Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
confiabilidad y
mantenibilidad
ME57A ./me57a/confiabilidad.ppt
Rodrigo Pascual J.
16 de agosto de 2007
14 de marzo de 2007
23-25,30 de agosto de 2006
19-31 de agosto de 2005/1,6 de abril de 2005
1 de septiembre de 2004/5 de abril de 2004
4 de septiembre de 2003/16 de abril de 2003
y calcular:
confiabilidad,
tasa de fallas
Evaluacin
Sntesis
Anlisis
Aplicacin
Comprensin
Conocimiento
Dr. Rodrigo Pascual
Motivacin
Fallas
aleatorias,
Estudiaremos
Ingeniera
de la confiabilidad
Objetivos
Definir programas
Preventivos
predictivos
Reemplazo de equipos
Agrupamiento de intervenciones
overhaul
Indicadores
Dificultades
incertidumbre
efectos de cambios en el
comportamiento
Escasez de datos
Tipos de intervenciones
Tipo
Correctivas
Preventivas
M.P. Sistemtico
centrado en la condicin
Calidad
Perfectas
Como nuevo
Mnimas
Como antes
Imperfectas
Dr. Rodrigo Pascual
Distribuciones
eventos discretos
(nmero
de fallas..)
eventos continuos
cantidades
fsicas
masa, temperatura,..
Distribuciones
1 parmetro
Exponencial
Poisson
2 parmetros
Normal
3 parmetros
Weibull
mas
Bi-Weibull
Dr. Rodrigo Pascual
Distribucin exponencial
Tasa de fallas
tasa
1/
tiempo
Distribucin de Poisson
Describe
numero
de eventos aleatorios
Parmetro
Poisson
m=T
Valor
esperado de x
Dr. Rodrigo Pascual
m
T
Probabilidad acumulada
En excel,
POISSON(x;media;acumulado)
Ejemplo
Equipo
1
2
3
4
5
total fallas
Dr. Rodrigo Pascual
Horas de seguimiento
Stand-by
Operacin
2800
400
300
2500
2700
700
2500
800
0
3100
7
12
Ejemplo
Solucin
=
total horas operacin =
=
nro de fallas en operacin =
Horas de seguimiento
Stand-by
Operacin
tasa de falla
global
1
2800
400
2
300
2500
3
2700
700
4
2500
800
tasa
de
falla
prome
dio
5
0
3100
total fallas
12
=
=
=
=
7
8300
8:4E 4 fallas/ hora
400+ 2500+ 700+ 800+ 3100
7500
12
12
fallas/hora op.
7500
1:6E 3 fallas/ hora
7+ 12
8300+ 7500
1:2E 3 fallas/ hora
8:4E 4+ 1:6E 3
2
1:2E 3 fallas/ hora
agregado
Distribucin gaussiana
Densidad de probabilidad
m , media
, varianza
Probabilidad acumulada
Obs
F(x)
se evala con cambio de variable
Ejercicio
probabilidad de que
una mquina no falle durante un da
si
Promedio:
10 fallas/semana laboral (5
das)?
=10 fallas/semana laboral
Dr. Rodrigo Pascual
Solucin
m=T
T:1 da
Dr. Rodrigo Pascual
Ejercicio
tasa de falla: 1/10000 fallas/ut;
probabilidad de que falle entre las
200 y 300 ut?
Solucin
0,0001
=10-4 fallas/ut
Ejercicio
Decisin:
Que
Criterio:
Duracin
de una resistencia
600 horas
desviacin
standard
120 horas
Recomienda
el modelo?
Dr. Rodrigo Pascual
Solucin
Confiabilidad
n(t)
R(t) =
N
R(t) + F (t) = 1
Dr. Rodrigo Pascual
Obs
intervalo
Costos de falla asociados
Costos de intervencin esperados
presupuesto
Observaciones
Observaciones
estimando (t)
confiabilidad del equipo
plazos
de mantenimiento
preventivo
Dr. Rodrigo Pascual
Estimar
directamente
R,
o:preventiva
x:correctiva
Tiempo calendario
en el instante ti
quedan
n
- i unidades
operando.
i=
1 2 3
Edad
x
tiempo
Estimacin inicial
Por lo tanto,
Obs
O sea,
posibilidad
nula de que
hayan unidades
operando para t > tn.
poco probable
que
muestra incluya
el tiempo de
supervivencia ms
largo,
se subestima R
Dr. Rodrigo Pascual
Adems,
Es razonable que
las
primeras y las
ultimas observaciones,
F=i/n
tengan la misma
distancia con respecto
al 0% y 100% de
posibilidad
simetra
25%
Dr. Rodrigo Pascual
100%
Estimacin de F (II)
-rangos mediosF=i/n
25%
100%
F=1/(n+1) 20%
80%
F=1/n
25%
100%
F=i/(n+1) 20%
80%
tabla
84%
F=i/n
16%
F=(i-0.3)/(n+0.4)
16%
84%
Dr. Rodrigo Pascual
Ejemplo, n=8
(t)
b Maquinas
Curso Mantencin tde
tiempo
0
tb tu
Confiabilidad
Modelo de Dhillon
0.9
0.8
0.7
0.6
(t)
0.5
0.4
0.3
0.2
0.1
0
tiempo
10
TBF0
TBF1
TBF2
TBF3
tiempo calendario
Dr. Rodrigo Pascual
Ejemplo
componente
confiabilidad
linealmente decreciente
La confiabilidad es
R(0)=
1
R(10000)=0
Calcule su MTBF.
Dr. Rodrigo Pascual
10000
Ejemplo
Ejemplo
Si
=
2E-6 fallas/hora,
Calcule
confiabilidad
operacin
MTBF
Dr. Rodrigo Pascual
MTBF
Desgaste mecnico
Ejemplo
Si
b = 2E-6 fallas/h^2
a = 1E-7 fallas/h,
Calcule MTBF
edad
Dr. Rodrigo Pascual
en Maple:
> MTBF:=int(exp(-(.5*1e-7*t^2+2e-6*t)),t=0..infinity);
Mantenibilidad
Tasa de reparacin
Anlogo
Tasa
de fallas:
de tiempo-
Ejemplo
Comp. A
falla 1
falla 2
TTR
Comp. B
falla 1
Comp. C
falla 1
falla 2
TTR
T
Horizonte
unidades
time to repair
tiempo inicio falla
100
horas
40.1
83
1.5
3.8
TTR
41.4
1.3
TTR
40.6
82
1.1
1.5
Ejemplo
Comp. A
falla 1
falla 2
TTR
Comp. B
falla 1
Comp. C
falla 1
falla 2
TTR
T
Horizonte
unidades
time to repair
tiempo inicio falla
100
horas
40.1
83
1.5
3.8
TTR
41.4
1.3
TTR
40.6
82
1.1
1.5
Distribucin de Weibull
en estudios de confiabilidad
sistemas
mecnicos.
Ventajas
muy
fexible,
adaptable a una variedad de
observaciones experimentales.
Dr. Rodrigo Pascual
Ley de Weibull, 3
parmetros
(t)=
adimensional
ut
ut
=0
=3
=1
=.5
Edad del componente
Dr. Rodrigo Pascual
(t)=
Modelo de Weibull
=2
1.6
1.4
3 parmetros
=3
1.2
0.8
=1
0.6
0.4
=.5
0.2
0
0.2
0.4
0.6
0.8
tiempo
1.2
1.4
1.6
1.8
Weibull
Funcin Gamma
Obs
caso = 0, = 1
exponencial
= 1/
Para > 3
distribucin
normal.
Si =0
Weibull
Estimacin grafica
Estimacin de F(t)
mtodo de rangos medianos si la
poblacin es pequea:
F(i) = (i 0.3)/(n + 0.4)
mtodo de rangos medios:
F(i) = i/(n + 1)
i :indice de la observacin (ti < ti+1).
Aplicacin practica
1.
2.
3.
4.
5.
Weibull
Si 0
cambio
de variable,
t=t-
Zona
imposible
log t
Dr. Rodrigo Pascual
Ejemplo, poblacin de
componentes
Un grupo de rodamientos tuvieron
las siguientes duraciones:
801 312 402 205 671 1150 940 495
570
Se desea conocer la confiabilidad
para una vida de 600 horas y el
MTTF.
Hace en excel
En matlab
En matlab
eta=exp(P(2)/(-P(1)))
eta =
715.97
log(log(1/(1-F)))
0.5
-0.5
-1
-1.5
-2
-2.5
5.2
5.4
5.6
5.8
6.2
log t
6.4
6.6
6.8
7.2
Matlab (2)
weibplot([205 312 402 495 570 671 801 940 1150])
Weibull Probability Plot
0.96
0.90
0.75
0.50
Probability
0.25
0.10
0.05
Data
10
En maple
>MTBF=716*GAMMA(1+1/1.79)
Entonces MTTF = 636.9 horas
1.5
Ejemplo 0 , vida de
componentes1
0.5
-F
)))
-0.5
./me57a/datos/datos-conf1.xls
Dr. Rodrigo Pascual
Ajuste para =0
=0
1.5
0.5
log(log(1/(1-F)))
-0.5
-1
-1.5
-2
-2.5
-3
7.5
8.5
log t
9.5
10
Estudio
0.3
0.28
0.26
0.24
mnimo
0.22
|Ax-B|
0.2
0.18
0.16
0.14
0.12
800
900
1000
1100
1200
1300
1400
Ajuste ptimo
=1280
1.5
=0
1.5
0.5
0.5
log(log(1/(1-F)))
log(log(1/(1-F)))
-0.5
-0.5
-1
-1.5
-1
-1.5
-2
-2
-2.5
-3
7.5
-2.5
8
8.5
log t
9.5
10
-3
6.5
7.5
log t
8.5
9.5
10
Verificacin de modelos
probabilidad
errneo.
Test 2
Condicin
al
menos n = 50 observaciones.
Pasos
Test 2
El test se basa en
diferencias
entre
Test 2
Test 2
=r-k-1
donde
k
Test 2
hiptesis
observaciones
es rechazada si:
24
Ejemplo
Supngase que para un
grupo de equipos similares
se han observado los
siguientes TBF:
i
1
2
3
4
5
6
T BF (horas)
0-500
500-1000
1000-1500
1500-2000
2000-2500
2500-3000
P
ni
7
8
9
10
12
8
54
Curso Mantencin
Maquinas
Observacin
5 ndep
i es el numero de onservac
Dr. Rodrigo Pascual
Ejemplo
Hiptesis
ley
exponencial.
tasa de fallas = 1/1600 fallas/hora.
confianza 95%
Ejemplo
Modelo propuesto
Ejemplo
Test de aceptacin
Ejemplo
n = 54
= 6 - 1 - 1 = 4
tabla 2 entrega
(4;0.95)
= 9.49
Ver tabla
en Matlab
>>
chi2inv(0.95,4)
Ejemplo
E > 2(4,0.95)
Se
rechaza hiptesis
mejor
usar el test 2 .
Test KS
compara
la
se usan
valores
Kolmogorov-Smirnov
Sea
la distribucin
muestreada y F(t) la distribucin
propuesta.
La discrepancia para ti es:
Kolmogorov-Smirnov
= max(Dni )
depende solo de n; y se puede escribir
Ejemplo
Evidencia
TBF
(das):
23,16,56,71,4,25,51,30
Modelo
Gaussiana
media
34
desviacin standard 22,
Probabilidad
segn poblacin hipottica
En Excel
=DISTR.NORM.ESTAND((4-34)/22)
Kolmogorov-Smirnov
Dn = max(Dni )
Dr. Rodrigo Pascual
Kolmogorov-Smirnov
Kolmogorov-Smirnov
Segn la tabla
Dn
Dn,
= 0.127
para n = 8, = 0.05 es
D8,0.05
= 0.457
se acepta la hiptesis.
Kolmogorov-Smirnov
1.4
1.2
1
0.8
0.6
0.4
0.2
0
-0.2
-0.4
0
10
20
30 Dr. Rodrigo
40Pascual 50
Edad (ut)
Curso Mantencin
de Maquinas
60
70
80
0.9
0.8
0.7
t0
0.6
0.5
0.4
0.3
0
0.2
Dr. Rodrigo Pascual
0.4
Edad
0.6
0.8
Confiabilidad
condicional
probabilidad
que el
componente
sobreviva t ut mas
dado que
ha sobrevivido t0 ut
desde que estaba
como nuevo
ut:unidad de tiempo
Weibull de 2 parmetros
Ejemplo
=1/2,1,2,3
= 100 ut
t0=3/2MTTF(,)
Maple
>beta:=0.5;eta:=100;t0:=1.5*eta*GAMMA(1+1/beta);
> f0:=beta/eta*((t+t0)/eta)^(beta-1)*exp(-((t+t0)/eta)^beta)/exp(-(t0/eta)^beta);
>MRL:=int(t*f0,t=0...infinity);
> plot(exp(-((t+t0)/eta)^beta)/exp(-t0/eta)^beta),t=0..2*t0);
Comentarios
Datos
histricos
(sin suspensiones)
Anlisis de
confiabilidad
Edad
R(t)
MTBF
(t)
MTTR
, Weibull
vida asegurada/
predesgaste
vida remanente
esperada
confiabilidad
condicional
Bibliografa
R. Pascual. El Arte de Mantener (draft).
Universidad de Chile, 2007
P. Lyonnet. Maintenance Planning,
Methods and Mathematics. Chapman &
Hall, 1991.