INTRODUCCION A LA FIABILIDAD,

ANALISIS DE FALLO, APLICACION AL

DISEÑO Y AL MANTENIMIENTO

1
 ¿Qué es la fiabilidad?

Permanencia de la calidad de los productos

Fiabilidad: (o servicios) a lo largo del tiempo.
Capacidad de desarrollar adecuadamente su
labor a lo largo del tiempo.

Definición AFNOR X 06-501

¨Fiabilidad es la característica de un dispositivo expresada por la probabilidad
de que un dispositivo cumpla una función requerida en las condiciones de
utilización y para un período de tiempo determinado¨.

Probabilidad: es la relación número de casos favorables número de casos

posibles asociada a un tiempo t .

Se denomina R (t) = P (cumplir una misión) = P (buen funcionamiento)

R traducción del inglés Reliability
2
La Fiabilidad intenta garantizar que el producto permanecerá
en buenas condiciones durante un periodo razonable de tiempo

Según la definiciones se tiene que pensar muy claramente qué

significa
• Funcionamiento satisfactorio
• Tiempo de funcionamiento (Misión)
• Condiciones de funcionamiento

3
 Necesidad de fiabilidad
Desde un punto de vista puramente económico, es deseable una
alta fiabilidad para reducir los costos totales del producto.
El hecho de que en algunos sistemas militares el costo anual de
mantenimiento sea diez veces el costo original del mismo, pone
de manifiesto esta necesidad. (ciclo vida)
También hay que considerar el aspecto de seguridad (el fallo de
un sistema ABS en un automóvil puede ser catastrófico).
Existen otro aspectos como retrasos de horarios, incomodidades,
insatisfacción del cliente y pérdida de prestigio del fabricante.
Cada vez son más las empresas y organismos que en sus
contrataciones exigen ciertas normas de fiabilidad (MIL HDBK
217 en USA…)

4
 Perspectiva histórica de la teoría de la fiabilidad
• Estudios para poder evaluar la mortalidad derivada de las
epidemias.
• Compañías de seguros, para determinar los riesgos de sus pólizas
Orígenes: de seguro de vida.
• Tablas de vida: La primera tabla de vida data de 1693 y es
debida a Edmund Halley

se utilizaban los métodos actuariales tanto para estimar la

supervivencia de pacientes sometidos a distintos tratamientos
como para estudiar la fiabilidad de equipamientos, en particular de
Siglo XX: los ferrocarriles.
En 1939 Waloddi Weibulll, cuando era profesor del Royal Institute
of Technology en Suiza, propuso una distribución para describir la
duración de materiales, que más tarde llevaría su nombre.

En 1951 Epstein y Sobel empezaron a trabajar con la distribución

exponencial como modelo probabilístico para estudiar el tiempo de vida
de dispositivos
5
 Paradigmas

•En la industria los equipos y sistemas crecen en

complejidad.

•Existen mayores exigencias a la eficiencia de los

costos del ciclo de vida útil de las maquinas de
producción.

•Cada fabricante intenta llegar al objetivo de calidad

exigido por el mercado al mínimo costo posible.

6
 Objetivo de Fiabilidad y Mantenibilidad

Desde el diseño existe la necesidad de entregar

equipos o sistemas que tengan las prestaciones
deseadas por el Cliente y que además sean
Confiables, de fácil mantenimiento y con
funcionamiento seguro y económico durante su vida
útil.

7
 Las Teoría de la Fiabilidad Incorporan la
incertidumbre a la Ingeniería.

• Podríamos decir que la certeza de un hecho (en nuestro contexto

de Falla de Maquina), es un acontecimiento DETERMINISTA con un
resultado finito.
• En cambio la incertidumbre de un hecho seria un acontecimiento
INDETERMINISTA con un resultado probabilístico.

8
 Fiabilidad y Mantenimiento
Desde el punto de vista de la ingeniería, la fiabilidad es la
probabilidad de que un aparato, dispositivo o persona desarrolle
una determinada función bajo condiciones fijadas durante un
periodo de tiempo determinado.
• La confiabilidad de un elemento puede ser caracterizada a través
de distintos modelos de probabilidades.
• Podemos describir varias distribuciones de fallas comunes y ver
qué podemos aprender de ellas para gestionar los recursos de
mantenimiento. Convirtiendo el conocimiento ganado de ellas en
acciones PROACTIVAS de Mantenimiento y aplicarlas en el Diseño.

9
 Herramientas de Fiabilidad
Se estudia mediante el análisis estadístico de
datos de supervivencia.
ISO define fiabilidad como la probabilidad de que un
componente o sistema, desarrolle durante un periodo de
tiempo dado, la tarea que tiene encomendada sin fallos, y en
las condiciones establecidas.

Estudiar Duraciones de Procesos que es común en muchas ciencias:

• Duración de un componente (Fiabilidad)
• Supervivencia de un paciente a un tratamiento (Medicina)
• Duración del desempleo (Economía)
• Edad de las personas (Demografía y sociología)
10
 Veamos, a partir de un histograma podemos desarrollar las cuatro
funciones de importancia para la caracterización de la fiabilidad.

MES fallas 7

ENERO 2
FEBRERO 5 6

MARZO 7
ABRIL 8 5
Fallos

MAYO 7 Serie1
Serie2
JUNIO 6 4
JULIO 5
AGOSTO 4 3
SEPTIEMBRE 3
OCTUBRE 1
2
TOTAL 48
1

0
ENERO FEBRERO MARZO ABRIL MAYO JUNIO JULIO AGOSTO SEPTIEMBRE OCTUBRE
Meses

11
 - pdf. Probability Density Function
En estudios de mantenimiento necesitamos pasar del anterior histograma a funciones
continuas, debido que la variable tiempo de fallo es continua. Esta funciones nos dan una
idea clara de la distribución de fallos. Empezamos por la función llamada pdf que indica la
densidad probable de fallas en cada intervalo t, cuyo total será el área encerrada bajo la
curva e igual a: pdf = 48/48 =1
9

t2
f (t )   f (t )d (t )
8

7 t1

f(t)

Serie1
3

0
ENERO FEBRERO MARZO ABRIL MAYO JUNIO JULIO AGOSTO SEPTIEMBRE OCTUBRE
Meses

Pudiendo llamar a t1 y t2, -∞ y ∞ respectivamente

12
 CDF Cumulative Density Function:
aquí de -∞ a Tiempo t, seria la probabilidad de que falle en tiempo t.

t
F (t )   f (t )dt el área bajo la curva - transcurrido t (Función Repartición ) cdf=14/48

9

f(t)

0
ENERO FEBRERO MARZO ABRIL MAYO JUNIO JULIO AGOSTO SEPTIEMBRE OCTUBRE
Meses

Intervalo -∞ a t, la acumulación de fallas

Tiempo t 13
 R(t) Reliability (Fiabilidad)
Esta es la probabilidad de éxito o sea que sobrevivan sin falla
transcurrido el mismo tiempo t. Representando por el área bajo la
curva t hasta infinito. R(t)= 1- cdf


9 R(t )   f (t )dt
t
8

f(t)

0
ENERO FEBRERO MARZO ABRIL MAYO JUNIO JULIO AGOSTO SEPTIEMBRE OCTUBRE
Meses

Tiempo t 14
 h (t) Función riesgo = pdf/1-cdf
El último tipo de función que tenemos derivada de las anteriores, es la Función de
Riesgo, también llamada tasa de falla λ o tasa de mortalidad h(t).

(t)
DOMINIO ELECTRONICO

desclasificación
Hipótesis exponencial
 constante

1 2 3
Edad t
desarrollo obsolescencia
Madurez (fallos aleatorios)
Inicio utilización

15
 h (t) Función riesgo = pdf/1-cdf

DOMINIO MECANICO

(t)
Influencia del desgaste
Curva debida a los sobre  (t)
fallos precoces

desclasificación

Madurez

1 2 3
Edad t
Puesta en servicio rodaje obsolescencia

 f (t )   f (t ) 
h(t )    
 R (t )  1  F (t ) 

16
 Cuando la tasa de fallo del elemento responde a la curva de la bañera es
conveniente realizar un ensayo acelerado del mismo (en condiciones de stress)
para que supere la zona de mortalidad infantil o fallas infantiles.

– determinar cuando comienza la vida útil del producto y ofrecer a los clientes una
garantía de funcionamiento durante ese periodo de funcionamiento problemático.
– Una vez superado el periodo crítico, la empresa está razonablemente segura de que el
producto tiene una posibilidad de fallos reducida 17
 n i
TBFi
MTBF  
0 n

18
La distribución de fallas de diferentes tipos de maquinaria no son las
mismas. Aun varían en una misma maquina durante su operación. Sus
formas pueden ser estudiadas a partir de las funciones pdf, cdf y tasa de
falla de los datos reales de mantenimiento o de ensayos de fiabilidad. Estos
dan forma a determinadas expresiones matemáticas conocidas como
distribuciones obteniendo:

•Dist. Exponencial
•Dist. Normal
•Dist. Lognormal
•Dist. Weibull

19
 EL MODELO EXPONENCIAL

f (t) =  exp (-t), t0

pdf
cdf F(t) = 1 - exp(-t), t  0

R(t) R(t) = exp (-t ), t0  = h(t)

20
 EL MODELO DE WEIBULL
f (t) =5
x)

e t  
=0,  1 
   t   
5x)
=3,6 f (t )    
=1

   
f
x) =2,
(x)
5x)  parámetro de forma  > 0;
=2
x)  parámetro de escala  > 0;
 parámetro de posición -  <  < +
t

 

(t) t 
=4 F (t )  1  e 
3

2
2
1
1,5
0,
5 1
0,5t
t
21
Ti: 93, 34, 16, 120, 53 y 75

22
Las características de la distribución de Weibull

23
Las características de la distribución de Weibull

24
 Las características de la distribución de Weibull

f(t) - El parámetro de posición  (en unidad de tiempo)

Se llama también parámetro de diferenciación o de
localización.
Significado:  indica la fecha de inicio de los fallos.

-- si  > 0, hay supervivencia total entre t = 0 y t = ;

-- si  = 0, los fallos empiezan en el origen del tiempo;

2 < 0 t -- si  < 0, los fallos han empezado antes del origen del
2 = 0 2 > 0
tiempo.

25
 Ejemplo
Obtención de la fiabilidad de neumáticos a través del
Análisis de la degradación
Siete marcas de neumáticos fueron controlados en su desgaste cada
5.000 millas, midiendo la profundidad de cada uno. La tabla que
contiene las mediciones desde su inicio hasta las 30.000 millas

f (t) =  exp (-t), t0

F(t) = 1 - exp(-t), t  0

R(t) = exp(-t ), t0

Degradación Critica y= 2 mm

26
Ejemplo

27
Ejemplo

28
Ejemplo

29
Ejemplo

30
Ejemplo

31
Ejemplo

32
 Ejemplo
5 ejes templados se ensayan a la resistencia hasta que
Ciclos se rompen.
10263
12187
16908
18042 Gráfico de Weibull
porcentaje acumulado

23271
99,9
99 Est.: Reg. por Rangos
90 Forma: 3,2502
70
50 Escala: 17999,7
30 Origen: 0,0
20
10 Fracasos: 5
5 Tamaño de la muestra

1
0,5

0,1
1000 10000 100000
Col_1 90 % = 24000 Ciclos
8 % = 8000 Ciclos
50 % = 17000 Ciclos
33
 Dis tribución de Weibull
(X 0,00001)
8

6
d e n s id a d

0
1000 10000 100000
Col_1
Dis tribución de Weibull s uper v iv enc ia
Dis tribución de Weibull
ac um ulat iv a

1 1

0,8 0,8

0,6 0,6
de
pr obabilidad

0,4 0,4
pr obabilidad

0,2 0,2

0 0
1000 10000 100000
1000 10000 100000
Col_1
Col_1
34
 Ejemplo
Estado Tiempo
Fo S FoS
S 23
S 25
S 27
S 28
S 29
S 29
S 29
S 31
S 34
F 35
S 36
S 36
S 36
S 37
F 38
S 38
S 38
S 39
S 39
S 39
S 39
S 39
S 39
S 40
S 41
S 41
S 41
S 43
F 46
F 51
S 52
S 53
F 54
S 54
S 55
S 55
F 58
S 59
F 61
S 63
F 64
F 68
F 69
F 72
S 74
F 75
F 77
F 78
F 82
F 88
35
 Ejemplo

Policy Value $100.000,00

Policy Period 1 Year

Analysis Time Range

Start Age 40 Increase by:1

Prima Mensual
Current Age Estimate Lower CL Upper CL
40 $46,65 $23,78 $91,38
41 $51,63 $27,07 $98,36
42 $57,01 $30,69 $105,77
43 $62,80 $34,65 $113,66
44 $69,03 $38,98 $122,05
45 $75,71 $43,69 $131,00
46 $82,86 $48,79 $140,54
47 $90,52 $54,28 $150,73
48 $98,70 $60,18 $161,64
49 $107,42 $66,47 $173,32
50 $116,71 $73,17 $185,85
51 $126,59 $80,27 $199,31
52 $137,08 $87,75 $213,79
53 $148,22 $95,61 $229,37
54 $160,02 $103,83 $246,15
55 $172,51 $112,40 $264,24
56 $185,71 $121,30 $283,73
57 $199,65 $130,51 $304,74
58 $214,36 $140,02 $327,37
59 $229,86 $149,82 $351,74
60 $246,18 $159,89 $377,96

36
 Ejemplo aplicado al
mantenimiento

Frezadora ZAYER 3000 BF. En el año 1990 se le realizó retrofiting a la máquina

donde se le cambió el c.n.c. Gettys original por uno marca Fagor.

37
 Histórico de Fallos Mecánicos
RANGOS MARCAS DE
CAUSA TBF F (t) MARCAS DE F (t) PARA
i TTR [DIAS] MEDIANA CADA 21 CLASE
ASIGNADA [DIAS] INFIABILIDAD CLASE [DIAS] MARCAS
DIAS [MESES]
1 MECANICA 0,458333 15 0,04 0,04
0-21 10 0,33 0,07
2 MECANICA 1,666667 21 0,10 0,10
3 MECANICA 2,416667 22 0,16 0,16 22-42 31 1,03 0,16
4 MECANICA 2,500000 43 0,21 0,21
5 MECANICA 0,625000 45 0,27 0,27 43-63 52 1,73 0,27
6 MECANICA 1,666667 62 0,33 0,33
7 MECANICA 0,500000 69 0,39 0,39
8 MECANICA 0,500000 81 0,44 0,44 64-84 73 2,43 0,44
9 MECANICA 1,666667 82 0,50 0,50
10 MECANICA 0,625000 104 0,56 0,56 85-105 94 3,13 0,56
11 MECANICA 0,458333 109 0,61 0,61
106-126 115 3,83 0,64
12 MECANICA 0,291667 113 0,67 0,67
13 MECANICA 7,541667 147 0,73 0,73 127-147 136 4,53 0,73
14 MECANICA 1,166667 148 0,79 0,79
15 MECANICA 0,666667 163 0,84 0,84 148-168 157 5,23 0,84
16 MECANICA 1,916667 164 0,90 0,90
17 MECANICA 0,250000 204 0,96 0,96 190-210 199 6,63 0,96

MTBF (Teórica en meses) 2,37

MTTR (DIAS) 0,33
SUMATORIA TTR DIAS 6,000000 EN 6,5 AÑOS

38
 RANGOS MARCA DE
TBF F (t) MARCA DE F (t) PARA
MEDIANA CADA 17 CLASE
[DIAS] INFIABILIDAD CLASE DIAS MARCAS
DIAS MESES
13 0,04 0,04
0-17 8 0,27 0,07
16 0,09 0,09
19 0,15 0,15
23 0,20 0,20 18-34 26 0,87 0,20
26 0,26 0,26
38 0,31 0,31
35-51 43 1,43 0,34
53 0,36 0,36
55 0,42 0,42
52-68 60 2,00 0,45
68 0,47 0,47
77 0,53 0,53 69-85 77 2,57 0,53
80 0,58 0,58 86-102 94 3,13 0,58
86 0,64 0,64
87 0,69 0,69
103-119 111 3,70 0,72
93 0,74 0,74
97 0,80 0,80
134 0,85 0,85 120-136 128 4,27 0,85
150 0,91 0,91 137-153 145 4,83 0,91
164 0,96 0,96 154-170 162 5,40 0,96

MTBF (Teórica en meses) 2.37

MTTR (DIAS) 0.33
SUMATORIA TTR DIAS 6.000000 EN 6,5 AÑOS

39
 .
. .
..
.
.
.. ..
. .
. .
.
. .

. .

0,1 1 10 100
1 10 100 MTBF~2,5
0,1 MTBF~3,4 MESES
MESES 40
 PROYECTO DE INVESTIGACION
Estudio probabilístico de Fallos, uso del
Dataminig y Datawarehouse para su aplicación
al Mantenimiento
1. Introducción
2. Origen de la Propuesta.
3. Aportes de cada Disciplina: Ing. Fiabilidad y Sistemas de
Información.
4. Objetivos
5. Metodología de Trabajo
6. Impacto esperado/Transferencia al Medio
7. Avance del Proyecto
8. Conclusión
9. Integrantes del Equipo de Trabajo

41
 1. Introducción

 Este proyecto está orientado a estudiar y analizar el impacto

de aplicar TI/SI al estudio probabilístico de los fallos en el
Mantenimiento, como función cuyo objetivo es la prolongación
y/o recuperación de las funciones de determinado componente
o máquina.
 Si las máquinas no fallaran, no habría mantenimiento,
conceptualizando los Fallos como eventos indeseables que
debemos tratar de evitar, prevenir o anticipar a través del
estudio de su probabilidad de ocurrencia mediante métodos
probabilísticos automáticos.

42
 .
2. Origen de la Propuesta

Trabajo en Equipo de dos cátedras de la carrera:

 Fundamentos de Informática: 1er. Nivel y uno de sus objetivos
es formar elementos de juicio orientados a la resolución
automática de problemas, mediante a través del desarrollo de
destrezas en el uso tanto de Hardware como de Software.
 Mantenimiento: 5to. Nivel y cuyo objetivo es gestionar el
mantenimiento a través de herramientas que permitan
dominar fallos, por metodologías basadas en registros de
confiabilidad del material y su comportamiento; TPM,
Mantenimiento Preventivo, Análisis de Software y outsourcing.
En todos los casos, el proyecto se desarrolla con actividades
docentes, por lo cual la transferencia al aula es directa.

43
 3. Aportes de cada Disciplina:
Ing. Fiabilidad e Ing. Sist. Información

 Ingeniería Fiabilidad
Es el estudio de la longevidad y fallo de los equipos, que
investiga sus causas a través de la aplicación de una
metodología basada en dos enfoques:
- Modelos: deductivo, de tendencia, inductivo; utilizado en la
etapa de diseño del material.
- Métodos para cálculo de Fiabilidad son dos: Analítico (fórmulas
matemáticas, simulación de escenarios) y Gráfico (ensayos de
larga duración o acelerados).
- Todos los estudios de fiabilidad están sometidos a su
tratamiento a través de la variable continua tiempo; en el cual
se analiza la tasa de fallo.

44
 La Informática como una ciencia de aplicación interdisciplinaria
se transforma en una excelente herramienta para la Toma de
Decisiones automáticas a través del uso de Base de Datos.
 Base de Datos: colección de datos y/o documentos digitales
que pueden ser homogéneos o no, que disponen de Sistemas
de Gestión de Bases de Datos (relacionales o documentales) y
un conjunto de aplicaciones que hacen posible su publicación,
integración y consulta dentro o fuera de Internet
(Telemantenimiento).
 Herramientas de Bases de Datos:
- Datawarehouse (DW)
- Datamining (DM)

45
- DW o Almacenes de Datos:
Generan Bases de Datos tangibles con una perspectiva histórica,
utilizando datos de múltiples fuentes (excel, access, sql, etc.) que
se fusionan en forma congruente y son soportados por un motor
de BD fuerte y con gran capacidad de almacenamiento.

- DM o Minería de Datos:
Predicen futuras tendencias y comportamientos, permitiendo en los
negocios tomar decisiones proactivas y conducidas por un
conocimiento acabado de la información (knowledge-driven) de los
fallos. Se basan en la extracción de información oculta y
predecible de grandes Bases de Datos; que nos permiten
responder a preguntas sobre el comportamiento del material en
los fallos, que consumen demasiado tiempo para poder ser
resueltas y cuyos usuarios de esta información no están dispuestos
a aceptar. Ej.: Reportes.

46
La Minería de Datos es una disciplina que está influyendo
en nuestros días dentro del ámbito del análisis de datos.

- Es un conjunto de metodologías y herramientas que permiten

extraer el conocimiento útil (patrones de comportamiento,
modos de operación, información útil para descubrir fallos,
tendencias, etc.) para la ayuda en la toma decisión,
comprensión y mejora de proceso o sistemas, etc; partiendo de
grandes cantidades de datos.
- Esta herramienta no se basa en una metodología estándar y
genérica que resuelve todo tipo de problemas, sino que
consiste en una metodología dinámica e iterativa que va a
depender del problema planteado, de la disponibilidad de las
fuentes de datos, del conocimiento de las herramientas
necesarias y de los requerimientos y recursos de la empresa.
- Ej. Campos de aplicación control, optimización y supervisión de
procesos industriales, control de calidad, tendencias de la Bolsa
de Valores, diagnóstico de enfermedades,predicción de ventas,
detección de fraudes y evasión de impuestos, lavado de dinero,
etc.

47
 4. Objetivos del Proyecto de Investigación

 Automatizar el tratamiento de fallos a través del uso de las

Bases de Datos para su estudio de comportamientos que
permitan tomar decisiones proactivas basadas en repositorios
de datos históricos y en la criticidad de los sistemas en
funcionamiento.
Objetivos derivados:
- Determinar si la aplicación de ambas herramientas (DW y
DM) facilitan no solo análisis prospectivos automatizados (M.
Preventivo) de los fallos, sino eventos futuros cuyo
comportamiento puede inferirse del análisis de ciertos
parámetros.
- Crear conciencia en los alumnos, para que a partir del uso de
estas herramientas, en problemas reales y de distinto nivel de
complejidad, apliquen sistemas de Gestión de Información al
Mantenimiento.

48
 5. Metodología de Trabajo

 El proceso es realizado en una secuencia de actividades,

algunas de estas superpuestas en el tiempo, pero básicamente
responden a los siguientes pasos:
- Preparación del estudio.
- Selección del Sistema y de sus límites (muestra representativa)
- Análisis del Sistema, datos existentes y medios estadísticos
aplicados al estudio de fiabilidad.
- Evaluación de consecuencias de fallos.
- Establecer algoritmos que permitan generar un Sistema de
Decisión o respuesta al fallo.
- Aplicarlo a escala piloto y determinar su aplicabilidad.
- Validarlo.
Cabe aclarar que esta Metodología forma parte de un Plan de
Trabajo a mediano plazo presentado por la U.T.N. – F.R.C.

49
 6. Impacto esperado/Transferencia al Medio
 Nuestra intención es que este Proyecto Innovador repercuta
positivamente en tres escenarios:
- Científico y/o tecnológico:
Basado en el uso de un software especializado (enlatado)
desarrollado para satisfacer las necesidad primordiales del área
Fiabilidad. Algunos son:
- JMPTM (www.jmpdiscovery.com)
- SAS (www.sas.com/statistics)
- ReliaSoft’s Alta 6 (www.reliasoft.com)
- BQR (analizando factibilidad de adquirir licencia académica)
- Formación de RRHH:
Los Docentes involucrados, en su rol natural de multiplicadores de
conocimiento, motivarán y formarán alumnos con una clara visión
estratégica de la gestión de mantenimiento automatizado a través
del uso de herramientas Informáticas; ya que la transferencia al
aula es directa.
Consolidará en el seno del Dpto. Grupos de I&D, que interactuarán
en forma interdisciplinaria; así como capacitación en temas
DW/DM para Docentes de la carrera.
50
- Desarrollo Socio-Económico:
La Fiabilidad y el Mantenimiento protegen tanto el rendimiento
de la Empresa como de sus inversiones; por ello se define la
Fiabilidad como la Calidad a través del tiempo.
Hoy en día, los costos asociados a los fallos en la Industrias
con muy significativos (relación costo-beneficio).
Transferencia al medio de resultados obtenidos:
Es muy probable en etapas más avanzadas, ya que hay
Empresas productivas interesadas en esta investigación pues
un paro en la producción por mantenimiento o avería de las
máquinas suponen un coste inadmisible en términos de
productividad.
La Teleasistencia permite no sólo reparar la máquina desde
instalaciones del fabricante sino mantener un control
automático y preventivo de los equipos.
Y el futuro de la aplicaciones HMI (Human Machine Interface)
en la industria de la automatización descansa en la idea de ser
el puente entre el área de control y el área de la información.

51
 7. Avance del Proyecto de Investigación
 Plan de Trabajo ha sido presentado a tres años, y está a la
espera de aprobación como Proyecto Promocional por
Rectorado, para formar parte de la Acreditación de la carrera
 Hoy: estamos avanzando en dos líneas bien definidas:
- Una dedicada al análisis del Software (enlatado) de Fiabilidad
que mejor se adapte a nuestras necesidades; donde la opción
BQR posee una versión académica que podría ser adquirida
por la Facultad y exige un trabajo de campo concreto de un
alumno de la cátedra pertinente (Mantenimiento).
- Otra referida a cuál es el mejor motor de Base de Datos que
se adapte a nuestros requerimientos, y estamos analizando los
siguientes:
a. Motor de Base de Datos SQL 2005: que trae un módulo de DW
para usuarios de conocimientos medio.
b. Motor de Base de Datos Oracle: que en su versión 10 gi presenta
interesantes ventajas competitivas.
Estamos analizando dos aspectos trascendentes: licencia del Software
y (BD) y capacitación al equipo de trabajo interdisciplinario.

52
 8. Conclusión

Consideramos que este proyecto innovador y de carácter

interdisciplinario, mejorará la perfomance en lo referido a
disminución de fallos de los equipos en particular y de una
línea de producción en general; a través de la
automatización del proceso de toma de decisiones mediante
un DW o DM.

53
Muchas Gracias !!

54