Documente Academic
Documente Profesional
Documente Cultură
Unidad VI
1
Cusum = Suma Acumulada
119
Gestión del Mantenimiento II TECSUP – PFR
2. DIAGRAMA DE PARETO
120
TECSUP – PFR Gestión del Mantenimiento II
Costos % del %
Contribuyentes ($) Total Acumulado
Sistema de Tracción 20,416 46% 46%
Sistema Hidráulico 10,563 24% 70%
Mandos Finales 6,768 15% 85%
Cuchara 2,105 5% 89%
Motor 2,013 5% 94%
Sistema de Transmisión 1,216 3% 97%
Sistema Eléctrico 734 2% 98%
Sistemas auxiliares 514 1% 99%
Estructura 236 1% 100%
Totales: 44,565 100%
121
Gestión del Mantenimiento II TECSUP – PFR
DIAGRAMA DE PARETO
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
ra
or
s
a
s
o
ón
o
le
re
ur
ic
ric
ió
ot
ha
ci
na
ul
is
li a
ct
t
M
ac
ec
uc
rá
sm
tru
Fi
xi
Tr
id
El
C
au
Es
an
s
H
do
de
as
Tr
em
a
an
em
a
em
de
em
st
M
st
Si
st
a
Si
st
em
Si
Si
st
Si
Los tipos de problemas que surgen en el ambiente industrial son muy diversos.
Los diagramas Causa y Efecto, o espina de pescado, pueden usarse para
determinar cuales son las causas de un problema especifico (el efecto). El
diagrama parece, como su nombre alternativo sugiere, a una espina de pescado
con las flechas hacia la derecha, apuntando al efecto. Cada una de las ramas
representa una categoría de posibles causas que son analizadas mas adelante en
una lista de posibles causas en cada categoría. El diagrama de Causa y Efecto
ayuda a organizar la información sobre las causas de un problema de una
manera lógica que puede usarse en el proceso de solución de problemas. La
técnica se emplea efectivamente en los círculos de calidad para este propósito.
122
TECSUP – PFR Gestión del Mantenimiento II
Ejemplo 2
El análisis de Pareto hecho para los tractores del ejemplo 1 muestra sin ninguna
duda que el sistema de tracción es el mayor contribuyente de los costos
elevados. Las posibles causas para este problema son ahora analizadas usando
el diagrama de Causa y Efecto 4M. Este se muestra en la figura 6.2.
Entrenamiento
Ancho del corte
Mal diseño Supervisión
Velocidad de remoción
Trabajo Inclinado
Superficies rocosas
Arado
123
Gestión del Mantenimiento II TECSUP – PFR
4. DIAGRAMAS DE CONTROL
1. Las mayores mediciones del proceso de vida real tienen una distribución
normal, con una media característica µ y una desviación estándar σ. Si el
proceso es cambiante, la media µ y la desviación estándar σ cambiarán en
todo momento.
2. La distribución de nuevas mediciones serán las mismas que las mediciones
históricas, si no hay cambio en el proceso. En otras palabras µ (la media de
los datos) y σ (la desviación estándar) permanecerán iguales para un
proceso estacionario. La distribución Normal o de Gauss es una distribución
en forma de campana simétrica. La probabilidad mas elevada esta situada
en el valor esperado de un dato simple, µ. El ancho de la campana depende
de la variabilidad de los datos, determinado por la desviación estándar, σ.
La probabilidad de ocurrencia tiende a cero en los dos extremos del eje X, ±
∞. La distribución Normal se muestra en la figura 6.3.
µ = Media
σ = Desviación Estándar
xi = Observación i
n = Numero de Observaciones.
DISTRUBUCIÓN NORMAL
0.08
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0.00
1 5 9 13 17 21
124
TECSUP – PFR Gestión del Mantenimiento II
La distribución Normal tiene la propiedad que el 68,27% de todos los datos con
esta distribución caerán dentro del rango µ ± σ. Esto puede extenderse al
95,45% de todos los datos que caen dentro del rango µ ± 2σ y 99,73% que caen
dentro del rango µ ± 3σ. Estas propiedades pueden ahora usarse para
determinar si los nuevos datos conforman la misma distribución o no. Estas
propiedades se ilustran en la figura 6.4. Llega a ser costumbre utilizar los límites
µ ± 3σ para propósitos de control. Con estos límites cualquier dato que
pertenece a la misma distribución con una probabilidad de 99.73% cae dentro de
los límites µ ± 3σ. Podríamos decir que cualquier dato que cae fuera de estos
límites no proviene de la misma distribución (con alta probabilidad).
Ejemplo 3
125
Gestión del Mantenimiento II TECSUP – PFR
Disponibilidad
Mes
%
1 84
2 83
3 86
4 81
5 85
6 86
7 85
8 86
9 89
10 87
11 85
12 88
13 84
14 87
15 82
126
TECSUP – PFR Gestión del Mantenimiento II
DISPONIBILIDAD
%
Límite Superior de
92 control
90
88
86
84 Valor Esperado
82
80
Límite Inferior de
78
control
76
74
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Mes
127
Gestión del Mantenimiento II TECSUP – PFR
5. CURVA SUAVIZADA
ai = (Σxi)/n
si = α.x + (1 - α) si-1
128
TECSUP – PFR Gestión del Mantenimiento II
α = constante de suavizado
Los valores de α que simularán una media móvil en el periodo “n” pueden
calcularse desde:
α = 2/(n+1)
Ejemplo 4
129
Gestión del Mantenimiento II TECSUP – PFR
Media
móvil
Mes 5 Exponencial
Disponibilidad meses Suavizada
% (%) (%)
α=0.4
1 84 84.0
2 83 83.6
3 86 84.6
4 81 83.1
5 85 83.8 83.9
6 86 84.2 84.7
7 85 84.6 84.8
8 86 84.6 85.3
9 89 86.2 86.8
10 87 86.6 86.9
11 85 86.4 86.1
12 88 87.0 86.9
13 84 86.6 85.7
14 87 86.2 86.2
15 82 85.2 84.5
DISPONIBILIDAD
92
90
88
86
84
82
80
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Meses
130
TECSUP – PFR Gestión del Mantenimiento II
6. DIAGRAMAS CUSUM
Otro método de determinar si los datos tienen una tendencia es usando los
diagramas Cusum. Esta es una técnica muy útil debido a la amplificación de la
tendencia (si hay tal en los datos).
El primer método Cusum (la acumulación total de una serie de datos respecto al
tiempo) indicará una tasa de aumento si la curva disminuye en el tiempo. No se
mostrará tendencia por una inclinación ascendente constante del Cusum. El
segundo método Cusum (diferencia acumulada entre los datos y un valor
constante) mostrará una tendencia creciente (curva hacia arriba) si la media de
los datos es mayor que el valor de referencia. Por otro lado, la curva se
arqueará hacia abajo si la media de los datos es menor que el valor de
referencia.
Ejemplo 5
131
Gestión del Mantenimiento II TECSUP – PFR
Cusum Acumulativa
1400
1200
1000
800
600
400
200
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Meses
132
TECSUP – PFR Gestión del Mantenimiento II
Diferencia
Mes Disponibilidad Media Diferencia Acumulada
% % % %
1 84 84 0 0
2 83 84 -1 -1
3 86 84 2 1
4 81 84 -3 -2
5 85 84 1 -1
6 86 84 2 1
7 85 84 1 2
8 86 84 2 4
9 89 84 5 9
10 87 84 3 12
11 85 84 1 13
12 88 84 4 17
13 84 84 0 17
14 87 84 3 20
15 82 84 -2 18
133
Gestión del Mantenimiento II TECSUP – PFR
25
20
15
10
-5
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Meses
-2
-4
-6
-8
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Meses
134
TECSUP – PFR Gestión del Mantenimiento II
7. PRONÓSTICO
• Curva lineal: y = ax + b
• Curva Cuadrática: y = ax2 + bx + c
• Curva Hiperbólica: y = a/x + b
• Curva Exponencial: y = abx
• Curva Geométrica: y = axb
Procedimientos de Ajuste
y = ax + b
a=
b = y – a.x
x= Media de x valores en los datos
y= Media de y valores en los datos
xi a xn = Valores individuales de x en los datos
yi a yn = Valores individuales de y en los datos
y = ax2 + bx + c
135
Gestión del Mantenimiento II TECSUP – PFR
Si los puntos (1/xi, yi) forman una línea recta cuando se plotean, se podrá
encajar una curva Hiperbólica a los datos. La ecuación para una curva
Hiperbólica es:
y = a/x + b
Para encajar una curva exponencial a una base de datos específica los
puntos (xi, log yi) deben caer en una línea recta cuando sean ploteados.
La ecuación de la curva exponencial es:
y = abx
Para encajar una curva geométrica a una base de datos específica, los
puntos (log xi, log yi) deben tener un coeficiente de correlación que están
dentro de límites aceptables (ver el siguiente párrafo la discusión del
coeficiente de correlación). La ecuación geométrica es de la forma:
y = axb
136
TECSUP – PFR Gestión del Mantenimiento II
8. COEFICIENTE DE CORRELACIÓN
Para establecer si una línea recta encaja bien o mal, se puede calcular el
siguiente coeficiente:
r= Coeficiente de correlación
x= Media de x valores en los datos
y= Media de y valores en los datos
xi a xn = Valores individuales de x en los datos
yi a yn = Valores individuales de y en los datos
La prueba anterior es valida para determinar si una línea recta encaja bien para
una base de datos específica. Puede usarse en las 5 curvas descritas
anteriormente linealizando primero los datos. Esto se resume en la tabla 14.6.
Los límites dentro de los cuales los valores de “r” deben caer para presentar un
buen encaje son los siguientes:
137
Gestión del Mantenimiento II TECSUP – PFR
Pronósticos
Aunque los valores “y” calculados como se describió anteriormente dan los
valores correctos si la tendencia continua exactamente como se encontró desde
los datos originales, hay siempre una cierta cantidad de incertidumbre
involucrada. La mejor manera de pronosticar debería ser calcular el rango de
valores dentro del cual los valores específicos de “y” podrían caer. Esto se hace
primero calculando un intervalo del tamaño:
Donde:
tα/2 pueden leerse desde las siguiente tabla donde (el numero de grados libertad)
puede calcularse desde: v = n – 2
138
TECSUP – PFR Gestión del Mantenimiento II
y0 - ∆y < y < y0 + ∆y
Ejemplo 6
Ajuste Lineal
90
88
86
84
82
80
78
76
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Meses
139
Gestión del Mantenimiento II TECSUP – PFR
90
88
86
84
82
80
78
76
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Curva r
Lineal 0.249
Cuadrática -0.056
Hiperbólica -0.304
Exponencial 0.247
Geométrica 0.927
El mejor ajuste esta dado por la curva geométrica con un valor de “r” de 0.93.
La curva lineal y exponencial con r = 0.25 cayeron en la misma línea y presentan
el segundo mejor ajuste (aunque el valor de “r” esta fuera de los límites
establecidos en la tabla 7). La curva geométrica tiene una curvatura hacia abajo,
por lo que sugiere que la disponibilidad esta decreciendo fuertemente. La
función de esta curva geométrica es:
y = 85,5.x-0,0024
140
TECSUP – PFR Gestión del Mantenimiento II
Límite Límite
Disponibilidad
Superior Inferior
Mes pronosticada ∆y
(y + (y -
%
∆y) ∆y)
16 84.93 5.30 90.23 79.63
17 84.92 5.48 90.40 79.44
18 84.91 5.66 90.57 79.25
19 84.90 5.84 90.74 79.06
20 84.89 6.02 90.91 78.87
DISPONIBILIDAD PRONOSTICADA
92
90
88
86
84
82
80
78
76
74
72
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Mes
141
Gestión del Mantenimiento II TECSUP – PFR
142