Instituto Politécnico Nacional

Unidad Profesional Interdisciplinaria de

Ingeniería y Ciencias Sociales y
Administrativas

Gestión del mantenimiento.

Sec: 4IV71.
Equipo: 4
Prof.: Ing. Domínguez Barona Héctor

Unidad temática: IV
Mantenimiento Centrado en la Confiabilidad
(MCC)

Integrantes:
• Albores Ruiz Jorge Luis
Confiabilidad en serie y
en paralelo
 CONFIABILIDAD

Se define como la probabilidad de que un equipo no

falle, es decir, funcione satisfactoriamente dentro de los
límites de desempeño establecidos, en una determinada
etapa de su vida útil y para un tiempo de operación
estipulado, teniendo como condición que el equipo se
utilice para el fin y con la carga para la que fue
diseñado.
 CONFIABILIDAD IDEAL
 El valor ideal de la confiabilidad es el 100%; con esto se señala que si un
equipo es 100% confiable durante un tiempo predeterminado, este equipo
sin ninguna duda está trabajando durante ese tiempo considerado; por lo
tanto:
Confiabilidad ideal = 1
 En la práctica, esta confiabilidad no existe, pues siempre hay la posibilidad
de que un equipo falle. La no confiabilidad es la probabilidad de que un
equipo falle; por lo tanto, es el complemento de la fiabilidad
Confiabilidad de un equipo = Confiabilidad ideal - No confiabilidad del equipo

 Si llamamos a la confiabilidad de un equipo F y a la no confiabilidad N,

tenemos:
F=1-N
 CONFIABILIDAD. SISTEMAS
EN SERIE

 Los sistemas en serie se caracterizan por que el

funcionamiento de cada ítem que lo compone
depende directamente del funcionamiento del
componente que lo antecede y precede; es decir, si
uno de los componentes falla, falla todo el sistema.
 La confiabilidad del sistema está dada por:

Donde Cf1, Cf2,....., Cfn son las confiabilidades de cada ítem.

De la expresión anterior, se concluye que la confiabilidad del
sistema es el producto de las confiabilidades individuales de sus
componentes.
 Generalizando para n componentes

Donde:
RS: Confiabilidad del sistema.
Rj: Confiabilidad del j-ésimo componente.
Es el carácter multiplicativo de las confiabilidades que hace a este
sistema tan sensible a las fallas.
Dado que la confiabilidad de un sistema en serie es el producto de
las confiabilidades de sus componentes, se puede concluir que: La
confiabilidad total de un sistema en serie es menor que la
confiabilidad de cualquiera de sus componentes
SISTEMAS EN PARALELO

 Según Lourival Tavares: “La confiabilidad final de un

conjunto de equipos, será obtenida por la suma de
los productos de las confiabilidades de cada ítem por
sus capacidades de producción, dividido por la suma
de las capacidades de producción de esos ítems”
 Según la definición anterior, la confiabilidad de un sistema en
paralelo está dada por:

Donde Cf1, Cf2,...., Cfn son las confiabilidades de cada uno de los
equipos.
Pr1, Pr2,...., Prn son las participaciones de cada uno de los equipos
en la producción del sistema evaluado.
 Generalizando para n equipos en paralelo:

De la expresión anterior, se concluye que el paro de un equipo no

implica el paro del sistema. Esta característica de los sistemas en
paralelo se debe al carácter aditivo de las confiabilidades
ponderadas con la producción de cada uno de ellos.
Con respecto a la participación en la producción de cada uno los
equipos involucrados, es válida la siguiente observación: No
necesariamente la sumatoria de las participaciones debe ser 100%
pues, por lo general, las líneas de producción son
sobredimensionadas.
 SISTEMAS REDUNDANTES
 Se entiende por un sistema redundante, un sistema que permanece
en stand bay (reserva) con el propósito de garantizar la operación
normal del proceso. En la realidad, sistemas completos en reserva
son poco comunes, por el costo que ello implica. Un ejemplo de ello
lo constituye una planta donde se producen químicos letales para el
ambiente y la vida en general. En este tipo de plantas se hace
obligatorio tener un sistema de control de emisiones al ambiente en
reserva por las implicaciones que se derivan de la emisión al
ambiente de estos químicos. Lo que si es común, es tener equipos de
reserva para garantizar la normal operación del proceso.
 Citando nuevamente a Lourival Tavares, un sistema redundante se
puede definir como: “Cualquier elemento que tenga por un período
el 100% de confiabilidad hace “1” a toda la ecuación. Ocurrida la
falla, si la conmutación es inmediata, la confiabilidad se mantendrá
en el 100% hasta la siguiente falla de este elemento”
 Según la definición anterior, la confiabilidad de un sistema redundante está
dada por:

Donde las variables tienen el mismo significado que en los casos anteriores.
 Generalizando para n equipos:

De la expresión anterior se puede concluir lo siguiente:

La redundancia, que en la ecuación (10) es representada por el uno fuera del
producto, garantiza una confiabilidad cercana al 100% al sistema productivo,
siempre y cuando la conmutación (o el cambio al sistema en reserva) se haga
inmediatamente. Dicha ecuación también nos dice que si al menos un
componente del sistema tiene confiabilidad del 100%, todo el sistema alcanza
una confiabilidad del 100%.
Con respecto a los comentarios anteriores, es importante señalar que el sistema
redundante no se menciona en la literatura técnica, y que la ecuación para su
cálculo la toma para un sistema en paralelo.
La fórmula para calcular la confiabilidad para un sistema en paralelo es un
aporte importante del Ing. Lourival Tavares, la cual verifiqué con datos reales y la
comparé con la ecuación que tradicionalmente se emplea para el sistema en
paralelo, siendo la indicada por Tavares la que arrojó datos fiables.
APLICACIÓN DE MODELOS PARA
LA PROGRAMACION DEL
MANTENIMIENTO PERIODICO
(EXPONENCIAL, POISSON Y
VALOR ESPERADO)
 MODELO EXPONENCIAL
 La función de distribución, de uso generalizado para
modelar la fiabilidad de los equipos, es la exponencial.
Esta función, además de ser muy sencilla, se adapta muy
bien a la zona central de la curva de la bañera en que la
que la tasa de fallos es constante y aleatoria; esto implica
que la unidad no presenta síntomas de envejecimiento6
durante el periodo modelado, o lo que es lo mismo, es
igualmente probable que falle cuando está más nueva
que cuando no lo está. Empleando esta distribución se
considera que un elemento que aún no ha fallado es tan
bueno como un componente nuevo.
 La distribución exponencial aparece cuando la tasa de
fallos es constante, es decir:
:
 La función de fiabilidad correspondiente es entonces:

 La función de distribución de probabilidad de fallo, por tanto:

 y la función de densidad f (t):

 El valor esperado y la varianza de una variable aleatoria X con

distribución exponencial son:

El modelo exponencial, con un solo parámetro, es el más simple

de todos los modelos de distribución del tiempo de vida, la forma
de sus principales ecuaciones quedan recogidas en las siguientes
gráficas
a) Densidad de
probabilidad
b) Fiabilidad R(t)
c) Tasa de fallos h(t) de
la distribución
exponencial
 La distribución exponencial es un caso particular
de la distribución de Poisson con k = 0. Ambas
distribuciones están muy relacionadas en
mantenimiento a través de la teoría de colas. Así
Poisson modela la llegada de equipos con avería,
mientras que la exponencial da los tiempo sin
servicio o huecos de trabajo en la teoría de colas
(cuando el valor de k=0, no hay equipos con
avería o no hay equipos en la cola de espera).
Ejemplo

 Una cargadora de ruedas presenta una tasa horaria

de fallos de 0.025. Determinar la probabilidad de que
la cargadora falle durante las primeras 100 h de
servicio. Suponer que la fiabilidad de la cargadora se
ajusta a una distribución exponencial.
 MODELO DE POISSON

La distribución de Poisson y su correspondiente proceso estocástico

reciben nombre en honor al matemático francés Simeon Denis
Poisson (1781-1840).
Si el número de eventos aleatorios, internos o externos, que llegan a
un componente o sistema cumplen que:
 1. Los eventos llegan uno a la vez.
 2. El número de eventos que llegan durante un intervalo de
tiempo no afecta el número de llegadas durante otro intervalo
de tiempo.
 3. Los eventos son independientes entre sí.
 4. La tasa media de llegada de los eventos (λ) permanece
constante. Entonces, se dice que el proceso aleatorio de llegada
de eventos es un proceso de Poisson con parámetro λ.
 Es conveniente recordar que se debe tener cuidado al
tomar decisiones o hacer inferencias con base en
valores medios o esperados pues éstos indican lo que
sería el promedio estadístico al observar muchas veces
la variable aleatoria. No significan que sean el valor más
probable o el que ocurre más frecuentemente.
Además, el valor medio puede ser un valor imposible de
obtener físicamente. El parámetro λ se conoce como
tasa de eventos o densidad de eventos y se mide
como:
 λ = # de eventos / periodo de tiempo (5)
 Debido a la independencia entre los eventos, el
proceso de Poisson es un proceso sin memoria pues la
llegada de un evento no depende de los eventos que
ya llegaron.
 EJEMPLO
 Un panel de control en el que se da seguimiento a las máquinas de
una mina tiene una tasa horaria de fallos de los diodos que lo
componen de 0.0015. El panel se espera que esté encendido por
1000 h y el número máximo de fallos esperable es de 2. Determinar:
a) Probabilidad de que ocurran exactamente 0, 1 y 2 fallos. b)
Probabilidad de que tengan lugar menos de s fallos.
 Tiene su origen en los juegos de azar, debido a que los jugadores
deseaban saber cual era su esperanza de ganar o perder con
un juego determinado. Como a cada resultado particular del
juego le corresponde una probabilidad determinada, esto
equivale a una función de probabilidad de una variable
aleatoria y el conjunto de todos los resultados posibles del juego
estará representado por la distribución de probabilidad de la
variable aleatoria. El valor esperado o esperanza es muy
importante, ya que es uno de los parámetros que describen una
variable aleatoria.

Sea X una variable aleatoria discreta con

función de probabilidades f(x). Entonces, el valor
esperado de la variable aleatoria X, el cual se
representa por E(X), está definido por:

E(X) =  xi f(xi)
EJEMPLO
 MODELO DE VALOR ESPERADO PARA ESTIMAR COSTOS
DE MANTENIMIENTO CORRECTIVO
 La empresa WTS ha experimentado los números de
reparaciones por mes en su sistema de
procesamiento automático de reservaciones durante
los 2 últimos años, que se indican en la siguiente tabla.

NUMERO 0 1 2 3 4
DE FALLAS
NUMERO 2 8 10 3 1
DE MESES
QUE ESTO
OCURRE
 ANALISIS DEL PROBLEMA
Cada reparación cuesta a la empresa un promedio de $280. por un
costo de $150 por mes, WTS puede contratar a una empresa de
procesamiento de datos para realizar el mantenimiento preventivo,
la cual garantiza que limita el numero de reparaciones a un
promedio de una por mes
 ¿Qué arreglo de mantenimiento es preferible desde un punto de
vista del costo, la política actual de reparaciones o un contrato
de mantenimiento preventivo ?
 Convirtiendo la frecuencia en una distribución de probabilidad y
determinando el costo esperado por mes de reparaciones
tenemos la siguiente tabla.
Numero de fallas Frecuencia en Frecuencia en Valor esperado
X meses f(x) porcentajes P(X) X*P(X)

0 2 0.083 0.0

1 8 0.333 0.333

2 10 0.417 0.834

3 3 0.125 0.375

4 1 0.042 0.168

∑24 ∑1.710
 COSTO DE REPARACIONES POR MES
 Costo esperado = 1.71 reparaciones/mes
$280/reparacion = $479/mes
 Costos de mantenimiento preventivo por mes : dado que la
empresa procesadora garantiza que limita el costo a un
promedio de una reparacion por mes y el numero
esperado ( 1.710 ) es mayor que 1 , debemos suponer que
WTS a largo plazo siempre incurrira en el costo de una
reparacion por mes
 Costo promedio de reparacion /mes $280
 Costo del contrato de mantenimiento/mes $150
 Total $430
 Ventaja del mantenimiento preventivo = $479 - $430 =
$49/mes