Você está na página 1de 224

CURSO

Estadstica para Mantenimiento










Profesora:
IngGerado Shavauer Picasso
La solucin estratgica de los problemas que
afectan actualmente a la Gestin del
mantenimiento, est dada en gran medida en
lograr formar y capacitar continuamente a las
personas involucradas en esta actividad,
fundamentalmente en las tcnicas ms
avanzadas tanto de la Ingeniera como de la
Gestin del mantenimiento.
Las tcnicas ms avanzadas incluyen tanto
mtodos cualitativos como cuantitativos.
Estos ltimos, son en muchas ocasiones
obviados, por considerarse demasiado
complejos o simplificados en forma arbitraria
para que se apliquen aunque sea
superficialmente.
Dentro de los mtodos cuantitativos un papel
preponderante lo juega la Estadstica.

Cul es la utilidad de la
Estadstica?
Algunas respuestas:
Sin estadsticas una empresa carece de
capacidad para reconocer que actividades o
productos le generan utilidades, y cuales
slo prdidas.
No se puede gestionar lo que no se mide.
Las mediciones son la clave. Si usted no
puede medir, no puede controlar. Si no
puede controlar, no puede gestionar. Si no
puede gestionar, no puede mejorar.
La falta sistemtica o ausencia estructural
de estadsticas en las organizaciones impide
una administracin cientfica de las mismas.

(ESTADSTICA APLICADA A NEGOCIOS - Mauricio Lefcovich - Consultor en
Administracin de Operaciones)
Algunas respuestas:
Peter Drucker afirmaba que pocos
factores son tan importantes para la
actuacin de la organizacin como la
medicin aunque lamentaba el hecho
de que la medicin sea el rea ms
dbil de la gestin en muchas
empresas.
Algunas respuestas:
W. Edward Deming, un pionero en
mtodos estadsticos para el control
de calidad, seal que en Japn se
pona mucho nfasis en las
estadsticas para directores de
empresa. En parte fue la aplicacin de
las tcnicas estadsticas enseadas
por Deming lo que hizo que Japn
pasara de ser un fabricante de
imitaciones baratas a lder
internacional en productos de
primera calidad.
Es la Estadstica una herramienta
para la Gestin del Mantenimiento?
Anlisis resultados
Planes de Reposicin y Mantenimiento
Diagrama Pareto
82%
90%
97%
100%
54%
0
50
100
150
200
Estra 2 Estra 1 Estra 4 Estra 3 Estra 5
0%
20%
40%
60%
80%
100%
Estratos % Acumu
Diagrama de Corrida
0
10
20
30
40
50
Mes 1 Mes 2 Mes 3 Mes 4 Mes 5 Mes 6 Mes 7 Mes 8 Mes 9 Mes
10
Atributos del mantenimiento
clase mundial
Utilice herramientas
estadsticas!!!
Mantenimiento aprende:
Con el anlisis
estadstico de fallas.
Con los intervalos del
mantenimiento
preventivo.
Con el ciclo de vida
til.
EXPECTATIVAS ACTUALES EN
EL MANTENIMIENTO:

Alta confiabilidad y disponibilidad
Mayor seguridad y preservacin del medio ambiente
Mejora de la CALIDAD del producto
Mayor tiempo de vida econmica del equipamiento
(Prioridad de la relacin costo eficiencia)

Se precisa analizar el comportamiento de las fallos
en el tiempo (histricos) para realizar pronsticos de
su tendencia y poder tomar decisiones costo-
eficientes sobre los activos:
Histrico
de Fallas
Anlisis de Riesgos
Leve Moderado Crtico
Muy Crtico
Alta
Media
Baja
Muy
Baja
SEVERIDAD
Mantenimiento
Predictivo
CAUSAS
DE FALLAS

FALLAS
Incipientes
F
R
E
C
U
E
N
C
I
a
Diagrama Pareto
82%
90%
97%
100%
54%
0
50
100
150
200
Estra 2 Estra 1 Estra 4 Estra 3 Estra 5
0%
20%
40%
60%
80%
100%
Estratos % Acumu
Nombre del Problema
(Efecto)
Material Hombre
Mtodo Mquina
Medio
Ambiente
Diagrama de Corrida
0
10
20
30
40
50
Mes 1 Mes 2 Mes 3 Mes 4 Mes 5 Mes 6 Mes 7 Mes 8 Mes 9 Mes
10
POR CONDICIN
PREVENTIVO
PREDICTIVO
M C C
POR CONDICIN
PREVENTIVO
PREDICTIVO
M C C M C C M C C
COMO SE PUEDE CONTROLAR?
La Confiabilidad Operacional incorpora
mtodos de calidad tales como:
Anlisis de Causa Raz (ACR),
Diagrama de Ishikawa, Anlisis de
rbol de Fallos (AAF), Diagrama de
Pareto, Anlisis del Modo de Falla y
sus Efectos (AMEF) y Mantenimiento
Centrado en Confiabilidad (MCC),
todos pueden acompaarse del clculo
de ndices, promedios, valores de
probabilidad.
La Estadstica permite a la
Gestin de mantenimiento
responder preguntas como:
cules son las averas que ms se han producido
en el ltimo trimestre?

en cul etapa del ciclo de vida se encuentra cada
uno de los equipos de la planta?
cul es el tiempo promedio de estada de sus
equipos principales?
cul es el tiempo medio entre fallos de cada
equipo? Cules son los tiempos promedios,
mximos y mnimos de reparaciones por tipo de
averas?

A partir de estas informaciones se podr:
adoptar a tiempo las medidas tcnicas
correctivas;
confeccionar un presupuesto viable y
efectivo;
evitar los excesos de stock y la obsolescencia
de inventarios;
administrar mejor los recursos humanos de
mantenimiento;
detectar la causa raz de un problema y
solucionarlo.
Los mtodos cuantitativos, en
particular las Tcnicas estadsticas,
son muy tiles en la toma de
decisiones en el campo del
Mantenimiento y en la Gestin de
activos en general, sin embargo NO
SE UTILIZAN en la prctica.
Anlisis cuantitativo con Estadstica
POR QU NO se utiliza para gestionar el
mantenimiento?

Los sistemas comunes de reportes de datos
no ofrecen informacin creble al nivel de
modo de fallo.


Muchas decisiones pueden ser tomadas a
partir de anlisis cualitativos.





A n l i s i s d e F a l l o s
Leve Moderado Crtico Muy Crtico
Alta
Media
Baja
Muy
Baja
SEVERIDAD
F
R
E
C
U
E
N
C
I
a
Anlisis de Riesgos
Defina la diferencia entre una Frecuencia
de Fallos BAJA y una MUY BAJA..
Leve Moderado Crtico Muy Crtico
Alta
Media
Baja
Muy
Baja
SEVERIDAD
Diferenciar cualitativamente puede ser bastante
subjetivo.
Cmo pueden diferenciarse estos
fallos si no es a travs de escalas
numricas?
La frecuencia de fallos es medible por
uno de los ndices de fiabilidad ms
conocidos que es:
la TASA DE FALLOS!!!!!
Una de las mximas del nuevo enfoque de
Mantenimiento dice que: No es necesario disponer
de buenas estadsticas de frecuencia de fallas
para poder desarrollar un programa de
mantenimiento realmente exitoso.
Esta mxima da lugar a una polmica, pero
ciertamente al decir que no es necesario deja
abierta la posibilidad de que si esta estadstica
existiera, tambin pudiramos desarrollar un
programa de mantenimiento exitoso, por qu no?
Anlisis cuantitativo con Estadstica
POR QU NO se utiliza para gestionar el
mantenimiento?


Sin datos cuantitativos la credibilidad
de los resultados no puede ser
cuestionada en alguna discusin de
validez de nmeros.



Anlisis cuantitativo con Estadstica
POR QU NO se utiliza para gestionar el
mantenimiento?



Muchas personas simplemente NO
COMPRENDEN los mtodos
cuantitativos ni saben cmo llegar a
ellos por su relativa dificultad
matemtica



Atributos del mantenimiento
clase mundial
Usar ndices de
referencia.
Ha sido difcil encontrarlos
para medir la efectividad y
el rendimiento, as como
INTERPRETAR el
significado de esta
medicin:
PERO HOY EXISTEN!!!
Los ndices de fiabilidad
por su naturaleza poseen carcter
aleatorio y es por esto que, para su
determinacin, es necesario utilizar
los mtodos de la Teora de
Probabilidades y la Estadstica.
Valores de la variable Aleatoria Datos de fallos
Distribucin de probabilidad Modelo estadstico

Para los estudios de datos de fallos en el tiempo existen
mltiples modelos o distribuciones de probabilidad,
entre ellos:
WEIBULL, LOGNORMAL, EXPONENCIAL, NORMAL, GAMMA,
BETA, UNIFORME, PARETO, RAILEIGH

Conocido el modelo, se puede:
-calcular la probabilidad de ocurrencia de fallos,
-determinar ndices de fiabilidad como: TMHF, TMEF, Tasa de
fallos, etc.
-pronosticar el tiempo en que con mas probabilidad ocurrir un
fallo y de ah, definir estrategias de mantenimiento.
Objetivo general:
Comprender y utilizar mtodos estadsticos para
recolectar y analizar datos de fallos de equipos,
propiciando que se pueda calcular la
probabilidad de ocurrencia de fallos en el
tiempo y pronosticar otros ndices de fiabilidad
que contribuyan a definir las estrategias de
mantenimiento.
Objetivos especficos
1. Relacionar la Estadstica con las decisiones en
mantenimiento de activos fijos tangibles a partir
del anlisis de la Confiabilidad del
equipamiento.
2. Utilizar software especficos de ayuda al clculo
de la probabilidad de fallos de los artculos en el
tiempo y otros ndices de fiabilidad.
Contenido temtico

Tema I: Las estrategias de Mantenimiento
y la Estadstica de fallos.
Tema II: Anlisis probabilstico de datos
de fallos en el tiempo.
Tema III: Anlisis estadstico de datos de
fallos en el tiempo.
Uso y aplicacin de software estadstico.
Tema I: Las estrategias de mantenimiento
y la estadstica de fallos
Activos fijos y decisiones a partir de su
desgaste. Estrategias de mantenimiento. El
mantenimiento preventivo basado en el tiempo
y/o en la condicin. Los fallos. Criterios de
clasificacin de fallos. Los fallos y su
comportamiento en el tiempo. La tasa de fallos.
La curva de la baera. Posibilidades de la
Estadstica para la recoleccin y anlisis de
datos de fallos en el tiempo.
Los Activos Fijos:
Son objetos fsicos
Son medios que participan en el proceso de
produccin o de servicio mas de una vez
Tienen vida limitada
Pierden su valor a medida que se desgastan
Transfieren su valor al producto o servicio
en cuya elaboracin participan
G R U P O DENOMINACION EJEMPLOS
1 Edificios Industriales, de vivienda,
para deportes, naves.
2 Otras construcciones Cimentaciones, carreteras, tanques,
torres de enfriamiento.
3 Mquinas y equipos energticos Compresores, bombas, calderas,
motores, transformadores.
4 Mquinas y equipos productivos Hornos, mquinas y equipos
de industrias especficas.
5 Aparatos y equipos tcnicos especiales Instrumentos de medicin,
mquinas de oficina, computadoras.
6 Medios y equipos de transporte Camiones, barcos, aviones, ferrocarril.
7 Muebles y otros objetos Equipos de iluminacin de uso domstico,
muebles, objetos de proteccin.

Desgaste
Fsico o material:
-mecnico
- la fatiga
-desgaste molecular
- la corrosin.
Desgaste moral o tecnolgico.
Las causas del desgaste moral o
tecnolgico pueden ser:
El desarrollo cientfico-tcnico de la produccin
que permite adquirir equipos de mayor
productividad al mismo costo.
El aumento de la productividad social del trabajo,
que permite adquirir equipos del mismo tipo a
menor costo
La combinacin de las anteriores causas, que
conducen a la produccin de equipos del mismo tipo,
con rendimientos superiores y por ende, de mayor
eficiencia que los existentes
ALTERNATIVAS DE DECISIN:








Utilizacin
Decisin
Mantenimiento
Ampliacin Modernizacin Reemplazo
Instalacin
Fin del ciclo de vida
CICLO DE VIDA
Su prctica concierne al diseo,
instalacin operacin, mantenimiento,
modificacin y sustitucin optimizando
todo a base de la realimentacin de
informacin.

Contempla todo lo que ocurre a un activo,
proceso o producto (actividad, reforma o
sustitucin) durante toda la huella de su
existencia:

DESDE QUE SOLO ES UNA INTENCIN
HASTA QUE CESA SU USO
Evolucin de las tcnicas de
mantenimiento
Primera generacin (1940-1950):
* Reparacin contra avera

Segunda generacin (1950-1970):
* Reparaciones globales programadas
* Sistemas para planificacin y control del trabajo
* Computadoras grandes y lentas

Tercera generacin (aos 70 en adelante):
* Monitorizacin de condicin
* Proyectos involucrando la mantenibilidad y la confiabilidad
* Anlisis de riesgo
* Computadoras pequeas y rpidas
* Anlisis de modos y efectos de fallas (AMEF)
* Sistemas expertos
* Trabajos en grupos multidisciplinarios y polivalentes

EXPECTATIVAS EN EL
MANTENIMIENTO:
1940 - 1950: Primera generacin
Se repara posterior a la avera
1950 - 1970: Segunda generacin
Mayor disponibilidad de las plantas
Mayor tiempo de vida del equipamiento
Costos ms bajos
1970 - 2000: Tercera generacin
Alta confiabilidad y disponibilidad
Mayor seguridad y preservacin del medio ambiente
Mejora de la calidad del producto
Tercerizacin y Cuarterizacin
Mayor tiempo de vida del equipamiento
Prioridad de la relacin costo - eficiencia
Y PARA EL PRESENTE
SIGLO XXI?
CULES SON LAS
EXPECTATIVAS?
Los edificios inteligentes, que entre
sus principales cualidades tienen el
mejoramiento de la mantenibilidad.
Mantenimiento:
es la totalidad de las acciones tcnicas,
organizativas y econmicas encaminadas a
conservar o restablecer el buen estado de los
activos fijos, a partir de la observancia y
reduccin de su desgaste y con el fin de alargar
su vida til econmica, con una mayor
disponibilidad y confiabilidad para cumplir
con calidad y eficiencia su funcin productiva
y(o) de servicio, conservando el medio
ambiente y la seguridad del personal.
(De la Paz Martnez, E. 2009)
UTILIDADES
COMPETITIVIDAD
CALIDAD TOTAL
OPERACIONES
MANTENIMIENTO
DE EXCELENCIA
MTODOS
S.A.M
PREDICTIVO
PREVENTIVO
CORRECTIVO
DETECTIVO
TERCERIZACIN
T.P.M
-PARTICIPACIN DE TODOS
- POLIVALENCIA
R.C.M
FUNCIN DEL SISTEMA
ECONOMA
SEGURIDAD
GMAC
HISTRICOS
5 S
COMPORTAMIENTO
HUMANO
UTILIDADES
COMPETITIVIDAD
CALIDAD TOTAL
OPERACIONES
MANTENIMIENTO
DE EXCELENCIA
MTODOS
S.A.M
PREDICTIVO
PREVENTIVO
CORRECTIVO
DETECTIVO
Mtodos o Estrategias
Tareas Reactivas
Tomar accin despus que
una falla secundaria ha
ocurrido
* Reparar una bomba despus
de haber fallado
Tareas Preventivas
Efectuar mantenimiento en
equipos en un intervalo fijo de
tiempo
* Cambiar aceite en intervalo fijo
de tiempo
Tareas Predictivas
Analizar las condiciones del
equipo y tomar accin
cuando la condicin del
equipo lo indique
* Anlisis de Vibracin,
Medida de espesor
Tareas Proactivas
Analizar fallas secundarias y
determinar la Causa Raz y
recomendaciones
ACR, Confiabilidad en diseo

Mantenimiento Correctivo
(Reparaciones Programadas y No Programadas)
Hay oportunidad antes de la falla?
Lo siento mucho pero vamos a tener que
esperar los resultados de su autopsia!
Sistema de Mantenimiento Preventivo
Planificado MPP (Tareas BT)
G G
M
M
M R
P
R R
P P
R R
P
R
Intervenciones Basadas en el Tiempo:
Los ciclos tienen una estructura que se conforma
por actividades: R (Revisiones), P (reparaciones
Pequeas), M (reparaciones Medianas) y G
(reparaciones Generales).
Mantenimiento Preventivo Planificado (Tareas BT)

G G
M
M
M R
P
R R
P P
R R
P
R
Ciclos inadecuados en duracin y frecuencia de intervencin.
Desarmes innecesarios que provocan averas adicionales.
Gastos de recursos que no responden a las necesidades reales.
Si no se poseen datos estadsticos
confiables esto puede llevarnos a:
Y hablando de
TIEMPO.

Siguen los grandes cambios en el tercer milenio. Hace un tiempo
se informaba de las modificaciones en el idioma espaol. Ahora
se da a conocer la implantacin de un nuevo calendario, el cual,
de ser aprobado, ser el CALENDARIO del Milenio y orientado
fundamentalmente a fortalecer la importancia de las cosas
URGENTES, muy propio para los que trabajamos en
mantenimiento. Esto es un

URGENTARIO:
SAN VIE VIE VIE JUE MIE MAR
8 7 6 5 4 3 2
15 14 13 12 11 10 9
22 21 20 19 18 17 16
29 28 27 26 25 24 23
36 35 34 33 32 31 30
Todos los trabajos son solicitados para ayer y por eso todos los
das corren para atrs. De esta forma el Jefe puede pedir el
trabajo el da 7 y recibirlo el 3.
Normalmente nos solicitan que los trabajos estn terminados
como mximo para el viernes, por lo tanto fueron colocados
tres viernes en cada semana.
Los meses son ms largos. Se han agregado cinco nuevos das
sumados al final de cada mes para que no haya atrasos en los
trabajos de cierre del mes.
El primer da del mes fue eliminado para que no se entreguen los
trabajos de final de mes en el primer da del mes siguiente.
A nadie le gustan los lunes, por eso este da tambin fue
eliminado del URGENTARIO.
No existen sbados ni domingos para que las horas extras no
aumenten los sueldos a fin de mes.
Fue creado un da especial en la semana que es el SANTO,
destinado a los trabajos que exigen milagros.
SAN VIE VIE VIE JUE MIE MAR
8 7 6 5 4 3 2
15 14 13 12 11 10 9
22 21 20 19 18 17 16
29 28 27 26 25 24 23
36 35 34 33 32 31 30
Cuando preventivo no es bueno
Mantenimiento Predictivo o Por Diagnstico (Tareas
Basadas en la Condicin) Tareas BC
Subjetivo



Objetivo



0
10
20
30
40
50
60
70
Nivel de ruidocrtico
(db)
t
Perodo de desarrollodelafalla
EmisindelaO.T
Equipo Equipo Equipo
DefectosPrimarios Defectos secundarios!!!!!!!!!
SNTOMAS
Para la determinacin de estos tiempos tambin es necesario poseer estadsticas y
calcular ndices!!!!
Objetivo: con instrumentos de medicin
Cmo funciona el Predictivo Objetivo?
Mantenimiento Predictivo con
Monitoreo de Condicin

Se enfoca a los sntomas de falla, utilizando distintas
tcnicas:
Inspecciones de maquinaria
Medicin de desempeo
Anlisis de lubricantes
Anlisis de vibraciones
Ensayos no destructivos: radiografas, ultrasonido,
termografa
Anlisis de corriente en mquinas elctricas.

Para cada caso, hay que seleccionar la tcnica
ms apropiada que posea el intervalo P-F ms
conveniente, y disear la frecuencia de monitoreo
de forma adecuada, de manera que existe un
intervalo de tiempo tal, que siempre permita
programar y ejecutar una intervencin correctiva,
cuando es detectada una falla potencial.
El mayor beneficio, es lograr una alerta temprana, de manera de
programar una intervencin correctiva, lo cual genera una disminucin
de las fallas catastrficas, y un consecuente aumento de la
disponibilidad.
Intervalo P-F : Es el Intervalo de tiempo entre que se
detecta la falla potencial y se convierte en una falla
funcional.
Intervalo P F.
Cmo funciona el Predictivo?

Nivel de ruido crtico
(db)
t
Perodo de desarrollo de la falla
Emisin de la O.T
Equipo Equipo Equipo
Defectos Primarios
Defectos secundarios !!!!!!!!!
SNTOMAS
UTILIDADES
COMPETITIVIDAD
CALIDAD TOTAL
OPERACIONES
MANTENIMIENTO
DE EXCELENCIA
MTODOS
S.A.M
PREDICTIVO
PREVENTIVO
CORRECTIVO
TERCERIZACIN
T.P.M
-PARTICIPACIN DE TODOS
- POLIVALENCIA
R.C.M
FUNCIN DEL SISTEMA
ECONOMA
SEGURIDAD
GMAC
HISTRICOS
5 S
COMPORTAMIENTO
HUMANO

Est establecido que en los manuales de procedimientos del Sistema
de mantenimiento que se elaboren por ISO 9001, se deber indicar,
entre otros, los aspectos los siguientes:
OBJETIVO de la funcin mantenimiento dentro de la empresa como
actividad responsable por el aumento de la disponibilidad y confiabilidad
operacional, de los equipos, obras e instalaciones, especialmente
aquellas fundamentales a la actividad final de la empresa, minimizando
costos y garantizando el trabajo con seguridad y calidad.
Control: registros histricos de acciones correctivas y preventivas,
mano de obra y materiales utilizados, costos implicados. En las ISO
9000 se explica: Deben ser mantenidos registros para procesos,
equipos y personal calificado como apropiado. en un ambiente
automatizado, la disposicin cuidadosa puede ser igualmente obtenida
por otros medios equivalentes, tales como una base de datos
informatizada.
Tratamiento de datos: informes de gestin, ndices, grficos y
consultas, las acciones para la correccin de distorsiones.
Hay muchas maneras de
SELECCIONAR el sistema o
estrategia de mantenimiento
ms adecuado(a), aunque todas
deben partir de la caracterizacin
del equipamiento
PROCEDIMIENTO DE SELECCIN DE SISTEMAS DE
MANTENIMIENTO
Aparece desgaste o deterioro en el equipo
analizado?
La disminucin en el rendimiento del equipo debido al
desgaste o fallo provoca grandes prdidas econmicas?
El proceso de desgaste es medible y la medicin es
posible? Puede darse un estado de deterioro lmite?
SI
P
C
NO
MPP
INICIO
NO
NO
SI
SI
- Seguridad
- Calidad
- Afectaciones
- Utilizacin
- Frecuencia
- Tiempo
Algoritmo de Clasificacin del Equipamiento
EQUIPAMIENTO
CLASE C
SEGURIDAD
3
3
3
CALIDAD
UTILIZACIN
AFECTACIONES
FRECUENCIA
TIEMPO
AFECTACIONES
FRECUENCIA
TIEMPO
EQUIPAMIENTO
CLASE A
EQUIPAMIENTO
CLASE B
1, 2
3
2, 3
1
1, 2
3
1, 2
1, 2
1, 2
3
3
3
1, 2
1, 2
1, 2














Seleccin del Sistema de mantenimiento
1. Mantenimiento Preventivo con base en la condicin (BC)
2. Mantenimiento Preventivo a intervalos constantes (BT).
3. Mantenimiento Correctivo.
En este curso veremos cmo
podemos definir el sistema o
estrategia de mantenimiento
ms adecuado(a), basado en la
FIABILIDAD o CONFIABILIDAD
(uso de modelos estadstico-
probabilsticos)
Fiabilidad:
Ciencia surgida del estudio terico y experimental de las
regularidades relacionadas con el aseguramiento del
trabajo SIN FALLO de los artculos tcnicos.
Para su desarrollo se ha basado en:
La teora de las Probabilidades y la Estadstica
Matemtica
La Electrnica
La Ciencia de los Materiales
La teora del Desgaste
La Economa
Fiabilidad:
Ciencia surgida del estudio terico y experimental de las
regularidades relacionadas con el aseguramiento del
trabajo SIN FALLO de los artculos tcnicos.
Para su desarrollo se ha basado en:
La teora de las Probabilidades y la Estadstica
Matemtica
La Electrnica
La Ciencia de los Materiales
La teora del Desgaste
La Economa
Causas que han propiciado el desarrollo
vertiginoso de la fiabilidad:
Aumento de la complejidad de los sistemas
tcnicos modernos
Intensidad de los regmenes de trabajo
(temperatura, presin, velocidad, etctera).
Exigencias de calidad del trabajo del
sistema.
Alto costo y responsabilidad de las
funciones que debe cumplir el sistema.
Automatizacin total o parcial con la
exclusin progresiva de la participacin
directa del hombre.
Fiabilidad
(Definicin corrientemente aceptada)

Es la probabilidad de que un item
(artculo) realice satisfactoriamente
su funcin especfica durante un
perodo especificado y bajo un
conjunto dado de condiciones
operativas.


Conceptos, trminos
y definiciones ms
utilizados
Artculo
Constituye el elemento de clculo de
fiabilidad que incluye las piezas,
elementos, aparatos, sistema o
conjunto de sistemas incluso;
entendiendo por sistema una entidad
formada por elementos discretos que
interaccionan mutuamente. Pueden ser
REPARABLES o NO REPARABLES.
Buen estado:
Estado del artculo en el cual el mismo
satisface todos los requisitos establecidos.

Estado de capacidad de trabajo: Estado
del artculo que le permite cumplir las
funciones principales asignadas manteniendo
sus especificaciones dentro de los lmites
establecidos.

Estado lmite:

Estado del artculo en el cual su utilizacin es
interrumpida debido a:

violaciones insuperables de los requisitos de
seguridad,
corrimiento irreversible de sus
especificaciones fuera de los lmites
establecidos,
reduccin insuperable de la eficiencia de la
utilizacin por debajo de lo permisible
FALLO:
Concepto bsico de la Teora de la
Fiabilidad y constituye el hecho a
partir del cual el artculo deja de
cumplir total o parcialmente sus
funciones. Es el cese del estado de
capacidad de trabajo del artculo.
La ocurrencia de un fallo ocasiona
costos:
Directos (debidos a la reparacin).
Indirectos (prdidas de produccin y
recursos ociosos)
Potenciales (por deterioro de partes,
aumento de inventarios por baja
confiabilidad, etc.)
Otros (incumplimientos a clientes,
deterioro imagen)
Criterio de clasificacin Tipo de fallo
Por su influencia en la capacidad de trabajo Total
Parcial
Por su interaccin con otros fallos Dependiente
Independiente
Por las causas que lo provocan
Constructivos
Tecnolgicos
De explotacin
Por desgaste
Por su modo de manifestacin respecto al tiempo Repentino
Gradual
Por su frecuencia de ocurrencia
Frecuente
Probable
Ocasional
Remoto
Extremadamente remoto
Por su severidad Leve
Marginal
Crtico
Catastrfico
Por el perodo de la vida del artculo en que se
manifiestan
Prematuro
Casual
De desgaste o envejecimiento
Algunos conceptos importantes:
(t): tasa instantnea de
fallos (denominada tambin
como probabilidad
instantnea de fallos por
componente) o probabilidad
de fallo del componente en
un tiempo infinitamente
pequeo dt cuando en el
tiempo t estaba operativo:

Donde f(t); funcin de
densidad probabilstica.
Grfico de la Tasa de fallos vs. tiempo
(Bathtub Curve)
Patrones de falla relacionados con la edad:

Tareas preventivas basadas en el tiempo que se aplican en el perodo
de Fuera de servicio (Etapa III):

Reparacin Programada:
Consiste en restaurar un artculo cada un determinado perodo sin
importar la condicin o estado de ese artculo en ese momento. La
frecuencia de una tarea de reparacin programada est en dependencia de
la edad a partir de la cual el artculo muestra un crecimiento rpido de la
probabilidad de falla. En la prctica, esta frecuencia slo puede ser
determinada en base a los datos histricos de fallas.

Sustitucin programada:
Consiste en descartar un artculo cada un determinado perodo sin
importar la condicin o estado de ese artculo en ese momento. La
frecuencia de una tarea de sustitucin programada est en dependencia
de la edad a partir de la cual el artculo muestra un crecimiento rpido de
la probabilidad de falla.

Curva de la Baera:
Elevada mortalidad infantil seguida de un
perodo con tasa de fallos constante y ter-
minando con tasa de fallos creciente.
A




Tasa de fallos constante o ligeramente
creciente, terminando con desgaste o
envejecimiento, con tasa de fallos
B bastante acentuada.





Tasa de fallos lineal, ligeramente creciente,
con un perodo de envejecimiento bin
C marcado.





Tasa de fallos baja durante la juventud del
artculo, aumentando hasta un nivel cons-
D tante que se mantendr hasta el final de la
utilizacin del artculo.





Tasa de fallos constante durante todo el
E ciclo de vida.







Elevada mortalidad infantil que decrece
F hasta un valor constante o ligeramente
creciente de probabilidad de avera.

Sobre los patrones de fallos de los equipos:
Premisa tradicional: La probabilidad de fallo aumenta con la edad
del componente
11%
89%
5%
14%
68%
2%
4%
A
B
C
D
E
F
7%

Resultados del estudio de Nowlan and Heap:
La probabilidad de fallo se increment con
la edad solo en el 11% de los componentes!!!!!
Patrones de falla NO RELACIONADOS CON LA EDAD:

En sistemas que siguen estos patrones, las
reparaciones programadas pueden
aumentar las tasas de falla pues introducen
mortalidad infantil en sistemas estables, por
lo cual lo ms indicado es NO HACER
MANTENIMIENTO PREVENTIVO
ALGUNO, pues significarn un desperdicio
de tiempo y de dinero.

Tareas preventivas basadas en la Condicin (BC)


Utilizar el intervalo P F, en el que deben
ser tomadas medidas que impidan la
ocurrencia de la falla funcional, pero
fundamentalmente QUE MINIMICEN las
CONSECUENCIAS de la falla.

La fiabilidad no es una prediccin, sino que
es la probabilidad de accin correcta de un
artculo durante un perodo de tiempo
determinado, es decir entre 0 y t.

En otras palabras, los fabricantes no
garantizan en absoluto que el artculo
trabaje durante h horas, slo dan la
probabilidad de su funcionamiento
correcto durante las h horas.

El artculo cuya fiabilidad se estudia, se supone que
est trabajando correctamente al inicio de su vida
til. As, representando con R la fiabilidad
(Reliability en ingls) y situando entre parntesis al
tiempo, resulta:

R (0) = 1 al inicio de su vida til cuando
el artculo con seguridad funciona.
R () = 0, ya que en un tiempo muy largo
con seguridad el artculo habr fallado.

Si: R(t): Fiabilidad de un lote en un tiempo t
Ns (t): Nmero de componentes que continan
funcionando (sobreviven) al cabo de un tiempo t
Nf (t): Nmero de componentes que han fallado al cabo
de un tiempo t
N (0): Nmero total de componentes que existen al inicio
del ensayo
La relacin entre la fiabilidad del lote y sus componentes es:
Ejemplo:
En un seguimiento de averas efectuado en el microprocesador de
una marca de ordenadores, se sabe que de 400 unidades se ha
averiado una al cabo de un tiempo t de servicio, entonces,
La fiabilidad del microprocesador ser:
R(t) = 399/400 = 0,9975 = 99,75%

O sea, que al cabo del tiempo t quedan 399 unidades vivas de
las 400.

El 99,75% es la probabilidad de supervivencia en el tiempo t.

El grfico de la funcin de Fiabilidad se
conoce como: Curva de supervivencia
R(t) vs. t
Si el artculo no desarrolla su funcin al cabo de un
tiempo t determinado, es decir, falla entre 0 y t, se
tiene entonces la probabilidad de fallo, infiabilidad o
inconfiabilidad cuyo valor es:
Q(t) = 1 - R(t)
En el ejemplo anterior, la probabilidad de
fallo del Microprocesador sera:

1 - 0,9975 = 0,0025 = 0,25%
ESTUDIO DE FIABILIDAD DE EQUIPOS
4.5E-3 5.5E-3 4.0E-3 2.8E-3 3.6E-3 7.8E-3 0.0042 224.3E+0
R(t) = e
-t
Q(t)= 1-R(t) R(t) = e
-t
Q(t)= 1-R(t) R(t) = e
-t
Q(t)= 1-R(t) R(t) = e
-t
Q(t)= 1-R(t) R(t) = e
-t
Q(t)= 1-R(t)
0 1 0 1 0 1 0 1 0 1 0
30 0.87479124 0.12520876 0.84822445 0.15177555 0.88747937 0.11252063 0.91943126 0.08056874 0.89703536 0.10296464
60 0.76525972 0.23474028 0.71948471 0.28051529 0.78761964 0.21238036 0.84535383 0.15464617 0.80467243 0.19532757
90 0.6694425 0.3305575 0.61028452 0.38971548 0.69899618 0.30100382 0.77724474 0.22275526 0.72181962 0.27818038
120 0.58562244 0.41437756 0.51765825 0.48234175 0.62034469 0.37965531 0.71462311 0.28537689 0.64749772 0.35250228
150 0.51229738 0.48770262 0.43909038 0.56090962 0.55054312 0.44945688 0.65704682 0.34295318 0.58082835 0.41917165
180 0.44815326 0.55184674 0.3724472 0.6275528 0.48859566 0.51140434 0.60410938 0.39589062 0.52102357 0.47897643
210 0.39204055 0.60795945 0.31591882 0.68408118 0.43361857 0.56638143 0.55543705 0.44456295 0.46737656 0.53262344
240 0.34295364 0.65704636 0.26797007 0.73202993 0.38482754 0.61517246 0.51068618 0.48931382 0.4192533 0.5807467
270 0.30001284 0.69998716 0.22729876 0.77270124 0.3415265 0.6584735 0.46954084 0.53045916 0.37608504 0.62391496
300 0.26244861 0.73755139 0.19280037 0.80719963 0.30309773 0.69690227 0.43171052 0.56828948 0.33736158 0.66263842
330 0.22958774 0.77041226 0.16353798 0.83646202 0.26899298 0.73100702 0.39692815 0.60307185 0.30262526 0.69737474
360 0.20084135 0.79915865 0.13871692 0.86128308 0.23872572 0.76127428 0.36494815 0.63505185 0.27146556 0.72853444
390 0.17569425 0.82430575 0.11766308 0.88233692 0.21186415 0.78813585 0.33554473 0.66445527 0.24351421 0.75648579
420 0.15369579 0.84630421 0.0998047 0.9001953 0.18802507 0.81197493 0.30851032 0.69148968 0.21844085 0.78155915
450 0.13445173 0.86554827 0.08465679 0.91534321 0.16686837 0.83313163 0.28365403 0.71634597 0.19594917 0.80405083
480 0.1176172 0.8823828 0.07180796 0.92819204 0.14809223 0.85190777 0.26080038 0.73919962 0.17577333 0.82422667
510 0.1028905 0.8971095 0.06090926 0.93909074 0.1314288 0.8685712 0.23978802 0.76021198 0.15767489 0.84232511
540 0.09000771 0.90999229 0.05166473 0.94833527 0.11664035 0.88335965 0.2204686 0.7795314 0.14143995 0.85856005
570 0.07873795 0.92126205 0.04382328 0.95617672 0.10351591 0.89648409 0.20270572 0.79729428 0.12687664 0.87312336
600 0.06887927 0.93112073 0.03717198 0.96282802 0.09186823 0.90813177 0.18637398 0.81362602 0.11381283 0.88618717
630 0.06025498 0.93974502 0.03153018 0.96846982 0.08153116 0.91846884 0.17135806 0.82864194 0.10209413 0.89790587
660 0.05271053 0.94728947 0.02674467 0.97325533 0.07235722 0.92764278 0.15755196 0.84244804 0.09158205 0.90841795
690 0.04611071 0.95388929 0.02268548 0.97731452 0.06421554 0.93578446 0.14485819 0.85514181 0.08215234 0.91784766
720 0.04033725 0.95966275 0.01924238 0.98075762 0.05698997 0.94301003 0.13318715 0.86681285 0.07369355 0.92630645
750 0.03528667 0.96471333 0.01632186 0.98367814 0.05057742 0.94942258 0.12245643 0.87754357 0.06610572 0.93389428
780 0.03086847 0.96913153 0.0138446 0.9861554 0.04488642 0.95511358 0.11259027 0.88740973 0.05929917 0.94070083
810 0.02700347 0.97299653 0.01174333 0.98825667 0.03983577 0.96016423 0.10351901 0.89648099 0.05319345 0.94680655
840 0.0236224 0.9763776 0.00996098 0.99003902 0.03535343 0.96464657 0.09517861 0.90482139 0.04771641 0.95228359
Grfico de la Funcin de Fiabilidad o de
Confiabilidad es llamado CURVA DE
SUPERVIVENCIA: R(t) vs. t



Grfico de la Funcin de Inconfiabilidad
se presenta como el complemento del
anterior: Q(t) vs. t
ESTUDIO DE FIABILIDAD DE UN EQUIPO
FIABILIDAD E INFIABILIDAD DEL equipo 1
0
0 . 1
0 . 2
0 . 3
0 . 4
0 . 5
0 . 6
0 . 7
0 . 8
0 . 9
1
0 30 60 90 120 150 180 210 240 270 300 330 360 390 420 450 480 510 540 570 600 630 660 690 720 750 780 810 840
[DAS]
P
R
O
B
(
t
)
Fiabilidad
Infiabilidad
FiIABILIDAD E INFIABILIDAD DEL equipo 2
0
0 . 1
0 . 2
0 . 3
0 . 4
0 . 5
0 . 6
0 . 7
0 . 8
0 . 9
1
0 30 60 90 120 150 180 210 240 270 300 330 360 390 420 450 480 510 540 570 600 630 660 690 720 750 780 810 840
P
R
O
B
.
(
t
)
Fiabilidad
Infiabilidad
Algunos conceptos importantes:
La expresin
general
matemtica de la
fiabilidad en
funcin de la
distribucin de
fallos especfica es:
Algunos conceptos importantes:
En el caso de que la
tasa instantnea de
fallos (t) sea
constante
(independiente del
tiempo t), se obtiene
la funcin de fiabilidad
para una Distribucin
Exponencial:
Algunos conceptos importantes:
La vida media de un
componente ser:
Algunos conceptos importantes:
Y si la Distribucin de Fallos es Exponencial,
entonces:
Tema II: Anlisis probabilstico de
datos de fallos en el tiempo.
Las variables aleatorias y las Funciones de
Distribucin de Fallos (Normal, Exponencial,
Weibull, entre otras) que aplican al anlisis
de datos de fallos en el tiempo. El TMEF
(MTBF). Clculo de probabilidad de fallos en
el tiempo.

La Teora de las Probabilidades ofrece un modelo
matemtico para el estudio de los fenmenos
aleatorios

Algunos ejemplos:

lanzamiento de una moneda
el arribo de buques a un puerto
el conteo de la cantidad de averas de un artculo
el tiempo hasta el fallo de una vlvula electrnica
el tiempo de reparacin de un tem
Conceptos y definiciones de Probabilidades
Punto muestral: Cada uno de los posibles
resultados de un fenmeno aleatorio.

Espacio muestral: Es el conjunto de todos
los puntos muestrales de un experimento
aleatorio. Se denotar por S.

Ejemplo: Suponga el experimento aleatorio
correspondiente al lanzamiento de un dado
perfectamente balanceado de 6 caras:
Describa el Espacio Muestral
correspondiente
S
Conceptos y definiciones de
Probabilidades

Evento: Conjunto de puntos muestrales. Se
denotar con letra mayscula: A, B,

Ocurrencia de un evento: Sea A un
evento de cierto experimento E. Diremos
que el evento A ocurre cuando al realizar el
experimento E, el resultado que obtenemos
es un punto muestral de A.
Ejemplo: Suponga el experimento aleatorio
correspondiente al lanzamiento de un dado
perfectamente balanceado de 6 caras.
Describa los eventos siguientes:
A: Que salga par
B: Que salga impar
R: Que salga primo
D: Que salga un nmero mayor que dos.
lgebra de Eventos
Operaciones que pueden realizarse
entre eventos tales como:
la suma (+),
el producto (.)
el complemento de un evento (A)
Ejemplo: A partir del experimento anterior y
los eventos definidos:
Realice las operaciones siguientes:
A+B
A+D
R+B
A.B
A.D
A
R



Ejemplo: Sean A y B eventos del espacio muestral S.

A: evento que cierto artculo falle debido al componente A
B: evento que cierto artculo falle debido al componente B
Denote los eventos siguientes (utilice el
lgebra de eventos y un Diagrama de
Venn):
Fallan A B
Fallan A y B
No falla B
No falla A y s B.
Ejemplo:
Sean A, B y C eventos del espacio muestral S.
A: evento que cierto artculo falle debido al componente A
B: evento que cierto artculo falle debido al componente B
C: evento que cierto artculo falle debido al componente C


Utilizando el lgebra de eventos y los Diagramas de
Venn represente los eventos:

a) Que los tres artculos fallen simultneamente
b) Que exactamente dos de los artculos fallen.

Definicin clsica de Probabilidad
(Probabilidad a priori)




Donde:
m: casos favorables a la ocurrencia de A
n: todos los casos que puedan ocurrir
P A
m
n
( ) =
Ejemplo: En el mismo experimento aleatorio
correspondiente al lanzamiento de un dado
perfectamente balanceado de 6 caras:
Calcule las probabilidades de los eventos
siguientes:
A: Que salga par
B: Que salga impar
R: Que salga primo
D: Que salga un nmero mayor que dos.
La definicin frecuencial o estadstica de
la probabilidad
P(A) = fr (A) = f(A)/n
n -----
Donde:
fr(A): frecuencia relativa de ocurrencia del evento A
f(A):cantidad de veces que ocurri el evento A en las n
pruebas realizadas
n: cantidad de pruebas realizadas
Ejemplo:
Ciertas pruebas muestran que 294 de
300 aislantes de cermica probados
podran resistir un choque trmico.
Cul es la probabilidad de que uno
de ellos seleccionado aleatoriamente
pueda resistir el choque?
Axiomas de las Probabilidades
1. La probabilidad es un nmero real positivo o cero para cualquier
evento A.

P(A) 0

2. Todo espacio muestral tiene la probabilidad 1

P(S) = 1

3. Si A y B son dos eventos mutuamente excluyentes cualesquiera:

P(A+B) = P(A) + P(B) si A.B =


Algunos corolarios:
1. P () = 0

2. P (A) = 1 - P(A)

3. P (A+B) = P(A) + P(B) - P(A.B) si A.B

4. P (A.B) = P (A) - P(A.B)



Variable Aleatoria
Dado un Espacio Muestral S de un
experimento aleatorio, una variable
aleatoria (va) es cualquier regla que asocia
un nmero con cada resultado de S.
Una variable aleatoria es generalmente
denotada como x, pudiendo ser discreta
o continua.
Variable Aleatoria discreta:
(valores que se cuentan)

Ejemplos:
X: v.a cantidad de caras en el
lanzamiento de dos monedas no
trucadas.
X: v.a cantidad de fallos de un equipo
en un ao.

Variable Aleatoria continua:
(valores que se miden)
Por lo general asociadas a entes fsicos como
tiempo, longitud, volumen, rea, etc.
Ejemplos:
X: v.a tiempo de vida til de una pieza.
X: v.a tiempo entre fallos de un equipo
reparable.

Distribuciones de probabilidad
Una distribucin de probabilidad es un modelo
matemtico que relaciona el valor de la
variable con la probabilidad de ocurrencia de
ese valor en la poblacin. Pueden ser:
Funciones de probabilidad (va.d)
Funciones de densidad probabilstica (va.c)
Funciones de distribucin acumulativa (va.d y
va.c)
Como estudiaremos en especfico una variable
continua (tiempo), ya que profundizaremos en
los fallos que ocurren en el tiempo,
entonces:
Funcin de densidad probabilstica:
f(x)
Funcin de distribucin acumulativa de fallos:
Fx(t)
Funcin de densidad probabilstica:
f(x) -------Para v.a continua

Sea f una funcin real integrable; f(x) es una
funcin de densidad probabilstica si:

f(x) 0

y
9 e x
1 ) (
}
+

= dx x f
La probabilidad es:

EL REA BAJO LA CURVA de una funcin de
densidad probabilstica. Por tanto, al integrar la
funcin de densidad para todos sus valores,
obtendremos que es 1:




ya que 1 es la probabilidad del espacio muestral S
1 ) (
}
+

= dx x f
Funcin de distribucin acumulativa:
Fx (t)

Fx (t) = P (x t),


Esta Funcin permite acumular
probabilidades hasta el valor t de la v.a,
independientemente de que esta sea
discreta o continua.
9 e t

Ejemplo: Considere la v.a x, que representa el tiempo hasta el
fallo (THF) de cierto componente (en aos), con la siguiente Ley
de probabilidad:

f(x) =
a) Compruebe que f(x) es una funcin de densidad probabilstica
b) Construya el grfico de la funcin.
c) Calcule la probabilidad de que el componente falle antes de 0,5
aos.
d) Calcule la probabilidad de que el componente sobreviva despus
de 0,5 aos.

>
s <
s
1 0
1 0 2
0 0
x para
x para x
x para
Medidas de Tendencia Central

Un promedio es un valor tpico que
se emplea para representar todos
los valores individuales de una
serie o de una variable.
Medidas de Tendencia Central
El Valor Esperado:

E(x) =

Donde:
X es una v.a. Continua y
f(x) es su funcin de densidad probabilstica

( )
}


x
dx x f x
Medidas de Dispersin:

La varianza:
o
2
(x)= E(X
2
) - [E(X)]
2

2

La desviacin tpica o estndar:
o(x)= sqr [o
2
(x)]
( )
}


x
dx x f x
La vida media de un componente, como
habamos visto antes, ser:

}

=
0
) ( . dt t f t vm
El Tiempo Medio Entre Fallos (TMEF) o MTBF como
medida de Tendencia Central:
Para calcularlo por esta va, ser necesario conocer la
funcin de densidad probabilstica f(t) correspondiente a
esta variable aleatoria:
}

= =
0
) ( . dt t f t MTBF TMEF

Ejemplo: Considere la v.a x, que representa el tiempo
hasta el fallo de cierto componente (en aos), con la
siguiente Ley de probabilidad:

f(x) =
Calcule el Tiempo Medio Hasta el Fallo del componente y una
medida de la variabilidad del Tiempo entre fallos.

>
s <
s
1 0
1 0 2
0 0
x para
x para x
x para

Algunas Funciones de Distribucin
de Fallos de v.a continua:


Distribucin Normal
Distribucin Exponencial
Distribucin de Weibull
Distribucin logartmica Normal
Otras...
Distribucin Normal




Notacin: x ~ N (,o
2
)
El valor esperado: E(x)=
La varianza: o
2
(x)= o
2
( ) 9 e =
|
.
|

\
|

x e x f
x
2
2
1
2
1
o

t o
Curva Normal (Probability Density Function)
para la v.a. tiempo
Distribucin Normal Estndar




Notacin: z ~ N (0,1)
El valor esperado: E(x)= 0
La varianza: o
2
(x)= 1
9 e =

z e z f
z
2
2
1
2
1
) (
t
Tabla de la Distribucin Normal Estandar
P(z<Z)

Ejemplo:
Un fabricante concluye que el tiempo que
transcurre antes de que se funda un
bombillo sigue una distribucin Normal. Se
prueba una muestra y se encuentra que la
vida promedio es de 60 das con una
desviacin estndar de 20 das.
Cul es la probabilidad de que un bombillo
falle:
a) antes de los 60 das de vida?
b) entre los 80 y los 100 das de vida?
Distribucin Exponencial
La distribucin Exponencial es la ms
ampliamente utilizada en los estudios de
fiabilidad. En general, esta distribucin
representa la fase normal de operacin de
un artculo, en la cual se producen fallos
repentinos debidos a choques, exceso de
carga, de tensin elctrica, etctera. Se
emplea para determinar el tiempo hasta el
fallo de un componente o de un sistema
Grfico de la Funcin de densidad
probabilstica Exponencial
f(t)
t
Distribucin Exponencial
Notacin: x ~ E ()


: tasa de fallos del sistema (nmero medio de sucesos en la unidad de
tiempo)
1/ : tiempo medio hasta el fallo

f x e x y es constante
x
( ) ; = > >

0 0
R t e
t
( ) =

Q t e
t
( ) =

1

Ejemplo:
Un instrumento de sondeo electromecnico trabaja
en un ambiente de polvo adherente que da lugar a
una vida media de 2 000 horas, tras las cuales el
cable que sostiene el peso queda trabado en la
polea por el depsito de polvo adherente dejando
de funcionar. Se asume una distribucin
Exponencial.
De acuerdo con esta informacin tenemos que:
: tiempo medio entre fallos (MTBF) = 2 000 horas

Por tanto, la tasa de fallos () es
h / 0005 , 0
2000
1
= =
La fiabilidad durante un perodo de
10 horas ser:
Y la fiabilidad al cabo de 2 000 horas (su vida media)
pasa a ser de 36%



% 36 36 , 0 ) 2000 (
) 2000 ( 0005 , 0
= = =

e R
Otro ejemplo:
Una computadora digital opera las 24 horas del da y
sufre interrupciones a razn de 0,25 por hora. Si el
tiempo entre interrupciones es una variable aleatoria
Exponencial:
a) Cul es la probabilidad de que opere al menos 2
horas sin interrupciones?
b) Qu probabilidad de fallo se tendr al cabo de 1
hora de operacin?
c) Cul es el tiempo promedio entre interrupciones? Y
qu probabilidad de fallo hay en ese tiempo?
Otro ejemplo:
Un fabricante de calculadoras electrnicas ofrece
una garanta de un ao. Si la calculadora llega a
fallar durante este periodo, se la reemplaza. El
tiempo hasta el fallo se modela aceptablemente
con la distribucin probabilstica:


Qu porcentaje de las calculadoras debern ser
reemplazadas dentro del trmino de la garanta?

t
e t f
125 , 0
125 , 0 ) (

=
Distribucin de Weibull
f x x e
x
( ) ( )
( )
=

o |
| o
|
1
Distribucin de Weibull


o: parmetro de escala
|: parmetro de forma
: parmetro de localizacin (vida mnima=0)


Notacin: x ~ WE (o, |)
|
ot
e t R

= ) (
f x x e
x
( ) ( )
( )
=

o |
| o
|
1
|
o |
o|
) ( 1
) ( ) (
t
e t t f

=
Distribucin de Weibull
La funcin de distribucin acumulativa es la siguiente:


El Valor Esperado puede expresarse, si < 1, como:




Y si > 1, como:

o
|
|
= +

1
1
1
I ( )
)
1
1 (
|
o + I =
|
ot
e t Fx

=1 ) (


Distribucin de Weibull:

f(t) R(t) (t)

Ejemplo:
La vida til (h) de cierta clase de
batera es una variable aleatoria que
tiene distribucin de Weibull con
o = 0,1 y | = 0,5.
a) Cul es la vida promedio de esta
batera?
b) Cul es la probabilidad de que dure
ms de 300 horas?
El Modelo logNormal:
Distribucin de los logaritmos de X.
Notacin: X~ LN ( ln ; ln) Su
comportamiento se observa en la grfica:

f(x)










El Modelo Gamma: X ~ GA (o ; 1/)
tambin: X ~ GA (r ; )
Donde: o r parmetro de forma.
parmetro de escala.

Esta distribucin adopta una forma para cada valor de su
parmetro r por ejemplo:











r=1
r=2
r=3
Tema III: Anlisis estadstico de datos de fallos en
el tiempo. Uso y aplicacin de software estadstico
Los datos de fallos. Estadstica descriptiva de datos de
fallos. Ajuste de datos de fallos a modelos probabilsticos.
Software especfico para el ajuste a distribuciones.
Propiedades e ndices de fiabilidad. Software especfico
para el clculo de ndices de Operatividad y de
Mantenibilidad. La curva de Supervivencia y otros grficos
estadsticos. Recoleccin de datos de fallos en el Tiempo:
Tiempo Entre Fallos, Tiempo de Operacin, Tiempo Fuera de
Servicio, Tiempo de reparacin. La Disponibilidad y la
Mantenibilidad. Taller de solucin de problemas de casos
reales de empresas peruanas.
La Estadstica es la ciencia del anlisis de datos y de la
deduccin de conclusiones a partir de aquellos,
tomando en cuenta las variaciones.
Los datos de fallos son obtenidos, por
lo general, de dos fuentes:
1. Los tiempos de fallas de varias
unidades sometidas a una prueba de
fiabilidad (ensayo de fiabilidad).
2. Reportes de reparacin o
reposicin de artculos puestos en
manos de los consumidores
Los datos de fiabilidad sirven para varios propsitos:
Detectar problemas corrientes de fiabilidad.
Proporcionar informacin cuantitativa sobre la
operacin de los equipos.
Asistir a los programas de mejoramiento de la
calidad.
Proporcionar una historia de fallos para uso en
los cambios de productos y en los nuevos
diseos. Esto es lo que se ha denominado como
banco de datos de fallos.
Estadstica Descriptiva:
Resultado del proceso de tabulacin u
organizacin de los datos. Describe la verdad
de la muestra.
Para el logro de estos objetivos pueden utilizarse
tcnicas de formacin de clases o de formacin
de nmeros relativos.
Se pueden construir fcilmente los grficos
estadsticos, particularmente los Histogramas
de frecuencias cuya principal utilidad radica en
permitirnos obtener una visin de la distribucin
a que mejor se ajustan los datos obtenidos y
procesados.
Histograma de frecuencias
Histograma y Funcin de densidad
probabilstica Exponencial
f(t)







t
Ajustes de datos a modelos probabilsticos

Si bien el histograma de frecuencias nos puede dar
una idea de la distribucin a la cual se ajustan los
datos, existen mtodos de la Estadstica no
paramtrica que nos permiten realizar dicha
comprobacin de manera mucho ms eficaz. Las
llamadas pruebas de bondad del ajuste, entre las que
se encuentran la Prueba J-Cuadrado y la Prueba de
Kolmogorov - Smirnov se emplean con estos fines.
De manera general se puede plantear que la cantidad
necesaria de datos para que la realizacin de estas
pruebas ofrezca confiabilidad se recomienda a un
valor mnimo de 100 mediciones u observaciones, no
obstante, pueden utilizarse para tamaos de muestra
ms pequeos.




Prueba de J - Cuadrado (Chi-Square) _

Ho: X ~ E

Estadgrafo:




donde:
Ei = n . Pi (Frecuencia terica o esperada)
Pi: Probabilidad asociada al intervalo correspondiente de la
distribucin a la cual se prueba el ajuste.
n: Cantidad total de observaciones
ni: Frecuencia observada

Regla de decisin:


Si se rechaza la hiptesis de ajuste.

=
k
i
i
i i
E
E n
1
2
2
) (
_
2
;
2
u o
_ _ >
Prueba de Kolmogorov-Smirnov:

Ho: X ~ E

Estadgrafo:
Dn = mx | Fe - Fi |

donde:
Fe: Frecuencia relativa acumulada Esperada o Terica
Fi: Frecuencia Observada Acumulada

Regla de decisin:

Si Dn > Dn* se rechaza la hiptesis de ajuste.

El valor Dn* se encuentra en Tabla de K-S,
(se brinda en Anexo del material del curso).






Sample size
(n)
Nivel de sign.
0.05
Nivel de sign.
0.01
5
10
15
16
20
25
30
35
40
50
60
100
.563
.409
.338
.328
.294
.264
.242
.23
.21
.19
.17
.14

.669
.486
.404
.391
.352
.32
.29
.27
.25
.23
.21

Asymptotic
formula:
1.36
\ N
1.63
\ n
Propiedades de la Fiabilidad:
OPERATIVIDAD
Propiedad del artculo de mantener ininterrumpidamente el estado de
capacidad de trabajo durante un tiempo especfico en condiciones de
operacin dadas.
DURABILIDAD
Propiedad del artculo de mantener el estado de capacidad de trabajo
hasta llegar al estado lmite en condiciones de operacin dadas.
CONSERVABILIDAD
Es la propiedad del artculo de conservar ininterrumpidamente su
condicin de buen estado y su estado de capacidad de trabajo durante y
despus del almacenamiento y transportacin en condiciones dadas.
MANTENIBILIDAD:
Propiedad del artculo consistente en la facilidad que el mismo brida para
prevenir y detectar las causas que originan sus fallos y deterioros, as
como la eliminacin de sus consecuencias, mediante la realizacin del
mantenimiento, reparaciones y restauraciones.
ndice de fiabilidad
Caracterstica cuantitativa que
depende de una o varias
propiedades y expresa la
fiabilidad del artculo
Propiedad ndice Denom inacin
Operatividad P(t)
Q(t)
(t)
e (t)
t o

t

Prob. de trabajo sin fallos (Funcin de confiabilidad)
Prob. de fallo (Funcin de inconfiabilidad)
Intensidad de fallos
Flujo de fallos
Tiempo medio hasta el fallo (MT TF)
Tiempo medio entre fallos (MTBF)
Durabilidad
tr
tr
tk

tk

t
k


Recurso medio (vida til media)
Recurso Gamma (vida til Gamma)
Plazo de servicio medio

Plazo de servicio Gamma


Plazo de servi cio medio hasta la General

Conservabilidad
tc


tc
Tiempo medio de conservacin

Tiempo Gamma de conservacin
Mantenibilidad
t
u


t
H
u
t
e
u
t b u

P(tB)

Tiempo medio de reparacin

Tiempo medio de restauracin

Tiempo medio improductivo debido al fallo

Tiempo medio de espera para reparar

Tiempo medio de bsqueda del fallo

Prob. de restauracin en un tiempo dado


'
u
t
Clculo del ndice de Operatividad TMHF ( MTTF)
para artculos NO reparables
Tiempo medio hasta el fallo:




Donde:
toi = tiempo HASTA EL FALLO del i-simo artculo probado
Ni = Cantidad de artculos que fallan en el mismo intervalo de tiempo
n = cantidad total de artculos probados
Ejemplo: Se prueban o ensayan 4 artculos, el primero trabaj 20 h hasta que
fall, el segundo tambin, el tercero fall a las 30h y el cuarto a las 10h.
Calcule el TMHF.
to t f t dt =

}
( )
0
n
Ni to
o t
n
i
i
*
1

=
=
Para una distribucin no conocida:
Clculo del ndice de Operatividad TMEF ( MTBF)
para artculos REPARABLES
Tiempo medio entre fallos (MTBF):
t t f t dt
t
=
}
( )
0
tambin:
t
t
n
ji
i
m
j
n
=
= =
-

1 1
tji: tiempo de trabajo entre dos fallos consecutivos del j-simo artculo
n*: Cantidad total de fallos al ensayar n artculos.

Ejemplo:
De acuerdo al comportamiento de los artculos
siguientes, calcule el TMEF:
200 150 200
art. j=1
300 300
art. j=2

100 100 100 100
art. j=3




t
t
n
ji
i
m
j
n
=
= =
-

1 1

Uso y aplicacin del software
estadstico:

DISMA :DIstribucin de Mejor Ajuste

RELEST



Software especfico: DISMA
(DIStribucin de Mejor Ajuste)
Se comienza con la entrada de datos:


A continuacin se procede a calcular los
parmetros de Weibull lo cual es muy
importante, sobre todo por el parmetro de
forma BETA
Qu indica Beta?


Ms adelante es necesario definir el mtodo para estimar los
parmetros de las distribuciones (1 2) a base de lo cual se
determinan las caractersticas numricas de la muestra de datos y los
parmetros de las 10 distribuciones:


Software especfico: DISMA
(DIStribucin de Mejor Ajuste)
Comprueba el ajuste a 10 distribuciones
probabilsticas:
Weibull
Normal
Exponencial
Logartmica Normal
Uniforme o Rectangular
Gamma
Triangular
Pareto
Rayleigh
Erlang
Software especfico: DISMA
(DIStribucin de Mejor Ajuste)
Las pruebas estadsticas que se
realizan en el programa
computacional DISMA, son las
pruebas Chi-Cuadrado, Kolmogorov
Smirnov y de Renyi, la cual se utiliza
para confirmar los resultados de la
Prueba de K-S


Trabajo con la Prueba Chi-Cuadrado:
Con la prueba del CHI-CUADRADO, indicamos un nivel de
significacin de 0.05, 0.10 u otro y decidimos dar o no un
nmero de clases:
Resultados de la Prueba:
Con la prueba del CHI-CUADRADO y para el nivel de
significacin definido da la distribucin de mejor ajuste y sus
parmetros:
Software especfico: DISMA
(DIStribucin de Mejor Ajuste)

En la Prueba Chi Cuadrado: Para la seleccin de la distribucin
de mejor ajuste se tiene en cuenta el coeficiente de precisin
(H), si H<2, el ajuste se considera satisfactorio y dentro de ese
rango la distribucin que brinde un H menor ser la de mejor
ajuste, si sta resulta ser una distribucin poco tratada en la
literatura y difcil en el clculo de sus tiempos medios, se
puede tomar la distribucin que sigue, si se encuentra dentro
del intervalo mencionado y si resulta ms fcil su
procesamiento.


Tabla con los coeficientes de precisin para las 10
distribuciones, lo cual permite hacer una seleccin.
Caso Ejemplo: seleccione la DISMA y otras que sirvan:


Software especfico: DISMA
(DIStribucin de Mejor Ajuste)
En la prueba de Kolmogorov Smirnov: el mejor ajuste
tambin ser para el menor coeficiente, siempre que
resulte <1












Software especfico: DISMA

Adems de comprobar el ajuste a
las distribuciones sealadas,
calcula algunos de los ndices de
Fiabilidad, en particular los de
Operatividad:
P(t) y Q(t)
Sin embargo, para esto es mejor el
Relest.



Software: Relest
El sistema debe ser instalado en su PC e incorporado por: SETUP,
presenta el Manual como documento de Word, el RELEST y el
ACCELIFE (Vida acelerada). Este ltimo no ser objeto de estudio en
este curso.
El punto de partida es la pantalla principal que aparece cuando Relest
se inicia. En esta se introducen los datos que se ordenan al sealar el
Proceed:
Software: Relest
El sistema realiza el anlisis de las muestras y proporciona estimaciones de los
parmetros de la distribucin. Adems de los valores medios, el sistema
proporciona tambin las variaciones de los parmetros y los intervalos de confianza
correspondientes.
Permite comprobar el ajuste a las distribuciones: Weibull, Exponencial, LogNormal y
Gamma
Se trabaja en el MEN por Analysis o por los botones independientes.


Software: Relest
Se sugiere comenzar predeterminando el Modelo (M) en el que debe
seleccionarse el Exponencial para hacer la Prueba de Valores
Extremos:
Distribution Fitting Window (Prueba para datos raros o
valores extremos a partir de la Distribucin Exponencial).
Se realizar la eliminacin de datos hasta que todos sean
ACEPTADOS
Probability Plots:
Ploteo de tiempos de fallos con su correspondiente
probabilidad acumulativa de fallos
(indica mejor ajuste si se acercan ms a una lnea recta)
Este grfico nos permite seleccionar el Modelo mas adecuado



Una vez decidido el modelo se pueden estimar sus
parmetros puntualmente y con intervalos de
confianza tambin con la opcin
Distribution Fitting (puede cambiarse el nivel de
confianza)
Grficos generados: El sistema puede trazar los grficos
de la funcin de densidad probabilstica: f(t), la funcin de
Fiabilidad: R(t), la tasa de fallos: h(t) y la funcin de
Distribucin Acumulativa de fallos: Q(t).
Goodness of Fit Test: Prueba de Bondad de ajuste
Hace la comprobacin de ajuste por J Cuadrado y
por K-S

Tiempos caractersticos
Para el MODELO que se consider aceptado da los
valores de fiabilidad R(t) para diferentes tiempos

Permite calcular la Fiabilidad R(t) y la tasa de fallos h(t) para
un valor de tiempo (t) el valor de tiempo para la Fiabilidad
que nos interesa con la Distribucin seleccionada. Se
muestran los parmetros de la distribucin y el tiempo medio.
Estudio de caso real en empresa peruana:
Recopilacin de datos de fallas de un equipo reparable:
EQUIPO: Camin de acarreo, marca Caterpillar, modelo 773D.
Ubicacin del equipo: la minera S.(peruana) y est haciendo trabajos de
transporte de material estril y mineral.
Este equipo trabaja en 2 Turnos de 12 horas c/u al da.


ITEM HORAS T REP HORMETRO DESCRIPCIN
1ra Falla 34.6 - 42567.3
RAJADURA EN SOPORTE DEL CILINDRO DE LEVANTE DE TOLVA
2da Falla 26.2 6.9 42600.4
EVALUAR SISTEMA DE ENFRIAMIENTO DE MOTOR
3ra Falla 10.1 3.5 42614
RETORQUEAR PERNOS PINES EXPANDER (CONFIRMAR TRABAJO MINIMO
DE 10 HRS ) + CAMBIO DE FILTROS Y ACEITE DE MOTOR
4ta Falla 50.3 9.5 42673.8
PERDIDA DE POTENCIA
5ta Falla 30.6 4.2 42708.6
FUGA ACEITE MOTOR
6ta Falla 32.4 3.5 42744.5
INSP. RESORTES VALVULAS + RESORTE ROTO DE INYECTOR EN CILINDRO
# 11 + INSP. DE JUEGOS PTO
7ma Falla 37.4 6.5 42788.4
PASE DE ACEITE DE TRANSMISION AL SISTEMA HIDRAULICO + EVALUAR
8va Falla 44.1 2 42834.5
PERDIDA DE POTENCIA
9na Falla 22.8 3.2 42860.5
REVISAR SISTEMA DE A/C
10ma Falla 42.5 3 42906
CAMBIO CONJUNTO RUEDA DELANTERA Y SUSPENSION LH + TORQUEAR
PERNOS DE ANCLAJE + COLOCAR LLANTA P1
11ma Falla 38.8 9.5 42954.3
CAMBIO ECM MOTOR POR FALLA CON FLASH FILE
12ma Falla 45.5 2 43001.8
EVALUACION FRENO PARQUEO + PREFILTRO AIRE
13ra Falla 63.3 2.5 43067.6
INSP. RESORTES VALVULAS + cambio tuberia de refrigerante
Otros datos del caso:
El manual de mantenimiento para este modelo nos indica realizar trabajos de
mantenimiento del siguiente modo:

Every 10 Service Hours or Daily
Engine Crankcase Oil - Measure oil level
Transmission, Hoist, Converter and Brake Hydraulic Tanks - Check oil levels
Steering System Tank - Check oil level
Walk-Around Inspection - Inspect
Radiator - Check
Air Reservoirs - Drain moisture and sediment
Fuel Tank - Drain moisture and sediment
Water Separator - Drain the water and sediment
Brakes, Indicators and Gauges - Test
Seat Belt - Inspect
Back-up Alarm - Test
Supplemental Steering - Test
Fuente: SIS CAT 2009
Suspension Cylinders - Check/recharge

Fuente: SIS CAT 2009

Actualmente se realizan estas tareas de
inspeccin y ajuste cada semana!!!, o sea
cada 7 das (168 horas!!!!).
Proponer un intervalo ptimo de
mantenimiento preventivo fundamentado de
acuerdo a los resultados.

Estudio del caso utilizando los software:
Determinar la distribucin de mejor ajuste y sus parmetros:
Para determinar el mejor ajuste de distribucin de curva utilizamos el Software
DISMA del siguiente modo:


Estudio de caso:
El DISMA ordena los datos de los tiempos entre fallas:


Estudio de caso:
Resultados por el software DISMA:


Estudio de caso:
Con la prueba del CHI-CUADRADO, indicamos un nivel de
significacin de 0.05 y decidimos (SI) dar un nmero de
clases (5):
Estudio de caso:
Con la prueba del CHI-CUADRADO y para un nivel de
significacin de 0.05 obtenemos:
Estudio de caso:
Utilizacin del RELEST para el mismo caso:
Estudio de caso:

Proponer un intervalo ptimo de
mantenimiento preventivo fundamentado de
acuerdo a los resultados.

Discusin del caso:
Actualmente se realizan estas tareas de inspeccin y ajuste cada semana (cada 168
horas) con lo cual su confiabilidad es muy baja y el TMEF es de 35,749 horas (36
horas). Al realizarlo todos los das podemos detectar y/o solucionar fallas encontradas.
Si le hacemos el servicio bajo la frecuencia de 10 horas, el costo de mantenimiento ser
relativamente alto. Por lo tanto, hacemos las tareas indicadas de inspeccin y
mantenimiento cada 24 horas antes de iniciar un nuevo turno de trabajo.
Al ejecutar cada 24 horas, obtenemos una confiabilidad del equipo de 76%, segn el
cuadro de Tiempos Caractersticos, lo cual es un valor adecuado si, adems, tomamos
en cuenta que el MTBF es de 35,749 horas.
Obviamente el costo ser mayor comparado a lo que hacemos semanalmente (cada 168
horas (24x7)), pero tambin debemos tomar en cuenta el costo por parada del equipo
en etapa de operacin. Al realizar el mantenimiento a esta frecuencia el MTBF
aumentar y habr menos paradas de equipos, por tanto la produccin ser mayor, as
como la confiabilidad. Entonces ser necesario evaluar costos y tiempos a partir de los
resultados de los datos estadsticos.
Se puede observar segn la Fuente del SIS, que las tareas son relativamente sencillas y
que se pueden ejecutar en 30 minutos aproximadamente. En las inspecciones se
pueden detectar fallas que en un futuro podran causar la parada del equipo.

Propuesta de ciclo ptimo de mantenimiento
preventivo fundamentado de acuerdo a los resultados:

Observando la lectura de
los tiempos caractersticos,
observamos que hay una
confiabilidad del equipo
entre 75 y 90% para
tiempos de operacin
entre 26 y 18 horas de
trabajo. Entonces se
propone hacer un plan de
inspeccin y ajustes del
equipo cada 2 turnos (24
horas).
24
Puede utilizarse la ventana de Extended Calculation para
calcular la Fiabilidad R(24) y la tasa de fallos h(24) para un
valor de tiempo (t=24)
Taller de solucin de problemas con
uso de software:
A Usted, como estadstico y especialista del rea de
Mantenimiento y Confiabilidad se le ha encargado
el anlisis de los ciclos actuales de mantenimiento
programado de los equipos de la planta energtica
de la empresa X.
De los EXPEDIENTES DE EQUIPOS se ha extrado
informacin de su desempeo en los ltimos aos;
se tienen los datos de Tiempos de Operacin entre
fallos, los ciclos de mantenimiento establecidos
actualmente con la frecuencia de intervencin, as
como los COSTOS por reparacin, entre otros
datos. Se ha decidido comenzar el anlisis por tres
de ellos (Compresor de Aire, Bomba de agua de la
caldera y Calentador de Aceite (Konus Heater)).
Los datos se muestran a continuacin:
1. EQUIPO: Compresor de Aire:

Los TEF (Tiempos Entre Fallos) han sido los que se muestran en la tabla (YA
ORDENADOS). Este equipo tiene 10 aos de explotacin y no tiene un
redundante o sustituto para cuando falle, adems, el ti actual es de 900
horas y el costo/intervencin es de $XX XXX/int. (MEDIANO).
a) Determine en qu etapa del ciclo de vida se encuentra este compresor.
b) Obtenga la distribucin a la que pueden ajustarse estos datos.
c) Obtenga los parmetros de dicha distribucin.
d) Determine el Tiempo Medio Entre Fallos (TMEF).
e) Obtenga la Curva de supervivencia.
f) Obtenga los Tiempos caractersticos y a partir de ellos, realice un anlisis del ciclo actual de
mantenimiento programado y proponga el tiempo entre intervenciones (ti) ms adecuado a su
consideracin.

Ordenamiento de
las fallas
Tiempo Entre Fallos
(das)
1
2
3
4
5
6
7
8
9
40
98
165
235
312
428
547
720
925
2. EQUIPO: Konus Heater
Los TEF (Tiempos Entre Fallos) han sido los que se muestran
en la tabla. Este es un equipo altamente complejo, muy
costoso, nico y de gran importancia para los procesos que
desarrolla la Planta. Tiene 10 aos de instalado y trabaja en
rgimen de dos turnos al da que son los que trabaja la Planta,
planificndosele las intervenciones de mantenimiento cada
2000 horas. El costo/intervencin es de $XXX XXX/int.
(ALTO).

No. Tiempo Entre
fallos (das)
1
2
3
4
5
6
7
8
9
10
27
679
3
502
1800
2013
665
1000
156
1550
EQUIPO: Konus Heater
a) Obtenga la distribucin a la que pueden ajustarse estos datos.
b) Obtenga los parmetros de dicha distribucin.
c) Determine el Tiempo Medio Entre Fallos (TMEF).
d) Obtenga la Curva de supervivencia.
e) Obtenga los Tiempos caractersticos y a partir de ellos, realice un
anlisis del ciclo actual de mantenimiento programado y proponga el
tiempo entre intervenciones (ti) ms adecuado a su consideracin.

No. Tiempo Entre
fallos (das)
Ordenamiento de los
datos
1
2
3
4
5
6
7
8
9
10
27
679
3
502
1800
2013
665
1000
156
1550
3
27
156
502
665
679
1000
1550
1800
2013
No. Ordenamiento de los datos (sin
raros)
1
2
3
4
5
6
7
8
9
27
156
502
665
679
1000
1550
1800
2013

3. EQUIPO: Bomba de agua tratada a caldera:
Los TEF (Tiempos Entre Fallos) han sido los que se muestran en la
tabla. Esta bomba es un equipo convencional, tiene dos aos de
instalada y trabaja en rgimen de dos turnos al da que son los que
trabaja la Planta, planificndosele las intervenciones de
mantenimiento cada 300 horas. El costo/intervencin es de $XXX/int.
(BAJO).
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
17
18
54 27 18 9 702 135 144 189 216 315 189 378 459 468 1159 990 72 576

a)Obtenga la distribucin a la que pueden ajustarse estos datos.
b)Obtenga los parmetros de dicha distribucin.
c)Determine el Tiempo Medio Entre Fallos (TMEF).
d)Obtenga la Curva de supervivencia.
e)Obtenga los Tiempos caractersticos y a partir de ellos, realice un anlisis
del ciclo actual de mantenimiento programado y proponga el tiempo entre
intervenciones (ti) ms adecuado a su consideracin.
ndices complejos de fiabilidad:
La Disponibilidad
Disponibilidad en el tiempo t, es la
Probabilidad de que el artculo est apto
para el trabajo en un momento
arbitrariamente escogido, excepto en los
perodos de mantenimiento en los que la
utilizacin del artculo no se prev.
Puede hablarse de:
Disponibilidad
Disponibilidad intrnseca
Disponibilidad operativa.

ndices complejos de fiabilidad
(La Disponibilidad)
Tiempo de operacin
Disponibilidad = ---------------------------------------
Tiempo de operacin + tiempo fuera

Tiempo de operacin: intervalo durante el cual el artculo est
realmente funcionando.

Tiempo fuera out: intervalo, durante el tiempo programado de operacin, en el
cual el artculo est en estado de fallo (no se puede hacer trabajar). Es la
suma de: tiempo de bsqueda del fallo, tiempo de reparacin activa, y
tiempo de espera por causas organizativas o logsticas (suspensin de la
reparacin por falta de refacciones o repuestos).

ndices complejos de fiabilidad
(La Disponibilidad)
Tiempo de operacin
Disponibilidad = --------------------------------------------------------
intrnseca Tiempo de operacin + tiempo de
reparacin activa

Tiempo de operacin: intervalo durante el cual el artculo est
realmente funcionando.



ndices complejos de fiabilidad
(La Disponibilidad)
Tiempo dentro
Disponibilidad = ---------------------------------------
operativa Tiempo calendario total

Tiempo dentro in: intervalo durante el cual el artculo est
trabajando o listo para trabajar.


Ejemplo: Una mquina debe trabajar dos turnos diarios de 8 horas cada uno, 5
das a la semana. Durante las ltimas 48 semanas, la mquina estuvo inactiva
cinco veces. El tiempo fuera promedio se clasifica como sigue:
Tiempo promedio organizativo: 9 h
Tiempo promedio de reparacin: 30 h
Tiempo promedio logstico: 7,6 h
As, el Tiempo de operacin programado total es: 48 * 16 * 5 = 3840 h (1)
El tiempo de inactividad total (fuera) en las 48 semanas es:
5 * (9+30+7,6) = 233 h (2)
Pero, el Tiempo de operacin es (1) (2) = 3840-233 = 3607 h
El Tiempo calendario Total es: 48*7*24= 8064

De donde:
3607
Disponibilidad = ------------ = 0,9393 = 93,93%
3840

3607
Disponibilidad intrnseca = ---------------- = 0,9601 = 96,01% (Este 150 =
3607+150 30h *5 paradas)
8064-233
Disponibilidad = -------------- = 0,9711= 97,11%
operativa 8064


CONFIABILIDAD DE LOS EQUIPOS

Disear equipos bajo parmetros de
confiabilidad.
Desarrollar estrategias de
mantenimiento efectivas (Aumentar
el MTBF)
ACLARACIONES
La capacidad INHERENTE (de DISEO) y la
confiabilidad INHERENTE (de DISEO), limitan las
funciones de cada activo.
El mantenimiento NO PUEDE aumentar ni la
confiabilidad operacional ni la capacidad del activo
ms all de su nivel INHERENTE (de DISEO).
El Mantenimiento slo puede lograr mejorar el
funcionamiento de un activo cuando el estndar de
ejecucin esperado de una determinada funcin del
activo, est dentro de los lmites de la capacidad de
diseo o de la confiabilidad de diseo del mismo.
Confiabilidad y capacidad
de diseo!!!!
Activo
Capacidad/carga
Algn Impacto
en los planes de
mantenimiento?
Se
consider
en el
diseo?
Sobre los tiempos de operacin y
reparacin
TEFi = TOi+1 + TFSi
DONDE:
TEF: Tiempo Entre Fallos
TO: Tiempo de Operacin
TFS: Tiempo Fuera de Servicio

Sobre la Mantenibilidad
La Mantenibilidad M(t) = P (TTR < ti) es la
Probabilidad de reparar exitosamente un
activo en un tiempo ti
DONDE:
TTR: Time To Repair

Tiempo Promedio de reparacin: MTTR


Y.finalmente
Mitos y Realidades
La Disponibilidad y la Confiabilidad
MITO: LA Disponibilidad es una buena medida de la
Confiabilidad de equipos.
REALIDAD: La Disponibilidad NO INDICA si un equipo es
confiable.
Ej: Un motor tiene paradas totales por una hora en un
perodo de 10 horas (tiempo de operacin).
Disponibilidad= 9/10= 90% (aparentemente buena)
Sin embargo, si la hora de paradas totales fue causada
por 20 fallos de 3 minutos cada uno:
10h/20 fallos=0,5 h/fallo. Esto quiere decir que
tendremos una confianza de solo media hora entre
fallos, BAJA CONFIABLIDAD.

Otros ndices engaosos:
El % de Disponibilidad:
Una disponibilidad del 95% de una mquina puede ser PEOR que la
disponibilidad del 75% de otra. Esto depende del contexto, porque
puede ser que el 5% de prdida de tiempo ocasione consecuencias
econmicas de mas peso que el paro del 25% de la otra.
Se ha logrado cumplir con el 80% de las intervenciones
programadas como preventivasy se festeja el xito
(histricamente slo se lograba el 55%).
Se hizo el mantenimiento a todas las mquinas de poca carga, pero
Produccin no prest las de alta carga de trabajo. Pero es que ese
20% de preventivo no realizado es el importante, ya que afecta a
las mquinas crticas. Una buena parte del 80% que s se realiz tal
vez ni siquiera mereca la pena hacerlo.
El costo de mantenimiento HA BAJADO en un 17%.
Una forma muy eficaz de reducir costos de mantenimiento (y
lamentablemente muchas veces aplicada), es hacer el mnimo de
mantenimiento posible. Las consecuencias inmediatas son muy
favorables, pero al mediano y largo plazo pueden ser Dramticas!

Enfoques
Tradicional Nuevo
MANTENIMIENTO ES
PRESERVAR ACTIVOS
FSICOS
Mantenimiento rutinario es
prevenir fallas


El objetivo principal es
optimizar la disponibilidad a
mnimo costo

La mayora de las veces un
equipo tiende a fallar con el
tiempo
Se consideran tres tipos de
mantenimiento: correctivo,
preventivo y predictivo
Las polticas de mantenimiento
son formuladas por los gerentes
y las agendas de mantenimiento
por especialistas calificados
MANTENIMIENTO ES PRESERVAR
LAS FUNCIONES DE LOS ACTIVOS
FSICOS
Mantenimiento rutinario es
prevenir, reducir o eliminar las
consecuencias de las fallas

Adems de optimizar la
disponibilidad y reducir costos,
afecta todos los aspectos de la
efectividad, riesgos, medio
ambiente, calidad, servicio al
cliente, etc.
No siempre existe una relacin
directa del fallo con el tiempo

Se considera adems el
mantenimiento detectivo (ACR)

Adems participan las personas
cercanas a los activos fsicos
Objetivos
1. Relacionar la Estadstica con las decisiones en
mantenimiento de activos fijos tangibles a partir
del anlisis de la Confiabilidad del
equipamiento.
2. Utilizar software especficos de ayuda al clculo
del intervalo ptimo de mantenimiento
preventivo.
Muchas gracias!

Você também pode gostar