Ingeniería de Confiabilidad y

Análisis de Riesgo

Edgar Fuenmayor
Machinery & Reliability Institute - MRI
El Facilitador Edgar Fuenmayor
Formación Académica:

1. Ingeniero Mecánico: Universidad del Zulia, 2001. Matricula

Colegio de Ingenieros de Venezuela No. 131,740.
2. Diplomado en Gerencia de Mantenimiento: Colegio de
Ingenieros de Venezuela. 2006.
3. Maestría en Gerencia de Mantenimiento: Universidad del
Zulia. Venezuela. 2006.
4. Programa de Ingeniería y Mantenimiento acorde al
estándar PAS 55. The Woodhouse Partnership Limited
(TWPL). Venezuela. 2010.
5. Profesional Certificado en Mantenimiento y Confiabilidad
(CMRP): The Society for Maintenance & Reliability
Professionals (SMRP) No. 161942. USA. 2016 - 2019

Posee 18 años de trayectoria como líder en el desarrollo e implementación de estrategias de

gestión de activos, evaluación del desempeño de activos físicos, optimización costo/riesgo para
la toma de decisión en inversiones de capital y selección entre las alternativas de operar o
mantener para equipos y sistemas instalados en plantas petroquímicas, gas, petróleo y
manufactura, todo esto con el objetivo de lograr mejorar la productividad de los procesos
industriales, al igual que reducir los costos en el ciclo de vida y obtener el máximo valor de los
activos físicos consistente con el plan estratégico organizacional.
 Presentación

Participantes:
• Nombre
• Empresa / Responsabilidad
• Expectativa / ¿Qué Busca Llevar?
Objetivo General

Proveer a los participantes una visión

general, y conocimiento en las herramientas
y conceptos para soportar las mejores
practicas en la Ingeniería de Confiabilidad y
Análisis de Riesgo, que le ayudaran a hacer
los procesos de producción más rentables,
confiables y seguros, mediante el uso de
técnicas que permiten predecir y minimizar
la ocurrencia de eventos no deseados, y de
esta manera establecer acciones proactivas
que permitan cumplir con los
requerimientos técnicos, económicos y “If you torture the data long
legales del negocio minimizando el impacto enough; it will confess”
total al negocio.
Temario

 Parte I: Principios de Ingeniería de Confiabilidad

 Parte II: Confiabilidad de Sistemas – Estudios RAM

 Parte III: Análisis de Riesgo y Evaluaciones Económicas

 Parte I
Principios de Ingeniería de
Confiabilidad
 CONFIABILIDAD
HUMANA
Querer, Poder, Saber
Involucramiento
Sentido de Pertenencia
Interfaces
Conocimiento

CONFIABILIDAD MANTENIBILIDAD
PROCESO EQUIPOS
Operación entre CONFIABILIDAD Fase de diseño
parámetros OPERACIONAL Confiabilidad Interna
Entendimiento Procesos Equipos de Trabajo
y Procedimientos Disminuir MTTR

CONFIABILIDAD
EQUIPOS
Estrategias de Mantenimiento
Efectividad de Mantenimiento
Extender MTBF
Fuente: TWPL
Oportunidades de Creación de Valor

Desarrollo ING. DE CONFIABILIDAD

de FEL:
Proyectos • Visualización
• Ingeniería
CICLO DE VIDA ACTIVOS

Conceptual
• Ingeniería • Ingeniería de
Básica Detalles
• Procura de
Materiales
65 % Oportunidades de Creación
de Valor y Reducción de Costos
• Contratación
Opereración de
Mtto y Obras
Confiabilidad Estrategia y • Ejecución
Políticas de
Obras • Arranque
Mantto y • Captura y y
Confiabilidad Diagnostico • Contratación Entrega
de • Operaciones
• Planificación y • Ejecución
Programación Actividades
Actividades • Arranque

FASES DE LOS PROCESOS

Fuente: R2M
 Fondos 75-85%
Comprometidos
65-75%

50-60%
La proyección de costos de
Ciclo de Vida de un
producto, sistema o
estructura, están altamente LCC Oportunidad de
Reducción de Costos Fondos
impactados por las Gastados
decisiones tomadas en las
primeras etapas de Diseño.

Punto de Decisión
muy importante Inicio del Fin del
Ciclo Ciclo

Costos de
Costos de Adquisición
Mantenimiento

Fuente: H. Paul Barringer

¿Por que Ingeniería de Confiabilidad?

“La Ingeniería de Confiabilidad entrega herramientas teóricas y

prácticas que permiten especificar, proyectar, probar y
demostrar la probabilidad y la capacidad según la cual
componentes, productos, equipamientos y sistemas
desempeñarán sus funciones, por períodos determinados de
tiempo, en ambientes específicos y sin presentar fallas.”
¿Por que Ingeniería de Confiabilidad?

 Hoy día las compañías están obligadas a invertir basadas en

información incompleta, incierta o difusa, y a la vez deben producir
con el más bajo costo, calidad más alta, y mayor confiabilidad.
 Las exigencias legales y ambientalistas obligan a tener procesos más
confiables.
 La Ingeniería de Confiabilidad es un aspecto fundamental de los
análisis de riesgo.
 La ingeniería de Confiabilidad sirve de plataforma para las
estimaciones que permiten sopesar la influencia de la incertidumbre
asociada a las variables y problemas técnicos del proceso de
producción con los parámetros financieros como VPN y/o TIR.
 Los procesos de toma de decisión deben estar soportados en
estimaciones sustentables desde el punto de vista técnico con
resultados cualitativos y cuantitativos verificables.
Propósito de la Confiabilidad

 Para que la empresa sea exitosa en el ambiente actual de

alta competitividad y complejidad tecnológica, es ESENCIAL
que conozca la Confiabilidad de su producto y que sea
capaz de controlarla.
 Solamente un nivel óptimo de Confiabilidad llevará a un
gasto mínimo en el ciclo de vida del producto y a un costo
mínimo de producción, sin que se comprometa la
Confiabilidad y la Calidad de éste.
 ¿Quiénes deben estar
involucrados?

Operaciones

Gerencia
Ejecutivos
Técnicos
 ¿Quiénes deben estar
involucrados?

• Concentrando los intereses y los esfuerzos de todos en la

organización, para que el programa de Confiabilidad sea un
éxito.
Confiabilidad Basada en el Historial de Fallas

La Confiabilidad Basada en la Historia de Fallas o Confiabilidad

Basada en la Estadística del Tiempo de Falla; es la rama de la
confiabilidad que estudia la variable aleatoria “tiempo para la
falla”.

El insumo básico para este tipo de análisis son bases de datos

donde se almacenan las historias de fallas (tiempos de fallas y
tiempos de reparación) de equipos.
Ingeniería de Confiabilidad (Definición Formal)

“La Ingeniería de Confiabilidad entrega herramientas teóricas y

practicas que permiten especificar, proyectar, probar y
demostrar la probabilidad y la capacidad según la cual
componentes, productos, equipamientos y sistemas
desempeñaran sus funciones, por periodos determinados de
tiempo, en ambientes específicos y sin presentar fallas.

Ingeniería de Confiabilidad (Definición Gerencial)

¿Cual es la expectativa de vida de un producto / equipamiento /

sistema?
¿Cuántos retornos /fallas son esperados para el próximo año?
¿Cuánto costara desarrollar y dar soporte a este producto?
¿Podemos optimizar los costos involucrados?
Fuente: R2M
Estudio de los Up-Time / Down-Time

Tiempo de Tiempo de Motivo de la

Nº
Operación (hrs) Reparacion (hrs) Falla
1 1000 20 Sello Mecanico
2 500 10 Rodamiento
3 200 10 Rodamiento
4 1200 8 Eje
5 300 5 Sello Mecanico
6 250 20 Impulsor
7 120 10 Eje
8 400 7 Rodamiento
9 500 4 Impulsor
10 400 8 Sello Mecanico
11 100 10 Impulsor
Estudio de los Up-Time – Tiempos de Operación

Tiempo de
Motivo de la
Nº Operación
Falla
(hrs)
1 1000 Sello Mecanico
2 2200 Sello Mecanico
3 1670 Sello Mecanico
Estudio de los Up-Time / Down-Time

Falla 1 Falla 2 Falla 3

Estado
Operativo
TO 1 TO 2 TO 3

TFS 1 TFS 2 TFS 3

Estado
de Falla
t

TFS TO: Tiempo Operativo

TFS: Tiempo Fuera de Servicio
TR TFC
TR: Tiempo de Reparación
TFC: Tiempo Fuera de Control
Confiabilidad - C(t)
“La probabilidad de que un equipo cumpla
1 una misión especifica (no falla)
bajo condiciones de operación determinadas
C(xi) en un periodo de tiempo
especifico”. 1
 .t
.t
C(t)  e e TPPF
C(x)=1-F(x)
La confiabilidad se relaciona básicamente con la tasa de falla (cantidad de
falla) y con el tiempo medio de operación TPO, tiempo de operación (TO).
0
Mientras el numero de fallas de un determinado equipo vaya en aumento oX
mientras el TPO de un equipo disminuya, la xi confiabilidad del mismo será
menor (variable a modular en tiempos operativos).
f(x)=Función de Densidad de Probabilidad o Distribución de Frecuencias 1
C(xi)
f(xi)
f(x) F(x)

C(x)
F(xi)
0
xi X X
xi

F(x)=Función de Densidad Acumulada o Distribución Acumulada Directa

1

F(x)

F(xi)
0
X
xi
¿Como se calcula la Confiabilidad?

 Necesita de Datos
 Necesita de Modelos
 Necesita un diagnóstico para la elección del modelo
apropiado.
 Necesita de medios para ser comunicada.
 Gráficos
 Informaciones Numéricas
 Costos
¿Como se calcula la Confiabilidad?

 Estos modelos entregan la estimación de tasa de falla del

producto en función del tiempo, ellos estiman la
probabilidad de falla (sobrevivir) del producto para una
dada edad, o para un dado período de tiempo.
 Los modelos son representaciones matemáticas de los datos,
dado por funciones continuas, las que permiten
interpolaciones y algunas extrapolaciones.
 Estos modelos probabilísticos están basados en distribuciones
estadísticas denominadas distribuciones de vida
Tasa de Falla – h(t)

 El análisis de Confiabilidad requiere una buena

comprensión del comportamiento de la tasa de
falla del producto.
 La mayoría de los productos comenzarán sus vidas con
alta tasa de falla y después presentarán una reducción a
partir de un determinado punto.
 La tasa de falla entonces se estabiliza y se mantiene
constante durante la vida útil del producto.
 Con el paso del tiempo el producto envejece, se
desgasta y la tasa de falla comienza a aumentar
rápidamente con el tiempo.

Mide el numero de fallas que pueden ocurrir por una unidad

de tiempo
Curva de la Bañera
Diferentes Patrones de Falla

Comportamiento de la falla Características generales Ejemplos típicos

• Antiguos motores a vapor,

• Curva normal
• Equipos netamente mecánicos
Desgaste

• Dispositivos simples
• Bomba de agua de automóvil
• Maquinas complejas con diseños
• Motores de combustión antiguos
no adecuados

• Carrocería
• Estructuras
• Neumáticos de aeronaves
• Elementos de lento desgaste natural
y automóviles

• Maquinas complejas con altos • Válvulas de alivio de alta presión

esfuerzos luego de iniciar su
operación.
• Giro Compas
Aleatorio

• Maquinas complejas bien diseñadas • Bomba centrifuga de alta

presión y múltiple sellado

• Componentes electrónicos
• Tarjeta madre de computadoras
• Componentes complejos después de
• PLC
un mantenimiento correctivo.
Tiempo Medio para la Falla – MTTF

Tiempo de
𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑓𝑎𝑙𝑙𝑎𝑠 𝑜𝑐𝑢𝑟𝑟𝑖𝑑𝑎𝑠 𝑒𝑛 𝑢𝑛 𝑡𝑖𝑒𝑚𝑝𝑜 "𝑡"
Operación 𝜆=
𝑡𝑖𝑒𝑚𝑝𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 "𝑡"
(hrs)
500
13
700 𝜆= = 0,002642 𝑓𝑝ℎ
4920
200
100
400 𝑡𝑖𝑒𝑚𝑝𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 "𝑡"
600 𝑀𝑇𝑇𝐹 =
𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑓𝑎𝑙𝑙𝑎𝑠 𝑜𝑐𝑢𝑟𝑟𝑖𝑑𝑎𝑠 𝑒𝑛 𝑢𝑛 𝑡𝑖𝑒𝑚𝑝𝑜 "𝑡"
250
120
800 𝑀𝑇𝑇𝐹 = 1/(λ)
150
200
300 4920
𝑀𝑇𝑇𝐹 = = 378,46 ℎ𝑟𝑠
600 13
Prueba de Bondad de Ajuste

Estas pruebas consideran las siguientes etapas:

Etapa 1: Graficar cada una de las curvas de las

distribuciones hipótesis teóricas, con el histograma de
los datos de la muestra.
Etapa 2: Calcular para cada distribución hipótesis el
valor llamado “valor del test” y compararlo contra el
valor llamado “valor critico”.
Etapa 3: Si el valor del test es menor que el valor
critico entonces la distribución hipotética se considera
un buen ajuste y la hipótesis no es rechazada. Si por
el contrario, el valor del test es mayor que el valor
critico, la hipótesis se rechaza.

Para cada Nivel de Confianza (α), existe un Valor

Critico

Si el Valor del Test < Valor Critico

La Hipotesis es aceptada, de lo contrario se

rechaza.

Fuente: R2M
Importancia de los Datos

O Los datos son información en forma de hechos, cifras o bases

de datos de ingeniería. Vienen de pruebas de ingeniería,
experimentos o condiciones reales de operación.
O Los datos de confiabilidad a menudo son incompletos, ya que rara
vez se conocen / registran los tiempos exactos hasta la falla, por
lo que solo se cuenta con información imperfecta para el análisis.
O Los datos de confiabilidad son de dos tipos: 1) datos de edad o
tiempos de falla y 2) datos censurados / suspendidos.
Los datos suspendidos son información útil y parte del conjunto
de datos.
Importancia de los Datos

O Los datos ayudan a evitar la repetición de los problemas y permiten

un enfoque claro para resolver racionalmente un problema de
confiabilidad usando hechos y cifras.
O Los datos / herramientas de confiabilidad proporcionan evidencia
objetiva para ayudar a resolver la causa raíz de las fallas.
O Los datos de confiabilidad ayudan a predecir eventos de fallas
futuras y son particularmente valiosos si se retienen en una base de
datos Weibull con factor de forma beta (modo de falla) y factor de
escala eta (durabilidad).
O Los datos son útiles para predecir fallas futuras con aumentos
posteriores en el envejecimiento de los equipos.
O El rol del ingeniero de confiabilidad es adquirir los datos de falla y
convertir los datos en información útil para uso actual y futuro.
Modelo para colección de datos

Fuente: Calos Parra

Fuente de Información – Propia
Up-Times (Hrs)
4272 203
2440 1600
1559 2200 La organización dispone de data
2039 900 colectada a través de las diferentes
1040 2000 inspecciones, toma de muestra,
2501 1948 bitácoras entre otras.
1302 3000
2145 2345 Es la fuente de información mas
2835 2945 valiosa para cualquier estudio de
2594 4000 Ingeniería de Confiabilidad debido al
300 2000 bajo nivel de incertidumbre.
2500 4600
3730 1900
1650 3003
1540 4980
Fuente de Información – Juicio de Experto

Fuente: R2M
Fuente de Información - Data Genérica
Bases de datos genéricas con tasas de
fallas y tiempos de reparación, para
WELL
diferentes tipos de equipos. MASTER

Algunos de los mas famosos bancos de

este tipo de información son:
PHMSA

Fuentes Genéricas de
TPF y TPR
EXIDA
1. Offshore Reliability Data (OREDA)

2. WELL MASTER – Para los pozos productores de gas

3. PHMSA (Pipelines and Hazardous Materials Safety Administration – U.S. Department

of Transportation, DOT) – Para las tuberías.

4. IEEE STD 493-1997 – Para equipos eléctricos y electrónicos

5. EXIDA: Para Instrumentación y Control

6. PARLOC: Para las fallas en tuberías en la industria Petrolera

Ecuaciones importantes para los Up-Time
Función de Densidad
Caracterización Probabilística de Variables

Fuente: Crystal Ball

Probabilidad de Falla – F(t)

La función de Probabilidad de Falla, que denotaremos por F(t)

expresa justamente lo opuesto a la función de Confiabilidad y
por tanto, se verifican las siguientes propiedades.
Estimadores de Confiabilidad - R(t)

n ≥ 100

n ≤ 100
Intervalo de Confianza

Los intervalos de confianza nos dan mayor seguridad en la

estimación de F(t) o R(t). Por ejemplo, cuando establecemos un
intervalo de confianza del 90% para F(t), significa que estamos
90% seguros de que la F(t) real esta contenida en el intervalo de
confianza.

Para encontrar el intervalo de confianza debemos contar con los

límites de confianza.

Según Dr. Robert B. Abenethy recomienda seleccionar un 90% de

intervalo de confianza para evitar posibles errores al seleccionar
un producto o tomar una decisión, esto porque se tendrá un 90%
de confianza que contendrá el verdadero valor y un 10% que no
contendrá el verdadero valor.
Teorema de Bayes

Fuente: R2M
Teorema de Bayes – Ejemplo
3.1.1 Equipo: Heat exchanger Fin fan
OREDA - 2002 Tiempo Agregado en Servicio (106 horas) No de Demandas
Tiempo Calendario
* Tiempo en Operación+
Pagina 380 0.6134 0.2921
Tabla 1: Información de Evidencia Modo de Falla No de Rata de Falla (106 horas) Activida Reparacion (hr/H)
ana Falla Inferior Medio Superior DS n/t Rep. hrs Min Media Max
Tiempo de Critica maria 6* 0.88 8.56 22.96 7.34 9.78
Tiempo de carmen 6†
Operación de 3.63 20.52 48.72 14.53 20.54 4.2 2 7 14
Operación hasta la External leakage process medium ELP 1* 0.05 1.56 4.73 1.63 1.63
Equipos que no han External leakage process medium ELPC 1† 0.17 3.42 10.25 3.42 3.42 3.0 6.0 6.0 6.0
falla Insufficient heat transfer IHT 2* 0.41 3.09 7.88 2.45 3.26
fallado Insufficient heat transfer IHTC 2† 1.21 6.84 16.24 4.84 6.85 5.0 4.0 8.0 12.0
(Datos de Falla) Minor in-service problems SER 1* 0.05 1.56 4.73 1.63 1.63
(Datos Censados) Minor in-service problems SERC 1† 0.17 3.42 10.25 3.42 3.42 2.0 2.0 2.0 2.0
65700 120000 Other OTH 1* 0.05 1.56 4.73 1.63 1.63
Other OTHC 1† 0.17 3.42 10.25 3.42 3.42 6.0 14.0 14.0 14.0
75300 - Parameter deviation PDE 1* 0.05 1.56 4.73 1.63 1.63
Parameter deviation PDEC 1† 0.17 3.42 10.25 3.42 3.42 4.0 4.0 4.0 4.0
75300 - Degraded More 48* 5.17 54.120 147.610 47.560 78.250
Darc 48† 28.39 162.930 388.550 116.220 164.310 4.1 1 4.5 17
75300 - Insufficient heat transfer IHT 26* 10.49 35.10 71.50 19.24 42.39
Insufficient heat transfer IHTD 26† 15.56 88.59 210.79 62.95 89.00 3.8 1.0 4.3 9.0
45000 - Minor in-service problems SER 11* 1.16 14.56 41.10 13.45 17.93
Minor in-service problems SERD 11† 6.64 37.58 89.28 26.63 37.65 3.0 1.0 3.0 6.0
43200 - Other OTH 9* 1.08 12.24 33.90 11.00 14.67
Other OTHD 9† 5.44 30.76 73.06 21.79 30.81 5.9 3.0 6.5 17.0
Parameter deviation PDE 2* 0.41 3.09 7.88 2.45 3.26
TOTAL (hr) 379800 120000 Parameter deviation PDED 2† 1.21 6.84 16.24 4.84 6.85 6.8 5.0 6.5 8.0
Incipiente More 45* 5.43 51.530 137.530 43.800 73.360
Darc 45† 26.66 152.820 364.340 108.960 154.040 4 1 4.7 24
Abnormal instrument reading AIR 10* 1.12 13.41 37.51 12.23 16.30
Abnormal instrument reading AIRI 10† 6.04 34.17 81.17 24.21 34.23 3.5 1.0 4.9 24.0
Insufficient heat transfer IHT 1* 0.05 1.56 4.73 1.63 1.63
Insufficient heat transfer IHTI 1† 0.17 3.42 10.25 3.42 3.42 4.0 4.0 4.0
Minor in-service problems SER 23* 12.38 32.51 60.39 14.97 37.50
Minor in-service problems SERI 23† 13.79 78.41 186.51 55.69 78.73 3.7 1.0 3.8 14.0
Other OTH 6* 0.88 8.56 22.96 7.34 9.78
Other OTHI 6† 3.63 20.52 48.72 14.53 20.54 3.7 2.0 3.7 4.0
Parameter deviation PDE 5* 0.79 7.26 19.26 6.11 8.15
Parameter deviation PDEI 5† 3.03 17.10 40.60 12.11 17.12 6.4 5.0 10.2 14.0
Todos los modos More 99* 1.59 98.210 308.950 110.520 161.400
Darc 99† 56.96 333.110 798.540 239.710 338.880 4.1 1 4.7 24

Fuente: R2M
Teorema de Bayes – Ejemplo

m= 0.00001368
s= T 499800
0.00000684

r = # de fallas ((m oreda)^2)/(( s oreda)^2) T m oreda/(( s oreda)^2)

6 3.997197683 499800 292192.8131

m mejorada=
0.0000126228
Tasa de falla actualizada
TPEF=
79221.48168 El equipo fallara en promedio cada 79221 horas
Tiempo promedio entre fallas

Esta tasa de fallas actualizada la coloco como λ en la distribucion exponencial en RAPTOR por ejemplo

Fuente: R2M
Equipos Reparables

Diagrama de Interrupciones de Tiempos Operativos entre Fallas y

Tiempos fuera de Servicio.

Un equipo reparable presenta el siguiente diagrama de

interrupciones o de serrucho:

Tiempo
Operativo/ Top1 Top2 Top3 Top4 Top5
Disponible

0 Tiempo

Tiempo Fuera
de Servicio o
Indisponible
Tfs1 Tfs2 Tfs3 Tfs4

Diagrama de Interrupciones o de Serrucho

Equipos No Reparables
Un activo no reparable se clasifica en base a la política de
mantenimiento y/o reparación, volumen de control al que nos
referimos y contexto operacional especifico.
Un equipo No Reparable presenta el siguiente diagrama:

Tiempo Operativo 1
EQUIPO 1

Tiempo Operativo para la falla 1

EQUIPO 2

Tiempo Operativo para la falla 2

EQUIPO 3

Tiempo Operativo para la falla 3

EQUIPO 4

Tiempo Operativo 2
EQUIPO 5
Tiempo Operativo para la falla 4
EQUIPO 6

Tiempo Operativo para la falla 5

EQUIPO 7

Tiempo en el que se hace el Análisis

 Activos Reparables vs. No
Reparables:

Reparables No Reparables
 Un elemento reparable es  Un activo no reparable es
aquel cuya condición aquel cuya condición
operativa puede ser operativa no puede ser
restaurada después de una restaurada después de una
falla, por una acción de falla.
reparación diferente al
 Su vida termina con una
remplazo total del mismo.
“única” falla y debe ser
 En su vida puede ocurrir más reemplazado.
de una falla.
 Activos Reparables vs. No
Reparables:

Reparables No Reparables
 Para caracterizarlo  Para caracterizarlo
probabilísticamente se requiere probabilísticamente se requiere
estudiar los tiempos de operación estudiar los tiempos de operación
hasta la falla y los tiempos fuera hasta la falla de una población de
de operación de un equipo o de equipos similares.
una población de equipos
similares  Los indicadores de desempeño
más importantes para este tipo
 Los indicadores de desempeño de activos “Confiabilidad C(t)”,
más importantes son “tasa de fallas h(t)” y el “Tiempo
“Disponibilidad D(t)” , Número Promedio para la Falla (TPPF)”
Esperado de Fallas λ(t) y el
“Tiempo Promedio entre la Falla
(TPEF)”.
Modelo de Howard Finley – Ejemplo

Se tiene una serie de fallas en una bomba de alimentación de

una estación de bombeo de agua. Los tiempos entre fallas en
horas fueron los siguientes:

6 16 23 163 282 2
46 503 92 12 46 20

En base a estos datos, se requiere determinar, además del

tiempo promedio entre fallas TPEF, la ecuación de la rata de
falla en función del tiempo de operación “r(t)” y la probabilidad
de supervivencia en función del tiempo de operación “Ps(t)”,
según la distribución Weibull, mostradas a continuación:
Solución:
Se requiere entonces determinar los valores del parámetro de forma k y
la edad característica de falla V. Para ello se procederá a obtener estos
valores analíticamente y gráficamente:

Método analítico:

Ordenar en forma ascendente los tiempos entre fallas y numerarlos,

asignando el 1 al TEF menor hasta el n máximo (N) al TEF mayor. En
este caso el numero total de TEF, N es 12.
Calcular la probabilidad de falla Pf a cada TEF, con la formula Pf =
n/(N+1), o cualquier otro estimador para n = 1 a 12.
Calcular la probabilidad de supervivencia Ps a cada TEF, con la formula
Ps = 1-Pf, para n = 1 a 12.
Calcular el valor de Xi a cada TEF, con la formula Xi = Ln(ti), para i
= 1 a 12.
Calcular el valor de Yi a cada Ps, con la formula Yi = Ln[-Ln(Ps)], para
i = 1 a 12.
Calcular el cuadrado de cada Xi, para i = 1 a 12.
Calcular el producto de Xi * Yi, para i = 1 a 12.
Obtener las sumatorias de los valores de Xi, Yi, Xi^2 y Xi * Yi.

En el siguiente cuadro se muestran los valores encontrados en cada

TEF de este ejemplo, según lo señalado anteriormente:
Establecer un sistema de 2 ecuaciones con 2 incógnitas y
obtener los valores de β y α, en base a las siguientes:

Σ Yi = N x α + β x Σ Xi (1)
Σ Xi x Yi = α x Σ Xi + β x Σ Xi2 (2)

Despejando el valor de α de (1) queda la siguiente expresión:

α = (Σ Yi – β x Σ Xi ) / N

entonces sustituyéndola en (2) y despejando β, queda:

β= [Σ Xi x Yi – (Σ Yi x Σ Xi ) / N] / [Σ Xi2 – ((Σ Xi)^2) / N]

Resultando el valor β = 0.63, y el de α = -2.75

Con los valores de K (el cual es el mismo de β) y el de α, se
puede obtener el valor de V, en base a la siguiente expresión:
V = e –α/K
Resultado V = 80.32
Entrar con el valor de k a la tabla de la función Gamma y obtener
el valor de Γ que en este caso, para k = 0.63, Γ = 1.416 por lo
que el tiempo promedio entre fallas es TPEF = 80.32 x 1.416 =
113.73

Con los valores de k y V, las ecuaciones de la rata de falla en

función del tiempo de operación “r(t)” y la probabilidad de
supervivencia en función del tiempo de operación “Ps(t)”, para
este ejemplo son las siguientes:

r(t) = (0.63/80.32) x (t/80.32) 0.63-1

R(t) = Ps(t) = 1/(e(t/80.32)^0.63)

Para t = 720 hrs;

R(t) = 2%; r(t) = 0.003483 fph
 Distribution Estimation New Data Im port Data Com pute Help Quit

Failure Data Probability Paper Maximum Likelihood

b b
t Plotting Position |S(t ln(t))/St - 1/b - Sln(t)/n|
(negative,
if censored)
i F(t) = (i-0.3) / (n+0.4) ln(t) ln{ln[1/(1-F(t))]} b tb tb ln(t)
02 1 1.048E-04 ####### -02E+00
06 2 1.855E-04 02E+00 -02E+00
12 3 2.661E-04 02E+00 -01E+00
16 4 3.468E-04 03E+00 -8.537E-04
20 5 4.274E-04 03E+00 -5.841E-04
23 6 5.081E-04 03E+00 -3.433E-04
46 7 5.887E-04 04E+00 -1.183E-04
46 8 6.694E-04 04E+00 1.014E-04
92 9 7.500E-04 05E+00 3.266E-04
163 10 8.306E-04 05E+00 5.742E-04
282 11 9.113E-04 06E+00 8.848E-04
503 12 9.919E-04 06E+00 02E+00

Aplicación con el Software RARE

2.00E+00
Parameter Estimates
b Q
1.50E+00 PrPa 6.6E-01 5.53E+01
ML
1.00E+00
Least Square Equation:
5.00E-01 y = 6.6E-01 x -2.7E+00

0.00E+00 Bq Life q, % Bq
10% 1.84E+00
-5.00E-01
Reliability t R(t)
7.20E+02 0.4%
-1.00E+00

-1.50E+00 Least Square Fit

CDF

-2.00E+00 Reliability
PDF
-2.50E+00 Failure Rate
0 1 2 3 4 5 6 7
Back to Data Analysis page

Aplicación con el Software RARE

1.20E+00
Parameter Estimates
b Q
PrPa 6.6E-01 5.53E+01
1.00E+00 ML

Least Square Equation:

8.00E-01 y = 6.6E-01 x -2.7E+00

Bq Life q, % Bq
6.00E-01
10% 1.84E+00
Reliability t R(t)
7.20E+02 0.4%
4.00E-01

Least Square Fit

2.00E-01 CDF
Reliability
PDF
0.00E+00 Failure Rate
0 200 400 600 800 1000 1200
Back to Data Analysis page

Aplicación con el Software RARE

1.00E+00
Parameter Estimates
b Q
9.00E-01 PrPa 6.6E-01 5.53E+01
ML
8.00E-01

7.00E-01
Least Square Equation:
y = 6.6E-01 x -2.7E+00
6.00E-01
Bq Life q, % Bq
5.00E-01
10% 1.84E+00
Reliability t R(t)
4.00E-01
7.20E+02 0.4%
3.00E-01
Least Square Fit
2.00E-01
CDF
Reliability
1.00E-01
PDF
0.00E+00 Failure Rate
0 200 400 600 800 1000 1200
Back to Data Analysis page

Aplicación con el Software RARE

3.50E-02
Parameter Estimates
b Q
PrPa 6.6E-01 5.53E+01
3.00E-02
ML

2.50E-02 Least Square Equation:

y = 6.6E-01 x -2.7E+00

2.00E-02
Bq Life q, % Bq
10% 1.84E+00
1.50E-02 Reliability t R(t)
7.20E+02 0.4%

1.00E-02
Least Square Fit
CDF
5.00E-03
Reliability
PDF
0.00E+00 Failure Rate
0 200 400 600 800 1000 1200
Back to Data Analysis page

Aplicación con el Software RARE

4.00E-02
Parameter Estimates
b Q
PrPa 6.6E-01 5.53E+01
3.50E-02
ML

3.00E-02
Least Square Equation:
y = 6.6E-01 x -2.7E+00
2.50E-02

Bq Life q, % Bq
2.00E-02
10% 1.84E+00
Reliability t R(t)
1.50E-02 7.20E+02 0.4%

1.00E-02 Least Square Fit

CDF
5.00E-03 Reliability
PDF
0.00E+00 Failure Rate
0 200 400 600 800 1000 1200
Back to Data Analysis page

Aplicación con el Software RARE

 Parte II
Confiabilidad de Sistemas
Estudios RAM
Análisis RAM – Modelo General
Teorema
Bayes de
Theorem
Bayes • DFP’s, DTI, Opinión de Experto
• Información de Producción
• Estudios Previos

Modelar DBD (Diagramas Bloques

Evidencia (Datos propios de Fallas y Reparaciones)

de Disponibilidad)
(RAPTOR, MAROS, RAMP)
Información Genérica de Fallas y Reparaciones

P oz o D uc to / 430 mtrs
S IP -1X - 0% 3"-P G -D 1-1006 - 0%

P oz o D uc to/1085 mts D uc to/3010 mts

S IP -3X - 25% 6"-P G -D 1-1018 - 25% 10"-P G -D 1-1019 - 25%
D uc to/1025 mts D uc to / 2690 mtrs
P oz o D uc to/380 mts 12"-P G -D 1-1002 - 100% 12"-P G -D 1-1002 -
S IP -2X - 57.5% 6"-P G -D 1-1006 - 57.5% 100%
D uc to/5900 mts
10"-P G -D 1-1001 - 75%
P oz o D uc to / 1060 mtrs
S IP -4X - 17.5% 6"-P G -D 1-1013 - 17.5%

Min 40 MMP C G D

Tasas de Fallas Val. S eg. P res ión

P S V-9004 - 100%
Val.C ierre E mergenc ia
S D V-200 - 100%

B y-P as s
S eparador
V-200 - 100%
Val.S eg P res ión
P S V-200 - 100%
Val.C ierre E mergenc ia
S D V-140 - 100%

B y-P as s
Val.S eg P res ión
P S V-003X - 100%

S D V-200 - 100% S D V-140 - 100%

(Oreda, Parloc, Well Master, IEEE)

y Reparaciones
Actualizadas Val.C ontrol Nivel
T Q Almac enamiento
T -410 - 100%

T Q Almac enamiento
T Q O perac ión
T -410 - 100%

T Q O perac ión
B ba.D oble D iafragma
P -510 - 100%
L C V-200A - 100% T -420 - 100% T -420 - 100% C
D es gas ific ador B ba.D oble D iafragma
V-400 - 100% P -520 - 100%
T Q Almac enamiento T Q O perac ión
Val.C ontrol Nivel
T -430 - 100% T -430 - 100% 1/2
L C V-200B - 100%
1/2
T Q Almac enamiento T Q O perac ión
T -440 - 100% T -440 - 100%
1/4 1/4

Vac uum
- 100%
Conocimiento Previo

JERARQUIZACION DE EQUIPOS
75% 80% 85% 90%

Turbina T3
Generador G1
Bomba P41
Filtro V8
+

Bomba P31
Pozo P1
Compresor
Enfriador F8

Fuente: R2M
Mantenibilidad
La Mantenibilidad trata con la duración de paros por fallas y paros por
mantenimiento o cuánto tiempo toma para lograr (facilidad y velocidad)
restituir las condiciones del equipo a su condición operativa después de
una parada por falla o para realizar una actividad planificada.

Las características de Mantenibilidad son normalmente determinadas por

el diseño del equipo el cual especifica los procedimientos de
mantenimiento y determina la duración de tiempos de la reparación.

La figura clave de mérito para la mantenibilidad es a menudo el tiempo

promedio para reparar (TPPR). Cualitativamente se refiere a la facilidad
con que el equipo se restaura a un estado funcionando.
Cuantitativamente se define como la probabilidad de restaurar la
condición operativa del equipo en un periodo de tiempo o tiempo misión.
Se expresa a menudo como:
1
.t
 m .t
M (t )  e e TPPR
Fuente: R2M
Fuente: R2M
Fuente: R2M
Disponibilidad

La disponibilidad es un termino probabilistico exclusivo de los “equipos

reparables” que se define como la probabilidad de que el equipo este
operando (es decir que no este en reparación) a un tiempo “t”. Para
estimar la disponibilidad se requiere estimar la “tasa de falla λ(t)” y la
“tasa de reparación µ(t)”; es decir, se requiere analizar estadísticamente
los tiempos para la falla, y los tiempos en reparación. Para un periodo de
tiempo “t”.

Tenemos dos tipos de Disponibilidad:

 Disponibilidad Inherente

 Disponibilidad Operacional
Disponibilidad Inherente

La Disponibilidad Inherente representa el porcentaje del tiempo que un

equipo esta en condiciones de operar durante un periodo de análisis,
teniendo en cuenta solo los paros no programados. El objetivo de este
indicador es medir la Disponibilidad inherente de los equipos, con la
finalidad de incrementarla, ya que en la medida que esto ocurra,
significara que se disminuye el tiempo de los paros por falla o paros no
programados del equipo.
Disponibilidad Operacional

La disponibilidad Operacional representa el porcentaje de tiempo que el

equipo quedo a disponibilidad del área de operación para desempeñar su
función en un periodo de análisis. Teniendo en cuenta el tiempo que el
equipo esta fuera de operación por paros programados y no
programados. El objetivo de este indicador es medir el desempeño de los
equipos y la eficiencia en la gestión de mantenimiento, de manera
conjunta, comparándolos contra los objetivos y metas del negocio, con la
finalidad que Operación tenga cada vez mas tiempo el equipo disponible
y que este pueda realizar la función para la que fue diseñado.
Diagrama de Bloques de Confiabilidad
Los diagramas de bloques de confiabilidad, DBC (RBD, por sus siglas en
inglés), ilustran la funcionalidad de un sistema. La confiabilidad es la
probabilidad de operación exitosa durante un intervalo de tiempo dado.
En un diagrama de bloques se considera que cada elemento funciona
(opera exitosamente) o falla independientemente de los otros.

Podemos tener tres tipos de arreglos en un sistema:

 Sistemas en Serie
 Sistemas en Paralelo
 Sistemas “k” de “n”
Sistemas en Serie
Si un sistema funciona si y solo si todos sus componentes funcionan, se
dice que el sistema tiene una estructura en serie. Desde el punto de
vista de confiabilidad, un sistema en serie es definido como aquel
sistema en donde todos sus componentes deben operar para que el
sistema en su totalidad opere.

Fuente: R2M
Sistemas en Paralelo
Un sistema que funciona si al menos uno de sus componentes está
funcionando se dice que tiene una estructura en paralelo. Desde el punto
de vista de confiabilidad, un sistema en paralelo se define como aquel
sistema en donde todos sus componentes deben fallar para que el
sistema en su totalidad no opere.

Fuente: R2M
Sistemas “k” de “n”
Algunos esquemas de redundancia, contemplan el uso de un número de
componentes o equipos mayor que el requerido, a fin de poder
establecer esquemas de votación que permitan incrementar la
confiabilidad global del sistema.

Fuente: R2M
Sistemas “k” de “n”

Confiabilidad vs K
1

0.9

0.8
K /n Confiabilidad
0.7 1/6 0,999999
0.6 2/6 0,999966
0.5 3/6 0,95266
0.4 4/6 0,9411
0.3
5/6 0,77648
6/6 0,37715
0.2

0.1

0
1 2 3 4 5 6

Una configuración Paralela “K” de “n” con n=K es lo mismo

que una configuración en Serie.
Caso de Aplicación – Estimación de la Disponibilidad de un
Sistema de Bombeo instalado en una Planta Petroquímica
Considere el sistema de bombeo de crudo mostrado en la figura. Estime la “Disponibilidad” y el
“Número Esperado de Fallas” del sistema a las 1,000 y a las 10,000 hrs asumiendo que todas
las bombas son iguales y tienen el comportamiento de fallas y reparaciones que se muestra en
la tabla anexa. Adicionalmente, las válvulas de bloqueo y las válvulas check de las bombas
tienen una probabilidad de falla de 0.001. Finalmente la confiabilidad de la válvula de control
en la descarga del sistema es de 0.98 y las válvulas del by-pass y de entrada tienen una
probabilidad de falla de 0.001. El sistema requiere de 3 de las 5 bombas para cumplir con el
requerimiento (todas las bombas están en operación). Estimar el perfil estocástico y la
producción diferida del sistema. Resuelva el problema utilizando el software RAPTOR.

Fuente: R2M
Aplicación con el Software RAPTOR
 Disponibilidad
para las
próximas 1000
hrs.
Confiabilidad Numero de Fallas para las próximas 1000 hrs. Tiempo para Reparar para las próximas 1000 hrs.

Aplicación con el Software RAPTOR

 Disponibilidad

Mean = 87% Std. Dev = 3.84%

Aplicación con el Software Crystal Ball
Perfil Estocástico Anualizado

Aplicación con el Software Crystal Ball

Aporte a la Producción Diferida

Relación de
Año Elemento Disponibilidad TM perdida/año USD/TM Perdida/año
Perdida %
2011 Sistema A 87.37% 12.63% 36061.39 54092092.46
2012 Sistema A 87.65% 12.35% 35280.06 52920088.56
2013 Sistema A 87.55% 12.45% 35554.21 53331318
2014 Sistema A 87.75% 12.25% 34994.48 52491724.56
2015 Sistema A 87.72% 12.28% 35071.59 52607382.84
2016 Sistema A 87.14% 12.86% 36722.22 55083326.76
2017 Sistema A 88.86% 11.14% 31813.17 47719749.6
2018 Sistema A 87.95% 12.05% 34411.91 51617862
2019 Sistema A 87.95% 12.05% 34411.91 51617862
2020 Sistema A 88.20% 11.80% 33697.97 50546952
TOTAL 348018.91 522028358.8
Ejemplo:
La empresa de Ingeniería y Diseño ENDESIGN, se encuentra en el proceso de selección de los
equipos para un Sistema de Compresión de Gas, el cual se muestra en la figura anexa. La
empresa quiere determinar si el diseño de este sistema y los datos de fallas y de reparación
de un sistema similar, podrán cumplir con un objetivo de Disponibilidad de 92% en los
próximos 10 años. Por favor explique su análisis y que le recomendaría al equipo de
Ingenieros de esta empresa.

Fuente: R2M
 Parte III
Análisis de Riesgo y
Evaluaciones Económicas
Definición del Riesgo
EL RIESGO, ES UN TERMINO DE NATURALEZA PROBABILÍSTICA, QUE SE DEFINE COMO LA “PROBABILIDAD DE TENER
UNA PÉRDIDA”. Y COMÚNMENTE SE EXPRESA EN UNIDADES MONETARIAS, (Euro, Pesos, USD). MATEMÁTICAMENTE,
EL RIESGO SE CALCULA CON LA SIGUIENTE ECUACIÓN:
RIESGO(t)=PROBABILIDAD DE FALLA(t) X CONSECUENCIAS
EL ANÁLISIS DE LA ECUACIÓN DEL RIESGO, PERMITE ENTENDER EL PODER DE ESTE INDICADOR PARA EL DIAGNÓSTICO
Y LA TOMA DE DECISIONES, DEBIDO A QUE, EL MISMO COMBINA PROBABILIDADES O FRECUENCIAS DE FALLAS CON
CONSECUENCIAS, PERMITIENDO POR EJEMPLO, LA COMPARACIÓN DE UNIDADES COMO LOS EQUIPOS ROTATIVOS,
QUE NORMALMENTE PRESENTAN ALTA FRECUENCIA DE FALLAS CON BAJAS CONSECUENCIAS, CON EQUIPOS
ESTÁTICOS, QUE NORMALMENTE PRESENTAN PATRONES DE BAJA FRECUENCIA DE FALLAS Y ALTA CONSECUENCIA.
EL RIESGO, SE COMPORTA COMO UNA BALANZA, QUE PERMITE PESAR LA INFLUENCIA DE AMBAS MAGNITUDES
(PROBABILIDAD DE FALLA Y CONSECUENCIA DE LA FALLA) EN UNA DECISIÓN PARTICULAR.
1.- Identificar las Fuentes de Incertidumbre

Los procesos encierran dos fuentes de donde puede provenir la

incertidumbre, una enmarcada en el conocimiento del proceso o
sistema en estudio: Identificación de Variables, Datos (Cantidad,
Calidad, Representatividad), Modelos Matemáticos aplicados
como elementos “aproximados” a la realidad y el factor humano
(comportamiento), la otra fuente se encuentra inherente dentro
del proceso.
2.- Propagación o Cuantificación de la
Incertidumbre

La propagación es el proceso donde se cuantifica la

incertidumbre en las variables que conforman el proceso o
sistema (entrada y salida), mediante la utilización de modelos
matemáticos se puede medir la magnitud de dichas variables.
3.- Análisis de Impacto de la Incertidumbre

Es necesario estimar la contribución de las variables de entrada

que conforman el proceso o sistema a la dispersión o varianza
de la variable de salida en estudio, esto se estima a través de un
Análisis de Sensibilidad (Contribución a la Varianza o Rango de
Correlación) donde se obtiene la contribución relativa de cada
una de las variables de entrada utilizando algún método de
simulación de variables probabilísticas (Monte Carlo, Momentos).
4.- Gerencia de Riesgo

Una vez que el impacto de la incertidumbre es estimado, se cuantifica

el riesgo obtenido y se compara con un valor o criterio previamente
establecido. Si el impacto (riesgo) resulta ser menor al máximo
permitido o supera el nivel de riesgo establecido se procede a ejecutar
la decisión (ejecutar un proyecto, realizar una inversión, implantar un
programa de producción o mantenimiento), etc.

En el caso que el riesgo estimado sea superior al riesgo permitido se

dispone de otras opciones como: reducir la incertidumbre a través de la
compra de información, capacitación técnica, rediseño del sistema o el
abandono del proyecto.
5.- Comunicación del Riesgo

Una vez completada la fase de Análisis de Impacto y de Gerencia del

Riesgo, es necesario comunicar a todas la personas involucradas en el
análisis de riesgo y a todas las personas directa o indirectamente sujetas
al proceso o sistema que se esta analizando los resultados obtenidos en
el análisis. La forma de mostrar los resultados puede variar, dependerá
de la naturaleza del análisis llevado a cabo, del objetivo, premisas
consideradas para el análisis, disposiciones legales que se encuentran
dentro del proceso, entre otros. La comunicación debe ser lo
suficientemente clara para que todos aquellos involucrados puedan
comprender dichos resultados y por ende la naturaleza de las acciones
que se derivaran de ello y que puedan aportar a proceso de toma de
decisión.
6.- Reducción de Riesgo
Al determinar el impacto de las variables de entrada en el modelo de decisión se
plantea la necesidad de disminuir los niveles de incertidumbre asociados al
proceso, esto con el fin de obtener el mejor resultado posible por medio de
decisiones acertadas. Es necesario evaluar la factibilidad técnica y económica de
adquirir “información” necesaria para reducir la incertidumbre presente y por
ende reducir los niveles de impactos inapropiados (riesgo) que pudieron ser
detectados en el análisis.

La inversión de recursos en la
reducción del riesgo debe ser
justificado como cualquier otra
inversión y poder ver si es
rentable de acuerdo a los
resultados que pudieran
obtenerse.
Simulación de Montecarlo

El método de Monte Carlo es un método no

determinístico o estadístico numérico, usado para
aproximar expresiones matemáticas complejas y
costosas de evaluar con exactitud. El método se
llamó así en referencia al Casino de Monte Carlo
(Principado de Mónaco) por ser “la capital del juego
de azar”, al ser la ruleta un generador simple de
números aleatorios. El nombre y el desarrollo
sistemático de los métodos de Monte Carlo datan
aproximadamente de 1944 y se mejoraron
enormemente con el desarrollo de la computadora.
 Rango de
Variación
Rango de

Variación
permisible

Numero de Simulaciones
Debido a la naturaleza probabilística de los sistemas donde se utiliza la
simulación, se hace imprescindible crear modelos cuyos resultados sean
estadísticamente iguales a los sistemas reales. Uno de los factores que afectan
en forma directa esos resultados, es el tamaño de la corrida de simulación para
encontrar resultados confiables. Al realizar una corrida de simulación, el
resultado promedio de las variables del sistema tiene un periodo de
inestabilidad y conforme transcurre el tiempo, esas variables tienden a un
estado estable y es entonces cuando los valores de las variables de repuesta
son confiables.
Propagación de la Incertidumbre

ENTRADAS MODELO SALIDAS

B A+B+C
E=
C D E

D ELIM
5%ELIM 95%ELIM
ETAPA 1: ETAPA 2: ETAPA 3:
CUANTIFICACION DE LA INCERTIDUMBRE ASOCIADA PROPAGACION DE LA INCERTIDUMBRE CUANTIFICACION DE LA INCERTIDUMBRE
A CADA VARIABLE DE ENTRADA O CARACTERIZACION ASOCIADA A CADA VARIABLE EN EL MODELO ASOCIADA A LA VARIABLE RESULTADO O
PROBABILISTICA DE LAS VARIABLES MATEMATICO CARACTERIZACION PROBABILISTIA DEL
METODO SUGERIDO: SIMULACION DE RESULTADO
“MONTECARLO”

Fuente: R2M
Fuente: Asset management decision-making: The SALVO Process. 2014
 Análisis Económico del Ciclo de Vida (AECV) – Modelo General Probabilístico
Ingresos 1. Estimación probabilística Tasa Inicial de Producción (Qo)

2. Estimación Probabilística Tasa de Declinación y Perfil Producción (Q1,, Q2,, Q3,, …... Q20)

Inversión Inicial 3. Estimación probabilística del Costo de Perforación

Egresos 4. Costos de Producción y Mantenimiento

5. Estimación probabilística del Riesgo (Egresos Potenciales por Fallas)

Qo x Precio de Venta
VPNE
Factor de Rentabilidad
Qi x Precio de Venta

Ingresos
VPN

0 1 2 3 4 5
Pr (VPN<0)
Factor de Riesgo
Costos de Producción
Egresos

Horizonte t=“n” meses

Riesgo (Ri) económico
(egresos potenciales por fallas)
Capex
Fuente: R2M
 ENTRADAS MODELO SALIDA
(INFORMACION)

HORIZONTE DEL “n”

PROYECTO (AÑOS)
K
INVERSION “CAPEX”
INICIAL
“Oj”
VPN
OPERACION
i n
(O  M )i VR
VPN n     CAPEX
MANTENIMIENTO
“Mj” i 0 (1  r ) i
(1  r ) n
PROB.(VPN>K)
“VR”
REVENTA
TASA DE “r”
DESCUENTO
PROB.(VPN<K)=F.RIESGO

K = VPN OBJETIVO (CRITERIO DE APROBACION)

Fuente: R2M
 Factor de Rentabilidad
VPNE
DISTRIBUCION FINAL DEL VPN

VPNE

C D
B
0 1500 3000 4500 6000VPN(MMBs) (menor riesgo, igual
rentabilidad)

PROB.(VPN < 0) A
(Igual riesgo, mayor rentabilifdad)

Pr(VPN <0)
Factor de Riesgo

Fuente: R2M
 Jerarquización Caso Real
VPN
TIR TIPO
PROYECTO ESPERADO Pr(VPN<0) Pr(TIR<15) JERARQUIZACION
ESPERADO ACTIVIDAD
MM USD
OMEGA 1 5,0 10% 13,70% 30% Rehabilitación 1
OMEGA 2 4,2 15% 29% 30% Rehabilitación 2
OMEGA 3 3,4 30% 47% 15% Rehabilitación 3
OMEGA 4 3,1 35% 49% 14% Rehabilitación 4
ALFA 1 2,8 40% 50% 10% Rehabilitación 5
ALFA 2 2,4 42% 60% 10% Rehabilitación 6

6,0

5,0
VPN ESPERADO MM$

OMEGA 1
4,0 OMEGA 2
OMEGA 3
3,0
OMEGA 4

2,0 ALFA 1
ALFA 2
1,0

0,0
0% 10% 20% 30% 40% 50%
FACTOR DE RIESGO
Etapas del Análisis de Costo de Ciclo de Vida

Etapa 1 Etapa 2 Etapa 3 Etapa 4 Etapa 5 Etapa 6 Etapa 7

Definir si los
costos serán
Sumar los flujos Multiplicar el
negativos o
de caja VPN por el Seleccionar la
positivos de Descontar los
Pronosticar descontados a factor de alternativa con
Seleccionar las tal manera de flujos de caja
los flujos de la inversión recuperación de el menor valor
alternativas establecer el proyectados al
caja de los inicial para capital para presente neto
técnicamente respectivo año cero a
elementos de luego calcular el obtener el o costo anual
factibles para signo a los través del
costos de las Valor Presente Costo Anual equivalente
inversión de ingresos. respectivo
alternativas a Neto Equivalente para reducir el
capital Establecer la factor de
evaluar "VPN" para "CAE" para impacto en el
tasa de descuento
alternativas de alternativas de negocio
descuento y la
igual vida vidas diferentes
tasa de
inflación
Los métodos principales en ACCV para usar el flujo de
dinero descontado son:

 Valor Presente Neto (VPN):

“Valido solo para comparar proyectos de igual vida”.

 Costo Anual Equivalente (CAE):

“Opción para ciclos de vida diferentes, y opciones de costos
sin ingresos”. Es la mejor opción de evaluación financiera.
 𝐧 0 1 2
𝟏+𝐢 −𝟏 n
𝐏=𝐀
𝐢 𝟏+𝐢 𝐧
t
P=? A A A
Factor del Valor Presente de
una serie uniforme

𝐅 0 1 2 3 F
𝐏= 𝐧 t
𝟏+𝐢 n
P=?
Factor del Valor Presente

𝐢 𝟏+𝐢 𝐧 0 1 2 n
𝐀=𝐏 t
𝟏+𝐢 𝐧 −𝟏
A A
Factor de Recuperación P A=?
de Capital
Tasa de Descuento

Es la tasa de interés que representa el valor del dinero en el tiempo. Esta se

describe como la tasa nominal de incremento en el valor del dinero en el tiempo.
Este proceso en el que el dinero adquiere valor e incrementa en cantidad sobre un
periodo de tiempo especifico (año), es lo que se conoce como el Valor del Dinero
en el Tiempo (a una tasa de descuento del 7% anual, 100$ serán 107$ en un
año).

Mucho se ha escrito acerca de la tasa de descuento y los métodos para

determinarla, pero no hay un método único aceptado a nivel mundial por lo cual
las estimaciones de la tasa de descuento varían entre las diferentes
organizaciones. Normalmente la selección de la tasa de descuento es una decisión
propia de las organizaciones tanto publicas como privadas.
 CAPEX OPEX
OPCION 1

COSTOS DE COSTOS DE COSTOS DE

DESEMBOLSOS

DESARROLLO INVERSION OPERACION

DISEÑO COMPRAS. COSTO MANT CORR. + IMPACTO EN PROD. + IMPACTO AMBIENTAL

COSTOS DE LA BAJA CONFIABILIDAD = RIESGO

COSTO OPERACIÓN + MANT. PLANIF.

INVESTIGACION

HOY FUTURO CONSTRUCCION. TIEMPO (AÑOS)

VPN1 DESINCORPORACION
OPCION 2

CAPEX OPEX
DESEMBOLSOS

COSTOS DE COSTOS DE COSTOS DE

DESARROLLO INVERSION OPERACION

COMPRAS.

COSTO MANT CORR. + IMPACTO EN PROD. + IMPACTO AMBIENTAL

DISEÑO COSTOS DE LA BAJA CONFIABILIDAD = RIESGO
COSTO OPERACIÓN + MANT. PLANIF.
INVESTIGACION

VPN2 CONSTRUCCION.
HOY FUTURO TIEMPO (AÑOS)
DESINCORPORACION

Fuente: TWPL
 AMT - Life Cycle Costing
Comparación de Alternativas Económicas
<--- Celdas Amarillas son para introducir datos

Análisis de Costo de Ciclo de Vida

Copyright 2017, Edgar Fuenmayor, Ing. MSc. CMRP.

Planta: Planta XYZ Realizado: Ingenieria

Equipo: P-2806 Fecha: 11/11/2017

Tasa de Descuento (%) ----> 12% Vida del Proyecto (25 años max) ---> 20 Tasa de Impuesto (%) ---> 0%
-3.835.752 <---Valor Presente Neto <---Tasa Interna de Retorno

0 1 2 3 4 5 6
Costos de Capital: CAPEX
Costos de Adquisición e Instalación 900.000
Costos de Adquisición
Costos del Programa de gestión
Costos de Diseño de Ingeniería
Costos de Data de Ingeniería
Costos de Logistica & Repuestos
Costos de Construccion e Instalación
Costos de Entrenamiento Inicial
Costos de Data Técnica
Costos de Documentación

Costos de Operación: OPEX

Costos Anuales de Energía 366.937 366.937 366.937 366.937 366.937 366.937
Costos Anuales de Operación 16.200 16.200 16.200 16.200 16.200 16.200
Costos Anuales de Mantenimiento Preventivo 808 808 808 808 808 808
Costos Anuales de Mantenimiento Predictivo 456 456 456 456 456 456
Costos Anuales por Baja Confiabilidad 656 656 656 656 656 656
Costos de Mantenimiento Mayor
Costos de Desincorporación
Otros Costos Periódicos
Reducción de Costos (Ahorros)
Reducción de Costos Anual (usar numeros positivos)

Valor Presente Neto (VPN) -3.835.752 USD

Tasa Interna de Retorno (TIR) <--- Se requiere al menos un valor positivo y un valor negativo
Costo Anual Equivalente (CAE) -513.525,80
Período de Recuperación de Capital (PRI) No hay Ingresos Años
Indice de Rentabilidad (IR) -3,26 Alternativa rechazada
Comparación de Alternativas Económicas
 Resultados Período Indefinido
Copyright 2017, Edgar Fuenmayor, Ing. MSc. CMRP

Primer Ciclo de Vida 1 Año(s) Punto del Primer Reemplazo 0 Año(s

Calculo de la
Calcular cada: Vida Útil
1 Económica
Año(s) Calcular cada: 1 Año(s

Equipo Nuevo Equipo Actual

Impacto Total al Negocio CCV Total del Reemplazo

Punto de
Ciclo de Vida VPN CAE Prima del Valor Valor Presente
Reemplazo
(Año(s)) (USD) (USD/Año) Presente (USD) Total (USD)
25 (Año(s))
1 164355 12327 0 17262 88016
2 50513 3788 1 8486 79240
3 29067 2180 2 2604 73358
4 22109 1658 3 0 70754
5 19708 1478 4 937 71691
6 19314 1449 5 5577 76331
7 19976 1498 6 13999 84753
8 21239 1593 7 26210 96964
9 22856 1714 8 42160 112914
10 24697 1852 9 61752 132506
11 26702 2003 10 84850 155604
12 28845 2163 11 111290 182044
13 31114 2334 12 140885 211640
14 33502 2513 13 173434 244188
15 36000 2700 14 208723 279477
Calculo de la Vida Útil Económica
Calculo de la Vida Útil Económica
Análisis de Criticidad

Es una metodología que permite establecer la jerarquía o

prioridades de las instalaciones, sistemas, equipos y dispositivos,
mediante el diagnóstico y medición del impacto de su comportamiento
en el seguridad, higiene y ambiente a si como en el negocio, creando
una estructura que facilita la toma de decisiones acertadas y efectivas,
y facilitando el direccionamiento del esfuerzo y los recursos en las
áreas y situaciones donde sea mas requerido, para mejorar la
rentabilidad del negocio, reducir la ocurrencia y mitigar las
consecuencias de desviaciones.
 ¿CÓMO ARTICULAR LOS CRITERIOS
ANTES MENCIONADOS?

UTILIZANDO LA EXPRESIÓN MATEMÁTICA:

CRITICIDAD = Frecuencia de Falla * Consecuencia

Donde:

Consecuencia = ((Nivel de Producción * TPPR * Imp. Producción) +

Costo de Reparación + Impacto en Seguridad +
Impacto Ambiental + Satisfacción del Cliente)
 250.00
PUNTUACION DE Mejorable

200.00

150.00

100.00

50.00

0.00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

FUNCIONES O Subsistemas Poco Mejorables

Mas Mejorables
Medianamente Mejorables
 ADEOL (Equipos)

F (t)

9 - 10 48,49,50 10,17 52,53

7-8
CRITICO ES COLOR ROJO Y HOY ES
ALTAMENTE MEJORABLE
5-6
SEMICRITICO ES COLOR AMARILLO
Y HOY ES MEDIANAMENTE
MEJORABLE
3-4 24,25,37,38,44,45 40 7,8,12,19

NO CRITICO ES COLOR VERDE Y

1,2,3,4,5,6,9,11,13 HOY ES BAJAMENTE MEJORABLE
,14,15,16,18,20,21
0-2
,22,23,26,27,28,29
,30,31,32,33,34,35
,36,39,41,42,43,46
,47,51,54,55,56

0 - 1500 1501 - 3000 3001 - 4500 4501 - 6000 6001 - 7500

Consecuencia C(t)
 Modelo Costo – Riesgo
IMPACTO TOTAL=I(t)
I(t)= IMPACTO TOTAL SOBRE EL NEGOCIO
I(t)=R(t)+C(t)

3500
COSTO POR AÑO (USD)

3000
RIESGO=R(t)
2500 Punto Optimo
R(t)=PROB. DE FALLA X CONSECUENCIA
2000

1500
COSTO=C(t)
1000 C(t )= COSTO DE LA ACCION PROPUESTA
PARA DISMINUIR EL RIESGO; MODELADO
500 A DIFERENTES FRECUENCIAS.

1 2 3 4 5 6 7 8 9 10 11 12 1 3 14 15 16 17 18 19 20 21 22 23

INTERVALO DE TIEMPO (ANOS)

Calculo de Costos por Baja Confiabilidad
 Costo por Baja Confiabilidad (CPBC):
• Incluye costos de penalización provocados por los eventos de fallas
(paros de plantas, diferimiento de producción, productos
deteriorados, baja calidad, retrabajo, impacto en seguridad,
ambiente, etc.)
• Se calcula en función de la frecuencia de fallas y los tiempos fuera de
servicio
• Se puede estimar en unidad monetaria por tiempo (dólares/año)

 Formula para el calculo:

CPBC = FF x ((TPFS x CPE) + (CD)) = dólares/año

FF = frecuencia de fallas = fallas/año

TPFS = tiempo promedio fuera de servicio = horas/falla
CPE = costos penalización por hora = dólares/hora
CD = costos directos por falla (materiales, mano de obra) =
dólares/falla
Estructura de Costos Directos

Repuestos

Materiales Herramientas

Químicos

Costos
Directos
Operadores

Propia Ingenieros

Labor

Contratada Gerentes

Fuente: Managing Industrial Risk, Getting value for money in your business. John Woodhouse. 1993
Estructura de Costos Indirectos
Tasa de Producción

Pérdidas de Desempeño
Costos de Eficiencia

Pérdidas de Producción

Costos por Subcontrataciones

Impacto por
Costos Indirectos Tiempo fuera de Servicio
Penalizaciones Contractuales

Costos por Sobretiempo

Penalizaciones

Costos por Retrabajos

Pérdidas por Calidad

Pérdida de Valor por
Degradación

Fuente: Managing Industrial Risk, Getting value for money in your business. John Woodhouse. 1993
Ejemplo
Se requiere calcular el costo por baja confiabilidad para una
bomba centrifuga instalada en un proceso petroquímico. Son
necesarios 2 Mecánicos por 2 horas y cada hora de trabajo es 20
USD. La producción no realizada se estima para estas 2 horas de
500 TN por hora y cada TN cuesta 10 USD. La tasa de falla de
este equipo es reportada en la bitácora de producción como 2
fallas por año por un modo de falla critico.

 Formula para el calculo:

CPBC = FF x ((TPFS x CPE) + (CD)) = dólares/año

CPBC = 2 fallas/año x ((2 horas/falla x 5000USD/hora) + (80

USD/falla)) = 20.160 USD/año
 AMT - Maintenance
Optimización de Frecuencias de Mantenimiento Preventivo
Calculo de la Frecuencia Optima
Copyright de Mantenimiento
2017, Edgar Fuenmayor, Ing. MSc. CMRP Preventivo
Calcular Primer Intervalo: 4000 Hora(s) Intervalo Actual: 16000 Hora(s)
Calcular cada: 2000 Hora(s) Intervalo Seleccionado: Hora(s)
Maximo Intervalo de Overhaul Hora(s)
Costos Planeados y no Planeados Maxima Probabilidad de Falla /Hora

Costos Reparar y Costo de Capital Perdida de

Intervalo de Costos Planeados Restaurar la Falla Costos Operativos Impacto Total al Negocio
Continuar Amortizado Desempeño
Overhaul (Hora(s)) (USD/Hora) (USD/Hora) (USD/Hora) (USD/Hora)
(USD/Hora) (USD/Hora) (USD/Hora)

4000 66,75 85,81 2,03 1,90 2,19 0,17667 158,85

6000 44,50 77,12 2,03 2,22 2,34 0,23000 128,44
8000 20,87 70,65 2,46 2,67 2,51 0,26000 99,42
10000 26,70 65,59 3,11 3,33 2,69 0,26667 101,69
12000 22,25 61,67 3,98 3,33 2,89 0,25000 94,37
14000 19,07 58,77 5,06 3,33 3,10 0,21000 89,55
16000 10,44 56,84 6,36 3,33 3,34 0,14667 80,46
18000 14,83 55,83 7,88 3,33 3,60 0,06000 85,54
20000 13,35 55,73 9,62 3,33 3,88 0,05000 85,96
22000 12,14 56,54 11,57 3,33 4,17 0,18333 87,94
24000 6,96 58,23 13,74 3,33 4,49 0,34000 87,10
26000 10,27 60,81 16,13 3,33 4,83 0,52000 95,89
28000 9,54 64,27 18,73 3,33 5,19 0,72333 101,79
30000 8,90 68,61 21,55 3,33 5,57 0,95000 108,92
32000 5,22 73,83 24,59 3,33 5,97 1,20000 114,14
34000 7,85 79,91 27,84 3,33 6,40 1,47333 126,81
36000 7,42 86,88 31,32 3,33 6,84 1,77000 137,55
38000 7,03 94,71 35,00 3,33 7,30 2,09000 149,47
40000 4,17 103,41 38,91 3,33 7,79 2,43333 160,05
Calculo de la Frecuencia Optima de Mantenimiento Preventivo
Calculo del Intervalo Optimo para la Próxima Inspección
Calculo del Intervalo Optimo para la Próxima Inspección
Calculo de la Tenencia Optima de Materiales de Baja Rotación
Calculo de la Tenencia Optima de Materiales de Baja Rotación

Política de Costos vs No. de Spares

18000

16000 Obsolecencia

14000
Almacenamiento y
12000 MTTO
/años

10000 Costo de Capital

8000

6000 Riesgo Tiempo Abajo

4000
Costos Fijos
2000

0
1 2 3 4 5 6 7 8 9 10 11
No. de Spares
Bibliografías

1. Patrick D.T. O’CONNOR, Andre Kleyner, 2012: ‘Practical Reliability Engineering’

Fifth Edition.
2. R2M - Reliability and Risk Management Mexico S.A. de CV, 2010: ‘Confiabilidad
Integral Sinergias de Disciplinas Tomo I,II,III’.
3. ReliaSoft RS403, 2008: ‘Confiabilidad de Sistemas’. Master the Subject Seminar
Series.
4. ReliaSoft RS401, 2008: ‘Análisis de Datos de Vida’. Master the Subject Seminar
Series.
5. Andrew K.S. Jardine and Albert H. C. Tsang, 2006: ‘Maintenance, Replacement,
and Reliability (Theory and Applications)’.
6. Medardo Yañez, Hernando Gómez de la Vega, Genebelin Valbuena, 2004:
‘Ingeniería de Confiabilidad y Análisis Probabilístico de Riesgo’, Venezuela,
R2M.
7. John Woodhouse, 1993: ‘Managing Industrial Risk’, Getting value for money in
your business, London, Chapman & Hall.
Ingeniería de Confiabilidad y
Análisis de Riesgo

Muchas Gracias!!!
Edgar Fuenmayor
Machinery & Reliability Institute - MRI
E-mail: efuenmayor@machineryinstitute.org
edgarfuenmayor1@gmail.com
Web: www.machineryinstitute.org