República Bolivariana de Venezuela

Universidad Nororiental Privada

“Gran Mariscal de Ayacucho”
Barcelona Edo. Anzoátegui

BACHILLER:
LEANYELA PIÑA C.I.: 26.557.711

Barcelona, NOVIEMBRE de 2018.

 ÍNDICE.

Introducción.

Desarrollo.

Confiabilidad……………………………………………………………………03

Mantenibilidad………………………………………………………………….04

Contexto operacional………………………………………………………….05

Confiabilidad operacional……………………………………………………..05

Distribuciones de probabilidad aplicables a confiabilidad…………………06

Análisis de confiabilidad aplicando la distribución de Weibull…………….10

Métodos no paramétricos……………………………………………………..18

Conclusión.

Bibliografía.

1
 INTRODUCCIÓN.

Nos encontramos inmersos en una cultura donde nos vemos perjudicados

por nuestra falta de interés en programar sucesos que pueden evitar que algún
proceso salga defectuoso, es decir, no programamos una serie de actividades
para prevenir que existan paros no programados.

Estos sucesos en una empresa son muy peligrosos, pues si una maquina
se daña por falta de mantenimiento, o por sobrecarga de trabajo, y se
descompone, el paro de producción ocasionaría retrasos en los pedidos y por
ende insatisfacción de los clientes, por lo que habría que crear y calcular los
índices de rendimiento de un ítem. Esto con el objetivo de saber durante qué
tiempo el ítem puede trabajar sin forzarse, el tiempo en que algunas piezas deben
ser sustituidas y demás actividades que nos ayuden a prevenir todo tipo de
retrasos laborales, que influyan directamente en las metas de producción y
ganancias.

2
 CONFIABILIDAD.

Confiabilidad es la “capacidad de un ítem de desempeñar una función

requerida, en condiciones establecidas”. Habremos logrado la Confiabilidad
requerida cuando el “ítem” hace lo que queremos que haga.

Al decir “ítem” podemos referirnos a una máquina, a una planta industrial, a

un proceso, a un rodado, a un sistema y también a una persona. La Confiabilidad
impacta directamente sobre los Resultados de la Empresa, debiendo aplicarse no
sólo a máquinas o equipos aislados sino a la totalidad de los procesos que
integran la cadena de valor de la Organización. (Moubray, 1997)

La confiabilidad; se refiere a la probabilidad de que un sistema o

componente, pueda funcionar correctamente fuera de falla, por un tiempo
específico. Más sencillamente, Confiabilidad es la probabilidad de que un sistema
o producto funcione.

La Confiabilidad basada en el análisis probabilístico del tiempo para la falla

o historial de fallas es la rama de la confiabilidad que estudia la variable aleatoria
“tiempo para la falla” (Virtual). En esta rama de la confiabilidad, el insumo básico
para el análisis son bases de datos donde se almacenen las historias de fallas de
equipos.

La Confiabilidad Basado en el Deterioro o física de la Falla es aquella que

considera que una falla es la última fase del proceso de deterioro y se enfoca en
tratar de entender como ocurre la falla.

Como ya lo hemos mencionado antes la confiabilidad es la probabilidad de

que un componente, equipo o sistema opere sin fallar, en un periodo específico o
tiempo misión.

La confiabilidad puede ser representada en forma simple por la siguiente

ecuación:

3
 Dónde:

t= Tiempo de la misión (horas, semanas, días, meses, años, etc.

λ= Tasa de Falla

Esta ecuación es válida para tiempos para la falla que siga la distribución
exponencial.

MANTENIBILIDAD.

Es la probabilidad que un equipo que falló pueda ser reparado dentro de un

período dado de tiempo, se caracteriza por el Tiempo Promedio para Reparar
(MTTR, Mean Time To Repair)

La Mantenibilidad explica la duración de paros por fallas y paros por

mantenimiento o contabilizar el tiempo que toma (facilidad y velocidad) restituir el
estado del equipo a su condición operativa después de una parada por falla o para
realizar una actividad planificada.

Las características de Mantenibilidad suelen estar determinadas por el

diseño del equipo, el cual especifica los procedimientos de mantenimiento y
determina la duración de tiempos de la reparación.

La figura clave de mérito para la Mantenibilidad suele ser el tiempo

promedio para reparar (TPPR). Cualitativamente se refiere a la facilidad con que el
equipo se restaura a un estado funcionando.

Cuantitativamente se define como la probabilidad de restaurar la condición

operativa del equipo o tiempo misión. (Virtual)

Se expresa como:

4
 Donde µ= Tasa de Reparación.

Existen dos tipos de Mantenibilidad: la intrínseca, que está relacionada al

aspecto de diseño de una instalación y que hace una consideración sobre como
las características de diseño ayudan al mantenimiento de un componente
(accesibilidad y facilidades para el mantenimiento) y la extrínseca, que considera
el contexto de dependencia de la gestión de mantenimiento cuando se repara un
componente (logística, organización de las tareas, aislamiento, entrega de los
equipos etc.), estas dos diferenciaciones deben considerarse al analizar los
factores que afectan a la Mantenibilidad.

CONTEXTO OPERACIONAL.

El Contexto Operacional se define como todas aquellas circunstancias o

condiciones (Proceso Operativo, condiciones ambientales, requerimientos
operacionales, políticas de operación, mantenimiento, de repuestos y así como
también regulaciones ambientales, etc.) bajo las cuales se espere que operen los
ISED´s.

El estudio del contexto operacional para cada ISED permite la

determinación de cada una de las funciones principales y secundarias, así como
también los estándares de desempeño de cada una de estas funciones,
cumpliendo de esta manera con la primera de las siete preguntas del MCC.

CONFIABILIDAD OPERACIONAL.

La Confiabilidad Operacional, es la capacidad de una instalación o sistema

(integrados por procesos, tecnología y gente), para cumplir su función dentro de
sus límites de diseño y bajo un contexto operacional específico. Es importante
puntualizar que en un programa de optimización de Confiabilidad Operacional, es
necesario el análisis de sus cuatro parámetros operativos: Confiabilidad Humana,
Confiabilidad de los Procesos, Mantenibilidad de los equipos y la Confiabilidad de
los equipos.

5
 La alta confiabilidad operacional consiste en procesos caracterizados por
lograr la producción requerida con costos totales óptimos, debido a una ocurrencia
de fallas mínimas, planes de mantenimiento que garantizan la producción
establecida, riesgos a un nivel aceptable, personal altamente motivado, etc. En
resumen, es contar con excelencia en los procesos medulares, en cuanto a
calidad y costos; es alcanzar la categoría Clase Mundial.

DISTRIBUCIONES DE PROBABILIDAD APLICABLES A CONFIABILIDAD.

La distribución binomial

Esta distribución tiene varias aplicaciones en muchos problemas de

confiabilidad de tipo combinatorio. Esta distribución es bastante útil cuando se
relaciona con la probabilidad de salida tal como el número total de fallas en una
secuencia de k ensayos, donde cada ensayo tiene dos posibles resultados (falla o
no falla) y la probabilidad de falla es la misma para cada ensayo. la función de
densidad discreta o función de cuantía está definida por

6
p es la probabilidad de falla para cada ensayo; i es el número de fallas en los k
ensayos. La función de distribución acumulativa está dado por

La distribución de Poisson

Esta es otra distribución utilizada en confiabilidad cuando uno está

interesado en la ocurrencia de un número de eventos que son del mismo tipo. la
ocurrencia de cada evento es denotado por un punto en la escala de tiempo,
donde cada evento representa una falla. la función de distribución está definida
por

Donde l es la constante de falla (o razón de falla), t es el tiempo. la función

de distribución acumulativa es

La distribución exponencial

Esta es la distribución más ampliamente utilizada en confiabilidad en

ingeniería, debido a que muchos procesos en ingeniería muestran una razón
constante de riesgo durante su vida útil. Además es analíticamente manejable en
el análisis de confiabilidad. la función de densidad continua está definida por

l es la razón constante de falla por unidad de tiempo. Su función de

distribución acumulativa es
7
 No resulta complicado demostrar que si T es una variable aleatoria que
sigue esta densidad entonces su esperanza es

La distribución de Rayleigh

Esta distribución es usada en trabajos de confiabilidad asociados a

problemas en teoría del sonido. Su función de densidad está dada por

La función de distribución acumulada está dada por

Si T es una variable aleatoria que sigue esta ley de probabilidad se puede

demostrar que su esperanza es

Siendo r la función gamma definida por

La distribución de Weibull

Esta distribución puede ser usada para representar varios fenómenos

físicos. Su función de densidad está dada por

8
 Donde b y q son los parámetros de forma y escala, respectivamente. La
función de distribución acumulativa es como sigue

Si T es una variable aleatoria que sigue esta función de probabilidad,

entonces su esperanza es

Observemos que cuando b = 2, caemos en la distribución de Rayleigh.

La distribución general

Esta distribución puede ser usada para representa la función de riesgo

"bañera". Daremos esta vez primero la función de distribución:

Donde k tiene valores entre 0 y 1 y el resto de los parámetros son todos

positivos, y por supuesto t > 0. la función de densidad se puede obtener por
derivación.

La distribución normal

En los estudios de confiabilidad también es frecuente encontrar tiempos de

vida útil que admiten una distribución normal. Como sabemos su densidad es

ANÁLISIS DE CONFIABILIDAD APLICANDO LA DISTRIBUCIÓN DE WEIBULL.

Uno de los problemas fundamentales de la distribución de Weibull es la

evaluación de los parámetros (t0, η, ß) de esta distribución. Para ello se dispone

9
de dos métodos: a través únicamente del cálculo mediante el método de los
momentos o el de máxima verosimilitud, en el que intervienen ecuaciones
diferenciales difíciles de resolver, por lo que se utilizan poco, y mediante la
resolución gráfica, que utiliza un papel a escala funcional llamado papel de Weibull
o gráfico de Allen Plait que es el que vamos a desarrollar.

Resolución gráfica

El papel de Weibull está graduado a escala funcional de la siguiente forma:

En el eje de ordenadas se tiene: In In [1 / 1 - F (t) ] (Doble logaritmo

neperiano)

En el eje de abscisas, tenemos: In (t - t0).

Existen tres casos posibles en función del valor de t0 .

Muestra del papel de Weibull

10
 Lectura de los parámetros h y ß en el papel de Weibull

Caso de t0 = 0

Demostramos que cualquier grupo de datos que sigan la distribución de

Weibull se pueden representar por una línea recta en el papel de Weibull.
Partimos de la hipótesis de que el origen es perfectamente conocido y que
coincide con los datos experimentales. Desde el punto de vista matemático
partimos de la fórmula que nos relaciona la fiabilidad con la infiabilidad y teniendo
en cuenta la expresión:

R (t) = 1 - F (t) = exp - (t / η)ß

1 / [1 - F (t) ] = exp (t / η)ß

Tomando logaritmos neperianos por dos veces:

In In 1 / [1 - F (t) ] = ß In t - ß In η

Si a esta igualdad le aplicamos

11
X = In t (variable función de t)

Y = In In 1 / [1 - F (t) ] (función de t)

B = - ß In η (constante)

A = ß (coeficiente director)

de donde tenemos:

Y = AX + B (ecuación de una recta) (4)

Para determinar los parámetros ß y η se utiliza el papel de Weibull.

● Cálculo de ß: ß es el parámetro de forma y representa la pendiente de la recta.

Para calcularlo, se hace pasar una recta paralela a la recta obtenida con la
representación gráfica de los datos de partida por el punto 1 de abscisas y 63,2 de
ordenadas pudiendo leer directamente el valor de ß en una escala tabulada de 0 a
7. Ver gráfico en fig. 3.

● Cálculo de η: η es el parámetro de escala y su valor viene dado por la

intersección de la recta trazada con la línea paralela al eje de abscisas
correspondiente al 63,2 % de fallos acumulados. En efecto se demuestra que para
la ordenada t0 = 0, F (t) = 63,2.

Y = In In 1 / [1 - F (t)] = 0

In 1 / [1 - F (t)] = 1; 1 / [1 - F (t)] = e; 1 - F (t) = 1/e;

F (t) = 1 - [ 1/e ] = 1 - [1/2,7183] = 1 - 0,3679 = 0,6321 (63,21 %)

De donde para t0 = 0 tendremos que AX + B = 0; como según hemos visto

anteriormente:

A = ß B = - ß In η

Tendremos que se cumple:

ß X - ß In η = 0; ß X = ß In η;

12
X = In η

Como X = In t, tenemos que t = η.

η es el valor leído directamente en el gráfico de Allen Plait para la

ordenada 63,2, ya que la escala de abcisas está como ya se ha indicado en In t.

● Tiempo medio entre fallos (MTBF) o media: el tiempo medio entre fallos o vida
media se calcula con la ayuda de la tabla 1, que nos da los valores de gamma y
vale:

E ( t ) = MTBF = η γ ( 1 + 1 / ß )

● Desviación estándar o variancia σ: se calcula también con la ayuda de la tabla 1

y vale:

(σ/ η) 2 = γ ( 1 + 2 / ß ) - [Γ ( 1 + 1 / ß ) ] 2

EJEMPLO:

Ejemplo

13
 La información disponible acerca de la duración de 10 sistemas mecánicos
de detectores de presencia sometidos a funcionamiento continuo hasta que se
produce un fallo, da los siguientes resultados, expresados por su duración en
meses y ordenados : 1,7; 3,5 ; 5; 6; 8; 11; 13; 18 y 22.

Calcular las probabilidades acumuladas o valores medios clasificados, los

parámetros de Weibull, tipo de fallo, la fiabilidad de forma general, fiabilidad para
12 meses, la duración media de vida y la desviación tipo.

Solución

Con la ayuda de la tabla 2, que nos da directamente los valores medios

clasificados de los fallos o probabilidades acumuladas según el tamaño de la
muestra que en este caso es n = 10, tendremos:

14
 La representación de estos puntos en el gráfico de Weibull nos dá
prácticamente una recta. La pendiente de esta recta es 1,5 valor que corresponde
al parámetro ß; por otro lado se puede ver gráficamente que η es igual a 12, que
es el valor de la abscisa en el punto donde la recta trazada con los datos corta a la
horizontal para F ( t ) = 63,2.

El valor de ß nos indica que los tipos de fallo son debidos al desgaste. La
fiabilidad será:

R ( t ) = exp - ( t / 12)1,5

La fiabilidad para 12 meses será:

R (t) = exp - (12/12)1,5 = exp - 1 = 0,3679 (36,79%)

Gráficamente vemos que para t = 12 la probabilidad acumulada de fallos F

(t) = 63,2 por lo que R (12) = 1 - F (12) = 1 - 0,632 = 0,368 (36,8 %) valor

Sensiblemente igual al calculado.

15
 La duración de vida media será:

E ( t ) = MTBF = η γ ( 1 + 1 / ß )

MTBF = 12 γ (1 + 1 / 1,5) = 12. 0,9028 = 10,83 meses

La desviación tipo será:

σ2 = η2 [ γ ( 1 + 2 / B ) - Γ2 ( 1 + 1/ß ) ]

Para ß = 1,5 y según las tablas nos da el valor de σ/ η = 0,613 que como η
= 12 tenemos que: σ= 12. 0,613 = 7,356 meses.

MÉTODOS NO PARAMÉTRICOS.

Una prueba no paramétrica es una prueba de hipótesis que no requiere que

la distribución de la población sea caracterizada por ciertos parámetros. Por
ejemplo, muchas pruebas de hipótesis parten del supuesto de que la población
sigue una distribución normal con los parámetros μ y σ. Las pruebas no
paramétricas no parten de este supuesto, de modo que son útiles cuando los
datos son considerablemente no normales y resistentes a transformaciones.

En la estadística paramétrica, se presupone que las muestras provienen de

distribuciones totalmente especificadas caracterizadas por uno o más parámetros
desconocidos sobre los cuales se desea hacer inferencias. En un método no
paramétrico, se presupone que la distribución de la que proviene la muestra no
está especificada y, con frecuencia, se desea hacer inferencias sobre el centro de
la distribución. Por ejemplo, muchas pruebas de la estadística paramétrica, como
la prueba t de 1 muestra, se realizan bajo el supuesto de que los datos provienen
de una población normal con una media desconocida. En un estudio no
paramétrico, se elimina el supuesto de normalidad.

Los métodos no paramétricos son útiles cuando no se cumple el supuesto

de normalidad y el tamaño de la muestra es pequeño. Sin embargo, las pruebas
no paramétricas no están completamente libres de supuestos acerca de los datos.
Por ejemplo, es fundamental presuponer que las observaciones de las muestras

16
son independientes y provienen de la misma distribución. Además, en los diseños
de dos muestras, se requiere el supuesto de igualdad de forma y dispersión.

Las pruebas no paramétricas tienen las siguientes limitaciones:

Las pruebas no paramétricas por lo general son menos potentes que

la prueba paramétrica correspondiente cuando se cumple el
supuesto de normalidad. Por lo tanto, es menos probable que usted
rechace la hipótesis nula cuando sea falsa si los datos provienen de
la distribución normal.
Las pruebas no paramétricas suelen requerir que se modifiquen las
hipótesis. Por ejemplo, la mayoría de las pruebas no paramétricas
acerca del centro de la población son pruebas sobre la mediana y no
sobre la media. La prueba no responde a la misma pregunta que el
procedimiento paramétrico correspondiente si la población no es
simétrica.

17
 CONCLUSIÓN.

Podemos concluir que la ingeniería de confiabilidad es una herramienta de

análisis y acción extremadamente útil. Es una herramienta necesaria que debe ser
implementada en todas las organizaciones.

El hecho de dejar de generar ganancias en una organización a causa de

ítems que se encuentran fuera de un plan de mantenimiento productivo total,
puede resultar catastrófico para los índices de producción y productividad. Hemos
estudiado lo importante que es, que las fábricas estén en constante
funcionamiento, y no dejen de producir los bienes con los cuales se mantienen a
flote.

Es mucho más conveniente gastar en realizar un estudio de ingeniería de

confiabilidad, que arriesgarse a que las fallas en los equipos produzcan una avería
grave, y por ende, un paro de producción.

Por esta situación es recomendable para todas las industrias tener acceso a
esta información para poder tomar decisiones en base a las necesidades que se
hayan presentado.

18
 BIBLIOGRAFÍA.

Cruz Mendoza Israel. (2015, mayo 26). Mantenimiento e ingeniería de

confiabilidad. Recuperado de https://www.gestiopolis.com/mantenimiento-e-
ingenieria-de-confiabilidad/

Jiménez, Alirio. (2011, octubre 24). Confiabilidad, Disponibilidad y Mantenibilidad,

entendiendo sus diferencias. Recuperado de
https://maintenancela.blogspot.com/2011/10/confiabilidad-disponibilidad-
y.html

Universidad de Antofagasta. (2015). Recuperado de

http://intranetua.uantof.cl/facultades/csbasicas/Matematicas/academicos/em
artinez/magister/confiabilidad/seccion2/distribucion.html

Reliabilityweb.com. (2018). La Cultura de la Confiabilidad Operacional.

Recuperado de https://reliabilityweb.com/sp/articles/entry/la-cultura-de-la-
confiabilidad-operacional

19