See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/283277027

Análisis difuso del modo de falla

Article · April 2012

CITATIONS READS

0 110

1 author:

Dr. Manuel Arnoldo Rodríguez Medina

Instituto Tecnológico de Ciudad Juárez, Ciudad Juárez, Chihuahua.
55 PUBLICATIONS   29 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Reliability analysis for electronic devices using Beta-Weibull Distribution View project

Aplicación del Sistema Mahalanobis-Taguchi (MTS), para Determinar Variables Significantes que Ayuden a Definir Perfiles de Éxito en Alumnos Egresados
de la UTCJ View project

All content following this page was uploaded by Dr. Manuel Arnoldo Rodríguez Medina on 28 October 2015.

The user has requested enhancement of the downloaded file.

Congreso Internacional de Investigación ISSN 1946-5351 ONLINE Vol 4., No. 1, 2012
AcademiaJournals Cd. Juárez ISSN 1948-2353 CDROM Juarez.AcademiaJournals.com

Análisis difuso del modo de falla

MC. Manuel Jesús Reyes Méndez 1, Dr. Manuel Arnoldo Rodríguez Medina1, Dr. Iván Rodríguez Borbón 2,
Dr. Alejandro Alvarado Iniesta2

Resumen
Los modos de falla, los efectos y el análisis de criticidad FMECA es una metodología estándar para
identificar y analizar los modos de falla. El objetivo principal al aplicar esta herramienta es asegurar que todos los
modos de falla potenciales sean considerados y se tomen las disposiciones adecuadas para eliminarlos. Las
múltiples aplicaciones de esta técnica han resultado útiles en la selección de alternativas de diseño, la
programación del mantenimiento y en el análisis de confiabilidad y disponibilidad.
Dado que este método utiliza conceptos no precisos para categorizar las fallas, se propone complementar
la técnica de análisis con lógica difusa para detectar los modos de falla. En nuestro trabajo tratamos de motivar
la investigación en este campo presentando una descripción comprensible de trabajos anteriores y mediante una
aplicación que evalúa la posibilidad de reprobación académica.
Palabras claves: FMECA, FMEA, Detección del modo de falla, Lógica difusa.

1. INTRODUCCIÓN
La técnica de análisis conocida como FMECA: los modos de falla, los efectos y el análisis de criticidad;
también referida como FMEA: los modos de falla y el análisis de los efectos; evalúa la severidad (S), la
ocurrencia (O) y la no detección (D) de la falla mediante el Índice de Criticidad o el Número de Prioridad de
Riesgo; según sea el análisis requerido: FMECA o FMEA.
Esta es una herramienta valiosa de la ingeniería de confiabilidad y juega un papel vital en el diseño y
desarrollo de los sistemas técnicos. Es ampliamente aplicada dentro de la industria militar, la exploración
espacial, la industria automotriz, etc.
Entre los objetivos principales para realiza un análisis FMECA se encuentran:
• Satisfacer al cliente
• Identificar modos de falla que tienen consecuencias respecto a disponibilidad, seguridad, etc.
• Establecer los medios y procedimientos de detección de cada modo de falla
• Adoptar acciones correctivas y/o preventivas de forma que se supriman las causas de la falla.
1.1Conceptos
Un modo de falla puede estar originado por una o más causas o factores, como se muestra en la
Figura 1. Éstas, pueden ser independientes entre sí, tales como la A o la B. También pueden combinarse entre
ellas, es decir, que el modo de falla está condicionado a que se presenten ambas, como por ejemplo, C y D. Y
por último, puede que las causas estén encadenadas como la E y F, es decir, la E no se presentará si no
aparece antes de F.

Figura 1. Causas del modo de falla

1
Departamento de posgrado e investigación ITCJ: reyesmjesus@yahoo.com , m_rodriguez_itcj@yahoo.com
2
Departamento de Ingeniería Industria y Manufactura UACJ: ivanrodr@nmsu.edu , alejandro.alvarado.iniesta@gmail.com

Instituto Tecnológico de Cd. Juárez 768 Cd. Juárez, Chihuahua, México

Congreso Internacional de Investigación ISSN 1946-5351 ONLINE Vol 4., No. 1, 2012
AcademiaJournals Cd. Juárez ISSN 1948-2353 CDROM Juarez.AcademiaJournals.com

1.2 Descripción del método

La metodología estándar FMECA, se puede resumir en los siguientes pasos:
Paso 1: Describir el nombre del producto y componentes.
Paso 2: Describir la operación que realiza cada uno de los componentes y las interconexiones existentes.
Paso 3: Describir el Modo de falla, cuando un elemento no funciona de acuerdo con la especificación.
Paso 4: Describir los efectos de la falla. Por ejemplo: ruido, acabado no agradable, inoperante, etc.
Paso 5: Valorar la gravedad de la falla en función de la insatisfacción del cliente. Ver tabla 1.

Gravedad o Severidad Criterio Valor de S

Ínfima El defecto sería imperceptible por el usuario 1
Escasa El cliente puede notar una falla menor 2-3
Baja El cliente nota la falla y le produce cierto enojo 4-5
Moderada La falla produce disgusto e insatisfacción el cliente 6-7
Elevada La falla es crítica, origina un alto grado de insatisfacción 8-9
Muy elevada La falla implica problemas de seguridad 10
Tabla 1. Clasificación según Gravedad o Severidad de la falla

Paso 6: Identificar las características críticas cuando la gravedad sea 9 ó 10.

Paso 7: Describir todas las causas potenciales de la falla.
Paso 8: Evaluar la probabilidad; de forma intuitiva; de ocurrencia del modo de falla. Ver tabla 2.

Ocurrencia Criterio Valor de O

Muy escasa Defecto inexistente en el pasado 1
Escasa Muy pocas fallas en el pasado 2-3
Moderada Defecto aparecido ocasionalmente 4-5
Frecuente La falla se ha presentado con cierta frecuencia 6-7
Elevada La falla se ha presentado muy frecuentemente en el pasado 8-9
Muy elevada Es seguro que la falla se producirá 10
Tabla 2. Cuadro de clasificación según la Probabilidad de ocurrencia

Paso 9: Describir los controles actuales para prevenir las causas de la falla y detectar el efecto resultante.
Paso 10: Probabilidad de no detección. Este índice indica la probabilidad de que la causa y/o modo de falla
llegue al cliente.

No Criterio Valor de D
detección
Muy escasa El defecto es obvio y fácilmente detectado por los controles existentes 1
Escasa El defecto raramente podría escapar a algún control secundario 2-3
Moderada El defecto es una característica de fácil detección 4-5
Frecuente El defecto es de difícil detección; con frecuencia llega al cliente 6-7
Elevada El defecto es improbable de detectar 8-9
Muy elevada El defecto ser muy difícil detectar con mucha probabilidad llegará al 10
cliente
Tabla 3. Cuadro de clasificación según la Probabilidad de no detección

Paso 11: Calcular el Número de Prioridad de Riesgo (NPR) con el fin de priorizar la causa potencial de la
falla y tomar acciones correctivas.
NPR = S * O * D (1)
Paso 12: Descripción de las acciones correctivas recomendadas.
Paso 14: Descripción de las acciones realmente implantadas.
Paso 15: Calcular el Nuevo Número de Prioridad de Riesgo
Si a pesar de la implantación de las acciones correctivas, no se cumplen los objetivos definidos, es
necesario investigar y proponer nuevas acciones correctivas hasta conseguir que el NPR sea menor que el
definido en los objetivos.

Instituto Tecnológico de Cd. Juárez 769 Cd. Juárez, Chihuahua, México

Congreso Internacional de Investigación ISSN 1946-5351 ONLINE Vol 4., No. 1, 2012
AcademiaJournals Cd. Juárez ISSN 1948-2353 CDROM Juarez.AcademiaJournals.com

2 DETECCIÓN DEL MODO DE FALLA USANDO LA TEORÍA DE LOS CONJUNTOS DIFUSOS

Dentro de los estudios publicados para el uso de la lógica difusa en el análisis del modo de falla,
destacaremos los de Fonseca y Knapp (2001) y Pandey et al. (2009) quienes utilizaron un algoritmo de
razonamiento aproximado para generar un mecanismo de inferencia que identifica los modos de falla y los
factores que los precipitan o factores causantes de las fallas (FCF Failure Causing Factors).
El algoritmo se establece como sigue:
Paso 1. Identificar los factores desencadenantes o precipitantes del modo de falla bajo estudio.
Paso 2. Evaluar y categorizar los factores de acuerdo a los siguientes criterios:
• Factor crítico: si el factor es determinante en el desarrollo del modo de falla.
• Factor importante: si su contribución es sustancial aunque no determinante.
• Factor relacionado: si ha sido identificado: con poca significancia; con el desarrollo del modo de falla.
Ejemplo. Recurriendo al ejemplo de Fonseca y Pandey donde se analiza la obstrucción de la tubería de
una maquina por donde fluye el líquido refrigerante. Para este estudio se determinaron los siguientes factores
desencadenantes o causantes de la falla y el rango de la característica difusa:
Factor crítico: Alta temperatura del refrigerante {150-800 ◦F}
Factor Importante 1: Alta viscosidad del líquido refrigerante {100-700 SSU}
Factor Importante 2: Baja velocidad de flujo en el refrigerante {15-3 f/s}
Factor Relacionado 1: Acidez o basicidad del refrigerante {pH: 0-4 ó 10-14}.
Paso 3. Fusificar el efecto que tienen los factores en la precipitación del modo de falla. Para esta operación se
utilizan los números difusos utilizados en la teoría de los conjuntos difusos de Zadeh, ver Figura 2. Nótese
que la función de membrecía se representa como f(x) en lugar de μ (x) que es más conocida en la aritmética
difusa.

Figura 2. Numero triangular difuso

Para fusificar el término difuso “alta temperatura del refrigerante”; referido como el factor critico 𝑓𝑎 ;
tomamos el rango de la característica difusa de 150 a 800℉. De aquí 𝑎 = 150 𝑦 𝑏 = 800. A continuación
sustituimos estos valores en la formulación correspondiente en la Figura 2 para encontrar la función de
membrecía:
𝑥−𝑎 𝑥 − 150
𝑓𝑎 (𝑥) = = = 0.0015𝑥 − 0.23 (2)
𝑏 − 𝑎 800 − 150
Este factor causante de falla se representa mediante las siguientes ecuaciones y su presentación
grafica
0 𝑠𝑖 𝑥 ≤ 150℉
𝑓𝑎 (𝑥) = �0.0015𝑥 − 0.23 𝑠𝑖 150℉ < 𝑥 < 800℉ (3)
1 𝑠𝑖 𝑥 ≥ 800℉

Figura 3. Fusificación del factor alta temperatura 𝒇𝒂 (𝒙)

Instituto Tecnológico de Cd. Juárez 770 Cd. Juárez, Chihuahua, México

Congreso Internacional de Investigación ISSN 1946-5351 ONLINE Vol 4., No. 1, 2012
AcademiaJournals Cd. Juárez ISSN 1948-2353 CDROM Juarez.AcademiaJournals.com

Si en un momento dado la temperatura del refrigerante fuera 600℉, tendríamos el siguiente valor de
membresía al conjunto difuso “alta temperatura”:
𝑓𝑎 (600) = 0.0015(600) − 0.23 = 0.67 (4)
En forma resumida presentamos en la Tabla 4 el resultado de la fusificación de los factores causantes
de la falla para el ejemplo dado por Fonseca y Pandey.

Tabla 4. Fusificación y clasificación de los factores causantes de la falla

Paso 4. Continuando con el ejemplo, calcular el coeficiente de probabilidad LC (Likelihood Coefficient):
𝐿𝐶 = 𝑤𝑐𝑟 ∗ � 𝑓(𝑥)𝑓𝑎𝑐𝑡𝑜𝑟 𝑐𝑟 𝑖 + 𝑤𝑖𝑚 ∗ � 𝑓(𝑥)𝑓𝑎𝑐𝑡𝑜𝑟 𝑖𝑚 𝑗 + 𝑤𝑟𝑒 ∗ � 𝑓(𝑥)𝑓𝑎𝑐𝑡𝑜𝑟 𝑟𝑒 𝑘 (5)
∀𝑖=𝑐𝑟𝑖𝑡𝑖𝑐𝑜 ∀𝑗=𝑖𝑚 ∀𝑘=𝑟𝑒
Donde Wcr , Wim , and Wre son los pesos seleccionados para los factores críticos, importantes y
relacionados en el desarrollo del modo de falla.
Paso 5. Comparar el coeficiente de probabilidad calculado en contra el umbral predeterminado para de modo
de falla thri . Si LC es mayor que thri, entonces de modo de falla i debe estar incluido en el análisis del
sistema experto final, de lo contrario, se descarta de modo de falla i.
Para ejemplificar la operatividad del modelo se supone que se tiene una muestra donde la
temperatura del refrigerante es 300℉, la velocidad 12 ft/s, la viscosidad 650 SSU y el pH igual a 3. Los
cálculos respectivos se muestran en la Tabla 5.
Factor Categoría Peso 𝑤 Valor Membrecía 𝜇(𝑥)
Alta temperatura Critica 3 300℉ (0.0015)(300)-0.23=0.23
Baja velocidad Importante 2 12 ft/s (-0.083)(12)+1.25=0.25
Alta viscosidad Importante 2 650 SSU (0.0016)(650)-0.16=0.88
pH Relacionado 1 3 (-0.25)(3)+1=0.25
Tabla 5. Valores de membrecía para una muestra
𝐿𝐶 = 𝑤𝑐𝑟 ∗ 𝑓(𝑥)𝑓𝑎𝑐𝑡𝑜𝑟 𝑐𝑟1 + 𝑤𝑖𝑚 ∗ �𝑓(𝑥)𝑓𝑎𝑐𝑡𝑜𝑟 𝑖𝑚1 + 𝑓(𝑥)𝑓𝑎𝑐𝑡𝑜𝑟 𝑖𝑚2 � + 𝑤𝑟𝑒 ∗ 𝑓(𝑥)𝑓𝑎𝑐𝑡𝑜𝑟 𝑟𝑒1 (6)
𝐿𝐶 = 3 ∗ 0.23 + 2 ∗ (0.25 + 0.88) + 1 ∗ 0.25 = 2.6 (7)
El valor de umbral para un modo de falla debe representar la cantidad mínima de "evidencia" de que
el analista está dispuesto a aceptar, considerando una manifestación inmediata del modo de falla. Esta
"evidencia" se asocia directamente con la magnitud del impacto de los distintos factores desencadenantes del
modo de falla. En este estudio fue adoptado el valor de 5 de umbral para todos los modos de falla contenidos
en la base de conocimientos del sistema. Ya que el valor calculado de LC es menor que el valor del umbral,
este modo de falla en particular no se incluiría en la recomendación del sistema final.
Finalmente, Pandey analizó el caso de tener varias muestras y propuso, además, fusificar los valores
del umbral para hacer más realista la evaluación del sistema. Este enfoque ejemplificado, proporciona
resultados comprensibles que pueden ser utilizados para encontrar modos de falla que involucran el juicio
humano; como las condiciones de operación en el campo de la administración del mantenimiento, etc.

Instituto Tecnológico de Cd. Juárez 771 Cd. Juárez, Chihuahua, México

Congreso Internacional de Investigación ISSN 1946-5351 ONLINE Vol 4., No. 1, 2012
AcademiaJournals Cd. Juárez ISSN 1948-2353 CDROM Juarez.AcademiaJournals.com

3. APLICACIÓN DEL MODELO

El ejemplo de Fonseca y Pandey es motivante para realizar estudios de confiabilidad difusa y lograr
aplicaciones paralelas. Aquí reportamos una aplicación con objeto de practicar y difundir esta metodología:
Supongamos que un maestro quiere investigar los factores causantes de reprobación de sus alumnos. Para tal
efecto identifica los siguientes factores causales: la inasistencia al curso, los antecedentes académicos del
alumno, el rendimiento del alumno y la dinámica de la clase. Ver Tabla 6
Factor Ponderaciones W Rangos
Inasistencia (𝑥1 ) -0.2 De 0 a 30
A clase del alumno Escasa (0, 0, 12)
Moderada (10, 15, 22)
Elevada (18, 25, 30)
Antecedentes (𝑥2 ) 0.2 De 6 a 10
Académicos del alumno Malos (6, 7, 8)
Regulares (7, 8, 9)
Buenos (8, 9 10)
Rendimiento (𝑥3 ) 0.6 De 0 a 10
Promedio actual del alumno Malo (0, 3, 6)
Regular (5. 6.5, 8)
Bueno (7, 8.5, 10)
Dinámica de la clase (𝑥4 ) 0.2 De 1 a 10
Valoración del trabajo del maestro Regular (1, 2, 3)
por parte de los alumnos Buena (2.5, 3, 7.5)
Tabla 6. Factores causantes de reprobación escolar
Mediante el programa MatLab diseñamos el modelo utilizando el método de inferencia difuso de
Sugeno en lugar del método de Mamdani ya que en el proceso de fusificación, las dos primeras etapas; la
fusificación de las entradas y la aplicación del operador difuso; son exactamente las mismas. La diferencia
principal entre Mamdani y Sugeno es que la función de pertenecia de la salida en Sugeno puede ser lineal o
constante.

Figura 4. Modelación con MatLab utilizando el método de Sugeno

A continuación se alimentó el modelo con los rangos y las etiquetas de los factores

Figura 5. Modelación del factor inasistencia

Instituto Tecnológico de Cd. Juárez 772 Cd. Juárez, Chihuahua, México

 Congreso Internacional de Investigación ISSN 1946-5351 ONLINE Vol 4., No. 1, 2012
AcademiaJournals Cd. Juárez ISSN 1948-2353 CDROM Juarez.AcademiaJournals.com

Para poder operar el modelo fijamos 54 reglas lógicas IF-THEN mediante el editor correspondiente,
obteniéndose el siguiente resultado:

Figura 6. Visor de reglas del modelo

Finalmente, mediante esta modelación tenemos que la posibilidad de reprobar viene dada por la
siguiente ecuación:
𝑅(𝑥) = −0.2𝑥1 + 0.2𝑥2 + 0.6𝑥3 + 0.2𝑥4
El caso que se muestra en la Figura 6 es el de un alumno que tiene 40% de faltas, 80% de promedio
anterior, 90% en sus calificaciones actuales y la dinámica de clase evaluada al profesor es de 60%. Todo lo
anterior da una posibilidad de reprobación de 74% como se puede observar en la misma figura.
4. CONCLUSIONES
Con este trabajo pretendemos motivar a la investigación sobre lógica difusa, por lo que juzgamos
oportuno tomar una aplicación noble de la ingeniería de confiabilidad; el análisis FMECA. Además creemos
que muchos trabajos publicados pueden servir para practicar el modelaje difuso, para esto se sugiere conocer
la herramienta MatLab o bien trabajar directamente las funciones tal y como se hizo en los trabajos de
Fonseca y Pandey.
5. BIBLIOGRAFÍA
Fonseca Daniel J., Knapp Gerald M. Fuzzy Sets and Systems, 121 (2001) 453–457
Pandey D., Kumar Tyagi Sanjay and Kumar Vinesh. International Mathematical Forum, 4, 2009, no. 16, 779
- 794
Zadeh, L.A. Fuzzy Sets Information and Control 8 (1965) pp. 338-353.

Instituto Tecnológico de Cd. Juárez 773 Cd. Juárez, Chihuahua, México

View publication stats