Modelar los tiempos de falla de procesadores y memorias en computadoras es crucial para garantizar la confiabilidad y robustez de los flujos de trabajo de ciencia de datos. Al comprender las características de falla de los componentes de hardware, los científicos de datos pueden desarrollar estrategias para mitigar el impacto de las fallas en sus cálculos y diseñar sistemas que sean más tolerantes a fallos y resilientes. En particular, la modelación de tiempos de falla permite a los científicos de datos predecir la probabilidad y frecuencia de fallas de hardware, lo que puede ayudar a informar decisiones sobre el diseño del sistema y la asignación de recursos. En este documento, nuestro objetivo fue modelar los tiempos de falla de procesadores y memorias de computadoras; esto se realizó formulando un nuevo tipo de modelo bivariado utilizando la función de cópula. La distribución exponencial extendida modificada es la vida útil sugerida de las unidades experimentales. Se demostró que el nuevo modelo bivariado tiene muchas propiedades importantes, que se presentan en este trabajo. Las estadísticas inferenciales para los parámetros de distribución se obtuvieron bajo el supuesto de un esquema de muestreo censurado de Tipo-II. Por lo tanto, se observaron la estimación puntual y por intervalos utilizando los métodos de máxima verosimilitud y de estimación bayesiana. Además, se calcularon intervalos de confianza bootstrap. Se realizó un análisis numérico a través del método de Monte Carlo de Cadena de Markov. Finalmente, se examinó un ejemplo de datos reales de tiempos de falla de procesadores y memorias y se observó la eficiencia de la nueva distribución bivariada para ajustar la muestra de datos comparándola con otros modelos bivariados.