Este estudio propone una familia generalizada de distribuciones para mejorar la flexibilidad en la modelización de datos complejos de ingeniería y biomédicos. El marco unifica modelos existentes y mejora el análisis de fiabilidad en aplicaciones de ingeniería y biomédicas al capturar diversos comportamientos del sistema. Introducimos una nueva familia híbrida de distribuciones que incorpora un conjunto flexible de funciones híbridas, permitiendo la extensión de varias distribuciones existentes. Específicamente, presentamos un miembro especial de tres parámetros llamado distribución híbrida Weibull-exponencial (HWE). Derivamos varias propiedades matemáticas fundamentales de esta nueva familia, incluyendo momentos, procesos de generación de datos aleatorios, vida residual media (MRL) y su relación con la función de tasa de fallo, y su comportamiento asintótico relacionado. Además, calculamos medidas avanzadas de información, como la extropía y la entropía residual acumulativa, y derivamos estadísticas de orden junto con sus comportamientos asintóticos. La identificabilidad del modelo se demuestra numéricamente utilizando la divergencia de Kullback-Leibler. Adicionalmente, realizamos un análisis de fiabilidad de esfuerzo-resistencia (SS) de HWE bajo dos parámetros de escala comunes, respaldados por evaluaciones numéricas ilustrativas. Para la estimación de parámetros, adoptamos el método de estimación de máxima verosimilitud (MLE) tanto en la estimación de densidad como en los estudios de parámetros SS. Los resultados de la simulación indicaron que el MLE demuestra consistencia tanto en la densidad como en las estimaciones de parámetros SS, con el error cuadrático medio de los MLE disminuyendo a medida que aumenta el tamaño de la muestra. Además, la longitud promedio del intervalo de confianza para el percentil y el bootstrap t de Student para el parámetro SS se hace más pequeña con tamaños de muestra más grandes, y la probabilidad de cobertura se alinea progresivamente con el nivel de confianza nominal del 95%. Para demostrar la efectividad práctica de la familia híbrida, proporcionamos tres aplicaciones de datos del mundo real en las que la distribución HWE supera a muchos modelos existentes basados en Weibull, según los criterios AIC, BIC, CAIC, KS, Anderson-Darling y Cramer-von Mises. Además, el HLW exhibe un fuerte rendimiento en el análisis de parámetros SS. En consecuencia, esta familia híbrida tiene un inmenso potencial para modelar datos de vida útil y avanzar en el análisis de fiabilidad y supervivencia.