1

INTRODUCCION A LA FIABILIDAD,
ANALISIS DE FALLO, APLICACION AL
DISEO Y AL MANTENIMIENTO
1 Congreso Nacional de Estudiantes
de Ingeniera Mecnica
2
Fiabilidad:
Qu es la fiabilidad?
Permanencia de la calidad de los productos
(o servicios) a lo largo del tiempo.
Capacidad de desarrollar adecuadamente su
labor a lo largo del tiempo.
Definicin AFNOR X 06-501
Fiabilidad es la caracterstica de un dispositivo expresada por la probabilidad
de que un dispositivo cumpla una funcin requerida en las condiciones de
utilizacin y para un perodo de tiempo determinado.

Probabilidad: es la relacin nmero de casos favorables nmero de casos
posibles asociada a un tiempo t .

Se denomina R (t) = P (cumplir una misin) = P (buen funcionamiento)
R traduccin del ingls Reliability
3
La Fiabilidad intenta garantizar que el producto permanecer
en buenas condiciones durante un periodo razonable de tiempo
Segn la definiciones se tiene que pensar muy claramente qu
significa
Funcionamiento satisfactorio
Tiempo de funcionamiento (Misin)
Condiciones de funcionamiento
4
Necesidad de fiabilidad
Desde un punto de vista puramente econmico, es deseable una
alta fiabilidad para reducir los costos totales del producto.
El hecho de que en algunos sistemas militares el costo anual de
mantenimiento sea diez veces el costo original del mismo, pone
de manifiesto esta necesidad. (ciclo vida)
Tambin hay que considerar el aspecto de seguridad (el fallo de
un sistema ABS en un automvil puede ser catastrfico).
Existen otro aspectos como retrasos de horarios, incomodidades,
insatisfaccin del cliente y prdida de prestigio del fabricante.
Cada vez son ms las empresas y organismos que en sus
contrataciones exigen ciertas normas de fiabilidad (MIL HDBK
217 en USA)
5
Perspectiva histrica de la teora de la fiabilidad
Estudios para poder evaluar la mortalidad derivada de las
epidemias.
Compaas de seguros, para determinar los riesgos de sus plizas
de seguro de vida.
Tablas de vida: La primera tabla de vida data de 1693 y es
debida a Edmund Halley
Orgenes:
se utilizaban los mtodos actuariales tanto para estimar la
supervivencia de pacientes sometidos a distintos tratamientos
como para estudiar la fiabilidad de equipamientos, en particular de
los ferrocarriles.
Siglo XX:
En 1939 Waloddi Weibulll, cuando era profesor del Royal Institute
of Technology en Suiza, propuso una distribucin para describir la
duracin de materiales, que ms tarde llevara su nombre.
En 1951 Epstein y Sobel empezaron a trabajar con la distribucin
exponencial como modelo probabilstico para estudiar el tiempo de vida
de dispositivos
6
Paradigmas
En la industria los equipos y sistemas crecen en
complejidad.

Existen mayores exigencias a la eficiencia de los
costos del ciclo de vida til de las maquinas de
produccin.

Cada fabricante intenta llegar al objetivo de calidad
exigido por el mercado al mnimo costo posible.
7
Objetivo de Fiabilidad y Mantenibilidad
Desde el diseo existe la necesidad de entregar
equipos o sistemas que tengan las prestaciones
deseadas por el Cliente y que adems sean
Confiables, de fcil mantenimiento y con
funcionamiento seguro y econmico durante su vida
til.
8
Las Teora de la Fiabilidad Incorporan la
incertidumbre a la Ingeniera.
Podramos decir que la certeza de un hecho (en nuestro contexto
de Falla de Maquina), es un acontecimiento DETERMINISTA con un
resultado finito.
En cambio la incertidumbre de un hecho seria un acontecimiento
INDETERMINISTA con un resultado probabilstico.
9
Fiabilidad y Mantenimiento
Desde el punto de vista de la ingeniera, la fiabilidad es la
probabilidad de que un aparato, dispositivo o persona desarrolle
una determinada funcin bajo condiciones fijadas durante un
periodo de tiempo determinado.
La confiabilidad de un elemento puede ser caracterizada a travs
de distintos modelos de probabilidades.
Podemos describir varias distribuciones de fallas comunes y ver
qu podemos aprender de ellas para gestionar los recursos de
mantenimiento. Convirtiendo el conocimiento ganado de ellas en
acciones PROACTIVAS de Mantenimiento y aplicarlas en el Diseo.

10
Herramientas de Fiabilidad
Se estudia mediante el anlisis estadstico de
datos de supervivencia.
ISO define fiabilidad como la probabilidad de que un
componente o sistema, desarrolle durante un periodo de
tiempo dado, la tarea que tiene encomendada sin fallos, y en
las condiciones establecidas.
Estudiar Duraciones de Procesos que es comn en muchas ciencias:
Duracin de un componente (Fiabilidad)
Supervivencia de un paciente a un tratamiento (Medicina)
Duracin del desempleo (Economa)
Edad de las personas (Demografa y sociologa)
11
Veamos, a partir de un histograma podemos desarrollar las cuatro
funciones de importancia para la caracterizacin de la fiabilidad.
0
1
2
3
4
5
6
7
8
9
ENERO FEBRERO MARZO ABRIL MAYO JUNIO JULIO AGOSTO SEPTIEMBRE OCTUBRE
Meses
F
a
l
l
o
s
Serie1
Serie2
MES
fallas
ENERO
2
FEBRERO
5
MARZO
7
ABRIL
8
MAYO
7
JUNIO
6
JULIO
5
AGOSTO
4
SEPTIEMBRE
3
OCTUBRE
1
TOTAL
48
12
- pdf. Probability Density Function
En estudios de mantenimiento necesitamos pasar del anterior histograma a funciones
continuas, debido que la variable tiempo de fallo es continua. Esta funciones nos dan una
idea clara de la distribucin de fallos. Empezamos por la funcin llamada pdf que indica la
densidad probable de fallas en cada intervalo t, cuyo total ser el rea encerrada bajo la
curva e igual a: pdf = 48/48 =1
Serie1
0
1
2
3
4
5
6
7
8
9
ENERO FEBRERO MARZO ABRIL MAYO JUNIO JULIO AGOSTO SEPTIEMBRE OCTUBRE
Meses
f(t)
Pudiendo llamar a t1 y t2, - y respectivamente
2
1
( ) ( ) ( )
t
t
f t f t d t =
}
13
CDF Cumulative Density Function:
aqu de - a Tiempo t, seria la probabilidad de que falle en tiempo t.
0
1
2
3
4
5
6
7
8
9
ENERO FEBRERO MARZO ABRIL MAYO JUNIO JULIO AGOSTO SEPTIEMBRE OCTUBRE
Meses
f(t)
el rea bajo la curva - transcurrido t (Funcin Reparticin ) cdf=14/48
Intervalo - a t, la acumulacin de fallas
Tiempo t
( ) ( )
t
F t f t dt =

}
14
R(t) Reliability (Fiabilidad)
Esta es la probabilidad de xito o sea que sobrevivan sin falla
transcurrido el mismo tiempo t. Representando por el rea bajo la
curva t hasta infinito. R(t)= 1- cdf
0
1
2
3
4
5
6
7
8
9
ENERO FEBRERO MARZO ABRIL MAYO JUNIO JULIO AGOSTO SEPTIEMBRE OCTUBRE
Meses
f(t)
( ) ( ) R t f t dt
t

=
}
Tiempo t
15
h (t) Funcin riesgo = pdf/1-cdf
El ltimo tipo de funcin que tenemos derivada de las anteriores, es la Funcin de
Riesgo, tambin llamada tasa de falla o tasa de mortalidad h(t).
(t)

constante

Hiptesis exponencial

desarrollo

Madurez (fallos aleatorios)
Inicio utilizacin

obsolescencia

desclasificacin

1

2

3

Edad t



DOMINIO ELECTRONICO
16
(t)

Curva debida a los
fallos precoces

rodaje

Madurez

obsolescencia

desclasificacin

1

2

3

Edad t

Puesta en servicio

Influencia del desgaste
sobre (t)



DOMINIO MECANICO


( ) ( )
( )
( ) 1 ( )
f t f t
h t
R t F t
| | | |
= =
| |

\ . \ .
h (t) Funcin riesgo = pdf/1-cdf
17
Cuando la tasa de fallo del elemento responde a la curva de la baera es
conveniente realizar un ensayo acelerado del mismo (en condiciones de stress)
para que supere la zona de mortalidad infantil o fallas infantiles.
determinar cuando comienza la vida til del producto y ofrecer a los clientes una
garanta de funcionamiento durante ese periodo de funcionamiento problemtico.
Una vez superado el periodo crtico, la empresa est razonablemente segura de que el
producto tiene una posibilidad de fallos reducida
18
0
n i
TBFi
MTBF
n
=
=

19
La distribucin de fallas de diferentes tipos de maquinaria no son las
mismas. Aun varan en una misma maquina durante su operacin. Sus
formas pueden ser estudiadas a partir de las funciones pdf, cdf y tasa de
falla de los datos reales de mantenimiento o de ensayos de fiabilidad. Estos
dan forma a determinadas expresiones matemticas conocidas como
distribuciones obteniendo:
Dist. Exponencial
Dist. Normal
Dist. Lognormal
Dist. Weibull
20
f (t) = exp (-t), t > 0
F(t) = 1 - exp(-t), t > 0
R(t) = exp (-t ), t > 0
EL MODELO EXPONENCIAL
pdf
cdf
R(t)
= h(t)
21
f
(x)

|=1
x)

|=2
x)

|=5
x)

|=3,6

|=2,
5x)

f (t)

t

|=0,
5x)

t

(t)

2

1

0,
5

|=4

3

2

1,5

0,5t

1

































EL MODELO DE WEIBULL
( )
1
( )
t
t
f t e
| |

q
|
q q

| || |
=
| |
\ .\ .
| parmetro de forma | > 0;
q parmetro de escala q > 0;
parmetro de posicin - < < +
( )
( ) 1
t
F t e
|

=
22
Ti: 93, 34, 16, 120, 53 y 75
23
Las caractersticas de la distribucin de Weibull
24
Las caractersticas de la distribucin de Weibull
25
f(t)

t

2 < 0

2 = 0

2 > 0
















- El parmetro de posicin (en unidad de tiempo)
Se llama tambin parmetro de diferenciacin o de
localizacin.
Significado: indica la fecha de inicio de los fallos.

-- si > 0, hay supervivencia total entre t = 0 y t = ;
-- si = 0, los fallos empiezan en el origen del tiempo;
-- si < 0, los fallos han empezado antes del origen del
tiempo.
Las caractersticas de la distribucin de Weibull
26
Ejemplo
Obtencin de la fiabilidad de neumticos a travs del
Anlisis de la degradacin
Siete marcas de neumticos fueron controlados en su desgaste cada
5.000 millas, midiendo la profundidad de cada uno. La tabla que
contiene las mediciones desde su inicio hasta las 30.000 millas
Degradacin Critica y= 2 mm
f (t) = exp (-t), t > 0
F(t) = 1 - exp(-t), t > 0
R(t) = exp(-t ), t > 0
27
Ejemplo
28
Ejemplo
29
Ejemplo
30
Ejemplo
31
Ejemplo
32
Ejemplo
33
Grfico de Weibull
Col_1
p
o
r
c
e
n
t
a
j
e

a
c
u
m
u
l
a
d
o
Est.: Reg. por Rangos
Forma: 3,2502
Escala: 17999,7
Origen: 0,0
Fracasos: 5
Tamao de la muestra: 5
1000 10000 100000
0,1
0,5
1
5
10
20
30
50
70
90
99
99,9
Ejemplo
Ciclos
10263
12187
16908
18042
23271
5 ejes templados se ensayan a la resistencia hasta que
se rompen.
50 % = 17000 Ciclos
90 % = 24000 Ciclos
8 % = 8000 Ciclos
34
Distri bucin de Weibull
10 00 10 000 10 000 0
Col_1
0
2
4
6
8
(X 0,0 000 1)
d
e
n
s
i
d
a
d
Distri bucin de Weibull
Col_1
p
r
o
b
a
b
i
l
i
d
a
d

a
c
u
m
u
l
a
t
i
v
a
10 00 10 000 10 000 0
0
0, 2
0, 4
0, 6
0, 8
1
Distri bucin de Weibull
Col_1 p
r
o
b
a
b
i
l
i
d
a
d

d
e

s
u
p
e
r
v
i
v
e
n
c
i
a
10 00 10 000 10 000 0
0
0, 2
0, 4
0, 6
0, 8
1
35
Estado Tiempo
F o S F o S
S 23
S 25
S 27
S 28
S 29
S 29
S 29
S 31
S 34
F 35
S 36
S 36
S 36
S 37
F 38
S 38
S 38
S 39
S 39
S 39
S 39
S 39
S 39
S 40
S 41
S 41
S 41
S 43
F 46
F 51
S 52
S 53
F 54
S 54
S 55
S 55
F 58
S 59
F 61
S 63
F 64
F 68
F 69
F 72
S 74
F 75
F 77
F 78
F 82
F 88
Ejemplo
36
Policy Value $100.000,00
Policy Period 1 Year
Start Age 40 Increase by: 1
Estimate Lower CL Upper CL
40 $46,65 $23,78 $91,38
41 $51,63 $27,07 $98,36
42 $57,01 $30,69 $105,77
43 $62,80 $34,65 $113,66
44 $69,03 $38,98 $122,05
45 $75,71 $43,69 $131,00
46 $82,86 $48,79 $140,54
47 $90,52 $54,28 $150,73
48 $98,70 $60,18 $161,64
49 $107,42 $66,47 $173,32
50 $116,71 $73,17 $185,85
51 $126,59 $80,27 $199,31
52 $137,08 $87,75 $213,79
53 $148,22 $95,61 $229,37
54 $160,02 $103,83 $246,15
55 $172,51 $112,40 $264,24
56 $185,71 $121,30 $283,73
57 $199,65 $130,51 $304,74
58 $214,36 $140,02 $327,37
59 $229,86 $149,82 $351,74
60 $246,18 $159,89 $377,96
Analysis Time Range
Current Age
Prima Mensual
Ejemplo
37
Ejemplo aplicado al
mantenimiento
Frezadora ZAYER 3000 BF. En el ao 1990 se le realiz retrofiting a la mquina
donde se le cambi el c.n.c. Gettys original por uno marca Fagor.
38
i
CAUSA
ASIGNADA
TTR [DIAS]
TBF
[DIAS]
MEDIANA
F (t)
INFIABILIDAD
RANGOS
CADA 21
DIAS
MARCAS DE
CLASE [DIAS]
MARCAS DE
CLASE
[MESES]
F (t) PARA
MARCAS
1 MECANICA 0,458333 15 0,04 0,04
2 MECANICA 1,666667 21 0,10 0,10
3 MECANICA 2,416667 22 0,16 0,16 22-42 31 1,03 0,16
4 MECANICA 2,500000 43 0,21 0,21
5 MECANICA 0,625000 45 0,27 0,27
6 MECANICA 1,666667 62 0,33 0,33
7 MECANICA 0,500000 69 0,39 0,39
8 MECANICA 0,500000 81 0,44 0,44
9 MECANICA 1,666667 82 0,50 0,50
10 MECANICA 0,625000 104 0,56 0,56 85-105 94 3,13 0,56
11 MECANICA 0,458333 109 0,61 0,61
12 MECANICA 0,291667 113 0,67 0,67
13 MECANICA 7,541667 147 0,73 0,73 127-147 136 4,53 0,73
14 MECANICA 1,166667 148 0,79 0,79
15 MECANICA 0,666667 163 0,84 0,84
16 MECANICA 1,916667 164 0,90 0,90
17 MECANICA 0,250000 204 0,96 0,96 190-210 199 6,63 0,96
148-168
10
52
73
115
157
0-21
43-63
64-84
106-126
0,84
0,33
1,73
2,43
3,83
5,23
0,07
0,27
0,44
0,64
Histrico de Fallos Mecnicos
MTBF (Terica en meses) 2,37
MTTR (DIAS) 0,33
SUMATORIA TTR DIAS 6,000000 EN 6,5 AOS
39
TBF
[DIAS]
MEDIANA
F (t)
INFIABILIDAD
RANGOS
CADA 17
DIAS
MARCA DE
CLASE DIAS
MARCA DE
CLASE
MESES
F (t) PARA
MARCAS
13 0,04 0,04
16 0,09 0,09
19 0,15 0,15
23 0,20 0,20
26 0,26 0,26
38 0,31 0,31
53 0,36 0,36
55 0,42 0,42
68 0,47 0,47
77 0,53 0,53 69-85 77 2,57 0,53
80 0,58 0,58 86-102 94 3,13 0,58
86 0,64 0,64
87 0,69 0,69
93 0,74 0,74
97 0,80 0,80
134 0,85 0,85 120-136 128 4,27 0,85
150 0,91 0,91 137-153 145 4,83 0,91
164 0,96 0,96 154-170 162 5,40 0,96
3,70
0,07
0,20
0,34
0,45
0,72
0,27
0,87
1,43
2,00
35-51
52-68
103-119
8
26
43
60
111
0-17
18-34
MTBF (Terica en meses)
2.37
MTTR (DIAS)
0.33
SUMATORIA TTR DIAS 6.000000 EN 6,5 AOS
40
.
.
.
.
.
.
.
.
.
0,1
1
10
100
MTBF~3,4
MESES
.
.
0,1 1 10
100
.
.
.
.
.
.
.
.
MTBF~2,5
MESES
.
.
41
PROYECTO DE INVESTIGACION
Estudio probabilstico de Fallos, uso del
Dataminig y Datawarehouse para su aplicacin
al Mantenimiento
1. Introduccin
2. Origen de la Propuesta.
3. Aportes de cada Disciplina: Ing. Fiabilidad y Sistemas de
Informacin.
4. Objetivos
5. Metodologa de Trabajo
6. Impacto esperado/Transferencia al Medio
7. Avance del Proyecto
8. Conclusin
9. Integrantes del Equipo de Trabajo
42
1. Introduccin
Este proyecto est orientado a estudiar y analizar el impacto
de aplicar TI/SI al estudio probabilstico de los fallos en el
Mantenimiento, como funcin cuyo objetivo es la prolongacin
y/o recuperacin de las funciones de determinado componente
o mquina.
Si las mquinas no fallaran, no habra mantenimiento,
conceptualizando los Fallos como eventos indeseables que
debemos tratar de evitar, prevenir o anticipar a travs del
estudio de su probabilidad de ocurrencia mediante mtodos
probabilsticos automticos.
43
.
2. Origen de la Propuesta
Trabajo en Equipo de dos ctedras de la carrera:
Fundamentos de Informtica: 1er. Nivel y uno de sus objetivos
es formar elementos de juicio orientados a la resolucin
automtica de problemas, mediante a travs del desarrollo de
destrezas en el uso tanto de Hardware como de Software.
Mantenimiento: 5to. Nivel y cuyo objetivo es gestionar el
mantenimiento a travs de herramientas que permitan
dominar fallos, por metodologas basadas en registros de
confiabilidad del material y su comportamiento; TPM,
Mantenimiento Preventivo, Anlisis de Software y outsourcing.
En todos los casos, el proyecto se desarrolla con actividades
docentes, por lo cual la transferencia al aula es directa.
44
Ingeniera Fiabilidad
Es el estudio de la longevidad y fallo de los equipos, que
investiga sus causas a travs de la aplicacin de una
metodologa basada en dos enfoques:
- Modelos: deductivo, de tendencia, inductivo; utilizado en la
etapa de diseo del material.
- Mtodos para clculo de Fiabilidad son dos: Analtico (frmulas
matemticas, simulacin de escenarios) y Grfico (ensayos de
larga duracin o acelerados).
- Todos los estudios de fiabilidad estn sometidos a su
tratamiento a travs de la variable continua tiempo; en el cual
se analiza la tasa de fallo.
3. Aportes de cada Disciplina:
Ing. Fiabilidad e Ing. Sist. Informacin
45
La Informtica como una ciencia de aplicacin interdisciplinaria
se transforma en una excelente herramienta para la Toma de
Decisiones automticas a travs del uso de Base de Datos.
Base de Datos: coleccin de datos y/o documentos digitales
que pueden ser homogneos o no, que disponen de Sistemas
de Gestin de Bases de Datos (relacionales o documentales) y
un conjunto de aplicaciones que hacen posible su publicacin,
integracin y consulta dentro o fuera de Internet
(Telemantenimiento).
Herramientas de Bases de Datos:
- Datawarehouse (DW)
- Datamining (DM)
46
- DW o Almacenes de Datos:
Generan Bases de Datos tangibles con una perspectiva histrica,
utilizando datos de mltiples fuentes (excel, access, sql, etc.) que
se fusionan en forma congruente y son soportados por un motor
de BD fuerte y con gran capacidad de almacenamiento.

- DM o Minera de Datos:
Predicen futuras tendencias y comportamientos, permitiendo en los
negocios tomar decisiones proactivas y conducidas por un
conocimiento acabado de la informacin (knowledge-driven) de los
fallos. Se basan en la extraccin de informacin oculta y
predecible de grandes Bases de Datos; que nos permiten
responder a preguntas sobre el comportamiento del material en
los fallos, que consumen demasiado tiempo para poder ser
resueltas y cuyos usuarios de esta informacin no estn dispuestos
a aceptar. Ej.: Reportes.

47
La Minera de Datos es una disciplina que est influyendo
en nuestros das dentro del mbito del anlisis de datos.

- Es un conjunto de metodologas y herramientas que permiten
extraer el conocimiento til (patrones de comportamiento,
modos de operacin, informacin til para descubrir fallos,
tendencias, etc.) para la ayuda en la toma decisin,
comprensin y mejora de proceso o sistemas, etc; partiendo de
grandes cantidades de datos.
- Esta herramienta no se basa en una metodologa estndar y
genrica que resuelve todo tipo de problemas, sino que
consiste en una metodologa dinmica e iterativa que va a
depender del problema planteado, de la disponibilidad de las
fuentes de datos, del conocimiento de las herramientas
necesarias y de los requerimientos y recursos de la empresa.
- Ej. Campos de aplicacin control, optimizacin y supervisin de
procesos industriales, control de calidad, tendencias de la Bolsa
de Valores, diagnstico de enfermedades,prediccin de ventas,
deteccin de fraudes y evasin de impuestos, lavado de dinero,
etc.
48
4. Objetivos del Proyecto de Investigacin
Automatizar el tratamiento de fallos a travs del uso de las
Bases de Datos para su estudio de comportamientos que
permitan tomar decisiones proactivas basadas en repositorios
de datos histricos y en la criticidad de los sistemas en
funcionamiento.
Objetivos derivados:
- Determinar si la aplicacin de ambas herramientas (DW y
DM) facilitan no solo anlisis prospectivos automatizados (M.
Preventivo) de los fallos, sino eventos futuros cuyo
comportamiento puede inferirse del anlisis de ciertos
parmetros.
- Crear conciencia en los alumnos, para que a partir del uso de
estas herramientas, en problemas reales y de distinto nivel de
complejidad, apliquen sistemas de Gestin de Informacin al
Mantenimiento.

49
5. Metodologa de Trabajo
El proceso es realizado en una secuencia de actividades,
algunas de estas superpuestas en el tiempo, pero bsicamente
responden a los siguientes pasos:
- Preparacin del estudio.
- Seleccin del Sistema y de sus lmites (muestra representativa)
- Anlisis del Sistema, datos existentes y medios estadsticos
aplicados al estudio de fiabilidad.
- Evaluacin de consecuencias de fallos.
- Establecer algoritmos que permitan generar un Sistema de
Decisin o respuesta al fallo.
- Aplicarlo a escala piloto y determinar su aplicabilidad.
- Validarlo.
Cabe aclarar que esta Metodologa forma parte de un Plan de
Trabajo a mediano plazo presentado por la U.T.N. F.R.C.
50
6. Impacto esperado/Transferencia al Medio
Nuestra intencin es que este Proyecto Innovador repercuta
positivamente en tres escenarios:
- Cientfico y/o tecnolgico:
Basado en el uso de un software especializado (enlatado)
desarrollado para satisfacer las necesidad primordiales del rea
Fiabilidad. Algunos son:
- JMPTM (www.jmpdiscovery.com)
- SAS (www.sas.com/statistics)
- ReliaSofts Alta 6 (www.reliasoft.com)
- BQR (analizando factibilidad de adquirir licencia acadmica)
- Formacin de RRHH:
Los Docentes involucrados, en su rol natural de multiplicadores de
conocimiento, motivarn y formarn alumnos con una clara visin
estratgica de la gestin de mantenimiento automatizado a travs
del uso de herramientas Informticas; ya que la transferencia al
aula es directa.
Consolidar en el seno del Dpto. Grupos de I&D, que interactuarn
en forma interdisciplinaria; as como capacitacin en temas
DW/DM para Docentes de la carrera.
51
- Desarrollo Socio-Econmico:
La Fiabilidad y el Mantenimiento protegen tanto el rendimiento
de la Empresa como de sus inversiones; por ello se define la
Fiabilidad como la Calidad a travs del tiempo.
Hoy en da, los costos asociados a los fallos en la Industrias
con muy significativos (relacin costo-beneficio).

Transferencia al medio de resultados obtenidos:
Es muy probable en etapas ms avanzadas, ya que hay
Empresas productivas interesadas en esta investigacin pues
un paro en la produccin por mantenimiento o avera de las
mquinas suponen un coste inadmisible en trminos de
productividad.
La Teleasistencia permite no slo reparar la mquina desde
instalaciones del fabricante sino mantener un control
automtico y preventivo de los equipos.
Y el futuro de la aplicaciones HMI (Human Machine Interface)
en la industria de la automatizacin descansa en la idea de ser
el puente entre el rea de control y el rea de la informacin.
52
7. Avance del Proyecto de Investigacin
Plan de Trabajo ha sido presentado a tres aos, y est a la
espera de aprobacin como Proyecto Promocional por
Rectorado, para formar parte de la Acreditacin de la carrera
Hoy: estamos avanzando en dos lneas bien definidas:
- Una dedicada al anlisis del Software (enlatado) de Fiabilidad
que mejor se adapte a nuestras necesidades; donde la opcin
BQR posee una versin acadmica que podra ser adquirida
por la Facultad y exige un trabajo de campo concreto de un
alumno de la ctedra pertinente (Mantenimiento).
- Otra referida a cul es el mejor motor de Base de Datos que
se adapte a nuestros requerimientos, y estamos analizando los
siguientes:
a. Motor de Base de Datos SQL 2005: que trae un mdulo de DW
para usuarios de conocimientos medio.
b. Motor de Base de Datos Oracle: que en su versin 10 gi presenta
interesantes ventajas competitivas.
Estamos analizando dos aspectos trascendentes: licencia del Software
y (BD) y capacitacin al equipo de trabajo interdisciplinario.

53
8. Conclusin
Consideramos que este proyecto innovador y de carcter
interdisciplinario, mejorar la perfomance en lo referido a
disminucin de fallos de los equipos en particular y de una
lnea de produccin en general; a travs de la
automatizacin del proceso de toma de decisiones mediante
un DW o DM.

54
9. Integrantes del Equipo de Trabajo
Director: Ing. Jorge E. Abet
Co-directora: Ing. Blanca R. Carrizo
Integrantes:
Ing. Gustavo I. Gonzlez
Ing. Cynthia Corso
Ing. Sandra Olariaga
Ing. Clarisa Stefanich
55
Muchas Gracias !!