Clase 3 Mantenimiento
Clase 3 Mantenimiento
Clase 3 Mantenimiento
EN
MANTENIMIENTO
(Un enfoque prctico)
DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
DISTRIBUCIN BINOMIAL
Es una distribucin discreta que se aplica a eventos mutuamente excluyentes
tales como:
Pasar no pasar
Fallar no fallar
Esta distribucin permite hallar la probabilidad de que ocurra k veces un
evento despus de n pruebas, siempre que se conozca la probabilidad de
ocurrencia del evento ( p= ) o su no ocurrencia [q = 1-p)].
La expresin matemtica de la probabilidad de k xitos es como sigue:
P(k) =
( k)
Pk(1-P)n-k
q = (1-p)
DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
DISTRIBUCIN BINOMIAL (EJEMPLO)
Un proceso es controlado a travs de 5 resistencias elctricas de las cuales se
requiere que al menos 3 estn siempre operativas durante el procesamiento de
de un lote de productos que dura 8 horas. Si la probabilidad de falla de una
resistencia cualquiera durante el perodo de 8 horas es 0.1, Cual es la
probabilidad de que el proceso tenga xito?
( 5)
5
P(4) = ( )
4
5
P(3) = ( )
3
P(5) =
DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
DISTRIBUCIN BINOMIAL (EJEMPLO CONT.)
DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
DISTRIBUCIN NORMAL (O DE GAUSS)
Una variable X real se dice que tiene una distribucin normal entre - < x <
si su funcin densidad tiene la expresin:
1
f(x) = (2)
1/2
(x )
22
Es una funcin continua que se aplica a eventos que tienen que ver con
desgaste y propiedades relacionadas con fenmenos naturales tales como:
Desgaste de piezas
Fenmenos de envejecimiento
Estatura de personas
Etc.
DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
Esta distribucin permite hallar la probabilidad de ocurrencia para un
intervalo determinado de la variable aleatoria.
La expresin matemtica de la funcin distribucin es probabilidad de
ocurrencia para el intervalo (x ), la cual tiene la expresin:
F(x)=Pr(x ) =
= Esperanza
(2)
1/2
-1/2
= Desv. Stand.
X-
dx
DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
Haciendo el cambio de variable:
Z = (X - )/
f(z)=
(2)
1/2
=0
=1
-z2/2
F(z) = Pr(Z z ) =
e
( )
-u2/2
1/2
du
DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
0.3989
f(z)
=0
=1
2.1%
-3
34.1%
13.6%
-2
-1
13.6%
34.1%
2.1%
DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
EJEMPLO:
Supongamos que la temperatura en Caracas durante el mes de mayo se
distribuye normalmente y tiene una media de 26 grados centgrados y una
desviacin estndar de 6. determine la probabilidad de que la temperatura
este entre 28 y 32.
= 26
=6
I
II
0 .33 1.0
DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
DISTRIBUCIN LOG-NORMAL
Es una distribucin continua que se aplica a los eventos que tienen que ver
con desgaste y propiedades relacionadas con fenmenos de vida. Se utiliza
tambin para el anlisis del tiempo para reparar.
Esta distribucin permite hallar la probabilidad de ocurrencia para un
intervalo determinado de la variable aleatoria.
La expresin matemtica de la funcin densidad es como sigue:
f(t) =
t(2)1/2
-1/2
Lnt -
dx
DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
Su funcin distribucin:
F(t) =
t (2)1/2
Lnt -
dt
dz = dt/ t
(Lnt - )/
F(t) =
E(t) = exp( + 1/2 2)
(2)1/2
(-z2/2)
dz
DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
DISTRIBUCIN DE POISSON:
P(K, ) =
Donde = NP
()X e-
K!
P= Probabilidad de ocurrencia
N= Nmero de tentativas
(RT)Ne-(RT)
N!
R= = 1/(TMEF) , T es el tiempo
R= 1/(TMEF)
= RT
= RT
DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
DISTRIBUCIN DE POISSON (ejemplo):
La distribucin Poisson es particularmente til para el anlisis de fenmenos
de rara ocurrencia.
Ejemplos:
La Probabilidad de que un parabrisas de automvil se fracture
accidentalmente por efecto del impacto de un objeto contundente es de una
vez cada 20000 horas. Determinar la probabilidad de que no se rompa en
40000 horas, en 10000 horas.
De acuerdo con los datos TMEF = 20000 =>R = 1/TMEF = 1/20000 =0.00005
T = RT donde T es el tiempo
Para una duracin de 40000 horas sin fallas RT = 0.00005*40000 =2
P(x = 0) = (RT)0
e-2/0!= 0.1353
P(x = 0) = (RT)0
-(0.5)
/0!= 0.606
DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
DISTRIBUCIN EXPONENCIAL:
1 ; K! = 0! =1 y por lo tanto:
R(t) =
-t
DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
DISTRIBUCIN EXPONENCIAL:
-t
DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
DISTRIBUCIN EXPONENCIAL:
e -t
t e- t dt
E(t) = TMEF = 1/
= 1/
DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
En forma similar la varianza se obtiene:
V= 1/ 2 y = 1/
Y para t = 1/ la funcin R(t) toma el valor:
R(t) =
-/
R(t) =
-1
= 1/e = 0.368
DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
DISTRIBUCIN EXPONENCIAL:
f(t)
f(t) = -t
Ln R(t)
0
R(t)
R(t) =
-1
0.1
(2.3)/
-2 0.01
-t
LnR(t) = -t
DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
DISTRIBUCIN EXPONENCIAL:
-t
LnepR(t) = -t
t = -(1/ ) LnepR(t)
1
R(t)
Por ejemplo, para una confiabilidad del 99% la duracin
de vida ser:
t = 0.01/ = 0.01 TMEF
t = (1/ ) Lnep
DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
DISTRIBUCIN DE WEIBULL:
f(t) = / (
t-
-1
t-
-( )
Para todo t
F(t) = 1-e
( )
DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
La confiabilidad correspondiente es:
R(t) = 1- F(t) =
t - )
(
-
(
R(t) = e
e
-
(t) d(t)
DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
(t) =(/)[(t- )/ ]
DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
En forma ms especfica:
1.5< < 2.5: Corresponde a fenmeno de fatiga
3 < < 4 :Fenmeno de desgaste, corrosion(iniciado en el
instante t = ).
= 3.5: f(t) es simtrica siminlar a la distribucin normal
Los sistemas electrnicos se caracterizan por tener un valor
de constante durante periodos largos. Los sistemas
electromecnicos no llegan a tener un valor de constante,
razn por la cual deben ser analizados con el modelo de
Weibull.
DISTRIBUCIONES ESTADSTICAS
EN CONFIABILIDAD Y MANTENIBILIDAD
En forma ms especfica:
t - )
(
-
R(t) =
LnR(t) = -
Ln(1/R(t)) =
t-
( t - )
1/
[Ln(1/R(t))] =
t-
1/
t = + [Ln(1/R(t))]
, ,
1/
L10 = + (0.105)
1/
LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
EL PROBLEMA:
ESPACIO MUESTRAL A EVALUAR
MUESTRA
Caractersticas
previstas
Caractersticas
estimadas
ESTADSTICA PROBABILISTICA
ESTADSTICADESCRIPTIVA
Histograma
Valor medio
Diagrama acumulado
AJUSTE DE LA
MUESTRA
Tests de evaluacin
LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
PROCEDIMIENTO
PROCESAMIENTO DE LA INFORMACIN
Para el caso de CONFIABILIDAD
Ordenar la informacin de los TAF ( TEF), en forma
ascendente
Numerar las observaciones de 1 en delante de acuerdo al
orden. La ltima observacin ser la n.
En caso de dos observaciones iguales se puede tomar la
media de los nmeros de orden para la representacin.
Se procede a calcular la probabilidad de ocurrencia de falla
utilizando las expresiones que se indican a continuacin.
LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
Antes, recordemos que:
R(t) = 1 - F(t)
y que la funcin distribucin se extiende desde - hasta +
Por definicin F(t) = Pr( T < t ), esta funcin que es siempre
creciente admite dos asntotas:
F(-)=0 y F() = 1
F(t)
F(ti)
ti
tn
LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
CASO DE GRANDES MUESTRAS n > 50
F(i) = ni/N
Numero de la falla
F(i) =
Numero de fallas totales
F(i) = Pr(T < ti)
por lo tanto F(i) = F(t)
Para los valores de t=0 y t=tn, tendremos:
Para t = 0,
F(i) = 0 y F(t) =
LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
CASO DE MUESTRAS 20 < n < 50
F(i) = ni/(N+1)
CASO DE MUESTRAS n < 20
F(i) = (ni - 0.3)/(N+0.4)
Si en este caso se desea determinar la funcin confiabilidad R(i)
se utilizar la expresin:
R(i) = (N - i + 0.7)/(N + 0.4)
LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
PROCESAMIENTO DE LA INFORMACIN (cont....)
Para efectos del tratamiento experimental utilizaremos la
ecuacin de Weibull de dos parmetros cuya ecuacin es:
(
R(t) = e
LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
PROCESAMIENTO DE LA INFORMACIN (cont....)
Se prolonga la recta as obtenida hasta que corta al eje
y se determina el valor de k, que corresponde al valor del
punto de corte.
Con los valores anteriores se procede a calcular el TMEF
utilizando la relacin:
TMEF = (1+ 1/ )
LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
Ejemplo:
Se tiene la siguiente informacin de la historia de fallas de un
equipo:
TIEMPOS ANTES DE FALLAR: 60, 120, 242, 451, 160, 28, 183, 339, 135, 376, 42, 99,
389, 77, 660, 845, 16, 536, 17.
EJEMPLO No 1
ORDEN
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
TEF
16
17
28
42
60
77
99
120
135
160
183
242
339
376
389
451
536
660
845
P(F)
0,04
0,09
0,14
0,19
0,24
0,29
0,35
0,40
0,45
0,50
0,55
0,60
0,65
0,71
0,76
0,81
0,86
0,91
0,96
P(S)
0,96
0,91
0,86
0,81
0,76
0,71
0,65
0,60
0,55
0,50
0,45
0,40
0,35
0,29
0,24
0,19
0,14
0,09
0,04
P(f) =
ORDEN- 0,3
N+ 0,4
P(S) = 1- P(F)
1000
=250
200
t )0.9
( 250
Ps(t) = e
100
10
O.368
.01
.1
10
0.5
20
30 40
50
60
1.0
70
= 0.9
80
85
1.5
90
93
95 96
97
2.0
98
98.5
99.0
2.5
99.4
99.5
99.7
99.8
3.O
99.9
LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
Caso en que el parmetro es distinto de cero en este caso la
funcin distribucin tiene la siguiente expresin:
<0
=0
>0
LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
El trmino (t- ) corresponde a un cambio de origen por traslado de la
abscisa t =
En los casos en que se determine la posible existencia de distorsin en
la informacin deber procederse a correccin de la informacin
siguiendo alguna de las metodologas apropiadas para el caso de las
cuales la ms comn y rpida es la determinacin de en base a la
relacin siguiente:
2
t2
- t1.t3
2t2 t1 t3
Veamos un ejemplo:
Los tiempos de reparacin de un conjunto electromecnico naval, son
como sigue:
55, 57, 59, 61, 72
Los rangos medios correspondientes son: 12.94, 31.47, 50.00, 68.53,
87.06
LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
2
t2
- t1.t3
2t2 t1 t3
t3=68
= 41
= 21 = 62- 41
=2.2
t2=59
t1=53
LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
Otra forma de resolver el problema es utilizar la forma genrica
de la ecuacin de desconfiabilidad:
F(x) = 1 exp [- (t-t0)/(-t0)]
Con lo cual la expresin de la desconfiabilidad quedara como:
= 41
LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
Para el caso de MANTENIBILIDAD:
M(t) =
g(t)dt
reparacin
M(t) es la probabilidad de que una reparacin tenga una
duracin TTR < t, M(t) = P(TTR < t)
La expresin matemtica de la funcin M(t) segn la
distribucin de Gumbel es como sigue:
M(t) = P(t T)=
t = Tiempo real de reparacin
T = Tiempo de referencia
a = Parmetro de dispersin
= Parmetro de posicin
-e-a(t-)
LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
La tasa de reparacin se calcula mediante la expresin
(t) = g(t)/[1-M(t)]
+ 0.5778/a
LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
Sabemos que:
M(t) =P(TTR < t)
Sabemos adems que el nmero de reparaciones ser
aproximadamente igual al nmero de fallas.
El valor aproximado del TMPR se computa como:
Tiempo total de reparacin
TMPR = Nmero total de reparaciones
Por analoga con la tasa de fallas se puede definir una tasa de
reparacin (t) donde (t)dt es la probabilidad de que la
reparacin se termine en el instante t + dt
(t) =(1/(1-M(t)))dM/dt
LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
USO DE LA DISTRIBUCIN
MANTENIBILIDAD
EXPONENCIAL
EN
t
M(t) = 1- e
LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
PROCESAMIENTO GRFICO DE LA INFORMACIN
Ordenar la informacin de los TPR, en forma ascendente
Numerar las observaciones de 1 en delante de acuerdo al
orden. La ltima observacin ser la n.
En caso de dos observaciones iguales se puede tomar la
media de los nmeros de orden para la representacin.
Se procede a calcular la probabilidad de ocurrencia de
reparacin, tratar en la misma forma que la informacin de
falla.
LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
PROCESAMIENTO DE LA INFORMACIN (cont....)
Una vez obtenidos los valores de P(f) se procede a su
representacin grfica utilizando una hoja de papel
Gumbel (ver ejemplo adelante).
Se traza la mejor recta entre los puntos de la muestra.
Con P(f) = 36.8% se procede a determinar el valor de
Se determina la pendiente geomtrica de P(f) para calcular
el valor de a
ANALISIS DE INFORMACIN
DE CAMPO
a = (X/ Y)
36.8%
X
0.01
0.1
-2
10
-1
20
30
40
50
60
70
80
85
90
93
95 96
97
98
98.5
99
99.3
99.5
99.7
99.8
99.9
LA METODOLOGIA ESTADISTICA
EN MANTENIMIENTO
EJEMPLO No 2
En la hoja historial de una mquina se encontr la siguiente
enformacin referente a las reparaciones a que fue sometida
durante un perodo de dos aos:
Tiempos para reparar: 12.5h, 21.8h, 37h, 28.3h, 31.5h, 43h,
25.7h, 19h, 18.2h
Representar los tiempos para reparar en una hoja de papel
Gumbel y derminar el tiempo medio para reparar y la
expresin matemtica de la funcin de reparacin.
ANALISIS DE INFORMACIN
DE CAMPO (ejemplo 2)
EJEMPLO No 2
ORDEN
1
2
3
4
5
6
7
8
9
TPR
12,5
18,2
19,0
21,0
25,7
28,3
31,5
37,0
43,0
P(F)
0,07
0,18
0,29
0,39
0,50
0,61
0,71
0,82
0,93
P(S)
0,93
0,82
0,71
0,61
0,50
0,39
0,29
0,18
0,07
40
=21.5
30
20
-e-0.09(t-21.5)
Y=8
10
36.8%
X=0,7
0
0.01
0.1
-2
10
-1
20
30
40
50
60
70
80
85
90
93
95 96
97
98
98.5
99
99.3
99.5
99.7
99.8
99.9
EJEMPLO No 2
= 21.5
a = (X/ Y)=0.7/8=0.09
TMPR =
+ 0.5778/a
e
M(t) = P(t T)= e
- -0.1(t-21.5)
EJEMPLO No 2
a) Primera aproximacin, con el mismo TMPR
En el caso especfico que nos ocupa el resultado puede
asumirse como exponencial, con TMPR = 27.28
TMPR = r = 27.28
=1/r =1/27.28=0.037
M(t) = P(t T)=1
-e
-0.037t
40
1/ = TMPR = 27
30
27
23
20
10
0.1
EJEMPLO No 2
ORDEN
1
2
3
4
5
6
7
8
9
TPR
P(F)
12,5
18,2
19,0
21,0
25,7
28,3
31,5
37,0
43,0
P(S)
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1.0
0,90
0,80
0,70
0,60
0,50
0,40
0,30
0,20
0,10
2.0
3.0 4.0
10.0
20.0
50.0
100.0
23
EJEMPLO No 2
ORDEN
1
2
3
4
5
6
7
8
9
10
TPR
12,5
18,2
19,0
21,0
25,7
28,3
31,5
37,0
43,0
P(F)
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
P(S)
0,90
0,80
0,70
0,60
0,50
0,40
0,30
0,20
0,10
20
30
30
EJEMPLO No 2
ORDEN
1
2
3
4
5
6
7
8
9
TPR
12,5
18,2
19.00
21.00
25,7
28,3
31,5
37.00
43.00
P(F)
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
P(S)
0,90
0,80
0,70
0,60
0,50
0,40
0,30
0,20
0,10
10