Inicio › Cursos › Riesgos y procesos
Curso de ingeniería de fiabilidad (confiabilidad) online: tasas de fallo, Weibull y ensayos de vida
Próximamente
Un curso online de ingeniería de fiabilidad (confiabilidad, en Latinoamérica) para calidad y desarrollo de producto. Aprendes a medir y predecir cuánto dura lo que fabricas, con tasas de fallo, Weibull y ensayos de vida bien planificados.
Este curso todavía no está publicado. El temario de abajo es el previsto y puede cambiar. Déjame tu correo y te aviso el primer día.
Lo que vas a aprender
- Distinguir fiabilidad, disponibilidad y mantenibilidad y usar MTBF y MTTR sin trampas
- Leer la curva de la bañera y decidir qué hacer en cada zona
- Ajustar e interpretar un análisis de Weibull con datos reales, incluidos los censurados
- Calcular cuántas piezas ensayar para demostrar una fiabilidad con una confianza dada
- Plantear ensayos acelerados y saber cuándo no se pueden extrapolar
- Conectar la fiabilidad con el AMFE, el árbol de fallos y las garantías
«Esta pieza dura toda la vida». Es una frase preciosa para un anuncio y peligrosa en un informe de calidad, porque la siguiente pregunta siempre es: ¿cuánto es toda la vida y con qué probabilidad? Un curso de ingeniería de fiabilidad (confiabilidad, como se dice en Latinoamérica) te enseña a contestar con números: medir, predecir y demostrar cuánto dura lo que fabricas.
Si buscas las fórmulas del MTBF y el MTTR, están en la guía de MTBF y MTTR, y el análisis de vida con datos reales, en la de distribución de Weibull. Aquí te cuento cuándo te hace falta formarte, qué errores se repiten y cómo se calcula cuántas piezas hay que ensayar para demostrar una fiabilidad.
Cuándo te hace falta un curso de fiabilidad
La calidad clásica mira la pieza cuando sale de fábrica. La fiabilidad mira lo que le pasa después, con el uso. Por eso aparece en cuanto tu cliente te pide una vida útil, cuando las garantías empiezan a costar dinero o cuando un fallo de campo no se explica con ninguna inspección de salida.
Las situaciones típicas son tres: tienes que validar un diseño frente a un requisito de vida, tienes devoluciones de campo y quieres saber si son de juventud o de desgaste, o te piden un plan de ensayo y no sabes cuántas piezas poner ni cuánto tiempo.
Los errores que más se repiten
Usar el MTBF como si fuera la vida del producto
Un MTBF de 50.000 horas no significa que el equipo dure 50.000 horas. Con tasa de fallos constante, a esa edad ya habría fallado cerca del 63 % de la población. Es un error tan común que merece un cartel en la pared del departamento.
Mezclar modos de fallo
Si metes en el mismo análisis las roturas por fatiga y los fallos de montaje, el resultado no describe ninguno de los dos. Cada modo de fallo se analiza por separado, y para eso hace falta que el informe de cada devolución diga por qué falló, no solo que falló.
Tirar las piezas que no han fallado
Las unidades que siguen funcionando al final del ensayo, o que se retiran por otro motivo, también dan información. Se llaman datos censurados, y quitarlos del análisis hace que el producto parezca peor de lo que es.
Acelerar sin pensar
Subir la temperatura acorta el ensayo, pero solo vale si el mecanismo de fallo es el mismo que en uso normal. Si al acelerar aparece un fallo que nunca ocurriría en la realidad, el ensayo ha medido otra cosa.
Ejemplo: ¿cuántas piezas ensayo para demostrar una fiabilidad?
Caso ficticio de formación. Un cliente pide a un fabricante de pequeños motores que demuestre una fiabilidad del 90 % a 1.000 horas, con un 90 % de confianza. La forma más sencilla de hacerlo es un ensayo sin fallos (en inglés, success run): pones n motores a funcionar 1.000 horas en condiciones representativas y, si ninguno falla, el requisito queda demostrado.
El tamaño de muestra sale de la distribución binomial con cero fallos:
n = ln(1 − C) / ln(R), donde R es la fiabilidad que quieres demostrar y C la confianza. Con R = 0,90 y C = 0,90: n = ln(0,10) / ln(0,90) = −2,303 / −0,105 ≈ 21,9. Hay que redondear hacia arriba: 22 motores sin ningún fallo.
Lo interesante es ver cómo crece la muestra cuando el requisito se pone serio:
| Fiabilidad a demostrar (R) | Confianza 90 % | Confianza 95 % |
|---|---|---|
| 90 % | 22 piezas | 29 piezas |
| 95 % | 45 piezas | 59 piezas |
| 99 % | 230 piezas | 299 piezas |
Pasar del 90 % al 99 % multiplica la muestra por diez. Por eso, antes de aceptar un requisito de fiabilidad, conviene hacer esta cuenta: a veces la conversación con el cliente cambia mucho cuando ve que demostrar un 99 % pide 230 motores durante 1.000 horas. Las alternativas son ensayar más tiempo con menos piezas, acelerar con cuidado o usar datos de Weibull si ya conoces el modo de fallo, y en el curso las comparamos.
Dos condiciones para que la cuenta valga: las piezas tienen que ser representativas de la producción y las condiciones del ensayo, representativas del uso. Si ensayas prototipos hechos a mano en una cámara a 20 °C, has demostrado la fiabilidad de los prototipos a 20 °C.
Cómo se aprende la fiabilidad
La fiabilidad tiene fama de difícil porque se enseña desde las integrales. Yo prefiero empezar por los datos de planta: una lista de fallos, una hoja de cálculo y la pregunta que quieres responder. Las fórmulas llegan cuando ya sabes para qué sirven, y la referencia internacional para el análisis de Weibull, la IEC 61649, se cita donde toca.
El curso tendrá vídeos cortos, un caso completo de un componente desde los datos de campo hasta la decisión, plantillas de análisis y de plan de ensayo, y un test en cada sección. Se apoya en el AMFE (AMEF, FMEA) y el árbol de fallos para la parte de diseño, y conecta con el curso previsto de diseño de experimentos si quieres saber qué factores acortan la vida.
Al final, la fiabilidad es la calidad vista con reloj. ¿Sabes hoy cuánto dura de verdad lo que sale de tu línea?
Temario previsto
- Qué es la fiabilidad Conceptos, vocabulario y diferencia con la calidad de salida de fábrica
- Datos de fallo Tiempos hasta fallo, censura y cómo recogerlos sin sesgos
- Tasas de fallo y MTBF Modelo exponencial, disponibilidad y sus límites
- Distribución de Weibull Beta, eta, papel de probabilidad y decisiones de mantenimiento o diseño
- Fiabilidad de sistemas Diagramas de bloques en serie y en paralelo, redundancias
- Ensayos de demostración Ensayos sin fallos, tamaño de muestra y nivel de confianza
- Ensayos acelerados Factores de aceleración y precauciones
- Fiabilidad en el diseño AMFE, árbol de fallos y crecimiento de la fiabilidad
- Caso completo Un componente ficticio desde los datos de campo hasta la decisión, con plantillas
Para quién es
- Ingeniería de calidad que gestiona garantías, devoluciones de campo o validación de diseño
- Desarrollo de producto que tiene que demostrar una vida útil a su cliente
- Mantenimiento que quiere pasar del MTBF a decisiones basadas en Weibull
- Quien prepara la certificación CQE de ASQ y necesita la parte de fiabilidad aplicada
Preguntas frecuentes
¿Fiabilidad y confiabilidad es lo mismo?
Sí. En España se dice sobre todo fiabilidad y en Latinoamérica confiabilidad; las dos traducen reliability, la probabilidad de que algo funcione sin fallar durante un tiempo y en unas condiciones dadas.
¿Qué se aprende en un curso de ingeniería de confiabilidad?
A analizar datos de fallo, ajustar modelos como el exponencial y el de Weibull, calcular la fiabilidad de un sistema y planificar ensayos de vida para demostrar una fiabilidad con datos.
¿Este curso es de mantenimiento o de calidad?
Sirve para los dos, pero el enfoque es de calidad y de producto: cuánto dura lo que fabricas y cómo demostrarlo. El mantenimiento centrado en la confiabilidad (RCM) no es el foco de este curso.
¿Es lo mismo que la ingeniería de fiabilidad de sitios web (SRE)?
No. La SRE es una disciplina de informática para que los servicios en internet no se caigan. Este curso trata de la fiabilidad de productos y equipos físicos.