Confiabilidad

Universidad Nacional del Callao
Facultad de Ingeniera Mecnica-Energa

PER
Maestra en Gerencia de Mantenimiento
Confiabilidad y anlisis de falla

(Material Complementario para el Curso)
Autora: Dra. Ing. Estrella Mara de la Paz Martnez
-2015-
Presentacin del curso:
Si el Mantenimiento se ha convertido en una estrategia empresarial de competitividad, es preciso que
tome en consideracin, no solo medidas tcnicas, sino tambin medidas econmicas y organizativas.
Se requiere entonces de un proceso de capacitacin y formacin continua de las personas
involucradas, fundamentalmente en las tcnicas ms avanzadas, de manera que puedan tomar
decisiones que conlleven a que el ciclo de vida de sus activos sea costo eficiente.
Las tcnicas ms avanzadas incluyen tanto mtodos cualitativos como cuantitativos. Estos ltimos,
son en muchas ocasiones obviados, por considerarse demasiado complejos o simplificados en
forma arbitraria para que se apliquen aunque sea superficialmente.
El mantenimiento debe evitar las fallas de un sistema reemplazando peridicamente sus partes,
afinndolo, limpindolo o reparndolo. Es importante establecer procedimientos de mantenimiento
basados en las propiedades de la confiabilidad de los componentes del sistema, pero que sean
econmicos y permitan la disponibilidad del mismo.
El punto de partida para la realizacin de un estudio de fiabilidad es la informacin cualitativa y

cuantitativa que sobre los fallos se tenga a disposicin (Estadstica de fallas). Existen diversos
formatos para su recoleccin, pero lo ms importante es recopilarla.
Peter Drucker hace dos afirmaciones bsicas: Primero, afirma que pocos factores son tan
importantes para la actuacin de la organizacin como la medicin. Segundo, lamenta el hecho de
que la medicin sea el rea ms dbil de la gestin en muchas empresas.
Las estadsticas permiten responder preguntas como:

cules son las averas que ms se han producido en el ltimo trimestre?
qu tipo de reparaciones han generado mayores egresos?
en cul etapa del ciclo de vida se encuentra cada uno de los equipos de la planta?
cul es el tiempo promedio de estada de sus equipos principales?
cul es el tiempo medio entre fallos de cada equipo? Cules son los tiempos promedios,
mximos y mnimos de reparaciones por tipo de averas?
Un ATRIBUTO del MANTENIMIENTO CLASE MUNDIAL es: Utilice herramientas estadsticas.

Mantenimiento aprende:
con el anlisis estadstico de fallas.
con los intervalos del mantenimiento preventivo.
con el ciclo de vida til.
Los mtodos cuantitativos son sumamente tiles para tomar decisiones ptimas en el campo de la
Gestin de Mantenimiento y en la Gestin de activos en general, sin embargo no se utilizan en la
prctica. Por qu?
Los sistemas comunes de reportes de datos no ofrecen informacin creble al nivel de modo
de fallo.
Muchas decisiones pueden ser tomadas a partir de anlisis cualitativos.
Sin datos cuantitativos la credibilidad de los resultados no puede ser cuestionada en alguna
discusin de validez de nmeros.
Pero esencialmente, no se utilizan porque: Muchas personas simplemente NO COMPRENDEN los
valores de la fiabilidad cuantitativa ni saben cmo llegar a ellos por su relativa dificultad matemtica.
Este Curso pretende: demostrar que pueden ser comprendidos y utilizados los mtodos estadsticos
- probabilsticos y las tcnicas cuantitativas en general, en la prctica del anlisis de la Confiabilidad
del equipamiento y de la efectividad del mantenimiento, adems de los mtodos cualitativos.
Confiabilidad y anlisis de falla 2

Dra. Ing. Estrella M. de la Paz Martnez. UCLV, Cuba.
Objetivo general:
Aplicar anlisis estadstico en los datos de fallos de los equipos de manera que al aplicar la Ingeniera de
confiabilidad se puedan gestionar mejor los activos optimizando los plazos de intervencin de mantenimiento y
la prevencin de fallas.
Objetivos especficos:
1. Relacionar la Estadstica de fallas con las decisiones en mantenimiento de activos fijos tangibles a partir del
anlisis cuantitativo de datos de fallos del equipamiento considerando su Ciclo de Vida.
2. Calcular ndices de Confiabilidad de equipos a partir de sus datos de fallos.
3. Utilizar software especfico de ayuda a las decisiones sobre mantenimiento, basadas en la Ingeniera y la
Gestin de la Confiabilidad.
4. Conocer las caractersticas, metodologa de implantacin y desarrollo del Mantenimiento Centrado en la
Confiabilidad.
5. Conocer y discutir las tcnicas fundamentales de Anlisis de Fallas y sus aplicaciones.
Metodologa de imparticin:
Exposiciones tericas presentadas con apoyo de medios tcnicos y la utilizacin de mtodos participativos
(40%), tcnicas de trabajo en grupo para estudio de casos de equipos crticos de diferentes procesos
productivos, todo ello sostenido con el manejo de software especfico (60%). Se utiliza el mtodo de aprender-
haciendo y se explica el software segn se avanza en los temas. Se desarrollan varios talleres de solucin de
problemas y se estudian casos reales de empresas peruanas.
Contenido:
Tema I. Las estrategias de Mantenimiento y la Estadstica de fallos.
Introduccin a las decisiones gerenciales sobre los Activos fijos a partir de su desgaste. Las Estrategias de
Mantenimiento y el anlisis estadstico. El mantenimiento y la confiabilidad. Los fallos. Criterios de clasificacin
de fallos. Los fallos y su comportamiento en el tiempo. La curva de Supervivencia. La tasa de fallos. La curva
de la baera. Los datos de fallos. Recoleccin de datos de fallos en el Tiempo: Tiempo Entre Fallos, Tiempo de
Operacin, Tiempo Fuera de Servicio, Tiempo de reparacin. Estadstica descriptiva de datos de fallos en el
tiempo. Prueba para valores extremos.
Tema II: Anlisis probabilstico-estadstico de datos de fallos en el tiempo.
La Fiabilidad como una probabilidad. Probabilidades. Conceptos esenciales. Variables aleatorias. Funciones de
Distribucin de Fallos (Normal, Exponencial, Weibull, entre otras) que aplican al anlisis de datos de fallos en el
tiempo y al clculo de la Fiabilidad. Medidas de tendencia central: El TMEF (MTBF) y otros ndices de
operatividad. Clculo de probabilidad de fallos en el tiempo. Ajuste de datos de fallos a modelos probabilsticos.
Software especfico para el ajuste a distribuciones.
Tema III: Anlisis cuantitativo de la Confiabilidad
Propiedades e ndices Simples y Complejos de la Confiabilidad. Clculo de ndices de Operatividad para
artculos Reparables y NO Reparables. Software para el clculo de ndices de fiabilidad. Decisiones. La
Disponibilidad como ndice complejo de la Confiabilidad. Fiabilidad estructural. Algunas Tcnicas de anlisis
de fiabilidad de sistemas complejos.
Tema IV: El Mantenimiento Centrado en la Confiabilidad (RCM) y otras Tcnicas de anlisis de fallas
Anlisis cualitativo de la Confiabilidad. Mantenimiento Centrado en Confiabilidad (RCM). Funciones principales
y secundarias, Fallo Funcional, Modos de fallo, Efectos del fallo. Metodologa de implantacin de RCM.
Herramientas para responder a las preguntas bsicas. Tcnica AMFEAC. Anlisis de criticidad. Diagramas de
decisin de RCM. Intervalos P-F. Confiabilidad operacional. ACR y otras tcnicas de anlisis de fallas.

Tema I. Las estrategias de Mantenimiento y la Estadstica de fallos.
Introduccin a las decisiones gerenciales sobre los Activos fijos a partir de su desgaste. Las
Estrategias de Mantenimiento y el anlisis estadstico. El mantenimiento y la confiabilidad. Los fallos.
Criterios de clasificacin de fallos. Los fallos y su comportamiento en el tiempo. La curva de
Supervivencia. La tasa de fallos. La curva de la baera. Los datos de fallos. Recoleccin de datos de
fallos en el Tiempo: Tiempo Entre Fallos, Tiempo de Operacin, Tiempo Fuera de Servicio, Tiempo de
reparacin. Estadstica descriptiva de datos de fallos en el tiempo. Prueba para valores extremos.
A los activos fijos muchas veces se les llama simplemente equipos, equipamiento o instalaciones, algunos autores
[Portuondo Pichardo, 1990 entre otros] los han denominado como fondos bsicos productivos y otros [Thuesen et al.,
1993] como bienes de produccin.
No obstante a las diferentes denominaciones, todos coinciden en que:

Son objetos fsicos.
Son medios que participan en el proceso de produccin ms de una vez.
Tienen vida limitada.
Pierden su valor a medida que se desgastan.
Transfieren su valor al producto en cuya elaboracin participan.
Existen tambin varias clasificaciones de activos fijos que no presentan diferencias significativas. En Cuba, por ejemplo, los
activos fijos se clasifican en nueve grupos que se identifican con su contenido y ejemplos para industrias, en la tabla 1.
Tabla 1. Una Clasificacin de los activos fijos.

GRUPO DENOMINACION EJEMPLOS
1 Edificios Industriales, de vivienda, para deportes, naves.
2 Otras construcciones Cimentaciones, carreteras, tanques, torres de
enfriamiento.
3 Mquinas y equipos energticos Compresores, bombas, calderas, motores,
transformadores.
4 Mquinas y equipos productivos Hornos, mquinas y equipos de industrias especficas.
5 Aparatos y equipos tcnicos especiales Instrumentos de medicin, mquinas de oficina,
computadoras.
6 Medios y equipos de transporte Camiones, barcos, aviones, ferrocarril.
7 Muebles y otros objetos Equipos de iluminacin de uso domstico, muebles,
objetos de proteccin.
8 Animales Animales de trabajo.
9 Otros medios bsicos Plantaciones permanentes agrcolas.
Durante su explotacin, los activos fijos van perdiendo sus cualidades productivas: los edificios se deterioran, las mquinas
pierden ajuste y capacidad, algunas instalaciones se corroen y determinadas partes sufren fatiga. Sobre las edificaciones
influyen principalmente fenmenos naturales como los rayos solares, la lluvia, el viento y los movimientos de la corteza
terrestre. Sobre las mquinas inciden el desgaste mecnico, la fatiga, el desgaste molecular y la corrosin. Todo esto
puede resumirse como desgaste material o fsico.
Los activos fijos tambin estn sometidos a desgaste moral, el cual se caracteriza por la prdida de su valor y que se
manifiesta aunque estos se mantengan inalterables en su forma material. Las mquinas pierden su valor en la medida en
que pueden reproducirse mquinas de la misma construccin a un precio menor o construirse otras que les hagan la
competencia.
Las causas del desgaste moral pueden ser:

1. El desarrollo cientfico-tcnico de la produccin que permite adquirir equipos de mayor productividad al mismo costo.
2. El aumento de la productividad social del trabajo, que permite adquirir equipos del mismo tipo a menor costo.
3. La combinacin de las anteriores causas, que conducen a la produccin de equipos del mismo tipo, con rendimientos
superiores y por ende, de mayor eficiencia que los existentes.
Debido al desgaste fsico y moral, los activos fijos pierden valor. Al proceso de prdida de valor por desgaste se le conoce
como depreciacin. Ya Peters y Timmerhaus [1968], la haban definido como la reduccin del valor debido al deterioro
fsico, avances tecnolgicos, cambios econmicos u otros factores, los cuales finalmente causan el retiro del equipo.
De todo lo planteado anteriormente se puede concluir que, en el transcurso del proceso productivo, los activos fijos se
desgastan gradualmente, pierden exactitud y potencia y, en ltima instancia, se rompen. Esas roturas o averas crean
interrupciones considerables y pueden llegar a detener el proceso, lo que implica grandes prdidas econmicas.

Alternativas de decisin frente al desgaste de los activos fijos tangibles:
Los activos fijos seleccionados para instalarlos en una empresa, desde que son adquiridos, se insertan en un proceso que
se extiende durante toda su vida til. Tomar decisiones correctas respecto a los activos fijos implica un anlisis tcnico y
econmico basado en la estrategia definida por la organizacin en este sentido.
Segn se aprecia en la figura 1, la decisin puede llevar a una medida que permita, luego de tomada, continuar utilizando el
activo fijo, este es el caso de mantenimiento, ampliacin y modernizacin. Tambin puede decidirse el reemplazo o
sustitucin del mismo si fuera necesario.
INSTALACION
UTILIZACION
DECISION
MANTENIMIENTO AMPLIACION MODERNIZACION REEMPLAZO
FIN DEL CICLO DE VIDA

Fig.1 Ciclo de los activos fijos.
A continuacin se describirn sintticamente estas cuatro medidas, haciendo mayor nfasis en las que se acercan al
objetivo del curso:
La ampliacin es la modificacin que se le realiza al activo fijo encaminada a aumentar su capacidad productiva y conduce
a la elevacin de su valor. Se deber llevar a cabo una inversin para ampliacin solo cuando estn agotadas todas las
reservas existentes en la utilizacin de los activos fijos.
La modernizacin contiene los cambios tcnicos en los equipos o instalaciones de forma que sea posible aumentar su
campo de empleo. Las medidas de modernizacin obran contra el desgaste moral y contribuyen al cumplimiento del tiempo
de utilizacin planificado del activo fijo, pero, como ejecutarlas requiere tiempo, que puede representar perodos de
inactividad y por tanto, prdidas de produccin, se pueden hacer coincidir con una reparacin general.
Ni la ampliacin ni la modernizacin son medidas que se toman a partir de las roturas o del desgaste material de los
activos fijos y s estn en este caso el mantenimiento y el reemplazo.
El trmino reemplazo ha sido abordado por diversos autores en cuanto a la forma de realizarlo y el momento idneo para
ello, as como los factores que conllevan a la decisin de reemplazar. Varios autores, entre ellos Kohler [1990], consideran
iguales los trminos reemplazo y renovacin y los definen como la sustitucin de una partida de activo fijo por otra,
particularmente de una partida vieja por una nueva o de una parte nueva en vez de una parte vieja. Sencillamente se puede
decir, que el reemplazo no es ms que la sustitucin de un activo fsico viejo por uno nuevo, pero, para realizarlo, deben
estar presentes algunos factores que lo justifiquen econmicamente. Un factor importante es la disposicin de reemplazar
mquinas cuando es rentable hacerlo, en lugar de esperar a que ya no funcionen.
Uno de los problemas que individuos y negociantes encuentran frecuentemente es decidir si bienes y equipos existentes
debern o no ser reemplazados por facilidades nuevas y ms modernas. El desgaste de los equipos, unido con el rpido
progreso tecnolgico, el cual resulta en nuevos y mejores aparatos, hace de este un problema siempre presente.
La definicin del trmino mantenimiento ha sido expresada con puntos de vista similares y pequeas diferencias o
adaptaciones al caso de la empresa u organizacin de que se trate. En la dcada de los aos 50 fue definido el
mantenimiento como la realizacin eficiente de todas las inspecciones, reparaciones, revisiones y construcciones
necesarias para establecer y mantener una facilidad o equipo en condiciones para cumplir los requerimientos de operacin
[Morrow, 1957].
Se ha definido el mantenimiento como la conservacin de bienes en condiciones adecuadas de operacin mediante

limpieza, lubricacin, reparacin y ajuste [Kohler, 1990] y tambin como el conjunto de acciones que permiten mantener o
restablecer un bien en un estado especfico o en condiciones de asegurar un determinado servicio. [Payement, 1994.]

Van Kessel [1992] establece el concepto de mantenimiento a partir de su realizacin en uno de los tres modos siguientes:
Break Down Maintenance (realizar el mantenimiento posterior a la avera), Time Based Maintenance (realizar el
mantenimiento tomando como base la utilizacin de la instalacin) y Condition Based Maintenance (realizar el
mantenimiento tomando como base las mediciones de la condicin o estado tcnico del equipo o instalacin).
Se han definido polticas y filosofas de mantenimiento que adems de estar imbricadas en la estrategia productiva
empresarial sientan sus bases en criterios de calidad y costos, tales son, por ejemplo: el TPM o Total Productive
Maintenance [Nakajima, 1988; Pereda, 1993; Monteiro Leite, 1995], el RCM o Reliability Centered Maintenance [Lezana,
1995 y 1996; Pinto & Ferreira, 1995] y el Mantenimiento Protectivo [Desir & Castoln, 1994].
En definitiva, deber decidirse cul de las alternativas de decisin sobre los activos fijos (ampliacin, modernizacin,
mantenimiento o reemplazo) es ms conveniente despus de un perodo, y esta decisin puede ser tomada bajo riesgo,
bajo incertidumbre, bajo conflicto o bajo certeza segn las circunstancias existentes. Una buena ayuda en este sentido es el
Procedimiento de seleccin de alternativas de decisin sobre los medios bsicos que se presenta en el Anexo 1 y
que toma en consideracin el Costo del Ciclo de Vida o LCC (Life Cycle Cost).
CICLO DE VIDA: contempla todo lo que ocurre a un activo, proceso o producto (actividad, reforma o sustitucin), durante
toda la huella de su existencia: DESDE QUE SOLO ES UNA INTENCIN HASTA QUE CESA SU USO.
Evolucin de las tcnicas de Mantenimiento
Con la construccin de las mquinas y su introduccin para multiplicar la limitada labor manual, aparece la tarea de
repararlas; sin embargo, en la mayora de los trabajos en los que se contempla la evolucin del mantenimiento, con ciertas
variaciones en el enunciado, aparece la idea de que el mantenimiento no fue una actividad industrial importante hasta
despus de la Segunda Guerra Mundial. La Segunda Guerra Mundial trajo consigo cambios relevantes en el rea
productiva, pues se introducen tecnologas que propician nuevos conceptos para el logro de la optimizacin del
funcionamiento de los equipos militares, as como en su produccin.
Otro aspecto de la evolucin del mantenimiento es la forma de ejecutarlo. En la poca de las primeras mquinas la funcin
de mantenimiento, entendida como preventiva de averas, no exista y las intervenciones eran todas de urgencia; es decir,
cuando la avera estaba a punto de producirse o ya haba tenido lugar. Se encomendaba casi siempre la reparacin al
propio operador de la mquina al no existir otras personas familiarizadas con sus elementos.
Los accidentes y prdidas que ocasionaron las primeras calderas y la apremiante intervencin de las aseguradoras
exigiendo mayor cuidado para las mquinas [AEM, 1995] proporcionaron la aparicin de los talleres mecnicos, que
aportaban ya un cierto grado de especializacin en las reparaciones. Se intervena a peticin de los operadores o de los
propietarios de las mquinas, pero sin una intencin preventiva en esta actuacin. Con el tiempo dichos talleres se fueron
incorporando a las propias fbricas como personal dedicado a la reparacin de averas, que por cierto, trabajaba con gran
dedicacin y aporte de ingenio para conseguir, muchas veces en forma provisional, la solucin del problema en cualquier
tipo de dispositivo o maquinaria.
Lo mismo sucedi con la aparicin de las instalaciones elctricas y, ya comenzado el siglo XX, se comenz a organizar la
actividad de mantenimiento de manera elemental, aunque realmente en aquellos tiempos los problemas eran bastante ms
sencillos que en la actualidad, pues no existan los automatismos, los procesos continuos no eran algo comn, la qumica y
en particular la petroqumica apenas estaban desarrolladas, la maquinaria era sencilla y su cuidado se segua
encomendando al operario confindose en la resistencia propia de un sobredimensionado desmedido de los mecanismos y
partes. Sin embargo, el hecho de actuar despus de haberse producido la avera, daba lugar a menudo a accidentes y
daos secundarios y en el mejor de los casos, a inoportunas prdidas de produccin o de servicio.
Es bien conocido el caso de las continuas roturas de ejes de vehculos durante la primera poca de la implantacin del
ferrocarril, los cuales, sometidos a cargas estticas aguantaban perfectamente, pero se rompan despus de un
determinado nmero de vueltas. Ello dio lugar a los estudios de Whler sobre fatiga, referidos por Riba & Verdaguer [1993],
y a las primeras previsiones de vida de los elementos, en funcin de cuya estimacin, a partir de la dcada de los aos
veinte del siglo pasado se introdujo en Estados Unidos un nuevo concepto de mantenimiento: el mantenimiento
preventivo.
La planificacin del mantenimiento mejor considerablemente las actuaciones desde la citada fecha hasta el inicio de la
Segunda Guerra Mundial y se convirti en factor de la mayor importancia y necesidad en 1940, cuando los pases en
conflagracin exigan de sus industrias la continuidad de servicio para obtener la mxima produccin.
En aquellas circunstancias, cada fbrica o taller solicitaba del servicio de mantenimiento la seguridad de funcionamiento de
toda la maquinaria antigua y moderna, de accionamiento manual, semiautomtico o completamente automtico y al costo
que fuese. Esto oblig a estudiar los equipos y mquinas, investigar sus averas, recopilar datos, confeccionar
estadsticas, en definitiva, a organizar cientficamente el trabajo y conformar un cuerpo de doctrina que desde entonces
no ha dejado de evolucionar. [AEM, 1995, p. 14.]
Al trmino de la Segunda Guerra Mundial, el concepto de mantener a cualquier precio equipos e instalaciones deja de tener
vigencia y el mantenimiento queda ntimamente ligado a los costos. No obstante, el costo por hora de la mano de obra era
bajo y el mercado se desenvolva muy frecuentemente en rgimen de monopolios, con escasas intromisiones de unas
economas nacionales en otras, lo cual permiti holgados excedentes particularmente en las empresas europeas.
Las investigaciones en tcnicas y sistemas de mantenimiento, iniciadas y divulgadas por la gran industria norteamericana
[Morrow, 1957], fueron asimiladas por las principales empresas de otros pases. Sin embargo, fue comprobndose que los
sistemas de mantenimiento preventivo, en forma de planes para el desmontaje y revisin total con sustitucin a priori de
todos los elementos sujetos a desgaste, corrosin o fatiga, an siendo un importante avance cualitativo, suponan un gran
desperdicio, tanto en recursos humanos como materiales.
A partir de la dcada de los aos sesenta del siglo XX, se produce un gran desarrollo de las industrias electrnica,
aeronutica y espacial y por su propia naturaleza, estas requieren instrumentos y tcnicas ms sofisticadas. Se ponen a
punto entonces, tcnicas de inspeccin basadas en la medicin durante el funcionamiento, de ciertos parmetros que
deben permanecer dentro de los lmites prestablecidos. Apareci as, en el mundo anglosajn el Mantenimiento
Predictivo, por el cual la intervencin no depende ya del tiempo de funcionamiento sino del estado o condicin efectiva del
equipo o sus elementos y de la fiabilidad determinada del sistema. [AEM, 1995.] El mantenimiento predictivo tambin ha
sido denominado: preventivo condicional o por auscultacin.
La llegada de los misiles atmicos, el desarrollo de la industria nuclear, de la guerra espacial, el avance de la electrnica,
las restricciones econmicas y la competitividad de los mercados, hicieron que el mantenimiento ejecutado, tanto en la fase
de la posguerra como durante las ltimas dcadas, cambiara su visin emprica y simplista por una posicin cientfica,
basada en la aplicacin de nuevas tcnicas de administracin, del anlisis estadstico y de la informtica y como
aspecto de no menor importancia se analiza su influencia en la conservacin del medio ambiente.
Una definicin general de Mantenimiento [De la Paz, 2011] puede ser la siguiente:
Mantenimiento es la totalidad de las acciones tcnicas, organizativas y econmicas encaminadas a conservar o
restablecer el buen estado de los activos fijos, a partir de la observancia y reduccin de su desgaste y con el fin de alargar
su vida til econmica, con una mayor disponibilidad y confiabilidad para cumplir con calidad y eficiencia sus funciones,
conservando el medio ambiente y la seguridad del personal.
Entre los principales objetivos del mantenimiento pueden sealarse:

1) Garantizar la disponibilidad de los activos aunque se produzcan cambios bruscos en el entorno.
2) Controlar y reducir el desgaste de los equipos e instalaciones que pueda provocar rechazos o la degradacin de la
calidad del producto, afectando la imagen de la organizacin.
3) Garantizar la seguridad del personal y de las instalaciones, as como la conservacin del medio ambiente.
4) Prolongar la vida til de los activos cuando sea econmicamente justificable hacerlo.
5) Optimizar el tiempo y el costo de ejecucin de las actividades de mantenimiento.
EXPECTATIVAS EN EL MANTENIMIENTO:
1940-1950: Primera generacin

Se repara posterior a la avera
1950-1970: Segunda generacin
Mayor disponibilidad de las plantas
Mayor tiempo de vida del equipamiento
Costos ms bajos
1970-2000: Tercera generacin
Alta confiabilidad y disponibilidad
Mayor Seguridad
Mejora de la calidad del producto
Preservacin del medio ambiente
Mayor tiempo de vida del equipamiento
Prioridad de la relacin costo - eficiencia
El Mantenimiento y la Confiabilidad
(Confiabilidad: Fiabilidad, Reliability, Fiabilit, Zuverssigkeit)
El comienzo histrico de la aplicacin de las tcnicas de fiabilidad se inicia en 1713 cuando Jacob Bernoulli formul la ley
de probabilidades de dos eventos independientes, posteriormente y antes de la Segunda Guerra Mundial el concepto se
desarroll y aplic en la aviacin. No obstante, fueron los servicios militares, por tener los problemas ms agudos, los que
dieron impulso al ordenado desarrollo de la Ingeniera de Fiabilidad. Los problemas de mantenimiento, reparacin y las
fallas de campo, se convirtieron en dificultades severas del equipamiento militar en la Segunda Guerra Mundial.

En los Estados Unidos se cre el Comit de Desarrollo de las vlvulas de vaco o VTDC (Vacium Tube Development
Committee) en 1943 de forma conjunta entre la Armada y Marina, desarrollando una serie de normas que posteriormente
dieron lugar a las conocidas MIL.
Tambin el matemtico Erich Pieruschka, con el objetivo de mejorar el xito de las misiones (no llegaba al 30%), asumi
que los componentes tcnicos seguan las mismas leyes que las sustancias radiactivas y los seres vivos y expuso que la
probabilidad de xito de un sistema es el producto de las probabilidades de xito de cada uno de sus componentes, lo cual
condujo a mejorar la fiabilidad media de los componentes, mejorando notablemente la fiabilidad del sistema. Este fue el
principio del desarrollo de los mtodos de fiabilidad.
Entre 1945 y 1950 fueron revelados varios estudios sobre investigaciones realizadas y durante los aos 50 numerosas
compaas se enfrentaron con nuevos problemas en el diseo y construccin de complejos sistemas a niveles de
confiabilidad sobre lo usual, motivando esto el surgimiento de un nuevo tipo de especialista conocido como Ingeniero de
Fiabilidad (Reliability Engineer).
Con estos antecedentes, se afirma que la Fiabilidad se ha convertido ya en una ciencia independiente, relativamente
joven, que se ha formado como consecuencia del estudio terico y experimental multifactico de las regularidades
relacionadas con el aseguramiento del trabajo sin fallo de los artculos tcnicos, teniendo como base y utilizando en
gran medida, entre otras:
La teora de las Probabilidades y la Estadstica Matemtica

La Electrnica
La Ciencia de los Materiales
La teora del Desgaste
La Economa
Puede decirse que una mquina es confiable cuando hace lo que su usuario desea que haga. En las organizaciones, este
buen funcionamiento.va mas all de los equipos, mquinas e instalaciones. Necesariamente tiene que ver con las
personas (talentos humanos), recursos financieros, activos intangibles (como know-how, imagen, marca) y la
informacinEsto sugiere un cambio de paradigma..ya no es viable entender la Confiabilidad como un concepto ligado
solamente al mantenimiento u operaciones, sino que debe ser tomado como un Modelo de Negocio. [Elmann, 2010].
La teora de la fiabilidad estudia:

Las regularidades del surgimiento de los fallos y la recuperacin de los fallos y la recuperacin de la capacidad de
trabajo de los artculos.
La influencia de los factores externos e internos en los procesos que se desarrollan en los artculos.
Los mtodos de la determinacin cualitativa y la valoracin (comparativa) de la fiabilidad.
Las actividades para aumentar la fiabilidad al disear y producir los artculos, as como los procedimientos para
mantener el nivel necesario en su fiabilidad en el proceso de explotacin.
Definicin de Fiabilidad
(Definicin corrientemente aceptada)
Fiabilidad es la probabilidad de que un dispositivo realice satisfactoriamente su funcin especfica durante un
perodo especificado y bajo un conjunto dado de condiciones operativas.
Conceptos, trminos y definiciones ms utilizados:
Artculo: Dispositivo considerado en el clculo de la fiabilidad como una parte autnoma separada que posee su ndice
cualitativo general de fiabilidad. Constituye el elemento de clculo de fiabilidad que incluye las piezas,
elementos, aparatos, sistema o conjunto de sistemas incluso; entendiendo por sistema una entidad formada
por elementos discretos que interaccionan mutuamente. Pueden ser reparables o no reparables.
Buen estado: Estado del artculo en el cual el mismo satisface todos los requisitos establecidos.
Estado de capacidad de trabajo: Estado del artculo que le permite cumplir las funciones asignadas manteniendo sus
especificaciones dentro de los lmites establecidos.
Estado lmite: Estado del artculo en el cual su utilizacin es interrumpida debido a:

violaciones insuperables de los requisitos de seguridad,
corrimiento irreversible de sus especificaciones fuera de los lmites establecidos,
reduccin insuperable de la eficiencia de la utilizacin por debajo de lo permisible.

Fallo: Concepto bsico de la Teora de la Fiabilidad y constituye el hecho a partir del cual el artculo deja de cumplir total o
parcialmente sus funciones. Es el cese del estado de capacidad de trabajo del artculo.
La ocurrencia de un fallo ocasiona COSTOS:

Directos (debidos a la reparacin).
Indirectos (por prdidas de produccin y recursos ociosos).
Potenciales (por deterioro de partes relacionadas y por aumento de inventarios de repuestos por prdidas de
confiabilidad en el equipo).
Otros (incumplimiento de entregas al cliente, deterioro de imagen por prdidas del nivel competitivo).
Para analizar la naturaleza de los fallos, as como para elaborar las medidas encaminadas a pronosticarlos o preverlos,
estos se clasifican atendiendo a diversos criterios tal y como se muestra en la Tabla 2.
Criterio de clasificacin Tipo de fallo

Por su influencia en la capacidad de trabajo Total
Parcial
Por su interaccin con otros fallos Dependiente
Independiente
Por las causas que lo provocan Constructivos
Tecnolgicos
De explotacin
Por desgaste
Por su modo de manifestacin respecto al tiempo Repentino

Gradual
Por el perodo de la vida del artculo en que se manifiestan Prematuro
Casual
De desgaste o envejecimiento
Por su severidad Leve

Marginal
Crtico
Catastrfico
Por su frecuencia de ocurrencia Frecuente
Probable
Ocasional
Remoto
Extremadamente remoto
Tabla 2. Clasificacin de los fallos
Los fallos y su comportamiento en el tiempo.

Desde el punto de vista de Ingeniera, la fiabilidad es la probabilidad de que un artculo desarrolle una determinada
funcin bajo condiciones fijadas durante un perodo de tiempo determinado, es decir entre 0 y t. Es necesario
especificar exactamente lo que se entiende por la funcin a desarrollar por el artculo ya que, por ejemplo, el
funcionamiento de una computadora en una oficina puede ser muy diferente a su funcionamiento en una industria
controlando un proceso.
El artculo cuya fiabilidad se estudia, se supone que est trabajando correctamente al inicio de su vida til. As,
representando con R la fiabilidad (Reliability en ingls) y situando entre parntesis al tiempo, resulta:
R (0) = 1 al inicio de su vida til cuando el artculo con seguridad funciona.

R () = 0, ya que en un tiempo muy largo con seguridad el artculo habr fallado.
Las relaciones entre la fiabilidad y los componentes son:

Ns(t ) N (0) Nf (t )
R(t ) (1)
N (0) N (0)
donde:
R (t): Fiabilidad del componente
Ns (t): Nmero de componentes que continan funcionando (sobreviven) al cabo de un tiempo t
Nf (t): Nmero de componentes que han fallado al cabo de un tiempo t
N (0): Nmero total de componentes que existen al inicio del ensayo
Ejemplo: En un seguimiento de averas efectuado en el microprocesador de una marca de ordenadores, se sabe que de
400 unidades se ha averiado una al cabo de un tiempo t de servicio. La fiabilidad R(t) ser de 399/400 = 0,9975, o sea al
cabo del tiempo t quedan 399 unidades vivas de las 400, el 99,75%; Y eso es lo mismo que la probabilidad de
supervivencia en el tiempo t.
El grfico de la funcin de Fiabilidad se conoce como: Curva de supervivencia
Derivando la expresin (1) se obtiene:

dR(t ) 1 dNf (t )
(2)
dt N (0) dt
Si dt se hace muy pequeo, la expresin anterior indicar la probabilidad instantnea de no fallo en el instante t, o sea, la
funcin de densidad probabilstica de no fallo, pasando a:
f(t) = - dR(t)/ dt (3)
Si el artculo no desarrolla su funcin al cabo de un tiempo t determinado, es decir, falla entre 0 y t, se tiene entonces la
probabilidad de fallo, infiabilidad o inconfiabilidad cuyo valor es:
Q(t) = 1 - R(t)
En el ejemplo anterior, la probabilidad de fallo correspondiente sera:

Q(t) = 1 - 0,9975 = 0,0025 = 0,25%
La funcin de densidad de fallos (que veremos ms detalladamente despus), por analoga con la ecuacin (3), es la
derivada de la probabilidad de fallo respecto al tiempo:
dQ dR(t )
f (t )
dt dt
De la ecuacin (2) se deduce:
dNf (t ) dR(t )
N (0)
dt dt
y dividiendo por Ns(t):
1 dNf (t ) N (0) dR(t )
(t ) (4)
Ns(t ) dt Ns(t ) dt
(t): tasa instantnea de fallos (denominada tambin como probabilidad instantnea de fallos por componente) o
probabilidad de fallo del componente en un tiempo infinitamente pequeo dt cuando en el tiempo t estaba
operativo.
La curva de la baera (Bathtub Curve)

Como la tasa instantnea de fallos vara respecto al tiempo, su representacin tpica tiene forma de baera, con tres etapas
diferenciadas:
Fallos iniciales (infantiles)

Operacin normal o de fallos constantes
Fallos de desgaste o envejecimiento
La primera etapa, de fallos iniciales o infantiles corresponde generalmente a la existencia de dispositivos defectuosos con
una tasa de fallo superior a la normal, que estn incluidos entre los dispositivos normales. Esta tasa de fallo elevada
(nmero de componentes que han fallado en un incremento de tiempo dividido por el nmero de partes que sobreviven) va
disminuyendo con el tiempo hasta alcanzar un valor casi constante.
La segunda etapa, de operacin normal o de fallos constantes, tambin llamada de fallos aleatorios, es debida usualmente
a operaciones con solicitaciones superiores a las proyectadas. Durante esta etapa, la tasa de fallo se estabiliza a un valor
casi constante y los fallos que se presentan se denominan aleatorios o catastrficos, ya que ocurren de forma totalmente
aleatoria o inesperada.
La tercera etapa, de fallos de desgaste o de envejecimiento, es debida a la superacin de la vida prevista del artculo,
cuando empiezan a aparecer fallos de degradacin como consecuencia del desgaste. Se caracteriza por un aumento de la
tasa de fallo, tanto ms elevado cuanto mayor sea el tiempo transcurrido desde el final de la segunda etapa.
Este patrn bsico fue considerado nico hasta que hace poco tiempo se refrendaron 5 patrones mas, todos
pueden verse en el Anexo 2.
En la ecuacin (4), sustituyendo Ns (t) / N (0) por R (t) resulta:
1 dR(t ) f (t )
(t ) (5)
R(t ) dt R(t )
Lo que indica que (t) es tambin el cociente entre la funcin de densidad de fallos y la fiabilidad.
Reordenando la expresin (5), integrando entre 0 y t, evaluando para t = 0 y R(t) = 1 se obtiene:

t
(t ). dt ln R(t ) ln 1 ln R(t )
0
t
( t ).dt
y de aqu: R(t ) e 0
que es la expresin general matemtica de la fiabilidad en funcin de la
distribucin de fallos especfica.
En el caso de que la tasa instantnea de fallos (t) sea constante (independiente del tiempo t), se obtiene la expresin
siguiente que corresponde a la funcin de fiabilidad para una Distribucin Exponencial, que veremos mas adelante con
mayor detalle:
R ( t ) e .t
De este modo, es entonces la frecuencia conque se presentan los fallos en los componentes, y se expresa normalmente
en fallos/hora, es decir horas elevado a (-1). La inversa de es 1/ (horas/fallo) o MTBF (Middle Time Between Failures -
Tiempo Medio Entre Fallos).
Los datos de fallos. Recoleccin de datos de fallos en el Tiempo.
En los anlisis de fiabilidad una de las mayores dificultades se afronta con la insuficiente base de datos sobre el surgimiento
de los fallos, debido fundamentalmente a la ausencia de una organizacin correcta que permita obtener los mismos.

Los datos de fallos son obtenidos, por lo general, de dos fuentes:
1. Los tiempos de fallas de varias unidades sometidas a una prueba de fiabilidad (ensayo de fiabilidad).
2. Reportes de reparacin o reposicin de artculos puestos en manos de los consumidores.
Es as que los datos de fiabilidad sirven para varios propsitos:

Detectar problemas corrientes de fiabilidad.
Proporcionar informacin cuantitativa sobre la operacin de los equipos.
Asistir a los programas de mejoramiento de la calidad.
Proporcionar una historia de fallos para uso en los cambios de productos y en los nuevos diseos. Esto es lo que se ha
denominado como banco de datos de fallos.
Entre los principales datos de fallos en el Tiempo se encuentran los siguientes:

TEF: Tiempo Entre Fallos
TO: Tiempo de Operacin
TFS: Tiempo Fuera de Servicio
TR: Tiempo de reparacin o Tiempo para Reparar.
Debe sealarse adems que TEFi = TOi+1 + TFSi
Estadstica descriptiva de datos de fallos en el tiempo.

La Estadstica es la ciencia del anlisis de datos y de la deduccin de conclusiones a partir de aquellos, tomando en cuenta
las variaciones, de manera que constituye una herramienta poderosa para los anlisis de fiabilidad y consecuentemente en
la toma de decisiones en mantenimiento basada en la Fiabilidad.
Los datos estadsticos, obtenidos de muestras, experimentos o cualquier coleccin de mediciones, a menudo son tan
numerosos que carecen de utilidad, a menos que sean condensados, compactados o reducidos a una forma ms
adecuada. Para esto suelen utilizarse los mtodos de la Estadstica Descriptiva, particularmente las distribuciones
empricas de frecuencia, los grficos estadsticos y las medidas de tendencia central y de dispersin.
Prueba para valores extremos.

La calidad de los datos recopilados es fundamental para tomar decisiones acertadas sobre las poblaciones de las que han
sido tomados. Resulta importante entonces, limpiar los datos tomados, de manera que los datos raros no influyan
negativamente en los anlisis, deformando las inferencias sobre las poblaciones originales.
La Estadstica ofrece varios mtodos de determinacin de valores raros, tambin llamados valores extremos. En nuestro
caso utilizaremos la asociada en el software utilizado.
Software especfico: RELEST

El software es presentado por JOS LUIS DUARTE RIBEIRO CELSO FRITSCH, GRADUATE PROGRAM OF
PRODUCTION ENGINEERING, FEDERAL UNIVERSITY OF RIO GRANDE DO SUL, RS, BRAZIL y ELSAYED A.
ELSAYED, DEPARTMENT OF INDUSTRIAL ENGINEERING, RUTGERS UNIVERSITY, NEW JERSEY, USA. (Incluye un
Manual de usuario).
El objetivo principal de Relest (la estimacin de fiabilidad) es ajustar las distribuciones de probabilidad a datos de tiempos
de fallo. Ofrece a una serie de ayudas para escoger al modelo de Distribucin probabilstica apropiado y como
consecuencia permitir la realizacin de anlisis de Fiabilidad.
El software tambin incluye: Accelife (el anlisis o Prueba de "vida acelerada") es un sistema diseado para realizar el
anlisis de fiabilidad de vida acelerando las tensiones de esta. El sistema permite el montaje de varios modelos
experimentales (fsicos) basados en datos estadsticos. Relest y Accelife siguen a los modelos descritos en los captulos
5 y 6 de Fiabilidad diseados por E. A. Elsayed (Addison-Wesley, 1996).
Descripcin del sistema: Relest

El punto de partida es la pantalla principal que aparece cuando Relest se inicia. La pantalla principal contiene
los campos para entrar la informacin necesaria para caracterizar la muestra de los datos de fallo bajo
investigacin. Tambin contiene las opciones del anlisis.
El sistema realiza el anlisis de las muestras completas o censuradas y proporciona estimaciones de los
parmetros de la distribucin. Adems de los valores medios, el sistema proporciona tambin las variaciones
de los parmetros y los intervalos de confianza correspondientes.
Despus de determinar los parmetros de la distribucin, el sistema puede trazar la funcin de fiabilidad, la
proporcin de riesgo, la funcin de densidad probabilstica y la funcin de densidad Acumulativa. Tambin
computa los valores medios de la variable de tiempo analizada.
La serie de pasos que deben seguirse para completar el anlisis puede enumerarse segn la sucesin en que
ellos aparecen en el sistema.
Sin embargo, en este momento utilizaremos el software para hacer la prueba de valores extremos. Para
aprender-haciendo partiremos de un ejemplo al que recurriremos tambin posteriormente como caso de
estudio.
Caso de estudio: A Usted, como estadstico y especialista del rea de Mantenimiento y Confiabilidad se le ha
encargado el anlisis de los ciclos actuales de mantenimiento programado de los equipos de la planta
energtica de la empresa. La informacin extrada del historial del equipo Konus Heater, plasmada en el
expediente del mismo, plantea que los TEF (Tiempos Entre Fallos) son los que se muestran en la tabla:
No. TEF:
1 27
2 679
3 3
4 502
5 1800
6 2013
7 665
8 1000
9 156
10 1550
Lo primero, despus de instalar el RELEST, es entrar los datos en la pantalla principal que aparece
cuando Relest se inicia:
La indicacin de que todos los datos han sido tecleados se hace con el botn Proceed, con lo cual quedarn
los datos ordenados de menor a mayor.
La prueba para valores extremos se har a partir del Modelo exponencial. El camino es:
Analysis /Model Options (Exponencial) /Distribution Fitting /Observar en la parte inferior de la ventana a la
derecha:
Test for abnormally short/long failure times:
Fcal (short- data: 1) = 74.44 Significance Level= 0.0133
Fcal (long- data: 10) = 1.07 Significance Level= 0.3655
Lo que se hace es comparar cada uno de los Significance Level con 0,05. El dato menor o mayor ser
raro o extremo siempre que su correspondiente Significance Level sea MENOR QUE 0.05. En este
caso particular, esto sucede con el dato menor, o sea el de valor 3. Este dato debe entonces ELIMINARSE y
volver a correr la prueba, esta vez con el resto de los datos. Para eliminar el dato 3 puede utilizarse la opcin
EDIT, cortar el dato y de nuevo Proceed. Ya nos quedarn para este caso solo 9 datos, pero cuando
volvemos a hacer la prueba para valores extremos, podemos observar que ya ninguno de ellos tiene un
nivel de significacin menor que 0,05:
Analysis /Model Options (Exponencial) /Distribution Fitting /Observar en la parte inferior de la ventana a la
derecha:
Test for abnormally short/long failure times:
Fcal (short- data: 1) = 9.19 Significance Level= 0.1024
Fcal (long- data: 9) = 0.95 Significance Level= 0.4087
Esto implica que ya todos nuestros datos son vlidos para continuar el anlisis.

Tema II: Anlisis probabilstico-estadstico de datos de fallos en el tiempo.
La Fiabilidad como una probabilidad. Probabilidades. Conceptos esenciales. Variables aleatorias.
Funciones de Distribucin de Fallos (Normal, Exponencial, Weibull, entre otras) que aplican al anlisis
de datos de fallos en el tiempo y al clculo de la Fiabilidad. Medidas de tendencia central: El TMEF
(MTBF) y otros ndices de operatividad. Clculo de probabilidad de fallos en el tiempo. Ajuste de datos
de fallos a modelos probabilsticos. Software especfico para el ajuste a distribuciones.
Si la efectividad de un sistema es definida como la probabilidad de que el sistema pueda satisfacer exitosamente una
demanda operacional dentro de un tiempo dado cuando opera bajo condiciones especificadas, entonces, se convendr en
que la Fiabilidad es uno de los mejores atributos para determinar la efectividad del sistema, a partir de tres
elementos:
1. La aceptacin de la nocin probabilstica de Fiabilidad.

2. Los problemas asociados con la definicin de un adecuado desempeo, particularmente para parmetros del sistema
que se deterioran poco con el tiempo.
3. El criterio requerido para determinar el verdadero estado de las condiciones de operacin.
Desde el punto de vista de una misin donde no existe la posibilidad de reparacin, la fiabilidad es la probabilidad de que
un aparato o dispositivo trabaje correctamente durante un tiempo determinado y en las condiciones de servicio que
encuentre (por ejemplo, el tiempo de recorrido de un coche sin mantenimiento en la prueba Pars-Dakar o el de una misin
a la Luna). [Creus i Sol, 1991.]
La fiabilidad no es una prediccin, sino que es la probabilidad de accin correcta de un artculo
En otras palabras, el fabricante no garantiza en absoluto que el artculo trabaje durante h horas, slo da la probabilidad de
su funcionamiento correcto durante las h horas.
Conceptos y definiciones de Probabilidades:
La teora de las probabilidades estudia las leyes que rigen ciertos tipos de fenmenos naturales o producto de experimentos
realizados por el hombre llamados fenmenos aleatorios, como son el lanzamiento de una moneda, el arribo de buques a
un puerto, el conteo de la cantidad de averas de un artculo, el tiempo de vida de una vlvula electrnica, etctera.
Los fenmenos aleatorios se caracterizan porque su observacin o realizacin, bajo un conjunto de condiciones dadas, no
conduce siempre al mismo resultado, aunque es posible determinar leyes que traduzcan el comportamiento de los
diferentes resultados obtenidos, cuando la observacin o el experimento se repite muchas veces bajo dichas condiciones.
Estas leyes se denominan leyes probabilsticas o estocsticas.
La Teora de las Probabilidades ofrece un modelo matemtico para el estudio de los fenmenos aleatorios
Punto muestral: Cada uno de los posibles resultados de un fenmeno aleatorio.

Espacio muestral: Es el conjunto de todos los puntos muestrales de un experimento aleatorio. Se denotar por S.
Evento: Conjunto de puntos muestrales. Se denotar con letra mayscula: A, B,
Ocurrencia de un evento: Sea A un evento de cierto experimento E. Diremos que el evento A ocurre cuando al realizar el
experimento E, el resultado que obtenemos es un punto muestral de A.
Familia de eventos: Dado un experimento aleatorio E, una familia de eventos A, B, C,, de E, est dada por todos
aquellos eventos que pueden ocurrir cuando el experimento E se realice.
lgebra de eventos: Operaciones que pueden realizarse entre eventos tales como: suma (+), el producto (.) el
complemento de un evento.
Siendo A y B dos eventos cualesquiera de un espacio muestral S:
A + B: Subconjunto de S que contiene todos los elementos de A y de B.

A. B: Subconjunto de S que contiene los elementos que estn a la vez en A y en B.
c
A = A es el Subconjunto de S que contiene todos los elementos que no estn en A.
Las operaciones entre eventos pueden representarse tambin mediante Diagramas de Venn.
Ejemplo: Sean A, B y C eventos del espacio muestral S.

A: evento que cierto artculo falle debido al componente A
B: evento que cierto artculo falle debido al componente B
C: evento que cierto artculo falle debido al componente C
a) Representar el evento que exactamente dos de los artculos fallen (utilice el lgebra de eventos y un Diagrama de
Venn).
b) Representar el evento que los tres artculos fallen simultneamente
La definicin clsica de probabilidad (o a priori):

Descansa en la nocin de equiprobabilidad o igual posibilidad (Laplace, 1812) y plantea que la probabilidad de que un
m
evento ocurra es la razn de los casos favorables y todos los casos que puedan ocurrir: P( A)
n
donde:
P(A): Probabilidad de ocurrencia del evento A
m: puntos muestrales de A
n: puntos muestrales de S (espacio muestral finito y equiprobable)
Ejemplo:
Suponga el experimento aleatorio correspondiente al lanzamiento de un dado perfectamente balanceado de 6 caras:
a) Describa el Espacio Muestral correspondiente en notacin tabular.
b) Describa y calcule las probabilidades de los eventos siguientes:
i. A: Que salga par
ii. B: Que salga impar
iii. R: Que salga primo
iv. D: Que salga un nmero mayor que dos.
La definicin frecuencial o estadstica de la probabilidad:

Se basa en el concepto de frecuencia relativa de ocurrencia de un evento, la que a su vez presupone la repeticin del
experimento aleatorio un nmero considerable de veces.
De manera que: P(A) = fr (A) = lm f(A)/n
n
donde:
fr(A): frecuencia relativa de ocurrencia del evento A
f(A): cantidad de veces que ocurri El evento A en las n pruebas realizadas
n: cantidad de pruebas realizadas
Ejemplo:
Ciertas pruebas muestran que 294 de 300 aislantes de cermica probados podran resistir un choque trmico. Cul es la
probabilidad de que uno de ellos seleccionado aleatoriamente pueda resistir el choque?
Axiomas de las Probabilidades:
1. La probabilidad es un nmero real positivo o cero para cualquier evento A.

P(A) 0
2. Todo espacio muestral tiene la probabilidad 1
P(S) = 1
3. Si A y B son dos eventos mutuamente excluyentes cualesquiera:
P(A+B) = P(A) + P(B) si A.B =
Algunos corolarios:
1. P () = 0
2. P (A) = 1 - P(A)
3. P (A+B) = P(A) + P(B) - P(A.B) si A.B
4. P (A.B) = P (A) - P(A.B)
5. P (A.B) = P (A+B)
6. P (A+B) = P (A.B)
Probabilidad condicional:
Si A y B son eventos de un espacio de probabilidad, tales que P(B) > 0; entonces la probabilidad condicional de A dado B,
que se denota por: P(A/B) es:
P( A B)
P( A / B) siendo P(B) 0
P(B)
La probabilidad condicional cumple, por supuesto, con los axiomas anteriormente planteados.

Ejemplo:
En un sistema de lanzamiento de cohetes espaciales se encontr que la probabilidad de que el sistema de propulsin
funcione correctamente es de 0,9. Adems la probabilidad de que tanto el sistema de propulsin como el de control remoto
funcionen correctamente es de 0,8. Calcule la probabilidad de que el control remoto funcione bien si ya se lanz el cohete y
el sistema propulsor funcion correctamente.
Independencia de eventos:
De la expresin de la probabilidad condicional puede obtenerse la llamada Regla de la Multiplicacin que da la

probabilidad de ocurrencia simultnea de dos eventos como:
P(A . B) = P(A/B) . P(B) = P(B/A) . P(A)
Si la ocurrencia de A no afecta la ocurrencia de B, o sea si A y B fueran independientes, entonces:
P(A . B) = P(A) . P(B)
Lo cual es conocido como REGLA DE LA MULTIPLICACION PARA EVENTOS INDEPENDIENTES.
El concepto de INDEPENDENCIA es bsico en el clculo de la Fiabilidad
Taller de solucin de Problemas No. 1:
1. Sean A y B eventos del espacio muestral S.

A: evento que cierto artculo falle debido al componente A
B: evento que cierto artculo falle debido al componente B
Denote los eventos siguientes:
Fallan A B
Fallan A y B
No falla A
No falla A y s B.
2. Una mquina deja de funcionar si dos de sus piezas se rompen (fallan), lo cual ocurre con una probabilidad de 0,1. Si la
probabilidad de que falle la primera pieza es de 0,3 cul es la probabilidad de que la mquina no funcione si ya ha fallado
la primera pieza?
3. La probabilidad de que un misil estalle durante el lanzamiento es de 0,002 y la de que su sistema de gua presente un
mal funcionamiento en el vuelo es 0,005. Obtenga las probabilidades de que el misil:
a) no estalle durante el lanzamiento
b) estalle durante el lanzamiento o presente un mal funcionamiento en el sistema de gua durante el vuelo
c) no estalle durante el lanzamiento ni tenga un mal funcionamiento del sistema de gua durante el vuelo.
Variables Aleatorias y Distribuciones de Probabilidad:
Variable aleatoria: Dado un Espacio Muestral S de un experimento aleatorio, una variable aleatoria (va) es cualquier regla
que asocia un nmero con cada resultado de S.
Una variable aleatoria es generalmente denotada como x, pudiendo ser discreta o continua.
Una va. es discreta si su conjunto de valores posibles es un conjunto discreto, es decir, est formado por un nmero
contable o numerable en secuencia, de modo que haya un primer elemento, un segundo elemento y as sucesivamente, en
la lista.
Ejemplo: X: va. correspondiente a la cantidad de averas que sufre un equipo en un ao. (VALORES QUE SE CUENTAN).
Una va. es continua si su conjunto de posibles valores es todo un intervalo de nmeros, enteros o fraccionarios.
Ejemplo: X: va. correspondiente al Tiempo Entre Fallos (TEF) de un artculo reparable. (VALORES QUE SE MIDEN).
Una Distribucin de Probabilidad es un modelo matemtico que relaciona el valor de la variable aleatoria con la
probabilidad de ocurrencia de ese valor en la poblacin.
En los estudios de ingeniera se estudian mltiples distribuciones probabilsticas, cuya adopcin depende del grado de
ajuste de los datos a la funcin considerada y del tipo de fenmeno que se analiza. Estas distribuciones pueden ser
discretas o continuas atendiendo al tipo de v.a. a la que estn asociadas. Entre las distribuciones de v.a. continua ms
utilizadas se encuentran: la Normal, la Exponencial, la de Weibull y la Normal logartmica, entre otras.
Las Distribuciones de Probabilidad asociadas a las v.a. pueden ser de diferentes tipos: Funciones de Probabilidad,
Funciones de densidad probabilstica y Funciones de distribucin acumulativas.
Funcin de probabilidad: p(x) ------- Para v.a. discreta
Sea p una funcin de variable real, discontinua, que toma valores en el intervalo [0,1] subconjunto de ; p es una
Funcin de Probabilidad de una va. si: p ( x)
x
1
Y tambin se cumple que: x , p ( x) 0

Funcin de densidad probabilstica: f(x) ---------- Para va continua
Sea f una funcin real integrable; f es una funcin de densidad probabilstica si:

f(x) 0, x y
f ( x)dx 1

Ejemplo: Considere la v.a. x, que presenta la siguiente Ley de probabilidad:
0 para x 0

f(x) = 2 x para 0 x 1
0 para x 1

a) Compruebe que f(x) es una funcin de densidad probabilstica
b) Construya el grfico de la funcin
Funcin de distribucin acumulativa: Fx (t)

Fx (t) = P (x t) , t
Esta Funcin permite acumular probabilidades hasta el valor t de la v.a., independientemente de que esta sea discreta o
continua.
Ejemplo: Considere la v.a. x, que presenta la siguiente Ley de probabilidad:
0 para x 0
f(x) = 2 x para 0 x 1

0 para x 1

a)Calcule la probabilidad de que el componente falle durante sus primeros seis meses de vida (antes de 0,5 aos).
b) Calcule la probabilidad de que el componente sobreviva despus de 0,5 aos.
Medidas de Tendencia Central y Dispersin de las variables aleatorias:

Las variables aleatorias pueden ser caracterizadas mediante las medidas de tendencia central y las de dispersin.
Medidas de Tendencia Central:

Las medidas de tendencia central se conocen muchas veces como promedios. Un promedio es un valor tpico en el
sentido de que se emplea ocasionalmente para representar todos los valores individuales de una serie o de una variable.
Entre las medidas de tendencia central se encuentra el Valor Esperado o Esperanza matemtica, denotado como E(x)
y que puede obtenerse como:
E(x)= x p x
x
donde x es una v.a. discreta y p(x) es su funcin de probabilidad
E(x)= x f x dx donde x es una v.a. continua y f(x) es su funcin de densidad probabilstica

x

As, la vida media del componente viene definida por la integral del producto del tiempo por la densidad de
fallos:

vm t. f (t )dt
0
El Tiempo Medio Entre Fallos (TMEF) o MTBF como medida de Tendencia Central:
Dada la v.a. continua t: TEF (Tiempo Entre Fallos) de un artculo, su Valor Esperado ser el Tiempo Medio Entre Fallos
(TMEF). Este es considerado como uno de los ndices de Clase Mundial del Mantenimiento y es adems uno de los
ndices de Operatividad dentro de las llamadas: cifras de mrito de la fiabilidad (como se ver mas adelante).
Para calcularlo, ser necesario conocer la funcin de densidad probabilstica f(t) correspondiente a esta v.a. y la expresin

ser: TMEF MTBF t. f (t )dt
0
Medidas de dispersin
La importancia de los promedios a menudo se exagera, un promedio sin salvedades puede carecer
virtualmente de significado. En otras palabras un promedio puede ser muy engaoso, a menos que sea
identificado y vaya acompaado de otra informacin que nos diga algo sobre la dispersin de los datos; la
dispersin nos indica que tan concentrados o desparramados estn los datos.
2
Entre las medidas de dispersin o variabilidad se encuentran la Varianza, denotada como: (x) y la
desviacin estndar denotada como: (x). En general la varianza puede calcularse a partir del valor
esperado como:
2(x)= E(X2) -[E(X)]2
Funciones de Distribucin de Fallos que aplican al clculo de la Fiabilidad:
En los estudios de fiabilidad se estudian varios tipos de distribuciones probabilsticas, cuya adopcin
depende del grado de ajuste de los datos a la funcin considerada y del tipo de fenmeno que se analiza. Entre
las distribuciones de v.a. continua ms utilizadas en estudios de Fiabilidad y por tanto relacionadas con el
mantenimiento de equipos, se encuentran: la Normal, la Exponencial, la de Weibull y la Normal logartmica
(logNormal), entre otras. A continuacin se describirn algunas de estas distribuciones.
La Distribucin Normal
La Distribucin o Ley Normal, encuentra una amplia utilizacin en la solucin de distintos problemas ingenieriles
y econmicos. Utilizada en la teora matemtica de la fiabilidad, esta ley describe muy bien los fallos
progresivos de los artculos originados por la salida de explotacin de diferentes elementos del mismo. La
expresin de su funcin de densidad probabilstica es:
x
2
1
f x
1
x
2
e
2
Notacin: x N (, )
2
El valor esperado: E(x)=

La varianza: (x)=
2 2
Para facilitar el clculo de probabilidades debe realizarse el proceso de estandarizacin de la variable y

x
auxiliarse entonces de la Tabla (ver Anexo 8) de la Distribucin Normal Estndar: Z

1 1 z2
De donde, la funcin de densidad probabilstica se definir como: f ( z) e 2
z
2
Notacin: z N (0,1)
El valor esperado: E(x)= 0

La varianza: (x)= 1
2
Una vez estandarizada la variable se podr buscar el valor de la probabilidad que deseamos en la Tabla.
En el manejo de la Tabla de esta distribucin se debe prestar atencin a cul es el rea bajo la curva
que ofrece la Tabla para llevar el rea que queremos encontrar a la forma que da la Tabla. Tambin es
conveniente recordar que esta Distribucin es simtrica respecto a su Valor Esperado y que esta
propiedad de simetra nos puede ser til en el clculo de probabilidades.
Ejemplo:
Un fabricante concluye que el tiempo que transcurre antes de que se funda un bombillo sigue una distribucin
Normal. Se prueba una muestra de ellos y se encuentra que la vida promedio es de 60 das con una desviacin
estndar de 20 das.
a) cul es la probabilidad de que un bombillo seleccionado aleatoriamente de un lote de estos, falle:
i. antes de los 60 das de vida?
ii. entre los 80 y los 100 das de vida?
La Distribucin Exponencial
La Distribucin Exponencial es la ms ampliamente utilizada en los estudios de fiabilidad. En general,

esta distribucin representa la fase normal de operacin de un artculo, en la cual se producen fallos
repentinos debidos a choques, exceso de carga, de tensin elctrica, etctera. Se emplea para
determinar el tiempo hasta el fallo de un componente o de un sistema.
Sus principales caractersticas son:

Notacin: x E ()
El valor esperado: E(x)= 1/
La varianza: (x)= 1/
2 2
Si x: v.a. tiempo entre fallos de un artculo, la funcin de densidad probabilstica es:

f (x ) e x ;x0 y 0 es constante
donde:
: tasa de fallos del sistema (nmero medio de sucesos en la unidad de tiempo)
Como ya vimos antes, si la distribucin de fallos es Exponencial, esto hace que, la Funcin de Fiabilidad R(t)

es: R(t )e .t y entonces: vm e .t

. dt
1
de manera que:
0

1/ : tiempo medio hasta el fallo.
Por ejemplo:
Si el nmero de fallos/ao de un equipo de un circuito de alarma es de 0,4 y se supone que tenga una distribucin
Exponencial, su vida media es de 1/0,4 = 2,5 aos.
Una clula de carga electrnica tiene un nmero de fallos/ao de 3,5. Si su distribucin es Exponencial, su vida media
es de 1/3,5 = 0,28 aos 3,5 meses.
Ejemplo:
Un instrumento de sondeo electromecnico trabaja en un ambiente de polvo adherente que da lugar a un tiempo medio
entre fallos de 2 000 horas, tras las cuales el cable que sostiene el peso queda trabado en la polea por el depsito de polvo
adherente dejando de funcionar. Si se asume una distribucin Exponencial, calcule la probabilidad de que el instrumento
an funcione al cabo de 10 horas.
De acuerdo con esta informacin se tiene que:
t: v.a. tiempo entre fallos.
Tiempo medio entre fallos (MTBF) = 2 000 horas
La tasa de fallos () es, por tanto, de 1 / 2 000 = 0,0005.
t E (0,0005)
0 , 0005.10
P(t > 10) = R (t) = R(10)= R(10)e
-0,005
=e = 0,995 = 99,5%
Calcule la Fiabilidad al cabo de 2000 horas.
La distribucin de Weibull
Waloddi Weibull, investigador sueco, propuso la distribucin que lleva su nombre en 1939. Esta distribucin es
ampliamente utilizada por su gran flexibilidad, al poder ajustarse a una gran variedad de los datos disponibles
de funcionamiento y de vida til de los artculos. Describe muy bien los fallos progresivos de los artculos
originados por el envejecimiento del material.
La distribucin de Weibull es una familia de distribuciones cuya funcin general es:

t
f (t )
t
1

e

donde:
: parmetro de escala o tiempo caracterstico (en unidades de tiempo)
: parmetro de forma
: parmetro de localizacin, es un parmetro inicial de posicin. Generalmente toma valor 0 pues se trata de la vida
mnima y siendo as, entonces la expresin anterior quedara:

f (t )
t
1 t

e

El parmetro de forma : es muy importante pues refleja el patrn de la curva (si toma el valor 1 es
Exponencial, si es aproximadamente 3,5 siendo =1 y =0 entonces es Normal). Ver grficos a continuacin.
La expresin general de la fiabilidad es de naturaleza bastante complicada por lo que Weibull consider la
siguiente:

t

R (t ) e
Y la Funcin de Distribucin Acumulativa de Fallos es por tanto:

t

Fx (t ) 1 e

1
La expresin para la media (MTBF) es la siguiente: (1 ) para > 1, siendo la Funcin

Gamma: (n) = (n-1)! (si n es entero).
Ver Anexo 6 para otros valores de la Funcin Gamma.
En el Anexo 3 se muestran los grficos de la Funcin de densidad f(t), la Funcin de Fiabilidad R(t) y la Tasa
de fallos (t) correspondientes a diferentes valores de de est Distribucin. Observe la relacin de los valores
del parmetro con el grfico de la tasa de fallos:
Si <1, entonces la tasa de fallos disminuye con el tiempo, .lo que constituye la fase de fallos iniciales
o juveniles del artculo.
Si = 1, entonces la tasa de fallos es constante, lo que corresponde a la fase de operacin normal.
Si >1, entonces la tasa de fallos aumenta con el tiempo, lo que constituye la fase de fallos de
desgaste o de envejecimiento del artculo.
Ejemplo: La vida til de cierta clase de batera (h) es una variable aleatoria que tiene distribucin de Weibull
con = 100 y = 0,5.
a) Cul es la vida promedio de esta batera?
b) Cul es la probabilidad de que dure ms de 300 horas?
USO DEL PAPEL PROBABILSTICO WEIBULL (Prctica):

El papel probabilstico Weibull sirve en primer lugar para probar el ajuste de los datos a esta
distribucin. Comprobado este supuesto, entonces permite calcular los parmetros ( y ) y por
ltimo calcular una probabilidad asociada a determinado tiempo de funcionamiento.
Taller de solucin de Problemas No. 2:
1. Los componentes de un equipo fueron puestos en funcionamiento siendo obtenidos los tiempos
de operacin hasta que todos fallaron tal y como se muestra a continuacin (los datos YA estn
ORDENADOS):
Ordenamiento Tiempo de operacin Prob. Acumulada (%)
de las fallas hasta el fallo (das) (Valores medios)
(Median Rank)
1 40 7,41
2 98 18,06
3 165 28,71
4 235 39,35
5 312 50,00
6 428 60,65
7 547 71,29
8 720 81,94
9 925 92,59
Mediante el Papel probabilstico de Weibull:
a) Pruebe si estos datos pueden ajustarse a dicha Distribucin.
b) Obtenga los parmetros y
c) Obtenga la Fiabilidad para las 200 horas.
2. La duracin (o vida) de cierto tipo de batera elctrica de automvil est distribuida normalmente
con media de 900 das y desviacin estndar de 50 das.
a) Cul es la probabilidad de que una de estas bateras sobreviva ms de 1000 das?
b) Cul es la probabilidad de que sobreviva su vida media?
c) Cul es la probabilidad de que sobreviva entre 700 y 1000 das?
3. Una computadora digital opera las 24 horas del da y sufre interrupciones a razn de 0,25 por
hora. Si el tiempo entre interrupciones es una variable aleatoria Exponencial:
a) Cul es la probabilidad de que opere al menos 2 horas sin interrupciones?
b) Qu probabilidad de fallo se tendr al cabo de 1 hora de operacin?
c) Cul es el tiempo promedio entre interrupciones? Y qu probabilidad de fallo hay en ese tiempo?
4. Un fabricante de calculadoras electrnicas ofrece una garanta de un ao. Si la calculadora llega a

fallar durante este periodo, se la reemplaza. El tiempo hasta el fallo se modela aceptablemente
con la distribucin probabilstica:
f (t )0,125e 0,125t
Qu porcentaje de las calculadoras debern ser reemplazadas dentro del trmino de la garanta?

Ajuste de datos de fallos a modelos probabilsticos
Como se ha visto el hecho de conocer la Distribucin probabilstica es una gran ventaja para calcular la Fiabilidad y la
Probabilidad de fallo de un artculo. En los estudios de fiabilidad es necesario trabajar con una serie de datos que permitan
realizar el clculo de los ndices de fiabilidad y realizar los correspondientes anlisis.
Con los datos de fallos se pueden construir fcilmente los grficos estadsticos, particularmente los Histogramas de
frecuencias cuya principal utilidad radica en permitirnos obtener una visin de la distribucin a que mejor se ajustan los
datos obtenidos y procesados. Este ajuste no es mas que el grado de concordancia entre los datos y alguna de las
Distribuciones probabilsticas.
Si bien el histograma de frecuencias nos puede dar una idea de la distribucin a la cual se ajustan los datos, existen
mtodos de la Estadstica no paramtrica que nos permiten realizar dicha comprobacin de manera mucho ms eficaz.
Las llamadas pruebas de bondad del ajuste, se emplean con estos fines.
Pruebas de concordancia
Si se pretende comprobar el ajuste de los datos a una Distribucin Normal, la Hiptesis a plantear es: Ho: x ~ N , o si se
quiere hacer la prueba de concordancia con una Exponencial sera: Ho: x ~ E.
Existen varias pruebas estadsticas para probar el ajuste o concordancia, en este caso se explicarn dos muy utilizadas:
Prueba de J - Cuadrado (Chi-Square)
Prueba de Kolmogorov-Smirnov
De manera general se puede plantear que la cantidad necesaria de datos para que la realizacin de estas pruebas ofrezca
confiabilidad se recomienda a un valor mnimo de 100 mediciones u observaciones, no obstante, pueden utilizarse para
tamaos de muestra ms pequeos.
Prueba de J - Cuadrado (Chi-Square)

La Prueba de J-Cuadrado suele emplearse para datos agrupados en intervalos de clase. El estadgrafo utilizado para la
prueba es el siguiente:
k
( fi Ei ) 2
2

i 1 Ei
donde:
Ei = n . Pi (Frecuencia terica o esperada)
Pi: Probabilidad asociada al intervalo correspondiente de la distribucin a la cual se ajusta.
n: Cantidad total de observaciones
fi: Frecuencia observada
Regla de decisin:
Si > ; se rechaza la hiptesis de ajuste.
Prueba de Kolmogorov-Smirnov:
Estadgrafo: Dn = mx | Fe - Fi |
donde:
Fe: Frecuencia relativa acumulada Esperada o Terica
Fi: Frecuencia Observada Acumulada
Regla de decisin:
Si Dn > Dn* se rechaza la hiptesis de ajuste.
El valor Dn* se encuentra en Introduction to Probability and Statistics (G.W. McElrath y B.M. Lindgren) y en el Anexo 7 de
este material.
Sin embargo, todo esto puede ser calculado fcilmente utilizando software especficos como el SPSS,
el DISMA, el Bestfit o el Relest.
Software especfico: para el Ajuste

Las pruebas estadsticas que se realizan en el programa computacional Relest, son las pruebas Chi-Cuadrado
y Kolmogorov Smirnov.
En la primera se divide la variable aleatoria en intervalos o clases, excepto en la distribucin normal, donde el
intervalo de variacin de la variable aleatoria (v.a) es (-;), en las distribuciones analizadas es de (0;), al
aplicar la prueba hay que calcular el coeficiente o , donde el valor que pueda tomar se aproxima a la
2

distribucin con k grados de libertad. Mientras menor sea el valor de o para un determinado k, mejor se
2 2
ajustar a la distribucin terica las observaciones de la variable aleatoria.

*
En la prueba de Kolmogorov Smirnov se determina el valor mximo de la FDA muestral F (xi) correspondiente,
este valor es D, siendo: D = mx /(F(xi) - F(xi))/ para toda i=1,2, .....n.
*
Esta prueba tiene como ventajas que no hay necesidad de clasificar los datos en intervalos por lo que la hace
exacta. Ofrece adems la posibilidad de trabajar con valores de n<8, aunque siempre se recomienda que n>8,
para lograr as mayor precisin en la decisin.

Tema III: Anlisis cuantitativo de la Confiabilidad
Propiedades e ndices Simples y Complejos de la Confiabilidad. Clculo de ndices de Operatividad
para artculos Reparables y NO Reparables. Software para el clculo de ndices de fiabilidad.
Decisiones. La Disponibilidad como ndice complejo de la Confiabilidad. Fiabilidad estructural. Algunas
Tcnicas de anlisis de fiabilidad de sistemas complejos.
En las definiciones de fiabilidad, el trmino probabilidad indica el uso de una medida cuantitativa de la fiabilidad, la cual
se expresa a travs de los ndices de fiabilidad, tambin llamados: cifras de mrito de la fiabilidad.
El ndice de fiabilidad se define como la caracterstica cuantitativa que depende de una o varias propiedades y
expresa la fiabilidad del artculo.
Segn las propiedades que se consideren, as se agruparn los ndices que las reflejan. De este modo, se agrupan de
acuerdo a cuatro propiedades:
OPERATIVIDAD, DURABILIDAD, CONSERVABILIDAD Y MANTENIBILIDAD
Propiedad ndice Denominacin

Operatividad P(t) Prob. de trabajo sin fallos (Funcin de confiabilidad)
Q(t) Prob. de fallo (Funcin de inconfiabilidad)
(t) Intensidad de fallos
(t) Flujo de fallos
to Tiempo medio hasta el fallo (MTTF)
Tiempo medio entre fallos (MTBF)
t
Durabilidad Recurso medio (vida til media)
tr
Recurso Gamma (vida til Gamma)
tr
Plazo de servicio medio
tk
Plazo de servicio Gamma
tk
Plazo de servicio medio hasta la General

t k
Conservabilidad tc Tiempo medio de conservacin
tc Tiempo Gamma de conservacin

Mantenibilidad Tiempo medio de reparacin
t
Tiempo medio de restauracin
t'
Tiempo medio improductivo debido al fallo
t H Tiempo medio de espera para reparar
t e Tiempo medio de bsqueda del fallo
t b Prob. de restauracin en un tiempo dado
P(tB)
Tabla 3. ndices simples de fiabilidad
OPERATIVIDAD
Propiedad del artculo de mantener ininterrumpidamente el estado de capacidad de trabajo durante un tiempo especfico en
condiciones de operacin dadas.
Durante el proceso de diseo y fabricacin de los artculos se conforman las cualidades que habrn de determinar su
operatividad, tales como resistencia a la rotura por fatiga, corrosin o desgaste, estabilidad de las propiedades fsico -
qumicas de los materiales, etctera. Estas cualidades se verifican en el proceso de explotacin, influyendo factores
externos. En dependencia de las diferentes causas de la alteracin de la capacidad de trabajo, la operatividad de los
artculos se valora desde el punto de vista de la fiabilidad elemental y de la fiabilidad funcional:
Fiabilidad elemental: Pertenecen los fallos que se eliminan con el reemplazo de elementos constructivos.
Fiabilidad funcional: Pertenecen los fallos que se eliminan con trabajos de regulacin, limpieza u otros anlogos.
DURABILIDAD
Propiedad del artculo de mantener el estado de capacidad de trabajo hasta llegar al estado lmite en condiciones de
operacin dadas.
El aumento de la cantidad de fallos de un artculo hace que, a partir de cierto momento, ya no sea posible, por razones
tcnicas o econmicas, seguirlo explotando, lo cual depende de sus cualidades de durabilidad.
CONSERVABILIDAD
Es la propiedad del artculo de conservar ininterrumpidamente su condicin de buen estado y su estado de capacidad de
trabajo durante y despus del almacenamiento y transportacin en condiciones dadas. La conservabilidad est
condicionada por los plazos ms convenientes de almacenaje y conservacin de los artculos y las distancias de
transportacin permisibles; depende tambin de la calidad de su produccin y la intensidad de los procesos de
envejecimiento debido a factores externos. Puede entenderse por conservacin el almacenamiento prolongado de los
artculos tcnicamente en buen estado.
MANTENIBILIDAD:
Propiedad del artculo consistente en la facilidad que el mismo brida para prevenir y detectar las causas que originan sus
fallos y deterioros, as como la eliminacin de sus consecuencias, mediante la realizacin del mantenimiento, reparaciones
y restauraciones. En dependencia de la mayor o menor facilidad conque se detectan los fallos, menor o mayor ser el
tiempo necesario para eliminarlos y por tanto el tiempo improductivo del artculo (estada) est determinado el gran medida
por las cualidades de mantenibilidad del mismo. En los estudios de fiabilidad tambin es importante tener en
consideracin la posibilidad o no de reparar el artculo.
INDICES DE FIABILIDAD
Existen ndices simples y complejos de fiabilidad. Los denominados simples estn relacionados con una de las
propiedades y los complejos relacionan ms de una propiedad. En la Tabla 3 pueden apreciarse los ndices simples
caracterizados por los diferentes autores con la nomenclatura ms usual.
ndices complejos de fiabilidad: La Disponibilidad
La disponibilidad de un artculo en el tiempo t es la probabilidad de que est activo y funcionando en el momento t. SI

consideramos las categoras de tiempo siguientes:
1. Tiempo de operacin: intervalo durante el cual el artculo est realmente funcionando.
2. Tiempo de operacin programado: intervalo durante el cual se requiere que el artculo trabaje bien.
3. Tiempo libre: intervalo durante el cual se programa el artculo para que est inactivo.
4. Tiempo dentro in: intervalo durante el cual el artculo est trabajando o listo para trabajar.
5. Tiempo fuera out: intervalo, durante el tiempo programado de operacin, en el cual el artculo est en estado de
fallo (no se puede hacer trabajar). Es la suma de: tiempo de bsqueda del fallo, tiempo de reparacin activa, y
tiempo de espera por causas organizativas o logsticas (suspensin de la reparacin por falta de refacciones o
repuestos).
Entonces:
Tiempo de operacin
Disponibilidad = ---------------------------------------------------------------
Tiempo de operacin + tiempo fuera
Tiempo de operacin
Disponibilidad intrnseca = -----------------------------------------------------------------------------
Tiempo de operacin + Tiempo de reparacin activa
Tiempo dentro
Disponibilidad operativa = ----------------------------------------
Tiempo calendario total
Los ndices de fiabilidad por su naturaleza poseen carcter aleatorio y es por esto que, para su determinacin, es necesario
utilizar los mtodos de la Teora de Probabilidades y la Estadstica Matemtica. Si se conoce la distribucin probabilstica de
vida del artculo, entonces puede plantearse que el Coeficiente de Disponibilidad es la relacin entre el valor esperado del
tiempo en que el artculo mantiene su estado de capacidad de trabajo y la suma de este y el de todas las paradas debido al
mantenimiento y reparaciones durante un perodo cualquiera de utilizacin.

Clculo de los ndices de fiabilidad (Operatividad) para artculos reparables y no reparables.
Una vez obtenida la distribucin de probabilidad que sigue el tiempo entre fallos, entonces el trabajo
matemtico para el clculo de los ndices de fiabilidad se hace ms sencillo, no obstante, tambin se pueden
calcular a partir de la distribucin emprica de frecuencias.
Artculos NO REPARABLES:
1. Probabilidad de trabajo sin fallo: P (t) funcin de fiabilidad:
Probabilidad de que dentro de los lmites de un trabajo til dado, no se produzca un fallo. El artculo se encuentra en
estado de capacidad de trabajo.
t
P(t ) f (t ) dt 1 f (t ) dt 1 F (t )
t 0
Cuando no se conoce f(t), se toma una muestra de n artculos y sobre la base de los resultados obtenidos en la prueba,
se determina el nmero de artculos que han fallado en el intervalo de tiempo considerado t y:
n N
P(t ) 1 N n
n
donde:
n: Cantidad de artculos que se ensayan
N: Cantidad de artculos que han fallado hasta t
La relacin entre P(t) y t se expresa a travs de la conocida curva de supervivencia del artculo.
2. Probabilidad de fallo:
Probabilidad de que, dentro de los lmites de un trabajo til dado, se produzca un fallo.
Q(t) = 1 - P(t) = F(t)
Q(t) + P(t) = 1
Para f(t) no conocida: Q(t) = N/n
d [ln P(t )]
3. Intensidad de fallo (t) : Puede obtenerse por: (t )
dt
Define la probabilidad de que el artculo que trabaja hasta el momento t falle en la siguiente unidad de tiempo t. Por lo
que puede calcularse tambin a partir de: Ni
(t ) ni nf
nx t nx
2
donde:
Ni: Cantidad de artculos que han fallado en el intervalo
nx: Cantidad de artculos que se mantienen en buen estado en el intervalo de tiempo considerado:
t: Intervalo de tiempo considerado
La intensidad de fallo contra el tiempo conforma la conocida curva de la baera a la que ya se ha hecho referencia.
4. Tiempo medio hasta el fallo:
Es el valor esperado del trabajo til del artculo hasta el primer fallo.

to t f (t ) dt
0
Para una distribucin no conocida:

n
toi * Ni
to i 1
Artculos REPARABLES
Se caracterizan porque pueden ser reparados en caso de un fallo mediante reparaciones de corta duracin.
Nota: Los tiempos en que el artculo no se utiliza sin que haya fallado se excluyen de este anlisis.
1. Probabilidad de trabajo sin fallo: P(t)

t
P(t ) f (t ) dt 1 f (t ) dt 1 F (t )
t 0
2. Probabilidad de fallo: Q(t)

Q(t) = 1 - P(t) = F(t)
t
Q(t ) f (t ) dt
0
Es requisito conocer f(t)
3. Tiempo medio entre fallos (MTBF):

t
t t f (t ) dt
0
tambin:
n m
t
j 1 i 1
ji
t
n
donde:
tji: tiempo de trabajo entre dos fallos consecutivos del j-simo artculo
n*: Cantidad total de fallos al ensayar n artculos.
4. Flujo de fallos:
Densidad probabilstica del surgimiento del fallo de un artculo reparable determinada en un intervalo de tiempo dado.
Representa el nmero promedio de fallos por unidad de tiempo.
Ni
(t )
nt
donde:
Ni: Cantidad de artculos que han fallado en el intervalo
n: Cantidad de artculos que se someten a prueba
t: intervalo de tiempo considerado.
1
Si (t) permanece constante, entonces: t

Con los valores de P(t) y Q(t) asociados a los datos de tiempo se pueden confeccionar los grficos siguientes:
Grfico de la Funcin de Fiabilidad o de Confiabilidad es llamado CURVA DE SUPERVIVENCIA: R(t)
vs. t
Grfico de la Funcin de Infiabilidad se presenta como el complemento del anterior: Q(t) vs. T
Por supuesto el software Relest que ya vimos antes, tambin sirve para calcular los ndices de
Operatividad.

Taller de solucin de Problemas No. 3: (USO DEL SOFTWARE)
1. Los componentes de un equipo fueron puestos en funcionamiento siendo obtenidos los tiempos de
operacin hasta que todos fallaron tal y como se muestra a continuacin (los datos YA estn
ORDENADOS):
Tiempo de operacin
hasta el fallo (das)
40
98
165
235
312
428
547
720
925
a) Determine una Distribucin que ajuste con un nivel de significacin de 0,05.
b) Obtenga el valor de los parmetros de dicha Distribucin.
c) Determine el Tiempo Medio Hasta el Fallo (TMHF)
d) Calcule los ndices de Fiabilidad: P(t) y Q(t) para cada uno de los valores de THF (Dibuje la Curva de
Supervivencia y la de Inconfiabilidad para estos componentes).
e) Proponga el tiempo entre intervenciones (ti) ms adecuado a su consideracin.
2. Los datos que se muestran representan los Tiempos Entre Fallos del equipo: Bomba de agua tratada a
Caldera con treinta aos de explotacin. En la actualidad se programan intervenciones de mantenimiento cada
300 horas de operacin (ti).
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
54 27 18 9 702 135 144 189 216 315 189 378 459 468 1159 990 72 576
Utilizando el Software:
a) obtenga la Distribucin que Ajuste a estos datos.
b) calcule el Tiempo Medio Entre Fallos o MTBF (Mean Time Between Failures).
c) Analice el ti actual y en base al anlisis proponga el tiempo entre intervenciones ms adecuado.
3. A Usted, como estadstico y especialista del rea de Mantenimiento y Confiabilidad se le ha encargado el

anlisis de los ciclos actuales de mantenimiento programado de los equipos de la planta energtica de la
empresa. La informacin extrada del historial del equipo Konus Heater, plasmada en el expediente del mismo,
plantea que los TEF (Tiempos Entre Fallos) son los que se muestran en la tabla. Adems el ti actual es de 1000
horas y el Costo/intervencin: $1500/int.
No. TEF:
1 27
2 679
3 3
4 502
5 1800
6 2013
7 665
8 1000
9 156
10 1550

Fiabilidad estructural
En la ejecucin del anlisis de fiabilidad de sistemas complejos es casi imposible tratar el sistema en su
integridad y el razonamiento lgico es descomponerlo en entidades funcionales de unidades, subsistemas o
componentes y cada unidad se asume bajo dos posibles estados: uno bueno y uno malo. Esta
descomposicin genera una descripcin en diagrama de bloques y se formulan modelos para ajustar el sistema
a una estructura lgico-funcional y el clculo de la probabilidad es usado para calcular la fiabilidad del sistema
en trminos de la fiabilidad de las subdivisiones.
Existen configuraciones series y paralelo que ocurren frecuentemente y su fiabilidad puede ser descrita de
manera muy elemental; en otros casos la estructura es de una naturaleza ms compleja y se necesitan
tcnicas ms potentes para su anlisis.
En los sistemas se asume que cada componente es independiente de los otros; la aparicin de fallos en
uno de ellos no provoca la aparicin del fallo en otro.
Cuando los fallos son dependientes, entonces los modelos que gobiernan estos casos contienen
probabilidades condicionales y se pueden utilizar las Cadenas de Markov como un enfoque aproximado para
su solucin.
Notacin a utilizar:
xn: operatividad o buen funcionamiento de la n-sima unidad
xn: inoperatividad o falla de la n-sima unidad
P(xn): Probabilidad de que la n-sima unidad opere bien
P(xn): Probabilidad de que la n-sima unidad falle
Psi: Probabilidad de que el sistema (o subsistema i) opere bien
Pfi: Probabilidad de que el sistema (o subsistema i) falle
Ps: Fiabilidad del sistema (1- Pf)
Pf: Infiabilidad del sistema
Configuracin SERIE
La ms simple y quizs la estructura ms comn en el anlisis de fiabilidad es la configuracin serie, donde la
funcin operativa del sistema depende de la propia operatividad de todos los componentes del sistema. La
estructura funcional puede diferir bastante de la configuracin mecnica o elctrica del circuito o sistema, es
slo la relacin lgico - funcional del sistema (entre los componentes).
Se representa mediante un diagrama de bloques o un grafo de fiabilidad. En ambos caso un simple camino
desde las causas hasta el efecto es creado y el fallo de cualquier componente interrumpir el camino y causar
el fallo del sistema.
Como la configuracin Serie requiere para su xito que todos los componentes operen bien, entonces el
evento que representa la operacin del sistema es la interaccin de x1, x2, ..., xn.
Ps = P(x1.x2.....xn)
Aplicando la regla de la multiplicacin para eventos independientes: Ps = P(x1) . P(x2) . . . P(xn)

y entonces:
Pf = 1 - Ps
Todo sistema serie se reduce mediante el clculo de su fiabilidad por:

n
Ps P(x i )
i 1
Ejemplo:
Un sistema consta de 5 componentes independientes en serie, cada uno de los cuales tiene una confiabilidad
de 0,97 hasta las 10 000 horas de funcionamiento.
a) Cul es la confiabilidad del sistema hasta las 10 000 horas?
b) Qu le ocurre a la confiabilidad del sistema si su complejidad se incrementa de tal manera que contenga
10 componentes similares?
Caso Exponencial
Un sistema que consta de n subsistemas correspondientes a un ajuste exponencial conectados en serie y que
tienen intensidades de fallo 1, 2, ... ,n constantes, presentar las siguientes caractersticas de fiabilidad:
1. Psi (t ) e it
n n t i
2. Ps (t ) [P
i 1
si (t )] e i t e
i 1
3. La intensidad de fallo de todo el sistema es:

n
s (t )
i 1
i
1 1
4. TMEFs n
n
1

i 1
i t
i 1 i
Determine Ud. las expresiones de Ps(t), s(t) y TMEF para el caso en que todos los subsistemas sean
idnticos.
Configuracin PARALELO
Si la configuracin del sistema es tal que el fallo de uno o ms componentes an permite su operacin,
entonces el sistema se representa por un modelo paralelo.
Esta configuracin tambin es denominada redundante, aunque este concepto es mucho ms amplio. En un
grafo del sistema paralelo se puede apreciar que existen n caminos entre la entrada y la salida y , para que
falle el sistema, deben fallar todas las unidades exactamente.
En esta configuracin, el fallo del sistema (Xs) es el evento: que exactamente fallen todas las unidades, es
decir, Xs = x1.x2....xn, de manera que al considerar que cada unidad falla independientemente de las dems
y aplicando la regla de la multiplicacin para eventos independientes, la probabilidad de fallo del sistema
ser calculada por:
n n
Pf P( Xs' ) [ P( xi ' )] [1 P( xi )]
i 1 i 1
Entonces, la fiabilidad del sistema paralelo sera:

n n
Ps 1 Pf 1 [ P( xi ')] 1 [1 P( xi )]
i 1 i 1
(El clculo directo de Ps es mucho ms complicado)
Todo sistema paralelo se reduce mediante el clculo de su NO FIABILIDAD
Caso Exponencial
En el caso de sistemas paralelos no es tan simple como pareci serlo en la estructura de serie.
Si un sistema consta de n unidades en paralelo que tienen sus razones de fallos respectivos 1,2,...,n
constantes, entonces la distribucin del tiempo de falla del sistema no es exponencial, an cuando cada uno
de sus componentes satisfaga la suposicin exponencial. As tendremos:
n i t
1. Pf (t ) (1 e
i 1
)
En el caso de que: 1 = 2 = ...= n, entonces:

t
Pf (t ) (1 e n
)
2. La intensidad de fallo puede obtenerse como: 1/ TMEF
3. El TMEF es difcil de calcular, pero en el caso especial donde todos los componentes tienen el mismo valor
de , se cumple que:
1 1 1 1
TMEF (1 ... )
2 3 n
Tcnicas generales de anlisis de fiabilidad de sistemas complejos

En la ejecucin de los anlisis de fiabilidad de los sistemas complejos es casi imposible tratar a los mismos
como un todo y, de hacerlo, se perderan tantas relaciones funcionales e interdependencias entre sus partes
que la informacin obtenida tendra poco nivel de utilizacin ingenieril.
El enfoque lgico es descomponer el sistema en entidades funcionales compuestas por unidades o

subsistemas, asumiendo cada entidad bajo dos estados posibles: BUENA o MALA.
La subdivisin de los sistemas genera una descripcin de la operacin de los mismos en forma de diagrama de
bloque como se ha analizado ya para las estructuras serie y paralelo, que ocurren con bastante frecuencia.
En muchos casos la estructura es de una naturaleza ms complicada y se necesita la aplicacin de tcnicas

ms generales, entre ellas:
Mtodo de inspeccin
Mtodo de espacios y eventos
Mtodo de trazado de caminos (Path- Tracing)
Mtodo de descomposicin
Sern analizados las principales caractersticas de estos mtodos a continuacin.
Mtodo de inspeccin
Cuando el sistema bajo estudio involucra un pequeo nmero de unidades, es fcil desarrollar la expresin de
la fiabilidad por simple inspeccin y este mtodo resulta entonces muy til.
Por ejemplo, dos unidades pueden funcionar en dos formas, en serie o en paralelo; pero cuando tres o ms
unidades son consideradas, entonces la situacin se vuelve interesante pues se presentan los casos
siguientes:
todas en serie:
todas en paralelo:
dos en serie formando un camino y otra en paralelo o viceversa:
El mtodo de inspeccin es empleado para resolver aquellas estructuras de fiabilidad mixta, pero
formadas por configuraciones elementales como sistemas serie - paralelo.

Taller de solucin de Problemas No. 4
1. Un sistema consta de tres subsistemas independientes conectados en serie, cada uno de los
cuales tiene una fiabilidad dada por su funcin de densidad probabilstica tal y como se indica a
continuacin:
Subsistema 1:
Exponencial con = 0,004 (1/h)
Subsistema 2:
Normal con =500 h y = 50 h
Subsistema 3:
Weibull con = 100 y = 0,5
Calcule la probabilidad de trabajo sin fallo de todo el sistema para las 600 horas de trabajo.
2. Calcule los ndices de operatividad al cabo de 100 horas para un sistema que posee 3
componentes en serie, todos con funciones exponenciales y los siguientes valores de
respectivamente:
1 = 0,0002 (1/h)
2 = 0,0004 (1h)
3 = 0,0003 (1/h)
3. Determine la ecuacin de fiabilidad para el siguiente sistema considerando que los 6

componentes son idnticos con Psi = p, y reduciendo por el Mtodo de inspeccin.
1 2 5
4
3 6
4. Si en la misma estructura anterior, los 6 componentes tuvieran caractersticas diferentes dadas
por:
X1 N (100;25)
X2 E (0,005)
X3 WE (100; 0,5; 0)
X4 E (0,001)
X5 N (200;36)
X6 E (0,002)
a) Calcule la Fiabilidad de cada componente para las 100 horas.

b) Calcule la Fiabilidad del Sistema para las 100 horas.

Tema IV: El Mantenimiento Centrado en la Confiabilidad (RCM) y otras Tcnicas de anlisis de
fallas
Anlisis cualitativo de la Confiabilidad. Mantenimiento Centrado en Confiabilidad (RCM). Funciones
principales y secundarias, Fallo Funcional, Modos de fallo, Efectos del fallo. Metodologa de
implantacin de RCM. Herramientas para responder a las preguntas bsicas. Tcnica AMFEAC. Anlisis
de criticidad. Diagramas de decisin de RCM. Intervalos P-F. Confiabilidad operacional. ACR y otras
tcnicas de anlisis de fallas.
El objetivo de la gestin de mantenimiento es: ASEGURAR QUE LOS ACTIVOS CONTINUEN CUMPLIENDO
LAS FUNCIONES PARA LAS CUALES FUERON DISEADOS.
El Mantenimiento Basado en Fiabilidad (MBF RCM por las siglas en ingles de Reliability Centered
Maintenance), permite distribuir de forma efectiva los recursos asignados a la gestin de mantenimiento,
tomando en cuenta la importancia de los activos dentro del CONTEXTO OPERACIONAL y los posibles efectos
o consecuencias de los modos de fallo de estos activos sobre:
LA SEGURIDAD
EL AMBIENTE
LAS OPERACIONES
El RCM constituye una estrategia de mantenimiento cuyo objetivo principal es preservar las funciones de un
determinado sistema, al contrario de las polticas convencionales de mantenimiento que tienen como enfoque
fundamental la preservacin del equipamiento.
Se inici en la dcada de los 60 durante el desarrollo del proyecto del Boeing - 747 en la industria aeronutica.
Es utilizado actualmente a gran escala por la industria nuclear en los EU y en Francia (donde el 75% de la
energa elctrica proviene de centrales nucleares).
Se utiliza tambin en la industria petroqumica, principalmente en el rea de derivados (papel, celulosa,

refineras), as como en la aeronutica civil y militar, generacin y distribucin de energa, marina de guerra,
montaje de automviles, industria alimenticia y metalrgica, abastecimiento de agua y en muchas plantas de
proceso y lneas de produccin.
Empresas que utilizan RCM: SHELL, Boeing, British Steel, British Petroleum, Ford European, Irish Electricity
Supply Board (Holanda), entre otras.
Paradigma central del RCM:

Preservar la funcin del sistema
Los equipos no son importantes por s sino por la funcin que cumplen en el sistema. Se vern las
consecuencias de una parada de ese equipo en el sistema.
Por ejemplo, pueden existir 20 bombas que sean idnticas y sin embargo, slo 2 son tan importantes que
detengan la produccin, o sea su fallo es catastrfico como el de un avin o el de una central nuclear.
Segn Moubray, una definicin completa de RCM es la siguiente:

RCM es un proceso utilizado para determinar lo que precisa ser hecho para asegurar que cualquier
activo fsico contine cumpliendo sus funciones en su contexto operacional.
Esto es, que el nfasis no debe ser hecho en las tareas preventivas que tiendan a conservar el equipamiento
en una condicin ideal, sino por el contrario, en aquellas tareas necesarias para mantener el sistema
funcionando.
Una importante peculiaridad del RCM es reconocer que la consecuencia de un fallo es mucho ms importante
que sus caractersticas tcnicas, y por tanto, solamente merecen esfuerzos de planificacin, de prediccin,
financieros y de recursos materiales o de mano de obra, aquellos fallos que puedan y que realmente valgan la
pena ser prevenidos.

La Metodologa RCM incluye:
La revisin sistemtica de las FUNCIONES que conforman el proceso.
-Sus ENTRADAS y SALIDAS.
-Las FORMAS O MODOS en que pueden dejar de cumplirse esas FUNCIONES y sus CAUSAS.
-Las CONSECUENCIAS de las FALLAS FUNCIONALES.
Y las TAREAS de mantenimiento ptimas para cada situacin (Predictivo, Preventivo, etc.) en funcin
del IMPACTO GLOBAL ($, barriles de petrleo, ton)
Para comprender mejor la Metodologa RCM es necesario realzar algunos conceptos:
ACTIVO: Planta, sistema, equipo o parte, que cumple una FUNCIN o varias FUNCIONES en un contexto
operacional determinado. (Los especialistas de RCM recomiendan analizar sistemas, aunque puede ser
recomendable en ocasiones, analizar equipos).
FUNCIN: Propsito o misin de un activo en un contexto operacional especfico. (CADA ACTIVO PUEDE
TENER MS DE UNA FUNCIN EN EL CONTEXTO OPERACIONAL).
FUNCIONES PRINCIPALES O PRIMARIAS: Son la razn para la existencia de un activo. Una funcin
principal es generalmente dada por el nombre del artculo, ejemplos.:
Funcin primaria tpica: Bombear
Funcin primaria tpica: Comprimir
Funcin primaria tpica: Calentar
Ejemplo: Artculo: BOMBA
Funcin principal: Bombear agua desde un reservorio.
FUNCIONES SECUNDARIAS: Son aquellas otras funciones que el activo est en capacidad de cumplir de
forma adicional a la funcin primaria, por ejemplo:
Proteccin
Control
Apariencia
Contencin
Soporte
Son menos obvias que las principales pero sus fallos pueden tener serias consecuencias, en ocasiones ms
serias que el fallo de la funcin principal.
Ejemplo:
Artculo: bomba de amoniaco.
Funcin principal: Bombear amoniaco del tanque para el reactor.
Funcin secundaria: Contener el amoniaco.
Fallo funcional principal: Prdida de vaco.
Fallo funcional secundario: Prdida de la integridad (el escape de amoniaco puede ser ms grave que perder
vaco).
FUNCIONES SECUNDARIAS TPICAS: Todo artculo cuya funcin principal es transferir algn tipo de material
tiene tambin una funcin secundaria de contener este material. (Bombas, esteras, sistemas hidrulicos y
neumticos, tubulacin).
APARIENCIA: La apariencia de muchos artculos engloba una funcin secundaria especfica. (La funcin
principal de la pintura en la mayora del equipamiento industrial es proteger contra la corrosin, pero un color
brillante puede ser usado para realzar su visibilidad por razones de seguridad).
FUNCIN PRINCIPAL Y FUNCIONES SECUNDARIAS DE LOS EQUIPOS DE PROTECCIN: Una funcin

secundaria importante para la mayora de los equipos de proteccin es no funcionar cuando todo est
normal.
Ejemplo:
Artculo: switch de presin.
Funcin principal: Transmitir seal cuando la presin del sistema cae por debajo de 250 psi.
Funcin secundaria: No transmitir seal cuando la presin del sistema est encima de 250 psi.
El fallo de la funcin principal es oculto, pero el fallo de la funcin secundaria es evidente.
FUNCIONES EN EL CONTEXTO OPERACIONAL: es fundamental describir las funciones del artculo en el

contexto operacional. La presencia de redundancia (o medios alternativos de produccin) es una caracterstica
del contexto operacional que debe ser considerada en detalle cuando se definen las funciones del artculo.
FALLO FUNCIONAL: Es la imposibilidad de un artculo de tener el desempeo deseado en un contexto

operacional dado. Ejemplos:
1. Si la funcin principal de una mquina es empaquetar 75 sacos/ min. con 250 1 g de granos, cualquier
desempeo fuera de este patrn es considerado fallo; digamos:
la mquina para totalmente
los sacos pesan ms de 251 gramos
los sacos pesan menos de 249 gramos
la mquina empaqueta menos de 75 sacos/min.
2. Un alto consumo de aceite en una turbina de un avin puede no ser un problema en un vuelo corto, pero
este mismo consumo de aceite puede ser fatal en un vuelo largo.
ATENCION!!!!!:
La prdida parcial de una funcin es casi siempre causada por modos de fallo diferentes de los de la prdida
total. Es fundamental listar todos los fallos funcionales asociados con cada funcin.
Artculos idnticos pueden tener fallos funcionales diferentes si el contexto operacional fuera diferente.
MODO DE FALLO: es la causa raz o el origen de cada fallo funcional, es lo que provoca la prdida total o
parcial de la funcin de un activo en su contexto operacional. Cada fallo funcional puede tener ms de un modo
de fallo.
EFECTOS O CONSECUENCIAS del fallo: Consecuencias del fallo sobre el sistema. Impacto del fallo sobre el
ambiente, la seguridad y las operaciones. Qu suceder cuando ocurra un modo de fallo?
Un mtodo para analizar cualitativamente la fiabilidad es el Anlisis de los Modos de Fallo y sus Efectos
(AMEF):
Tambin se conoce por sus siglas en ingls: FMECA (Failure Modes Effects and Critical Analysis).
Identifica los modos de fallo de los componentes y subsistemas de un sistema.
Evala los efectos de estos fallos sobre el sistema.
Es utilizada en estudios de: FIABILIDAD
CALIDAD
SEGURIDAD
En los ltimos aos se ha difundido en estudios de: MANTENIBILIDAD y de MANTENIMIENTO BASADO
EN LA FIABILIDAD (MBF).
Se examinan todas las formas en que un artculo puede fallar a nivel de sistema y/o a niveles ms bajos. Su
propsito es identificar las debilidades potenciales de diseo mediante la consideracin de todas las formas
razonables en que el artculo puede fallar, las causas de cada modo de fallo y los efectos de cada fallo sobre el
sistema y, en consecuencia, dominarlos o eliminarlos.
Objetivos del AMEF
Definir para cada fallo funcional los modos de fallo relevantes de los componentes
Establecer las causas de fallos para los modos de fallos
Indicar los componentes que debern ser sometidos al diagrama de decisin y cules sern colocados en
la lista de mantenimiento correctivo
El verdadero impacto de un modo de fallo en la fiabilidad del sistema queda mejor definido por la
combinacin de la frecuencia de ocurrencia y el nivel de severidad del fallo

ANALISIS DE CRITICALIDAD o ANLISIS de CRITICIDAD
CLASIFICACION DE LA SEVERIDAD DE LOS FALLOS
CATEGORIA CONSECUENCIAS
Ningn dao para el sistema

ACEPTABLE Prdidas de equipamiento inferiores a $1 000,
Ningn accidente de trabajo
Parada de produccin: menos de 1 da
Daos leves para el sistema
MARGINAL Prdidas de equipamiento entre $1 000 y $100 000,
Accidentes de trabajo leves
Parada de produccin: un da a una semana
Daos serios para el sistema
CRITICA Prdidas de equipamiento entre $100 000, y $500 000,
Accidentes de trabajo graves
Parada de produccin: una semana a un mes
Prdida del sistema
CATASTROFICA Prdidas de equipamiento superiores a $500 000,
Muertes
Parada de produccin: ms de un mes
CLASIFICACION DE LOS FALLOS SEGUN SU FRECUENCIA
CATEGORIA FRECUENCIA
Ocurre repetidamente en el ciclo de vida del equipamiento
A. FRECUENTE Tasa de fallas: mayor que 1,0 E-02/h
Ocurre varias veces en el ciclo de vida del equipamiento
B. PROBABLE Tasa de fallas: de 1,0 E-04/h a 1,0 E-02/h
Probable de ocurrir algunas veces en el ciclo de vida del equipamiento.
C. OCASIONAL Tasa de fallas: 1,0 E-05/h a 1,0 E-04/h
Improbable pero posible de ocurrir en el ciclo de vida del equipamiento.
D. REMOTA Tasa de fallas: 1,0 E-07/h a 1,0 E-05/h
E. EXTREMADAMENTE Improbable pero posible de ocurrir en el ciclo de vida del equipamiento.
REMOTA Tasa de fallas: menor que 1,0 E-07/h
Criterios para la seleccin de los modos de fallo a ser incluidos en el Diagrama de Decisin:
Severidad de los efectos: problemas de seguridad e indisponibilidad de la planta.
No sern extremadamente remotos desde el punto de vista de la frecuencia de ocurrencia.
Acarrean costos de mantenimiento excesivamente altos.
La decisin final es subjetiva y depende del equipo.
MATRIZ DE EVALUACIN DE RIESGOS (MATRIZ DE CRITICIDAD)
POR LA SEVERIDAD DEL FALLO
Por I II III IV
la Frecuencia ACEPTABLE MARGINAL CRTICO CATASTRFICO
A. FRECUENTE AI AII AIII AIV
B. PROBABLE BI BII BIII BIV
C. OCASIONAL CI CII CIII CIV
D. REMOTA DI DII DIII DIV
E. EXTREMADAMENTE EI EII EIII EIV

REMOTA

SUGERENCIAS de CRITERIO de ACEPTABILIDAD de un FALLO:
CI, DI, EI ACEPTABLES

AI, BI, DII, EII, EIII, EIV ACEPTABLES aunque requieren aprobacin
del nivel superior
BII, CII, CIII, DIII, DIV NO DESEABLES, requieren estudio ms
detallado
AII, AIII, AIV, BIII, BIV, CIV INACEPTABLES
El procedimiento de implantacin del RCM en una instalacin y en los equipamientos que la

componen, requiere que sean respondidas siete PREGUNTAS bsicas:
1. Cules son las funciones y los respectivos patrones de desempeo de los activos que integran
un determinado contexto operacional?
2. De qu modo fallan al ejecutar plenamente sus funciones?
3. Cul es la causa de cada fallo funcional?
4. Cmo se manifiesta cada uno de esos fallos?
5. Qu consecuencias (seguridad, produccin) trae cada modo de fallo?
6. Qu puede ser hecho para prevenir cada fallo?
7. En caso de que no se encuentre una tarea preventiva adecuada (tcnicamente o poco costo -
eficiente, qu debe hacerse?
Herramientas fundamentales que utiliza el RCM para responder a las 7 preguntas bsicas:
1. AMEF: Anlisis de modos y efectos de fallo, permite identificar los efectos o consecuencias
de los modos de fallo de cada activo en su contexto operacional (a partir de esta tcnica se
da respuesta a las preguntas 1,2 3,4 y 5)
2. rbol lgico de decisin: que permite seleccionar de forma ptima las actividades de
mantenimiento segn la filosofa del RCM (a partir de esta herramienta se obtienen las
respuestas a las preguntas 6 y 7).
El resultado del RCM definir cules tareas de mantenimiento son ms adecuadas en la

prevencin de fallas funcionales del sistema enfatizando aspectos de seguridad para el hombre y el
medio ambiente, importancia para la produccin y obedeciendo a un criterio de costo - eficiencia. Se
considera que, desde el punto de vista tcnico, existen dos aspectos que influencian en la seleccin
de las tareas:
La relacin entre el tiempo acumulado de operacin (edad) del artculo y su probabilidad de fallo.
Lo que sucede cuando la falla comienza a ocurrir.
Una caracterstica importante del RCM es el hecho de considerar en la definicin de la frecuencia de

cada tarea preventiva (basada en el tiempo, en la condicin o en una prueba), el comportamiento
temporal de las tasas de falla con lo que se requiere un enfoque desde el punto de vista de la
fiabilidad.
Como definicin general de mantenimiento preventivo adoptamos la siguiente:

Mantenimiento Preventivo es la realizacin de cualquier tarea programada, realizada de acuerdo
con un plan previamente establecido cuyo objetivo consiste en reducir (o eliminar si es posible) el
potencial de ocurrencia de fallos que tendrn un efecto adverso sobre la confiabilidad, la
disponibilidad o la seguridad de una planta.
Los trminos programada y previamente establecido excluyen del dominio del mantenimiento
preventivo aquellas tareas de mantenimiento que son ejecutadas en respuesta a alguna falla
detectada. Estas ltimas se sitan en el mbito del mantenimiento correctivo.

Tipos de tareas de mantenimiento preventivo:
Basadas en el tiempo (BT)
Basadas en la condicin (BC)
Prueba para deteccin de fallos (PDF).
El mantenimiento preventivo (MP) tradicional:

Se enfoca al mantenimiento del equipamiento.
Su paradigma central es el mantenimiento del equipamiento sin una preocupacin consciente de
sus funciones en le sistema y de sus prioridades en trminos de una optimizacin de los recursos
de mantenimiento. Incluso, suele ocurrir que una tarea de MP introduce fallos en el equipamiento.
Las tareas han sido identificadas en base a lo que puede ser hecho y no a lo que debera ser
hecho y por qu.
La mayora de los programas de MP han sido generados a partir de una serie de procesos ms o
menos intuitivos que, tpicamente, incluyen uno o ms de los siguientes argumentos:
1. Experiencia: ... se ha hecho as en los ltimos 15 aos, debe ser bueno..
2. Recomendaciones: ... el fabricante dice que deberamos hacerlo as...
3. Fuerza bruta 1: ... cuanto ms preventiva mejor...
4. Fuerza bruta 2: ... cuanto menos preventiva mejor...
Sobre los patrones de falla:

Durante muchos aos se plante que todos los equipamientos presentaban un patrn de fallas
conocido como curva de la baera (ver Anexo 3). En este patrn pueden ser observadas tres
regiones diferentes de la vida de un componente o equipamiento, que ya se han caracterizado.
Recientemente han sido reconocidos cinco patrones ms que tienen en comn el hecho de no
presentar las tres regiones observadas en el patrn tradicional. Ahora, los seis patrones pueden ser
divididos en dos tipos, los relacionados con la edad (patrones A, B y C) y los no relacionados
con la edad del artculo (patrones D, E y F).
Patrones de falla relacionados con la edad

En los patrones A, B y C el punto de envejecimiento es aquel a partir del cual hay un rpido
aumento de la probabilidad de falla. (El patrn C muestra un aumento uniforme de la probabilidad
de falla).
En general, estos patrones se aplican a artculos que son muy simples, o a artculos complejos
que poseen uno o dos modos de fallo dominantes.
Las caractersticas de envejecimiento ocurren mas frecuentemente donde el equipamiento entra
en contacto directo con el producto.
Los fallos relacionados con la edad (tiempo acumulado de operacin) estn asociados con la
fatiga, la oxidacin y la corrosin.
Para artculos que se comportan de acuerdo con uno de estos patrones, la teora clsica sugiere
que es posible determinar un punto (vida til) en el cual se puede actuar para prevenir que las
fallas ocurran nuevamente en el futuro o, por lo menos, reducir sus consecuencias. Existen dos
tareas preventivas que se aplican en estas circunstancias: reparacin programada o
sustitucin programada.
Reparacin programada
Consiste en restaurar un artculo cada un determinado perodo sin importar la condicin o estado de
ese artculo en ese momento. La frecuencia de una tarea de reparacin programada est en
dependencia de la edad a partir de la cual el artculo muestra un crecimiento rpido de la
probabilidad de falla. En la prctica, esta frecuencia slo puede ser determinada en base a los datos
histricos de fallas.

Sustitucin programada
Consiste en descartar un artculo cada un determinado perodo sin importar la condicin o estado de
ese artculo en ese momento. La frecuencia de una tarea de reparacin programada est en
dependencia de la edad a partir de la cual el artculo muestra un crecimiento rpido de la
probabilidad de falla.
Patrones de falla no relacionados con la edad

Una caracterstica de estos patrones es que despus de un perodo inicial, casi no existe relacin
entre la confiabilidad y la edad (tiempo acumulado de operacin) de un artculo.
En estos casos, a no ser que exista un modo de fallo dominante relacionado con la edad, el uso
de lmites de tiempo reduce la probabilidad de falla.
En sistemas que siguen estos patrones, las reparaciones programadas pueden aumentar las
tasas de falla pues introducen mortalidad infantil en sistemas estables, por lo cual lo ms indicado
es NO HACER MANTENIMIENTO PREVENTIVO ALGUNO.
No obstante, si lo anterior es apropiado para fallas con consecuencias insignificantes, algo debe
hacerse cuando las consecuencias son severas.
La necesidad permanente de prevenir ciertos tipos de falla y la incapacidad de las tcnicas
tradicionales de hacerlo, son las causas del surgimiento de nuevas tcnicas de prevencin de
fallas.
La gran importancia del reconocimiento de los diferentes patrones est en que la utilizacin
de tareas preventivas basadas en el tiempo (reparaciones u sustitucin programadas)
solamente son eficaces para aquellos artculos cuyos patrones de fallo estn asociados con
la edad; en caso contrario, significarn un desperdicio de tiempo y de dinero.
El trmino confiabilidad o fiabilidad es resultado del procedimiento utilizado para la definicin de la

frecuencia de realizacin de cada una de las tareas preventivas basadas en el tiempo (BT) o en la
condicin (BC), que sern funcin de la regin en que la falla est ocurriendo. En esencia, algunas
reglas bsicas que deben ser seguidas son:
1) Fallas que ocurren durante la fase de infancia no requieren ninguna tarea preventiva. Apenas
bastar con la revisin de los procesos de fabricacin o procedimientos de montaje pudiendo
requerir alguna alteracin en el proyecto de los componentes.
2) Fallas que ocurren durante la vida til no justifican ninguna accin preventiva basada en el
tiempo. Por ejemplo, el caso de fusibles o lmparas. La accin de mejor relacin costo -
eficiencia es una poltica de mantenimiento correctivo, pues de lo contrario, se estar
aumentando la probabilidad de introducir defectos de montaje o del propio componente propia de
su perodo de mortalidad infantil, reducindose la fiabilidad del sistema.
3) Solamente las fallas relacionadas con la edad del artculo justifican tareas preventivas basadas en el tiempo.
Esas fallas obviamente van a ocurrir prximas o ya en la fase de envejecimiento, requiriendo acciones de sustitucin,
reparacin o pruebas programadas.
Tareas preventivas basadas en la condicin (BC):

Muchos fallos tienen como caracterstica el hecho de no ocurrir instantneamente sino que se desarrollan en un largo
perodo, emitiendo una o ms seales cuando estn prximos a ocurrir, independientemente de los respectivos patrones de
fallas y de la regin en que estn. En estos casos, si existieran tcnicas de deteccin y si estas fueran costo - eficientes,
deben ser tambin utilizadas; pero, con qu frecuencia?.
En algunos textos que tratan el RCM, se define el punto de la condicin de un componente o equipamiento a lo largo del
tiempo, a partir del cual es posible la deteccin de la seal o seales de una determinada falla como falla potencial.
La falla potencial es una condicin fsica identificable que indica que una falla funcional del artculo es inminente
Ejemplos: Rajaduras indicando fatiga, vibraciones indicando falla inminente de un rodamiento, partculas de aceite en la
caja de cambio mostrando falla inminente del engranaje, etctera.
El intervalo entre la falla potencial y la funcional se denomina Intervalo P - F . En este intervalo deben ser tomadas medidas
que impidan la ocurrencia de la falla funcional, pero fundamentalmente, que minimicen las consecuencias de la falla.
Surge aqu de nuevo la cuestin de la fiabilidad, representada por la frecuencia de realizacin de las tareas predictivas. Si
el tiempo fuera mayor que el intervalo P-F existir la posibilidad de que la falla no sea detectada pudiendo causar prdidas
de produccin o accidentes. Por otra parte, la realizacin excesiva de las tareas predictivas pueden no ser costo - eficientes
y resultar un desperdicio de tiempo y otros recursos. En la prctica, las tareas predictivas pueden ser ejecutadas con una
frecuencia del orden de la mitad del intervalo P-F.
Aclaraciones:
La capacidad INHERENTE (de DISEO) y la confiabilidad INHERENTE (de DISEO), limitan las funciones de
cada activo.
El mantenimiento NO PUEDE aumentar ni la confiabilidad operacional ni la capacidad del activo ms all de su
nivel INHERENTE (de DISEO).
El Mantenimiento slo puede lograr mejorar el funcionamiento de un activo cuando el estndar de ejecucin
esperado de una determinada funcin del activo, est dentro de los lmites de la capacidad de diseo o de la
confiabilidad de diseo del mismo.
Resumiendo:
1. El RCM es una METODOLOGA que permite identificar las polticas de mantenimiento ptimas para garantizar el
cumplimiento de los estndares requeridos por los procesos de produccin.
2. La Metodologa RCM incluye:
La revisin sistemtica de las FUNCIONES que conforman el proceso: Sus ENTRADAS y SALIDAS, las FORMAS
O MODOS en que pueden dejar de cumplirse esas FUNCIONES y sus CAUSAS y las CONSECUENCIAS de las
FALLAS FUNCIONALES.
Y las TAREAS de mantenimiento ptimas para cada situacin (Predictivo, Preventivo, etc.) en funcin del
IMPACTO GLOBAL ($, barriles de petrleo, ton)
3. El RCM es una filosofa de gestin de mantenimiento, en la cual un EQUIPO MULTIDISCIPLINARIO de trabajo,
se encarga de optimizar la CONFIABILIDAD OPERACIONAL de un sistema que funciona bajo condiciones de
trabajo definidas, estableciendo las actividades ms efectivas de mantenimiento en funcin de la criticidad de los
activos pertenecientes a dicho sistema, tomando en cuanta los POSIBLES EFECTOS que originarn los MODOS
DE FALLO de estos activos, a la SEGURIDAD, al AMBIENTE y a las OPERACIONES. (Anthony R. Smith).
4. La Confiabilidad operacional incluye:
CONFIABILIDAD HUMANA
CONFIABILIDAD DE LOS PROCESOS
CONFIBILIDAD DE LOS EQUIPOS
MANTENIBILIDAD DE LOS EQUIPOS
5. El esquema propuesto para implantar el RCM es el siguiente:
Diagnstico
Seleccin de reas pilotos
Formacin de equipos de trabajo (EQUIPO RCM)
Adiestramiento
Definicin de la estructura de criticidad de las reas y de los sistemas crticos
Realizacin de los diagramas EPS (Entrada-Proceso-Salida) de las reas pilotos y de sus sistemas crticos.
Identificacin de los sistemas, grupos de equipos y dispositivos de proteccin y control de las reas pilotos.
Realizacin del Anlisis de Modos de y Efectos de fallas (AMEF) de los activos.
Seleccin de estrategias y procedimientos de operacin y mantenimiento (rbol lgico de decisin).
Implantacin y evaluacin.

BIBLIOGRAFIA
1. AEM [1995] El mantenimiento en Espaa./ Asociacin Espaola de Mantenimiento./ Barcelona.
2. Aguilera A. [2000] Procedimiento para la determinacin del nmero de inspectores necesarios para la
realizacin de un mantenimiento por diagnstico./ A. Aguilera, E. De la Paz y S. Ibarra./ Revista
Mantenimiento. (Espaa). No. 140. Editorial Puntex. http://www.puntex.es/mtto/140
3. Creus i Sol, A. [1991] Fiabilidad. y seguridad de los procesos industriales./ Editorial Marcondo. Espaa.
4. De la Paz Martnez, E. [2001] Herramientas para la toma de decisiones en mantenimiento. /E. De la Paz et
al./ www.angelfire.com/ar2/k/mantenimiento.htm
5. De la Paz Martnez, E. [2003] Mantenimiento y Confiabilidad. Curso para profesionales / E. de la Paz y H.
Granela. Comisin de integracin energtica regional. Comit colombiano. Medelln. Colombia.
6. Dhillon, B.S. [2006] Maintainability, Maintenance and Reliability for Engineers. CRC Press. Francis & Taylor
Group.
7. Elmann, E. [2010] La Confiabilidad como modelo de negocio. Captulo 1 de: Casos de Negocio en la Gestin Integral
de Activos Integrated Asset Management / Global Asset Management Iberoamrica. Ediciones PMM Institute for
Learning. ISBN: 978-84-935668-7-6. Espaa 301p.
8. Kenett, R. y S. Zacks [2000] Estadstica industrial moderna. Diseo y control de la calidad y la confiabilidad.
Internacional Thomson Editores, S.A. de C.V. Mxico.
9. Kohler, Eric L. [1990] Diccionario para contadores./ Unin Tipogrfica Editorial Hispano Americana (UTEHA).
Mxico. 1236 p.
10. Marx, C. [1980] El capital./ (t.1). Editorial Ciencias Sociales. Ciudad de La Habana.
11. Mora Gutirrez, Alberto [2011] Mantenimiento. Planeacin, ejecucin y control. ALFAOMEGA GRUPO
EDITOR, S.A. de C.V. Mxico 504p.
12. Morrow, L.C. [1957] Maintenance Engineering Handbook./ McGraw Hill Book Company, Inc., USA.
13. Moubray, J. [1997] Reliability Centered Maintenance./ Industrial Press Inc. Second Edition.
14. Nakajima, S. [1988] Introduction to TPM./ Productivity Press. Cambridge, Massachusetts.
15. Portuondo Pichardo, F. [1990] Economa de empresas industriales./ (2 partes). Editorial Pueblo y Educacin.
Ciudad de La Habana, 1990.
16. Shomann, M. L. Probabilistic Reliability an Engineering Approach.
17. Tavares, L. [1999] Administracin Moderna del Mantenimiento./ Novo Publicacoes. Brasil. 213 p.
18. Thuesen, H.G. [1993] Ingeniera Econmica./ H.B. Thuesen, W.J. Fabricky y G.J. Thuesen./ Prentice Hall
Hispanoamericana, S.A., Mxico.
19. Zacks, S. [1992] Introduction to reliability analysis: Probability models and statistical methods. Springer
Verlag. New York.

Anexo1
Procedimiento de seleccin de alternativas de decisin sobre los activos fijos
Seleccin
Adquisicin
Instalacin
Utilizacin
SI
Se satisface la demanda en cantidad y calidad transcurrido t?
NO
NO NO
SI Se satisface la demanda
Es solo un problema de cantidad? modernizando el activo
fijo?
SI
SI
Ampliacin SI Es econmicamente NO
factible la Modernizacin?
Modernizacin Anlisis de vida

econmica
Costos totales anuales

SI (operacin + mantenimiento)
constantes?
NO
Valoracin objetiva de otros
factores influyentes
Se dispone de capital para la

compra de un nuevo activo fijo?
NO
S
Reemplazo
Mantenimiento
Fin del ciclo de
vida

Anexo 2: Patrones de Fallo
Curva de la Baera:
Elevada mortalidad infantil seguida de un
perodo con tasa de fallos constante y ter-
minando con tasa de fallos creciente.
A
Tasa de fallos constante o ligeramente

creciente, terminando con desgaste o
envejecimiento, con tasa de fallos
B bastante acentuada.
Tasa de fallos lineal, ligeramente creciente,

con un perodo de envejecimiento bin
C marcado.
Tasa de fallos baja durante la juventud del

artculo, aumentando hasta un nivel cons-
D tante que se mantendr hasta el final de la
utilizacin del artculo.
Tasa de fallos constante durante todo el

E ciclo de vida.
Elevada mortalidad infantil que decrece

F hasta un valor constante o ligeramente
creciente de probabilidad de avera.

Anexo 3 Distribuciones probabilsticas relacionadas con estudios de Fiabilidad
La Distribucin de Weibull
Dr. Walodi Weibull (1877-1979) present en 1951 ante la Sociedad Americana de Ingenieros
Mecnicos (ASME por sus siglas en ingls) siete estudios de casos en los que us la Distribucin de
Weibull. En estos casos comprob que esta es la ms aplicable a los materiales, estructuras y
sistemas biolgicos teniendo en comn un incremento porcentual de fallas. *(Tomado de Dounce
[2006].)
f(t) R(t) (t)
=3
=3
=3(Normal)
(normal)
=1
=1(Exp) =0.5
=0.5 =1
Funcin de densidad =1 Funcin de fiabilidad = 1 Tasa de fallos instantnea = 1
Distribucin Log Normal: distribucin de los ln de X.

Notacin: X LN ( ln ; 2 ln) Su comportamiento se observa en la grfica:
f(x)
E(X) = ln es la media de los logaritmos de las observaciones, o sea los ln de las xi
Para trabajar con la Tabla de la Distribucin Normal estndar es necesario restar ln t - ln y luego
dividir entre ln, o sea estandarizar.
Ejemplo: El tiempo en que ocurren los fallos de un equipo sigue una distribucin LN con ln = 5h y
ln, de 2h. Cul es la probabilidad de que el equipo opere ininterrumpidamente al menos 1500
horas?

Distribucin Triangular (TR): es til como aproximacin inicial cuando no se dispone de
datos confiables. Notacin: XTR (a, b, c).
Un ejemplo donde se muestra el comportamiento de dicha distribucin es la estimacin de la

duracin de un proyecto:
f(x)
Donde:
2 a- Pesimista.
c-a b- Muy probable
c- Pesimista
a b c
Distribucin Erlang: Caracteriza el tiempo entre fallos.

Notacin: X Erlang (m; ) donde m>0 y entero; >0.
No posee un comportamiento estable, pues el mismo depende de los valores que tengan
sus parmetros, por ejemplo:
f (x) para Erlang en (1,1) f (x) para Erlang en (4,2)
2 4 x 20 x

Distribucin de Rayleigh: Caracteriza el tiempo para completar una tarea y el tiempo hasta
el fallo de una pieza de un equipo.
Notacin: X Rayleigh (b), donde b>0. El comportamiento de esta distribucin se observa

en el grfico siguiente:
f (x)
Distribucin de Pareto: al igual que la Erlang caracteriza el tiempo entre fallas.
Notacin: X Pareto ( ; a), a>0 y >0. Esta distribucin al aumentar el valor de sus
parmetros se desplaza en el eje x de la siguiente forma:
f(x) Pareto en (2,1) f(x) Pareto en (5,5)

Distribucin uniforme o rectangular: Es propia de componentes mecnicos (engranes,
rodamientos, motores) siempre que interviene en la probabilidad solo la longitud del intervalo de
tiempo transcurrido.
1
Notacin: XUN (a,b) f(x)= para a x b y 0 para otros valores de x; a y b
b a
f(x) Fx (t)
a b a b
Ejemplo: Un rodamiento del tipo A, despus de instalado en un motor, puede operar por diseo
hasta 30 das. Qu probabilidad existe de que si se instala el 16 de diciembre en un equipo de
produccin continua y en condiciones operativas ideales, falle antes del 1 de enero?
Distribucin Gamma: Varios autores han tratado dicha distribucin por lo que sus parmetros son
los siguientes:
X GA ( ; 1/) tambin: X GA (r ; ) .
Donde: r son parmetros de forma no enteros.

parmetros de escala
Si r es entero, la Gamma es la suma de r distribuciones Exponenciales, cada una con parmetro .
Esta distribucin adopta una forma para cada valor de su parmetro r por ejemplo:

r=1
r=2
r=3

Anexo 4

ANEXO 5: Acceptance limits for the Kolmogorov-Smirnov test of goodness of fit
SIGNIFICANCE LEVEL
Sample size
(n) 0.20 0.15 0.10 0.05 0.01
1 .900 .925 .950 .975 .995
2 .684 .726 .776 .842 .929
3 .565 .597 .642 .708 .829
4 .494 .525 .564 .624 .734
5 .446 .474 .510 .563 .669
6 .410 .436 .470 .521 .618
7 .381 .405 .438 .486 .577
8 .358 .381 .411 .457 .543
9 .339 .360 .388 .432 .514
10 .322 .342 .368 .409 .486
11 .307 .326 .352 .391 .468
12 .295 .313 .338 .375 .450
13 .284 .302 .325 .361 .433
14 .274 .292 .314 .349 .418
15 .266 .283 .304 .338 .404
16 .258 .274 .295 .328 .391
17 .250 .266 .286 .318 .380
18 .244 .259 .278 .309 .270
19 .237 .252 .272 .301 .361
20 .231 .246 .264 .294 .352
25 .21 .22 .24 .264 .32

30 .19 .20 .22 .242 .29
35 .18 .19 .21 .23 .27
40 .21 .25
50 .19 .23
60 .17 .21
70 .16 .19
80 .15 .18
90 .14
100 .14
Asymptotic 1.07 1.14 1.22 1.36 1.63

formula: n n n n n
Reject the hypothetical distribution F(x) if Dn = max |Fn(x) F(x)| exceeds the tabulated value.
For = 0,01 y 0,05, asymptotic formulas give values which are too highby 1.5 percent for n = 80.
(Tabla tomada de Introduction to Probability and Statistics de G.W. McElrath y B.W. Lindgren).

Anexo 6: GAMMA FUNCTION
e
x
Values of (n) = x n 1 dx
0
n (n) n (n) n (n) n (n)

1.00 1.0000 1.25 .90640 1.50 .88623 1.75 .91906
1.01 .99433 1.26 .90440 1.51 .88659 1.76 .92137
1.02 98884 1.27 .90250 1.52 .88704 1.77 .92376
1.03 .98355 1.28 .90072 1.53 .88757 1.78 .92623
1.04 .97844 1.29 .89904 1.54 .88818 1.79 .92877
1.05 .97350 1.30 .89747 1.55 .88887 1.80 .93138
1.06 .96874 1.31 .89600 1.56 .88964 1.81 .93408
1.07 .96415 1.32 .89464 1.57 .89049 1.82 .93685
1.08 .95973 1.33 .89338 1.58 .89142 1.83 .93969
1.09 .95546 1.34 .89222 1.59 .89243 1.84 .94261
1.10 .95135 1.35 .89115 1.60 .89352 1.85 .94561
1.11 .94739 1.36 .89018 1.61 .89468 1.86 .94869
1.12 .94359 1.37 .88931 1.62 .89592 1.87 .95184
1.13 .93993 1.38 .88854 1.63 .89724 1.88 .95507
1.14 .93642 1.39 .88785 1.64 .89864 1.89 .95838
1.15 .93304 1.40 .88726 1.65 .90012 1.90 .96177
1.16 .92980 1.41 .88676 1.66 .90167 1.91 .96523
1.17 .92670 1.42 .88636 1.67 .90330 1.92 .96878
1.18 .92373 1.43 .88604 1.68 .90500 1.93 97240
1.19 .92088 1.44 .88580 1.69 .90678 1.94 .97610
1.20 .91817 1.45 .88565 1.70 .90864 1.95 .97988
1.21 .91558 1.46 .88560 1.71 .91057 1.96 98374
1.22 .91311 1.47 .88563 1.72 .91258 1.97 .98768
1.23 .91075 1.48 .88575 1.73 .91466 1.98 .99171
1.24 .90852 1.49 .88595 1.74 .91683 1.99 .99581
2.00 1.0000
ANEXO 7: Valores medios clasificados de fallos (Fragmento de Tabla A. 7 del libro de Creus i Sole).
(Rangos para el trabajo con la Distribucin de Weibull):
1 2 3 4 5 6 7 8 9 10 11 12
1 .500 .2929 .2063 .1591 .1294 .1091 .0943 .0830 .0741 .0611 .0611 .0561
2 .7071 .5000 .3864 .3147 .2655 .2295 .2021 .1806 .1632 .1489 .1368
3 .7937 .6136 .5000 .4218 .3648 .3213 .2871 .2594 .2366 .2175
4 .8409 .6853 .5782 .5000 .4404 .3935 .3557 .3244 .2982
5 .8706 .7345 .6352 .5596 .5000 .4519 .4122 .3789
6 .8909 .7705 .6787 .6065 .5481 .5000 .4596
7 .9057 .7979 .7129 .6443 .5878 .5404
8 .9170 .8194 .7406 .6756 .6211
9 .9259 .8368 .7634 .7018
10 .9330 .8511 .7825
11 .9389 .8633
12 .9439

Anexo 8: rea bajo la curva Normal entre - y z, o sea P (Z z)


Confiabilidad

Cargado por

Copyright:

Formatos disponibles

Confiabilidad

Cargado por

Información del documento

Descripción original:

Título 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

Confiabilidad

Cargado por

Copyright:

Formatos disponibles

Universidad Nacional del Callao

Facultad de Ingeniera Mecnica-Energa

Maestra en Gerencia de Mantenimiento

Confiabilidad y anlisis de falla

Autora: Dra. Ing. Estrella Mara de la Paz Martnez

El punto de partida para la realizacin de un estudio de fiabilidad es la informacin cualitativa y

Las estadsticas permiten responder preguntas como:

Un ATRIBUTO del MANTENIMIENTO CLASE MUNDIAL es: Utilice herramientas estadsticas.

Confiabilidad y anlisis de falla 2

Confiabilidad y anlisis de falla 3

No obstante a las diferentes denominaciones, todos coinciden en que:

Tabla 1. Una Clasificacin de los activos fijos.

Las causas del desgaste moral pueden ser:

Confiabilidad y anlisis de falla 4

MANTENIMIENTO AMPLIACION MODERNIZACION REEMPLAZO

FIN DEL CICLO DE VIDA

Se ha definido el mantenimiento como la conservacin de bienes en condiciones adecuadas de operacin mediante

Confiabilidad y anlisis de falla 5

Evolucin de las tcnicas de Mantenimiento

Entre los principales objetivos del mantenimiento pueden sealarse:

1940-1950: Primera generacin

Confiabilidad y anlisis de falla 7

La teora de las Probabilidades y la Estadstica Matemtica

La teora de la fiabilidad estudia:

Conceptos, trminos y definiciones ms utilizados:

Estado lmite: Estado del artculo en el cual su utilizacin es interrumpida debido a:

Confiabilidad y anlisis de falla 8

La ocurrencia de un fallo ocasiona COSTOS:

Criterio de clasificacin Tipo de fallo

Por su modo de manifestacin respecto al tiempo Repentino

Por su severidad Leve

Los fallos y su comportamiento en el tiempo.

R (0) = 1 al inicio de su vida til cuando el artculo con seguridad funciona.

Las relaciones entre la fiabilidad y los componentes son:

Derivando la expresin (1) se obtiene:

f(t) = - dR(t)/ dt (3)

En el ejemplo anterior, la probabilidad de fallo correspondiente sera:

La curva de la baera (Bathtub Curve)

Fallos iniciales (infantiles)

En la ecuacin (4), sustituyendo Ns (t) / N (0) por R (t) resulta:

Reordenando la expresin (5), integrando entre 0 y t, evaluando para t = 0 y R(t) = 1 se obtiene:

Los datos de fallos. Recoleccin de datos de fallos en el Tiempo.

Confiabilidad y anlisis de falla 11

Es as que los datos de fiabilidad sirven para varios propsitos:

Entre los principales datos de fallos en el Tiempo se encuentran los siguientes:

Debe sealarse adems que TEFi = TOi+1 + TFSi

Estadstica descriptiva de datos de fallos en el tiempo.

Prueba para valores extremos.

Software especfico: RELEST

Descripcin del sistema: Relest

Confiabilidad y anlisis de falla 13

1. La aceptacin de la nocin probabilstica de Fiabilidad.

La fiabilidad no es una prediccin, sino que es la probabilidad de accin correcta de un artculo

Conceptos y definiciones de Probabilidades:

Punto muestral: Cada uno de los posibles resultados de un fenmeno aleatorio.

Siendo A y B dos eventos cualesquiera de un espacio muestral S:

A + B: Subconjunto de S que contiene todos los elementos de A y de B.

Ejemplo: Sean A, B y C eventos del espacio muestral S.