CAPÍTULO 4

OPTIMIZACIÓN DE LAS
FRECUENCIAS DEL MONITOREO
PARA EL MANTENIMIENTO BASADO
EN CONDICIÓN
TÓPICOS

• ESTIMACIÓN DE LA FRECUENCIA DE MONITOREO

• FUNDAMENTOS BÁSICOS DEL ANÁLISIS DE SISTEMAS

• ANÁLISIS ESTADÍSTICO DE INFORMACIÓN HISTÓRICA

• ANÁLISIS COSTO-RIESGO PARA LA OPTIMIZACIÓN DE FRECUENCIAS

DE MANTENIMIENTO
ESTIMACIÓN DE LA
FRECUENCIA DE MONITOREO
 DETERMINACIÓN DE LA FRECUENCIA DE MANTENIMIENTO

Una vez que seleccionada las tareas, y estrategias de mantenimiento

requeridas, para atender o monitorear los modos de fallas y sus efectos
en los equipos, es necesario determinar la frecuencia con la que se
aplicara las acciones o las técnicas de monitoreo, que garanticen su
eficiencia.

El plan de mantenimiento de una instalación es el conjunto de tareas

preventivas que hay que realizar en ésta antes de que ocurra un fallo, y
precisamente con la intención de evitarlo.

FORMAS DE DETERMINAR
LA FRECUENCIA

Métodos Modelos Experiencia del

matemáticos estadísticos personal
 CÁLCULO DE LA FRECUENCIA DE INSPECCIÓN CON
MODELOS MATEMÁTICOS

Este método es una de las técnicas formales para determinar la frecuencia

de las inspecciones predictivas, tomando en cuenta la relación riesgo -
costo – beneficio. Corresponde a un modelo matemático que pretende
dar una idea cercana del valor del tiempo entre inspecciones predictivas.

𝑰= 𝑪 × 𝑭 ×𝑨 Donde: I: Intervalo de Inspección

C: Factor de costo
F: Factor de falla
A: Factor de ajuste

Donde: C: Factor de Costo

𝑪 = 𝑪𝒊/𝑪𝒇
Ci: Costo de una inspección predictiva
(en unidades monetarias)
Cf: Costo en que se incurre por no
detectar la falla (en unidades
monetarias)

Fuente: Ing. Rafael Suarez

 CÁLCULO DE LA FRECUENCIA DE INSPECCIÓN CON
MODELOS MATEMÁTICOS

La relación del factor de falla (F) es la siguiente:

Donde:
𝑭 = 𝑭𝒊 / 𝝀 Fi: Cantidad de modos de falla que pueden ser
detectados utilizando la tecnología predictiva
(años / inspección) (expresada en fallas por inspección).

λ: Tasa de fallas presentada por el equipo, y que

además, podrían ser detectadas por la tecnología
predictiva a ser aplicada (expresada en fallas por
año)

𝝀
El Factor de Ajuste (A) será igual a: 𝑨 = − ln(𝟏 − 𝒆− )

Por lo anterior, el intervalo de inspecciones predictivas queda definido

como:
𝑪𝒊 𝒙 𝑭𝒊 𝝀
𝑰=− × ln(𝟏 − 𝒆− )
𝑪𝒇 𝒙 𝝀

Fuente: Ing. Rafael Suarez

 CÁLCULO DE LA FRECUENCIA DE INSPECCIÓN A PARTIR DE
LA EXPERIENCIA DEL PERSONAL
(Construcción del Diagrama P-F)

Para un mismo modo de falla, podemos tener varios P-F, dependiendo del
parámetro de la condición y la tecnología que se seleccione.

Se recomienda:
• Identificar el parámetro que
proporcione el periodo P-F más largo
corto

• Identificar el parámetro que

proporcione el P-F mas corto (P-F Crítico)

• Seleccionar la tecnología(s) que tenga

mayor sensibilidad para la detección de
P.

Esto permitirá que la toma de decisiones sobre la frecuencia del monitoreo,

asegure mantener el equipo mientras se encuentre dentro de su rango de
desempeño útil.
 CÁLCULO DE LA FRECUENCIA DE INSPECCIÓN A PARTIR DE
LA EXPERIENCIA DEL PERSONAL
(Construcción del Diagrama P-F)

Inicio de Falla Ultrasonido

Termografía
Potencial Corriente
Vibración
Análisis
de Aceite
Condición del equipo
P
Síntoma Detección de la
Ruido
audible Falla
Falla Potencial Funcional, F

Dominio Proactivo Dominio Predictivo Dominio F Dominio de Protección

(Detección de la causa raíz) (Detección del Correctivo (Control de daño)
síntoma) (Atención al MF)
Calor al contacto
Falla
Catastrófica

En función del modo de fallo/mecanismos de daño que se esté

desarrollando, será necesario utilizar una u otra técnica o bien una
combinación de ellas para asegurar la detección del síntoma.
 CÁLCULO DE LA FRECUENCIA DE INSPECCIÓN A PARTIR DE
LA EXPERIENCIA DEL PERSONAL
(Construcción del Diagrama P-F)

Si nuestra frecuencia de monitoreo (FM) es establecida con una

frecuencia igual al P-F, entonces nuestra posibilidad de detectar el
problema es muy remota. Si por el contrario, nuestra FM es mayor que P-
F, entonces nuestro programa no será capaz de detectar este problema
y nuestro programa carece de sentido.

A partir de lo anterior, es obvio que nuestra FM debe ser menor que P-F.
Idealmente deberá ser establecida como:

FM = P−F/3

De esta manera estamos en la condición de detectar el inicio del

problema, su avance y todavía estar en condiciones de monitorear el
final de la vida del equipo.
 CÁLCULO DE LA FRECUENCIA DE INSPECCIÓN A PARTIR DE
LA EXPERIENCIA DEL PERSONAL
(Construcción del Diagrama P-F)

Métodos para estimar el Intervalo PF

Si se espera que el Intervalo P-F sea más largo que el intervalo de
inspección existente, P-F se puede estimar de acuerdo a la
siguiente ecuación:

ln(1 − 𝛼)
𝑃𝐹 = ×𝐼
ln(1 − 𝜃)
Donde:
𝛼: Efectividad de la tarea "(# de fallas potenciales / # de fallas totales)"
θ: Probabilidad de detectar una falla potencial con la ocurrencia de una
tarea en condición propuesta (asumiendo que existe la falla potencial)
𝐼: Intervalo actual de la tarea
 CÁLCULO DE LA FRECUENCIA DE INSPECCIÓN A PARTIR DE
LA EXPERIENCIA DEL PERSONAL
(Construcción del Diagrama P-F)

Si se espera que el intervalo P-F sea más pequeño que el intervalo de

inspección existente, la expresión matemática correspondiente es:

𝛼
𝑃𝐹 = ×𝐼
𝜃
Donde:
𝛼: Efectividad de la tarea "(# de fallas potenciales / # de fallas totales)"
θ: Probabilidad de detectar una falla potencial con la ocurrencia de una
tarea en condición propuesta (asumiendo que existe la falla potencial)
𝐼: Intervalo actual de la tarea

Este método con mayor incertidumbre, el cual debe ser ajustado en la

medida que se obtiene mayor información del comportamiento del
equipo, para lograr una mejor precisión en la estimación
 CÁLCULO DE LA FRECUENCIA DE INSPECCIÓN CON
MODELOS ESTADÍSTICOS

EQUIPO

Diagnóstico Diagnóstico
Diagnóstico
Parcial basado en Parcial basado en
Parcial basado en
el Historial de los Datos de
los Datos Técnicos
Fallas Deterioro

DIAGNÓSTICO INTEGRADO
 CÁLCULO DE LA FRECUENCIA DE INSPECCIÓN CON
MODELOS ESTADÍSTICOS

Tasa de Fallas Tiempo Promedio Tasa de Reparación

(λ) entre Fallas (MTBF) (µ)

1 1
λ= 𝑁° 𝑑𝑒 𝑓𝑎𝑙𝑙𝑜𝑠 /𝐴ñ𝑜 µ= 𝑁° 𝑑𝑒 𝑟𝑒𝑝𝑎𝑟𝑎./𝐴ñ𝑜
𝑀𝑇𝐵𝐹 𝑀𝑇𝑇𝑅
σ𝑛0 𝑇𝐵𝐹
𝑀𝑇𝐵𝐹 = 𝑑í𝑎𝑠
𝑛
Tiempo Promedio de Disponibilidad
Reparación (MTTR) Confiabilidad
(D)
(R)

𝑡
σ𝑛0 𝑇𝑇𝑅 𝑅 𝑡 = 1 − න 𝑓 𝑡 𝑑𝑡 𝑀𝑇𝐵𝐹
𝑀𝑇𝑇𝑅 = 𝑑í𝑎𝑠 𝐷=
𝑛 0 𝑀𝑇𝐵𝐹 + 𝑀𝑇𝑇𝑅
FUNDAMIENTOS BÁSICOS
DEL ANÁLISIS DE SISTEMA
 FUNDAMENTOS BÁSICOS DEL ANÁLISIS DE SISTEMAS

¿QUÉ ES UN SISTEMA?
Es una colección de subsistemas, y/o
componentes organizados en un diseño
específico con el fin de lograr las funciones
deseadas con un rendimiento y
confiabilidad aceptables.

EL ANÁLISIS DE SISTEMAS…
• Permite la estimación de la probabilidad de falla, confiabilidad y riesgo en los
diferentes niveles jerárquicos de la estructuras físicas y funcionales de los
activos.
• Permite estimar la contribución de cada equipo o función a la probabilidad de
falla y/o confiabilidad de los procesos o sistemas tanto por su probabilidad de
falla y/o confiabilidad individual como por su ubicación dentro del mismo.
• Se sustenta en diagramas de bloques, árboles de falla y diagramas
markovianos entre otros.
DIAGRAMA DE BLOQUES DE CONFIABILIDAD DE SISTEMAS DE PROCESOS

El funcionamiento de un sistema/proceso se representa mediante

esquemas de bloques adecuadamente conectados, de forma que cada
bloque representa un elemento o subsistema.

Sistema en Serie

Sistema Complejo

Sistema en Paralelo
DIAGRAMAS DE BLOQUES DE DISPONIBILIDAD - SISTEMA EN SERIE
Son sistemas conformados por múltiples elementos de los cuales
deben operar todos para que el sistema cumpla con su función.

1 2 3 N 1 2 3 N

Confiabilidad del Sistema:

N
CSIST . ( t )  C1 t  * C2 t  * C3 t ........CN t    Ci t 
i 1

Probabilidad de Falla del Sistema:

   
N
FSIST . ( t )  1  C1 t  * C2 t  * C3 t ........CN t   1   1  Fi t 
 i 1 
DIAGRAMAS DE BLOQUES DE DISPONIBILIDAD - SISTEMA EN PARALELO

Son sistemas conformados por múltiples

elementos de los cuales debe operar al menos
1 uno para que el sistema cumpla con su función.

2 Probabilidad de Falla del Sistema:

FSIST t   F1 * F2 * F3 ..........FN   Fi t 
N

3 i 1

Confiabilidad del Sistema:

N N
CSIST t   1  FSIST t   1   1  Ci t 
i 1
DIAGRAMAS DE BLOQUES DE DISPONIBILIDAD - SISTEMA EN PARALELO

Sistemas k de N:
Característicos de algunos esquemas de
redundancia, donde se contempla el uso de un

1
número de componentes o unidades mayor que el
requerido, se requieren “k” de “N” componentes en
paralelo, a fin de poder establecer esquemas de
votación que permitan incrementar la confiabilidad
2 global del sistema.

Confiabilidad del Sistema:

3
N Probabilidad de Falla del Sistema:

FSIST. (t )  1  Csist t 
¿QUE ES UN ANÁLISIS RAM?

RELIABILITY – AVAILABILITY - MAINTENABILITY

Este análisis se sustenta en un modelo de

simulación que toma en cuenta la configuración
de los equipos, las fallas aleatorias, las
reparaciones, las paradas parciales y totales, las
pérdidas de capacidad por degradación de sus
componentes y el tiempo fuera de servicio por
mantenimiento planificado.

La base fundamental de este análisis es la

selección de los TPPF y TPPR para los diversos
componentes, tomados de bases de datos
propias, bancos de datos genéricos de la
industria y opinión de expertos.
MODELO GENERAL DEL ANÁLISIS RAM
 ANÁLISIS RAM - CDM
(Confiabilidad, Disponibilidad, Mantenibilidad)

BASE DE DATOS DE EQUIPOS MODELO RAM

Datos técnicos, operacionales, de Modelo de simulación de
mantenimiento y confiabilidad de Confiabilidad, Disponibilidad y
equipos y sistemas Mantenibilidad

• Factor de disponibilidad del Lista jerarquizada de instalaciones,

Sistema
• Pronóstico de Producción
diferida/perdida del sistema
sistemas y equipos, con base en su
impacto en el Factor de
disponibilidad y en la producción
diferida.
 ANÁLISIS ESTADÍSTICO
DE INFORMACIÓN
HISTÓRICA DE EQUIPOS
ANÁLISIS ESTADÍSTICO DE INFORMACIÓN HISTÓRICA DE EQUIPOS
La aplicación de la estadística en el análisis de datos de fallas centra sus
objetivos en el diagnóstico del estado en el que se encuentran los equipos,
los sistemas o los procesos, para predecir su comportamiento futuro, por
medio del análisis integrado del historial de fallas, los datos del deterioro y
los datos técnicos.

FUNDAMENTOS DE UN PROCESO DE PRONÓSTICO

Estimar el
estado
Determinar o
actual de Establecer
estimar los
deterioro el horizonte
comportamientos
del equipo o predictivo
función y la tasa del evento
esperada de Estimar la vida deseado
Definir el
deterioro útil remanente
punto
esperada o el
final
tiempo
esperado
Definir el para la falla
nivel de
confianza Norma ISO 13380-1
ANÁLISIS ESTADÍSTICO DE INFORMACIÓN HISTÓRICA DE EQUIPOS

ESTADÍSTICA DESCRIPTIVA

La Estadística Descriptiva o Análisis

Exploratorio de Datos, es la rama de
las Matemáticas que recolecta,
presenta y caracteriza un conjunto
de datos con el fin de describir
apropiadamente las diversas
características de ese conjunto,
tanto las sobresalientes como las
inesperadas.

Las variables objeto de estudio de la Estadística Descriptiva,

se conocen como Variables Random, Variables Aleatorias o
Variables Distribuidas.
ANÁLISIS ESTADÍSTICO DE INFORMACIÓN HISTÓRICA DE EQUIPOS

VARIABLES RANDOM O VARIABLES ALEATORIAS

Se denomina variable random, aleatoria o
distribuida, a una variable “X” que por sus
características pueda tomar un conjunto de
valores (x1, x2, x3, x4, ... xn-1) cada uno de los
cuales tiene una probabilidad de ocurrencia
(p1, p2, p3, p4, ... pn-1,), sin que se pueda
asegurar específicamente cual de todos
estos probables valores tomará la variable.

Estas variables se caracterizan porque si se repite sucesivamente un

experimento bajo las mismas condiciones, el resultado en cada
caso puede ser distinto.
ANÁLISIS ESTADÍSTICO DE INFORMACIÓN HISTÓRICA DE EQUIPOS
VARIABLES RANDOM O VARIABLES ALEATORIAS
Variables Discretas
Es una Variable Random
que sólo puede tomar
valores enteros, es decir, Las variables aleatorias
un número finito de discretas se identifican de
valores contables. las continuas, porque
para cuantificar su
frecuencia hay que
Variables Continuas “CONTAR”, mientras que
para las variables
Es una Variable Random aleatorias continuas hay
que teóricamente puede que “MEDIR”.
tomar todos los valores de
un intervalo dado (enteros,
decimales), es decir, un
número infinito de valores.
ANÁLISIS ESTADÍSTICO DE INFORMACIÓN HISTÓRICA DE EQUIPOS

TÉCNICAS DE RECOPILACIÓN Y REPRESENTACIÓN DE DATOS

Entrevistas - Opinión de Expertos
Técnicas de
Observaciones
Recopilación de
Registros de Proyectos Previos
Datos
Registros Históricos Bitácoras de Proyectos Similares
Bases de Datos

Frecuencias Relativas
Histogramas de
Acumulada Directa
Frecuencias
Acumulada Inversa

Función de Densidad
Representación de Datos Distribuciones de Acumulada Directa
Probabilidad
Acumulada Inversa
ANÁLISIS ESTADÍSTICO DE INFORMACIÓN HISTÓRICA DE EQUIPOS

REPRESENTACIÓN ESTADÍSTICA DE DATOS

Histogramas de frecuencia
Es un tipo de gráfico que agrupa un conjunto de datos de una
variable aleatoria, de forma tal que puedan apreciarse los siguientes
aspectos característicos de su comportamiento:

1. La forma o distribución que presenta el histograma; es decir, si hay

simetría o asimetría en la distribución de los datos.

2. Si existe algún intervalo donde Histograma de Frecuencia

se acumulan los datos o 0.35

aparece una tendencia 0.3 El histograma de frecuencias permite contestar

preguntas como:
posicional de los mismos 0.25

Frecuencia
¿Cuál es la probabilidad de que X tome un deter
(valores que mas se repiten). 0.2
valor xi?
0.15
3. En el caso de variables ¿Cuál es el valor o el rango de valores de X con
0.1 probabilidad de ocurrencia?
cuantitativas continuas, el 0.05
¿De qué manera se distribuyen los probables va
grado de dispersión o 0 X?

variabilidad de los datos. 9.1 - 9.4 9.4 - 9.7 9.7 – 10.0 10.0 – 10.3 10.3 – 10.6 10.6 – 10.9

Clases
ANÁLISIS ESTADÍSTICO DE INFORMACIÓN HISTÓRICA DE EQUIPOS

REPRESENTACIÓN ESTADÍSTICA DE DATOS

Histograma de
Frecuencias

Frecuencia Frecuencia
Relativa Acumulada

Histograma de Frecuencia
0.35

0.3 El histograma de frecuencias permite contestar

preguntas como:

Directa Inversa
0.25
Frecuencia

¿Cuál es la probabilidad de que X tome un determinado

0.2
valor xi?
0.15
¿Cuál es el valor o el rango de valores de X con mayor
0.1 probabilidad de ocurrencia?
0.05
¿De qué manera se distribuyen los probables valores de
0 X?
9.1 - 9.4 9.4 - 9.7 9.7 – 10.0 10.0 – 10.3 10.3 – 10.6 10.6 – 10.9 Histograma Acumulado Directo Histograma Acumulado Inverso
Clases 1.2 1.2

Probabilidad Acumulada
1
Probabilidad Acumulada

0.8 0.8

0.6 0.6

0.4 0.4

0.2 0.2

0 0
9.1 - 9.4 9.4 - 9.7 9.7 – 10.0 10.0 – 10.3 10.3 – 10.6 10.6 – 10.9 9.1 - 9.4 9.4 - 9.7 9.7 – 10.0 10.0 – 10.3 10.3 – 10.6 10.6 – 10.9

Aceleración de Gravedad (mts/seg2) Aceleración de Gravedad (mts/seg2)

ANÁLISIS ESTADÍSTICO DE INFORMACIÓN HISTÓRICA DE EQUIPOS

DISTRIBUCIONES DE PROBABILIDAD

Son modelos gráficos que

relacionan los diversos probables
valores que puede tomar una
variable random (aleatoria), con
la frecuencia de ocurrencia de
cada uno de estos probables
valores.
ANÁLISIS ESTADÍSTICO DE INFORMACIÓN HISTÓRICA DE EQUIPOS
DISTRIBUCIONES DE PROBABILIDAD

DISTRIBUCIONES DE PROBABILIDAD “NO PARAMÉTRICAS”

Es una distribución subyacente que no se ajusta a los llamados

criterios paramétricos. Este tipo de distribución no puede ser definida a
priori, pues son los datos observados los que la determinan.

DISTRIBUCIONES DE PROBABILIDAD “PARAMETRICAS”

Es una función matemática teórica, que

describe la forma en que se espera que
varíen los probables valores de una
variable random, es decir, una función
matemática que relaciona los diversos
probables valores que puede tomar
una variable aleatoria con la
probabilidad de ocurrencia de cada
uno de ellos.
ANÁLISIS ESTADÍSTICO DE INFORMACIÓN HISTÓRICA DE EQUIPOS

DISTRIBUCIONES DE PROBABILIDAD “PARAMÉTRICAS”

Existen dos formatos para cada distribución paramétrica, el formato de
“frecuencia relativa o densidad” y el formato “acumulado“.

Distribución de frecuencias o densidad de probabilidad f(X)

1
1
SE DEFINE COMO:
f(xi)
f(xi) = Pr(x=xi) = pi
f( x ) 0.5

INTERPRETACIÓN:
PROBABILIDAD DE OBSERVAR
0 0
8 9 10 11 12
EL VALOR xi
8 xi x 12
Variable Aleatoria

Distribución acumulada o de probabilidad acumulada F(X)

1
1.0
SE DEFINE COMO:

F(xi)=Pr(x ≤ xi)
F( x ) 0.5

INTERPRETACIÓN:
F(xi)
PROBABILIDAD DE OBSERVAR
0 0
8 9 10 11 12
VALORES ≤ xi
8 xi x 12
Variable Aleatoria
ANÁLISIS ESTADÍSTICO DE INFORMACIÓN HISTÓRICA DE EQUIPOS
DISTRIBUCIONES DE PROBABILIDAD “PARAMÉTRICAS”

Distribución
1 acumulada inversa de probabilidad acumulada inversa [C(X)]
C(x1i) SE DEFINE COMO:
C(xi)
F(xi)=Pr(x ≥ xi)

C(x)=1-F(x) INTERPRETACIÓN:
C(x)=1-F(x)
PROBABILIDAD DE OBSERVAR VALORES ≥
0 xi
0 X
xi X
xi
Distribuciones características de la Confiabilidad C(X) y la Probabilidad de Falla F(X)
1
1
C(xi)
C(xi) xi 
F(x)
F(x)
Pr( x  xi )  C( xi )  1   f ( x )dx   f ( x )dx
 xi
C(x)
F(x)i) C(x)
F(x i
0
0
XX
xxi i
ANÁLISIS ESTADÍSTICO DE INFORMACIÓN HISTÓRICA DE EQUIPOS

CARACTERÍSTICAS DE LAS DISTRIBUCIONES DE PROBABILIDAD “PARAMÉTRICAS”

f(x) XM = MODA (Valor de la variable con mayor

frecuencia de ocurrencia)

µ = MEDIA (medida de la tendencia central

o valor esperado de la variable)

X50% = MEDIANA (Valor central de los datos distribuidos, percentil 50%)

σ = DESVIACIÓN ESTANDAR (medida de

|dispersión
variable)
de la incertidumbre asociada a la

Límite Inferior µ Límite Superior X

XM X50%
Xi =X5% Xs = X95% PERCENTILES (Definen la posición del valor
de X en relación a la cantidad % del área
Pr = (X ≥ Xi) = 0.05 Pr = (X ≤ Xs) = 0.95
bajo la curva que contiene a los valores ≤ X)
INTERVALO DE CONFIANZA
Pr = (Xs ≥ X ≥ Xi) = 0.95 – 0.05 = 0.9 = 90%
ANÁLISIS ESTADÍSTICO DE INFORMACIÓN HISTÓRICA DE EQUIPOS

MODELOS DE DISTRIBUCIONES PARAMÉTRICAS DE USO COMÚN

Variables Aleatorias
Continuas

Distribución Normal
Distribución Lognormal
Variables Aleatorias
Distribución Exponencial Discretas
Distribución de Weibull
Distribución Binomial
Distribución Beta
Distribución de Poisson
Distribución Gamma
Dist. Hipergonométrica
Distribución Triangular
Distribución Geométrica
Distribución Uniforme
ANÁLISIS ESTADÍSTICO DE INFORMACIÓN HISTÓRICA DE EQUIPOS
DISTRIBUCIONES PARAMÉTRICAS CONTINUAS
ANÁLISIS ESTADÍSTICO DE INFORMACIÓN HISTÓRICA DE EQUIPOS

DISTRIBUCIONES PARAMÉTRICAS DISCRETAS

ANÁLISIS ESTADÍSTICO DE INFORMACIÓN HISTÓRICA DE EQUIPOS
MODELOS MATEMÁTICOS DE DISTRIBUCIONES DE
PROBABILIDAD “PARAMETRICAS”
Distribución de Densidad Distribución de Probabilidad Distribución de Pobabilidad
de Probabilidad o “pdf” Acumulada Drecta o “CDF” Aumulada Inversa.

f (x) F (x) C ( x)  1  F ( x)

1  x 
2
 x  x
1    F ( x )    C ( x )  1  
Normal f ( x)  e 2  
   
 2   

1  ln  x  t 
2

1  
2   t 

 ln x    t   ln x    t 
f ( x)  e F ( x)    C ( x)  1   
Log-Normal  t x 2   t    t 

x   x  
x
1 
Gamma f ( x)   x  1 .e  F x   xo ,  0 C ( x)  1 
      

Exponencial f ( x )  e   . x F ( x)  1  e   . x C ( x)  e   . x

 x
 x  1
    

f x    
 x  x
Weibull e  
F ( x)  1  e
 
 
 
 
C ( x)  e
  
ANÁLISIS ESTADÍSTICO DE INFORMACIÓN HISTÓRICA DE EQUIPOS
PARÁMETROS CARACTERÍSTICOS DE LAS DISTRIBUCIONES
“PARAMETRICAS”
Parámetro 1 Parámetro 2

Media:
Desviación estándar:
1 n
   xi   1  n

      xi     
2
Normal n i 1
  n  1  i 1 

Desviación estándar
Media Logarítmica: logarítmica:
1 n
t   ln xi 
n i 1
  1  n 
 t      ln xi    t 2  
Log-Normal
  n  i 1 

Escala: Forma:
n
n. x i  x 
2

n  1  xi 
n 2

Gamma
  i 1   i 1
n
n  1 xi
n
n 2   xi  x 
2

i 1 i 1

Tasa   :
1
Exponencial  n
N.A
x i 1
i

Escala: Forma:

 x  ln x 
1 n
 n
 
  xi  i i
1 1 n
  ln xi 
Weibull
   i 1  
i 1
 n  n
 n i 1




 x
i 1
i
 ANÁLISIS COSTO-RIESGO
PARA LA OPTIMIZACIÓN DE
FRECUENCIAS DE
MANTENIMIENTO
ANÁLISIS COSTO-RIESGO
Permite comparar el costo asociado a una actividad de mitigación de falla
con el valor de riesgo remanente asociado (valor de las consecuencias).

Mantenimiento preventivo

Inspecciones

Monitoreo de Condiciones
Nivel de reducción de riesgo o
Reemplazos mejora en el desempeño debido a
Re-acondicionamiento dicha acción (mínimo impacto en
el negocio).
Rediseño

Rehabilitación

Actualización tecnológica
MODELO GENERAL DE ANÁLISIS COSTO-RIESGO

NO SI
ANÁLISIS COSTO-RIESGO

COSTO POR AÑO (MDS)

Punto Óptimo

1 2 3 4 5 6 7 8 9 10
INTERVALO DE TIEMPO (AÑOS)

Si la acción se ejecuta a una frecuencia que corresponde a:

1. El Punto Óptimo  Mínimo Impacto en el negocio
2. La derecha del Punto Óptimo  Se está asumiendo mucho riesgo
3. La izquierda del Punto Óptimo  Se está gastando mucho dinero
 FACTORES CLAVES DE ÉXITO DEL MBC
✓ Trabajo en equipo de las áreas de mantenimiento y operaciones
✓ La selección adecuada de las tecnologías

✓ Tecnologías dirigidas a las causas de falla y sus síntomas

✓ Determinación de una adecuada frecuencia de monitoreo

✓ Habilidad para interpretar los resultados y la tendencia

✓ Métodos y programas de almacenamiento y análisis de la información

✓ Establecimiento de límites y alarmas adecuados

✓ Actualización e Integración de las tecnologías

✓ Toma de decisiones adecuada

✓ Cuantificación de los beneficios del programa

(No evento)

✓ Educación y certificación de los profesionales a

cargo del programa
Ing. Msc. Nayrih M. Medina C.
nmconsutlora@nayrihmedina.com
Cel. 938-152 94 98
 IoT

47