00 Administración Del Mantenimiento II P-2017 (Unidad 01 Provisorio (17!08!2017)

ADMINISTRACIN DEL
MANTENIMIENTO II
Jorge Norambuena Sanzana

Ingeniero Civil Industrial
Talcahuano, Agosto de 2017

1
Breve Vita
1. Datos:
Jorge Andrs Norambuena Sanzana.
jorge.norambuena@inacapmail.cl
2. Ttulos Profesionales:
Ingeniero Civil Industrial, UBB.
Ingeniero de Ejecucin en Mecnica, UBB.
3. Posttulo:
Diplomado en Ingeniera del Mantenimiento, UTFSM.
4. Postgrado:
Maestra en Ingeniera mencin Sistemas de Calidad y
Productividad, ITESM.
Magster en Gestin de Activos y Mantenimiento, UTFSM.
5. Experiencia Acadmica:
22 aos de experiencia docente en INACAP.
17-08-2017
Malla Curricular
Primer Semestre Segundo Semestre Tercer Semestre Cuarto Semestre Quinto Semestre Sexto Semestre Sptimo Semestre Octavo Semestre
500 horas 586 horas 456 horas 439 horas 368 horas 421 horas 421 horas 456 horas
Sistemas de Diagnstico y Refrigeracin y

Tecnologa de Electricidad Matemticas Termodinmica
Control Mantenimiento Generacin de
Materiales I Aplicada Clculo I Financieras II
Industrial Electromecnico Vapor
MF0101-Lectiva MA0202-Prctica 870351-Lectiva AF0101-Lectiva MB0106-Lectiva
MA0205-Prctica MA0203-Prctica MB0205-Lectiva
53 horas 70 horas 70 horas 53 horas 53 horas
105 horas 70 horas 88 horas
Combustibles, Mquinas Diagnstico de

Hidrulica y lgebra Laboratorio de Mecnica de
Lubricantes y Trmicas e Sistemas Turbomquinas
Neumtica Vectorial Automatizacin Fluidos
Solventes Hidrulicas Hidrulicos MB0206-Lectiva
PM0133-Prctica 870352-Lectiva MA0207-Prctica MB0502-Lectiva
MF0201-Lectiva MB0203-Lectiva MB0202-Prctica 88 horas
88 horas 70 horas 70 horas 70 horas
Administracin
Procesos Mantenimiento Mecnica Anlisis de
Mquinas del Termodinmica I Elementos de
Mecnicos Industrial Esttica Vibraciones
Herramientas I Mantenimiento I MB0110-Lectiva Mquinas
MH0503-Prctica MH0201-Lectiva ME0210-Lectiva MF0205-Lectiva
PP0325-Prctica MH0203-Lectiva 70 horas MG0207-Lectiva
Prctica
Profesional
Computacin Tcnicas de Mantenimiento Ciencia de los Mecnica Planificacin Administracin del

Metrologa
Bsica Supervisin Predictivo I Materiales Dinmica Estratgica Mantenimiento II
PC0325- Prctica MH0207-Lectiva
ZC0201-Prctica MI0503-Lectiva MH0205-Prctica MF0501-Lectiva ME0211-Lectiva MI0501-Lectiva
70 horas 70 horas
53 horas-Optativa 53 horas 88 horas 88 horas 70 horas 70 horas
Ingeniero
Diseo Asistido Gestin y Mecnico en
Dibujo Tcnico Mantenimiento Tratamiento de Seminario de Mantenimient
Fsica Mecnica por Computador Control de
Industrial Mecnico Ingls II los Metales Ttulo o Industrial
ZF0201-Lectiva I Calidad
PD0112-Prctica MH0502-Prctica ZC0210-Lectiva MF0502-Lectiva MI0502-Lectiva
88 horas PD0122-Prctica PC0161-Lectiva
88 horas 88 horas 70 horas 70 horas 70 horas
70 horas 88 horas
Preparacin y
Prevencin de Resistencia de Administracin
Ingls I Evaluacin de
Riesgos Geometra Materiales de RRHH
ZC0209-Prctica Proyectos
ZC0204-Lectiva ZM0207-Lectiva PI0165-Lectiva ZC0205-Lectiva
70 horas ZC0208-Lectiva
70 horas
Tcnicas de
Matemtica I Comunicacin
MATB13-Lectiva Oral y Escrita
74 horas ZC0202-Lectiva
70 horas
17-08-2017
Programa de la Asignatura
1. Principios Estadsticos Aplicados al Mantenimiento

Industrial. (20 h).
2. El Servicio y la Externalizacin en Mantenimiento
Industrial. (10 h).
3. Benchmarking en el Mantenimiento Industrial. (12 h).
4. Mantenimiento Industrial Asistido por TICs. (20 h).
17-08-2017
Descripcin de la Asignatura
Descripcin.
Administracin del Mantenimiento II es una asignatura
lectiva del rea formativa de la especialidad industrial, que
entrega al estudiante los fundamentos necesarios para el
desarrollo de competencias, que permitan mejorar la
planificacin, organizacin y control del mantenimiento de los
activos, conforme a las necesidades de produccin de la
empresa.
Esta asignatura contribuye al logro de competencias
genricas:
1. Comunicar ideas de manera efectiva y eficaz a travs del
lenguaje oral y escrito.
2. Resolver problemas aplicando criterio y de forma efectiva.
3. Demostrar destrezas bsicas en el uso de herramientas
tecnolgicas.
17-08-2017
Competencias de la Asignatura
Al aprobar la asignatura, el alumno estar en

condiciones de desarrollar las siguientes competencias:
1. Desarrollar mejoras a la gestin del mantenimiento de
sistemas de mquinas, de acuerdo a las condiciones de
operacin, normativas vigentes, necesidades de
rendimiento y requerimientos de produccin.
2. Gestionar el plan de mantenimiento para mquinas,
equipos y lneas de produccin, de acuerdo a las
necesidades de la empresa y normas de prevencin de
riesgos.
3. Evaluar la gestin de mantenimiento en empresas del
sector industrial, a partir de las necesidades del medio y
de acuerdo a las legislaciones vigentes.
17-08-2017
Sistema de Evaluacin IMI814A-Seccin 150
Horario: Mircoles de 08:00 a 09:30 en Aula A219

Mircoles de 09:40 a 11:10 en Aula A219
T.1: 06-09-2017 : 10%

T.2: 13-09-2017 : 20%
C.1: 18-10-2017 : 25% 75%
T.3: 29-11-2017 : 20%
C.2: 06-12-2017 : 25%
Requisitos para eximirse

Nota Semestral 5,0 y
C.1, C.2, T.1, T.2 y T.3 4,0
Ex. F.: 13-12-2017 25%
17-08-2017
Sistema de Evaluacin IMI814B-Seccin 151

Viernes de 11:20 a 12:50 en Aula A303
T.1: 06-09-2017 : 10%

T.2: 13-09-2017 : 20%
C.1: 18-10-2017 : 25% 75%
T.3: 29-11-2017 : 20%
C.2: 06-12-2017 : 25%

C.1, C.2, T.1, T.2 y T.3 4,0
Ex. F.: 13-12-2017 25%
17-08-2017
Sistema de Evaluacin IMI814C-Seccin 155

Mircoles de 21:50 a 23:20 en Laboratorio L312
T.1: 13-09-2017 : 10%

T.2: 27-09-2017 : 20%
C.1: 04-10-2017 : 25% 75%
T.3: 22-11-2017 : 20%
C.2: 29-11-2017 : 25%

C.1, C.2, T.1, T.2 y T.3 4,0
Ex. F.: 06-12-2017 25%
17-08-2017
Sistema de Evaluacin IMI814D-Seccin 156
Horario: Lunes de 18:30 a 20:00 en Laboratorio L312

Martes de 18:30 a 20:00 en Aula A217
T.1: 26-09-2017 : 10%

T.2: 16-10-2017 : 20%
C.1: 24-10-2017 : 25% 75%
T.3: 04-12-2017 : 20%
C.2: 12-12-2017 : 25%

C.1, C.2, T.1, T.2 y T.3 4,0
Ex. F.: 18-12-2017 25%
10
17-08-2017
Asistencia
Inicio Clases: Semana del 07 de Agosto de 2017.

Trmino Clases: Sbado 23 de Diciembre de 2017.
Requisito de Asistencia.
Clases : 60 %.
Evaluaciones : 100%.
La asistencia a clase es administrada por el libro de

clases electrnico. En cada clase, el alumno deber
firmar la lista de registro de asistencia, la que
posteriormente ser cargada al sistema, a travs de un
sistema de escaneo y esta no podr ser modificada
posteriormente.
El alumno podr monitorear su situacin de asistencia, a
travs de la plataforma en su ambiente de aprendizaje.
11
17-08-2017
Bibliografa
Bibliografa Bsica.
Arata Adolfo; Manual de Gestin de Activos y
Mantenimiento, 1era Edicin, Editores RIL, 2005, Chile,
960pp, ISBN: 9562844331.
Rey Sacristn Francisco; Manual de Mantenimiento
Integral en la Empresa, 1era Edicin, Editorial Fundacin
Confemetal, 2001, Espaa, 462pp, ISBN: 8495428180.
Gonzlez Fernndez Francisco, Teora y Prctica del
Mantenimiento Industrial Avanzado, 2da Edicin, Editorial
Fundacin Confemetal, 2005, Espaa, 560 pp, ISBN:
8496169499.
12
17-08-2017
Bibliografa
Bibliografa Sugerida.
Arata Adolfo; Organizacin Liviana y Gestin
Participativa, 1era Edicin, Editores RIL, 2005, Chile, 382
pp, ISBN: 9562844137.
Boucly Franis; Gestin del Mantenimiento, Asociacin
Espaola de Normalizacin y Certificacin, 1998, Espaa,
310 pp, ISBN: 8481431605.
13
17-08-2017
Pginas Webs
http://latinamerica.infor.com/soluciones/eam/
http://sites.google.com/site/wwwrpascual/
http://www.allegro-systems.com/index.htm
http://www.contec.cl/Maintscape.html
http://www.mantenimientomundial.com
http://www.mincom.com/es/Home.aspx
http://www.sap.com/chile/index.epx
http:// www.solomantenimiento.com
14
17-08-2017
Pginas Webs
http://www.vitutor.com/estadistica.html
http://recursostic.educacion.es/secundaria/edad/1esomatemati
cas/1quincena12/1quincena12.pdf
http://www.educatina.com/matematicas/probabilidad-y-
estadistica
http://portales.mineduc.cl/usuarios/adultos/doc/GuiaN6Matema
ticaICiclodeEM.pdf
http://www.librosvivos.net/smtc/homeTC.asp?TemaClave=1051
http://www.aulafacil.com/cursos/t675/ciencia/estadisticas/est
adisticas
15
17-08-2017
Pginas Webs
Alpha Wolfram. (06 de Marzo de 2017). Motor del

conocimiento computacional . Obtenido de
http://www.wolframalpha.com/input/?i=integrate+%5Be
%5Ex%2Cx
Observatorio Tecnolgico del Gobierno de Espaa. (06 de
Marzo de 2017). Programacin en Excel. Obtenido de
http://recursostic.educacion.es/observatorio/web/ca/soft
ware/programacion/499-paloma-prieto-gonzalez
Ortiz Moiss. (06 de Marzo de 2017). Excel Total. Obtenido
de http://exceltotal.com
Pumarino Juan. (06 de Marzo de 2017). Generador Escala
de Notas . Obtenido de http://escaladenotas.cl/
16
17-08-2017
Descripcin PE Ing. Mec. en Mant. Ind.
La carrera comprende el rea formativa de especialidad

centrada en la elaboracin y ejecucin de planes de
mantenimiento industrial, diagnstico y reparacin; rea de
disciplinas bsicas; rea de gestin que incluye planificacin,
preparacin y evaluacin de proyectos y gestin de calidad; y
rea de formacin general que promueve valores y
competencias para el desarrollo integral, propios del sello del
alumno INACAP.
El programa de estudio tiene una orientacin prctica.
Comienza con la utilizacin de mquinas y herramientas para el
mecanizado de piezas y luego se enfoca en el estudio de los
sistemas mecnicos, electromecnicos, electrnicos de control,
oleohidrulicos y neumticos de mquinas y equipos
industriales. A partir del quinto semestre, se fortalecen las
ciencias bsicas y se profundiza en las ciencias de la ingeniera
necesarias para sustentar el rea de especialidad.
17
17-08-2017
Perfil de Egreso Ing. Mec. en Mant. Ind.
El egresado estar en condiciones de desarrollar las siguientes
competencias:
Resolver problemas tcnicos relacionados con el uso de mquinas y
equipos industriales, de acuerdo a las condiciones de operacin,
normativas vigentes, necesidades de rendimiento y requerimientos de
produccin
Desarrollar mejoras a sistemas de mquinas (oleohidrulicos, neumticos
y mecnicos), de acuerdo a las condiciones de operacin, normativas
vigentes, necesidades de rendimiento y requerimientos de produccin.
Gestionar el plan de mantenimiento para mquinas, equipos y lneas de
produccin, de acuerdo a las necesidades de la empresa y normas de
prevencin de riesgos.
Elaborar proyectos vinculados al mantenimiento en empresas del sector
industrial, a partir de las necesidades del medio y de acuerdo a las
legislaciones vigentes.
Evaluar proyectos vinculados al mantenimiento en empresas del sector
industrial a partir de las necesidades del medio y de acuerdo a las
legislaciones vigentes.
Comunicar de manera efectiva en el idioma ingls a nivel inicial.
18
17-08-2017
Campo Ocupacional Ing. Mec. en Mant. Ind.
Podr desempearse de manera independiente en tareas

de diagnstico, mantenimiento y reparacin de mquinas y
equipos industriales en empresas de procesos productivos,
industria manufacturera y en empresas relacionadas con el
sector industrial, como metalmecnicas, industrias qumicas,
de alimentos, de papel, importadoras y comercializadoras de
maquinaria industrial, accesorios, insumos y repuestos.
Otro importante campo ocupacional est constituido por
empresas con maquinaria industrial y procesos de sectores
productivos como la minera, construccin, transporte,
silvoagropecuario y empresas que proveen servicios de
mantenimiento, inspecciones predictivas o asesoras de
mantenimiento.
19
17-08-2017
Conductas de Entrada
20
17-08-2017
Reglas y Procedimientos de la Asignatura
Llegar puntual a clases (Tolerancia de 5 minutos incluidos los breaks
intermedios).
Mantener el celular en silencio.
Mantener limpio y ordenado el espacio de aprendizaje.
No rayar las mesas para resolver ejercicios o dibujar.
No ingerir alimentos y bebidas al interior de la sala de clases.
Leer correo institucional diariamente.
Esforzarse por cumplir con un alto estndar de calidad en todos los
compromisos acadmicos.
Practicar el respeto y el sentido comn en la relacin con todas las
personas que interacta.
Hacer un uso eficiente del tiempo.
Comunicar ideas de manera efectiva y eficaz a travs del lenguaje
oral y escrito.
Recuerda que el aula es la antesala al mundo del trabajo, una

oportunidad para crecer y ser mejores.
21
17-08-2017
Etapas del Proceso de Formacin Profesional
XITO
99% TRANSPIRACIN
1% INSPIRACIN
A. Einstein
22
17-08-2017
Cmo se Construye la Gestin del Conocimiento?
GENERAR
INNOVACIN VALOR
(Tecnologa)
INNOVACIN = TALENTO
INNOVACIN: TALENTO:
Poner en prctica alguna idea. Usar las capacidades para
Aplicar algo que no se est obtener resultados superiores
aplicando. en un entorno y organizacin
Alterar cosas introduciendo determinados.
novedades.
23
17-08-2017
Talento de los Profesionales
TALENTO = CAPACIDADES + COMPROMISO + ACCIN
GESTIONAR EL CONOCIMIENTO
CAPACIDADES
Alta Motivacin Puedo Llegar Antes
ACCIN COMPROMISO
Acto Quiero
Buenas Intenciones
24
17-08-2017
Unidad N1:
Principios Estadsticos Aplicados
al Mantenimiento Industrial
25
17-08-2017
Principios Estadsticos Aplicados al Mantenimiento Industrial
Aprendizajes Esperados:
1.1.- Usa herramientas estadsticas en la mejora del control
de la gestin del mantenimiento.
1.2.- Aplica modelos fsicos de confiabilidad, en la mejora de
la gestin del mantenimiento.
Criterios de Evaluacin:
1.1.1.- Relaciona las herramientas estadsticas con las
actividades de mantenimiento, en funcin del control de la
gestin del mantenimiento.
1.1.2.- Emplea las variables de clculo de las herramientas
estadsticas, en aplicaciones de gestin del mantenimiento.
1.1.3.- Resuelve problemas de modelos de confiabilidad, en
funcin de la mejora del control de gestin del
mantenimiento.
26
17-08-2017
Contenidos:
Principios estadsticos aplicados al mantenimiento:
Herramientas estadsticas:
Distribucin de Poisson.
Distribucin Gausiana.
Distribucin exponencial.
Distribucin de Weibull.
Determinacin de variables.
Problemas de aplicacin comunes relacionados con la
confiabilidad de sistemas.
Modelos fsicos de confiabilidad:
Covariados:
Modelos de fallas proporcionales.
Modelos de localizacin-escala.
27
17-08-2017
Contenidos:
Modelos fsicos de confiabilidad:
Covariados:
Modelos de fallas proporcionales.
Modelos de localizacin-escala.
Estticos:
Carga aleatoria y resistencia constante.
Carga constante y resistencia aleatoria.
Carga aleatoria y resistencia aleatoria.
Dinmicos:
Cargas peridicas.
Cargas aleatorias.
Modelos fsicos de fallas.
28
17-08-2017
Unidad N1:
Principios Estadsticos Aplicados
al Mantenimiento Industrial
29
17-08-2017
Estadstica
La ciencia de recoleccin y anlisis de datos para

sacar conclusiones y toma de decisiones por Tamhane, Ajit
C., y Dorothy Dunlop.
La estadstica no es ningn sustituto del juicio.
Henry Clay.
30
17-08-2017
Estadstica
La toma de decisiones relacionadas a un problema

probabilstico, tal como decidir cuando efectuar
mantenimiento preventivo en equipos sujetos a Break-Down
(averas, dejar de funcionar), requiere informacin acerca
de cuando el equipo llegar a un estado de falla. El ingeniero
nunca conoce exactamente cuando ocurrir la transicin de
bueno a fallado pero es posible obtener informacin
respecto de la probabilidad de esta transicin que ocurrir
en cualquier tiempo en particular.
31
17-08-2017
Qu es la Estadstica?
1. Recoleccin de datos, por Anlisis Por qu?

ejemplo: Revisiones. de Datos
2. Presentacin de datos, por
ejemplo: Tablas y grficos.
3. Caracterizacin de datos
por ejemplo: promedio,
desviacin estndar.
Toma de decisiones
32
17-08-2017
Conceptos Bsicos de Estadstica
Poblacin.
Es el conjunto sobre el que estamos interesados en
obtener conclusiones (Hacer inferencia).
Normalmente es demasiado grande para poder
abarcarlo.
Los conjuntos o unidades de inters pueden ser
finitos o infinitos. Por ejemplo todos los estudiantes de
INACAP.
33
17-08-2017
Conceptos Bsicos de Estadstica
Muestra.
Es un subconjunto de la poblacin al que se tiene acceso y
sobre el que realmente se hace las observaciones (mediciones).
Debera ser representativo de la poblacin y estar formado
por miembros seleccionados de la poblacin (individuos,
unidades experimentales).
Por ejemplo todos los estudiantes que cursan la asignatura
de Anlisis Estadstico de Datos, durante el semestre O-2017, en
INACAP Concepcin-Talcahuano.
Variable: Una propiedad o atributo de cada unidad. Por ejemplo:

edad, altura, promedio de notas, etc.
Un conjunto de datos a menudo es organizado como una

matriz con filas correspondiente a observaciones y columnas a la
variable.
34
17-08-2017
Mtodos Estadsticos
Mtodos
Estadsticos
Estadstica Inferencia
Descriptiva Estadstica
35
17-08-2017
Estadstica Descriptiva
36
17-08-2017
Estadstica Descriptiva
Permite presentar un gran conjunto de datos en forma

ms concisa y coherente que la recoleccin original, con el
objeto de facilitar su interpretacin para una mejor toma de
decisiones.
Los datos son hechos o nmeros de los cuales pueden
obtenerse conclusiones.
Los datos son la materia prima bsica de la
estadstica. El anlisis estadstico no puede partir hasta que
los datos hayan sido recolectados y organizados de manera
adecuada.
37
17-08-2017
Fuentes de Datos
Fuentes de
Datos
Primarias Secundarias
Publicacin
Experimentos Revisin Observacin
& On-Line
38
17-08-2017
Tipos de Datos
Datos
Numricos Categricos
(Cuantitativos) (Cualitativos)
Discretos Continuos
39
17-08-2017
Propiedades de los Datos Numricos y sus Medidas
Propiedades
Datos Numricos
Tendencia
Variacin Sesgo
Central
Media Rango Forma
Mediana Varianza
Moda Desviacin estndar
Cuartil Coeficiente de variacin
40
17-08-2017
Clasificacin de Datos Numricos
Datos
Numricos
Datos No Datos
Agrupados Agrupados
41
17-08-2017
Medidas Numricas para Datos
No Agrupados
42
17-08-2017
Medidas Numricas para Datos No Agrupados
Medidas de Tendencia Central.

Media o promedio aritmtico.
Mediana.
Moda.
Media o promedio ponderado.
Medidas de Dispersin.
Varianza poblacional.
Varianza muestral.
Desviacin estndar poblacional.
Desviacin estndar muestral.
Coeficiente de Variacin.
43
17-08-2017

Es la suma de los datos dividida entre n.
n
x i
X i 1
n
44
17-08-2017

Mediana.
Es el valor cuya frecuencia acumulada relativa es el
50% de los datos ordenados en forma creciente.
xn xn
~ 1
Si n es par, entonces Me X 2 2
~
Si n es impar, entonces Me X x n 1
2
45
17-08-2017

Moda.
La moda es el valor con mayor frecuencia, es decir el
valor que se repite el mayor nmero de veces.
Media o promedio ponderado.

Es una medida de tendencia central, que es apropiada
cuando en un conjunto de datos cada uno de ellos tiene una
importancia relativa (o peso) respecto de los dems datos.
n
x i wi
XP i 1
n
w
i 1
i
46
17-08-2017
Es el "casi promedio" de los cuadrados de las
desviaciones de los datos con respecto a la media muestral.
2
i
x 2
2
i1
-X
n
47
17-08-2017
Varianza muestral.
Es el "casi promedio" de los cuadrados de las
desviaciones de los datos con respecto a la media muestral,
salvo que el denominador est disminuido en una unidad.
2
n
S2
n -1
48
17-08-2017
2

S S2
49
17-08-2017
Es una medida de dispersin que describe la cantidad
de variabilidad en relacin con la media. Es un indicador
adimensional til para comparar la variacin de diferentes
poblaciones o la variabilidad de diferentes variables.
No debe usarse cuando la variable presenta valores
negativos.

CV
X
50
17-08-2017
Medidas Numricas para Datos
Agrupados
51
17-08-2017
Medidas Numricas para Datos Agrupados
Tabla de Distribucin de Frecuencias

Nmero de intervalos o clases.
Nmero de intervalos o clases normalizado.
Rango de los Datos.
Tamao del intervalo o clase.
Tamao del intervalo o clase normalizado.
Confeccin del intervalo de Clases.
Marca de clase.
Frecuencia Absoluta.
Frecuencia Absoluta Relativa.
Frecuencia Acumulada.
Frecuencia Acumulada Relativa.
52
17-08-2017

Mediana.
Moda.
Varianza muestral.
53
17-08-2017

Nmero de intervalos o clases.
N de Intervalos o Clases Cantidad de datos
Nmero de intervalos o clases normalizado.

Se debe normalizar a un nmero entero.
Rango de los Datos.

Rango de los datos Valor mximo - Valor mnimo
Tamao del intervalo o clase.
Rango
Tamao del intervalo o clase
N de intervalos o clases normalizad o
54
17-08-2017

Tamao del intervalo o clase normalizado.
Se debe aproximar el tamao de clase a el nmero
inmediatamente superior que posea la misma cantidad de
decimales que la base de datos analizada.
Confeccin del intervalo de Clases.

1er intervalo.
LI = Valor mnimo.
LS = LI + Tamao del intervalo o clase normalizado.
2do intervalo.
LI = Valor del LS del intervalo anterior.
LS = LI + Tamao del intervalo o clase normalizado.
55
17-08-2017

Marca de clase. (MCi)
Es el promedio del intervalo de clase.
Frecuencia Absoluta (fi)

Son las veces que se encuentran contenido los datos
dentro de los lmites del intervalo.
Frecuencia Absoluta Relativa (fi %)

porcentualmente dentro de los lmites del intervalo.
56
17-08-2017

Frecuencia Acumulada. (Fi)
dentro de los lmites del intervalo incluyendo los intervalos
anteriores.
Frecuencia Acumulada Relativa. (Fi %)

porcentualmente dentro de los lmites del intervalo,
incluyendo los intervalos anteriores.
57
17-08-2017
N LI LS MCi fi fi (%) Fi Fi (%) MCi*fi MCi2*fi
Total Total
58
17-08-2017

k
MCi fi
i1
X
n
Mediana.
n CMe -1 n
~ 2 - fi TCN 2 CMe -1 TCN
- F
Me X LICMe i 1 LICMe
fCMe fCMe
59
17-08-2017

Moda.
1 fCMo - fCMo -1
Mo LICMo TCN LICMo TCN
1 2 2 fCMo - fCMo -1 - fCMo 1
1 fCMo - fCMo -1
2 fCMo - fCMo 1
60
17-08-2017
k
i fi
MC 2
2
2 i1
-X
n
Varianza muestral. n 2
S2
n -1
2
S S2
61
17-08-2017
Es una medida de dispersin que describe la cantidad
de variabilidad en relacin con la media. Es un indicador
adimensional til para comparar la variacin de diferentes
poblaciones o la variabilidad de diferentes variables.
No debe usarse cuando la variable presenta valores
negativos.

CV
X
62
17-08-2017
1.- Las siguientes mediciones en minutos muestran el

tiempo que se demora en realizar la intervencin predictiva
a un equipo de una lnea productiva, en una muestra de
tamao n:
15 15 15 15 16 17 18 18 18 18
18 18 19 19 19 19 19 20 20 20
20 20 20 20 20 20 21 21 21 21
21 21 21 21 21 21 22 22 22 22
22 22 22 22 23 23 23 23 24 25
63
17-08-2017
Se pide calcular:
1) Medidas Numricas para Datos No Agrupados.
a) Medidas de Tendencia Central.
Mediana.
Moda.
b) Medidas de Dispersin.
Varianza muestral.
64
17-08-2017
Se pide calcular:
2) Medidas Numricas para Datos Agrupados.
a) Tabla de Frecuencias.
b) Medidas de Tendencia Central.
Mediana.
Moda.
c) Medidas de Dispersin.
Varianza muestral.
65
17-08-2017
2.- Las siguientes mediciones en minutos muestra el tiempo

que se demora en realizar la intervencin preventiva a un
equipo de una lnea productiva, de una muestra de tamao
n:
173 162 174 124 173 94 163 93 172 73 159 100 157 113
84 120 139 135 147 126 142 90 125 199 72 104 195 160
99 132 90 99 104 125 161 127 119 89 115 155 127 167
170 141 184 144 108 173 148 146 195 195 129 123 130 189
66
17-08-2017
Se pide calcular:
Mediana.
Moda.
Varianza muestral.
67
17-08-2017
Se pide calcular:
Mediana.
Moda.
Varianza muestral.
68
17-08-2017
3.- Considere las siguientes mediciones de vibraciones en

una turbina, de una muestra de n velocidades RMS en mm/s:
4,30 4,41 4,62 5,01 4,71 4,61 4,95 4,52 4,28 4,34
4,50 4,23 4,86 4,63 5,02 4,25 4,59 4,40 4,79 4,83
4,88 4,96 4,55 4,63 4,75 4,83 4,85 4,56 4,51 4,67
69
17-08-2017
Se pide calcular:
Mediana.
Moda.
Varianza muestral.
70
17-08-2017
Se pide calcular:
Mediana.
Moda.
Varianza muestral.
71
17-08-2017
Inferencia Estadstica
72
17-08-2017
Contenido
Estimacin.
Prueba de Hiptesis.
Objetivo.
Toma de decisiones sobre caractersticas poblacionales.
Poblacin?
73
17-08-2017
Conceptos de Inferencia Estadstica
Poblacin: Son todas las unidades de inters (finita o

infinita). Por ejemplo todos los estudiantes de INACAP.
Muestra: Subconjunto de la poblacin actualmente
observada. Por ejemplo todos los estudiantes que cursan la
asignatura de Administracin del Mantenimiento II,
durante el semestre P-2017, en INACAP Concepcin-
Talcahuano.
Variable: Una propiedad o atributo de cada unidad. Por
ejemplo: edad, altura, promedio de notas, etc.
Un conjunto de datos a menudo es organizado como

una matriz con filas correspondiente a observaciones y
columnas a la variable.
74
17-08-2017
Conceptos de Inferencia Estadstica
Observacin: Valores de todas las variables para una

unidad individual.
Poblacin: Son todas las unidades de inters (finita o
infinita). Por ejemplo todos los estudiantes de INACAP.
Parmetro: Es la caracterstica numrica de la poblacin,
definida para cada variable.
Estadstica: Funcin numrica de la muestra usada para
estimar el parmetro poblacional.
Precisin: Extensin de estimacin de un parmetro.
Exactitud: Estimacin igual al valor real.
Tendencia: Desviacin sistemtica de la estimacin del
valor real.
75
17-08-2017
Dificultades
Incertidumbre.
Efectos de cambios en el comportamiento.
Escasez de datos.
76
17-08-2017
Porqu se debe Recolectar Datos?
Se obtiene la entrada a un estudio de investigacin.

Permite interpretar las mediciones efectuadas.
Permite formular diversas alternativas de decisin.
Satisfacer la curiosidad. Adquirir conocimiento de
fenmenos de los cuales se posee muy poca o nula
informacin.
77
17-08-2017
Porqu se debe Muestrear?
Destruccin de unidades de prueba. Control de Calidad.

Resultados exactos y confiables.
Motivos pragmticos.
Tiempo.
Costo.
78
17-08-2017
Tipo de Muestra
Tipo de
Muestra
No Probabilstica Probabilstica
Aleatorio Clster
Sistemtico Estratificado
Simple Grupo
Chunk
Juicio Cuota
Pedazo
79
17-08-2017
Muestra No Probabilstica
Juicio.
Uso de experiencia para seleccionar muestra, por
ejemplo: Mercados de prueba.
Cuota.
Similar a la prueba estratificada, excepto que no presenta
muestreo aleatorio.
Chunk (Conveniencia).
Uso de elementos disponibles.
80
17-08-2017
Muestra Probabilstica
Muestra Aleatoria Simple.

Cada elemento poblacional tiene la misma posibilidad de
ser seleccionado.
La seleccin de un elemento no afecta la seleccin de otros.
Puede usar una tabla de nmeros aleatorios, lotera, dados,
cartas, etc.
81
17-08-2017
Muestra Estratificada.
Divide la poblacin en subgrupos:
Mutuamente exclusivo.
Exhaustivo.
Al menos una caracterstica comn
de inters.
Selecciona muestras aleatorias
simples de subgrupos.
82
17-08-2017
Muestra Cluster.
Divide la poblacin en subgrupos:
Mutuamente exclusivo.
Exhaustivo.
Al menos una caracterstica comn
de inters.
Divide la poblacin en Clster.
Si los Gerentes son elementos,
entonces las compaas son los
Clster.
Al azar se selecciona los Clster.
Contemple todos o una muestra
arbitraria de elementos del Clster.
83
17-08-2017
84
17-08-2017
Objetivo de las Herramientas Estadsticas
Reducir costo global de mantenimiento.

Controlar y mejorar la confiabilidad y disponibilidad.
Definir planes y programas:
Preventivos.
Predictivos.
Reemplazar de equipos.
Agrupar intervenciones.
Overhaul.
Indicadores.
85
17-08-2017
Tipos de Intervenciones
Tipo:
Correctivas.
Preventivas:
M.P. Sistemtico.
Centrado en la condicin.
Calidad
Perfectas.
Como nuevo.
Mnimas.
Como antes.
Imperfectas.
86
17-08-2017
Distribuciones de Probabilidades
Eventos discretos.
(nmero de fallas..)
Eventos continuos
cantidades fsicas
masa, temperatura,..
87
17-08-2017
Distribuciones de Probabilidades
1 parmetro.
Poisson.
Exponencial.
2 parmetros.
Normal.
3 parmetros
Weibull.
mas
Bi-Weibull
88
17-08-2017
Distribucin de Poisson
89
17-08-2017
La distribucin Poisson se usa para modelar el

nmero de ocurrencias de un evento que denominaremos
xito en un intervalo especfico de tiempo o de espacio.
Por ejemplo, la distribucin Poisson podra utilizarse para
modelar, componentes o sistemas no reparables (aquellos
que al fallar se eliminan), componentes o sistemas
reparables (componentes, cuando al fallar se reparan y
vuelven a funcionar), el nmero de imperfecciones por 100
m en un cable de acero, el nmero de defectos por 5 m2 de
lmina, el nmero de partculas de plomo por m3 de aire,
etc.
90
17-08-2017
Describe
nmero de eventos aleatorios.
Parmetro
promedio de eventos/intervalo de tiempo ().
La probabilidad de que k eventos ocurran en el

intervalo T, se calcula de la siguiente forma:

t
T
91
17-08-2017
Probabilidad Acumulada
k
j
P ( x k ) e
j0
-

j!
En excel, la distribucin de Poisson se encuentra

incorporada de la siguiente forma:
POISSON.DIST (x; media; acumulado)
92
17-08-2017
Ejemplo N1 de Distribucin de Poisson
1.- Suponer que el nmero de imperfecciones en una lmina
de acero tiene una distribucin Poisson con un promedio de
5 imperfecciones por 7 m2. Calcular la probabilidad de que
en 7 m2 haya:
a) 3 imperfecciones.
b) ms de 5 imperfecciones.
c) menos de 6 imperfecciones.
d) por lo menos 4 y a lo mucho 8 imperfecciones.
e) calcular la probabilidad de que en 21 m2 haya 10
imperfecciones.
93
17-08-2017
2.- Se sabe que el nmero de quejas por semana que llegan
al call center de una empresa de servicios de
mantenimiento, que trabaja todos los das es una variable
aleatoria que se ajusta bien a la distribucin Poisson. En
promedio se recibe 1 queja semanal. Si se mide el nmero
de quejas mensuales, suponiendo que un mes posee 4
semanas. Se pide:
a) Cul es la probabilidad de que el prximo mes ocurran
una cantidad igual a 0, 1, 2, 3, 4 y 5 quejas.
b) Cul es la probabilidad de que el prximo mes ocurran
mas de 4 quejas.
94
17-08-2017
3.- Una empresa electrnica observa que el nmero de

componentes que fallan antes de cumplir 100 horas de
funcionamiento es una variable aleatoria de Poisson. Si el
nmero promedio de estos fallos es ocho. Se pide:
a) cul es la probabilidad de que falle un componente en
25 horas?
b) y de que fallen no ms de dos componentes en 50
horas?
c) cul es la probabilidad de que fallen por lo menos diez
en 125 horas?.
95
17-08-2017
a) cul es la probabilidad de que falle un componente en

25 horas?
a) y de que fallen no ms de dos componentes en 50

horas?
b) cul es la probabilidad de que fallen por lo menos diez

en 125 horas?.
96
17-08-2017
4.- Se sabe que una fuente radiactiva emite partculas alfa a

un ritmo de 1,5 partculas por minuto. Si se mide el nmero
de partculas alfa emitidas en dos minutos. Se pide:
a) Cual es el resultado promedio esperado?.
b) Cual es la probabilidad de observar 0, 1, 2, 3 y 4
partculas en un perodo de dos minutos?.
c) Cul es la probabilidad de que en dos minutos se
observen una cantidad igual o superior a 5 partculas?.
d) Cul es la probabilidad de que en dos minutos se
observen una cantidad superior a 3 partculas y a lo ms
5 partculas?.
e) La grfica de la probabilidad de los sucesos esperados.
97
17-08-2017
l = 1,5 partculas/minuto
T = 2 minutos
= 3 partculas/minuto
Sucesos Observados Probabilidad Sucesos Observados Probabilidad

x P(x) x P(x)
0 5,0% 0 5,0%
1 14,9% 1 14,9%
2 22,4% 2 22,4%
3 22,4% 3 22,4%
4 16,8% 4 16,8%
81,5% 5 10,1%
6 5,0%
p >= 5 18,5% 7 2,2%
8 0,8%
25,0% 9 0,3%
20,0%
15,0%
Series1
10,0%
5,0%
98
0,0% 17-08-2017
0 2 4 6 8 10 12
Distribucin Exponencial
99
17-08-2017
Esta distribucin se aplica para modelar el tiempo

transcurrido entre la ocurrencia de dos xitos
consecutivos; estos xitos pueden ser: llegadas de clientes
a un negocio, llegadas de piezas de produccin a una
estacin de trabajo, fallas consecutivas de una mquina.
En general, esta distribucin se utiliza en la modelacin de
sistemas de lneas de espera y en la teora de
confiabilidad.
100
17-08-2017
= tasa de fallas por unidad de tiempo.

1/ = tiempo medio entre fallas (MTBF). Para una
poblacin exponencial.
101
17-08-2017
-l t
f (t) le para t 0
1 1 2 1
E( t ) MTBF (t) 2
l l l
-l t
R(t)e
t0
F ( t ) P ( t t0 )
0
f ( t ) dt 1 - e- l t
102
17-08-2017
f(t) l(t)
t t
103
17-08-2017
Ejemplo N1 de Distribucin Exponencial
1.- El tiempo en horas que transcurre entre dos fallas

consecutivas de una mquina es una variable aleatoria que
sigue una distribucin exponencial con un MTBF de 1.000 h.
Calcular la probabilidad de que el tiempo que transcurre
para que la mquina falle sea:
a) menos de 100 h.
b) ms de 1.000 h.
c) entre 800 y 1.000 h.
d) la varianza y desviacin estndar del tiempo entre fallas
consecutivas.
e) Obtener el tiempo que acumula una probabilidad de falla
igual 0,90.
104
17-08-2017
2.- El tiempo (en aos) que funciona bien un aparato

elctrico hasta que falla sigue una distribucin exponencial
con media de 5 aos.
a) Calcular el MTBF.
b) Calcular la probabilidad de que el aparato cumpla con
una misin de al menos de 2 aos.
c) Calcular la confiabilidad operacional para un perodo de
4 aos.
d) El fabricante desea ofrecer un tiempo de garanta w tal
que si el aparato falla antes de w entonces se repone
gratis por un aparato nuevo. Cual es la garanta que
debe ofrecer el fabricante tal que se aplique en el 10%
de los aparatos.
105
17-08-2017
3.- Se sabe que el kilometraje, en miles de kilmetros, que

un autobs recorre antes de que se someta a una
reparacin del motor sigue una distribucin exponencial con
media de 80.
a) Si se tiene una flota de 300 autobuses, cuntos se
esperara que se sometieran a reparacin antes de los
60.000 km?.
b) Cul es la probabilidad de que un autobs recorra ms
de 100.000 km antes de someter el motor a reparacin?
c) Cul es la confiabilidad operacional para un perodo de
50.000 km recorridos?.
106
17-08-2017
4.- Los administradores de cierta industria han notado que

su producto tiene un tiempo de duracin que puede
considerarse una variable aleatoria con distribucin
exponencial con una vida media de 5 aos.
a) cul es la probabilidad de que al elegir un artculo de
dicha produccin dure ms de 10 aos?.
b) si el tiempo de garanta asignado por los
administradores es de 1 ao, qu porcentaje de sus
productos tendr que reparar la industria durante el
periodo de garanta?.
107
17-08-2017
5.- Si la tasa de falla: 1/10000 fallas/ut. Cul es la

probabilidad de que falle entre las 200 y 300 ut?
x0
F ( x ) P ( x x0 ) 0
f ( x ) dx 1 - e- l x
-
1
300 -
1
200
F ( 200 x 300) 1 - e 10.000 - 1 - e

10.000

F ( 200 x 300) 9,753x10-3 1 %
108
17-08-2017
Distribucin Normal o
Gaussiana
109
17-08-2017
Distribucin Normal o Gaussiana
La distribucin normal se aplica para modelar errores

en las mediciones, entre otras muchas aplicaciones. La
distribucin normal tambin es fundamental en el desarrollo
de la estadstica matemtica, de tal manera que es la base
para disear muchas pruebas de hiptesis y estimacin de
parmetros poblacionales. Por supuesto que la distribucin
normal no escapa a las aplicaciones de la estadstica en la
industria.
110
17-08-2017
Distribucin Gaussiana
Funcin de Densidad de Probabilidad.

t- 2
1
2 2
f(t) e
2
media
desviacin estndar
2 varianza
111
17-08-2017
2
1 t-

2
e
l(t) 2
1 t-

2
e
dt
t
t
R ( t ) 1 - f (t) dt MTBF
0
112
17-08-2017
Probabilidad Acumulada
x0
F ( x ) P ( x x0 )
-
f ( x ) dx
En excel, la distribucin gaussiana se encuentra

incorporada de la siguiente forma:
DIST.NORM.N (x; media; desviacin estndar; acumulado)
113
17-08-2017
La distribucin gaussiana, se evala empleando un

cambio de variable.
z
x-

114
17-08-2017
Ejemplo N1 de Distribucin Normal
1.- Suponga que las duraciones de cierta pieza empleada en

automviles estn normalmente distribuidas N( , 2), con
un promedio de duracin de tres aos, y una desviacin
estndar de medio ao. Encuentre la probabilidad de que
una pieza determinada, tenga un tiempo de duracin de ms
de 3,5 aos. Respuesta: 15,87%.
115
17-08-2017
2.- La duracin de cierto tipo de rodamientos es una

variable aleatoria con una distribucin Normal N(, 2), con
media = 6.000 h y varianza = 1.000 h2. Encuentre la
probabilidad que un rodamiento elegida al azar dure entre
5.900 y 6.050 horas.
116
17-08-2017
3.- En un proceso industrial, el dimetro de una arandela es

muy importante. El comprador establece en sus
especificaciones que el dimetro debe ser de 3,00,01 mm.
La condicin es que no acepta ninguna arandela que se
salga de estas especificaciones. Se sabe que en el proceso
el dimetro de las arandelas tienen distribucin normal
N ( , 2), con media de 3,0 mm y una desviacin estndar
de 0,005 mm. Qu porcentaje de arandelas ser
rechazado?. Respuesta: 4,56%.
117
17-08-2017
4.- La duracin de cierto tipo de sellos es una variable

aleatoria, que sigue el comportamiento de una distribucin
normal N( , 2), con = 999,75 h y varianza = 169 h2.
a) Calcular la probabilidad que un sello elegido al azar dure
entre 986 y 1.019 h.
b) Hasta cuanto tiempo puede operar el sello, para
asegurar una confiabilidad operacional del 87,90%.
118
17-08-2017
5.- Se sabe que el peso en kg de carga de un camin,

es una variable aleatoria con distribucin normal, con
media de 3.000 kg y una desviacin estndar 500 kg.
Calcular la probabilidad de que la carga del camin sea:
a) menor a 2.500 kg.
b) mayor a 3.600 kg.
c) entre 2.600 y 4.000 kg.
Se pide adems, obtener el peso que acumula el
88,1% de los valores.
119
17-08-2017
6. Suponer que la velocidad de los autos en una

autopista se ajusta a una distribucin normal con media
94,5 km/h y una desviacin estndar de 7,5 km/h.
a) Obtener la probabilidad de que un auto viaje entre 90 y
100 km/h.
b) Si la polica desea multar por exceso de velocidad al 5%
de los autos, cual es la velocidad lmite que debe
establecer.
120
17-08-2017
7.- Se observo que los gastos semanales de una empresa

por concepto de mantenimiento y reparaciones, durante un
largo perodo, se aproximan a una distribucin normal con
una media de 400 MUSD y una desviacin estndar de 20
MUSD. Si se destina un presupuesto de 450 MUSD para la
siguiente semana.
a) Cual es la probabilidad de que los costos reales rebasen
el presupuesto?. Respuesta: 0,621%.
b) Que presupuesto debe destinarse a reparaciones y
mantenimiento semanales con el fin de que la
probabilidad de rebasar el presupuesto de cierta semana
sea de solo el 10%?. Respuesta: 426 dlares.
c) Cual es la probabilidad de que los costos reales flucten
entre los 390 y 420 MUSD?. Respuesta: 53,28%.
121
17-08-2017
8.- Una empresa fabrica juntas para una refinera. Las juntas se han
diseado para sellar conexiones y piezas en el sistema de transporte de
combustibles con el objeto de impedir fugas. Un tipo de juntas ha de tener
5 centmetros de dimetro para que encaje como es debido; no puede
variar arriba o abajo en ms de 0,25 cm sin provocar una fuga peligrosa. La
empresa afirma que esta junta tiene 5 cm de media con una desviacin
tpica de 0,17 cm. Si estas cifras son correctas y se supone una distribucin
normal N( , 2), de los dimetros, los funcionarios de la refinera desean
determinar:
a) La proporcin de juntas que se adaptarn correctamente. Respuesta:
85,84%.
b) La proporcin de juntas que son defectuosas. Respuesta: 14,16%.
c) La probabilidad de que cualquier junta tenga un dimetro superior a 5,3
cm. Respuesta: 3,92%.
d) La probabilidad de que una junta tenga un dimetro comprendido entre
4,9 y 5,2 cm. Respuesta: 60,19%.
e) La probabilidad de que una junta elegida al azar tenga un dimetro
entre 5,3 y 5,5 cm. Respuesta: 3,76%.
122
17-08-2017
Decisin:
Que modelo de resistencia comprar?
Criterio:
Duracin de una resistencia.
P([420, 720])>= 95%.
Proveedor propone modelo:

Media
600 horas
desviacin estndar
120 horas
Recomienda el modelo?.
123
17-08-2017
Solucin:
z
x-
600 horas
120 horas z1
720 - 600
1
120
P ( 420 x 720) ?
z2
420 - 600
- 1,5
P ( - 1,5 z 1) ? 120
P ( - 1,5 z 1) 0,84134 - 0,06681

P ( - 1,5 z 1) 0,77453 77,453%
124
17-08-2017
Distribucin de Weibull
125
17-08-2017
Distribucin Weibull
La distribucin Weibull fue inventada en 1937 por

Waloddi Weibull mientras comparaba las razones de
mortalidad de diferentes grupos poblacionales.
126
17-08-2017
Por qu es importante la distribucin Weibull?
Es una de las ms ampliamente utilizadas.

Es altamente flexible.
Se ajusta a la mayora de aplicaciones del mundo real.
La distribucin Weibull representa la vida de

componentes y partes, mientras que la distribucin
Exponencial representa la vida de ensambles y sistemas.
Componentes mecnicos: rodamientos, motores,
estructuras simples, fatiga.
Fallas donde factores qumicos son los mecanismos
predominantes (corrosin).
127
17-08-2017
Distribucin Weibull de 3 Parmetros
-1 t -
t - -

f(t) e
: Parmetro de escala o caracterstica de vida.
-1 : Parmetro de forma.
t - : Parmetro de Localizacin.
l(t) t : tiempo.
f(t) : Funcin de densidad de falla.

l(t) : Tasa de falla.
R(t) : Funcin de Confiabili dad.
t - 1
-

MTBF
R(t)e
128
17-08-2017
Distribucin Weibull de 2 Parmetros (=0)
-1 t
t -

f(t) e

-1
t
l(t)

t 1
-
R(t)e MTBF

129
17-08-2017
Distribucin Weibull de 3 Parmetros
f (t) = 0,5 (t) =3
=3
=1
=1
=0,5
t t
: Parmetro de escala o caracterstica de vida.
: Parmetro de forma.
: Parmetro de Localizacin.
t : tiempo.
f(t) : Funcin de densidad de falla.
l(t) : Tasa de falla.
R(t) : Funcin de Confiabili dad.
130
17-08-2017
Distribucin Weibull
El parmetro de forma ().
131
17-08-2017
Anlisis de Weibull
La Caracterstica de Vida ().

Para fallas aleatorias con tasa de falla constante el
63,2% de los componentes habrn fallado al alcanzar el
MTTF. Este punto es conocido como Vida Caracterstica ().
132
17-08-2017
Anlisis de Weibull
Si se conoce:
= el parmetro de escala o caracterstica de vida y
= el parmetro de forma de la curva.
Se puede predecir el comportamiento del componente

en cualquier momento en el futuro.
Las curvas de falla puede ser determinadas a partir
de:
Informacin de Ensayos.
Historia.
Juicio de Ingeniera (experiencia).
133
17-08-2017
Distribucin de Weibull
134
17-08-2017
135
17-08-2017
Ejemplo N1 de Distribucin de Weibull
1.- El procesamiento del histrico de mantenimiento de un

equipo crtico, ha establecido que sigue una distribucin de
weibull de tres parmetros, los que se detallan en la
siguiente tabla:

350 1,5 50
a) Completar tabla adjunta, empleando las frmulas

conceptuales.
b) Calcular el MTBF.
c) Graficar f(t) vs t.
d) Graficar F(t) vs t.
e) Graficar R(t) vs t.
f) Graficar l(t) vs t.
136
17-08-2017
N t (h) f(t) R(t) F(t) l(t)
1 75
2 100
3 125
4 150
5 175
6 200
7 225
8 250
9 275
10 300
11 325
12 350
13 375
14 400
15 425
137
17-08-2017
1 75 1,12E-03 0,98109 0,01891 0,00115
2 100 1,53E-03 0,94744 0,05256 0,00162
3 125 1,80E-03 0,90557 0,09443 0,00198
4 150 1,97E-03 0,85837 0,14163 0,00229
5 175 2,07E-03 0,80781 0,19219 0,00256
6 200 2,12E-03 0,75536 0,24464 0,00281
7 225 2,13E-03 0,70219 0,29781 0,00303
8 250 2,10E-03 0,64924 0,35076 0,00324
9 275 2,05E-03 0,59724 0,40276 0,00344
10 300 1,98E-03 0,54679 0,45321 0,00362
11 325 1,89E-03 0,49835 0,50165 0,00380
12 350 1,79E-03 0,45223 0,54777 0,00397
13 375 1,69E-03 0,40869 0,59131 0,00413
14 400 1,58E-03 0,36788 0,63212 0,00429
15 425 1,46E-03 0,32988 0,67012 0,00444
16 450 1,35E-03 0,29471 0,70529 0,00458
17 475 1,24E-03 0,26235 0,73765 0,00472
18 500 1,13E-03 0,23273 0,76727 0,00486
19 525 1,03E-03 0,20576 0,79424 0,00499
20 550 9,29E-04 0,18132 0,81868 0,00512
138
17-08-2017
2.- El procesamiento del histrico de mantenimiento de un

equipo crtico, ha establecido que sigue una distribucin de
weibull de tres parmetros, los que se detallan en la
siguiente tabla:

300 2 75
a) Completar tabla adjunta, empleando las frmulas

conceptuales.
b) Calcular el MTBF.
c) Graficar f(t) vs t.
d) Graficar F(t) vs t.
e) Graficar R(t) vs t.
f) Graficar l(t) vs t.
139
17-08-2017
1 75
2 100
3 125
4 150
5 175
6 200
7 225
8 250
9 275
10 300
11 325
12 350
13 375
14 400
15 425
140
17-08-2017
1 75 0,00E+00 1,00000 0,00000 0,00000
2 100 5,52E-04 0,99308 0,00692 0,00056
3 125 1,08E-03 0,97260 0,02740 0,00111
4 150 1,57E-03 0,93941 0,06059 0,00167
5 175 1,99E-03 0,89484 0,10516 0,00222
6 200 2,34E-03 0,84062 0,15938 0,00278
7 225 2,60E-03 0,77880 0,22120 0,00333
8 250 2,77E-03 0,71157 0,28843 0,00389
9 275 2,85E-03 0,64118 0,35882 0,00444
10 300 2,85E-03 0,56978 0,43022 0,00500
11 325 2,77E-03 0,49935 0,50065 0,00556
12 350 2,64E-03 0,43159 0,56841 0,00611
13 375 2,45E-03 0,36788 0,63212 0,00667
14 400 2,23E-03 0,30925 0,69075 0,00722
15 425 1,99E-03 0,25638 0,74362 0,00778
141
17-08-2017

00 Administración Del Mantenimiento II P-2017 (Unidad 01 Provisorio (17!08!2017)

Enviado por

Dados do documento

Descrição original:

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

00 Administración Del Mantenimiento II P-2017 (Unidad 01 Provisorio (17!08!2017)

Enviado por

Direitos autorais:

Formatos disponíveis

ADMINISTRACIN DEL

Jorge Norambuena Sanzana

Talcahuano, Agosto de 2017

Sistemas de Diagnstico y Refrigeracin y

Combustibles, Mquinas Diagnstico de

Computacin Tcnicas de Mantenimiento Ciencia de los Mecnica Planificacin Administracin del

1. Principios Estadsticos Aplicados al Mantenimiento

Al aprobar la asignatura, el alumno estar en

Horario: Mircoles de 08:00 a 09:30 en Aula A219

T.1: 06-09-2017 : 10%

Requisitos para eximirse

Ex. F.: 13-12-2017 25%

Horario: Mircoles de 11:20 a 12:50 en Aula A219

T.1: 06-09-2017 : 10%

Requisitos para eximirse

Ex. F.: 13-12-2017 25%

Horario: Mircoles de 20:15 a 21:45 en Aula A217

T.1: 13-09-2017 : 10%

Requisitos para eximirse

Ex. F.: 06-12-2017 25%

Horario: Lunes de 18:30 a 20:00 en Laboratorio L312

T.1: 26-09-2017 : 10%

Requisitos para eximirse

Ex. F.: 18-12-2017 25%

Inicio Clases: Semana del 07 de Agosto de 2017.

La asistencia a clase es administrada por el libro de

Alpha Wolfram. (06 de Marzo de 2017). Motor del

La carrera comprende el rea formativa de especialidad

Podr desempearse de manera independiente en tareas

Recuerda que el aula es la antesala al mundo del trabajo, una

La ciencia de recoleccin y anlisis de datos para

La toma de decisiones relacionadas a un problema

1. Recoleccin de datos, por Anlisis Por qu?

Variable: Una propiedad o atributo de cada unidad. Por ejemplo:

Un conjunto de datos a menudo es organizado como una

Permite presentar un gran conjunto de datos en forma

Media Rango Forma

Moda Desviacin estndar

Cuartil Coeficiente de variacin

Medidas de Tendencia Central.

Medidas de Tendencia Central.

Medidas de Tendencia Central.

Medidas de Tendencia Central.

Media o promedio ponderado.

Tabla de Distribucin de Frecuencias

Medidas de Tendencia Central.

Tabla de Distribucin de Frecuencias

N de Intervalos o Clases Cantidad de datos

Nmero de intervalos o clases normalizado.

Rango de los Datos.

Tabla de Distribucin de Frecuencias

Confeccin del intervalo de Clases.

Tabla de Distribucin de Frecuencias

Frecuencia Absoluta (fi)

Frecuencia Absoluta Relativa (fi %)

Tabla de Distribucin de Frecuencias

Frecuencia Acumulada Relativa. (Fi %)

N LI LS MCi fi fi (%) Fi Fi (%) MCi*fi MCi2*fi

Medidas de Tendencia Central.

Medidas de Tendencia Central.

Desviacin estndar poblacional.

1.- Las siguientes mediciones en minutos muestran el

2.- Las siguientes mediciones en minutos muestra el tiempo

N LI LS MCi fi fi (%) Fi Fi (%) MCifi MCi2fi