Modelos Probabilísticos para El Mantenimiento

grupo
conocimiento para crecer
PROGRAMA INTERNACIONAL
EN INGENIERIA DEL
MANTENIMIENTO
MODELOS PROBABILSTICOS PARA

EL MANTENIMIENTO
Expositor: Jonathan Calle
www.bsgrupo.com Material de Estudio

Programa Internacional en Ingeniera del Mantenimiento
Modelos Probabilsticos para el Mantenimiento
PERFIL DEL PROGRAMA INTERNACIONAL EN

INGENIERIA DEL MANTENIMIENTO
SLABO
I. INFORMACIN GENERAL
Curso : Modelos Probabilsticos para el Mantenimiento
Cdigo Programa : DIN INGMTTO 2011 I LIMA
Programa : Programa Internacional en Ingeniera del

Mantenimiento 2011 Lima
Profesor : Jonathan Calle
Email : jonathancalle@hotmail.com
Duracin : 32 horas
Fechas : Del 17 al 19 de Junio del 2011
II. PRESENTACIN
En esta poca de rpidos cambios las organizaciones deben estar siempre

sondeando por nuevos escenarios, nuevos competidores, cambios constantes en
los requisitos, cambios en las tendencias de los negocios, tecnologas
innovadoras, aumento de la complejidad de los sistemas, exigencias ambientales
ms rigurosas, entre otros. Dada esta necesidad es que se ha diseado el curso
de Modelos Probabilsticos para el mantenimiento, de manera que todos estos
desafos sean enfrentados por la organizacin como un todo y con todos los
recursos que posee, involucrando a la funcin administrativa y productiva de la
organizacin.
III. OBJETIVO GENERAL
Este curso busca desarrollar los conceptos tericos fundamentales de los

Modelos Probabilsticos aplicados en el mantenimiento de manera que se
grupo
logre incrementar la productividad y potenciar el involucramiento del participante

en el proceso de mejoramiento que debe tener cada organizacin
IV. OBJETIVOS ESPECFICOS

Dentro de los objetivos especficos tenemos:
Introducir el concepto de pensamiento estadstico
Revisar la teora estadstica y las probabilidades
Definir la terminologa bsica asociada a los conceptos de tiempo
promedio operativos y tiempos promedios fuera de servicio.
Aclarar el concepto de cada uno de los indicadores bsicos:
confiabilidad, disponibilidad y mantenibilidad
Explicar como calcular a partir de los modelos Probabilsticos los ndices
de: confiabilidad, mantenibilidad y disponibilidad
Explicar la relacin que existe entre la disponibilidad con respecto a la
confiabilidad y a la mantenibilidad.
Analizar las pruebas de ajuste estadstico utilizadas para seleccionar la
distribucin ms adecuada al set de datos
Aprender a usar la herramienta de clculo y la aplicacin prctica de los
modelos probabilsticos
V. EVALUACIN
Asistencia mnima : 70% al curso

Promedio mnima aprobatoria : De 4.5 o 13 en escala vigesimal
La composicin de la evaluacin para obtener el promedio final es:

Fecha
Mecanismo de Evaluacin Ponderacin Descripcin
Aplicacin
Asistencia
Las fechas de evaluacin son definitivas e impostergables, cualquier entrega

posterior no ser considerada dentro de la evaluacin del curso.
Es justificable el 30% de inasistencias siempre y cuando sean comunicadas con

anterioridad a la fecha de inasistencia pero no en la entrega de trabajos o
exmenes.
Es responsabilidad exclusiva del alumno el no comunicar la inasistencia as como

de no presentarse a la entrega de trabajos y evaluaciones.
grupo
VI. CONTENIDO DETALLADO DEL CURSO
Introduccin
Pensamiento estadstico.
o Fuentes de datos.
o Recoleccin de datos.
o Administracin de los datos.
o Teora Estadstica
o Probabilidades.
ndice de Confiabilidad
o Objetivo de mantenimiento.
o Gerencia del dato.
o Terminologa.
o ndices de Confiabilidad
ndice de Mantenibilidad
o ndice
o Anlisis
o Aspectos
ndice de Disponibilidad
o Terminologa bsica
o Distribuciones de Disponibilidad ms comunes
o Estrategia para las piezas de repuestos.
Distribuciones estadsticas.
o Exponencial
o Weibull
o LogNormal
o Test de Kolmogorov
Puntos a considerar
VII. PROGRAMACIN
DAS HORARIOS
VIERNES 19:00 a 23:00 hrs.
SBADO (m) 09:00 a 13:00 hrs.
SBADO (t) 15:00 a 19:00 hrs.
DOMINGO 09:00 a 13:00 hrs.
VIII. MATERIAL DEL CURSO
Se entregar:
grupo
Material de Estudio
CD
IX. METODOLOGIA
La metodologa del curso est orientada a la consecucin de los objetivos

enunciados y est conformada por:
El curso se realizar combinando la teora con la participacin activa de los
asistentes, teniendo como base la transferencia metodolgica que permita
entender y evaluar el diseo y funcionamiento de un Sistema de
Planeamiento y Programacin del Mantenimiento
Se dictar con una duracin total de 32 horas acadmicas.
Comprender la instruccin terica y prctica a cargo de un experto en el
tema.
Al personal participante se le entregar las separatas de los temas
desarrollados
El certificado correspondiente ser entregado al participante cuya asistencia
y evaluacin estn por encima de los mnimos establecidos
X. PAUTAS COMPLEMENTARIAS
El profesor es el responsable de la elaboracin del material y de las actividades;

as como quien absolver las consultas que le realicen a travs del correo
electrnico.
Adicionalmente la Coordinadora Acadmica ser la encargada de supervisar el

cumplimiento de las tareas. Ud. podr comunicarse con ella travs de su correo
electrnico.
XI. BIBLIOGRAFA
1. YaezMedina, Medardo - Gmez de la Vega, Hernando Valbuena Chourio,

Genebelin
Ingeniera de Confiabilidad y Anlisis Probabilstico de Riesgo
Captulo IV: Ingeniera de Confiabilidad
2. Robert B. Abernethy, FL, USA

FUNDAMENTOS DEL ANLISIS DE WEIBULL
3. H. Paul Barringer,
DISPONIBILIDAD, CONFIABILIDAD, MANTENIBILIDAD Y CAPACIDAD
Barringer & Associates, Inc
grupo
EXPOSITOR
JONATHAN NOLBERTO CALLE ZURITA(Per)
Ingeniero Agrcola de la UNA y Contador de la UPSMP con amplia experiencia

laboral en reas como son: Control y Planeamiento de la Produccin,
Ingeniera Industrial, Administracin de Cambio, Anlisis de los Sistemas
Informticos de Produccin, Proyectos de Instalaciones e Inversiones,
Planeamiento Estratgico, Planeamiento de Instalaciones y Mejora Continua.
Estudios de Post Grado: PADE de Administracin ESAN.
Ha sido miembro del equipo de Negociacin Colectiva representando a la

Compaa Goodyear del Per S.A.
Especializado en Calidad Total, siendo Consultor Asociado de la Sociedad
Nacional de Industrias. Habiendo recibido especializacin de Black Belt y
Especialista Lean en Chile y Brasil respectivamente.
Conocimiento de las herramientas: Lean Office, Lean Transaccional, Lean de

Manufactura, Seis Sigma, Mapa de Cadena de Valor, Anlisis de Brechas,
Teora de Restricciones, 5 S, Administracin por Crculos de Calidad, Poka
Yoke, Trabajo Estandarizado, Instrucciones de Trabajo, Mantenimiento
Planeado, Mantenimiento Productivo Total, Supermercados, Bus Taxi , Kan
Ban, Diseado para Seis Sigma y Seis Sigma Negocios.
Lder de Implementacin de Software de MRP (PRISM Y SAP), Mantenimiento,

Costos, Personal y Seguridad.
Proyectos de Mejora (Seis Sigma, Lean, etc.)
grupo
Diapositiva 1
Bienvenidos!
1
grupo
Diapositiva 2
Modelos Probabilsticos de
Mantenimiento
Felicitaciones, Usted ha decidido asistir al
Curso de Modelos Probabilisticos de
Mantenimiento,
Ustedes aprendern cmo la utilizar la
estadstica en una empresa de clase mundial.
2
grupo
Diapositiva 3
Algunos puntos a considerar
Estacionamiento
Telfonos
Bao
Breaks
Tardanzas
Otros
3
grupo
Diapositiva 4
Objetivo de la Seccin
Entender las expectativas

del curso.
Rompe hielo
4
grupo
Diapositiva 5
Expectativa del Instructor

Su participacin, contribucin y aprendizaje.
Sus excelentes preguntas me permitir
generar grandes discusiones.
Usted aprender un nuevo enfoque para
llevarlo a su trabajo.
Usted debe estar preparado para cambiar.
5
grupo
Diapositiva 6
Estableciendo informalidad
En +/- dos minutos:
Diga su nombre y ttulo de la posicin.
Describir su carrera profesional.
Decir algo sobre s mismo.
Describir su contacto con el Mantenimiento.
Expectativas del Curso
6
grupo
Diapositiva 7
MODELOS
PROBABILISTICOS PARA
EL MANTENIMIENTO
7
grupo
Diapositiva 8
MANTENIMIENTO: COSTO/RIESGO
En el contexto actual, el mantenimiento no
se puede limitar slo a la simple reduccin
de las fallas a partir de las acciones de
mantenimiento seleccionadas en funcin de
un registro histrico de fallas, este
concepto ya no tiene vigencia, por lo cual,
el rol del mantenimiento dentro de este
nuevo contexto se puede describir de la
siguiente forma:
8
grupo
Diapositiva 9
MANTENIMIENTO: COSTO/RIESGO
Preservar la funcin de los equipos, a

partir de la aplicacin de estrategias
efectivas de mantenimiento, inspeccin y
control de inventarios, que permitan
minimizar los riesgos que generan los
distintos modelos de fallas dentro del
contexto operacional y ayuden a
maximizar la rentabilidad del negocio.
9
grupo
Diapositiva 10
PENSAMIENTO
ESTADSTICO
10
grupo
Diapositiva 11
Fuentes de datos.
Recoleccin de datos.
Administracin de los datos.
Teora Estadstica
Probabilidades.
11
grupo
Diapositiva 12
FUENTES DE DATOS
Un acercamiento a la recoleccin de
datos pone nfasis a la importancia
de la limpieza de la informacin.
Contaminacin de datos internos
Operadores.
Dispositivos.
Software.
Topologa.
12
grupo
Diapositiva 13
FUENTES DE DATOS
Este punto de vista sostiene que

los mejores datos son aquellos
que estn sin contaminacin por
cambios de factores externos .
13
grupo
Diapositiva 14
FUENTES DE DATOS
El lado negativo de esta accin es que

muy pocos productos o procesos
operan en ambientes en los cuales se
controlan los factores externos.
14
grupo
Diapositiva 15
FUENTES DE DATOS
Esta tcnica de tener factores externos

es ms apropiada para la etapa
temprana de investigacin, en que las
relaciones causa-efecto se aplican en
los tiempos perdidos por
mantenimiento.
15
grupo
Diapositiva 16
FUENTES DE DATOS
En el otro extremo del espectro estn
los datos de servicio de campo.
Esto se refiere a la
informacin obtenida de los
productos usados por los
clientes
16
grupo
Diapositiva 17
FUENTES DE DATOS
Esta informacin es a menudo afectada

por:
las diferencias en la instalacin,
el medio ambiente,
los procedimientos de operacin, y
factores similares que hacen
dificultoso el anlisis.
17
grupo
Diapositiva 18
FUENTES DE DATOS
Por otro lado, los datos de servicio de

campo representan aplicaciones
realsticas del producto y por lo tanto
hay que tenerlos en cuenta como una
parte del anlisis de confiabilidad.
18
grupo
Diapositiva 19
FUENTES DE DATOS
En muchos casos este enfoque es

usado en el proceso de
retroalimentacin para ayudar a
determinar la exactitud de otros
mtodos de anlisis de la
confiabilidad y suministrar entradas
para futuras revisiones e iniciativas en
el diseo.
19
grupo
Diapositiva 20
FUENTES DE DATOS
Se han elaborado varios otros

mtodos de recopilacin de datos.
Por ejemplo, la tcnica ms potente

es el estudio de modo de fallas y los
mecanismos que pueden ocurrir.
20
grupo
FUENTES DE DATOS
PF= Probabilidad de Falla. Ej:Bladder
21
grupo
Diapositiva 22
FUENTES DE DATOS
El nfasis debe estar en la provisin

de los recursos necesarios y con el
tiempo necesario en las etapas de
diseo que impacta en el producto
resultante.
Per tiene los recursos para disear 4
medidas de llantas al mes. No mas.
22
grupo
Diapositiva 23
FUENTES DE DATOS
Cuando se considera una fuente de
datos, una atencin especial se debe
hacer a las condiciones bajo las
cuales el producto ser transportado,
almacenado y usado.
( Condiciones ).
Transporte uas por clamp.
Trenzado de llantas.
Madera.
23
grupo
Diapositiva 24
FUENTES DE DATOS
24
grupo
Diapositiva 25
FUENTES DE DATOS
Estas condiciones incluyen los
diferentes factores tales como:
ubicacin geogrfica,
hbitos del operador,
lubricacin,
posibles exposiciones qumicas,
radiolgicas y biolgicas,
vibracin,
medio ambiente electromagntico, y
as sucesivamente.
25
grupo
Diapositiva 26
FUENTES DE DATOS
Los datos de confiabilidad a menudo

son expresados en trminos binarios,
tales como fallo o no-fallo.
26
grupo
Diapositiva 27
RECOLECCION DE DATOS
Una vez que las fuentes de datos se han
determinado, es necesario formar un
plan de recoleccin de datos.
27
grupo
Diapositiva 28
Este plan necesita proporcionar
respuestas a tales preguntas como:
Quin recolectar la informacin?
Cundo se deben recopilar los datos?
En qu formato se recolectarn los datos ?
Qu equipo de medicin se usar?
Qu medidas se utilizaran para verificar
la exactitud y la integridad de los datos ?
28
grupo
Diapositiva 29
Los colectores de datos

deben estar familiarizados
con los equipos de medicin
y del producto en si.
Si los datos de fallas se recogen es
fundamental que este bien definida y
entendida la definicin de la falla.
Personal capacitado y luego certificado.
29
grupo
Diapositiva 30
Si es posible, ms de una persona

debe participar en proporcionar
alguna de las informaciones cruzadas
y cubrir a una de ellas cuando no este
presente.
Persona con conocimiento del
proceso / producto.
30
grupo
Diapositiva 31
Cundo se deben recopilar los datos?
El plan necesita especificar en que etapa

de diseo o uso sern recogidos los
datos.
Fechas y horarios ayudan a la
planificacin de otros miembros del
equipo.
31
grupo
Diapositiva 32
En qu formato se recolectarn los datos ?
El mejor paso aqu es disear una hoja
de coleccin de datos y especificar el
formato para resumir los datos.
Podemos colectar
datos en PLC, pero
siempre debemos
validar manualmente.
32
grupo
Diapositiva 33
Qu equipo de medicin se usar?
El plan debe especificar los equipos y si
es conveniente los dispositivos de
grabacin.
Pirmetros lser y de penetracin y/o
contacto.
33
grupo
Diapositiva 34
El plan puede especificar:

las unidades de medicin (escala).
la calibracin de los equipos, o
el registro de informacin auxiliar que
pueda afectar los datos.
34
grupo
Diapositiva 35
Si los datos son transmitidos o

almacenados digitalmente, se puede
especificar el uso de sistemas de
correccin de errores.
35
grupo
Diapositiva 36
ADMINISTRACION DE DATOS
La base de datos de los productos

fallados debe ser una de las bases del
sistema de gestin de la base de datos
de la organizacin y como tal debe
cumplir con las reglas del sistema.
Sistema de Base de Datos de Falla en el
Producto Final de Neumaticos.
36
grupo
Diapositiva 37
Clasificacin de Fallas
Cada tipo de componente tiene su
propia tabla de fallas, mientras la
tabla de fallas sea mas objetiva,
precisa y clara; esta les permitir
tomar decisiones.
37
grupo
grupo
TR CANTID
DAD
A
TA
M
IE
PE N
TO
ST
A IR
R
A EG
PE M U
O
ST R LA
A D R
0
2
4
12
14
16
18
20
6
8
10
ID 07
A A
M -L 3-
1
O N
R S
19
P. D 0
C ID 02
.I. A -1
FA IR -L
D R S
18
LL A
A EG 00
A U 2-
D D 2
E O LA
PE P R
16
SI
G O
ST A R 11
EM D P 6-
1
A O .C
A
14
D L .I.
1
E M 1
PE C O 2-
O L 1
ST N
A
12
FO DE
C
A O
RM 11
D A
4-
1
O NT D
B A O 9
LA M
D D IN
12
A B A A 2-
3
LA D
A O
8
EN
D D
A D LA 19
PO ER
FA 6-1
R C
7
O JA
EL N
D H 00
U 1-
ES E 4
C
6
CO
A
R
G 10
M A 3-
O D 1
O
5
LD R
C E 11
B /E FR 1-
5
B S
5
LA IO
D LA U 1
D B C 6
ER D LA IED 6
ER -1
M D A
D
5
O R D
FA R O ER 1
TO 76
LL DI R -1
A
DO (O O
5
E - X TO
38
L PE ID
FA E S A 10
C TA C 2-
LL TR IO 2
A N
4
D
IC A )
E A D 10
D A
VA E 2-
3
B A
D
4
PO LA
LA
R P A
D R 1
D D 06
ER A E EN
DEFECTO
M -1
4
M LA SA
D O
PO
A R L PR 1 1

A DI LI EN 9-
1
D TA
S
O DA
4
/C P E A
O O N 12
R R LI
N 1-
TA E E 1
D R
4
SP
O A 09
PO C 1-
IA 1
R D
O
3
C EL R
U A
FA R N 10
A IL 5-
O LL IR 6
3
A R
LO
Pareto de Fallas
TR
O P E G 1
S R 1 1
O U -2
C G LA
U R
3
ER AM R
C P 1
O O A 13
S D -0
ST O
R
3
R A EX
B O D O T 1
LA R 18
D DA A A -2
D D M N
O
3
O P S
ER O
FR AM LL 17
A 6-
IO PO DO 7
3
LL
-M
A 0
LL A D 33
AN L O -1
C
A
2
TA FA LC
D LL
LE
N 046
EF A -1
O O
TA
D
R P
2
M E O
A R 10
D A
A TI 2-
4
EN VA
2
LA 1 13
FA -3
2
JA
18
1-
1
Fallas por Componentes

35
30 29
25
20 19
AD
CANTIDA
15
11
10
10 9 9
8 8 8
6
5 5 5
5 4 4 4 4 4
3 3 3 3 3
2 2 2 2 2
PRODUCTOS
39
grupo
40
grupo
Diapositiva 41
El sistema debe proporcionar los
procedimientos de respaldo y de
seguridad.
La base de datos necesita de un sistema

de consulta que permitir buscar a los
usuarios, analizar, y actualizar la base de
datos dependiendo del nivel de privilegio
de acceso de los usuarios.
41
grupo
Diapositiva 42
Las reglas para el acceso y los
privilegios de edicin deben ser
controladas por un equipo con
representacin de todos los
potenciales grupos de usuarios,
as como las funciones del
ingeniero de confiabilidad.
42
grupo
Diapositiva 43
Una gua principal para la base de datos
debe ser, que se convierta en un
deposito adecuado de todos los datos
relacionados con la falla del producto.
43
grupo
Diapositiva 44
Por lo tanto, el esfuerzo debe ser

dedicado para que la entrada y
recuperacin de datos sea lo ms fcil
posible.
44
grupo
Diapositiva 45
La base de datos debe ser accesible a
travs de un lenguaje de consulta que
permite al usuario hacer una pregunta
en un formato que esta pueda
responder.
Banda de Rodamiento = Piso
Cocada = Diseo de Grabado
Absorbedor = Amortiguador
Llanta = Caucho = Neumatico
45
grupo
Diapositiva 46
Un paso esencial en el
establecimiento de la base de datos
de productos fallados es la
determinacin de los atributos que se
utilizaran para acceder a los datos.
46
grupo
Diapositiva 47
Es importante que los atributos se
definan con anticipacin, porque la
adicin de los atributos a una base
de datos existentes puede ser una
labor intensa.
Ejemplo: cuando sale una falla
nueva ingresar a la base de datos
se debe reestructurar toda la base.
47
grupo
Diapositiva 48
La tabla 15.1 muestra los posibles

grupos de usuarios y la exigencia
de algunos de sus atributos.
48
grupo
Tabla 15.1 Lista de posibles grup os de usuarios
Grupo de usuario Atributos C onsultas tpic as
Producc in Herramien tas y equip os utilizad os,
parmetros de proceso, id entificaci n d e Cu l es el porcentaje de fallas cuand o el
materia prima. p rod ucto ABC es corrid o en una maqu ina
u sand o acero inoxidable 1 35?
In vestigaci n Proto colo de p rueb as, lab de pruebas, tip o Qu literatura publicada cu bre los
de material, tipo de diseo, con diciones p orc en tajes d e falla p ara el zinc fu ndid o a
ambien tales, fuentes externas (por p resin en aplicacio nes a b aja temperatura?
ejemp lo: estu dios universitarios)
Servicio de Campo Ubicacin geogrfica, tipos de instalaci n, Cu l es el porcentaje de fallas para el articulo
parmetros de embarque/manip ulacin, C DE cuand o es u sado en la Costa Este?
co ndic iones de uso/o peracin
Comp ras Detalles de las especificacion es, Cu l es el porcentaje de fallas de los clips
id entificacin de pro veedores, suministrados p or FGH ?
id entificacin de lote /b atch
Con tabilidad Desglose de lo s costo s de d esec ho

ho, Cule s fuero n los costos deb ido a la garanta
retrabajos , garanta debid o a fallas d el produ cto JKL d uran te el 2007?
49
grupo
Al inicio la lista de ninguna manera es
exhaustiva y tal vez puede ser utilizada como
una discusin de arranque.
50
grupo
Diapositiva 51
Cada conjunto de datos deben estar
claramente identificados en cuanto a.
la fuente ,
los mtodos de recoleccin,
fecha/hora ,
producto,
persona responsable, y as
sucesivamente.
51
grupo
Diapositiva 52
A fin de restringir el acceso de
algunos datos de fallas por
razones de propiedad o de otro
tipo, y que se usen
indebidamente, es necesario
establecer protocolos de
prioridades de usuarios y las
estructuras de particiones
dentro de la base de datos.
Personal asignado con User ID y
password tiene acceso a la base
de datos y a la consulta.
52
grupo
Diapositiva 53
PENSAMIENTO ESTADSTICO
Teora Estadstica y probabilidades
53
grupo
Diapositiva 54
Teora Estadstica
Poblacin
El conjunto de todos los individuos en los que se
desea estudiar alguna propiedad o caracterstica se
llama poblacin.
Muestra
El conjunto de todos los individuos en los que se
desea estudiar alguna propiedad o caracterstica se
llama poblacin
54
grupo
Diapositiva 55
Teora Estadstica
Datos Tipos de datos
todos los datos no son del mismo tipo. Cuando los
datos, es decir los resultados de las observaciones,
no son magnitudes medibles numricamente, sino
cualidades o atributos, se dice que se trata de datos
cualitativos, mientras que en caso contrario se habla
de datos cuantitativos.
Los datos se clasifican en:
55
grupo
Diapositiva 56
Teora Estadstica
Variables estadsticas y Frecuencia

Frecuencia
1. Frecuencia absoluta:
Se llama frecuencia absoluta al nmero de individuos que
toman un determinado valor de una variable estadstica (o una
modalidad de un atributo).
2. Frecuencia absoluta acumulada:
Se llama frecuencia absoluta acumulada de un valor a la
suma de las frecuencias absolutas de todos los valores
menores o iguales que l.
56
grupo
Diapositiva 57
Teora Estadstica
Variables estadsticas y Frecuencia

Frecuencia
3. Frecuencia relativa:
Se llama frecuencia relativa a la razn entre la frecuencia
absoluta y el nmero total de datos o tamao de la poblacin.
4. Frecuencia relativa acumulada:
Se llama frecuencia relativa acumulada de un valor de una
variable estadstica a la suma de las frecuencias relativas de
todos los valores menores o iguales que l.
57
grupo
Diapositiva 58
Teora Estadstica
Representacin de Datos
Las dos formas ms comunes de
representar los datos son las tablas y los
grficos.
58
grupo
Diapositiva 59
Teora Estadstica
Tablas estadsticas
Las tablas estadsticas aparecen por todas partes
y consisten en masas estructuradas de datos.
Estn confeccionadas de tal modo que resultan
muy fciles de leer y de interpretar. Hay que
utilizar, fundamentalmente, el sentido comn.
Para la construccin de tablas de datos
cuantitativos pueden tratarse stos
individualmente o agrupndolos en clases.
59
grupo
Diapositiva 60
Teora Estadstica
Representacin de Datos - Tablas
Tratamiento individual: Para variable discreta, o que siendo
continua tengamos pocos datos.
Si tenemos una muestra de tamao N, la tabla se estructura
as:
60
grupo
Diapositiva 61
Teora Estadstica
Ejemplo 1: Las notas de los 20 alumnos de una clase son:
4, 3, 3, 5, 6, 7, 9, 0, 5, 4, 9, 10, 2, 7, 2, 2, 5, 6, 5, 0.
La tabla ser:
61
grupo
Diapositiva 62
Teora Estadstica
Tratamiento por Clase: Cuando en la poblacin o
muestra que estudiamos existen muchos valores
diferentes, es conveniente, an a costa de perder
algo de informacin, dividir el intervalo de
variacin en una serie de sub-intervalos que
cubran el total; a cada uno de ellos se le llama una
clase, a sus extremos, extremos de clase, al punto
medio de cada clase, marca de clase y a la
diferencia entre sus extremos, amplitud de la
clase.
62
grupo
Diapositiva 63
Teora Estadstica
En estos casos la tabla adopta una estructura como la del
cuadro siguiente:
Mientras que en el caso del tratamiento individual la tabla

quedaba perfectamente determinada por los posibles valores
de los datos, en el de clases est claro que no sucede as,
pues hay libertad para elegir el nmero de clase y los
extremos de las mismas.
Los intervalos, en general, deben tener la misma amplitud.
63
grupo
Diapositiva 64
Teora Estadstica
Ejemplo 2: Se ha pasado un test de 79 preguntas a 600
personas. El nmero de respuestas correctas se refleja en la
siguiente tabla:
64
grupo
Diapositiva 65
Teora Estadstica
Representacin de Datos - Grficos
Los grficos no son ms que traducciones a un

dibujo del contenido de las tablas.
La finalidad de los grficos estadsticos es que la
informacin est al alcance de personas no expertas,
que entre por los ojos.
Los hay de muy diversos tipos pero todos son muy
fciles de interpretar.
65
grupo
Diapositiva 66
Teora Estadstica
Representacin de Datos - Grficos
Cuando las variables son continuas, o discretas agrupadas, los
grficos que ms se utilizan son: el histograma de frecuencias
y los polgonos de frecuencias (absolutas o relativas).
Histogramas de frecuencias. Sobre

el eje de abscisas se marcan los
extremos de las sucesivas clases y
con base en cada clase se dibuja un
rectngulo de altura proporcional a la
frecuencia (absoluta o relativa)
observada en dicha clase.
66
grupo
Diapositiva 67
Histograma de Meses
9
6
Frecuencia
0
2 4 6 8 10
Meses
67
grupo
Diapositiva 68
Trminos Estadsticos
Capacidad de un proceso
Es la manera en que las variables de
salida de un proceso cumplen con las
especificaciones.
Estadsticos
Mediciones o clculos que se obtienen a
partir de un conjunto de datos con el
objetivo de conocer sus caractersticas
mas relevantes.
68
grupo
Diapositiva 69
Trminos Estadsticos
Muestrear
Se refiere a tomar determinada cantidad
de unidades producidas de un total para
analizarlas.
Tamao de lote Porcentaje a muestrear

60 a 300 10%
301 a 1000 5%
1001 a 5000 2%
mas de 5000 1%
69
grupo
Diapositiva 70
Medidas de Tendencia Central

Tendencia Central
Representa el valor al que tienden a
concentrarse los datos de una muestra o
un proceso.
Media
Es el promedio aritmtico de un conjunto
de datos, que se obtiene al sumarlos y el
resultado se divide entre el nmero de
datos.
70
grupo
Diapositiva 71

Mediana
Medida de tendencia central que es igual
al valor que divide a la mitad a los datos
cuando son ordenados de menor a mayor
Moda
Medida de tendencia central que es igual
al dato que ocurri ms nmero de
veces.
71
grupo
Diapositiva 72

Suponga que las especificaciones para una
caracterstica de calidad son qu sta debe tener
dimensiones de 800 +/- 5. Para ver si se cumple con las
especificaciones se toma una muestra aleatoria grande
y se obtiene que:
Media = 801 Mediana = 801 y Moda =800
Al estar estos datos estadsticos dentro de las
especificaciones, se podra creer que el proceso esta
cumpliendo con especificaciones. Sin embargo, esto
no necesariamente es cierto, ya que en la muestra
podra haber datos desde 750 hasta 850 y podra
haber datos desde 797 a 803. Las medidas de
tendencia central son insuficientes.
72
grupo
Diapositiva 73
Medidas de Dispersin o Variabilidad

Para evaluar la capacidad de un proceso para
cumplir especificaciones es indispensable
medir la variabilidad de la caracterstica de
calidad bajo estudio y despus compararla con
la variacin que toleran las especificaciones
correspondientes
Es la medida ms usual de variabilidad.
Mide que tan esparcidos estn los datos
respeto a la media.
73
grupo
Diapositiva 74

Desviacin estndar muestral
Es la medida ms usual de variabilidad.
Mide que tan esparcidos estn los datos
respeto a la media.
Desviacin estndar del proceso
Refleja la variabilidad de un proceso. Para
su clculo se debe utilizar un nmero
grande de datos que hayan sido obtenidos
en el transcurso de un lapso amplio de
tiempo (por lo menos una semana).
74
grupo
Diapositiva 75

Rango
Medicin de la variabilidad de un conjunto
de datos que es resultado de la diferencia
entre el dato mayor y el dato menor de la
muestra.
Coeficiente de Variacin
Medida de variabilidad que se obtiene al
dividir la desviacin estndar entre la
media y es til para comparar la variacin
de dos o mas variables que estn
medidas en diversas escalas.
75
grupo
Diapositiva 76
Conceptos Bsicos de Probabilidad

Probabilidad: A cada punto muestral (resultado de
un experimento) se le asignar una ponderacin
que mide la verosimilitud de su ocurrencia. Esta
ponderacin se denomina probabilidad de punto
muestral.
1. La probabilidad de cada punto muestral debe
estar entre 0 y1.
2. La suma de la probabilidades de todos los
puntos mustrales debe ser igual a 1.
76
grupo
Diapositiva 77

Regla de Complementacin: (moneda)
La probabilidad que no ocurra un acontecimiento
A esta dado por P (no A) = 1 P (A).
Regla de la Adicin Especial: (baraja)
Es la suma de probabilidades se utiliza solo
cuando los acontecimientos no pueden ocurrir
simultneamente. P(T)=P(A)+P(B)+P(C)+P(D)
13/52+13/52+13/52+13/52
Regla de la Adicin General: (baraja)
Es la suma de probabilidades se utiliza cuando
los acontecimientos pueden ocurrir
simultneamente. P(T)=P(x)+P(y) =4/52+13/52
77
grupo
Diapositiva 78

Tabla de Contingencia
Rojo Amarillo Verde Azul Total
Pequeo 16 21 14 19 70
Mediano 12 11 19 15 57
Largo 18 12 21 14 65
Total 46 44 54 48 192
P (rojo) = 46/192=.240 P (pequeo) = 70/192=.365

P (rojo y pequeo) = 16/192=.083
P (rojo o pequeo) = 46/192+70/192-16/192=.521
78
grupo
Diapositiva 79

Probabilidad Condicional
Es cuando se cumple una probabilidad
dada otra.
P (largo, dado que es verde)=21/54=.389
P (pequeo, dado que es rojo)=16/46
P (rojo, dado que es pequeo)=16/70
P (rojo, dado que es verde)=0/54
P (B/A) = P (A & B) / P (A)
Regla General de Multiplicacin
P (A & B) = P (A) x P (B/A)
79
grupo
Diapositiva 80

Tabla de Contingencia
X Y Z Total
F 17 18 14 49
G 18 11 16 45
H 25 13 18 56
Total 60 42 48 150
P (G/X) = 18/60 , P (G) = 45/150 , P (G/X) = P (G)
P (rojo y pequeo) = 16/192=.083
P (rojo o pequeo) = 46/192+70/192-16/192=.521
80
grupo
Diapositiva 81

Probabilidad Condicional
Es cuando se cumple una probabilidad
dada otra.
P (largo, dado que es verde)=21/54=.389
P (pequeo, dado que es rojo)=16/46
P (rojo, dado que es pequeo)=16/70
P (rojo, dado que es verde)=0/54
P (B/A) = P (A & B) / P (A)
Regla General de Multiplicacin
P (A & B) = P (A) x P (B/A)
81
grupo
Diapositiva 82
INDICE DE CONFIABILIDAD
82
grupo
Diapositiva 83
Objetivo de mantenimiento.
Gerencia del dato.
Terminologa.
ndices de Confiabilidad
83
grupo
Diapositiva 84
OBJETIVOS DEL MANTENIMIENTO
La funcin de mantenimiento busca en

trminos generales:
Garantizar valores aceptables de riesgo,

reduciendo la probabilidad de la
presencia de fallas confiabilidad y/o
minimizando las consecuencias de las
fallas.
84
grupo
Diapositiva 85
Recuperar la operabilidad del sistema,

una vez que se ha producido la falla
(mantenibilidad).
85
grupo
Diapositiva 86
Identificando
estrategias efectivas de
Incrementar la mantenimiento que
continuidad permitan,
reducir/eliminar los
operacional factores que provocan
(disponibilidad) de los eventos de falla en
el contexto operacional
los activos. (actividades tales como:
sustitucin, reparacin,
restauracin,
renovacin )
86
grupo
Diapositiva 87
NDICES BSICOS
De qu forma se puede verificar si la
gestin de Mantenimiento esta
cumpliendo con estos objetivos?
87
grupo
Diapositiva 88
NDICES BSICOS
Evaluando los resultados obtenidos de

los tres indicadores bsicos:
Confiabilidad R(t)
Disponibilidad (A)
Mantenibilidad M(t)
88
grupo
Diapositiva 89
GERENCIA DEL DATO
Manejo del Dato en el proceso de Anlisis

de los ndices de gestin de
mantenimiento:
Potenciar la cultura en la captura y
suministro de data confiable.
Unificar criterios de captura y
procesamiento de datos
89
grupo
Diapositiva 90
GERENCIA DEL DATO
Asegurar la visin sistmica en el

proceso de captura del dato.
Una Va Hacia la
Categora de
Clase Mundial
90
grupo
Diapositiva 91
GERENCIA DEL DATO

Visin tradicional
Capturar ms datos 2.87

2 a 3 (-ish)
No Sabemos usarlos ni
interpretarlos
91
grupo
Diapositiva 92
GERENCIA DEL DATO

Visin actual
Capturar datos relevantes 2.87

MTTF, MTTR
Usarlos para tomar

decisiones con menor
incertidumbre
92
grupo
Diapositiva 93
GERENCIA DEL DATO

Fuente de Creacin de Valor
APRENDIZAJE
INFORMACIN/
TENDENCIAS
ANLISIS
PROCESAMIENTO
CAPTURA
DEL DATO Tomar DECISIONES
SISTEMAS Y
con un menor grado de
EQUIPOS DE incertidumbre
PRODUCCIN
93
grupo
Diapositiva 94
TERMINOLOGA BSICA
Falla:
Una falla es una condicin que
puede interrumpir la continuidad o
la secuencia ordenada de un
proceso o de un sistema dinmico,
alterando su desenvolvimiento.
94
grupo
Diapositiva 95
TERMINOLOGA BSICA
La falla es el resultado de una

secuencia de eventos y cada
evento tiene una o ms una o ms
causa raz
95
grupo
Diapositiva 96
TERMINOLOGA BSICA
Las causas de una puede ubicarse
es una de estas siete categoras:
Defectos de diseo
Defectos de los Materiales
Manufactura o procesos de
fabricacin defectuosos
Ensamblaje o instalacin
defectuosos
Imprevisiones en las
condiciones de servicio
Mantenimiento deficiente
Malas prcticas de operacin
96
grupo
97
grupo
98
grupo
99
grupo
100
grupo
101
grupo
CCULOS BSICOS
Ejercicio 1:
Calcular el TPO,, TPFS,, discutir y analizar los resultados.

Qu decisiones se pueden inferir con esta informacin?
102
grupo
CCULOS BSICOS
Ejercicio 1: Solucin
Clculo del TPO (Tiempo Promedio Operativo):
87.1
87 1
TPO (Sistema 1) =
11
Sistema 1 Sistema 2
TO TO
5.0
5 0 34
TPO ((Sistema 1)) = 7.92 8 semanas
5.5 34
6.0 35
6.7 67
6.7 67
6.8 69
761
7.9 69 TPO (Sistema 2) =
9.0 95 11
9.0 96
12 0
12.0 97 TPO (Sistema 2) = 69.2
69 2 69 semanas
12.5 98
87.1 761
# de fallas 11 11
103
grupo
CCULOS BSICOS
Clculo del TPFS (Tiempo Promedio Fuera de
Servicio):
7.7
TPFS ((Sistema 1)) =
11
Sistema 1 Sistema 2
TFS TFS
TPFS (Sistema 1) = 0.70 1 semana
0.5 1.7
0.6 1.7
0.7 2.0
0.8 2.3
0.7 2.0
07
0.7 24
2.4 21.2
21 2
0.7 2.0 TPFS (Sistema 2) =
0.8 1.8 11
0.7 1.8
0.8
07
0.7
1.7
18
1.8
TPFS ((Sistema 2)) = 1.92 2 semanas
7.7 21.2
# de fallas 11 11
104
grupo
CCULOS BSICOS
Ejercicio 2:
Calcular el TPO, TPFS, discutir y analizar los resultados.

Determinar
ete a las
as frecuencias
ecue c as de mantenimiento
a te e to p
preventivo
e e t o
para cada tipo de falla.
105
grupo
CCULOS BSICOS
Ejercicio 2: Solucin
Clculo del TPO (Tiempo Promedio Operativo):
91.1
TPO (Sistema 1) =
11
Sistema 1 Sistema 2
Falla TO-dias TO-dias TPO (Sistema 1) = 8.3 8 semanas
x 5.0 34
x 5.5 34
y 6.0 35
x 6.7 67
z 10.7 67
x 6.8 69
761
x 7.9 69 TPO (Sistema 2) =
y 9.0 95 11
y 9.0 96
x 12.0 97 TPO ((Sistema 2)) = 69.2 69 semanas
z 12 5
12.5 98
91.1 761
# de fallas 11 11
106
grupo
CCULOS BSICOS
Clculo del TPFS (Tiempo Promedio Fuera de
Servicio):
7.7
TPFS ((Sistema 1)) =
11
Sistema 1 Sistema 2 TPFS (Sistema 1) = 0.70 1 semana
TFS-dias TFS-dias
a 0.5
0 5 1.7
1 7
a 0.6 1.7
b 0.7 2.0
b 0.8 2.3
a 0.7 2.0
21.2
21 2
b 0.7 2.4
TPFS (Sistema 2) =
c
c
0.7
0.8
2.0
1.8
11
c 0.7 1.8
c 0.8 1.7 TPFS ((Sistema 2)) = 1.92 2 semanas
c 0.7 1.8
7.7 21.2
# de fallas 11 11
107
grupo
Diapositiva 108
CCULOS BSICOS
Determinacin de las frecuencias por tipo de fallas
Para el Sistema 1:
Tipo de Falla Frecuencia
x 6
y 3
z 2
TOTAL 11
Para el Sistema 2:
Tipo de Falla Frecuencia
a 3
b 3
c 5
TOTAL 11
108
grupo
Diapositiva 109
MODELAJE DEL NDICE

CARACTERIZACIN POR MODO DE FALLA
Los tiempos promedio operativos son de carcter
acumulativo, mientras que los tiempos promedios fuera de
servicio son de carcter independiente.
109
grupo
Diapositiva 110
LIMITACIN DE LOS TIEMPOS PROMEDIO

LIMITACIONES DE LOS DATOS HISTRICOS
ES ESTA LA MEJOR
Decidimos el intervalo
FRECUENCIA DE
Promedio de Mantenimiento en
funcin del TPO
APLICACIN DEL
MANTENIMIENTO?
TPO: tiempo promedio

operativo
110
grupo
Diapositiva 111
Introduccin al anlisis del ndice de

Confiabilidad R(t)
Conceptos de Confiabilidad
Terminologa bsica Variables
aleatorias
Distribuciones de Confiabilidad ms
comunes
Determinacin de intervalos de
mantenimiento basados en el anlisis de
Confiabilidad
Ejercicios
111
grupo
Diapositiva 112

Confiabilidad R(t)
Definicin de Confiabilidad
Confiabilidad R(t).
La probabilidad de que un equipo cumpla
una misin especfica (no falle) bajo
condiciones de operacin determinadas en
un perodo de tiempo especfico.
112
grupo
Diapositiva 113

Confiabilidad R(t)
Definicin de Confiabilidad
La confiabilidad se relaciona bsicamente con la
tasa de fallas (cantidad de fallas) y con el tiempo
medio de operacin TPO, tiempo de operacin
(TO).Mientras el nmero de fallas de un
determinado equipo vaya en aumento o mientras
el TPO de un equipo disminuya, la confiabilidad
del mismo ser menor (variable a modelar en
Tiempos Operativos).
113
grupo
Diapositiva 114

Confiabilidad R(t)
Variables Discreta y Continuas
Variables Aleatorias Discretas. Si una

variable aleatoria slo puede tomar valores
enteros, es decir, un nmero finito de valores
numerables o contables diremos que es
discreta,
114
grupo
Diapositiva 115

Confiabilidad R(t)
Variable Aleatoria Discreta:
Ejemplo:
Lanzar dos dados. El espacio de
resultados de la variable aleatoria
suma de los puntos aparecidos en
cada lado esta compuesto por un
nmero limitado de probables
resultados (2,3,4,5,6,7,8,9,10,11,12),
y no debemos esperar que tomen
valores como 7.5.9.8 o 22.
115
grupo
Diapositiva 116

Confiabilidad R(t)
Variables Aleatorias Continuas. Si

tericamente, puede tomar todos los
valores de un intervalo dado, diremos que
es continua.
116
grupo
Diapositiva 117

Confiabilidad R(t)
Variables Aleatorias Continuas
Ejemplo: Consideremos un experimento que consiste en elegir
al azar 500 personas y medir su estatura. El espectro de
probables resultados es infinito, y aunque podramos definir un
rango (entre 0.25m y 3.5m) la variable puede tomar cualquier
valor en ese rango.
117
grupo
Diapositiva 118

Confiabilidad R(t)
Distribucin de Probabilidad
Las distribuciones paramtricas de probabilidad

son funciones en que se espera que varen los
resultados de un experimento (rea de
Confiabilidad las variables a modelar son los
tiempos operativos y los tiempos de reparacin).
118
grupo
Diapositiva 119

Confiabilidad R(t)
Distribucin de Probabilidad
Debido a que las distribuciones tratan de explicar

las expectativas de que algo suceda, resultan
ser modelos tiles para hacer inferencias y para
tomar decisiones en condiciones de
incertidumbre.
119
grupo
Diapositiva 120

Confiabilidad R(t)
Distribuciones para Variables Aleatorias Continuas:
Distribucin Normal
Distribucin Lognormal
Distribucin exponencial
Distribucin Weibull
Distribucin Beta
Distribucin Gamma
Distribucin Triangular
Distribucin uniforme, etc
120
grupo
Diapositiva 121

Confiabilidad R(t)
ndices ms utilizados en el clculo de
Confiabilidad:
Funcin de densidad de probabilidad f(t),

Este tipo de representacin matemtica relaciona
cualquier valor ti que puede tomar la variable
aleatoria continua t, con su probabilidad de
ocurrencia f(ti).
121
grupo
Diapositiva 122

Confiabilidad R(t)
Confiabilidad:
Funcin de probabilidad de falla acumulada:

Probabilidad de falla para un tiempo (t)
Funcin de Confiabilidad R(t),
Probabilidad de que el activo no falle en un tiempo
(t),
R(t) = 1 F(t)
122
grupo
Diapositiva 123

Confiabilidad R(t)
Confiabilidad:
Funcin de Frecuencia de fallas h(t) = f/t)/R(t),
Fallas/ tiempo.
Ejemplo: 2 fallas/ao.
Media E(t),
El valor medio esperado, expresa la tendencia
central de la distribucin, MTTF = 3.5 aos, se
utiliza para determinar frecuencias de
mantenimiento preventivo.
123
grupo
Diapositiva 124

Confiabilidad R(t)
Funcin de densidad f(x)
f(xi < X < xi+1)
SE DEFINE COMO: Pr(xi < X < xi+1)

INTERPRETACIN:
Probabilidad de que la variable aleatoria X tome un
valor comprendido entre xi y xi+1
124
grupo
Diapositiva 125

Confiabilidad R(t)
Funcin de densidad f(x)
La mayora de las funciones de probabilidad,
distribuciones de densidad o funciones de densidad de
probabilidades f(x) se distinguen por su tradicional
forma de campana. En todo caso, este tipo de
representacin matemtica relaciona cualquier valor
de xi que pueda tomar la variable aleatoria continua
X, con su probabilidad de ocurrencia f(xi).
f(xi) = p(X=xi)
125
grupo
Diapositiva 126

Confiabilidad R(t)
La funcin de densidad
Recopilacin Histograma de
de datos frecuencias
Funcin de densidad
En busca de la funcin de
densidad de probabilidad f(x)
126
grupo
Diapositiva 127
Ingreso de datos en Minitab
127
grupo
Diapositiva 128
Histograma en Minitab
Mantenimiento
Notas Finales
0.25 0.25
0.25
0.2
0.20
0.15
Density
0.15
0.1
0.10
0.05
0.05
0.00
11.5 12.5 13.5 14.5 15.5 16.5 17.5
Notas
128
grupo
Diapositiva 129
Densidad en Minitab
Mantenimiento
Normal
Notas Finales
0.30 Mean 14.3
StDev 1.380
0.25 0.25 N 20
0.25
0.2
0.20
Density
0.15
0.15
0.1
0.10
0.05
0.05
0.00
11.5 12.5 13.5 14.5 15.5 16.5 17.5
Notas
129
grupo
Diapositiva 130

Confiabilidad R(t)
Funcin de Densidad Acumulada F(x)
F(x) = Funcin de Densidad Acumulada o Distribucin
Acumulada Directa 0 F(x) 1
F(x) se construye acumulando
las probabilidades obtenidas
con la funcin f(x)
ecuacin 1
ecuacin 2
130
grupo
Diapositiva 131
Frecuencia Acumulada en Minitab
Mantenimiento
Normal
Notas Finales
20 Mean 14.3
20 19
StDev 1.380
N 20
16
Cumulative Frequency
15
11
10
5
2
0
11.5 12.5 13.5 14.5 15.5 16.5 17.5
Notas
131
grupo
Diapositiva 132

Confiabilidad R(t)
Funcin de Probabilidad de Falla Acumulada F(t)
cdf: Densidad Acumulada
1.0
0.8
0.6
F(t)
0.4
0.2
0.0
0 2 4 6 8 10
Meses
probabilidad de falla para un tiempo (t)
132
grupo
Diapositiva 133

Confiabilidad R(t)
Funcin de Densidad Acumulada Inversa C(x)
Las funciones de densidad
acumulada inversa o
distribuciones acumuladas
inversas C(x), se distinguen
por su comn forma
descendente y relacionan
cualquier valor xi de la
variable aleatoria X, con la
probabilidad de observar
valores mayores o iguales a
C(Xi) = p(Xxi) C(xi) = 1-F(x1)
dicho valor xi
133
grupo
Diapositiva 134

Confiabilidad R(t)
Funcin de Probabilidad de que no Falle R(t)
R(t) = 1 F(t)
134
grupo
Diapositiva 135

Confiabilidad R(t)
Frecuencia de Ocurrencia de Eventos h(x)
h(x) = f(x) / C(x)
h(x) = f(x) / (1-F(x))
135
grupo
Diapositiva 136

Confiabilidad R(t)
Frecuencia de Fallas/Tiempo h(t)
Funcin de Frecuencia de Fallas:

h(t) = f(t)/R(t), h(t) = f(t)/(1-F(t))
Ejemplo: 1 falla/cada 6 aos
136
grupo
Diapositiva 137

Confiabilidad R(t)
Ejemplo: A partir de una serie de datos podemos
establecer las funciones para la caracterizacin de la
confiabilidad. En este caso damos el TTF Time to
Failure o Tiempo Operativo (TO) en meses y las veces
que este se repiti.
137
grupo
Diapositiva 138

Confiabilidad R(t)
Iniciamos construyendo un histograma en base a los
datos mostrados en donde se establece la duracin
en meses de funcionamiento
138
grupo
Diapositiva 139
Histograma
Histograma de Meses
9
6
Frecuencia
0
2 4 6 8 10
Meses
139
grupo
Diapositiva 140

Confiabilidad R(t)
Luego construimos a partir de los datos de % de
fallas, la curva de densidad de probabilidad. El rea
bajo esta curva es de valor 1
140
grupo
Diapositiva 141
PDF Probability density function f(t)

pdf- Densidad de Probabilidad
0.18
0.16
0.14
0.12
0.10
f(t)
0.08
0.06
0.04
0.02
0.00
0 2 4 6 8 10
Meses
141
grupo
Diapositiva 142

Confiabilidad R(t)
142
grupo
Diapositiva 143
CDF Cumulative density function F(t)

cdf: Densidad Acumulada
1.0
0.8
0.6
F(t)
0.4
0.2
0.0
0 2 4 6 8 10
Meses
143
grupo
Diapositiva 144

Confiabilidad R(t)
144
grupo
Diapositiva 145
Ejemplo de Confiabilidad
Un total de 283 productos son

probados por 1100 horas.
Se registran el nmero de fallas en
bloques de cada 100 horas de
tiempo
145
grupo
Diapositiva 146
Tiempo Nmero de fallas Nmero de sobrevivientes (t) R(t)
0 - 99 0 283 0 1.00
100 - 199 2 281 0.0001 0.99
200 - 299 10 271 0.0004 0.96
300 - 399 30 241 0.0011 0.85
400 - 499 48 193 0.0020 0.68
500 - 599 60 133 0.0031 0.47
600 - 699 50 83 0.0038 0.29
700 - 799 42 41 0.0051 0.14
800 - 899 30 11 0.0073 0.04
900 - 999 8 3 0.0073 0.01
1000 - 1099 3 0 1.00 0.00
146
grupo
Diapositiva 147
Funcin de densidad
de probabilidad
Nmero de Fallas
Tiempo, horas
147
grupo
Diapositiva 148
148
grupo
Diapositiva 149
149
grupo
Diapositiva 150
INDICE DE
MANTENIBILIDAD
150
grupo
Diapositiva 151
Anlisis
Impactos
Aspectos
151
grupo
Diapositiva 152

Mantenibilidad M(t)
Definiciones de Mantenibilidad
Concepto de Mantenibilidad:
Una caracterstica de diseo e instalacin expresada
como la probabilidad de que un elemento sea
recuperado a una condicin especificada, a lo largo
de un perodo dado del tiempo empleado en el
mantenimiento, cuando ste se realiza de acuerdo
con los procedimientos y recursos prescritos [MIL-
STD-7121B, 1996 USA].
152
grupo
Diapositiva 153

Mantenibilidad M(t)
Definiciones de Mantenibilidad
El parmetro fundamental para calcular

la mantenibildad lo constituye el tiempo
promedio de las fallas (MTTR/TPPR).
153
grupo
Diapositiva 154

Mantenibilidad M(t)
Mantenibilidad
Cunto durar la tarea de mantenimiento?
Histricamente se han ignorado los aspectos que
afecta la respuesta de esta interrogante.
Hoy en da, la disciplina que permite contestar esta
interrogante es la Ingeniera de Mantenibilidad ,
disciplina cientfica que estudia la complejidad, los
factores y los recursos que debe realizar el usuario
para mantener y/o recuperar las funciones de un
activo.
154
grupo
Diapositiva 155

Mantenibilidad M(t)
Mantenibilidad
La importancia de la ingeniera de Mantenibilidad est
creciendo rpidamente, debido a su considerable
contribucin a la reduccin de los costos de
mantenimiento de un producto activo durante su ciclo
de vida.
155
grupo
Diapositiva 156

Mantenibilidad M(t)
Mantenibilidad
Al mismo tiempo, el anlisis de

mantenibilidad proporciona una
potente herramienta a los ingenieros,
para la descripcin cuantitativa de la
capacidad inherente de su producto de
ser recuperado para el servicio,
mediante la realizacin de tareas de
mantenimiento.
156
grupo
Diapositiva 157

Mantenibilidad M(t)
Ejemplo:
cunta necesidad tiene un operador de un
sistema de trenes , en ponerlo en marcha
despus de una falla, cuando 1000 pasajeros
que han pagado desean partir a las 6:25 a.m.?
157
grupo
Diapositiva 158

Mantenibilidad M(t)
Ejemplo:
Claramente, los pasajeros no estn interesados en
saber cul es el problema, o si es un error de los
diseadores, fabricantes, personal de mantenimiento o
explotadores. Slo les importa salir a las 6:25 a.m.
para llegar al destino elegido a las 7:30 a.m.
Por ello, si surge cualquier problema debe ser resuelto
lo ms rpido posible.
Consecuentemente, debe disearse considerando
aspectos de mantenibilidad como uno de los factores
del logro de un alto nivel de disponibilidad operativa.
158
grupo
Diapositiva 159

Mantenibilidad M(t)
La Mantenibilidad Impacto en la Disponibilidad
La mayora de usuarios afirman que necesitan

equipos con un alto factor de servicio, porque no
pueden tolerar un equipo fuera de servicio.
159
grupo
Diapositiva 160

Mantenibilidad M(t)
La Mantenibilidad Impacto en la Disponibilidad
Hay varios medios con los diseadores pueden

lograrlo:
Uno es construir los equipos extremadamente
confiables y, consecuentemente, costosos.
El segundo es suministrar ub sistema que, cuando
falle, sea fcil de recuperar (alta mantenibilidad)
Normalmente el segundo escenario, es el ms
factible desde el punto de vista de costo riesgo
beneficio.
160
grupo
Diapositiva 161

Mantenibilidad M(t)
Enfoque de Mantenibilidad Basado en el Tiempo
Empleado
Para explicar el significado fsico de la
mantenibilidad, vamos a establecer el enlace entre
una tarea especificada de mantenimiento y el tiempo
empleado en su realizacin.
As, la mantenibilidad puede representarse
grficamente como muestra la siguiente Figura,
donde el TPR representa el tiempo necesario para la
acertada finalizacin de una tarea especificada de
mantenimiento.
161
grupo
Diapositiva 162

Mantenibilidad M(t)
En cierto modo, el orden de magnitud del tiempo
empleado exigido para la recuperacin de la
funcionalidad (5 minutos, 5 horas o 2 das), puede ser
estimada en una etapa al inicio del proceso de diseo,
por medio de decisiones relacionadas con la
complejidad de la tarea de mantenimiento,
accesibilidad de fsica del elemento, as como con las
relacionadas con los requisitos de los recursos de
apoyo del mantenimiento (instalaciones, repuestos,
herramientas, personal cualificado, etc)
162
grupo

Mantenibilidad M(t)
163
grupo
Diapositiva 164

Mantenibilidad M(t)
Aspectos que Afectan la Mantenibilidad
Factores personales, que representan la influencia de
la habilidad, motivacin, actitud, capacidad fsica,
vista, autodisciplina, formacin, responsabilidad y
otras caractersticas similares relacionadas con el
personal involucrado.
164
grupo
Diapositiva 165

Mantenibilidad M(t)
Factores operacionales que representan la influencia

del entorno operativo, en funcin de las
consecuencias que ha producido la falla sobre:
las operaciones,
el ambiente,
la seguridad, y
la condicin fsica del servicio en recuperacin.
165
grupo
Diapositiva 166

Mantenibilidad M(t)
Entorno, representa la influencia de factores como,
temperatura, humedad, ruido, iluminacin, vibracin,
momento del da, poca del ao, viento, etc, en el
personal de mantenimiento durante la operacin de
recuperacin.
As, los diferentes tiempos empleados en la
ejecucin de cada ensayo individual de la tarea de
mantenimiento, son el resultado de la influencia
de los factores mencionados anteriormente.
166
grupo
Diapositiva 167

Mantenibilidad M(t)
Clculo de la Mantenibilidad
La mantenibilidad es una variable, que en este

caso se llamar :
Tiempo para reparar/Time to restore = TPR/TTR
167
grupo
Diapositiva 168

Mantenibilidad M(t)
Las medidas de mantenibilidad estn relacionadas

con el tiempo que un elemento pasa en estado de
reparacin. La naturaleza del parmetro TTR para la
tarea depende de la variabilidad de los factores
(personales, operacionales, entorno). Por tanto, el
nico cambio posible en el anlisis de mantenibilidad
es recurrir a la teora de probabilidades, que ofrece
una herramienta para la descripcin probabilstica.
168
grupo
Diapositiva 169

Mantenibilidad M(t)
El clculo de la Mantenibilidad M(t) se expresa:

La probabilidad de que la variable aleatoria TTR tome
el valor ti, es:
M(t) = P(PTTR=ti) probabilidad de reparar

xitosamente un activo en un tiempo ti
169
grupo
Diapositiva 170

Mantenibilidad M(t)
Expresiones de Clculo de la Mantenibilidad M(t)
Las expresiones de clculo de mantenibilidad ms
frecuentemente usadas son:
1.Funcin de mantenibilidad M(t) probabilidad de
ser reparado antes de un tiempo (t):
2.Tiempo medio de recuperacin MTTR valor
esperado de la variable aleatoria.
3.Tiempo de recuperacin TTR dada la probabilidad
de completacin de una tarea de mantenimiento M(t)
170
grupo
Diapositiva 171

Mantenibilidad M(t)
Funcin de Mantenibilidad M(t)
Funcin de mantenibilidad M(t) probabilidad de

ser reparado antes del tiempo t.
La funcin de distribucin de la variable aleatoria
TTR se llamar Funcin de Mantenibilidad M(t)
Indica la probabilidad de que la funcin del
sistema sea recuperada antes de un tiempo de
evaluacin (t).
171
grupo
Diapositiva 172

Mantenibilidad M(t)
Funcin de Mantenibilidad M(t)
172
grupo
Diapositiva 173

Mantenibilidad M(t)
Ejemplo de Clculo de M(t)

Se modelaron los tiempos de reparacin de un activo
con la distribucin de Weibull y se obtuvieron los
siguientes parmetros:
= parmetro de forma = 2.9
= vida caracterstica = 29 minutos
Calcular la probabilidad de ser reparado en los
tiempos:
t = 20 minutos y t = 35 minutos
173
grupo
Diapositiva 174

Mantenibilidad M(t)
Ejemplo de Clculo de M(t) - Solucin
Tenemos que el M(t) para un tiempo t es:
Luego tendremos:
M(t=20) = 1-e(-20/29)^2.9 = 1-e(-0.6897)^2.9 = 1-e-0.34 = 0.712
M(t=35) = 1-e(-35/29)^2.9 = 1-e(-1.2069)^2.9 = 1-e-0.73 = 0.177
174
grupo
Diapositiva 175

Mantenibilidad M(t)
Tiempo Medio de Reparacin (MTTR)
Tiempo medio de recuperacin MTTR Valor

La esperanza de la variable aleatoria TTR puede
usarse para el clculo de esta caracterstica del
proceso de recuperacin.
175
grupo
Diapositiva 176

Mantenibilidad M(t)
Tiempo Medio de Reparacin (MTTR)
Expresiones ms comunes usadas para el clculo
de tiempo medio de recuperacin MTTR:
176
grupo
Diapositiva 177

Mantenibilidad M(t)
Ejemplo de Clculo de MTTR

Calcular el Tiempo Medio de reparacin MTTR
177
grupo
Diapositiva 178

Mantenibilidad M(t)
Ejemplo de Clculo de MTTR - Solucin

Tenemos que el MTTR es:
De la tabla de funcin Gamma para un = 2.9 se tiene que .

(1+(1/)) = 0.8917
Luego el MTTR ser:
MTTR = 29 x 0.8917 = 25.86 26 minutos
178
grupo
Referencia: NTP 331 Fiabilidad: de Distribucin de Weibull (Ministerio de Trabajo y Asuntos

Sociales de Espaa/ Instituto Nacional de Seguridad e Higiene en el Trabajo
http://www.insht.es/InshtWeb/Contenidos/Documentacion/FichasTecnicas/NTP/Ficheros/301a400/ntp_331.pdf)
179
grupo
Diapositiva 180

Mantenibilidad M(t)
Tiempo de Recuperacin TTR dada una
Probabilidad de Reparacin
El tiempo de recuperacin TTR para una probabilidad de
reparacin conocida M(t)(%)
180
grupo
Diapositiva 181

Mantenibilidad M(t)
Ejemplo de Clculo del TTR dado un M(t)

Calcular el Tiempo de recuperacin TTR para una
probabilidad de reparacin de un 20% y un 95%
respectivamente.
181
grupo
Diapositiva 182

Mantenibilidad M(t)
Ejemplo de Clculo del TTR - Solucin
Tenemos que el TTR para un M(t) dado es:
Para el M(t) = 20% = 0.20 se tiene:

TTR (20) = 29[-ln(1-0.20)(1/2.9)] = 29[-ln(0.80)0.3448]
TTR (20) = 29[(0.22) 0.3448] = 29 x 0.593 = 17.2 minutos
Para el M(t) = 95% = 0.95 se tiene:
TTR (95) = 29[-ln(1-0.95)(1/2.9)] = 29[-ln(0.05)0.3448]
TTR (95) = 29[(3.00) 0.3448] = 29 x 1.033 = 42.3 minutos
182
grupo
Diapositiva 183
ASPECTOS DE INTERS EN
MANTENIBILIDAD
La realizacin de cualquier tarea de mantenimiento
est relacionada con diversos costos: unos costos
directos (repuestos, mano de obra, etc) y los costos
de las consecuencias de no tener el sistema
disponible para la operacin.
183
grupo
Diapositiva 184
MANTENIBILIDAD
Razn por la cual los departamentos de
mantenimiento son un rea de alto impacto
econmico y operacional, requiriendo a la industria
miles de millones de dlares cada ao.
Por este motivo, se ha convertido en un factor crtico
en la ecuacin de rentabilidad de muchas compaas.
184
grupo
Diapositiva 185
MANTENIBILIDAD
Finalmente, ya que las acciones de

mantenimiento se vuelven cada vez ms
importantes, est claro, que el factor
Mantenibilidad, representa hoy en da, una de
las mayores reas de oportunidad para
asegurar valor en cualquier sistema
produccin.
185
grupo
Diapositiva 186
INDICE DE
DISPONIBILIDAD
186
grupo
Diapositiva 187
Terminologa bsica
Distribuciones de Disponibilidad ms
comunes
Estrategia para las piezas de repuestos.
187
grupo
Diapositiva 188
RESUMEN DE NDICES EVALUADOS

CONFIABILIDAD
Funcin de probabilidad de falla acumulada:

Probabilidad de que el activo no falle en un tiempo (t),
R(t) = 1 F(t)
Media E(t),
El valor medio esperado, expresa la tendencia central
de la distribucin, MTTF = 3.5 aos
Funcin de Frecuencia de fallas h(t) = f/t)/R(t),
Fallas/ tiempo. (Ejemplo: 2 fallas/ao).
188
grupo
Diapositiva 189
RESUMEN DE NDICES EVALUADOS

MANTENIBILIDAD
1. Funcin de mantenibilidad M(t) probabilidad de

ser reparado antes de un tiempo (t):
2. Tiempo medio de recuperacin MTTR valor
3. Tiempo de recuperacin TTR dada la probabilidad
de completacin de una tarea de mantenimiento
M(t)
189
grupo
Diapositiva 190

Disponibilidad (D)
Disponibilidad (A)
La disponibilidad es una caracterstica que

resume cuantitativamente el perfil de
operabilidad de un elemento.
Representa el porcentaje del tiempo
disponible (de uso) del activo en un perodo
determinado.
190
grupo
Diapositiva 191

Disponibilidad (D)
Disponibilidad (A)
Es una medida importante y til en casos en

los que el usuario tiene que tomar
decisiones con respecto a la adquisicin de
un elemento entre varias posibilidades
alternativas.
191
grupo
Diapositiva 192

Disponibilidad (D)
Disponibilidad (A)
La disponibilidad relaciona bsicamente los

tiempos promedios de reparacin de las
fallas (MTTR/TPRR - mantenibilidad) y los
tiempos promedios operativos (MTTF/TPO
confiabilidad (depende de la tasa de fallas)).
192
grupo
Diapositiva 193

Disponibilidad (D)
Clculo de la Disponibilidad (A)
Disponibilidad operacional (Ao):
193
grupo
Relacin entre el MTTF y los MTTR

RELACIN DE LA DISPONIBILIDAD CON LA
CONFIABILIDA Y LA MANTEBIBILIDAD
Confiabilidad
MTTR alto (baja Mantenibilidad)

Es necesario disminuir la tasa de fallas Valores de Disponibilidad
(incremento de C
MTTF
(aumentar MOT incrementa la

Confiabilidad) para obtener el mismo
valor de Disponibilidad
MOT bajo (poca Confiabilidad), es
necesario disminuir el MTTR (reparar
ms rpido) para obtener el mismo valor
de Disponibilidad
1/MTTR
(incremento de Mantenibilidad
[MIL-STD-721B, 1996 USA]
194
grupo
Diapositiva 195
Forma de alcanzar una disponibilidad

especfica a partir de actividades orientadas a
mejorar la mantenibilidad o la confiabilidad:
En el caso de que se quiera alcanzar un

valor de disponibilidad especfico para un
equipo con baja confiabilidad (alta tasa de
fallas, TPO bajo) es necesario mejorar la
mantenibilidad (disminuir el TPPR), para
poder alcanzar el valor de disponibilidad
requerido.
195
grupo
Modelaje
ode aje de ndices
d ces / Recopilacin
ecop ac de Datos
atos
196
grupo
Modelaje
j de ndices / Recopilacin
p de Datos
Muestra la tendencia de la frecuencia de fallas de
un activo a travs del parmetro U
U de Laplace
197
grupo
Diapositiva 198
ESTRATEGIA PARA LAS

PIEZAS DE REPUESTO
El nmero requerido de piezas

de repuesto necesarias para
un determinado perodo de
tiempo es una funcin del
nmero esperado de fallas y el
nmero de piezas de
repuestos requeridas por el
198
grupo
Diapositiva 199
ESTRATEGIA PARA LAS

PIEZAS DE REPUESTO
El nmero de fallas es una funcin del tiempo

operativo de la unidad y el porcentaje de
fallas.
Si los repuestos son requeridos para el
mantenimiento preventivo, el nmero es una
funcin del tiempo de operacin y del ciclo del
199
grupo
Diapositiva 200
ESTRATEGIA PARA LAS

PIEZAS DE REPUESTO
El clculo del MTTR asume que las piezas
de repuesto estn disponibles realmente.
Esto significa que las piezas

de repuesto deben estar en
el inventario cuando ellas
sean necesarias.
200
grupo
Diapositiva 201
ESTRATEGIA PARA LAS

PIEZAS DE REPUESTO
Si hay un tiempo de espera

para obtener la pieza de
repuesto, el tiempo de parada
de la unidad se incrementar
y afectar a la mantenibilidad.
201
grupo
Diapositiva 202
ESTRATEGIA PARA LAS

PIEZAS DE REPUESTO
Si la unidad tiene un porcentaje

constante de fallas, la probabilidad de
que no requiera ms de r unidades de
reemplazo puede ser encontrada
usando la distribucin acumulativa de
Poisson
202
grupo
Diapositiva 203
ESTRATEGIA PARA LAS

PIEZAS DE REPUESTO
La probabilidad de tener r o menos fallas

en un tiempo operativo t si la unidad est
operando con un porcentaje constante de
fallas de , es:
Existen tablas para evaluar la distribucin

acumulativa de Poisson
203
grupo
Diapositiva 204
ESTRATEGIA PARA LAS

PIEZAS DE REPUESTO
Si el mantenimiento preventivo requiere

piezas de repuesto, el nmero de
piezas necesarias es una funcin del
tiempo de operacin y del ciclo de
mantenimiento.
204
grupo
Diapositiva 205
ESTRATEGIA PARA LAS

PIEZAS DE REPUESTO
El nmero de piezas requeridas para el
mantenimiento preventivo es el
producto del ciclo de mantenimiento y el
tiempo total de operacin.
205
grupo
Diapositiva 206
ESTRATEGIA PARA LAS

PIEZAS DE REPUESTO
El nmero total de piezas que se debe

mantener en el inventario es una
funcin del tiempo de entrega, el costo
de mantenimiento del inventario, y la
disponibilidad requerida.
206
grupo
Diapositiva 207
ESTRATEGIA PARA LAS

PIEZAS DE REPUESTO
Ejemplo :
Una unidad que opera a un promedio de 2000
horas por ao tiene un porcentaje constante
de fallas
= 100 x 10-6 fallas/ hora.
La estrategia de mantenimiento es reemplazar
la unidad cada 5000 horas de operacin.
207
grupo
Diapositiva 208
ESTRATEGIA PARA LAS

PIEZAS DE REPUESTO
Ejemplo:
En un periodo de cinco aos:
a. Cuntas piezas sern necesarias para
el mantenimiento preventivo?
b. Con una probabilidad de .95 cuntas
piezas sern necesarias para el
mantenimiento correctivo?
208
grupo
Diapositiva 209
ESTRATEGIA PARA LAS

PIEZAS DE REPUESTO
Ejemplo :
SOLUCION:
a. El tiempo de operacin en un periodo de
tiempo de cinco aos es:
t = 5 x 2000 = 10,000 horas
El ciclo de mantenimiento preventivo es:

1/5000 horas
209
grupo
Diapositiva 210
ESTRATEGIA PARA LAS

PIEZAS DE REPUESTO
Ejemplo :
El nmero de piezas requerida para el
mantenimiento preventivo es:
n = (1/5000) x (10,000) = 2
b.P(r) = .95
t = (100 x 10-6) (10,000) = 1.0
210
grupo
Diapositiva 211
ESTRATEGIA PARA LAS

PIEZAS DE REPUESTO
Ejemplo:
De la tabla acumulativa
de Poisson en el
Apendice N:
para t = 1.0, r = 2
211
grupo
Diapositiva 212
ESTRATEGIA PARA LAS

PIEZAS DE REPUESTO
Ejemplo:
P(r=2) = .92
Con la probabilidad de .92 el nmero de

piezas necesitadas para el mantenimiento
correctivo no es mas de dos.
212
grupo
Diapositiva 213
DISTRIBUCIONES
ESTADSTICAS
213
grupo
Diapositiva 214
Exponencial
Weibull
LogNormal
Test de Kolmogorov
214
grupo
215
grupo
Diapositiva 216

Confiabilidad R(t)
Distribuciones ms comunes:
Exponencial
Weibull
LogNormal
216
grupo
Diapositiva 217

Confiabilidad:
Funcin de probabilidad de falla
acumulada:
Probabilidad de que el activo no falle en un
tiempo (t), R(t) = 1 F(t)
217
grupo
Diapositiva 218

Confiabilidad:
Funcin de Frecuencia de fallas h(t):
h(t) = f(t)/R(t),
Fallas/ tiempo. Ejemplo: 2 fallas/ao.
Media E(t),
El valor medio esperado, expresa la tendencia
central de la distribucin, MTTF = 3.5 aos, se
utiliza para determinar frecuencias de
218
grupo
Diapositiva 219
Distribucin Exponencial
El parmetro de la distribucin exponencial es:

N Eventos Observados
Tasa (): =
Perodo de Observacin
219
grupo
Diapositiva 220
La Distribucin Exponencial es ampliamente usada en
el anlisis de confiabilidad, como distribucin de la
variable aleatoria tiempo entre falla de equipos o
sistemas. Genricamente describe la cantidad de
tiempo que transcurre entre eventos, tal como el
tiempo entre fallas de equipos electrnicos o el tiempo
entre llegadas de clientes a un kiosko.
Hay una caracterstica fundamental de las variables
que siguen la distribucin Exponencial:
El nmero de ocurrencia de eventos por unidad de
tiempo es aproximadamente constante.
220
grupo
Diapositiva 221
Expresiones de clculo:
Probabilidad de falla en un tiempo t

Probabilidad de que el equipo no falle
en un tiempo t
Media (MTTF) = tiempo medio hasta fallar
= Sum TTF/ # fallas perodo evaluado
h(t) = f(t)/R(t) = (frecuencia de fallas- constante)
t = es el intervalo de tiempo en el cual se desea conocer la confiabilidad
del equipo partiendo de un tiempo = 0
= tasa de fallas = # de fallas/tiempo evaluacin = 1/MTTF
221
grupo
Diapositiva 222
Ejercicio Propuesto
A continuacin se presentan una serie de tiempos de

reparacin del compresor CX. Perodo 17-01-08 / 20-1-01, con
un total de reparaciones de 28.
Utilizar el modelo Exponencial y calcular:

1.M(t) Probabilidad de ser reparado antes de un tiempo t=4
horas
2.Tiempo medio de recuperacin MTTR
3.Tiempo de recuperacin TTR dada una probabilidad de
completacin de una tarea de mantenimiento M(t) = 20% y
M(t)=95%
222
grupo
Diapositiva 223
Ejercicio Propuesto-Solucin:Modelo Exponencial

1. M(t) Probabilidad de ser reparado antes de un tiempo
t=4 horas. Tenemos que M(t) es:
M(t) = 1 e(-t)
donde: t = tiempo de evaluacin
= frecuencia de reparacin = (1/MTTR)
MTTR = tiempo promedio de reparacin
Tiempos de Reparacin
= Sumatoria (TTR) / # de reparaciones
1.17 6.83
1.42 6.25
1.83 7.17
1.25 10.83
2.00 11.08 MTTR = 248 /28 = 8.86
2.67 12.33
2.08 12.67 = 1/8.86 = 0.113
2.75 14.50 M(4) = 1 e(-0.113x4) =1 e(-0.452)
3.00 16.33
3.50 16.67 M(4) = 1- 0.64
3.83
4.50
17.00
18.00
M(4) = 0.36
5.00 33.75
5.83 23.75
248
223
grupo
Diapositiva 224

2. Tiempo medio de recuperacin MTTR
MTTR = Sumatoria (TTR) / # de reparaciones
Tiempos de Reparacin
1.17 6.83
1.42 6.25 Sumatoria TTR = 248
1.83 7.17
1.25 10.83 # de reparaciones = 28
2.00 11.08
2.67 12.33 MTTR = 248 /28 = 8.86
2.08 12.67
2.75 14.50
3.00 16.33
3.50 16.67
3.83 17.00
4.50 18.00
5.00 33.75
5.83 23.75
248
224
grupo
Diapositiva 225

3. Tiempo de recuperacin TTR:
TTR(M(t)) = 1/ [ ln(1-M(t)]
donde: t = tiempo de evaluacin
= frecuencia de reparacin = (1/MTTR) = 0.113
MTTR = tiempo promedio de reparacin
= Sumatoria (TTR) / # de reparaciones
Caso 1: para un M(t) = 20% = 0.20

TTR (20) = 1/0.113[-ln(1-0.20)] = 8.86[-ln(0.80)]
TTR (20) = 8.86x0.223 = 1.98
Caso 2: para un M(t) = 95% = 0.95

TTR (95) = 1/0.113[-ln(1-0.95)] = 8.86[-ln(0.05)]
TTR (20) = 8.86x3.0 = 26.6
225
grupo
Diapositiva 226
Distribucin de Weibull
En este caso la
distribucin de
Weibull adquiere
muchas formas,
dependiendo de
los valores de y
del parmetro de
forma.
226
grupo
Diapositiva 227
Esta caracterstica hace de la distribucin

una herramienta muy flexible para la
solucin de problemas de confiabilidad y
mostrar los resultados.
227
grupo
Diapositiva 228
El siguiente ejemplo ilustra el mtodo

para trazar los datos en un papel de
probabilidad de Weibull.
Varias versiones de este papel de
grficos se puede bajar desde el
Weibull.com.
228
grupo
Diapositiva 229
Veinte productos son probados por

1000 horas. Catorce productos fallan
a los siguientes tiempos: 70, 128,
204, 291, 312, 377, 473, 549, 591,
663, 748, 827, 903, 955 horas
respectivamente.
Estimar el parmetro de forma y la
caracterstica de vida .
229
grupo
Diapositiva 230
Solucin
1: Formar una tabla con los tiempos de

falla en orden ascendente en la primera
fila .
Completar la segunda fila de la tabla con
los rangos medios del Apndice Q para las
primeras 14 entradas en la columna
etiquetada 20.
230
grupo
Diapositiva 231
Solucin
Datos obtenidos del apndice Q
231
grupo
Apendice Q Tabla de Rangos medios
232
grupo
Diapositiva 233
Solucin
2. En el papel grfico de Weibull, trazar

la primera columna en el eje horizontal
y la segunda columna en el eje vertical
(ver Figura 1)
233
grupo
Ej
Ejemplo
l de
d Probabilidad
P b bilid d de
d Weibull
W ib ll trazado
t d en papell
3. Dibujar una
F(t)
Confiabilidad F
lnea recta de
mejor ajustes
Sin C
para los
l puntos.
t
Tiempo, t
Figura 1
234
grupo
Diapositiva 235
La funcin de confiabilidad de Weibull es:
235
grupo
Ejemplo de Probabilidad de Weibull trazado en papel
3. Calcular el R(t) para

un t = ,y para
cualquier valor de
de la funcin de
0.632 Willbur, (1) = (1)
onfiabilidad F(tt)
R(t)) = exp-(1)
R( (1) = 1 //exp 1
R(t) = 1 / 2,718 = 0.368
F(t) = 1 - .368 = 0.632
Sin Co
Ubique este punto en

el eje F(t).
Tiempo, t
236
grupo
4. Dibujar una
recta paralela a la
recta de mejor
ajuste que pase a
travs del punto
etiquetado O a lo
nfiabilidad F(t)
largo del margen

izquierdo
q del p
papel
p
Sin Con
de grafico y que
cruce el eje
Tiempo, t
237
grupo
Esta es la
estimacin del
parmetro de
forma .

Sin Confiabilidad F(t)
En este ejemplo
1.3.
13
Tiempo, t
238
grupo
A pa
partir
t dedel pu
puntoto
etiquetado O de
0.632 , trazamos
una lnea
0.632 horizontal
punteada
t d hasta
h t
Sin Conffiabilidad F(t)
que cruce a la
recta de mejor
ajuste.
Tiempo, t
239
grupo
La coordenada
horizontal del punto
donde esta lnea
cruza a la recta de
mejor ajuste es el
valor estimado de .

Sin Conffiabilidad F(t)
En este ejemplo
aparece que
900 horas
Tiempo, t
240
grupo
En la figuras 1 la lnea
vertical a 200 horas
cruza la recta de
mejor ajuste a un 14
por ciento de sin
onfiabilidad F(t))
confiabilidad, creando
una confiabilidad de
86 por ciento.
Sin Co
Figura 1
Tiempo, t
241
grupo
Para encontrar el
tiempo al cual ocurre
una confiabilidad del 95
por ciento, ubicar 5 por
ciento en el eje vertical.
Moverse a travs de la
onfiabilidad F(tt)
recta de mejor ajuste.
El punto de cruce tiene
Sin Co
un valor de tiempo de
aproximadamente
p 90 Ti
Tiempo, t
horas.
242
grupo
Diapositiva 243
Del ejemplo anterior (Ejemplo 2)

encontrar:
La funcin de confiabilidad
La confiabilidad a 200 horas y comparar
con el resultado grafico de la figura 1.
El tiempo al cual ocurrir el 95 por ciento
de confiabilidad
243
grupo
Diapositiva 244
Solucin
La funcin de confiabilidad con = 900

y = 1.3
Sustituyendo en la formula:
244
grupo
Diapositiva 245
La Distribucin de Weibull es ampliamente usada en el

estudio del tiempo de vida o tiempo para la falla de
componentes mecnicos.
Los parmetros de la Distribucin de Weibull son:
Forma () y Escala ()
245
grupo
Diapositiva 246
Hay una caracterstica muy importante de las

variables que siguen la distribucin Weibull:
El nmero de ocurrencia de eventos por unidad de
tiempo no permanece constante; es decir esta tasa de
ocurrencia de eventos puede crecer o decrecer con el
tiempo.
246
grupo
Diapositiva 247
Expresiones usadas:
Probabilidad de falla en un tiempo t
Probabilidad de que no falle en un tiempo t
MTTF = (1+(1/) ) = funcin Gamma

MTFF = tiempo medio de operacin valor esperado variable
aleatoria t= tiempo evaluacin
V = = vida caracterstica, depende
, frecuencia de fallas del MTTF
= = parmetro de forma
247
grupo
Diapositiva 248
Ciclo de Vida y Costos de un

Producto
Curva de la Baera
Etapa de Etapa de
Fallas Fallas por
Prematuras Etapa de Fatiga
Fallas
% Constantes
de
Fallas
Operacin Diseo
Diseo
Tiempo Ciclo de Vida de un Producto
Se debe ir mejorando la curva para mejorar el costo
248
grupo
Diapositiva 249
Parmetro de Forma:
Curva de confiabilidad de un equipo
249
grupo
Diapositiva 250
Costo de Ciclo de Vida de un Activo

Fsico
LCC
Punto de Toma de decisin sobre

sustitucin o reacodicionamiento
Linea de
Ingresos
Mantenimiento
Linea de +
Costos Operacin
Inversion
t0 t1 t2 t3 t4 t5
Duracin
250
grupo
Diapositiva 251
Ciclo de Vida de un Activo Fsico
Definicin e Ingeniera.
Adquisicin.
Explotacin (Operacin y Mantenimiento)
Enajenacin.
Definicin e Fin de Perodo Fin de la Rentabilidad

Ingenieria Legal de Amortizacin Tcnica
Adquisicin
t0 t3 t5
t1
0
Explotacin Enajenacin
Nuevo Proceso
251
grupo
Diapositiva 252
Vida Caracterstica:
Donde:
n: nmero de evento
especfico
N: el nmero total de
eventos
ti: el tiempo operativo
en cuestin
Expresin de vida caracterstica a travs del mtodo de

chi cuadrado
252
grupo
Diapositiva 253
Clculo del Parmetro de Forma
Donde:
n: nmero de evento
especfico
N: el nmero total de
eventos
ti: el tiempo operativo en
cuestin
Expresin del parmetro de forma a travs del

mtodo de chi cuadrado
253
grupo
Diapositiva 254
Aproximacin prctica R(t)
Donde:
R(t): Probabilidad de que el equipo no falle en un tiempo t
t : es el intervalo de tiempo en el cual se desea conocer la
confiabilidad del equipo, partiendo de un perodo de tiempo 0
: parmetro escala vida caracterstica del equipo
(relacionada con el TPO/MTTF)
TPO/MTTF: es el tiempo medio de operacin entre fallas del
equipo
: es el parmetro de forma, el cual relaciona el perodo de
tiempo en el que se encuentra operando el equipo y el
comportamiento del mismo ante la probabilidad de ocurrencia
de fallas.
254
grupo
Diapositiva 255
La Distribucin Lognormal es ampliamente usada para

variables que ocurren cerca del valor mnimo.
Los parmetros de la distribucin Lognormal son: la media
logartmica t y la desviacin estndar logartmica t
Muchas variables fsicas y procesos de deterioro pueden ser
representados con distribucin Lognormal.
255
grupo
Diapositiva 256
Expresiones ms importante:
Distribucin de Densidad de Probabilidad: f(x)
ecuacin 3
Distribucin de Probabilidad Acumulada: F(x)
ecuacin 4
ecuacin 5
256
grupo
Diapositiva 257
Expresiones ms importante:
Parmetros:
Media logartmica ecuacin 6
Desviacin estndar logartmica ec. 7
La media y la desviacin estndar de la Distribucin Lognormal

se calculan en funcin de logaritmos; pero en ocasiones es
necesario transformar estos parmetros en trminos de
nmeros naturales y para ello se usan las siguientes
ecuaciones de transformacin:
ec. 8 Desviacin ec. 9

Media: Estndar:
257
grupo
Diapositiva 258
La distribucin logartmica-
normal (lognormal) se utiliza
comnmente para modelar los
tiempos de mantenimiento.
La distribucin lognorrmal
puede asumir diferentes formas
conforme cambien los valores
de los parmetros.
258
grupo
Diapositiva 259
La forma ms apropiada para modelar los

tiempos para restaurar un sistema a un
estado operativo despus de una falla o
por la accin de un mantenimiento
programado, tiene el modo de acercarse a
la cola de distribucin extendida hacia la
derecha.
259
grupo
Diapositiva 260
Las formas tpicas utilizadas

para modelar los tiempos de
restauracin se muestran en
la Figura 1.
Tiempo
Figura 1.: Distribucin lognormal
Las distribuciones estn sesgadas hacia la

derecha.
260
grupo
Diapositiva 261
Usualmente un sistema puede ser

restaurado a un estado operacional con
bastante rapidez despus de ocurrir una
determinada falla o si se requiere una
determinada accin de mantenimiento.
Hay una cierta probabilidad de que se
produzcan problemas que causen que el
tiempo perdido sea bastante largo
261
grupo
Diapositiva 262
Sern necesarios los modelos de

distribucin del tiempo para realizar la
accin y la probabilidad de la accin.
262
grupo
Diapositiva 263
La funcin de densidad de probabilidad

(PDF) o la lognormal es:
La media de la lognormal es:
263
grupo
Diapositiva 264
Si los datos estn distribuidos como una

distribucin lognormal, los logaritmos
naturales de los datos estarn distribuidos
como una distribucin normal.
no es la media de los datos de lognormal,
pero es la media del logartmoe de los datos.
es la desviacin estndar de los datos
logartmicose.
264
grupo
Diapositiva 265
Las estimaciones de los parmetros de la distribucin

de datos de una muestra son:
265
grupo
Diapositiva 266
La tablas de distribucin normal acumulada y

la interpretacin de la ecuacin para z
pueden ser usadas para encontrar las
probabilidades usando la distribucin
lognormal:
(ln(t) - )
z =

266
grupo
Diapositiva 267
Ejemplo:
Una unidad tiene una mantenibilidad que esta

modelada por una distribucin lognormal.
Los parmetros de la distribucin son: = 0.8
horas y = 1..2 horas
a. Cul es la media (MTTR)?
b. Qu porcentaje de reparaciones se llevaran
a cabo en tres horas o menos?
267
grupo
Diapositiva 268
Ejemplo:
Solucin:
a.MTTR = exp (0.8 + (1.2)2/2) = 4.57 horas
b.Se interpreta la distribucin normal:

z = (ln(3) 0.8)/1.2 = 0.25
De las tablas de distribucin normal acumulada
en el Apendice E, encontramos el rea a la
izquierda de z = 0.25:
P(t 3) = (1-0.40) = 0.60
268
grupo
Diapositiva 269
Ejemplo :
El 60% de las reparaciones se llevaran a cabo

en tres horas o menos.
269
grupo
Distribucin estadsticas ms comunes

(para variables aleatorias continuas)
270
grupo
Diapositiva 271
PRUEBAS DE AJUSTE ESTADSTICO LIMITACIN

DE LOS DATOS HISTRICO
ES ESTA LA MEJOR
Decidimos el intervalo
FRECUENCIA DE
Promedio de Mantenimiento en
funcin del TPO
APLICACIN DEL
MANTENIMIENTO?
TPO: tiempo promedio

operativo
271
grupo
Diapositiva 272
TEST DE VALIDACIN PRUEBAS DE

AJUSTE ESTADSTICO
Realizar pruebas de ajuste de los datos

utilizados con el fin de validar si la
distribucin se ajusta al comportamiento
del modelo estadstico seleccionado.
Test recomendado: Kolmogorov-Smirnov
272
grupo
Diapositiva 273
TEST DE VALIDACIN PRUEBAS DE

AJUSTE ESTADSTICO
Kolmogorov-Smirnov test:
El sistema calcula la distancia mxima entre la
frecuencia acumulada de los tiempos
observados y la frecuencia terica acumulada
provista por el modelo seleccionado.
Si la distancia entre estas frecuencias
acumuladas es igual o mayor, se puede
concluir que el modelo seleccionado no provee
un buen ajuste para los datos evaluados.
273
grupo
Diapositiva 274
Test de Kolmogorov:
Determinar el total de fallas (i); 1,2,3N

N = nmero de fallas.
Arreglar los tiempos hasta la falla t(i) en orden
ascendente.
Para cada t(i) calcular la probabilidad de falla
observada: PFO(ti) = falla(i) / N , i=1,2,3.N
274
grupo
Diapositiva 275
Test de Kolmogorov:
Calcular los parmetros de la distribucin

seleccionada y luego calcular la probabilidad de
falla F(ti) segn la distribucin seleccionada para
cada (ti).
Determinar la diferencia absoluta D(i) entre
PFO(ti)-F(ti), para falla D(i) = PFO(ti) F(ti)
275
grupo
Diapositiva 276
Test de Kolmogorov:
Determinar la mxima diferencia absoluta Dmx

(ignorando el signo positivo y/o negativo).
Determinar el valor de Kolmogorov Critico Dcrit,
dado en el Anexo G-1, busque el valor Dcrit, con
el valor de N y el nivel de significacin requerido,
usualmente es 0.05.
276
grupo
Diapositiva 277
Test de Kolmogorov:
Compare el Dcrit con el Dmx,

o Si el Dmx es menor que Dcrit, la
distribucin seleccionada es aceptada y
representa el comportamiento estadstico de
la data evaluada para el nivel de significancia
seleccionado.
o Si Dmx es igual o mayor que Dcrit, la
distribucin seleccionada no es aceptada
y no representa el comportamiento
estadstico de la data evaluada.
277
grupo
Diapositiva 278
Pasos a seguir en la prueba de Kolmogorov-Smirnov

Obtener los datos de Obtener los datos de Determinacin del
eventos requeridos para eventos en forma nmero total de datos
el anlisis ti 1 creciente 2 de eventos N 3
Si Dmx>=Dcri, la
Comparar el valor de la distribucin Calcular el cociente entre
diferencia mxima seleccionada para el cada dato independiente y
Dmx con el valor anlisis es rechazada N [Qo(ti)] 4
crtico Dcri 10 Si Dmx<Dcri, la
distribucin
seleccionada para el Determinar la probabilidad de
Determinacin el valor anlisis no es eventos a travs de la
Ir a la tabla
crtico Dcri para el rechazada distribucin seleccionada para

nivel de sifnificancia el test F(ti) (probabilidad de
seleccionado 3 falla esperada)
Buscar el valor mximo

Seleccionar el nivel de de las diferencias Calcular las diferencias
significancia con el cual absolutas Dmx=Max absolutas entre Qo(ti) y
se hace el test (0.05) 7 de Di 6 F(ti) D(ti)= Qo(ti) F(ti) 5
278
grupo
279
grupo
Diapositiva 280
Ejemplo del test de Kolmogorov
Para el siguiente histrico de fallas

determine utilizando el test de Kolmogorov,
si se ajustan a las Distribuciones
Exponencial y Weibull.
Tiempo operativos en meses:
5-6-5.5-9-9-6.7-6.7-7.9-6.8-12-12.5
280
grupo
Resultados del test de Kolmogorov
Tabla
T bl para N=
N 11 y nivel
i l de
d significancia
i ifi i de
d 0.05:
0 05
Dmx exponencial (0.3773) menor Dcrit (0.391)
Dmx Weibull (0.1631)
(0 1631) menor Dcrit (0.391)
(0 391)
281
grupo
Diapositiva 282
Puntos a considerar
Definir claramente los objetivos y el
propsito del proceso de clculo de los
ndices bsicos especificar el uso
(inmediato y potencial).
Enfatizar el aseguramiento de calidad de
los datos procedimientos de
recopilacin y verificacin.
Obtener retroalimentacin (feed-back) de
los procesos de recopilacin y anlisis de
datos.
282
grupo
Diapositiva 283
Puntos a considerar
Desarrollar un proceso de implantacin de

las herramientas de clculo de los ndices
en toda la organizacin como elemento
complementario de las metodologas de
confiabilidad operacional.
283
grupo
Diapositiva 284
Puntos a considerar
Implementar, talleres de capacitacin que

incluyan ejercicios prcticos y anlisis de
casos reales.
Desarrollar un proceso efectivo de
seguimiento de las recomendaciones
emitidas a partir del anlisis de los
ndices.
284
grupo
Diapositiva 285
Puntos a considerar
Finalmente, si el sistema de gestin de
mantenimiento es capaz de registrar, evaluar
e interpretar de forma organizada y objetiva,
la informacin generada a partir de los
indicadores bsicos (TPO, TPFS,
Disponibilidad, Confiabilidad y
Mantenibilidad), la organizacin podr:
Tomar las decisiones ms acertadas, con
respecto al proceso de mantenimiento (bajo
grado de incertidumbre).
285
grupo
Diapositiva 286
Puntos a considerar
Maximizar la efectividad de las actividades

de mantenimiento a partir del
establecimiento de las frecuencias ptimas.
Desarrollar actividades de mantenimiento
preventivo bajo un enfoque: costo-efectivo.
286
grupo
Diapositiva 287
CASO PRACTICO
Ejemplo 1:
Dada la siguiente distribucin de fallas (Figura
A) de un equipo X, para un periodo de 53
semanas de trabajo, calcule:
1.La disponibilidad del equipo X, en un perodo
de 53 semanas.
2. Para un perodo de trabajo de 2 semanas,
calcular la confiabilidad R(t) del equipo.
287
grupo
Diapositiva 288
CASO PRACTICO
288
grupo
Diapositiva 289
CASO PRACTICO
Ejemplo 1 Solucin
1.La disponibilidad del equipo X, en un perodo de
53 semanas.
La disponibilidad esta dada por:
MTTF/TPO = TO/# fallas

MTTF = (7+6+5+7+8+7)/6 = 40/6 = 6.667
MTTR/TTPR = TPR/# fallas
MTTR = (2+2+3+3+1+2)/6 = 13/6 = 2.167
Ao = [(6.667)/(6.667+2.167)]x100 = (6.667/8.834)x100
Ao = 75.5%
289
grupo
Diapositiva 290
CASO PRACTICO
Ejemplo 1 Solucin
2.Determinacin de la Confiabilidad R(t) para t= 2
semanas.
Se tiene que: R(t) = e(-t)
= 1/MTTR
R(t) = e(-t/MTTR)

MTTR = (2+2+3+3+1+2)/6 = 13/6 = 2.167
R(2) = e(-2/2.167) = e(-0.923)
R(2) = 0.40
290
grupo
Diapositiva 291
CASO PRACTICO
Ejemplo 2:
Dada la siguiente distribucin de fallas (Figura
B) de un equipo X, para un periodo de 53
semanas de trabajo, calcule:
1.La disponibilidad del equipo X, en un perodo
de 53 semanas.
2. Para un perodo de trabajo de 2 semanas,
calcular la confiabilidad R(t) del equipo.
291
grupo
Diapositiva 292
CASO PRACTICO
292
grupo
Diapositiva 293
CASO PRACTICO
Ejemplo 2 Solucin
1.La disponibilidad del equipo X, en un perodo de
53 semanas.
La disponibilidad esta dada por:
MTTF/TPO = TO/# fallas

MTTF = (13+12+15)/3 = 40/3 = 13.333
MTTR = (6+5+2)/3 = 13/3 = 4.333
Ao = [(13.333)/(13.333+4.333)]x100
Ao = (6.667/17.666)x100 = 75.5%
293
grupo
Diapositiva 294
CASO PRACTICO
Ejemplo 2 Solucin
2.Determinacin de la Confiabilidad R(t) para t= 2
semanas.
Se tiene que: R(t) = e(-t)
= 1/MTTR
R(t) = e(-t/MTTR)

MTTR = (6+5+2)/3 = 13/3 = 4.333
R(2) = e(-2/4.333) = e(-0.462)
R(2) = 0.63
294
grupo
Diapositiva 295
CASO PRACTICO
Comparacin de Resultados
INDICADORES Ejemplo 1 Ejemplo 2

- Disponibilidad 75.5 % 75.5 %
- Confiabilidad 0.40 0.63
- MTTF 6.667 13.333
- MTTR 2.167 4.333
- # fallas 6 3
295
grupo

Modelos Probabilísticos para El Mantenimiento

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Modelos Probabilísticos para El Mantenimiento

Uploaded by

Copyright:

Available Formats

grupo

conocimiento para crecer

MODELOS PROBABILSTICOS PARA

Expositor: Jonathan Calle

www.bsgrupo.com Material de Estudio

PERFIL DEL PROGRAMA INTERNACIONAL EN

Curso : Modelos Probabilsticos para el Mantenimiento

Cdigo Programa : DIN INGMTTO 2011 I LIMA

Programa : Programa Internacional en Ingeniera del

Fechas : Del 17 al 19 de Junio del 2011

En esta poca de rpidos cambios las organizaciones deben estar siempre

III. OBJETIVO GENERAL

Este curso busca desarrollar los conceptos tericos fundamentales de los

logre incrementar la productividad y potenciar el involucramiento del participante

IV. OBJETIVOS ESPECFICOS

Asistencia mnima : 70% al curso

La composicin de la evaluacin para obtener el promedio final es:

Las fechas de evaluacin son definitivas e impostergables, cualquier entrega

Es justificable el 30% de inasistencias siempre y cuando sean comunicadas con

Es responsabilidad exclusiva del alumno el no comunicar la inasistencia as como

VI. CONTENIDO DETALLADO DEL CURSO

VIII. MATERIAL DEL CURSO

La metodologa del curso est orientada a la consecucin de los objetivos

El profesor es el responsable de la elaboracin del material y de las actividades;

Adicionalmente la Coordinadora Acadmica ser la encargada de supervisar el

1. YaezMedina, Medardo - Gmez de la Vega, Hernando Valbuena Chourio,

2. Robert B. Abernethy, FL, USA

JONATHAN NOLBERTO CALLE ZURITA(Per)

Ingeniero Agrcola de la UNA y Contador de la UPSMP con amplia experiencia

Ha sido miembro del equipo de Negociacin Colectiva representando a la

Conocimiento de las herramientas: Lean Office, Lean Transaccional, Lean de

Lder de Implementacin de Software de MRP (PRISM Y SAP), Mantenimiento,

Algunos puntos a considerar

Entender las expectativas

Expectativa del Instructor

Preservar la funcin de los equipos, a

Este punto de vista sostiene que

El lado negativo de esta accin es que

Esta tcnica de tener factores externos

Esta informacin es a menudo afectada

Por otro lado, los datos de servicio de

En muchos casos este enfoque es

Se han elaborado varios otros

Por ejemplo, la tcnica ms potente

PF= Probabilidad de Falla. Ej:Bladder

El nfasis debe estar en la provisin

Los datos de confiabilidad a menudo

Los colectores de datos

Si es posible, ms de una persona

El plan necesita especificar en que etapa

El plan puede especificar:

Si los datos son transmitidos o

La base de datos de los productos

Fallas por Componentes

La base de datos necesita de un sistema

Por lo tanto, el esfuerzo debe ser

La tabla 15.1 muestra los posibles

Con tabilidad Desglose de lo s costo s de d esec ho

Teora Estadstica y probabilidades

Variables estadsticas y Frecuencia

Variables estadsticas y Frecuencia

Mientras que en el caso del tratamiento individual la tabla

Los grficos no son ms que traducciones a un

Funcin de densidad de probabilidad f(t),