Fall Osc

UNIVERSIDAD PONTIFICIA
COMILLAS
ESCUELA TCNICA SUPERIOR DE
INGENIERA (ICAI)
ndice
CAPTULO 1: Introduccin ...................................................................................................... 3
1.1 Motivacin del proyecto ............................................................................................... 3
1.2 Objetivos del proyecto .................................................................................................. 3
1.3 Metodologa propuesta ................................................................................................ 4
1.4 Recursos/ Herramientas empleadas ............................................................................. 6
CAPTULO 2: La fiabilidad y el mantenimiento aplicado a los aerogeneradores ................... 7
2.1 Principios de funcionamiento de un aerogenerador .................................................... 7
2.2 Concepto de mantenimiento ........................................................................................ 9
2.2.1 Acciones de mantenimiento............................................................................... 10
2.3 Introduccin a los modelos de fiabilidad .................................................................... 12
2.3.1 Conceptos bsicos de estadstica y fiabilidad .................................................... 12
2.3.2 Distribucin exponencial .................................................................................... 18
2.3.3 Distribucin de Weibull ...................................................................................... 19
2.4 Aplicacin de los conceptos estadsticos al modelo de mantenimiento propuesto .. 21
2.5 Diferentes enfoques de la gestin del mantenimiento a lo largo de la historia ........ 22
CAPTULO 3: Estrategia de fiabilidad y mantenimiento ....................................................... 25
3.1 Consideraciones sobre la aplicacin del Modelo MAOL ............................................ 27
3.2 Particularidades del modelo MAOL en el desarrollo del proyecto............................. 28
3.3 Estructura de anlisis adoptada.................................................................................. 28
CAPTULO 4: Metodologa de trabajo .................................................................................. 30
4.1 Historial de incidencias ............................................................................................... 31
4.2 Organizacin de datos en Matlab ............................................................................... 32
4.3 Clculo de parmetros ................................................................................................ 32
4.4 Seleccin de la distribucin que mejor se ajuste a los tiempos ................................. 32
4.5 Aplicacin del mtodo MAOL en el proyecto ............................................................. 33
4.6 Re-planificacin........................................................................................................... 33
CAPTULO 5: Anlisis de la distribucin de los modos de fallo ............................................ 34
CAPTULO 6: Anlisis de la distribucin de los tiempos de mantenimiento preventivo ...... 46
6.1 Mantenimiento preventivo del bloque componente multiplicadora ........................ 46
6.1.1 Aerogenerador 56 .............................................................................................. 46
6.1.2 Aerogenerador 28 .............................................................................................. 49
6.2 Mantenimiento preventivo del bloque componente generador ............................... 52
6.2.1 Aerogenerador 56 .............................................................................................. 52
6.2.2 Aerogenerador 28 .............................................................................................. 56
6.3 Mantenimiento preventivo del bloque componente Otros.................................... 60
6.3.1 Aerogenerador 56 .............................................................................................. 60
6.3.2 Aerogenerador 28 .............................................................................................. 63
CAPTULO 7: Anlisis y previsin del riesgo de fallo ............................................................ 68
1
COMILLAS
INGENIERA (ICAI)
7.1 Anlisis y representacin de la fiabilidad entre 2005 y 2010 con el plan de
mantenimiento aplicado actualmente ............................................................................. 68
7.1.1 Aerogenerador 56 .............................................................................................. 69
7.1.2 Aerogenerador 28 .............................................................................................. 71
7.2 Previsin de la fiabilidad de los prximos 5 aos aplicando el plan actual. ......... 73
7.2.2 Aerogenerador 28 .............................................................................................. 75
7.3 Previsin de la fiabilidad de los prximos 5 aos aplicando el plan propuesto ......... 76
7.3.1 Aerogenerador 56 .............................................................................................. 76
7.3.2 Aerogenerador 28 .............................................................................................. 79
CAPTULO 8: Estudio econmico .......................................................................................... 84
8.1 Comparacin de los costes en los escenarios contemplados ..................................... 84
CAPTULO 9: Programas y estructura ............................................................................... 87
9.1 Crer ficheros .mat ....................................................................................................... 87
9.2 Organizar los datos en Matlab .................................................................................... 88
9.3. Clculo de los parmetros de las funciones de distribucin ..................................... 88
9.4 Crear nuevos ficheros .mat ....................................................................................... 89
9.5 Anlisis y representacin de la fiabilidad entre 2005 y 2010 ..................................... 89
9.6 Previsin de la fiabilidad mantenindose el plan actual ............................................ 89
9.7 Previsin de la fiabilidad aplicando el pan propuesto ................................................ 90
CAPTULO 10: Conclusiones.................................................................................................. 91
CAPTULO 11: Futuros desarrollos........................................................................................ 92
2
COMILLAS
INGENIERA (ICAI)
CAPTULO 1: Introduccin
1.1 Motivacin del proyecto
Hoy da hay una fuerte y creciente importancia de las energas renovables en la

produccin de energa elctrica. El uso del viento constituye una de las fuentes de energa con
mayor impulso y atractivo, como lo demuestra el hecho de que a escala mundial, el nivel de
potencia instalada de origen elico cada vez es ms considerable y no cesan de proliferar
proyectos de construccin de nuevos parques elicos. En Espaa, la energa elica se considera
como la principal fuente de energa renovable, y se estima, que en unos aos representar el 20%
de la produccin energtica del pas. [twenergy, 2012]
Los principales factores que favorecen el desarrollo de la energa elica son la seguridad
del abastecimiento, la preocupacin por el cambio climtico, capacidad de competir con los costes
de gas y carbn y beneficios econmicos a travs del empleo que genera su industria.
Los aerogeneradores son mquinas sencillas pero expuestas a condiciones

meteorolgicas extremas. El fallo o prdida de un aerogenerador supone unos costes tanto de
energa no producida, como de mantenimiento correctivo, que en la medida de lo posible, es
conveniente minimizar. Para minimizar las reparaciones, es deseable analizar si es posible
anticiparse a momentos de cierto riesgo de fallo, en base a la historia de incidencias que ha
habido, para as efectuar los mantenimientos preventivos convenientes y disminuir el riesgo al
fallo.
La aplicacin de un adecuado plan de mantenimiento es un factor determinante para

conseguir una vida larga y efectiva de los mismos y que asegure el valor del activo con una alta
disponibilidad y coste ptimo. En este proyecto se analiza y aplica un nuevo procedimiento que
tiene en cuenta todos estos aspectos.
Este proyecto fin de carrera es la continuacin natural de otro proyecto realizado en el

curso 2010-2011, del que har referencia como [Xiomara 2011]. [Xiomara 2011]
1.2 Objetivos del proyecto
El objetivo del proyecto es doble, por un lado, hacer una previsin de posibles tiempos
de riesgo de fallo de un aerogenerador usando tcnicas de prediccin de fiabilidad y, por otro,
hacer una re-planificacin del mantenimiento planificado o preventivo para el mismo segn esos
tiempos de posible fallo.
Para lograr este objetivo se realizar un estudio con datos reales de indisponibilidad y
mantenimiento de dos aerogeneradores pertenecientes a un parque elico. El primer paso del
estudio consistir en realizar una primera toma de contacto con los datos disponibles
correspondientes a ms de 5 aos de incidencias y labores de mantenimiento con el fin de tener
una visin general del material disponible para el estudio. El siguiente paso ser analizar estos
datos de forma cuantitativa mediante tcnicas de fiabilidad, para obtener los modelos que se
3
COMILLAS
INGENIERA (ICAI)
utilizarn para estimar el riesgo de fallo de los componentes, as como el momento en el que se
espera aplicar una accin de mantenimiento.
En [Xiomara 2011], los modelos de fiabilidad utilizados fueron distribuciones

exponenciales. El parmetro (lambda) o tasas de fallos de estas distribuciones se obtuvo a partir
de la media aritmtica de los tiempos observados entre indisponibilidades. En el estudio que se
presenta en este proyecto se utilizan distribuciones tanto exponenciales como de Weibull, con el
propsito de elegir en cada caso la distribucin que ms se ajuste a los datos reales.
Una vez obtenidos los modelos, utilizando tcnicas de previsin de fiabilidad, se realizar
una previsin de riesgo de fallo para los prximos cinco aos. Tambin se har un reajuste del plan
de mantenimiento que se espera aplicar en este periodo si se siguen aplicando los procedimientos
tradicionales, con el fin de poder hacer una comparacin entre ambos.
Para implantar este procedimiento de anlisis, se desarrollar una herramienta en

MATLAB que permitir simular diferentes escenarios utilizando como variables de entrada las
obtenidas tras el anlisis citado anteriormente. As mismo, se desarrollar una herramienta de re-
planificacin del mantenimiento previsto segn los tiempos estimados de fallo, en base a un nivel
de riesgo mximo y un margen elegido por el usuario. El proyecto se encuentra dentro de una
nueva lnea de aplicacin de gestin de activos de empresas.
1.3 Metodologa propuesta
Antes de entrar en detalles, y con el fin de crear una idea clara de los pasos a seguir en el
desarrollo del proyecto, se muestran de forma esquemtica los grandes bloques que se van a
abordar (Figura 1):
INTRODUCCIN Y REVISIN DEL ESTADO DEL ARTE
PLANTEAMIENTO Y ESTRATEGIA SEGUIDA
ANLISIS DE DISTRIBUCIONES DE
MODOS DE FALLO ACCIONES DE MANTENIMIENTO PREVENTIVO
ELABORACIN DE MODELOS DE FIABILIDAD
SIN TENER EN CUENTA EL MANTENIMIENTO TENIENDO EN CUENTA EL MANTENIMIENTO

PREVENTIVO PREVENTIVO
CRERACIN DEL NUEVO PLAN DE MANTENIMIENTO IMPLANTANDO LA METODOLOGA MAOL
Figura 1: Metodologa a seguir para el desarrollo del proyecto.
Como puede observarse, lo primero que se hace es una revisin del estado del arte con
el fin de conocer aspectos como: el principio de funcionamiento de un aerogenerador, la
4
COMILLAS
INGENIERA (ICAI)
clasificacin de las diferentes acciones de mantenimiento aplicables, la justificacin de la
necesidad de la gestin del mantenimiento y los objetivos que se pretenden cubrir con ello,
estudiando diversas propuestas en la lnea de este proyecto. Tambin se hace una introduccin a
los modelos de fiabilidad, y un estudio de las funciones utilizadas para el desarrollo del proyecto.
Lo siguiente, es introducir la metodologa que se va a seguir a lo largo de todo el

desarrollo. El propsito es el estudio de los diferentes modos de fallo con el fin de poder crear
modelos de fiabilidad que los intenten prever de la manera ms precisa. Se crear una
herramienta (en Matlab) con el fin de realizar el nuevo plan de mantenimiento. Los datos
referentes a las incidencias (fecha, tiempo de reparacin) vienen en un fichero Excel (en este
proyecto se har referencia a este fichero como Fichero Excel) de forma desorganizada, por lo
que se ha hecho un funcin en Matlab (llamada aerog.m) para ordenarlos de forma sistemtica y
as poder trabajar con los datos que se necesitan de forma rpida y eficaz. Se tomar como caso
estudio, una muestra de 2 aerogeneradores de un total de 75 (aerogenerador 56 y aerogenerador
28).
El siguiente paso es hacer un anlisis estadstico. Se hallan los tiempos entre fallos y
hasta el prximo fallo, los tiempos medios para ver si la media es una medida representativa del
conjunto de datos, y los histogramas de frecuencias, que sern de gran utilidad para poder sacar
conclusiones a cerca de las funciones de distribucin de estos fallos. Tras este estudio estadstico,
se calculan los parmetros bsicos de fiabilidad y de mantenimiento (tasas de fallo y tiempos
medios). Llegados a este punto, se aplicarn algunos conceptos del modelo MAOL (Maintenance
model Adapted to the Observed Life of the industrial components).
El modelo MAOL es un planteamiento de mantenimiento distinto del tradicional. Uno de

los conceptos clave del modelo MAOL es que entiende la probabilidad de fallo como nivel de
stress que un componente industrial podra sufrir al usarse. Este modelo se utilizar para
obtener modelos de fiabilidad y de mantenimiento y poder hacer previsiones de los tiempos en los
que hay mayor riesgo de fallo o en los que se espera realizar una accin de mantenimiento. La
forma de llevar a cabo este estudio es mediante el desarrollo de una aplicacin en Matlab
(manten_prev_classic.m) que dar como salidas las grficas de las previsiones obtenidas en cada
mquina si se mantiene el modelo de mantenimiento actual.
Por ltimo, una vez realizada la previsin del comportamiento de los modos de fallo, se
realiza una re-planificacin siguiendo el plan de mantenimiento propuesto, con el siguiente
criterio: se introduce el nivel de riesgo mximo que se desea alcanzar (o el nivel de fiabilidad
mnima dispuesto a asumir), y se ejecuta una funcin (manten_prev_umbral.compon.m) que
ajustar el mantenimiento para que no se sobrepase ese nivel. La salida del programa
desarrollado, adems de la previsin, proporciona un plan de mantenimiento a aplicar durante un
periodo de tiempo variable (por ejemplo, los prximos 5 aos) en el que se cumplen las
condiciones de riesgo y margen introducidas. El umbral de fiabilidad mnima se podr ir
cambiando a medida que cambia el historial de incidencias.
Los resultados obtenidos con el mtodo propuesto se compararn con los obtenidos con
el mtodo clsico, utilizando los datos de los ltimos cinco aos y los conceptos del mtodo
MAOL, mejorando la fiabilidad con los tiempos entre reparaciones (TTR) de los ltimos cinco aos.
1.4 Recursos/ Herramientas empleadas
5
COMILLAS
INGENIERA (ICAI)
Se recoge la informacin de un fichero Excel en el que estn registradas todas las
incidencias de los 2 aerogeneradores del parque as como las labores de mantenimiento que se le
han ido aplicando. Los datos disponibles pertenecen a las fechas entre el 01/01/2005 y el
31/03/2010.
A lo largo del proyecto se han utilizado los siguientes softwares:
Microsoft Word 2010.
Microsoft Excel 2010.
Matlab R2007a.
6
COMILLAS
INGENIERA (ICAI)
CAPTULO 2: La fiabilidad y el mantenimiento

aplicado a los aerogeneradores
2.1 Principios de funcionamiento de un aerogenerador
Un aerogenerador es un generador elctrico movido por una turbina accionada por el

viento (turbina elica). La energa cintica del aire en movimiento, proporciona energa mecnica
a un rotor hlice que, a travs de un sistema de transmisin mecnico, hace girar el rotor de un
generador, normalmente un alternador trifsico, que convierte la energa mecnica rotacional en
energa elctrica. Sus precedentes directos son los molinos de viento que se empleaban para la
molienda y obtencin de harina. Ya en la primera mitad del siglo XX, la generacin de energa
elctrica con rotores elicos fue bastante popular en casas aisladas situadas en zonas rurales.
El funcionamiento de generador elctrico se basa en la accin que se establece entre la

corriente elctrica y el campo magntico.
Todos los generadores trifsicos utilizan un campo magntico giratorio. En la Figura 2 se

ven tres electroimanes alrededor de un crculo. Cada uno de los tres imanes est conectado a su
propia fase en la red elctrica trifsica. Como se puede ver, cada electroimn produce
alternativamente un polo norte y un polo sur hacia el centro. La fluctuacin en el magnetismo
corresponde exactamente a la fluctuacin en la tensin de cada fase. Cuando una de las fases
alcanza su mximo, la corriente las otras dos est circulando en sentido opuesto y a la mitad de
tensin. Dado que la duracin de la corriente en cada imn es un tercio de la de un ciclo aislado, el
campo magntico dar una vuelta completa por ciclo.
Figura 2: Representacin de la espira girando dentro del campo magntico. A travs de

los anillos rozantes se extrae la corriente inducida.
Si por un hilo conductor se hace pasar una corriente elctrica, en sus inmediaciones se
crea un campo magntico. Este campo magntico se representa por lneas concntricas respecto
al eje conductor, cuyo sentido, segn convenio, es el horario cuando se mira en el mismo sentido
del paso de la corriente. A la cantidad de lneas de campo obtenidas, se le denomina flujo
magntico, y a ste por unidad de superficie se le denomina induccin magntica.
7
COMILLAS
INGENIERA (ICAI)
Si se desea aumentar el nmero de lneas de campo, en principio se puede aumentar la
corriente que pasa por el conductor o aumentar la longitud del conductor. Una manera de
aumentar la longitud del conductor es arrollarlo formando varias espiras (bobina). Cuando se hace
pasar una corriente por la bobina, sta se comporta como un imn permanente. El punto de salida
del campo magntico ser el polo norte (N) y el de entrada, el polo sur (S).
El aire es un mal conductor magntico, pero existen materiales denominados

ferromagnticos (hierro, acero, etc.) con muy buena conductividad magntica. Si se introduce un
material de ste tipo en el interior de la bobina, se aumenta la magnitud del campo magntico
obtenido. El dispositivo obtenido se denomina electroimn y perder sus propiedades magnticas
(salvo un pequeo magnetismo remanente) al anular la corriente que pasa por el conductor.
Si mediante un electroimn se genera un campo magntico y se atraviesan sus lneas de

campo por un conductor en movimiento, la variacin del flujo magntico que atraviesa ese
conductor induce una tensin en el mismo, denominada fuerza electromotriz. Si se cierra el
circuito del conductor, la fuerza electromotriz inducida dar origen a una corriente inducida, la
cual al pasar por el conductor origina un nuevo campo magntico que influencia al campo creado
por el electroimn.
Si se vara la velocidad de movimiento del conductor, variar el flujo magntico que le

atraviesa y, por lo tanto, el valor de la fuerza electromotriz inducida en l. Adems, aumentamos
la longitud del conductor haciendo espiras, el valor de la fuerza electromotriz inducida en el
conductor aumentar.
Moviendo el conductor en la misma direccin que las lneas de campo, no se genera

tensin en el conductor por no variar el flujo magntico cortado. Por ello, bsicamente el mtodo
utilizado para transformar la energa mecnica en elctrica es mover el conductor (espira)
girndolo dentro del campo magntico. El flujo cortado por el conductor vara al modificarse el
ngulo que ste forma con las lneas de campo. Este flujo magntico cortado ser nulo cuando el
conductor se encuentre a 0 180 y mximo cuando se forme 90 270. La seal de la tensin
inducida en el conductor ser igualmente variable y su frecuencia depender de la velocidad con
que se mueva el conductor. [Rabfis]
Los aerogeneradores pueden trabajar de manera aislada o agrupados en parques elicos

o plantas de generacin elica, distanciados unos de otros, en funcin del impacto ambiental y de
las turbulencias generadas por el movimiento de las palas.
La energa elica es cada vez ms utilizada en la actualidad, al haber demostrado la

viabilidad industrial. Naci durante la bsqueda de una diversificacin en el abanico de generacin
elctrica, ante un crecimiento de la demanda y una situacin geopoltica cada vez ms complicada
en el mbito de los combustibles tradicionales. [Wikipedia, Mayo 2010]
Un aerogenerador est compuesto por varios componentes, entre los que destaca el
generador y la multiplicadora. La Figura 3 muestra las partes ms importantes de un
aerogenerador estndar. [Varma, 2009]
8
COMILLAS
INGENIERA (ICAI)
Figura 3: Componentes bsicas de un aerogenerador. (Varma, 2009)
2.2 Concepto de mantenimiento
El mantenimiento se define como el conjunto de tcnicas destinadas a conservar equipos

e instalaciones industriales en servicio durante el mayor tiempo posible (buscando la ms alta
disponibilidad) y con el mximo rendimiento.
A lo largo del proceso industrial vivido desde finales del siglo XIX, la funcin
mantenimiento ha pasado por diferentes etapas. En los inicios de la revolucin industrial, los
propios operarios se encargaban de las reparaciones de los equipos. Cuando las maquinas se
fueron haciendo ms complejas y la dedicacin a tareas de reparacin aumentaba, empezaron a
crearse los primeros departamentos de mantenimiento, con una actividad diferenciada de los
operarios de produccin. Las tareas en estas dos pocas eran bsicamente correctivas, dedicando
todo su esfuerzo a solucionar los fallos que se producan en los equipos.
A partir de La Primera Guerra Mundial, y sobre todo, a partir de la Segunda Guerra

Mundial, aparece el concepto de fiabilidad, y los departamentos de mantenimiento buscan no solo
solucionar los fallos que se producen en los equipos, sino tambin, actuar para que no se
produzcan. Esto supone crear una nueva figura en los departamentos de mantenimiento: personal
cuya funcin es estudiar qu tareas de mantenimiento deben realizarse para evitar los fallos. El
personal indirecto, que no est involucrado directamente en la realizacin de las tareas, aumenta,
y con l los costes de mantenimiento. Pero se busca aumentar y hacer fiable la produccin, evitar
9
COMILLAS
INGENIERA (ICAI)
las perdidas por averas y sus costes asociados. Aparece a lo largo de los aos el Mantenimiento
Preventivo, el Mantenimiento Predictivo, el Mantenimiento Proactivo, la Gestin de
Mantenimiento Asistida por Ordenador, y el Mantenimiento Basado en Fiabilidad (RCM). El RCM
como estilo de gestin de mantenimiento, se basa en el estudio de los equipos, en anlisis de los
modos de fallo y en la aplicacin de tcnicas estadsticas y tecnologa de deteccin. Podramos
decir que RCM es una filosofa de mantenimiento bsicamente tecnolgica. [Garrido et el., 2009]
2.2.1 Acciones de mantenimiento

Antes de listar los diferentes tipos de mantenimiento que se aplican a los
aerogeneradores (y a las dems mquinas en general), se comentarn brevemente los motivos por
los que es rentable hacer un buen mantenimiento de los aerogeneradores, y los diferentes
objetivos que se espera lograr con un buen mantenimiento.
Posteriormente se har resumen de cmo han evolucionado las tcnicas de

mantenimiento en los aerogeneradores.
Justificacin
Por qu se debe gestionar el Mantenimiento? No es ms fcil y ms barato acudir a
reparar un equipo cuando se avere y olvidarse de planes de mantenimiento preventivo (estudio
de fallos, sistemas de organizacin), que incrementan notablemente la mano de obra indirecta? A
continuacin se muestran algunos motivos que justifican por qu es necesario gestionar el
mantenimiento [Garrido et el., 2009]:
1. Porque la competencia obliga a rebajar costes. Por tanto, es necesario optimizar el consumo
de materiales y el empleo de mano de obra. Para ello es imprescindible estudiar el modelo de
organizacin que mejor se adapta a las caractersticas de cada planta; es necesario tambin
analizar la influencia que tiene cada uno de los equipos en los resultados de la empresa, de
manera que se dediquen la mayor parte de los recursos a aquellos equipos que tienen una
influencia mayor; es necesario, igualmente, estudiar el consumo y el stock de materiales que
se emplean en mantenimiento; y es necesario aumentar la disponibilidad de los equipos, no
hasta el mximo posible, sino hasta el punto en que la indisponibilidad no interfiera en el Plan
de Produccin.
2. Porque los departamentos necesitan estrategias, directrices a aplicar, que sean acordes con
los objetivos planteados por la direccin.
3. Porque la calidad, la seguridad, y las interrelaciones con el medio ambiente son aspectos que
han tomado una extraordinaria importancia en la gestin industrial. Es necesario gestionar
estos aspectos para incluirlos en las formas de trabajo de los departamentos de
mantenimiento.
Objetivos de realizar un buen mantenimiento

Evitar, reducir y, en su caso, reparar los fallos.
Disminuir la gravedad de los fallos que no se puedan evitar.
Evitar detenciones intiles o paros de maquinas.
Evitar accidentes.
10
COMILLAS
INGENIERA (ICAI)
Conservar los bienes productivos en condiciones seguras de operacin.
Reducir costes.
Prolongar la vida til de los bienes.
Tipos y niveles de mantenimiento

Los distintos tipos de mantenimiento quedan resumidos en la Figura 4 y, a continuacin,
se resumen cada uno de ellos:
MANTENIMIENTO
PREVENTIVO CORRECTIVO
SISTEMTICO PREDICTIVO
Figura 4: Clasificacin de las acciones de mantenimiento.
Mantenimiento Correctivo: Conjunto de actividades de reparacin y sustitucin de

elementos deteriorados, que se realiza cuando aparece el fallo. Es aplicable a sistemas complejos
en los que es imposible predecir los fallos y que admiten ser interrumpidos en cualquier momento
y con cualquier duracin. Los problemas que se derivan de utilizar nicamente acciones de
mantenimiento correctivo en una instalacin son: el fallo puede aparecer en el momento ms
inoportuno, los fallos no detectados a tiempo pueden causar daos irreparables en otros
elementos y la necesidad de un stock muy grande de piezas de repuesto.
Mantenimiento Preventivo: Conjunto de actividades programadas de antemano

encaminadas a reducir la frecuencia y el impacto de los fallos. Existen dos modalidades:
Mantenimiento Preventivo Sistemtico, efectuado a intervalos regulares de

tiempo, segn un programa establecido y teniendo en cuenta la criticidad de
cada mquina y la existencia o no de reserva.
Mantenimiento Preventivo Predictivo o segn condicin, subordinado a un

acontecimiento predeterminado.
El Mantenimiento Predictivo, ms que un tipo de mantenimiento, se refiere a las

tcnicas de deteccin precoz de sntomas para ordenar la intervencin antes de la aparicin del
fallo.
El mantenimiento no debe verse como un costo sino como una inversin ya que est
ligado directamente a la produccin, disponibilidad, calidad y eficiencia; El equipo de
11
COMILLAS
INGENIERA (ICAI)
mantenimiento debe estar perfectamente entrenado y motivado para llevar a cabo la tarea de
mantenimiento. Se debe tener presente la construccin, diseo y modificaciones de la planta
industrial, como tambin la informacin del equipo y herramientas necesarios para el
mantenimiento. El mantenimiento requiere planeacin, calidad, productividad y trabajo en equipo
para poder reducir costos y perdidas [Edwin Orlando, Marzo 2008].
2.3 Introduccin a los modelos de fiabilidad
La aplicacin de las nuevas tecnologas a la industria en general, mejora y hace posible la

fabricacin de nuevos productos, pero a su vez introduce nuevos elementos, primordialmente
electrnicos, que aumentan la complejidad de los procesos industriales, aadiendo nuevos riesgos
e influyendo en la fiabilidad y seguridad de toda la instalacin. Este mayor nmero y formas de
riesgos junto con la complejidad de los sistemas, han obligado a considerar en profundidad la
fiabilidad y seguridad de las instalaciones actualmente en marcha. En esta seccin se van a explicar
conceptos bsicos de estadstica aplicada al mantenimiento de aerogeneradores.
El concepto de seguridad est ntimamente ligado con la fiabilidad, ya que cuanto ms

fiable es un sistema, ms seguro es. La fiabilidad y seguridad se debe pues aplicar en todas las
fases del proyecto: construccin, puesta en marcha y mantenimiento de la planta industrial. Por
otro lado, la prevencin de prdidas o seguridad industrial aplicada con rigor cientfico est
basada, en gran parte, en la aplicacin de los mtodos probabilsticos a los problemas de fallos en
los procesos industriales. Todo ello se ha llevado a cabo a travs de una disciplina denominada
Ingeniera De Fiabilidad, para la cual se dispone de las adecuadas tcnicas de prediccin, que
han sido fundamentales para el aseguramiento de la calidad de productos y procesos. En este
mbito se trata la disponibilidad, operatividad y mantenibilidad de los sistemas tcnicos,
incluyendo el anlisis probabilstico de riesgos de la planta.
Los elementos y dispositivos con funciones clave de seguridad, adems de ser idneos
ante unas exigencias del sistema, deben asegurar una correcta respuesta en el tiempo. Para ello,
es imprescindible establecer un programa de mantenimiento preventivo y predictivo que permita
mantenerlos en buenas condiciones de uso, renovndolos antes de que su tasa de fallos sea
inaceptable. Todo ello requiere conocer a priori la fiabilidad de los elementos de seguridad que se
instalan en las instalaciones, informacin que debe ser suministrada por los fabricantes o si la
instalacin ya est en funcionamiento, se requiere un histrico de incidencias para poder hacer un
estudio de los modos de fallo tpicos.
En instalaciones en las que se pueden generar accidentes de graves consecuencias, se

hace hoy imprescindible conocer la probabilidad de que estos acontezcan durante la vida del
sistema. Ello obliga a la aplicacin de tcnicas de cuantificacin del riesgo, que precisan en ltimo
trmino del conocimiento probabilstico de fallos y errores de sucesos bsicos, a fin de poder
establecer la adecuacin e idoneidad de las medidas preventivas. Es por ello, que los estudios de
fiabilidad adquieren cada vez mayor relevancia en la actividad de prevencin de los tcnicos de
seguridad y en general de los responsables de procesos u operaciones que puedan desencadenar
situaciones crticas. [Jos M Tamborero del Pino]
2.3.1 Conceptos bsicos de estadstica y fiabilidad

Estos conceptos estn referenciados por documentos del departamento de Organizacin
Industrial de la Universidad Pontificia de Comillas. [Comillas, 2008]
12
COMILLAS
INGENIERA (ICAI)
Distribucin de probabilidad
Conocer la distribucin de probabilidad de una variable aleatoria continua X consiste en
asignar una probabilidad a cada uno de los sucesos asociados a dicha variable aleatoria. Dado que
una variable aleatoria continua puede tomar un nmero infinito no numerable de valores, no se
puede definir una probabilidad puntual para cada uno de estos valores. As pues, la distribucin de
probabilidad de una variable aleatoria continua se define a travs de una densidad de
probabilidad, que indica en qu intervalos del espacio de los valores posibles de X es ms
probable que esta variable tome valores.
Es este caso, X va a ser el tiempo entre fallos (TBF), tiempo hasta el fallo (TTF),
tiempo entre reparacin (TTR), o tiempo entre mantenimiento (TBM). Al fin y al cabo,
tiempos.
Funcin de densidad y funcin de distribucin

Si X es una variable aleatoria continua, se define su funcin de densidad f(X) como
aqulla que verifica que, para toda pareja de nmeros reales a y b, con ab, se puede calcular la
probabilidad de que X est entre a y b como:
(1)
Segn la definicin anterior, la probabilidad de que X tome valores dentro de un

intervalo (a,b) se puede calcular como el rea bajo la funcin de densidad entre los valores a y b
(Figura 5).
Figura 5: Clculo de probabilidad de un intervalo a partir de la funcin de densidad
De la definicin de funcin de densidad se deducen las siguientes propiedades:
(2)
(3)
13
COMILLAS
INGENIERA (ICAI)
Es decir, la probabilidad de que una variable continua tome un valor dado es nula, ya que
la integral entre un punto y l mismo es nula.
(4)
Para poder interpretar qu representa la funcin de densidad, se calcular la

probabilidad de que una variable aleatoria X se site en las proximidades de un punto x,
utilizando un intervalo centrado en dicho punto y de amplitud x:
(5)
Si el intervalo es suficientemente pequeo, el rea bajo la funcin de densidad se puede

aproximar utilizando el valor de la propia funcin en el punto:
(6)
Y si se deja la anterior expresin la funcin de densidad, se obtiene que es,

aproximadamente, el cociente entre la probabilidad en un intervalo en torno al punto x y la
longitud de dicho intervalo. As pues, se trata en efecto de una densidad de probabilidad en el
punto x.
(7)
Alternativamente a la funcin de densidad, al igual que suceda en el caso de las

variables aleatorias discretas, la distribucin de probabilidad de una variable aleatoria continua se
puede definir mediante su funcin de distribucin F(X), definida para cualquier valor real x como
la probabilidad de que la variable aleatoria sea menor o igual que dicho valor:
(8)
En el caso de variables aleatorias continuas, esta funcin es continua y est relacionada

con la funcin de densidad de acuerdo a las siguientes expresiones:
(9)
(10)
As pues, la funcin de distribucin F(X) es una primitiva de la funcin de densidad f(X).

O, dicho de otra manera, la funcin de densidad se puede calcular como la derivada de la funcin
de distribucin. Al igual que en el caso de variables aleatorias discretas, la funcin de distribucin
permite obtener la probabilidad acumulada en un intervalo delimitado por dos nmeros reales
ab:
(11)
14
COMILLAS
INGENIERA (ICAI)
Fiabilidad
En todos los mbitos de la ingeniera es fundamental el estudio del tiempo transcurrido
hasta que se produce un fallo en un sistema. As, puede interesar estudiar el nmero de horas que
un aerogenerador puede estar funcionando sin que sufra ninguna incidencia. [Comillas, 2008]
La fiabilidad se refiere a la permanencia de la calidad de los productos o servicios a lo

largo del tiempo. Cuando se habla de la fiabilidad de un sistema, en este caso de un
aerogenerador, se est intentando determinar la probabilidad de que el aerogenerador desarrolle
su funcin, bajo ciertas condiciones de trabajo, durante un periodo de tiempo determinado. Se
dice que un sistema o componente es fiable si desarrolla adecuadamente su labor a lo largo de su
vida til. Un sistema fiable funcionar correctamente durante su vida, mientras que otro que no lo
sea dar numerosos problemas. El estudio de la calidad, en una primera etapa, se limita a
garantizar que el producto sale de fbrica en buenas condiciones. La fiabilidad intenta garantizar
que el producto permanecer en buenas condiciones durante un periodo razonable de tiempo. La
fiabilidad tiene que ver, por tanto, con la incertidumbre, ya que el hecho de que un sistema
funcione durante un cierto periodo de tiempo slo puede ser estudiado en trminos de
probabilidad.
Una vez definido el concepto de fiabilidad, el objeto de este proyecto es garantizar una
fiabilidad mnima para el aerogenerador y/o sus componentes.
En este apartado se presentan los conceptos bsicos del anlisis de datos de

supervivencia, que constituye la parte de la estadstica que trata de estimar la vida de un producto
o sistema y la probabilidad de que se produzca un fallo en cada momento. As pues, el anlisis de
datos de supervivencia engloba tcnicas estadsticas para analizar variables aleatorias positivas: el
tiempo (o bien la distancia u otra medida similar) transcurrido entre el inicio del funcionamiento y
su fallo.
En lo que sigue, si se supone que se est analizando una variable aleatoria T, que
representa el tiempo hasta el fallo de un determinado un componente del aerogenerador, o un
dispositivo cualquiera. En el contexto de fiabilidad se utilizan las siguientes funciones asociadas a
la variable aleatoria T:
Funcin de infiabilidad (funcin de distribucin), que proporciona la probabilidad de que

el sistema haya fallado para cada instante t:
(12)
La funcin de supervivencia o de fiabilidad es la complementaria de la anterior y tiene un

papel clave en la teora de la fiabilidad. Proporciona la probabilidad de que el sistema no
haya fallado para cada instante t:
(13)
En fiabilidad, a la funcin de densidad fT(t) de la variable aleatoria T se le denomina

densidad de fallos y a la esperanza se le denomina duracin media o esperada.
En fiabilidad se desea disponer frecuentemente de una medida de lo proclive que es un

sistema a fallar en cada momento. Para esto se define la funcin de riesgo de fallos o
funcin de tasa de fallos o, sencillamente, tasa de averas. Esta funcin proporciona
15
COMILLAS
INGENIERA (ICAI)
informacin sobre el riesgo de fallo del sistema en el instante t, sabiendo que ha
sobrevivido hasta dicho instante. Esta funcin se representa habitualmente como h(t) o
(t).
(14)
Relaciones entre las distintas funciones

A partir de cualquiera de las funciones definidas anteriormente (infiabilidad,
supervivencia, densidad de fallos o funcin de riesgo), se puede calcular el resto de ellas. A
continuacin se detallan las relaciones existentes entre dichas funciones.
Relacin entre las funciones de supervivencia y de infiabilidad:
(15)
Relacin entre las funciones de supervivencia y de densidad de fallos:
(16)
(17)
Tipos de funciones de riesgo

La evolucin de la tasa de fallos resulta de suma importancia en el estudio de fiabilidad
de componentes y es vital en la programacin de mantenimientos predictivos. La forma de la tasa
de fallos permite clasificar los sistemas de acuerdo a su comportamiento ante el paso del tiempo.
Seguidamente se resumen las caractersticas de los sistemas que presentan algunos de los tipos
ms comunes de tasas de fallo.
Tasa de fallos constante h(t)=h, para t 0. En este tipo de sistemas, la probabilidad de fallo
instantneo es la misma en cualquier momento. Es decir, si un componente del
aerogenerador ha sobrevivido hasta el instante t, la probabilidad de que dicho
componente falle en el intervalo [t,t+t] es la misma en cualquier momento de la vida de
componente. As pues, se trata de sistemas que no tienen memoria o, lo que es lo mismo,
no son susceptibles de envejecimiento. Este modelo representa razonablemente bien el
tiempo hasta el fallo de numerosos sistemas electrnicos. Hay que hacer notar que una
tasa de fallos constante se corresponde con un modelo exponencial para el tiempo hasta
el fallo.
Tasa de fallos creciente con t. Este modelo surge en la mayora de los sistemas que estn
sujetos a desgaste o fatiga, en los que la probabilidad de fallo instantneo crece conforme
pasa el tiempo. As pues, se trata de sistemas que s son susceptibles de envejecimiento.
Tasa de fallos decreciente con t. Este modelo surge en sistemas en los que la probabilidad
instantnea de fallo disminuye con el tiempo. De este modo, se trata de sistemas que
tienen envejecimiento negativo, es decir, que mejoran con el tiempo. Estos modelos son
adecuados para representar (al menos en una primera etapa), el tiempo hasta el fallo de
algunos sistemas que, al ponerlos en funcionamiento, pueden tener defectos ocultos.
16
COMILLAS
INGENIERA (ICAI)
Tasa de fallos en curva de baera. Este modelo es probablemente el ms utilizado para
representar el tiempo hasta el fallo en sistemas reales, ya que combina los tres casos
anteriores. El modelo comienza con una tasa de fallos decreciente, que representa los
defectos ocultos del sistema bajo estudio. Seguidamente, hay una fase con tasa de fallos
constante, en la que el sistema no presenta envejecimiento. Por ltimo, a partir de un
cierto momento, se utiliza una tasa de fallos creciente, que representa el envejecimiento
de los sistemas, ya sea por fatiga, calentamiento o, simplemente, por el deterioro de los
materiales que lo componen.
Funciones de riesgo de las funciones utilizadas

Distribucin exponencial. Tal y como se ha comentado, la distribucin exponencial se
corresponde con una tasa de fallos constante, tal y como se deduce de su propiedad de
ausencia de memoria.
(18)
Distribucin Weibull. El tipo de tasa de fallos para esta distribucin viene determinado por
el parmetro de forma . As, para el caso en el que <1, la tasa de fallos es decreciente,
si =1 es constante (modelo exponencial) y si >1, la tasa de fallos es creciente. Por esta
versatilidad, la distribucin Weibull es utilizada con frecuencia en fiabilidad, ya que puede
adaptarse a una gran diversidad de situaciones.
(19)
Anlisis de fiabilidad de sistemas

En esta seccin se realiza una introduccin al anlisis de fiabilidad de sistemas segn la
estructura en la que estn organizadas sus componentes. As, se analizan los sistemas en serie y en
paralelo, ya que stos son los modelos bsicos en los que se organizan los componentes de un
sistema. [Comillas, 2008]
Sistemas en serie. Se dice que un sistema est constituido por n componentes en serie,
cuando es necesario que funcionen todas estas componentes para que el sistema siga en
funcionamiento. Supongamos que se est analizando un sistema con dos componentes en
serie C1 y C2, con funciones de supervivencia R1(t) y R2(t), respectivamente. Entonces, se
puede calcular la funcin de supervivencia del sistema como:
(20)
Este resultado se puede generalizar directamente al caso de considerar ms de dos

componentes en serie. La conclusin que se puede obtener es que la fiabilidad de un
sistema en serie es menor que la de cualquiera de sus componentes.
Sistemas en paralelo. Se dice que un sistema est constituido por n componentes en

paralelo, cuando es suficiente con que funcione uno de los componentes para que el
sistema siga en funcionamiento. Supongamos que se est analizando un sistema con dos
componentes en paralelo C1 y C2, con funciones de supervivencia R1(t) y R2(t),
17
COMILLAS
INGENIERA (ICAI)
respectivamente. En este caso, se puede calcular la funcin de supervivencia del sistema
como:
(21)
As pues, la fiabilidad de un sistema en paralelo es mayor que la de cualquiera de sus

componentes.
En este proyecto se supondrn todos los componentes en serie. De esta manera, el

aerogenerador (sistema) estar formado por tres componentes en serie: la multiplicadora, el
generador, y los dems dispositivos que englobar en un componente que llamar otros. Estos
componentes tienen asociados diferentes modos de fallo con distintas efectividades para cada
componente, y todos estos modos de fallo tambin en serie. El propsito de la configuracin en
serie del sistema es considerar que el aerogenerador no funciona si sucede cualquier tipo de
incidencia, independientemente del modo de fallo que ocurra.
2.3.2 Distribucin exponencial

La distribucin exponencial surge fundamentalmente al estudiar el tiempo hasta el fallo
de algunos sistemas electrnicos que no son susceptibles de envejecimiento y tambin es de gran
inters en la teora de colas. Esta distribucin slo asigna densidad de probabilidad a los valores
positivos y utiliza un parmetro de escala . Si la variable aleatoria T sigue una distribucin
exponencial de parmetro , se denota de la siguiente manera:
(22)
Una variable con distribucin exponencial cumple las siguientes propiedades:
Valores posibles: todos los nmeros reales positivos: [0, )
Funciones de densidad y de distribucin:
(23)
(24)
Utilizando la funcin de distribucin, se puede ver que se cumple que:
(25)
Esperanza o fiabilidad:
(26)
Ausencia de memoria. La propiedad ms importante de la distribucin exponencial es

la ausencia de memoria, tal y como suceda con la distribucin geomtrica dentro de
los modelos discretos. Esto quiere decir que si una variable T sigue una distribucin
exponencial de parmetro , su distribucin condicionada a que toma un valor mayor
18
COMILLAS
INGENIERA (ICAI)
que s tambin es una exponencial de parmetro . Es decir, para todo t,s>0, se

cumple:
(27)
Distribucin exponencial con parmetro de localizacin a. En ocasiones, se desea

utilizar la distribucin exponencial desplazada en el tiempo (por ejemplo, al analizar
ciertos fallos que aparecen a partir de un determinado momento). En este caso, la
funcin de densidad viene dada a partir de la siguiente expresin:
(28)
En este proyecto se va a de tomar como origen de tiempos t=0 para la funciones

exponenciales, por lo que ``a sera cero.
2.3.3 Distribucin de Weibull

La distribucin de Weibull fue propuesta en 1939 por el ingeniero y matemtico sueco
Waloddi Weibull a partir de un trabajo de P. Rosin y E. Rammler en 1933 sobre la distribucin del
tamao de partculas. Se trata de una distribucin muy utilizada en el anlisis de tiempos hasta el
fallo de multitud de dispositivos, teniendo adems importantes aplicaciones en multitud de
campos de la ingeniera y la ciencia, como las previsiones meteorolgicas y el estudio de
materiales. La distribucin de Weibull surge al flexibilizar la distribucin exponencial y asigna
densidad de probabilidad a los valores superiores a un parmetro de localizacin . Esta
distribucin utiliza otros dos parmetros: uno de forma >0 y otro de escala >0. Para denotar
que la variable aleatoria X sigue una distribucin Weibull de parmetros , y se escribe:
(29)
En las ocasiones en las que se analiza una variable con valores posibles a partir de cero
(como el tiempo hasta el fallo de un componente, con posibilidad de fallo desde t=0) el parmetro
de localizacin es nulo, por lo que a veces se omite y se escribe:
(30)
En este caso, la distribucin se denomina Weibull estandarizada. Una variable con

distribucin Weibull cumple las siguientes propiedades:
Valores posibles: todos a partir del parmetro de localizacin [ , )
(31)
(32)
Esperanza:
19
COMILLAS
INGENIERA (ICAI)
(33)
Efecto de los parmetros y . En la Figura 6 se observa el efecto del parmetro de

forma en la funcin de densidad. Para valores del parmetro de forma entre 3 y 4, la
distribucin Weibull es bastante parecida a la distribucin normal (no obstante, la
distribucin normal no es un caso particular de la distribucin Weibull). El caso de =1
se corresponde con la distribucin exponencial.
Figura 6: Efecto del parmetro de forma en la distribucin Weibull
Por otro lado, la Figura 7 muestra el efecto de modificar el parmetro de forma .
20
COMILLAS
INGENIERA (ICAI)
Figura 7: Efecto del parmetro de escala en la distribucin Weibull
2.4 Aplicacin de los conceptos estadsticos al modelo de

mantenimiento propuesto
El fichero Excel que viene directamente del parque elico contiene los datos (da, ao,
mes, hora, tiempo de reparacin, modo de fallo) de las diferentes incidencias. Estas incidencias
son mantenimientos correctivos y mantenimientos preventivos
Mantenimiento correctivo
El mantenimiento correctivo va a servir para obtener el comportamiento de la vida de los
componentes del aerogenerador durante el periodo estudiado (desde el 2005 al 2010). A partir de
este historial se obtendrn las distribuciones de tiempos (TBF, TTF, TTR) que ms se ajusten a los
diferentes modos de fallo de cada aerogenerador, y los correspondientes parmetros de las
distribuciones.
Con los parmetros de los distintos modos de fallo, se podr simular la fiabilidad de los
componentes del aerogenerador en el tiempo. Esto servir para obtener escenarios de la
evolucin de la fiabilidad de distintos componentes segn la efectividad de los diferentes
mantenimientos.
Los programas diseados en Matlab servirn para obtener los parmetros de las
distribuciones exponencial y Weibull, que se utilizarn posteriormente para modelar cmo vara la
fiabilidad de los componentes del aerogenerador con respecto al tiempo.
Se calculan, para cada modo de fallo, los parmetros de las distribuciones de ajustes de:
21
COMILLAS
INGENIERA (ICAI)
Los tiempos entre fallos (TBF=Time Between Failure), con los programa
AjustExp_tbf.m y AjustWeibull_tbf.m.
Los tiempos hasta el fallo (TTF=Time To Failure), con los programas

AjustExp_ttf.m y AjustWeibull_ttf.m.
Los tiempos de reparacin (TTR= Time To Repair), con lo programas

AjustExp_ttr.m y AjustWeibull_ttr.m.
Mantenimiento preventivo
El estudio de este tipo de mantenimiento se hace de forma anloga al anterior, pero el
sentido es diferente. Este tipo de mantenimiento de realiza para mejorar la fiabilidad de los
componentes ante distintos modos de fallo, anticipndose a que suceda el fallo.
Los programas que se utilizan para el clculo de los parmetros de estas acciones de
mantenimiento son los mismos que los utilizados para el mantenimiento correctivo.
Se calculan para cada modo de fallo los parmetros de las distribuciones de ajustes de:
Los tiempos entre mantenimiento preventivos (TBM=Time Between Maintenance)
Los tiempos hasta el mantenimiento preventivo (TTM=Time To Maintenance)
Los tiempos de mantenimiento preventivo (TOM=Time Of Maintenance)
El objetivo de este proceso estadstico es ajustar de la mejor manera posible una funcin
de probabilidad, que en este proyecto va a ser o bien una exponencial o una Weibull, a los datos
reales recibidos del parque.
2.5 Diferentes enfoques de la gestin del mantenimiento a lo

largo de la historia
Existen muchas tcnicas para la gestin del mantenimiento y, con el fin de poder tomar
decisiones sobre la planificacin del mismo y del uso futuro de los activos, todas ellas necesitan
informacin sobre la vida de los activos. Durante las ltimas dcadas se han desarrollado muchos
enfoques diferentes para analizar diferentes aspectos de la vida til del equipo o los activos
utilizados en un proceso industrial. Por otra parte, durante muchos aos, se han ido proponiendo
muchos modelos de mantenimiento que por lo general se han basado en modelos de
mantenimiento preventivo.
En la Figura 8 se muestra cmo ha ido evolucionando el mantenimiento en la industria.
22
COMILLAS
INGENIERA (ICAI)
EVOLUCIN DEL MANTENIMIENTO EN LA INDUSTRIA
Antes de 1914 El mantenimiento tena importancia secundaria
Iniciacin 1914 hasta 1930 Surgi la necesidad de las primera reparaciones
Primera generacin
Gestin de mantenimiento hacia la mquina
Entre 1930 y 1950
Segunda generacin
Gestin de mantenimiento hacia la produccin
Entre 1950 y 1960
Tercera generacin
Gestin de mantenimiento hacia la productividad
Entre 1960 y 1980
Cuarta generacin
Gestin de mantenimiento hacia la competitividad
Entre 1980 y 1999
Quinta generacin Gestin de mantenimiento hacia la organizacin e innovacin
Entre 2000 y 2003 tecnolgica industrial
Sexta generacin
Gestin del mantenimiento en busca de la mejora continua
Entre 2003 y la actualidad
Figura 8: Evolucin del mantenimiento en la industria [Xiomara 2011]
Al principio solo se haca mantenimiento cuando ya era imposible seguir usando el

equipo. A eso se le llamaba "Mantenimiento de Ruptura o Reactivo".
No fue hasta 1950 cuando un grupo de ingenieros japoneses iniciaron un nuevo

concepto en mantenimiento y que simplemente consista en seguir las recomendaciones de los
fabricantes de equipo acerca de los cuidados que se deban tener en la operacin y
mantenimiento de maquinas y sus dispositivos. Esta nueva tendencia se llam Mantenimiento
Preventivo.
Como resultado, los gerentes de planta se interesaron en hacer que sus supervisores,
mecnicos, electricistas y otros tcnicos, desarrollaran programas para lubricar y hacer
observaciones clave para prevenir daos al equipo y esto dio lugar al nacimiento de lo que se
denomin Mantenimiento Preventivo. Con esta metodologa de trabajo se busca, sobre todas las
23
COMILLAS
INGENIERA (ICAI)
cosas, la mayor rentabilidad econmica en base a la mxima produccin, establecindose para ello
funciones de mantenimiento orientadas a detectar y/o prevenir posibles fallos antes que tuvieran
lugar.
Uno de los primeros enfoques conocidos es el basado en la realizacin de

mantenimiento preventivo despus de un cierto nmero de horas de funcionamiento continuo sin
fallo. [Barlow et al., 1960]
Se fueron desarrollando muchos modelos de mantenimiento preventivo pero, por lo

general, todos ellos suponen que tras una labor de mantenimiento, el equipo queda en la misma
condicin previa al fallo. Sin embargo, pronto apareci otro tipo de modelos de mantenimiento
tratando de superar esos supuestos y tratando de proponer modelos ms realistas, teniendo en
cuenta que despus de una accin de mantenimiento preventivo un componente no queda ni
como si fuera nuevo ni tampoco como si ste no hubiese recibido ningn tratamiento. Estas
consideraciones llevaron al nacimiento de lo que llama modelos imperfectos de mantenimiento.
En (Duffuaa et al., 1999] se incluyen varios enfoques de estos modelos de mantenimiento y, en
particular, algunas propuestas de mantenimiento imperfecto. Los modelos se pueden encontrar
en [Nakagawa et al., 1988]. Todos estos modelos se basan bsicamente en las indisponibilidades
que han tenido lugar, las tasas de fallo y los tiempos de mantenimiento.
En este proyecto se propone un nuevo modelo para prevenir y anticiparse a posibles

tiempos de fallo y poder adecuar el mantenimiento. Este modelo se basa en la informacin
histrica de eventos, incluyendo tanto indisponibilidades ocurridas como fechas en las que se han
llevado a cabo acciones de mantenimiento.
Una de las principales mejoras de este proyecto con respecto a [Xiomara 2011], es que
en este proyecto se ajustan estas dos funciones aplicando un filtro para eliminar redundancia de
incidencias recogidas en la base de datos. Una vez hecho esto, se escoge el modelo que mejor se
ajuste a la realidad obtenindose as unos parmetros. Estos parmetros servirn para representar
la fiabilidad de los diferentes modos de fallo con el tiempo. Por el contario, en [Xiomara 2011], los
datos se ajustaban slo mediante exponenciales, y los parmetros de los diferentes modos de fallo
se calculaban mediante la media aritmtica, sin hacer una interpretacin previa de los datos. De
esta forma, los ajustes eran poco precisos debido a:
Una mala eleccin del modelo: puede ser que una distribucin Weibull se ajuste mejor
a algunos modos de fallo.
A una mala interpretacin de los datos: Algunos modos de fallo son registrados varias
veces en un periodo de tiempo muy corto debido a reenganches del sistema. Si en
estos casos se interpretan los registros como incidencias diferentes, se pueden llegar
a obtener parmetros que dan lugar a distribuciones que no representan la realidad.
24
COMILLAS
INGENIERA (ICAI)
CAPTULO 3: Estrategia de fiabilidad y mantenimiento
Como ya se ha comentado con anterioridad, en este proyecto se propone un nuevo

modelo para prevenir y anticiparse a posibles tiempos de fallo y poder adecuar el mantenimiento.
En este captulo se desarrolla la estrategia de fiabilidad y mantenimiento utilizada.
Uno de los mejores instrumentos para conocer la salud de un componente industrial,

proteger el valor del activo o planear el mantenimiento necesario para el mismo, es el monitoreo
continuo de algunas variables relevantes de un componente. La introduccin de sistemas para el
monitoreo continuo se est extendiendo cada vez ms a lo largo de los procesos industriales. Sin
embargo, a veces no hay datos acerca de la supervisin continua de la vida de un componente
industrial, pero es ms fcil disponer de registros cronolgicos sobre importantes eventos
relacionados con su vida, tales como indisponibilidades ocurridas y acciones de mantenimiento
aplicadas. Tradicionalmente, estas han sido las fuentes tpicas de informacin en el anlisis de
fiabilidad y planificacin del mantenimiento. Sin embargo, la integracin de los resultados de
ambas partes siempre fue dbil y por lo tanto no se considera, desde el punto de vista de lo
observable, la vida de los activos.
En esta seccin se introduce un nuevo modelo de mantenimiento llamado MAOL

(Maintenance model Adapted to the Observed Life of the industrial components), que
proporciona nuevas ideas para una integracin mejor de la informacin sobre el conocimiento
relacionado con la vida del componente, mantenimiento y los costes asociados. [Nakagaka et al.,
1988]
Uno de los conceptos clave en MAOL es que la probabilidad de fallo no se entiende en el

sentido tradicional del valor probabilstico, sino en el sentido del nivel Stress que un
componente industrial podra sufrir. Obviamente, esta aproximacin entre el Stress del
componente y su probabilidad de fallo tiene un gran margen de incertidumbre, ya que esta
informacin se basa en determinados momentos de fallo sin conocer la evolucin de la vida real
entre dos fallos consecutivos.
De acuerdo con los enfoques tradicionales similares, en el modelo MAOL una accin de
mantenimiento preventivo afectar a la probabilidad de fallo y, en consecuencia, al nivel de
Stress. Existe una extensa e intensa investigacin en el campo de la fiabilidad relativa a los
mtodos y modelos capaces de estimar la probabilidad de fallo. Con el fin de demostrar las
caractersticas principales del modelo MAOL, se supone una tasa de fallos constante y una
probabilidad de fallo exponencial pero se pueden utilizar otros modelos e hiptesis. Segn este
supuesto, si la tasa de fallo para el modo de fallo j en el componente i es ij, la probabilidad de
fallo de este tipo de avera ser dada por la Ecuacin 34.
(34)
Donde Fij(t) es la probabilidad del modo de fallo j en el componente i en el instante t.
Cuando un modo de fallo se estima a partir de un historial de indisponibilidades del

componente, normalmente este componente se encuentra bajo un plan de mantenimiento. En
este contexto de trabajo, los fallos en un componente ocurren cuando ste est bajo un plan de
mantenimiento, pero esto no significa que el plan no es efectivo. De hecho, la probabilidad de fallo
25
COMILLAS
INGENIERA (ICAI)
seria mayor si no se aplicara mantenimiento al componente. Figura 9 trata de ilustrar estos
comentarios con el siguiente ejemplo. Un componente tiene, para un modo de fallo particular, un
valor medio de 1 fallo cada 500 das. La probabilidad de fallo puede verse representada por la
curva Probability of failure with maintenance applied en Figura 9, la cual estara estimada a
partir de los datos observados. Esta informacin proviene de registros de datos observados. El
componente est bajo un plan de mantenimiento cuyo efecto es una reduccin de la probabilidad
de fallo. Esto se ilustra en Figura 9, donde la probabilidad de fallo sin mantenimiento es una curva
exponencial superior con una probabilidad de fallo mayor a la observada. La probabilidad de fallo
sin mantenimiento se desconoce en un contexto real.
Figura 9: Probabilidades de fallo con y sin mantenimiento aplicado al componente.
Tambin la Figura 9 muestra el caso en el que en el da 250 se llevo a cabo una accin de
mantenimiento y esto fue equivalente a una reduccin de la probabilidad de fallo de 0.63 sin
mantenimiento a un nuevo valor de 0.4. De acuerdo con las consideraciones anteriores, es posible
formular un nuevo concepto en el modelo MAOL que introduzca la reduccin de la probabilidad
de fallo debido a la aplicacin de una accin de mantenimiento en el componente, usando la
siguiente ecuacin.
(35)
Donde:
ij es un factor que representa la efectividad de la aplicacin de una accin de

mantenimiento preventivo Mij para reducir la probabilidad de fallo Fij.
RPFij(t) es la reduccin de la probabilidad de fallo Fij (debida a la aplicacin de

mantenimiento imperfecto).
La probabilidad de fallo obtenida con los datos del historial de indisponibilidades Fij
seria el resultado de la siguiente Ecuacin 36:
(36)
26
COMILLAS
INGENIERA (ICAI)
La Ecuacin 36 es valida en el intervalo ti-1<t<ti donde ti-1 y ti son los tiempos de
aplicacin de dos acciones de mantenimiento preventivo consecutivas. En la Ecuacin 36 Fij(t) es
desconocida y corresponde a una tasa de fallo sin mantenimiento aplicado al componente.
Figura 10 muestra un ejemplo donde se aplica una accin de mantenimiento a un

componente con una efectividad ij=70% en el da 365. Puede observarse la reduccin de la
probabilidad de fallo despus de la aplicacin de la accin de mantenimiento. Esto es similar a un
proceso de cierta renovacin en el componente que ha sido mantenido.
Figura 10: Probabilidad de fallo con y sin mantenimiento aplicado al

componente. Efecto de la reduccin de la probabilidad de fallo.
3.1 Consideraciones sobre la aplicacin del Modelo MAOL
La aplicacin del modelo MAOL esta basada en dos tipos de tiempos: los
correspondientes a las indisponibilidades y los correspondientes a la ejecucin de las acciones de
mantenimiento preventivo. Figura 11 muestra los tipos de tiempos que normalmente estn
disponibles.
Utilizando el historial de indisponibilidades de un modo de fallo en un componente, es

posible obtener el tiempo medio hasta el fallo que se corresponde con t3 en la Figura 11. La
periodicidad de las acciones de mantenimiento preventivo determinar t1 y t2 en la Figura 11. En
esta descripcin solo se ejecuta la misma accin de mantenimiento 2 veces, porque es para
ilustrar lo explicado con un ejemplo, pero pueden aplicarse ms de una sin presentar cambio
alguno en las consideraciones adoptadas.
27
COMILLAS
INGENIERA (ICAI)
Figura 11: Probabilidades de fallo con y sin mantenimiento aplicado a

componente. t1 y t2 son tiempos de mantenimiento y t3 es un tiempo de fallo.
Conociendo esta informacin es posible aplicar la Ecuacin 36 para obtener los

parmetros clave para el modelo MAOL. Para configurar un plan de mantenimiento, se espera
alcanzar un cierto nivel de fiabilidad en los componentes, donde el mantenimiento tiene que ser
aplicado.
3.2 Particularidades del modelo MAOL en el desarrollo del

proyecto
Aunque en este proyecto se aplic la metodologa MAOL para la previsin de riesgo de

fallo y para hacer una planificacin de las acciones de mantenimiento, es necesario tener en
cuenta que, como se explic al comienzo del presente captulo, en este contexto de trabajo los
fallos ocurren cuando el componente est bajo un plan de mantenimiento y por tanto, las tasas de
fallo que se obtienen tras realizar un estudio estadstico difieren de las reales, obtenindose
curvas de probabilidad de fallo inferiores. Por ello, al igual que en [Xiomara 2011], es necesario
suponer que, aunque las tasas obtenidas tras el anlisis estadstico del conjunto de datos
pertenecientes al historial de indisponibilidades no se corresponden con las reales, por estar los
componentes sometidos a un plan de mantenimiento, se consideran como tal, y a tales efectos,
han sido las que se han utilizado.
3.3 Estructura de anlisis adoptada
Se van a estudiar las incidencias de dos aerogeneradores de un parque elico de

Zaragoza. Estas incidencias pueden dar lugar, bien a acciones de mantenimiento correctivo, o bien
a acciones de mantenimiento preventivo. El mantenimiento correctivo puede ser de muchos tipos,
y se aplica cuando ocurre algn modo de fallo. Por otro lado, slo se han tenido en cuenta en el
28
COMILLAS
INGENIERA (ICAI)
proyecto tres grupos de accin de mantenimiento preventivo: mantenimiento preventivo del
bloque componente generador, del bloque componente multiplicadora y del bloque componente
Otros (los dems componentes). S pues, en este proyecto, el aerogenerador va a dividirse en
tres bloques de componentes principales: generador, multiplicadora y Otros. Por lo tanto, cada
grupo de acciones de mantenimiento preventivo mejora la fiabilidad del bloque componente
correspondiente. A su vez, cada bloque componente puede verse afectado por varios modos de
fallo. A continuacin, se muestra una tabla (Figura 12) que muestra qu modos de fallo estn
asociados a cada componente.
COMPONENTE MODO DE FALLO

Avera multiplicador
Vel. rotor # Vel. generador
MULTIPLICADORA
Vel. rotor # Vel. generador
Fallo refrigeracin multiplicador
Temperatura disparo generador
Avera generador
GENERADOR Sobrevelocidad ground
Temperatura disparo cojinete L.A.
Sobrevelocidad elctrica
Tiempo mximo de orientacin
Termostato freno
Baja temperatura ground
Sobretensin hardware rectificador
Sobretensin hardware inversor
Error anemmetro
Fallo comunicacin aerog/set
Fallo IGBT S inversor
Sensor de vibraciones
OTROS
Fallo en precarga
Error accionamiento pitch
Fallo frecuencia
Temperatura disparo barquilla
Retrofit equipos
Fallo general
Serie de emergencia top
Error sincronismo
Baja temperatura top
Figura 12: Componentes del aerogenerador y modos de fallos
El mantenimiento en algn bloque componente podra reducir la probabilidad de

incidencia de unos modos de fallo asociados a otro componente. Esto se debe a que hay
dependencia entre los tres bloques de componentes clasificados (generador, multiplicadora,
29
COMILLAS
INGENIERA (ICAI)
Otros). La efectividad del mantenimiento es una variable de entrada en el programa. En este
proyecto se han utilizado las efectividades, que se muestran en Figura 13.
EFECTIVIDAD (%)
MODO DE FALLO MULTIPLICADORA GENERADOR OTROS
Avera multiplicador 20 0 0
Vel. rotor # Vel. generador 20 20 15
Fallo refrigeracin multiplicador 20 0 0
Temperatura disparo generador 0 20 0
Avera generador 0 20 15
Sobrevelocidad ground 0 15 15
Temperatura disparo cojinete L.A. 0 20 15
Sobrevelocidad elctrica 0 20 15
Tiempo mximo de orientacin 0 0 0
Termostato freno 0 0 15
Baja temperatura ground 0 0 15
Sobretensin hardware rectificador 0 0 15
Sobretensin hardware inversor 0 0 15
Error anemmetro 0 0 0
Fallo comunicacin aerog/set 0 0 0
Fallo IGBT S inversor 0 0 0
Sensor de vibraciones 0 0 0
Fallo en precarga 0 0 15
Error accionamiento pitch 0 0 15
Fallo frecuencia 0 20 15
Temperatura disparo barquilla 0 0 0
Retrofit equipos 0 0 0
Fallo general 0 0 15
Serie de emergencia top 0 0 0
Error sincronismo 0 0 15
Baja temperatura top 0 0 15
Figura 13: Efectividad de las acciones de mantenimiento correctivo
CAPTULO 4: Metodologa de trabajo
Antes de exponer los resultados obtenidos con las conclusiones, y con el fin de crear una
idea clara de los pasos seguidos en el desarrollo del proyecto, se muestran de forma esquemtica
los grandes bloques (Figura 14) que se van a abordar en futuros captulos.
30
COMILLAS
INGENIERA (ICAI)
HISTORIAL DE INCIDENCIAS
ORGANIZACIN DE DATOS EN MATLAB
CLCULO DE PARMETROS DE DISTRIBUCIONES CLCULO DE PARMETROS DE DISTRIBUCIONES

DE MODOS DE FALLO DE MANTENIMIENTOS PREVENTIVOS
SELECCIN QUE MEJOR SE AJSTE A LOS TIEMPOS (TBF, TTF, TTR)
APLICACIN DE LA METODOLOGA MAOL
RE-PLANIFICACIN DEL MANTENIMIENTO
Figura 14: Diagrama de bloque correspondiente al planteamiento
4.1 Historial de incidencias
El primer paso es analizar y ordenar los datos del archivo Excel (se menciona qu es
archivo Excel en el apartado 1.3). Estos datos contienen todas las incidencias que han ocurrido
en todos los aerogeneradores. Es conveniente hacer una primera revisin de los datos para
eliminar algunas incidencias que han sido recogidas de forma redundante. Por ejemplo, el modo
de fallo Error sincronismo, como es fallo de un dispositivo electrnico que avisa si hay un
desequilibrio elctrico entre la red y el aerogenerador, este modo de fallo suele ser de poca
importancia, y no afecta seriamente al sistema ni a la produccin. Normalmente suele haber un
reenganche a la red cuando el error de sincronismo desaparece. Si realmente existe un problema
que necesita ser solucionado, suelen haber varios reenganches antes de que se consideren las
incidencias como un fallo real del sistema. Por lo tanto, en el fichero Excel quedan registradas
varias incidencias que son debidas a un solo fallo, y no varios. Debido a eso, es conveniente hacer
un primer filtrado de datos directamente en el fichero Excel para eliminar incidencias que estn
registradas en un intervalo de tiempo muy corto, y que a simple vista sea evidente que son
incidencias registradas debido a un mismo modo de fallo.
DA MES AO H Min FECHA HORA HORA EN DIAS AEROG T (h) Producc. perd. MOTIVO
17 6 2,009 0 1.47 6/17/2009 19:00 0.79 28 0.02 1 Error sincronismo
17 6 2,009 1 86.83 6/17/2009 19:00 0.79 28 2.45 625.66 Error sincronismo
Figura 15: Ejemplo de filtrado de datos en el fichero Excel
En la figura 15 se aprecia como las siete incidencias de Error sincronismo

ocurren en menos de 40 minutos entre ellas, posteriormente hay un largo periodo sin
ninguna incidencia de este tipo. Por lo tanto es razonable suponer que todas estas
incidencias registradas corresponden al mismo fallo. Por consiguiente, parece lgico
31
COMILLAS
INGENIERA (ICAI)
considerar slo la ltima incidencia (la de color amarillo) y considerar las anteriores como
avisos de fallo con sucesivos reenganches.
4.2 Organizacin de datos en Matlab
El segundo paso consiste en pasar todos los datos a Matlab, y organizarlos de

forma que sea fcil operar con los datos de cada aerogenerador y cada modo de fallo o
mantenimiento preventivo. El programa diseado para este fin organiza los datos de la
siguiente forma (Figura 16):
AEROG 1 NMERO MODO DE modo de (modo de MODO DE (modo de (modo de

TOTAL DE FALLO 1 fallo 1 fallo 1) FALLO 2 fallo 2) fallo 2)
MODOS DE
FALLO DATOS MTBF DATOS MTBF
MTTF MTTF
MTTR MTTR
AEROG 2 NMERO MODO DE modo de (modo de MODO DE (modo de (modo de

TOTAL DE FALLO 1 fallo 1 fallo 1) FALLO 2 fallo 2) fallo 2)
MODOS DE
FALLO DATOS MTBF DATOS MTBF
MTTF MTTF
MTTR MTTR
Figura 16: Ejemplo de ordenacin de datos en Matlab
Una vez obtenido un cell (en Matlab) con los datos ya organizados, se van a poder operar
con los datos de cada modo de fallo y cada aerogenerador de una forma que esta tarea se pueda
realizar de una forma fcil, organizada y sistemtica.
4.3 Clculo de parmetros
El tercer paso es obtener una distribucin exponencial y una distribucin Weibull que se
ajuste a los tiempos (TBF, TTF, TTR). As se podr modelar el comportamiento de los distintos
modos de fallo de los diferentes aerogeneradores. Este paso se describe ms en detalle en el
captulo 5.
4.4 Seleccin de la distribucin que mejor se ajuste a los

tiempos
El cuarto paso es seleccionar la distribucin que mejor se ajuste a los tiempos

(exponencial o de Weibull). Este paso se describe ms en detalle en el captulo 6.
32
COMILLAS
INGENIERA (ICAI)
4.5 Aplicacin del mtodo MAOL en el proyecto
El quinto paso es aplicar el mtodo MAOL. Se corrige la fiabilidad de cada modo de fallo
en funcin de la efectividad de tareas de mantenimiento preventivo. Cada vez que se hace un
mantenimiento preventivo, se mejora la fiabilidad del modo de fallo correspondiente en un
porcentaje (efectividad del mantenimiento).
Para comparar la metodologa de mantenimiento clsica de la metodologa propuesta, se

realiza la previsin de la fiabilidad de cada modo de fallo utilizando los datos (tiempos) reales de
los ltimos cinco aos (de los datos del historial disponibles). A continuacin, se realiza el mismo
proceso pero con los tiempos medios de las distribuciones obtenidas en el cuarto paso, pero
eligiendo umbrales mnimos de mantenimiento. Se efectuarn, por tanto, los mantenimientos
preventivos necesarios para mantener la fiabilidad de cada componente por encima del umbral
fijado.
4.6 Re-planificacin
Por ltimo, se realizarn diferentes escenarios variando el umbral de mantenimiento

para los componentes. Se comparar el mtodo propuesto con el clsico.
33
COMILLAS
INGENIERA (ICAI)
CAPTULO 5: Anlisis de la distribucin de los modos

de fallo
Como ya se ha comentado anteriormente, es muy habitual utilizar la distribucin

exponencial y Weibull para modelar las distribuciones de fallo. Por eso, se van a utilizar estas dos
distribuciones para obtener los tiempos de fallo de las distintas componentes del aerogenerador,
durante la vida til de los componentes. En funcin de qu distribucin se ajuste mejor a la
informacin disponible, se utilizar la distribucin exponencial o la Weibull.
En este captulo, se presenta cmo se ha hecho el estudio para obtener los parmetros
de las distribuciones propuestas para los distintos modos de fallo de los dos aerogeneradores que
se estudian.
El estudio estadstico consiste en calcular los parmetros de las distribuciones que vamos
a comparar (exponencial y Weibull) por dos mtodos diferentes: el mtodo de mnimos cuadrados
(MC) y el mtodo de mxima verosimilitud (MV). Para el estudio de los aerogeneradores 56 y 28 se
trabajar slo con el mtodo de mnimos cuadrados. Posteriormente se comparar la distribucin
exponencial con la Weibull utilizando el coeficiente de determinacin lineal ( ).
Para este estudio se han utilizado los siguientes programas, en Matlab:
AjustExp_tbf.m: Con este programa se realiza el estudio estadstico de la distribucin

exponencial para los tiempos entre acciones de mantenimiento.
AjustExp_ttf.m: Con este programa se realiza el estudio estadstico de la distribucin
exponencial para los tiempos hasta la prxima accin de mantenimiento.
AjustExp_ttr.m: Con este programa se realiza el estudio estadstico de la distribucin
exponencial para los tiempos de reparacin, cuando la accin de mantenimiento es correctiva,
o para los tiempos de la accin de mantenimiento preventivo.
AjustWeibull_tbf.m: Con este programa se realiza el estudio estadstico de la distribucin
Weibull para los tiempos entre acciones de mantenimiento.
AjustWeibull_ttf.m: Con este programa se realiza el estudio estadstico de la distribucin
Weibull para los tiempos hasta la prxima accin de mantenimiento.
AjustWeibull_ttr.m: Con este programa se realiza el estudio estadstico de la distribucin
Weibull para los tiempos de reparacin, cuando la accin de mantenimiento es correctiva, o
para los tiempos de la accin de mantenimiento preventivo.
El estudio se realizar mediante un mtodo grfico. Los programas mencionados

anteriormente, que son los que ejecutan el mtodo grfico, consisten en ir siguiendo los pasos
siguientes:
1. Ordenar todos los tiempos de fallo t1,t2,...,tn de menor a mayor.
2. Calcular posiciones de representacin de probabilidad. Para el fallo i-simo la posicin de

representacin de probabilidad (correspondiente al porcentaje acumulado de fallos hasta
ah) viene dada por
34
COMILLAS
INGENIERA (ICAI)
(37)
3. Representar los tiempos sobre el papel de probabilidad correspondiente, es decir, sobre el

papel de probabilidad de la exponencial y de Weibull, para analizar cmo se ajustan la
distribucin exponencial y Weibull respectivamente. Hay papeles de probabilidad para
muchas distribuciones, incluyendo la exponencial, normal, Weibull, y otras, y sirven para
que los datos representados sobre este papel se comporten bajo un comportamiento
lineal, siendo posible el ajuste de una recta de regresin a los datos.
4. Ajustar una lnea recta (recta de regresin) a los datos minimizando las desviaciones entre
recta y puntos representados.
5. Establecer la adecuacin entre distribucin supuesta (la del papel elegido, que en este
caso son la exponencial y Weibull) y los datos. Sobre el grfico resultante se podrn
admitir que los datos siguen mejor la ley del papel considerado cuanto ms se ajuste la
recta a la nube de puntos.
Habr casos en los que haya una aglomeracin de puntos (normalmente al principio) que
hagan que la recta no se ajuste a la nube de puntos como debera. Esta aglomeracin se
debe tpicamente a que ha habido un fallo que no se ha logrado reparar al primer intento,
de modo que se han producido numerosas incidencias a causa de un mismo dispositivo en
un reducido margen de tiempo. Estas incidencias han sido recogidas como distintos fallos,
cuando en realidad es el mismo fallo que no se termina de reparar. As que, para
solucionar este concepto, se seleccionar el rango de tiempos en los que se localiza la
aglomeracin y slo se utilizar la mediana de todos esos datos. La notacin que se
seguir ser range=(a,b) para hacer la mediana (o en la eliminacin) de la aglomeracin en
el intervalo [a,b] de la representacin de los tiempos de fallo sobre el papel de
probabilidad correspondiente, debido al motivo anteriormente mencionado. De esta
forma se obtendrn resultados ms acordes con la realidad, y se mejorar la linealidad de
los datos ( ).
6. Para saber si los datos tienen un comportamiento ms o menos lineal, y por lo tanto para
determinar qu distribucin se ajusta mejor a los tiempos observados, se utilizar el
coeficiente de determinacin lineal ( ). Este coeficiente vara entre cero y uno, siendo
ms prximo uno cuanto mayor sea el comportamiento lineal de los datos observados.
[Comillas 2008]
(38)
Para cada modo de fallo y tipo de mantenimiento se elegir la distribucin que mejor se
ajuste a los datos observados. Y con los parmetros de estas distribuciones, se desarrollar el
modelo MAOL para luego crear el plan de mantenimiento.
En este captulo, se explicar con ms detalle cmo se obtienen las distribuciones y los
parmetros que modelan el comportamiento de los modos de fallo.
El proceso a seguir es el siguiente para cada modo de fallo:
35
COMILLAS
INGENIERA (ICAI)
1. Se eligen lo datos de un modo de fallo de un aerogenerador. Este paso se puede hacer de
forma rpida y fcil gracias a que los datos se han organizado en un cell, como se ha
explicado anteriormente.
2. Se realiza un ajuste exponencial a los datos. Se ha observado que hay dos tipos de
comportamientos en los modos de fallo. Unos modos de fallo suceden con muy poca
frecuencia, otros ocurren con mucha frecuencia pero la mayora de las incidencias ocurren
muy seguidas. Se van a explicar dos ejemplos (uno de cada caso) explicando el
razonamiento del anlisis. Sin embargo, este anlisis viene detallado en el Anexo II (en el
CD adjunto) para todos los modos de fallo.
Ejemplo 1: Sobrevelocidad elctrica en el aerogenerador 28 (pocas incidencias)
La Figura 17 muestra la frecuencia con la que ocurren las incidencias. Ayuda a tener una idea
de los tiempos entre incidencias, y a estimar si los resultados que se van a obtener a
continuacin son razonables.
Frecuencia de incidencias
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
Figura 17: Frecuencia con la que ocurren las incidencias
La Figura 18 muestra la funcin de distribucin acumulada, la presentacin de los

tiempos de fallo con respecto al tiempo sobre el papel probabilistico de la exponencial, la recta de
regresin ajustada por el mtodo de los mnimos cuadrados.
En este caso, la funcin de distribucin acumulada es muy escalonada con escalones muy
abruptos. Esto significa que el tamao de la muestra es pequeo (mientras ms suave sea esta
funcin, ms grande ser el tamao de la muestra).
La grfica de los datos sobre el papel de probabilidad con la recta de regresin da una
idea de manera visual de cunto se ajusta la funcin propuesta a los datos reales.
36
COMILLAS
INGENIERA (ICAI)
Presentacin de CDF F(t) Presentacin de tiempos de fallo y log R(t)
Probabilidad acumulada (F) %

80 2
-log(1-F(t))= -log(R(t))
1.5
60
1
40
0.5
20 0
0 1 2 3 0 1 2 3
x - horas 4 t - tiempo al fallo 4
x 10 x 10
Recta ajustada y los valores reales
2 1
Min Cuad
Fiabilidad - R(t)
1.5 0.8 Max Ver
Med Rango
1 0.6
0.5 0.4
0 0.2
0 1 2 3 4 0 1 2 3
t - tiempo al fallo 4 t - tiempo (horas) 4
x 10 x 10
Figura 18
La Figura 19 indica la tasa de fallos y el tiempo al fallo segn el mtodo de los mnimos
cuadrados y el mtodo de mxima verosimilitud y el coeficiente de determinacin lineal . es
un parmetro que est entre cero y uno, e indica cunto se ajusta la distribucin propuesta a los
datos. es ms prxima a la unidad mientran ms se ajuste la recta de regresin a los datos.
TBF
Tasa r
Tiempo_al_fallo_MC_horas Tasa_fallos_MV Tiempo_al_fallo_MV_horas
Ajuste _fallos_MC r^2
exponencial
0.000051 19523.52 0.912384 0.000057 17528.00
media 17527.999907
Figura 19: Parmetros de la distribucin exponencial
Este proceso se hace para examinar los TBF, TTF y TTR. En este ejemplo slo se muestra
el TBF del modo de fallo Sobrevelocidad elctrica del aerogenerador 28.
Se observa que el tiempo al fallo calculado segn el mtodo de MC se acerca bastante al

calculado mediante la media aritmtica. En este proyecto se han utilizado finalmente los
resultados obtenidos mediante el mtodo de MC.
El resultado obtenido, con un superior a 0.9, se considera bastante representativo de

los tiempos de fallos reales, aunque tambin hay que tener muy en cuenta la escasa cantidad de
muestras de las que se disponen.
Ejemplo 2: Problemtica red externa en el aerogenerador 56 (muchas incidencias)
37
COMILLAS
INGENIERA (ICAI)
La Figura 20 representa los momentos en los que ocurren las incidencias de este modo
de fallo. Se observa que hay muchas incidencias que suceden en un intervalo de tiempo muy
prximo. Esto se debe,como se ha explicado anteriormente, a que ha habido varios reenganches
del sistema antes de proceder a la reparacin del fallo. La consecuencia es la anotacin de muchas
incidencias para el mismo fallo.
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
Figura 20: Frecuencia con la que ocurren las incidencias
En La Figura 21 se aprecia como hay muchos TBF entre 0 y 1000 horas. Debido al modo
de fallo y a la alta fecuencia de incidencias en este rango de tiempo, es razonable pensar que las
incidencias con TBF entre 0 y 1000 horas son en realidad incidencias debidas a un mismo fallo.
Estas incidencias suelen ser incidencias de reenganches. Por tanto, para conseguir un mejor ajuste
de la distribucin propuesta, se hace la mediana de los datos en este rango de tiempo. De esta
manera se engloban todos estos reenganches en un solo dato, ya que lo que interesa es el tiempo
entre reparaciones de fallos independientes.
38
COMILLAS
INGENIERA (ICAI)

100 6
4
50
2
0 0
0 5000 10000 15000 0 5000 10000 15000
x - horas t - tiempo al fallo
6 1
Min Cuad
Fiabilidad - R(t)
Max Ver
4
Med Rango
0.5
2
0 0
0 5000 10000 15000 0 5000 10000 15000
t - tiempo al fallo t - tiempo (horas)
Figura 21
Se observa en la Figura 22 como es bastante bajo (se considera bajo para valores menores
de 0.9).
TBF
Tasa
Tiempo_al_fallo_MC_horas r^2 Tasa_fallos_MV Tiempo_al_fallo_MV_horas
Ajuste _fallos_MC
exponencial
0.000460 2171.87 0.485206 0.000875 1143.13
media 1143.130429
Sin embargo, en la Figura 23 se ensean los datos sobre el papel de probabilidad de la

exponencial pero con la mediana de los datos contenidos en el rango de tiempo entre 0 y 1000
horas. Se observa que la recta de regresin se ajusta mejor a los datos. Es importante notar que
este filtro de datos (utilizar la mediana de los datos entre 0 y 1000 horas) no se hace con el
propsito de que la distribucin se ajuste ms a los datos reales, sino porque los datos entre este
margen de tiempo se consideran debidos a reenganches y no a fallos independientes.
39
COMILLAS
INGENIERA (ICAI)
Range=(0,1000)

100 4
3
50 2
0 0
0 5000 10000 15000 0 5000 10000 15000
4 1
Min Cuad
Fiabilidad - R(t)
3 Max Ver
Med Rango
2 0.5
0 0
0 5000 10000 15000 0 5000 10000 15000
Figura 23
Despus de haber hecho el filtro de datos entre 0 y 1000 horas, usando slo la mediana
en este rango, se aprecia un mejor ajuste de la recta de regresin, reflejado en un ms prximo
a uno (Figura 24). Aun as, sigue siendo menor a 0.9, y este factor del ajuste debe de tenerse en
cuenta a la hora de confiar el la precisin final del estudio.
TBF
Tasa
Tiempo_al_fallo_MC_horas r^2 Tasa_fallos_MV Tiempo_al_fallo_MV_horas
Ajuste _fallos_MC
exponencial
0.000266 3759.46 0.859810 0.000316 3163.74
media 3163.741032
3. Se realiza un ajuste Weibull a los datos. Este paso es anlogo al anterior pero con la
distribucin Weibull.
Ejemplo 1 (continuacin)
40
COMILLAS
INGENIERA (ICAI)
La Figura 25 muestra la funcin de distribucin acumulada de los datos reales, ahora
sobre el papel de probabilidad de la distribucin Weibull, con la recta de regresin ajustada a los
datos. Se observa que la recta de regresin se ajusta bastante a los datos observados. Sin
embargo, la grfica de la funcin acumulada tiene escalones muy pronunciados. Esto se debe a
que hay muy pocos fallos.
y = log(-log(1-F(t)))= log(-log(R(t)))
Presentacin de CDF o F(t) Recta ajustada y los valores reales
80 1
60 0
40 -1
20 -2
1 1.5 2 2.5 3 9 9.5 10 10.5
x - horas 4 x = log t - tiempo al fallo
x 10
-4
x 10
Tasa de fallos - lambda(t)

1
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver Max Ver

cdf
0.5 1
Plotting
0 0
1 1.5 2 2.5 3 1 1.5 2 2.5 3
t - tiempo (horas) 4 t - tiempo (horas) 4
x 10 x 10
Figura 25
Se observa en la Figura 26 que es mayor en la funcin Weibull que en la funcin

exponencial. Por los tanto, la distribucin Weibull se ajusta mejor a los TBF del modo de fallo
Sobrevelocidad elctrica para el aerogenerador 28. Se utilizar una distribucin Weibull de
parmetros Beta=2.203538 y Mu=20174.76 para describir el comportamiento de los TBF.
TBF
Beta MinCuadra Mu MinCuadraHora r^2 Beta MaxVer Mu MaxVerHoras

Ajuste Weibull
2.203538 20174.76 0.959857 2.9547628 19731.46
media 17527.999907
Figura 26: Parmetros de la distribucin Weibull
Ejemplo 2 (continuacin)
Primero, se calcula la distribucin exponencial por la siguiente razn: el papel de

distibucin Weibull tiene en el eje de abcisas log(t) y no t, por lo que no se puede apreciar si hay
41
COMILLAS
INGENIERA (ICAI)
una aglomeracin de incidencias en el origen que fisicamente reflejen unas incidencias debidas a
reenganches y no a fallos (Figura 27). Por eso primero se analiza la distribucin exponencial y se
interpretan los datos aplicando un filtro a datos que no se consideren relevantes.
100 2
0
50
-2
0 -4
0 5000 10000 15000 4 6 8 10
x - horas x = log t - tiempo al fallo
-3
x 10

1 3
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver Max Ver

2
cdf
0.5
Plotting
1
0 0
0 5000 10000 15000 0 5000 10000 15000
t - tiempo (horas) t - tiempo (horas)
Figura 27
TBF

Ajuste Weibull
1.189719 3252.32 0.907075 1.1105828 3304.57
media 3163.741032
Figura 28: Parmetros de la distribucin Weibull
El parmetro (en la Figura 28) es mayor en la distribucin Weibull ( =0.907075) que

en la exponencial ( =0.859810), por lo que se utilizar un distribucin Weibull de parmetros
beta=1.189719 y mu=3252.32 para describir el comportamiento del TBF del modo de fallo
Problemtica red externa para el aerogenerador 56. Tambin se aprecia en la Figura 27 que la
recta de regresin se ajusta mejor a los datos.
Hiptesis:
42
COMILLAS
INGENIERA (ICAI)
Como hiptesis se va a suponer que los TBF, los TTF y los TTR son independientes. Es no es
verdad en realidad, ya que el TBF es la suma de TTF y TTR.
Los datos sobre los aerogeneradores se tienen desde el 01/01/2005 hasta el 31/12/2010.
Por eso, se va ha suponer como primera incidencia para todos los modos de fallo y
mantenimiento en el da 01/01/2005 a las 00:00, y como ltima incidencia el da
31/12/2010 a las 23:59.
Notas:
Las tasas de fallo en las distribuciones Weibull son ascendentes aunque el parmetro beta
sea menor que la unidad.
Cuando se tienen 2 puntos, las distribuciones Weibull se ajustan perfectamente

obtenindose =1. Esto no se debe a que el modelo represente exactamente a lo que
sucede realmente, sino que la distribucin Weibull pasa exactamente por los dos puntos.
En estos casos, los resultados deben considerarse con cuidado debido al pequeo tamao
de la muestra.
El anlisis de las distribuciones de los dems modos de fallos estn en el Anexo I (en el
CD adjunto). A continuacin, se muestran los parmetros obtenidos para todos los modos de fallo
de los aerogeneradores 56 y 28, resumidos en la Figura 29 y la Figura 30.
En las dos Figuras siguientes se muestran slo los parmetros de la distribucin

(exponencial o Weibull) que mejor se ajusta a los datos reales de los modos de fallo. El criterio
para elegir una distribucin u otra es, como ya se ha mencionado anteriormente, el parmetro .
43
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 56
TBF TTF TTR
MODO DE FALLO
r^2 (horas) MTBF (horas) r^2 (horas) MTTF (horas) r^2 (horas) MTTR (horas)
Avera multiplicador 0,9899 - 0,3891 15987,49 0 57444,0965 0,9900 - 0,3891 15973,1000 0 57402,6384 1,0000 - 1,180402 0,42 0 0,3968
Vel. rotor # Vel. generador 1,0000 - 1,1678 32914,73 0 31187,8141 1,0000 - 1,1682 32899,2100 0 31170,1183 - - - - - -
Temperatura disparo generador 0,8727 1,30E-04 - - - 7692,3077 0,8719 1,30E-04 - - - 7692,3077 0,8749 3,11E-01 - - - 3,2185
Avera generador 0,9762 3,80E-05 - - - 26315,7895 0,9774 3,80E-05 - - - 26315,7895 1,0000 - 52,0958 173,2300 0 171,3727
Temperatura disparo cojinete L.A. 1,0000 - 1,3990 32297,40 0 29439,7720 1,0000 - 1,3973 32291,3100 0 29440,0595 - - - - - -
Sobrevelocidad elctrica 0,9979 - 1,5008 20936,43 0 18899,0804 0,9979 - 1,5013 20929,8300 0 18892,3469 1,0000 - 0,4980 0,4100 0 0,8262
Tiempo mximo de orientacin 0,9697 9,30E-05 - - - 10752,6882 0,9697 9,30E-05 - - - 10752,6882 0,9190 - 2,5089 0,5400 0 0,4792
Termostato freno 0,9939 1,90E-04 - - - 5263,1579 0,9941 1,91E-04 - - - 5235,6021 0,8860 6,84E-01 - - - 1,4610
Baja temperatura ground 1,0000 2,80E-05 - - - 35714,2857 1,0000 2,80E-05 - - - 35714,2857 - - - - - -
Sobretensin hardware rectificador 0,9837 - 0,7861 19647,17 0 22546,9594 0,9837 - 0,7861 19643,8000 0 22543,1774 1,0000 - 2,7711 0,1800 0 0,1602
Sobretensin hardware inversor 0,9131 - 0,6769 11602,04 0 15179,9729 0,9129 - 0,6770 11592,9400 0 15166,4637 0,9527 - 0,4632 2,9900 0 6,9580
Retrofit equipos 0,9538 6,40E-05 - - - 15625,0000 0,9539 6,40E-05 - - - 15625,0000 1,0000 - 1,1662 3,1100 0 2,9480
Fallo general 1,0000 - 2,2695 30538,37 0 27050,6926 1,0000 - 2,2646 30532,0700 0 27044,5928 - - - - - -
Serie de emergencia top 0,9981 - 3,0804 19695,23 0 17608,3714 0,9981 - 3,0838 19685,9300 0 17600,9548 1,0000 - 0,6497 0,7700 0 1,0525
Error sincronismo 1,0000 - 2,0212 30944,04 0 27418,5444 1,0000 - 2,0226 30932,8100 0 27408,3003 - - - - - -
1,0000 2,40E-05 - - - 41666,6667 1,0000 2,40E-05 - - - 41666,6667 - - - - - -

Figura 29: Parmetros de los modos de fallo del aerogenerador 56
44
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 28
TBF TTF TTR

MODO DE FALLO
Vel. rotor # Vel. generador 0,7408 5,20E-05 - - - 19230,7692 0,7407 5,20E-05 - - - 19230,7692 1,0000 - 1,5756 2,0100 0 1,8048
Fallo refrigeracin multiplicador 0,8410 - 0,2556 14487,0300 0 304624,4125 0,8409 - 0,2552 14466,5200 0 307027,7812 0,9940 - 1,4001 0,8600 0 0,7838
Sobrevelocidad elctrica 0,8361 - 3,3795 14559,1900 0 13075,6258 0,8351 - 3,3785 14555,1800 0 13071,8360 0,8631 0,7370 0,3800 0 0,4591
Sobrevelocidad ground 0,9911 - 0,3605 14727,8800 0 67039,7236 0,9911 - 0,3603 14721,9800 0 67085,9694 0,9555 - 1,0177 0,6200 0 0,6155
Tiempo mximo de orientacin 0,9550 - 0,4679 560,9600 0 1278,1295 0,9539 - 0,4603 554,0900 0 1306,9426 0,9557 1,51E+00 - - - 0,6615
Error sincronismo 0,9634 6,10E-05 - - - 16393,4426 0,9634 6,10E-05 - - - 16393,4426 0,9821 - 0,5744 5,7600 0 9,1968
Fallo en precarga 1,0000 - 0,7838 33658,9100 0 38710,1171 1,0000 - 0,7831 33647,9200 0 38724,1012 - - - - - -
Sensor de vibraciones 1,0000 - 0,8751 33586,3900 0 35903,8563 1,0000 - 0,8743 33577,5600 0 35912,7452 - - - - - -
Fallo IGBT S inversor 1,0000 - 0,8993 33549,1100 0 35313,8931 1,0000 - 0,8986 33512,4100 0 35291,6155 - - - - - -
Fallo comunicacin aerog/set 0,8670 - 0,3578 17175,1100 0 80148,4517 0,8670 - 0,3577 17169,1700 0 80161,9327 0,9304 3,07E-01 - - - 3,2574
Error anemmetro 0,9457 - 2,3522 20166,6300 0 17871,2815 0,9454 - 2,3544 20157,0500 0 17863,0437 1,0000 - 0,8278 1,0400 0 1,1509
Error accionamiento pitch 0,9599 - 2,2035 20174,7600 0 17867,3613 0,9595 - 2,2047 20162,4800 0 17856,5177 1,0000 - 0,5199 9,2200 0 17,2040
Fallo frecuencia 1,0000 - 0,8360 33632,4400 0 36979,8543 1,0000 - 0,8362 33619,0300 0 36957,7735 - - - - - -
1,0000 - 0,6900 33556,2900 0 43073,8969 1,0000 - 0,6900 33553,4400 0 43069,1345 - - - - - -

Figura 30: Parmetros de los modos de fallo del aerogenerador 28
NOTA: La media de tiempos en algunos modos de fallo es mayor al tiempo estudiado (5 aos). Esto se debe al reducido tamao de la muestra y a
que se ha escogido una distribucin Weibull para el ajuste de los datos. Esta situacin ocurre en casos como el MTBF y el MTTF del modo de fallo
Baja temperatura top del aerogenerador 56 (Figura 28), el MTBF y el MTTF del modo de fallo Avera multiplicador del aerogenerador 56, o el
MTBF y el MTTF del modo de fallo Sobrevelocidad Ground del aerogenerador 28.
45
COMILLAS
INGENIERA (ICAI)
CAPTULO 6: Anlisis de la distribucin de los tiempos de

mantenimiento preventivo
Este captulo sigue un objetivo y estructura anlogos al captulo 5. As pues, se asumen

las mismas hiptesis. Siguiendo el modo de estudio del captulo anterior, se va a comentar el
anlisis de las tres tareas tipos de tareas de mantenimiento preventivo: del generador, la
multiplicadora y Otros.
En este captulo, se muestra el estudio del tiempo hasta el mantenimiento (TBM). En el

Anexo II se ensea el estudio del tiempo entre tareas de mantenimiento (TTM) y del tiempo de las
tareas de mantenimiento (TOM).
6.1 Mantenimiento preventivo del bloque componente

multiplicadora
A continuacin se va a mostrar la frecuencia con la que suceden las tareas de

mantenimiento preventivo en el bloque componente multiplicadora. Estas tareas son
fundamentales para asegurar la fiabilidad y disponibilidad de un aerogenerador en todo momento.
6.1.1 Aerogenerador 56
En este apartado se explica el proceso seguido para elegir la distribucin de tiempos de
mantenimiento que ms se ajusta a los tiempos entre tareas de mantenimiento (TBM).
Ajuste Exponencial
Como primer paso, se muestra la Figura 31 para tener una idea de cmo es la
distribucin de los TBM a lo largo de los 5 aos analizados.
46
COMILLAS
INGENIERA (ICAI)
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
Figura 31: Histograma de frecuencias con las que ocurren las tareas de mantenimiento en
la multiplicadora para el aerogenerador 56
Se observa que los TBM estn bastante bien distribuidos a los largo de los 5 aos,
aunque se perciben dos TBM muy juntos a las 1500 horas aproximadamente.
En la Figura 32 se muestran los parmetros obtenidos con el ajuste exponencial a los

datos observados.
TBF
Tasa
Tiempo_manten_MC_horas r^2 Tasa_manten_MV Tiempo_mantne_MV_horas
Ajuste _manten_MC
exponencial
0.000092 10896.64 0.810388 0.000095 10516.80
Media 10516.799944
Figura 32: Parmetros de la distribucin exponencial del bloque componente

multiplicadora para el aerogenerador 56
La Figura 33 muestra la funcin de distribucin acumulada de los tiempos entre tareas

reales de mantenimientos preventivo sobre el papel de probabilidad de la exponencial, con la
recta de regresin ajustada a los datos. Se observa que la recta de regresin no se ajusta
demasiado bien a los datos observados, y esto se refleja en un . Este factor se debe de
47
COMILLAS
INGENIERA (ICAI)
tener en cuenta a la hora de dar crdito a los resultados finales, ya que el plan preventivo
propuesto utiliza estos parmetros.

Probabilidad acumulada (F) % 100 3
2
50
1
0 0
0 0.5 1 1.5 2 0 0.5 1 1.5 2
x 10 x 10
3 1
Min Cuad
Fiabilidad - R(t)
Max Ver
2
Med Rango
0.5
1
0 0
0 1 2 3 0 0.5 1 1.5 2
x 10 x 10
Figura 33
Ajuste Weibull
En la Figura 34 se observa que es mucho mayor mediante el ajuste Weibull que con
un ajuste exponencial. Por lo tanto, se utilizarn los parmetros de la Figura 34 para modelar el
comportamiento de los TBM del bloque componente multiplicadora en el aerogenerador 56.
48
COMILLAS
INGENIERA (ICAI)
TBF

Ajuste Weibull
1.553419 12345.36 0.965416 2.2406398 11881.62
Media 10516.799944
Figura 34: Parmetros de la distribucin Weibull del componente multiplicadora para el

aerogenerador 56.
En la Figura 35 aprecia como, efectivamente, la recta de regresin se ajusta bastante

bien a los datos.
100 1
50 -1
-2
0 -3
0 0.5 1 1.5 2 8 8.5 9 9.5 10
x 10
-4
x 10
1 4
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 3 Max Ver

cdf
0.5 2
Plotting
1
0 0
0 0.5 1 1.5 2 0 0.5 1 1.5 2
x 10 x 10
Figura 35
En el aerogenerador 28, las tareas tambin estn distribuidos homogneamente en el
tiempo, como en el aerogenerador 56, y el nmero de tareas de mantenimiento es
aproximadamente el mismo (Figura 36).
49
COMILLAS
INGENIERA (ICAI)
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
la multiplicadora para el aerogenerador 28
Ajuste Exponencial
TBF
Tasa r
Tiempo_manten_MC_horas Tasa_manten_MV Tiempo_manten_MV_horas
Ajuste _manten_MC r^2
exponencial
0.000073 13671.49 0.722401 0.000076 13146.00
media 13145.999931
Figura 37: Parmetros de la distribucin exponencial del bloque componente

multiplicadora para el aerogenerador 28
50
COMILLAS
INGENIERA (ICAI)

100 2
1.5
50 1
0.5
0 0
0.5 1 1.5 2 2.5 0.5 1 1.5 2 2.5
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver
Med Rango
1 0.5
0.5
0 0
0 1 2 3 0.5 1 1.5 2 2.5
x 10 x 10
Figura 38
En la Figura 38 se observa cmo la recta de regresin no se ajusta demasiado bien a los

tiempos reales, y cmo la grfica de la probabilidad acumulada, al ser muy escalonada, indica que
la muestra de dados es escasa. El comportamiento poco lineal de los datos tambin se nota en que
es bastante pequeo ( 0.722401, en la Figura 37).
Ajuste Weibull
La Figura 39 indica que es un poco mayor que por ajuste exponencial, pero aun as no
demasiado elevado. Esto se debe, como se observa en la Figura 40, a que la recta de regresin no
se ajusta a los datos demasiado bien. Aun as, la distribucin Weibull se ajusta mejor a los datos
que la exponencial. Estas observaciones, sobre cmo de bien se ajustan las funciones propuestas,
debern de tenerse en cuenta a la hora de interpretar los resultados, ya que los tiempos de los
modos de fallo se modelan mejor en algunos casos que en otros.
51
COMILLAS
INGENIERA (ICAI)
TBF

Ajuste Weibull
3.104771 14560.78 0.800220 3.1867598 14716.04
media 13145.999931
Figura 39: Parmetros de la distribucin Weibull del componente multiplicadora para el

aerogenerador 28
En la Figura 40 se llegan a las mismas conclusiones que en la Figura 38 (en el caso de la

exponencial), aunque se aprecia ligeramente un mejor comportamiento lineal de los datos de la
Figura 40.
100 2
50 0
-1
0 -2
0.5 1 1.5 2 2.5 9 9.5 10
x 10
-4
x 10
1 6
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 4 Max Ver

cdf
0.5
Plotting
2
0 0
0.5 1 1.5 2 2.5 0.5 1 1.5 2 2.5
x 10 x 10
Figura 40

generador
En la Figura 41 se observa que las tareas de mantenimientos sobre el generador del
aerogenerador 56 se hacen cada un cierto tiempo ms o menos constante.
52
COMILLAS
INGENIERA (ICAI)
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
el generador para el aerogenerador 56
Ajuste exponencial
Se observa en la Figura 42 que es demasiado bajo como para considerar que esta
distribucin se ajusta a los datos.
TBF
Tasa
Tiempo_manten_MC_horas r^2 Tasa_mante_MV Tiempo_mante_MV_horas
Ajuste _manten_MC
exponencial
0.000177 5640.31 0.717282 0.000171 5842.67
media 5842.666636
Figura 42: Parmetros de la distribucin exponencial del bloque componente generador

para el aerogenerador 56
53
COMILLAS
INGENIERA (ICAI)

100 3
2
50
1
0 0
0 5000 10000 15000 0 5000 10000 15000
3 1
Min Cuad
Fiabilidad - R(t)
Max Ver
2
Med Rango
0.5
1
0 0
0 5000 10000 15000 0 5000 10000 15000
Figura 43
Se puede interpretar a partir de la representacin de tiempos de fallo (Figura 43) que los
dos ltimos puntos son excepciones. Si se eliminan los dos ltimos puntos interpretndolos como
anmalos, y entendiendo que los tiempos entre reparacin preventiva estn entre las 2500 y las
6000 horas, se obtienen los siguientes resultados:
TBF
Tasa
Ajuste _manten_MC
exponencial
0.000216 4627.27 0.273501 0.000221 4515.32
media 4515.319603

En la Figura 44 se aprecia que es inferior, y en la Figura 45 se observa que la recta de

regresin no se ajusta a los datos. El ajuste no es muy bueno para la distribucin exponencial
debido a que obliga a la recta de regresin a que pase por el origen de tiempos. En este caso es
mejor usar la distribucin Weibull.
54
COMILLAS
INGENIERA (ICAI)

100 3
2
50
1
0 0
3500 4000
4500 5000 5500 3500 4000 4500 5000 5500
3 1
Min Cuad
Fiabilidad - R(t)
Max Ver
2
Med Rango
0.5
1
0 0
0 5000 10000 15000 3500 4000 4500 5000 5500
Figura 45
Distribucin Weibull
La distribucin Weibull se ajusta muy bien a los datos de la muestra. En la Figura 46 se

nota que es bastante prximo a uno, y en la Figura 47 se observa cmo la recta de regresin se
ajusta con considerable exactitud a los datos reales. Por lo tanto, se tomarn los parmetros
mostrados en la Figura 46 para representar los TBM de las tareas de mantenimiento en e
generador para el aerogenerador 56
TBF

Ajuste Weibull
7.733907 4780.37 0.947517 8.8968538 4772.31
media 4515.319603
Figura 46: Parmetros de la distribucin Weibull del componente generador para el

aerogenerador 56
55
COMILLAS
INGENIERA (ICAI)

100 1
50 -1
-2
0 -3
3500 4000 4500 5000 5500 8 8.2 8.4 8.6
-3
x 10

1 4
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 3 Max Ver

cdf
0.5 2
Plotting
0 0
3500 4000 4500 5000 5500 3500 4000 4500 5000 5500
Figura 47
Las tareas de mantenimiento de este componente en el aerogenerador 28 se efectan
con una frecuencia similar a la del aerogenerador 56 (Figura 48).
56
COMILLAS
INGENIERA (ICAI)
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
el generador para el aerogenerador 28
Ajuste Exponencial
El ajuste exponencial se ajusta bastante bien a los datos, y la media aritmtica de TBM se
acerca bastante al tiempo medio de tareas calculado mediante el mtodo de mnimos cuadrados
(MC) (Figura 49).
TBF
Tasa
Ajuste _manten_MC
exponencial
0.000172 5809.38 0.879537 0.000171 5842.67
media 5842.666636

En la Figura 50, se observa que la recta de regresin se ajusta bastante bien a los datos
reales. Sin embargo, se nota que hay dos puntos que se podra considerar anmalos. Estos dos
puntos so los de TBM mayor. Por lo tanto, se interpreta que lo normal es que los TBM no sean
mayores de 1000 horas. Por esta razn, se utiliza la mediana para TBM de ms de 10000 horas.
57
COMILLAS
INGENIERA (ICAI)

100 3
2
50
1
0 0
0 5000 10000 15000 0 5000 10000 15000
3 1
Min Cuad
Fiabilidad - R(t)
Max Ver
2
Med Rango
0.5
1
0 0
0 0.5 1 1.5 2 0 5000 10000 15000
t - tiempo al fallo 4 t - tiempo (horas)
x 10
Figura 50
En la Figura 51, se nota que , como se esperaba, es ms prxima a la unidad una vez
hecha la mediana de los TBM de ms de 10000 horas.
Range=(10000,inf)
TBF
Tasa
Tiempo_mante_MC_horas r^2 Tasa_mante_MV Tiempo_mante_MV_horas
Ajuste _manten_MC
exponencial
0.000198 5057.89 0.909343 0.000196 5095.51
media 5095.510816

En la Figura 52 se observa cmo se ajusta la recta de regresin a los datos.
58
COMILLAS
INGENIERA (ICAI)

100 3
2
50
1
0 0
0 5000 10000 15000 0 5000 10000 15000
3 1
Min Cuad
Fiabilidad - R(t)
Max Ver
2
Med Rango
0.5
1
0 0
0 5000 10000 15000 0 5000 10000 15000
Figura 52
Ajuste Weibull
El parmetro se aproxima ms a uno mediante un ajuste Weibull que mediante uno

exponencial, por lo que el ajuste es mejor con una distribucin Weibull.
Range=(10000,inf)
TBF

Ajuste Weibull
1.961044 5714.97 0.939906 1.8734488 5781.19
media 5095.510816
Figura 53: Parmetros de la distribucin Weibull del bloque componente generador para
el aerogenerador 28
En la Figura 54 se observa cmo se ajusta la recta de regresin los datos.
59
COMILLAS
INGENIERA (ICAI)

100 2
0
50
-2
0 -4
0 5000 10000 15000 7 8 9 10
-3
x 10

1 1.5
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver Max Ver

1
cdf
0.5
Plotting
0.5
0 0
0 5000 10000 15000 0 5000 10000 15000
Figura 54
Los parmetros que se ensean en la Figura 53 son los que se van a utilizar para modelar
los TBM del mantenimiento preventivo del generador para el aerogenerador 28.

Otros
Este tipo de mantenimiento suele ser el ms econmico, y tambin suele mejorar la

fiabilidad de los otros dos bloque componentes, a parte del bloque componente Otros. A
continuacin, se muestran los parmetros que modelan los TBM de estas tareas para lo
aerogeneradores 56 y 28.
Se aprecia que, a lo largo de los 5 aos estudiados (entre el 2005 y el 2010), en el
aerogenerador 56 se realizan muchas ms tareas de este tipo de mantenimiento que de los otros
dos (Figura 55)
60
COMILLAS
INGENIERA (ICAI)
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
el componente Otros para el aerogenerador 56
Ajuste Exponencial
El ajuste exponencial a los datos es considerablemente bueno. La media aritmtica de los

TBM se acerca ms al tiempo medio calculado con el mtodo de mxima verosimilitud que con el
mtodo de los mnimos cuadrados. Sn embargo, como se ha comentado anteriormente, en este
PFC se van a usar los parmetros calculados con el mtodo de mnimos cuadrados (Figura 56)
TBM
Tasa
Tiempo_manten_MC_horas r^2 Tasa_manten_MV Tiempo_manten_MV_horas
Ajuste _manten_MC
exponencial
0.000391 2557.01 0.883322 0.000513 1947.56
media 1947.555545
Figura 56: Parmetros de la distribucin exponencial del bloque componente Otros

En la figura 57 se observa como la recta d regresin se ajusta bastante bien a lo datos.
61
COMILLAS
INGENIERA (ICAI)

100 4
3
50 2
0 0
0 5000 10000 15000 0 5000 10000 15000
4 1
Min Cuad
Fiabilidad - R(t)
3 Max Ver
Med Rango
2 0.5
0 0
0 5000 10000 15000 0 5000 10000 15000
Figura 57
Ajuste Weibull
El parmetro es ligeramente superior en el ajuste Weibull con respecto al ajuste

exponencial (Figura 58). Por eso se utilizan los parmetros de la Figura 58 para describir el
comportamiento de estos TBM.
TBM

Ajuste Weibull
0.457461 924.19 0.898429 0.4644588 1004.36
media 1947.555545
Figura 58: Parmetros de la distribucin Weibull del bloque componente Otros para el
aerogenerador 56
En la figura 59, se observa que la recta de regresin tambin se ajusta bastante bien a los
datos observados.
62
COMILLAS
INGENIERA (ICAI)

100 2
0
50
-2
0 -4
0 5000 10000 15000 0 5 10
-3
x 10

1 2
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 1.5 Max Ver

cdf
0.5 1
Plotting
0.5
0 0
0 5000 10000 15000 0 5000 10000 15000
Figura 59
Al igual que en el aerogenerador 56, se realizan bastantes ms tareas de mantenimiento
preventivo para el componente Otros que para cualquiera de los otros dos componentes (Figura
60).
63
COMILLAS
INGENIERA (ICAI)
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
el componente Otros para el aerogenerador 28
Ajuste exponencial
En el caso del aerogenerador 28, los tiempos entre tareas de mantenimiento no se

ajustan tan bien a una distribucin exponencial ( , Figura 61). En la Figura 62 se observa
que la recta de regresin no se ajusta demasiado ben a los datos.
TBM
Tasa
Tiempo_manten_MC_horas r^2 Tasa_manten_MV Tiempo_mante_MV_horas
Ajuste _manten_MC
exponencial
0.000355 2818.30 0.813785 0.000494 2022.46
media 2022.461528
Figura 61: Parmetros de la distribucin exponencial del bloque componente Otros

64
COMILLAS
INGENIERA (ICAI)

100 4
3
50 2
0 0
0 5000 10000 15000 0 5000 10000 15000
4 1
Min Cuad
Fiabilidad - R(t)
3 Max Ver
Med Rango
2 0.5
0 0
0 5000 10000 15000 0 5000 10000 15000
Figura 62
Ajuste Weibull
La distribucin Weibull, sin embargo, se ajusta mejor a los datos observados (Figura 63).
Este mejor ajuste se ve reflejado en un mayor que en el caso del ajuste exponencial (
, Figura 63). Por estas razones, se usan los parmetros de la Figura 63 para describir el
comportamiento de los TBM del bloque componente Otros del aerogenerador 28.
TBM

Ajuste Weibull
0.499135 872.91 0.892025 0.4674738 981.61
media 2022.461528
Figura 63: Parmetros de la distribucin Weibull del bloque componente Otros para el
aerogenerador 28
Adems, en la Figura 64 se observa cmo la recta de regresin se ajusta mejor a los

datos que en la Figura 58, sobre los respectivos papeles de probabilidad.
65
COMILLAS
INGENIERA (ICAI)

100 2
0
50
-2
0 -4
0 5000 10000 15000 0 5 10
-3
x 10

1 3
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver Max Ver

2
cdf
0.5
Plotting
1
0 0
0 5000 10000 15000 0 5000 10000 15000
Figura 64
En las siguientes dos figuras (Figura 65 y Figura 66) se mustran, en dos tablas, los
resultados obtenidos en este captulo. En estas Figuras tambin aparecen los parmetros de las
funciones de distribucin que representan los tiempos hasta la prxima tarea de matenimiento,
entre tareas, y los tiempos de estas tareas. Todos los resultados que aparecen el las Figuras 29, 30,
65 y 66 vienen explicados de forma ms detallada en el Anexo II.
66
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 56
TBM TTM TOM

MANTENIMIENTO
r^2 (horas) MTBM (horas) r^2 (horas) MTTM (horas) r^2 (horas) MTOM (horas)
PREVIENTIVO MULTIPLICADORA 0,965416 - 1,553419 12345,36 0 11101,0000 0,965317 - 1,553379 12340,93 0 11097,0000 0,94406 - 2,66025 2,34 0,0000 2,0799
PREVENTIVO GENERADOR 0,947517 - 7,733907 4780,37 0,0000 4494,0000 0,947764 - 7,730267 4780,37 0,0000 4494,0000 0,870933 - 4,051687 2,68 0,0000 2,4309
PREVENTIVO OTROS 0,898429 - 0,457461 924,19 0,0000 2209,0000 0,901492 - 0,388847 821,65 0,0000 2958,0000 0,905655 - 1,41951 4,29 0,0000 3,9017
Fiigura 65: Parmetros del matenimiento preventivo del aerogenerador 56
AEROGENERADOR 28
TBF TTF TTR

MANTENIMIENTO
r^2 (horas) MTBF (horas) r^2 (horas) MTTF (horas) r^2 (horas) MTOM (horas)
PREVIENTIVO MULTIPLICADORA 0,80022 - 3,10477 14560,7 0 13023,0000 0,800224 - 3,10589 14556,1 0 13019,0000 0,81116 0,41 - - 0,0000 2,4264
PREVENTIVO GENERADOR 0,939906 - 1,961044 5714,97 0 5067,0000 0,939925 - 1,959849 5710,99 0,0000 5063,0000 0,783326 - 3,646676 3,42 0,0000 3,0839
PREVENTIVO OTROS 0,892025 - 0,499135 872,91 0 1751,0000 0,928337 - 0,433774 820,11 0,0000 2213,0000 0,915519 - 1,293248 5,21 0,0000 4,8169
Figura 66: Parmetros del matenimiento preventivo del aerogenerador 2
67
COMILLAS
INGENIERA (ICAI)
CAPTULO 7: Anlisis y previsin del riesgo de fallo
En los captulos 5 y 6, se han obtenido los parmetros de las funciones de distribucin

que modelan el comportamiento de los modos de fallo que sufren los aerogeneradores (captulo
5), y los parmetros que modelan las tareas de mantenimiento preventivo (captulo 6). A
continuacin, en este captulo, se va a comparar la evolucin de la fiabilidad de los
aerogeneradores y sus componentes en los cinco aos estudiados (2005-2010), si se aplica el plan
de mantenimiento MAOL, con el plan que se est utilizando.
El proceso de anlisis seguido para realizar la comparacin se puede dividir en tres pasos:
1. Calcular y representar la fiabilidad del aerogenerador y sus componentes entre 2005 y 2010
con el plan de mantenimiento aplicado actualmente. La fiabilidad del mantenimiento vara en
funcin de la efectividad del mantenimiento preventivo y correctivo. Esta efectividad es una
variable de entrada en la aplicacin de Matlab que se utiliza para este fin
(fiab_fallos_correc_preven.m). Este paso es importante para tener una idea de los niveles de
fiabilidad en el que se encuentra el aerogenerador.
2. Estimar y representar la fiabilidad del aerogenerador y sus componentes para los prximos 5
aos (el tiempo a simular es variable de entrada) con el plan de mantenimiento que se est
aplicando. Se usan los tiempos medios de los mantenimientos preventivos. Se simular con
efectividad de las acciones de mantenimiento correctivo nula para poder comparar el plan de
mantenimiento preventivo actual con el propuesto. No tiene sentido tener en cuenta las
acciones de mantenimiento correctivo, ya que stas se hacen en caso de fallo del
componente, y por tanto, sin planificacin. Se pretende comparar slo los planes de
mantenimiento preventivo. Es conveniente comparar los resultados obtenidos en este paso
con los del paso anterior para cerciorarse de que los resultados en este paso son similares la
los del paso anterior, y que por tanto, tienen sentido.
3. Calcular y representar la evolucin de la fiabilidad del aerogenerador y sus componentes para

los prximos 5 aos, utilizando el plan propuesto. Se elige el mismo tiempo de simulacin que
en el paso 2 para poder compara ambos modelos de mantenimiento. En este paso, se simular
el programa, llamado manten_prev_umbral_compon.m (en Matlab), con las mismas
efectividades para las tareas de mantenimiento preventivo que en el paso anterior (no hay
mantenimiento correctivo).
Una vez que se tienen las representaciones de la fiabilidad de los aerogeneradores y sus
componentes aplicando el plan de mantenimiento que se sigue actualmente, y el propuesto, se
comparan ambos resultados.
7.1 Anlisis y representacin de la fiabilidad entre 2005 y

2010 con el plan de mantenimiento aplicado actualmente
En este primer apartado, se va a estimar y representar la fiabilidad de los

aerogeneradores 56 y 28, y de sus componentes, entre los aos 2005 y 2010 con el plan de
mantenimiento aplicado actualmente. La fiabilidad vara en funcin de la efectividad de las
68
COMILLAS
INGENIERA (ICAI)
acciones de mantenimiento correctivo, y el propsito de este paso es tener una idea de la
probabilidad al fallo de uno o ms modos de fallo (variable de entrada del programa
fiab_fallos_correc_preven.m), de los componentes y del aerogenerador. Se recuerda que la
probabilidad de fallo de los componentes es la probabilidad de que ocurran los modos de fallo
asociados al componente, todos en serie. Y que la probabilidad al fallo del aerogenerador es la
probabilidad al fallo de todos los componentes en serie.
Se ha observado que hay algunos modos de fallo que no se ven afectados por el
mantenimiento preventivo y, al mismo tiempo, que stos se asocian al componente Otros. Estos
modos de fallo bajan la fiabilidad del componente considerablemente, y por tanto, del
aerogenerador. Debido a que estos modos de fallo no son mantenibles de forma preventiva, se
han hecho los clculos teniendo en cuenta estos modos de fallo (Otros 1) y sin tenerlos en
cuenta (Otros 2).
Como sistemtica general, se muestran Figuras con cuatro grficas. En la grfica (1,1) se
ensea la fiabilidad/probabilidad al fallo de uno o ms modos de fallos elegidos, segn se quiera
en el programa fiab_fallos_correc_preven.m. En la grfica (1,2) se indica la
fiabilidad/probabilidad al fallo de los componentes del aerogenerador (generador, multiplicadora,
Otros). En la grfica (1,3) la fiabilidad/probabilidad al fallo del aerogenerador (probabilidad de los
tres componentes en serie). En la grfica (2,1) la fiabilidad/probabilidad al fallo de los tres
componentes anteriormente mencionados, pero dividiendo el componente Otros en dos
subcomponentes: un componente formado por aquellos modos de fallo mantenibles de forma
preventiva (Otros 1) y el segundo, por los que no se pueden mantener de forma preventiva
(Otros 2). La grfica (2,2) ensea la probabilidad del aerogenerador sin tener en cuenta Otros
2. Y por ltimo, en la grfica (3,3) se muestra la fiabilidad/probabilidad al fallo del aerogenerador
despreciando el componente Otros. Esta sistemtica se aplicar en la Figuras sucesivas.
Este captulo va a centrarse en el estudio de los tiempos hasta el fallo. El estudio de los
tiempos entre fallos y los tiempos de reparacin, se hara de forma anloga y los resultados se
adjuntan en el Anexo.
A continuacin, se van a representar las grficas anteriormente explicadas, variando la

efectividad de las acciones de mantenimiento correctivo. El propsito de variar la efectividad del
mantenimiento correctivo es mostrar la importancia de ste, con respecto al preventivo. Para
comprobar como vara la fiabilidad del aerogenerador y sus componentes, en funcin del plan de
mantenimiento correctivo, vamos a demostrar como vara la fiabilidad del aerogenerador
cambiando la efectividad en porcentajes del 20% ,60%, y 100%.
En la Figura 67 se muestra la evolucin de la fiabilidad de los componentes del
aerogenerador 56 y del total del sistema.
69
COMILLAS
INGENIERA (ICAI)
Fiabilidad de los Fiabilidad de los

modos fallos del aerog. 56 componentes del aerog. 56 Fiabilidad del aerog. 56
1 1 1
0.8 0.8 0.8
fiabilidad
fiabilidad
fiabilidad
0.6 0.6 0.6
0.4 0.4 0.4
0.2 0.2 0.2
0 0 0
0 1 2 3 4 5 0 1 2 3 4 5 0 1 2 3 4 5
tiempo 4 tiempo 4 tiempo 4
x 10 x 10 x 10

componente del aerog. 56 componentes del aerog. 56
(con "Otros1" y "Otros2) (sin "Otros1") Fiabilidad del aerog. 56 si Otros
1 1 1
0.8 0.8 0.8

fiabilidad
fiabilidad
fiabilidad
0.6 0.6 0.6
0.4 0.4 0.4
0.2 0.2 0.2
0 0 0
0 1 2 3 4 5 0 1 2 3 4 5 0 1 2 3 4 5
x 10 x 10 x 10
Figura 67: Nivel de fiabilidad del aerogenerador 56 con el 20% de efectividad del
mantenimiento correctivo
En la Figura 68 se observa que el nivel de fiabilidad es prcticamente el mismo que en la

Figura 67.

modos fallo del aerog. 56 componentes del aerog. 56 Fiabilidad del aerog. 56
1 1 1
0.8 0.8 0.8

fiabilidad
fiabilidad
fiabilidad
0.6 0.6 0.6
0.4 0.4 0.4
0.2 0.2 0.2
0 0 0
0 1 2 3 4 5 0 1 2 3 4 5 0 1 2 3 4 5
x 10 x 10 x 10
Fiabilidad del componentes

del aerog. 56 Fiabilidad del aerog. 56 Fiabilidad del aerog. 56
(con Otros1 y "Otros2) (sin "Otros1") si Otros
1 1 1
0.8 0.8 0.8

fiabilidad
fiabilidad
fiabilidad
0.6 0.6 0.6
0.4 0.4 0.4
0.2 0.2 0.2
0 0 0
0 1 2 3 4 5 0 1 2 3 4 5 0 1 2 3 4 5
x 10 x 10 x 10
En la Figura 69 tampoco se aprecia mucha diferencia con las Figuras 67 y 66, aunque si
hay un pequeo aumento de los niveles de fiabilidad. Mediante la observacin de las tres Figuras
anteriores se puede notar que la variacin de efectividad de las acciones de mantenimiento
correctivo no mejora demasiado la efectiviadad del aerogenerador 56.
70
COMILLAS
INGENIERA (ICAI)

modos de fallos del aerog. 56 componenetes del aerog. 56 Fiabilidad del aerog. 56
1 1 1
0.8 0.8 0.8
fiabilidad
fiabilidad
fiabilidad
0.6 0.6 0.6
0.4 0.4 0.4
0.2 0.2 0.2
0 0 0
0 1 2 3 4 5 0 1 2 3 4 5 0 1 2 3 4 5
x 10 x 10 x 10
Fiabilidad de los
compentes del aerog. 56 Fiabilidad del aerog. 56
(con Otros1 y Otros2) (sin Otros1) Fiabilidad del aerog. 56 si Otros
1 1 1
0.8 0.8 0.8

fiabilidad
fiabilidad
fiabilidad
0.6 0.6 0.6
0.4 0.4 0.4
0.2 0.2 0.2
0 0 0
0 1 2 3 4 5 0 1 2 3 4 5 0 1 2 3 4 5
x 10 x 10 x 10
Este apartado es anlogo al anterior, pero referido al aerogenerador 28. Adems las
conclusiones son muy parecidas.
En la Figura 70 se muestran los niveled de fiabilidad del aerogenerador 28 con el 20% de

efectividad del mantenimiento correctivo.

modos de fallo del aerog. 28 componentes del aerog. 28 Fiabilidad del aerog. 28
1 1 1
0.8 0.8 0.8
0.6 0.6 0.6

fiabilidad
fiabilidad
fiabilidad
0.4 0.4 0.4
0.2 0.2 0.2
0 0 0
0 1 2 3 4 5 0 1 2 3 4 5 0 1 2 3 4 5
x 10 x 10 x 10
Fiabilidad de los
componentes del aerog. 28 Fiabilidad del aerog. 28
1 1 1
0.8 0.8 0.8
0.6 0.6 0.6

fiabilidad
fiabilidad
fiabilidad
0.4 0.4 0.4
0.2 0.2 0.2
0 0 0
0 1 2 3 4 5 0 1 2 3 4 5 0 1 2 3 4 5
x 10 x 10 x 10
71
COMILLAS
INGENIERA (ICAI)
Los niveles de fiabilidad que se observan en las Figuras 70 y 71 son muy parecidos, por
los que se intrepreta que las mejoras obtenidas por la variacin de efectividad, del 20% al 60%, de
las acciones de mantenimiento correctivo

1 1 1
0.8 0.8 0.8
fiabilidad
fiabilidad
fiabilidad
0.6 0.6 0.6
0.4 0.4 0.4
0.2 0.2 0.2
0 0 0
0 1 2 3 4 5 0 1 2 3 4 5 0 1 2 3 4 5
x 10 x 10 x 10
Fiabilidad de los
(con Otros1 y Otros2) (sin Otros1)
1 1 1
0.8 0.8 0.8

fiabilidad
fiabilidad
fiabilidad
0.6 0.6 0.6
0.4 0.4 0.4
0.2 0.2 0.2
0 0 0
0 1 2 3 4 5 0 1 2 3 4 5 0 1 2 3 4 5
x 10 x 10 x 10
En la Figura 72 se puede apreciar un mayor nivel de fiabilidad con respecto a la Figura 71.

1 1 1
0.8 0.8 0.8

fiabilidad
fiabilidad
fiabilidad
0.6 0.6 0.6
0.4 0.4 0.4
0.2 0.2 0.2
0 0 0
0 1 2 3 4 5 0 1 2 3 4 5 0 1 2 3 4 5
x 10 x 10 x 10
Fiabilidad de los
1 1 1
0.8 0.8 0.8

fiabilidad
fiabilidad
fiabilidad
0.6 0.6 0.6
0.4 0.4 0.4
0.2 0.2 0.2
0 0 0
0 1 2 3 4 5 0 1 2 3 4 5 0 1 2 3 4 5
x 10 x 10 x 10
72
COMILLAS
INGENIERA (ICAI)
7.2 Previsin de la fiabilidad de los prximos 5 aos aplicando el
plan actual.
En este apartado, se analiza el comportamiento que tendran los aerogeneradores si se
mantuviese el mismo plan de mantenimiento para los prximos 5 aos. Se suponen los tiempos
medios calculados (se ha explicado cmo se han calculado en los captulos 5 y 6) como tiempos
entre reparaciones.
Se va a simular la fiabilidad de los componentes y del aerogenerador con efectividad del

mantenimiento correctivo nula. El motivo es, que este proyecto se centra slo en el plan de
mantenimiento preventivo, y el mantenimiento correctivo se aplica cuando es necesario (sin
planificacin previa). Ya que el mantenimiento correctivo no se planifica, el objetivo es comprar el
plan de mantenimiento preventivo que se aplica actualmente, con el plan propuesto, sin tener en
cuenta el plan de mantenimiento correctivo, para as comparar ambos planes de mantenimiento
preventivo.
Lo que se pretende conseguir con el plan propuesto, es garantizar un nivel de fiabilidad

mnima superior a la que se obtiene con el plan actual, manteniendo el mismo numero de tareas
de mantenimiento preventivo, o en su defecto, que el coste total del mantenimiento preventivo
sea menor y por tanto ms rentable. Adems, si se consigue elevar el nivel de fiabilidad del
aerogenerador con el plan de mantenimiento preventivo propuesto, es lgico pensar que tambin
se reducirn la acciones de mantenimiento correctivo, y esto supondra otro ahorro que no se
estudia en este proyecto, pero que se debe de tener en cuenta.
Los diferentes tipos de mantenimiento preventivo tienen diferentes costes, por lo que el
nmero de tareas a realizar en vas preventivas, siempre ir asociado a un estudio econmico. El
objetivo final es, por lo tanto, asegurar una mayor fiabilidad del aerogenerador asumiendo un
menor coste.
Costes de los mantenimientos:
Tareas de mantenimiento preventivo del componente generador=970 euros

Tareas de mantenimiento preventivo del componente multiplicadora=1836
euros
Tareas de mantenimiento preventivo del componente otros=304 euros
73
COMILLAS
INGENIERA (ICAI)
modos fallos del aerog. 56 componentes del aerog. 56 Fiabilidad del aerog. 56
1 1 1
0.8 0.8 0.8
0.6 0.6 0.6
fiabilidad
fiabilidad
fiabilidad
0.4 0.4 0.4
0.2 0.2 0.2
0 0 0
0 1 2 3 4 5 0 1 2 3 4 5 0 1 2 3 4 5
Fiabilidad de los x 10 x 10 x 10
componentes del aerog. 56 Fiabilidad del aerog. 56 Fiabilidad del aerog. 56
(con "Otros1" y "Otros2") (sin "Otros2") (sin "Otros")
1 1 1
0.8 0.8 0.8
0.6 0.6 0.6

fiabilidad
fiabilidad
fiabilidad
0.4 0.4 0.4
0.2 X: 4.045e+004 0.2 0.2

Y: 0.06622
0 0 0
0 1 2 3 4 5 0 1 2 3 4 5 0 1 2 3 4 5
x 10 x 10 x 10
Figura 73: Previsin de la fiabilidad del aerogenerador 56 con el mantenimiento actual
En Figura 73 se observa que la fiabilidad mnima del componente multiplicadora es

0.2876 a las 3.329e+4 horas, la fiabilidad mnima del componente generador es 0.06622 a las
4.045e+4, la fiabilidad mnima del componente Otros 2 y del componente Otros 1 es casi cero.
Las tareas de mantenimiento preventivo que se realizaran durante 5 aos manteniendo

el plan actual seran:
9 tareas en el generador
3 tareas en la multiplicadora
14 tareas en el componente Otros
El coste total del mantenimiento preventivo para el aerogenerador 56 para 5 aos es el

siguiente:
(39)
Teniendo en cuenta el nmero de tareas de mantenimiento preventivo y la fiabilidad

mnima de cada componente, se simularn varios escenarios y contrastando el plan propuesto con
el actual.
74
COMILLAS
INGENIERA (ICAI)

fallos del aerog. 28 componentes del aerog. 28 Fiabilidad del aerog. 28
1 1 1
0.8 0.8 0.8
0.6 0.6 0.6
fiabilidad
fiabilidad
fiabilidad
0.4 0.4 0.4
0.2 0.2 0.2
0 0 0
0 1 2 3 4 5 0 1 2 3 4 5 0 1 2 3 4 5
x 10 x 10 x 10
Fiabilidad de los
componentes del aerog.28 Fiabilidad del aerog. 28 Fiabilidad del aerog. 28
(con"Otros1" y "Otros2") sin "Otros2" sin "Otros"
1 1 1
0.8 0.8 0.8
0.6 0.6 0.6

fiabilidad
fiabilidad
fiabilidad
0.4 0.4 0.4
0.2 0.2 0.2
0 0 0
0 1 2 3 4 5 0 1 2 3 4 5 0 1 2 3 4 5
x 10 x 10 x 10
Figura 74: Previsin de la fiabilidad del aerogenerador 28 con el mantenimiento actual
En Figura 74 se observa que la fiabilidad mnima del bloque componente multiplicadora

es 0.2382 a las 3.906e+4 horas, la fiabilidad mnima del componente generador es 0.1109 a las
3.983+4 horas, la fiabilidad mnima del componente Otros 2 casi cero y del componente Otros
1 es 0.0163 a las 3.983e+4 horas.
Las tareas de mantenimiento preventivo que se realizaran durante 5 aos manteniendo

el plan actual seran:
8 tareas de mantenimiento en el generador
3 tareas de mantenimiento en la multiplicadora
19 tareas de mantenimiento en el componente Otros
El coste total del mantenimiento preventivo para el aerogenerador 56 para 5 aos es el

siguiente:
(40)
Teniendo en cuenta el nmero de tareas de mantenimiento preventivo y la fiabilidad

mnima de cada componente, se simularn varios escenarios contrastando el plan propuesto con
el actual.
75
COMILLAS
INGENIERA (ICAI)
7.3 Previsin de la fiabilidad de los prximos 5 aos

aplicando el plan propuesto
En este apartado se simular la fiabilidad de los aerogeneradores aplicando el plan

propuesto. Se plantearn diferentes escenarios fijando un umbral mnimo para cada componente
del aerogenerador, y se estudiarn las ventajas e inconvenientes de estos escenarios con respecto
a los resultados obtenidos con el plan actual (en el apartado anterior 6.4).
Como observacin general, destaca el hecho que con el plan de mantenimiento

propuesto se alcanza un rgimen cclico de variacin de la fiabilidad para los aerogeneradores.
Escenario 1
En este primer escenario, se estudia la fiabilidad de los componentes del aerogenerador

56 si se garantiza una fiabilidad mnima de cada componente, igual a la fiabilidad mnima obtenida
con el plan de mantenimiento actual.
Umbral de fiabilidad mnimo para los componentes del aerogenerador 56:
Umbral mnimo de fiabilidad para el bloque componente generador=0.0662

Umbral mnimo de fiabilidad para el bloque componente multiplicadora=0.2876
Umbral mnimo de fiabilidad para el bloque componente Otros 1=0
El nmero de tareas de mantenimiento necesarias para garantizar la fiabilidad mnima

mencionada anteriormente, para cada componente, son:
Nmero de tareas preventivas en el bloque componente generador=11

Nmero de tareas preventivas en el bloque componente multiplicadora=4
Nmero de tareas preventivas en el bloque componente Otros=0
Se observa que para conseguir estos umbrales mnimos de fiabilidad, son necesarios 2
tareas de mantenimiento en el bloque componente generador ms que en el plan de
mantenimiento actual, y uno ms en el bloque componente multiplicadora. Sin embargo, no son
necesarias ninguna tarea mantenimiento en el bloque componente Otros, ya que el umbral de
fiabilidad mnimo es prcticamente nulo.
Estas conclusiones, transportadas al mbito econmico, que es de lo que se trata,

supone el siguiente coste:
(41)
Este mantenimiento es ms barato que el que supondra aplicando el actual. El ahorro

supondra 480 euros en 5 aos para el aerogenerador 56, y se garantizara una fiabilidad mnima
igual que la que se obtendra manteniendo el plan de mantenimiento actual.
76
COMILLAS
INGENIERA (ICAI)
En Figura 75 se muestra cmo evoluciona la fiabilidad en este escenario para el
aerogenerador 56.
Fiabilidad de los modos Fiabilidad de los

de fallo del aerog. 56 compon. del aerog. 56 Fiabilidad del aerog. 56
1 1 1
0.8 0.8 0.8
0.6 0.6 0.6
fiabilidad
fiabilidad
fiabilidad
0.4 0.4 0.4
0.2 0.2 0.2
0 0 0
0 1 2 3 4 5 0 1 2 3 4 5 0 1 2 3 4 5
x 10 x 10 x 10
Fiabilidad del componentes
(con "Otros1" y Otos2") (sin "Otros2") ("si Otros")
1 1 1
0.8 0.8 0.8
0.6 0.6 0.6

fiabilidad
fiabilidad
fiabilidad
0.4 0.4 0.4
0.2 0.2 0.2
0 0 0
0 1 2 3 4 5 0 1 2 3 4 5 0 1 2 3 4 5
x 10 x 10 x 10
Figura 75: Previsin de la fiabilidad del aerogenerador 56 con el mantenimiento

propuesto, en el escenario 1
Escenario 2
En este escenario 2 estudiamos la fiabilidad de los componentes del aerogenerador 56 si

se garantiza las siguientes fiabilidades mnimas para cada componente:

Umbral mnimo de fiabilidad para el bloque componente Otros 2=0.05
El nmero de tareas de mantenimiento necesarias para garantizar la fiabilidad mnima

Nmero de tareas preventivas en el componente generador=4

Nmero de tareas preventivas en el componente multiplicadora=2
Nmero de tareas preventivas en el componente otros=37
Se observa que para conseguir estos umbrales mnimos de fiabilidad, son necesarios 5
tareas de mantenimiento menos en el generador en el plan propuesto, que en el plan de
mantenimiento actual, y uno menos en el componente multiplicadora. Sin embargo, no son
necesarios 23 mantenimientos ms en el componente Otros.

77
COMILLAS
INGENIERA (ICAI)
(42)
Este mantenimiento es ms caro que el que supondra aplicando el actual. El coste

supondra 306 euros en 5 aos para el aerogenerador 56, y se garantizara una fiabilidad mnima
del componente Otros superior al que se obtendra con el plan actual. Tambin se observa que
un aumento del mantenimiento preventivo en el componente Otros, mejora considerablemente
la fiabilidad de los componentes generador y multiplicadora.
En Figura 76 se muestra cmo evoluciona la fiabilidad en este escenario para el

aerogenerador 56.
Fiabilidad de los modos Fiabilidad de los
de fallos del aerog. 56 componenetes del aerog. 56 Fiabilidad del aerog. 56
1 1 1
0.8 0.8 0.8
0.6 0.6 0.6

fiabilidad
fiabilidad
fiabilidad
0.4 0.4 0.4
0.2 0.2 0.2
0 0 0
0 1 2 3 4 5 0 1 2 3 4 5 0 1 2 3 4 5
x 10 x 10 x 10
Fiabilidad de los componente
1 1 1
0.8 0.8 0.8
0.6 0.6 0.6

fiabilidad
fiabilidad
fiabilidad
0.4 0.4 0.4
0.2 0.2 0.2
0 0 0
0 1 2 3 4 5 0 1 2 3 4 5 0 1 2 3 4 5
x 10 x 10 x 10

Escenario 3
En el escenario 3 se estudia la fiabilidad de los componentes del aerogenerador 56 si se

garantizan las siguientes fiabilidades mnimas para cada componente:

Umbral mnimo de fiabilidad para el bloque componente Otros 2=0.02
El nmero de tareas preventivas necesarias para garantizar la fiabilidad mnima

Nmero de tareas en el componente generador=5

Nmero de tareas en el componente multiplicadora=3
Nmero de tareas en el componente otros=26
Se observa que para conseguir estos umbrales mnimos de fiabilidad, son necesarias 4
tareas menos de mantenimiento preventivo en el bloque componente generador que en el plan
78
COMILLAS
INGENIERA (ICAI)
de mantenimiento actual, y los mismos en el bloque componente multiplicadora. Sin embargo, no
son necesarios 12 mantenimientos ms en el bloque componente Otros.

(43)
El plan de mantenimiento propuesto en este escenario es ms caro que el plan actual. El

coste extra sera 232 euros en 5 aos, para el aerogenerador 56, y se garantizara una fiabilidad
mnima superior en todos los componentes del aerogenerador.
En la Figura 77 se muestra cmo evoluciona la fiabilidad en este escenario para el

aerogenerador 56.
Fiabilidad de los modos Fiabilidad de componentes
de fallos del aerog. 56 del aerog. 56 Fiabilidad del aerog. 56
1 1 1
0.8 0.8 0.8
0.6 0.6 0.6

fiabilidad
fiabilidad
fiabilidad
0.4 0.4 0.4
0.2 0.2 0.2
0 0 0
0 1 2 3 4 5 0 1 2 3 4 5 0 1 2 3 4 5
x 10 x 10 x 10
Fiabilidad de los componenetes
(con "Otros1" y "Otros2) (sin "Otros2") (sin Otros)
1 1 1
0.8 0.8 0.8
0.6 0.6 0.6

fiabilidad
fiabilidad
fiabilidad
0.4 0.4 0.4
0.2 0.2 0.2
0 0 0
0 1 2 3 4 5 0 1 2 3 4 5 0 1 2 3 4 5
x 10 x 10 x 10

A continuacin se mostrarn varios escenarios, aplicando el plan de mantenimiento
propuesto, analizando la fiabilidad del aerogenerador 28 y sus componentes. En este apartado, se
va a contrastar la fiabilidad en estos escenarios con el comportamiento de la fiabilidad que se
analiza en el epgrafe 6.2.2.
Escenario 1
En este primer escenario, al igual que se hizo con el aerogenerador 56, se fija un umbral
mnimo de fiabilidad igual al mnimo que se alcanza con el plan que pretende sustituir. Estos
umbrales mnimos son los siguientes:
Umbral mnimo de fiabilidad para el componente generador=0.1109

Umbral mnimo de fiabilidad para el componente multiplicadora=0.2382
Umbral mnimo de fiabilidad para el componente Otros 1=0
79
COMILLAS
INGENIERA (ICAI)
Umbral mnimo de fiabilidad para el componente Otros 2= 0.0163
Fiabilidad de los modos Fiabilidad de los componentes

de fallo del aerog. 28 del aerog. 28 Fiabilidad del aerog. 28
1 1 1
0.8 0.8 0.8
0.6 0.6 0.6
fiabilidad
fiabilidad
fiabilidad
0.4 0.4 0.4
0.2 0.2 0.2
0 0 0
0 1 2 3 4 5 0 1 2 3 4 5 0 1 2 3 4 5
x 10 x 10 x 10
Fiabilidad de los compentes
(con "Otros1" y Otros2") (sin "Otros2") (sin Otros")
1 1 1
0.8 0.8 0.8
0.6 0.6 0.6

fiabilidad
fiabilidad
fiabilidad
0.4 0.4 0.4
0.2 0.2 0.2
0 0 0
0 1 2 3 4 5 0 1 2 3 4 5 0 1 2 3 4 5
x 10 x 10 x 10

En la Figura 78, se muestra cmo vara la fiabilidad del aerogenerador y sus

componentes bajo las restricciones del escenario 1. Se observa que la fiabilidad del componente
Otros2 (amarillo) es cero a las pocas horas (500 horas), y se recuerda que este subcomponente
no es mantenible de forma preventiva. Por lo tanto, parece lgico no tener en cuenta Otros2 a la
hora de planificar el mantenimiento preventivo.
Tambin podra considerarse la fiabilidad del aerogenerador sin tener en cuenta el

componente Otros, ya que el valor de la fiabilidad de este componente se reduce muy rpido en
el tiempo, comparado con el de los otros dos componentes. De esta forma, las tareas de
mantenimiento Otros seran tambin til para mejorar la fiabilidad de los componentes
generador y multiplicadora, teniendo en cuenta que se ha supuesto el coste de estas tareas ms
barato.
As pues, el nmero de tareas necesarias en este escenario son:
Nmero de tareas de mantenimiento preventivo en el componente generador=4

Nmero de tareas de mantenimiento preventivo en el componente multiplicadora=4
Nmero de tareas de mantenimiento preventivo en el componente otros=14
Desde el punto de vista econmico, el plan propuesto, bajo este escenario, supone el
siguiente coste:
(44)
Esto supone un ahorro de:
(45)
80
COMILLAS
INGENIERA (ICAI)
con respecto al plan actual. Este coste se debe a una reduccin de 4 tareas en el
generador, una tarea en la multiplicadora, y 5 tareas en el componente Otros.
Implantando el plan propuesto, en este escenario, se garantiza una fiabilidad mnima de

los componentes igual a la mnima obtenida con el plan actual, pero reduciendo costes de
mantenimiento de 3564 euros.
Escenario 2
Basado en los resultados obtenidos en el escenario anterior, en este escenario se va a

intentar igualar ms el nmero de tareas del plan propuesto con los del plan actual. El propsito es
ver si es rentable invertir en mantenimiento a cambio de un aumento de fiabilidad, en este
aerogenerador.
Los umbrales mnimos de fiabilidad, por tanto, son superiores que en escenario 1:


1 1 1
0.8 0.8 0.8
0.6 0.6 0.6

fiabilidad
fiabilidad
fiabilidad
0.4 0.4 0.4
0.2 0.2 0.2
0 0 0
0 1 2 3 4 5 0 1 2 3 4 5 0 1 2 3 4 5
x 10 x 10 x 10
Fiabilidad del componente
1 1 1
0.8 0.8 0.8
0.6 0.6 0.6

fiabilidad
fiabilidad
fiabilidad
0.4 0.4 0.4
0.2 0.2 0.2
0 0 0
0 1 2 3 4 5 0 1 2 3 4 5 0 1 2 3 4 5
x 10 x 10 x 10

En la Figura 79 se observa la evolucin de la fiabilidad en el aerogenerador 28. En este

escenario, la fiabilidad es superior en todos los componentes, pero el nmero de tareas, tal y
como se esperaba, es superior:

El coste del mantenimiento, en este escenario, es el siguiente:
81
COMILLAS
INGENIERA (ICAI)
(46)
Este coste es ligeramente superior al que supondra el mantenimiento con el plan actual,
pero supone una fiabilidad mnima mayor.
(47)
Escenario 3
En el escenario anterior, se ha observado que las tareas de mantenimiento Otros

mejoran la fiabilidad de todos los componentes, y no slo del componente Otros, a diferencia
que en el caso del aerogenerador 56, en el cual, no afectaba tanto a los generador y la
multiplicadora. Por eso, en este escenario se pretende incrementar el nmero tareas de
mantenimiento en Otros, reduciendo el nmero de tareas del generador necesarios para
garantiza la fiabilidad mnima que se va a fijar (con respecto al escenario anterior).
Los umbrales fijados en este escenario son los siguientes:


1 1 1
0.8 0.8 0.8
0.6 0.6 0.6

fiabilidad
fiabilidad
fiabilidad
0.4 0.4 0.4
0.2 0.2 0.2
0 0 0
0 1 2 3 4 5 0 1 2 3 4 5 0 1 2 3 4 5
x 10 x 10 x 10
Fiabilidad de los componentes
(con "Otros1" y "Otros2") (sin "Otros2" (sin "Otros")
1 1 1
0.8 0.8 0.8
0.6 0.6 0.6

fiabilidad
fiabilidad
fiabilidad
0.4 0.4 0.4
0.2 0.2 0.2
0 0 0
0 1 2 3 4 5 0 1 2 3 4 5 0 1 2 3 4 5
x 10 x 10 x 10

En la Figura 80 se observa que, como se esperaba, la fiabilidad en el componente

generador y multiplicador ha mejorado ligeramente debido al aumento de tareas en Otros.
El nmero de tareas en este escenario son:

82
COMILLAS
INGENIERA (ICAI)
El incremento de tareas en Otros y la reduccin de tareas en el generador, con

respecto al escenario anterior, supone una mejora en la fiabilidad general del generador. Esto se
debe a que las tareas en Otros mejoran mucho la fiabilidad en el componente Otros y en el
generador, por lo que no es necesario tanto mantenimiento en ste. El coste econmico en este
escenario sera ms barato si no fuese por el ligero aumento del umbral mnimo en la
multiplicadora, que supone una tarea de mantenimiento ms en el componente. Es coste total en
el escenario 3 es:
(48)
Este coste es ligeramente superior al del escenario anterior, pero es importante darse
cuenta que es debido al aumento del umbral mnimo de fiabilidad en la multiplicadora, y no al
aumento del umbral mnimo en Otros.
83
COMILLAS
INGENIERA (ICAI)
CAPTULO 8: Estudio econmico
8.1 Comparacin de los costes en los escenarios contemplados
En este captulo se hace una comparacin entre el coste que supone los panes de
mantenimiento preventivo de los distintos escenarios contemplados en el tema 7. De esta
manera, se puede hacer un anlisis de las diferencias de costes/resultados entre el plan actual y
los diferentes escenarios mostrados del plan propuesto.
En las siguientes Figuras se muestran los costes que suponen los escenarios del captulo
7, junto con los niveles de fiabilidad mnima de los tres bloques componentes clasificados este
proyecto.
PLAN
AEROGENERADOR 56 ESCENARIO 1 ESCENARIO 2 ESCENARIO 3
ACTUAL
Nivel de fiabilidad mnimo del bloque

0.0662 0.0662 0.0662 0.0700
componente generador

0.2876 0.2876 0.2876 0.3000
componente multiplicadora

0 0 0 0
componente Otros 1

0 0 0.0500 0.0200
componente Otros 2
COSTES (Euros) 18494 18014 18800 18260
Figura 81: Coste de las situaciones contempladas para el aerogenerador 56
En la Figura 81 se puede observar que el plan de mantenimiento preventivo en el

escenario 1 es ms econmico que el plan actual, y ambos planes mantienen el mismo nivel de
fiabilidad mnima para los tres bloques componente (multiplicadora, generador y Otros).
Adems, con el plan propuesto se asegura un nivel de fiabilidad mnimo, mientras que con el plan
actual no.
Por otro lado, observando los escenarios 2 y 3 (Figura 81), se llega a la conclusin de que
las tareas de mantenimiento del bloque componente Otros tambin elevan el nivel de fiabilidad
de los dems bloque componente, y adems son tareas ms baratas. De esta manera, se puede ir
jugando con los niveles de fiabilidad mnimos de los distintos bloques componente para
84
COMILLAS
INGENIERA (ICAI)
garantizar el nivel de fiabilidad mnimo deseado del sistema (del aerogenerador), teniendo en
cuenta el presupuesto que se est dispuesto a invertir en el plan de mantenimiento.
En la Figura 82 se muestran los niveles mnimos de fiabilidad de los bloques

componentes junto con los costes de los planes de mantenimiento en el aerogenerador 28, para
los casos analizados anteriormente (en el captulo 7).
PLAN
AEROGENERADOR 28 ESCENARIO 1 ESCENARIO 2 ESCENARIO 3
ACTUAL

0.1109 0.1109 0.2 0.2
componente generador

0.2382 0.2382 0.2382 0.2500
componente multiplicadora

0 0 0 0
componente Otros 1

0.0163 0.0163 0.02 0.03
componente Otros 2
COSTES (Euros) 18494 18014 18800 18260
Figura 82: Coste de las situaciones contempladas para el aerogenerador 28
El plan de mantenimiento en el escenario 1, para el aerogenerador 28, es ms barato

que el plan actual, aun manteniendo mismos los niveles mnimos de fiabilidad. Este hecho hace del
plan propuesto ms restable que el actual para los dos aerogeneradores estudiados (el 56 y el 28).
El segundo factor a destacar de la Figura 82, es que en el escenario 3 se mantienen

niveles mnimos de fiabilidad superiores a los del escenario 2, y sin embargo, el coste del
mantenimiento en el escenario 3 es inferior al del escenario 2. Esto se debe a que las tareas sobre
el bloque componente Otros son ms baratas que las tareas sobre los otros dos bloques
componente, y las tareas sobre Otros no slo elevan el nivel de fiabilidad de este bloque
componente, sino que tambin lo eleva en el generador y la multiplicadora. Por tanto, con el plan
propuesto se tiene la capacidad de planificar los diferentes tipos de tareas de mantenimiento a lo
largo del tiempo para obtener el mximo nivel de fiabilidad con el presupuesto del que se
disponga para el plan de mantenimiento.
El anlisis de coste del pan de mantenimiento propuesto es ms ventajoso que el actual,

primero, debido a que es ms barato para lograr los mismos niveles mnimos de fiabilidad de los
componentes. Por otra parte, el plan propuesto garantiza niveles mnimos de fiabilidad para los
componentes. Y por ltimo, tiene una mayor capacidad de planificacin que permite ahorrar
85
COMILLAS
INGENIERA (ICAI)
costes manteniendo, o incluso mejorando los resultados, como bien se a mostrado comparando
los escenarios 2 y 3 del aerogenerador 28.
86
COMILLAS
INGENIERA (ICAI)
CAPTULO 9: Programas y estructura
A continuacin se muestran los pasos a seguir para la correcta utilizacin de la aplicacin

desarrollada en un diagrama de flujo, con el fin de crear en el usuario una imagen general de lo
que se va a hacer. En la Figura 83 se muestran los grandes bloques de la aplicacin.
El cdigo de los programas que se han utilizado en este proyecto fin de carrera, y que a
continuacin se van a explicar para qu han servido y cmo funcionan, aparecen en el Anexo I.
1. Crear data.mat
ficheros datatext.mat
.mat
2. Organizar los aergo.m
datos en Matlab
AjustWeibull_ttr.m
AjustWeibull_ttf.m
3. Clculo de los parmetros de AjustWeibull_tbf.m
las funciones de distribucin AjustExp_ttr.m
AjustExp_ttf.m
AjustExp_tbf.m
4. Crear nuevos cellAerog_fallos.mat
ficheros .mat cellAerog_manten.mat
5.Anlisis y
representacin de la fiab_fallos_correc_preven_56.m
fiabilidad entre 2005 fiab_fallos_correc_preven_28.m
y 2010
6.Previsin de la fiabilidad manten_prev_classic56.m
manteniendose el plan actual manten_prev_classic28.m
7. Previsin de la fiabilidad manten_prev_umbral_compon56.m
manten_prev_umbral_compon28.m
aplicando el pan popuesto
Figura 83: Diagrama de flujo para la correcta utilizacin de la aplicacin desarrollada
9.1 Crear ficheros .mat
Todas las incidencias (mantenimientos correctivos y preventivos), como ya se ha

comentado anteriormente, se registran en un fichero Excel, al que se hace referencia en este
proyecto fin de carrera como archivo Excel. El programa Excel no tiene los recursos necesarios
para desarrollar la aplicacin que se requiere para implementar el plan de mantenimiento
propuesto, por lo que se va a utilizar la herramienta Matlab.
87
COMILLAS
INGENIERA (ICAI)
Para poder trabajar en Matlab, se van a crear ficheros .mat a partir del fichero Excel.
Para ello, simplemente hay que abrir el archivo Excel en el Current Folder en el que se va a
guardar la aplicacin. Es importante guardar los ficheros .mat bajo los nombres de data.mat y
textdata.mat, ya que la aplicacin est programada para reconocerlos bajo esos nombres.
Una vez que se tiene la informacin en Matlab, se procede a ordenarla.
9.2 Organizar los datos en Matlab
Para organizar los datos procedentes del archivo Excel, se ejecuta el programa
aerog.m. Este programa ordena todos los datos segn nmero de aerogenerador y modo de
fallo. De esta forma, es fcil acceder a los datos referentes a un modo de fallo de un
aerogenerador en concreto. Todos lo datos quedan registrados en un fichero cell, llamado
cellAerog.m, y este fichero servir para operar con lo tiempos entre acciones de mantenimiento,
utilizados posteriormente para obtener los parmetros de las funciones de distribucin que
simulan los tiempos entre tareas. La forma en que estn ordenados los datos en el cell viene
explicado en la seccin 4.2 (Figura 16)
9.3. Clculo de los parmetros de las funciones de

distribucin
En este tercer paso, el objetivo es calcular los parmetros, y los tiempos medios entre
taras de mantenimiento, de las funciones de distribucin que reproducen los tiempos entre
acciones de mantenimiento, tiempos hasta la prxima tarea de mantenimiento, y la duracin de
las tareas de mantenimiento. Los resultados de este paso ests explicados en los captulos 5 y 6, y
explicados an ms ampliamente, para todos los modos de fallo y tareas de mantenimiento
preventivo, en el Anexo II.
Los programas utilizados son los siguientes:
AjustExp_tbf.m: Con este programa se calculan los parmetros de la distribucin

exponencial para reproducir los tiempos entre acciones de mantenimiento.
AjustExp_ttf.m: Con este programa se calculan los parmetros de la distribucin
exponencial para reproducir los tiempos hasta la siguiente accin de mantenimiento.
AjustExp_ttr.m: Con este programa se calculan los parmetros de la distribucin
exponencial para reproducir los tiempos de las acciones de mantenimiento.
AjustWeibull_tbf.m: Con este programa se calculan los parmetros de la distribucin
Weibull para reproducir los tiempos entre acciones de mantenimiento.
AjustWeibull_ttf.m: Con este programa se calculan los parmetros de la distribucin
Weibull para reproducir los tiempos hasta la siguiente accin de mantenimiento.
AjustWeibull_ttr.m: Con este programa se calculan los parmetros de la distribucin
Weibull para reproducir los tiempos de las acciones de mantenimiento.
88
COMILLAS
INGENIERA (ICAI)
9.4 Crear nuevos ficheros .mat
Una vez obtenidos los parmetros de la distribucin que mejor se ajustan a los tiempos,
se crea unos nuevos ficheros .mat con estos parmetros.
Los fichero que contienes los parmetros de las distribuciones que mejor se ajustan a los
tiempos de los modos de fallo, junto con los tiempos medios entre fallos, estn en los ficheros
data_f56.mat, data_f28.mat, data_m56.mat, data_m28.mat, textdata_f56.mat,
textdata_f28.mat, textdata_m56.mat, textdata_m28.mat. Estos fichero contiene los datos de
las Figuras 29, 30, 65 y 66, y tambin son descargados desde un fichero Excel (igual que en el
apartado 10.1), mostrado en las Figuras 29, 30, 65 y 66. Por otro lado, se han creado otros dos cell
de forma anloga a cellAerog.mat, pero separando los datos de los modos de fallo
(cellAerog_fallos.mat), y los dato del mantenimiento preventivo (cellAerog_manten.mat)
9.5 Anlisis y representacin de la fiabilidad entre 2005 y

2010
Con los tiempos reales de acciones de mantenimiento, en el cell cellAerog.mat, se

procede a analizar y representar cmo ha variado el nivel de fiabilidad de los aerogeneradores
entre los aos 2005 y 2010, segn el plan actual, que es el que se mantuvo en esos aos. Los
programas que se utilizan permiten variar las efectividades de las tareas de mantenimiento, tanto
preventivas como correctivas. El objetivo de este paso es analizar cmo varia el nivel de
efectividad de los aerogeneradores con respecto a las acciones de mantenimiento correctivo,
manteniendo las tareas de mantenimiento preventivo las de las Figura 13. El propsito de estos
programas se explica ms detalladamente en el apartado 7.2.
Los nombres de estos programas son manten_prev_classic56.m y

manten_prev_classic28.m. Los dos programas son iguales, excepto que el que se menciona
primero analiza al aerogenerador 56, y el otro al 28.
9.6 Previsin de la fiabilidad mantenindose el plan actual
Para poder compara el plan actual con el propuesto, es preciso simular cmo variara los
niveles de fiabilidad de las mquinas empleando el plan actual y el propuesto. En este caso se ha
simulado para los prximos 5 aos (el tiempo de simulacin es variable de entrada).
Los programas utilizados para simular la variacin de los niveles de fiabilidad para los
aerogeneradores 56 y 28 son manten_prev_classic56.m y manten_prev_classic28.m
respectivamente. Estos programas utilizan los tiempos medios entre tareas, calculados con los
programas explicados en el apartado 10.3. Los resultados obtenidos con estos programas se
explican con ms detalle en el apartado 7.2.
89
COMILLAS
INGENIERA (ICAI)
9.7 Previsin de la fiabilidad aplicando el pan propuesto
Finalmente son necesarias simulaciones de escenarios de diferentes situaciones en las

que se pondra en prctica el plan propuesto.
Los programas que se usan para este fin son manten_prev_umbral_compon56.m para
el aerogenerador 56, y manten_prev_umbral_compon28.m para el aerogenerador 28. Estos
programas utilizan los parmetros calculados con los programas del apartado 10.3, que se
recopilaron en los archivos data_f56.mat, data_f28.mat, data_m56.mat, data_m28.mat,
textdata_f56.mat, textdata_f28.mat, textdata_m56.mat, textdata_m28.mat (apartado 10.4).
Los resultados y las conclusiones obtenidas con estos programas estn ampliamente
explicados en el apartado 7.3.
90
COMILLAS
INGENIERA (ICAI)
CAPTULO 10: Conclusiones
En este proyecto se ha descrito y desarrollado un nuevo modelo de mantenimiento

preventivo para la vida de componentes industriales mediante el anlisis de eventos observados,
como es el caso de los tiempos de las diferentes indisponibilidades registradas, as como los
tiempos en los que se han llevado a cabo labores de mantenimiento. Los resultados se han
utilizado para prever los posibles tiempos de fallo, y en base a ellos, poder realizar una re-
planificacin de las acciones de mantenimiento. Esta informacin permite una asistencia mejor en
la toma de decisiones desde una perspectiva del mantenimiento.
El modelo MAOL puede suministrar informacin importante sobre la efectividad del

mantenimiento aplicado y la evaluacin del riesgo de posibles indisponibilidades. La informacin
requerida por el modelo MAOL se obtiene a partir del anlisis de informacin recogida en el
histrico de incidencias y labores de mantenimiento mediante una herramienta desarrollada en
Matlab para este fin. Esta herramienta permite prever el riesgo de fallo y las acciones de
mantenimiento que se llevaran a cabo si se siguiese aplicando el plan de mantenimiento actual.
Adems, permite introducir como entradas los niveles de mnima fiabilidad que se desea permitir.
El modelo propuesto se ha aplicado a dos aerogeneradores de un parque elico, y los

resultados se incluyen en este documento. Se considera que tiene un gran potencial en la ayuda
de la gestin de los activos de los aerogeneradores utilizados. Adems, los resultados prcticos
obtenidos confirman los buenos fundamentos de la propuesta del modelo.
En este proyecto fin de carrera se analizan las ventajas e inconvenientes del modelo
MAOL con respecto al modelo de mantenimiento actual. Y los resultados de esta comparacin han
sido bastante favorables al modelo propuesto tanto en ahorro en costes como en resultados y
mejora de la efectividad del plan de mantenimiento. Adems, el fallo o prdida de un
aerogenerador supone unos costes tanto de energa no producida, ambientales, como de
mantenimiento que, en la medida de lo posible, es conveniente minimizar. Por esta razn, el plan
propuesto es, adems de una inversin restable para la empresa explotadora del parque, un plan
que favorece la reduccin del impacto medioambiental, ya que se ha demostrado que aplicando el
plan de mantenimiento propuesto se aumenta la disponibilidad del aparato a la vaz que se
reducen costes por mantenimiento. Esto significa que son necesarios menos aerogeneradores
para producir la misma energa.
El modelo MAOL abre una nueva manera de apoyar el proceso de la toma de decisiones
en el mantenimiento industrial y la gestin de activos.
91
COMILLAS
INGENIERA (ICAI)
CAPTULO 11: Futuros desarrollos
Aunque los resultados obtenidos en el proyecto son muy satisfactorios, ha de tenerse en

cuenta que se han ido haciendo algunas simplificaciones a lo largo del mismo que, en la medida de
lo posible, conviene mejorar.
En primer lugar, se ha considerado que tanto los parmetros de fiabilidad como los
parmetros de mantenimiento obtenidos tras el anlisis del histrico de datos, son los autnticos.
Se debe recordar que en el modelo MAOL se planteaba la diferencia existente entre los datos
obtenidos si el componente se encontraba bajo la accin de un plan de mantenimiento o no.
Por otro lado, la hiptesis que se ha utilizado sobre la efectividad del mantenimiento
correctivo en el desarrollo de este proyecto para comparar el plan actual con el propuesto es un
muy conservadora, pues considera que dicha efectividad es la misma para todos los modos de
fallo, y nula. Esto no tiene mucho sentido, pues no se obtienen los mismos resultados con la
reparacin de un elemento (efectividad del mantenimiento correctivo normalmente menor al
100%) que la reposicin del mismo (efectividad del mantenimiento correctivo del 100%). La
aplicacin permite cambiar la efectividad de cada modo de fallo, y de cada tipo de mantenimiento
(esto es otra mejora con respecto a la aplicacin de [Xiomara 2011], pero en este proyecto no se
han hecho casos para estudiar cmo afecta el mantenimiento correctivo sobre el preventivo. Sera
interesante hacer estudio para analizar con ms exactitud la influencia del mantenimiento
correctivo sobre el preventivo y viceversa.
Otra mejora a tener en cuenta sera representar los tiempos con otras funciones de
distribucin a la exponencial y Weibull, y analizar si se ajustan mejor a los tiempos reales. Un buen
ajuste de las funciones de distribucin a los tiempos reales es clave para que el resultado del plan
de mantenimiento preventivo sea el esperado, y por eso es importante utilizar la funcin de
distribucin que mejor se ajuste a estos tiempos.
Por ultimo, sera interesante proponer tambin la posibilidad de simular que la

efectividad de las acciones de mantenimiento (tanto preventivo como correctivo) va
disminuyendo con el tiempo, es decir, el equipo se torna menos sensible a las reparaciones pues
esta envejeciendo.
92
COMILLAS
INGENIERA (ICAI)
REFERENCIAS
[twenergy, 2012] twenergy. http://twenergy.com/energia-eolica/ventajas-de-la-energia-eolica-

402
[Wikipedia, Mayo 2011] Wikipedia. http://es.wikipedia.org/wiki/Aerogenerador. Mayo 2011.
[Varma R., 2009] Varma R. (2009). Sitio web:

http://www.renovablesenergia.com/2009/05/funcionamiento-aerogeneradores-eolicos/
[Garrido S., 2009] Garrido,S.(2009) Renovetec.

http://mantenimientoindustrial.wikispaces.com/Mantenimiento+industrial
[Jos M Tamborero del Pino] Jos M Tamborero del Pino. NTP 316: Fiabilidad de componentes.
CENTRO NACIONAL DE CONDICIONES DE TRABAJO.
[Edwin Orlando, Marzo 2008] Edwin Orlando (Marzo 2008): Mantenimiento industrial. Macas-
Ecuador
[Anders et al., 2007] Anders, G., Bertling, L., CliteurG., Endrenyi, J., Jardine, A. & Li, W. 2007.
Tutorial book on Asset Management Maintenance and Replacement Strategies. IEEE Power
Engineering Society General Meeting, Tampa, Florida USA, 24-28 June 2007.
[Barlow et al., 1960] Barlow, R.E. & Hunter, L. 1960. Optimal preventive maintenance policies,
Operations Research, 8: 90-100
[Duffuaa et al., 1999] Duffuaa, S.O., Raouf, A. & Campbell, J.D. 1999. Planning and control of
maintenance system: Modeling and analysis, John Wiley & Sons.
[Nakagawa et al., 1988] Nakagawa,T. 1988. Sequential imperfect preventive maintenance policies.
IEEE Trans Reliability R-37: 295-298.
[Sanz-Bobi et al., 2011] Sanz-Bobi, M.A., Vieira R.J.A., Montilla X. Failure risk analysis and
maintenance effectiveness in a windturbine according to its history of unavailability and applied
maintenance. ESREL 2011 Annual Conference.
[Comillas, 2008] Apuntes de estadstica del departamento Organizacin Industrial de la

Universidad Pontificia de Comillas 2008.
[Rabfis] rabfis15.uco.es/lvct/tutorial/41/tema18/tema18-2.htm
93
COMILLAS
INGENIERA (ICAI)
ANEXO I
Cdigo Fuente
94
COMILLAS
INGENIERA (ICAI)
En este anexo se adjunta el cdigo fuente de todos los programas que han sido
necesarios para la realizacin del estudio que se ha llevado a cabo en este proyecto fin de carrera.
A continuacin se va mostrar el cdigo de todos los programas utilizados. El cdigo est

comentado (los comentarios estn en color de fuente verde), y al principio de cada funcin se
describe la utilidad del programa.
aerog.m
function [cellAerog,modos_de_fallo,mantenimientos] = aerog(num,txt)
% Esta funcin nos organiza lo datos recibidos por un fichero excel sobre
% las incidencias de aerogeneradores. El fichero tiene que estar ordenado
% de una forma concreta, de forma que el la 1 fila estn las etiquetas.
%Por ejemplo, en el caso que estoy haciendo, en A1 pone "DIA", A2 "MES",
A3
%"AO", A4 "H", A5 "Min", A6 "FECHA", A7 "HORA, A8 "HORA EN DIAS",
%A9 "AEROG", A10 "T(h)", A11 %Producc. Perd., A12 "MOTIVO", A12
%"COMENTARIO", A13 "Op", A14 "GRUPO". De esta forma en la 1 columna
estn
%los das, en la 2 el mes (en nmero), en la 3 el ao...
%El cell tiene tantos nmeros de filas como numero de diferentes
%aerogeneradores haya (cada aerogenerador est identificado por un
nmero).
%Y las columnas estn en funcin de los diferentes motivos que haya, de
%forma que si hay n aerogeneradores diferentes y m motivos diferentes, el
%cell cellAerog tendr dimensiones {n,3*m+2}.
%En la 1 columna de cellAerog estn los nmeros de los aerogeneradores,
en
%las columnas mltiplo de 3 estn los nombres de los diferentes motivos,
%una columna mas a la derecha todos los datos (dia, mes ao, producc.
%perd...), y otra columna mas a la derecha los TBF, TTF y TTR.
[a,b]=size(num);
[~,b2]=size(txt);
n_aer=zeros(a,1);
tick=0;
cont5=0; %tick x 3*(cont5+2) es el tamao de cellAerog
modos_de_fallo={'Averia generador';'Averia multiplicador';'Baja
temperatura ground';'Baja temperatura top';'Error accionamiento
pitch';'Error anemometro';'Error sincronismo';'Fallo comunicacion
aerog/set';'Fallo en precarga';'Fallo frecuencia';'Fallo general';'Fallo
IGBT S inversor';'Fallo refrigeracion multiplicador';'Problematica Red
Externa';'Proyectos MDE';'Reparacion con aerog en marcha';'Retrofit
equipos';'Sensor de vibraciones';'Serie de emergencia top';'Sobretension
hardware inversor';'Sobretension hardware rectificador';'Sobrevelocidad
electrica';'Sobrevelocidad ground';'Temperatura disparo
barquilla';'Temperatura disparo cojinete L.A.';'Temperatura disparo
generador';'Termostato freno';'Tiempo maximo de orientacion';'Vel. rotor
# Vel. generador';};
mantenimientos={'Mantenimiento preventivo aerogenerador';'Mantenimiento
preventivo multiplicadora';'Mantenimiento preventivo generador';};
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
for w=1:b
if strcmp('AEROG',txt(1,w))
i=w; %% i es la columna donde est el num de los aerog
end
95
COMILLAS
INGENIERA (ICAI)
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%5
for w=1:b2
if strcmp('MOTIVO', char(txt(1,w)))
m=w; %% m es la columna donde estn los motivos de fallo
end
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%1)n_aer es un vector que almacena los nmero de los aerogeneradores, y

no
%el nmero de aerogenradores (cuntos hay). n_aer est sobredimensionado
%con dimensiones (a,1).
%2)n_aerog es el vector que almacena los nmeros de los aerogeneradores,
%pero el vector no est sobredimensionado.
%3)tick marca el nmero de aerogeneradores que hay.
for j=1:a
cont=1;
for k=1:j
if num(j,i)~=num(k,i)
cont=cont+1;
end
end
if cont==j
tick=tick+1;
n_aer(tick,1)=num(j,i); %n_aer est sobredim (a,1) con ceros
end
end
%n_aerog=n_aer(1:tick);
for tick2=1:tick
n_aerog(tick2,1)=n_aer(tick2,1);
end
% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%1)motivo es un cell con tantas filas como nmero de aerogeneradores haya

y a
%columnas, es decir, con dimensiones (tick,a). Tiene a columnas porque
como
%mucho nungn modo de fallo se repite.
%En la 1 fila del cell motivo estn todos los motivos de inidencia del
%aerogenerador que est en la 1 fila del vector n_aerog, los motivos
%estarn repetidos y ordenados segn esten en el Excel. En la 2 fila de
%motivos estarn todos los motivos del aerogenerador de la 2 fila del
%vector n_aerog. Y as hasta cubrir todos los aerogeneradores.
%2)cont3 indica el nmero mximo de veces que se repite un modo de fallo
%en el mismo aerogenerador.
motivo{tick,a}=0;
for p=1:tick
cont3=0;
for j=1:a
if num(j,i)==n_aerog(p,1)
cont3=cont3+1;
motivo{p,cont3}=char(txt(j+1,m));
end
end
96
COMILLAS
INGENIERA (ICAI)
end
% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%1)El cell motivo1 contiene los motivos de los distintos erogeneradores
%de la misma manera que el cell motivo, pero motivo1 no tiene repetidos
los
%motivos de fallo. motivo1 tiene diensiones {p,cont3}, por lo que es
%posible que los ltimos cell de la fila de algunos aerogeneradoes sean
%cero o NUN.
motivo1{p,a}=0;
for p=1:tick
cont5=0;
for e=1:a
cont4=1;
for k=1:e
if ~strcmp(motivo{p,k}, motivo{p,e})
cont4=cont4+1;
end
end
if cont4==e
cont5=cont5+1;
motivo1{p,cont5}=motivo{p,e};
end
end
end
% % %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%Introduzco los modos de fallo en las celdas mltiplo de 3 del cell

%cellAerog.
cellAerog{tick,cont3*3+2}=0; %defino las dimensiones de cellAerog

for g1=1:tick
cellAerog{g1,1}=n_aerog(g1,1);
for g2=1:cont3
cellAerog{g1,g2*3}=motivo1{g1,g2};
end
end
% % %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%Introduzco los datos de cada modo de fallo para cada aerogenerador en

las
%celdas del cell cellAerog mltiplos de 3 mas 1.
for j1=1:tick
for j2=1:cont3
cont6=0;
for j3=2:(a+1)
if strcmp(txt(j3,m), cellAerog{j1,(3*j2)}) &&
cellAerog{j1,1}==num(j3-1,i)
cont6=cont6+1;
cellAerog{j1,(3*j2+1)}(cont6,:)=num(j3-1,:);
end
end
end
end
97
COMILLAS
INGENIERA (ICAI)
% % %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% % %%%%%%%%%%%%%%%%% MTBF (en horas )%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
for j1=1:tick
for j2=1:cont3
cellAerog{j1,(3*j2+2)}(1,1)=tbf(cellAerog{j1,(3*j2+1)})*24; %mtbf
end
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%% MTTR (en horas) %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
for h1=1:tick
for h2=1:cont3
D=cellAerog{h1,(3*h2+1)};
if size(D)==0
f=1;
mttr=0;
else
[f,c]=size(D);
mttr=sum((D(:,10))/f);
end
cellAerog{h1,(3*h2+2)}(3,1)=mttr;
end
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%% MTTF %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
for j1=1:tick
for j2=1:cont3
cellAerog{j1,(3*j2+2)}(2,1)=ttf(cellAerog{j1,(3*j2+1)})*24; %mtbf
end
end
end
AjustExp_tbf.m
function AjustExp_tbf( M , range1, range2,elim)
%Con este programa se calculan los parmetros de la distribucin
exponencial para reproducir los tiempos entre tareas de mantenimiento.
%Esta funcin construye un grfico de probabilidad. Proporciona el
grfico de CDF, presentacin de tiempos de fallo y log(R(t)),recta
ajustada con los valores reales, fiabilidad vs tiempo. Adems se utiliza
el dato resultante de hacer la mediana entre los timpos range1 y range2.
Si el parmetro de entada elim es uno, se eliminan los tiempos entre
t=range1 y t=range2.
[ ~,x,n ] = tbf(M);
x=x*24; %Paso el tbf de das a horas
98
COMILLAS
INGENIERA (ICAI)
% Hago la mediana de la nuve de valores (range)
j=1;
x1=zeros(1,n);
if range2~=0
for i=1:n
if (x(i)>=range1) && (x(i)<=range2)
x2(j)=x(i);
j=j+1;
else
x1(i)=x(i);
end
end
med=median(x2);
if elim==1
med=[];
end
a=length(x2);
x=[med x1];
x=sort(x);
x(1:a)=[];
end
n=length(x);
% Clasificacin en orden creciente de tiempos de fallo en horas

x=sort(x')
media=sum(x)/n;
mtbf=sprintf('%8f',media)
%Obtencin de valores de CDF por el mtodo de mediana del rango
p= 100*(((1:n)-0.3)/(n+0.4))';
% Presentacin de CDF o F(t)

figure(1)
subplot(2,2,1),stairs(x,p, 'k-')
title('Presentacin de CDF F(t)')
xlabel('x - horas');
ylabel('Probabilidad acumulada (F) %');
% Presentacin de tiempos de fallo y log R(t)

%figure(2)
p= p ./100;
y=-log(1-p);
subplot(2,2,2),plot(x,y, '*')
title('Presentacin de tiempos de fallo y log R(t)')
xlabel('t - tiempo al fallo')
ylabel('-log(1-F(t))= -log(R(t))')
%Clculo de R^2
[lambda,bint,r,rint,stats] = regress(y,x);
r_square=stats(1);
r_square=sprintf('%8f',r_square)
%Cculo por mnimos cuadrados o regresin de la pendiente de la recta
lambda=regress(y,x);
tasa_fallos_MC= sprintf('%8f',lambda)
tiempo_al_fallo_MC_horas= sprintf('%8.2f',1/lambda)
99
COMILLAS
INGENIERA (ICAI)
%Presentacin de la recta ajustada y los valores reales
%figure(3)
subplot(2,2,3),plot(x,y, '*', y*(1/lambda), y, 'r--')
title('Recta ajustada y los valores reales')
% mtodo de mxima verosimilitud

m=expfit(x);
lambda_MV= 1/m;
tasa_fallos_MV= sprintf('%8f',lambda_MV)
tiempo_al_fallo_MV_horas= sprintf('%8.2f',1/lambda_MV)
R_MC= exp(-lambda*x(1:n));
R_MV= exp(-lambda_MV*x(1:n));
R_cdf = 1-p;
%figure(4)
%hold on
subplot(2,2,4),plot(x,R_MC, '*', x, R_MV, 'o', x, R_cdf, '+');
xlabel('t - tiempo (horas)')
ylabel('Fiabilidad - R(t)')
legend('Min Cuad', 'Max Ver', 'Med Rango');
hold off
end
AjustExp_ttf.m
function AjustExp_ttf( M , range1, range2,elim)
exponencial para reproducir los tiempos hasta la prxima tarea de
mantenimiento.
[ ~,x,n ] = ttf(M);
x=x*24 %Paso el tbf de das a horas
j=1;
x1=zeros(1,n);
if range2~=0
for i=1:n
x2(j)=x(i);
j=j+1;
else
x1(i)=x(i);
end
end
100
COMILLAS
INGENIERA (ICAI)
med=median(x2);
if elim==1
med=[];
end
a=length(x2);
x=[med x1];
x=sort(x);
x(1:a)=[];
end
n=length(x);

x=sort(x')
media=sum(x)/n;
mttf=sprintf('%8f',media)
p= 100*(((1:n)-0.3)/(n+0.4))';

figure(1)

%figure(2)
p= p ./100;
y=-log(1-p);
%Clculo de R^2
r_square=stats(1);

%figure(3)

m=expfit(x);
lambda_MV= 1/m;
101
COMILLAS
INGENIERA (ICAI)
R_cdf = 1-p;
%figure(4)
%hold on
hold off
end
AjustExp_ttr.m
function AjustExp_ttr( M, range1, range2,elim )
exponencial para reproducir la duracin de las tareas de mantenimiento.
[a,b]=size(M);
x=M(:,10);
x=x';
n=a;
j=1;
x1=zeros(1,n);
if range2~=0
for i=1:n
x2(j)=x(i);
j=j+1;
else
x1(i)=x(i);
end
end
med=median(x2);
if elim==1
med=[];
end
a=length(x2);
x=[med x1];
x=sort(x);
x(1:a)=[];
end
102
COMILLAS
INGENIERA (ICAI)
n=length(x);

x=sort(x')
media=sum(x)/n;
mtbf=sprintf('%8f',media)
p= 100*(((1:n)-0.3)/(n+0.4))';

figure(1)

%figure(2)
p= p ./100;
y=-log(1-p);
%Clculo de R^2
r_square=stats(1);

%figure(3)

m=expfit(x);
lambda_MV= 1/m;
R_cdf = 1-p;
%figure(4)
%hold on
103
COMILLAS
INGENIERA (ICAI)
hold off
end
AjustWeibll_tbf.m
function AjustWeibull_tbf(M,range1,range2,elim)
%Con este programa se calculan los parmetros de la distribucin Weibull
para reproducir los tiempos entre acciones de mantenimiento.
Esta funcin construye un grfico de probabilidad. Proporciona el grfico

de CDF, recta ajustada con los valores, fiabilidad vs tiempo, tasa de
fallos vs tiempo. Adems se utiliza el dato resultante de hacer la
mediana entre los log(tiempos) range1 y range2, observados el
presentacin de la recta de regresin con los valores reales (todo sobre
el papel de probabilidad de Weibull). Si la variable de entrada elim es
uno, se eliminan los datos entre t=range1 y t=range2.
% Conjunto de datos del ejemplo

beta_plot=1.4;
mu_plot=76;
[ ~,x,n ] = tbf(M);
x=x*24;%paso el tbf de das a horas

j=1;
x1=zeros(1,n);
if range2~=0
for i=1:n
x2(j)=x(i);
j=j+1;
else
x1(i)=x(i);
end
end
med=median(x2);
if elim==1
med=[];
end
a=length(x2);
x=[med x1];
x=sort(x);
x(1:a)=[];
end
n=length(x);

x=sort(x');
104
COMILLAS
INGENIERA (ICAI)
media=sum(x)/n;
mttf=sprintf('%8f', media)

p= 100*(((1:n)-0.3)/(n+0.4))';

figure(1)
subplot(2,2,1),stairs(x,p, 'k-');
title('Presentacin de CDF o F(t)')

%figure(2)
p= p ./100;
logy=log(-log(1-p));
logx=log(x);
%Clculo de R^2 para el mtodo de MC

ones_reg=(ones(1,n))';
logx_reg=[logx ones_reg]; %En la funcin regress, x debe de tener una
columna de 1
[lambda,bint,r,rint,stats] = regress(logy,logx_reg);
r_square=stats(1);
r_square=sprintf('%8f', r_square)
lambda
%Cculo por mnimos cuadrados o regresin de la pendiente de la recta con
%folyfiy
poly = polyfit(logy, logx, 1)
param_weibull= [exp(poly(2)) 1/poly(1)];
beta_MC = 1/poly(1);
mu_MC=exp(poly(2));
beta_MinimosCuadrados= sprintf('%8f', beta_MC)

mu_MinimosCuadrados_horas= sprintf('%8.2f',mu_MC)

%figure(3)
subplot(2,2,2),plot(logx,logy, '*', logx, -
beta_MC*log(mu_MC)+beta_MC*logx, 'r--')
xlabel('x = log t - tiempo al fallo')
ylabel('y = log(-log(1-F(t)))= log(-log(R(t)))')

weibull_MV=wblfit(x);
beta_MV = weibull_MV(2);
mu_MV = weibull_MV(1);
beta_MaxVer= sprintf('%f8', beta_MV)

mu_MaxVer_horas= sprintf('%8.2f',mu_MV)
105
COMILLAS
INGENIERA (ICAI)
R_W_MC= exp(-(x(1:n)/mu_MC).^beta_MC);
R_W_MV= exp(-(x(1:n)/mu_MV).^beta_MV);
R_W_cdf = 1-p;
R_W_plot = exp(-(x(1:n)/mu_plot) .^beta_plot);
% figure(4)
%hold on
subplot(2,2,3),plot(x,R_W_MC, '*', x,R_W_MV, 'x',x, R_W_cdf, 'o', x,
R_W_plot, '+');
legend('Min Cuad', 'Max Ver', 'cdf', 'Plotting');
hold off
% Dibujo tasa de fallos

%figure (5)
tf_W_MC = (x(1:n)/mu_MC).^beta_MC;
tf_W_MC = tf_W_MC .* (beta_MC/mu_MC);
tf_W_MV = (x(1:n)/mu_MV).^beta_MV;
tf_W_MV = tf_W_MC .* (beta_MV/mu_MV);
subplot(2,2,4),plot(x,tf_W_MC, '*', x,tf_W_MC, '+');

ylabel('Tasa de fallos - lambda(t)')
legend('Min Cuad', 'Max Ver');
end
AjustWeibull_ttf.m
function AjustWeibull_ttf(M,range1,range2,elim)
para reproducir los tiempos hasta la prxima tarea de mantenimiento.

uno, se eliminan los tiempos entre t=range1 y t=range2.
%t=range1 y t=range2.

beta_plot=1.4;
mu_plot=76;
[ ~,x,n ] = ttf(M);
x=x*24;%Paso el ttf de dias a horas
106
COMILLAS
INGENIERA (ICAI)
j=1;
x1=zeros(1,n);
if range2~=0
for i=1:n
x2(j)=x(i);
j=j+1;
else
x1(i)=x(i);
end
end
med=median(x2);
if elim==1
med=[];
end
a=length(x2);
x=[med x1];
x=sort(x);
x(1:a)=[];
end
n=length(x);

x=sort(x');
media=sum(x)/n;

p= 100*(((1:n)-0.3)/(n+0.4))';

figure(1)

%figure(2)
p= p ./100;
logx=log(x);

columna de 1
r_square=stats(1);
lambda
107
COMILLAS
INGENIERA (ICAI)
%folyfiy
poly = polyfit(logy, logx, 1)
mu_MC=exp(poly(2));


%figure(3)


R_W_cdf = 1-p;
% figure(4)
%hold on
R_W_plot, '+');
hold off

%figure (5)

end
108
COMILLAS
INGENIERA (ICAI)
AjustWeibull_ttr.m
function AjustWeibull_ttr(M,range1,range2,elim)
para reproducir la duracin de los tiempos de las tareas de
mantenimiento.

uno, se eliminan tiempos entre t=range1 y t=range2.
%t=range1 y t=range2.

beta_plot=1.4;
mu_plot=76;
[a,b]=size(M);
x=M(:,10);
x=x';
n=a;

j=1;
x1=zeros(1,n);
if range2~=0
for i=1:n
x2(j)=x(i);
j=j+1;
else
x1(i)=x(i);
end
end
med=median(x2);
if elim==1
med=[];
end
a=length(x2);
x=[med x1];
x=sort(x);
x(1:a)=[];
end
n=length(x);

x=sort(x')
media=sum(x)/n;
109
COMILLAS
INGENIERA (ICAI)
p= 100*(((1:n)-0.3)/(n+0.4))';

figure(1)

%figure(2)
p= p ./100;
logx=log(x);

columna de 1
r_square=stats(1);
%folyfiy
poly = polyfit(logy, logx, 1);
mu_MC=exp(poly(2));


%figure(3)


R_W_cdf = 1-p;
110
COMILLAS
INGENIERA (ICAI)
% figure(4)
R_W_plot, '+');
hold off

%figure (5)

end
fiab_fallos_correc_preven_56.m
%% AEROGENERADOR 56
Este programa analiza cmo vara el nivel de efectividad de los
aerogeneradores con respecto a las acciones de mantenimiento correctivo y
preventivo, utilizando los tiempos reales del historial del que se
dispone (entre 2005 y 2010).
%Se calculan todas las R(t) y las F(t) de todos los modos de fallos, los
componentes (generador, multiplicadora y otros), y del sistema completo
del aerogenerador 56.
[a56,b]=size(data_f56);
%EFICACIA DEL MANTENIMIENTO
F_mult56=[0.8 0.8 1 1 1 1 1 1 1 1 1 1 1 1 1 1]'; %efectividad del manten
preventivo de la multiplicadora
F_gen56=[1 0.8 0.8 0.8 0.8 0.8 1 1 1 1 1 1 1 1 1 1]'; %efectividad del
manten preventivo del generador
F_otros56=[1 0.85 1 0.85 0.85 0.85 1 0.85 0.85 0.85 0.85 1 0.85 1 0.85
0.85]'; %efectividad del manten preventivo otros
C56=0.7*ones(a56,1); %efectividad del manten correctivo
%COSTES DE MANTENIMIENTO (en euros)
coste_uni_manten_mult56=1836;
coste_uni_manten_gen56=970;
coste_uni_manten_otros56=304;
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%PROBABILIDAD AL FALLO Y FIABILIDAD DE LOS MODELOS CLASICOS (sin mejoras
por manten correctivo y preventivo)
origen=datenum([2006 1 1 0 0 0]);
t=datenum([2010 12 31 59 59 0])-origen;
t_56=t*24; %Paso el tiempo a horas;
111
COMILLAS
INGENIERA (ICAI)
%F_exp=1-exp(-y*t); Funcin de infiabilidad F(t) para la exponencial
%R_exp=exp(-y*t); Funcin de fiabilidad R(t) de la exponencial
%R_weib=exp(-(t./mu)^beta); Funcin de fiabilidad para weibull
%F_weib=1-R_weib; Funcin de infiabilidad para weibull
R_falloClassic_56=zeros(a56,t_56); %matriz con las fiabilidades de los
modos de fallo
for i=1:a56
if isnan(data_f56(i,8)) %elijo weibull
for j=1:t_56
R_falloClassic_56(i,j)=exp(-(j/data_f56(i,10))^data_f56(i,9));
end
else %elijo exponencial
for j=1:t_56
R_falloClassic_56(i,j)=exp(-data_f56(i,8)*j);
end
end
end
%Calculo de R(t) para los tres componentes (gen, mult, otros)
ant_mult=1;
ant_gen=1;
ant_otros=1;
for i=4:a56+3
if strcmp(textdata_f56(i,1),'Averia multiplicador')
||strcmp(textdata_f56(i,1),'Vel. rotor # Vel.
generador')||strcmp(textdata_f56(i,1),'Fallo refrigeracion
multiplicador')
R_multClassic_56=R_falloClassic_56(i-3,:).*ant_mult;
ant_mult=R_multClassic_56;
elseif strcmp(textdata_f56(i,1),'Temperatura disparo
generador')||strcmp(textdata_f56(i,1),'Averia
generador')||strcmp(textdata_f56(i,1),'Temperatura disparo cojinete
L.A.')||strcmp(textdata_f56(i,1),'Sobrevelocidad
electrica')||strcmp(textdata_f56(i,1),'Sobrevelocidad ground')
R_genClassic_56=R_falloClassic_56(i-3,:).*ant_gen;
ant_gen=R_genClassic_56;
else
R_otrosClassic_56=R_falloClassic_56(i-3,:).*ant_otros;
ant_otros=R_otrosClassic_56;
end
end
%Calculo el R(t) del sistema
R_aerogClassic_56=R_multClassic_56.*R_genClassic_56.*R_otrosClassic_56;
% F(t) = 1- R(t)
F_falloClassic_56=1-R_falloClassic_56;
F_multClassic_56=1-R_multClassic_56;
F_genClassic_56=1-R_genClassic_56;
F_otrosClassic_56=1-R_otrosClassic_56;
F_aerogClassic_56=1-R_aerogClassic_56;
%MANTENIMIENTO
%inicialmente
R_fallo_56=R_falloClassic_56;
R_mult_56=R_multClassic_56;
R_gen_56=R_genClassic_56;
R_otros_56=R_otrosClassic_56;
112
COMILLAS
INGENIERA (ICAI)
R_aerog_56=R_aerogClassic_56;
F_fallo_56=1-R_falloClassic_56;
F_mult_56=1-R_multClassic_56;
F_gen_56=1-R_genClassic_56;
F_otros_56=1-R_otrosClassic_56;
F_aerog_56=1-R_aerogClassic_56;
[ac,bc]=size(cellAerog_fallos);
[am,bm]=size(cellAerog_manten);
countf=0;
tick=1;
kc56=ones(a56,1);
num_corr56=ones(a56,1);
Matrixm_mult56=cellAerog_manten{1,10};
[num_mant_mult56,g]=size(Matrixm_mult56);
k_mult56=1;
Matrixm_gen56=cellAerog_manten{1,4};
[num_mant_gen56,g]=size(Matrixm_gen56);
k_gen56=1;
Matrixm_otros56=cellAerog_manten{1,7};
[num_mant_otros56,g]=size(Matrixm_otros56);
k_otros56=1;
horas_renew_mant_prev_otros56=zeros(1,t_56);
horas_renew_mant_prev_mult56=zeros(1,t_56);
horas_renew_mant_prev_gen56=zeros(1,t_56);
horas_renew_correc56=zeros(1,t_56);
%incremento de la fiabilidad debido a mantenimientos correctivos y

preventivos
for j1=4:a56+3
countf=countf+1;
tick=1;
k_mult=1;
k_gen=1;
k_otros=1;
for j2=3:3:bc
if strcmp(textdata_f56{j1,1},cellAerog_fallos{1,j2})
Matrixc56=cellAerog_fallos{1,j2+1};
end
end
[num_corr56(countf,1),g]=size(Matrixc56);
for i=1:t_56
R_fallo_56(countf,i)=R_falloClassic_56(countf,tick);
tick=tick+1;
if num_corr56(countf,1)>=kc56(countf,1)
t_corr56=(datenum([Matrixc56(kc56(countf,1),3)
Matrixc56(kc56(countf,1),2) Matrixc56(kc56(countf,1),1) 0 0 0])-
origen)*24;
if i>=t_corr56
113
COMILLAS
INGENIERA (ICAI)
kc56(countf,1)=kc56(countf,1)+1;
if C56(countf)==1
else
tick=find((1-
R_falloClassic_56(countf,:))<C56(countf)*(1-R_fallo_56(countf,i)));
tick=length(tick);
end
if C56(countf)==0
tick=1;
end
horas_renew_correc56(countf,i)=i-tick;
end
if t_corr56<0
tick=1;
end
end
if num_mant_mult56>=k_mult
t_manten_mult56=(datenum([Matrixm_mult56(k_mult,3)
Matrixm_mult56(k_mult,2) Matrixm_mult56(k_mult,1) 0 0 0])-origen)*24;
if i>=t_manten_mult56
k_mult=k_mult+1;
if F_mult56(countf,1)==1
else
tick=find((1-
R_falloClassic_56(countf,:))<F_mult56(countf)*(1-R_fallo_56(countf,i)));
tick=length(tick);
end
tick=1;
end
horas_renew_mant_prev_mult56(countf,i)=i-tick;
end
if t_manten_mult56<0
tick=1;
end
end
if num_mant_gen56>=k_gen
t_manten_gen56=(datenum([Matrixm_gen56(k_gen,3)
Matrixm_gen56(k_gen,2) Matrixm_gen56(k_gen,1) 0 0 0])-origen)*24;
if i>=t_manten_gen56
k_gen=k_gen+1;
if F_gen56(countf,1)==1
else
tick=find((1-
R_falloClassic_56(countf,:))<F_gen56(countf)*(1-R_fallo_56(countf,i)));
tick=length(tick);
end
tick=1;
end
horas_renew_mant_prev_gen56(countf,i)=i-tick;
end
if t_manten_gen56<0
tick=1;
end
end
if num_mant_otros56>=k_otros
114
COMILLAS
INGENIERA (ICAI)
t_manten_otros56=(datenum([Matrixm_otros56(k_otros,3)
Matrixm_otros56(k_otros,2) Matrixm_otros56(k_otros,1) 0 0 0])-
datenum([2005 1 1 0 0 0]))*24;
if i>=t_manten_otros56
k_otros=k_otros+1;
if F_otros56(countf,1)==1
else
tick=find((1-
R_falloClassic_56(countf,:))<F_otros56(countf)*(1-R_fallo_56(countf,i)));
tick=length(tick);
end
tick=1;
end
horas_renew_mant_prev_otros56(countf,i)=i-tick;
end
if t_manten_otros56<1
tick=1;
end
end
if tick==0
tick=1;
end
end
end
%Calculo de R(t) para los tres/cuatro componentes (gen, mult, otros)

ant_mult=1;
ant_gen=1;
ant_otros=1;
ant_otros1=1;
ant_otros2=1;
for i=4:a56+3
multiplicador')
R_mult_56=R_fallo_56(i-3,:).*ant_mult;
ant_mult=R_mult_56;
R_gen_56=R_fallo_56(i-3,:).*ant_gen;
ant_gen=R_gen_56;
else
R_otros_56=R_fallo_56(i-3,:).*ant_otros;
ant_otros=R_otros_56;
end
if strcmp(textdata_f56(i,1),'Vel. rotor # Vel.
electrica')||strcmp(textdata_f56(i,1),'Termostato
freno')||strcmp(textdata_f56(i,1),'Baja temperatura
ground')||strcmp(textdata_f56(i,1),'Sobretension hardware
115
COMILLAS
INGENIERA (ICAI)
rectificador')||strcmp(textdata_f56(i,1),'Sobretension hardware
inversor')||strcmp(textdata_f56(i,1),'Fallo
general')||strcmp(textdata_f56(i,1),'Error
sincronismo')||strcmp(textdata_f56(i,1),'Baja temperatura top')
R_otros1_56=R_fallo_56(i-3,:).*ant_otros1;
ant_otros1=R_otros1_56;
end
if strcmp(textdata_f56(i,1),'Averia
multiplicador')||strcmp(textdata_f56(i,1),'Temperatura disparo
generador')||strcmp(textdata_f56(i,1),'Tiempo maximo de
orientacion')||strcmp(textdata_f56(i,1),'Retrofit
equipos')||strcmp(textdata_f56(i,1),'Serie de emergencia top')
end
end
R_aerog_56=R_mult_56.*R_gen_56.*R_otros_56;
R_aerog1_56=R_mult_56.*R_gen_56.*R_otros1_56;
R_aerog3_56=R_mult_56.*R_gen_56;
% F(t) = 1- R(t)
F_fallo_56=1-R_fallo_56;
F_mult_56=1-R_mult_56;
F_gen_56=1-R_gen_56;
F_otros_56=1-R_otros_56;
F_otros1_56=1-R_otros_56;
F_aerog_56=1-R_aerog_56;
F_aerog1_56=1-R_aerog1_56;
%Costes debido a los mantenimietos preventivos
coste_manten_mult56=num_mant_mult56*coste_uni_manten_mult56;
coste_manten_gent56=num_mant_gen56*coste_uni_manten_gen56;
coste_manten_otros56=num_mant_otros56*coste_uni_manten_otros56;
total_coste_manten56=coste_manten_mult56+coste_manten_gent56+coste_manten
_otros56;
%% PLOTEAR AEROGENERADOR 56
N_fallos_56=1; %fallos que quiero ver del aerog 56
d1=length(N_fallos_56);
j=1;
fallos_56=zeros(d1,t_56);
for i=1:d1
fallos_56(i,:)=R_fallo_56(N_fallos_56(j),:);
j=j+1;
end
t56=1:t_56;
figure (1) % aerog 56 R(t)
sub_plots_A(1)=subplot(2,3,1);
plot(t56,fallos_56);
116
COMILLAS
INGENIERA (ICAI)
grid
axis([0 52620 0 1])
title('Fiabilidad de los fallos del aerog. 56')
xlabel('tiempo')
ylabel('fiabilidad')
plot(t56,R_gen_56,'r',t56,R_mult_56,'b',t56,R_otros_56,'g');
grid
axis([0 52620 0 1])
title('Fiabilidad de los compon. del aerog. 56')
xlabel('tiempo')
plot(t56,R_aerog_56);
grid
axis([0 52620 0 1])
title('Fiabilidad del aerog. 56')
xlabel('tiempo')
plot(t56,R_gen_56,'r',t56,R_mult_56,'b',t56,R_otros1_56,'g',t56,R_otros2_
56,'y');
grid
axis([0 52620 0 1])
title('Fiabilidad del comp2. 56')
xlabel('tiempo')
plot(t56,R_aerog1_56);
grid
axis([0 52620 0 1])
title('Fiabilidad del aerog1. 56')
xlabel('tiempo')
grid
axis([0 52620 0 1])
title('Fiabilidad del aerog. 56 si Otros')
xlabel('tiempo')
linkaxes(sub_plots_A,'xy');
figure (2) % aerog 56 F(t)

sub_plots_B(1)=subplot(2,3,1);
plot(t56,1-fallos_56);
grid
axis([0 52620 0 1])
title('Distribucin de los fallos del aerog. 56')
xlabel('tiempo')
ylabel('distribucin F(t)')
117
COMILLAS
INGENIERA (ICAI)
plot(t56,1-R_gen_56,'r',t56,1-R_mult_56,'b',t56,1-R_otros_56,'g');
grid
axis([0 52620 0 1])
title('Distribucin de los compon. del aerog. 56')
xlabel('tiempo')
plot(t56,1-R_aerog_56);
grid
axis([0 52620 0 1])
title('Distribucin del aerog. 56')
xlabel('tiempo')
plot(t56,1-R_gen_56,'r',t56,1-R_mult_56,'b',t56,1-R_otros1_56,'g',t56,1-
R_otros2_56,'y');
grid
axis([0 52620 0 1])
title('Probabilidad del comp2. 56')
xlabel('tiempo')
ylabel('Probabilidad')
plot(t56,1-R_aerog1_56);
grid
axis([0 52620 0 1])
title('Probabilidad del aerog1. 56')
xlabel('tiempo')
grid
axis([0 52620 0 1])
title('Probabilidad del aerog. 56 si Otros')
xlabel('tiempo')
linkaxes(sub_plots_B,'xy');
fiab_fallos_correc_preven_28
%% AEROGENERADOR 28
%Este programa analiza cmo vara el nivel de efectividad de los
preventivo, utilizando los tiempos reales del historial del que se
dispone (entre 2005 y 2010).
%Se calculan todas las R(t) y las F(t) de todos los modos de fallos, los
preventivo de la multipl
F_gen28=[0.8 1 0.8 0.85 1 1 1 1 1 1 1 1 1 1 0.2 1]'; %efectividad del
118
COMILLAS
INGENIERA (ICAI)
F_otros28=[0.85 1 0.85 0.85 1 1 1 1 0.85 1 1 1 1 0.85 0.85
1]';%efectividad del manten preventivo otros
C28=0.7*ones(a28,1); %efectividad del manten correctivo
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
origen=datenum([2006 1 1 0 0 0]);
t=datenum([2010 12 31 59 59 0])-origen;

modos de fallo
for i=1:a28
for j=1:t_28
end
for j=1:t_28
end
end
end
ant_mult=1;
ant_gen=1;
ant_otros=1;
for i=4:a28+3
multiplicador')
else
end
end
119
COMILLAS
INGENIERA (ICAI)
% F(t) = 1- R(t)
%MANTENIMIENTO
%inicialmente
F_aerog_28=1-R_genClassic_28;
[ac,bc]=size(cellAerog_fallos);
[am,bm]=size(cellAerog_manten);
countf=0;
tick=1;
kc28=ones(a28,1);
num_corr28=ones(a28,1);
Matrixm_mult28=cellAerog_manten{2,10};
[num_mant_mult28,g]=size(Matrixm_mult28);
k_mult28=1;
Matrixm_gen28=cellAerog_manten{2,4};
[num_mant_gen28,g]=size(Matrixm_gen28);
k_gen28=1;
Matrixm_otros28=cellAerog_manten{2,7};
[num_mant_otros28,g]=size(Matrixm_otros28);
k_otros28=1;
horas_renew_correc28=zeros(1,t_28);
%mejoras de la fiabilidad debido a mantenimientos correctivos y

preventivos
for j1=4:a28+3
countf=countf+1;
tick=1;
k_mult=1;
k_gen=1;
k_otros=1;
for j2=3:3:bc
120
COMILLAS
INGENIERA (ICAI)
if strcmp(textdata_f28{j1,1},cellAerog_fallos{2,j2})
Matrixc28=cellAerog_fallos{2,j2+1};
end
end
[num_corr28(countf,1),g]=size(Matrixc28);
for i=1:t_28
R_fallo_28(countf,i)=R_falloClassic_28(countf,tick);
tick=tick+1;
if num_corr28(countf,1)>=kc28(countf,1)
t_corr28=(datenum([Matrixc28(kc28(countf,1),3)
Matrixc28(kc28(countf,1),2) Matrixc28(kc28(countf,1),1) 0 0 0])-
origen)*24;
if i>=t_corr28
kc28(countf,1)=kc28(countf,1)+1;
if C28(countf)==1
else
tick=find((1-
R_falloClassic_28(countf,:))<C28(countf)*(1-R_fallo_28(countf,i)));
tick=length(tick);
end
if C28(countf)==0
tick=1;
end
horas_renew_correc28(countf,i)=i-tick;
end
if t_corr28<0
tick=1;
end
end
if num_mant_mult28>=k_mult
t_manten_mult28=(datenum([Matrixm_mult28(k_mult,3)
Matrixm_mult28(k_mult,2) Matrixm_mult28(k_mult,1) 0 0 0])-origen)*24;
if i>=t_manten_mult28
k_mult=k_mult+1;
else
tick=find((1-
R_falloClassic_28(countf,:))<F_mult28(countf)*(1-R_fallo_28(countf,i)));
tick=length(tick);
end
tick=0;
end
horas_renew_mant_prev_mult28(countf,i)=i-tick;
end
if t_manten_mult28<0
tick=1;
end
end
if num_mant_gen28>=k_gen
t_manten_gen28=(datenum([Matrixm_gen28(k_gen,3)
Matrixm_gen28(k_gen,2) Matrixm_gen28(k_gen,1) 0 0 0])-origen)*24;
if i>=t_manten_gen28
k_gen=k_gen+1;
else
121
COMILLAS
INGENIERA (ICAI)
tick=find((1-
R_falloClassic_28(countf,:))<F_gen28(countf)*(1-R_fallo_28(countf,i)));
tick=length(tick);
end
tick=0;
end
horas_renew_mant_prev_gen28(countf,i)=i-tick;
end
if t_manten_gen28<0
tick=1;
end
end
if num_mant_otros28>=k_otros
t_manten_otros28=(datenum([Matrixm_otros28(k_otros,3)
Matrixm_otros28(k_otros,2) Matrixm_otros28(k_otros,1) 0 0 0])-origen)*24;
if i>=t_manten_otros28
k_otros=k_otros+1;
else
tick=find((1-
R_falloClassic_28(countf,:))<F_otros28(countf)*(1-R_fallo_28(countf,i)));
tick=length(tick);
end
tick=0;
end
horas_renew_mant_prev_otros28(countf,i)=i-tick;
end
end
if tick==0
tick=1;
end
end
end
%Clculo de R(t) para los tres/cuatro componentes (gen, mult, otros)
ant_mult=1;
ant_gen=1;
ant_otros=1;
ant_otros1=1;
ant_otros2=1;
for i=4:a28+3
multiplicador')
ant_mult=R_mult_28;
ant_gen=R_gen_28;
else
122
COMILLAS
INGENIERA (ICAI)
end
generador')||strcmp(textdata_f28(i,1),'Sobrevelocidad
electrica')||strcmp(textdata_f28(i,1),'Sobrevelocidad
ground')||strcmp(textdata_f28(i,1),'Fallo en
precarga')||strcmp(textdata_f28(i,1),'Error accionamiento
pitch')||strcmp(textdata_f28(i,1),'Fallo frecuencia')
end
if strcmp(textdata_f28(i,1),'Fallo refrigeracion
multiplicador')||strcmp(textdata_f28(i,1),'Tiempo maximo de
equipos')||strcmp(textdata_f28(i,1),'Serie de emergencia
top')||strcmp(textdata_f28(i,1),'Error
sincronismo')||strcmp(textdata_f28(i,1),'Sensor de
vibraciones')||strcmp(textdata_f28(i,1),'Fallo IGBT S
inversor')||strcmp(textdata_f28(i,1),'Fallo comunicacion
aerog/set')||strcmp(textdata_f28(i,1),'Error
anemometro')||strcmp(textdata_f28(i,1),'Temperatura disparo barquilla')
end
end
% F(t) = 1- R(t)
_otros28;
j=1;
123
COMILLAS
INGENIERA (ICAI)
for i=1:d1
j=j+1;
end
t28=1:t_28;
grid
axis([0 52620 0 1])
xlabel('tiempo')
grid
axis([0 52620 0 1])
xlabel('tiempo')
grid
axis([0 52620 0 1])
xlabel('tiempo')
28,'y');
grid
axis([0 52620 0 1])
xlabel('tiempo')
grid
axis([0 52620 0 1])
xlabel('tiempo')
grid
axis([0 52620 0 1])
xlabel('tiempo')
124
COMILLAS
INGENIERA (ICAI)

grid
axis([0 52620 0 1])
xlabel('tiempo')
grid
axis([0 52620 0 1])
xlabel('tiempo')
grid
axis([0 52620 0 1])
xlabel('tiempo')
R_otros2_28,'y');
grid
axis([0 5262 0 1])
xlabel('tiempo')
grid
axis([0 52620 0 1])
xlabel('tiempo')
grid
axis([0 52620 0 1])
xlabel('tiempo')
manten_prev_classic56.m
%% AEROGENERADOR 56
% Este programa analiza cmo vara el nivel de efectividad de los
preventivo. Se utilizan los parmetros que mejor se ajustan a los
125
COMILLAS
INGENIERA (ICAI)
tiempos. As se pueden hacer simulaciones de cmo se evolucionara la
fiabilidad del aerogenerador 56 si se mantuviese el plan de mantenimiento
actual.
%Clculo todas las R(t) y las F(t) de todos los modos de fallos, los
F_otros56=[1 0.85 1 0.85 0.85 0.85 1 0.85 0.85 0.85 0.85 1 0.85 1 0.85
C56=1*ones(a56,1); %efectividad del manten correctivo
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
origen=datenum([2005 1 1 0 0 0]);
final=datenum([2010 12 31 59 59 0]);
t=final-datenum([2006 1 1 0 0 0]);
modos de fallo
for i=1:a56
for j=1:t_56
end
for j=1:t_56
end
end
end
ant_mult=1;
ant_gen=1;
ant_otros=1;
for i=4:a56+3
multiplicador')
126
COMILLAS
INGENIERA (ICAI)
else
end
end
% F(t) = 1- R(t)
%MANTENIMIENTO
%inicialmente
mttf56=data_f56(:,12);
[dim1,dim2]=size(mttf56);
tick=ones(dim1,t_56);
for i=1:dim1
tick(i,:)=1:t_56;
end
cont1=0;
num_mant_corr56=zeros(dim1,1);
mttm_mult56=data_m56(1,12);
cont2=0;
num_mant_mult56=zeros(dim1,1);
mttm_gen56=data_m56(2,12);
cont3=0;
num_mant_gen56=zeros(dim1,1);
mttm_otros56=data_m56(3,12);
cont4=0;
127
COMILLAS
INGENIERA (ICAI)
num_mant_otros56=zeros(dim1,1);

preventivos
for j=1:a56
cont1=0;
cont2=0;
cont3=0;
cont4=0;
for i=1:t_56
R_fallo_56(j,i)=R_falloClassic_56(j,tick(j,i));
if i==1
tick(j,i)=1;
else
tick(j,i)=tick(j,i-1)+1;
end
cont1=cont1+1;
cont2=cont2+1;
cont3=cont3+1;
cont4=1+cont4;
if cont1>=mttf56(j,1)
x=find((1-R_falloClassic_56(j,:))<C56(j)*(1-
R_fallo_56(j,i)));
tick(j,i)=length(x);
if C56(j)==0
tick(j,i)=1;
end
num_mant_corr56(j,1)=num_mant_corr56(j,1)+1;
cont1=0;
end
if cont2>=mttm_mult56
x=find((1-R_falloClassic_56(j,:))<F_mult56(j)*(1-
R_fallo_56(j,i)));
if F_mult56(j)==0
tick(j,i)=1;
end
num_mant_mult56(j,1)=num_mant_mult56(j,1)+1;
cont2=0;
end
if cont3>=mttm_gen56
x=find((1-R_falloClassic_56(j,:))<=F_gen56(j)*(1-
R_fallo_56(j,i)));
if F_gen56(j)==0
tick(j,i)=1;
end
num_mant_gen56(j,1)=num_mant_gen56(j,1)+1;
cont3=0;
end
128
COMILLAS
INGENIERA (ICAI)
if cont4>=mttm_otros56
x=find((1-R_falloClassic_56(j,:))<=F_otros56(j)*(1-
R_fallo_56(j,i)));
if F_otros56(j)==0
tick(j,i)=1;
end
num_mant_otros56(j,1)=num_mant_otros56(j,1)+1;
cont4=0;
end
if tick(j,i)==0
tick(j,i)=1;
end
if i>1
if tick(j,i)>(tick(j,i-1)+1)
end
end
end
end
ant_mult=1;
ant_gen=1;
ant_otros=1;
ant_otros1=1;
ant_otros2=1;
for i=4:a56+3
multiplicador')
ant_mult=R_mult_56;
ant_gen=R_gen_56;
else
end
129
COMILLAS
INGENIERA (ICAI)
end
end
end
% F(t) = 1- R(t)
_otros56;
N_fallos_56=3:6; %fallos que quiero ver del aerog 56
j=1;
for i=1:d1
j=j+1;
end
t56=1:t_56;
grid
axis([0 52620 0 1])
xlabel('tiempo')
130
COMILLAS
INGENIERA (ICAI)
grid
axis([0 52620 0 1])
xlabel('tiempo')
grid
axis([0 52620 0 1])
xlabel('tiempo')
56,'y');
grid
axis([0 52620 0 1])
xlabel('tiempo')
grid
axis([0 52620 0 1])
xlabel('tiempo')
grid
axis([0 52620 0 1])
xlabel('tiempo')

grid
axis([0 52620 0 1])
xlabel('tiempo')
grid
axis([0 52620 0 1])
xlabel('tiempo')
131
COMILLAS
INGENIERA (ICAI)
grid
axis([0 52620 0 1])
xlabel('tiempo')
R_otros2_56,'y');
grid
axis([0 52620 0 1])
xlabel('tiempo')
grid
axis([0 52620 0 1])
xlabel('tiempo')
grid
axis([0 52620 0 1])
xlabel('tiempo')
maten_prev_classic28.m
%% AEROGENERADOR 56
tiempos. As se pueden hacer simulaciones de cmo se evolucionara la
fiabilidad del aerogenerador 28 si se mantuviese el plan de mantenimiento
actual.
F_otros56=[1 0.85 1 0.85 0.85 0.85 1 0.85 0.85 0.85 0.85 1 0.85 1 0.85
132
COMILLAS
INGENIERA (ICAI)
C56=1*ones(a56,1); %efectividad del manten correctivo
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%PROBABILIDAD AL FALLO Y FIABILIDAD DE LOS MODELOS CLASICOS (sin
%mejoras por manten correctivo y preventivo)
origen=datenum([2005 1 1 0 0 0]);
final=datenum([2010 12 31 59 59 0]);
t=final-datenum([2006 1 1 0 0 0]);
modos de fallo
for i=1:a56
for j=1:t_56
end
for j=1:t_56
end
end
end
ant_mult=1;
ant_gen=1;
ant_otros=1;
for i=4:a56+3
multiplicador')
else
end
end
133
COMILLAS
INGENIERA (ICAI)
% F(t) = 1- R(t)
%MANTENIMIENTO
%inicialmente
mttf56=data_f56(:,12);
[dim1,dim2]=size(mttf56);
tick=ones(dim1,t_56);
for i=1:dim1
tick(i,:)=1:t_56;
end
cont1=0;
num_mant_corr56=zeros(dim1,1);
mttm_mult56=data_m56(1,12);
cont2=0;
num_mant_mult56=zeros(dim1,1);
mttm_gen56=data_m56(2,12);
cont3=0;
num_mant_gen56=zeros(dim1,1);
mttm_otros56=data_m56(3,12);
cont4=0;
num_mant_otros56=zeros(dim1,1);

preventivos
for j=1:a56
cont1=0;
cont2=0;
cont3=0;
cont4=0;
for i=1:t_56
if i==1
tick(j,i)=1;
134
COMILLAS
INGENIERA (ICAI)
else
end
cont1=cont1+1;
cont2=cont2+1;
cont3=cont3+1;
cont4=1+cont4;
if cont1>=mttf56(j,1)
x=find((1-R_falloClassic_56(j,:))<C56(j)*(1-
R_fallo_56(j,i)));
if C56(j)==0
tick(j,i)=1;
end
num_mant_corr56(j,1)=num_mant_corr56(j,1)+1;
cont1=0;
end
if cont2>=mttm_mult56
x=find((1-R_falloClassic_56(j,:))<F_mult56(j)*(1-
R_fallo_56(j,i)));
if F_mult56(j)==0
tick(j,i)=1;
end
num_mant_mult56(j,1)=num_mant_mult56(j,1)+1;
cont2=0;
end
if cont3>=mttm_gen56
x=find((1-R_falloClassic_56(j,:))<=F_gen56(j)*(1-
R_fallo_56(j,i)));
if F_gen56(j)==0
tick(j,i)=1;
end
num_mant_gen56(j,1)=num_mant_gen56(j,1)+1;
cont3=0;
end
if cont4>=mttm_otros56
x=find((1-R_falloClassic_56(j,:))<=F_otros56(j)*(1-
R_fallo_56(j,i)));
if F_otros56(j)==0
tick(j,i)=1;
end
num_mant_otros56(j,1)=num_mant_otros56(j,1)+1;
cont4=0;
end
if tick(j,i)==0
tick(j,i)=1;
end
if i>1
if tick(j,i)>(tick(j,i-1)+1)
135
COMILLAS
INGENIERA (ICAI)
end
end
end
end
ant_mult=1;
ant_gen=1;
ant_otros=1;
ant_otros1=1;
ant_otros2=1;
for i=4:a56+3
multiplicador')
ant_mult=R_mult_56;
ant_gen=R_gen_56;
else
end
end
end
end
136
COMILLAS
INGENIERA (ICAI)
% F(t) = 1- R(t)
_otros56;
j=1;
for i=1:d1
j=j+1;
end
t56=1:t_56;
grid
axis([0 52620 0 1])
xlabel('tiempo')
grid
axis([0 52620 0 1])
xlabel('tiempo')
grid
axis([0 52620 0 1])
xlabel('tiempo')
137
COMILLAS
INGENIERA (ICAI)
56,'y');
grid
axis([0 52620 0 1])
xlabel('tiempo')
grid
axis([0 52620 0 1])
xlabel('tiempo')
grid
axis([0 52620 0 1])
xlabel('tiempo')

grid
axis([0 52620 0 1])
xlabel('tiempo')
grid
axis([0 52620 0 1])
xlabel('tiempo')
grid
axis([0 52620 0 1])
xlabel('tiempo')
R_otros2_56,'y');
grid
axis([0 52620 0 1])
xlabel('tiempo')
138
COMILLAS
INGENIERA (ICAI)
grid
axis([0 52620 0 1])
xlabel('tiempo')
grid
axis([0 52620 0 1])
xlabel('tiempo')
manten_prev_umbral_compon56.m
%% AEROGENERADOR 56
tiempos, pero en este caso aplicndose la metodologa del plan de
mantenimiento propuesto As se pueden hacer simulaciones de cmo se
evolucionara la fiabilidad del aerogenerador 56 si se utilizase el plan
de mantenimiento propuesto.
%UMBRAL PARA MANTENIMIENTO
R_umbral_mult56=0.2876; %efectividad del manten preventivo de la multipl
R_umbral_gen56=0.0662; %efectividad del manten preventivo del
generador
R_umbral_otros56=0;%efectividad del manten preventivo otros
R_umbral_otros1_56=0;
F_otros56=[1 0.85 1 0.85 0.85 0.85 1 0.85 0.85 0.85 0.85 1 0.85 1 0.85

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
139
COMILLAS
INGENIERA (ICAI)
origen=datenum([2006 1 1 0 0 0]);
final=datenum([2010 12 31 59 59 0]);
t=final-origen;
modos de fallo
for i=1:a56
for j=1:t_56
end
for j=1:t_56
end
end
end
ant_mult=1;
ant_gen=1;
ant_otros=1;
ant_otros1=1;
ant_otros2=1;
for i=4:a56+3
multiplicador')
else
end
140
COMILLAS
INGENIERA (ICAI)
R_otrosClassic1_56=R_falloClassic_56(i-3,:).*ant_otros1;
ant_otros1=R_otrosClassic1_56;
end
end
end
R_aerogClassic1_56=R_multClassic_56.*R_genClassic_56.*R_otrosClassic1_56;
R_aerogClassic3_56=R_multClassic_56.*R_genClassic_56;
% F(t) = 1- R(t)
F_otrosClassic1_56=1-R_otrosClassic1_56;
F_aerogClassic1_56=1-R_aerogClassic1_56;
%MANTENIMIENTO
%inicialmente
R_otros1_56=R_otrosClassic1_56;
R_aerog1_56=R_aerogClassic1_56;
tick=ones(a56,t_56);
format long
mant_mult56=0;
mant_gen56=0;
mant_otros56=0;
%mant_otros1_56=0;
%mant_otros2_56=0;
141
COMILLAS
INGENIERA (ICAI)
%mejoras de la fiabilidad debido a mantenimientos preventivo
for i=2:t_56
for j=1:a56
end
for j=1:a56
end
ant_mult=1;
ant_gen=1;
ant_otros=1;
ant_otros1=1;
ant_otros2=1;
for h=4:a56+3
if strcmp(textdata_f56(h,1),'Averia multiplicador')
||strcmp(textdata_f56(h,1),'Vel. rotor # Vel.
generador')||strcmp(textdata_f56(h,1),'Fallo refrigeracion
multiplicador')
R_mult_56=R_fallo_56(h-3,:).*ant_mult;
ant_mult=R_mult_56;
elseif strcmp(textdata_f56(h,1),'Temperatura disparo
generador')||strcmp(textdata_f56(h,1),'Averia
generador')||strcmp(textdata_f56(h,1),'Temperatura disparo cojinete
L.A.')||strcmp(textdata_f56(h,1),'Sobrevelocidad
electrica')||strcmp(textdata_f56(h,1),'Sobrevelocidad ground')
R_gen_56=R_fallo_56(h-3,:).*ant_gen;
ant_gen=R_gen_56;
else
R_otros_56=R_fallo_56(h-3,:).*ant_otros;
end
if strcmp(textdata_f56(h,1),'Vel. rotor # Vel.
electrica')||strcmp(textdata_f56(h,1),'Termostato
freno')||strcmp(textdata_f56(h,1),'Baja temperatura
ground')||strcmp(textdata_f56(h,1),'Sobretension hardware
rectificador')||strcmp(textdata_f56(h,1),'Sobretension hardware
inversor')||strcmp(textdata_f56(h,1),'Fallo
general')||strcmp(textdata_f56(h,1),'Error
sincronismo')||strcmp(textdata_f56(h,1),'Baja temperatura top')
R_otros1_56=R_fallo_56(h-3,:).*ant_otros1;
end
if strcmp(textdata_f56(h,1),'Averia
multiplicador')||strcmp(textdata_f56(h,1),'Temperatura disparo
generador')||strcmp(textdata_f56(h,1),'Tiempo maximo de
orientacion')||strcmp(textdata_f56(h,1),'Retrofit
equipos')||strcmp(textdata_f56(h,1),'Serie de emergencia top')
142
COMILLAS
INGENIERA (ICAI)
end
end
if R_mult_56(i)<R_umbral_mult56 %%%umbral mult
mant_mult56=mant_mult56+1;
for j=1:a56
if F_mult56(j)==1
else
tick(j,i)=length(find((1-
R_falloClassic_56(j,:))<F_mult56(j)*(1-R_fallo_56(j,i))));
end
if tick(j,i)==0
tick(j,i)=1;
end
horas_renew_mant_prev_mult56(j,i)=i-tick(j,i);
end
ant_mult=1;
ant_gen=1;
ant_otros=1;
ant_otros1=1;
ant_otros2=1;
for h=4:a56+3
multiplicador')
ant_mult=R_mult_56;
ant_gen=R_gen_56;
else
end
end
143
COMILLAS
INGENIERA (ICAI)
end
end
end
if R_gen_56(i)<R_umbral_gen56 %%%umbral gen
mant_gen56=mant_gen56+1;
for j=1:a56
if F_gen56(j)==1
else
R_falloClassic_56(j,:))<F_gen56(j)*(1-R_fallo_56(j,i))));
end
if tick(j,i)==0
tick(j,i)=1;
end
horas_renew_mant_prev_gen56(j,i)=i-tick(j,i);
end
ant_mult=1;
ant_gen=1;
ant_otros=1;
ant_otros1=1;
ant_otros2=1;
for h=4:a56+3
multiplicador')
ant_mult=R_mult_56;
ant_gen=R_gen_56;
else
end
144
COMILLAS
INGENIERA (ICAI)
end
end
end
end
if R_otros_56(i)<R_umbral_otros56 %umbral otros
mant_otros56=mant_otros56+1;
for j=1:a56
if F_otros56(j)==1
else
R_falloClassic_56(j,:))<F_otros56(j)*(1-R_fallo_56(j,i))));
end
if tick(j,i)==0
tick(j,i)=1;
end
if tick(j,i)==0
tick(j,i)=1;
end
horas_renew_mant_prev_otros56(j,i)=i-tick(j,i);
end
ant_mult=1;
ant_gen=1;
ant_otros=1;
ant_otros1=1;
ant_otros2=1;
for h=4:a56+3
multiplicador')
ant_mult=R_mult_56;
ant_gen=R_gen_56;
else
end
145
COMILLAS
INGENIERA (ICAI)
end
end
end
end
if R_otros1_56(i)<R_umbral_otros1_56 %%%umbral otros1
for j=1:a56
if F_otros56(j)==1
else
end
if tick(j,i)==0
tick(j,i)=1;
end
end
ant_mult=1;
ant_gen=1;
ant_otros=1;
ant_otros1=1;
ant_otros2=1;
for h=4:a56+3
multiplicador')
ant_mult=R_mult_56;
ant_gen=R_gen_56;
else
end
146
COMILLAS
INGENIERA (ICAI)
end
end
end
end
for j=1:a56
if F_otros56(j)==1
else
end
if tick(j,i)==0
tick(j,i)=1;
end
end
ant_mult=1;
ant_gen=1;
ant_otros=1;
ant_otros1=1;
ant_otros2=1;
for h=4:a56+3
multiplicador')
ant_mult=R_mult_56;
147
COMILLAS
INGENIERA (ICAI)
ant_gen=R_gen_56;
else
end
end
end
end
end
end

% F(t) = 1- R(t)
coste_manten_mult56=mant_mult56*coste_uni_manten_mult56;
coste_manten_gent56=mant_gen56*coste_uni_manten_gen56;
coste_manten_otros56=mant_otros56*coste_uni_manten_otros56;
_otros56;
148
COMILLAS
INGENIERA (ICAI)
j=1;
for i=1:d1
j=j+1;
end
t56=1:t_56;
grid
axis([0 52620 0 1])
xlabel('tiempo')
grid
axis([0 52620 0 1])
xlabel('tiempo')
grid
axis([0 52620 0 1])
xlabel('tiempo')
56,'y');
grid
axis([0 52620 0 1])
xlabel('tiempo')
grid
axis([0 52620 0 1])
xlabel('tiempo')
grid
axis([0 52620 0 1])
xlabel('tiempo')
149
COMILLAS
INGENIERA (ICAI)

grid
axis([0 52620 0 1])
xlabel('tiempo')
grid
axis([0 52620 0 1])
xlabel('tiempo')
grid
axis([0 52620 0 1])
xlabel('tiempo')
R_otros2_56,'y');
grid
axis([0 52620 0 1])
xlabel('tiempo')
grid
axis([0 52620 0 1])
xlabel('tiempo')
grid
axis([0 52620 0 1])
xlabel('tiempo')
150
COMILLAS
INGENIERA (ICAI)
manten_prev_umbral_28.m
%% AEROGENERADOR 28
tiempos, pero en este caso aplicndose la metodologa del plan de
mantenimiento propuesto As se pueden hacer simulaciones de cmo se
evolucionara la fiabilidad del aerogenerador 28 si se utilizase el plan
de mantenimiento propuesto.
%UMBRAL PARA MANTENIMIENTO
R_umbral_mult28=0.25; %efectividad del manten preventivo de la multipl
R_umbral_gen28=0.2; %efectividad del manten preventivo del generador
R_umbral_otros28=0;%efectividad del manten preventivo otros
R_umbral_otros1_28=0.05;
F_gen28=[0.8 1 0.8 0.85 1 1 1 1 1 1 1 1 1 1 0.2 1]'; %efectividad del
F_otros28=[0.85 1 0.85 0.85 1 1 1 1 0.85 1 1 1 1 0.85 0.85
1]';%efectividad del manten preventivo otros

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
origen=datenum([2006 1 1 0 0 0]);
final=datenum([2010 12 31 59 59 0]);
t=final-origen;
modos de fallo
for i=1:a28
for j=1:t_28
end
for j=1:t_28
151
COMILLAS
INGENIERA (ICAI)
end
end
end
ant_mult=1;
ant_gen=1;
ant_otros=1;
ant_otros1=1;
ant_otros2=1;
for i=4:a28+3
multiplicador')
else
end
generador')||strcmp(textdata_f28(i,1),'Sobrevelocidad
electrica')||strcmp(textdata_f28(i,1),'Sobrevelocidad
ground')||strcmp(textdata_f28(i,1),'Fallo en
precarga')||strcmp(textdata_f28(i,1),'Error accionamiento
pitch')||strcmp(textdata_f28(i,1),'Fallo frecuencia')
end
if strcmp(textdata_f28(i,1),'Fallo refrigeracion
multiplicador')||strcmp(textdata_f28(i,1),'Tiempo maximo de
equipos')||strcmp(textdata_f28(i,1),'Serie de emergencia
top')||strcmp(textdata_f28(i,1),'Error sincronismo')
||strcmp(textdata_f28(i,1),'Sensor de
vibraciones')||strcmp(textdata_f28(i,1),'Fallo IGBT S
inversor')||strcmp(textdata_f28(i,1),'Fallo comunicacion
aerog/set')||strcmp(textdata_f28(i,1),'Error
anemometro')||strcmp(textdata_f28(i,1),'Temperatura disparo barquilla')
end
end
R_aerogClassic3_28=R_multClassic_28.*R_genClassic_28;
% F(t) = 1- R(t)
152
COMILLAS
INGENIERA (ICAI)
%MANTENIMIENTO
%inicialmente
%tick=zeros(a28,1);
tick=ones(a28,t_28);
mant_mult28=0;
mant_gen28=0;
mant_otros28=0;
%mant_otros1_28=0;
%mant_otros2_28=0;
%mejoras de la fiabilidad debido a mantenimientos preventivo

for i=2:t_28
for j=1:a28
end
for j=1:a28
end
ant_mult=1;
ant_gen=1;
ant_otros=1;
ant_otros1=1;
ant_otros2=1;
for h=4:a28+3
multiplicador')
ant_mult=R_mult_28;
153
COMILLAS
INGENIERA (ICAI)
ant_gen=R_gen_28;
else
end
generador')||strcmp(textdata_f28(h,1),'Sobrevelocidad
electrica')||strcmp(textdata_f28(h,1),'Sobrevelocidad
ground')||strcmp(textdata_f28(h,1),'Fallo en
precarga')||strcmp(textdata_f28(h,1),'Error accionamiento
pitch')||strcmp(textdata_f28(h,1),'Fallo frecuencia')
end
if strcmp(textdata_f28(h,1),'Fallo refrigeracion
multiplicador')||strcmp(textdata_f28(h,1),'Tiempo maximo de
equipos')||strcmp(textdata_f28(h,1),'Serie de emergencia
top')||strcmp(textdata_f28(h,1),'Error sincronismo')
||strcmp(textdata_f28(h,1),'Sensor de
vibraciones')||strcmp(textdata_f28(h,1),'Fallo IGBT S
inversor')||strcmp(textdata_f28(h,1),'Fallo comunicacion
aerog/set')||strcmp(textdata_f28(h,1),'Error
anemometro')||strcmp(textdata_f28(h,1),'Temperatura disparo barquilla')
end
end
if R_mult_28(i)<R_umbral_mult28 %%%umbral mult
mant_mult28=mant_mult28+1;
for j=1:a28
if F_mult28(j)==1
else
R_falloClassic_28(j,:))<F_mult28(j)*(1-R_fallo_28(j,i))));
end
if F_mult28(j)==0
tick(j,i)=1;
end
horas_renew_mant_prev_mult28(j,i)=i-tick(j,i);
end
ant_mult=1;
ant_gen=1;
ant_otros=1;
ant_otros1=1;
ant_otros2=1;
for h=4:a28+3
154
COMILLAS
INGENIERA (ICAI)
multiplicador')
ant_mult=R_mult_28;
ant_gen=R_gen_28;
else
end
end
end
end
end
if R_gen_28(i)<R_umbral_gen28 %%%umbral gen
mant_gen28=mant_gen28+1;
for j=1:a28
if F_gen28(j)==1
else
R_falloClassic_28(j,:))<F_gen28(j)*(1-R_fallo_28(j,i))));
end
if F_gen28(j)==0
tick(j,i)=1;
end
horas_renew_mant_prev_gen28(j,i)=i-tick(j,i);
end
ant_mult=1;
ant_gen=1;
ant_otros=1;
155
COMILLAS
INGENIERA (ICAI)
ant_otros1=1;
ant_otros2=1;
for h=4:a28+3
multiplicador')
ant_mult=R_mult_28;
ant_gen=R_gen_28;
else
end
end
end
end
end
if R_otros_28(i)<R_umbral_otros28 %umbral otros
for j=1:a28
if F_otros28(j)==1
else
end
if F_otros28(j)==0
tick(j,i)=1;
end
if tick(j,i)==0
tick(j,i)=1;
156
COMILLAS
INGENIERA (ICAI)
end
end
ant_mult=1;
ant_gen=1;
ant_otros=1;
ant_otros1=1;
ant_otros2=1;
for h=4:a28+3
multiplicador')
ant_mult=R_mult_28;
ant_gen=R_gen_28;
else
end
end
end
end
end
for j=1:a28
if F_otros28(j)==1
else
157
COMILLAS
INGENIERA (ICAI)
end
if F_otros28(j)==0
tick(j,i)=1;
end
end
ant_mult=1;
ant_gen=1;
ant_otros=1;
ant_otros1=1;
ant_otros2=1;
for h=4:a28+3
multiplicador')
ant_mult=R_mult_28;
ant_gen=R_gen_28;
else
end
end
end
end
158
COMILLAS
INGENIERA (ICAI)
end
for j=1:a28
if F_otros28(j)==1
else
end
if F_otros28(j)==0
tick(j,i)=1;
end
end
ant_mult=1;
ant_gen=1;
ant_otros=1;
ant_otros1=1;
ant_otros2=1;
for h=4:a28+3
multiplicador')
ant_mult=R_mult_28;
ant_gen=R_gen_28;
else
end
end
159
COMILLAS
INGENIERA (ICAI)
end
end
end
end

% F(t) = 1- R(t)
coste_manten_mult28=mant_mult28*coste_uni_manten_mult28;
coste_manten_gent28=mant_gen28*coste_uni_manten_gen28;
coste_manten_otros28=mant_otros28*coste_uni_manten_otros28;
_otros28;
j=1;
for i=1:d1
j=j+1;
end
t28=1:t_28;
grid
axis([0 52620 0 1])
xlabel('tiempo')
160
COMILLAS
INGENIERA (ICAI)
grid
axis([0 52620 0 1])
xlabel('tiempo')
grid
axis([0 52620 0 1])
xlabel('tiempo')
28,'y');
grid
axis([0 52620 0 1])
xlabel('tiempo')
grid
axis([0 52620 0 1])
xlabel('tiempo')
grid
axis([0 52620 0 1])
xlabel('tiempo')

grid
axis([0 52620 0 1])
xlabel('tiempo')
grid
axis([0 52620 0 1])
xlabel('tiempo')
161
COMILLAS
INGENIERA (ICAI)
grid
axis([0 52620 0 1])
xlabel('tiempo')
R_otros2_28,'y');
grid
axis([0 5262 0 1])
xlabel('tiempo')
grid
axis([0 52620 0 1])
xlabel('tiempo')
grid
axis([0 52620 0 1])
xlabel('tiempo')
162
COMILLAS
INGENIERA (ICAI)
ANEXO II
Anlisis de los
parmetros de los modos
de fallo
163
COMILLAS
INGENIERA (ICAI)
El Anexo II contiene los resultados del anlisis de los modos de fallo, y tambin de las
diferentes tareas de mantenimiento, que se ha realizado para obtener los parmetros de las
funciones de distribucin que mejor se ajuntan a los tiempos. En los captulos 5 y 6 se explica
detalladamente en qu consiste este estudio.
MODOS DE FALLO
Avera Multiplicador
D M A M F H H A T P
A ES O in ECHA
H ORA ORA EN DIAS EROG (h) roducc. perd.
1 1 2 2 1 1 0 5 4 1
3 2 005 8,75 3/12/2005
4 9:50 ,83 6 ,48 947,12
2 1 2 1 2 9 0 5 0
7 2 .005 ,56 7/12/2005
2 :03 ,38 6 ,50 8
164
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 56
Frecuencia con que han sucedido las incidencias
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
165
COMILLAS
INGENIERA (ICAI)
Ajuste exponencial
TBF
TBF
Tas Tiempo_al_fall r Tas Tiempo_al_fall

a _fallos_MC o_MC_horas ^2 a_fallos_MV o_MV_horas
Ajust
e exponencial
0.0 26562.55 0 0.0 17528.00
00038 .971111 00057
Medi 17527.999907
a

80 2
1.5
60
1
40
0.5
20 0
0 2 4 6 0 2 4 6
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 2 4 6 0 2 4 6
x 10 x 10
166
COMILLAS
INGENIERA (ICAI)
TTF
TTF
Ajust Tas Tiempo_al_fall R Tas Tiempo_al_fall

e Exponencial a _fallos_MC o_MC_horas ^2_MC a_fallos_MV o_MV_horas
0.0 26562.72 0 0.0 17521.16

00038 .970957 00057
Medi 17521.162593
a

80 2
1.5
60
1
40
0.5
20 0
0 2 4 6 0 2 4 6
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 2 4 6 0 2 4 6
x 10 x 10
167
COMILLAS
INGENIERA (ICAI)
TTR
TTR
Ajus Tasa Tiempo_reparaci R Tasa Tiempo _

te exponencial _ reparacin n_MC_horas ^2_MC _ reparacin reparacin
_MC _MV _MV_horas
2.41 0.41 0 2.98 0.34

9128 .987501 5075
me 0.335000
dia

80 1.5
60 1
40 0.5
20 0
0.1 0.2 0.3 0.4 0.5 0.1 0.2 0.3 0.4 0.5
1.5 1
Min Cuad
Fiabilidad - R(t)
0.8 Max Ver

1
Med Rango
0.6
0.5
0.4
0 0.2
0 0.2 0.4 0.6 0.8 0.1 0.2 0.3 0.4 0.5
168
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Aj Beta Mu r V Mu
uste Weibull MinCuadra MinCuadraHora ^2 eta MaxVer MaxVerHoras
0.38 15987.4 0 0 1295

9104 9 .989850 .6232528 7.41
me 17527.999907
dia
80 1
60 0
40 -1
20 -2
0 2 4 6 4 6 8 10 12
x 10
-5
x 10
1 4
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 3 Max Ver

cdf
0.5 2
Plotting
1
0 0
0 2 4 6 0 2 4 6
x 10 x 10
169
COMILLAS
INGENIERA (ICAI)
TTF
TTF
Aj Beta Mu r V Mu
0.38 15973.1 0 0 1294

9080 0 .989950 .6230408 6.45
me 17521.162593
dia
80 1
60 0
40 -1
20 -2
0 2 4 6 4 6 8 10 12
x 10
-5
x 10
1 4
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 3 Max Ver

cdf
0.5 2
Plotting
1
0 0
0 2 4 6 0 2 4 6
x 10 x 10
170
COMILLAS
INGENIERA (ICAI)
TTR
TTR
Aj Beta Mu r V Mu
1.18 0.42 1 2 0.38

0402 .000000 .2240788
me 0.335000
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
0.1 0.2 0.3 0.4 0.5 -2 -1.5 -1 -0.5
1 4
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 3 Max Ver

cdf
0.5 2
Plotting
0 0
0.1 0.2 0.3 0.4 0.5 0.1 0.2 0.3 0.4 0.5
171
COMILLAS
INGENIERA (ICAI)
Temperatura Disparo Generador

D M A M F H H A T P
A ES O in ECHA
2 3 0 2 0 5 0 4
.006
5 7 ,43 5/07/2006
0 1:24 ,89 6 ,06 6
2 3 0 2 0 5 0 2
.006
5 7 ,26 5/07/2006
0 2:19 ,93 6 ,05 3
2 3 0 2 0 5 0 4
.006
6 7 ,84 6/07/2006
0 1:46 ,91 6 ,06 6
2 3 0 2 0 5 0 4
.006
6 7 ,26 6/07/2006
0 2:30 ,94 6 ,05 6
2 3 0 0 0 5 0 4
.006
7 7 ,29 7/07/2006
0 :04 ,00 6 ,05 7
1 2 3 1 2 0 5 0 4
1 .006 7 ,51 1/07/2006
0 1:12 ,88 6 ,06 5
2 2 3 2 3 0 5 0 4
8 .006 7 ,6 8/07/2006
0 :06 ,13 6 ,06 6
2 3 0 1 0 5 0 3
.006
1 8 ,48 1/08/2006
0 8:28 ,77 6 ,44 19
2 4 0 1 0 5 0 5
.006
3 8 5,6 3/08/2006
0 0:56 ,46 6 ,76 06
2 1 0 1 0 5 0 4
.006
3 8 ,6 3/08/2006
0 4:12 ,59 6 ,63 42
2 1 0 0 0 5 0 5
.006
4 8 ,76 4/08/2006
0 :25 ,02 6 ,74 10
2 2 0 0 0 5 1 7
.006
5 8 ,01 5/08/2006
0 :09 ,01 6 ,16 87
2 1 0 0 0 5 0 4
.006
6 8 ,76 6/08/2006
0 :01 ,00 6 ,78 82
2 1 0 0 0 5 1 7
.006
7 8 ,85 7/08/2006
0 :00 ,00 6 ,04 02
2 2 0 0 0 5 4 2
.006
8 8 ,01 8/08/2006
0 :09 ,01 6 ,02 .856
2 1 0 0 0 5 1 8
.006
9 8 ,43 9/08/2006
0 :03 ,00 6 ,16 11
1 2 1 1 1 0 5 0 4
0 .006 8 ,1 0/08/2006
0 :46 ,07 6 ,67 63
1 2 1 1 0 0 5 0 4
1 .006 8 ,79 1/08/2006
0 :08 ,01 6 ,58 58
1 2 1 1 0 0 5 0 3
2 .006 8 ,85 2/08/2006
0 :14 ,01 6 ,54 92
2 2 1 2 1 0 5 0 1
6 .006 8 ,68 6/08/2006
0 7:35 ,73 6 ,25 95
2 2 1 2 2 0 5 0 1
9 .006 8 ,93 9/08/2006
0 1:02 ,88 6 ,15 13
3 2 1 3 0 0 5 0 4
0 .006 8 ,76 0/08/2006
0 :04 ,00 6 ,68 56
2 2 1 2 1 0 5 0 2
1 .006 9 ,93 1/09/2006
0 7:47 ,74 6 ,03 2
2 2 1 2 1 0 5 0 2
1 .006 9 ,93 1/09/2006
0 8:04 ,75 6 ,03 3
2 2 2 2 1 0 5 0 2
1 .006 9 ,1 1/09/2006
0 8:38 ,78 6 ,04 3
2 2 2 2 1 0 5 0 2
1 .006 9 ,01 1/09/2006
0 9:24 ,81 6 ,03 3
1 1 2 1 1 7 0 5 0 2
2 0 .006 ,85 2/10/2006
0 :43 ,32 6 ,03 3
1 1 2 1 1 1 0 5 0 2
2 0 .006 ,61 2/10/2006
0 1:07 ,46 6 ,03 3
1 1 2 1 1 1 0 5 0 2
2 0 .006 ,93 2/10/2006
0 2:14 ,51 6 ,03 3
1 1 2 1 1 1 0 5 0 2
2 0 .006 ,6 2/10/2006
0 3:09 ,55 6 ,03 3
1 1 2 1 1 1 0 5 0
2 0 .006 ,77 2/10/2006
0 3:43 ,57 6 ,03 0
1 1 2 1 1 1 0 5 0 2
2 0 .006 ,6 2/10/2006
0 4:50 ,62 6 ,03 3
1 1 2 1 1 1 0 5 0 2
2 0 .006 ,6 2/10/2006
0 5:53 ,66 6 ,03 3
1 1 2 1 1 1 0 5 0 2
2 0 .006 ,85 2/10/2006
0 7:10 ,72 6 ,03 3
1 1 2 1 1 1 0 5 0 2
2 0 .006 ,6 2/10/2006
0 8:51 ,79 6 ,03 3
1 1 2 1 1 2 0 5 0 2
2 0 .006 ,85 2/10/2006
0 0:31 ,86 6 ,03 3
1 2 1 0 1 0 5 0 2
1 .006
1 ,87 1/11/2006
0 3:51 ,58 6 ,03 2
1 2 1 0 1 0 5 0 2
1 .006
1 ,88 1/11/2006
0 4:34 ,61 6 ,03 3
1 2 2 0 1 0 5 0 2
1 .006
1 ,02 1/11/2006
0 5:27 ,64 6 ,03 2
172
COMILLAS
INGENIERA (ICAI)
1 2 1 0 1 0 5 0 2
1 .006
1 ,51 1/11/2006
0 6:01 ,67 6 ,03 3
1 2 1 0 1 0 5 0 2
1 .006
1 ,51 1/11/2006
0 6:28 ,69 6 ,03 3
1 2 1 0 1 0 5 0 2
1 .006
1 ,9 1/11/2006
0 7:09 ,71 6 ,03 3
1 2 2 0 1 0 5 0 2
1 .006
1 ,1 1/11/2006
0 8:14 ,76 6 ,04 3
1 2 1 0 2 0 5 0 2
1 .006
1 ,68 1/11/2006
0 1:10 ,88 6 ,03 3
1 2 1 0 2 1 5 0 2
1 .006
1 ,93 1/11/2006
0 3:55 ,00 6 ,03 3
1 2 1 0 1 0 5 0 2
1 .006
2 ,52 2/11/2006
0 :14 ,05 6 ,03 3
1 2 1 0 2 0 5 0 2
1 .006
2 ,6 2/11/2006
0 :51 ,12 6 ,03 3
1 1 2 1 1 1 0 5 0 2
2 1 .006 ,68 2/11/2006
0 4:48 ,62 6 ,03 3
1 1 2 1 1 1 0 5 0 2
2 1 .006 ,93 2/11/2006
0 5:20 ,64 6 ,03 3
2 1 2 1 2 2 0 5 0 2
4 1 .006 ,78 4/11/2006
0 0:48 ,87 6 ,03 2
1 2 1 0 4 0 5 0 1
2 .006
6 ,43 6/12/2006
0 :13 ,18 6 ,18 12
1 1 2 1 1 4 0 5 0 1
8 2 .006 ,43 8/12/2006
0 :07 ,17 6 ,17 60
1 1 2 1 1 0 0 5 0 1
9 2 .006 ,6 9/12/2006
0 :11 ,01 6 ,24 84
2 2 1 2 0 0 5 0 2
4 .007 1 ,76 4/01/2007
0 :07 ,01 6 ,12 3
2 2 1 2 0 0 5 0
6 .007 1 ,51 6/01/2007
0 :30 ,02 6 ,15 0
2 2 1 2 0 0 5 0 2
7 .007 1 ,79 7/01/2007
0 :23 ,02 6 ,42 52
2 2 0 6 0 5 0 2
.007
8 2 ,18 8/02/2007
0 :51 ,29 6 ,04 2
1 2 1 1 1 0 5 0 1
8 .007 2 0,67 8/02/2007
0 2:46 ,53 6 ,18 15
2 2 1 2 1 0 5 0 2
6 .007 2 ,85 6/02/2007
0 5:58 ,67 6 ,03 3
2 4 0 0 0 5 0 5
.007
9 3 3,44 9/03/2007
0 :07 ,01 6 ,73 09
2 0 2 0 5 0 6
.007
9 3 9/03/2007
0 6 3:15 ,97 6 ,10 0
1 2 8 1 2 0 5 0 6
0 .007 3 ,09 0/03/2007
0 :25 ,10 6 ,14 8
1 2 4 1 0 0 5 0 7
1 .007 3 ,1 1/03/2007
0 :14 ,01 6 ,07 0
1 2 6 1 1 0 5 0 4
1 .007 3 ,48 1/03/2007
0 :34 ,07 6 ,11 6
1 2 3 1 2 0 5 0 4
6 .007 3 ,16 6/03/2007
0 2:10 ,92 6 ,05 5
1 2 6 1 1 0 5 0 6
7 .007 3 ,15 7/03/2007
0 :55 ,08 6 ,10 9
2 2 8 2 0 0 5 0 1
2 .007 3 ,66 2/03/2007
0 :59 ,04 6 ,14 16
2 2 1 2 5 0 5 0 1
9 .007 3 0,29 9/03/2007
0 :49 ,24 6 ,17 37
2 2 0 7 0 5 0 2
.007
4 4 ,01 4/04/2007
0 :28 ,31 6 ,03 3
2 1 0 1 0 5 0 2
.007
4 4 ,77 4/04/2007
0 0:18 ,43 6 ,03 3
2 1 0 1 0 5 0 2
.007
4 4 ,76 4/04/2007
0 1:12 ,47 6 ,03 3
2 9 0 1 0 5 0 1
.007
4 4 ,51 4/04/2007
0 2:33 ,52 6 ,16 17
2 1 0 0 0 5 0 2
.007
5 4 ,6 5/04/2007
0 :34 ,02 6 ,03 2
2 2 0 0 0 5 0 2
.007
4 5 4,04 4/05/2007
0 :11 ,01 6 ,40 77
2 2 0 0 0 5 0 2
.007
5 5 9,02 5/05/2007
0 :01 ,00 6 ,48 73
2 3 0 1 0 5 2 1
.007
5 5 ,65 5/05/2007
2 0:25 ,43 6 ,06 .406
2 1 0 1 0 5 0 1
.007
5 5 0,56 5/05/2007
0 6:48 ,70 6 ,18 16
2 3 0 0 0 5 0 3
.007
6 5 5,56 6/05/2007
0 :07 ,01 6 ,59 95
2 3 0 1 0 5 0 4
.007
7 5 ,72 7/05/2007
0 6:15 ,68 6 ,06 6
2 6 0 1 0 5 1 5
.007
8 5 ,85 8/05/2007
1 6:03 ,67 6 ,11 44
173
COMILLAS
INGENIERA (ICAI)
1 2 1 1 1 0 5 0
6 .007 5 ,85 6/05/2007
0 7:37 ,73 6 ,03 0
1 2 2 1 5 0 5 0 3
7 .007 5 8,74 7/05/2007
0 :14 ,22 6 ,48 19
1 2 3 1 0 0 5 1 1
8 .007 5 0,19 8/05/2007
1 :03 ,00 6 ,50 .086
2 2 8 2 1 0 5 0 1
8 .007 5 ,89 8/05/2007
0 5:10 ,63 6 ,15 15
2 1 0 1 0 5 0 2
.007
2 6 8,59 2/06/2007
0 3:15 ,55 6 ,31 32
2 1 0 1 0 5 0 1
.007
2 6 1,53 2/06/2007
0 9:43 ,82 6 ,19 62
2 1 0 0 0 5 0 1
.007
3 6 2,62 3/06/2007
0 :13 ,01 6 ,21 39
2 1 0 1 0 5 0 1
.007
4 6 2,88 4/06/2007
0 7:00 ,71 6 ,21 61
2 1 0 1 0 5 0 1
.007
4 7 6,76 4/07/2007
0 7:38 ,74 6 ,28 83
2 3 0 1 0 5 0 3
.007
8 7 0,45 8/07/2007
0 7:59 ,75 6 ,51 49
2 1 0 0 0 5 0 2
.007
9 7 9,95 9/07/2007
0 :05 ,00 6 ,33 30
1 2 9 1 1 0 5 0 1
0 .007 7 ,5 0/07/2007
0 8:43 ,78 6 ,16 16
1 2 2 1 2 0 5 0 2
4 .007 7 ,52 4/07/2007
0 2:03 ,92 6 ,04 3
2 2 7 2 0 0 5 0 9
0 .007 7 ,72 0/07/2007
0 :06 ,00 6 ,13 3
2 2 2 2 1 0 5 0 2
8 .007 7 2,92 8/07/2007
0 9:09 ,80 6 ,38 30
2 2 1 2 2 0 5 0 1
9 .007 7 0,05 9/07/2007
0 :01 ,08 6 ,17 35
3 2 2 3 0 0 5 1 8
0 .007 7 1,85 0/07/2007
1 :43 ,03 6 ,36 68
2 1 0 2 0 5 0 1
.007
6 8 1,26 6/08/2007
0 0:27 ,85 6 ,19 38
2 9 0 0 0 5 0 4
.007
7 8 ,35 7/08/2007
0 :08 ,01 6 ,16 6
2 3 0 0 0 5 0 4
.007
8 8 ,66 8/08/2007
0 :09 ,01 6 ,06 6
2 1 0 2 0 5 0 2
.007
9 8 ,77 9/08/2007
0 3:43 ,99 6 ,03 3
1 2 7 1 0 0 5 0 9
0 .007 8 ,4 0/08/2007
0 :06 ,00 6 ,12 2
1 2 2 1 2 0 5 0 2
2 .007 8 ,02 2/08/2007
0 1:15 ,89 6 ,03 3
1 2 3 1 2 0 5 0 4
5 .007 8 ,56 5/08/2007
0 3:33 ,98 6 ,06 5
1 2 2 1 0 0 5 0 2
6 .007 8 6,93 6/08/2007
0 :13 ,01 6 ,45 96
1 2 3 1 0 0 5 0
7 .007 8 ,78 7/08/2007
0 :10 ,01 6 ,06 0
1 2 3 1 1 0 5 0 4
9 .007 8 6,03 9/08/2007
0 6:24 ,68 6 ,60 15
2 2 1 2 0 0 5 0 1
0 .007 8 3,32 0/08/2007
0 :39 ,03 6 ,22 38
2 2 3 2 1 0 5 0 4
2 .007 8 ,36 2/08/2007
0 :13 ,05 6 ,06 6
2 2 1 2 1 0 5 0 1
9 .007 8 1,6 9/08/2007
0 9:16 ,80 6 ,19 38
3 2 4 3 0 0 5 0 5
0 .007 8 5,24 0/08/2007
0 :10 ,01 6 ,76 32
3 2 9 3 2 0 5 0 9
0 .007 8 ,01 0/08/2007
0 1:06 ,88 6 ,15 3
3 2 1 3 0 0 5 1 6
1 .007 8 ,61 1/08/2007
1 :03 ,00 6 ,03 91
2 2 0 0 0 5 0 2
.007
1 9 ,1 1/09/2007
0 :07 ,01 6 ,04 3
2 1 0 1 0 5 0 2
.007
3 9 ,94 3/09/2007
0 7:06 ,71 6 ,34 54
2 1 0 0 0 5 0 5
.007
4 9 ,85 4/09/2007
0 :02 ,00 6 ,69 09
2 2 0 1 0 5 0 1
.007
4 9 ,02 4/09/2007
0 9:42 ,82 6 ,22 63
2 2 0 0 0 5 0 9
.007
5 9 ,02 5/09/2007
0 :15 ,01 6 ,12 2
2 1 0 0 0 5 0 1
.007
7 9 ,79 7/09/2007
0 :48 ,03 6 ,16 14
1 2 2 1 2 0 5 0 2
1 .007 9 ,13 1/09/2007
0 0:44 ,86 6 ,04 3
1 2 2 1 2 0 5 0 2
1 .007 9 ,1 1/09/2007
0 1:08 ,88 6 ,04 3
174
COMILLAS
INGENIERA (ICAI)
1 2 2 1 2 0 5 0 2
1 .007 9 ,13 1/09/2007
0 2:07 ,92 6 ,04 3
2 2 1 2 1 0 5 0 9
6 .007 9 ,69 6/09/2007
0 6:46 ,70 6 ,12 6
1 2 1 0 2 0 5 0 2
0 .007
8 ,93 8/10/2007
0 0:09 ,84 6 ,03 2
1 2 1 0 2 0 5 0 2
0 .007
8 ,43 8/10/2007
0 0:39 ,86 6 ,02 3
1 2 2 0 2 0 5 0 2
0 .007
8 ,18 8/10/2007
0 1:26 ,89 6 ,04 3
1 2 1 0 2 0 5 0 2
0 .007
8 ,52 8/10/2007
0 2:02 ,92 6 ,03 3
1 2 0 2 0 5 0 2
0 .007
8 8/10/2007
0 2 3:12 ,97 6 ,03 3
1 2 1 0 0 0 5 0 2
0 .007
9 ,93 9/10/2007
0 :06 ,00 6 ,03 3
1 2 1 0 0 0 5 0 2
0 .007
9 ,94 9/10/2007
0 :30 ,02 6 ,03 3
1 2 2 0 0 0 5 0 2
0 .007
9 ,35 9/10/2007
0 :58 ,04 6 ,04 3
1 2 1 0 1 0 5 0 2
0 .007
9 ,69 9/10/2007
0 :19 ,05 6 ,03 3
1 2 1 0 2 0 5 0 2
0 .007
9 ,69 9/10/2007
0 :48 ,12 6 ,03 3
1 2 1 0 3 0 5 0 2
0 .007
9 ,68 9/10/2007
0 :21 ,14 6 ,03 3
1 2 1 0 3 0 5 0
0 .007
9 ,68 9/10/2007
0 :49 ,16 6 ,03 0
1 2 1 0 4 0 5 0 2
0 .007
9 ,93 9/10/2007
0 :18 ,18 6 ,03 3
1 2 1 0 6 0 5 0
0 .007
9 ,76 9/10/2007
0 :09 ,26 6 ,03 0
1 2 2 0 6 0 5 0 2
0 .007
9 ,1 9/10/2007
0 :29 ,27 6 ,04 3
1 2 1 0 6 0 5 0 2
0 .007
9 ,77 9/10/2007
0 :49 ,28 6 ,03 3
1 2 1 0 7 0 5 0 2
0 .007
9 ,77 9/10/2007
0 :10 ,30 6 ,03 3
1 2 2 0 7 0 5 0 2
0 .007
9 ,18 9/10/2007
0 :49 ,33 6 ,04 2
1 2 1 0 1 0 5 0 2
0 .007
9 ,85 9/10/2007
0 4:14 ,59 6 ,03 2
1 2 1 0 1 0 5 0 2
0 .007
9 ,85 9/10/2007
0 4:35 ,61 6 ,03 3
1 2 1 0 1 0 5 0 2
0 .007
9 ,68 9/10/2007
0 4:57 ,62 6 ,03 3
1 2 1 0 1 0 5 0 2
0 .007
9 ,93 9/10/2007
0 7:22 ,72 6 ,03 3
1 2 1 0 1 0 5 0 2
0 .007
9 ,85 9/10/2007
0 7:46 ,74 6 ,03 3
1 2 1 0 1 0 5 0 2
0 .007
9 ,93 9/10/2007
0 8:24 ,77 6 ,03 3
1 1 2 1 1 0 0 5 0 2
0 0 .007 ,6 0/10/2007
0 :27 ,02 6 ,03 3
1 1 2 1 1 1 0 5 0 2
0 0 .007 ,85 0/10/2007
0 :04 ,04 6 ,03 3
1 1 2 1 1 1 0 5 0
0 0 .007 ,52 0/10/2007
0 :33 ,06 6 ,03 0
1 1 2 1 1 1 0 5 0 2
1 0 .007 ,77 1/10/2007
0 :38 ,07 6 ,03 3
2 1 2 1 2 1 0 5 0 2
0 0 .007 ,77 0/10/2007
0 9:23 ,81 6 ,03 3
2 1 2 1 2 1 0 5 0 2
0 0 .007 ,85 0/10/2007
0 9:49 ,83 6 ,03 3
2 1 2 1 2 2 0 5 0 2
0 0 .007 ,6 0/10/2007
0 0:16 ,84 6 ,03 3
2 1 2 1 2 2 0 5 0
0 0 .007 ,76 0/10/2007
0 1:07 ,88 6 ,03 0
2 1 2 3 2 0 0 5 0 4
5 0 .007 ,02 5/10/2007
0 :20 ,01 6 ,05 6
2 1 2 1 2 0 0 5 0 2
5 0 .007 ,18 5/10/2007
0 :52 ,04 6 ,02 3
3 1 2 3 3 3 0 5 0 4
0 0 .007 ,85 0/10/2007
0 :57 ,16 6 ,06 5
3 1 2 1 3 4 0 5 0
0 0 .007 ,02 0/10/2007
0 :55 ,21 6 ,02 0
3 1 2 2 3 0 0 5 0 2
1 0 .007 ,27 1/10/2007
0 :02 ,00 6 ,04 3
3 1 2 1 3 0 0 5 0 2
1 0 .007 ,68 1/10/2007
0 :20 ,01 6 ,03 3
3 1 2 1 3 0 0 5 0
1 0 .007 ,85 1/10/2007
0 :59 ,04 6 ,03 0
175
COMILLAS
INGENIERA (ICAI)
3 1 2 1 3 1 0 5 0 2
1 0 .007 ,69 1/10/2007
0 :42 ,07 6 ,03 3
3 1 2 0 3 2 0 5 0
1 0 .007 ,85 1/10/2007
0 :08 ,09 6 ,01 0
3 1 2 1 3 2 0 5 0 2
1 0 .007 ,46 1/10/2007
0 :34 ,11 6 ,02 3
3 1 2 1 3 3 0 5 0 2
1 0 .007 ,79 1/10/2007
0 :14 ,14 6 ,03 3
3 1 2 2 3 6 0 5 0 2
1 0 .007 ,18 1/10/2007
0 :16 ,26 6 ,04 3
3 1 2 1 3 6 0 5 0
1 0 .007 ,19 1/10/2007
0 :51 ,29 6 ,02 0
3 1 2 1 3 7 0 5 0 2
1 0 .007 ,71 1/10/2007
0 :16 ,30 6 ,03 3
3 1 2 1 3 7 0 5 0 2
1 0 .007 ,68 1/10/2007
0 :50 ,33 6 ,03 3
3 1 2 1 3 1 0 5 0 2
1 0 .007 ,69 1/10/2007
0 1:51 ,49 6 ,03 3
3 1 2 1 3 1 0 5 0 2
1 0 .007 ,68 1/10/2007
0 2:53 ,54 6 ,03 3
1 2 1 0 0 0 5 0 2
1 .007
1 ,52 1/11/2007
0 :10 ,01 6 ,03 3
1 2 2 0 0 0 5 0 2
1 .007
1 ,02 1/11/2007
0 :29 ,02 6 ,03 3
1 2 1 0 0 0 5 0 2
1 .007
1 ,43 1/11/2007
0 :53 ,04 6 ,02 3
1 2 1 0 1 0 5 0
1 .007
6 ,6 6/11/2007
0 5:49 ,66 6 ,03 0
1 2 1 0 1 0 5 0
1 .007
6 ,52 6/11/2007
0 6:43 ,70 6 ,03 0
1 2 1 0 1 0 5 0 2
1 .007
6 ,85 6/11/2007
0 7:39 ,74 6 ,03 3
1 2 1 0 0 0 5 0 2
1 .007
7 ,6 7/11/2007
0 :07 ,01 6 ,03 3
1 2 1 0 0 0 5 0 2
1 .007
7 ,77 7/11/2007
0 :27 ,02 6 ,03 3
1 2 1 0 0 0 5 0
1 .007
7 ,77 7/11/2007
0 :57 ,04 6 ,03 0
1 1 2 1 0 0 5 0 1
6 1 .007 6/11/2007
0 8 :49 ,03 6 ,13 16
2 1 2 1 2 1 0 5 0 2
4 1 .007 6 4/11/2007
0 :16 ,05 6 ,27 31
2 1 2 2 1 0 5 0 4
4 1 .007 4/11/2007
0 6 7:00 ,71 6 ,10 7
2 1 2 3 2 0 0 5 0 3
5 1 .007 4 5/11/2007
0 :03 ,00 6 ,57 72
2 1 2 1 2 0 0 5 0 2
6 1 .007 8 6/11/2007
0 :07 ,01 6 ,30 33
2 1 2 1 2 2 0 5 0 2
7 1 .007 ,6 7/11/2007
0 2:15 ,93 6 ,03 3
2 1 2 1 2 2 0 5 0 2
7 1 .007 ,68 7/11/2007
0 3:14 ,97 6 ,03 3
1 1 2 1 1 0 0 5 0 2
2 2 .007 ,68 2/12/2007
0 :10 ,01 6 ,03 3
1 1 2 1 1 0 0 5 0 2
2 2 .007 ,97 2/12/2007
0 :40 ,03 6 ,03 3
1 1 2 1 1 1 0 5 0
2 2 .007 ,6 2/12/2007
0 :23 ,06 6 ,03 0
1 1 2 1 1 2 0 5 0 2
2 2 .007 ,68 2/12/2007
0 :25 ,10 6 ,03 3
1 1 2 1 1 3 0 5 0 2
2 2 .007 ,77 2/12/2007
0 :16 ,14 6 ,03 3
1 1 2 1 1 4 0 5 0 2
2 2 .007 ,93 2/12/2007
0 :09 ,17 6 ,03 3
1 1 2 1 1 5 0 5 0 2
2 2 .007 ,69 2/12/2007
0 :14 ,22 6 ,03 3
1 1 2 1 1 1 0 5 0 2
5 2 .007 ,68 5/12/2007
0 6:43 ,70 6 ,03 3
1 1 2 1 1 1 0 5 0 2
5 2 .007 ,85 5/12/2007
0 7:13 ,72 6 ,03 3
1 1 2 0 1 1 0 5 0
5 2 .007 ,93 5/12/2007
0 7:53 ,75 6 ,02 0
3 1 2 1 3 2 0 5 0 2
0 2 .007 ,69 0/12/2007
0 0:33 ,86 6 ,03 3
3 1 2 1 3 2 0 5 0
0 2 .007 ,68 0/12/2007
0 1:22 ,89 6 ,03 0
3 1 2 2 3 2 0 5 0 2
0 2 .007 ,02 0/12/2007
0 2:09 ,92 6 ,03 3
3 1 2 1 3 2 0 5 0 2
0 2 .007 ,69 0/12/2007
0 2:39 ,94 6 ,03 3
3 1 2 1 3 2 0 5 0 2
0 2 .007 ,52 0/12/2007
0 3:26 ,98 6 ,03 3
176
COMILLAS
INGENIERA (ICAI)
3 1 2 1 3 0 0 5 0 2
1 2 .007 ,77 1/12/2007
0 :11 ,01 6 ,03 3
3 1 2 1 3 0 0 5 0 2
1 2 .007 ,77 1/12/2007
0 :35 ,02 6 ,03 2
3 1 2 1 3 1 0 5 0 2
1 2 .007 ,6 1/12/2007
0 :05 ,05 6 ,03 2
3 1 2 1 3 1 0 5 0 2
1 2 .007 ,6 1/12/2007
0 :43 ,07 6 ,03 2
2 2 1 2 0 0 5 0 2
3 .008 1 ,77 3/01/2008
0 :11 ,01 6 ,03 3
2 2 1 2 0 0 5 0 2
3 .008 1 ,6 3/01/2008
0 :30 ,02 6 ,03 3
2 2 1 2 1 0 5 0 2
3 .008 1 ,52 3/01/2008
0 :04 ,04 6 ,03 3
2 2 1 2 1 0 5 0
3 .008 1 ,52 3/01/2008
0 :34 ,07 6 ,03 0
2 2 2 2 2 0 5 0 2
3 .008 1 ,02 3/01/2008
0 :03 ,09 6 ,03 1
3 2 1 3 2 0 5 0 2
1 .008 1 ,69 1/01/2008
0 :44 ,11 6 ,03 2
3 2 1 3 3 0 5 0 2
1 .008 1 ,52 1/01/2008
0 :17 ,14 6 ,03 3
2 1 0 1 0 5 0 2
.008
3 3 ,77 3/03/2008
0 2:38 ,53 6 ,03 3
2 1 0 1 0 5 0 2
.008
3 3 ,77 3/03/2008
0 3:19 ,55 6 ,03 3
2 1 0 1 0 5 0 2
.008
3 3 ,85 3/03/2008
0 3:57 ,58 6 ,03 3
2 1 0 1 0 5 0 2
.008
3 3 ,68 3/03/2008
0 4:27 ,60 6 ,03 3
2 1 0 1 0 5 0 2
.008
3 3 ,43 3/03/2008
0 5:03 ,63 6 ,02 3
2 1 0 1 0 5 0
.008
3 3 ,85 3/03/2008
0 6:06 ,67 6 ,03 0
2 1 0 2 0 5 0 2
.008
7 3 ,68 7/03/2008
0 3:28 ,98 6 ,03 3
1 2 1 1 1 0 5 0 2
9 .008 3 ,77 9/03/2008
0 3:20 ,56 6 ,03 3
1 2 1 1 1 0 5 0 2
9 .008 3 ,68 9/03/2008
0 4:29 ,60 6 ,03 3
1 2 2 1 1 0 5 0 2
9 .008 3 ,02 9/03/2008
0 5:08 ,63 6 ,03 3
1 2 2 1 1 0 5 0 2
9 .008 3 ,02 9/03/2008
0 5:35 ,65 6 ,03 3
1 2 1 1 1 0 5 0
9 .008 3 ,6 9/03/2008
0 5:59 ,67 6 ,03 0
1 2 1 1 1 0 5 0
9 .008 3 ,68 9/03/2008
0 6:23 ,68 6 ,03 0
1 2 1 1 1 0 5 0 2
9 .008 3 ,69 9/03/2008
0 6:52 ,70 6 ,03 3
1 2 1 1 1 0 5 0 2
9 .008 3 ,77 9/03/2008
0 7:22 ,72 6 ,03 3
1 2 1 1 2 0 5 0 2
9 .008 3 ,52 9/03/2008
0 2:26 ,94 6 ,03 3
2 2 1 2 2 0 5 0 2
0 .008 3 ,87 0/03/2008
0 2:18 ,93 6 ,03 3
2 2 1 2 2 0 5 0 2
0 .008 3 ,88 0/03/2008
0 2:59 ,96 6 ,03 3
2 2 1 2 0 0 5 0 2
1 .008 3 ,8 1/03/2008
0 :07 ,01 6 ,03 3
2 2 1 2 0 0 5 0 2
1 .008 3 ,77 1/03/2008
0 :26 ,02 6 ,03 2
2 2 1 2 0 0 5 0 2
1 .008 3 ,43 1/03/2008
0 :50 ,04 6 ,02 2
2 2 1 2 1 0 5 0 2
1 .008 3 ,71 1/03/2008
0 2:30 ,52 6 ,03 3
2 2 1 2 1 0 5 0 2
1 .008 3 ,88 1/03/2008
0 2:57 ,54 6 ,03 3
2 2 1 2 1 0 5 0 2
1 .008 3 ,8 1/03/2008
0 3:23 ,56 6 ,03 3
2 2 1 2 1 0 5 0 2
1 .008 3 ,71 1/03/2008
0 3:51 ,58 6 ,03 3
2 2 1 2 1 0 5 0 2
1 .008 3 ,8 1/03/2008
0 4:14 ,59 6 ,03 3
2 2 1 2 1 0 5 0 2
1 .008 3 ,79 1/03/2008
0 4:50 ,62 6 ,03 3
2 2 1 2 1 0 5 0 2
1 .008 3 ,71 1/03/2008
0 6:18 ,68 6 ,03 3
2 2 1 2 1 0 5 0
1 .008 3 ,6 1/03/2008
0 6:47 ,70 6 ,03 0
2 2 1 2 2 0 5 0 2
2 .008 3 ,79 2/03/2008
0 3:34 ,98 6 ,03 2
177
COMILLAS
INGENIERA (ICAI)
2 2 1 2 0 0 5 0 2
3 .008 3 ,88 3/03/2008
0 :06 ,00 6 ,03 2
2 2 1 2 0 0 5 0 2
3 .008 3 ,8 3/03/2008
0 :30 ,02 6 ,03 3
2 2 1 2 0 0 5 0 2
3 .008 3 ,8 3/03/2008
0 :55 ,04 6 ,03 3
2 2 1 2 1 0 5 0 2
3 .008 3 ,96 3/03/2008
0 :26 ,06 6 ,03 3
2 2 1 2 2 0 5 0 2
3 .008 3 ,88 3/03/2008
0 :36 ,11 6 ,03 2
2 2 1 2 2 0 5 0 2
3 .008 3 ,6 3/03/2008
0 :57 ,12 6 ,03 3
2 2 2 2 3 0 5 0 2
3 .008 3 ,1 3/03/2008
0 :15 ,14 6 ,04 3
2 2 2 2 3 0 5 0 2
3 .008 3 ,02 3/03/2008
0 :32 ,15 6 ,03 3
2 2 4 2 3 0 5 0 4
3 .008 3 ,52 3/03/2008
0 :55 ,16 6 ,08 4
2 2 1 2 4 0 5 0 2
3 .008 3 ,77 3/03/2008
0 :13 ,18 6 ,03 3
2 2 1 2 4 0 5 0 2
3 .008 3 ,94 3/03/2008
0 :33 ,19 6 ,03 3
2 2 1 2 5 0 5 0 2
3 .008 3 ,89 3/03/2008
0 :12 ,22 6 ,03 2
2 2 0 2 5 0 5 0
3 .008 3 ,93 3/03/2008
0 :33 ,23 6 ,02 0
2 2 1 2 5 0 5 0 2
3 .008 3 ,85 3/03/2008
0 :56 ,25 6 ,03 3
2 2 1 2 6 0 5 0 2
3 .008 3 ,77 3/03/2008
0 :18 ,26 6 ,03 3
2 2 1 2 6 0 5 0 2
3 .008 3 ,77 3/03/2008
0 :46 ,28 6 ,03 3
2 2 1 2 7 0 5 0
3 .008 3 ,43 3/03/2008
0 :35 ,32 6 ,02 0
2 2 1 2 7 0 5 0 2
3 .008 3 ,65 3/03/2008
0 :57 ,33 6 ,03 3
2 2 1 2 1 0 5 0
3 .008 3 ,77 3/03/2008
0 0:19 ,43 6 ,03 0
2 2 1 2 1 0 5 0 2
3 .008 3 ,6 3/03/2008
0 0:42 ,45 6 ,03 3
2 2 1 2 1 0 5 0 2
3 .008 3 ,6 3/03/2008
0 1:30 ,48 6 ,03 3
2 2 1 2 1 0 5 0 2
3 .008 3 ,6 3/03/2008
0 3:37 ,57 6 ,03 3
2 2 1 2 1 0 5 0 2
3 .008 3 ,68 3/03/2008
0 4:05 ,59 6 ,03 3
2 2 1 2 1 0 5 0 2
3 .008 3 ,6 3/03/2008
0 4:40 ,61 6 ,03 3
2 2 1 2 1 0 5 0
3 .008 3 ,85 3/03/2008
0 7:17 ,72 6 ,03 0
2 2 1 2 1 0 5 0 2
4 .008 3 ,68 4/03/2008
0 2:46 ,53 6 ,03 3
2 2 1 2 1 0 5 0 2
4 .008 3 ,85 4/03/2008
0 3:30 ,56 6 ,03 3
2 2 2 2 1 0 5 0 2
4 .008 3 ,02 4/03/2008
0 4:32 ,61 6 ,03 3
2 2 1 2 1 0 5 0 2
4 .008 3 ,85 4/03/2008
0 5:02 ,63 6 ,03 3
2 2 1 2 1 0 5 0 2
4 .008 3 ,68 4/03/2008
0 5:26 ,64 6 ,03 3
2 2 3 2 1 0 5 0 2
4 .008 3 ,1 4/03/2008
0 5:45 ,66 6 ,05 3
2 2 1 2 1 0 5 0
4 .008 3 ,52 4/03/2008
0 6:03 ,67 6 ,03 0
2 2 1 2 1 0 5 0 2
4 .008 3 ,77 4/03/2008
0 6:21 ,68 6 ,03 3
2 2 1 2 1 0 5 0
4 .008 3 ,85 4/03/2008
0 6:43 ,70 6 ,03 0
2 2 1 2 1 0 5 0 2
4 .008 3 ,77 4/03/2008
0 7:07 ,71 6 ,03 3
2 2 1 2 1 0 5 0 2
4 .008 3 ,77 4/03/2008
0 7:44 ,74 6 ,03 3
3 2 1 3 1 0 5 0 2
1 .008 3 ,94 1/03/2008
0 6:28 ,69 6 ,03 3
3 2 1 3 1 0 5 0 2
1 .008 3 ,77 1/03/2008
0 7:03 ,71 6 ,03 3
3 2 2 3 1 0 5 0 2
1 .008 3 ,02 1/03/2008
0 7:46 ,74 6 ,03 3
3 2 1 3 1 0 5 0
1 .008 3 ,77 1/03/2008
0 8:28 ,77 6 ,03 0
2 0 1 0 5 5 3
.008
1 4 1/04/2008
5 0 5:00 ,63 6 ,00 .300
178
COMILLAS
INGENIERA (ICAI)
1 2 4 1 1 0 5 2 1
6 .008 4 5 6/04/2008
2 4:38 ,61 6 ,75 35
2 2 2 2 1 0 5 0 2
0 .008 5 ,87 0/05/2008
0 :25 ,06 6 ,05 2
2 2 2 2 2 0 5 0 2
0 .008 5 ,44 0/05/2008
0 :06 ,09 6 ,04 1
2 2 2 2 3 0 5 0 2
0 .008 5 ,55 0/05/2008
0 :16 ,14 6 ,04 0
2 2 2 2 1 0 5 0 2
0 .008 5 ,77 0/05/2008
0 5:29 ,65 6 ,05 3
2 2 1 2 8 0 5 4 2
2 .008 5 ,38 2/05/2008
4 :37 ,36 6 ,02 00
2 2 3 2 1 0 5 0 4
1 .008 7 ,69 1/07/2008
0 5:39 ,65 6 ,06 6
2 2 3 2 1 0 5 0 2
1 .008 7 ,44 1/07/2008
0 6:18 ,68 6 ,06 3
2 2 3 2 1 0 5 0 4
1 .008 7 ,27 1/07/2008
0 7:40 ,74 6 ,05 6
2 2 3 2 1 0 5 0 2
1 .008 7 ,43 1/07/2008
0 8:36 ,78 6 ,06 3
2 3 0 2 0 5 0 4
.008
8 8 ,52 8/08/2008
0 0:13 ,84 6 ,06 6
2 3 0 2 0 5 0 4
.008
8 8 ,45 8/08/2008
0 1:29 ,90 6 ,06 6
1 2 3 1 2 0 5 0 4
9 .009 6 ,55 9/06/2009
0 0:43 ,86 6 ,06 7
1 2 3 1 2 0 5 0 4
9 .009 6 ,44 9/06/2009
0 1:39 ,90 6 ,06 6
1 2 3 1 2 0 5 0 4
9 .009 6 ,44 9/06/2009
0 3:00 ,96 6 ,06 5
2 2 3 2 1 0 5 0 4
0 .009 6 ,02 0/06/2009
0 4:51 ,62 6 ,05 7
2 2 3 2 1 0 5 0 2
0 .009 6 ,27 0/06/2009
0 5:38 ,65 6 ,05 3
2 2 3 2 1 0 5 0 4
0 .009 6 ,69 0/06/2009
0 6:41 ,70 6 ,06 7
2 2 3 2 1 0 5 0 4
0 .009 6 ,48 0/06/2009
0 7:35 ,73 6 ,06 7
2 2 1 2 1 0 5 0 2
1 .009 6 7,19 1/06/2009
0 7:13 ,72 6 ,29 09
2 2 5 2 1 0 5 0 5
2 .009 7 1,02 2/07/2009
0 8:58 ,79 6 ,85 55
2 2 3 2 1 0 5 0 2
8 .009 8 ,36 8/08/2009
0 9:29 ,81 6 ,06 3
2 2 3 2 2 0 5 0 4
8 .009 8 ,52 8/08/2009
0 0:19 ,85 6 ,06 7
2 0 0 1 0 5 1 1
.009
8 9 ,33 8/09/2009
1 5:06 ,63 6 ,01 21
1 1 2 3 1 1 0 5 0 2
1 0 .009 ,78 1/10/2009
0 6:31 ,69 6 ,06 3
1 1 2 3 1 1 0 5 0 4
1 0 .009 ,69 1/10/2009
0 7:15 ,72 6 ,06 6
1 1 2 3 1 1 0 5 0 2
2 0 .009 ,61 2/10/2009
0 0:35 ,44 6 ,06 3
1 1 2 3 1 1 0 5 0 4
2 0 .009 ,52 2/10/2009
0 2:14 ,51 6 ,06 7
1 1 2 3 1 1 0 5 0 4
2 0 .009 ,69 2/10/2009
0 4:05 ,59 6 ,06 6
1 1 2 3 1 1 0 5 0 2
2 0 .009 ,36 2/10/2009
0 5:05 ,63 6 ,06 3
1 1 2 3 1 1 0 5 0 2
2 0 .009 ,27 2/10/2009
0 5:51 ,66 6 ,05 3
1 1 2 6 1 1 0 5 0 7
2 0 .009 ,86 2/10/2009
0 6:58 ,71 6 ,11 0
179
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 56
Frecuencia con que han sucedido las incidencias
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
180
COMILLAS
INGENIERA (ICAI)
Ajuste exponencial
TBF
TBF

Ajust
e exponencial
0.0 1526.52 0 0.0 165.36
00655 .309283 06047
medi 165.358490
a

100 8
6
50 4
0 0
0 5000 10000 15000 0 5000 10000 15000
8 1
Min Cuad
Fiabilidad - R(t)
6 Max Ver
Med Rango
4 0.5
0 0
0 5000 10000 15000 0 5000 10000 15000
181
COMILLAS
INGENIERA (ICAI)
Range=(0,1400)
TBF

Ajust
e exponencial
0.0 7713.10 0 0.0 6583.19
00130 .872740 00152
medi 6583.192056
a

100 3
2
50
1
0 0
0 5000 10000 15000 0 5000 10000 15000
3 1
Min Cuad
Fiabilidad - R(t)
Max Ver
2
Med Rango
0.5
1
0 0
0 0.5 1 1.5 2 0 5000 10000 15000
x 10
182
COMILLAS
INGENIERA (ICAI)
TTF
TTF

Ajust
e exponencial
0.0 1525.52 0 0.0 165.11
00656 .309242 06057
medi 165.111458
a

100 8
6
50 4
0 0
0 5000 10000 15000 0 5000 10000 15000
8 1
Min Cuad
Fiabilidad - R(t)
6 Max Ver
Med Rango
4 0.5
0 0
0 5000 10000 15000 0 5000 10000 15000
183
COMILLAS
INGENIERA (ICAI)
Range=(0,1000)
TTF

Ajust
e exponencial
0.0 7708.00 0 0.0 6578.06
00130 .871882 00152
medi 6578.063489
a

100 3
2
50
1
0 0
0 5000 10000 15000 0 5000 10000 15000
3 1
Min Cuad
Fiabilidad - R(t)
Max Ver
2
Med Rango
0.5
1
0 0
0 0.5 1 1.5 2 0 5000 10000 15000
x 10
184
COMILLAS
INGENIERA (ICAI)
TTR
TTR
Tasa _ Tiempo_ r Tasa_ Tiempo_

reparacin _MC reparacin _MC_horas ^2 reparacin _MV reparacin _MV_horas
Ajust
e exponencial
1.9978 0.50 0 5.546 0.18
70 .633518 861
medi 0.180282
a

100 8
6
50 4
0 0
0 2 4 6 0 2 4 6
8 1
Min Cuad
Fiabilidad - R(t)
6 Max Ver
Med Rango
4 0.5
0 0
0 2 4 6 0 2 4 6
185
COMILLAS
INGENIERA (ICAI)
Range=(0,1.5)
TTR

Ajust
e exponencial
0.3500 2.86 0 0.361 2.77
96 .828771 123
medi 2.769143
a

100 3
2
50
1
0 0
0 2 4 6 0 2 4 6
3 1
Min Cuad
Fiabilidad - R(t)
Max Ver
2
Med Rango
0.5
1
0 0
0 2 4 6 8 0 2 4 6
El primer TTR no es una reparacin correctiva, sino una interrupcin breve de re-
arranque. As que se puede eliminar este primer dato.
186
COMILLAS
INGENIERA (ICAI)
TTR

Ajust
e exponencial
0.3106 0 0.310
3.22 3.23
99 .874899 013
medi
3.225667
a

100 3
2
50
1
0 0
1 32 4 5 1 2 3 4 5
3 1
Min Cuad
Fiabilidad - R(t)
Max Ver
2
Med Rango
0.5
1
0 0
0 2 4 6 8 1 2 3 4 5
187
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
Range=(0,1400)
TBF
Beta Mu r V Mu
MinCuadra MinCuadraHora ^2 eta MaxVer MaxVerHoras
Aj
uste Weibull
0.29 0 0 4782.
6036.09
5181 .811439 .5070258 59
me
6583.192056
dia
100 1
50 -1
-2
0 -3
0 5000 10000 15000 0 5 10
-5
x 10
1 8
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 6 Max Ver

cdf
0.5 4
Plotting
0 0
0 5000 10000 15000 0 5000 10000 15000
188
COMILLAS
INGENIERA (ICAI)
TTF
Range=(0,1000)
TTF
Beta Mu r V Mu
Aj
uste Weibull
0.29 0 0 4769.
6023.72
4129 .810917 .5053508 42
me
6578.063489
dia
100 1
50 -1
-2
0 -3
0 5000 10000 15000 0 5 10
-5
x 10
1 8
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 6 Max Ver

cdf
0.5 4
Plotting
0 0
0 5000 10000 15000 0 5000 10000 15000
189
COMILLAS
INGENIERA (ICAI)
TTR
Si no se quita el primer dato se aprecia en la distribucin Weibull que este dato es
anmalo, por lo que parece bastante coherente haberlo quitado.
Range=(0,1.5)
TTR
Beta Mu r V Mu
Aj
uste Weibull
0.69 0 1
3.21 2.88
1992 .759805 .1960258
me
2.769143
dia
100 2
0
50
-2
0 -4
0 2 4 6 -4 -2 0 2
1 0.4
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 0.3 Max Ver

cdf
0.5 0.2
Plotting
0.1
0 0
0 2 4 6 0 2 4 6
190
COMILLAS
INGENIERA (ICAI)
Eliminado el primer dato se obtienen los siguientes resultados:
TTR
Beta Mu r V Mu
Aj
uste Weibull
0.69 0 1
3.21 2.88
1992 .759805 .1960258
me
2.769143
dia
100 1
50 -1
-2
0 -3
1 2 3 4 5 0 0.5 1 1.5 2
1 1.5
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver Max Ver

1
cdf
0.5 Plotting
0.5
0 0
1 2 3 4 5 1 2 3 4 5
191
COMILLAS
INGENIERA (ICAI)

D M A M F H H A T P
A ES O in ECHA
1 2 1 1 0 5 7 1
2 005 1 2/01/2005
7 9 0:13 ,43 6 ,15 5
Slo hay un dato para el tiempo de reparacin, por lo que no hay muestras suficientes
para hacer ajustes estadsticos para el tiempo de reparacin (TTR). Tambin hay que tener en
cuenta que el coeficiente de linealidad (r^2) va a ser uno, pero no debido a que los datos sigan la
distribucin exactamente, sino debido a que slo hay dos datos (el ajuste de la recta de regresin
entre dos puntos siempre es perfecta).
192
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 56
Frecuencia con la que han sucedido las incidencias
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
193
COMILLAS
INGENIERA (ICAI)
Ajuste exponencial
TBF
TBF

Ajust
e exponencial
0.0 1 0.0
42393.25 26292.00
00024 .000000 00038
Medi
26291.999861
a

80 1.5
60 1
40 0.5
20 0
0 2 4 6 0 2 4 6
x 10 x 10
1.5 1
Min Cuad
Fiabilidad - R(t)
Max Ver
1
Med Rango
0.5
0.5
0 0
0 2 4 6 0 2 4 6
x 10 x 10
194
COMILLAS
INGENIERA (ICAI)
TTF
TTF

Ajust
e exponencial
0.0 1 0.0
42389.68 26283.31
00024 .000000 00038
Medi
26283.312917
a

80 1.5
60 1
40 0.5
20 0
0 2 4 6 0 2 4 6
x 10 x 10
1.5 1
Min Cuad
Fiabilidad - R(t)
Max Ver
1
Med Rango
0.5
0.5
0 0
0 2 4 6 0 2 4 6
x 10 x 10
TTR
Slo hay un dato.
195
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
0.24 22117.7 1 0 1387
2512 0 .000000 .4569348 9.16
me
26291.999861
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
0 2 4 6 4 6 8 10 12
x 10
-5
x 10
1 1.5
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 1 Max Ver

cdf
0.5
Plotting
0.5
0 0
0 2 4 6 0 2 4 6
x 10 x 10
196
COMILLAS
INGENIERA (ICAI)
TTF
TTF
Beta Mu r V Mu
Aj
uste Weibull
0.24 21977.8 1 0 1374
0776 6 .000000 .4536638 5.15
me
26283.312917
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
0 2 4 6 4 6 8 10 12
x 10
-5
x 10
1 1.5
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 1 Max Ver

cdf
0.5
Plotting
0.5
0 0
0 2 4 6 0 2 4 6
x 10 x 10
TTR
Slo hay un dato.
197
COMILLAS
INGENIERA (ICAI)
Tiempo mximo de orientacin

D M A M F H H A T P
A ES O in ECHA
2 2 0 5 0 5 0 1
.005
1 5 9,02 1/05/2005
0 :27 ,23 6 ,48 77
2 2 0 0 0 5 0
.008
4 1 9,27 4/01/2008
0 :24 ,02 6 ,49 6
1 1 2 2 1 1 0 5 3
2 1 .009 4,77 2/11/2009
3 0:28 ,44 6 ,41 2
1 2 3 1 0 0 5 0 2
8 .010 3 9,89 8/03/2010
0 :53 ,04 6 ,66 68
1 2 1 1 3 0 5 0 7
8 .010 3 4,77 8/03/2010
0 :06 ,13 6 ,25 9
198
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 56
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
199
COMILLAS
INGENIERA (ICAI)
Ajuste exponencial
TBF
TBF

Ajust
e exponencial
0.0 0 0.0
10741.74 8764.00
00093 .969740 00114
Medi
8763.999954
a

100 3
2
50
1
0 0
0 1 2 3 0 1 2 3
x 10 x 10
3 1
Min Cuad
Fiabilidad - R(t)
Max Ver
2
Med Rango
0.5
1
0 0
0 1 2 3 0 1 2 3
x 10 x 10
200
COMILLAS
INGENIERA (ICAI)
TTF
TTF

Ajust
e exponencial
0.0 0 0.0
10741.32 8762.21
00093 .969748 00114
Medi
8762.206815
a

100 3
2
50
1
0 0
0 1 2 3 0 1 2 3
x 10 x 10
3 1
Min Cuad
Fiabilidad - R(t)
Max Ver
2
Med Rango
0.5
1
0 0
0 1 2 3 0 1 2 3
x 10 x 10
201
COMILLAS
INGENIERA (ICAI)
TTR
TTR
Tasa
Tasa Tiempo_reparac r Tiempo_
_ reparacn
_reparacn _MC n_MC_horas ^2 reparacn _MV_horas
Ajus _MV
te exponencial
0.657 0 0.94
1.52 1.06
370 .828512 4495
Med
1.058767
ia

100 3
2
50
1
0 0
0 1 2 3 4 0 1 2 3 4
3 1
Min Cuad
Fiabilidad - R(t)
Max Ver
2
Med Rango
0.5
1
0 0
0 1 2 3 4 0 1 2 3 4
Se puede ver en la representacin de tiempos de fallo y log(R(t)) que el ltimo dato se

escapa de lo normal. Si despreciamos este dato interpretando que no es normal un tiempo de
reparacin tan elevado, se obtienen los siguientes resultados:
202
COMILLAS
INGENIERA (ICAI)
TTR
Tasa Tiempo_ r Tasa_ Tiempo_

_reparacn _MC reparacn _MC_horas ^2 reparacn _MV reparacn _MV_horas
Ajust
e exponencial
2.019 0 2.126
0.50 0.47
513 .840585 528
Medi
0.470250
a

100 2
1.5
50 1
0.5
0 0
0.2 0.4
0.6 0.8 1 0.2 0.4 0.6 0.8 1
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 0.5 1 0.2 0.4 0.6 0.8 1
203
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
0.34 0 0 6690.
8187.41
5814 .801115 .5734308 60
me
8763.999954
dia
100 1
50 -1
-2
0 -3
0 1 2 3 0 5 10 15
x 10
-5
x 10
1 8
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 6 Max Ver

cdf
0.5 4
Plotting
2
0 0
0 1 2 3 0 1 2 3
x 10 x 10
204
COMILLAS
INGENIERA (ICAI)
TTF
TTF
Beta Mu r V Mu
Aj
uste Weibull
0.33 0 0 6590.
8128.07
3627 .793746 .5574128 27
me
8762.206815
dia
100 1
50 -1
-2
0 -3
0 1 2 3 0 5 10 15
x 10
-5
x 10
1 6
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 4 Max Ver

cdf
0.5
Plotting
2
0 0
0 1 2 3 0 1 2 3
x 10 x 10
205
COMILLAS
INGENIERA (ICAI)
TTR
TTR
Beta Mu r V Mu
Aj
uste Weibull
2.50 0 3
0.54 0.52
8898 .919013 .6861528
me
0.470250
dia
100 1
0
50
-1
0 -2
0.2 0.4 0.6 0.8 1 -1.5 -1 -0.5 0
1 10
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver Max Ver

cdf
0.5 5
Plotting
0 0
0.2 0.4 0.6 0.8 1 0.2 0.4 0.6 0.8 1
206
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 28
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
207
COMILLAS
INGENIERA (ICAI)
Ajuste exponencial
TBF
TBF

Ajust
e exponencial
0.0 0 0.0
1681.36 1168.53
00595 .940760 00856
medi
1168.533327
a

100 6
4
50
2
0 0
0 2000
4000 6000 8000 0 2000 4000 6000 8000
6 1
Min Cuad
Fiabilidad - R(t)
Max Ver
4
Med Rango
0.5
2
0 0
0 2000 4000 6000 8000 0 2000 4000 6000 8000
208
COMILLAS
INGENIERA (ICAI)
TTF
TTF

Ajust
e exponencial
0.0 0 0.0
1681.04 1167.48
00595 .940643 00857
medi
1167.478954
a

100 6
4
50
2
0 0
0 2000
4000 6000 8000 0 2000 4000 6000 8000
6 1
Min Cuad
Fiabilidad - R(t)
Max Ver
4
Med Rango
0.5
2
0 0
0 2000 4000 6000 8000 0 2000 4000 6000 8000
209
COMILLAS
INGENIERA (ICAI)
TTR
TTF

reparacn _MC reparacn _MC_horas ^2 reparacn _MV reparacn _MV_horas
Ajust
e exponencial
1.511 0 1.708
0.66 0.59
799 .955670 692
medi
0.585243
a

100 6
4
50
2
0 0
0 1 2 3 0 1 2 3
6 1
Min Cuad
Fiabilidad - R(t)
Max Ver
4
Med Rango
0.5
2
0 0
0 1 2 3 0 1 2 3
210
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
0.46 0 0 587.6
560.96
7880 .954956 .4742078 5
me
1168.533327
dia
100 2
50 -2
-4
0 -6
0 2000 4000 6000 8000 -5 0 5 10
-3
x 10
1 3
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver Max Ver

2
cdf
0.5
Plotting
1
0 0
0 2000 4000 6000 8000 0 2000 4000 6000 8000
211
COMILLAS
INGENIERA (ICAI)
TTF
TTF
Beta Mu r V Mu
Aj
uste Weibull
0.46 0 0 579.5
554.09
0290 .953880 .4689568 7
me
1167.478954
dia
100 2
50 -2
-4
0 -6
0 2000 4000 6000 8000 -5 0 5 10
-3
x 10
1 3
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver Max Ver

2
cdf
0.5
Plotting
1
0 0
0 2000 4000 6000 8000 0 2000 4000 6000 8000
212
COMILLAS
INGENIERA (ICAI)
TTR
TTR
Beta Mu r V Mu
Aj
uste Weibull
0.94 0 0
0.50 0.53
3061 .908495 .8444608
me
0.585243
dia
100 2
50 -2
-4
0 -6
0 1 2 3 -4 -2 0 2
1 8
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 6 Max Ver

cdf
0.5 4
Plotting
0 0
0 1 2 3 0 1 2 3
213
COMILLAS
INGENIERA (ICAI)
Termostato freno
D M A M F H H A T P
A ES O in ECHA
2 1 2 1 2 1 0 5 2 3
9 0 .005 0,59 9/10/2005
2 6:20 ,68 6 ,18 66
2 5 0 1 0 5 2 1
.006
4 3 4,85 4/03/2006
2 8:39 ,78 6 ,91 .144
2 2 1 2 1 0 5 0 1
5 .006 8 1,35 5/08/2006
0 4:28 ,60 6 ,19 9
214
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 56
Frecuencia con la que suceden las incidencias
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
215
COMILLAS
INGENIERA (ICAI)
Ajuste exponencial
TBF
TBF

Ajust
e exponencial
0.0 0 0.0
19279.65 13146.00
00052 .881354 00076
medi
13145.999931
a

100 2
1.5
50 1
0.5
0 0
0 1 2 3 4 0 1 2 3 4
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 1 2 3 4 0 1 2 3 4
x 10 x 10
Si no se tiene en cuenta el TTB mayor, considerndolo como un caso poco comn, se

obtienen los siguientes resultados:
216
COMILLAS
INGENIERA (ICAI)
TBF

Ajust
e exponencial
0.0 0 0.0
5254.36 4812.82
00190 .993938 00208
medi
4812.822407
a

80 2
1.5
60
1
40
0.5
20 0
2000 4000 6000 8000 2000 4000 6000 8000
2 1
Min Cuad
Fiabilidad - R(t)
1.5 0.8 Max Ver

Med Rango
1 0.6
0.5 0.4
0 0.2
0 5000 10000 2000 4000 6000 8000
217
COMILLAS
INGENIERA (ICAI)
TTF
TTF

Ajust
e exponencial
0.0 0 0.0
19280.31 13140.60
00052 .881111 00076
medi
13140.595069
a

100 2
1.5
50 1
0.5
0 0
0 1 2 3 4 0 1 2 3 4
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 1 2 3 4 0 1 2 3 4
x 10 x 10
Si no se tiene en cuenta el TTB mayor, considerndolo como un caso muy poco comn,
se obtienen los siguientes resultados:
218
COMILLAS
INGENIERA (ICAI)
TTF

Ajust
e exponencial
0.0 0 0.0
5246.03 4805.68
00191 .994062 00208
medi
4805.679259
a

80 2
1.5
60
1
40
0.5
20 0
2000 4000 6000 8000 2000 4000 6000 8000
2 1
Min Cuad
Fiabilidad - R(t)
1.5 0.8 Max Ver

Med Rango
1 0.6
0.5 0.4
0 0.2
0 5000 10000 2000 4000 6000 8000
219
COMILLAS
INGENIERA (ICAI)
TTR
TTR

Ajust
e exponencial
0.464 0 0.568
2.15 1.76
219 .817800 182
medi
1.760000
a

80 2
1.5
60
1
40
0.5
20 0
0 1 2 3 0 1 2 3
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 1 2 3 4 0 1 2 3
220
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
0.99 12397.0 0 0 1295
8949 4 .800846 .9722908 8.75
me
13145.999931
dia
100 2
50 0
-1
0 -2
0 1 2 3 4 8 9 10 11
x 10
-4
x 10
1 4
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 3 Max Ver

cdf
0.5 2
Plotting
1
0 0
0 1 2 3 4 0 1 2 3 4
x 10 x 10
221
COMILLAS
INGENIERA (ICAI)
TTF
TTF
Beta Mu r V Mu
Aj
uste Weibull
0.99 12385.8 0 0 1294
8912 5 .800391 .9717648 9.69
me
13140.595069
dia
100 2
50 0
-1
0 -2
0 1 2 3 4 8 9 10 11
x 10
-4
x 10
1 4
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 3 Max Ver

cdf
0.5 2
Plotting
1
0 0
0 1 2 3 4 0 1 2 3 4
x 10 x 10
222
COMILLAS
INGENIERA (ICAI)
TTR
TTR
Beta Mu r V Mu
Aj
uste Weibull
0.68 0 1
2.08 1.85
4466 .886048 .2042468
me
1.760000
dia
80 1
60 0
40 -1
20 -2
0 1 2 3 -2 -1 0 1 2
1 0.8
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 0.6 Max Ver

cdf
0.5 Plotting 0.4
0.2
0 0
0 1 2 3 0 1 2 3
223
COMILLAS
INGENIERA (ICAI)
Baja temperatura ground

D M A M F H H A T P
A ES O in ECHA
2 1 2 2 2 8 0 5 2 1
1 2 .005 0 1/12/20050 :53 ,37 6 0,00 28
Slo hay un dato para el tiempo de reparacin, por lo que no hay muestras suficientes
para hacer ajustes estadsticos para el tiempo de reparacin (TTR). Tambin hay que tener en
cuenta que el coeficiente de linealidad (r^2) va a ser uno, pero no debido a que los datos sigan la
distribucin exactamente, sino debido a que slo hay dos datos (el ajuste de la recta de regresin
entre dos puntos siempre es perfecta).
224
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 56
Frecuencia con la que sucede el modo de fallo
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
225
COMILLAS
INGENIERA (ICAI)
Ajuste exponencial
TBF
TBF

Ajust
e exponencial
0.0 1 0.0
35205.07 26292.00
00028 .000000 00038
medi
26291.999861
a

80 1.5
60 1
40 0.5
20 0
0 2 4 6 0 2 4 6
x 10 x 10
1.5 0.8
Min Cuad
Fiabilidad - R(t)
0.6 Max Ver

1
Med Rango
0.4
0.5
0.2
0 0
0 2 4 6 0 2 4 6
x 10 x 10
226
COMILLAS
INGENIERA (ICAI)
TTF
TTF

Ajust
e exponencial
0.0 1 0.0
35188.67 26277.56
00028 .000000 00038
medi
26277.556250
a

80 1.5
60 1
40 0.5
20 0
0 2 4 6 0 2 4 6
x 10 x 10
1.5 0.8
Min Cuad
Fiabilidad - R(t)
0.6 Max Ver

1
Med Rango
0.4
0.5
0.2
0 0
0 2 4 6 0 2 4 6
x 10 x 10
TTR
Slo hay un dato.
227
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
0.77 33658.3 1 1 2908
3959 7 .000000 .4582708 5.75
me
26291.999861
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
0 2 4 6 9 9.5 10 10.5 11
x 10
-5
x 10
1 3
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 2 Max Ver

cdf
0.5
Plotting
1
0 0
0 2 4 6 0 2 4 6
x 10 x 10
228
COMILLAS
INGENIERA (ICAI)
TTF
TBF
Beta Mu r V Mu
Aj
uste Weibull
0.77 33639.8 1 1 2906
3680 3 .000000 .4577468 8.21
me
26277.556250
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
0 2 4 6 9 9.5 10 10.5 11
x 10
-5
x 10
1 3
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 2 Max Ver

cdf
0.5
Plotting
1
0 0
0 2 4 6 0 2 4 6
x 10 x 10
TTR
Slo hay un dato.
229
COMILLAS
INGENIERA (ICAI)
Avera generador
D M A M F H H A T P
A ES O in ECHA
2 1 0 1 0 5 1 3
.006
3 1 4,77 3/01/2006
0 3:02 ,54 6 73,93 1.309
1 2 2 1 1 0 5 1 2
1 .006 1 ,26 1/01/2006
0 :19 ,06 6 69,73 7.488
AEROGENENRADOR 56
Frecuencia con la que suceden los fallos
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
230
COMILLAS
INGENIERA (ICAI)
Ajuste exponencial
TBF
TBF

Ajust
e exponencial
0.0 0 0.0
26351.22 17528.00
00038 .976245 00057
medi
17527.999907
a

80 2
1.5
60
1
40
0.5
20 0
0 2 4 6 0 2 4 6
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 2 4 6 0 2 4 6
x 10 x 10
231
COMILLAS
INGENIERA (ICAI)
TTF
TTF

Ajust
e exponencial
0.0 0 0.0
26262.03 17409.10
00038 .977390 00057
medi
17409.099259
a

80 2
1.5
60
1
40
0.5
20 0
0 2 4 6 0 2 4 6
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 2 4 6 0 2 4 6
x 10 x 10
232
COMILLAS
INGENIERA (ICAI)
TTR
TTR

Ajust
e exponencial
0.004 0 0.005
216.47 171.83
620 .043113 820
medi
171.830000
a

80 1.5
60 1
40 0.5
20 0
168 170 172 174 168 170 172 174
1.5 1
Min Cuad
Fiabilidad - R(t)
0.8 Max Ver

1
Med Rango
0.6
0.5
0.4
0 0.2
0 100 200 300 168 170 172 174
233
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
0.34 15450.1 0 0 1212
6277 5 .976497 .5707458 5.04
me
17527.999907
dia
80 1
60 0
40 -1
20 -2
0 2 4 6 4 6 8 10 12
x 10
-5
x 10
1 4
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 3 Max Ver

cdf
0.5 2
Plotting
1
0 0
0 2 4 6 0 2 4 6
x 10 x 10
234
COMILLAS
INGENIERA (ICAI)
TTF
TTF
Beta Mu r V Mu
Aj
uste Weibull
0.21 11581.4 0 0 7825.
3010 4 .928598 .3694038 02
me
17409.099259
dia
80 1
60 0
40 -1
20 -2
0 2 4 6 0 5 10 15
x 10
-5
x 10
1 3
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 2 Max Ver

cdf
0.5
Plotting
1
0 0
0 2 4 6 0 2 4 6
x 10 x 10
235
COMILLAS
INGENIERA (ICAI)
TTR
TTF
Beta Mu r V Mu
Aj
uste Weibull
52.0 1 9 172.8
173.23
95804 .000000 8.1573898 6
me
171.830000
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
168 170 172 174 5.13 5.14 5.15 5.16 5.17
1 0.5
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 0.4 Max Ver

cdf
0.5 Plotting 0.3
0.2
0 0.1
168 170 172 174 168 170 172 174
236
COMILLAS
INGENIERA (ICAI)
Sobretensin hardware rectificador

D M A M F H H A T P
A ES O in ECHA
2 1 0 4 0 5 0 1
.006
5 3 1,1 5/03/2006
0 :45 ,20 6 ,19 40
2 2 6 2 0 0 5 0 3
0 .006 7 ,91 0/07/2006
0 :47 ,03 6 ,12 4
237
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 56
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
238
COMILLAS
INGENIERA (ICAI)
Ajuste exponencial
TBF
TBF

Ajust
e exponencial
0.0 0 0.0
23567.20 17528.00
00042 .914910 00057
medi
17527.999907
a

80 2
1.5
60
1
40
0.5
20 0
0 1 2 3 4 0 1 2 3 4
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 1 2 3 4 0 1 2 3 4
x 10 x 10
239
COMILLAS
INGENIERA (ICAI)
TTF
TTF

Ajust
e exponencial
0.0 0 0.0
23566.84 17526.31
00042 .914799 00057
medi
17526.310741
a

80 2
1.5
60
1
40
0.5
20 0
0 1 2 3 4 0 1 2 3 4
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 1 2 3 4 0 1 2 3 4
x 10 x 10
240
COMILLAS
INGENIERA (ICAI)
TTR
TTR

Ajust
e exponencial
5.455 0 6.451
0.18 0.16
211 .658972 613
medi
0.155000
a

80 1.5
60 1
40 0.5
20 0
0.1 0.15 0.2 0.1 0.15 0.2
1.5 1
Min Cuad
Fiabilidad - R(t)
0.8 Max Ver

1
Med Rango
0.6
0.5
0.4
0 0.2
0.05 0.1 0.15 0.2 0.25 0.1 0.15 0.2
241
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
0.78 19647.1 0 1 1820
6095 7 .983735 .1015178 6.76
me
17527.999907
dia
80 1
60 0
40 -1
20 -2
0 1 2 3 4 8 9 10 11
x 10
-5
x 10
1 8
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 6 Max Ver

cdf
0.5 4
Plotting
2
0 0
0 1 2 3 4 0 1 2 3 4
x 10 x 10
242
COMILLAS
INGENIERA (ICAI)
TTF
TTF
Beta Mu r V Mu
Aj
uste Weibull
0.78 19643.8 0 1 1820
6091 0 .983685 .1013808 4.26
me
17526.310741
dia
80 1
60 0
40 -1
20 -2
0 1 2 3 4 8 9 10 11
x 10
-5
x 10
1 8
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 6 Max Ver

cdf
0.5 4
Plotting
2
0 0
0 1 2 3 4 0 1 2 3 4
x 10 x 10
243
COMILLAS
INGENIERA (ICAI)
TTR
TTF
Beta Mu r V Mu
Aj
uste Weibull
2.77 1 5
0.18 0.17
1141 .000000 .2213028
me
0.155000
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
0.1 0.15 0.2 -2.2 -2 -1.8 -1.6 -1.4
1 20
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver Max Ver

15
cdf
0.5
Plotting
10
0 5
0.1 0.15 0.2 0.1 0.15 0.2
244
COMILLAS
INGENIERA (ICAI)
Sobretensin Hardware Inversor

D M A M F H H A T P
A ES O in ECHA
2 1 0 1 0 5 2 1
.006
5 3 8,37 5/03/2006
2 5:48 ,66 6 ,31 .610
2 6 0 1 0 5 0 7
.006
2 6 ,19 2/06/2006
0 9:01 ,79 6 ,10 0
2 2 5 2 4 0 5 5 3
5 .006 7 4,46 5/07/2006
5 :44 ,20 6 ,91 5
245
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 56
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
246
COMILLAS
INGENIERA (ICAI)
Ajuste Exponencial
TBF
TBF

Ajust
e exponencial
0.0 0 0.0
19685.94 13146.00
00051 .772317 00076
medi
13145.999931
a

100 2
1.5
50 1
0.5
0 0
0 1 2 3 4 0 1 2 3 4
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 1 2 3 4 0 1 2 3 4
x 10 x 10
247
COMILLAS
INGENIERA (ICAI)
TTF
TTF

Ajust
e exponencial
0.0 0 0.0
19682.76 13139.97
00051 .771875 00076
medi
13139.968125
a

100 2
1.5
50 1
0.5
0 0
0 1 2 3 4 0 1 2 3 4
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 1 2 3 4 0 1 2 3 4
x 10 x 10
248
COMILLAS
INGENIERA (ICAI)
TTR
TTR

Ajust
e exponencial
0.272 0 0.360
3.67 2.77
251 .950836 577
medi
2.773333
a

80 2
1.5
60
1
40
0.5
20 0
0 2 4 6 0 2 4 6
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 2 4 6 0 2 4 6
249
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
0.67 11602.0 0 0 1140
6945 4 .913067 .7901678 4.86
me
13145.999931
dia
100 1
0
50
-1
0 -2
0 1 2 3 4 7 8 9 10 11
x 10
-4
x 10
1 1.5
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 1 Max Ver

cdf
0.5
Plotting
0.5
0 0
0 1 2 3 4 0 1 2 3 4
x 10 x 10
250
COMILLAS
INGENIERA (ICAI)
TTF
TTF
Beta Mu r V Mu
Aj
uste Weibull
0.67 11592.9 0 0 1139
7015 4 .912880 .7899958 7.39
me
13139.968125
dia
100 1
0
50
-1
0 -2
0 1 2 3 4 7 8 9 10 11
x 10
-4
x 10
1 1.5
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 1 Max Ver

cdf
0.5
Plotting
0.5
0 0
0 1 2 3 4 0 1 2 3 4
x 10 x 10
251
COMILLAS
INGENIERA (ICAI)
TTR
TTR
Beta Mu r V Mu
Aj
uste Weibull
0.46 0 0
2.99 2.49
3209 .952745 .7877838
me
2.773333
dia
80 1
60 0
40 -1
20 -2
0 2 4 6 -4 -2 0 2
1 0.4
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 0.3 Max Ver

cdf
0.5 Plotting 0.2
0.1
0 0
0 2 4 6 0 2 4 6
252
COMILLAS
INGENIERA (ICAI)
Proyectos MDE
D M A M F H H A T P
A ES O in ECHA
1 2 4 1 8 0 5 9
4 .006 3 9,62 4/03/2006
9 :10 ,34 6 ,83 1
253
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 56
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
254
COMILLAS
INGENIERA (ICAI)
Ajuste Exponencial
TBF
TBF

Ajust
e exponencial
0.0 0 0.0
33915.48 26292.00
00029 .996626 00038
medi
26291.999861
a

80 1.5
60 1
40 0.5
20 0
1 2 3 4 5 1 2 3 4 5
x 10 x 10
1.5 1
Min Cuad
Fiabilidad - R(t)
0.8 Max Ver

1
Med Rango
0.6
0.5
0.4
0 0.2
1 2 3 4 5 1 2 3 4 5
x 10 x 10
255
COMILLAS
INGENIERA (ICAI)
TTF
TTF

Ajust
e exponencial
0.0 0 0.0
33906.60 26283.00
00029 .996596 00038
medi
26282.998472
a

80 1.5
60 1
40 0.5
20 0
1 2 3 4 5 1 2 3 4 5
x 10 x 10
1.5 1
Min Cuad
Fiabilidad - R(t)
0.8 Max Ver

1
Med Rango
0.6
0.5
0.4
0 0.2
1 2 3 4 5 1 2 3 4 5
x 10 x 10
TTR
Slo hay un TTR.
256
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
0.91 33518.5 1 1 2963
6962 4 .000000 .7277138 2.05
me
26291.999861
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
1 2 3 4 5 9 9.5 10 10.5 11
x 10
-5
x 10
1 4
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 3 Max Ver

cdf
0.5 2
Plotting
1
0 0
1 2 3 4 5 1 2 3 4 5
x 10 x 10
257
COMILLAS
INGENIERA (ICAI)
TTF
TTF
Beta Mu r V Mu
Aj
uste Weibull
0.91 33507.7 1 1 2962
6602 1 .000000 .7270348 1.05
me
26282.998472
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
1 2 3 4 5 9 9.5 10 10.5 11
x 10
-5
x 10
1 4
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 3 Max Ver

cdf
0.5 2
Plotting
1
0 0
1 2 3 4 5 1 2 3 4 5
x 10 x 10
TTR
Slo hay un TTR.
258
COMILLAS
INGENIERA (ICAI)
Problemtica Red Externa

D M A M F H H A T P
A ES O in ECHA
2 2 4 2 8 0 2 5 1
4 .006 7 6,89 4/07/2006
5 :49 ,37 8 ,78 5
2 2 4 2 8 0 5 5 1
4 .006 7 5,15 4/07/2006
5 :50 ,37 6 ,75 5
2 2 7 1 2 8 0 2 7 2
2 .006 87 4,3 2/08/2006 :29 ,35 8 7,24 2.000
2 2 7 5 2 8 0 5 7 2
2 .006 86 2,86 2/08/2006 :30 ,35 6 6,88 2.000
1 2 4 0 2 0 2 1 1
1 .006
4 0 4/11/2006
1 2:10 ,92 8 ,66 00
1 2 4 0 2 0 5 1 1
1 .006
4 0 4/11/2006
1 2:10 ,92 6 ,66 00
2 2 6 2 0 0 2 0 6
0 .007 3 ,18 0/03/2007
0 :46 ,03 8 ,10 7
2 2 5 2 0 0 5 0 6
0 .007 3 ,97 0/03/2007
0 :46 ,03 6 ,10 7
2 7 0 2 0 2 0
.007
1 4 ,76 1/04/2007
0 0:17 ,85 8 ,13 2
2 6 0 2 0 5 0
.007
1 4 ,22 1/04/2007
0 0:18 ,85 6 ,10 2
1 2 3 1 0 0 2 0 1
0 .007 5 3,33 0/05/2007
0 :17 ,01 8 ,56 0
1 2 3 1 0 0 5 0 1
0 .007 5 4 0/05/2007
0 :17 ,01 6 ,57 1
1 2 5 1 8 0 2 0 5
9 .007 5 ,89 9/05/2007
0 :13 ,34 8 ,10 8
2 2 5 2 1 0 2 0
5 .007 5 ,96 5/05/2007
0 6:54 ,70 8 ,10 4
2 2 6 2 1 0 5 0
5 .007 5 ,74 5/05/2007
0 6:54 ,70 6 ,11 6
1 2 9 1 1 0 5 0
3 .007 7 ,51 3/07/2007
0 :23 ,06 6 ,16 0
2 6 0 1 0 2 0 4
.007
5 8 ,29 5/08/2007
0 9:51 ,83 8 ,10 8
2 6 0 1 0 5 0 4
.007
5 8 ,73 5/08/2007
0 9:52 ,83 6 ,11 8
2 5 0 6 0 2 0 1
.007
6 8 ,51 6/08/2007
0 :24 ,27 8 ,09 9
2 6 0 6 0 5 0 1
.007
6 8 ,27 6/08/2007
0 :25 ,27 6 ,10 8
3 1 2 1 3 4 0 2 1 8
0 0 .007 3,18 0/10/2007
1 :03 ,17 8 ,22 56
3 1 2 5 3 5 0 2 0 4
0 0 .007 ,28 0/10/2007
0 :37 ,23 8 ,09 6
3 1 2 3 3 6 0 2 0 3
0 0 .007 1,43 0/10/2007
0 :05 ,25 8 ,52 48
3 1 2 2 3 6 0 5 0 3
0 0 .007 9 0/10/2007
0 :13 ,26 6 ,48 25
1 2 5 0 7 0 5 0 6
1 .007
9 4,27 9/11/2007
0 :37 ,32 6 ,90 30
1 2 5 0 4 0 2 0
2 .007
1 ,34 1/12/2007
0 :02 ,17 8 ,09 2
1 2 5 0 4 0 5 0
2 .007
1 ,81 1/12/2007
0 :02 ,17 6 ,10 2
1 2 8 0 6 0 2 0
2 .007
1 ,63 1/12/2007
0 :44 ,28 8 ,14 1
1 2 1 0 6 0 5 0
2 .007
1 5 1/12/2007
0 :45 ,28 6 ,25 0
1 2 5 0 9 0 2 0
2 .007
5 ,36 5/12/2007
0 :01 ,38 8 ,09 1
1 2 1 0 9 0 5 0
2 .007
5 1,66 5/12/2007
0 :01 ,38 6 ,19 3
2 5 0 9 0 2 0 4
.008
3 1 ,93 3/01/2008
0 :52 ,41 8 ,10 0
2 0 0 9 0 5 5 4
.008
3 1 ,8 3/01/2008
5 :52 ,41 6 ,01 56
2 1 0 1 0 2 3 1
.008
3 1 2 3/01/2008
3 0:06 ,42 8 ,20 .043
2 1 0 1 0 2 0 1
.008
6 3 0,87 6/03/2008
0 1:04 ,46 8 ,18 40
2 2 0 1 0 5 0 2
.008
6 3 1 6/03/2008
0 1:06 ,46 6 ,35 41
2 1 0 1 0 2 0 1
.008
6 3 3,08 6/03/2008
0 2:01 ,50 8 ,22 40
2 2 1 2 2 0 2 7 2
2 .008 3 8 2/03/2008
7 :43 ,11 8 ,30 .059
2 2 4 2 2 0 5 4 1
2 .008 3 4 2/03/2008
4 :43 ,11 6 ,73 .335
259
COMILLAS
INGENIERA (ICAI)
2 2 1 2 4 0 2 0 1
3 .008 3 5 3/03/2008
0 :11 ,17 8 ,25 71
2 2 2 2 4 0 2 0 2
3 .008 3 5 3/03/2008
0 :26 ,19 8 ,42 88
2 2 5 2 4 0 2 0 4
3 .008 3 ,18 3/03/2008
0 :53 ,20 8 ,09 4
2 2 5 2 5 0 2 0 6
3 .008 3 ,35 3/03/2008
0 :01 ,21 8 ,09 6
2 2 5 2 5 0 2 0 6
3 .008 3 ,19 3/03/2008
0 :08 ,21 8 ,09 6
2 2 6 2 5 0 2 0 6
3 .008 3 ,27 3/03/2008
0 :23 ,22 8 ,10 6
2 2 5 2 0 0 2 0 3
8 .008 3 ,19 8/03/2008
0 :08 ,01 8 ,09 5
2 2 5 2 0 0 2 0 4
8 .008 3 ,34 8/03/2008
0 :17 ,01 8 ,09 7
2 6 0 2 0 2 0 1
.008
6 5 ,09 6/05/2008
0 2:08 ,92 8 ,10 7
2 6 0 2 0 5 0 1
.008
6 5 ,5 6/05/2008
0 2:08 ,92 6 ,11 4
1 2 1 1 8 0 2 0
6 .008 5 0 6/05/2008
0 :13 ,34 8 ,38 0
1 2 1 1 8 0 5 0
6 .008 5 3,4 6/05/2008
0 :13 ,34 6 ,22 0
2 2 6 2 5 0 2 0
8 .008 5 ,06 8/05/2008
0 :55 ,25 8 ,10 3
2 2 6 2 5 0 5 0
8 .008 5 ,82 8/05/2008
0 :56 ,25 6 ,11 3
2 6 0 2 0 2 0 5
.008
5 8 ,11 5/08/2008
0 0:06 ,84 8 ,10 5
1 2 1 1 6 0 2 0
6 .008 8 0,27 6/08/2008
0 :38 ,28 8 ,17 3
1 2 4 1 6 0 5 0
6 .008 8 ,77 6/08/2008
0 :38 ,28 6 ,08 1
2 2 6 2 2 0 2 0
7 .008 8 ,06 7/08/2008
0 :45 ,12 8 ,10 8
2 2 6 2 2 0 5 0 1
7 .008 8 ,84 7/08/2008
0 :46 ,12 6 ,11 2
2 5 0 0 0 2 0
.008
3 9 ,37 3/09/2008
0 :31 ,02 8 ,09 2
2 6 0 0 0 5 0
.008
3 9 ,18 3/09/2008
0 :32 ,02 6 ,10 2
2 0 1 0 2 0
.008
9 9 9/09/2008
0 5 9:58 ,83 8 ,08 4
2 1 0 1 0 5 0 1
.008
9 9 5 9/09/2008
0 9:58 ,83 6 ,25 25
1 2 1 1 0 1 0 5 1 4
0 .008
8 3 8 8/10/2008 :50 ,08 6 3,30 .967
1 2 9 0 1 0 2 0 1
0 .008
8 ,23 8/10/2008
0 :50 ,08 8 ,15 06
1 2 1 0 1 0 2 0 2
0 .008
8 7 8/10/2008
0 5:00 ,63 8 ,28 5
2 2 4 2 1 0 2 0 4
4 .009 1 ,91 4/01/2009
0 4:35 ,61 8 ,08 7
2 2 3 2 1 0 2 3 2
9 .009 3 0 9/03/2009
3 9:30 ,81 8 ,50 .121
2 2 3 2 1 0 5 3 2
9 .009 3 0 9/03/2009
3 9:30 ,81 6 ,50 .121
1 2 1 1 9 0 2 0
2 .009 7 5 2/07/2009
0 :41 ,40 8 ,25 0
1 2 1 1 9 0 5 0
2 .009 7 5 2/07/2009
0 :41 ,40 6 ,25 0
1 2 5 1 6 0 2 0
6 .009 8 ,86 6/08/2009
0 :52 ,29 8 ,10 2
1 2 6 1 6 0 5 0
6 .009 8 ,2 6/08/2009
0 :53 ,29 6 ,10 2
2 2 6 2 5 0 2 0 3
4 .009 8 ,28 4/08/2009
0 :52 ,25 8 ,10 4
2 2 7 2 5 0 5 0 2
4 .009 8 ,11 4/08/2009
0 :53 ,25 6 ,12 6
2 4 0 2 0 5 6 2
.010
1 1 2,2 1/01/2010
6 :09 ,09 6 ,70 .823
2 3 0 9 0 5 1 5
.010
1 1 0,1 1/01/2010
1 :08 ,38 6 ,50 20
2 1 3 0 9 0 2 1 3
.010
1 14 0 1/01/2010 :34 ,40 8 4,50 .625
2 5 0 1 0 5 1 7
.010
1 1 1,61 1/01/2010
1 0:47 ,45 6 ,86 60
2 4 0 1 0 5 1 7
.010
1 1 7,1 1/01/2010
1 2:55 ,54 6 ,79 02
2 3 0 1 0 5 3 2
.010
1 1 1,4 1/01/2010
3 4:59 ,62 6 ,52 26
260
COMILLAS
INGENIERA (ICAI)
2 2 2 0 0 2 8 2
4 .010 2 4/02/2010
8 7 :00 ,00 8 ,12 .435
2 2 1 3 2 0 0 5 1 5
4 .010 27 4 4/02/2010 :00 ,00 6 7,57 .270
2 2 0 6 0 2 3
.010
1 3 6 1/03/2010
3 :10 ,26 8 ,43 0
2 0 6 0 5 1
.010
1 3 1/03/2010
1 2 :10 ,26 6 ,03 0
2 1 0 1 0 2 2
.010
2 3 5 2/03/2010
2 6:00 ,67 8 ,25 0
2 0 3 0 2 4
.010
6 3 6/03/2010
4 1 :40 ,15 8 ,02 0
2 3 0 3 0 5 3
.010
6 3 4 6/03/2010
3 :40 ,15 6 ,57 0
2 3 0 4 0 2 0
.010
8 3 8 8/03/2010
0 :30 ,19 8 ,63 0
2 1 0 4 0 5 0
.010
8 3 5 8/03/2010
0 :30 ,19 6 ,25 0
2 4 0 4 0 2 0
.010
9 3 0 9/03/2010
0 :30 ,19 8 ,67 0
2 0 4 0 5 1
.010
9 3 9/03/2010
1 2 :30 ,19 6 ,03 0
2 2 2 2 2 0 2 0
6 .010 3 1 6/03/2010
0 :05 ,09 8 ,35 0
2 2 1 2 2 0 5 0
6 .010 3 4 6/03/2010
0 :05 ,09 6 ,23 0
2 2 9 2 1 0 5 0 1
9 .010 3 ,61 9/03/2010
0 9:45 ,82 6 ,16 05
3 2 4 3 1 0 2 1
0 .010 3 6 0/03/2010
1 :30 ,06 8 ,77 0
3 2 4 3 1 0 5 2
0 .010 3 0 0/03/2010
2 :30 ,06 6 ,67 0
3 2 4 3 2 0 5 1 7
0 .010 3 3,27 0/03/2010
1 :03 ,09 6 ,72 85
3 2 5 3 5 0 5 0 3
0 .010 3 5,52 0/03/2010
0 :16 ,22 6 ,93 51
261
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 56
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
262
COMILLAS
INGENIERA (ICAI)
Ajuste Exponencial
TBF
TBF

Ajust
e exponencial
0.0 0 0.0
2171.87 1143.13
00460 .485206 00875
medi
1143.130429
a

100 6
4
50
2
0 0
0 5000 10000 15000 0 5000 10000 15000
6 1
Min Cuad
Fiabilidad - R(t)
Max Ver
4
Med Rango
0.5
2
0 0
0 5000 10000 15000 0 5000 10000 15000
Se podra considerar que los TBF entre cero y 1000 horas son incidencias debidas a
recadas de un mismo fallo, y no tiempos entre diferentes fallos. Si uso slo la mediana de estos
datos, entonces tendramos los siguientes resultados:
Range=(0,1000)
263
COMILLAS
INGENIERA (ICAI)
TBF

Ajust
e exponencial
0.0 0 0.0
3759.46 3163.74
00266 .859810 00316
medi
3163.741032
a

100 4
3
50 2
0 0
0 5000 10000 15000 0 5000 10000 15000
4 1
Min Cuad
Fiabilidad - R(t)
3 Max Ver
Med Rango
2 0.5
0 0
0 5000 10000 15000 0 5000 10000 15000
264
COMILLAS
INGENIERA (ICAI)
TTF
Se podra considerar que los TTF entre cero y 1000 horas son incidencias debidas a
datos, entonces tendramos los siguientes resultados:
Range=(0,1000)
TTF

Ajust
e exponencial
0.0 0 0.0
3760.05 3170.84
00266 .860634 00315
medi
3170.841384
a

100 4
3
50 2
0 0
0 5000 10000 15000 0 5000 10000 15000
4 1
Min Cuad
Fiabilidad - R(t)
3 Max Ver
Med Rango
2 0.5
0 0
0 5000 10000 15000 0 5000 10000 15000
265
COMILLAS
INGENIERA (ICAI)
TTR
TTR
Ta
Tasa _ Tiempo_ r Tiempo_
sa_ reparacn
reparacn _MC reparacn _MC_horas ^2 reparacn _MV_horas
Ajust _MV
e exponencial
0.0763 - 0.
13.10 3.56
62 0.120433 280623
medi
3.563499
a

100 6
4
50
2
0 0
0 2040 60 80 0 20 40 60 80
6 1
Min Cuad
Fiabilidad - R(t)
Max Ver
4
Med Rango
0.5
2
0 0
0 20 40 60 80 0 20 40 60 80
Se podra considerar que los tiempos de reparacin entre 0 y 10 horas son en realidad
tiempos de ajuste del mismo fallo, y no tiempos de reparacin de distintos fallos. Si eliminamos los
TTR entre 0 y 10 horas obtenemos los siguientes resultados:
266
COMILLAS
INGENIERA (ICAI)
TTR
Tas
a_ reparacn
reparacn _MC reparacn _MC_horas ^2 reparacn _MV_horas
Ajust _MV
e exponencial
0.0213 0 0.0
46.77 35.92
80 .885520 27843
medi
35.915556
a

80 2
1.5
60
1
40
0.5
20 0
0 2040 60 80 0 20 40 60 80
2 0.8
Min Cuad
Fiabilidad - R(t)
1.5 0.6 Max Ver

Med Rango
1 0.4
0.5 0.2
0 0
0 20 40 60 80 0 20 40 60 80
267
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
1.18 0 1 3304.
3252.32
9719 .907075 .1105828 57
me
3163.741032
dia
100 2
0
50
-2
0 -4
0 5000 10000 15000 4 6 8 10
-3
x 10
1 3
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver Max Ver

2
cdf
0.5
Plotting
1
0 0
0 5000 10000 15000 0 5000 10000 15000
268
COMILLAS
INGENIERA (ICAI)
TTF
TTF
Beta Mu r V Mu
Aj
uste Weibull
1.19 0 1 3315.
3264.24
0940 .906717 .1136348 06
me
3170.841384
dia
100 2
0
50
-2
0 -4
0 5000 10000 15000 4 6 8 10
-3
x 10
1 3
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver Max Ver

2
cdf
0.5
Plotting
1
0 0
0 5000 10000 15000 0 5000 10000 15000
269
COMILLAS
INGENIERA (ICAI)
TTR
TTR
Beta Mu r V Mu
Aj
uste Weibull
1.14 0 1
39.13 39.28
2169 .804257 .3093998
me
35.915556
dia
80 1
60 0
40 -1
20 -2
0 20 40 60 80 2.5 3 3.5 4 4.5
1 0.08
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 0.06 Max Ver

cdf
0.5 0.04
Plotting
0.02
0 0
0 20 40 60 80 0 20 40 60 80
270
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 28
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
271
COMILLAS
INGENIERA (ICAI)
Ajuste Exponencial
TBF
TBF
Ta Tiempo_al_fall r Tas Tiempo_al_fall

sa _fallos_MC o_MC_horas ^2 a_fallos_MV o_MV_horas
Ajust
e exponencial
0. 0 0.0
2028.21 973.78
000493 .393953 01027
medi
973.777773
a

100 6
4
50
2
0 0
0 5000 10000 15000 0 5000 10000 15000
6 1
Min Cuad
Fiabilidad - R(t)
Max Ver
4
Med Rango
0.5
2
0 0
0 5000 10000 15000 0 5000 10000 15000
Se podra considerar que los TBF entre cero y 1000 horas son incidencias debidas a
datos, entonces tendramos los siguientes resultados
272
COMILLAS
INGENIERA (ICAI)
TBF

Ajust
e exponencial
0. 0 0.0
3753.49 3104.49
000266 .803712 00322
medi
3104.492401
a

100 4
3
50 2
0 0
0 5000 10000 15000 0 5000 10000 15000
4 1
Min Cuad
Fiabilidad - R(t)
3 Max Ver
Med Rango
2 0.5
0 0
0 5000 10000 15000 0 5000 10000 15000
273
COMILLAS
INGENIERA (ICAI)
TTF
TTF

Ajust
e exponencial
0. 0 0.0
2027.42 970.99
000493 .391850 01030
medi
970.992949
a

100 6
4
50
2
0 0
0 5000 10000 15000 0 5000 10000 15000
6 1
Min Cuad
Fiabilidad - R(t)
Max Ver
4
Med Rango
0.5
2
0 0
0 5000 10000 15000 0 5000 10000 15000
274
COMILLAS
INGENIERA (ICAI)
Range=(0,1000)
TTF

Ajust
e exponencial
0. 0 0.0
3749.63 3096.52
000267 .803491 00323
medi
3096.524748
a

100 4
3
50 2
0 0
0 5000 10000 15000 0 5000 10000 15000
4 1
Min Cuad
Fiabilidad - R(t)
3 Max Ver
Med Rango
2 0.5
0 0
0 5000 10000 15000 0 5000 10000 15000
275
COMILLAS
INGENIERA (ICAI)
TTR
TTR
Tas
Tasa Tiempo_ r Tiempo_
a_ reparacin
_reparacin_MC reparacin _MC_horas ^2 reparacin _MV_horas
Ajust _MV
e exponencial
0.07639 - 0.3
13.09 2.67
7 0.297965 74397
medi
2.670963
a

100 6
4
50
2
0 0
0 20
40 60 80 0 20 40 60 80
6 1
Min Cuad
Fiabilidad - R(t)
Max Ver
4
Med Rango
0.5
2
0 0
0 20 40 60 80 0 20 40 60 80
276
COMILLAS
INGENIERA (ICAI)
Range=(0,10)
TTR
Tas
a_ reparacin
reparacin _MC reparacin _MC_horas ^2 reparacin _MV_horas
Ajust _MV
e exponencial
0.0213 0 0.0
46.73 30.63
97 .783688 32651
medi
30.626667
a

80 2
1.5
60
1
40
0.5
20 0
0 2040 60 80 0 20 40 60 80
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 20 40 60 80 0 20 40 60 80
277
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
1.20 0 0 3246.
3180.11
5094 .823184 .6593948 55
me
3104.492401
dia
100 2
50 -2
-4
0 -6
0 5000 10000 15000 4 6 8 10
-3
x 10
1 3
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver Max Ver

2
cdf
0.5
Plotting
1
0 0
0 5000 10000 15000 0 5000 10000 15000
278
COMILLAS
INGENIERA (ICAI)
TTF
TTF
Beta Mu r V Mu
Aj
uste Weibull
1.20 0 1 3235.
3167.99
3513 .823846 .1125148 55
me
3096.524748
dia
100 2
0
50
-2
0 -4
0 5000 10000 15000 4 6 8 10
-3
x 10
1 3
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver Max Ver

2
cdf
0.5
Plotting
1
0 0
0 5000 10000 15000 0 5000 10000 15000
279
COMILLAS
INGENIERA (ICAI)
TTR
TTR
Beta Mu r V Mu
Aj
uste Weibull
0.30 0 0
24.85 18.75
0280 .967161 .5020508
me
30.626667
dia
80 1
60 0
40 -1
20 -2
0 20 40 60 80 -2 0 2 4 6
1 0.02
Min Cuad Min Cuad
Fiabilidad - R(t)

cdf
0.5 0.01
Plotting
0.005
0 0
0 20 40 60 80 0 20 40 60 80
280
COMILLAS
INGENIERA (ICAI)
Temperatura Disparo Cojinete L. A.

D M A M F H H A T P
A ES O in ECHA
2 2 1 2 1 0 5 0 2
1 .006 9 ,76 1/09/2006
0 7:17 ,72 6 ,03 3
281
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 56
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
282
COMILLAS
INGENIERA (ICAI)
Ajuste Exponencial
TBF
TBF

Ajust
e exponencial
0. 0 0.0
31779.53 26292.00
000031 .950138 00038
medi
26291.999861
a

80 1.5
60 1
40 0.5
20 0
1 2 3 4 1 2 3 4
x 10 x 10
1.5 1
Min Cuad
Fiabilidad - R(t)
0.8 Max Ver

1
Med Rango
0.6
0.5
0.4
0 0.2
1 2 3 4 1 2 3 4
x 10 x 10
283
COMILLAS
INGENIERA (ICAI)
TTF
TTF

Ajust
e exponencial
0. 0 0.0
31773.05 26283.34
000031 .950496 00038
medi
26283.340556
a

80 1.5
60 1
40 0.5
20 0
1 2 3 4 1 2 3 4
x 10 x 10
1.5 1
Min Cuad
Fiabilidad - R(t)
0.8 Max Ver

1
Med Rango
0.6
0.5
0.4
0 0.2
1 2 3 4 1 2 3 4
x 10 x 10
TTR
Slo hay un dato.
284
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
1.39 32297.4 1 2 2979
9042 0 .000000 .6360348 1.15
me
26291.999861
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
1 2 3 4 9.5 10 10.5 11
x 10
-5
x 10
1 6
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 4 Max Ver

cdf
0.5
Plotting
2
0 0
1 2 3 4 1 2 3 4
x 10 x 10
285
COMILLAS
INGENIERA (ICAI)
TTF
TTF
Beta Mu r V Mu
Aj
uste Weibull
1.39 32291.3 1 2 2978
7284 1 .000000 .6327218 2.50
me
26283.340556
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
1 2 3 4 9.5 10 10.5 11
x 10
-5
x 10
1 6
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 4 Max Ver

cdf
0.5
Plotting
2
0 0
1 2 3 4 1 2 3 4
x 10 x 10
TTR
Slo hay un dato.
286
COMILLAS
INGENIERA (ICAI)
Retrofit Equipos
D M A M F H H A T P
A ES O in ECHA
2 4 0 1 0 2 1 5
.006
2 8 2,72 2/08/2006
1 1:39 ,49 8 ,71 69
2 1 2 3 2 1 0 2 0 2
0 2 .006 2,96 0/12/2006
0 5:30 ,65 8 ,55 64
2 1 2 1 2 9 0 5 1
6 2 .006 5 6/12/2006
1 :06 ,38 6 ,25 0
2 2 1 2 1 0 2 4 7
5 .007 5 5 5/05/2007
4 3:35 ,57 8 ,25 5
2 4 0 8 0 5 3 5
.007
3 7 3,5 3/07/2007
3 :40 ,36 6 ,73 0
1 1 2 1 1 0 5 0
3 1 .007 3/11/2007
0 0 2:00 ,50 6 ,00 0
1 1 2 1 1 0 2 0
5 1 .007 5/11/2007
0 0 0:30 ,44 8 ,00 0
287
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 56
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
288
COMILLAS
INGENIERA (ICAI)
Ajuste Exponencial
TBF
TBF

Ajust
e exponencial
0. 0 0.0
15581.48 13146.00
000064 .953800 00076
medi
13145.999931
a

100 2
1.5
50 1
0.5
0 0
0 1 2 3 0 1 2 3
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 1 2 3 0 1 2 3
x 10 x 10
289
COMILLAS
INGENIERA (ICAI)
TTF
TTF

Ajust
e exponencial
0. 0 0.0
15578.66 13142.48
000064 .953912 00076
medi
13142.479722
a

100 2
1.5
50 1
0.5
0 0
0 1 2 3 0 1 2 3
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 1 2 3 0 1 2 3
x 10 x 10
290
COMILLAS
INGENIERA (ICAI)
TTR
TTR
Tas
a_ reparacin
Ajust _MV
e exponencial
0.4374 0 0.6
2.29 1.66
63 .918232 03015
medi
1.658333
a

80 2
1.5
60
1
40
0.5
20 0
0 21 3 4 0 1 2 3 4
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 1 2 3 4 0 1 2 3 4
291
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
1.02 14550.1 0 1 1425
2977 3 .904177 .2918768 0.73
me
13145.999931
dia
100 1
0
50
-1
0 -2
0 1 2 3 8 9 10 11
x 10
-4
x 10
1 1.5
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 1 Max Ver

cdf
0.5
Plotting
0.5
0 0
0 1 2 3 0 1 2 3
x 10 x 10
292
COMILLAS
INGENIERA (ICAI)
TTF
TTF
Beta Mu r V Mu
Aj
uste Weibull
1.02 14546.0 0 1 1424
2521 1 .904378 .2918768 5.82
me
13142.479722
dia
100 1
0
50
-1
0 -2
0 1 2 3 8 9 10 11
x 10
-4
x 10
1 1.5
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 1 Max Ver

cdf
0.5
Plotting
0.5
0 0
0 1 2 3 0 1 2 3
x 10 x 10
293
COMILLAS
INGENIERA (ICAI)
TTR
TTR
Beta Mu r V Mu
Aj
uste Weibull
1.16 1 2
3.11 2.83
6226 .000000 .1973688
me
2.487500
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
1 2 3 4 0 0.5 1 1.5
1 0.5
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 0.4 Max Ver

cdf
0.5 Plotting 0.3
0.2
0 0.1
1 2 3 4 1 2 3 4
294
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 28
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
295
COMILLAS
INGENIERA (ICAI)
Ajuste Exponencial
TBF

Ajust
e exponencial
0. 0 0.0
12849.63 10516.80
000078 .923920 00095
medi
10516.799944
a

100 3
2
50
1
0 0
0 1 2 3 0 1 2 3
x 10 x 10
3 1
Min Cuad
Fiabilidad - R(t)
Max Ver
2
Med Rango
0.5
1
0 0
0 1 2 3 0 1 2 3
x 10 x 10
296
COMILLAS
INGENIERA (ICAI)
TTF
TTF

Ajust
e exponencial
0. 0 0.0
12847.58 10513.17
000078 .923763 00095
medi
10513.166944
a

100 3
2
50
1
0 0
0 1 2 3 0 1 2 3
x 10 x 10
3 1
Min Cuad
Fiabilidad - R(t)
Max Ver
2
Med Rango
0.5
1
0 0
0 1 2 3 0 1 2 3
x 10 x 10
297
COMILLAS
INGENIERA (ICAI)
TTR
TTR
Tas
a_ reparacin
Ajust _MV
e exponencial
0.9201 0 2.1
0.455982 10513.17
82 .923763 9
medi
1.627500
a

100 2
1.5
50 1
0.5
0 0
0 2 4 6 0 2 4 6
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 2 4 6 0 2 4 6
298
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
1.26 10686.4 0 1 1125
4206 2 .764430 .1972778 1.11
me
10516.799944
dia
100 2
50 0
-1
0 -2
0 1 2 3 8 9 10 11
x 10
-4
x 10
1 4
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 3 Max Ver

cdf
0.5 2
Plotting
1
0 0
0 1 2 3 0 1 2 3
x 10 x 10
299
COMILLAS
INGENIERA (ICAI)
TTF
TTF
Beta Mu r V Mu
Aj
uste Weibull
1.26 10681.2 0 1 1124
4145 5 .764285 .1969428 6.38
me
10513.166944
dia
100 2
50 0
-1
0 -2
0 1 2 3 8 9 10 11
x 10
-4
x 10
1 4
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 3 Max Ver

cdf
0.5 2
Plotting
1
0 0
0 1 2 3 0 1 2 3
x 10 x 10
300
COMILLAS
INGENIERA (ICAI)
TTR
TTF
Beta Mu r V Mu
Aj
uste Weibull
0.94 0 1
2.58 2.39
3022 .999614 .4089718
me
2.170000
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
0 2 4 6 -1 0 1 2
1 0.8
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 0.6 Max Ver

cdf
0.5 Plotting 0.4
0.2
0 0
0 2 4 6 0 2 4 6
301
COMILLAS
INGENIERA (ICAI)
Fallo General
D M A M F H H A T P
A ES O in ECHA
2 1 0 2 0 5 0 1
,007
7 3 3 7/03/2007
0 3:24 .98 6 .22 52
AEROGENERAGOR 56
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
302
COMILLAS
INGENIERA (ICAI)
Ajuste Exponencial
TBF
TTB

Ajust
e exponencial
0. 0 0.0
31059.24 26292.00
000032 .754116 00038
medi
26291.999861
a

80 1.5
60 1
40 0.5
20 0
1.5 2 2.5 3 3.5 1.5 2 2.5 3 3.5
x 10 x 10
1.5 1
Min Cuad
Fiabilidad - R(t)
0.8 Max Ver

1
Med Rango
0.6
0.5
0.4
0 0.2
1 2 3 4 1.5 2 2.5 3 3.5
x 10 x 10
303
COMILLAS
INGENIERA (ICAI)
TTF
TTF

Ajust
e exponencial
0. 0 0.0
31045.67 26280.19
000032 .755144 00038
medi
26280.191528
a

80 1.5
60 1
40 0.5
20 0
1.5 2 2.5 3 3.5 1.5 2 2.5 3 3.5
x 10 x 10
1.5 1
Min Cuad
Fiabilidad - R(t)
0.8 Max Ver

1
Med Rango
0.6
0.5
0.4
0 0.2
1 2 3 4 1.5 2 2.5 3 3.5
x 10 x 10
TTR
Slo hay un dato.
304
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
2.26 30538.3 1 4 2905
9523 7 .000000 .2761688 4.99
me
26291.999861
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
1.5 2 2.5 3 3.5 9.5 10 10.5 11
x 10
-5
x 10
1 10
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 8 Max Ver

cdf
0.5 6
Plotting
4
0 2
1.5 2 2.5 3 3.5 1.5 2 2.5 3 3.5
x 10 x 10
305
COMILLAS
INGENIERA (ICAI)
TTF
TBF
Beta Mu r V Mu
Aj
uste Weibull
2.26 30532.0 1 4 2904
4602 7 .000000 .2668978 5.85
me
26280.191528
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
1.5 2 2.5 3 3.5 9.5 10 10.5 11
x 10
-5
x 10
1 10
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 8 Max Ver

cdf
0.5 6
Plotting
4
0 2
1.5 2 2.5 3 3.5 1.5 2 2.5 3 3.5
x 10 x 10
TTR
Slo hay un dato.
306
COMILLAS
INGENIERA (ICAI)
Serie de Emergencia Top

D M A M F H H A T P
A ES O H in ECHA ORA ORA EN DIAS EROG (h) roducc. perd.
1 2 4 1 1 0 5 1 7
9 8 .007 1 ,03 9/08/2007 9:03 ,79 6 ,07 43
1 2 9 1 2 0 5 0 2
3 1 .009 0 ,02 3/01/2009 1:57 ,91 6 ,15 7
1 2 1 0 9 0 2 0
2 8 .009 0 0,86 8/12/2009 :23 ,39 8 ,18 5
2 2 5 2 8 0 2 2 6
5 3 .010 2 ,01 5/03/2010 :41 ,36 8 ,08 20
307
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 56
Frecuencia con la que ocurren las incidencias
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
308
COMILLAS
INGENIERA (ICAI)
Ajuste Exponencial
TBF
TBF

Ajust
e exponencial
0. 0 0.0
19127.72 17528.00
000052 .623820 00057
medi
17527.999907
a

80 2
1.5
60
1
40
0.5
20 0
1 1.5 2 2.5 1 1.5 2 2.5
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 0.8 Max Ver

Med Rango
1 0.6
0.5 0.4
0 0.2
0 1 2 3 4 1 1.5 2 2.5
x 10 x 10
309
COMILLAS
INGENIERA (ICAI)
TTF
TTF

Ajust
e exponencial
0. 0 0.0
19121.33 17521.24
000052 .623078 00057
medi
17521.239884
a

80 2
1.5
60
1
40
0.5
20 0
1 1.5 2 2.5 1 1.5 2 2.5
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 0.8 Max Ver

Med Rango
1 0.6
0.5 0.4
0 0.2
0 1 2 3 4 1 1.5 2 2.5
x 10 x 10
310
COMILLAS
INGENIERA (ICAI)
TTR
TTF
Tas
a_ reparacin
Ajust _MV
e exponencial
1.1766 0 1.6
0.85 0.61
83 .926927 42614
medi
0.608786
a

80 1.5
60 1
40 0.5
20 0
0 0.5 1 1.5 0 0.5 1 1.5
1.5 1
Min Cuad
Fiabilidad - R(t)
Max Ver
1
Med Rango
0.5
0.5
0 0
0 0.5 1 1.5 0 0.5 1 1.5
311
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
3.08 19695.2 0 4 1925
0353 3 .998062 .5365668 2.50
me
17527.999907
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
1 1.5 2 2.5 9 9.5 10 10.5
x 10
-4
x 10
1 4
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 3 Max Ver

cdf
0.5 2
Plotting
1
0 0
1 1.5 2 2.5 1 1.5 2 2.5
x 10 x 10
312
COMILLAS
INGENIERA (ICAI)
TTF
TTF
Beta Mu r V Mu
Aj
uste Weibull
3.08 19685.9 0 4 1924
3771 3 .998138 .5439388 3.31
me
17521.239884
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
1 1.5 2 2.5 9 9.5 10 10.5
x 10
-4
x 10
1 4
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 3 Max Ver

cdf
0.5 2
Plotting
1
0 0
1 1.5 2 2.5 1 1.5 2 2.5
x 10 x 10
313
COMILLAS
INGENIERA (ICAI)
TTR
TTR
Beta Mu r V Mu
Aj
uste Weibull
0.64 1 1
0.77 0.65
9717 .000000 .2241788
me
0.608786
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
0 0.5 1 1.5 -2 -1 0 1
1 1.5
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver Max Ver

1
cdf
0.5 Plotting
0.5
0 0
0 0.5 1 1.5 0 0.5 1 1.5
314
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 28
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
315
COMILLAS
INGENIERA (ICAI)
Ajuste Exponencial
TBF
TBF

Ajust
e exponencial
0. 0 0.0
26118.93 17528.00
000038 .774880 00057
medi
17527.999907
a

80 2
1.5
60
1
40
0.5
20 0
0 2 4 6 0 2 4 6
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 2 4 6 0 2 4 6
x 10 x 10
316
COMILLAS
INGENIERA (ICAI)
TTF
TTF

Ajust
e exponencial
0. 0 0.0
26113.30 17524.12
000038 .774862 00057
medi
17524.115167
a

80 2
1.5
60
1
40
0.5
20 0
0 2 4 6 0 2 4 6
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 2 4 6 0 2 4 6
x 10 x 10
317
COMILLAS
INGENIERA (ICAI)
TTR
TTR
Tas
a_ reparacin
Ajust _MV
e exponencial
0.6012 0 0.8
1.66 1.13
23 .857424 83197
medi
1.132250
a

80 1.5
60 1
40 0.5
20 0
0 1 2 3 0 1 2 3
1.5 1
Min Cuad
Fiabilidad - R(t)
Max Ver
1
Med Rango
0.5
0.5
0 0
0 1 2 3 0 1 2 3
318
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
0.69 17554.5 0 0 1660
6812 9 .932716 .9010208 7.84
me
17527.999907
dia
80 1
60 0
40 -1
20 -2
0 2 4 6 7 8 9 10 11
x 10
-5
x 10
1 8
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 6 Max Ver

cdf
0.5 4
Plotting
2
0 0
0 2 4 6 0 2 4 6
x 10 x 10
319
COMILLAS
INGENIERA (ICAI)
TTF
TTF
Beta Mu r V Mu
Aj
uste Weibull
0.69 17550.4 0 0 1660
6853 3 .932679 .9010328 4.28
me
17524.115167
dia
80 1
60 0
40 -1
20 -2
0 2 4 6 7 8 9 10 11
x 10
-5
x 10
1 8
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 6 Max Ver

cdf
0.5 4
Plotting
2
0 0
0 2 4 6 0 2 4 6
x 10 x 10
320
COMILLAS
INGENIERA (ICAI)
TTR
TTR
Beta Mu r V Mu
Aj
uste Weibull
0.52 1 0
1.40 1.12
1191 .000000 .9820128
me
1.132250
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
0 1 2 3 -2 -1 0 1
1 0.5
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 0.4 Max Ver

cdf
0.5 Plotting 0.3
0.2
0 0.1
0 1 2 3 0 1 2 3
321
COMILLAS
INGENIERA (ICAI)
Reparacin con Aerog. en Marcha

D ME A FE HO HO AE
A S O H Min CHA RA RA EN DIAS ROG (h
2 2.0 25, 21/ 17: 0,7
1 11 07 0 54 11/2007 14 2 56 3
2.0 01/ 14: 0,6
1 4 08 0 0 04/2008 30 0 56 0
2.0 02/ 14: 0,6
2 4 08 0 0 04/2008 30 0 28 0
2.0 02/ 12: 0,5
2 12 09 0 0 12/2009 30 2 56 0
2 2.0 23/ 12: 0,5
3 12 09 0 0 12/2009 00 0 28 0
2 2.0 23/ 15: 0,6
3 12 09 0 0 12/2009 00 3 56 0
2 2.0 28/ 14: 0,6
8 12 09 0 0 12/2009 30 0 56 0
322
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 56
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
323
COMILLAS
INGENIERA (ICAI)
Ajuste Exponencial
TBF
TBF

Ajust
e exponencial
0. 0 0.0
11105.41 8764.00
000090 .947122 00114
medi
8763.999954
a

100 3
2
50
1
0 0
0 1 2 3 0 1 2 3
x 10 x 10
3 1
Min Cuad
Fiabilidad - R(t)
Max Ver
2
Med Rango
0.5
1
0 0
0 1 2 3 0 1 2 3
x 10 x 10
324
COMILLAS
INGENIERA (ICAI)
TTF
TTF

Ajust
e exponencial
0. 0 0.0
11100.12 8761.06
000090 .947184 00114
medi
8761.055234
a

100 3
2
50
1
0 0
0 1 2 3 0 1 2 3
x 10 x 10
3 1
Min Cuad
Fiabilidad - R(t)
Max Ver
2
Med Rango
0.5
1
0 0
0 1 2 3 0 1 2 3
x 10 x 10
325
COMILLAS
INGENIERA (ICAI)
TTR
Slo hay un dato que no es cero.
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
0.51 0 0 7119.
7736.42
4850 .973173 .6906908 47
me
8763.999954
dia
100 1
50 -1
-2
0 -3
0 1 2 3 4 6 8 10 12
x 10
-4
x 10
1 1.5
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver Max Ver

1
cdf
0.5
Plotting
0.5
0 0
0 1 2 3 0 1 2 3
x 10 x 10
326
COMILLAS
INGENIERA (ICAI)
TTF
TTF
Beta Mu r V Mu
Aj
uste Weibull
0.51 0 0 7117.
7734.77
4891 .973150 .6907818 96
me
8761.055234
dia
100 1
50 -1
-2
0 -3
0 1 2 3 4 6 8 10 12
x 10
-4
x 10
1 1.5
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 1 Max Ver

cdf
0.5
Plotting
0.5
0 0
0 1 2 3 0 1 2 3
x 10 x 10
TTR
Slo hay un dato que no es cero.
327
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 28
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
328
COMILLAS
INGENIERA (ICAI)
Ajuste Exponencial
TBF
TBF

Ajust
e exponencial
0. 0 0.0
19469.50 17528.00
000051 .922055 00057
medi
17527.999907
a

80 2
1.5
60
1
40
0.5
20 0
0 1 2 3 0 1 2 3
x 10 x 10
2 0.8
Min Cuad
Fiabilidad - R(t)
1.5 0.6 Max Ver

Med Rango
1 0.4
0.5 0.2
0 0
0 1 2 3 4 0 1 2 3
x 10 x 10
329
COMILLAS
INGENIERA (ICAI)
TTF
TTF

Ajust
e exponencial
0. 0 0.0
19462.90 17523.17
000051 .921871 00057
medi
17523.166574
a

80 2
1.5
60
1
40
0.5
20 0
0 1 2 3 0 1 2 3
x 10 x 10
2 0.8
Min Cuad
Fiabilidad - R(t)
1.5 0.6 Max Ver

Med Rango
1 0.4
0.5 0.2
0 0
0 1 2 3 4 0 1 2 3
x 10 x 10
TTR
Los dos datos son cero.
330
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
1.68 20604.7 0 2 1990
3436 1 .980974 .3442288 1.99
me
17527.999907
dia
80 1
60 0
40 -1
20 -2
0 1 2 3 9 9.5 10 10.5
x 10
-4
x 10
1 1.5
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 1 Max Ver

cdf
0.5
Plotting
0.5
0 0
0 1 2 3 0 1 2 3
x 10 x 10
331
COMILLAS
INGENIERA (ICAI)
TTF
TTF
Beta Mu r V Mu
Aj
uste Weibull
1.68 20598.8 0 2 1989
4145 5 .981036 .3455358 6.25
me
17523.166574
dia
80 1
60 0
40 -1
20 -2
0 1 2 3 9 9.5 10 10.5
x 10
-4
x 10
1 1.5
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 1 Max Ver

cdf
0.5
Plotting
0.5
0 0
0 1 2 3 0 1 2 3
x 10 x 10
TTR
Los dos datos son cero.
332
COMILLAS
INGENIERA (ICAI)
Sobrevelocidad Elctrica
D M A M F H H A T P
A ES O in ECHA
1 2 2 1 1 0 2 0 2
9 .006 2 ,2 9/02/2006
0 1:56 ,50 8 ,04 3
2 3 0 3 0 2 0 3
.007
8 3 0 8/03/2007
0 :43 ,16 8 ,50 50
2 3 0 1 0 5 0 4
.008
6 3 7,55 6/03/2008
0 5:18 ,64 6 ,63 43
2 2 2 2 0 0 5 0 1
4 .009 1 ,93 4/01/2009
0 :44 ,03 6 ,05 2
2 2 2 2 1 0 2 0 2
4 .009 1 5,2 4/01/2009
0 3:09 ,55 8 ,42 80
333
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 56
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
334
COMILLAS
INGENIERA (ICAI)
Ajuste Exponencial
TBF
TBF

Ajust
e exponencial
0. 0 0.0
19523.52 17528.00
000051 .912384 00057
medi
17527.999907
a

80 2
1.5
60
1
40
0.5
20 0
0 1 2 3 0 1 2 3
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 0.8 Max Ver

Med Rango
1 0.6
0.5 0.4
0 0.2
0 1 2 3 4 0 1 2 3
x 10 x 10
335
COMILLAS
INGENIERA (ICAI)
TTF
TTF

Ajust
e exponencial
0. 0 0.0
19516.78 17522.67
000051 .912140 00057
medi
17522.671500
a

80 2
1.5
60
1
40
0.5
20 0
0 1 2 3 0 1 2 3
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 0.8 Max Ver

Med Rango
1 0.6
0.5 0.4
0 0.2
0 1 2 3 4 0 1 2 3
x 10 x 10
336
COMILLAS
INGENIERA (ICAI)
TTR
TTR
Tas
a_ reparacin
Ajust _MV
e exponencial
1.9862 0 2.9
0.50 0.34
78 .843020 46231
medi
0.339417
a

80 1.5
60 1
40 0.5
20 0
0 0.20.4 0.6 0.8 0 0.2 0.4 0.6 0.8
1.5 1
Min Cuad
Fiabilidad - R(t)
Max Ver
1
Med Rango
0.5
0.5
0 0
0 0.2 0.4 0.6 0.8 0 0.2 0.4 0.6 0.8
337
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
1.50 20936.4 0 2 1987
0776 3 .997895 .3298558 2.76
me
17527.999907
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
0 1 2 3 8.5 9 9.5 10 10.5
x 10
-4
x 10
1 1.5
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 1 Max Ver

cdf
0.5
Plotting
0.5
0 0
0 1 2 3 0 1 2 3
x 10 x 10
338
COMILLAS
INGENIERA (ICAI)
TTF
TTF
Beta Mu r V Mu
Aj
uste Weibull
1.50 20929.8 0 2 1986
1286 3 .997866 .3310848 6.53
me
17522.671500
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
0 1 2 3 8.5 9 9.5 10 10.5
x 10
-4
x 10
1 1.5
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 1 Max Ver

cdf
0.5
Plotting
0.5
0 0
0 1 2 3 0 1 2 3
x 10 x 10
339
COMILLAS
INGENIERA (ICAI)
TTR
TTR
Beta Mu r V Mu
Aj
uste Weibull
0.49 1 0
0.41 0.33
7957 .000000 .9382368
me
0.339417
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
0 0.2 0.4 0.6 0.8 -4 -3 -2 -1 0
1 1.5
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver Max Ver

1
cdf
0.5
Plotting
0.5
0 0
0 0.2 0.4 0.6 0.8 0 0.2 0.4 0.6 0.8
340
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 28
Frecuencia con que ocurren las incidencias
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
341
COMILLAS
INGENIERA (ICAI)
Ajuste Exponencial
TBF
TBF

Ajust
e exponencial
0. 0 0.0
13938.96 13146.00
000072 .538685 00076
medi
13145.999931
a

100 2
1.5
50 1
0.5
0 0
0.5 1 1.5 2 0.5 1 1.5 2
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 1 2 3 0.5 1 1.5 2
x 10 x 10
342
COMILLAS
INGENIERA (ICAI)
TTF
TTF

Ajust
e exponencial
0. 0 0.0
13935.77 13142.78
000072 .538918 00076
medi
13142.776528
a

100 2
1.5
50 1
0.5
0 0
0.5 1 1.5 2 0.5 1 1.5 2
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 1 2 3 0.5 1 1.5 2
x 10 x 10
343
COMILLAS
INGENIERA (ICAI)
TTR
TTR
Tas
a_ reparacin
Ajust _MV
e exponencial
2.5480 0 3.1
0.39 0.32
56 .731633 25000
medi
0.320000
a

80 2
1.5
60
1
40
0.5
20 0
0 0.2
0.4 0.6 0.8 0 0.2 0.4 0.6 0.8
2 1
Min Cuad
Fiabilidad - R(t)
1.5 0.8 Max Ver

Med Rango
1 0.6
0.5 0.4
0 0.2
0 0.2 0.4 0.6 0.8 0 0.2 0.4 0.6 0.8
344
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
3.37 14559.1 0 4 1452
9457 9 .836114 .2646618 9.35
me
13145.999931
dia
100 1
0
50
-1
0 -2
0.5 1 1.5 2 9 9.5 10
x 10
-4
x 10
1 4
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 3 Max Ver

cdf
0.5 2
Plotting
1
0 0
0.5 1 1.5 2 0.5 1 1.5 2
x 10 x 10
345
COMILLAS
INGENIERA (ICAI)
TTF
TTF
Beta Mu r V Mu
Aj
uste Weibull
3.37 14555.1 0 4 1452
8510 8 .835148 .2602938 6.70
me
13142.776528
dia
100 1
0
50
-1
0 -2
0.5 1 1.5 2 9 9.5 10
x 10
-4
x 10
1 4
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 3 Max Ver

cdf
0.5 2
Plotting
1
0 0
0.5 1 1.5 2 0.5 1 1.5 2
x 10 x 10
346
COMILLAS
INGENIERA (ICAI)
TTR
TTR
Beta Mu r V Mu
Aj
uste Weibull
0.73 0 1
0.38 0.34
7016 .863124 .2952698
me
0.320000
dia
80 1
60 0
40 -1
20 -2
0 0.2 0.4 0.6 0.8 -4 -3 -2 -1 0
1 3
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver Max Ver

2
cdf
0.5
Plotting
1
0 0
0 0.2 0.4 0.6 0.8 0 0.2 0.4 0.6 0.8
347
COMILLAS
INGENIERA (ICAI)
Error de Sincronismo
D M A M F H H A T P
A ES O in ECHA
2 2 5 2 1 0 2 1 2
8 .008 7 4,02 8/07/2008
1 3:15 ,55 8 ,90 14
3 2 2 3 1 0 2 1 8
0 .008 7 8,43 0/07/2008
1 3:46 ,57 8 ,47 8
2 1 0 1 0 2 2 3
.008
4 8 9,35 4/08/2008
2 4:54 ,62 8 ,32 2
2 4 0 1 0 2 0 1
.008
6 8 5,1 6/08/2008
0 1:39 ,49 8 ,75 5
2 1 0 1 0 2 0 2
.008
6 8 3,43 6/08/2008
0 3:43 ,57 8 ,22 5
3 1 2 0 3 1 0 5 0
0 1 .008 ,16 0/11/2008
0 4:53 ,62 6 ,00 0
1 2 2 1 1 0 2 0
2 .009 5 6,1 2/05/2009
0 4:53 ,62 8 ,44 6
1 2 3 1 1 0 2 0 2
4 .009 5 ,19 4/05/2009
0 5:41 ,65 8 ,05 3
1 2 7 1 1 0 2 0
3 .009 6 ,87 3/06/2009
0 3:44 ,57 8 ,13 8
1 2 1 1 1 0 2 0
7 .009 6 ,47 7/06/2009
0 9:00 ,79 8 ,02 1
1 2 1 1 0 0 2 1 2
8 .009 61 8/06/2009
0 :28 ,02 8 1,00 .548
1 2 2 1 1 0 2 0 6
8 .009 6 4 8/06/2009
0 4:31 ,60 8 ,40 0
1 2 8 1 4 0 2 0
9 .009 6 ,52 9/06/2009
0 :03 ,17 8 ,14 3
1 2 5 1 1 0 2 3 2
9 .009 6 7 9/06/2009
3 3:26 ,56 8 ,95 .032
348
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 56
Frecuencia con que acurren las incidencias
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
349
COMILLAS
INGENIERA (ICAI)
Ajuste Exponencial
TBF
TBF

Ajust
e exponencial
0. 0 00.
31108.05 26292.00
000032 .808137 000038
medi
26291.999861
a

80 1.5
60 1
40 0.5
20 0
1.5 2 2.5 3 3.5 1.5 2 2.5 3 3.5
x 10 x 10
1.5 1
Min Cuad
Fiabilidad - R(t)
0.8 Max Ver

1
Med Rango
0.6
0.5
0.4
0 0.2
1 2 3 4 1.5 2 2.5 3 3.5
x 10 x 10
350
COMILLAS
INGENIERA (ICAI)
TTF
TTF

Ajust
e exponencial
0. 0 00.
31098.77 26284.55
000032 .807822 000038
medi
26284.554583
a

80 1.5
60 1
40 0.5
20 0
1.5 2 2.5 3 3.5 1.5 2 2.5 3 3.5
x 10 x 10
1.5 1
Min Cuad
Fiabilidad - R(t)
0.8 Max Ver

1
Med Rango
0.6
0.5
0.4
0 0.2
1 2 3 4 1.5 2 2.5 3 3.5
x 10 x 10
TTR
Slo hay un dato.
351
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
2.02 30944.0 1 3 2926
1212 4 .000000 .8083098 1.41
me
26291.999861
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
1.5 2 2.5 3 3.5 9.5 10 10.5 11
x 10
-5
x 10
1 10
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 8 Max Ver

cdf
0.5 6
Plotting
4
0 2
1.5 2 2.5 3 3.5 1.5 2 2.5 3 3.5
x 10 x 10
352
COMILLAS
INGENIERA (ICAI)
TTF
TTF
Beta Mu r V Mu
Aj
uste Weibull
2.02 30932.8 1 3 2925
2606 1 .000000 .8109348 1.91
me
26284.554583
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
1.5 2 2.5 3 3.5 9.5 10 10.5 11
x 10
-5
x 10
1 10
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 8 Max Ver

cdf
0.5 6
Plotting
4
0 2
1.5 2 2.5 3 3.5 1.5 2 2.5 3 3.5
x 10 x 10
TTR
Slo hay un punto.
353
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 28
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
354
COMILLAS
INGENIERA (ICAI)
Ajuste Exponencial
TBF
TBF

Ajust
e exponencial
0. 0 0.0
8876.31 3756.00
000113 .298611 00266
medi
3755.999980
a

100 4
3
50 2
0 0
0 1 2 3 4 0 1 2 3 4
x 10 x 10
4 1
Min Cuad
Fiabilidad - R(t)
3 Max Ver
Med Rango
2 0.5
0 0
0 1 2 3 4 0 1 2 3 4
x 10 x 10
355
COMILLAS
INGENIERA (ICAI)
Range=(0,5000)
TBF

Ajust
e exponencial
0. 0 0.0
16380.94 12875.43
000061 .963424 00078
medi
12875.431111
a

100 2
1.5
50 1
0.5
0 0
0 1 2 3 4 0 1 2 3 4
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 1 2 3 4 0 1 2 3 4
x 10 x 10
356
COMILLAS
INGENIERA (ICAI)
TTF
TTF

Ajust
e exponencial
0. 0 0.0
8873.07 3753.42
000113 .298534 00266
medi
3753.424091
a

100 4
3
50 2
0 0
0 1 2 3 4 0 1 2 3 4
x 10 x 10
4 1
Min Cuad
Fiabilidad - R(t)
3 Max Ver
Med Rango
2 0.5
0 0
0 1 2 3 4 0 1 2 3 4
x 10 x 10
357
COMILLAS
INGENIERA (ICAI)
Range=(0,5000)
TTF

Ajust
e exponencial
0. 0 0.0
16374.55 12870.49
000061 .963427 00078
medi
12870.492375
a

100 2
1.5
50 1
0.5
0 0
0 1 2 3 4 0 1 2 3 4
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 1 2 3 4 0 1 2 3 4
x 10 x 10
358
COMILLAS
INGENIERA (ICAI)
TTR
TTR
Tas
a_ reparacin
Ajust _MV
e exponencial
0.3339 0 0.5
2.99 1.75
24 .586650 70080
medi
1.754141
a

100 3
2
50
1
0 0
0 5 10 15 0 5 10 15
3 1
Min Cuad
Fiabilidad - R(t)
Max Ver
2
Med Rango
0.5
1
0 0
0 5 10 15 0 5 10 15
359
COMILLAS
INGENIERA (ICAI)
Range=(0,1.5)
TTR
Tas
a_ reparacin
Ajust _MV
e exponencial
0.1478 0 0.1
6.77 5.12
12 .953899 95440
medi
5.116667
a

80 2
1.5
60
1
40
0.5
20 0
0 5 10 15 0 5 10 15
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 5 10 15 0 5 10 15
360
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
0.36 12435.5 0 0 1014
4400 2 .881306 .6149488 2.21
me
12875.431111
dia
100 1
50 -1
-2
0 -3
0 1 2 3 4 0 5 10 15
x 10
-5
x 10
1 6
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 4 Max Ver

cdf
0.5
Plotting
2
0 0
0 1 2 3 4 0 1 2 3 4
x 10 x 10
361
COMILLAS
INGENIERA (ICAI)
TTF
TTF
Beta Mu r V Mu
Aj
uste Weibull
0.36 12398.9 0 0 1009
1486 5 .880038 .6106488 7.41
me
12870.492375
dia
100 1
50 -1
-2
0 -3
0 1 2 3 4 0 5 10 15
x 10
-5
x 10
1 6
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 4 Max Ver

cdf
0.5
Plotting
2
0 0
0 1 2 3 4 0 1 2 3 4
x 10 x 10
362
COMILLAS
INGENIERA (ICAI)
TTR
TTR
Beta Mu r V Mu
Aj
uste Weibull
0.57 0 0
5.76 4.98
4360 .982083 .9369138
me
5.116667
dia
80 1
60 0
40 -1
20 -2
0 5 10 15 -1 0 1 2 3
1 0.2
Min Cuad Min Cuad
Fiabilidad - R(t)

cdf
0.5 0.1
Plotting
0.05
0 0
0 5 10 15 0 5 10 15
363
COMILLAS
INGENIERA (ICAI)
Velocidad Rotor # Velocidad Generador

D M A M F H H A T P
A ES O in ECHA
2 1 0 6 0 2 2 5
.008
3 1 7,77 3/01/2008
2 :55 ,29 8 ,30 87
2 2 1 2 2 0 2 1 2
8 .009 6 ,5 8/06/2009
1 0:55 ,87 8 ,03 06
2 2 5 2 2 0 5 2 2
8 .009 6 ,19 8/06/2009
2 0:58 ,87 6 ,09 43
364
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 56
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
365
COMILLAS
INGENIERA (ICAI)
Ajuste Exponencial
TBF
TBF

Ajust
e exponencial
0. 0 0.0
32493.39 26292.00
000031 .989052 00038
medi
26291.999861
a

80 1.5
60 1
40 0.5
20 0
1 2 3 4 1 2 3 4
x 10 x 10
1.5 1
Min Cuad
Fiabilidad - R(t)
0.8 Max Ver

1
Med Rango
0.6
0.5
0.4
0 0.2
1 2 3 4 5 1 2 3 4
x 10 x 10
366
COMILLAS
INGENIERA (ICAI)
TTF
TTF

Ajust
e exponencial
0. 0 0.0
32477.50 26280.47
000031 .989004 00038
medi
26280.468000
a

80 1.5
60 1
40 0.5
20 0
1 2 3 4 1 2 3 4
x 10 x 10
1.5 1
Min Cuad
Fiabilidad - R(t)
0.8 Max Ver

1
Med Rango
0.6
0.5
0.4
0 0.2
1 2 3 4 5 1 2 3 4
x 10 x 10
TTR
Slo hay un dato.
367
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
1.16 32914.7 1 2 2987
7843 3 .000000 .2004158 8.93
me
26291.999861
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
1 2 3 4 9 9.5 10 10.5 11
x 10
-5
x 10
1 5
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 4 Max Ver

cdf
0.5 3
Plotting
2
0 1
1 2 3 4 1 2 3 4
x 10 x 10
368
COMILLAS
INGENIERA (ICAI)
TTF
TTF
Beta Mu r V Mu
Aj
uste Weibull
1.16 32899.2 1 2 2986
8245 1 .000000 .2011738 5.84
me
26280.468000
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
1 2 3 4 9 9.5 10 10.5 11
x 10
-5
x 10
1 5
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 4 Max Ver

cdf
0.5 3
Plotting
2
0 1
1 2 3 4 1 2 3 4
x 10 x 10
TTR
Slo hay un dato.
369
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 28
Frecuencia con que acurren las incidencias
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
370
COMILLAS
INGENIERA (ICAI)
Ajuste Exponencial
TBF
TBF

Ajust
e exponencial
0. 0 0.0
19297.87 17528.00
000052 .740759 00057
medi
17527.999907
a

80 2
1.5
60
1
40
0.5
20 0
1 1.5 2 2.5 3 1 1.5 2 2.5 3
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 0.8 Max Ver

Med Rango
1 0.6
0.5 0.4
0 0.2
0 1 2 3 4 1 1.5 2 2.5 3
x 10 x 10
371
COMILLAS
INGENIERA (ICAI)
TTF
TTF

Ajust
e exponencial
0. 0 0.0
19293.85 17524.59
000052 .740706 00057
medi
17524.585093
a

80 2
1.5
60
1
40
0.5
20 0
1 1.5 2 2.5 3 1 1.5 2 2.5 3
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 0.8 Max Ver

Med Rango
1 0.6
0.5 0.4
0 0.2
0 1 2 3 4 1 1.5 2 2.5 3
x 10 x 10
372
COMILLAS
INGENIERA (ICAI)
TTR
TTR
Tas
a_ reparacin
Ajust _MV
e exponencial
0.5026 0 0.6
1.99 1.66
94 .911569 01504
medi
1.662500
a

80 1.5
60 1
40 0.5
20 0
1 1.5 2 2.5 1 1.5 2 2.5
1.5 1
Min Cuad
Fiabilidad - R(t)
0.8 Max Ver

1
Med Rango
0.6
0.5
0.4
0 0.2
0.5 1 1.5 2 2.5 1 1.5 2 2.5
373
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
2.88 19407.1 0 3 1969
4409 2 .693273 .0387908 6.14
me
17527.999907
dia
80 1
60 0
40 -1
20 -2
1 1.5 2 2.5 3 9 9.5 10 10.5
x 10
-4
x 10
0.8 4
Min Cuad Min Cuad
Fiabilidad - R(t)
0.6 Max Ver 3 Max Ver

cdf
0.4 2
Plotting
0.2 1
0 0
1 1.5 2 2.5 3 1 1.5 2 2.5 3
x 10 x 10
374
COMILLAS
INGENIERA (ICAI)
TTF
TBF
Beta Mu r V Mu
Aj
uste Weibull
2.88 19403.4 0 3 1969
4721 5 .693391 .0393828 2.09
me
17524.585093
dia
80 1
60 0
40 -1
20 -2
1 1.5 2 2.5 3 9 9.5 10 10.5
x 10
-4
x 10
0.8 4
Min Cuad Min Cuad
Fiabilidad - R(t)
0.6 Max Ver 3 Max Ver

cdf
0.4 2
Plotting
0.2 1
0 0
1 1.5 2 2.5 3 1 1.5 2 2.5 3
x 10 x 10
375
COMILLAS
INGENIERA (ICAI)
TTR
TTR
Beta Mu r V Mu
Aj
uste Weibull
1.57 1 2
2.01 1.88
5604 .000000 .9687068
me
1.662500
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
1 1.5 2 2.5 0 0.5 1
1 1
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 0.8 Max Ver

cdf
0.5 Plotting 0.6
0.4
0 0.2
1 1.5 2 2.5 1 1.5 2 2.5
376
COMILLAS
INGENIERA (ICAI)
Fallo Precarga
D M A M F H H A T P
A ES O in ECHA
2 1 2 3 2 1 0 2 3 1
7 2 .005 6,1 7/12/2005
2 3:36 ,57 8 ,60 .713
AEROGENERADOR 28
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
377
COMILLAS
INGENIERA (ICAI)
Ajuste Exponencial
TBF
TBF

Ajust
e exponencial
0. 0 0.0
35101.92 26292.00
000028 .974494 00038
medi
26291.999861
a

80 1.5
60 1
40 0.5
20 0
0 2 4 6 0 2 4 6
x 10 x 10
1.5 0.8
Min Cuad
Fiabilidad - R(t)
0.6 Max Ver

1
Med Rango
0.4
0.5
0.2
0 0
0 2 4 6 0 2 4 6
x 10 x 10
378
COMILLAS
INGENIERA (ICAI)
TTF
TTF

Ajust
e exponencial
0. 0 0.0
35097.87 26283.39
000028 .974310 00038
medi
26283.394722
a

80 1.5
60 1
40 0.5
20 0
0 2 4 6 0 2 4 6
x 10 x 10
1.5 0.8
Min Cuad
Fiabilidad - R(t)
0.6 Max Ver

1
Med Rango
0.4
0.5
0.2
0 0
0 2 4 6 0 2 4 6
x 10 x 10
TTR
Slo hay un fallo.
379
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
0.78 33658.9 1 1 2913
3827 1 .000000 .4768648 9.74
me
26291.999861
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
0 2 4 6 9 9.5 10 10.5 11
x 10
-5
x 10
1 3
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 2 Max Ver

cdf
0.5
Plotting
1
0 0
0 2 4 6 0 2 4 6
x 10 x 10
380
COMILLAS
INGENIERA (ICAI)
TTF
TTF
Beta Mu r V Mu
Aj
uste Weibull
0.78 33647.9 1 1 2912
3108 2 .000000 .4755098 6.37
me
26283.394722
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
0 2 4 6 9 9.5 10 10.5 11
x 10
-5
x 10
1 3
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 2 Max Ver

cdf
0.5
Plotting
1
0 0
0 2 4 6 0 2 4 6
x 10 x 10
TTR
Slo hay un dato.
381
COMILLAS
INGENIERA (ICAI)
Sensor de Vibraciones
D M A M F H H A T P
A ES O in ECHA
1 2 1 1 1 0 2 2 1
9 .006 2 8,51 9/02/2006
2 3:11 ,55 8 ,31 .629
AEROGENENRADOR 28
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
382
COMILLAS
INGENIERA (ICAI)
Ajuste Exponencial
TBF
TBF

Ajust
e exponencial
0. 0 0.0
34249.60 26292.00
000029 .992088 00038
medi
26291.999861
a

80 1.5
60 1
40 0.5
20 0
0 2 4 6 0 2 4 6
x 10 x 10
1.5 0.8
Min Cuad
Fiabilidad - R(t)
0.6 Max Ver

1
Med Rango
0.4
0.5
0.2
0 0
0 2 4 6 0 2 4 6
x 10 x 10
383
COMILLAS
INGENIERA (ICAI)
TTF
TTF

Ajust
e exponencial
0. 0 0.0
34245.92 26284.25
000029 .991985 00038
medi
26284.251250
a

80 1.5
60 1
40 0.5
20 0
0 2 4 6 0 2 4 6
x 10 x 10
1.5 0.8
Min Cuad
Fiabilidad - R(t)
0.6 Max Ver

1
Med Rango
0.4
0.5
0.2
0 0
0 2 4 6 0 2 4 6
x 10 x 10
TTR
Slo hay un fallo.
384
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
0.87 33586.3 1 1 2951
5100 9 .000000 .6488398 7.50
me
26291.999861
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
0 2 4 6 9 9.5 10 10.5 11
x 10
-5
x 10
1 4
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 3 Max Ver

cdf
0.5 2
Plotting
1
0 0
0 2 4 6 0 2 4 6
x 10 x 10
385
COMILLAS
INGENIERA (ICAI)
TTF
TTF
Beta Mu r V Mu
Aj
uste Weibull
0.87 33577.5 1 1 2950
4336 6 .000000 .6473988 6.42
me
26284.251250
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
0 2 4 6 9 9.5 10 10.5 11
x 10
-5
x 10
1 4
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 3 Max Ver

cdf
0.5 2
Plotting
1
0 0
0 2 4 6 0 2 4 6
x 10 x 10
TTR
Slo hay un dato.
386
COMILLAS
INGENIERA (ICAI)
Fallo IGBT S Inversor

D M A M F H H A T P
A ES O in ECHA
2 3 5 0 2 0 2 3 2
.006
4 37 9,45 4/03/2006 1:30 ,90 8 7,99 1.909
387
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 28
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
388
COMILLAS
INGENIERA (ICAI)
Ajuste Exponencial
TBF
TBF

Ajust
e exponencial
0. 0 0.0
34052.04 26292.00
000029 .994966 00038
medi
26291.999861
a

80 1.5
60 1
40 0.5
20 0
1 2 3 4 5 1 2 3 4 5
x 10 x 10
1.5 1
Min Cuad
Fiabilidad - R(t)
0.8 Max Ver

1
Med Rango
0.6
0.5
0.4
0 0.2
1 2 3 4 5 1 2 3 4 5
x 10 x 10
389
COMILLAS
INGENIERA (ICAI)
TTF
TTF

Ajust
e exponencial
0. 0 0.0
34019.53 26262.25
000029 .994887 00038
medi
26262.254028
a

80 1.5
60 1
40 0.5
20 0
1 2 3 4 5 1 2 3 4 5
x 10 x 10
1.5 0.8
Min Cuad
Fiabilidad - R(t)
0.6 Max Ver

1
Med Rango
0.4
0.5
0.2
0 0
1 2 3 4 5 1 2 3 4 5
x 10 x 10
TTR
Slo hay un dato.
390
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
0.89 33549.1 1 1 2958
9345 1 .000000 .6945208 7.57
me
26291.999861
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
1 2 3 4 5 9 9.5 10 10.5 11
x 10
-5
x 10
1 4
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 3 Max Ver

cdf
0.5 2
Plotting
1
0 0
1 2 3 4 5 1 2 3 4 5
x 10 x 10
391
COMILLAS
INGENIERA (ICAI)
TTF
TTF
Beta Mu r V Mu
Aj
uste Weibull
0.89 33512.4 1 1 2955
8585 1 .000000 .6930888 2.06
me
26262.254028
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
1 2 3 4 5 9 9.5 10 10.5 11
x 10
-5
x 10
1 4
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 3 Max Ver

cdf
0.5 2
Plotting
1
0 0
1 2 3 4 5 1 2 3 4 5
x 10 x 10
TTR
Slo hay un dato.
392
COMILLAS
INGENIERA (ICAI)
Fallo Conmutacin Aerog/Set

D M A M F H H A T P
A ES O in ECHA
1 2 1 1 1 0 2 0 1
8 .007 5 0 8/05/2007
0 0:04 ,42 8 ,17 75
2 2 4 2 1 0 2 2 2
5 .007 5 2 5/05/2007
2 0:53 ,45 8 ,70 0
2 2 2 2 0 2 0
9 .007 5 9/05/2007
0 0 :56 ,12 8 ,00 0
2 2 5 2 9 0 2 4 8
8 .007 6 5 8/06/2007
4 :00 ,38 8 ,92 5
393
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 28
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
394
COMILLAS
INGENIERA (ICAI)
Ajuste Exponencial
TBF
Range=(0.10000)
TBF

Ajust
e exponencial
0. 0 0.0
21879.21 17256.63
000046 .844358 00058
medi
17256.629167
a

80 2
1.5
60
1
40
0.5
20 0
0 1 2 3 4 0 1 2 3 4
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 1 2 3 4 0 1 2 3 4
x 10 x 10
395
COMILLAS
INGENIERA (ICAI)
TTF
Range=(0,10000)
TTF

Ajust
e exponencial
0. 0 0.0
21872.90 17251.57
000046 .844525 00058
medi
17251.575000
a

80 2
1.5
60
1
40
0.5
20 0
0 1 2 3 4 0 1 2 3 4
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 1 2 3 4 0 1 2 3 4
x 10 x 10
396
COMILLAS
INGENIERA (ICAI)
TTR
Range=(0,1)
TTR
Tasa
_reparacin
Ajust _MV
e exponencial
0.3069 0 0.38
3.26 2.57
93 .930435 9610
medi
2.566667
a

80 2
1.5
60
1
40
0.5
20 0
0 2 4 6 0 2 4 6
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 2 4 6 0 2 4 6
397
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
Range=(0,10000)
TBF
Beta Mu r V Mu
Aj
uste Weibull
0.35 17175.1 0 0 1390
7773 1 .866994 .6291398 5.57
me
17256.629167
dia
80 1
60 0
40 -1
20 -2
0 1 2 3 4 4 6 8 10 12
x 10
-5
x 10
1 3
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 2 Max Ver

cdf
0.5
Plotting
1
0 0
0 1 2 3 4 0 1 2 3 4
x 10 x 10
398
COMILLAS
INGENIERA (ICAI)
TTF
Range=(0,10000)
TTF
Beta Mu r V Mu
Aj
uste Weibull
0.35 17169.1 0 0 1390
7718 7 .867026 .6290458 0.09
me
17251.575000
dia
80 1
60 0
40 -1
20 -2
0 1 2 3 4 4 6 8 10 12
x 10
-5
x 10
1 3
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 2 Max Ver

cdf
0.5
Plotting
1
0 0
0 1 2 3 4 0 1 2 3 4
x 10 x 10
399
COMILLAS
INGENIERA (ICAI)
TTR
Range=(0,1)
TTR
Beta Mu r V Mu
Aj
uste Weibull
0.45 0 0
2.80 2.35
9825 .910242 .8046588
me
2.566667
dia
80 1
60 0
40 -1
20 -2
0 2 4 6 -4 -2 0 2
1 0.4
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 0.3 Max Ver

cdf
0.5 Plotting 0.2
0.1
0 0
0 2 4 6 0 2 4 6
400
COMILLAS
INGENIERA (ICAI)
Error Anemmetro
D M A M F H H A T P
A ES O in ECHA
1 2 1 1 1 0 2 0 1
5 .007 8 7,17 5/08/2007
0 8:24 ,77 8 ,29 04
1 1 2 2 1 1 0 2 1 2
7 0 .008 0 7/10/2008
1 8:00 ,75 8 ,33 4
401
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 28
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
402
COMILLAS
INGENIERA (ICAI)
Ajuste Exponencial
TBF
TBF

Ajust
e exponencial
0. 0 0.0
19338.53 17528.00
000052 .639423 00057
medi
17527.999907
a

80 2
1.5
60
1
40
0.5
20 0
1 1.5 2 2.5 1 1.5 2 2.5
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 0.8 Max Ver

Med Rango
1 0.6
0.5 0.4
0 0.2
0 1 2 3 4 1 1.5 2 2.5
x 10 x 10
403
COMILLAS
INGENIERA (ICAI)
TTF
TTF

Ajust
e exponencial
0. 0 0.0
19332.37 17521.32
000052 .638682 00057
medi
17521.322991
a

80 2
1.5
60
1
40
0.5
20 0
1 1.5 2 2.5 1 1.5 2 2.5
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 0.8 Max Ver

Med Rango
1 0.6
0.5 0.4
0 0.2
0 1 2 3 4 1 1.5 2 2.5
x 10 x 10
404
COMILLAS
INGENIERA (ICAI)
TTR
TTR
Tas
Tasa Tiempo_ r Tiempo_
a_ reparacin
_reparacin _MC reparacin _MC_horas ^2 reparacin _MV_horas
Ajust _MV
e exponencial
0.9364 0 1.2
1.07 0.81
64 .984356 34844
medi
0.809819
a

80 1.5
60 1
40 0.5
20 0
0 0.5 1 1.5 0 0.5 1 1.5
1.5 0.8
Min Cuad
Fiabilidad - R(t)
0.6 Max Ver

1
Med Rango
0.4
0.5
0.2
0 0
0 0.5 1 1.5 0 0.5 1 1.5
405
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
2.35 20166.6 0 4 1945
2239 3 .945688 .0274638 5.20
me
17527.999907
dia
80 1
60 0
40 -1
20 -2
1 1.5 2 2.5 9 9.5 10 10.5
x 10
-4
x 10
1
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver Max Ver

cdf
0.5 1
Plotting
0 0
1 1.5 2 2.5 1 1.5 2 2.5
x 10 x 10
406
COMILLAS
INGENIERA (ICAI)
TTF
TTF
Beta Mu r V Mu
Aj
uste Weibull
2.35 20157.0 0 4 1944
4357 5 .945354 .0322808 6.69
me
17521.322991
dia
80 1
60 0
40 -1
20 -2
1 1.5 2 2.5 9 9.5 10 10.5
x 10
-4
x 10
1
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver Max Ver

cdf
0.5 1
Plotting
0 0
1 1.5 2 2.5 1 1.5 2 2.5
x 10 x 10
407
COMILLAS
INGENIERA (ICAI)
TTR
TTR
Beta Mu r V Mu
Aj
uste Weibull
0.82 1 1
1.04 0.90
7772 .000000 .5596648
me
0.809819
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
0 0.5 1 1.5 -1.5 -1 -0.5 0 0.5
1 1
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 0.8 Max Ver

cdf
0.5 Plotting 0.6
0.4
0 0.2
0 0.5 1 1.5 0 0.5 1 1.5
408
COMILLAS
INGENIERA (ICAI)
Error Accionamiento Pitch

D M A M F H H A T P
A ES O in ECHA
2 1 0 1 0 2 1 3
.008
3 1 1,22 3/01/2008
1 3:15 ,55 8 ,19 48
2 2 1 4 2 2 0 2 1 9
9 .009 33 7 9/03/2009 3:00 ,96 8 3,78 .473
409
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 28
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
410
COMILLAS
INGENIERA (ICAI)
Ajuste Exponencial
TBF
TBF

Ajust
e exponencial
0. 0 0.0
19133.09 17528.00
000052 .822792 00057
medi
17527.999907
a

80 2
1.5
60
1
40
0.5
20 0
1 1.5 2 2.5 3 1 1.5 2 2.5 3
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 0.8 Max Ver

Med Rango
1 0.6
0.5 0.4
0 0.2
0 1 2 3 4 1 1.5 2 2.5 3
x 10 x 10
411
COMILLAS
INGENIERA (ICAI)
TTF
TTF

Ajust
e exponencial
0. 0 0.0
19122.87 17518.59
000052 .822709 00057
medi
17518.591204
a

80 2
1.5
60
1
40
0.5
20 0
1 1.5 2 2.5 3 1 1.5 2 2.5 3
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 0.8 Max Ver

Med Rango
1 0.6
0.5 0.4
0 0.2
0 1 2 3 4 1 1.5 2 2.5 3
x 10 x 10
412
COMILLAS
INGENIERA (ICAI)
TTR
TTR
Tas
a_ reparacin
Ajust _MV
e exponencial
0.0908 0 0.1
11.00 7.49
76 .856617 33571
medi
7.486667
a

80 1.5
60 1
40 0.5
20 0
0 5 10 15 0 5 10 15
1.5 1
Min Cuad
Fiabilidad - R(t)
Max Ver
1
Med Rango
0.5
0.5
0 0
0 5 10 15 0 5 10 15
413
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
2.20 20174.7 0 2 1973
3538 6 .959857 .9547628 1.46
me
17527.999907
dia
80 1
60 0
40 -1
20 -2
1 1.5 2 2.5 3 9 9.5 10 10.5
x 10
-4
x 10
1
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver Max Ver

cdf
0.5 1
Plotting
0 0
1 1.5 2 2.5 3 1 1.5 2 2.5 3
x 10 x 10
414
COMILLAS
INGENIERA (ICAI)
TTF
TTF
Beta Mu r V Mu
Aj
uste Weibull
2.20 20162.4 0 2 2016
4665 8 .959540 .204665 2.48
me
17518.591204
dia
80 1
60 0
40 -1
20 -2
1 1.5 2 2.5 3 9 9.5 10 10.5
x 10
-4
x 10
1
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver Max Ver

cdf
0.5 1
Plotting
0 0
1 1.5 2 2.5 3 1 1.5 2 2.5 3
x 10 x 10
415
COMILLAS
INGENIERA (ICAI)
TTR
TTR
Beta Mu r V Mu
Aj
uste Weibull
0.51 1 0
9.22 7.42
9872 .000000 .9795278
me
7.486667
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
0 5 10 15 0 1 2 3
1 0.08
Min Cuad Min Cuad
Fiabilidad - R(t)

cdf
0.5 0.04
Plotting
0.02
0 0
0 5 10 15 0 5 10 15
416
COMILLAS
INGENIERA (ICAI)
Fallo Refrigeracin Multiplicador

D M A M F H H A T P
A ES O in ECHA
1 2 3 1 1 0 2 0 8
1 .008 5 1,18 1/05/2008
0 9:27 ,81 8 ,52 8
2 2 1 2 1 0 2 0
1 .008 5 5,06 1/05/2008
0 5:46 ,66 8 ,25 4
2 2 2 2 1 0 2 1 1
2 .008 5 4 2/05/2008
1 2:30 ,52 8 ,40 48
2 2 4 2 1 0 2 0 7
2 .008 5 6 2/05/2008
0 6:49 ,70 8 ,77 6
417
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 28
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
Ajuste Exponencial
418
COMILLAS
INGENIERA (ICAI)
TBF
Range=(0,5000)
TBF

Ajust
e exponencial
0. 0 0.0
22282.59 17447.79
000045 .754418 00057
medi
17447.786944
a

80 2
1.5
60
1
40
0.5
20 0
0 1 2 3 0 1 2 3
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 1 2 3 4 0 1 2 3
x 10 x 10
419
COMILLAS
INGENIERA (ICAI)
TTF
Range=(0,5000)
TTF

Ajust
e exponencial
0. 0 0.0
22274.86 17440.96
000045 .753956 00057
medi
17440.961481
a

80 2
1.5
60
1
40
0.5
20 0
0 1 2 3 0 1 2 3
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 1 2 3 4 0 1 2 3
x 10 x 10
420
COMILLAS
INGENIERA (ICAI)
TTR
TTR
Tas
a_ reparacin
Ajust _MV
e exponencial
1.2496 0 1.3
0.80 0.73
83 .966120 62089
medi
0.734167
a

100 2
1.5
50 1
0.5
0 0
0 0.5 1 1.5 0 0.5 1 1.5
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 0.5 1 1.5 0 0.5 1 1.5
421
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
0.25 14487.0 0 0 1099
5648 3 .840967 .4464328 5.65
me
17447.786944
dia
80 1
60 0
40 -1
20 -2
0 1 2 3 0 5 10 15
x 10
-5
x 10
1 3
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 2 Max Ver

cdf
0.5
Plotting
1
0 0
0 1 2 3 0 1 2 3
x 10 x 10
422
COMILLAS
INGENIERA (ICAI)
TTF
TTF
Beta Mu r V Mu
Aj
uste Weibull
0.25 14466.5 0 0 1097
5241 2 .840874 .4457058 6.10
me
17440.961481
dia
80 1
60 0
40 -1
20 -2
0 1 2 3 0 5 10 15
x 10
-5
x 10
1 3
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 2 Max Ver

cdf
0.5
Plotting
1
0 0
0 1 2 3 0 1 2 3
x 10 x 10
423
COMILLAS
INGENIERA (ICAI)
TTR
TTR
Beta Mu r V Mu
Aj
uste Weibull
1.40 0 1
0.86 0.83
0052 .994028 .8313488
me
0.734167
dia
100 1
0
50
-1
0 -2
0 0.5 1 1.5 -1.5 -1 -0.5 0 0.5
1 4
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 3 Max Ver

cdf
0.5 2
Plotting
0 0
0 0.5 1 1.5 0 0.5 1 1.5
424
COMILLAS
INGENIERA (ICAI)
Fallo Frecuencia
D M A M F H H A T P
A ES O in ECHA
1 2 5 0 2 0 2 0
2 .009
4 ,02 4/12/2009
0 0:30 ,85 8 ,08 7
425
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 28
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
426
COMILLAS
INGENIERA (ICAI)
Ajuste Exponencial
TBF
TBF

Ajust
e exponencial
0. 0 0.0
34593.11 26292.00
000029 .985906 00038
medi
26291.999861
a

80 1.5
60 1
40 0.5
20 0
0 2 4 6 0 2 4 6
x 10 x 10
1.5 0.8
Min Cuad
Fiabilidad - R(t)
0.6 Max Ver

1
Med Rango
0.4
0.5
0.2
0 0
0 2 4 6 0 2 4 6
x 10 x 10
427
COMILLAS
INGENIERA (ICAI)
TTF
TTF

Ajust
e exponencial
0. 0 0.0
34577.21 26281.70
000029 .985952 00038
medi
26281.703583
a

80 1.5
60 1
40 0.5
20 0
0 2 4 6 0 2 4 6
x 10 x 10
1.5 0.8
Min Cuad
Fiabilidad - R(t)
0.6 Max Ver

1
Med Rango
0.4
0.5
0.2
0 0
0 2 4 6 0 2 4 6
x 10 x 10
TTR
Slo hay un dato.
428
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
0.83 33632.4 1 1 2937
5982 4 .000000 1.5751338 9.91
me
26291.999861
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
0 2 4 6 9 9.5 10 10.5 11
x 10
-5
x 10
1 4
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 3 Max Ver

cdf
0.5 2
Plotting
1
0 0
0 2 4 6 0 2 4 6
x 10 x 10
429
COMILLAS
INGENIERA (ICAI)
TTF
TTF
Beta Mu r V Mu
Aj
uste Weibull
0.83 33619.0 1 1 2936
6238 3 .000000 .5756168 9.41
me
26281.703583
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
0 2 4 6 9 9.5 10 10.5 11
x 10
-5
x 10
1 4
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 3 Max Ver

cdf
0.5 2
Plotting
1
0 0
0 2 4 6 0 2 4 6
x 10 x 10
TTR
Slo hay un dato.
430
COMILLAS
INGENIERA (ICAI)
Sobrevelocidad Ground
D M A M F H H A T P
A ES O in ECHA
2 2 1 2 1 0 2 0 1
3 .010 1 8,36 3/01/2010
0 2:53 ,54 8 ,31 0
2 2 7 2 2 1 2 0
3 .010 1 ,19 3/01/2010
0 3:58 ,00 8 ,12 2
2 2 2 2 1 0 2 0 2
8 .010 2 6,35 8/02/2010
0 0:26 ,43 8 ,44 7
2 2 0 1 0 2 1 9
.010
9 3 3,34 9/03/2010
1 6:10 ,67 8 ,39 80
431
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 28
Frecuencia con que suceden las incidencias
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
432
COMILLAS
INGENIERA (ICAI)
Ajuste Exponencial
TBF
Range=(0,2000)
TBF

Ajust
e exponencial
0. 0 0.0
26882.05 17240.82
000037 .747965 00058
medi
17240.817685
a

80 2
1.5
60
1
40
0.5
20 0
0 2 4 6 0 2 4 6
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 2 4 6 0 2 4 6
x 10 x 10
433
COMILLAS
INGENIERA (ICAI)
TTF
Range=(0,2000)
TTF

Ajust
e exponencial
0. 0 0.0
26874.22 17235.91
000037 .747981 00058
medi
17235.911537
a

80 2
1.5
60
1
40
0.5
20 0
0 2 4 6 0 2 4 6
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 2 4 6 0 2 4 6
x 10 x 10
434
COMILLAS
INGENIERA (ICAI)
TTR
TTR
Tas
a_ reparacin
Ajust _MV
e exponencial
1.4084 0 1.7
0.71 0.56
97 .918882 74623
medi
0.563500
a

100 2
1.5
50 1
0.5
0 0
0 0.5 1 1.5 0 0.5 1 1.5
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 0.5 1 1.5 0 0.5 1 1.5
435
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
0.36 14727.8 0 0 1175
0462 8 .991101 .5753008 0.19
me
17240.817685
dia
80 1
60 0
40 -1
20 -2
0 2 4 6 4 6 8 10 12
x 10
-5
x 10
1 4
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 3 Max Ver

cdf
0.5 2
Plotting
1
0 0
0 2 4 6 0 2 4 6
x 10 x 10
436
COMILLAS
INGENIERA (ICAI)
TTF
TTF
Beta Mu r V Mu
Aj
uste Weibull
0.36 14721.9 0 0 1174
0343 8 .991074 .5751558 4.35
me
17235.911537
dia
80 1
60 0
40 -1
20 -2
0 2 4 6 4 6 8 10 12
x 10
-5
x 10
1 4
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 3 Max Ver

cdf
0.5 2
Plotting
1
0 0
0 2 4 6 0 2 4 6
x 10 x 10
437
COMILLAS
INGENIERA (ICAI)
TTR
TTR
Beta Mu r V Mu
Aj
uste Weibull
1.01 0 1
0.62 0.60
7665 .955532 .2068158
me
0.563500
dia
100 1
0
50
-1
0 -2
0 0.5 1 1.5 -3 -2 -1 0 1
1 4
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 3 Max Ver

cdf
0.5 2
Plotting
0 0
0 0.5 1 1.5 0 0.5 1 1.5
438
COMILLAS
INGENIERA (ICAI)
Temperatura Disparo Barquilla

D M A M F H H A T P
A ES O in ECHA
2 1 0 4 0 2 0 1
.010
8 3 8,77 8/03/2010
0 :12 ,18 8 ,31 99
439
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 28
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
440
COMILLAS
INGENIERA (ICAI)
Ajuste Exponencial
TBF
TBF

Ajust
e exponencial
0. 0 0.0
36176.52 26292.00
000028 .944046 00038
medi
26291.999861
a

80 1.5
60 1
40 0.5
20 0
0 2 4 6 0 2 4 6
x 10 x 10
1.5 1
Min Cuad
Fiabilidad - R(t)
Max Ver
1
Med Rango
0.5
0.5
0 0
0 2 4 6 0 2 4 6
x 10 x 10
441
COMILLAS
INGENIERA (ICAI)
TTF
TTF

Ajust
e exponencial
0. 0 0.0
36173.18 26289.74
000028 .944053 00038
medi
26289.736222
a

80 1.5
60 1
40 0.5
20 0
0 2 4 6 0 2 4 6
x 10 x 10
1.5 1
Min Cuad
Fiabilidad - R(t)
Max Ver
1
Med Rango
0.5
0.5
0 0
0 2 4 6 0 2 4 6
x 10 x 10
TTR
Slo hay un dato.
442
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
0.68 33556.2 1 1 2848
9971 9 .000000 .3000238 6.70
me
26291.999861
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
0 2 4 6 8 9 10 11
x 10
-5
x 10
1 3
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 2 Max Ver

cdf
0.5
Plotting
1
0 0
0 2 4 6 0 2 4 6
x 10 x 10
443
COMILLAS
INGENIERA (ICAI)
TTF
TTF
Beta Mu r V Mu
Aj
uste Weibull
0.68 33553.4 1 1 2848
9989 4 .000000 .3000588 4.41
me
26289.736222
dia
80 0.5
0
60
-0.5
40
-1
20 -1.5
0 2 4 6 8 9 10 11
x 10
-5
x 10
1 3
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 2 Max Ver

cdf
0.5
Plotting
1
0 0
0 2 4 6 0 2 4 6
x 10 x 10
TTR
Slo hay un dato.
444
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 56
TBF TTF TTR
MODO DE FALLO
Avera multiplicador 0,9899 - 0,3891 15987,49 0 57444,0965 0,9900 - 0,3891 15973,1000 0 57402,6384 1,0000 - 1,180402 0,42 0 0,3968
Vel. rotor # Vel. generador 1,0000 - 1,1678 32914,73 0 31187,8141 1,0000 - 1,1682 32899,2100 0 31170,1183 - - - - - -
Temperatura disparo generador 0,8727 1,30E-04 - - - 7692,3077 0,8719 1,30E-04 - - - 7692,3077 0,8749 3,11E-01 - - - 3,2185
Avera generador 0,9762 3,80E-05 - - - 26315,7895 0,9774 3,80E-05 - - - 26315,7895 1,0000 - 52,0958 173,2300 0 171,3727
Temperatura disparo cojinete L.A. 1,0000 - 1,3990 32297,40 0 29439,7720 1,0000 - 1,3973 32291,3100 0 29440,0595 - - - - - -
Sobrevelocidad elctrica 0,9979 - 1,5008 20936,43 0 18899,0804 0,9979 - 1,5013 20929,8300 0 18892,3469 1,0000 - 0,4980 0,4100 0 0,8262
Tiempo mximo de orientacin 0,9697 9,30E-05 - - - 10752,6882 0,9697 9,30E-05 - - - 10752,6882 0,9190 - 2,5089 0,5400 0 0,4792
Termostato freno 0,9939 1,90E-04 - - - 5263,1579 0,9941 1,91E-04 - - - 5235,6021 0,8860 6,84E-01 - - - 1,4610
Baja temperatura ground 1,0000 2,80E-05 - - - 35714,2857 1,0000 2,80E-05 - - - 35714,2857 - - - - - -
Sobretensin hardware rectificador 0,9837 - 0,7861 19647,17 0 22546,9594 0,9837 - 0,7861 19643,8000 0 22543,1774 1,0000 - 2,7711 0,1800 0 0,1602
Sobretensin hardware inversor 0,9131 - 0,6769 11602,04 0 15179,9729 0,9129 - 0,6770 11592,9400 0 15166,4637 0,9527 - 0,4632 2,9900 0 6,9580
Fallo general 1,0000 - 2,2695 30538,37 0 27050,6926 1,0000 - 2,2646 30532,0700 0 27044,5928 - - - - - -
Error sincronismo 1,0000 - 2,0212 30944,04 0 27418,5444 1,0000 - 2,0226 30932,8100 0 27408,3003 - - - - - -
1,0000 2,40E-05 - - - 41666,6667 1,0000 2,40E-05 - - - 41666,6667 - - - - - -

445
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 28
TBF TTF TTR

MODO DE FALLO
Vel. rotor # Vel. generador 0,7408 5,20E-05 - - - 19230,7692 0,7407 5,20E-05 - - - 19230,7692 1,0000 - 1,5756 2,0100 0 1,8048
Fallo refrigeracin multiplicador 0,8410 - 0,2556 14487,0300 0 304624,4125 0,8409 - 0,2552 14466,5200 0 307027,7812 0,9940 - 1,4001 0,8600 0 0,7838
Sobrevelocidad elctrica 0,8361 - 3,3795 14559,1900 0 13075,6258 0,8351 - 3,3785 14555,1800 0 13071,8360 0,8631 0,7370 0,3800 0 0,4591
Sobrevelocidad ground 0,9911 - 0,3605 14727,8800 0 67039,7236 0,9911 - 0,3603 14721,9800 0 67085,9694 0,9555 - 1,0177 0,6200 0 0,6155
Tiempo mximo de orientacin 0,9550 - 0,4679 560,9600 0 1278,1295 0,9539 - 0,4603 554,0900 0 1306,9426 0,9557 1,51E+00 - - - 0,6615
Error sincronismo 0,9634 6,10E-05 - - - 16393,4426 0,9634 6,10E-05 - - - 16393,4426 0,9821 - 0,5744 5,7600 0 9,1968
Fallo en precarga 1,0000 - 0,7838 33658,9100 0 38710,1171 1,0000 - 0,7831 33647,9200 0 38724,1012 - - - - - -
Sensor de vibraciones 1,0000 - 0,8751 33586,3900 0 35903,8563 1,0000 - 0,8743 33577,5600 0 35912,7452 - - - - - -
Fallo IGBT S inversor 1,0000 - 0,8993 33549,1100 0 35313,8931 1,0000 - 0,8986 33512,4100 0 35291,6155 - - - - - -
Fallo comunicacin aerog/set 0,8670 - 0,3578 17175,1100 0 80148,4517 0,8670 - 0,3577 17169,1700 0 80161,9327 0,9304 3,07E-01 - - - 3,2574
Error anemmetro 0,9457 - 2,3522 20166,6300 0 17871,2815 0,9454 - 2,3544 20157,0500 0 17863,0437 1,0000 - 0,8278 1,0400 0 1,1509
Error accionamiento pitch 0,9599 - 2,2035 20174,7600 0 17867,3613 0,9595 - 2,2047 20162,4800 0 17856,5177 1,0000 - 0,5199 9,2200 0 17,2040
Fallo frecuencia 1,0000 - 0,8360 33632,4400 0 36979,8543 1,0000 - 0,8362 33619,0300 0 36957,7735 - - - - - -
1,0000 - 0,6900 33556,2900 0 43073,8969 1,0000 - 0,6900 33553,4400 0 43069,1345 - - - - - -

446
COMILLAS
INGENIERA (ICAI)
MANTENIMIENTO PREVENTIVO
Mantenimiento Preventivo Generador
D M A M F H H A T P
A ES O in ECHA
1 2 4 1 1 0 5 3 1
6 ,006 3 9.37 6/03/2006
3 5:36 .65 6 .82 8
2 2 0 8 0 2 3 8
,006
3 5 2.67 3/05/2006
3 :47 .37 8 .38 2
1 2 4 1 9 0 5 1 1
9 ,006 9 3.6 9/09/2006
1 :20 .39 6 .73 21
2 1 2 2 2 1 0 2 2 5
3 1 ,006 3.58 3/11/2006
2 5:10 .63 8 .39 90
2 0 9 0 2 6 2
,007
5 2 5/02/2007
6 2 :11 .38 8 .03 4
1 2 5 1 9 0 5 2 1
4 ,007 2 5.19 4/02/2007
2 :17 .39 6 .92 ,409
1 2 2 1 8 0 2 3 1
9 ,007 6 5 9/06/2007
3 :50 .37 8 .42 5
2 2 4 2 1 0 5 1 4
0 ,007 8 2.6 0/08/2007
1 5:32 .65 6 .71 62
1 2 4 1 1 0 2 2 2
8 ,008 1 2.01 8/01/2008
2 0:11 .42 8 .70 5
2 2 2 2 8 0 5 2
6 ,008 2 5 6/02/2008
2 :33 .36 6 .42 0
2 2 4 2 8 0 2 2 1
2 ,008 5 5 2/05/2008
2 :40 .36 8 .75 75
1 2 1 0 1 0 5 2 4
0 ,008
2 8.85 2/10/2008
2 4:12 .59 6 .31 45
2 5 0 1 0 2 1 1
,009
9 3 8 9/03/2009
1 6:15 .68 8 .97 ,287
1 2 5 1 8 0 5 2 2
1 ,009 5 1 1/05/2009
2 :38 .36 6 .85 13
2 2 2 2 8 0 2 2 1
1 ,009 8 9.34 1/08/2009
2 :58 .37 8 .49 24
2 1 2 4 2 1 0 5 1 1
3 0 ,009 8.61 3/10/2009
1 4:51 .62 6 .81 92
447
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 56
Frecuencia con que ocurren los mantenimientos
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
448
COMILLAS
INGENIERA (ICAI)
Ajuste exponencial
TBF
TBF
Tasa Tiempo_mant r Tasa Tiempo_mant

_manten_MC e_MC_horas ^2 _mante_MV e_MV_horas
Ajus
te exponencial
0.00 0 0.00
5640.31 5842.67
0177 .717282 0171
medi
5842.666636
a

100 3
2
50
1
0 0
0 5000 10000 15000 0 5000 10000 15000
3 1
Min Cuad
Fiabilidad - R(t)
Max Ver
2
Med Rango
0.5
1
0 0
0 5000 10000 15000 0 5000 10000 15000
Se puede interpretar a partir de la representacin de tiempos de fallo que los dos

ltimos puntos son excepciones. Si se eliminan los dos ltimos puntos interpretndolos como
anmalos, y entendiendo que los tiempos entre reparacin preventiva estn entre las 2500 y las
6000 horas, se obtienen los siguientes resultados:
449
COMILLAS
INGENIERA (ICAI)
TBF

Ajus
te exponencial
0.00 0 0.00
4627.27 4515.32
0216 .273501 0221
medi
4515.319603
a

100 3
2
50
1
0 0
3500 4000
4500 5000 5500 3500 4000 4500 5000 5500
3 1
Min Cuad
Fiabilidad - R(t)
Max Ver
2
Med Rango
0.5
1
0 0
0 5000 10000 15000 3500 4000 4500 5000 5500
La ajuste no es muy bueno para el distribucin exponencial debido a que obliga a la recta
de regresin a que pase por el origen de tiempos. En este caso es mejor usar la distribucin
Weibull.
450
COMILLAS
INGENIERA (ICAI)
TTF
TTF

Ajus
te exponencial
0.00 0 0.00
5636.80 5838.76
0177 .716842 0171
medi
5838.757158
a

100 3
2
50
1
0 0
0 5000 10000 15000 0 5000 10000 15000
3 1
Min Cuad
Fiabilidad - R(t)
Max Ver
2
Med Rango
0.5
1
0 0
0 5000 10000 15000 0 5000 10000 15000
451
COMILLAS
INGENIERA (ICAI)
Range=(7000,inf)
TTF

Ajus
te exponencial
0.00 0 0.00
4624.41 4512.78
0216 .273729 0222
medi
4512.782362
a

100 3
2
50
1
0 0
3500 4000
4500 5000 5500 3500 4000 4500 5000 5500
3 1
Min Cuad
Fiabilidad - R(t)
Max Ver
2
Med Rango
0.5
1
0 0
0 5000 10000 15000 3500 4000 4500 5000 5500
452
COMILLAS
INGENIERA (ICAI)
TTR
TTR

Ajus
te exponencial
0.42 0
4624.41 2.35 0.408771
5314 .582548
medi
2.446357
a

100 3
2
50
1
0 0
1 2 3 4 1 2 3 4
3 1
Min Cuad
Fiabilidad - R(t)
Max Ver
2
Med Rango
0.5
1
0 0
0 2 4 6 1 2 3 4
453
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
7.73 0 8 4772.
4780.37
3907 .947517 .8968538 31
me
4515.319603
dia
100 1
50 -1
-2
0 -3
3500 4000 4500 5000 5500 8 8.2 8.4 8.6
-3
x 10
1 4
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 3 Max Ver

cdf
0.5 2
Plotting
0 0
3500 4000 4500 5000 5500 3500 4000 4500 5000 5500
454
COMILLAS
INGENIERA (ICAI)
TTF
TTF
Beta Mu r V Mu
Aj
uste Weibull
7.73 0 8 4769.
4780.37
0267 .947764 .8904078 76
me
4512.782362
dia
100 1
50 -1
-2
0 -3
3500 4000 4500 5000 5500 8 8.2 8.4 8.6
-3
x 10
1 4
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 3 Max Ver

cdf
0.5 2
Plotting
0 0
3500 4000 4500 5000 5500 3500 4000 4500 5000 5500
455
COMILLAS
INGENIERA (ICAI)
TTR
TTF
Beta Mu r V Mu
Aj
uste Weibull
4.05 0 3
2.68 2.71
1687 .870933 .7714088
me
2.446357
dia
100 2
0
50
-2
0 -4
1 2 3 4 0.5 1 1.5
1 8
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 6 Max Ver

cdf
0.5 4
Plotting
0 0
1 2 3 4 1 2 3 4
456
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 28
Frecuencia con que acurren los mantenimientos
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
Ajuste exponencial
457
COMILLAS
INGENIERA (ICAI)
TBF
TBF

Ajus
te exponencial
0.00 0 0.00
5809.38 5842.67
0172 .879537 0171
medi
5842.666636
a

100 3
2
50
1
0 0
0 5000 10000 15000 0 5000 10000 15000
3 1
Min Cuad
Fiabilidad - R(t)
Max Ver
2
Med Rango
0.5
1
0 0
0 0.5 1 1.5 2 0 5000 10000 15000
x 10
458
COMILLAS
INGENIERA (ICAI)
Range=(10000,inf)
TBF

Ajus
te exponencial
0.00 0 0.00
5057.89 5095.51
0198 .909343 0196
medi
5095.510816
a

100 3
2
50
1
0 0
0 5000 10000 15000 0 5000 10000 15000
3 1
Min Cuad
Fiabilidad - R(t)
Max Ver
2
Med Rango
0.5
1
0 0
0 5000 10000 15000 0 5000 10000 15000
459
COMILLAS
INGENIERA (ICAI)
TTF
Range=(10000,inf)
TTF

Ajus
te exponencial
0.00 0 0.00
5054.78 5091.98
0198 .909532 0196
medi
5091.976087
a

100 3
2
50
1
0 0
0 5000 10000 15000 0 5000 10000 15000
3 1
Min Cuad
Fiabilidad - R(t)
Max Ver
2
Med Rango
0.5
1
0 0
0 5000 10000 15000 0 5000 10000 15000
460
COMILLAS
INGENIERA (ICAI)
TTR
TTR

Ajus
te exponencial
0.69 0
0.330493 3.03 0.318400
3772 .909532
medi
3.140708
a

100 3
2
50
1
0 0
0 24 6 8 0 2 4 6 8
3 1
Min Cuad
Fiabilidad - R(t)
Max Ver
2
Med Rango
0.5
1
0 0
0 2 4 6 8 0 2 4 6 8
461
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
1.96 0 1 5781.
5714.97
1044 .939906 .8734488 19
me
5095.510816
dia
100 2
0
50
-2
0 -4
0 5000 10000 15000 7 8 9 10
-3
x 10
1 1.5
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver Max Ver

1
cdf
0.5
Plotting
0.5
0 0
0 5000 10000 15000 0 5000 10000 15000
462
COMILLAS
INGENIERA (ICAI)
TTF
TTF
Beta Mu r V Mu
Aj
uste Weibull
1.95 0 1 5777.
5710.99
9849 .939925 .8726008 11
me
5091.976087
dia
100 2
0
50
-2
0 -4
0 5000 10000 15000 7 8 9 10
-3
x 10
1 1.5
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver Max Ver

1
cdf
0.5
Plotting
0.5
0 0
0 5000 10000 15000 0 5000 10000 15000
463
COMILLAS
INGENIERA (ICAI)
TTR
TTR
Beta Mu r V Mu
Aj
uste Weibull
3.64 0 2
3.42 3.53
6676 .783326 .7086808
me
3.140708
dia
100 4
50 0
-2
0 -4
0 2 4 6 8 0.5 1 1.5 2
1 10
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver Max Ver

cdf
0.5 Plotting 5
0 0
0 2 4 6 8 0 2 4 6 8
464
COMILLAS
INGENIERA (ICAI)
Mantenimiento preventivo multiplicadora

D M A M F H H A T P
A ES O in ECHA
2 4 0 1 0 5 1 6
,007
5 1 7.55 5/01/2007
1 0:54 .45 6 .79 08
2 2 3 2 9 0 2 1
4 ,007 4 9.72 4/04/2007
1 :09 .38 8 .66 0
1 2 1 1 9 0 5 2 4
6 ,007 5 .09 6/05/2007
2 :15 .39 6 .02 98
2 2 1 2 1 0 5 1
6 ,008 2 5 6/02/2008
1 1:00 .46 6 .25 0
2 2 3 2 1 0 2 1 1
2 ,008 5 0 2/05/2008
1 1:00 .46 8 .50 02
1 2 2 1 8 0 2 3 2
9 ,009 6 6 9/06/2009
3 :53 .37 8 .43 ,029
2 1 0 8 0 5 3 1
,009
7 7 2.85 7/07/2009
3 :54 .37 6 .21 ,974
AEROGENERADOR 56
Frecuencia con que ocurren los mantenimiento
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
465
COMILLAS
INGENIERA (ICAI)
Ajuste exponencial
TBF
TBF

Ajus
te exponencial
0.00 0 0.00
10896.64 10516.80
0092 .810388 0095
medi
10516.799944
a

100 3
2
50
1
0 0
0 0.5 1 1.5 2 0 0.5 1 1.5 2
x 10 x 10
3 1
Min Cuad
Fiabilidad - R(t)
Max Ver
2
Med Rango
0.5
1
0 0
0 1 2 3 0 0.5 1 1.5 2
x 10 x 10
466
COMILLAS
INGENIERA (ICAI)
TTF
TTF

Ajus
te exponencial
0.00 0 0.00
10892.90 10512.96
0092 .810125 0095
medi
10512.964644
a

100 3
2
50
1
0 0
0 0.5 1 1.5 2 0 0.5 1 1.5 2
x 10 x 10
3 1
Min Cuad
Fiabilidad - R(t)
Max Ver
2
Med Rango
0.5
1
0 0
0 1 2 3 0 0.5 1 1.5 2
x 10 x 10
467
COMILLAS
INGENIERA (ICAI)
TTR
TTF

Ajus
te exponencial
0.46 0 0.48
2.15 2.07
5221 .744088 3540
medi
2.068083
a

100 2
1.5
50 1
0.5
0 0
1 2 3 4 1 2 3 4
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 1 2 3 4 1 2 3 4
468
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
1.55 12345.3 0 2 1188
3419 6 .965416 .2406398 1.62
me
10516.799944
dia
100 1
50 -1
-2
0 -3
0 0.5 1 1.5 2 8 8.5 9 9.5 10
x 10
-4
x 10
1 4
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 3 Max Ver

cdf
0.5 2
Plotting
1
0 0
0 0.5 1 1.5 2 0 0.5 1 1.5 2
x 10 x 10
TTF
469
COMILLAS
INGENIERA (ICAI)
TTF
Beta Mu r V Mu
Aj
uste Weibull
1.55 12340.9 0 2 1187
3379 3 .965317 .2410758 7.21
me
10512.964644
dia
100 1
50 -1
-2
0 -3
0 0.5 1 1.5 2 8 8.5 9 9.5 10
x 10
-4
x 10
1 4
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 3 Max Ver

cdf
0.5 2
Plotting
1
0 0
0 0.5 1 1.5 2 0 0.5 1 1.5 2
x 10 x 10
TTR
470
COMILLAS
INGENIERA (ICAI)
TTR
Beta Mu r V Mu
Aj
uste Weibull
2.66 0 3
2.34 2.32
0250 .944060 .0995668
me
2.068083
dia
100 1
0
50
-1
0 -2
1 2 3 4 0 0.5 1 1.5
1 3
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver Max Ver

2
cdf
0.5
Plotting
1
0 0
1 2 3 4 1 2 3 4
471
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 28
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
472
COMILLAS
INGENIERA (ICAI)
Ajuste exponencial
TBF
TBF

Ajus
te exponencial
0.00 0 0.00
13671.49 13146.00
0073 .722401 0076
medi
13145.999931
a

100 2
1.5
50 1
0.5
0 0
0.5 1 1.5 2 2.5 0.5 1 1.5 2 2.5
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 1 2 3 0.5 1 1.5 2 2.5
x 10 x 10
473
COMILLAS
INGENIERA (ICAI)
TTF
TTF

Ajus
te exponencial
0.00 0 0.00
13667.34 13142.06
0073 .722210 0076
medi
13142.060647
a

100 2
1.5
50 1
0.5
0 0
0.5 1 1.5 2 2.5 0.5 1 1.5 2 2.5
x 10 x 10
2 1
Min Cuad
Fiabilidad - R(t)
1.5 Max Ver

Med Rango
1 0.5
0.5
0 0
0 1 2 3 0.5 1 1.5 2 2.5
x 10 x 10
474
COMILLAS
INGENIERA (ICAI)
TTR
TTR

Ajus
te exponencial
0.41 0 0.45
2.43 2.20
2137 .811162 4858
medi
2.198489
a

80 2
1.5
60
1
40
0.5
20 0
1.5 2
2.5 3 3.5 1.5 2 2.5 3 3.5
2 1
Min Cuad
Fiabilidad - R(t)
1.5 0.8 Max Ver

Med Rango
1 0.6
0.5 0.4
0 0.2
0 1 2 3 4 1.5 2 2.5 3 3.5
475
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBF
TBF
Beta Mu r V Mu
Aj
uste Weibull
3.10 14560.7 0 3 1471
4771 8 .800220 .1867598 6.04
me
13145.999931
dia
100 2
50 0
-1
0 -2
0.5 1 1.5 2 2.5 9 9.5 10
x 10
-4
x 10
1 6
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 4 Max Ver

cdf
0.5
Plotting
2
0 0
0.5 1 1.5 2 2.5 0.5 1 1.5 2 2.5
x 10 x 10
476
COMILLAS
INGENIERA (ICAI)
TTF
TTF
Beta Mu r V Mu
Aj
uste Weibull
3.10 14556.1 0 3 1471
5899 7 .800224 .1880058 1.29
me
13142.060647
dia
100 2
50 0
-1
0 -2
0.5 1 1.5 2 2.5 9 9.5 10
x 10
-4
x 10
1 6
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 4 Max Ver

cdf
0.5
Plotting
2
0 0
0.5 1 1.5 2 2.5 0.5 1 1.5 2 2.5
x 10 x 10
477
COMILLAS
INGENIERA (ICAI)
TTR
TTR
Beta Mu r V Mu
Aj
uste Weibull
2.42 0 2
2.47 2.48
8324 .776479 .7237398
me
2.198489
dia
80 1
60 0
40 -1
20 -2
1.5 2 2.5 3 3.5 0 0.5 1 1.5
1 3
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver Max Ver

2
cdf
0.5 Plotting
1
0 0
1.5 2 2.5 3 3.5 1.5 2 2.5 3 3.5
478
COMILLAS
INGENIERA (ICAI)
Mantenimientos otros
D M A M F H H A T P
A ES O in ECHA
1 2 4 1 8 0 5 6 8
7 ,006 3 2.24 7/03/2006
6 :58 .37 6 .70 52
1 2 3 1 8 0 2 3 5
0 ,006 5 0 0/05/2006
3 :58 .37 8 .50 2
2 2 2 2 8 0 5 3 4
5 ,006 5 8.52 5/05/2006
3 :53 .37 6 .48 64
2 5 0 1 0 2 0 2
,006
5 6 6.76 5/06/2006
0 1:33 .48 8 .95 70
1 2 4 1 1 0 5 0 3
9 ,006 6 1.73 9/06/2006
0 5:43 .66 6 .70 5
1 2 1 1 1 9 0 2 1 1
7 ,006 70 9.15 7/07/2006 :13 .38 8 0.32 26
2 2 3 2 9 0 5 6 3
6 ,006 9 6.24 6/09/2006
4 :00 .38 6 .00 ,000
1 2 7 1 8 0 2 4 2
0 ,007 1 .09 0/01/2007
4 :54 .37 8 .12 07
1 2 2 1 9 0 5 5 1
4 ,007 3 .83 4/03/2007
5 :09 .38 6 .05 12
2 2 5 2 8 0 2 0 5
4 ,007 7 0.61 4/07/2007
0 :50 .37 8 .84 37
2 2 1 2 8 0 2 5 4
5 ,007 7 5 5/07/2007
5 :40 .36 8 .25 5
2 2 2 2 1 0 2 1 3
5 ,007 7 2.96 5/07/2007
1 5:50 .66 8 .38 4
1 2 2 0 8 0 5 5 1
0 ,007
4 .98 4/10/2007
5 :45 .36 6 .05 4
1 2 3 0 1 0 5 1 1
0 ,007
4 2 4/10/2007
1 5:24 .64 6 .53 0
3 2 3 3 9 0 2 6 1
0 ,008 1 9.29 0/01/2008
6 :00 .38 8 .65 ,429
2 2 5 2 8 0 5 4 4
8 ,008 3 6.01 8/03/2008
4 :47 .37 6 .93 8
2 2 3 2 1 0 5 1
8 ,008 3 9 8/03/2008
1 5:23 .64 6 .65 1
1 2 1 8 0 2 9 1
8 ,008 7 8/07/2008
9 8 :33 .36 8 .13 ,112
1 2 0 1 0 5 1 2
0 ,008
2 2/10/2008
1 0 6:30 .69 6 .00 02
2 1 2 2 2 8 0 5 6 6
4 0 ,008 9 4/10/2008
6 :44 .36 6 .48 3
2 1 2 1 2 1 0 5 1
4 0 ,008 5.02 4/10/2008
1 6:01 .67 6 .25 7
1 2 4 1 1 0 2 0 6
7 ,009 2 4 7/02/2009
0 5:25 .64 8 .73 61
2 5 0 9 0 2 3 5
,009
4 3 1.6 4/03/2009
3 :07 .38 8 .86 32
2 2 0 1 0 2 2 3
,009
4 3 2 4/03/2009
2 4:30 .60 8 .37 56
2 2 3 2 9 0 5 8 1
7 ,009 3 0.54 7/03/2009
8 :16 .39 6 .51 28
1 2 5 1 1 0 2 0 2
6 ,009 4 4.94 6/04/2009
0 5:18 .64 8 .92 23
2 4 0 1 0 5 0
,009
6 5 8 6/05/2009
0 6:00 .67 6 .80 6
1 2 4 1 1 0 5 0 1
1 ,009 5 4 1/05/2009
0 1:30 .48 6 .73 1
1 2 3 1 8 0 5 4 5
2 ,009 5 6.51 2/05/2009
4 :45 .36 6 .61 2
1 2 5 1 1 0 5 1 3
2 ,009 5 3 2/05/2009
1 5:06 .63 6 .88 6
1 2 0 1 8 0 2 8 3
2 ,009 8 .52 2/08/2009
8 :25 .35 8 .01 ,799
1 2 2 1 8 0 2 8 4
3 ,009 8 9.06 3/08/2009
8 :01 .33 8 .48 ,001
1 2 2 1 7 0 2 8 1
4 ,009 8 1.56 4/08/2009
8 :59 .33 8 .36 ,445
1 2 3 1 7 0 2 7 1
7 ,009 8 2.56 7/08/2009
7 :59 .33 8 .54 ,998
1 2 1 8 0 2 4 6
8 ,009 8 8/08/2009
4 9 :07 .34 8 .15 6
2 2 2 1 0 2 1
1 ,009 8 1/08/2009
1 0 1:30 .48 8 .00 0
2 2 3 2 9 0 2 8 1
7 ,009 8 .27 7/08/2009
8 :24 .39 8 .05 28
479
COMILLAS
INGENIERA (ICAI)
3 2 5 3 8 0 2 7 1
1 ,009 8 7.91 1/08/2009
7 :04 .34 8 .97 66
2 2 0 8 0 2 9 1
,009
1 9 7.22 1/09/2009
9 :13 .34 8 .45 ,028
2 5 0 8 0 2 5 1
,009
7 9 .61 7/09/2009
5 :39 .36 8 .09 48
2 5 0 1 0 2 1 6
,009
7 9 5 7/09/2009
1 5:35 .65 8 .92 2
1 2 3 0 9 0 5 7 3
0 ,009
6 0 6/10/2009
7 :00 .38 6 .50 73
1 2 0 1 0 5 1 1
0 ,009
7 7/10/2009
1 0 1:30 .48 6 .00 42
1 2 4 0 1 0 5 1 1
0 ,009
7 5 7/10/2009
1 4:00 .58 6 .75 29
2 1 2 2 1 0 5 1 9
3 0 ,009 3/10/2009
1 0 6:41 .70 6 .00 8
2 1 2 2 8 0 5 5 2
6 0 ,009 6/10/2009
5 0 :46 .37 6 .00 16
2 1 2 1 4 2 1 0 5 1 2
6 0 ,009 0 0.71 6/10/2009 5:40 .65 6 0.68 16
2 1 2 4 2 8 0 5 6 3
5 1 ,009 0.6 5/11/2009
6 :54 .37 6 .68 85
2 2 4 2 1 0 5 6 1
3 ,010 2 6.02 3/02/2010
6 0:54 .45 6 .77 ,190
2 2 2 2 9 0 5 3 8
4 ,010 2 0 4/02/2010
3 :05 .38 6 .33 3
2 2 3 2 1 0 2 0 9
5 ,010 3 5.96 5/03/2010
0 5:51 .66 8 .60 7
AEROGENERADOR 56
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
480
COMILLAS
INGENIERA (ICAI)
Ajuste exponencial
TBM
TBM

Ajus
te exponencial
0.00 0 0.00
2557.01 1947.56
0391 .883322 0513
medi
1947.555545
a

100 4
3
50 2
0 0
0 5000 10000 15000 0 5000 10000 15000
4 1
Min Cuad
Fiabilidad - R(t)
3 Max Ver
Med Rango
2 0.5
0 0
0 5000 10000 15000 0 5000 10000 15000
481
COMILLAS
INGENIERA (ICAI)
TTM
TTM

Ajus
te exponencial
0.00 0 0.00
2555.37 1943.37
0391 .882494 0515
medi
1943.368721
a

100 4
3
50 2
0 0
0 5000 10000 15000 0 5000 10000 15000
4 1
Min Cuad
Fiabilidad - R(t)
3 Max Ver
Med Rango
2 0.5
0 0
0 5000 10000 15000 0 5000 10000 15000
482
COMILLAS
INGENIERA (ICAI)
TOM
TOM

Ajus
te exponencial
0.26 0 0.24
3.83 4.00
0983 .883983 9847
medi
4.002450
a

100 4
3
50 2
0 0
0 5 10 15 0 5 10 15
4 1
Min Cuad
Fiabilidad - R(t)
3 Max Ver
Med Rango
2 0.5
0 0
0 5 10 15 0 5 10 15
483
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBM
TBM
Beta Mu r V Mu
Aj
uste Weibull
0.45 0 0 1004.
924.19
7461 .898429 .4644588 36
me
1947.555545
dia
100 2
0
50
-2
0 -4
0 5000 10000 15000 0 5 10
-3
x 10
1 2
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 1.5 Max Ver

cdf
0.5 1
Plotting
0.5
0 0
0 5000 10000 15000 0 5000 10000 15000
484
COMILLAS
INGENIERA (ICAI)
TTM
TTM
Beta Mu r V Mu
Aj
uste Weibull
0.38 0 0 877.2
821.65
8847 .901492 .4139408 3
me
1943.368721
dia
100 2
0
50
-2
0 -4
0 5000 10000 15000 -5 0 5 10
-3
x 10
1 1.5
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver Max Ver

1
cdf
0.5
Plotting
0.5
0 0
0 5000 10000 15000 0 5000 10000 15000
485
COMILLAS
INGENIERA (ICAI)
TOM
TOM
Beta Mu r V Mu
Aj
uste Weibull
1.41 0 1
4.29 4.41
9510 .905655 .4207498
me
4.002450
dia
100 2
0
50
-2
0 -4
0 5 10 15 -1 0 1 2 3
1 1.5
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver Max Ver

1
cdf
0.5
Plotting
0.5
0 0
0 5 10 15 0 5 10 15
486
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 28
1
0.9
0.8
0.7
0.6
indicencia
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500
tiempo en das
487
COMILLAS
INGENIERA (ICAI)
Ajuste exponencial
TBM

Ajus
te exponencial
0.00 0 0.00
2818.30 2022.46
0355 .813785 0494
medi
2022.461528
a

100 4
3
50 2
0 0
0 5000 10000 15000 0 5000 10000 15000
4 1
Min Cuad
Fiabilidad - R(t)
3 Max Ver
Med Rango
2 0.5
0 0
0 5000 10000 15000 0 5000 10000 15000
488
COMILLAS
INGENIERA (ICAI)
TTM
TTM

Ajus
te exponencial
0.00 0 0.00
2816.50 2017.48
0355 .812928 0496
medi
2017.476124
a

100 4
3
50 2
0 0
0 5000 10000 15000 0 5000 10000 15000
4 1
Min Cuad
Fiabilidad - R(t)
3 Max Ver
Med Rango
2 0.5
0 0
0 5000 10000 15000 0 5000 10000 15000
489
COMILLAS
INGENIERA (ICAI)
TOM
TOM

Ajus
te exponencial
0.21 0 0.20
4.67 4.83
3948 .798291 7206
medi
4.826120
a

100 4
3
50 2
0 0
0 5 10 15 0 5 10 15
4 1
Min Cuad
Fiabilidad - R(t)
3 Max Ver
Med Rango
2 0.5
0 0
0 5 10 15 20 0 5 10 15
490
COMILLAS
INGENIERA (ICAI)
Ajuste Weibull
TBM
TBM
Beta Mu r V Mu
Aj
uste Weibull
0.49 0 0 981.6
872.91
9135 .892025 .4674738 1
me
2022.461528
dia
100 2
0
50
-2
0 -4
0 5000 10000 15000 0 5 10
-3
x 10
1 3
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver Max Ver

2
cdf
0.5
Plotting
1
0 0
0 5000 10000 15000 0 5000 10000 15000
491
COMILLAS
INGENIERA (ICAI)
TTM
TTM
Beta Mu r V Mu
Aj
uste Weibull
0.43 0 0 886.5
820.11
3774 .928337 .4326768 0
me
2017.476124
dia
100 2
0
50
-2
0 -4
0 5000 10000 15000 0 5 10
-3
x 10
1 2
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 1.5 Max Ver

cdf
0.5 1
Plotting
0.5
0 0
0 5000 10000 15000 0 5000 10000 15000
492
COMILLAS
INGENIERA (ICAI)
TOM
TOM
Beta Mu r V Mu
Aj
uste Weibull
1.29 0 1
5.21 5.28
3248 .915519 .4062628
me
4.826120
dia
100 2
0
50
-2
0 -4
0 5 10 15 -1 0 1 2 3
1 0.8
Min Cuad Min Cuad
Fiabilidad - R(t)
Max Ver 0.6 Max Ver

cdf
0.5 0.4
Plotting
0.2
0 0
0 5 10 15 0 5 10 15
493
COMILLAS
INGENIERA (ICAI)
AEROGENERADOR 56
TBM TTM TOM

MANTENIMIENTO
r^2 (horas) MTBM (horas) r^2 (horas) MTTM (horas) r^2 (horas) MTOM (horas)
PREVIENTIVO MULTIPLICADORA 0,965416 - 1,553419 12345,36 0 11101,0000 0,965317 - 1,553379 12340,93 0 11097,0000 0,94406 - 2,66025 2,34 0,0000 2,0799
PREVENTIVO GENERADOR 0,947517 - 7,733907 4780,37 0,0000 4494,0000 0,947764 - 7,730267 4780,37 0,0000 4494,0000 0,870933 - 4,051687 2,68 0,0000 2,4309
PREVENTIVO OTROS 0,898429 - 0,457461 924,19 0,0000 2209,0000 0,901492 - 0,388847 821,65 0,0000 2958,0000 0,905655 - 1,41951 4,29 0,0000 3,9017
AEROGENERADOR 28
TBF TTF TTR

MANTENIMIENTO
r^2 (horas) MTBF (horas) r^2 (horas) MTTF (horas) r^2 (horas) MTOM (horas)
PREVIENTIVO MULTIPLICADORA 0,80022 - 3,10477 14560,7 0 13023,0000 0,800224 - 3,10589 14556,1 0 13019,0000 0,81116 0,41 - - 0,0000 2,4264
PREVENTIVO GENERADOR 0,939906 - 1,961044 5714,97 0 5067,0000 0,939925 - 1,959849 5710,99 0,0000 5063,0000 0,783326 - 3,646676 3,42 0,0000 3,0839
PREVENTIVO OTROS 0,892025 - 0,499135 872,91 0 1751,0000 0,928337 - 0,433774 820,11 0,0000 2213,0000 0,915519 - 1,293248 5,21 0,0000 4,8169
494

Fall Osc

Enviado por

Dados do documento

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

Fall Osc

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDAD PONTIFICIA

1.1 Motivacin del proyecto

Hoy da hay una fuerte y creciente importancia de las energas renovables en la

Los aerogeneradores son mquinas sencillas pero expuestas a condiciones

La aplicacin de un adecuado plan de mantenimiento es un factor determinante para

Este proyecto fin de carrera es la continuacin natural de otro proyecto realizado en el

1.2 Objetivos del proyecto

En [Xiomara 2011], los modelos de fiabilidad utilizados fueron distribuciones

Para implantar este procedimiento de anlisis, se desarrollar una herramienta en

1.3 Metodologa propuesta

INTRODUCCIN Y REVISIN DEL ESTADO DEL ARTE

PLANTEAMIENTO Y ESTRATEGIA SEGUIDA

MODOS DE FALLO ACCIONES DE MANTENIMIENTO PREVENTIVO

ELABORACIN DE MODELOS DE FIABILIDAD

SIN TENER EN CUENTA EL MANTENIMIENTO TENIENDO EN CUENTA EL MANTENIMIENTO

CRERACIN DEL NUEVO PLAN DE MANTENIMIENTO IMPLANTANDO LA METODOLOGA MAOL

Figura 1: Metodologa a seguir para el desarrollo del proyecto.

Lo siguiente, es introducir la metodologa que se va a seguir a lo largo de todo el

El modelo MAOL es un planteamiento de mantenimiento distinto del tradicional. Uno de

1.4 Recursos/ Herramientas empleadas

A lo largo del proyecto se han utilizado los siguientes softwares:

Microsoft Word 2010.

Microsoft Excel 2010.

CAPTULO 2: La fiabilidad y el mantenimiento

Un aerogenerador es un generador elctrico movido por una turbina accionada por el

El funcionamiento de generador elctrico se basa en la accin que se establece entre la

Todos los generadores trifsicos utilizan un campo magntico giratorio. En la Figura 2 se

Figura 2: Representacin de la espira girando dentro del campo magntico. A travs de

El aire es un mal conductor magntico, pero existen materiales denominados

Si mediante un electroimn se genera un campo magntico y se atraviesan sus lneas de

Si se vara la velocidad de movimiento del conductor, variar el flujo magntico que le

Moviendo el conductor en la misma direccin que las lneas de campo, no se genera

Los aerogeneradores pueden trabajar de manera aislada o agrupados en parques elicos

La energa elica es cada vez ms utilizada en la actualidad, al haber demostrado la

Figura 3: Componentes bsicas de un aerogenerador. (Varma, 2009)

2.2 Concepto de mantenimiento

El mantenimiento se define como el conjunto de tcnicas destinadas a conservar equipos

A partir de La Primera Guerra Mundial, y sobre todo, a partir de la Segunda Guerra

2.2.1 Acciones de mantenimiento

Posteriormente se har resumen de cmo han evolucionado las tcnicas de

Objetivos de realizar un buen mantenimiento

Disminuir la gravedad de los fallos que no se puedan evitar.

Evitar detenciones intiles o paros de maquinas.

Prolongar la vida til de los bienes.

Tipos y niveles de mantenimiento

Figura 4: Clasificacin de las acciones de mantenimiento.

Mantenimiento Correctivo: Conjunto de actividades de reparacin y sustitucin de

Mantenimiento Preventivo: Conjunto de actividades programadas de antemano

Mantenimiento Preventivo Sistemtico, efectuado a intervalos regulares de

Mantenimiento Preventivo Predictivo o segn condicin, subordinado a un

El Mantenimiento Predictivo, ms que un tipo de mantenimiento, se refiere a las

2.3 Introduccin a los modelos de fiabilidad

La aplicacin de las nuevas tecnologas a la industria en general, mejora y hace posible la

El concepto de seguridad est ntimamente ligado con la fiabilidad, ya que cuanto ms

En instalaciones en las que se pueden generar accidentes de graves consecuencias, se

2.3.1 Conceptos bsicos de estadstica y fiabilidad

Funcin de densidad y funcin de distribucin

Segn la definicin anterior, la probabilidad de que X tome valores dentro de un

Figura 5: Clculo de probabilidad de un intervalo a partir de la funcin de densidad

De la definicin de funcin de densidad se deducen las siguientes propiedades:

Para poder interpretar qu representa la funcin de densidad, se calcular la

Si el intervalo es suficientemente pequeo, el rea bajo la funcin de densidad se puede

Y si se deja la anterior expresin la funcin de densidad, se obtiene que es,

Alternativamente a la funcin de densidad, al igual que suceda en el caso de las