Cap 7. (Dimensionamiento Del Servicio de Mantenimiento)

Técnicas de mantenimiento en instalaciones
mineras
Capítulo 7: Dimensionamiento del Servicio de Mantenimiento
ESCUELA POLITÉCNICA DE INGENIERÍA DE MINAS Y ENERGÍA

UNIVERSIDAD DE CANTABRIA
MASTER UNIVERSITARIO EN INGENIERÍA DE MINAS
Capítulo 7: Dimensionamiento del Servicio de mantenimiento
Emilio Andrea Calvo
Ingeniero industrial
Profesor Asociado
Departamento de Ingeniería Eléctrica y Energética
Carlos Sierra Fernández, PhD
Ingeniero de minas
Profesor Ayudante Doctor
Departamento de Transportes y Tecnología de Proyectos y Procesos
1
mineras
Índice
7.1 Determinación del tamaño del equipo de personas de mantenimiento .. 4
7.1.1 Teoría de colas para un solo canal, llegadas según distribución de

poisson y tiempos de servicio según exponencial negativa ......................... 8
7.1.2 Desarrollo (justificación) de las expresiones de aplicación. Teoría de

colas aplicada al mantenimiento ............................................................. 12
7.1.3 Probabilidad de que un servidor este ocupado ................................ 13
7.1.4 Desarrollo de fórmulas básicas, teoría de colas en un sistema estable

.............................................................................................................. 14
7.1.5 Aplicación de las expresiones de la teoría de colas a la planificación

del servicio de mantenimiento ................................................................ 20
7.1.6 Teoría de colas, modelo de simulación y aplicación a un caso

práctico ................................................................................................. 33
7.2 Cálculo del Número de Máquinas en Stand-by ................................. 48
Bibliografía ........................................................................................... 60
2
mineras
CAPÍTULO 7: DIMENSIONAMIENTO DEL SERVICIO DE MANTENIMIENTO
“El viaje de las mil millas comienza con un solo paso”.

Lao Tzu
Carlos Sierra Fernández

Emilio Andrea Calvo
3
mineras
7.1 DETERMINACIÓN DEL TAMAÑO DEL EQUIPO DE PERSONAS

DE MANTENIMIENTO
La teoría de colas (Inglés: Waiting Lines or Queuing Theory) es una rama

de la matemática que estudia la relación entre las demandas de servicios y los
equipos necesarios para optimizar las respuestas. Particularizando lo anterior
para el mantenimiento, estudia el tiempo que deben espera los elementos
averiados antes que los servicios de mantenimiento los restituyan a la
normalidad del trabajo.
La teoría de colas aplicada al mantenimiento tiene algunas particularidades

respecto a la teoría general que simplifican notablemente el uso de las
expresiones, que en el entorno de la casuística de la teoría de colas de nivel
avanzado adquieren una cierta complejidad de cálculo y de interpretación.
Estas simplificaciones son las siguientes:
Las colas no se abandonan: Esto tiene especial sentido en el caso de la

teoría particularizada para el mantenimiento pues al ser un servicio interno, un
elemento raramente abandonaría la cola, por ejemplo, por falta de tiempo, para
buscar un servicio en otra empresa con menos demora, o para poner una
reclamación.
No existe trato preferente: En el caso de tratarse de la avería de una

máquina de mucha importancia dentro del sistema productivo o que afecte de
manera considerable a la seguridad es habitual que se repare ésta primero sin
ponerla a la cola, pero este hecho no distorsiona el estudio de las colas de
reparaciones de mantenimiento desde un punto de vista formal.
4
mineras
Dentro de las rutinas de la cola 1, la más frecuente en mantenimiento es la

FIFO (“first in, first out”) que procede del concepto de gestión de almacenes y
que se interpreta “primero que entra primero que sale”, “primero que llega,
primero que se atiende” o como cola sin prioridades. La rutina de tipo LIFO
(“last-in-first-out”), primero que entra último que sale, es muy usada por la
facilidad de almacenar y desalmacenar una pieza, cuando ésta no tiene
problemas de envejecimiento o de caducidad y es siempre la misma, es decir,
no varía el modelo (p.e. grifo de 3/8 en latón; rodamiento ref. xxx del eje xx
que es siempre igual, etc.).
La teoría de colas aplicada a los procesos de mantenimiento tiene las

limitaciones que imponen los modelos, y dentro de ellas está el que el número
de actuaciones o equipos no supere un determinado número (ya se ha visto que
las funciones de probabilidad exigen más de 15 unidades para las primeras
aproximaciones). Además, cuando los equipos son un número pequeño, no
tiene sentido la teoría de colas. Ésta se refiere a empresas de tamaño mediano-
grande, con equipamiento cuyas averías responden a un modelo estocástico en
cuanto a sus necesidades de atención por averías o defectos de funcionamiento.
En los casos que aquí se desarrollan las poblaciones fuente se van a considerar
de tamaño muy grande (infinitas bajo un concepto matemático).
Para los sistemas no continuos (trabajo a un turno o a dos turnos que no

cubre las 24 horas del día), desde un punto de vista formal, se dan dos efectos:
a) Inicio de turno, si no hay equipos pendientes del día anterior, hay una
pérdida de tiempo por la no existencia de equipos para reparar que puede
producir cierta inactividad. El tiempo del turno será entonces (T-ΔT) y en
primera aproximación se puede considerar como el valor medio de una
reparación (distribución estadística equiprobable a lo largo del tiempo)
1
Otras rutinas de cola son: RSS, cuando la selección se hace de forma aleatoria; PR,
selección con algún criterio de prioridad y GD o disciplina general, concepto estadístico-
matemático cuando el modelo y sus resultados son válidos para cualquier distribución
estadística cuyas variables son independientes e idénticamente distribuidas.
5
mineras
ΔT=0,5·(T/Nº_averías). El Nº de averías corresponde a la media de averías

reparadas por turno.
Si en k i , el nº de averías pendientes es: Av_Pte=0; → T(k i +1) = T-ΔT;
b) Supuesto contrario, equipos pendientes del día anterior no reparados

totalmente y que hay que reiniciar la actividad al día siguiente. Esto produce
igualmente un aumento del tiempo de reparación individual que puede estar
contemplado en los valores medios (empresas de cierto tamaño), se puede
considerar en la tasa de reparaciones (m) o tratarse de forma particular según
cada empresa, ya que se pueden rellenar huecos de tiempo con otras
actividades programadas dentro del taller. Esto no es posible en sistemas de
cola puro que dan un servicio (p.e de atención de llamadas), donde los tiempos
de inactividad por no demanda suelen ser tiempos perdidos 2. En estos casos
hay un compromiso entre productividad del servicio, tiempos de espera en la
cola y posibles abandonos de clientes u otras rutinas que se pueden estudiar.
En el tiempo útil, como valor medio de una actuación, se supone una pérdida
de tiempo de los equipos que inician un trabajo, lo abandona y lo continúan en
otro periodo de tiempo (al día siguiente), como mínimo se duplican los
desplazamientos cuando estos son de una entidad en tiempo, respecto al total
de la avería, que exige su consideración.
En teoría de colas los problemas se pueden modelar con diferentes criterios

de nº de colas de espera y nº de puestos o equipos de atención, para modelar el
servicio de mantenimiento se considera el modelo de una cola y un único
servidor que da una precisión suficiente, referencia a) de los esquemas
siguientes:
a) Una cola y un único servidor → →
2
Estos tiempos se suelen modelar con una distribución exponencial y los de llegadas de
servicios con una de Poisson, luego el sistema se denomina Poisson-Exponencial. La
exponencial es una simplificación de la distribución de Poisson por lo que es normal en la
bibliografía que ambos, averías y reparaciones se indique su modelado bajo el concepto
Poisson-Exponencial.
6
mineras
b) Varias colas y un único servidor
c) Varias colas y varios servidores 3
Por otra parte, la distribución de tiempos de averías puede seguir distintas

funciones pero la comúnmente empleada es la distribución de Poisson. En
cuanto a los tiempos de servicio se utiliza la exponencial negativa (pensar por
ejemplo en la cola de un cajero automático, o un peaje de autopista) o la tasa
de reparaciones constante (túnel de lavado o una atracción de feria) conceptos
ya vistos en capítulos anteriores.
Diseñar un sistema de atención de mantenimiento que sea eficiente consiste,

básicamente, en definir un sistema cuyo coste (de diseño y operación) se
justifique por el servicio que da. Este servicio, al ser un departamento interno
no tiene, normalmente, facturación o ingresos, por lo que se puede evaluar
mediante el “coste de no darlo”. Dicho de otro modo, al diseñar el sistema se
pretende minimizar unos supuestos costes totales y que corresponden al gasto
de mantenimiento (gasto real) más el gasto de no producción por avería de las
máquinas (gasto no real pero cuantificable por el paro de las máquinas que no
producen) 4, de tal forma que se obtenga una referencia de coste total mínimo.
3
Varios canales en teoría de colas.
4
Existe una denominación que proviene del contexto económico-jurídico: “lucro cesante”.
Este concepto es una forma de daño patrimonial que consiste en la pérdida de una
ganancia legítima esperada o de una utilidad económica por parte del equipo, y que ésta
no se habría producido si el equipo no estuviera en situación de avería improductiva. El
lucro cesante aplicado a la tecnología se calcula como el tiempo medio de parada por el
beneficio estimado de la producción. Hay una pérdida de una perspectiva cierta
de beneficio en la empresa.
7
mineras
7.1.1 TEORÍA DE COLAS PARA UN SOLO CANAL, LLEGADAS SEGÚN

DISTRIBUCIÓN DE POISSON Y TIEMPOS DE SERVICIO SEGÚN
EXPONENCIAL NEGATIVA
Como se ha indicado existen diversos modelos de teoría de colas. Nosotros

solamente nos ocuparemos del modelo de un solo canal: llegadas según
distribución de Poisson y tiempos de servicio según exponencial negativa, que
aporta precisión suficiente en los cálculos.
El resto de las asunciones, condiciones, del modelo, algunas de las cuales ya

han sido indicas, se resumen a continuación:
1. Las llegadas siguen un sistema FIFO. Primero en llegar, primero en

salir.
2. Todo lo que llega a la cola, toda avería que se produce, espera en la
misma a ser reparado con independencia de la longitud de la misma (con
independencia del tiempo de espera o del número de equipos averiados).
3. Las llegadas nuevas son independientes de las llegadas anteriores: el
sistema no tiene memoria.
4. La tasa de llegadas es constante a lo largo del tiempo (se formula el
estado estacionario del sistema, modelo). Las premisas 3, 4, 6 y 7 son la
justificación base para la aplicación del teorema de Markov.
5. Las llegadas siguen una distribución de Poisson.
6. Las reparaciones son independientes de los sucesos anteriores. El ritmo
de reparaciones no depende de las incidencias anormales del sistema,
sino de su valor medio.
7. La media de los servicios de reparación es conocida (estado
estacionario).
8. Las reparaciones siguen una distribución exponencial negativa.
8
mineras
9. La tasa media de reparación es superior a la tasa media de llegada. En el

supuesto contrario el sistema es inestable, el equipo no es capaz de
reparar todo lo que le llega.
Las variables que se consideran para el estudio de las funciones son las
siguientes, se da la denominación más utilizada y aquella de uso similar en la
formulación que se usa en publicaciones más especializadas de mantenimiento:
Tabla 7.1.1 Variables utilizadas en el texto, definición y relaciones básicas.
Varia Concepto Notas /

-ble Notación de
mantenim.
λ Número de averías por unidad de tiempo. Obtenida Aver/T; sujeta
como media de los sucesos a lo largo de un tiempo a un modelo.
representativo. Se calcula con los métodos de la f i : frecuencia
estadística, ponderando los valores (asignando del suceso (i)
probabilidad o peso a cada suceso). P i ≈P(i)
Una aproximación más real es considerarla una Probabilidad
variable estocástica con un modelo de previsión del suceso (i)
exponencial (de tasa constante) o de Poisson.
Su cálculo es la media ponderada de los sucesos
ocurridos en un determinado periodo de tiempo.
λ=(1/n)∑(x,·f i )=∑x i ·P i
f i : frecuencia; P i : Probabilidad (límite de la
frecuencia cuando n →∞ (cuando n es grande).
µ Número de reparaciones por unidad de tiempo Reparaciones/

cuando el mantenimiento está ocupado. Este T
comentario adquiere importancia si se dan tiempos
muertos. Esta variable se puede considerar en el
mismo sentido que λ, pero para los servicios de
9
mineras

-ble Notación de
mantenim.
mantenimiento.
T Periodo de cálculo que puede ser, hora, día, 1500 Normalmente

horas, mes, etc. pero es un periodo fijo. constante
c Número de equipos o grupos de trabajo de Es un valor a

mantenimiento que realizan una labor similar, puede determinar.
ser una persona o un equipo pero se considera una Se considera,
unidad de trabajo, que hace un trabajo similar en para
dedicación y en todo caso su variabilidad está simplificar,
sometida a una norma de probabilidad que que
modelamos con un valor medio fijo. Es, c=(1/n)∑c i ·µ i
normalmente, un valor a calcular en el proceso,
¿Cuántos equipos de trabajo de mantenimiento se
necesitan para hacer un servicio de una determinada
forma?
Si determinados equipos trabajan a un tiempo

inferior al periodo T, por planificación o
necesidades 5, se debe modelar y tener en cuenta en
la variable “µ”.
ρ=λ/µ Factor de utilización. Parámetro que mide la Si ρ≥1 el

relación entre las necesidades medias de reparación sistema se
(averías) y la capacidad de reparación del colapsa,
mantenimiento. Si ρ < 1 el sistema es estable, el llegan más
mantenimiento repara con capacidad suficiente; averías que la
puede ser necesario para un servicio fijar este límite capacidad de
por la necesidad de no tener más de “X” máquinas reparación
paradas. Si ρ = 1, el sistema se considera
5
P.e: Cuando en un tiempo t=día, hay dos equipos de mañana y un equipo de tarde
10
mineras

-ble Notación de
mantenim.
equilibrado o estable; y si ρ > 1 el sistema se
colapsa, tiende a infinito el número de máquinas
pendientes de reparación al aumentar el tiempo.
La variable ρ representa la probabilidad de que un

sistema o un equipo esté ocupado en reparación y
(1-ρ) la probabilidad de que esté en espera, inactivo.
k, k q , Número de equipos averiados, q (en la cola) y m (en k=k q + k m

km proceso de reparación, en el servicio de
mantenimiento);
Pn, Probabilidad de que haya un número n de máquinas P n ≈P(n)

Pn_q, averiadas en el estado estable. P n _ q = Prob. de que n
P n _ q ≈P(n_q)
Pn_m máquinas estén en espera. P n _ m = Prob. de que n
máquinas estén en reparación. P n _ m ≈P(n_m)
T, T q , Tiempo que se tarda en una reparación. T m =S, este T=T q +T m

Tm tiempo, el de reparación, se suele denominar tiempo
T q ≈T(q), etc.
de servicio en teoría de colas
T m= Dado que µ es la tasa de reparación (número de

equipos reparados por unidad de tiempo), la inversa
1/µ
es el tiempo medio de reparación para un equipo.
Es independiente del número de equipos de trabajo,
variable c, siempre que a todos los equipos trabajen
con (se les pueda asignar) la misma tasa de
reparación.
Wq= Es el tiempo medio de espera para una reparación, y W, W q y W m

es, formalmente, la esperanza matemática de los
E[Tq] W= W q +W m
tiempos de espera en la cola. De forma similar, pero
11
mineras

-ble Notación de
mantenim.
en reparación, se define W m . Y el tiempo total T será W q ≈W(q), etc.
la suma de ambos.
7.1.2 JUSTIFICACIÓN DE LAS EXPRESIONES DE TEORÍA DE

COLAS APLICADA AL MANTENIMIENTO
Como referencia directa fundamental para las secciones que siguen,

correspondientes a la teoría matemática de colas y sus justificaciones, se ha
empleado García-Sabater & Maheut (2011) y Gross (2008).
El número medio de averías, para un periodo de tiempo T, se puede obtener

por varios procedimientos de cálculo.
a) Si se conocen las probabilidades de 0, 1, 2,…, k número de averías,

se tiene, para el número medio de averías en el tiempo T:
K = E[k] = ∑)
* 𝑘$ · 𝑃(𝑘$ )
Y para (c) equipos (servidores o reparadores) el número medio de averías en

espera será, dado que “c” están siendo atendidos:
K q = E[k q ] = ∑)
-./(𝑘$ − 𝑐) · 𝑃(𝑘$ ),
Que para c=1, un servicio de mantenimiento de un solo equipo de trabajo, se

modifica a:
K q = E[k q ] = ∑)
1 (𝑘$ − 1) · 𝑃(𝑘$ ),
b) Si asumimos una tasa de producción de avería proporcional al tiempo,

bajo la consideración del modelo Poisson–Exponencial, se tiene las relaciones
siguientes:
12
mineras
nº de averías en un tiempo T: K = λ·T
nº de averías, en espera de reparación, en un tiempo T: K q = λ·T q
El tiempo de un equipo desde que se avería hasta que se restablece el

funcionamiento será,
T(tiempo total) = T q (Tiempo de espera en cola) + T m (tiempo en reparación),

que sustituyendo los valores anteriores se tiene:
T = T q +1/µ → T – Tq = 1/µ → T m = 1/µ
El nº medio de equipos que se están atendiendo, será el tiempo total menos

el tiempo de espera, luego:
K m = K – K q = (λT – λT q ) = λ(T – T q ) = λ/µ
7.1.3 PROBABILIDAD DE QUE UN SERVIDOR ESTE OCUPADO
Para un único servidor (un sistema de mantenimiento), la probabilidad de

que una avería este en espera o esté siendo atendida, se obtiene fácilmente de
las relaciones anteriores (esto corresponde al número de averías que en un
momento dado se están atendiendo, la opción k=0 no produce cola ni necesidad
de atención, luego se calcula a partir del índice n=1, para ser atendido al
menos hay una avería 6):
Se tiene:
K– K q = K m = λ/µ = ∑) )
/ 𝑘$ · P(𝑘$ ) - ∑/ (𝑘$ − 1) · 𝑃(𝑘$ ) =
∑) ) ) )
/ 𝑘$ · P(𝑘$ ) - ∑/ (𝑘$ · 𝑃(𝑘$ ) + ∑/ 𝑃(𝑘$ ) = ∑/ 𝑃(𝑘$ ) = 1- P(k 0 )
Luego la probabilidad de que un sistema está vacío, P(k 0 ),

complementaria a que está ocupado, es
6
No confundir con el cálculo de la tasa media de averías que considera en su
determinación, también, la posibilidad de que haya cero averías en un instante dado.
13
mineras
P(k 0 ) = P(k=0) = 1- λ/µ; y P(k>0) = λ/µ = ρ
Para un sistema de c servidores, “c” equipos de reparación, y considerando

el sistema en el estado estable, la probabilidad de que esté ocupado es:
4 4
P(k>0) = ; y la probabilidad de que esté vacío es: P(k=0) =1-
-5 -5
Cuando un sistema está en equilibrio estable, la tasa de equipos que entran

con avería es igual a la tasa de equipos que son reparados, λ=cµ, la
probabilidad de que esté vacío es nula.
4
{P(k=0) =1- = 1-1 =0}
-5
Lo anterior nos permite identificar algunas de las ideas base y de las

expresiones de la teoría de colas aplicada al servicio de mantenimiento.
7.1.4 DESARROLLO DE FÓRMULAS BÁSICAS, TEORÍA DE COLAS EN

UN SISTEMA ESTABLE
Un proceso estocástico es la abstracción matemática de un proceso empírico

cuyo desarrollo está gobernado o responde al modelo de alguna ley de
probabilidad.
Conocer las probabilidades en el estado estacionario, aquel que está

calculado (gobernado) por los valores medios de las variables, cuando esto se
da, un modelo no depende de su historia, sino que lo que pueda ocurrir, o no
ocurrir, depende únicamente del estado actual del sistema, o sea lo que pueda
pasar en el instante “n” depende únicamente 7 del instante “(n-1)”.
Una cola o secuencia de producción de averías con un proceso Poisson-

Exponencial de media “λ” y con un proceso de reparaciones de Poisson-
7
Algunos autores denominan a este principio con la expresión “Dada la situación presente,
el futuro es independiente del pasado y el proceso carece de memoria”.
14
mineras
Exponencial de media “µ”, en el estado estacionario, se puede modelar con el

principio de Markov (cadena de Markov continua) de la siguiente manera:
En cada intervalo infinitesimal de tiempo puede ocurrir una llegada (avería)

o una salida (reparación) y para un proceso Poisson_Exponencial, tal como se
ha visto anteriormente, ver capítulo de funciones estadísticas aplicadas al
mantenimiento, se formula de la siguiente forma, siendo ΔT incrementos de
tiempo suficientemente pequeños, y σ(t) una función infinitesimal que
caracteriza el error posible entre el valor real y el considerado en la expresión
de proporcionalidad a λ·Δt o µ·Δt según se consideren averías o reparaciones.
Con estas consideraciones se tiene:
Llegada (avería): P{n→n+1 en (t, t+Δt)}= λ(n)·Δt + σ(t), para n≥0
Salida (reparación): P{n+1→n en (t, t+Δt)}= µ(n)·Δt + σ(t), para n≥1
Para que exista la posibilidad de hacer una reparación tiene que haber al
menos una avería, luego el contador se inicia a partir de n=1.
Ambas expresiones, cuando ΔT→0, se anula el valor de σ(t) tal como

corresponde a los principios de modelo Poisson_Exponencial (ya visto al
explicar la teoría de funciones aplicadas al servicio de mantenimiento), se
hacen infinitésimos de orden superior o lo que es lo mismo lim(Δt→0) de
σ(t)=0
Esta consideración y la hipótesis de proceso estable que se da a continuación

(Markov) son la base de la teoría de colas en la formulación aplicable a los
servicios de mantenimiento.
Al representar las anteriores probabilidades se ha considerado que las tasas

de llegada y de servicio (λ y µ respectivamente) dependen del número de
elementos en el sistema y solamente de esta factor. En la figura siguiente se
representa el estado (n), el anterior y el posterior que son, tal como se ha
indicado los únicos que afectan, según el principio de estabilidad, a la
condición del propio estado (n).
15
mineras
λ λ
n-1 n n+1
μ μ
Figura. 7.1 Fragmento de cadena de Markov
La probabilidad de que haya (n) elementos en el sistema en el estado

estacionario, según el balance de flujo, solo depende del estado (n-1) y que
aparezca un fallo, o de que estemos en el estado (n+1) y se produzca una
reparación, y de la evolución en el propio estado (n) en el que puede haber una
entrada y una salida con lo cual permanece estable.
En el equilibrio será, para el estado (n), el balance de flujo nulo, la

probabilidad de las entradas debe ser igual a la probabilidad de las salidas ya
que en caso contrario se romperá la regla de estar en situación de estado
estacionario, y así se tiene:
Entradas:
-Del estado anterior, (n-1) porque se produzca una nueva avería y que
viene dado por: λ(n-1)·P(n-1)
- Del estado posterior porque se produce una reparación y que viene

dado por: µ(n+1)·P(n+1)
Salidas:
- Del estado (n) porque se produce una salida por reparación de un

equipo hacia el estado (n-1), y viene dado por: µ(n)·P(n)
- Del estado (n) porque se produce una entrada (nueva avería) hacia el
estado (n+1) y viene dado por: λ(n)·P(n)
16
mineras
El equilibrio de salidas igual a entradas en el entorno del estado (n) debe

ser cero, sino no sería un punto estable, luego se tiene la ecuación de
equilibrio siguiente:
λ(n)·P(n) + µ(n)·P(n) = λ(n-1)·P(n-1) + µ(n+1)·P(n+1);
Para todo (n) dado que el sistema está en equilibrio.
En el origen, dado que el equilibrio se debe cumplir para todos los estados
del sistema, se tiene:
λ(0)·P(0) + µ(0)·P(0) = λ(-1)·P(-1) + µ(1)·P(1) (7.2.1)
En el origen, comienzo del proceso, puede aparecer una avería, pero no es

posible que se efectúe una reparación dado que no hay ningún equipo
pendiente en el sistema, luego se tiene la igualdad siguiente aplicada al punto
inicial (origen) del sistema estacionario:
λ(0)·P(0) = µ(1)·P(1) → P(1) = P(0)·λ(0)/µ(1)
Dado que el sistema está en situación estable: λ(0) = λ(1) = λ(i)=λ; µ(0) =
µ(1) = µ(i)=µ, luego se simplifica la expresión de la forma siguiente:
P(1) = P(0)·λ(0)/µ(1), se puede escribir de la forma P(1) = P(0) · λ/µ (7.2.2)
Si repetimos el proceso para el nudo (1) se tiene:
λ(1)·P(1) + µ(1)·P(1) = λ(0)·P(0) + µ(2)·P(2), o lo que es igual

simplificando la grafía:
λ(1)·P(1) + µ(1)·P(1) = λ(0)·P(0) + µ(2)·P(2), que sustituyendo (7.2.2.) se

obtiene:
λ(1)·P(0) λ(0)/µ(1) + µ(1)·P(0) λ(0)/µ(1) = λ(0)·P(0) + µ(2)·P(2) →
λ(1)·P(0) λ(0)/µ(1) = µ(2)·P(2) →
7(89/)
P(2) = P(0) ·{λ(0)/µ(1)}·{λ(1)/µ(2)} = P(0) ∏1/
:(8)
La expresión generalizada para el punto (n) es la siguiente:
17
mineras
7(89/)
Pn = Po ∏>8?/ (7.2.3)
:(8)
Si ahora diferenciamos dos sucesos, P(0) como la probabilidad de que no

haya ningún equipo averiado, de la probabilidad de que haya algún equipo
averiado, se tiene la relación:
Dado que 8 ∑) )
8?* P(i) = 1; → P(0) + ∑8?/ P(i) = 1; y sustituyendo (7.2.3) y
reordenando:
7(89/) 7(89/)
1 − P(0) = ∑) ) >
8?/ P(i) = ∑8?/ Po ∏8?/ = Po ∑) >
8?/ ∏8?/
:(8) :(8)
/
P(0) = I D(EFG) (7.2.4)
/.∑K
IJG ∏EJG H(E)
La aplicación a un proceso con un servidor, caso normal de mantenimiento y

con tasa de llegada de averías (λ) y tasa de reparación (µ), la fórmula (7.2.3)
queda simplificada en la forma, (dos expresiones (formas) usando el parámetro
ρ=λ/µ). Aplicando la relación entre sistema vacío y sistema ocupado dada por
(P(0)=(1-λ/µ), vista anteriormente.
P(n) = P(0) · (λ/µ) n = {1-(λ/µ)} · (λ/µ) n → P(n) = (1-ρ) · ρ n (7.2.5)
Y la expresión (7.2.4) se reduce a la más sencilla (7.2.6):
1
P(0) =
) λ >
∑
1 + >?/ L O
µ
Esta última expresión se puede resolver ahora, según el valor del parámetro
ρ =λ/µ para las siguientes condiciones, (según la relación de tasa de averías a
la tasa de reparaciones) para obtener las condiciones en las que el sistema es
estable, o lo que es lo mismo, el sistema tienen solución razonable desde el
punto de vista técnico:
8
La suma de las probabilidades de todos los casos posibles es la unidad.
18
mineras
a) La relación λ/µ > 1; el sistema es inestable, la cola tiende a infinito ya

que permanentemente la tasa de llegadas es mayor que la de reparaciones y se
tiene que cuando n→ ∞:
lim (λ/µ |> 1) n → ∞; luego P(0) =0
b) La relación es λ/µ = 1; la tasa de llegadas es igual a la de salidas, en este

caso se tiene:
lim (λ/µ |= 1) n =1 y ∑)
/ 1 → ∞ ; luego P(0) =0, el sistema es
inestable, ya que nunca se recupera de las inestabilidades aleatorias que
permanecen en el tiempo.
c) La relación λ/µ < 1; la tasa de llegadas es menor que la de salidas, en este

caso se tiene:
lim (λ/µ |< 1) n <1, y la suma ∑)

/ (𝑥| < 1) es convergente, tiene límite en el
campo de los números reales.
La suma de 0 a ∞, (o la suma de 1 a ∞) de una progresión geométrica de

razón (ρ=λ/µ)<1 tiene la solución siguiente:
4 T
∑)
/ L5 O = (ρ ·ρ – ρ )/(ρ - 1) = ρ(ρ
n n
– 1 )/(ρ -1) = -ρ ((ρ-1)=ρ/(1-ρ)
Y la probabilidad P(0) sustituyendo el resultado anterior en la fórmula (7.2.6)

es la siguiente:
/
P(0) = D I

= 1 / {1+ ρ/(1-ρ)} = (1-ρ)
/.∑K
IJGL O H
La probabilidad de que el sistema esté ocupado, complementaria como

sucesos excluyentes, de que esté vacío, será, en base a lo anterior:
P(k>0) =1- P(0) = 1-(1-ρ) = ρ = λ/µ
Este resultado ya se vio anteriormente y queda justificado ahora mediante

un procedimiento formal más riguroso.
19
mineras
7.1.5 APLICACIÓN DE LAS EXPRESIONES DE LA TEORÍA DE COLAS

A LA PLANIFICACIÓN DEL SERVICIO DE MANTENIMIENTO
Con la consideración, ya apuntada, del par de modelación Poisson–

Exponencial y con el uso del parámetro ρ=λ/µ, (ρ = λ/cµ cuando hay más de un
equipo de trabajo pero que se comporta como un único 9 servidor), se
particularizan y resuelven las expresiones generales para su aplicación en el
estado estacionario.
Número de clientes atendidos por el servicio: km = ρ=λ/µ
Probabilidad de que el servicio esté vacío: P(o) = 1-ρ
Probabilidad de que haya n clientes en el sistema: P(n) = (1-ρ)·ρ n
De esta última expresión se deduce la relación, que usamos normalmente

para resolver el sistema general aplicado al mantenimiento. Considerando que
la suma de todas las probabilidades posibles es siempre la unidad se tiene:
∑)
>?* P(n) = 1; Luego se deduce:
1 = (1 − ρ) ∑)
>?* ρ
>
→ 1/(1-ρ) =∑)
>?* ρ
>
(7.2.5)
El número medio de averías en espera será la esperanza matemática, la

media de todas las opciones posibles, luego operando y sustituyendo para:
k (averías) =n (sucesos):
7 7 >
L(K averías en mantenimiento)= E[n] = ∑) )
>?* n · P(n) = L1 − :O ∑>?* n L:O
E[n]=∑) ) > )
>?* n · P(n) = (1 − ρ) ∑>?* nρ = (1 − ρ)ρ ∑>?* nρ
(>9/)
(7.2.7)
9
Cuando hay más de un equipo de trabajo y que operan con tiempos distintos se puede
hacer algún tipo de normalización del tipo tiempos ponderados o por personas en cada
equipo o lo que interese mejor a los cálculos, para unificar el valor de “c” a un solo factor.
20
mineras
Esta estructura de la fórmula es la simplificación del desarrollo de un

polinomio, y utilizando una propiedad de las derivadas de los polinomios, de
forma que se tiene:
V ∑K
IJX W
I ∑K
IJX VW
I
= = ∑)
>?* nρ
(>9/)
; sustituyendo este valor en la fórmula
VW VW
anterior (7.2.7) y utilizando la expresión (7.2.5) obtenida anteriormente, se

tiene:
V(∑K
IJY W
I
E[n] = ∑) )
>?* n · P(n) = (1 − ρ)ρ ∑>?* nρ
(>9/)
= (1 − ρ )ρ VW
G
V(GFZ) / W
E[n] = ∑)
>?* n · P(n) = (1 − ρ)ρ = (1 − ρ)ρ (/9W)[ =
VW /9W
Si ahora deshacemos el cambio de la variable (ρ=λ/µ) se tiene la fórmula,

para la situación estacionaria de funcionamiento del sistema de mantenimiento:
E[n] = K (número medio de averías)
W 7
K = =
/9W :97
El tiempo total para una reparación (cola + mantenimiento) será:
K = λ·T → T = K /λ = 1/(µ-λ) (7.1.5)
Si el tiempo máximo que se quiere de espera está condicionado, en el

sentido de que no es deseable que este valor sea mayor de un determinado
tiempo de espera fijado (como valor medio de los tiempos de espera), esto
obliga a diseñar el servicio, y se puede utilizar esta última expresión en la
forma:
Tµ-Tλ = 1 → µ = (1-Tλ)/T que permite identificar el número de

recursos necesarios para que el tiempo no exceda de un valor predeterminado.
El número medio de reparaciones en espera (en la cola) es:
7[
Kq = ;
:(:97)
21
mineras
Y el tiempo medio en la cola (espera de servicio) es:
T q = ρ/(µ-λ)
La probabilidad de que haya k elementos averiados en el sistema, pendientes

de reparación, en un momento dado (esto permite tomar decisiones respecto al
dimensionamiento del sistema) es de:
P(k ≥ X) = ρ x = (λ/µ) x ; y la P(k<X) = (1- ρ x )= 1 - (λ/µ) x
Un valor interesante es el tiempo de espera en la cola cuando el sistema no

está vacío, el servicio de mantenimiento está ocupado, trabajando por averías
anteriores, este valor es:
L’q = K’q = E[Kq | Km≠0] = µ / (µ – λ)
Una curiosidad del sistema es que la cola observada por el cliente que espera
µ/(µ– λ), depende de la tasa de servicio y la cola observada por el servidor que
espera depende de la tasa de llegada λ/(µ-λ). Una vulgarización de este
resultado es que cuando estoy en la cola siento que se repara o atiende muy
despacio y cuando soy un reparador o servidor siento que no me llegan los
clientes (averías) de manera adecuada.
La solución obtenida para la estabilidad del sistema impone la condición

matemática de que el parámetro ρ=λ/µ < 1, sea menor de la unidad, luego en
todo diseño estable la tasa de reparación para un sistema (µ) o la total para un
sistema de varios equipos (cµ) debe ser mayor que la tasa (λ) de llegada de
averías. Todo sistema de mantenimiento correctamente diseñado debe tener
una capacidad de reparación (disponer de medios suficientes) para acometer
con holgura todas las órdenes de reparación que le puedan llegar como media
en un diseño adecuado, en caso contrario el sistema no es capaz de atender el
servicio, la acumulación de trabajos pendientes rebasa la capacidad del
servicio diseñado y con el tiempo colapsa.
22
mineras
Recapitulación de fórmulas de aplicación práctica
Número medio de unidades en espera de ser reparadas (K):
𝜆
𝐾=
µ − 𝜆
Tiempo medio que un elemento averiado permanece en la cola (tiempo de

espera más tiempo de servicio) (T, W):
1
𝑇=
µ − 𝜆
Número medio de unidades en la cola (K q ):
𝜆1
𝐾_ =
µ (µ − 𝜆)
Tiempo medio que una unidad espera en la fila (T q ):

𝜆
𝑇_ =
µ (µ − 𝜆)
Factor de utilización del sistema (⍴):
𝜆
⍴=
µ
Probabilidad de cero unidades en el sistema (sistema inactivo) (P 0 ):
𝜆
𝑃* = 1 −
µ
Probabilidad de que en el sistema haya más de k unidades (P n > k ):
𝜆 b./
𝑃Tab =c d
µ
23
mineras
Ejercicio 7.1 Una factoría tiene 250 máquinas controladas por el servicio de
mantenimiento. La política de mantenimiento es reparar la máquina averiada y
ponerla en producción en un tiempo no superior a 2,5 horas. Si la tasa media
de rotura es de 3,9 máq./h y cada grupo de mantenimiento puede reparar de
media 0,27 máq./h. Determinar cuántos grupos de mantenimiento se necesitan.
Suponer un patrón de llegadas en distribución de Poisson y uno de atención de
las reparaciones exponencial negativo.
Solución:
Para el caso indicado el tiempo total promedio de espera incluido el tiempo

de reparación (T s ), se puede calcular como:
/
Ts =
59ʎ
Donde:
µ: Tiempo medio de unidades servidas, tasa de reparación (salen del sistema

reparadas)
λ: Tasa a la que llegan al sistema las máquinas que no funcionan por unidad
de tiempo.
Con la imposición de T s = 2,5 horas se tiene:
/
2,5 = ; cuya solución es: µ = (1/2,5) + 3,9 = 4,3
59f,h
µ = 4,3 unidades reparadas por unidad de tiempo. Cada grupo repara 0,27
maq/h . Luego los grupos necesarios para un funcionamiento estable serán:
i,f
= 15,94 ≈ 16
*,1j
24
mineras
Ejercicio 7.2 En un taller de mantenimiento las peticiones de reparación se

producen a razón de 6,5 máq/h. Cada especialista precisa de media 0,9 h para
su reparación. El director específica que una máquina averiada tiene que estar
fuera de servicio no más de 3 h. Determinar:
a) Cuántas personas de mantenimiento debe tener la fábrica para que el

tiempo de reparación de avería no sea superior a T s =3 h.
b) Cuántas personas de mantenimiento debe tener la fábrica para que el

tiempo de reparación de avería no sea en ningún caso superior a T s =3 h.
Plantear a la dirección una tabla de decisión adecuada para el mínimo coste.
Solución:
Ambos problemas, de similar planteamiento son de solución totalmente

diferente. El a) plantea una solución con valores medios de ocurrencia de
averías y el b) plantea la necesidad de calcular límites, intervalos, con alta
probabilidad de ocurrencia.
a) La solución para este supuesto es operar con valores medios de tasa de

fallos y de tasa de reparación y así se obtiene
/ /
Ts = → 3= → µ = (1/3) + 6,5 = 6,83
59ʎ 59k,l
µ = 6,83 unidades servidas, reparadas por unidad de tiempo. Si de media

se emplean 0,9 h/máq en la reparación se obtiene una necesidad de:
1/0,9= 1,11 unidades servidas (reparadas) por un especialista a la hora.
k,mf
= 6,2 → 6 ó 7 especialistas (equipos) en reparación de máquinas.
/,//
b) Se trata de resolver el problema, ahora, con la condición de que el tiempo

de espera en ningún caso sea superior a T s =3 h.
Se supone que el taller funciona de forma estable y que los equipos fallan
conforme a una ley Weibull de parámetro beta = 1 (zona plana de fallos
25
mineras
aleatorios de la curva de la bañera). Esto equivale a usar la distribución de

Poisson para la tasa de fallos en la que se tiene 10:
Media: λ = 6,5
Desviación típica (raíz cuadrada de la varianza):√𝜎 1 = σ; σ=λ = 6,5
El intervalo de confianza, para una determinada probabilidad de ocurrencia

será:
Averías: P(X=a%) = (media ± t s ·σ) = (6,5 ± t s ·6,5); t s factor que depende

del grado de fiabilidad exigido al proceso.
Las reparaciones se hacen con una tasa de media µ y es independiente del

orden de llegada de los equipos, luego sigue (se modela) una distribución
exponencial de tasa constante.
Media: 1/µ = 1/0,9 = 1,11
Desviación típica: σ = 1/µ = 1/0,9 = 1,11
Reparaciones: P(X=b%) = (media ± t s ·σ) = (1,11 ± t s ·1,11); t s , igual que

en el caso anterior, depende del grado de fiabilidad. Definido este se obtiene
los valores extremos de la tasa de reparación y con este valor se determinan
los equipos.
La solución es un problema combinado de regla Poisson-Exponencial que

corresponde a lo habitual en el estudio de teoría de colas, con el que se han
desarrollado las expresiones de tiempos de espera, equipos en cola, etc. dadas
anteriormente.
Los valores de t s , se pueden obtener de las tablas de coeficientes de

fiabilidad para intervalos, ya mencionadas, y que para una probabilidad del
95%, t s obtenida de la tabla de la función N(0,1) toma el valor 1,96 ≈ 2. Este
10
La función Weibull para beta=1 (β=k=1, según denominación del parámetro usado) se
transforma en una función de Poisson y en una función de distribución modelo Poisson, la
media tiene de valor (λ). También se obtiene igual valor con la función Weibull
directamente ya que su media es: Media=λΓ(1+1/k), que para k=1 queda:
Media=λΓ(1+1/1)= λΓ(2)=λ
26
mineras
cálculo, para intervalos, es excesivamente caro si tomamos el margen superior

de seguridad tal como se puede plantear por el enunciado de “en ningún caso
sea superior a Ts” y tiene una duda formal ya que utiliza coeficientes de la
normal cuando el problema se modela con la función Poisson-Exponencial.
En el ejercicio siguiente se aporta el desarrollo completo de la solución para

un ejemplo tipo. Se obtienen intervalos, y diferentes soluciones que permiten
obtener los costes y las fiabilidades de estas soluciones en cuanto a
dimensionamiento de los equipos. Esto facilita notablemente la toma de
decisiones empresariales y la justificación del funcionamiento de los servicios
de mantenimiento.
Ejercicio 7.2.0 En un taller de fabricación las máquinas se averían a razón de

6 máq/día; y se reparan con una tasa media de 0,75 máq/día. Se especifica que
un equipo no debe estar en avería (fuera de producción) más de dos días. Dar
los resultados A) mediante valores medios y mediante intervalos de fiabilidad.
Aportar la solución B) para que “en ningún caso” como expresión de mayor
rigor o mayor fiabilidad de la solución, los equipos estén más de dos días en
condición de avería.
Solución:
A) Cálculo sobre valor medio: c= 9; fiabilidad de la solución: 60,6%
B) B1) Fiabilidad del 90%; equipos necesarios c=14
B2) Fiabilidad del 96%; equipos necesarios c= 15
C) Cálculo con coeficientes aproximados de intervalos mediante N(0,1)
Fiabilidad del 90%; equipos necesarios c= 22
Fiabilidad del 95%; equipos necesarios c= 24
D) Cálculo extremo, λ en el máximo del intervalo y µ en el mínimo del

intervalo de fiabilidad.
Fiabilidad del 91% (error 9%); Equipos necesarios c= 38
27
mineras
Los valores de la función de probabilidad para k=( 1, 2 … k. ) equipos

averiados se dan en la tabla siguiente, probabilidad por ítem y acumulada:
28
mineras
Y las probabilidades de los intervalos correspondientes, con dos colas,

derecha e izquierda, intervalo calculado sobre el valor central correspondiente
a la media, se dan en las columnas de “probabilidad intervalo”. Para el
intervalo 6±2, que corresponde a un número de equipos en avería entre (4, 8),
la probabilidad es 0,5622 indicada, la misma, en ambos lados, 4 y 8.
Se observa que para tener fiabilidades de ocurrencia superiores al 95%, los

rangos varías entre 6±5, donde la probabilidad es del 0,9626 → 96,26%
Sobre la base del número de equipos para el intervalo, rango superior para
garantizar la fiabilidad deseada, y suponiendo la tasa de reparaciones (µ)
constante y de valor medio, se calculan los equipos necesarios de
mantenimiento para asegurar que no estén más de dos días averiados.
29
mineras
En algunas casos se recomienda, en el tema de intervalos, el empleo de

métodos aproximados, basado fundamentalmente en coeficientes de la N(0,1).
Esto es aproximado como suelen indicar, está bien siempre que no se
involucren costes de empresa de importancia ya que en este supuesto se deben
calcular, con los medios actuales, tipo Excel, programación Matlab,
wxMaxima, u otros de fácil acceso, los valores empresariales reales y
correctos, cuanto más ajustado y cierto sea el modelo usado, mejor se ajustan
los costes correspondientes. Como ejemplo se calcula con métodos
aproximados y más rápidos de calcular, el mismo ejercicio anterior para ver
las diferencias cuyas soluciones ya se han indicado anteriormente.
Para el mantenimiento, y dado que es un servicio interno que se actualiza
periódicamente en necesidades, y tal como hemos indicado anteriormente, se
30
mineras
puede uno quedar corto y luego corregir la necesidad con cierta experiencia de
rodaje.
En el ejemplo anterior, para una fiabilidad del 90%, se obtiene una

necesidad de 14 personas (equipos) calculado correctamente y una necesidad
de 22 personas (equipos de mantenimiento), ver ejercicio siguiente, con
cálculo aproximado (en ambos supuestos con las mismas simplificaciones de
cálculo), que es una diferencia notable.
Ejercicio 7.2.1 En la tabla siguiente se resuelve el mismo ejercicio anterior,

para una tasa de fallos de media λ=6, mediante el sistema da cálculo de
intervalos con coeficientes de fiabilidad obtenidos de la normal N(0,1). Se
observa en la tabla que para fiabilidades del 90% se calcula una necesidad de
22 equipos de trabajo, valor ya indicado anteriormente cuando se comparan los
resultados, y que es un valor muy elevado. Ver ejercicio 7.2.0 y sus
comentarios.
31
mineras
32
mineras
7.1.6 TEORÍA DE COLAS, MODELO DE SIMULACIÓN Y

APLICACIÓN A UN CASO PRÁCTICO
El supuesto de λ conocido por el histórico de fábrica y µ desconocido

permite simular diversos escenarios en base al diseño del servicio (el valor de
µ está ligado a los medios y organización del mantenimiento) para decidir la
opción más interesante.
En el desarrollo del ejercicio siguiente se modeliza sobre la base teórica del

método Montecarlo de simulación de escenarios. Se trata de un método de
simulación de lo que puede suceder realmente cuando esto no es conocido o
modelable a priori.
33
mineras
Ejercicio 7.3 Se suministra entre el material del curso una hoja de Excel. El
objeto de la misma es evaluar cómo afectan las variaciones de la tasa de fallo
(λ) al servicio de mantenimiento. Para ello: a) se considera constante la tasa de
reparación (µ) en cada cálculo, (aunque se puede variar manualmente en la
hoja Excel para generar ejemplos o escenarios diferentes); b) se utiliza el
método Montecarlo 11 para el cálculo de los equipos en fallo por periodo; c) los
valores de cada intervalo se calculan con la ley de Poisson particularizada para
t=constante (t=1 Ud que corresponde al trabajo de un día).
Fases de la simulación
a) Se calculan las probabilidades de ocurrencia de 0, 1, 2, … k=n fallos,
utilizando el modelo de Poisson particularizado para t=1 Ud, con una tasa de
fallos determinada, λ=2,2 en el ejemplo. Esta tasa de fallos se ha obtenido
previamente mediante alguno de los métodos ya comentado. El método se
repite hasta que la probabilidad acumulada este tan próxima a la unidad como
se desee.
La expresión usada corresponde a la fórmula
b) Se ordena la información por el número de equipos y se relaciona con la

probabilidad correspondiente para este suceso, (si k=3; P(x=3)), y a
continuación se obtiene la probabilidad acumulada (sumando la probabilidad
de los sucesos P(0), P(1), P(2) y P(3)) que corresponderá a P(x≤k), (línea de
k=3 según el ejemplo de operativa indicado). Esta operación genera una
sucesión de números creciente entre 0 y 1, obtenidos conforme a la ley de
Poisson, para la tasa de fallos determinada (λ), y con intervalos cuya medida
es proporcional a la probabilidad de ocurrencia del suceso.
11
El método Montecarlo utiliza números aleatorios, obtenidos por ordenador en la hoja
Excel mediante la función “=aleatorio()”, para decidir en cada periodo (T) cual es el
número de máquinas averiadas, respetando una ley para los sucesos, que previamente se
ha utilizado para definir los intervalos. Se simula (estadísticamente sin dar preferencia a
ningún suceso) la vida real y su casuística.
34
mineras
Se tiene ahora el siguiente proceso de razonamiento:
P(x≤3) = a, y la P(x≤2) = b; con a > b.
En este principio puede darse el supuesto a = b si la probabilidad acumulada

hasta el caso 2 y el caso 3 es la misma, pero nunca puede ser inferior por
definición de probabilidad acumulada. Lo normal es que sea, por definición de
probabilidad acumulada, a > b.
Luego la probabilidad de que ocurra el suceso x=3 será P(x=3)=(a-b), y el

intervalo formado por los valores extremos (b, a) representa la proporción,
como medida matemática (numérica) del intervalo, dentro del intervalo general
(0,1) que corresponde al suceso k=3.
Similar procedimiento se sigue para todos los valores entre k=0 y k=n (de tal
forma que la probabilidad acumulada es prácticamente la unidad) y se tiene así
dividido el intervalo (0,1) en subintervalos cuya medida es proporcional a la
ocurrencia del suceso que interesa y esto según una determinada ley con la
cual hemos calculado las probabilidades de ocurrencia, en este supuesto el
modelo de Poisson.
c) Se genera mediante la función Excel “=aleatorio()” un número aleatorio

entre 0 y 1, y éste es el que determina el subintervalo que nos corresponde, o
lo que es lo mismo, cuantos equipos, escogidos de forma totalmente aleatoria
pero según una ley de determinación de los intervalos, se averían en ese
periodo (día en el ejemplo).
d) Para ampliación de conceptos se considera que el periodo es un tiempo T

de un turno con lo que se producen interrupciones y comienzos de ciclo que
permiten modelar este aspecto, dando un valor añadido al ejercicio según un
criterio lógico de programación.
Los resultados son del tipo dado en la tabla que se adjunta a modo de
ejemplo. La primera tabla en la página siguiente da los valores iniciales y las
siguientes los resultados para tasas de reparación µ<λ; µ=λ (que corresponde a
la solución estable), y µ>λ.
35
mineras
Media de fallos: (l)= 2,2
Nº de Ref.
Equipos Prob. Estudio
en avería (1) Acumulada colas
ki Pro(X=k i ) Pr(X≤k i ) Nº_Máq./día
0,000 0
0 0,11080316 0,11080316 1
1 0,24376695 0,35457011 2
2 0,26814364 0,62271375 3
3 0,19663867 0,81935242 4
4 0,10815127 0,92750369 5
5 0,04758656 0,97509025 6
6 0,0174484 0,99253865 7
7 0,00548378 0,99802244 8
8 0,00150804 0,99953048 9
9 0,00036863 0,99989911 10
(1) El cálculo sigue la ley de Poisson
λ(t): tasa de fallos
Principio de programación
Se genera un número aleatorio para cada turno

(día)
Pro(x≤2)= 0,62271375 valor 1
36
mineras
Pro(x≤3)= 0,81935242 valor 2
Nota: Todo nº aleatorio entre valor 1 y valor 2
corresponde a 3 equipos averiados en ese día
Este criterio se hace extensivo para todos los
intervalos entre 0 y 1, calculados según la ley de
probabilidades de Poisson, y escogidos según
un sistema aleatorio, análisis tipo Montecarlo
La columna, “Ref. Estudio colas Nº Máq/día”, es una columna auxiliar

debido a que las fórmulas de búsqueda en Excel eligen un valor (≤) y esto
obliga a desfasar una línea los valores para coincidencia de resultados (evitar
errores de programación)
37
mineras
Estudio de un ciclo bimensual (2x4 semanas); tasa de reparación y tasa de fallos se

referencia a T= día
µ: Tasa de reparación Factor por trabajo

(máq./periodo): 1,6 pendiente 0,3
Que-
Ud dan, Para
Sistema Nº Nº repa- siste- Que- T=O Para
Montecarlo Maqui Maq rada ma dan, y T=T y
Nº nas en Día+ λ(t)=2, /perio- esta- según Eq_P Eq_Pte
aleatorio el día Pte. 2 do ble Prob. Dia te =0 >0
0,24157022 1 1 2,2 1,6 0,6 0 lunes si no
0,92115357 4 4 2,2 1,6 0,6 2,4 martes si
0,56724144 2 4,4 2,2 1,6 0,6 2,8 mierc. si
0,35061471 1 3,8 2,2 1,6 0,6 2,2 jueves si
0,19452737 1 3,2 2,2 1,6 0,6 1,6 viern si
0,29819887 1 2,6 2,2 1,6 0,6 1 sábado si
Total_semana 1 3,6 1
0,43578906 2 1 2,2 1,6 0,6 0 lunes si no
0,11767408 1 1 2,2 1,6 0,6 0 martes si no
0,19428585 1 1 2,2 1,6 0,6 0 mierc. si no
0,25388568 1 1 2,2 1,6 0,6 0 jueves si no
0,24169947 1 1 2,2 1,6 0,6 0 viern si no
0,83364718 4 4 2,2 1,6 0,6 2,4 sábado si
Total_semana 2 3,6 2,4
0,20329789 1 2,4 2,2 1,6 0,6 1,1 lunes si
0,9743964 5 6,1 2,2 1,6 0,6 4,5 martes si
0,72684324 3 7,5 2,2 1,6 0,6 5,9 mierc. si
0,90960139 4 9,9 2,2 1,6 0,6 8,3 jueves si
0,32535329 1 9,3 2,2 1,6 0,6 7,7 viern si
0,18680627 1 8,7 2,2 1,6 0,6 7,1 sábado si
0,16092265 1 7,1 2,2 1,6 0,6 5,8 lunes si
0,54249412 2 7,8 2,2 1,6 0,6 6,2 martes si
0,96343918 5 11,2 2,2 1,6 0,6 9,6 mierc. si
0,21173312 1 10,6 2,2 1,6 0,6 9 jueves si
0,91937015 4 13 2,2 1,6 0,6 11,4 viern si
38
mineras
0,54949828 2 13,4 2,2 1,6 0,6 11,8 sábado si

0,52137828 2 11,8 2,2 1,6 0,6 10,5 lunes si
0,70256083 3 13,5 2,2 1,6 0,6 11,9 martes si
0,41487075 2 13,9 2,2 1,6 0,6 12,3 mierc. si
0,72493987 3 15,3 2,2 1,6 0,6 13,7 jueves si
0,40682346 2 15,7 2,2 1,6 0,6 14,1 viern. si
0,24432677 1 15,1 2,2 1,6 0,6 13,5 sábado si
0,57040507 2 13,5 2,2 1,6 0,6 12,2 lunes si
0,63796904 3 15,2 2,2 1,6 0,6 13,6 martes si
0,49831745 2 15,6 2,2 1,6 0,6 14 mierc. si
0,32508508 1 15 2,2 1,6 0,6 13,4 jueves si
0,38412703 2 15,4 2,2 1,6 0,6 13,8 viern. si
0,62478068 3 16,8 2,2 1,6 0,6 15,2 sábado si
0,76042127 3 15,2 2,2 1,6 0,6 13,9 lunes si
0,0818944 0 13,9 2,2 1,6 0,6 12,3 martes si
0,22652953 1 13,3 2,2 1,6 0,6 11,7 mierc. si
0,24685006 1 12,7 2,2 1,6 0,6 11,1 jueves si
0,04996688 0 11,1 2,2 1,6 0,6 9,5 viern si
0,44293071 2 11,5 2,2 1,6 0,6 9,9 sábado si
0,42535939 2 9,9 2,2 1,6 0,6 8,6 lunes si
0,51383849 2 10,6 2,2 1,6 0,6 9 martes si
0,5516315 2 11 2,2 1,6 0,6 9,4 mierc. si
0,95472705 5 14,4 2,2 1,6 0,6 12,8 jueves si
0,56410531 2 14,8 2,2 1,6 0,6 13,2 viern si
0,44265948 2 15,2 2,2 1,6 0,6 13,6 sábado si
Total_
Total_semana 8 3,6 13,6 si= 6 42
s/ 48
días 13% 88%
39
mineras
Conclusiones obtenidas del modelo
a) Tasa de reparación menor que la tasa de fallos (µ < λ)
Cuando la tasa de reparación es inferior a la tasa de fallos, el sistema se

desestabiliza y el número de equipos pendientes de reparación aumenta muy
rápido. Esto es congruente con el concepto básico dado por el parámetro:
p = λ / µ;
Realmente este valor es c·µ, con c: nº de equipos o grupos de trabajo y µ: la

tasa media de reparación por grupo, pero se considera un único servicio con
tantos grupos como sea necesario.
Si este valor de “ρ” es mayor de 1, la función de probabilidad indica que el

número de equipos en situación de avería tiende a infinito al aumentar el
número de periodos.
En el modelo se observa que muy pocos días se termina con el trabajo, ni

siquiera en los comienzos del ciclo que no hay equipos pendientes, y que en la
mayoría de las simulaciones prácticamente todos los días quedan equipos no
reparados a final del turno.
Resumen, valores obtenidos

T= 48 días Días de CERO Eq. Pendientes a fin de turno
Equipos pendientes al final del Con_Eq_Pte_fin_Turno
día (Eq=0) = 6 13%
Días con comienzo de turno con Eq.
Mínimo Media Máximo Pendientes
Con_Eq_Pte_Inicio_día
0 8,22 15,2 = 42 88%
Trabajo a tasa constante, total acumulado en 8 semanas,

N_Eq(T=48): (λ -η+ Δ)= 43,2
λ:Tasa de fallos; η: Tasa de reparación; Δ:Distorsión (factor por
trabajo pendiente)
40
mineras
A medida que van quedando equipos pendientes el sistema no puede

repararlos con la tasa calculada y el número de equipos crece indefinidamente.
En el valor obtenido a tasa constante, se obtiene un valor de 43,2 equipos
pendientes y crece regularmente como corresponde a una operación simple
aritmética sin discriminación por el concepto aleatorio del fenómeno.
b) Tasa de reparación igual a la tasa de fallos con anomalías (µ ≈ λ)
Cuando la tasa de reparación es igual a la tasa de fallos, el sistema es

cuasi estable pero ligeras distorsiones, modeladas por el índice de final o de
comienzo de turno, producen distorsiones en el modelo que pueden ser
relevantes en los tiempos de espera de reparación, demasiados equipos
pendientes en un día concreto.
La tasa de reparación es, normalmente, el número de reparaciones por

unidad de tiempo cuando el servidor está ocupado, no hay tiempos muertos o
de espera sin actividad, y las anomalías (fin de turno a inicio sin equipos para
reparar, producen distorsiones puntuales como se ve en el modelo.
Esto es congruente con lo indicado anteriormente ya que el efecto real de

las distorsiones es que la tasa de reparación es inferior a la tasa de fallos
aunque esto sea en un valor muy pequeño, aunque el sistema puede cuasi
estabilizarse, ya que de hecho cuando hay equipos pendientes no se producen
tiempos muertos de espera y el sistema tiende al equilibrio, pero se mantiene
un índice de equipos pendientes que está normalmente fuera de rango o más
bien está en niveles no deseados y que puede ser de dos y tres veces la tasa de
fallos para un día concreto.
Esto indica que cuando se pueden dar estos efectos hay que tenerlo en
cuenta en el cálculo de los equipos de reparación necesarios. En la expresión:
p = λ / cµ; c: el número de equipos debe ser algo mayor que el teórico

correspondiente al equilibrio matemático para conseguir que el valor de “p”
sea en todo caso menos de la unidad.
41
mineras
Resumen, valores obtenidos

T= 48 días Días de CERO Eq. Pendientes a fin de turno
Equipos pendientes al final del Con_Eq_Pte_fin_Turno
día (Eq=0) = 17 35%
Con_Eq_Pte_Inicio_día
0 1,61 7,2 = 31 65%
Trabajo a tasa constante, total acumulado en 8 semanas,

N_Eq(T=48): (λ -η+ Δ)= 14,4
trabajo pendiente)
c) Tasa de reparación es igual a la tasa de fallos y no hay distorsiones

(µ=λ).
En este supuesto se dan distorsiones, tal como corresponde a la ocurrencia

de sucesos raros, que tiene probabilidades muy bajas de que sucedan pero
alguna vez ocurren. Este supuesto corresponde a la optimización de los
recursos pero la dirección y los responsables del servicio de mantenimiento
tienen que ser conscientes de que pueden existir y de hecho se darán días
conflictivos por acumulación de quipos pendientes, pero el sistema, cuando se
evalúa en periodos lagos, recupera estos momentos.
Resumen, valores obtenidos T=

48 días Días de CERO Eq. Pendientes a fin de turno
Equipos pendientes al final del Con_Eq_Pte_fin_Turno 50
día (Eq=0) = 24 %
50
0 1,12 5,4 Con_Eq_Pte_Inicio_día = 24 %
42
mineras
Trabajo a tasa constante, total acumulado en 8 semanas, (λ -η+

N_Eq(T=48): Δ)= 0
λ:Tasa de fallos; η: Tasa de reparación; Δ:Distorsión (factor por trabajo
pendiente)
Por comparación con el ejemplo anterior, los valores son más regulares, pero
siguen existiendo días que doblan la tasa en equipos pendientes. El trabajo a
tasa constante da un número de equipos pendiente de cero como corresponde al
equilibrio matemático de λ=µ. Mayores periodos de tiempo hacen más estable
este principio.
En este apartado, y bajo la consideración de que el servicio de

mantenimiento es un servicio interno de las fábricas, se puede tomar este
supuesto como adecuado para el diseño de talleres de mantenimiento, así
corresponde al modelo y la simulación lo confirma, y dar por admitido que
pueden darse momento de acumulación de trabajo o bien tener que suplementar
(apoyar con medios extra) el servicio por acumulación puntual de averías.
d) Tasa de reparación superior a la tasa de fallos (µ ≥ λ)
En este supuesto el sistema mantiene el número de equipos pendientes en

niveles muy bajos, de hecho el nivel medio de equipos pendientes puede ser de
0 o 1 unidad según el grado de mayoración incluso considerando, como en el
ejemplo, cierto grado de distorsión por fin o comienzo de turno. De todas
formas es obligado comentar que aunque con probabilidades muy bajas algún
día hay pendientes [la probabilidad de que te toque la lotería es ínfima, menor
de 10 -5 , pero a alguien le toca alguna vez].
El resumen para este supuesto es el que se da en la tabla siguiente:
43
mineras
Resumen, valores obtenidos T=

48 días Días de CERO Eq. Pendientes a fin de turno
Equipos pendientes al final del Con_Eq_Pte_fin_Turno 77
día (Eq=0) = 37 %
23
0 0,24 2,6 Con_Eq_Pte_Inicio_día = 11 %

N_Eq(T=48): Δ)= 0
λ:Tasa de fallos; η: Tasa de reparación; Δ:Distorsión (factor por trabajo
pendiente)
Es evidente que el trabajo a tasa constante, cuando la relación es λ<µ en

todo momento, es de cero equipos pendientes. Este supuesto es el adecuado
para programar los servicios de mantenimiento cuando la exigencia es que el
número de equipos fuera de servicio, por indicación o exigencia de la
dirección, se deba mantener por debajo de un número determinado y con una
alta seguridad (probabilidad) de que así ocurra.
Ofrecemos a continuación al estudiante, aunque sea a estas alturas un poco

redundante, un ejemplo de cómo se comporta el sistema para el supuesto de
sistema equilibrado, tasa de reparación igual a la tasa de fallos (µ=λ) y sin
distorsión 12. Realmente hay que hacer un número grande de simulaciones y
obtener valores medios.
12
Cuando se hacen simulaciones con funciones de tipo aleatorio, cada vez que se
interactúa con la hoja Excel se produce una simulación diferente.
44
mineras
Estudio de un ciclo bimensual (2x4 semanas); tasa de reparación y tasa de

fallos se referencia a T=día
µ: Tasa de reparación Factor por trabajo
(maq./periodo): 2,2 pendiente 0,00
Que- Para
Nº Ud dan, T=O Para
Maqui Nº reparad siste- Queda y T=T
Sistema -nas Maq a ma n, Eq_ y
Montecarlo en el Día+ λ(t)= /period esta- según Pte Eq_P
Nº aleatorio día Pte. 2,2 o ble Prob. Dia =0 te>0
0,08833973 0 0 2,2 2,2 0 0 lunes si no
0,01081444 0 0 2,2 2,2 0 0 mart si no
0,33704863 1 1 2,2 2,2 0 0 mierc si no
0,30620641 1 1 2,2 2,2 0 0 jueves si no
0,65781182 3 3 2,2 2,2 0 0,8 viern si
0,41555555 2 2,8 2,2 2,2 0 0,6 sába si
Total_semana
1 0 0,6
0,10897942 0 0,6 2,2 2,2 0 0 lunes si no
marte
0,91753478 4 4 2,2 2,2 0 1,8 s si
0,98618843 6 7,8 2,2 2,2 0 5,6 mierc si
0,78688111 3 8,6 2,2 2,2 0 6,4 jueves si
0,23487907 1 7,4 2,2 2,2 0 5,2 viern si
0,55796108 2 7,2 2,2 2,2 0 5 sába si
Total_semana
2 0 5
0,9972549 7 5 2,2 2,2 0 2,8 lunes si
0,42339834 2 4,8 2,2 2,2 0 2,6 mart si
0,55567945 2 4,6 2,2 2,2 0 2,4 mierc si
0,45210011 2 4,4 2,2 2,2 0 2,2 jueves si
0,80274633 3 5,2 2,2 2,2 0 3 viern si
0,83114593 4 7 2,2 2,2 0 4,8 sába si
Total_semana
3 0 4,8
0,99680237 7 4,8 2,2 2,2 0 2,6 lunes si
marte
0,44921918 2 4,6 2,2 2,2 0 2,4 s si
45
mineras
0,61928837 2 4,4 2,2 2,2 0 2,2 mierc si

0,1485029 1 3,2 2,2 2,2 0 1 jueves si
0,53437948 2 3 2,2 2,2 0 0,8 viern si
0,7504905 3 3,8 2,2 2,2 0 1,6 sába si
Total_semana
4 0 1,6
0,08111775 0 1,6 2,2 2,2 0 0 lunes si no
0,29983398 1 1 2,2 2,2 0 0 mart si no
0,99043012 6 6 2,2 2,2 0 3,8 mierc si
0,5745245 2 5,8 2,2 2,2 0 3,6 jueves si
0,83374565 4 7,6 2,2 2,2 0 5,4 viern si
0,35947208 2 7,4 2,2 2,2 0 5,2 sába si
Total_semana
5 0 5,2
0,07083546 0 5,2 2,2 2,2 0 3 lunes si
0,24707413 1 4 2,2 2,2 0 1,8 mart si
0,94714913 5 6,8 2,2 2,2 0 4,6 mierc si
0,7925493 3 7,6 2,2 2,2 0 5,4 jueves si
0,46289112 2 7,4 2,2 2,2 0 5,2 viern si
0,28618255 1 6,2 2,2 2,2 0 4 sába si
Total_semana
6 0 4
0,48094303 2 4 2,2 2,2 0 1,8 lunes si
0,91395903 4 5,8 2,2 2,2 0 3,6 mart si
0,81124442 3 6,6 2,2 2,2 0 4,4 mierc si
0,04306584 0 4,4 2,2 2,2 0 2,2 jueves si
0,58766755 2 4,2 2,2 2,2 0 2 viern si
0,64402583 3 5 2,2 2,2 0 2,8 sába si
Total_semana
7 0 2,8
0,10205998 0 2,8 2,2 2,2 0 0,6 lunes si
0,42925142 2 2,6 2,2 2,2 0 0,4 mart si
0,11886333 1 1,4 2,2 2,2 0 0 mierc si no
0,52621191 2 2 2,2 2,2 0 0 jueves si no
0,65773511 3 3 2,2 2,2 0 0,8 viern si
0,58480445 2 2,8 2,2 2,2 0 0,6 sába si
46
mineras
Total_semana Total
8 0 0,6 _si= 9 39
s/ 48
días 19% 81%
Resumen, valores obtenidos T= Días de CERO Eq. Pendientes a fin

48 días de turno
Equipos pendientes al final del Con_Eq_Pte_fin_Turn
día o (Eq=0) 9 19%
Máxi Días con comienzo de turno con Eq.
Mínimo Media mo Pendientes
Con_Eq_Pte_Inicio_dí
0 2,45 6,4 a= 39 81%

N_Eq(T=48): Δ)= 0
trabajo pendiente)
47
mineras
7.2 CÁLCULO DEL NÚMERO DE MÁQUINAS EN STAND-BY
Ejercicio 7.4 En el almacén de una mina existe un stock de equipos

destinado a reemplazar las máquinas estropeadas mientras dura la reparación.
Si una máquina en espera no está disponible cuando se necesita los costes (A)
para la mina se estiman en A=350 €/semana. Si por el contrario la maquina se
encuentra en stock (B), los costes derivados de su almacenamiento se estiman
en B=190 € por semana 13.
Este coste, de máquina parada, se puede evaluar por el coste de tener

inmovilizado un recurso económico con una tasa de interés correspondiente al
pago del dinero por la empresa, más la parte proporcional por espacios
ocupados, manejo o manipulación de los equipos, y en general más la parte de
gastos generales imputable al almacén.
Se conoce, además, el patrón de fallos (demanda semanal de máquinas por

mal funcionamiento o avería). Así, de las 85 semanas estudiadas ha habido 10
semanas en las que solo se han necesitado 5 máquinas, 20 semanas en las que
han sido precisas 10 unidades, 30 semanas en las que se han empleado 15
unidades, y finalmente 25 semanas en las que fueron precisas 20 recambios.
Se pide determinar, con los datos anteriores, el número de máquinas más

adecuado que se debe disponer en el almacén, en stand-by, preparadas para su
utilización, de tal forma que los costes sean mínimos. El patrón de fallos
(demanda de máquinas por mal funcionamiento o avería) indicado
anteriormente, se resume en la tabla siguiente:
13
Los costes de almacenamiento por unidad deben ser siempre inferiores a los de avería,
de lo contrario nunca interesa tener equipos en stock (en almacén en espera de uso), salvo
por otros criterios diferentes al económico.
48
mineras
Demanda semanal, Ocurrencia (nº de semanas para las

máq/semana; Ni que se da la demanda indicada) f a b s
5 10
10 20
15 30
20 25
Total: 85 semanas
Solución:
Para determinar cuántas maquinas se deben tener en almacén, preparadas

para su utilización, al objeto de minimizar los costes, se supone que el patrón
de fallos o necesidades se repite cada 85 semanas, y con la frecuencia
indicada, o lo que es lo mismo, la frecuencia del suceso, considerada como
probabilidad de un modelo, sigue la ley indicada en la tabla.
Demanda
Ocurrencia, Probabilidad de
semanal,
(semanas) f a b s =fa fallo. f re la tiv a =fr
(máquinas) N i
5 10 10/85= 0,1176
10 20 20/85= 0,2353
15 30 30/85= 0,3529
20 25 25/85= 0,2941
Total 85 Σ fr i = 1,0 (0,9999)
Se plantea una tabla de doble entrada con los ítems N i =5, 10, 15, 20 y se
compara por parejas con cada uno de los otros valores, se compara necesarios
con existencias en stock. Si el número de equipos necesarios es menor que el
existente en stock entonces se produce un coste por equipos almacenados de B
€ por cada equipo almacenado de más.
49
mineras
Si N n son los equipos necesarios y Na las existencias en almacén, se

tiene:
Si N n < N a → Coste(B)= (N a -N n )·B
Si el número de equipos necesarios es mayor que el de existencias, entonces

se produce un coste de A euros por cada equipo necesarios y que no se puede
sustituir ya que no existe en stock.
Si N n > N a → Coste(A)= (N n -N a )·A
Y la relación evidente, cuando el número de equipos coincide con el

necesario, no hay sobrecostes, N n = N a
En la tabla siguiente se dan los costes, conforme a la relación indicada

Nn|Na de costes, para cada casilla, los de la diagonal son nulos (Nn=Na); y en
la columna final se efectúa la suma de las columna de cada fila afectando cada
valor de la probabilidad (frecuencia) de ocurrencia del suceso correspondiente,
se realiza la operación (i: columnas, j: filas):
1
Coste_fila: Cf i =∑$ 𝑓𝑟$ · uv𝑁𝑛$ − 𝑁𝑎z { por (A si i>j), por (B si i<j), por (0 si
i=j)
Nn Número de computadores Coste de la

necesarios (N n ) fila i
Na 5 10 15 20 Cf i
5 0 1750 3500 5250 3190,95

N a Número
10 950 0 1750 3500 1758,65
Computadores
15 1900 950 0 1750 961,65
Almacenados
20 2850 1900 950 0 1117,49
fr j : 0,1176 0,2353 0,3529 0,2941 *****
El coste de la celda combinada de la columna N n =15, con la fila N a =10 será

(exceso de demanda): C(15,10)=(15-10)·350=1750
50
mineras
El coste de la celda combinada de la columna N n =10 y la fila N a =20 será

(exceso de almacén): C(10,20)=(20-10)·190= 1900
El coste para una fila, considerando la frecuencia de cada opción posible

será:
1º fila, i=variable, j=1
Cf 1 = (0 · 0,1176)+(1750 · 0,2353)+(3500 · 0,3529)+(5250 · 0,2941) =

3190,95
Cf 2 = (950 · 0,1176)+(0 · 0,2353)+(1750 · 0,3529)+(3500 · 0,2941) =

1758,65
Cf 3 = (1900 · 0,1176)+( 950 · 0,2353)+(0 · 0,3529)+(1750 · 0,2941) =

961,65
Cf 4 = (2850 · 0,1176)+(1900 · 0,2353)+(950 · 0,3529)+(0 · 0,2941) =

1117,49
La mejor opción, la de menor coste, es la correspondiente a la fila número 3

y consiste en tener en almacen 15 máquinas, para un estudio con incrementos
de 5 Ud. Este resultado está condicionado a que el patrón de fallos se
mantenga constante en torno a los valores de la tabla principal. Cuando está
sujeto a una cierta ley de variabilidad consecuencia de un proceso estocástico,
entonces la solución más general se puede plantear a través de una función de
tasa de fallos o necesidades de sustitución que modela el problema.
Aplicamos aquí al planteamiento del ejercicio la función exponencial, con un

solo parámetro, tasa de fallos “λ” por sencillez de cálculo, para comparar
resultados.
51
mineras
Ejercicio 7.5 Generalización, cálculo de la tasa de sustitución

necesaria
El ejercicio anterior se puede generalizar considerando que los

valores de la tabla son una muestra de las necesidades de sustitución
de equipos
Costes de no sustituir, A: 300 Costes de almacén, B: 180
k i : Número de máquinas que se necesita sustituir en una semana
f a b s : Número de semanas que se necesita este nivel de sustitución
fr: Frecuencia relativa, fr=fr i /Σfr i
Demanda,
Frecuencia
máq/semana
fabs
ki
fr=fr i /Σfr i
5 15 0,143
10 25 0,238
15 35 0,333
20 30 0,286
Total: 105 1,000
Tasa de fallos: λ=Σfr i ·k i = 13,81 Valores
ki Pr(X=k i ) Pr(X<=ki) Coste € puntuales
1 1,38924E-05 1,38924E-05 3843

2 9,5924E-05 0,000109816 3543
3 0,000441555 0,000551372 3243
4 0,001524416 0,002075788 2943
5 0,004210293 0,00628608 2642,9 2643,0
6 0,009690356 0,015976437 2343
52
mineras
7 0,019117029 0,035093465 2043

8 0,032999633 0,068093099 1743
9 0,050634358 0,118727457 1443
10 0,069923637 0,188651094 1142,9 1486,2
11 0,087782921 0,276434015 843
12 0,101020028 0,377454043 543
13 0,107310653 0,484764696 243
14 0,105850644 0,59061534 34
15 0,097449799 0,688065139 214,3 900,6
16 0,084108458 0,772173597 394
17 0,068323397 0,840496993 574
18 0,052417421 0,892914414 754
19 0,038097875 0,931012289 934
20 0,026305675 0,957317965 1114,3 1114,2
21 0,017298517 0,974616481 1294
22 0,010858376 0,985474858 1474
23 0,006519522 0,99199438 1654
23 0,006519522 0,998513902 1654
24 0,003751312 1 1834
Ambas soluciones coinciden en los valores extremos, cuando claramente hay

exceso de equipos en almacén (para 20 equipos ambos dan 1114,2 € de coste) o
defecto evidente de equipos en la solución (para 5 equipos ambos dan 2643 €).
Sin embargo, discrepan en la zona central, donde el modelo inicial plantea una
solución de 15 equipos a 900,6 € de coste y el modelo exponencial se optimiza
para 14 equipos con un coste de 34 € y aporta además una probabilidad de
ocurrencia para k i <=14 del 69%.
Es clara la ventaja de disponer de la probabilidad a la hora de tomar

decisiones de costes, p.e se puede desear/preferir como solución un coste de
754 € con una fiabilidad del 90%. Que un modelo se repita 105 semanas de
igual forma como si fuera una plantilla es realmente difícil, en estudios a largo
53
mineras
plazo interesan los modelos probabilísticos de ocurrencia (ver teoría de colas

aplicada al mantenimiento).
Se han realizado cálculos con incrementos de 5 en 5 unidades, lo que es

correcto para identificar el punto de mínimo valor en una primera
aproximación, válido cuando el rango es muy amplio 14, con Δk=5 el mínimo es
de 15 unidades. Cuando se hacen cálculos con incrementos interesa afinar el
mínimo y esto se realiza tanteando valores en el entorno del primer mínimo
obtenido, 15 Ud en el ejemplo actual.
Se busca un primer mínimo de forma rápida y en el entorno de este valor se

estudia como varía el modelo. En el cuadro siguiente se calculan valores en el
entorno de 15 para optimizar el mínimo conforme a la plantilla de fallos inicial
(se está optimizando mediante cálculo por fases con fase final de incrementos
de 1 Ud. como corresponde a 1 equipo indivisible, en el supuesto de
dosificaciones el valor puede ser inferior a la unidad).
Nn Número de computadores Coste de la

necesarios (N n ) fila i
Na 5 10 15 20 Cf i
Número 13 1440 540 600 2100 1134,8

14 1620 720 300 1800 1017,8
Computadores
15 1800 900 0 1500 900,6
Almacenados 16 1620 1080 180 1200 891,8
17 2160 1260 360 900 986,0
(N a )
18 2340 1440 540 600 1028,8
14
P.e si se tiene que estudiar un modelo entre 10 y 100 Ud, en un primer paso se hace el
estudio en incrementos de 10 Ud y luego de 2 Ud. Se optimiza la solución por fases para
optimizar el proceso de cálculo. Esto da 14 o 16 operaciones frente a 90 realizado en una
sola fase o 50 con incrementos de 2 Ud. En el ejemplo actual se está optimizando mediante
el método de cálculo exhaustivo, también denominado cálculo bruto, (estudiar todas las
opciones posibles), y esto cuando el incremento es pequeño, y el rango amplio no es
aconsejable, pueden salir miles de opciones (para un rango de 100 que se dosifica por
unidades de 0,01 salen 10.000 opciones de cálculo).
54
mineras
fr(i): 0,143 0,238 0,333 0,286 *****
Se observa que la solución óptima corresponde a 16 unidades en stock. En el

gráfico se da la solución inicial y la corrección posterior (Incrementos de
Δk=5 Ud y para Δk=1 Ud)
Cálculo del ejemplo para una fila tipo:
Fila (Na=16)=1620·0,143+1080·0,238+180·0,333+1200·0,286= 891,8
1600,00
1486,200
1500,00
1400,00
1300,00
Coste €
1200,00 1134,800
1114,200
1100,00
1017,800 1028,800
986,00
1000,00
900,600
891,800
900,00
800,00
10 12 14 16 18 20
Nº de equipos en stock
Valores por Ud. Valores
De la observación de la solución, ver gráfico, se identifican tres zonas,

aquella que es claramente un exceso de almacenamiento y el coste es lineal y
con pendiente a este exceso, aquella en que hay escasez de equipos y el coste
es lineal y con pendiente proporcional al coste de la avería no sustituida y la
zona de cambio de pendiente y que está en un entorno al valor medio
ponderado (13,81 equipos en el ejemplo).
55
mineras
Dada la diferencia de pendiente (300 frente a 180) interesa tomar la solución

hacia el lado de menor pendiente ya que los errores o desviaciones serán
proporcionales a 180 €, mientras que en el lado opuesto las desviaciones serán
proporcionales a la pendiente y esta es de 300 € por equipo de menos.
Esta condición de menor pendiente es indicativa de hacia donde es más

rentable desviar la solución, si se diera el caso inverso 15 (poco probable), de
que una unidad en espera es más cara que un tiempo de parada, interesa
desviarse una o dos unidades en el sentido de la pendiente mayor, hacia el lado
de más espera en este supuesto. Ya se ha indicado que por motivos exclusivos
de tipo económico, si el almacenaje es más caro que la reparación no interesa
almacenar, pero pueden existir otros motivos como mantener una determinada
imagen de servicio, o atender en los servicios de tipo social ante incidencias
superiores a los valores medios.
Como conclusión, el punto mínimo está en 16 equipos y para cubrir

incidencias y ganar en seguridad es más económico ir a 17 o 18 equipos en
almacén, para sustitución, que la opción contraria de ir a 15 o 14 equipos. Para
ganar en seguridad, hay que aumentar el número de unidades por el lado en
que la pendiente es menor, es una solución más económica para cubrir
incidencias en el proceso. Se observa además que para 14 unidades la
probabilidad de que el número de averías o necesidades de sustitución sea
menor o igual que 14 Ud. es del 59%, y para el caso opuesto, 18 unidades, la
probabilidad de ocurrencia es del 89%, lo que mejora el interés de esta
solución.
15
Esta condición de que la maquinaria en stock (parada) pueda ser más cara que la
dedicada a producción se puede dar en obra civil o minería, donde la espera de camiones
de gran tonelaje, cuando hay varias unidades puede ser más caro (hay que estudiar la
solución) que la máquina principal, normalmente una excavadora/cargadora, si bien en el
estudio de tiempos interesa que el equipo que avanza el trabajo (el que hace de cuello de
botella) no tengo tiempos muertos.
56
mineras
Ejercicio 7.6 Se dispone del histórico de fallos de los últimos 3 meses; 16

semanas trabajando de lunes a viernes en turno de mañana de 7,5 horas, total
600 horas. Se identifican las incidencias por el número de fallos/hora que se
producen y que se relacionan en la tabla siguiente. Se considera que el ciclo es
representativo del funcionamiento del taller:
Nº de equipos Nº de veces que

que fallan por se da este nivel de
hora (A) fallo (B)
1 0
2 120
3 210
4 150
5 90
6 30
7 0
Total 600
Se sabe que el coste medio de la reparación es de 400 €/equipo y el coste del

mantenimiento del stock unos 180 €/equipo. Se considera que 600 horas de
trabajo es representativo del funcionamiento del taller y se pide calcular el
número óptimo de equipos en stock que deben estar dispuestas para su
utilización con la condición de que el coste total, máquinas en uso más equipos
en stock, sea mínimo.
Solución:
En la tabla siguiente, las columnas A y B son información recogida en

fábrica y en la columna tercera se calculan las frecuencias de ocurrencia para
cada nivel de avería.
57
mineras
Nº de equipos Nº de veces que Frecuencia

que fallan por se da este nivel de C=B/A
hora (A) fallo (B)
1 0 0
2 120 120/600 = 0,20
3 210 210/600 = 0,35
4 150 150/60 = 0,25
5 90 90/600 = 0,15
6 30 30/600 = 0,05
7 0 0
Total 600 1,00
Las averías producen tiempos de no producción y para paliar esto se puede

disponer de un cierto número de equipos de repuesto que sustituyen a la
unidad dañada. Esto tiene sentido cuando el coste de mantener un stock en
almacén 16 es inferior al de reparación más la pérdida de producción.
Generalmente resulta interesante tener en almacén un determinado número

de máquinas para remplazar las que fallan, pero un elevado número en stop
pueden acarrear gastos innecesarios. El cálculo se puede enfocar tal como se
indica en el ejemplo siguiente.
16
Un stock en almacén son inversiones improductivas que al menos tiene el coste del
dinero para la empresa, más el correspondiente al prorrateo de los espacios, y los servicios
correspondientes a la atención y manipulación que requieren estas dotaciones. El stock
puede estar en almacén o en la línea de producción como máquina en stand-by que se
utiliza cuando se avería una unidad dentro de la línea de fabricación.
58
mineras
Nn Número de máquinas necesarios (averías) Coste de la

(Nn) fila (i)
Na
1 2 3 4 5 6 Cf i
1 0 400 800 1200 1600 2000 1000 €
(Na) 2 180 0 400 800 1200 1600 600 €
Número
de 3 360 180 0 400 800 1200 316 €
máqui- 4 540 360 180 0 400 800 235 €
nas en
almacén 5 720 540 360 180 0 400 299 €
(stock) 6 900 720 540 360 180 0 450 €
7 1080 900 720 540 360 180 630 €
fr i : 0,00 0,20 0,35 0,25 0,15 0,05 *****
1
Coste_fila: Cf i =∑$ 𝑓𝑟$ · uv𝑁𝑛$ − 𝑁𝑎z { por (A si i>j), por (B si i<j), por (0 si
i=j)
El coste por hora más económico corresponde a 4 equipos en almacén (235

€/h)
Ejemplo de cálculo de una línea, para Na=5
Cf (Na=5)=720·0,0+540·0,20+360·0,35+180·0,25+0·0,15+400·0,05 = 299
€
59
mineras
BIBLIOGRAFÍA
Chary, S. N. (1988). Production and operations management. Tata McGraw-

Hill.
García-Sabater, J. P., & Maheut, J. (2011). Modelos y Métodos de
Investigación de Operaciones. Procedimientos para Pensar. Spain,
Investigacion Group ROGLE, 20112012, 42-44.
Gross, Donald. (2008). Fundamentals of queueing theory. John Wiley & Sons.
Jardine, A. K., & Tsang, A. H. (2013). Maintenance, replacement, and
reliability: theory and applications. CRC press.
Kumar, S. A., & Suresh, N. (2009). Operations management. New Age
International.
Morse, P. M. (2004). Queues, inventories and maintenance: the analysis of
operational systems with variable demand and supply. Courier Corporation.
Ríos, Sixto. (1973). Métodos estadísticos. Ediciones del Castillo. España.
Shenoy, G. V., & Srivastava, U. K. (1986). Operations Research for
management. New Age International.
60

Cap 7. (Dimensionamiento Del Servicio de Mantenimiento)

Cargado por

Copyright:

Formatos disponibles

Cap 7. (Dimensionamiento Del Servicio de Mantenimiento)

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Cap 7. (Dimensionamiento Del Servicio de Mantenimiento)

Cargado por

Copyright:

Formatos disponibles

Técnicas de mantenimiento en instalaciones

ESCUELA POLITÉCNICA DE INGENIERÍA DE MINAS Y ENERGÍA

Capítulo 7: Dimensionamiento del Servicio de mantenimiento

Emilio Andrea Calvo

Carlos Sierra Fernández, PhD

7.1 Determinación del tamaño del equipo de personas de mantenimiento .. 4

7.1.1 Teoría de colas para un solo canal, llegadas según distribución de

7.1.2 Desarrollo (justificación) de las expresiones de aplicación. Teoría de

7.1.3 Probabilidad de que un servidor este ocupado ................................ 13

7.1.4 Desarrollo de fórmulas básicas, teoría de colas en un sistema estable

7.1.5 Aplicación de las expresiones de la teoría de colas a la planificación

7.1.6 Teoría de colas, modelo de simulación y aplicación a un caso

7.2 Cálculo del Número de Máquinas en Stand-by ................................. 48

CAPÍTULO 7: DIMENSIONAMIENTO DEL SERVICIO DE MANTENIMIENTO

“El viaje de las mil millas comienza con un solo paso”.

Carlos Sierra Fernández

7.1 DETERMINACIÓN DEL TAMAÑO DEL EQUIPO DE PERSONAS

La teoría de colas (Inglés: Waiting Lines or Queuing Theory) es una rama

La teoría de colas aplicada al mantenimiento tiene algunas particularidades

Estas simplificaciones son las siguientes:

Las colas no se abandonan: Esto tiene especial sentido en el caso de la

No existe trato preferente: En el caso de tratarse de la avería de una

Dentro de las rutinas de la cola 1, la más frecuente en mantenimiento es la

La teoría de colas aplicada a los procesos de mantenimiento tiene las

Para los sistemas no continuos (trabajo a un turno o a dos turnos que no

ΔT=0,5·(T/Nº_averías). El Nº de averías corresponde a la media de averías

Si en k i , el nº de averías pendientes es: Av_Pte=0; → T(k i +1) = T-ΔT;

b) Supuesto contrario, equipos pendientes del día anterior no reparados

En teoría de colas los problemas se pueden modelar con diferentes criterios

a) Una cola y un único servidor → →

b) Varias colas y un único servidor

c) Varias colas y varios servidores 3

Por otra parte, la distribución de tiempos de averías puede seguir distintas

Diseñar un sistema de atención de mantenimiento que sea eficiente consiste,

7.1.1 TEORÍA DE COLAS PARA UN SOLO CANAL, LLEGADAS SEGÚN

Como se ha indicado existen diversos modelos de teoría de colas. Nosotros

El resto de las asunciones, condiciones, del modelo, algunas de las cuales ya

1. Las llegadas siguen un sistema FIFO. Primero en llegar, primero en

9. La tasa media de reparación es superior a la tasa media de llegada. En el

Tabla 7.1.1 Variables utilizadas en el texto, definición y relaciones básicas.

Varia Concepto Notas /

µ Número de reparaciones por unidad de tiempo Reparaciones/

Varia Concepto Notas /

T Periodo de cálculo que puede ser, hora, día, 1500 Normalmente

c Número de equipos o grupos de trabajo de Es un valor a

Si determinados equipos trabajan a un tiempo

ρ=λ/µ Factor de utilización. Parámetro que mide la Si ρ≥1 el

Varia Concepto Notas /

La variable ρ representa la probabilidad de que un

(1-ρ) la probabilidad de que esté en espera, inactivo.

k, k q , Número de equipos averiados, q (en la cola) y m (en k=k q + k m

Pn, Probabilidad de que haya un número n de máquinas P n ≈P(n)

T, T q , Tiempo que se tarda en una reparación. T m =S, este T=T q +T m

T m= Dado que µ es la tasa de reparación (número de

Wq= Es el tiempo medio de espera para una reparación, y W, W q y W m

Varia Concepto Notas /

7.1.2 JUSTIFICACIÓN DE LAS EXPRESIONES DE TEORÍA DE

Como referencia directa fundamental para las secciones que siguen,

El número medio de averías, para un periodo de tiempo T, se puede obtener