8.capitulo IX RAMR Spanish 2017 PDF

IngeCon
Asesoría Integral en Ingeniería de Confiabilidad

www.confiabilidadoperacional.com
Técnicas de Ingeniería de
Mantenimiento y Fiabilidad aplicadas en
el proceso de Gestión de Activos
Nota técnica 9:
Métodos de Análisis de Fiabilidad,

Disponibilidad y Mantenibilidad.
(RAM: Reliability, Availability & Maintainability)
Autores:
**Carlos Parra Márquez & Adolfo Crespo Márquez
Dept. Industrial Management. University of Seville
School of Engineering, University of Seville, Spain
**Email: parrac37@gmail.com
Editado por:
www.ingeman.net
Septiembre 2016
Certificación ICOGAM
Miami, Florida, 6 al 8 de Diciembre del 2017
https://app.box.com/s/83tyjazjpuixs4fgnaenfo28nvg9v2n2
Métodos de Análisis de Fiabilidad, Mantenibilidad, Disponibilidad y Riesgo
Parra, C. & Crespo, A. Draft-Vol.-9-Sept.-2016
RESUMEN
En el siguiente artículo, se describen de forma detallada los conceptos teóricos de los

indicadores de Fiabilidad, Mantenibilidad, Disponibilidad y Riesgo económico.
Adicionalmente, se explican los modelos estadísticos más utilizados y se presentan
algunos ejemplos prácticos de cálculo y análisis de estos indicadores.
IX.1. INTRODUCCIÓN Y CONCEPTOS BÁSICOS
Tomando como referencia el Modelo de Gestión de Mantenimiento (MGM) de 8 fases

presentado en la Figura 9.1, la siguiente sección relacionada con las técnicas de
análisis de fiabilidad, mantenibilidad, disponibilidad y riesgo, forma parte de las Fases
5 y 6 del MGM.
Eficacia
Fase 1: Fase 2:
Fase 3:
Definición de Jerarquización
Análisis de
objetivos, de los equipos de
puntos débiles
estrategias y acuerdo con la
en equipos de
responsabilidades importancia de
alto impacto
de mantenimiento su función
Fase 8: Mejora
Fase 4:
Implantación del
Diseño de planes
proceso de
de mantenimiento
mejora continua y
preventivo y de los
adopción de nuevas
recursos necesarios
tecnologías
Fase 7: Fase 5:
Fase 6:
Análisis del ciclo Programación del
Evaluación y
de vida y de la mantenimiento y
control de la
posible optimización en la
ejecución del
renovación de asignación de
mantenimiento
los equipos recursos
Evaluación Eficiencia
Figura 9.1. Modelo del proceso de gestión del mantenimiento (Crespo, 2007)
- Como sabemos la fiabilidad es una aptitud que tiene un elemento (pieza,

componente, aparato, ó sistema) para cumplir con unas funciones prefijadas y
mantenerse en los límites establecidos para las condiciones de explotación dadas
durante un intervalo de tiempo requerido. Esta propiedad se expresa en forma de
probabilidad de funcionamiento (probabilidad de que no falle el
equipo/componente en estudio). Según la UNE-EN 15341:2007, “la fiabilidad es la
característica de un dispositivo expresada por la probabilidad de que este
dispositivo cumpla con una función requerida en las condiciones de utilización y
para un periodo de tiempo determinado”. Es decir, el concepto de fiabilidad puede
definirse como la probabilidad de que un elemento funcione de manera
2
M Métodos de Análisis de Fiabilidad, Mantenibilidad, Disponibilidad y Riesgo
satisfactoria durante un periodo de tiempo determinado en el que es utilizado en

unas condiciones de funcionamiento especificadas (Jardine, 1999).
Para ello, se deben establecer los criterios que describen lo que se considera por
funcionamiento satisfactorio, que puede ser una combinación de factores cualitativos
y cuantitativos que definen las funciones que el elemento debe cumplir. La definición
de este funcionamiento requerido implicará establecer un nivel de admisibilidad a
partir del cual el equipo falla. De igual forma deben definirse las condiciones de uso
del elemento que vendrá estipulado en la documentación técnica, ya que parece
evidente que un mismo material utilizado en dos contextos de funcionamiento
diferentes no tiene porqué tener la misma fiabilidad. Luego las condiciones de
funcionamiento indicarán factores ambientales como la localización geográfica donde
se espera que el equipo opere, el perfil operacional, el perfil de transporte, ciclos de
temperatura, humedad, vibraciones y un largo etcétera. Factores que además, no sólo
corresponden a las condiciones para el periodo en que el equipo está operativo sino
que también cuando éste se encuentra almacenado o es transportado. Se define
entonces el plazo de funcionamiento como el periodo de explotación del equipo hasta
la aparición del estado límite estipulado en la documentación técnica. Esta duración
puede estar medida en horas, ciclos ó incluso volumen de trabajo (Crespo, 2007).
Es importante dentro del marco de referencia conceptual descrito en los dos
párrafos anteriores, entender el concepto básico de fallo. Por fallo se entiende el cese
de la aptitud de un equipo para realizar una función requerida (Crespo, 2007). Por
tanto, tras el fallo del equipo se encuentra en estado de avería. Fallo es el paso, la
transición, de un estado a otro, por oposición a avería que es un estado. Cuando un
fallo tiene lugar, existe una o más evidencias físicas (que hacen posible el fallo), es
decir, la forma física que hace evidente el cese de la aptitud del equipo. Este
concepto, asociado a la evidencia física encontrada una vez que se produce el fallo, se
denomina el modo de fallo del equipo (parte reparable ó reemplazable). La pregunta
que se realiza para identificar el modo de falla es: qué evidencia física provocó el fallo
(Moubray, 1991 y Parra, 2009). Además de conocer el qué produjo el fallo del
elemento, será de enorme interés averiguar por qué este tuvo lugar, la razón que
condujo al fallo o la causa del fallo. Las causas del fallo serán circunstancias asociadas
con el diseño, fabricación, instalación, uso y mantenimiento del elemento. Existen, por
tanto, fallos de diseño, fallos de fabricación, fallos de instalación, fallos por mal uso,
fallos por mal manejo o manutención, fallos que son el resultado de un inadecuado o
incorrecto mantenimiento, o cualquier otra causa que origine la interrupción de la
función. El análisis de las causas de determinados modos de fallo es una tarea
complicada. Es necesaria experiencia, y en muchos casos un buen número de recursos
y horas de investigación. Además, los elementos tendrán fallos primarios (cuya causa
directa o indirecta no es un fallo en otro elemento), pero en muchos casos los fallos de
los elementos serán secundarios, cuya causa directa o indirecta será un fallo de otro
elemento (por ejemplo, el fallo del inyector en el ejemplo anterior, o del filtro de
admisión). Obsérvese además, como también puede ser un subsistema completo el
que falle, con motivo de algún tipo de desajuste existente entre los elementos que lo
componen. Puede esto suceder incluso en el caso en que todos los elementos del
subsistema se encuentren en buenas condiciones de funcionamiento. Esto pone de
manifiesto el carácter sistémico de los sistemas productivos.
3
Antes de finalizar esta sección dedicada a aclarar los conceptos relacionados con
los fallos de los equipos/componentes, hay que decir que evidentemente todos los
fallos no son iguales, pues pueden tener efectos muy diferentes sobre el sistema de
producción y su entorno. La determinación de las consecuencias de cada fallo
orientará las respuestas del gestor de mantenimiento para resolver cada problema
(prevención, predicción, rediseño, sustitución periódica, no mantenimiento, etc.)
específico. Obviamente aquellos fallos llamados críticos, susceptibles de producir
heridas a personas, al medio ambiente, daños materiales significativos u otros de
consecuencias inaceptables, serán los que necesitarán una mayor atención por parte
de la función mantenimiento (Crespo, 2007).
IX.1.1. CONSIDERACIONES SOBRE ESTADOS Y TIEMPOS DE UN DISPOSITIVO

(EQUIPOS/COMPONENTES)
Estados y tiempos de un dispositivo son datos que se desprenden de la definición del

concepto de fallo del mismo, que es la transición desde un estado en que cumple con
su función requerida, a otro en el que no la cumple. Si se supone entonces que en
todo momento se suministran los medios exteriores que son necesarios para el
funcionamiento de un elemento, existen dos estados fundamentales del dispositivo: el
estado de disponibilidad, o estado de un elemento caracterizado por su aptitud para
realizar una función requerida; y el estado de indisponibilidad, o estado de un
elemento caracterizado por su inaptitud para realizar esa función (Crespo, 2007).
Figura 9.2. Estados de Disponibilidad e Indisponibilidad
Si la aptitud del elemento para cumplir con una función requerida cesa con
motivo de la falta de suministro de medios exteriores, se dice entonces que el
elemento sigue en estado de disponibilidad, pero que se encuentra en un estado de
incapacidad externa. Un equipo podrá entonces encontrarse en un estado de
incapacidad, o de inaptitud para cumplir una función requerida, como consecuencia
del cese en el suministro de los medios externos necesarios para su funcionamiento
(incapacidad externa) o bien por que se encuentre en estado de incapacidad interna, o
estado de un elemento caracterizado, bien por una avería, o bien por una posible
4
inaptitud para realizar una función requerida durante el mantenimiento. El estado de

incapacidad interna coincide por tanto con el estado de indisponibilidad del equipo
(ver Figura 9.2).
Atendiendo al párrafo anterior, el estado de avería, o simplemente avería, se
caracteriza por la inaptitud de un elemento para realizar la función requerida, excluida
la inaptitud debida al mantenimiento preventivo u otras acciones programadas, o a
una falta de medios exteriores. A su vez, cuando un equipo se encuentra disponible,
puede hallarse en los siguientes estados posibles: En estado de funcionamiento, o
estado en que un elemento realiza la función requerida.; en estado de espera,
también llamado estado de reserva, que es un estado de disponibilidad no operativo
durante el tiempo requerido; o en estado de inactividad, también llamado libre de
servicio o de reposo (“idle”), que es un estado de disponibilidad y de no
funcionamiento durante un tiempo no requerido. Una vez definidos los posibles
estados en que puede encontrarse un elemento, puede comprobarse cómo, salvo que
exista incapacidad como consecuencia de la ausencia de medios exteriores, la
indisponibilidad del elemento será achacable al tiempo de mantenimiento del mismo
que le impide cumplir con su función requerida, o intervalo de tiempo durante el que
se efectúa una acción de mantenimiento sobre el mismo, manual o automáticamente,
incluidos los retrasos técnicos y logísticos, que le impiden cumplir con su función
(Crespo, 2007). En efecto, el tiempo de mantenimiento de un elemento incluirá un
tiempo llamado de mantenimiento activo, durante el que se le efectuará la acción de
mantenimiento, pero también a menudo se incurrirá en retrasos, fundamentalmente
cuando se producen fallos y las actuaciones de mantenimiento no se han programado
con antelación. Los retrasos pueden ser de tipo administrativo (por ejemplo, los
retrasos provocados por la imposibilidad de ejecutar acciones de mantenimiento por
la necesidad de obtención de permisos o autorizaciones de acceso a los equipos, la
necesidad de determinados trámites oficiales para el comienzo de la realización de un
trabajo, etc.), o de tipo logístico (por ejemplo, los debidos al desplazamiento hasta
instalaciones no atendidas, a la espera de piezas de recambio, de equipos de ensayo,
de informaciones y de condiciones ambientales adecuadas, etc.).
IX.2. INDICADORES BÁSICOS DE ANÁLISIS ESTADÍSTICO DE FIABILIDAD (VARIABLES

CONTINUAS)
El proceso de análisis estadístico de la fiabilidad, estudia básicamente la variable

aleatoria continua “tiempo hasta el fallo” (variable representada por el indicador TTF:
time to failure, siglas en inglés, ver Figura 1). La información básica requerida para este
tipo de análisis son las bases de datos donde se almacenan los registros de tiempos
históricos de fallos de los equipos (Yañez, 2004). En términos generales, el análisis de
fiabilidad en procesos industriales, inicialmente se focaliza en la evaluación estadística
de fallos en equipos no reparables (Elsayed, 1996). Los equipos/componentes no
reparables tienen las siguientes características fundamentales:
 Su condición operativa no puede ser restaurada después de un fallo
 Su vida termina con un “único” fallo y debe ser reemplazado
 La variable aleatoria de interés es el tiempo hasta el fallo
5
Para la realización de cualquier estudio de fiabilidad en activos industriales,

básicamente se analizan cinco indicadores relacionados con el comportamiento de la
variable aleatoria (xi): tiempo hasta el fallo (TTF):
 La función de densidad de probabilidad del fallo, f(x)
 La función de distribución acumulada de probabilidad del fallo, F(x)
 La función de distribución acumulada inversa de probabilidad de que no ocurra
el fallo, C(x)
 La función de frecuencia de fallos, h(x)
 La media (esperanza matemática): E(x),
en procesos de análisis de fiabilidad
este indicador es conocido como: MTTF: mean time to failure (tiempo
promedio hasta el fallo)
A continuación explicaremos de forma general cada uno de estos indicadores.
IX.2.1.FUNCIÓN DE DENSIDAD DE PROBABILIDAD DEL FALLO: f(x)
Una función f(x) es considerada una distribución de densidad de probabilidad de una

variable aleatoria continua X si para cualquier intervalo de números reales [x1, x2] se
cumple (ver Figura 9.3):
f ( x)  0 (9.1)

 f ( x)dx  1 (9.2)

x2
P ( x  X  x )   f (u )du  1 (9.3)
1 2 x 1
f ( xi )  p( X  xi ) (9.4)
Figura 9.3. Función de densidad de probabilidad del fallo (f(x))
La mayoría de las funciones de densidad de probabilidades “f(x)” se distinguen

por su tradicional forma de campana. En todo caso, este tipo de representación
matemática relaciona cualquier valor (xi) que pueda tomar la variable aleatoria
continua “X”, con su probabilidad de ocurrencia f(xi) (en esta caso la variable aleatoria
“X”, está relacionada con el tiempo hasta el fallo). Dónde f(xi) se define como
probabilidad de que la variable aleatoria tome un valor particular dentro de su
dominio.
6
IX.2.2. FUNCIÓN DE DISTRIBUCIÓN ACUMULADA DE PROBABILIDAD DEL FALLO: F(x)
La función de distribución acumulada de probabilidad del fallo F(x), se distingue por su

común forma de “S” y relacionan cualquier valor xi de la variable aleatoria “X”, con la
probabilidad de observar valores “menores o iguales” a dicho valor xi (ver Figura 9.4).
Figura 9.4. Función de distribución acumulada de probabilidad del fallo F(x)
La función de distribución de probabilidad del fallo F(x) es la integral de la

función de densidad de probabilidad f(x), y representa la probabilidad acumulada de
fallo de todos los puntos del espacio de la variable aleatoria (X) (en esta caso la
variable aleatoria “X”, está relacionada con el tiempo hasta el fallo). A continuación se
presentan las ecuaciones generales para el cálculo del indicador de probabilidad del
fallo F(x):
F ( xi )  p( X  xi )
(9.5)
(0  F ( x )  1 (9.6)
xi
F ( xi )   f ( x)dx
 (9.7)
En muchos casos nos interesa determinar la probabilidad del fallo de la variable
aleatoria X entre un intervalo [xa, xb] (ver Figura 9.5).
Figura 9.5. Función de distribución acumulada de prob. de fallo F(x) en el intervalo [xa, xb]
7
xb
P( xa  x  xb )   f ( x)dx  F ( xb )  F ( xa )
xa
(9.8)
IX.2.3. FUNCIÓN DE DISTRIBUCIÓN ACUMULADA INVERSA DE PROBABILIDAD DE QUE

NO OCURRA EL FALLO: C(x)
La función de distribución acumulada inversa de probabilidad de que no ocurra el

fallo C(x) (también se conoce como función de fiabilidad), se distingue por su común
forma descendente y relacionan cualquier valor xi de la variable aleatoria “X”, con la
probabilidad de observar valores “mayores o iguales” a dicho valor xi (ver Figura 9.6).
Figura 9.6. Función de distribución acumulada inversa de probabilidad de que no ocurra el

fallo (C(x))
La función de distribución de probabilidad de que no curra el fallo C(x) es el
inverso de función de distribución de probabilidad del fallo F(x), y representa la
probabilidad acumulada de que no ocurra el fallo de todos los puntos del espacio de la
variable aleatoria (X) (a nivel internacional este indicador se conoce como R(x)). A
continuación se presentan las ecuaciones generales para el cálculo del indicador de
probabilidad de que no ocurra el fallo C(x):
C ( xi )  p( X  xi )
(9.9)
xi
C ( xi )  1   f ( x)dx
 (9.10)
C ( xi )  1  F ( xi )
(9.11)
IX.2.4. FUNCIÓN DE FRECUENCIA DE FALLOS: (h(x))
La función de frecuencia de fallos h(x), es un camino alternativo a la función

confiabilidad C(x), para describir el comportamiento de la variable aleatoria tiempo
para el fallo, representa la tasa de fallos en el tiempo (ver Figura 9.7).
La función h(x) describe el comportamiento del número de fallos de una
población por unidad de tiempo, y viene dada por la siguiente expresión:
8
f ( x) f ( x)
h( x )  
C ( x) 1  F ( x) (9.12)
Figura 9.7. Función de frecuencia de fallos h(x)
Existe una importante relación entre la función fiabilidad C(x) y la función h(x),
que se resume en la siguiente expresión:
f ( x)
C ( x) 
h( x ) (9.13)
Esta expresión establece que cualquiera que sea la función de fiabilidad C(x), si
se conocen la función de densidad f(x) la evolución de la tasa de fallos h(x), se puede
realizar un trazado experimental de la fiabilidad en función del tiempo.
IX.2.5. MEDIA (ESPERANZA MATEMÁTICA): (E(X)) DE LA VARIABLE ALEATORIA

TIEMPO HASTA EL FALLO
La media E(X) o valor esperado es una idea fundamental en el estudio de las

distribuciones de probabilidad que expresa básicamente la tendencia central o
posición de la distribución. Como se muestra en la figura 8, la media no es
necesariamente el valor de mayor probabilidad de ocurrencia (como suele
interpretarse de manera errónea); la media es “el centro de gravedad” de una
distribución. Adicional a “esperanza matemática” o “valor esperado”, otros nombres
comúnmente usados para referirse a la media son “average”, “promedio” y “centro de
gravedad” (Yañez, 2004).
La media E(X) o valor esperado es un indicador de gran importancia que se
puede estimar para todas las distribuciones, por lo tanto es un valor que puede ser
fácilmente comparado entre diversas distribuciones estadísticas. Esta es una de las
razones, por la cual este parámetro es muy común que sea utilizado para estimar el
valor en el tiempo en el que va a ocurrir el próximo evento de fallo según la
distribución estadística utilizada (este indicador se utiliza para definir de forma simple
el momento en el cual se puede realizar una actividad de mantenimiento planificado).
La media es la mejor expresión en un simple valor numérico, si se desea mostrar el
9
comportamiento general de la variable aleatoria X para una distribución específica (en

nuestro caso, la variable aleatoria X, está relacionado con los tiempos totales hasta el
fallo, de un conjunto de eventos de fallos) (Yañez, 2004).
Figura 9.8. Posición de la media E(X) dentro de la función de densidad f(x)
La media E(X) describe el tiempo en el que va a ocurrir el próximo fallo, en

procesos de análisis de fiabilidad, la media se conoce como: MTTF, que son las siglas
en inglés de: Mean Time To Failure; o lo que es lo mismo, es la media de los tiempos
de funcionamiento de un sistema hasta que aparezca un evento de fallo. La
estimación matemática de la media E(X) para variables continuas viene dada por la
siguiente expresión (en algunos casos también se utiliza el símbolo: µ, como indicador
de la media):

E ( X )    MTTF   x  f ( x)dx
 (9.14)
IX.2.6. MODELOS MÁS COMUNES DE FUNCIONES DE DISTRIBUCIÓN DE FIABILIDAD
A continuación se describe el proceso de análisis de los cinco indicadores citadores

anteriormente, a partir de funciones de distribución de fiabilidad de uso común en
procesos de gestión del mantenimiento.
IX.2.6.1. Distribución Exponencial
La Distribución Exponencial es un modelo ampliamente usado en procesos de análisis

de fiabilidad de sistemas/equipos/componentes electrónicos. Una de las
características fundamentales de la Distribución Exponencial, es que el número de
ocurrencia de eventos por unidad de tiempo es aproximadamente constante, es decir
que la tasa de fallos es una función constante en el tiempo y el comportamiento del
10
fallo es totalmente aleatorio (Ebeling, 1997). A continuación se presentan de forma

gráfica (Figura 9.9) y analítica los indicadores básicos de fiabilidad calculados con la
distribución Exponencial:
Parámetros
Indicadores de fiabilidad de la La estimación de los parámetros de las

Distribución Exponencial distribuciones presentados en esta Tabla
puede verse en Parra (2006), Knezevic
(1993) y Ebeling (1997).
• f(x): función de densidad de probabilidad λ = frecuencia de fallos, fallos/unidad de

del fallo tiempo (en la distribución exponencial, la
frecuencia de fallos λ es constante)
 ( xi )
f ( xi )    e , (9.15) xi = tiempo hasta el fallo i
• F(x): función de distribución acumulada de X = tiempo total de fallos

probabilidad del fallo
N = número total de fallos
 ( xi) Dónde,
F ( xi)  1  e , (9.16)
1
• C(x): función de distribución acumulada  , (9.20)
E( X )
inversa de probabilidad de que no ocurra el
fallo
 ( xi )
C ( xi )  1  F ( xi )  e , (9.17)
• h(x): función de frecuencia de fallos
f ( xi )
h ( xi )    , constante (9.18)
C ( xi )
• E(X): media (esperanza matemática), en

procesos de análisis de fiabilidad este
indicador es conocido como: MTTF: mean
time to failure (tiempo promedio hasta el
fallo)
N xi
E ( X )  MTTF   , (9.19)
i 1N
Tabla 9.1. Indicadores matemáticos de fiabilidad de la Distribución Exponencial
11
Figura 9.9. Ejemplos de gráficos de los indicadores de fiabilidad de la Distribución Exponencial
IX.2.6.2. DISTRIBUCIÓN WEIBULL
La Distribución Weibull es ampliamente usada en el estudio del tiempo de vida o

tiempo para el fallo de componentes mecánicos. Una de las características
fundamentales de las variables que siguen la distribución Weibull, es que el número
de ocurrencia de eventos de fallos por unidad de tiempo no permanece
necesariamente constante; es decir, la tasa de ocurrencia de eventos de fallos puede
crecer o decrecer con el tiempo (Ebeling, 1997). La distribución de Weibull es muy
flexible ya que contiene dos parámetros matemáticos (α: parámetro de escala y β:
parámetro de forma) que permiten ajustar la variable aleatoria evaluada (tiempos
hasta el fallo) a diferentes comportamientos de fallos (este comportamiento se
conoce en mantenimiento como la curva de la bañera: “bathcurve”. A continuación se
presentan de forma gráfica (Figura 9.10) y analítica los indicadores básicos de
fiabilidad calculados con la distribución Weibull:
El parámetro de forma β, permite adaptar la forma de las curvas h(xi) a las
diferentes fases de vida de un sistema (Crespo, 2007):
 β<1, la frecuencia de fallos h(xi) decrece, representa el período de infancia del
sistema (los tiempos hasta el fallo deben comenzar a mejorar/aumentar).
 β=1, h(xi) es constante, los tiempos hasta el fallos comienzan a ser constantes
(el comportamiento de los fallos es afectado por procesos aleatorios)
 β>1, h(xi) crece, la frecuencia de fallos comienza a incrementarse (disminuyen
con los tiempos hasta el fallo), coincidiendo con la fase de envejecimiento del
sistema.
12
Parámetros
Indicadores de fiabilidad de la La estimación de los parámetros de las distribuciones
Distribución Weibull presentados en esta Tabla puede verse en Parra (2006),
Knezevic (1993) y Ebeling (1997).
xi = tiempo hasta el fallo i

• f(x): función de densidad de probabilidad
del fallo
i = contador correspondiente al dato el tiempo hasta el
fallo

  xi 
  N = número total de fallos
   1   
f ( xi )     ( xi ) e (9.21)
   = parámetro de escala
• F(x): función de distribución acumulada
 = parámetro de forma
de probabilidad del fallo
  = función matemática Gamma

  xi 
 
F ( xi )  1  e  Los parámetros  y , se fijan a partir de las siguientes
(9.22)
expresiones, recopiladas por Parra (2006):
• C(x): función de distribución acumulada

  N  
   A  Ln  xi 
inversa de probabilidad de que no ocurra
 
N
el fallo
   
i  1 
N i
 A
  i 
i 1
  xi    exp 
 
C ( xi )  1  C ( xi )  e    N   N  (9.26)
  A fi  Lnxi     A fi  Lnxi  
(9.23)
• h(x): función de frecuencia de fallos   i  1  i  1 


 
f ( xi )   xi (   1)
h( xi )   (9.24) N
C ( xi )   A
i
i 1
• E(X): media (esperanza matemática), en  
(9.27)
1  Ln 
procesos de análisis de fiabilidad este N 1

indicador es conocido como: MTTF:
mean time to failure (tiempo promedio
 
i  1 Ln xi
hasta el fallo)
Donde:
E ( X )  MTTF     1 
 1 

 (9.25)
  
   
Ln Ln 
1
  1  i  

A 
  N  1 
(9.28)
i  
Ln xi
Tabla 9.2: Indicadores matemáticos de fiabilidad de la Distribución Weibull
13
Figura 9.10. Ejemplos de gráficos de los indicadores de fiabilidad de la Distribución Weibull
IX.2.6.3. DISTRIBUCIÓN LOG NORMAL
La Distribución Log Normal es ampliamente usada para variables que muestran

valores que tienen un alto sesgo; muchos de los valores ocurren cerca del valor
mínimo. Procesos de deterioro (por ejemplo: envejecimiento por desgaste en
tuberías) son escenarios que generan variables cuyo comportamiento se puede
representar de forma eficiente con la Distribución Log Normal. Los parámetros de la
distribución Log Normal son: La media logarítmica “μl” y la desviación estándar
logarítmica “σl” (Yañez, 2004). A continuación se presentan de forma gráfica (Figura
9.11) y analítica los indicadores básicos de fiabilidad calculados con la distribución Log
Normal. Hay cuatro características fundamentales de las variables que se modelan con
la distribución Log Normal:
Figura 9.11. Ejemplos de gráficos de los indicadores de fiabilidad de la Distribución Log Normal
14
Parámetros
Indicadores de fiabilidad de la La estimación de los parámetros presentada en esta Tabla
Distribución Log Normal puede verse en Parra (2006), Knezevic (1993) y Ebeling
(1997).
• f(x): función de densidad de probabilidad del

xi = tiempo hasta el fallo i
fallo
2 i = contador correspondiente al dato del tiempo

1  ln( xi )   l  hasta el fallo
  
 1  2  
f ( xi )   e  l  (9.29) N = número total de fallos
  2 
 l 
 = media logarítmica
• F(x): función de distribución acumulada de l
probabilidad del fallo
 = desviación estándar logarítmica
1 l
F ( xi )  At ( xi )
l  2  
(9.30)
Donde: Donde,
2
 ln(( xi ))   
1 l  1
    
N
 ln( xi ) , (9.35)
 2   l i 1
1   N

l
At ( xi )  e dxi
0 xi (9.31)
“La integral de la Ecuación 9.31 no tiene solución  
  1  N
  N  i 1 
ln( xi )      ,
2
(9.36)
analítica; por lo tanto, para hallar valores de F(xi) y
l
   l

C(xi), se usa una solución numérica o por tablas”
• C(x): función de distribución acumulada inversa
de probabilidad de que no ocurra el fallo
1
C ( xi )  1  C ( xi )  1  At ( xi )
l  2  
(9.32)
Dónde:
At(xi), se estima a partir de la Ecuación 9.31.
• h(x): función de frecuencia de fallos
2
1  ln( xi )  l 

   2  
 1   l 
   e
  2
f ( xi )  l 
h ( xi )  
C ( xi ) 1
1 At ( xi )
  2
l (9.33)
• E(X): media (esperanza matemática), en procesos
de análisis de fiabilidad este indicador es
conocido como: MTTF: mean time to failure
(tiempo promedio hasta el fallo)
  1 2 
 l   l  
E ( X )  MTTF  e
 2  (9.34)
Tabla 9.3: Indicadores matemáticos de fiabilidad de la Distribución Log Normal
15
 La variable puede crecer sin límite, pero no puede tomar valores negativos.
 La variable muestra un alto sesgo o tendencia hacia los valores mínimos.
 La variable puede ser muy dispersa, y sus probables valores pueden variar
hasta en órdenes de magnitud.
 El logaritmo natural de los valores dará como representación gráfica una curva
Normal.
IX.3. INDICADORES BÁSICOS DE ANÁLISIS ESTADÍSTICO DE MANTENIBILIDAD

(VARIABLES CONTINUAS)
El proceso de análisis estadístico de la mantenibilidad, estudia básicamente la variable

aleatoria continua “tiempo fuera de servicio” después de un fallo (variable
representada por el indicador DT: Down time, siglas en inglés, ver Figura 9.1). El
tiempo fuera de servicio incluye tanto el tiempo de reparación más cualquier otro
tiempo requerido para la restauración de la función después del fallo (por ejemplo:
tiempos de movilización, diagnóstico, logística, etc.). La información básica requerida
para este tipo de análisis son las bases de datos donde se almacenan los registros de
tiempos fuera de servicio asociados a los eventos de fallos (Parra, 2006). Los
diferentes tiempos empleados en la ejecución de la tarea de mantenimiento, son el
resultado de la influencia de distintos factores que afectarán el desarrollo de cada
actividad de mantenimiento (Parra, 2006):
 Factores personales, que representan la influencia de la habilidad, motivación,
experiencia, actitud, capacidad física, vista, autodisciplina, formación,
responsabilidad y otras características similares relacionadas con el personal
involucrado;
 Factores operacionales, que representan la influencia del entorno operativo,
en función de las consecuencias que ha producido el fallo sobre las
operaciones, el ambiente, la seguridad y la condición física del activo en
recuperación;
 Entorno, que representa la influencia de factores como temperatura,
humedad, ruido, iluminación, vibración, momento del día, época del año,
viento, ruido, etc. en el personal de mantenimiento durante la operación de
restauración del equipo.
En términos generales, el análisis de mantenibilidad en activos industriales,
inicialmente se focaliza en la evaluación estadística de los tiempos de restauración de
los eventos de fallos (eventos imprevistos), aunque también se pueden realizar
análisis de mantenibilidad para tiempos de restauración de eventos programados
(acciones de mantenimiento preventivo que se realicen antes de que ocurra el evento
de fallo). Para la realización de cualquier estudio de mantenibilidad en activos
industriales, básicamente se requieren analizar tres indicadores relacionados con el
comportamiento de la variable aleatoria (xi): tiempo fuera de servicio después del
fallo (DT):
 La función de distribución acumulada de probabilidad de restaurar el equipo
después del fallo: M(x)
 La función de frecuencia de reparaciones: h(x)
16
 La media (esperanza matemática): E(x), en procesos de análisis de

mantenibilidad este indicador es conocido como: MDT: Mean Down Time
(tiempo promedio fuera de servicio después del fallo)
A continuación explicaremos de forma general cada uno de estos indicadores.
IX.3.1. FUNCIÓN DE DISTRIBUCIÓN ACUMULADA DE PROBABILIDAD DE RESTAURAR

EL EQUIPO DESPUÉS DEL FALLO: M(x)
La función de distribución acumulada de probabilidad de restaurar el equipo después

del fallo M(x), se distingue por su común forma de “S” y relacionan cualquier valor xi
de la variable aleatoria “X”, con la probabilidad de observar valores “menores o
iguales” a dicho valor xi (ver Figura 9.12).
Figura 9.12. Función de distribución acumulada de probabilidad de restaurar el equipo

después fallo M(x)
La función de distribución de probabilidad de restaurar el equipo M(x),
representa la probabilidad acumulada de restaurar de forma exitosa un equipo
después de un evento de fallo, tomando en consideración el análisis de la variable
aleatoria X (representada por el tiempo fuera de servicio después del fallo). A
continuación se presentan las ecuaciones generales para el cálculo del indicador de
probabilidad del fallo F(x):
M ( xi )  p( X  xi ) (9.37)
(0  M ( x )  1 (9.38)
xi
M ( xi )   f ( x)dx (9.39)

17
IX.3.2. FUNCIÓN DE FRECUENCIA DE REPARACIONES: h(x)
La función de frecuencia de reparaciones h(x), es un camino alternativo a la función de

probabilidad de restaurar el equipo después del fallo M(x), para describir el
comportamiento de la variable aleatoria tiempo fuera de servicio y representa la tasa
de reparaciones en el tiempo.
La función h(x) describe el comportamiento del número de reparaciones de una
población por unidad de tiempo, y viene dada por la siguiente expresión:
f ( x)
h( x ) 
1  M ( x) (9.40)
IX.3.3. MEDIA (ESPERANZA MATEMÁTICA): (E(X)) DE LA VARIABLE ALEATORIA

TIEMPO FUERA DE SERVICIO DESPUÉS DEL FALLO
La media E(X) o valor esperado de la variable aletoria X (tiempo fuera de servicio

después del fallo), es una idea fundamental en el estudio de las distribuciones de
probabilidad que expresa básicamente la tendencia central o posición de la
distribución. La media no es necesariamente el valor de mayor probabilidad de
ocurrencia (como suele interpretarse de manera errónea); la media es “el centro de
gravedad” de una distribución. Adicional a “esperanza matemática” o “valor
esperado”, otros nombres comúnmente usados para referirse a la media son
“average”, “promedio” y “centro de gravedad” (Yañez, 2004).
La media E(X) o valor esperado para la variable aleatoria tiempo fuera de
servicio, es un indicador que representa la cantidad de tiempo indisponible que se
genera como consecuencia de los procesos de restauración de la función de un equipo
después de que ha ocurrido un evento de fallo. Este parámetro es muy común que sea
utilizado para estimar el tiempo que se necesita para desarrollar una actividad de
mantenimiento planificada (mantenimiento preventivo) o no planificada
(mantenimiento correctivo).
La media E(X) describe el tiempo de ejecución del mantenimiento, en procesos
de análisis de mantenibilidad, la media se conoce como: MDT, que son las siglas en
inglés de: Mean Downtime; o lo que es lo mismo, es la media de los tiempos de fuera
de servicio de un sistema después de un evento de fallo. La estimación matemática de
la media E(X) para variables continuas viene dada por la siguiente expresión (en
algunos casos también se utiliza el símbolo: µ, como indicador de la media):

E ( X )    MDT   x  f ( x)dx
 (9.41)
IX.3.4. MODELOS MÁS COMUNES DE FUNCIONES DE DISTRIBUCIÓN DE

MANTENIBILIDAD
A continuación se describe el proceso de análisis de los indicadores citadores

anteriormente, a partir de funciones de distribución de mantenibilidad de uso común
en procesos de gestión del mantenimiento.
18
IX.3.4.1. DISTRIBUCIÓN EXPONENCIAL
La Distribución Exponencial utilizada en procesos de análisis de mantenibilidad, tiene

como característica fundamental, que el tiempo fuera de servicio después de un
evento de fallo es aproximadamente constante, es decir que la tasa de reparaciones
es una función constante en el tiempo (Ebeling, 1997).
A continuación se presentan de forma analítica los indicadores básicos de
mantenibilidad calculados con la distribución Exponencial:
Parámetros
La estimación de los parámetros de las
Indicadores de mantenibilidad de la distribuciones presentados se encuentra en
Distribución Exponencial la literatura de fiabilidad, ver (Parra, 2006,
Knezevic, 1993 y Ebeling, 1997)
• M(x): función de distribución acumulada de λ = frecuencia de reparaciones,

probabilidad de restaurar el equipo reparaciones/unidad de tiempo (en la
después del fallo Distribución Exponencial, la frecuencia de
reparaciones (λ) es constante
 ( xi )
M ( xi )  1  e (9.42)
xi = tiempo fuera de servicio después del
fallo i
• h(x): función de frecuencia de reparaciones
X = tiempo total fuera de servicio
f ( xi )
h ( xi )    constante (9.43)
1  M ( xi )
N = número total de fallos
• E(X): media (esperanza matemática), en Donde,

procesos de análisis de mantenibilidad este
indicador es conocido como: MDT: mean 1
down time (tiempo promedio fuera de  (9.45)
E( X )
servicio después del fallo)
N xi
E ( X )  MDT   (9.44)
i 1N
Tabla 9.4. Indicadores matemáticos de mantenibilidad de la Distribución Exponencial
IX.3.4.2. DISTRIBUCIÓN LOG NORMAL
La Distribución Log Normal utilizada en procesos de análisis de mantenibilidad, tiene

como característica fundamental, que los tiempos fuera de servicio después de un
fallo, muestran valores que tienen un alto sesgo; muchos de los valores ocurren cerca
del valor mínimo. Los parámetros de la distribución Log Normal son: La media
logarítmica “μl” y la desviación estándar logarítmica “σl” (Yañez, 2004).
19
A continuación se presentan de forma analítica los indicadores básicos de

mantenibilidad calculados con la distribución Log Normal:
Parámetros
La estimación de los parámetros de las
Indicadores de fiabilidad de la distribuciones presentados se encuentra
Distribución Log Normal en la literatura de fiabilidad, ver (Parra,
2006, Knezevic, 1993 y Ebeling, 1997)
 M(x): función de distribución acumulada de xi = tiempo fuera de servicio i

probabilidad de recuperar el equipo después
del fallo i = contador correspondiente al dato del
tiempo fuera de servicio
1
M ( xi )  At ( xi ) , (9.46)
l  2   N = número total de fallos
Donde:
 = media logarítmica
2 l
 ln(( xi ))   
1 l 
  
 2  
1    = desviación estándar logarítmica
 xi e
l
At ( xi )  dxi l
0 (9.47)
Dónde,
“La integral de la ecuación (9.47) no tiene
solución analítica; por lo tanto, para hallar
valores de F(xi) , se usa una solución 1 N
   ln( xi )
numérica o por tablas” l N i 1
(9.50)
•
   
h(x): función de frecuencia de reparaciones
  1  N
  N  i 1
2
  ln( xi )  
1  ln( xi )  l 
2 l
   l
 (9.51)


  2  
 1   l 
   e
  2
f ( xi )  l 
h ( xi )  
C ( xi ) 1
1 At ( xi )
  2
l (9.48)
• E(X): media (esperanza matemática), en

procesos de análisis de mantenibilidad este
indicador es conocido como: MDT: mean
down time (tiempo promedio fuera de
servicio)
  1 2 
  l   l  
E ( X )  MDT  e
 2 
(9.49)
Tabla 9.5. Indicadores matemáticos de mantenibilidad de la Distribución Log Normal
20
IX.4. INDICADOR BÁSICO DE ANÁLISIS ESTADÍSTICO DE DISPONIBILIDAD
El indicador denominado “Disponibilidad”, denotado principalmente por la letra (A)

(Availability, sigla en inglés del indicador disponibilidad), es una característica que
resume cuantitativamente el perfil de operabilidad de un elemento. Representa el
porcentaje del tiempo disponible (de uso) del activo en un periodo determinado
(Parra, 2006). Es una medida importante y útil en casos en los que el usuario tiene que
tomar decisiones con respecto a estimaciones de compromisos con los clientes y en
los procesos de selección y adquisición de un elemento entre varias opciones
alternativas. La disponibilidad relaciona básicamente los tiempos promedios de fuera
de servicio (MDT: mean down time, indicador de mantenibilidad) y los tiempos
promedios operativos de los fallos (MTTF: mean time to failure, indicador de
fiabilidad).
Otro indicador de interés es el denominado “Indisponibilidad”, registrado
principalmente por las letras (UA) (Unavailability, siglas en inglés del indicador
indisponibilidad), representa la porción de tiempo indisponible (fuera de servicio) del
activo en un período determinado. Los cálculos de la disponibilidad y la
indisponibilidad los podemos realizar utilizando los datos del registro de tiempos fuera
de servicio y tiempos operativos de los fallos, utilizando las siguientes expresiones
genéricas:
MTTF
A
MTTF  MDT (9.52)
UA  1  A (9.53)
Los indicadores MTTF y MDT se calculan a partir de los valores esperados (E(X)) de
las distribuciones de fiabilidad y mantenibilidad utilizadas.
Por otra parte, los indicadores de disponibilidad e indisponibilidad se utilizan
comúnmente en el proceso de análisis de configuraciones de sistemas, con el fin de
conocer el comportamiento de estos indicadores a un nivel más amplio. A continuación
se resumen las expresiones de cálculo de los indicadores de (A) y (UA) de
configuraciones básicas en serie y paralelo:
21
Sistemas en serie Sistemas en paralelo

Disponibilidad
(A)
A  A A ,
s 1 2
(9.54) A
p
 A A  A A
1 2 1 2
  (9.58)
Indisponibilidad
(UA) s 1 2 1

UA  UA  UA  UA  UA
2
, (9.55) UA
p
 UA  UA ,
1 2
(9.59)
MTTF  MTTF MTTF  MTTF

1 2 1 2 (9.60)
MTTF MTTF  , (9.56) MTTF 
s MTTF  MTTF p MTTF  MTTF
1 2 1 2
MTTF  MDT  MTTF  MDT MDT  MDT

MTTF 
1 2 2 1
, MDT  1 2 , (9.61)
s MTTF  MTTF
p MDT  MDT
MDT 1 2 1 2
(9.57)
Tabla 9.6: Indicadores de Disponibilidad de sistemas en serie y paralelo
IX.5. CASO PRÁCTICO CON EJEMPLO DE CÁLCULO DE INDICADORES DE FIABILIDAD,

MANTENIBILIDAD Y DISPONIBILIDAD
A continuación se presentan un conjunto de datos de tiempos hasta el fallo (TTF: time

to failure) y tiempos fuera de servicio (DT: down time) de un compresor de gas del
sector petrolero. En resumen, los 26 datos de fallos, forman parte del registro
histórico de fallos de aproximadamente 10 años de vida útil del compresor. Los TTF
están dados en meses y los DT están dados en horas. A continuación se presentan los
tiempos de fallos y los tiempos fuera de servicio:
TTFi (meses): 2, 2, 3, 2, 3, 3, 4, 3, 4, 4, 5, 6, 6, 7, 7, 7, 8, 8, 9, 8, 9, 8, 6, 5, 5, 5
DTi (horas): 7, 7, 8, 6, 7, 8, 6, 7, 6 ,7, 7, 8, 6, 7, 6, 6, 9, 7, 7, 7, 8, 7, 6, 9, 7, 6
Tabla 9.7. Tiempos hasta el fallo (TTF) y tiempos fuera de servicio (DT)
A partir de las ecuaciones propuestas en las secciones anteriores se estimarán

los indicadores de Fiabilidad, Mantenibilidad y Disponibilidad.
IX.5.1. RESULTADOS DE LOS INDICADORES DE FIABILIDAD
La variable aleatoria “xi” será representada por los tiempos hasta el fallo: TTFi,
mostrados en la Tabla 9.7. Para el análisis de fiabilidad de los tiempos hasta el fallo de
la Tabla 9.7, se utilizará la Distribución Weibull (ecuaciones a utilizar: 9.21, 9.22, 9.23,
9.24, 9.25, 9.26, 9.27 y 9.28, Sección IX.3.2, Tabla 9.2).
Los indicadores de fiabilidad a evaluar serán los siguientes:
 f(xi): función de densidad de probabilidad del fallo: (f(x))
 F(xi): función de distribución acumulada de probabilidad del fallo
 C(xi): función de distribución acumulada inversa de probabilidad de
22
que no ocurra el fallo

 h(xi): función de frecuencia de fallos:
 MTTF: Mean time to failure (tiempo promedio hasta el fallo, equivale al
valor esperado de la distribución)
A continuación se presenta una tabla resumen y los gráficos de los indicadores
de fiabilidad calculados a partir de la Distribución Weibull (se utilizo el software
educativo RELEST (Duarte, Fritsch and Elsayed, 1996)).
Los resultados de los parámetros  (parámetro de escala) y  (parámetro de
forma) de la distribución Weibull calculados a partir del software RELEST (Duarte,
Fritsch and Elsayed, 1996) son los siguientes:
 = 5,98
 = 2,54
Los resultados numéricos de los indicadores se presentan en la Tabla 9.8.
Tiempo de f(TTFi) F(TTFi) C(TTFi) h(TTFi) MTTF

evaluación Función de Probabilidad Probabilidad Frecuencia de Valor
TTFi (meses) densidad de fallo de que no fallos esperado del
ocurra el fallo próximo fallo
(%) (%) (%) (fallos/mes) (meses)
1 0,0268 1,05 98,95 0,0268
2 0,0735 5,97 94,03 0,0782
3 0,1231 15,85 84,15 0,1463
4 0,1593 30,15 69,85 0,2282
5 0,1710 46,91 53,09 0,3222
6 0,1559 63,47 36,53 0,4270
7 0,1220 77,48 22,52 0,5419
8 0,0820 87,68 12,32 0,6660 5,31
9 0,0473 94,08 5,92 0,7990
10 0,0233 97,52 2,48 0,9403
11 0,0098 99,10 0,9 1,0894
12 0,0024 99,80 0,2 1,2462
13 0,0009 99,93 0,07 1,4103
14 0,0001 99,99 0,01 1,5814
15 0,00005 99,997 0,003 1,7593
Tabla 9.8. Resultados analíticos de los indicadores de Fiabilidad
23
Figura 9.13. Resultados gráficos de los indicadores de Fiabilidad
IX.5.2. RESULTADOS DE LOS INDICADORES DE MANTENIBILIDAD
La variable aleatoria “xi” será representada por los tiempos fuera de servicio: DTi,
mostrados en la Tabla 9.7. Para el análisis de mantenibilidad de los tiempos fuera de
servicio de la Tabla 9.7, se utilizará la Distribución Log Normal (ecuaciones a utilizar:
9.46, 9.47, 9.48, 9.49, 9.50 y 9.51, Sección IX.7.2, Tabla 5).
Los indicadores de mantenibilidad a evaluar serán los siguientes:
 M(xi): función de distribución acumulada de probabilidad de restaurar el
equipo después del fallo
 h(xi): función de frecuencia de reparaciones
 MDT: Mean Down Time (tiempo promedio fuera de servicio después del
fallo, equivale al valor esperado de la distribución)
A continuación se presenta una tabla resumen y los gráficos de los indicadores

de mantenibilidad calculados a partir de la Distribución Log Normal (se utilizo el
software educativo RELEST (Duarte, Fritsch and Elsayed, 1996)). Los resultados de los
parámetros l (media logarítmica) y  l (desviación estándar logarítmica) de la
distribución Log Normal calculados a partir del software RELEST son los siguientes:
 = 1,9384
l
 = 0,1219
l
24
M(TTFi) h(TTFi) MDT

Tiempo de
Probabilidad de Frecuencia de Valor esperado para
evaluación
reparación reparaciones ejecutar la reparación
DTi (horas)
(%) (reparaciones/hora) (horas)
1 0,00 0,00
2 0,00 0,00
3 0,00 0,00
4 0,00 0,00
5 0,47 0,01722
6 11,45 0,29874
7 52,46 0,98154
7,00
8 87,65 1,6953
9 98,32 2,26646
10 99,86 2,68922
11 99,999174 2,95839
12 99,999952 2,44272
13 99,999987 0,3536
14 99,999988 0,01334
~
15 100 ~0
Tabla 9.9. Resultados analíticos de los indicadores de Mantenibilidad
Figura 9.14. Resultados gráficos de los indicadores de Mantenibilidad
IX.5.3. RESULTADOS DEL INDICADOR DE DISPONIBILIDAD
Para el cálculo de los indicadores de disponibilidad e indisponibilidad, se utilizarán los

tiempos hasta el fallo (TTF) y los tiempos fuera de servicio (DT) de la tabla 7.
Adicionalmente, el resultado del indicador MTTF se tomo de la Tabla 9.8 (calculado a
partir de la distribución Weibull) y del indicador MDT se tomo de la Tabla 9.9
(calculado a partir de la distribución Log Normal). Las ecuaciones utilizadas para el
cálculo de la disponibilidad y de la indisponibilidad fueron la: 9.52 y 9.53, Sección IX.8.
25
Los indicadores de disponibilidad a evaluar serán:

 A: función de disponibilidad
 UA: función de indisponibilidad
MTTF  5,31.meses
1.mes
MDT  7.horas  7.horas.   0,0096 .meses
730 .horas
 Disponibilidad:
MTTF
A 0,998199,81%
MTTF  MDT
 Indisponibilidad:
UA  1  A  0,0019  0,19%
IX.6. INDICADOR BÁSICO DE RIESGO APLICADO EN PROCESOS DE GESTIÓN DEL

MANTENIMIENTO
El análisis del indicador de Riesgo (Ri) se utiliza en procesos de gestión del

mantenimiento con el objetivo principal de: preservar el funcionamiento de los
activos, maximizando su desempeño operacional y su rentabilidad económica, a partir
de la aplicación de estrategias óptimas de mantenimiento, inspección y control de
inventarios, que permitan minimizar los riesgos que generan los distintos modos de
fallos dentro del contexto operacional en el cual se desempeñan (Woodhouse, 1993).
El riesgo, es un término de naturaleza probabilística, que se define como la
“probabilidad de tener una pérdida” y comúnmente se expresa en unidades
monetarias sobre tiempo (por ejemplo: $/mes, $/año, etc.). En términos matemáticos,
el riesgo se puede calcular a partir de la siguiente ecuación (Parra y López, 2002):
F ( xi)  Co $
Ri( xi)   , etc.
xi mes (9.62)
Donde:
xi: tiempos hasta el fallo TTFi (unidad en tiempo: horas, días meses, años,
etc.)
F(xi): probabilidad de ocurrencia fallo (unidad en porcentaje: %)
Co: consecuencias económicas del fallo (unidades en dinero: dólares, euros,
etc.)
26
El análisis del indicador del riesgo, permite integrar factores técnicos y

económicos, debido a que, el mismo combina probabilidades o frecuencias de fallas
con consecuencias económicas. El indicador de riesgo, se comporta como una balanza,
que permite cuantificar la influencia de ambas magnitudes (probabilidad de falla y
consecuencia del fallo) en decisiones de optimización del mantenimiento
(Woodhouse, 1998).
 CIF (costes de indisponibilidad por fallos): Este indicador mide el impacto
económico ocasionado por los efectos que trae consigo un modo de fallo en un
período de tiempo específico (unidad de riesgo económico: dinero/tiempo).
Expresión de cálculo:
CIF = FF x MDT x (CD + CP) (9.63)

Dónde:
FF = frecuencia de fallos = fallos/mes, fallos/año, etc.
MDT = tiempo promedio fuera de servicio = horas/falla
CD = costes directos de corrección por fallos por hora = $/hora (incluye los
costos de materiales y mano de obra)
CP = costes penalización por hora = $/ hora (incluye los costos de oportunidad
provocados por los eventos de fallos (paros de plantas, diferimiento de
producción, productos deteriorados, baja calidad, retrabajo, impacto en
seguridad, ambiente, etc.)
IX.7. INDICADORES DE OPTIMIZACIÓN COSTE RIESGO BENEFICIO UTILIZADOS PARA

DEFINIR INTERVALOS DE MANTENIMIENTO
A continuación se presentan algunos modelos básicos de análisis coste riesgo

beneficio, desarrollados para definir las frecuencias de aplicación de estrategias de
mantenimiento e inspección.
IX.7.1. MODELO DE MINIMIZACIÓN DE COSTES BASADO EN REEMPLAZO

PREVENTIVO POR TIEMPO (EDAD CONSTANTE)
El modelo de Reemplazo Preventivo por Tiempo tiene como objetivo principal,

cuantificar el período de tiempo de ejecución de mantenimiento en el cual se genera
el menor coste (coste mínimo por unidad de tiempo) (Campbell and Jardine, 2001 y
Hastings, 2005). A continuación se presentan las expresiones matemáticas que
permiten calcular el período de tiempo que genera el mínimo coste de mantenimiento
de reemplazo preventivo por tiempo (Hastings, 2005):
(Cf  F (ti ))  (Cp  (1  F (ti ))) unidad  monetaria

C (ti )  
ti tiempo
ti (1  F (ti ))   ti  f (t )dt
0 (9.64)
27
Dónde:
 ti: tiempos hasta el fallo TTFi (unidad en tiempo: horas, días meses, años, etc.)
 C(ti): coste promedio de la estrategia de mantenimiento de reemplazo
preventivo por unidad de tiempo, por ejemplo: dólares/mes (el coste mínimo
se encontrará evaluando el factor de costes C para diferentes valores de ti,
hasta conseguir el valor de coste mínimo). El período de tiempo asociado al
valor de coste mínimo encontrado será el momento en el cual se propone
ejecutar la actividad de mantenimiento de reemplazo preventivo, este tiempo
se denomina tp (tiempo de ejecución del mantenimiento preventivo a coste
mínimo), ver Figura 9.15.
 F(ti): probabilidad de ocurrencia fallo (unidad en porcentaje: %)
 f(ti): función de densidad de probabilidad del fallo: f(x)
 Cf: costes por mantenimiento correctivo por fallo (materiales, mano de obra,
lucro cesante, seguridad, ambiente, etc.). Unidad: dinero: dólares, euros, etc.
 Cp: costes por mantenimiento preventivo/planificado (materiales, mano de
obra, lucro cesante, seguridad, ambiente, etc.). Unidad: dinero: dólares, euros,
etc.
Figura 9.15. Coste mínimo esperado por unidad de tiempo para MP a edad constante
IX.7.2. EJEMPLO DE APLICACIÓN DEL MODELO DE MINIMIZACIÓN DE COSTES

BASADO EN REEMPLAZO PREVENTIVO POR TIEMPO (EDAD CONSTANTE)
A continuación se presentan un conjunto de datos de tiempos hasta el fallo ti (TTF:

time to failure) y datos de costos. En resumen, los 14 datos de de tiempos operativos
hasta el fallo, forman parte del registro histórico de fallos de aproximadamente 5 años
de vida útil. Los ti están dados en semanas.
28
ti (semanas): 8, 12, 14, 14, 15, 16, 18, 21, 24, 24, 23, 20, 20, 19
Total de tiempos operacionales: 248 semanas
Número total de fallos: 14 fallos
Tabla 9.10: Tabla de tiempos operativos hasta el fallo
Los datos económicos (con M$ = 1000$):

Cf: costes por mantenimiento correctivo por fallo: 1000 M$
Cp: costes por mantenimiento preventivo/planificado: 100 M$
La distribución de probabilidad de fallos utilizada para el ejemplo fue la
distribución de Weibull. Los resultados de los parámetros  (parámetro de escala) y 
(parámetro de forma) de la Distribución Weibull calculados a partir del software
RELEST (Duarte, Fritsch and Elsayed, 1996) se presentan a continuación:
 = 19,2695
 = 4,1233
Con la herramienta RELEST (Duarte, Fritsch and Elsayed, 1996) se calcularon los
indicadores f(ti) y F(ti), estos indicadores junto a los indicadores de costes de
mantenimiento por fallo Cf y costes por mantenimiento preventivo Cp; se introducen
en la ecuación (64) y se procede a calcular para diferentes ti el factor C(ti) (coste
promedio de la estrategia de mantenimiento de reemplazo preventivo por unidad de
tiempo). Finalmente, el coste mínimo se encuentra evaluando el factor de costes C(ti)
para diferentes valores de ti, hasta conseguir el valor de coste mínimo. El período de
tiempo asociado al valor de coste mínimo encontrado será el momento en el cual se
propone ejecutar la actividad de mantenimiento de reemplazo preventivo, este
tiempo se denomina tp (tiempo de ejecución del mantenimiento preventivo a coste
mínimo). A continuación se presenta una tabla resumen y un gráfico que muestra los
diferentes resultados del indicador C(ti) y el valor mínimo de este indicador, que a su
vez representa el tiempo en el cual se debería ejecutar la estrategia de mantenimiento
preventivo (tp).
t(i) Tiempo f(ti) F(ti) Cf  F (ti ) C(ti)

Cp  (1  F (ti ))
de Función de Probabilidad ti Coste estrategia
evaluación densidad de fallo ti (1  F (ti ))   ti  f (t )dt ti
ti (1  F (ti ))   ti  f (t )dt
mantto. por
0 unidad de tiempo
(semana) (%) (%) 0 (M$/semana)
(M$/semana) (M$/semana)
1 2,07652E-05 5,03608E-06 99,99792351 0,005036001 100,00296
2 0,000180929 8,7763E-05 49,99095441 0,043877428 50,0348318
29
3 0,000641695 0,000466989 33,31194724 0,155635696 33,4675829
4 0,001574303 0,001528395 24,96064423 0,382081162 25,3427254
5 0,003153295 0,0038311 19,93689132 0,76673966 20,703631

6 0,005548852 0,008107338 16,57394859 1,354688953 17,9286375
7 0,008915753 0,015252923 14,15753408 2,19288562 16,3504197

8 0,013377741 0,026304442 12,33058831 3,331115533 15,6617038 (tp)
9 0,019006807 0,042398281 10,89486607 4,823754877 15,718621 (tp)
10 0,025798027 0,064706603 9,731575724 6,732616801 16,4641925
11 0,033642043 0,094346724 8,765306751 9,131286765 17,8965935
12 0,042299312 0,132263438 7,945992263 12,11155897 20,0575512
13 0,051382353 0,179088968 7,239193091 15,79293703 23,0321301
14 0,060353996 0,234992464 6,62054061 20,33675591 26,9572965
15 0,06855012 0,299539312 6,072395694 25,96749914 32,0398948
16 0,075233422 0,371588322 5,581752776 33,00565881 38,5874116

17 0,07967959 0,449259075 5,138875438 41,91964531 47,0585207
18 0,081288658 0,529999075 4,736378723 53,41002992 58,1464086
19 0,07970369 0,61076784 4,368593888 68,55026392 72,9188578

20 0,07490958 0,68833231 4,03111758 89,02907283 93,0601904
Tabla 9.11: Resultados de los indicadores C(ti) y tp
120
110
100
90
80
70
Costes M$
tp: entre 8 y 9 semanas,

60 tiempo de ejecución del
50 mant. preventivo a coste mínimo C(ti)
40
30
20
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Tiempo = semanas
Figura 9.16: Resultado gráfico de los indicadores C(ti) y tp
30
IX.8. CONSIDERACIONES FINALES SOBRE EL PROCESO DE ANÁLISIS DE LOS

INDICADORES TÉCNICOS Y ECONÓMICOS DE SOPORTE A LA GESTIÓN DEL
MANTENIMIENTO
El proceso de toma de decisiones dentro de la gestión de mantenimiento, debe

integrar indicadores técnicos de fiabilidad y mantenimiento con indicadores de costes
que incluyan las consecuencias de los eventos de fallos. Esta consideración permitirá
que las organizaciones puedan maximizar la rentabilidad económica de sus activos
junto con un nivel de fiabilidad y seguridad óptimo. Por ejemplo, en el caso de un
avión, simplemente se pretende evitar las consecuencias del fallo, ya que su impacto
es catastrófico (es este caso el análisis de indicadores de fiabilidad y la exigencia del
cumplimiento del programa de mantenimiento, es un proceso muy riguroso). Sin
embargo, en una instalación industrial cuyas consecuencias por fallos sean mucho
menores, la definición de políticas de mantenimiento se debe orientar a minimizar
los costes globales asociados, es decir, se puede aceptar la ocurrencia de ciertos fallos
en la búsqueda de un equilibrio entre seguridad de funcionamiento y coste de
ineficiencia (en este caso el seguimiento y análisis a los indicadores de fiabilidad es
mucho menos riguroso). De acuerdo a lo anterior, el proceso de optimización de las
políticas de mantenimiento, debe asegurar la continuidad operacional de los activos
(fiabilidad, mantenibilidad y disponibilidad) a mínimos costes globales (considerando
el impacto de los costes por seguridad y ambiente, los costes propios de
mantenimiento y los costes de ineficiencia e indisponibilidad).
A continuación se definen algunos aspectos de interés que deber ser
considerados por las organizaciones al momento de diseñar indicadores técnicos y
económicos de mantenimiento (Nachlas, 1995):
 Definir claramente los objetivos y el propósito del proceso de cálculo de los

índices (especificar el uso y el tipo de decisiones a ser optimizadas a partir del
análisis de los indicadores de mantenimiento)
 Desarrollar análisis de indicadores técnicos de fiabilidad tanto a nivel de diseño
de una instalación industrial (problemas de redundancia, selección de equipos,
problemas de espera) como también en la operación de una unidad productiva
(políticas de mantenimiento).
 Asegurar la calidad de los datos (procedimientos de recopilación y
verificación)
 Obtener retroalimentación (feed-back) de los procesos de recopilación y
análisis de datos
 Desarrollar un proceso de divulgación sobre el uso de los índices en toda la
organización (implementar, talleres de adiestramiento que incluyan ejercicios
prácticos y análisis de casos reales)
 Desarrollar un proceso efectivo de seguimiento de las recomendaciones
emitidas a partir del análisis de los índices
Finalmente, cuando una organización dentro de su sistema de gestión de
mantenimiento es capaz de registrar, evaluar e interpretar de forma ordenada y
31
objetiva, la información generada a partir de indicadores básicos tales como: MTTF,

MDT, Disponibilidad, Confiabilidad, Mantenibilidad, Costes por indisponibilidad, etc.,
la misma podrá:
 Tomar decisiones más acertadas y con un menor nivel de incertidumbre, con
respecto a los diversos procesos de optimización del mantenimiento
 Maximizar la efectividad y la eficiencia de los planes de mantenimiento,
integrando aspectos técnicos y económicos
 Desarrollar actividades de mantenimiento bajo un enfoque de optimización:
costo-riesgo-beneficio.
IX.9. REFERENCIAS BIBLIOGRÁFICAS
- Campbell J and Jardine A, 2001. Maintenance Excellence. Eds. Marcel-Dekker,

London.
- Parra, C y Crespo, A, 2015. Ingeniería de Mantenimiento y Fiabilidad Aplicada en la
Gestión de Activos. II Edición, Ingeman, Sevilla, España.
- Crespo Márquez A, 2007. The maintenance management framework. Models and
methods for complex systems maintenance. London: Springer Verlag.
- Duarte J, Fritsch C and Elsayed A, 1996. RELEST Reliability Analysis Software. User
Manual, Version 1.1, USA.
- Ebeling C, 1997. Reliability and Maintainability Engineering. McGraw Hill
- Companies, Boston.
- Elsayed A, 1996. Reliability Engineering. Addison Wesley Longman INC, New York.
- Hastings N, 2005. RELCODE Software – Reliability and Replacement Analysis
Software. User Guide, Version 10.5, supplied by Oliver Interactive, Inc (www.oliver-
group.com).
- Jardine A, 1999. Measuring maintenance performance: a holistic approach.
International Journal of Operations and Production Management, 19(7): 691-715.
- Knezevic J, 1996. Maintainability. Prentice Hall, USA.
- Kececioglu D, 1991. Reliability and Life Testing Handbook. Prentice Hall, Inc,
Englewood Cliff, New Jersey.
- Nachlas J, 1995. Fiabilidad. ISDEFE, Ingeniería de Sistemas, Madrid, España.
- Moubray J, 1991. RCM II: Reliability Centered Maintenance. Industrial Press Inc.,
New York, USA.
- Parra C, Crespo A, Cortés P and Fygueroa S, 2006. On the consideration of
reliability in the Life Cycle Cost Analysis (LCCA). A review of basic models. Safety
and Reliability for Managing Risk. Guedes Soares & Zio (eds), Taylor & Francis
Group, London, ISBN 0-415-41620-5, p.2203-2214.
- Parra C, 2009. Implantación piloto de Mantenimiento Centrado en Confiabilidad
(RCM) en la Llenadora de la Línea 10, Planta San Joaquín, Empresas Polar.
INGECON, Informe técnico: SN-09-10-CCS, Caracas, Venezuela.
- Parra C y López, R, 2002. Diseño de software de análisis de Confiabilidad,
Disponibilidad y Mantenibilidad - ICDM 2002. Informe Técnico INT-8790-2002,
PDVSA INTEVEP, Venezuela.
32
- UNE-EN 15341, 2007. Indicadores principales de desempeño de Mantenimiento.

European Standard”. CEN (European Committee for Standardization), AEN/CTN,
INGEMAN, España.
- Woodhouse J, 1993. Managing Industrial Risk. Chapman Hill Inc, London.
- Woodhouse J, 1998. Maintenance Strategy - the MACRO view, Maintenance and
Asset Management. The Woodhouse Partnership Ltd, Newbury, UK.
- Yañez M, Gómez H y Valbuena G, 2004. Ingeniería de Confiabilidad y Análisis
Probabilístico de Riesgo. ISBN: 980-12-0116-9, Editorial R2M, México.
Autor correspondiente:
Carlos A. Parra M.
Gerente IngeCon
http://www.confiabilidadoperacional.com/
Email: parrac37@gmail.com
Enlace a Grupo de Ingeniería de Confiabilidad Operacional
http://www.linkedin.com/groups?home=&gid=4134220&trk=groups_management_edit_group_info-h-logo
Grupo de investigación en Ingeniería de Confiabilidad y Mantenimiento

http://taylor.us.es/sim
http://www.ingeman.net/
33
Página dejada intencionalmente en blanco

8.capitulo IX RAMR Spanish 2017 PDF

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

8.capitulo IX RAMR Spanish 2017 PDF

Hochgeladen von

Copyright:

Verfügbare Formate

IngeCon

Asesoría Integral en Ingeniería de Confiabilidad

Métodos de Análisis de Fiabilidad,

En el siguiente artículo, se describen de forma detallada los conceptos teóricos de los

IX.1. INTRODUCCIÓN Y CONCEPTOS BÁSICOS

Tomando como referencia el Modelo de Gestión de Mantenimiento (MGM) de 8 fases

- Como sabemos la fiabilidad es una aptitud que tiene un elemento (pieza,

satisfactoria durante un periodo de tiempo determinado en el que es utilizado en

IX.1.1. CONSIDERACIONES SOBRE ESTADOS Y TIEMPOS DE UN DISPOSITIVO

Estados y tiempos de un dispositivo son datos que se desprenden de la definición del

Figura 9.2. Estados de Disponibilidad e Indisponibilidad

inaptitud para realizar una función requerida durante el mantenimiento. El estado de

IX.2. INDICADORES BÁSICOS DE ANÁLISIS ESTADÍSTICO DE FIABILIDAD (VARIABLES

El proceso de análisis estadístico de la fiabilidad, estudia básicamente la variable

Para la realización de cualquier estudio de fiabilidad en activos industriales,

IX.2.1.FUNCIÓN DE DENSIDAD DE PROBABILIDAD DEL FALLO: f(x)

Una función f(x) es considerada una distribución de densidad de probabilidad de una

Figura 9.3. Función de densidad de probabilidad del fallo (f(x))

La mayoría de las funciones de densidad de probabilidades “f(x)” se distinguen

IX.2.2. FUNCIÓN DE DISTRIBUCIÓN ACUMULADA DE PROBABILIDAD DEL FALLO: F(x)

La función de distribución acumulada de probabilidad del fallo F(x), se distingue por su

Figura 9.4. Función de distribución acumulada de probabilidad del fallo F(x)

La función de distribución de probabilidad del fallo F(x) es la integral de la

IX.2.3. FUNCIÓN DE DISTRIBUCIÓN ACUMULADA INVERSA DE PROBABILIDAD DE QUE

La función de distribución acumulada inversa de probabilidad de que no ocurra el

Figura 9.6. Función de distribución acumulada inversa de probabilidad de que no ocurra el

IX.2.4. FUNCIÓN DE FRECUENCIA DE FALLOS: (h(x))

La función de frecuencia de fallos h(x), es un camino alternativo a la función

Figura 9.7. Función de frecuencia de fallos h(x)

IX.2.5. MEDIA (ESPERANZA MATEMÁTICA): (E(X)) DE LA VARIABLE ALEATORIA

La media E(X) o valor esperado es una idea fundamental en el estudio de las

comportamiento general de la variable aleatoria X para una distribución específica (en

Figura 9.8. Posición de la media E(X) dentro de la función de densidad f(x)

La media E(X) describe el tiempo en el que va a ocurrir el próximo fallo, en

IX.2.6. MODELOS MÁS COMUNES DE FUNCIONES DE DISTRIBUCIÓN DE FIABILIDAD

A continuación se describe el proceso de análisis de los cinco indicadores citadores

IX.2.6.1. Distribución Exponencial

La Distribución Exponencial es un modelo ampliamente usado en procesos de análisis

fallo es totalmente aleatorio (Ebeling, 1997). A continuación se presentan de forma

Indicadores de fiabilidad de la La estimación de los parámetros de las

• f(x): función de densidad de probabilidad λ = frecuencia de fallos, fallos/unidad de

• F(x): función de distribución acumulada de X = tiempo total de fallos

• h(x): función de frecuencia de fallos

• E(X): media (esperanza matemática), en

Figura 9.9. Ejemplos de gráficos de los indicadores de fiabilidad de la Distribución Exponencial

IX.2.6.2. DISTRIBUCIÓN WEIBULL

La Distribución Weibull es ampliamente usada en el estudio del tiempo de vida o

xi = tiempo hasta el fallo i

  = función matemática Gamma

• C(x): función de distribución acumulada

• h(x): función de frecuencia de fallos   i  1  i  1 

Tabla 9.2: Indicadores matemáticos de fiabilidad de la Distribución Weibull

Figura 9.10. Ejemplos de gráficos de los indicadores de fiabilidad de la Distribución Weibull

IX.2.6.3. DISTRIBUCIÓN LOG NORMAL

La Distribución Log Normal es ampliamente usada para variables que muestran

• f(x): función de densidad de probabilidad del

2 i = contador correspondiente al dato del tiempo

IX.3. INDICADORES BÁSICOS DE ANÁLISIS ESTADÍSTICO DE MANTENIBILIDAD

El proceso de análisis estadístico de la mantenibilidad, estudia básicamente la variable

 La media (esperanza matemática): E(x), en procesos de análisis de

IX.3.1. FUNCIÓN DE DISTRIBUCIÓN ACUMULADA DE PROBABILIDAD DE RESTAURAR

La función de distribución acumulada de probabilidad de restaurar el equipo después

Figura 9.12. Función de distribución acumulada de probabilidad de restaurar el equipo