Escolar Documentos
Profissional Documentos
Cultura Documentos
>
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!