa.

En este punto es importante recordar las ecuaciones que permiten calcular la media logartmica
( t POES ) y la desviacin estndar logartmica ( t POES ) necesarias para definir la distribucin
Lognormal a partir de la media ( POES ) y la desviacin estndar ( POES ) normales:

2 2
2 ,142
Pf ln Pf 1 Pf (1ao ) ln
8 ,856 1 Pf (1ao ) 0 ,238
Pf

2 2
Pf ln( Pf ) Pf (1ao ) ln( 8 ,856 ) 0 ,238 (1ao ) 2 ,153
Pf Pf
2 2

Con esta informacin pueden calcularse algunos percentiles de inters para caracterizar an
mejor la variable Pf.

( Pf 1,28. )
Pf10% e Pf Pf10% (1ao ) e( 2 ,153 1,28.* 0 ,238 ) Pf10% (1ao ) 6 ,341

Pf50% e( Pf ) Pf50% (1ao ) e( 2 ,153 ) Pf50% (1ao ) 8 ,608

( Pf 1,28. )
Pf90% e Pf Pf90% (1ao ) e( 2 ,153 1,28.* 0 ,238 ) Pf90% (1ao ) 11,384

Esto permite graficar Pf, como se muestra en la Figura 11.

 Diplomado:ConfiabilidaddeSistemasIndustriales

Si adicionalmente se aplica el mismo procedimiento de clculo a los perodos de tiempo de 15 y

25 aos, se obtendrn los resultados que se muestran en la Tabla 6.

Tabla 6. Resultados de Pf para 1,15 y 25 aos.

Tiempo pf pf pf pf Pf10 Pf50 Pf90

1 8.856 2.142 2.153 0.238 6.341 8.608 11.684
15 6.108 1.655 1.774 0.266 4.192 5.895 8.292
25 4.146 1.429 1.366 0.335 2.551 3.920 6.022

Pf(1 ao)
,083
f(Pf) 1 ln( Pf ) Pf
2

1 Pf
f ( Pf ) e
2
,062
Pf Pf 2
,041

,021

,000
3,98 9,15 14,32
Pf 10= 6,341 Pf 90 = 11,684
Pf = 8,856

Figura 11. Distribucin de Probabilidades para la Mxima Presin Permisible.

Presin de Falla (Mpa)

PresindeFalla(Mpa)
,209
Pf(25 aos) El grfico permite observar el progresivo
deterioro de la Presin de Falla o Mxima
,157 Presin Permisible con el transcurrir del
Pf(15 aos)
tiempo. Para este anlisis hemos mencionado
,105 que Pf se considera Resistencia
Pf(1ao)

,052

,000
0,00 3,75 7,50 11,25| 15,00
Pf(1ao) Pf(15 aos) Pf(25 aos)

Figura 12. Presin de falla (Pf) para 1, 15 y 25 aos.

Etapa 3: En esta etapa se proceder al clculo de la confiabilidad de la tubera, utilizando la

teora de interferencia Esfuerzo Resistencia, particularmente la ecuacin de Esfuerzo y
Resistencia con distribucin Lognormal.
La Resistencia (Pf) tiene una distribucin Lognormal y el Esfuerzo (Pa) tiene una distribucin
Normal, no obstante, toda distribucin Normal, puede transformarse a una Lognormal
equivalente, simplemente transformando la media y desviacin estndar normales en sus
equivalentes media y desviacin estndar logartmicas.
A continuacin los clculos de confiabilidad para perodos de 1,15 y 25 aos:
 Diplomado:ConfiabilidaddeSistemasIndustriales
Pf Pf Pf Pf Pf 10 Pf 50 Pf 90
8,856 2,142 2,153 0,238 6,341 8,608 11,684
t=1 ao Pa Pa Pa Pa Pa 10 Pa 50 Pa 90
4,000 0,500 1,379 0,125 3,359 4,000 4,641

e 8 ,856 )
ln 4 ,000
e
C(1ao ) 0 ,998
2 ,
142 2
0 ,500 2

0,000 2,250 5,000 8,000 11,000 14,000

Pf Pf Pf Pf Pf 10 Pf 50 Pf 90
6,108 1,655 1,774 0,266 4,192 5,895 8,292
t=15 aos Pa Pa Pa Pa Pa 10 Pa 50 Pa 90
4,000 0,500 1,379 0,125 3,359 4,000 4,641

e6 ,108
ln 4 ,000
e
C(15 aos ) 0 ,910
1,655 2
0 ,500 2

0,000 2,250 5,000 8,000 11,000 14,000

Pf Pf Pf Pf Pf 10 Pf 50 Pf 90
4,146 1,429 1,366 0,335 2,551 3,920 6,022
t=25 aos Pa Pa Pa Pa Pa 10 Pa 50 Pa 90
4,000 0,500 1,379 0,125 3,359 4,000 4,641

e 4 ,146
ln 4 ,000
e
C ( 25 aos ) 0 ,486
1,429 2
0 ,500 2

0,000 2,250 5,000 8,000 11,000 14,000

Figura 13. Confiabilidad para 1, 15 y 25 aos.

A continuacin se resumen las tablas de resultados y los grficos para perodos de evaluacin
adicionales.
Tiempo pf pf tpf tpf Pf10 Pf50 Pf90
1 8.856 2.142 2.153 0.238 6.341 8.608 11.684
5 8.071 1.989 2.059 0.243 5.741 7.387 10.697
10 7.090 1.812 1.927 0.252 4.976 6.869 9.482
15 6.108 1.655 1.774 0.266 4.192 5.895 8.292
20 5.127 1.525 1.592 0.291 3.384 4.914 7.137
25 4.146 1.429 1.366 0.335 2.551 3.920 6.022
 Diplomado:ConfiabilidaddeSistemasIndustriales

pa pa tpa tpa Pa10 Pa50 Pa90

4.000 0.500 1.379 0.125 3.359 4.000 4.641
120

Tiempo C (t) 100

1 99.800 80
5 99.366

C(t)
60
10 97.467
15 91.091 40

20 75.000 20
25 48.602 0
1 5 10 15 20 25
Tiempo (aos)

Figura 14. Presin de falla y confiabilidad para perodos adicionales.

En la Figura 15 se muestran los grficos Esfuerzo - Resistencia para 1,5,10,15,20 y 25 aos (en
orden descendente), que ilustran como crece el solapamiento de f(Pf) y g(Pa) al pasar el tiempo
con la correspondiente paulatina disminucin de la confiabilidad del tubo.
Otra forma de presentar el mismo efecto de la Figura 15 se logra graficando los percentiles de
ambas distribuciones (f(Pf) y g(Pa)) contra el tiempo; esto puede verse en la Figura 16.

T=1ao T=15aos

0,000 2,250 5,000 8,000 11,000 14,000 0,000 2,250 5,000 8,000 11,000 14,000

T=5aos T=20aos

0,000 2,250 5,000 8,000 11,000 14,000 0,000 2,250 5,000 8,000 11,000 14,000

T=10aos T=25aos

0,000 2,250 5,000 8,000 11,000 14,000 0,000 2,250 5,000 8,000 11,000 14,000

Figura 15. Esfuerzo- Resistencia para 1, 5, 10, 15, 20 y 25 aos.

 Diplomado:ConfiabilidaddeSistemasIndustriales

Presin Falla (Pf) y Presin Operacin (Pa) Vs Tiempo

14,0

12,0

10,0

8,0

6,0

4,0

2,0

0,0
1 6 11 16 21 26
tiempo (aos)

Pf10 Pf50 Pf90 Pa10 Pa50 Pa90

Figura 16. Percentiles de presin de falla y presin de operacin vs. tiempo.