Dos análisis de vida pueden mostrar la misma vida característica y conducir a decisiones de mantenimiento muy distintas. Supongamos que ambos estiman η = 1 000 horas, pero uno obtiene β = 0,7 y el otro β = 3. En los dos casos, cerca del 63,2 % de la población habrá fallado al llegar a 1 000 horas; lo que cambia es cómo evoluciona el riesgo antes y después de ese punto.
Comprender esta diferencia evita dos errores frecuentes: tratar η como si siempre fuera la vida media y atribuir automáticamente una causa física a partir de β. A continuación se explica qué representa cada parámetro, cómo leerlos juntos y qué revisar antes de convertir un ajuste Weibull en una decisión técnica.
Respalda tu formación en confiabilidad
El Instituto Internacional de Ingeniería (3i) ayuda a organizaciones e instructores que ya imparten capacitación a respaldar sus programas y emitir certificados y credenciales verificables para sus alumnos.
Qué representan β y η
En la distribución Weibull de dos parámetros, β es el parámetro de forma y η es el parámetro de escala o vida característica. La función de distribución acumulada indica la probabilidad de que una unidad haya fallado hasta el tiempo t:
Aquí, t y η deben utilizar la misma unidad: horas, ciclos, kilómetros, megapascales u otra medida positiva. β no tiene unidades. Esta formulación y sus funciones de confiabilidad, tasa de falla y media aparecen en el manual de confiabilidad del NIST sobre la distribución Weibull.
La notación no es universal. Algunos textos usan γ para la forma y α para la escala; ciertos programas incluso emplean β para la escala. Antes de interpretar una salida, conviene comprobar la fórmula y el nombre de cada parámetro, no solo la letra mostrada.
Cómo interpretar beta
β determina la forma de la distribución y, en un modelo Weibull de dos parámetros, la tendencia de la tasa instantánea de falla. Esa tasa se expresa como:
| Valor de β | Tasa de falla | Lectura práctica |
|---|---|---|
| 0 < β < 1 | Disminuye con el tiempo. | Es compatible con fallas tempranas o una población que mejora al sobrevivir la etapa inicial. |
| β = 1 | Permanece constante. | El modelo se reduce a una distribución exponencial; la edad no cambia el riesgo instantáneo. |
| β > 1 | Aumenta con el tiempo. | Es compatible con envejecimiento, fatiga, degradación o desgaste progresivo. |
La tabla describe tendencias estadísticas, no diagnósticos de causa raíz. Un β mayor que 1 no demuestra por sí solo que exista desgaste mecánico, y un β menor que 1 no identifica automáticamente un defecto de fabricación. Para vincular el patrón con un mecanismo físico se necesitan inspecciones, condiciones de operación, modos de falla y trazabilidad de cada unidad.
Qué significa eta
η ubica la distribución sobre la escala de tiempo o esfuerzo. Al sustituir t por η en la función acumulada, el cociente t/η vale 1 y desaparece la influencia de β:
Por eso η es el percentil 63,2: alrededor del 63,2 % habrá fallado y el 36,8 % seguirá funcionando en ese punto. La documentación de Minitab sobre forma, escala y umbral utiliza esta misma interpretación.
| Criterio | β | η |
|---|---|---|
| Función principal | Modifica la forma y la tendencia del riesgo. | Estira o comprime la escala de vida. |
| Unidades | No tiene unidades. | Las mismas que t. |
| Pregunta que responde | ¿Cómo cambia el riesgo con la edad? | ¿Dónde se ubica el percentil 63,2? |
| Error habitual | Usarlo como prueba directa del mecanismo de falla. | Confundirlo siempre con la media. |
La vida media de una Weibull de dos parámetros es:
Γ representa la función gamma. Con η = 1 000 horas y β = 2, la media es aproximadamente 886,2 horas, no 1 000. η coincide con la media únicamente en el caso β = 1.
Cómo leerlos en conjunto
La interpretación útil aparece al combinar forma y escala. Los siguientes escenarios son hipotéticos y mantienen η constante para aislar el efecto de β:
| Parámetros | Lectura | Enfoque de análisis |
|---|---|---|
| β = 0,7; η = 1 000 h | Riesgo decreciente y vida característica de 1 000 h. | Revisar fallas iniciales, selección, instalación, puesta en marcha y heterogeneidad del lote. |
| β = 1; η = 1 000 h | Riesgo constante; η también es la media. | Evaluar eventos aleatorios y comprobar si el modelo exponencial describe adecuadamente los datos. |
| β = 3; η = 1 000 h | Riesgo creciente y fallas más concentradas alrededor de la escala. | Examinar degradación acumulada y valorar una política de sustitución basada en edad, costos y criticidad. |
Si dos poblaciones tienen el mismo β pero diferente η, comparten una tendencia de riesgo similar, aunque una está desplazada hacia vidas mayores o menores. En cambio, si η es igual y β cambia, ambas cruzan el 63,2 % en el mismo punto, pero distribuyen las fallas de manera distinta alrededor de él.
Antes de tomar decisiones
Los parámetros son estimaciones, no constantes conocidas. Deben acompañarse de intervalos de confianza, tamaño de muestra, método de ajuste y tratamiento de datos censurados. El ejemplo de máxima verosimilitud del NIST muestra cómo unidades que no fallaron durante el ensayo siguen aportando información mediante censura.
El procedimiento del NIST para gráficos de riesgo acumulado explica que, en escala logarítmica doble, una Weibull adecuada debería aproximarse a una línea recta cuya pendiente está vinculada al parámetro de forma.
Conclusión
β explica cómo cambia el riesgo y η fija el punto donde la falla acumulada alcanza aproximadamente 63,2 %. Leerlos por separado deja fuera parte del diagnóstico; leerlos juntos, con sus intervalos y el contexto físico, permite distinguir entre un cambio de patrón y un simple desplazamiento de la escala de vida.
Emite credenciales verificables para tus alumnos
Mantén tus cursos técnicos y la relación con cada alumno mientras incorporas certificados con QR, enlace o código para comprobar su autenticidad.
Fuentes consultadas
Weibull, Waloddi. A Statistical Distribution Function of Wide Applicability. 1951.
National Institute of Standards and Technology. Weibull: fórmulas, parámetros y aplicaciones de confiabilidad. s. f.
National Institute of Standards and Technology. Weibull Distribution. s. f.
National Institute of Standards and Technology. Hazard and cumulative hazard plotting. s. f.
National Institute of Standards and Technology. A Weibull maximum likelihood estimation example. s. f.
Minitab, LLC. Weibull distribution: shape, scale and threshold. s. f.
