Presentación Ing de Confiabilidad PDF

Asociacin Colombiana de Ingenieros
Msc. Juan Carlos Orrego Barrera servicio@mantonline.com
Diplomado en Gestin y Control de

Mantenimiento
Mtodos de Ingeniera de Confiabilidad
JUAN CARLOS ORREGO BARRERA - PGAM

Msc. Gestin Energtica Industrial
Esp. en Finanzas, Preparacin y Evaluacin de Proyectos
Ingeniero Mecnico UdeA
servicio@mantonline.com
www.mantonline.com
revista@mantenimientoenlatinoamerica.com
www.mantenimientoenlatinoamerica.com
CONTENIDO
Ingeniera de Mantenimiento y Confiabilidad

Proceso de Ingeniera de Mantenimiento y Confiabilidad
Introduccin a la Ingeniera de Confiabilidad
Funciones Estadsticas en Confiabilidad
Anlisis Weibull y sus aplicaciones
Trmino
TEMA
Mdulo I
Presentacin Diplomado. Plan de estudio,
metodologa, reglamento y manejo de la
plataforma.
Tareas
Actividad
Mantenimiento
en
Confiabilidad
Sesin Centrado
Semana
NOMBRE
a cumplir
Virtual
Seguridad de funcionamiento
Mauricio Medina A.
Miguel Lemus
Virtual
Nivelacin de conceptos
Pedro Silva
Virtual
Riesgos asociados al mantenimiento
Pedro Silva
Virtual
Mdulo II
Planeacin de mantenimiento
Pgina
Conferencia de Inicio
Viernes 23 mayo Webinar

6:30 PM 7:30PM
Documento de consulta
Martes 27 mayo Webinar

6:00 PM 8:30PM
Terotecnologa
Evaluacin
30 de mayo
rbolDocumento
de Fallas
de consulta
1
Mircoles 28 mayo Webinar

6:30 PM 9:00PM
Evaluacin
4 de julio
Martes 3 junio Webinar
6:30 PM 8:30PM
Previsin o prediccin de mantenibilidad

Pedro Silva
Virtual
Documento de consulta
PlanVirtual
de mantenibilidad
y confiabilidad
2
14
Periodo semana
16
16
26 al 30 de mayo
27
26 al 30 de mayo
34
2 al 6 de junio
38
Planeacin tctica: Filosofas, matriz de

mantenimiento
Pedro Silva
Optimizacin del Mantenimiento Planeado

PMO
Juan Carlos Duarte
Virtual
Mantenimiento Productivo Total TPM
Sebastin Giraldo
Virtual
Lectura material,
actividades pedaggicas
Jueves 12 junio Webinar

6:30 PM 9:30PM
9 al 13 de junio
Ingeniera de confiabilidad
Juan Carlos Orrego
Virtual
Lectura material, taller,


6:30 PM 8:30PM
16 al 20 de junio
Virtual
Lectura material,
Ejercicios Conversatorio
Virtual
Lectura material,
Casos
Mantenimiento Centrado en Confiabilidad

RCM
Juan Carlos Orrego
Estrategia para establecer un programa de

mantenimiento predictivo
Ricardo Rey
Pedro Albarracn
Lectura material, taller,

CONFIABILIDAD
Lectura material,
3
Ejercicios Conversatorio

6:00 PM 8:30PM
6:30 PM 8:30PM
Mircoles 11 junio Webinar
Conversatorio
6:30 PM 8:30PM

6:30 PM 8:30PM
Conversatorio
6:30 PM 8:30PM
Martes 1 julio Webinar
6:00 PM 8:30PM
Jueves 3 julio Webinar
6:30 PM 8:30PM
Viernes 4 julio Webinar
6:30 PM 9:30PM
2 al 6 de junio
42
9 al 13 de junio
23 al 27 de junio
30 junio al 4 de julio
Mantenimiento y Confiabilidad aplicada
Durante el Ciclo de Vida del Activo
Cualquier secuencia de eventos u operaciones

que se pueden REPETIR y que producen
resultados tangibles o intangibles.
Maquinas
Herramientas
Operadores
E. Medicin
Mtodos
Insumos
Materia P.
Informacin
Energa
Tarjeta de informacin
Auditoria por producto
Hoja de ruta
Carta de control
Ayudas visuales
Procedimientos
Productos
Informacin
Energa Transformada
en el Da a Da
DATOS
Tipos de datos para confiabilidad

Datos operativos especficos de plantas (contexto)
Datos operativos (Parmetros)
Datos de equipo
Datos de eventos
Datos de fallas
Los datos de mantenimiento
Datos de confiabilidad procesados (Tasa falla)

Datos de referencia (Benchmark)
Pedro Silva
Daniel Ortiz
Pedro Silva
Juan Carlos Duarte
Pedro Silva
Lourival Tavares
Herramientas para la Confiabilidad
Metodologas y Herramientas
Disciplinas
Prospectiva
Gerencia de Riesgo
Gerencia de Activos
Gerencia de la Seguridad
Ingeniera de Mantenimiento
Gerencia de la Incertidumbre
Finanzas e Ingeniera Econmica
FMEA
rbol de fallas
Anlisis de Riesgo
Anlisis de Criticidad
Diagramas de Bloques
Anlisis Causa Raz - RCA
Auditoras de confiabilidad
Inspeccin Basada en Riesgo RBI
Software de confiabilidad (CMMS)
Fuente: R2M
Total Productive Maintenance - TPM

Optimizacin Costo Riesgo Beneficio
Anlisis Econmico del Ciclo de Vida LCA
Anlisis de Confiabilidad, Mantenibilidad -RAM
Mantenimiento Centrado en Confiabilidad RCM
Herramientas para la Confiabilidad
Herramientas Estadsticas
Herramientas Estadsticas
Datos
Anlisis de Weibull
Lognormal
Estimaciones Bayes
Monte Carlo
Distribucin Normal
Exponencial
Weibull base de datos
Tiempo medio
Distribucin de Pareto
Curvas baera
Distribucin de Poisson
Pronstico Si No
Grficos de probabilidad
Las tasas de falla
Weibull de Acciones Correctivas
Fuente: Barringer & Associates, Inc. 2010
Aplicaciones
Confiabilidad de activos Fsicos

Confiabilidad Humana
Confiabilidad de procesos y sistemas
Inventarios basados en Confiabilidad
Mantenimiento Centrado en Confiabilidad
Complejidad del Equipo
Dnde funcionan las herramientas de

confiabilidad?
Confiabilidad
de Sistemas
RCM
TPM
PMO
Lean Maintenance
Anlisis
Anlisis
Causa Raz
de
Weibull
Inspeccin
Basada en
Riesgo
RBI
Costo de Tiempo Fuera de Servicio (down time)

Fuente: Flynn, Vince et AL (2002)
Probabilidad
Medida numrica de la posibilidad de que un

suceso ocurra (o no).
Imagen: http://nmillionaire.com
Un componente importante de ste es el azar el

que se espera controlar, reducir y hasta eliminar
durante algunos perodos de tiempo.
Probabilidad
Ejemplo 1:
Al recoger la informacin de los compresores empleados en los
Hospitales del eje cafetero en Colombia durante el ao 2012, se
encontr que tenan las siguientes presiones de servicio: entre 100
y 150 PSI, 2 equipos; 150 200, 6 equipos; 200 250, 5 equipos;
250 300, 7 equipos, y entre 300 y 350, 4 quipos.
Segn esa informacin histrica qu tan probable es que al
revisar uno de esos equipos de manera aleatoria este ao su
presin de servicio est entre 200 y 250 PSI?
Solucin:
P(200 X 250) = 5 (Casos Favorables)/24 (Casos Posibles)=0,083= 8,3%
Fuente: Curso ESTADSTICA PARA LA GESTION DEL MANTENIMIENTO. Mantonline.com
2.4. Teorema de Bayes
Ejemplo 2:
La Compaa XY, interesada en analizar los equipos con que cuenta a la luz de
haber recibido mantenimiento correctivo o programado (CP), en comparacin con
haber sido sometidos a otros tipos de mantenimiento (SCP), realiza el inventario de
todos ellos en sus 4 plantas de produccin.
Los resultados de ese inventario y su caracterstica del tipo de mantenimiento
recibido se diagrama a continuacin:
Planta 1
153
Planta 2
215
Planta 3
89
13
241
228
96
313
153
215
89
298
88
13
15
88
Total equipos:
Equipos
Correctivo o
Planeado:
Otros:
Planta 4
298
15
878
Fuente: Curso ESTADSTICA PARA LA GESTION DEL MANTENIMIENTO. Tulio Quintero -Mantonline.com
Ejemplo:
Con esa representacin grfica de la informacin del tipo de mantenimiento que reciben los
equipos de la Empresa XY, se pueden formular probabilidades segn nuestro inters:
Al escoger aleatoriamente uno cualquiera de los equipos:
Qu tan probable es que resulte de la planta 1?
P(P1)=CF/Cp=241/878=27,45%
Al formular la misma pregunta para cada planta, se puede construir otro diagrama que
represente el Teorema de Bayes:
Total equipos P1
241
P(P1)=241/878
27,45%
Total equipos P2
228
P(P2)=228/878
100% de los equipos
878
25,97%
Total equipos P3
96
P(P3)=96/878
10,93%
Total equipos P4
313
P(P4)=313/878
35,65%
Ejemplo:
En ese mismo diagrama podemos representar lo que sucede con los equipos de cada
planta, respecto al tipo de mantenimiento: dado que el equipo pertenece a la Planta 1
qu tan probable es que haya recibido mantenimiento correctivo o planeado (CP)?
Dicho de otra forma: dentro de los equipos de la Planta 1 qu tan probable es que
hayan recibido mantenimiento correctivo o programado (CP)? O sea P(CP/P1)=?
153 de los 241 con CP
P(CP/P1)=153/241
Total equipos P1
63,49%
Obsrvese:
241
P(P1)=241/878
27,45%
88 de los 241 SCP

P(SCP/P1)=88/241
Total equipos P2
P(CP/P1)+P(CP/P2)=100%
36,51%
228
P(P2)=228/878
100% de los equipos
878
25,97%
Total equipos P3
96
P(P3)=96/878
10,93%
Total equipos P4
313
P(P4)=313/878
35,65%
Obsrvese: P(P1)+ P(P2)+ P(P3)+ P(P4)=100%

Funciones de Distribucin de probabilidad
Funciones de Distribucin de probabilidad
Funciones de Distribucin usadas para

Confiabilidad
Gamma
Combinacin de Sistemas mecnicos

y elctricos
Log Normal
Las piezas mecnicas que fallan

debido a algn mecanismo de
desgaste
Poisson
Mecanismos de Seguridad (fusibles)
Binomial
Sistemas altamente complejos
Exponencial

y elctricos
Weibull

y elctricos complejos
El Tiempo como Variable principal
up-times
operando
tUP1
OPERANDO
FUERA DE
SERVICIO
tUP2
tUP3
tUP(n-1)
tUP(n)
t
tDOWN1
tDOWN2
tDOWN(m-1)
tDOWN(m)
Programados
down-times
fuera de servicio
NO Programados
El Tiempo como Variable principal
To
OPERANDO
FUERA DE
SERVICIO
Media
Promedio o valor esperado (X barra): este

clculo hecho sobre la muestra se denomina
estadstico o estimador, y desde este
subconjunto permite determinar tendencias y
aproximaciones de lo que sucede en la
poblacin de inters (Estadstica Inferencial).
MTBF Mean Time Between Failures

MTBF - Mean Time Between Failures: Representa el
Promedio del tiempo entre dos fallas de un elemento
(Equipo, Sistema o Componente).
MTBF Mean Time Between Failures

MTBF
tUP1
T o T np
Cf
To: El Tiempo Establecido para Operar

Tnp: Tiempo de paradas No Programadas
Cf: Cantidad de Fallas detectadas durante el perodo Establecido para operar
MTBF Ejemplo 3
Un vehculo que trabaja 14 horas al da 24 das al mes,

presenta paradas no programadas como muestra la
tabla siguiente.
Mes
Paradas no
programadas
Tiempo de
parada (h)
Costo
Mantenim.
1
2
3
4
5
6
7
8
9
10
11
12
1
0
1
1
1
0
1
1
0
0
0
0
403
21
15
20
321
620
873
29
2
899
102
To= 14x24x12 = 4032

Tnp = 93
C f: = 6
MTBF
4032 93
6
MTBF = 656,5 horas entre fallas
MTBF Ejemplo 4
Un equipo a lo largo de 120 horas sufri 5
detenciones que tardaron en total 18 horas,
determinar cul fue el MTBF.
To= 120
Tnp = 18
C f: = 5
MTBF
120 18
5
MTBF = 20,4 horas entre fallas
MTTF Mean Time To Failure

MTTF Mean Time To Failures: Cuando se
trata de un cambio o sustitucin de parte o
repuesto, el concepto es similar al anterior, lo
que se indica en este caso, es el tiempo
promedio con que se producir la falla del
elemento analizado.
Es importante resaltar que el MTBF y el MTTF
son mutuamente excluyentes, pues para este
ltimo, el tiempo de reparacin es cero.

MTTF
tUP1
To* n
n
i=1C f
tDOWN = CERO
To
OPERANDO
FUERA DE
SERVICIO
up-times
operando
tDOWN1
Fallas
down-times
To: El Tiempo Establecido para Operar
n: Numero de unidades bajo pruebafuera de servicio
Cf: Cantidad de Fallas detectadas durante el perodo Establecido para operar
NO Programados

MTTF
To
tDOWN = CERO
Cf
tUP1
To
OPERANDO
FUERA DE
SERVICIO
up-times
operando
tDOWN1
Fallas
down-times
To: El Tiempo Operacin
fuera de
Cf: Cantidad de Fallas detectadas durante
el servicio
perodo Establecido para operar
MTTF Ejemplo 3
Supongamos que Diez
componentes
idnticos
son probados hasta que, o
bien fallan o llegan a 1.000
horas. Y que los resultados
fueron como se muestra la
siguiente tabla.
Calcule el MTTF
MTTF = 7532 horas/6 fallas
= 1255, 33 horas entre falla
Elemento
Falla
Horas de Operacin
si
400
no
1000
si
620
si
900
no
1000
si
700
si
862
no
1000
si
50
10
no
1000
Total Horas operacin
7532
Esto NO significa que otro elemento idntico, trabajando bajo las mismas condiciones
dure 1255,33 horas.
Revisin de Conceptos de Confiabilidad
MTTR - Mean time to repair: Representa el Promedio

del tiempo que tarda la reposicin de las fallas de un
elemento (Equipo, Sistema o Componente).
Tasa de Fallas
Tasa de falla es la frecuencia con que un sistema

de ingeniera o un componente falla, expresada
por ejemplo en fallas por hora.
# Fallas

TiempoEsta
1
MTTF
blecidopar
aOpear
Ejemplo 5
Del Ejemplo 3, calcule la tasa de fallas y concluya

En este caso, MTTR = 0, esto implica que
MTBF =MTTF
= 1/1255,33 = 0,0007966 Fallas / hora = 796,6 x 10-6
Fallas/hora
Es decir que ocurriran alrededor de 796,6 fallas por cada milln
de horas de operacin.
Existe una unidad Normalizada, denominada FIT (Failure
in Time), que mide la cantidad de fallas en 109 horas.
1 FIT = 1 x 10-9 [1/horas]
Confiabilidad: R(t)
La Confiabilidad, en su forma ms simple, se describe con la siguiente

ecuacin:
R (t ) e
.t
.t
MTTF
Donde:
e = 2,71828
t = tiempo de la misin (hrs, das, semanas, meses, aos, etc)
= tasa de falla,
MTTF= 1/ = tiempo promedio para fallar.
Esta ecuacin es vlida para tiempos para la falla que sigan la

distribucin exponencial.
R Ejemplo 6
Supongamos que tiene un componente que la vida til

que est satisfactoriamente modelada por una
distribucin exponencial con MTTF = 1000. Cul es la
probabilidad de que este componente no falle antes de
2000?
R ( 2000
1
1000
. 2000
R (2000) = 0, 1353
Es decir que la probabilidad de que el componente no falle en

este periodo es del 13,53%
Probabilidad de Falla
Si llamamos F(t) la probabilidad de que el

elemento falle, entonces.
F(t) = 1- R(t)
Del ejemplo anterior, diramos que, la probabilidad de
que el componente falle durante el mismo periodo
seria:
F(t) = 1- 0,1353 = 0,8646
Es decir que la probabilidad de que el componente falle en este
periodo es del 86,46%
Configuracin en Serie
Son sistemas conformados por mltiples elementos de los

cuales deben operar todos para que el sistema cumpla con su
funcin.
Entradas
Entidad 1
Entidad 2
Entidad 3
Entidad n
Salidas
R SIST . ( t ) R 1 t * R 2 t * R 3 t ........ R N t
R i t
i 1
F SIST . ( t ) 1 R 1 t * R 2 t * R 3 t ........ R N t
i 1
1 F i t
Configuracin en Serie
Entradas
Entidad 1
Entidad 2
Entidad 3
Entidad n
Salidas
MTTF
1/
i=1
Ejemplo 7
Un carro tiene cuatro llantas idnticas e independientes y la tasa de falla de

cada neumtico es 0,0004 fallas por hora. Obviamente, cuando una de las
llantas se chuza, el carro no anda.
Calcular :
Confiabilidad del carro para una misin de 15-horas con respecto a
las llantas.
La tasa de falla respecto a las llantas.
El tiempo medio hasta la falla del carro con respecto a las llantas.
Solucin
R1
R2
R3
R4
R1 =R2=R3=R4
i 0,0004 fallas/hora
Usando las ecuaciones anteriores:

R(15) = e 4(0.0004)(15)
= 0.9763
Para :
s = 4 (0.0004)
= 0.0016 fallas/h
y el MTTF:
MTTFs = (0.0004)
= 625 h
Configuracin en Paralelo (A)
Son sistemas conformados por mltiples
elementos de los cuales debe operar al

menos uno para que el sistema cumpla
Entidad 1
Entidad 2
Entradas
con su funcin.
R SIST t 1 F SIST t 1
R i t
i 1
Salidas
Entidad 3
F SIST t F1 * F 2 * F 3 ..........
FN
i 1
Entidad n
F i t
Configuracin en Paralelo (B)
Sistemas
en paralelo donde se
requieren k de n componentes
Entidad 1
para cubrir el requerimiento

N
Entidad 2
R SIST
t
rK
N
r
N r
R t 1 R t
Entradas
Salidas
Entidad 3
F SIST
t 1
R SIST
N = Nmero total de componentes en paralelo.

K = Nmero mnimo de componentes requeridos.
Entidad n
C(t) = Confiabilidad de cada componente en el tiempo t
Ejemplo 8
R1=0.4
R2=0.5
R3=0.6
R4=0.8
R5=0.7
R6=0.9
RA
1
Rt???
RB
RD
RC
Ejemplo - Continuacin
RC
RD
Ejemplo - Continuacin
Ejemplo 9
Considere el sistema de bombeo de crudo mostrado en la figura. Determine

la confiabilidad del sistema asumiendo que todas las bombas son iguales y
tienen una confiabilidad de 0.8. Adicionalmente, las vlvulas de bloqueo y las
vlvulas check de las bombas tienen una probabilidad de falla de 0.01.
Finalmente la confiabilidad de la vlvula de control en la descarga del
sistema es de 0.98 y las vlvulas del by-pass y de entrada tienen una
probabilidad de falla de 0.001. El sistema requiere de 2 de las 5 bombas para
cumplir con el requerimiento.
V=0.01
B=0.80
CH=0.01
V=0.01
1
2
V=0.99
3
V=0.001
4
5
BP=0.001
Sistema de
Bombeo
Solucin
Por tener las bombas, las vlvulas de bloqueo y las vlvulas check las mismas confiabilidades
tenemos:
R1=R2=R3=R4=R5 = Rv*Rb*Rv*Rv = Rb*Rv3

R1 = 0,8*0,9993 = 0,798
5
5
5
5
2
5 2
3
53
4
5 4
5
55
R SIST R t 1 R t R t 1 R t R t 1 R t R t 1 R t
2
3
4
5
5!
* 0 , 798
R SIST
2!
(5
2)!
5!
5!
3
3
2
5
0
0 , 798 * (1 0 , 798 ) ......
0 , 798 * (1 0 , 798 )
* (1 0 , 798 )
3! (5 - 3)!
5! (5 - 5)!
Rsist = 0,9925
Solucin - Continuacin
Luego, resolviendo en paralelo la vlvula de descarga del sistema y el by-pass

se tiene:
2
C vc 1
R i t 1 1 0 . 999
* 1
0 . 99
0 . 99999
i 1
Finalmente, la confiabilidad de todo el sistema de bombeo es:
R sist
. _ bombeo
R v entrada
R sist
. _ bombeo
0 . 9999 * 0 . 9925 * 0 . 99999
* R sist
bombas
* R vc by pass
0 . 9923
ndice de Disponibilidad
MTBF
A(t) =
MTBF+MTTR
Donde:
A(t): Availability [%]
MTBF: Mean time between failure
MTTR: Mean time to repair
ndice de Mantenibilidad
Donde:
M(t): mantenibilidad, que representa la probabilidad de
duracin de la reparacin.
e: constante Neperiana (e=2.303..)
t: tiempo en el que se realiza la evaluacin
MTTR: Tiempo medio de reparacion
Anlisis RAM, el OEE y el ROCE
MTBF
MTTR
Weibull
La distribucin de Weibull es una herramienta

estadstica
usada
generalmente
para
estimaciones de supervivencia, en este caso es
usada en relacin a las fallas aparecidas en
determinado sistema. Es una aproximacin a
una distribucin normal y a una exponencial.
Weibull
donde;
R(t) = Confiabilidad del elemento evaluado
e = Base de los logaritmos naturales = 2.718281.......

t = Parmetro de inters o valor en t
g = valor en t inicial (tercer parmetro de Weibull)
h = Vida caracterstica (cantidad de datos analizados)
= Factor de forma
Weibull
Rango Medio
F(t) esta determinado por los rangos que utilicemos.

Para:
Rangos Medianos
Mayor a 30 datos
Rangos Pequeos
i= orden del dato

analizado
n = numero de
datos de la muestra
Weibull
Confiabilidad significa el mnimo tiempo que el equipo

funcionar con seguridad antes de fallar. La variable
caracterstica g es similar a la media y representa un valor de t
debajo del cual se encuentra el 63.2% de los datos. El parmetro
de forma o geomtrico b controla la asimetra de la distribucin.
Weibull
beta = Pendiente , de la curva que tracemos con

los datos y el calculo realizado para hallar X & Y
Eta (h)=
1
(Intercepto / Pendiente)
Vida Caracterstica (tiempo

para el cual el 63,6% de los
tems han fallado)
Factor de
Forma
Weibull - Ejemplo
Se tiene la siguiente informacin para la Moto

Bomba Impulsora - BIE-1012.
Para lo cual debemos calcular el Tiempo entre
fallas acumulado y ordenar su aparicin, as;
Asociacin
Tiempo entre fallas acumulado y orden
deColombiana de Ingenieros
Aparicin
Rango Medio
Hallando X
Hallando Y
La pendiente y el intercepto
Intercepto
-15,50283037
Pendiente
3,28780429
Beta
3,28780429
Eta
111,6370969
www.mantonline-rcm.com
Comportamiento de b
b<1, Implica la
mortalidad infantil.
Componentes
electrnicos y
mecnicos a menudo
tienen altos ndices de
fracaso en su inicio.
Algunos componentes
son "quemados" antes
de su uso, mientras que
otros requieren
cuidadosa atencin
despus de la
instalacin.
b=1, Implica fracasos al

azar. Estas fallas son
independientes del
momento en que una parte
antigua es tan buena como
una parte nueva.
Revisiones de
mantenimiento no son
apropiadas. Condicin de
control e inspeccin son las
estrategias utilizadas para
detectar la aparicin de
fallas, y reducir sus
consecuencias .
1<b<4,
Implica el
desgaste precoz. Las
fallas de este
tipo,generalmente, no se
espera dentro de la fase
de diseo. Las fallas en
mecanismos tales como
corrosin, erosin, la fatiga
de bajo ciclo aparecen.
Mantenimiento a menudo
implica retrabajos o tareas
de prolongacin de vida
til.
b>4 Se trata fallas al

final de la vida. La
renovacin es una
actividades de
mantenimiento mas
apropiadas. Fallas
relacionades con la
edad son el estrs,
aparicin de fisuras por
corrosin, fluencia,
fatiga y erosin.
Puntos de la Curva
Curva
F u n c io n d e D is t r ib u c io n A c u m u la d a
O b s e rva d o
100%
P r o b a b i li d a d d e F a l l a
E s tim a d o
90%
80%
70%
60%
61.43%
50%
40%
30%
20%
10%
110
0%
0
50
100
150
T ie m p o
200
250
Ficha de un activo confiable
Ejemplo Weibull
Para la intervencin de una maquina , se conocen los siguientes datos:

Costo de mantenimiento preventivo (Cp):
US$600
Costo de Falla del servicio (Cd):
US$3.000
Modelo de Vida, distribucin de Weibull:
h=600 y b=3
Determinar el tiempo optimo de intervencin.
Nota: el costo de mantenimiento preventivo incluye el costo de repuestos nuevos y mano de

obra. El costo de falla del servicio incluye costo de repuestos nuevos, mano de obra y los costos
por perdida de produccin.
Ejemplo Weibull
Solucin
El costo total del mantenimiento
ser:
C=Cp+Cd*{1-R(t)} = Cp+Cd*
{ }
1-
b
(t-)
{ }
(t) 3
600
= 600+3.000 *
1-
El costo promedio por unidad de tiempo ser:

Cm = C
t
Ejemplo Weibull
Optimizacin Basados en Costo
Usando la informacin calculada hasta el momento para el

ejemplo de la distribucin de Weibull, y conociendo los costos del
mantenimiento preventivo y el correctivo, podemos hallar el
punto optimo de intervencin, referidos a dichos costos, para lo
cual, introduciremos el valor de gamma, el cual nos ayuda a
ajustar los clculos debido a su similitud a una distribucin
exponencial y el ajuste de la varianza para el calculo.
Con b = 3,28 y h = 111,6
Costo Reemplazo:
NO Planeado (Ca) = 1.000.000
Planeado (Cb) = 300.000
Con
Iw(t) = Costo Total por Unidad de Tiempo

Costo Unitario Planeado = (Costo Planeado*R(t)) / Integral de R(t)
Costo Unitario NO Planeado = (Costo No Planeado*(1-R(t))) / Integral de R(t)
Donde:
h*(G1-G2*(1-F(G)((l*t)^b1/b)/b)
Costo Unitario Planeado = (Costo Planeado*R(t)) / Integral de R(t)
Costo Unitario NO Planeado = (Costo No Planeado*(1-R(t))) / Integral de R(t)
Puntos para la Curva
Punto Optimo Tradicional
Punto Optimo
Punto Optimo con Weibull
Taller 1
Usando el archivo Taller 1.xls. Para 25 semanas en alguna(s) linea(s),

seccin(es) o proceso(s) dentro de su empresa, registre los datos
solicitados en la tabla y realice usando formulacin de Excel:
1. Clculos del MTBF, MTTF y MTTR.
2. Realice agrupaciones que crea sean de utilidad y determine la media
de los indicadores anteriores.
3. Realice grficos de tendencias.
Qu conclusin puede sacar de los resultados?
Los grficos fueron de utilidad para las conclusiones obtenidas?
Qu acciones puede o debe realizar para mejorar los indicadores?
Puede trazar una meta?, Cual sera?
Taller 2.
Con el Archivo denominado Weibull.xls, y con los datos

de una de las lneas del ejercicio 1 donde
cuente con ms de 30 datos. Realice los clculos para la
confiabilidad:
1. Usando 6 datos (Verifique el RM Rango medio)
2. Usando todos los datos vuelva a calcular (Verifique el
RM Rango medio)
Concluya respecto a las cifras que le arroja el modelo.
Taller 3.
Usando los datos recolectados y el archivo

Clculos para Confiabilidad Con Weibull.xls,
entregando la informacin faltante (cuadros en
gris hoja Costo Optimo Intervencin), construya
la Ficha de su lnea.
Para qu le sirve esta informacin?
Juan Carlos Orrego Barrera - PGAM

IM Especialista Msc.
servicio@mantonline.com
revista@mantenimientoenlatinoamerica.com
www.mantonline.com
www.mantenimientoenlatinoamerica.com

Presentación Ing de Confiabilidad PDF

Cargado por

Copyright:

Formatos disponibles

Presentación Ing de Confiabilidad PDF

Cargado por

Información del documento

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

Presentación Ing de Confiabilidad PDF

Cargado por

Copyright:

Formatos disponibles

Asociacin Colombiana de Ingenieros

Msc. Juan Carlos Orrego Barrera servicio@mantonline.com

Diplomado en Gestin y Control de

JUAN CARLOS ORREGO BARRERA - PGAM

Msc. Juan Carlos Orrego Barrera servicio@mantonline.com

Asociacin Colombiana de Ingenieros

Asociacin Colombiana de Ingenieros

Msc. Juan Carlos Orrego Barrera servicio@mantonline.com

Ingeniera de Mantenimiento y Confiabilidad

Anlisis Weibull y sus aplicaciones

Asociacin Colombiana de Ingenieros

Msc. Juan Carlos Orrego Barrera servicio@mantonline.com

Riesgos asociados al mantenimiento

Viernes 23 mayo Webinar

Martes 27 mayo Webinar

Mircoles 28 mayo Webinar

Previsin o prediccin de mantenibilidad

Planeacin tctica: Filosofas, matriz de

Optimizacin del Mantenimiento Planeado

Juan Carlos Duarte

Mantenimiento Productivo Total TPM

Jueves 12 junio Webinar

Juan Carlos Orrego

Lectura material, taller,

Martes 17 junio Webinar

Mantenimiento Centrado en Confiabilidad

Juan Carlos Orrego

Estrategia para establecer un programa de

Lectura material, taller,

Jueves 5 junio Webinar

Martes 24 junio Webinar

Msc. Juan Carlos Orrego Barrera servicio@mantonline.com

Asociacin Colombiana de Ingenieros

Asociacin Colombiana de Ingenieros

Msc. Juan Carlos Orrego Barrera servicio@mantonline.com

Mantenimiento y Confiabilidad aplicada

Asociacin Colombiana de Ingenieros

Proceso de Ingeniera de Mantenimiento y Confiabilidad

Msc. Juan Carlos Orrego Barrera servicio@mantonline.com

Durante el Ciclo de Vida del Activo

Asociacin Colombiana de Ingenieros

Cualquier secuencia de eventos u operaciones

Msc. Juan Carlos Orrego Barrera servicio@mantonline.com

Mantenimiento y Confiabilidad aplicada

Asociacin Colombiana de Ingenieros

Proceso de Ingeniera de Mantenimiento y Confiabilidad

Msc. Juan Carlos Orrego Barrera servicio@mantonline.com

Asociacin Colombiana de Ingenieros

Msc. Juan Carlos Orrego Barrera servicio@mantonline.com

Tipos de datos para confiabilidad

Datos de confiabilidad procesados (Tasa falla)

Asociacin Colombiana de Ingenieros

Mantenimiento y Confiabilidad aplicada

Msc. Juan Carlos Orrego Barrera servicio@mantonline.com

Juan Carlos Duarte

Asociacin Colombiana de Ingenieros

Herramientas para la Confiabilidad

Msc. Juan Carlos Orrego Barrera servicio@mantonline.com

Software de confiabilidad (CMMS)