Documente Academic
Documente Profesional
Documente Cultură
CONFIABILIDAD
Modelos de Optimización
HISTOGRAMA
10
8
FALLAS
6
4
2
0
1 2 3 4 5 6 7 8 9 10
MESES
Serie1
MES ENERO FEBRERO MARZO ABRIL MAYO JUNIO JULIO AGOSTO SEPTIEMBRE OCTUBRE TOTAL
FALLAS 2 5 7 8 7 6 5 4 3 1 48
1- pdf Probability Density Function
En estudios de mantenimiento necesitamos pasar del anterior histograma a
funciones continuas, debido que la variable tiempo a la falla es continua.
Esta funciones nos dan una idea clara de la distribucion de fallas.
Empezamos por la función llamada pdf que indica la densidad probable de
fallas en cada intervalo t, cuyo total será el área encerrada bajo la curva e
igual a: pdf = 48/48 =1
Pudiendo llamar a t1 y t2, -∞ y ∞ respectivamente
FUNCIONES
10
f(t)
0
1 2 3 4 5 6 7 8 9 10
meses
2- cdf Cumulative Density Function aquí de -∞ a Tiempo t,
seria la probabilidad de que falle en tiempo t. Representando
el área bajo la curva - ∞ a t, la acumulación de fallas
transcurrido t (el fracaso)
• cdf= 14/48
FUNCION cdf
10
f (t) 5
0
1 2 3 4 5 6 7 8 9 10
meses
Tiempo t
• 3- R (t) Reliability. Esta es la probabilidad de éxito o
sea que sobrevivan sin falla transcurrido el mismo
tiempo t. Representando el área bajo la curva t a
infinito.
• R(t)= 1- cdf
FUNCION R (t)
10
8
6
f(t)
4
2
0
1 2 3 4 5 6 7 8 9 10
Tiempo t meses
El ultimo tipo de función que tenemos derivada de las anteriores
funciones es la Función Riesgo, también llamada tasa de falla λ en
determinados contextos como el de mantenimiento.
– Inadecuada Instalación.
– Error armado-reparación.
– Problemas de Calidad
4- Desgaste por
envejecimiento
– Rodamientos.
– Corrosión
• Dist. Exponencial
• Dist. Normal
• Dist. Lognormal
• Dist. Weibull
Que representan familias de
ecuaciones (o curvas graficas)
cuyos miembros varían en forma,
porque difieren sus parámetros.
• Con estos conceptos probabilísticos podemos iniciar la
batalla contra la incertidumbre de las fallas en las
plantas complejas.
Preventive Redesign
Maintenance Vibration
- monitoring
- analysis
Ad hoc
Cleaning Maintenance
- during operation Lubricant Analysis
- prior to maintenance - Oil Condition
- Wear Particles
Lubrication
- routine while running Electrical
- start/end of shift - Current analysis
- Motor condition
Minor
Adjustments N.D.T.
- thermography
- ultra sonics
- X- ray
Often "Preventive Maintenace"
Programs include all these activities Inspections
- by Operators
- by Maintenance
(Daily/Weekly)
• De acuerdo a lo mostrado las funciones
descriptas son transformadas en Distribución
de Probabilidades ploteando DATOS
históricos o utilizando Bases de Datos como
las OREDA. Para encontrar la distribucion
apropiada para un componente o sistema
real tenemos dos posibilidades:
– Comentarios
Algunos motores han servido a la planta por 18 años.
Fallas anteriores a esta fecha ponen en duda
expectativa de vida.
T abla 3.2. Fallas en bobinados de grandes m otores: datos de falla y cálculos de riesgo
R iesgo
M otor R ango Años R iesgo
acum ulado
C -70 20 8
C -71A 19 8
C -71B 18 8
P-70A 17 8
P-70B 16 8
P-71 15 8
C -25 14 10
C -11 13 11 a 7.69 7.69
C -52 12 12 a 8.33 16.03
C -13 11 13 a 9.09 25.12
C -31 10 13
C -53 9 15 a 11.11 36.23
C -41 8 16 a 12.58 48.73
C -91 7 17 a 14.29 63.01
C -32A 6 17
C -32B 5 17
C -01 4 18 b a
F allas en bobinados
C -30 3 18
b
C -50 2 18 R em plazo preventivo
C -51 1 18 de los bobinados
Ploteo de datos en papel de
Weibull
• El procedimiento
es convertir los
datos de falla
representativos
de cdf , esto es
realizado
ploteando en
Weibull tiempo a
la falla contra
funcion cdf
Resultado de cálculos utilizando
modelo matemático
Gráfico Resultante
Costos esperados de reemplazo en funcion del tiempo para
Motor Electrico Falla Bobinado
Costo Costo del
mantenimiento
preventivo por
downtime
Curva de
costo total
Costo del
Ctp MINIMO
recurso de
mantenimiento
preventivo
Remplazo Optimo
Costo del mantenimiento
correctivo por downtime
(paradas imprevistas)
3. MONITOREO DE CONDICION.
Beneficio por frecuencia optima
1. Mientras que con el reemplazo preventivo nos
centramos en la última parte de la curva de la
bañera, con las inspecciones estamos actuando en
la parte de Vida Útil, donde las fallas son aleatorias
y responden a la exponencial negativa.
MTTF = 1/λ
2. Tiempo de reparación 1/µ Nº reparaciones
/unidad de tiempo
3. Política de Inspección 1/i Nº inspecciones/unidad
de tiempo
4. Expresamos con B al valor del beneficio si no hay
paradas.
5. Costo promedio de la Inspección por unidad de
tiempo I.
6. Costo promedio de reparación por unidad de tiempo
no interrumpido R.
P(n): Valor del Beneficio con operación interrumpida
por reparaciones en la unidad de tiempo.
P(n)= B - B -B -R -I
• Sustituyendo en 1
• La premisa fundamental sobre la que se basa el
Mantenimiento Planificado es muy sencilla, no
basta con reparar la avería una vez ocurrida
sino que es necesario prevenirla. Con este
objetivo nosotros realizamos inspecciones
periódicas de los equipos y rectificamos
cualquier menor defecto. Lógicamente estas
inspecciones tienen costo en términos de M.O. ,
insumos, materiales y Hs de Producción.
• El Objetivo es determinar la política de
Inspección que dé el balance correcto entre el
número de inspecciones y los beneficios
resultantes de su aplicación.
La importancia de la confiabilidad también depende
del alcance que demos a nuestra probabilidad de éxito
a veces llamado Factor de Servicio F= 1- R(t).
Pensemos que tener un factor de servicio del 99 %
(eficiencia) seria bastante bueno.
Sin embargo en EEUU ocasionaría :