Beruflich Dokumente
Kultur Dokumente
on de Activos Fsicos
ME5701
Viviana Meruane
Indice general
Contenidos
II
1 Introducci
on
1.1
1.2
Conceptos B
asicos . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.1
Falla . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.2
Mantenimiento, mantenibilidad . . . . . . . . . . . . . . . .
1.1.3
Confiabilidad . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.4
1.1.5
Tasa de falla . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.6
1.1.7
1.1.8
Relaciones u
tiles . . . . . . . . . . . . . . . . . . . . . . . .
1.1.9
Disponibilidad . . . . . . . . . . . . . . . . . . . . . . . . .
10
Estructura de costos . . . . . . . . . . . . . . . . . . . . . . . . . .
11
1.2.1
Costo de intervencion . . . . . . . . . . . . . . . . . . . . .
11
1.2.2
Costo de fallas . . . . . . . . . . . . . . . . . . . . . . . . .
12
1.2.3
Costo de almacenamiento . . . . . . . . . . . . . . . . . . .
12
1.2.4
Costo de sobre-inversiones . . . . . . . . . . . . . . . . . . .
13
1.2.5
13
ii
INDICE GENERAL
iii
2 Confiabilidad y M
etodos de Modelaci
on
15
2.1
Diagramas de Bloque . . . . . . . . . . . . . . . . . . . . . . . . . .
15
2.2
Sistemas no reparables . . . . . . . . . . . . . . . . . . . . . . . . .
17
2.2.1
17
2.2.2
17
Sistemas reparables . . . . . . . . . . . . . . . . . . . . . . . . . . .
21
2.3.1
Sistemas en serie . . . . . . . . . . . . . . . . . . . . . . . .
22
2.3.2
Sistemas Redundantes . . . . . . . . . . . . . . . . . . . . .
22
2.3
2.4
Configuraci
on
optima
. . . . . . . . . . . . . . . . . . . . . . . . .
26
2.5
Arboles
de falla . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
26
2.5.1
C
alculos . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
28
30
2.6.1
C
alculos . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
32
An
alisis de Pareto . . . . . . . . . . . . . . . . . . . . . . . . . . .
32
2.6
2.7
3 Modelos de Confiabilidad
3.1
3.2
35
Distribuciones estadsticas . . . . . . . . . . . . . . . . . . . . . . .
35
3.1.1
Distribuci
on Binomial . . . . . . . . . . . . . . . . . . . . .
35
3.1.2
Distribuci
on de Poisson . . . . . . . . . . . . . . . . . . . .
36
3.1.3
Distribuci
on Exponencial . . . . . . . . . . . . . . . . . . .
36
3.1.4
Distribuci
on de Weibull . . . . . . . . . . . . . . . . . . . .
37
Estimaci
on de parametros Weibull . . . . . . . . . . . . . . . . . .
38
3.2.1
=0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
38
3.2.2
6= 0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
41
3.2.3
44
4 Mantenimiento preventivo
46
INDICE GENERAL
iv
4.1
46
4.2
48
4.3
Selecci
on de la estrategia de mantenimiento . . . . . . . . . . . . .
52
4.3.1
52
4.3.2
. . . . . . . . . . .
54
56
4.4
5 Inspecciones
63
5.1
63
5.2
Frecuencia de inspecciones
optima con tasa de fallas variable en el
tiempo: Minimizacion de los costos . . . . . . . . . . . . . . . . . .
67
5.3
. . . .
68
5.4
70
6 Gesti
on de repuestos
73
6.1
Minimizaci
on de los costos desde el punto de vista de la bodega . .
73
6.2
Minimizaci
on del costo global con costo de falla . . . . . . . . . . .
76
6.2.1
80
7 Taller de mantenimiento
7.1
7.2
7.3
83
Teora de Colas . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
83
7.1.1
84
Numero
optimo de estaciones de trabajo para satisfacer la demanda
87
7.2.1
Definici
on del problema . . . . . . . . . . . . . . . . . . . .
87
7.2.2
87
7.2.3
Ejemplo numerico . . . . . . . . . . . . . . . . . . . . . . .
88
Esfuerzo
optimo del grupo de mantenimiento . . . . . . . . . . . .
90
INDICE GENERAL
7.4
7.3.1
Definici
on del problema . . . . . . . . . . . . . . . . . . . .
90
7.3.2
90
7.3.3
Ejemplo numerico . . . . . . . . . . . . . . . . . . . . . . .
92
Numero
optimo de maquinas por grupo de mantenimiento . . . . .
92
7.4.1
Definici
on del problema . . . . . . . . . . . . . . . . . . . .
92
7.4.2
93
7.4.3
Ejemplo numerico . . . . . . . . . . . . . . . . . . . . . . .
95
8 Reemplazo de equipos
8.1
8.2
8.3
96
Reemplazo
optimo de equipos: minimizacion del costo total . . . .
96
8.1.1
96
8.1.2
Ejemplo numerico . . . . . . . . . . . . . . . . . . . . . . .
97
98
8.2.1
99
8.2.2
8.3.2
9 Planificaci
on y secuenciaci
on de tareas
104
9.1
Decisiones de secuencia
9.2
9.3
. . . . . . . . . . . . . . . . . . . . . . . . 104
9.2.1
Definici
on del problema . . . . . . . . . . . . . . . . . . . . 105
9.2.2
9.2.3
INDICE GENERAL
9.3.1
9.3.2
9.4
Planificaci
on de tareas, metodo PERT-CPM . . . . . . . . . . . . . 110
9.4.1
9.4.2
9.4.3
Ejemplo 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
9.4.4
Ejemplo 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
9.4.5
Reducci
on de los tiempos . . . . . . . . . . . . . . . . . . . 114
9.4.6
Bibliografa
118
Captulo 1
Introducci
on
Se entiende por gestion del mantenimiento al conjunto de tecnicas que tienen por
objeto conseguir una utilizacion optima de los activos productivos, manteniendolos
en el estado que requiere una producci
on eficiente con unos gastos mnimos. Una
poltica de mantenimiento busca mantener los equipos operando y reducir el numero
de fallas. En general, se adopta una de las siguientes polticas:
1. Reparaci
on del equipo una vez producida la falla
2. Mantener equipos redundantes
3. Mantenci
on del equipo antes de que falle
La primera poltica se denomina Mantenimiento correctivo y se utiliza en casos
donde el componente puede ser reparado y su falla no afecta al sistema global.
La segunda poltica se adopta en casos donde la confiabilidad del sistema se puede
mejorar al tener equipos y repuestos redundantes. Sistemas en standby y paralelos
son bien conocidos y utilizados en la practica.
El mantenimiento de unidades posterior a la falla puede ser costoso y a veces reparar
la unidad requiere de mucho tiempo. El mayor problema es determinar cuando y
como realizar mantenimiento preventivo antes de que se produzca una falla. No
es conveniente realizar mantenimiento de los equipos con demasiada frecuencia.
Por otro lado, una frecuencia muy baja no asegura una confiabilidad adecuada del
sistema. El objetivo de la gestion del mantenimiento es optimizar la frecuencia y
tiempos de mantenimiento preventivo y correctivo de acuerdo a los costos y efectos.
CONCEPTOS BASICOS
1.1.
Conceptos B
asicos
1.1.1.
Falla
Una falla ocurre cuando un componente deja de funcionar como es requerido. Una
falla puede ser clasificada de acuerdo con el modo, causa, efecto y mecanismo:
1. Modo: El modo de falla en el sntoma (efecto local) por el cual se observa la
falla; por ejemplo, un crack debido a fatiga de material.
2. Causa: La causa de una falla puede ser intrnseca, debido a deterioro de un
componente, o extrnseca, debido a mal uso o mal manejo durante el dise
no,
producci
on o uso.
3. Efecto: El efecto (consecuencia) de una falla cambia si se considera el
componente en s o a un nivel superior. Una clasificacion usual es: irrelevante,
parcial, completa y falla crtica.
4. Mecanismo: El mecanismo es el proceso mec
anico, electrico, qumico u otro
que resulta en una falla.
La fallas tambien se pueden clasificar como repentinas o graduales. Se denomina
una falla catastrofica a una falla completa y repentina. Fallas graduales y parciales
se denominan fallas por deterioro o desgaste.
CONCEPTOS BASICOS
1.1.2.
Mantenimiento, mantenibilidad
1.1.3.
Confiabilidad
R(t) =
1.1.4.
n(t)
N
F (t) =
N n(t)
N
CONCEPTOS BASICOS
La funci
on de densidad de probabilidad de fallas f(t) se define como la
probabilidad instant
anea que un componente falle en t:
f (t) =
1.1.5.
dF (t)
dt
Tasa de falla
La tasa de falla ((t)) se define como el numero de fallas por unidad de tiempo.
Consideremos un grupo de N componentes, en un tiempo t se han producido un
total k fallas. El tiempo acumulado, T , viene dado por N t y la tasa de falla
estimada viene dada por:
= k = k
T
N t
El smbolo indica que k/T es solo una estimacion de . El valor real se puede
determinar solo cuando los N componentes hayan fallado.
La tasa de falla de un sistema puede variar en el tiempo. La curva de la ba
nera que
se muestra en la figura 1.1 describe la variacion de la tasa de falla en componentes
durante la vida u
til. La fallas producidas en la primera parte de la curva, en donde
la tasa de falla es decreciente, se denominan fallas prematuras o infantiles. La parte
central de la curva, se denomina usualmente como fallos normales y se asume una
tasa constante de fallas. La seccion final de la curva describe la fallas de desgaste y
se asume que la tasa de fallas aumenta a medida de los mecanismos de desgaste se
aceleran. Estas tres distribuciones se describen en la siguiente tabla,
Tasa de falla decreciente
Conocido como
Fallos infantiles
Fallos normales
Fallos de desgaste
Usualmente relacionados a
los procesos de manufactura
y control de calidad, por
ejemplo, soldaduras, uniones,
suciedad, impurezas, grietas,
ajustes y posicionamiento incorrectos, entre otros.
is decreasing, are called early failures or infant mortality failures. The middle portion is referred
to as the useful life and it is assumed that failures exhibit a constant failure rate, that is to say
they occur at random. The latter part of the curve describes the wearout failures and it is
assumed that failure rate increases as the wearout mechanisms accelerate.
Figure 2.5, on the other hand, is somewhat more realistic in that it shows the Bathtub Curve
to be the sum of three separate overlapping failure distributions. Labelling sections of the curve
as wearout, burn-in and random can now be seen in a different light. The wearout region
implies only that wearout failures predominate, namely that such a failure is more likely than
CONCEPTOS BASICOS
6
the other
types. The three distributions are described in Table 2.2.
Tasa de
falla (t)
Fallos
infantiles
Fallos de
desgaste
Fallos normales
Tiempo (t)
Figure 2.4
1.1.6.
Burn-in
Useful life
Failure
rate
Random failures
T
MTTF =
Early
failures
MTTF =
tf (t)
M T BF = M T T F + M T T R
CONCEPTOS BASICOS
MTBF
MTTR
MTTF
falla
falla
Figura 1.2:
Donde MTTR es el tiempo medio para reparar. En general M T T R M T T F y
M T BF M T T F . En muchos libros se utiliza M T BF en vez de M T T F .
1.1.7.
1.1.8.
1
MTTR
Relaciones u
tiles
(t) = lm
dt0
CONCEPTOS BASICOS
(t)
lm
dt0
dR(t)
R(t)dt
(t) =
f (t)
R(t)
Si utilizamos la relaci
on (t) =
dR(t)
R(t)dt .
dR(t)
= R(t)(t)
dt
Integrando,
R(t) = e
Rt
0
(t)dt
R(t) = et
Para calcular el tiempo medio para fallar, consideremos el caso de N componentes
identicos. Donde n(t) el numero de componentes que no han fallado en el intervalo
[0, t].
En cada intervalo de tiempo dt el tiempo acumulado es n(t)dt. El tiempo acumulado
total es,
n(t)dt
0
CONCEPTOS BASICOS
MTTF =
n(t)dt
N
MTTF =
R(t)dt
0
Esta es la expresi
on general para el MTTF. En el caso particular de una tasa de
falla constante, donde R(t) = et , el MTTF es,
MTTF
et dt
Se debe notar que invertir la tasa de falla para calcular el MTTF, y viceversa, es
v
alido solo para el caso de tasa de falla constante.
La tabla 1.1 muestra las relaciones entre las cuatro funciones basicas de confiabilidad
f (t), F (t), R(t), y (t).
f (t) =
f (t)
(t)
f (t)
(t)e
F (t) =
f (t)
Rt
1 0 f (t)dt
Rt
f (t)dt
0
R(t) =
(t) =
Rt
0
f (t)dt
F (t)
Rt
0
(t)dt
(t)
Rt
(t)
1e 0
Rt
(t)
e 0
dF (t)
dt
1
dF (t)
1 F (t) dt
R(t)
dR(t)
dt
d
[ln R(t)]
dt
F (t)
1 R(t)
1 F (t)
R(t)
CONCEPTOS BASICOS
1.1.9.
10
Disponibilidad
Tiempo disponible
Tiempo total
Tiempo disponible
Tiempo no disponible + Tiempo disponible
MTTF
M DT + M T T F
MDT
(1.1)
MTTF
Disponible
Nodisponible
Tiempo
p
A=
1
1 + M DT
A=1A=
M DT
= M DT
1 + M DT
ESTRUCTURA DE COSTOS
1.2.
11
Estructura de costos
Cg = Ci + Cf + Ca + Csi
Como administradores una de las principales tareas es definir una poltica
de mantenimiento que minimize el costo global. Por ejemplo, una poltica de
mantenimiento frecuente disminuye los costos asociados a fallas, pero aumenta los
costos de intervenci
on y almacenamiento. Entonces se hace necesario estudiar si el
costo de falla baja m
as de lo que crecieron estos componentes.
1.2.1.
Costo de intervenci
on
ESTRUCTURA DE COSTOS
12
El costo de intervenci
on por unidad de tiempo es:
ci =
1.2.2.
costos de intervencion
total horas de intervencion
Costo de fallas
1.2.3.
Costo de almacenamiento
ESTRUCTURA DE COSTOS
13
1.2.4.
Costo de sobre-inversiones
En el dise
no inicial de una planta, se toma la decision de adquirir equipos que
minimicen el costo global de mantenimiento durante su ciclo de vida. Esto implica
mucha veces que se compren equipos cuyas inversiones iniciales son mayores que
otros, pero cuyos costos de intervencion y almacenamiento asociados se estiman
menores.
Para incluir la sobre-inversion, se amortiza la diferencia sobre la vida del equipo.
As es posible castigar en el costo global las inversiones extras requeridas para
disminuir los dem
as componentes del costo.
1.2.5.
ESTRUCTURA DE COSTOS
14
Captulo 2
Confiabilidad y M
etodos de
Modelaci
on
2.1.
Diagramas de Bloque
DIAGRAMAS DE BLOQUE
16
B
Figura 2.2: Sistema en paralelo o redundante
C
Figura 2.3: Sistema en serie y paralelo
SISTEMAS NO REPARABLES
17
2.2.
Sistemas no reparables
2.2.1.
2.2.2.
Activo
ct o
Completo
Parcial
Pasivo
as o
Condicional
Unidades
Unidades
idnticas
distintas
SISTEMAS NO REPARABLES
18
M T BF =
R(t)dt
0
Por lo tanto,
M T BF
2et e2t
2
1
3
2
2
(2.1)
SISTEMAS NO REPARABLES
19
1.
1 Ninguno
(1 R)3 de los tres componentes falla, probabilidad: R R R = R3
El primero
componente
falla ity can
los otros
no,
QRR
= (1R)R
This2.is consistent
with
the above since
be seen
to probabilidad:
be one minus the
last term.
Since the
sum of the terms is unity reliability, it is therefore the sum of the first three terms which, being2
3. El segundo
los otrosofno,
probabilidad:
RQR = (1R)R
the probability
of 0, 1componente
or 2 failures, falla
is theyreliability
a fully
redundant system.
In4.
many
cases ofcomponente
redundancy, however,
the otros
numberno,
of probabilidad:
units permitted to
fail-2
El tercer
falla y los
Rfail
Rbefore
Q = system
(1 R)R
ure occurs is less than in full redundancy. In the example of three units, full redundancy requires
only one to function, whereas partial redundancy would exist if two units were required with only
one allowed to fail. Once again the reliability can be obtained from the binomial expression since
it is the probability of 0 or 1 failures which is given by the sum of the first two terms. Hence:
2
Rsystem R3 3R2(1 R)
3R2 2R3
In general, if r items may fail out of n then the reliability is given as the sum of the first r 1
terms of the binomial expansion (R Q)n. Therefore:
R Rn nR n1(1 R)
SISTEMAS NO REPARABLES
20
RS
= R3 + 3R2 (1 R)
=
3R2 2R3
Rk/m
m
X
m
=
Ri (1 R)mi
i
i=k
Donde,
m
i
m!
(m i)!i!
SISTEMAS REPARABLES
21
RS = et
n1
X
r=0
(t)
r!
RS = et (1 + t)
2.3.
Sistemas reparables
Hemos visto hasta ahora las reglas basicas para sistemas en serie y redundantes.
Sin embargo, las ecuaciones vistas para sistemas redundantes son v
alidas solo
cuando los componentes no son reparados. En otras palabras, la confiabilidad se
calculo como la probabilidad de falla del sistema, dado que los componentes fallidos
se mantienen as. A continuacion se abarcan los casos de sistemas con reparaciones.
SISTEMAS REPARABLES
2.3.1.
22
Sistemas en serie
MDTA
A
MDTB
B
S = A + B
El tiempo medio de detencion del sistema es el promedio de los tiempos de detencion
de ambos equipos ponderados por su porcentaje de fallas:
M DTS =
M DTA A + M DTB B
A + B
2.3.2.
Sistemas Redundantes
Redundancia activa
Consideremos un sistema redundante simple (uno de dos) como el de la Figura 2.8.
Esto es, uno de los dos componentes debe funcionar. La falla del sistema requiere
entonces que ambas unidades fallen.
SISTEMAS REPARABLES
23
MDTA
A
MDTB
B
Figura 2.8: Sistema reparable en paralelo
ara que el sistema falle se necesita que, simultaneamente, una unidad falle y la otra
este en estado de falla. Es decir, que no este disponible. La no disponibilidad se
puede aproximar a M DT (como vimos en la secci
on 1.1.9). Por lo tanto, la tasa
de falla del sistema se puede estimar como:
n!
92 Reliability, Maintainability
and Risk
nm+1
S =
M DT nm
(n m)!(m 1)!
This leads to the following Table 8.1 in which MDT refers to Unit MDT.
Nmero de
unidades, n
22 MDT
2
33 MDT2
62 MDT
3
44 MDT3
123 MDT2
122 MDT
4
Turning to the system Unavailability, we need to consider the system Mean Down Time. This
2.9:
de falla
en sistemas
redundantes reparables
is not theFigura
same as
theTasa
unit Mean
Down
Time (MDT).
Thinking about the simple one out of two case, when the second failure occurs, the repair
crew will, on average, be half way through the repair of the first failure. Therefore, the system Mean Down Time will be MDT/2. This argument applies irrespective of whether there
is a single or multiple repair crews.
Thus the system Unavailability becomes the product of system failure rate and down time
22 MDT MDT/2
2 MDT2
Number
of units, n
33 MDT2
62 MDT
3
44 MDT3
123 MDT2
122 MDT
4
24
Turning to the system Unavailability, we need to consider the system Mean Down Time. This
is not the same as the unit Mean Down Time (MDT).
Para calcular la no disponibilidad del sistema, es necesario el MDT del sistema.
Este noThinking
es el mismo
MDTone
de out
un componente.
Consideremos
el the repair
aboutque
theelsimple
of two case, when
the second nuevamente
failure occurs,
caso redundante
simple
(uno
de
dos).
Cuando
ocurra
la
segunda
falla,
el
equipo
crew will, on average, be half way through the repair of the first failure. Therefore, the sysde reparaci
on estar
a enTime
promedio
mitad This
de reparaci
on applies
del primer
componente.
tem Mean
Down
will beaMDT/2.
argument
irrespective
of whether there
Se puede
demostrar
que
los
tiempos
medios
de
paradas
vienen
dados
por la
is a single or multiple repair crews.
multiplicaci
on de los MDT individuales divididos por su suma:
Thus the system Unavailability becomes the product of system failure rate and down time
22 MDT MDT/2
M DTB M DTA
M DTS =
M DTA + M DTB
2 MDT2
The
value
down time
for m units
requiring
to operate
out of adonde
total ofsen becomes
El valor
delgeneral
tiempo
de of
parada
en general
para
n unidades
identicas
MDT/[n
m 1].
8.1Entonces,
and dividing
each la
celltabla
by the
appropriate
down
requieren
m operativas
es Thus,
M DTtaking
/(n Table
m + 1).
usando
anterior
y
time yields
Table
8.2por
for el
system
Unavailability
on:
multiplicando
cada
celda
tiempo
de parada based
correspondiente
lleva a:
n!/[(n m 1)! (m 1)!] (nm1) MDT(nm1)
n!
nm+1 M DT nm+1
Ain
S =
which
(n MDT
m +refers
1)!(mtoUnit
1)! MDT.
Table 8.2 System unavailabilities (revealed)
Nmero de
unidades, n
MDT
2 MDT2
2 MDT
3 MDT3
32 MDT2
3 MDT
4 MDT4
43 MDT3
62 MDT2
4 MDT
SISTEMAS REPARABLES
25
M DT
n2
X
r=0
(M DT )
r!
) 1e
M DT
n2
X
r=0
(M DT )
r!
RS (t)
1 (1 e
) 1e
M DT
n2
X
r=0
et + (1 et )eM DT
n2
X
r=0
(M DT )
r!
r
(M DT )
r!
OPTIMA
CONFIGURACION
2.4.
26
Configuraci
on
optima
ni ci
RS R
2.5.
RS
n i ci P
Arboles
de falla
Un
arbol de falla es un metodo grafico de describir combinaciones de eventos que
llevan a una falla del sistema. La falla del sistema es conocida como evento superior.
Un arbol de fallas se construye con tres operaciones logicas basicas AND, OR y
voting OR, representados por dos smbolos. Cada smbolo tiene entradas en la
parte inferior, cada entrada representa fallas. Las salidas se ubican en la parte
superior y representan la propagacion de la falla dependiendo de la naturaleza de
la operaci
on. Las operaciones logicas son:
OR: El evento de salida ocurre si uno o mas de los eventos de entrada ocurre.
AND: El evento de salida ocurre si y solo si todos los eventos de entrada ocurren.
voting OR: El evento de salida ocurre si n o mas de los eventos de entrada ocurre.
La figura 2.12 muestra los smbolos para las operaciones AND y OR, tambien se
muestra el equivalente a un diagrama de bloques. La operacion AND modela el
caso redundante y es por lo tanto equivalente a un diagrama de bloques paralelos.
ARBOLES
DE FALLA
27
DiagramadeBloques
AND
OR
ARBOLES
DE FALLA
28
Fallalluviade
aguacontra
incendios
G0
Fallamotor
Falladeteccin
G1
G2
Fallabombade
agua
Bomba
Fallaenerga
Motorbomba
contra
incendios
Sensorde
incendios
Panelsensores
deincendios
Motor
Sensor
Panel
G3
Redde
alimentacin
Generadoren
espera
PSU
En
espera
2.5.1.
C
alculos
ARBOLES
DE FALLA
29
PSU
En espera
Motor
Detector
Panel
Bomba
MDT (horas)
24
168
168
168
24
24
G0
=59.6
MDT=144
=0.0096
MDT=21
G1
G2
=9.6
MDT=21
=50
MDT=168
=5
MDT=168
G3
=100
MDT=24
=500
MDT=168
Figura 2.14:
=60
MDT=24
=10
MDT=24
30
2.6.
Aunque los arboles de falla son la tecnica mas utilizada para analisis cuantitativo,
estan limitados a combinaciones logicas AND/OR que contribuyen a un evento
definido (el evento superior). Existen algunos casos difciles de modelar con un
arbol de falla. Por ejemplo, los arboles de falla no pueden modelar sistemas donde
las fallas de los mismos componentes en distinto orden dan resultados distintos.
Los diagrama causa efecto (CCD) asemejan arboles de decision. El elemento
principal de un CCD, es la caja de decision que contiene una pregunta/condicion
con respuesta SI/NO. Las opciones se conectan por lneas a cada caja de decisi
on
o resultado.
Mediante un ejemplo simple se puede mostrar la diferencia entre un diagrama causa
y efecto y un
arbol de falla.
31
Fallasuministro
deagua
Fallaproteccin
incendios
Campana
alarma
Sensorde
humo
Bomba2
Bomba1
Figura 2.15:
Senecesitaagua
Fuego
Fallabomba1
Falladetectorde
humo
SI
NO
SI
Fallabomba2
SI
NO
Fallabomba2
NO
SI
FallaCampanade
alarma
NO
SI
Falla
sistema
50%
capacidad
OK
Figura 2.16:
Nohay
alarma
NO
OK
ANALISIS
DE PARETO
2.6.1.
32
C
alculos
Fallabomba1
SI
0.025
NO
Fallabomba2
SI
0.000625
0.975
Fallabomba2
NO
SI
NO
0.02438 0.02438
Falla
sistema
50%
capacidad
0.000625
0.04875
0.950
OK
0.950
Figura 2.17:
La probabilidad de que el sistema falle es 0,025 0,025, la probabilidad de tener
una capacidad del 50 % es 0,025 0,975 + 0,025 0,975, y la confiabilidad del
sistema es 0,975 0,975.
2.7.
An
alisis de Pareto
ANALISIS
DE PARETO
33
logica de que los pocos poseen mucho y los muchos tienen poco ha sido aplicada en
muchas situaciones y es conocida como el principio de Pareto.
J.M.Duran introdujo por primera vez el principio o diagrama de Pareto en el area
de control de calidad. Duran afirmaba que siempre existen unos pocos defectos
que causan los mayores costos. En otras palabras, cerca del 20 % de los problemas
causan cerca del 80 % de los costos.
Para construir un diagrama de Pareto primero se colecta y clasifica los datos de
fallas de un equipo. Las fallas se deben clasificar en grupos, esto se puede realizar de
acuerdo al tipo de falla, causa, efecto, problema, etc. A cada grupo se le asocia un
numero total de fallas y los costos totales asociados a estas (costo de intervencion,
horas de detenci
on, etc.). Como se muestra en la tabla a continuacion,
Tipo
1
2
3
4
5
6
7
8
9
10
11
12
13
14
Horas de detencion
100
32
50
19
4
30
40
80
55
150
160
5
10
20
Numero de fallas
4
15
4
14
3
8
12
2
3
5
4
3
8
8
ANALISIS
DE PARETO
34
i
11
10
1
8
9
3
7
2
6
14
4
13
12
5
P
Ci
160
150
100
80
55
50
40
32
30
20
19
10
5
4
755
Fi
4
5
4
2
3
4
12
15
8
8
14
8
3
3
93
Ci
160
310
410
490
545
595
635
667
697
717
736
746
751
755
Fi
4
9
13
15
18
22
34
49
57
65
79
87
90
93
Ci
CT
21 %
41 %
54 %
65 %
72 %
79 %
84 %
88 %
92 %
95 %
97 %
99 %
99 %
100 %
Fi
FT
4%
10 %
14 %
16 %
19 %
24 %
37 %
53 %
61 %
70 %
85 %
94 %
97 %
100 %
ZonaC
ZonaB
90%
Horasdedetencin
80%
ZonaA
70%
60%
50%
40%
30%
20%
10%
0%
0%
20%
40%
60%
Nmerodefallas
80%
100%
Captulo 3
Modelos de Confiabilidad
3.1.
Distribuciones estadsticas
A continuaci
on se describen las distribuciones estadsticas mas utilizadas en analisis
de confiabilidad.
3.1.1.
Distribuci
on Binomial
n
r
n!
(n r)!r!
35
DISTRIBUCIONES ESTADISTICAS
36
Rr/n
n
X
n
=
Ri (1 R)ni
i
i=r
3.1.2.
Distribuci
on de Poisson
Para eventos continuos que ocurren a una tasa de eventos por unidad de tiempo,
la probabilidad Px (t) de que ocurran exactamente x eventos en el intervalo (0, t)
esta dada por,
Px (t) =
(t)x et
x!
RS = et
n
r
X
(t)
r=0
r!
3.1.3.
Distribuci
on Exponencial
Los componentes con tasa de falla constante tienen una distribucion exponencial.
Si (t) = , la confiabilidad viene dada por:
R(t) = e
Rt
0
(t)dt
= et
DISTRIBUCIONES ESTADISTICAS
MTTF
R(t)dt
0
et dt
1
et 0
F (t) = 1 R(t) = 1 et
Y por u
ltimo la funci
on densidad de probabilidad de fallas,
f (t) =
3.1.4.
dF (t)
= et
dt
Distribuci
on de Weibull
En una distribuci
on de Weibull, la tasa de fallas viene dada por,
(t) =
1
Donde,
t 0, y es el par
ametro de inicio
> 0 es el par
ametro de forma
> 0 es el par
ametro de escala
Siguiendo el mismo procedimiento de la seccion anterior se obtiene que:
37
DE PARAMETROS
ESTIMACION
WEIBULL
R(t)
e (
F (t)
1 e(
38
1
t
t
=
e ( )
1
= + 1 +
f (t)
MTTF
La funci
on Gamma est
a definida por:
(x) =
y x1 ey dy
3.2.
Estimaci
on de par
ametros Weibull
3.2.1.
=0
F (t) = 1 e( )
t
x
y
ln(t)
= ln ln
1
1 F (t)
DE PARAMETROS
ESTIMACION
WEIBULL
39
tenemos que:
ln ln
1
1 F (t)
ln(t) ln()
ax + b
b =
a
P
(xi x
)(yi y)
P
(xi x
)2
= y b
x
b
De donde se obtiene que = a
y = e a .
F (i) =
i 0,3
n + 0,4
F (i) =
i
n+1
DE PARAMETROS
ESTIMACION
WEIBULL
40
Duracion (horas)
726.044
615.432
508.077
807.863
755.223
848.953
384.558
666.686
515.201
483.331
ti
F (i)
xi = ln(ti )
yi = ln ln 1F1 (i)
1
2
3
4
5
6
7
8
9
10
384.558
483.331
508.077
515.201
615.432
666.686
726.044
755.223
807.863
848.953
0.0673
0.1635
0.2596
0.3558
0.4519
0.5481
0.6442
0.7404
0.8365
0.9327
5.952
6.181
6.231
6.245
6.422
6.502
6.588
6.627
6.694
6.744
-2.664
-1.723
-1.202
-0.822
-0.509
-0.230
0.033
0.299
0.594
0.993
4,25
= e 4,25 = 696,4
27,82
DE PARAMETROS
ESTIMACION
WEIBULL
41
1.5
y=4.2525x27.818
R2=0.971
1.0
0.5
0.0
0.5
1.0
1.5
2.0
2.5
3.0
5.8
6.0
6.2
6.4
6.6
6.8
3.2.2.
6= 0
Tiempo de
Rangos medianos
N
i
1
2
3
4
5
6
7
8
9
10
11
12
13-20
falla
ti
550
720
880
1020
1180
1330
1490
1610
1750
1920
2150
2325
Datos censurados
N=20
F (i)
0.03
0.08
0.13
0.18
0.23
0.28
0.33
0.38
0.43
0.48
0.52
0.57
ln(ti )
xi
6.310
6.579
6.780
6.928
7.073
7.193
7.307
7.384
7.467
7.560
7.673
7.751
ln ln 1F1 (i)
yi
-3.355
-2.442
-1.952
-1.609
-1.340
-1.116
-0.921
-0.747
-0.587
-0.438
-0.297
-0.160
DE PARAMETROS
ESTIMACION
WEIBULL
42
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
4.0
4.5
5.0
5.5
6.0
6.5
7.0
7.5
8.0
Tiempo de
Rangos medianos
N
i
1
2
3
4
5
6
7
8
9
10
11
12
13-20
falla
ti
50
220
380
520
680
830
990
1110
1250
1420
1650
1825
Datos censurados
N=20
F (i)
0.03
0.08
0.13
0.18
0.23
0.28
0.33
0.38
0.43
0.48
0.52
0.57
ln(ti )
xi
3.912
5.394
5.940
6.254
6.522
6.721
6.898
7.012
7.131
7.258
7.409
7.509
ln ln 1F1 (i)
yi
-3.355
-2.442
-1.952
-1.609
-1.340
-1.116
-0.921
-0.747
-0.587
-0.438
-0.297
-0.160
DE PARAMETROS
ESTIMACION
WEIBULL
43
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
4.0
4.5
5.0
5.5
6.0
6.5
7.0
7.5
8.0
375
1,33
2189
0.0
0.5
1.0
1.5
2.0
2.5
y=1.3271x10.207
R2=0.9997
3.0
3.5
4.0
4.5
5.0
5.5
6.0
6.5
7.0
7.5
8.0
DE PARAMETROS
ESTIMACION
WEIBULL
3.2.3.
44
Verificaci
on de modelos mediante el test de KolmogorovSmirnov
DE
ESTIMACIK-S
ON
PARAMETROS
WEIBULL
Goodness-of-Fit
Test
Table A.7.1
399
Sample
size n
0.20
0.15
0.10
0.05
0.01
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
25
30
35
Over 35
0.900
0.684
0.565
0.494
0.446
0.410
0.381
0.358
0.339
0.322
0.307
0.285
0.284
0.274
0.266
0.258
0.250
0.244
0.237
0.231
0.21
0.19
0.18
1.07
0.925
0.726
0.597
0.525
0.474
0.436
0.405
0.381
0.360
0.342
0.326
0.313
0.302
0.292
0.283
0.274
0.266
0.259
0.252
0.246
0.22
0.20
0.19
1.14
0.950
0.776
0.642
0.564
0.510
0.470
0.438
0.411
0.388
0.368
0.352
0.338
0.325
0.314
0.304
0.295
0.286
0.278
0.272
0.264
0.24
0.22
0.21
1.22
0.975
0.842
0.708
0.624
0.565
0.521
0.486
0.457
0.432
0.410
0.391
0.375
0.361
0.349
0.338
0.328
0.318
0.309
0.301
0.294
0.27
0.24
0.023
1.36
0.995
0.929
0.828
0.783
0.669
0.618
0.577
0.543
0.514
0.490
0.468
0.450
0.433
0.418
0.404
0.392
0.381
0.371
0.363
0.356
0.32
0.29
0.27
1.63
45
Captulo 4
Mantenimiento preventivo
4.1.
Intervalo
optimo entre reemplazos preventivos
de componentes reparables sujetos a fallas
INTERVALO OPTIMO
ENTRE REEMPLAZOS PREVENTIVOS DE COMPONENTES REPARABLES SUJETOS
A FALLAS
47
Reemplazopreventivo
Reparaciones porfalla
tp
Unciclo
Figura 4.1:
El costo total esperado por unidad de tiempo es:
C(tp ) =
C(tp ) =
Cp + Cc H(tp )
tp
H(tp ) =
tp
(t)dt
0
INTERVALO OPTIMO
ENTRE MANTENIMIENTOS PREVENTIVOS DE COMPONENTES SUJETOS A
FALLAS
48
mn
s.a.
4.2.
C(tp )
tp > 0
Intervalo
optimo entre mantenimientos preventivos de componentes sujetos a fallas
INTERVALO OPTIMO
ENTRE MANTENIMIENTOS PREVENTIVOS DE COMPONENTES SUJETOS A
FALLAS
49
Mantencin
porfalla
Mantencin Mantencin
preventiva porfalla
tp
Mantencin
preventiva
tp
tiempo
Figura 4.2:
En este problema, existen dos ciclos posibles: en el primer ciclo se realiza la
mantenci
on a la edad especificada tp , en el segundo ciclo el componente falla antes
del mantenimiento preventivo. Estas dos posibilidades son ilustradas en la figura
4.3.
tp
Mantencin
preventiva
Ciclo1
Ciclo2
Figura 4.3:
C(tp ) =
Costo de un ciclo 1
Probabilidad de un ciclo 1
+ Costo de un ciclo 2
Probabilidad de un ciclo 2
= Cp R(tp ) + Cc [1 R(tp )]
Mantencin
porfalla
INTERVALO OPTIMO
ENTRE MANTENIMIENTOS PREVENTIVOS DE COMPONENTES SUJETOS A
FALLAS
50
Figure A.15.4
Figura 4.4:
tf(t)dt
Si ocurre un mantenimientopreventivo
en el tiempo tp , entonces el tiempo medio
para una falla es la media del area sombreada en la figura 4.4, dado que en el area
which for the normal distribution equals the mode (peak) of
sin sombra no puedenthe
haber
fallas. La Ifmedia
del areareplacement
sombreada es,
distribution.
a preventive
occurs at time t ,
p
M (tp ) =
Z
0
tp
then the mean time to failure is the mean of the shaded portion of Figure A.15.4 since the unshaded area is an impossible
tfregion
(t)dt for failures. The mean of the shaded area is
1 R(tpt)p
tf(t)dt
1 R(t p)
INTERVALO OPTIMO
ENTRE MANTENIMIENTOS PREVENTIVOS DE COMPONENTES SUJETOS A
FALLAS
51
C(tp )
Cp R(tp ) + Cc [1 R(tp )]
tp R(tp ) + M (tp ) [1 R(tp )]
Cp R(tp ) + Cc [1 R(tp )]
Rt
tp R(tp ) + 0 p tf (t)dt
u=t
du = dt
dv = f (t)
v = F (t) = 1 R(t)
por lo tanto,
tp
tf (t)dt
t(1
t
R(t))|0p
tp
(1 R(t))dt
tp tp R(tp ) tp +
tp
R(t)dt
0
tp R(tp ) +
tp
R(t)dt
0
C(tp ) =
Cp R(tp ) + Cc [1 R(tp )]
R tp
R(t)dt
0
R tp
0
tf (t)dt por
DE LA ESTRATEGIA DE MANTENIMIENTO
SELECCION
4.3.
52
Selecci
on de la estrategia de mantenimiento
4.3.1.
CP =
Cp R(tp ) + Cc [1 R(tp )]
R tp
R(t)dt
0
CC = R
0
Cc
R(t)dt
donde,
=
Cp
Cc
DE LA ESTRATEGIA DE MANTENIMIENTO
SELECCION
53
CP
Si la raz
on C
es mayor a 1, entonces es mejor realizar un mantenimiento correctivo,
C
en caso contrario la mejor poltica es la de mantenimiento preventivo.
Ejemplo
Consideremos el caso de una distribuci
on de Weibull de tres par
ametros. En este
caso es conveniente hacer el siguiente cambio de variables:
x=
R(x)
ex
R(x)dx
(1 + 1/)
Z
0
xp
R(x)dx
0
xp
ex dx
reemplazando,
(1 + 1/)
CP
= exp ( 1) + 1 R xp x
CC
e
dx
0
Rx
ex = (1 + 1/)(xp , 1/)
0
La funci
on , viene dada por:
Z
() =
et t1 dt
0
DE LA ESTRATEGIA DE MANTENIMIENTO
SELECCION
Por lo tanto
CP
CC
54
CP
exp ( 1) + 1
=
CC
(xp , 1/)
CP
Como ejemplo, la figura 4.5 muestra un estudio de la curvas C
para distintos
C
valores de xp y , cuando es igual a 3. En este caso, para valores de menor a 0.7
conviene hacer mantenimiento preventivo. El periodo optimo entre intervenciones
CP
, al hacer el cambio de variables,
preventivas es el mnimo de la curva C
C
tp = xp +
2
1,8
,
1,6
CP//CC
14
1,4
=1.0
1,2
1
0,8
=0.4
06
0,6
=0.2
0,4
0,2
0
0
Figura 4.5:
4.3.2.
0,5
CP
CC
1
xp
1,5
DE LA ESTRATEGIA DE MANTENIMIENTO
SELECCION
55
La raz
on entre el costo total esperado de mantenimiento sintomatico por unidad
de tiempo CS y el costo global de mantenimiento correctivo CC esta dada por:
CS
Cs
=
CC
Cc
Si esta fraccion es menor que uno entonces conviene realizar mantenimiento
sintom
atico.
La figura a continuaci
on muestra el procedimiento a seguir para seleccionar una
estrategia de mantenimiento.
Estimar, ,
CalcularC
Calcular
CP/CC y
y
CS/CC
No
CS/CC<1
Si
No
Cp/CC
C <1
No
Si
CS/CC<
CP/CC
Si
Mantencin
M
t i
correctiva
Mantencin
preventiva
Mantencin
predictiva
4.4.
56
MantenimientoImperfecto
(t)
Reparacinmnima
(t)
Figura 4.7:
Construcci
on del Modelo
1. El componente esta sujeto a tres tipos de acciones: reparacion mnima,
mantenimiento imperfecto o reemplazo, con diferentes costos.
2. El sistema es reparado cuando falla.
3. Luego de un periodo de tiempo el componente es reemplazado.
4. El componente recibe n 1 mantenimientos durante su vida u
til. El periodo
entre estos mantenimientos preventivos Ts es constante.
5. Una mantencion preventiva mejora al componente en terminos de la tasa de
falla, una reparacion s
olo deja al componente en su estado justo antes de la
falla.
57
(t)
(t)
1((t))
2(t)
t
Ts
Figura 4.8:
Notar una reparaci
on mnima es un caso especial con p = 0:
k (t) = k1 (t)
la tasa de fallas es la misma que justo antes de la falla.
58
Si el factor de mejora es 1,
k (t) = k1 (t Ts )
el mantenimiento restaura la condicion a la del periodo anterior, lo que equivale a
un mantenimiento perfecto.
como la tasa
La figura 4.9 muestra un ciclo de vida del equipo. Definiendo por (t)
de fallas esperada, el numero de fallas esperado en un ciclo se puede calcular como:
Z nTs
H(nT
)
=
(t)dt
s
0
Cp (n 1) + Cc H(nT
s ) + Cr
nTs
Reempla o
Reemplazo
Reparacionesporfalla
Mantenimientospreventivos
Ts
nTs
Figura 4.9:
Para calcular el numero esperado de fallas, tenemos que analizar primero en cada
periodo. El numero de fallas esperado en un periodo k es:
Z kTs
Hk =
k (kTs + t)dt
(k1)TS
59
H(nT
s) =
n Z
X
k=1
kTs
k (kTs + t)dt
(k1)TS
p(t) + q(t + Ts )
2 (t + 2Ts )
p1 (t + Ts ) + q1 (t + 2Ts )
3 (t)
..
.
..
.
k
X
k
pki q i (t + iTs )
i
k (t)
i=0
H(nTs ) =
pni q i1 H(iTs )
i
i=0
donde,
H(iTs ) =
iTs
(t)dt
0
60
Tenemos,
(t) =
1
t
H(iTs )
iTs
1
t
dt
iTs
t
Ts
de donde,
Cp (n 1) + Cc
C(n, Ts ) =
Ts
P
n
i=0
n
i
pni q i1 i + Cr
nTs
Ts = u
Cr + Cp (n 1)
Pn
n
( 1)Cc i=0
pn i q i1 i
i
Casos Especiales
n , = 1
n
X
n
pni q i1 i = n
i
i=0
n , = 2
n
X
n
pni q i1 i = n(nq + p)
i
i=0
61
n , = 3
n
X
n
pni q i1 i = n(n 1)(n 2)q 2 + 3n(n 1)q + n
i
i=0
p=1
n
X
n
pni q i1 i = n
i
i=0
por lo tanto,
C(n, Ts ) =
Cp (n 1) + Cc n
Ts
+ Cr
nTs
p=0
n
X
n
pni q i1 i = n
i
i=0
por lo tanto,
C(n, Ts ) =
Cp (n 1) + Cc n
Ts
+ Cr
nTs
Ejemplo
Consideremos un componente con las siguientes caractersticas:
= 100
=2
Cr =200 kUS/reemplazo
Cc =2 kUS/reparaci
on
Cp =8 kUS/intervencion
La tabla a continuaci
on muestra los valores de n y Ts para distintos valores de p.
p
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
0.99
n
1.6
2.5
3.2
4.0
4.9
6.0
7.5
9.8
14.7
48.7
Ts
632.5
447.2
365.1
316.2
282.8
258.2
239.0
223.6
210.8
201.0
Tabla 4.1:
n Ts
1032.8
1095.4
1171.1
1264.9
1385.6
1549.2
1788.9
2190.9
3098.4
9798.0
62
Captulo 5
Inspecciones
Los modelos presentados en este capitulo buscan definir horarios optimos de
inspecciones, esto es los tiempos en los que se deben realizar inspecciones de un
componente.
El objetivo de una inspecci
on es determinar el estado del componente y realizar
acciones preventivas para evitar una falla. Para determinar el estado de un
componente se utilizan indicadores como, medidas de esfuerzos, desgaste, calidad
de los productos, entre otros. Cuando se debe realizar una inspeccion depende de
los costos de esta y de sus beneficios, como detectar y corregir un defecto menor
antes que ocurra una avera grave.
5.1.
Frecuencia de inspecciones
optima: Minimizaci
on de los costos
63
DE LOS COSTOS
FRECUENCIA DE INSPECCIONES OPTIMA:
MINIMIZACION
64
Perdidas de producci
on debido a reparaciones por unidad de tiempo
=
= V (n)/
Notar que (n)/ es la proporci
on de tiempo que el componente esta siendo
reparado.
DE LOS COSTOS
FRECUENCIA DE INSPECCIONES OPTIMA:
MINIMIZACION
Perdidas de producci
on debido a inspecciones por unidad de tiempo
=
= V n/i
Costo de reparaciones por unidad de tiempo
=
= R(n)/
Costo de inspecciones por unidad de tiempo
=
= In/i
Por lo tanto,
C(n)
V (n) V n R(n) In
+
+
+
(n)
n
(V + R) + (V + I)
65
DE LOS COSTOS
FRECUENCIA DE INSPECCIONES OPTIMA:
MINIMIZACION
66
0 (n)
1
(V + R) + (V + I) = 0
i
V +I
0
(n) =
i V +R
(5.1)
(5.2)
k
n
Se tiene que:
k
(n)
= 2
n
n
Sustituyendo, se obtiene que la frecuencia optima de inspecciones es:
s
ik V + R
n=
V +I
Segundo modelo
El primer modelo no es muy bueno, ya que cuando al frecuencia de inspecciones
tiende a 0, la tasa de fallas tiende a infinito. Un modelo mas realista es el siguiente:
(n) =
k1
n + k2
Se tiene que:
k1
(n)
=
n
(n + k2 )2
FRECUENCIA DE INSPECCIONES OPTIMA
CON TASA DE FALLAS VARIABLE EN EL TIEMPO:
DE LOS COSTOS
MINIMIZACION
67
V +I
5.2.
Frecuencia de inspecciones
optima con tasa de
fallas variable en el tiempo: Minimizaci
on de los
costos
(n, t)dt
0
V (T, n) V n R(T, n) In
+
+
+
(T, n)
n
(V + R) + (V + I)
La frecuencia
optima de inspecciones se obtiene de la solucion de,
(T, n)
V +I
=
n
i V +R
Ejemplo: Weibull
68
t 1
( )
n n
(n, t)dt
T
1
T
T n
(T, n)
(T, n)
n
Tn
T
n
reemplazando,
Tn
T
n
= n
5.3.
V +I
V +R
1
! +1
T
i V +R
V +I
Frecuencia de inspecciones
optima: Disponibilidad m
axima
69
(n) n
+
i
Modelo 1
Asumiendo que la tasa de fallas vara inversamente con el n
umero de inspecciones,
se tiene que:
(n)
k
= 2
n
n
Derivando la disponibilidad e igualando a 0,
k
1
A(n)
=
=0
n
n2
i
Por lo tanto,
s
n =
ki
FRECUENCIA OPTIMA
DE INSPECCIONES PARA MAXIMIZAR LA DISPONIBILIDAD DE EQUIPOS DE
EMERGENCIA
70
Modelo 2
En este caso,
(n)
k1
=
n
(n + k2 )2
Derivando la disponibilidad e igualando a 0,
1
A(n)
k1
=0
=
2
n
(n + k2 )
i
Por lo tanto,
s
n =
5.4.
k1 i
k2
Frecuencia
optima de inspecciones para maximizar la disponibilidad de equipos de emergencia
Construcci
on del Modelo
1. f (t) es la funci
on densidad de probabilidad de falla del equipo.
2. Ti es el tiempo requerido para realizar una inspeccion. Luego de la inspeccion
si no se encuentran defectos se asume que el equipo queda como nuevo.
3. Tr es el tiempo requerido para realizar una reparacion o reemplazo. Luego de
la reparaci
on se asume que el equipo queda como nuevo.
4. El objetivo es determinar el intervalo tr entre inspecciones para maximizar
la disponibilidad del equipo.
La siguiente figura ilustra los dos ciclos posibles de operacion.
FRECUENCIA OPTIMA
DE INSPECCIONES PARA MAXIMIZAR LA DISPONIBILIDAD DE EQUIPOS DE
EMERGENCIA
71
Inspeccin
Ti
Inspeccin
Ti
ti
Ciclosinfalla
Tr
ti
Cicloconfalla
Figura 5.1:
La disponibilidad por unidad de tiempo es una funcion del intervalo entre
inspecciones ti :
Disponibilidad esperada por ciclo
Largo esperado del ciclo
A(ti ) =
ti R(ti ) +
= ti R(ti ) +
tf (t)dt
[1 R(ti )]
[1 R(ti )]
0
Z
0
ti
R(t)dt
0
ti
tf (t)dt
FRECUENCIA OPTIMA
DE INSPECCIONES PARA MAXIMIZAR LA DISPONIBILIDAD DE EQUIPOS DE
EMERGENCIA
72
R ti
A(ti ) =
R(t)dt
0
ti + Ti + Tr [1 R(ti )]
Captulo 6
Gesti
on de repuestos
En este capitulo veremos modelos para optimizar la gestion de repuestos en una
bodega, es decir, definir tiempos entre pedidos, niveles de seguridad y alarma, para
minimizar los costos esperados.
En un caso ideal se tendra una bodega con todos los repuestos necesarios disponibles
en caso de falla de un componente. Si los repuestos estan disponibles en bodega
se evitan detenciones innecesarias de los equipos por tiempos de entrega de los
repuestos. Por otro lado, el tener almacenados los repuestos tiene costos asociados
como son los costos de almacenamiento, costo de oportunidad del capital detenido,
etc. Los modelos a continuacion buscan definir los tiempos entre pedidos de
repuestos y los niveles mnimos en bodega, para minimizar los costos esperados.
6.1.
Minimizaci
on de los costos desde el punto de
vista de la bodega
Construcci
on del modelo
1. (t) es la tasa de fallas del componente en cuestion. Esto equivale a la
demanda de repuestos en bodega.
2. q es el numero de repuestos ordenados por compra.
3. pu es el precio unitario.
4. es la tasa de descuento de referencia.
73
74
q
T
T =
Figura 6.1:
El costo total esperado por unidad de tiempo es:
C(q)
1
qpu
2
Numero de repuestos
Precio de los repuestos
Periodo entre compras
pu q
= pu
T
El Costo de adquisici
on por unidad de tiempo es:
=
Costo de adquisicion
Periodo entre compras
Cad
= Cad
T
q
1
+ qpu
q
2
Demora en pedidos
75
76
En general, una vez que se realiza un pedido la entrega no es inmediata, sino que
hay un tiempo de entrega Td . Considerando esto el pedido se debe realizar con un
tiempo Td antes que se acaben los repuestos.
Durante el tiempo Td se consumen Td repuestos. Por lo tanto, ahora los pedidos
se deben realizar una vez que se llegue al nivel de alarma Td , como se ilustra en
la siguiente figura.
Td
T
Figura 6.2:
Se puede definir un nivel de alarma un poco mayor y as asegurar que no se acaben
los repuestos en bodega. Si definimos un nuevo nivel de alarma qa , entonces la
probabilidad que el consumo sea menor que el nivel de alarma en el periodo Td es:
P (consumo qa ) =
qa
X
eTd (Td )i
i=0
i!
6.2.
Minimizaci
on del costo global con costo de falla
77
Construcci
on del modelo
1. Definimos por cf al costo de falla incurrido por la falta de un repuesto en
bodega por unidad de tiempo. Este costo esta compuesto principalmente por
las perdidas de produccion.
2. El parametro con 0 1 mide la proporcion del tiempo entre pedidos
que la bodega tiene repuestos disponibles. Es decir, durante el periodo T
hubo inventario en la bodega, mientras que en el periodo (1 )T no haban
repuestos disponibles. Se asume que los repuestos solicitados en el periodo
(1 )T son consumidos tan pronto llegan en el instante T.
3. (t) es la tasa de fallas del componente en cuestion. Esto equivale a la
demanda de repuestos en bodega.
4. q es el numero de repuestos ordenados por compra.
5. pu es el precio unitario.
6. es la tasa de descuento de referencia.
7. Cad es el costo de adquisicion por pedido (recepcion, control de calidad, flete,
contabilidad, etc)
8. T es el periodo entre pedidos
Consideremos el ciclo de operacion de la bodega mostrado en la figura 6.4: Llega
un pedido de q repuestos, estos van disminuyendo a una tasa de hasta llegar a 0
en el tiempo T . La bodega se encuentra sin inventario desde el tiempo T hasta
T donde llega el nuevo pedido de q repuestos. Sabemos que:
=
q
T
T =
78
(1)T
0
T
T
Figura 6.3:
El costo total esperado por unidad de tiempo es:
C(q, )
1 2
qpu
2
1/2T q
T
= 12 2 q
79
Numero de repuestos
Precio de los repuestos
Periodo entre compras
pu q
= pu
T
El Costo de adquisici
on por unidad de tiempo es:
=
Costo de adquisicion
Periodo entre compras
Cad
= Cad
T
q
1
(1 )2 qcf
2
1 2
1
+ qpu + (1 )2 qcf
q
2
2
cf
pu + cf
2Cad
(1 )2 cf + 2 pu
1/2(1)T (1)q
T
80
6.2.1.
q
T
q
q
0
t
(1-)T
T
T
Figura 6.4:
Construcci
on del modelo
1. Definimos por cf al costo de falla incurrido por la detencion de la produccion
por unidad de tiempo.
2. T es el periodo de tiempo que la bodega no tiene repuestos disponibles.
3. (t) es la tasa de fallas del componente en cuestion. Esto equivale a la
demanda de repuestos en bodega.
4. q es el numero de repuestos ordenados por compra.
81
5. pu es el precio unitario.
6. es la tasa de descuento de referencia.
7. Cad es el costo de adquisicion por pedido (recepcion, control de calidad, flete,
contabilidad, etc)
8. T es el periodo entre pedidos
El costo total esperado por unidad de tiempo es:
C(q, )
1
qpu
2
Numero de repuestos
Precio de los repuestos
Periodo entre compras
pu q
= pu
T
1/2T q
T
= 12 q
82
El Costo de adquisici
on por unidad de tiempo es:
=
Costo de adquisicion
Periodo entre compras
Cad
= Cad
T
q
(1 )T cf
= (1 )cf
T
1
+ qpu + (1 )cf
q
2
Cad 1
+ qpu cf >= 0
q
2
Q(qw ) > cf
Captulo 7
Taller de mantenimiento
Hasta ahora hemos visto modelos que optimizan los costos esperados de mantencion
asumiendo que existe un equipo de mantenimiento disponible para reparar o
mantener los componentes. Sin embargo, tambien existen decisiones que tomar
desde un punto de vista del taller de mantenimiento:
1. Determinar que instalaciones son necesarias (equipos, herramientas, mano de
obra)
2. Determinar como se deben utilizar estas instalaciones, tomando en consideraci
on posibles sub-contrataciones.
En este capitulo veremos como la teora de colas y el uso de simulaciones puede
ayudar en la toma de decisiones respecto de tama
no, capacidad y organizacion de
las instalaciones.
7.1.
Teora de Colas
TEORIA DE COLAS
84
tamao ptimo
Costo total
Costo de las
instalaciones
Costo de falla
por espera
Tamao de las instalaciones
Figura 7.1:
7.1.1.
Las figuras 7.2 y 7.3 muestran los sistemas de colas mas usuales. En el primer
caso, existe un solo servidor y solo se puede atender a un cliente a la vez. Todos
los clientes deben esperar en una cola para ser atendidos, a menos que el servidor
este desocupado. En el segundo caso, hay un sistema con multiples servidores, en
donde, los clientes esperan en una cola y luego van desde la cola al primer servidor
que se encuentre libre.
Llegadas
Instalacin de servicio
Salidas
TEORIA DE COLAS
85
Instalacin de servicio
Llegadas
Salidas
et
r!
TEORIA DE COLAS
86
Figura 7.4:
NUMERO OPTIMO
DE ESTACIONES DE TRABAJO PARA SATISFACER LA DEMANDA
87
7.2.
Numero
optimo de estaciones de trabajo para
satisfacer la demanda
7.2.1.
Definici
on del problema
7.2.2.
Construcci
on del modelo
C(n)
NUMERO OPTIMO
DE ESTACIONES DE TRABAJO PARA SATISFACER LA DEMANDA
88
= nCl
Costo de falla por unidad de tiempo debido a trabajos en espera
=
= Ws Cf
Donde Ws es el tiempo de espera promedio de un trabajo en el taller. Por lo tanto,
C(n) = nCl + Ws Cf
Esta ecuaci
on relaciona el numero de estaciones de trabajo con el costo total C(n).
7.2.3.
Ejemplo num
erico
NUMERO OPTIMO
DE ESTACIONES DE TRABAJO PARA SATISFACER LA DEMANDA
89
Fracci
on de tiempo que una estaci
on esta desocupada
=
ESFUERZO OPTIMO
DEL GRUPO DE MANTENIMIENTO
N de estaciones de trabajo, n
6
7
8
9
10
11
12
0.91
0.78
0.68
0.61
0.55
0.50
0.45
90
7.3.
Esfuerzo
optimo del grupo de mantenimiento
7.3.1.
Definici
on del problema
7.3.2.
Construcci
on del modelo
ESFUERZO OPTIMO
DEL GRUPO DE MANTENIMIENTO
91
C()
Costo de falla por unidad de tiempo debido a maquinas esperando en una cola
+ Costo de falla por unidad de tiempo debido a maquinas siendo reparadas
+ Costo del grupo de mantenimiento
(7.2)
Costo de falla por unidad de tiempo debido a maquinas esperando en una cola
=
= Cf
= Cf
NUMERO OPTIMO
DE MAQUINAS POR GRUPO DE MANTENIMIENTO
92
Por lo tanto,
C()
= Cf
=
+ Cf
1
+ Cg ()
Cf
+ Cg ()
( )
7.3.3.
Ejemplo num
erico
7.4.
Numero
optimo de maquinas por grupo de
mantenimiento
7.4.1.
Definici
on del problema
NUMERO OPTIMO
DE MAQUINAS POR GRUPO DE MANTENIMIENTO
7.4.2.
93
Construcci
on del modelo
Falla
Falla
tiempo
Figura 7.5:
4. Del punto (3) se tiene que el grupo de mantenimiento invierte unidades de
tiempo por unidad de tiempo de la maquina en operacion. Entonces, para
mantener la maquina operativa por 1 unidad de tiempo se requiere invertir
1/ unidades de tiempo por el grupo de mantenimiento.
5. El costo asociado a la detencion de una maquina en espera a ser reparada es
Cf por unidad de tiempo.
6. El costo fijo del grupo de mantenimiento por unidad de tiempo es R.
7. El objetivo es determinar el numero optimo de maquinas que se debe asignar
al grupo de mantenimiento para minimizar los costos totales por unidad de
tiempo.
El costo total por unidad de tiempo viene dado por:
C(n)
+ Costo de falla por unidad de tiempo debido a maquinas siendo reparadas o en espera a ser rep
NUMERO OPTIMO
DE MAQUINAS POR GRUPO DE MANTENIMIENTO
94
Costo de reparaci
on por unidad de tiempo
= R/n
Costo de falla por unidad de tiempo debido a maquinas siendo reparadas o espera
a ser reparadas
=
C(n) =
R
Uc
+ 1
Cf
n
n
Tasa de utilizaci
on del grupo de mantenimiento (Uc )
La tasa de utilizacion es la proporcion de tiempo en que al menos una maquina
esta siendo reparada por el grupo de mantenimiento. Esta tasa es una funcion de
y n. Con las tablas a continuacion se pueden determinar valores aproximados de
Uc . Para valores especficos de y n, puede ser necesario interpolar los valores de
la tabla.
n
1
2
3
4
6
8
10
12
0.8
0.444
0.742
0.903
0.971
0.998
1.000
0.7
0.412
0.704
0.876
0.958
0.997
1.000
0.6
0.375
0.658
0.840
0.938
0.994
1.000
0.4
0.286
0.528
0.718
0.850
0.972
0.997
1.000
0.2
0.167
0.324
0.470
0.602
0.808
0.930
0.982
0.997
NUMERO OPTIMO
DE MAQUINAS POR GRUPO DE MANTENIMIENTO
n
2
4
6
8
10
12
14
0.18
0.298
0.560
0.767
0.902
0.969
0.993
0.999
0.16
0.271
0.515
0.718
0.864
0.949
0.986
0.997
0.14
0.242
0.465
0.660
0.813
0.916
0.970
0.992
0.12
0.212
0.412
0.592
0.746
0.863
0.939
0.978
95
0.10
0.180
0.353
0.516
0.662
0.785
0.880
0.943
7.4.3.
Ejemplo num
erico
1
882
2
495
3
375
4
323
5
307
6
296
7
309
8
310
Por lo tanto, el
optimo es n = 6 maquinas asignadas al grupo de trabajo.
Captulo 8
Reemplazo de equipos
8.1.
Reemplazo
optimo de equipos: minimizaci
on del
costo total
8.1.1.
Construcci
on del modelo
96
DEL COSTO TOTAL
REEMPLAZO OPTIMO
DE EQUIPOS: MINIMIZACION
Reemplazo
Reemplazo
C1 C2
Cn
C1 C2
n-1 n
2
Ciclo 1
Cn
Reemplazo
Reemplazo
C1 C2
2 n-1 n
Ciclo 2
97
2
Ciclo 3
Cn
C1 C2
n-1 n
Cn
2
Ciclo 4
n-1 n
Figura 8.1:
Consideremos un ciclo de operaci
on. El costo total de un ciclo al principio del ciclo
de operaci
on es:
Ci (n)
=
=
C1 r + C2 r2 + C3 r3 + . . . + Cn rn + Arn Sn rn
n
X
Ci ri + rn (A Sn )
i=1
C(n) =
8.1.2.
Ci (n)
=
1 rn
Pn
i=1
Ci ri + rn (A Sn )
1 rn
Ejemplo num
erico
1
500
2
1000
3
2000
4
3000
5
4000
REEMPLAZO DE EQUIPO CONSIDERANDO MEJORA TECNOLOGICA:
HORIZONTE DE TIEMPO FIJO
98
1
3000
2
2000
3
1000
4
750
5
500
C(1)
C(2)
C(3)
22500U SD
19421U SD
20790U SD
De donde se obtiene que el mejor tiempo para reemplazar al equipo es cuando este
ha sido usado por 2 a
nos.
8.2.
REEMPLAZO DE EQUIPO CONSIDERANDO MEJORA TECNOLOGICA:
HORIZONTE DE TIEMPO FIJO
8.2.1.
99
Construcci
on del modelo
1. El equipo ser
a operado por n periodos de tiempo.
2. Cp,i es el costo de mantenimiento del equipo actual en el periodo i.
3. Sp,i es el precio de venta del equipo actual en el periodo i.
4. El costo de adquisicion del equipo nuevo es A.
5. Ct,i es el costo de mantenimiento del equipo nuevo en el periodo i.
6. St,i es el precio de venta del equipo nuevo en el periodo i.
7. es la tasa de interes de referencia. Se define r = 1/(1 + )
8. El objetivo es determinar el periodo T , en el que se debe realizar el reemplazo
del equipo actual por el equipo nuevo. La Figura 8.2 muestra un esquema de
la situaci
on.
Tiempo de operacin fijo, con n periodos
Reemplazo con equipo
de mayor tecnologa
Cp,1
Cp,2
Ct,1
Cp,3
...
Ct,2
T+1
Ct,n-T
T+2
...
n-1
Figura 8.2:
El costo total en los n periodos viene dado por:
C(T )
REEMPLAZO DE EQUIPO CONSIDERANDO MEJORA TECNOLOGICA:
HORIZONTE DE TIEMPO FIJO 100
Por lo tanto,
C(T ) =
T
X
Cp,i ri +
nT
X
i=1
8.2.2.
j=1
Ejemplo num
erico
1
5000
2
6000
3
7000
4
7500
5
8000
6
8500
3. Los costos de venta estimados para el equipo actual son los siguientes:
Periodo (i)
Sp,i (USD)
1
3000
2
2000
3
1000
4
500
5
500
6
500
1
100
2
200
3
500
4
750
5
1000
6
1200
0
10000
1
8000
2
7000
3
6000
4
5000
5
4500
6
4000
0
7211
1
10836
2
14891
3
18649
4
22062
5
25519
6
28359
REEMPLAZO DE EQUIPO CONSIDERANDO MEJORA TECNOLOGICA:
HORIZONTE DE TIEMPO INFINITO
101
3
X
Cp,i ri +
i=1
8.3.
3
X
j=1
18649
8.3.1.
Construcci
on del modelo
Cp,1 Cp,2
T-1 T
n-1 n
Figura 8.3:
n-1 n
Ct,n
n-1 n
REEMPLAZO DE EQUIPO CONSIDERANDO MEJORA TECNOLOGICA:
HORIZONTE DE TIEMPO INFINITO
102
i=1
Pn
Cf (n) =
j=1
Ct,j rj + rn (A Sn )
1 rn
T
X
Pn
Cp,i ri Sp,T rT + ArT +
j=1
1 rn
i=1
8.3.2.
Ct,j ri j + rn (A Sn )
!
rT
Ejemplo num
erico
1
18900
2
14116
3
13035
4
12834
5
11920
6
12063
Por lo tanto, el numero de periodos optimo para el reemplazo del equipo nuevo es
5 y el costo futuro asociado es de 11920USD. Utilizando este valor y A=10000USD
se obtiene que:
REEMPLAZO DE EQUIPO CONSIDERANDO MEJORA TECNOLOGICA:
HORIZONTE DE TIEMPO INFINITO
103
C(T, 5)
T
X
i=1
T
X
i=1
1
1500
0
2750
2
3000
1
2500
3
4000
2
1500
3
1000
0
19170
1
18828
2
20120
3
20946
20120U SD
Captulo 9
Planificaci
on y secuenciaci
on
de tareas
9.1.
Decisiones de secuencia
Un ejemplo de secuenciaci
on es decidir en que orden los trabajos deben ser atendidos
en el taller. Para ilustrar la complejidad de este problema consideremos un ejemplo
muy simple en donde hay tres trabajos esperando a ser atendidos por el taller A.
En este caso, existen 3! = 6 secuencias posibles para realizar los tres trabajos.
Si consider
aramos ahora que cada trabajo de reparacion debe pasar por dos
estaciones de mantenimiento A y B, en cualquier orden, ya habran (3!)2 2 = 72
secuencias posibles. En general, si hay n trabajos que requieren el servicio de m
estaciones de trabajo, hay (n!)m m! maneras posibles de completar los n trabajos.
Trabajo 1
Taller A
Trabajo 2
Trabajo 3
Figura 9.1:
104
OPTIMA
9.2.
9.2.1.
Definici
on del problema
9.2.2.
Construcci
on del modelo
1. Se asume que todos los trabajos deben pasar primero por la estacion A y
luego por la estaci
on B.
2. Se define:
Ai
Bi
Ii
tiempo que la estacion B esta desocupada desde el final del trabajoi 1 hasta el comienz
donde i
1, 2, . . . , n.
OPTIMA
Estacin A
A1
I1
Estacin B
A2
A3
B1
I2
B2
B3
Figura 9.2:
3. El diagrama de Figura 9.3 es un algoritmo que permite determinar la secuencia
optima que minimiza el tiempo total de procesamiento de n trabajos que
deben pasar por la estacion A y luego por la estacion B.
Valor mnimo Ai
Valor mnimo Bi
Elegir cualquiera
Ai seleccionado
Bi seleccionado
Eliminar trabajo i de la
lista a ser procesados
Figura 9.3:
SI
OPTIMA
9.2.3.
Ejemplo num
erico
Ai
3
8
5
2
Bi
1
1
8
9
SECUENCIA OPTIMA
DE TRABAJOS QUE DEBEN PASAR POR TRES ESTACIONES DE MANTENIMIENTO
108
A4
A3
A2
A1
B4
B3
10
12
14
B2 B1
16
18
20
22
Tiempo
Figura 9.4:
9.3.
Secuencia
optima de trabajos que deben pasar
por tres estaciones de mantenimiento
9.3.1.
Construcci
on del modelo
9.3.2.
Ejemplo num
erico
SECUENCIA OPTIMA
DE TRABAJOS QUE DEBEN PASAR POR TRES ESTACIONES DE MANTENIMIENTO
109
Maquina N
1
2
3
4
5
6
Ai
8
6
12
4
6
8
Bi
3
2
4
1
2
3
Ci
6
5
8
4
5
6
Di = Ai + Bi
11
8
16
5
8
11
E i = Bi + C i
9
7
12
5
7
9
A3
A4
B4
B3
B1
C3
12
16
A5
B6
C4
A1
20
24
28
32
Figura 9.5:
B2
B5
C6
Tiempo
A2
C1
36
40
C5
C2
44
48
52
56
DE TAREAS, METODO
PLANIFICACION
PERT-CPM
9.4.
110
Planificaci
on de tareas, m
etodo PERT-CPM
9.4.1.
Terminologa utilizada
DE TAREAS, METODO
PLANIFICACION
PERT-CPM
111
Evento
Corresponde a un momento en el tiempo. Se identifican al comienzo o termino
de una actividad. Se dice que se realiza un evento, cuando todas las actividades
que llegan a un mismo nodo han sido terminadas. Se representan con crculos
numerados y forman parte del diagrama PERT.
Predecesoras
Son actividades que deben preceder (estar antes) a una actividad determinada.
Ruta crtica o camino crtico
Un camino es una serie de actividades sucesivas conectadas, que conduce del
principio del proyecto al final del mismo. El camino que requiera el mayor tiempo
de ejecucion se denomina camino o ruta crtica. La duracion del camino crtico, es
el tiempo necesario para terminar el proyecto.
Holgura o margen
Es el tiempo libre en al red, es decir, la cantidad de tiempo que se puede retrasar o
demorar una actividad sin afectar la fecha de terminacion del proyecto.
9.4.2.
Construcci
on de la Red
Figura 9.6:
2. Entre dos eventos sucesivos: inicial y terminal debe haber una sola actividad.
Por ejemplo, el siguiente diagrama es incorrecto:
DE TAREAS, METODO
PLANIFICACION
PERT-CPM
112
Figura 9.7:
Figura 9.8:
3. Existen algunos casos, en donde es necesario el uso de actividades ficticias para
representar las actividades correctamente en la red. Por ejemplo, consideremos
el caso en que las actividades A y B preceden a C, pero E es precedida
solamente por B. Una representacion incorrecta sera:
Figura 9.9:
La forma correcta de representacion es incluyendo una actividad ficticia D.
DE TAREAS, METODO
PLANIFICACION
PERT-CPM
113
D
E
Figura 9.10:
9.4.3.
Ejemplo 1
Predecesoras
B, D, E
E
F
B
Tiempo (dias)
3
1
2
1
4
3
La Figura 9.11 muestra la red PERT. En esta red se dibujan primero las tareas
que no tienen predecesoras, en este caso B y D. Una vez dibujadas estas tareas, se
buscan las tareas que sus predecesoras ya han sido dibujadas y se a
naden a la red,
se continua as hasta que todas las tareas han sido dibujadas en la red.
En este caso la ruta crtica es B-F-E-G-A, cuya duracion es de 11 das.
3
C
B
G
FIN
D
A
4
Figura 9.11:
DE TAREAS, METODO
PLANIFICACION
PERT-CPM
9.4.4.
114
Ejemplo 2
Tarea
A
B
C
D
E
F
G
H
I
J
Predecesoras
J
I, G, H
H
C, E, H
A, F
H
J
A, F, H
-
Tiempo (dias)
2
4
1
2
5
3
1
2
4
2
1
H
5
D
E
3
FIN
I
G
B
5
Figura 9.12:
La ruta crtica es H-F-I-B con un tiempo de 13 das.
9.4.5.
Reducci
on de los tiempos
DE TAREAS, METODO
PLANIFICACION
PERT-CPM
115
Tiempo limite: Es el tiempo mnimo que puede durar una actividad y tiene
asociado un incremento en los costos de intervencion.
Tiempo normal: Es el tiempo que normalmente dura una actividad.
El gradiente de los costos de intervencion puede ser aproximado por:
costo lmite - costo normal
tiempo normal - tiempo mnimo
Para reducir la duraci
on del proyecto, se deben reducir los tiempos de las actividades
de la ruta crtica, entre estas actividades, se debe empezar con aquellas que tienen
el menor gradiente de costos. Se debe tener cuidado que al reducir el tiempo de
una actividad, la ruta crtica puede cambiar, en ese caso es necesario analizar
nuevamente la red antes de reducir el tiempo de la siguiente actividad.
Ejemplo
El plan de mantenimiento de un equipo consta de 5 actividades basicas que
se relacionan de acuerdo al diagrama mostrado en la Figura 9.13. Los costos de
intervencion normales y lmites para cada actividad se dan en la tabla a continuacion:
Actividad
A
B
C
D
E
Tiempo normal
3
2
6
4
3
Costo normal
40
50
100
80
60
Tiempo lmite
1
1
4
2
1
1
A
E
C
3
D
Figura 9.13:
Costo lmite
80
120
140
130
140
DE TAREAS, METODO
PLANIFICACION
PERT-CPM
116
Para este ejemplo la ruta crtica es A-E con una duracion normal de 7 das y un
costo de 330. Para reducir el proyecto a 6 das se pueden acortar las tareas A o E.
El gradiente de los costos en cada caso es:
CA
t
80 40
= 20
2
CE
t
130 80
= 25
2
Por lo tanto, conviene mas acortar la tarea A. En este caso la duracion del proyecto
es de 6 das con un costo de 350.
9.4.6.
Planificaci
on de cargas
Un metodo u
til para determinar la mano de obra necesaria en cada etapa, es el uso
de una carta Gantt. Esta carta ayuda a decidir el orden en que las tareas deben
ser realizadas. Por ejemplo, la carta gantt a continuacion representa al diagrama
de la Figura 9.12.
H
F
C
J
A
G
E
I
D
B
cargas
Figura 9.14:
Se puede notar que hay un instante en el que se estan realizando cuatro actividades
al mismo tiempo, mientras que hay dos instantes en los que se realiza una sola
actividad. En la carta Gantt se puede ver que las actividades C, A, G y D, tienen
DE TAREAS, METODO
PLANIFICACION
PERT-CPM
117
Figura 9.15:
Bibliografa
[1] A. Birolini. Reliability engineering: theory and practice. Springer, 2010.
[2] J.D. Campbell and A.K.S. Jardine. Maintenance excellence: Optimizing
equipment life-cycle decisions. CRC, 2001.
[3] J. Moder, C. Phillips, and E. Davis. Project management with CPM, PERT
and project diagramming. Van Nostrand Reinhold Publishers, 1983.
[4] B.V. Gnedenko and I.A. Ushakov. Probabilistic reliability engineering. WileyInterscience, 1995.
[5] A.K.S. Jardine and A.H.C. Tsang. Maintenance, replacement, and reliability:
theory and applications. CRC Press, 1973.
[6] W. Kuo and M.J. Zuo. Optimal reliability modeling: principles and applications.
Wiley, 2003.
[7] Rodrigo Pascual. El Arte de mantener: un marco conceptual y varios modelos
para la gesti
on de activos fsicos. 2011.
[8] D.J. Smith. Reliability, maintainability and risk: practical methods for engineers.
Butterworth-Heinemann, 2005.
[9] F. Zhang and A.K.S. Jardine. Optimal maintenance models with minimal repair,
periodic overhaul and complete renewal. IIE transactions, 30(12):11091119,
1998.
118