Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
E INDUSTRIALES
Enero 2010
(Actualizada, enero 2012)
Índice
1 Introducción. 2
2 Conceptos básicos. 6
3 Clasificación de los fallos. 8
4 Propiedades de la fiabilidad. 11
Conceptos básicos de probabilidades y estadística usados en la
5 13
fiabilidad.
6 Leyes de distribución más utilizadas en la teoría de la fiabilidad. 19
Cálculo de los índices simples y complejos. El coeficiente de
7 32
efectividad global o total.
Índices de fiabilidad propulsores en la gestión del
8 50
mantenimiento.
9 Fiabilidad de sistema o estructural 52
10 Redundancia. 56
11 Árbol de fallos. 61
12 Procedimiento para el experimento fiabilístico. 66
12.18 Elaboración de la carta de fiabilidad. 82
Demanda de intercambio de piezas y cálculo del módulo de
12.19 82
piezas de repuesto.
13 Ley de Pareto aplicada a la fiabilidad 87
14 Cálculo de las pérdidas representativas. 93
15 Uso del Statgraphics aplicado a la fiabilidad. 96
El RCM (Reliability Centered Maintenance) como filosofía de la
16 112
gestión del mantenimiento.
17 Bibliografía. 121
18 Glosario. 122
19 Auto evaluación. 127
Anexos 135
1
1. INTRODUCCION.
2
7. Aumento de la seguridad en la explotación de la máquina ( cero fallo, cero
accidente)
8. Aumento de la seguridad humana y del medio ambiente.
Etapas de la fiabilidad.
El aseguramiento de la fiabilidad es una tarea a cumplir durante todo el ciclo de
vida del artículo y posee tres etapas fundamentales:
3. La accesibilidad a todas las partes del artículo para permitir la acción del
mantenimiento durante la explotación.
Muchas actividades de mantenimiento que pudieran elevar la fiabilidad del
artículo, se ven imposibilitadas por no haberse previsto desde el diseño la
forma de su ejecución por el hombre.
Por ejemplo: la ausencia de captadores o lugares donde colocarlos impiden el
control de parámetros de diagnóstico del sistema, como temperaturas,
presiones, vibraciones, etc.
En otros casos se limita el trabajo preventi vo de ajustes y regulaciones por no
contarse con los mecanismos pertinentes que se debieron prever durante el
diseño. La concepción de módulos y bloques favorece su rápido intercambio
ante un fallo, aunque en ocasiones disminuye la posibilidad de su
mantenimiento interno (sistemas o módulos sellados al explotador).
3
También se conciben sistemas de autocontrol que mantienen un monitoreo
continuo o al menos intermitente de importantes parámetros de la máquina,
avisando oportunamente la aparición del fallo.
C. Durante la explotación.
Cada una de estas tres etapas tiene su influencia propia en la fiabilidad de los
artículos, dependiendo su magnitud del tipo de artículo y de otro grupo de
factores.
4
Por ejemplo, un estudio de causas de fallos en equipos radio electrónicos arrojó
que:
a- 40-45 % eran responsabilidad del diseño.
b- Un 20 % por errores de producción.
c- Un 30 % debido a problemas de explotación.
d- Y sólo 5-7 % por procesos de desgaste natural y envejecimiento.
La Teoría de la Fiabilidad.
5
1- Estudia las regularidades y leyes del surgimiento del fallo, crea las bases para
la predicción del mismo y determina los métodos de control y análisis de la
información estadística para la fiabilidad y el diagnóstico técnico resulta una
herramienta para elevar la fiabilidad de los artículos y pone los métodos y
medios para la búsqueda de los fallos.
NOTA:
• En el sistema de mantenimiento preventivo planificado la herramienta básica
es la fiabilidad.
• En el sistema de mantenimiento predictivo la herramienta básica es el
diagnóstico técnico, aunque también se usa la fiabilidad.
2. CONCEPTOS BASICOS
Por la fiabilidad hay que pagar, tanto al comprar la máquina como al explotarla.
En tanto su calidad sea peor, vale decir, en tanto sus cualidades de fiabilidad
sean peores, el precio de adquisición puede ser bajo, pero para alcanzar un
6
recurso dado será necesario invertir más en la explotación, contrariamente a lo
que sucedería si la máquina fuera de mayor calidad.
Cad
n= (2.1)
CCF (lr )
Donde:
n: nivel de fiabilidad.
Cad : costo de adquisición.
CCF (lr): costo para conservar la fiabilidad en un recurso lr.
Donde:
CPR ----- costo en piezas de repuesto.
CM ------- costo en materiales.
CMO ----- costo en mano de obra.
CEST ------costo para compensar la estadía.
Artículo no reparable: Es aquel que después del fallo debe ser sustituido por
otro artículo nuevo.
Deterioro: Suceso que consiste en la variación del estado normal del objeto
técnico, debido a la influencia de factores externos, que sobrepasan los
niveles establecidos.
7
Estado límite: Es el estado en el que se interrumpe la utilización del artículo
por criterios técnicos, económicos y/o de seguridad (humanos o ambientales).
Como índice del estado límite puede servir la rotura de la pieza, la corrosión, la
magnitud del desgaste, el elevado consumo de combustible, de aceite, la
contaminación.
Efecto del fallo: Alteración que produce el fallo del artículo en que ocurre. O
sea lo que pasa cuando falla.
Nota: Un fallo es un defecto pero un defecto no tiene por que ser un fallo.
Trabajo útil: Trabajo neto del artículo (Km, horas, toneladas, etc.).
Incipiente, son aquellos donde las condiciones que llevan al fallo y reducen la
vida del artículo están presentes, ej. La presencia de contaminación anormal
en un sistema, aunque la máquina puede no estar experimentando una
pérdida en su desempeño o degradación de sus componentes las condiciones
que lo llevarán al fallo están presentes.
8
Funcionales se definen como la incapacidad de un artículo para satisfacer un
estándar de funcionamiento deseado.
No evidente son los que no tienen impacto directo pero pueden provocar
consecuencias serias, Ej. Los dispositivos de seguridad que no suponen
seguridad inherente (de diseño).
Para analizar la naturaleza física de los fallos, así como para elaborar las medidas
encaminadas a pronosticarlos, los mismos se clasifican según varios factores
NC-92-10)
Esta clasificación es un tanto relativa, toda vez que el fallo súbito en general es
consecuencias del empeoramiento paulatino de las propiedades físico –
mecánicas y químicas de los materiales, lo cual permanece oculto hasta tanto no
se manifiesta el fallo.
D. Según la etapa del ciclo de vida en que se ubica su causa pueden ser:
9
• De diseño: Se produce por decisiones no adecuadas durante el diseño y
concepción del artículo.
• Tecnológicos: Sus causas se detectan por la violación de la disciplina
tecnológica y el no cumplimiento de lo establecido en la documentación
técnica para la construcción.
• De explotación: Surgen por violaciones de las especificaciones de
explotación, condiciones inadecuadas, regímenes anormales y otros efectos
no establecidos.
• Por envejecimiento normal: Surgen como consecuencia del desgaste
sistemático e indetenible o por los cambios en las propiedades físico –
mecánicas de los materiales durante su trabajo normal, la corrosión y la
erosión inevitables aún en condiciones normales.
E. Según su intensidad:
Total.
Parcial.
Es evidente que cada posible fallo de la máquina puede ser clasificado como se
ha expuesto y se ubica en una determinada categoría dentro de cada tipo de
clasificación. O sea, un fallo puede ser independiente, peligroso, gradual y de
diseño, u otras muchas combinaciones posibles.
Ejemplo:
a- Fallo súbito (rotura, fatiga) ⇒ LDE (Ley de Distribución Exponencial)
b- Fallo gradual (debido al desgaste) ⇒ LDN (Ley de Distribución Normal).
10
Conociendo la clasificación del fallo según la etapa del ciclo de vida, se puede
inferir la causa y donde está el problema o sea si la causa es de diseño, de
producción, explotación, etc.
Ejemplo:
1- Fallos infantiles o precoses son de diseño o de producción.
2- Fallos que ocurren aproximadamente en el mismo período son de diseño o de
producción.
3- Fallos accidentales son de explotación.
4. PROPIEDADES DE LA FIABILIDAD.
11
Esta propiedad está influenciada por cuestiones organizativas y tecnológicas (no
hay piezas, la tecnología es obsoleta).
Esta propiedad es también una propiedad compleja ya que ella depende de la:
1- Diseñando bien.
2- Produciendo mejor.
3- Explotando dentro de las condiciones previstas.
4- Y ejecutando un excelente servicio de operación y mantenimiento.
Para evaluar estas propiedades existen normas que establecen todos los
índices e indicadores que permiten su valoración cuantitativa y cualitativa
(indicadores, ver epig. 7) [7]
12
5. CONCEPTOS BÁSICOS DE PROBABILIDADES Y ESTADÍSTICA USADOS
EN LA FIABILIDAD.
Los procesos técnicos – productivos están influidos por una gran cantidad de
factores, muchos de carácter casual que hacen que el comportamiento de los
indicadores que los describen constituyan variables aleatorias.
Está claro que el surgimiento del fallo, así como el trabajo útil al cabo del cual
puede tener lugar son fenómenos aleatorios.
Variable aleatoria (VA) es aquella que como resultado de un experimento u
observación del comportamiento de una máquina, puede tomar cualquier valor
previamente desconocido y que depende de factores fortuitos.
Las variables aleatorias pueden ser discretas y continuas.
Las VA discretas sólo toman valores enteros, por ejemplo: la cantidad de
máquinas que requieren reparación eventual en un día, número de fallos en un
periodo dado, cantidad de piezas a cambiar en un cierto período dado.
Las VA continuas pueden tomar cualquier valor desconocido de antemano,
teóricamente de cero a infinito contenido en un intervalo, por ejemplo: el tiempo
hasta el fallo de un artículo de la máquina, el trabajo útil hasta el cambio de la
pieza, posibles valores de desgaste de una superficie.
De acuerdo con la información que se posea de la variable aleatoria objeto de
estudio, se estará en el campo de las probabilidades o en el de la estadística.
En la teoría de las probabilidades se parte del conocimiento de las características
de la población para inferir el comportamiento de muestras de ella. Es un proceso
deductivo en el cual con el conocimiento de lo general se logra el conocimiento de
lo particular.
En la estadística es lo inverso, pues a partir del conocimiento y análisis de los
datos de una muestra se infiere acerca de las características de la población. Los
métodos estadísticos son para tratar datos obtenidos mediante muestreo u
observaciones reiteradas o susceptibles de repetición.
En mantenimiento lo general es estar en este segundo caso, o sea, frente a
fenómenos aleatorios desconocidos que se investigan a partir de datos mediante
muestreo con el objetivo de establecer las leyes que pueden describirlos.
Como el objetivo es describir el comportamiento de una variable aleatoria, se
necesita conocer la probabilidad con que la misma toma un valor dado, entonces
hay que definir la Ley de Distribución.
Se define como Ley de Distribución (LD) de la variable aleatoria como la relación
que existe entre los posibles valores de la variable aleatoria y sus probabilidades
correspondientes. Con la ley de distribución se logra conocer el comportamiento
de una variable aleatoria, ya que se conoce la probabilidad con que la misma
toma un valor dado.
La ley de distribución representa la expresión matemática del comportamiento
real de fenómenos aleatorios masivos.
13
La ley de distribución puede representarse en forma:
1. De tabla (representación tabular).
2. Gráficamente (ej. Histograma, polígono de frecuencia (f(x)), polígono de
frecuencia acumulada (F(x)).
3. Analíticamente (leyes de distribución).
Existen dos formas típicas para expresar una ley de distribución analíticamente:
F(X) F(X)
1 1
0 X
X
P( X 1 < X < X ) = F (X ) − F (X )
2 2 1
si X 2
> X 1
Generalizando se tiene:
P ( X i < X < X i + ∆X ) = F ( X i + ∆X ) − F ( X i )
14
La función densidad de distribución se define como la derivada de la función
de distribución respecto a la variable aleatoria.
F ( X + ∆X ) − F ( X ) dF ( X )
f ( x ) = lim X → 0 =
∆X dX
f(X) f(X)
X1 X2 X -∞ +∞ X
(1) (2)
f(X) f(X)
X1 X X1 X
(3) (4)
ni
f (xi ) = (5.2)
n * ∆X
Donde:
f(xi) – Da los puntos de la curva de la densidad de distribución (probabilística)
ni – Cantidad de variables en el intervalo analizado.
*
n - Cantidad de variables de la muestra.
∆X – Intervalo analizado.
15
Entre sus propiedades están:
2. Su integral entre menos infinito y más infinito vale la unidad (fig. 5.2.2):
+∞
∫ f ( X )dX = 1
−∞
(5.5)
Si la variable aleatoria “X” fuese la labor (trabajo útil) hasta el fallo, entonces la
función de distribución F(x) representa la probabilidad de fallo del artículo hasta
cierta labor dada.
16
Ambas funciones coinciden en el valor de “0,5” para cierta magnitud del trabajo
útil “X 0,5”, la cual depende del comportamiento de la fiabilidad del artículo. El
artículo es más fiable en la medida que X 0,5 se mueve a la derecha.
F( x ) R( x )
1
F ( x ) Curva de
0.5 Mortandad
R( x) Curva de Supervivencia
o de Fiabilidad
x 0,5 x
Fig. 5.3 - Expresión gráfica de la función de distribución y su complementaria.
• Recurso medio.
• Plazo de servicio.
• Tiempo medio de reparación eventual.
• Tiempo gamma de conservación.
Donde:
Xi – diferentes valores de la variable.
17
n - cantidad total de los valores observados (muestra)
Donde:
ni - frecuencia absoluta de cada intervalo o cantidad de impactos.
f(Xi) – probabilidad de que la variable tome cierto valor (frecuencia relativa o
probabilidad estadística en el intervalo).
Yi - marca de clase o diputado.
K – cantidad de intervalos.
Donde:
D(x)- varianza.
D ( X ) = ∑ ( X i − E ( X )) *
n
2 1
(5.15)
i =1 n −1
D ( X ) = ∑ (Y i − E ( X )) * f ( X i )
K
2
(5.16)
i =1
2 - Teniendo la Ley de Distribución
+∞
D (X ) = ∫ (x − E ( X )) * f ( x )dX
2
i 5.17)
−∞
18
plantear la hipótesis). Muestra cuan grande es la dispersión en comparación con
el valor medio de la variable aleatoria.
σ ( x)
V (X ) = (5.18)
E ( x)
V(X) = 0,08 – 0.6 se puede asumir Ley Distribución Norma (V(X) = 0.33 ⇒ LDN)
V(X) = 0.6 –1.6 se puede asumir Ley Distribución Exponencial (V(X) = 1 ⇒ LDE)
V(X) = 2,0 se puede asumir otra variante de la Weibull
El cálculo de los estadígrafos constituye uno de los pasos necesarios para lograr
el ajuste de una ley de distribución de una base de datos muéstrales.
λ(x)
I II III
x
asent. Explot. Normal envejecimiento
Es por ello que las leyes que definen los procesos pueden cambiar de una etapa
a otra e incluso de un proceso a otro, según sus características de
envejecimiento.
19
adapta el servicio técnico a la máquina y finaliza la aparición de la mayoría de los
defectos y fallos por causas de diseño y producción.
Todo esto da como resultado la famosa curva “bañera” de la figura 6.1 aceptada
por muchos especialistas en la materia, indicando que se cumplen al menos tres
tipos de leyes de distribución durante la etapa de explotación de las máquinas.
Esta es la ley que más frecuentemente se usa ya que es muy fácil de operar,
sencilla y con ensayos relativamente cortos se obtienen buenos resultados
fiables.
20
Tiene su campo de aplicación en:
x
D ( x ) = ∫ ( x − E ( x )) f ( x )dx =
2 1
(6.5)
0
λ2
σ (x ) = λ1 (6.6)
1
V (x ) =
σ (x ) = λ =1
E (x )
(6.7)
1
λ
21
Por este resultado se puede plantear que cuando V (x) está alrededor de 1 se
puede plantear como hipótesis la LDE.
Resulta un valor superior a 0,5 y significa que falla el 63% de la muestra al cabo
de la esperanza matemática. La representación gráfica de la función de densidad
se puede observar en la figura 6.2
f(x)
λ
x
Fig. 6.2 Representación gráfica de f(x) para la LDE
R(x) Curva de
1 supervivencia
0 x
Fig. 6.3- Representación gráfica de R(x) para la LDE
Entonces:
Para X= E(x)
1
−λ *
R(E (x )) = e − λE ( x )
=e λ
= e −1 = 0.37
Para X= 0
R(0) = e − λ *0 = e 0 = 1
R(x ) =
1
Si X aumenta ⇒ R(x) disminuye
e λ* X
f (x ) λ e − λX
λ (x ) = = = λ ⇒ λ(x) es constante, por lo que se corresponde
R(x ) e −λX
con un flujo estacionario (que no progresa) de sucesos aleatorios.
Es importante destacar que λ (x) = 1 / E(x) y que es constante, esto último implica
que cuando se analiza un articulo que se encuentra en el periodo de explotación
normal se puede suponer (hipótesis) que la ley a que se ajusta es LDE.
22
Resumiendo las propiedades de la LDE:
1- Es uniparamétrica (su vínculo = 1, solo depende de λ)
2- La LDE es asimétrica.
3- La VA toma valores de 0 → ∞
4- λ es constante.
5- Evaluada para x = 0 ⇒ f (0) = λ.
Ya que f (0) = λe − λ 0 = λe o = λ
6- Otra característica importante es que con ensayos relativamente cortos se
obtienen resultados confiables.
7- E(x) o MTTF= 1 / λ.
8- σ(x) = E(x) = 1 / λ.
9- V(x) = 1
10- F(E(x)) = 0.6321
11- R(E(x)) = 0.3679.
12- También se cumple que x = E ( x ) * [1 − R ( x )] lo que sirve para determinar
el periodo de prueba que se desee (periodicidad del mantenimiento, del
diagnóstico).
Ejemplo: Si se supone que R(x) = 0.9 ⇒ X = 0.1*E(x) y esto significa que para
R(x) = 0.9 (o lo que es lo mismo para F(x) = 0.1) de 100 artículos hay 10 con la
probabilidad que fallen antes de alcanzar la labor 0.1*E(x).
23
−
( x − E ( x ))2
f (x ) =
1 σ
2 2( X )
σ (x ). 2π
e (6.9)
Donde:
σ (x ) 0
1- Es simétrica.
2- E(x) caracteriza la posición en el eje de la abscisa. Si se mueve por el eje de la
abscisa no cambia de forma.
3- σ (x) caracteriza la forma de la curva.
1
σ (x ). 2π
H = (6.11)
Donde:
H – Altura de la campana
Si σ (x) aumenta la curva se hace más chata y ancha.
Si σ (x) disminuye la curva se hace más alta y estrecha.
Esto ocurre porque el área bajo la curva es igual a 1.
4- Esta distribución crece paulatinamente hasta alcanzar un máximo y después
decrece paulatinamente.
5- Es biparamétrica ya que los parámetros que caracterizan la ley son (E(x) y σ
(x), por lo tanto el número de vínculos es 2.
6- Para esta ley, la función de distribución evaluada en la esperanza
matemática resulta 0,5 dadas las características de simetría de la distribución.
7- Teniendo en cuenta las propiedades de simetría. La variable aleatoria está
contenida en un intervalo de ±3 σ(x) con un error relativo de 1 %.
8- E(x) = 3 σ(x)
9- V ( x ) =
σ (x ) = σ (x ) = 0.33
E (x ) 3σ (x )
24
Para facilitar el trabajo con la LDN en los textos de estadística la función de
densidad de distribución viene tabulada en función de una magnitud llamada
“cuantil” de la distribución normal (U) y que se calcula por:
x − E (x )
σ (x)
U = (6.12)
Lo cual facilita los cálculos con estas funciones algo complejas ya que las
probabilidades para los valores de U están tabuladas en las tablas de los textos
de estadística..
⇒ F(x) = θ (U) = ∫ f (U )* du
−∞
Como en la LDN se cumple la propiedad de simetría entonces:
Θ (-U) = 1 – θ (U), razón por lo cual en las tablas de θ(U) se limita a valores
positivos, esto se conoce como el arreglo de simetría.
f(x)
E(X) X
U
0 U -U 0 U -U 0 U -∞ U U→ ∞
25
Ejercicio No. 1
Esta ley contiene a otras leyes como casos particulares en función del valor que
tome el parámetro de forma o porcentil de Weibull ¨b¨
26
y su función complementaria será:
b
x
−
R(x ) = e a
(6.15)
λ b x
(x ) =
aa
(6.16)
b = 1 ⇒ LDE
5. b = 2 ⇒ LD Reyleigh o Ley de Distribución Logarítmica-Normal.
b=2 b=3
f( x) λ( x )
b=3 b=2
b=1 b=1
b= 0,5 b= 0,5
x x
27
¿Demuestre que cuando b = 1 representa un LDE?
x 1
b
b −1 x 1−1
b x − 1 x −
R / f (x ) = * *e a
= * *e a
a a a a
0 x 1 x
1 x − −
f (x ) =
1
* *e a = *e a
a a a
Entonces si
1
=λ ⇒ f ( x ) = λ e − ( λx )
a
1
E ( x ) = a.K b = a.Γ1 + (6.17)
b
Donde:
“Γ” es la función gamma de Euler tabulada.
σ (x ) = a. C 2
= a.Γ1 − − K b
2
(6.18)
b
b
σ ( x)
C a σ ( x)
V = b
= = (6.19)
K b
E ( x) E ( x)
a
Una vez hallados los valores de “a” y “b”, a través de la función gamma se
calculan fácilmente estas expresiones.
Para la determinación de “a” y “b” existen varios métodos, entre los que se
destacan los siguientes:
28
1 - Método de Mennon ( NC 92 – 31):
0,577226
1,2825498 y+
b= a=e b
(6.20 y 6.21)
S y
Donde:
S =
1 n
∑ (ln X i − Y )2 (6.22)
y
n − 1 i =1
n
∑ ln X i
Y = i =1
(6.23)
n
Donde:
“X” representa a los valores que puede tomar la variable observada.
“n” es el total de valores de la muestra.
Cuando se esté ante una serie estadística como se verá en el epígrafe 12, “Xi”
puede representar a las marcas de clases Yi y en lugar de “n” se utilizará “K”
como cantidad de intervalos de clases de la serie.
1 1
ln * ln − ln * ln
1 − F ( X 1) 1 − F ( X 2 )
b= (6.24)
ln X 1 − ln X 2
a= X 1
(6.25)
1
ln
1 − F ( X 1)
b
−
(ln x − E ( x ))2
f (x ) =
1 2
σ (X )
2
x.σ (x ). 2π
e (6.25-B)
29
Para X > 0 σ>0 - ∞< E(x) > ∞
f (x ) =
M
σ (X )
2
x.σ (x ). 2π
e 2 (6.25-C)
Donde:
M = 0.4343 – Coeficiente de conversión de ln a log10.
Función de distribución.
−
(ln x − E ( x ))2
2
σ
x 2
(x)
F (x ) =
1 1
σ (x ). 2π ∫−∞ x e
(6.25-D)
dx
Nota:
Según el Dr. Simón Figueroa (colombiano-venezolano), 1994, en Valencia
España, las concentraciones de metales del desgaste de motores de combustión
interna diesel (según la investigación de autor) se ajustaron a una LD log-N, ya
que el origen de los metales se debió al proceso de desgaste del MCI y que llegó
el momento en que el aceite falló por un incremento de la tasa de desgaste y por
perdidas de la eficiencia u obstrucción del filtro que sobrepasó las
concentraciones de equilibrio de los metales en el aceite.
Se utiliza para variables aleatorias discretas, es buena para modelar los defectos
de las piezas, para esperar la cantidad de defectos de máquinas que trabajan en
condiciones y tiempos semejantes. Su función de densidad se expresa por:
f ( x ) = b( x ; n ; R ) = (1 − R )n−t
n! t
(n − x )! x! R (6.26)
Donde:
n – Número máximo de éxitos posibles.
Por ejemplo: Máxima cantidad de defectos en una pieza.
x – Cantidad de éxitos en un caso.
Por ejemplo: La cantidad de defectos que puede tener una pieza desde cero
hasta “n”.
R – Probabilidad de al menos un éxito.
Por ejemplo: Probabilidad de que aparezca al mano un defecto. Se puede
evaluar por:
N
∑m i
R= i =1
(6.27)
n* N
Donde:
mi – Cantidad de defectos en la pieza “i”
N – Cantidad total de piezas en la muestra
30
La función de distribución tiene la siguiente expresión:
n
n x
F ( x ) = b(x ; n ; R ) = ∑ R (1 − R )
n −t
(6.28)
x =0 x
y la desviación:
σ (x ) = n* R* F (6.30)
Donde:
“F” es la probabilidad de no éxito:
F = 1− R
(6.31)
VI - Ley de Distribución Poisson.
λ.
λ
− x
f (x ) = e para x = 0, 1, 2, ... n (6.32)
x!
Donde:
“n” es la cantidad total de fallos o valores de la variable estudiada.
F (t ) = ∑ e
n
(6.33)
x =0 x!
E (x ) = λ (6.34)
σ = λ (6.35)
V =
λ (6.36)
λ
Si al ajustar una ley binomial el valor de “R” es muy bajo, se ajusta Poisson y el
valor de “λ ” se calcula por:
λ = n*R (6.37)
31
Otras leyes de distribución y sus características se pueden estudiar en textos
especializados de estadística.
32
Los índices simples caracterizan cuantitativamente solo una propiedad de la
fiabilidad y los complejos varias propiedades.
Coma la fiabilidad es una propiedad compleja hay índices para cada una de las
propiedades que la caracterizan.
a) Índices de operatividad:
1. Probabilidad de fallo:
F(x) es la probabilidad de que se produzca un fallo durante un trabajo útil dado.
N ( x )F
F ( x) = (7.1)
n
33
Donde:
N(x) F : Cantidad de artículos que fallan hasta “X”
n: Cantidad de artículos de la muestra
Donde:
N(x) T: Cantidad de artículos que trabajan hasta “x”
Es importante tener en cuenta que sin la designación del recurso el valor de R(x)
no tiene sentido.
Nota:
3. Intensidad de fallos:
34
λ(x) es la densidad probabilística del surgimiento del fallo de un artículo no
reparable durante un trabajo útil dado, es la cantidad de fallos por unidad de labor.
Donde:
N(∆x) F: Cantidad de artículos que fallan en el intervalo ∆x.
∆x: Intervalo alrededor del valor de “x” donde se evalúa la intensidad de fallos.
N(x) T : Cantidad de artículos en buen estado técnico al cabo de la labor x.
λ = a* λexplotación (7.7)
Donde:
a - coeficiente de seguridad, para estar por encima de lo investigado.
λ(x) depende del carácter del defecto y de la ley de distribución que describe su
surgimiento.
LDN → λ (X) aumenta al aumentar el recurso.
LDE → λ (X) permanece constante para todos los valores de x en el periodo de
explotación normal.
λ(x) cambia su carácter según la etapa de vida del artículo (ver figura 6.1).
En el periodo de asentamiento λ (X) disminuye.
En el periodo de explotación normal λ (X) permanece constante.
En el periodo de envejecimiento λ (X) aumenta.
Existe una ecuación que permite conocer la relación entre la intensidad de fallos
y la probabilidad de trabajo sin fallos:
−
x
∫ λ (x )dx
R(x ) = e 0
(7.8)
35
Esta expresión es la relación general entre ambos índices de operatividad.
La relación (7.8) tiene gran importancia pues permite hallar un índice al conocer el
otro.
x = MTTF (Mean Time To Failure) es el valor esperado del trabajo útil hasta el
fallo del artículo no reparable.
Donde:
f(x) - Densidad de distribución de la ley ajustada.
∑x K
MTTF = ∑ Yi * P( x i )
i
i =1
MTTF = ó (7.10)
n I =1
Donde;
“xi”: Es la labor hasta el fallo del artículo “i”.
Yi: Son las marcas de clase de la serie estadística
f(xi) = P(xi): Frecuencia relativa del intervalo “i” o probabilidad estadística de cada
intervalo.
En los artículos no reparables la labor media hasta el fallo coincide con el recurso
medio de dicho artículo.
36
5-Probabilidad sectorial de trabajo sin fallo.
Entonces:
Este indicador permite conocer el número de artículos que no fallarán en una labor
∆x, sin embargo R(x) es desde el comienzo de la explotación (0→X).
Ejemplo:
Si el intervalo ∆x es el recorrido que debe hacer un ómnibus desde La Habana a
Holguín, en función del valor de R (∆x) puede decidirse a cerca de la conveniencia
de realizar o no el viaje. Si R (∆x) no es alto es preferible que el ómnibus entre a
mantenimiento.
R (20230 )
R (19500,20230 ) =
R (19500 )
Se determina:
37
a - Según la ley de distribución ajustada.
W(X) = f(x) (7.12)
Además se cumple:
∫ w(x )dx ()
x
−
w x *x
R(x ) = e
−
0
∴ para la LDE R(x ) = e
b - Estadísticamente.
w(x ) = N (x ) F
(7.13)
N * ∆x
Donde:
N(x) F – Todos los fallos de los N artículos reparables, los fallos pueden ser ≥ ó
menor que N.
Ejemplo:
Caso de las grúas portuarias después del periodo de asentamiento (3000 – 4000
horas):
Se calcula de forma similar al MTTF pero con las labores entre fallos como
evento.
b- Estadísticamente.
N nk
∑∑ x
j =1 i =1
ij
MTBF = *
(7.15)
n
Donde:
n* - número total de fallos al ensayar N artículos. (n* ≥ ó menor que N)
n
n* = ∑N
i =1
j (7.16)
Donde:
nk – número de fallos del articulo i en la labor x de ensayo.
38
XiJ – labor entre 2 fallos consecutivos del i-esimo artículo.
∑x i
MTBF = I =1
(7.17)
nk
b) Indices de durabilidad:
¿Qué diferencia existe entre recurso técnico y plazo de servicio? R/ Ver epígrafe 2
1. Recurso medio:
( X R ) es el valor esperado del recurso técnico del artículo (vida útil media). Se
evalúa similar al MTTF (7.9, 7.10) pero definiendo el evento convenientemente.
b - Estadísticamente:
n
∑x K
XR = ∑Y * P(x R )
Ri
XR = i =1 ó i (7.19)
n i =1
2-Recurso gamma:
Se emplea:
a. Para determinar el recurso de garantía de los elementos componentes de la
máquina (durante la reparación o fabricación).
b. Para determinar la periodicidad de los mantenimientos de un artículo.
39
Este indicador es importante para las empresas que producen equipos o aquellas
que realizan reparaciones para plantear la garantía del artículo producido o
reparado.
Por ejemplo:
Para la LDE se calcula:
R (X Rγ ) = e
−λ X Rγ ( ) (7.20)
Si R( Xγ ) =
γ γ . - (80; 90; 95...., 100)
100
Entonces.
γ =e
− λ (X )
Rγ
100
de donde:
(X Rγ ) = − 1 ln γ
λ 100
Esto quiere decir que para una probabilidad de 0.9 el recurso gamma será de
0.105 el valor de la media en el caso particular de la LDE.
Recomendaciones de γ %
γ
= 0.8 para artículos cuyo fallo no afectan la seguridad de explotación,
100
ejemplo, reductores, cojinetes, etc.
40
γ
= 0.95 – 0.98 elementos que garantizan la seguridad.
100
γ
= 1 donde el fallo no puede ocurrir.
100
R/ Esto significa, por ejemplo, que de unas 100 máquinas de una serie dada, 80 al
menos trabajarán más de 10 000 Km, claro, no se saben cuales son, pero la cifra
es muy clara para los explotadores y muy cómoda para la planificación.
2. Recurso asignado:
XRA es el trabajo útil del artículo después del cual se suspende su utilización
independiente de su estado técnico.
Se puede determinar sobre la base del estudio de fiabilidad del artículo, sobre
todo cuando se quiere una alta seguridad.
Plazo de servicio:
XS es la expresión calendarial del trabajo útil (recurso técnico) del artículo y se
relaciona con él, a través del régimen de trabajo.
XS = XR *KR (7.21)
41
Donde:
KR - Coeficiente del régimen de trabajo.
Toma valores entre cero y la unidad (0 < K R ≤.1) en (d / h)
Ejemplo:
10 h de trabajo útil en un día.
1d d
K R
= = 0,1
10h h
Si XR = 240 h
X S = 240 h . 0,1 d = 24 días
h
∑x Si
XS = i =1
(7.22)
n
C) Indices de mantenibilidad.
En tanto que sean peores las cualidades de operatividad de equipo, con mayor
frecuencia tendrá que ser enviado al taller para eliminarle fallos o defectos y por
consiguiente menos trabajo útil podrá realizar.
Pero en función de la mayor o menor facilidad con que se detecten esos fallos o
defectos, menor o mayor será el tiempo necesario para eliminarlos.
Indices de mantenibilidad:
♦ Tiempo medio de reparación eventual ( tθ ) (para eliminar el fallo).
♦ Tiempo medio de restauración ( tθ 1 ) (para eliminar el defecto).
♦ Tiempo medio de espera para reparar ( tθer )
42
♦ Tiempo medio de búsqueda del fallo ( tθB )
♦ Tiempo medio improductivo debido al fallo ( tθIdF )
♦ Probabilidad de ejecutar mantenimiento en un tiempo dado P (t m )
b – Estadisticamente.
n
∑ tθ i
tθ = i =1
(7.24)
n
Este es el indicador fundamental de mantenibilidad, en este indicador además de
las cualidades particulares del articulo en el influyen otros factores como el nivel
de mecanización, la organización del trabajo, la calificación de los obreros, etc,
aspectos que hay que tener en cuenta al evaluar esta propiedad.
P (t m ) = P(t m t ) = ∫ f (t m )dt
t
(7.26)
0
Donde:
tm es el tiempo empleado para la ejecución del mantenimiento al artículo y “t” es
el tiempo dado.
43
d) Indices de conservabilidad.
Entre los indicadores de este tipo están los que valoran la estadía de la máquina
por causas técnicas.
44
1-Coeficiente de disponibilidad o de fiabilidad.
Kd representa la probabilidad de que el artículo esté apto para trabajar en un
instante cualquiera durante un periodo comprendido entre 2 mantenimientos.
Otra forma muy rudimentaria pero muy extendida en las empresas de determinar
el Kd es la siguiente:
EquiposDisponibles
Kd = (7.28)
EquiposTotales
45
Ahora si se multiplica este índice por el recorrido medio diario (lmd = Km / día) se
obtiene un resultado equivalente a la ecuación (7.30).
1
Kd = (7.31)
1 + E d * l md
Ed * lmd → es adimensional.
tφIdF
¿Cómo se determina − ?
l
R/ Se toma una muestra de equipos y a cada uno de los equipos se le mide las h
o d de estadía en una unidad de recorrido (100, 1000 Km) y se saca la media de
cada equipo y después se saca la media de todos los equipos de la muestra.
La edad del equipo también se refleja en las magnitudes del K d y del KUT.
El empeoramiento general del estado técnico del equipo a medida que aumenta la
labor trae como consecuencia la reducción del tiempo de trabajo del mismo por
causas técnicas, lo que determina la disminución de los valores de estos
coeficientes.
∑N
I =1
i * K UTi
K UTPONDERADO = (7.33)
N
Donde:
KUTPONDERADO - Coeficiente de utilización ponderado
K- Grupos de equipos por edades.
46
Ni – Cantidad de equipos en cada grupo.
KUTi – Coeficiente de utilización técnica diferenciado para cada K grupo de
equipos.
N- Cantidad total de equipos.
La valoración del KUT con la labor debe ser considerada al planificar el trabajo de
los vehículos de una base de transporte, ya que el recorrido planificado de días de
trabajo (generalmente en año), se determina por la siguiente ecuación.
Donde:
LP – Recorrido planificado al año (volumen de trabajo anual)
DT - Días de trabajo planificado (al año).
Lmd – Recorrido medio diario
También se emplea el KUT para el cálculo empírico del tiempo de vida útil TVU
(recurso total de una máquina) a través de la siguiente ecuación.
Donde:
P – Periodicidad del ciclo interreparatorio (Km, h, ..).
K – Factor de corrección del ciclo (09 - 0.7).
nRG – Cantidad de reparaciones generales técnicamente posible que soporta la
máquina (1 – 3)
3-Coeficiente de parada.
KP tiene en cuenta los tiempos de parada no planificada. Evalúa el tiempo de
parada de la máquina por fallos técnicos.
1− Kd
KP = (7.36)
Kd
47
lo mantendrá hasta un momento X2, es decir conservará la capacidad de trabajo
en un intervalo X2 – X1.
K do = K d ∗ R(∆X ) (7.37)
EG = K d ∗ ε D ∗ Tc (7.38)
Donde:
EG - Efectividad global o total del equipo (EG).
Kd – Coeficiente de disposición técnica. (0.90).
ε D - Eficiencia de desempeño o de rendimiento (0.95).
TC – Tasa de calidad (0.99).
εD = CU * C ACT (7.39)
Donde:
CU – Coeficiente de utilización [1].
CACT - Coeficiente de aprovechamiento de la capacidad de transportación del
automóvil.
48
El coeficiente de utilización muestra el tiempo de trabajo que se pierde por causas
imprevistas ajenas al equipo, o sea, refleja el aprovechamiento y el grado de
organización de las operaciones de manipulación y transportación en torno a los
equipos disponibles.
EquiposTrabajando
CU = (7.41)
EquiposDisponible
EquiposTrabajando
ε D = * C ACT (7.42)
EquiposDisponibles
EquiposDisponibles EquiposTrabajando
EG = * * C ACT * TC (7.43)
EquiposTotales EquiposDisponibles
EquiposTrabajando
EG = * C ACT * TC (7.44)
EquiposTotales
EG = CA * CACT * TC (7.45)
Donde:
CA – Coeficiente de aprovechamiento. Describe lo que ha trabajado el parque de
equipo como promedio en cada jornada durante los días laborables analizados.
Nota:
tiempotrabajado
CA = (7.46)
Ft
Donde:
Ft - fondo de tiempo del parque de equipos.
Donde:
Neq : Cantidad de equipos en el parque.
tmd : Tiempo medio diario.
DT: Días trabajo al (mes, semestre, año)
49
Las condiciones ideales a buscar para este coeficiente son:
b- Mean Time Between Failures (MTBF) o tiempo medio entre fallos (TMEF).
Este indica el intervalo de tiempo más probable entre un arranque y la aparición
de un fallo; es decir, es el tiempo medio transcurrido hasta la llegada del evento
“fallo”. Mientras mayor sea su valor, mayor es la confiabilidad del equipo.
Uno de los parámetros más importantes utilizados en el estudio de la confiabilidad
lo constituye el MTBF, es por esta razón que debe ser tomado como un indicador
represente de alguna manera del comportamiento de un equipo específico.
Asimismo, para determinar el valor de este indicador se deberá utilizar la data
primaria histórica almacenada en los sistemas de información.
Para un diseño dado, si las reparaciones se realizan con personal calificado y con
herramientas, documentación y procedimientos prescritos, el tiempo de
50
reparación depende de la naturaleza del fallo y de las mencionadas
características de diseño.
A través del estudio de los factores que influyen sobre la disponibilidad, el MTTF y
el TMPR, es posible para la gerencia evaluar distintas alternativas de acción para
lograr los aumentos necesarios de disponibilidad.
Si se tiene un artículo sin fallo, se dice que el artículo es ciento por ciento
confiable o que tiene una probabilidad de supervivencia igual a uno. Al realizar un
análisis de confiabilidad a un artículo, obtenemos información valiosa acerca de la
condición del mismo: probabilidad de fallo, tiempo promedio para el fallo, etapa de
la vida en que se encuentra el equipo.
Ejercicio No. 2
51
Como resultado se obtuvo que la VA recorrido hasta el estado límite de la cadena
sigue una LDN con los siguientes estadígrafos:
E(l) = 90 000 Km. y σ (l) = 30 000 Km.
Ejercicio No. 3
Ejercicio No. 4
Ejercicio No. 5
Ejercicio No. 6
52
reductor y un reductor puede ser un artículo para un sistema de tambores
rotatorios. Por tanto, el investigador debe definir muy bien el sistema objeto de
estudio.
El análisis de fiabilidad de un sistema (ejemplo un auto) se inicia con el método
del esquema estructural.
El método permite calcular la probabilidad de trabajo sin fallos, la intensidad de
fallos y otros índices del sistema, si se conocen dichos indicadores para cada uno
de los artículos que lo forman.
El esquema estructural es una representación funcional de un sistema en el cual
se encuentran debidamente interrelacionados los artículos que lo forman, pero en
este caso hay que verlo desde el punto de vista de la fiabilidad y no de su
ensamblaje.
Al analizar la fiabilidad de una máquina, ella depende de los indicadores de sus
diferentes elementos o conjuntos, es decir que en función de la influencia del fallo
de cada uno de sus artículos, así será la fiabilidad de la máquina, pero esta
influencia depende del tipo de sistema.
Tipos de sistemas: (fig.9.1,2,3)
a) Sistema serie (SS).
b) Sistema paralelo (SP).
c) Sistema combinado (SC).
Ejemplos:
Por eso en ambos ejemplos desde el punto de vista de fiabilidad están en serie.
Queda claro que entre más artículos tenga la máquina es menos fiable o sea que
su R(x) disminuye y como R(x) ≤ 1 se puede plantear:
n
R( x )SS = Π R( x )i = R( x )1 * R( x )2 * ... * R( x )i ... * R( x )n
i =1 (9.1)
Donde:
“n” - Cantidad total de artículos relacionados en serie.
R(Xi) – Es la R(X) del i – ésimo elemento.
53
1 2 i ni
R(X)1 R(X)2 R(X)i R(X)n
y sólo para LDE la labor media hasta el fallo del sistema será:
E (x )SS = MTTF SS = n
1
(9.4)
∑ λ (x )i
i =1
1) La fiabilidad del sistema siempre es menor que la del artículo menos fiable.
R(x)SS < R(x) min
54
Debe quedar claro que no todos los artículos que aparecen duplicados en un
mecanismo implica un sistema con redundancia, ya que pueden estar en paralelo
desde el punto de vista del diseño pero no de fiabilidad.
Ejemplo:
Los neumáticos (jimaguas) de las cuñas tractivas están duplicados, pero si se
poncha una ⇒ que falla la cuña tractiva.
Aquí también queda claro que entre más artículos redundantes tenga la máquina
es más fiable o sea que su F(x) disminuye por lo tanto se puede plantear:
n
F (x )SP = Π F (x )J = F (x )1 * F (x )2 * F (x )3 .......... (9.5)
J =1
(
R ( X )SP = 1 − 1 − e
−λ X
1 ) N
(9.9)
3
Fig. 9.2 Sistema Paralelo (SP)
1- La fiabilidad del SP siempre será mayor que la del artículo más fiable.
2- La fiabilidad del SP aumenta con la cantidad de artículos redundantes.
55
a. Sistema Combinado (SC).
1 4 5
Ejercicio No. 7.
A
Ejercicio No. 8.
10- REDUNDANCIA.
Existen tres variantes de redundancia según la concepción del diseño (fig. 10.1):
I. Redundancia cargada.
II. Redundancia aligerada.
III. Redundancia no cargada.
I - Redundancia cargada.
Se denomina al caso en que los artículos repetidos se encuentran trabajando
todos con la misma intensidad o régimen de trabajo. Presenta dos variantes:
56
1- Al fallar uno de los artículos, el resto satisface la función del sistema
manteniendo sus intensidades de trabajo.
Por ejemplo: caso de varios relés en paralelo para cerrar determinado circuito.
2- Al fallar uno de los elementos, los restantes deben trabajar más cargados para
satisfacer la función del sistema.
Por ejemplo: una transmisión por correas múltiples donde una de ellas falla.
Aquí trabajan ambos artículos (el 1-el principal y el 2 – la reserva), en caso que se
produzca un fallo, deja de trabajar uno continuando el otro que ahora soporta
toda la carga por lo que se gasta más.
R( t ) R( t )
1+2
1+2
2
2
t1 t t1
REDUNDANCIA CARGADA “1” REDUNDANCIA CARGADA “2”
R( t ) R( t )
2
1
2
2
1
t1 t t1 t
REDUNDANCIA ALIGERADA REDUNDANCIA NO CARGADA
1- Artículo principal 2 - Artículo redundante
t1 - Tiempo hasta el fallo del elemento principal
Fig. 10.1 Diferentes tipos de redundancia.
57
II - Redundancia aligerada.
Es el caso en que de los elementos repetidos, uno es el más cargado mientras los
demás laboran a regímenes menores. Ante el fallo del más cargado (elemento
principal), los demás elevan su nivel de trabajo para satisfacer las funciones.
Ejercicio No 9.
Datos:
1 - Motor λ1 =20 * 10-5 h-1 (λ1=0.00020 fallo /h)
2 y 5 - Poleas λ2=λ5=10 * 10-5 h-1
3 y 4 - Correas λ3=λ4= 40 * 10-5 h-1
6 - Arbol λ6= 2 * 10-5 h-1
7 y 8 – Cojinetes λ7=λ8= 5 * 10-5 h-1
9 y 10 – Piedras λ9=λ10= 15 * 10-5 h-1
58
Se conoce que ante el fallo de una de las correas (3 ó 4) se puede cumplir la
función de afilar, al igual que si se deteriora alguna de las piedras (9 ó 10), pues
ambas son del mismo tipo de grano.
Por otra parte, el fallo del motor (1), el desacople de alguna de las poleas (2 y 5) o
cualquier defecto en el conjunto árbol (6) – cojinetes (7 y 8), inutilizan el equipo y
no cumple con su función.
3 9
1 2 5 6 7 8
4 10
11 12
Fig. 10.3 Esquema estructural de la máquina afiladora.
Con línea discontinua se señalan los subsistemas redundantes (11 y 12), los que
se relacionan en serie con el resto de los elementos.
59
La probabilidad de trabajo sin fallos del sistema combinado para este caso se
obtiene por:
R(t )SC = R(t )1 R(t )2 R(t )11 R(t )5 R(t )6 R(t )7 R(t )8 R(t )12
Donde:
λ cr
= λ +λ +λ +λ +λ +λ
1 2 5 6 7 8
= 52 *10−5 h −1
60
En la organización del mantenimiento se deben tener en cuenta estos análisis
para dirigir las acciones con más intensidad sobre los elementos y subsistemas
más críticos en las máquinas.
El árbol de fallos, como su nombre lo indica, es un gráfico tipo árbol que se utiliza
para el cálculo de fiabilidad de sistemas complejos, donde se encuentran
representadas las diferentes relaciones funcionales entre elementos y
acontecimientos (eventos).
61
1-El acontecimiento supremo o resultante es el evento negativo más general
de un sistema.
Por ejemplo: El fallo de la máquina de afilar de la figura 10.2 reflejando la
imposibilidad de afilar herramientas.
ACONTECIMIENTO ACONTECIMIENTO
SUPREMO o RES ULTANTE INTERMEDIO
B- Símbolos de transferencias.
1-De transmisión al interior (▬►▬) son los fallos externos que afectan al
sistema.
Ejemplo: Incendios, terremotos.
2 -De transmisión al exterior (▲▬) son los fallos del sistema que afectan el
exterior.
Ejemplo: Los que contaminan el medio ambiente.
62
C- Símbolos de operación lógica:
Los símbolos de operación lógica representan las relaciones funcionales que
existen entre determinada cantidad de acontecimientos y su influencia en un
acontecimiento de nivel superior.
El nivel de fiabilidad en “B” es mejor que en el nivel “A” Para que falle B tiene
que fallar A1 y A2 (Fig. 11.2).
n
F (B )SP = Π F ( Ai ) J = F ( A1 ) * F ( A2 ) (11.1)
J =1
Esta es la evaluación cuantitativa que coincide con el esquema estructural
El nivel de fiabilidad “B” es peor que “A”. Para que falle B tiene que fallar A 1 o A2.
n
R (B )ss = Π R ( A)i = R ( A1 ) * R ( A2 ) (11.2)
i =1
Por ejemplo:
Dos correas se relacionan en paralelo siempre que la potencia a transmitir no sea
superior a cierto valor, etc., de lo contrario podrían actuar en relación serie.
B B B
Cond.
I O
A1 A2 A1 A2 A1 A2
63
Para la construcción del árbol de fallos deben definirse adecuadamente:
• El acontecimiento supremo.
• Los acontecimientos intermedios.
• Los acontecimientos primarios del tipo que sean.
Ejercicio No 10.
Respuesta:
1- Acontecimiento supremo no deseado: No es posible afilar.
El árbol de fallo para estas condiciones se presenta en la figura 11.3. Note como
el caso del motor eléctrico se ha valorado como un artículo y por ello se utiliza un
símbolo de acontecimiento primario convencional (se pudo haber analizado el
comportamiento de sus elementos componentes).
64
La probabilidad de fallo del sistema combinado se expresaría por:
Evento Supremo
No es posible afilar
A D F
O O I
B 5 C 6 E 9 1
0
O I O
1 2 3 4 7 8
65
El árbol de fallo es una de las técnicas para determinar el análisis causa raíz (el
ACR del sistema de mantenimiento proactivo) del fallo de un artículo.
Ejercicios propuestos:
1. Plantee otro árbol de fallo para el ejercicio 9.
2. Determine el árbol de fallo para un MCI cuyo acontecimiento supremo es ¨el
motor no arranca¨.
3. Determine el árbol de fallo de la iluminación de un local cuyo acontecimiento
supremo es ¨no hay suficiente iluminación¨.
Pasos:
1. Selección de la muestra mínima.
2. Recoger la información de las variables aleatorias del artículo o los artículos
que se estén analizando de un determinado evento.
Ejemplo: Fallos de la máquina.
3. Aplicar la Ley de Pareto para determinar los fallos críticos de la máquina si así
lo desea el investigador.
4. Ordenamiento de las variables aleatorias del fallo o de los fallos que se estén
analizando en series simples crecientes o decrecientes.
Ejemplo: Fallo de la correa de distribución.
5. Determinación de la cantidad de intervalos para la serie estadística analizada.
6. Determinación del ancho del intervalo.
7. Representación tabular de la distribución de frecuencia.
8. Cálculos de los estadígrafos.
9. Limpieza de la muestra.
10. Representación gráfica.
11. Plantear la hipótesis.
12. Cálculo de función de distribución teórica [F ( X )] .
66
13. Cálculo de la frecuencia relativa teórica [ f ( X )] para el ajuste de curva por el
método de χ 2
14. Cálculo de la diferencia entre la función de distribución teórica y la función
experimental para el ajuste de curva por el método Kolmogorov- Smirnov.
15. Ejecución del ajuste de curva.
16. Determinación del intervalo de confianza.
17. Cálculo de la índices simples y complejos de fiabilidad.
18. Construcción de la curva de mortandad y/o de supervivencia
19. Cálculo del intercambio de piezas.
20. Conclusiones.
Nota: Todos los índices representados con asteriscos son valores experimentales
(de la muestra)
A-Método aproximado.
Donde:
nteo MIN - Cantidad mínima de elementos que debe tener la muestra estudiada.
67
α 1 - Nivel de significación recomendado para este cálculo (0,70 - 0,98).
A mayor α 1 ⇒ más muestra, por lo tanto, el experimento es más fiable.
R(x) min – Probabilidad de trabajo sin fallo mínima admisible al artículo.
Ejemplo:
Si se aspira a un nivel de significación de 0,90 y la probabilidad de trabajo sin fallo
mínima admisible para el artículo es de 0,95, entonces la muestra mínima debe
ser:
ln(1 − 0,90) − 2,30
n = = = 44,89 = 45
t e o MIN
ln 0,95 − 0.05
Pasos:
1) Se establece el error relativo del recurso medio ( δ =0.05 - 0.1), siendo los
menores valores para aquellos elementos constructivos que garantizan la
seguridad del vehículo.
2) Se asume el coeficiente de variación de la muestra ( V ∗ ( x ) ) según el carácter
de aparición de fallo o se determina estadísticamente.
δ
V (x )
3) Se determina la relación * .
Donde:
ε – Error absoluto.
β (α 2 ) = P[E ( X ) − E * ( X )] ≤ ε (12.4)
68
Donde: ε - error absoluto que se comete al estimar la media poblacional E(x) a
partir de la media muestral o estimada E*(x).
σ (x )
ε = Uα11 (12.5)
n
Donde:
Uα 11 - cuantil del grado de confianza unilateral [7, Pág. 107]
α11 - grado de confianza unilateral.
α 2 = 2α11 − 1 (12.6)
Despejando.
α +1
α 11 = 2 (12.7)
2
U α 1 * σ (x )
2
nmin = 1 (12.8)
ε
Ejemplo:
Dado σ = 25 h, α2 (β) = 0.95 y [E ( X ) − E * ( X )] ≤ ε = 12h .
R/ Con α2 = 0.95 sustituyendo en (12.7) se obtiene.
α 2 + 1 0.95 + 1
α11 = = = 0.97 5
2 2
n MIN =
(Uα 1
1 )
* σ (x ) * N
2
(
d 2 * ( N − 1) + Uα 11 * σ ( x ) ) 2 (12.9)
Donde:
N - Tamaño de la población
d - Error muestral (0 -1)
69
12.2- Recoger la información de las variables aleatorias (labor entre fallos)
del artículo o los artículos que se estén analizando de un determinado
evento.
Hay que obtener con la calidad necesaria la muestra de datos que representa el
fenómeno que se quiere estudiar.
Método Activo:
Se usa cuando el método pasivo no garantiza, o las condiciones son nuevas.
Es más exacto, pero demora más tiempo su recogida en espera por el banco de
datos. Ensayos acelerados se utilizan para reducir esta desventaja.
Existen cinco posibles variantes de acuerdo con los intereses del investigador y
las características del evento estudiado:
Ejemplos:
70
1-Si el artículo no es reparable, no tienen mucho sentido los planes “NR”.
2-Si el objetivo es estudiar el tiempo hasta el fallo, quizás es conveniente un plan
“NUr” y ahorrar tiempo sin tener que llegar a cierto recurso “T” para todos los
elementos estudiados.
Método Pasivo:
Es a través de la documentación técnica, la información es rápida pero insegura.
71
Nota 1: Si debido a un fallo se cambian otras piezas, las mismas son
consideradas como fallos y por lo tanto tiene que ser reflejadas en el documento
con sus datos.
Nota 3. Siempre dejar entre número de la máquina (No) una o más filas para
adicionar más variables si así se desea.
I2.3.- Aplicar la Ley de Pareto para determinar los fallos críticos si así lo
desea el investigador. (Ver epíg. 13)
a - Por la ecuación:
Donde:
k – cantidad de intervalos.
n - cantidad de elementos de la muestra.
El valor que resulta debe ser redondeado a valor entero, bien por aproximación
por exceso o por defecto.
Variar el valor de “k” puede permitir obtener una serie estadística diferente y con
ello puede mejorar o empeorar el ajuste de las leyes de distribución.
b) Asumiendo:
72
El número de intervalos no debe ser muy grande porque la ley de distribución
seria inexpresable y las frecuencias tendrían oscilaciones caóticas.
X − X
∆X = max min
(12.11)
k
El valor que resulta se puede redondear ligeramente. Es criterio de especialistas
en estadística que el ancho de los intervalos puede ser cualquiera, sin embargo, a
los efectos de la utilización de las leyes de distribución teóricas que se ajusten, es
conveniente tratar de que los intervalos de la serie posean igual magnitud, ya que
en MTTO no se debe condicionar el experimento.
a - La marca de clases.
Yi (el diputado) es el punto medio del intervalo y representa al mismo en los
cálculos posteriores.
X SUP + X inf
Yi = (12.12)
2
b - La frecuencia absoluta.
n*i es la cantidad de valores muéstrales que corresponden con un intervalo dado.
(Tarjado o impactos en cada intervalo).
73
F * (X i ) = f * (X i ) =
k
1 k
∑
i =1
∑
n i =1 ni
(12.14)
Donde:
k – Cantidad de intervalos.
Yi – Marca de clase.
f(Xi) – Probabilidad estadística o frecuencia relativa de la variable aleatoria en el
intervalo i.
El error de la media
σ * (X )
ε E * (X ) = (12.16)
n
E * ( X ) = E * ( X ) ± εE * ( X ) (12.17)
σ (X ) = D ( X ) (12.18)
( ) * f (X )
K
D ( X ) = ∑ Yi − E * ( X )
2
i
(12.19)
i =1
σ ( x)
V (X ) = (12.20)
E ( x)
Su valor es reflejo de la posible forma de distribución de la variable. (sirve para
plantear la hipótesis). De acuerdo con el valor de este coeficiente se puede
valorar una posible ley de distribución para representar el fenómeno estudiado.
74
Por ejemplo:
V(X) = 0,08 – 0.6 puede indicar Ley Normal (V(X)= 0.33 → LDN pura)
V(X) = 0.6 – 1.6 puede indicar Ley Exponencial (V(X)= 1 → LDE pura)
V(X) = 2,0 puede indicar otra variante de la Weibull
Criterios.
a- Después del cálculo de los estadígrafos se puede hacer la limpieza de la
muestra, los valores tienen que estar en el intervalo E ( x )± 3σ , los valores
extremos que están fuera de la frontera se eliminan.
Ver anexo No 1.
En la figura 12.1 se puede observar un histograma que indica una posible ley
exponencial.
El área de cada rectángulo es la frecuencia (la probabilidad) de cada clase.
La abscisa es el ancho de cada intervalo y la ordenada puede ser f(xi ) o
f(x)
Lo cual se puede hacer en función del origen del fallo, del coeficiente de variación
(5.18) o del histograma.
75
Planteada la hipótesis de la ley a ajustar, se calculan los valores de la función de
distribución teórica para cada Intervalo utilizando la ecuación correspondiente de
dicha ley.
Se calculan los valores de las frecuencias relativas teóricas para cada intervalo
f(Xi) por la expresión:
[ ]
f ( X i ) = F ( X i ) − F ( X i +1) (12.21)
[
Di = F ( X i ) − F * ( X i ) ] (12.22)
En la fiabilidad hay que buscar la ley que tenga mayor nivel de significación, ya
que con un nivel de significación dado puede ajustarse pero no ser el mejor. A
mayor nivel de significación es mejor el ajuste pero más difícil que se cumpla.
Pasos:
a. La ley se ajusta siempre que:
χ <χ
2 2
cal tab
76
k
[ni * −n ⋅ f ( X i )]2
χ =∑
2
n ⋅ f (X i )
cal
(12.23)
i =1
Donde:
n ⋅ f ( x i ) = n i teorico en cada intervalo (frecuencia absoluta teórica)
χ
2
c. En la tabla estadística de se ofrecen su valor en función de los grados de
tab
libertad “r” y del nivel de significación α 1 que se exija al ajuste.
r=k– 1– S (12.24)
Donde:
“S” es la cantidad de parámetros que caracterizan a la ley de distribución
(número de vínculos):
χ
2
En la medida en que sea menor, así se podrá lograr un ajuste con mayor
cal
nivel de significación, lo que significa que la ley de distribución representa mejor a
la muestra.
α1 = 1 - β (12.2)
Donde:
β ( α2 ) - Grado de confianza bilateral, es la probabilidad que se cumpla la
hipótesis.
77
En caso de elementos relacionados con la seguridad tiene que tomarse valores
menores de β para que sea más riguroso el experimento.
Ejemplo:
Para β = 0.1 ⇒ α1 = 1 – 0.1 = 0.9 ⇒ que la probabilidad de cumplirse es de un
10 % ¡Es más riguroso el experimento!
Con α1 se entran en las tablas estadísticas para el ajuste de curva por el criterio
de Chi-cuadrado (χ2).
Con β se entran en las tablas estadísticas para el ajuste de curva por el criterio
de Kolmogorov – Smirnov.
χ
2
El criterio de es más riguroso porque se analiza todas las diferencias entre
las curvas teórica y práctica.
Pasos:
a-La ley se ajusta siempre que:
D max
< D adm
(12.25)
= K S
(12.26)
D adm
n
Donde:
El parámetro Ks se obtiene de tablas en función del nivel de significación que se
desea para el ajuste.
En la Tabla 12.2 se presentan valores de Ks en función de niveles de
significación α 1.
78
Nota: Dadm se puede seleccionar en la tabla (página 604) del texto Estadística
Aplicada de Ostle en función de β y n.
4- Criterio de Romanoski.
χ2 −r
3 (12.27)
2*r
r = k – 1 –s
El ICONF se define como el intervalo recorrido del valor medio de la muestra donde
puede estar ubicado el valor medio de la población o sea es la probabilidad de
que la esperanza matemática de la población se encuentre en un intervalo dado
definido por el grado de confianza.
P[E * ( X ) − ε ≤ E ( X ) ≤ E * ( X ) + ε ] = β (12.28)
Donde:
ε - Error de ubicación de la esperanza y que depende de la ley de distribución
ajustada (ver 12.5).
β (α2) - Es la probabilidad de que la esperanza matemática se encuentre en el
intervalo señalado (ver 12.4).
Si β= 0.9 s ignifica que con una proba bilida d de un 90 % e l va lor ve rda de ro de
E(x) está dentro de estos límites.
79
El grado de confianza (β) se establece a partir del grado de exactitud que se
requiera, por lo tanto, es de interés en el experimento que el ICONF sea lo más
pequeño posible con el mayor β posible, es un criterio de compromiso.
Ejemplo:
E(x) = E * ( x ) ± ε = 200 ± 50 Km.
Esto significa que el tiempo de la busqueda del fallo en el taller será como
término medio no menor de 13 minutos y no mayor de 46 minutos con una
probabilidad del 95%.
80
σ (x )
[
E (x ) = E * ( X ) ± ε ] = E * (X ) ± t α 2 ;n −1
(12.29)
n
Donde:
“t” es el parámetro de Student ubicado para α 2 y para (n-1).
σ(x) = σ* (x) → se asume por ser muestra pequeña.
α2 = β
σ (x ) σ (x )
P E * ( X ) − Uα 11 ∗ ≤ E ( X ) ≤ E * ( X ) + Uα 11 ∗ =β (12.30)
n n
Donde:
Uα11 - Cuantil para el grado de confianza unilateral, se determina en tabla
[6 Pág. 236] entrando con el valor de α11 (ver 12.7).
σ(x) = σ* (x) → por ser muestra grande.
E (x ) = E * ( X ) − ε = r 2 E * ( X ) (12.31)
E ( x ) = E * ( X ) + ε = r1 E * ( X ) (12.32)
Donde:
“r1” y “r2” se tabulan en función también de “ β ” y de “n”.
81
12.17.- Cálculo de los índices simples y complejos de fiabilidad. (ver
epígrafes 7.1 y 7.2).
I P = F ( x ) * M * C PIM (12.36)
Donde:
M – Cantidad de máquinas iguales.
CPIM – Cantidad de piezas iguales en la máquina.
M P = I P1 * K S − R Al (12.37)
Donde:
IP1 – Demanda de intercambio de piezas durante el 1er año.
KS – Coeficiente de seguridad (1 - 1.3) (ya que se trabaja con valores medios y
puede ser que fallen más de lo calculado).
RAL – Reserva en el almacén (Stock).
Donde:
IP11 – Son las piezas que fueron cambiadas durante el 1er año de explotación y
durante el 2do año se asume que tienen un año.
82
I P11 = F ( X 1 ) * M 11 * C PIM (12.39)
IP22 - Son las piezas que fueron cambiadas durante el 2do año de explotación.
IP22 = IP2 - IP1 (12.40)
IP2 - Son las piezas que iniciaron la explotación y fallaron a los 2 años
I P 2 = F ( X 2 ) * M * CPIM (12.41)
Ejercicio No 11:
Determine el módulo de correas a solicitar a ATM para el 1er año y 2do año de
los 50 automóviles del ejercicio No 2.
Ejercicio No 12:
R/ Ejercicio No. 12
Pasos.
12.1 - Selección de la muestra mínima.
83
Tabla A- Recorrido entre fallos (km.)
411 525 667 809 880 893 1332 1409 1512 1968 1980
1982 2017 2123 2141 2293 2306 2596 2683 2740 3019 3044
3185 3374 3527 3532 3561 3562 3584 3640 3818 3942 3966
3962 4318 4602 4721 4743 4790 4892 4949 4965 5204 5219
5361 5517 5582 6101 6132 6182 6598 6680 6894 6968 7164
7192 7323 7456 7472 7529 7975 8025 8112 8120 8150 8158
9573 9902 9914 10020 10085 10702 10786 10807 10923 10985 11266
11280 11412 11671 12796 13085 13457 14734 15161 15197 15848 16054
16142 17320 17331 19821 20496 21267 21752 22817 23000 24640 25141
n = 99
∆x =
( X max − X min ) = 25141 − 411 = 3091 (12.11).
K 8
84
b – Varianza.
k
D ( X ) = ∑ [Yi − E ( x )] . f * ( x i ) = 36183510,55km 2
2
(12.19)
i =1
ni*
Xi
85
12.12 −Cálculo de la función de distribución teórica [F ( X )] (De la población)
para la LDE.
x
F ( x ) = ∫ f (x )dx = 1 − e −λxi = 1 − e −λ * yi
0
1
λ= = 1,262 * 10 − 4
E (x )
Se calculan los valores de las frecuencias relativas teóricas para cada intervalo
f(Xi) por la expresión (12.21):
[ ]
f ( X i ) = F ( X i ) − F ( X i +1)
χ
2
En la tabla estadística de se ofrece su valor en función de los grados
tab
r = k – 1 – S = 8 −1−1= 6
Se cumple que:
X 2cal = 4.7876 <X 2tab, = 5.35
86
Tabla B- Resultados obtenidos de los cálculos.
(8)
(1) (2) (3) (4) (5)
(6)
(7) [ni * −nP( X i )]2
f(Xi) = [F(Xi)-
K Yi f(x) F(x) R(x) ni* n.P( X i )
F(Xi+1)]
P[E * ( X ) − ε ≤ E ( X ) ≤ E * ( X ) + ε ] = β (12.28)
σ ( x)
ε= argφ ( β ) (12.35)
n
El nombre de Pareto fue dado por el Dr. Joseph Juran en honor del economista
italiano Vilfredo Pareto (1848-1923) quien realizó un estudio sobre la distribución
de la riqueza, en el cual descubrió que la minoría de la población poseía la mayor
parte de la riqueza.
87
Con esto estableció la llamada "Ley de Pareto" según la cual la desigualdad
económica es inevitable en cualquier sociedad.
Hay que buscar los rubros que más influyen o quienes provocan los problemas.
Por lo tanto, el análisis de Pareto es una técnica que separa los “pocos vitales”
de los “muchos triviales” y es una herramienta de calidad que plantea “En
cualquier negocio o industria pocos elementos son vitales, mientras que la gran
mayoría no lo son”.
Recomendación de su uso:
• Para identificar oportunidades para mejoras.
• Para identificar un producto o servicio para el análisis de mejorar su calidad.
• Cuando existe la necesidad de llamar la atención a los problemas o causas
de una forma sistemática.
• Para analizar las diferentes agrupaciones de datos.
• Al buscar las causas principales de los problemas y establecer la prioridad de
las soluciones.
• Para evaluar los resultados de los cambios efectuados a un proceso (antes y
después).
• Cuando los datos puedan clasificarse en categorías.
• Cuando el rango de cada categoría es importante.
Desde la década del 80 del pasado siglo en muchas empresas del país en el
ramo del transporte se han realizado estudios de fiabilidad encaminados a
determinar las demandas de piezas de repuestos, conocer los sistemas y piezas
88
que más afectan a la producción, determinar los índices de fiabilidad , organizar el
sistema de mantenimiento, realizar rediseño y/o reclamaciones a los proveedores,
estas investigaciones se realizaban en la mayoría de los casos a todas los
sistemas y piezas que fallaban en las máquinas de una empresa, en otros casos
se realizaba por experiencias apoyadas en datos estadísticos.
Al realizar la investigación y aplicar la metodología de la fiabilidad a todos las
piezas y / o sistemas que fallan en un parque de máquinas se desperdiciaba
tiempo en la realización de los cálculos de piezas no críticas, pero si además se
usaba para calcular y solicitar los módulos de piezas de repuesto también se
despilfarraba dinero en piezas que en la mayoría de los casos iban a engrosar el
inventario de piezas ociosas o piezas de bajos movimiento (según la filosofía JIT
(Just In Time) el inventario se considera un despilfarro imperdonable), ambas
provocaban gastos innecesarios que en muchas entidades podían alcanzar
sumas considerables.
La Ley de Pareto vino a solucionar esta problemática al poder ser aplicada como
herramienta para determinar las piezas criticas y determinar a cuales piezas y
sistemas de la máquina hay que prestarle más atención y por lo tanto dedicarle
los recursos financieros, materiales y humanos.
Esta metodología fue incorporada (1998) a los programas de las asignaturas de
Fiabilidad que impartía el Departamento de Ingeniería del Transporte de la
Facultad de Ingeniería Mecánica del ISPJAE tanto en pregrado como en post-
grado y ha sido empleada en el estudio del comportamiento de las piezas y
sistemas de las cuñas tractivas de CUBALSE (1998) y AUSA (2005-2009), autos
taxi Citroen en PANATAXI (2001) y en los autos Peugeot 106 y Ladas 2107 en
PANATRANS (2004).
Pasos:
1.- Determinación de los rubros que se incluirán en el programa.
2.-Construir la tabla estadística a partir de las sumas totales de las magnitudes
observadas y registradas.
3.- Resumen por clases.
4. Construcción y análisis del Diagrama de Pareto.
5. Plan de medidas.
89
1ro – Define que se va a investigar. En este caso los fallos más frecuentes, pero
pudo haber sido otro rubro. Ej. Las veces que falla cada cuña tractiva, la
probabilidad de fallo de cada cuña.
2do – Es importante declarar bien el período (fecha desde – fecha hasta) y el
mismo tiene que ser coincidente, ya que Pareto es repetitivo, se aplican las
acciones propuesta y después se va comprobando en los períodos siguientes la
efectividad de las medidas tomadas. Se aconsejan períodos 3 – 12 meses.
3ro – La unidad empleada es la decisión ingenieril más importante, la cual
responde a los intereses de la investigación y de la empresa que la está
realizando.
En este ejemplo se tomó cantidad de fallos, pero pudo ser otras unidades:
• El valor de las piezas, agregados o sistemas que fallan.
• Pérdidas por estadías que provocan los fallos.
• Las pérdidas representativas de los tipos de fallo, etc.
4to – Siempre hay que tomar los datos estadísticos por el mismo método (activo o
pasivo) y en el mismo lugar.
Paso No2.-Construir la tabla estadística a partir de las sumas totales de las
magnitudes observadas y registradas.
Para confeccionar esta tabla estadística se tomaron los datos de las veces que
fallaron los 10 fallos y se colocaron en la tabla en orden descendente desde la
pieza que más falló (1) hasta la que menos falló (10), posteriormente se completó
la tabla de izquierda a derecha por medio de cálculos sencillos para determinar
las clases de los fallos.
90
2- Clase B: Los rubros de importancia media (control por excepción).
3- Clase C: Los menos importantes.
I − Por el 20 %, serán:
Al decidir esta forma, como se observa, hay que distribuir los recursos entre más
rubros y se necesita más tiempo para las acciones que se planifiquen.
91
La relación de A significa que el 40% de los rubros son los que provocan el 80.05
de los fallos en las cuñas tractivas.
1- Hay que construir diagramas con características y períodos iguales para poder
analizar la estrategia y acciones tomadas.
2- La estrategia y acciones son dirigidas a los rubros de clase A.
3- Después del plan de medida, debe observarse el alto de las barras, si han
disminuido, las acciones son efectivas, pero si se mantienen igual o han
aumentado entonces las acciones han sido malas.
4- La disminución de la altura de las barras significa una mejora equivalente a la
magnitud de la disminución.
92
5- Llegará el momento en que los rubros A pasen a clase B o C y estos pasen a
clase A, lo que obligará a dirigir las acciones a los nuevos rubros de la clase A.
Lo ideal sería que la altura de todas las barras sea del mismo alto.
Se les puede aplicar técnicas diagnóstico técnico para seguir la evolución del
estado técnico de dichos artículos.
Se pueden pasar de mantenimiento preventivo a predictivo.
Darles un mejor mantenimiento, usar los mejores operarios.
Darles más atención.
Asignarles más dinero.
Asignar mejores choferes, etc.
Nota importante.
Se debe destacar que la unidad empleada en este caso no es representativa para
la empresa, ya que no refleja las pérdidas totales que representa los fallos.
Para lo cual se creó un nuevo índice a evaluar que integre todos los gastos, el
cuál fue llamado Pérdidas Representativas (todas las perdidas que provoca el
fallo) y es la unidad que se recomienda usar en el estudio de los fallos en los
medios de transporte.
Pasos:
1 – Cálculo de las pérdidas representativas (PR).
.
PR = CTA + C AM + CCPEST ($) (14.1)
Donde:
CTA : Costo total de los artículos i que son cambiados debido al fallo.
C AM : Costo total de la acción mantenimiento debido al fallo.
CCPEST : Costo para compensar las pérdidas por estadía que provoca el fallo.
93
2- Cálculo del costo total de los artículos i que son cambiados debido al
fallo.
K
CTA = ∑ ni ∗ Pai ($) (14.2)
i =1
Donde:
ni : Cantidad de artículos i.
pai : Precio del articulo i a partir de listados de precios.
K: Cantidad de artículos i diferentes que son cambiados debido al fallo.
C AM = (C D + C I ) ∗ f ($) (14.3)
Donde:
CD: Costo directo.
CI: Costo indirecto.
f: Cantidad de fallos.
oi
S B = ∑ OCI ∗ LM * Th ($) (14.5)
i =1
Donde:
OCI: Cantidad de trabajadores de calificación i que participan en la acción.
LM- Labor media que deben ejecutar los trabajadores de calificación i para
garantizar la acción de mantenimiento (h / acción).
Th - Tarifa horaria del personal ($/ h).
Oi: Obreros de diferentes categorías y calificación que participan en la acción de
mantenimiento.
94
c-Cálculo del aporte a la seguridad social (SSS).
Se calcula con la misma ecuación del cálculo del costo de materiales (14.8), solo
que ahora se sitúa el costo de la unidad energética ($ / kw-h), o del litro de agua,
o del metro cúbico de vapor a tal presión con la cantidad que se necesita en la
acción.
Nota:
Los costos del artículo i que se cambia debido al fallo se tienen en cuenta en la
ecuación (14,2), por lo que no están presentes en esta fórmula. Los costos por
electricidad y otros gastos se pueden tener en cuenta en los costos indirectos.
Ci = Td * S B (14.9)
Donde:
C i : Costo indirecto.
Td : Taza de distribución de los costos indirectos.
Ejemplo. Td = 1.20
6 - Costo para compensar las pérdidas por estadía que provoca el fallo.
CCPEST : = TE * TH (14.10)
Donde:
CCPEST : Costo para compensar las pérdidas por estadía.
TE: Tiempo total de estadía de la máquina debido al fallo.
TH: Tarifa horaria de servicio del vehículo ($ / h).
_
TE = E ∗ f (14.11)
Donde:
_
E : Estadía media debido al fallo.
95
Modelo a utilizar para la recogida de la información.
No Fallo Costo Canti Costo de la pieza i Costo Costo para Pérdi das
de la dad por canti dad de de compensar las representati
pieza i de piezas i (Uni dad Mtto. pérdi das por vas.
que es piezas Monetaria) (14.3) estadía. (14.1)
cambia i (14.2) (14.10)
da por
el fallo
Ejercicio No 13:
Datos:
Tabla 15.1 Valores de la variable aleatoria continúa de la muestra (tomados de
forma pasiva a través de la documentación técnica)
2541 3083 3357 3551 4259 4775 4863 5595 5747 6039 6263
6370 6851 7861 8822 9274 9506 10738 11603 12269 13966 13980
15943 16844 18240 21006 22589 22910 24271 24859 27324 31412 32091
33796 34979 35724 38721 38938 40967 41495 42500
n = 41
R/ Ejercicio No. 13
¿Qué piden?
R/ Determinar la durabilidad del artículo para realizar su cambio en un tipo de
mantenimiento planificado, por lo tanto hay que llegar hasta el paso 16 del
procedimiento (determinación del intervalo de confianza (epig. 12)).
96
2- Recoger la información.
Se tomaron los datos de forma pasiva a través de la documentación.
5- Ordenamiento de la muestra.
En este caso se recolectó un total de 45 valores de la variable aleatoria de las
cuales se realizó una limpieza para eliminar valores anormales de las mismas.
Estos valores representan los valores de los km. recorridos hasta el fallo del
artículo en estudio (ver tabla 15.1, ya los datos están ordenados).
Para n = 41
⇒ k = 6.34 ⇒ 7 intervalos
Se decidió k = 7 intervalos, pudo haber sido 6 intervalos, esto es una decisión del
especialista.
97
σ (x ) = D ( x) = 12427.55 km.
σ (x )
v( x ) =
12427.55
= = 0.694
E ( x) 17914.11
exp resandose :
E ∗ ((x ) = E ∗ ( x) ± εE ∗ ( x) = 17914.11 ± 1940.86..Km
σ ∗ (x ) = σ ∗ ( x) ± εσ ∗ ( x) = 12427.55 ± 1372.39..Km
λ (x ) =
1
= 5.582 ∗ 10 −5.Km −1 (por propiedad de la LDE).
E ( x)
98
Se determinan las diferencias entre las funciones de distribución teórica y
experimental en cada intervalo de la serie (de tabla 15.2 y 15.3):
[ ]
Di = F ( X i ) − F * ( X i )
Donde:
K 1.22
Dadm = s = = 0.190 (12.26)
n 41
donde:
K s − depende..deα 1 para α 1 = 0.1 ⇒ K s = 1.22 [de tabla 12.2]
Sustituyendo en 12.25.
16 - Intervalo de confianza.
99
σ ( x) 12427.55
Y εE ( x) = = = 1940.86km
n 41
Sustituyendo en 12.28 - B:
I conf inf = E * ( x) − εE ( x) arg φ ( β ) = 17914.11 − 1940,86 * 1,65 = 17914,11 − 32024.Km
I conf sup = E * ( x) + εE ( x) arg φ ( β ) = 17914.11 + 32024km
I CONF = [14711,71 ≤ E ( x ) ≤ 21116,51]km
R/ Que el recorrido medio hasta el fallo será como término medio no menor de
14 711,71 km y no mayor de 21 165,51 km con una probabilidad de un 90% o
sea la media de la población se va a encontrar en ese intervalo con una β =0.90.
4 8 12 16 20 24
MT1 MT2 MT1 MT2 MT1 MT3
MT1 = 4 000 km, MT-2 = 8 000 km, MT-3 =24 000 km.
100
No obstante, si se decide por 20 000 km se aprovecha más recurso y por lo tanto
la decisión es más económica, pero se pierde en fiabilidad, lo contrario ocurre si
se decide por 16 000 Km.
Nota 1: En este manual de usuario para el uso del programa Statgraphics plus
versión 2.1 en la fiabilidad. Este fue confeccionado tomando como referencia el
procedimiento para el experimento fiabilístico (epig. 12). De esta manera será de
mayor facilidad para el lector conocedor del algoritmo, la comprensión y uso del
programa.
Untitled:
Se utiliza para colocar el listado de la unidad del elemento analizar.
The StatAdvisor:
Está disponible para el uso con la mayoría de los análisis estadísticos. La
interpretación incluye una explicación simple de los resultados. La interpretación
varía según las variables que usted usa en un análisis.
Cuando usted pulsa el botón del icono de The StatAdvisor en la barra de
herramientas de la aplicación se despliega el menú de mando. Las órdenes son:
restaure, mueva, clasifique según tamaño, minimice, aumente al máximo, cierre.
Histogram:
Representación gráfica de una distribución de frecuencias por medio de
rectángulos, cuyos anchos representan intervalos de la clasificación y cuyas
alturas representan las correspondientes frecuencias.
Pasos:
101
Los datos se introducen por columnas, es decir cada muestra de la variable
aleatoria o característica investigada en cada columna.
102
a) Aparece la caja de diálogo One-Variable Analysis Col_1. Marque la opción
tabular (Tabular options, ícono amarillo).
d) Seleccione:
Average (E*(x)), Std. Desviation (σ (x)), Std Error, Min., Max., Coeff.
of Var. (V(x))
103
4 – Para obtener la representación tabular.
104
b) Si desea introducir el número de intervalos de clase adecuado a su análisis,
de Click Derecho ⇒ Pane Options e introduzca el # de intervalos en la opción
Number of Classes.
105
d) Aparece la caja de diálogo Distribution Fitting Col_1. Marque la opción tabular
(Tabular options, ícono amarillo).
g) Para definir el tipo de ley a que se quiere ajustar la curva (en este caso LDE),
sobre la pantalla marque Click Derecho, aparece una ventana, marque
Analysis Options y en la caja de diálogo Distribution Fitting Options,
seleccione la ley que se desea ajustar (Exponencial)
106
Nota: # 1
Esta prueba de bondad y ajuste compara los valores de la frecuencia observada
(Observed Frecuency (n*)) en la muestra con la frecuencia esperada (Expected
Frecuency (n)) de la ley teórica (población).
En este caso
Dadm = Approximate P – Value = 0.447024
Dmax = Estimated overall statistic DN = 0.13542.
Nota: # 2
De todas formas el programa brinda una respuesta en el The StatAdvisor de la
ventana. En su último párrafo se expone una explicación y la conclusión del
ajuste.
The lowest p-value amongst the tests performed equals 0,447020. Because the p-
value for this test is greater than or equal to 0.1, we can not reject the idea that
col_1 comes from an exponential distribution with 90 % or higher confidence.
En español:
El cantidad más bajo de la probabilidad estimada para la prueba ejecutada es
igual a 0, 4470. Porque la probabilidad estimada para esta prueba es mayor o
igual a 0.1 (α1 = 0,1), no podemos rechazar la hipótesis de que se ajusta a una
LDE con un grado de confianza de β = 90 %
107
En este caso se usó el criterio C y tomó el p-value min de Kolmogorov –Smirnov
108
El programa lo analiza automáticamente para β = 85 % y propone el siguiente
intervalo: [14724,0 < E (x) < 20686,81] = 0.85
Nota # 3
Si necesita cambiar el nivel de confianza en la estimación, marque Click
Derecho sobre la pantalla ⇒ Pane Options e introduzca el nivel de confianza
deseado en la caja de diálogo que aparece en la opción Confidence Levels.
109
2 – Probability Density = 0,0000207783 este es el valor de f(x) para el valor de la
media, es el punto en el gráfico de densidad de distribución (OJO → en la ventana
Probability Distributions hay un error, ya que denominan a este resultado Valor
de intensidad de fallo).
Nota:
CDF – Cumulative Distribution of the Fitted (da la curva de mortandad o
cumulative probability).
110
f(x) = λ*e-λ*x → f(0)= λ*e-λ*0 = λ*e0 = λ = 1/17 705 = 0.000055
→ f (17 705) = 0.0000207
111
16- EL RCM (Reliability Centered Maintenance) COMO FILOSOFÍA DE LA
GESTIÓN DEL MANTENIMIENTO.
La norma SAE JA1011 especifica los requerimientos que debe cumplir un proceso
para poder ser denominado un proceso RCM.
112
El objetivo es alcanzar máxima confiabilidad de la planta o la máquina a través de
un “proceso que determina lo que debe hacerse para asegurar que un elemento
físico continúa desempeñando las funciones deseadas”.
El RCM sirve de guía para identificar las acciones de mantenimiento con sus
respectivas frecuencias a los activos más importantes. No es una fórmula
matemática y su éxito se apoya en el análisis funcional de los activos en un
determinado contexto operacional realizado por un equipo de trabajo
multidisciplinario.
El mantenimiento solo puede lograr mejoras del funcionamiento del activo cuando
el estándar de ejecución esperado de una determinada función del activo está
dentro de los límites de la capacidad y confiabilidad inherente (de diseño) del
mismo, o sea, no la puede aumentar más allá de su nivel inherente. Desde este
punto de vista el RCM no es más que una herramienta de gestión de
mantenimiento que permitirá maximizar la fiabilidad operacional a partir de la
determinación de los requerimientos reales de mantenimiento.
En el RCM las tareas preventivas solo se especifican para los activos que lo
necesitan realmente, lo que lleva a una reducción significativa de los trabajos
rutinarios.
113
16.1- Conceptos del RCM.
Por ejemplo, dos activos idénticos operando en distintas plantas, pueden resultar
en planes de mantenimiento totalmente distintos si sus contextos de operación
son diferentes. Un caso típico es el de un sistema de reserva, que suele requerir
tareas de mantenimiento muy distintas a las de un sistema principal, aún cuando
ambos sistemas sean físicamente idénticos.
114
La confiabilidad operacional de un sistema depende de 4 parámetros operativos,
por lo tanto es necesario el análisis de cada uno de ellos si se quiere un
mejoramiento continuo y de largo plazo.
1. Confiabilidad humana.
2. Confiabilidad del proceso
3. Mantenimiento del artículo.
4. Confiabilidad del artículo.
Confiabilidad
humana
Involucramiento
Propiedad
Interfases
Confiabilidad Mantenibilidad de
de procesos CONFIABILIDAD equipos
Operación dentro de Fases de diseño
parámetros OPERACIONAL Equipos de trabajo
Entendimiento de Disminuir MTTR
Procedimientos
Confiabilidad
de equipos
Estrategias
Efectividad Global
Extender el MTBF
115
La variación en conjunto o individual que pueda sufrir cada uno de los 4
parámetros afectará el comportamiento global de la fiabilidad operacional de un
determinado activo.
16.1.3- Funciones.
Sin embargo, la bomba puede tener otras funciones asociadas, como por ejemplo.
b-” Contener al agua (evitar pérdidas)”.
Los fallos funcionales ó estados de fallo identifican todos los estados indeseables
del sistema.
Por ejemplo, para una bomba tres estados de fallo podrían ser:
Notar que los estados de fallo están directamente relacionados con las funciones
deseadas.
Una vez identificadas todas las funciones deseadas de un activo, identificar los
fallos funcionales es un problema trivial.
Un modo de fallo es una posible causa por la cual un equipo puede llegar a un
estado de fallo.
Ejemplo:
a. “Impulsor desgastado” es un modo de fallo que hace que una bomba llegue al
estado de fallo identificado por el fallo funcional, “bombea menos de lo
requerido”.
Todos los modos de fallo asociados a cada fallo funcional deben ser identificados
durante el análisis de RCM.
116
Por ejemplo:
a. Si se están analizando los modos de fallo de los rodamientos de una bomba,
es incorrecto listar el modo de fallo “como fallo del rodamiento”.
La razón es que el modo de fallo listado no da una idea precisa de por qué ocurre
el fallo.
Notar que este desglose en las causas que subyacen al fallo sí da una idea
precisa de por qué ocurre el fallo, y por consiguiente que podría hacerse para
manejarlo adecuadamente (lubricación, análisis de vibraciones, etc.).
Para cada modo de fallo deben indicarse los efectos del fallo asociados. El “efecto
del fallo” es una breve descripción de “qué pasa cuando el fallo ocurre”.
Por ejemplo:
El efecto del fallo asociado con el modo de fallo “impulsor desgastado” podría ser
el siguiente:
”A medida que el impulsor se desgasta, baja el nivel del tanque, hasta que suena
la alarma de bajo nivel en la sala de control. El tiempo necesario para detectar y
reparar el fallo (cambiar impulsor) suele ser de 6 horas. Dado que el tanque se
vacía luego de 4 horas, el proceso aguas abajo debe detenerse durante dos
horas. No es posible recuperar la producción perdida, por lo que estas dos horas
de parada representan un pérdida de ventas”.
Los efectos del fallo deben indicar claramente cual es la importancia que tendría
el fallo en caso de producirse.
117
a. La seguridad humana.
b. El medio ambiente.
c. Las operaciones.
d. La razón costo/beneficio.
118
16.6.1- Contexto operacional:
Es donde y como se está usando un activo (artículo).
a. Producción.
b. Calidad del producto.
c. Servicio al cliente.
d. Medio ambiente.
e. Costo operacional.
f. Seguridad.
119
16.6.6- Aplicación de la hoja de decisiones.
La hoja de decisiones tiene en cuenta:
Para que una tarea a condición sea posible, debe existir alguna condición física
identificable que anticipe la ocurrencia del fallo.
Ejemplo:
Una inspección visual de un elemento solo tiene sentido si existe algún síntoma
de fallo que pueda detectarse visualmente.
Ejemplo:
Si se está evaluando la conveniencia de chequear ruido en los rodamientos de un
motor, entonces la frecuencia va a estar determinada por el tiempo en que el ruido
es detectable y que se produce el fallo del rodamiento. Por ejemplo, si este tiempo
es de dos semanas, entonces la tarea debe hacerse a una frecuencia menor, para
asegurarse de esta forma que el fallo no ocurra en el tiempo entre chequeos
sucesivos.
120
Una tarea de sustitución cíclica solo es válida si existe un patrón de desgaste, es
decir, si existe”, una edad en la que aumenta rápidamente la probabilidad
condicional del fallo”.
Ejemplo:
Si la vida útil de un neumático es de 80 000 km, entonces la tarea de sustitución
cíclica (cambio preventivo del neumático) debería realizarse a menos de 80.000
km, para de esta forma evitar entrar en la zona de alta probabilidad de fallo.
En una empresa, planta u otra entidad se pueden usar los distintos tipos y
filosofías de mantenimiento:
121
En las máquinas de categoría C el correctivo, pero siempre con la concepción
del TPM.
122
17- BIBLIOGRAFÍA:
Referencias:
123
18- GLOSARIO.
124
No es más, que el operador de la máquina realiza algunas operaciones de
mantenimiento del equipo, como por ejemplo: chequeo diario, control del
lubricante, cambio de filtro, ajuste, etc.; Estas actividades son responsabilidad del
operador además de controlar las posibles causas y soluciones.
Las intervenciones mayores y problemas técnicos siguen siendo atendidas por el
personal de mantenimiento.
El operador debe recibir: Formación, procedimientos, herramientas, la información
necearía y la autoridad para sus decisiones.
El operador debe ser capaz de: Realizar el Mantenimiento Autónomo, llevar el
control de los fallos, las posibles causas y sugerir la forma de solucionarlos
Mantenimiento Basado en Condición (Predictivo), se basa en el estado técnico
de la máquina (identificación de las causas fundamentales del fallo).
Mantenimiento Proactivo).
Tiene como objetivo aumentar el tiempo medio entre fallo (MTBF) e incrementar la
fiabilidad operacional. Dicho mantenimiento va dirigido a eliminar las causas de
raíz que provocan el fallo (ACR), para eliminarlas se pueden hacer
modificaciones de elemento estructural y/o el rediseño operativo del equipo para
la eliminación de averías.
Analizar la causa lógica de los fallos y sus efectos, es un análisis deductivo que
permite identificar la relación causal que conduce al fallo, donde se usan técnicas
causa- efecto.
El Mantenimiento Proactivo trabaja en la búsqueda de las causas del fallo del
artículo para evitar que se conviertan en desgaste, apoyado por la herramienta del
análisis de aceite, puede ayudar significativamente en la implementación exitosa
del RCM.
Mediana: Es el valor de la variable que divide al conjunto de todos los valores
en 2 partes iguales según cantidad de variables.
Ejemplos:
a - 2, 3, 4, 5, 7, 8, 9, → M = 5 b - 2, 3, 4, 5,6, 7, 8, 9, → M = 5.5
Raíces físicas (análisis de fallo).
En este nivel se reúnen todas aquellas manifestaciones de origen físico que
afectan directamente la continuidad operativa del equipo o planta: Ejemplos, flujo
mínimo por bloqueo de una tubería, malas conexiones, repuestos defectuosos,
etc. Generalmente en este nivel no se encontrará la causa raíz del fallo, sino un
punto de partida para localizarlo.
Raíz humana (cacería de brujas).
Es la que responde a la pregunta ¿En qué consistió la acción equivocada? y ¿Por
qué?
Son producto de errores humanos que inciden directamente o indirectamente en
el fallo motivados por sus inapropiadas intervenciones y nacen por la ausencia de
decisiones acertadas, que pueden ser por convicción u omisión.
Nunca utilizar nombres individuales o grupales cuando se especifica la causa.
125
Ejemplos: Errores de diseño, no aplicar correctamente los procedimientos,
operaciones inadecuadas, etc. En este nivel se podría encontrar la causa raíz.
Raíces latentes (ocultos, escondidos).
Son producto de la deficiencia de los sistemas de información. Provienen de
errores humanos. En ocasiones afectan más que el problema que se está
estudiando, ya que pueden generar circunstancias que ocasionan nuevas fallas.
Son problemas que aunque nunca hayan ocurridos son factibles su ocurrencia:
Ejemplo: Falta de procedimientos para el arranque y / o manipulación de la
máquina, trabajos de reparación sin adiestramientos (mala alineación de una
máquina), diseño inadecuado, etc.
Redundancia: Reserva, algo que sobra, demasiado abundante.
Rendimiento de un artículo está relacionado con los recursos y los resultados.
Una máquina tiene mayor rendimiento que otra, si emplea menos recursos
para obtener idénticos resultados
Las 9 S, reglas para lograr un ambiente de calidad en el trabajo.
1. SEIRI: Despeje, clasificación (elimine el por si acaso).
2. SEITON: Organización (un lugar para cada cosa y cada cosa en su lugar).
3. SEISO: Limpieza (que brille).
4. SEIDO: Estandarización (unifique a través de documentos y normas).
5. SHITSUKE: Disciplina (cumpla con el reglamento de la empresa).
6. SEIKETSU: Bienestar personal (cuide su salud física y mental, elimine los
strss).
7. SHIKARI: Constancia (mantenga los buenos hábitos adquiridos).
8. SEISHOO: Coordinación (trabaje en equipo).
9. SHITSUKOKO: Compromiso (es una obligación contraída) (haga suya la
empresa).
Táctica: Arte que enseña a poner en orden las cosas. Sistema que se
emplea hábilmente para conseguir un fin.
TPM (Total Productive Maintenance).
El Mantenimiento Productivo Total nace en los años 70 del siglo XX, 20 años
después del inicio del Mantenimiento Preventivo que se manifiesta en la
prevención de averías y defectos.
El TPM es un sistema de gerencia de mantenimiento que busca la mejora
continua de los artículos y el logro del 100% de eficiencia del proceso de
producción, involucrando a todo el personal de la empresa.
Incorpora la idea del auto-mantenimiento (mantenimiento autónomo) de los
equipos por personal de producción y no exige alta especialización, pues se limita
(en sus primeras etapas) a intervenciones de primer nivel (limpieza, engrase,
sustituciones, ajustes, control del nivel del lubricante). En etapas avanzadas los
operarios hacen diagnósticos preliminares sobre las fallas y se les da autonomía
en la toma de decisiones.
126
En este participan todas las áreas de la empresa, pero en especial producción y
mantenimiento ó sea tiene como objetivo fundamental realizar el mantenimiento
del equipo con la participación del operador. No se puede descartar la
importancia de abastecimiento para lograr un buen funcionamiento del TPM.
En el TPM se pueden combinar los mejores conceptos de los diferentes tipos y
filosofías de mantenimiento. Un programa de mantenimiento bien diseñados y de
clase mundial tendrá una combinación de estas filosofías de mantenimiento.
Por ejemplo:
En una empresa se puede usar los distintos tipos y filosofía de mantenimiento: a -
Categorizando las maquinas y aplicando los tipos de mantenimiento clásico en
dependencia de la categoría (Alterno).
b- A las máquinas más críticas e importantes garantizar su fiabilidad operacional
(RCM).
c- Eliminar las causas de raíz que provocan fallo (Proactivo) e
e- Introducir el compromiso operador-mantenimiento-calidad-dirección en la
fiabilidad en la maquina (TPM).
Trivial: Ordinario, vulgar, sin importancia.
Valor agregado: Es la suma de todos los valores de la máquina.
Valor añadido: Es algo que se incluye a la máquina por encima de la
función principal.
Vital: De suma importancia.
19 – AUTO EVALUACIÓN.
A- PREGUNTAS DE COMPROBACIÓN.
1. ¿Por qué es importante la fiabilidad en la época actual?
2. ¿Qué es la fiabilidad?
3. ¿Defina el concepto de la fiabilidad según NC 92-10?
4. ¿Qué es la teoría de la fiabilidad?
5. ¿Qué estudia la teoría de la fiabilidad?
6. ¿Qué problemas resuelve la teoría de la fiabilidad?
7. ¿Por qué por la fiabilidad hay que pagar tanto al comprar como al explotar el
articulo?
8. ¿Cómo se determina el nivel de fiabilidad de una máquina?
9. ¿Cuáles son las etapas de la fiabilidad? Explíquelas.
10. ¿Qué importancia tiene el fallo del artículo en la fiabilidad?
11. ¿Por qué el carácter de aparición del fallo es útil en la fiabilidad? Ponga
ejemplos.
12. ¿Para qué sirve conocer la clasificación del fallo según la etapa del ciclo de
vida?
127
13. ¿Qué diferencia hay entre defecto y fallo del artículo?
14. ¿Qué diferencia hay entre recurso técnico y plazo de servicio?
15. ¿Qué es una ley de distribución? ¿Cuáles son sus propiedades y formas de
representarlas?
16. ¿Qué es la densidad de distribución?
17. ¿Cuál es una de las expresiones (ecuaciones) más importante en la
fiabilidad?
18. ¿Cuáles son los principales estadígrafos usados en la fiabilidad y como se
determinan?
19. ¿Para que sirve el coeficiente de variación porcentual?
20. ¿Por qué la fiabilidad es una propiedad compleja?
21. ¿Qué es la operatividad y explique algunos índices que la caracterizan?
22. Ídem para durabilidad.
23. Ídem para la mantenibilidad.
24. Ídem para la conservabilidad.
25. ¿Para qué sirven los índices de la fiabilidad?
26. ¿Cómo se puede analizar conjuntamente las cualidades de mantenibilidad y
de operatividad de un artículo?
27. Mencione coeficientes complejos de fiabilidad y explíquelos.
28. ¿Qué diferencia hay entre Kd y Kut?
29. ¿Qué es el coeficiente de Efectividad Global o Total del Equipo (E G) y por
qué se utiliza en la época actual?
30. Mencione los pasos para llevar a cabo un experimento fiabilístico.
31. Mencione leyes de distribución de variables aleatorias continuas y discretas.
32. ¿Cuál es el campo de aplicación y las propiedades de la Ley de Distribución
Exponencial?
33. ¿Cómo se determina f(x), F(x) y R(x) de la LDE?
34. ¿Cuál es el campo de aplicación y las propiedades de la LDN?
35. ¿Cómo se determina f(x), F(x) y R(x) de la LDN?
36. ¿Cómo se determina el cuantil en la LDN?
37. ¿Cómo se determina el cuantil negativo de la LDN?
38. ¿Cómo se determina F(x) de la LDN a partir del cuantil?
39. Mencione y explique criterios o métodos para el ajuste de curva.
40. ¿Qué es el intervalo de confianza y cuál es su importancia en el
mantenimiento?
41. ¿Qué es la carta de fiabilidad?
42. ¿Cómo se determina el módulo de piezas de repuesto usando la fiabilidad?
128
43. ¿Qué es un artículo complejo?
44. ¿Qué es un esquema estructural en la fiabilidad y donde se usa?
45. ¿Cuáles son las características de un sistema serie?
46. Ídem para un sistema en paralelo.
47. ¿Cómo se analiza un sistema combinado?
48. ¿Qué es la redundancia en un sistema?
49. ¿Cuáles son las variantes de redundancia y explíquelas?
50. ¿Explique el árbol de fallos o de éxitos?
51. ¿Explique la Ley de Pareto y cómo se aplica a la fiabilidad?
52. ¿Cómo se calculan las pérdidas representativas y cual es su importancia?
53. Explique la filosofía RCM y como se relacionan con la fiabilidad.
54. Explique la filosofía Mantenimiento Proactivo y como se relacionan con
la fiabilidad.
55. Explique la filosofía TPM y como se relacionan con la fiabilidad.
56. Explique la filosofía JIT y como se relacionan con la fiabilidad.
57. ¿Por qué los inventarios se consideran un despilfarro imperdonable
para una empresa que quiera ser competitiva?
58. ¿Qué relación existe entre el Diagnóstico Técnico y la Teoría de la
Fiabilidad?
1- Por dato se sabe que es una LDN (alguien hizo la investigación), E(t) = 500 h,
σ(t) = 50 h.
4- Hay que determinar F(t), al estar en una LDN se puede usar la función de
distribución normal estandarizada y trabajar con el cuantil y tablas
estadísticas.
F(t) = ø (μ) (2)
μ = (t – E(t)) / σ (t) (3)
Sustituyendo en (3).
μ = (550 – 500) / 50 = 1
129
R/ La columna 4, o sea de - ∞ hasta μ ya que se está analizando en un artículo
su recurso hasta el fallo (desde que nace hasta que falla).
Entonces ø(1) = 0.84134 ⇒ F(550) = 0.84134.
Sustituyendo en (1)
R(550) = 1- F(550) = 1- 0.84134= 0.1587
a. Por dato se sabe que es una LDN (alguien hizo la investigación y por tanto el
cálculo de los índices es por la ley ajustada).
Otros datos:
E(l) = 90 000 Km., σ(l) = 30 000 Km., La = 60 000 Km., n = 50 cadenas de .
. distribución (una por cada auto).
b. ¿Qué piden? R/ Cuántas cadenas quedarán sin fallar al cabo del 1er y 2do
año de explotación de las 50 cadenas nuevas que entraron hoy a la base con
los 50 autos nuevos.
N(l1 ) ? y N(l2) ?
6- Hay que determinar F(l), al estar en una LDN se puede usar la función de
distribución normal estandarizada y trabajar con el cuantil y tablas estadísticas.
F(l) = ø (μ) (3)
μ = (li – E(l)) / σ (l) (4)
Sustituyendo en (4).
Para l1 = 60 000 kms
μ1 = (60 000 – 90 000) / 30 000 = - 1
Para l2 = 120 000 kms
μ 2 = (120 000 – 90 000) / 30 000 = 1
130
7 - Con μ se va a la tabla 6.1.
¿Cuál columna de la tabla se escoge?
R/ La columna 4, o sea de - ∞ hasta μ ya que se está analizando en un artículo
su recurso hasta el fallo (desde que nace hasta que falla).
9 - Sustituyendo en (1)
N(60 000) = 0.84 * 50 = 42 cadenas ⇒ 42 cadenas en buen estado técnico
(BET) al cabo del primer año de trabajo ( fallarán alrededor de 8).
1-Datos:
n = 100 correas (una por cada auto).
No se conoce la ley de distribución.
2-¿Qué piden?
R/ Están pidiendo 2 cosas.
3 - ¿Qué se hace?
A - Solución inmediata:
Al no conocer a que ley se ajusta la correa pero si se conoce que está en el
período de explotación normal se puede asumir LDE.
Entonces:
F(E(x)) = 0.63 por propiedad de la LDE.
131
Entonces:
N(xi )F = 63 correas (0.63 * 100 = 63)
B- Solución teórica:
x
1- F ( x ) = ∫ f ( x )dx = 1 − e − λ * X
0
F (E ( x )) = 1 − e − λ *E ( x )
1- Datos:
λ(x) = 0.00005 h-1 → artículo no reparable
Periodo de explotación normal → se puede asumir LDE
El artículo trabaja 8 h al día.
2- ¿Qué piden?
R/ El plazo de servicio en años (xS) hasta que falle el 20 % de los artículos.
3- ¿Qué se hace?
a. F(x) + R(x) = 1
R(x) = 1 - F(x) = 1 – 0.2 = 0.8
R(x) = 80 % de los artículos no fallan.
1. Datos:
Artículo No 1 su λ(t) = 0.00005 h-1
Artículo No 2 su λ(t) = 0.000001 h-1
132
X = 1000 h
2. ¿Qué piden?
R/ Que artículo tiene la menor R(t).
3. ¿Qué se hace?
R1 (1000 ) = e − λ*t = e −0.00005*1000 = e −0.05
Como λ*t = 0.05 << 0.1 se puede plantear:
R1 (1000) = 1 – 0.05 = 0.95
1. Datos:
Es un artículo reparable.
Es una LDE.
E(t) = 10 000 Km.
2. ¿Qué piden?
R/ R (20 000) y F(20 000).
3. ¿Qué se hace?
Como es un artículo reparable hay que trabajar con el flujo de fallo (es similar a
λ(x)), entonces calculando W(x) por (44) para LDE.
w(l ) = f (l ) = λ * e − λ*l
133
2- ¿Si falla 5 falla el sistema?
R/ Si, por lo tanto 5 y A forman un SS.
Sustituyendo en b:
R( x ) SS = [R( x D )]
2
Entonces:
1-Datos:
M = 50 autos
C PIM = 1 correa (cantidad de piezas iguales en la máquina)
F1(60 000) = 0.16
F2(120 000) = 0.84
RAL = 0 (asumiendo la reserva en el almacén (Stock)).
2-¿Qué piden?
Módulo de piezas a solicitar al inicio del 1er y 2do año de explotación.
Sustituyendo en 12.36
IP1 = 0.16 * 50 * 1 = 8 correas.
134
Sustituyendo en 12.37
MP1 = 8 * 1.3 - 0 = 10.4 correas.
3-Cálculo del módulo de piezas a solicitar al inicio del 2do año de explotación.
Donde:
IP11 – Son las piezas que fueron cambiadas durante el 1er año de explotación (se
asume que al final del 2do año tienen un año de explotación).
I P11 = F (x1 ) * M 11 * C PIM (12.39)
IP22 – Son las piezas que fallaron durante el 2do año.
Sustituyendo en 12.41
Nota:
Al principio del 2do año empezaron 42 correas de las 50 que iniciaron la
explotación (8 fallaron en el 1er año).
20 – ANEXOS.
Anexos No 1 – Organigrama del Procedimiento de Cálculo Fiabilístico.
135
1. SELECCIÓN
DE LA MUESTRA
MÍNIMA.
SÍ
2. RECOGER LA INFORMACIÓN NO
DE LAS VARIABLES Confi able la
ALEATORIAS Informaci ón
SI se LEY DE NO se
desea PARETO desea
SÍ
APLICAR NO APLICAR
5.DETERMINACIÓN DE LA CANTIDAD DE
INTERVALO PARA LA SERIE
ESTADÍSTICA.
6. ANCHO DEL
INTERVALO.
7. REPRESENTACIÓN TABULAR DE LA
DISTRIBUCIÓN DE FRECUENCIA.
SÍ
8. CÁLCULOS DE LOS
ESTADÍGRAFOS.
¿Desea otro
nmin por otro
NO
método? 9. LIMPIEZA DE
LA MUESTRA. SÍ
NO
1 2
3
136
1 2 3
MUESTRA
SÍ NO
GRANDE
4
SÍ SÍ
16. Determinación del 4
intervalo de confianza.
20. Conclusiones.
137
Nombre: Carlos Manuel Bonet Borjas. Ingeniero
Mecánico especializado en Mecanización Portuaria. Master en Ingeniería de
Mantenimiento (26 de octubre de 2000). Profesor del Departamento Centro de
Estudio de Ingeniería de Mantenimiento (CEIM) de la Facultad de Ing. Mecánica,
ISPJAE, desde 1979. 32 años de experiencia. Ha impartido hasta el momento 24
asignaturas diferentes en varias disciplinas, fundamentalmente en: “Explotación
Técnica y Montaje de Equipos Portuarios” desde 1979 hasta 1988, en la Facultad
de Transporte, en La Cujae, "Explotación Técnica de Máquinas Automotrices " en
las temáticas de lubricación, fiabilidad, mantenimiento y diagnóstico desde 1988
hasta el 2000, ”Mantenimiento” desde 2001 hasta 2009, profesor principal en esta
asignatura en el Departamento de Ingeniería del Transporte, de la Facultad de
Ingeniería Mecánica, en La Cujae. Se han impartido 51 postgrados, 19 cursos
facultativos y 10 conferencias. Tutor de 86 trabajos de diplomas de pregrado, 27
trabajos de diplomas de potsgrados (en diplomados, maestrías), 291 proyectos de
curso en 4to y 5to año de la carrera, 19 grupos estudiantiles de trabajo científico
(GETC). Asesor de 26 trabajos de diploma y 2 trabajos de diploma de maestría.
Oponente de 39 trabajos de diploma de pregrado y 8 de postgrado. Participación
en 69 tribunales de trabajos de diploma de pregrado y 22 de postgrados, 69
tribunales de proyectos de curso y de Fórum Estudiantil, 6 tribunales provinciales
de la UNAICC, un tribunal nacional de la UNAICC. Se ha participado en 60
eventos internacionales y nacionales. Publicaciones: Un textos con 2 tomos
(1987), otro en Ecuador (2009), 6 folletos, 20 monografía, 12 artículos y 47
publicaciones en memoria de eventos y otros. Trabajos investigativos: 14
servicios científicos técnicos y 22 asesorías. Superación. 31 postgrados recibidos
y además de 17 seminarios y cursos especializados. Defensa de La Maestría,
octubre del 2000. Grupos de trabajos multidisciplinarios: 5. Países visitados: 3
(Rumanía-estudio de pregrado- un año-1972-1973, Bulgaria-visita--1973, España-
misión de estudio- 15 días- 1987)
138