Академический Документы
Профессиональный Документы
Культура Документы
Omar Aguilar
Ph.D Ciencias, Hungra Prof. Universidad de Santiago de Chile Email: diaman.consulting@gmail.com
Consultor de Empresas
No basta saber, se debe tambin aplicar. No es suficiente querer, se debe tambin hacer. Johann Wolfgang von Goethe
Omar D Aguilar Martinez Ph.D en Ciencias Fsicas M.Sc en Ciencias Fsicas, Academia de Ciencias de Cuba , 1972 Ph.D. en Ciencias Ingeniera Fsica, Academia de Ciencias de Hungra, 1988 Experto del Organismo Internacional de Energa Atmica, Viena, Austria , 1995 - 2000 en la temtica de anlisis por fluctuaciones y dinmica no - lineal. 30 trabajos publicados. 5 Proyectos dirigidos Investigador director del Proyecto: No. 199-1811 Cdigo FONTEC Desarrollo de metodologas de diagnstico para la mantencin predicitva en la industria, con herramientaas cientficas y tecnolgicas de ltima generacin Director Tcnico DIAMAN SA, Chile/1999-2001/ Director Asesora en Procesos Industriales/2002-2007/ Director Diaman Consulting Services/2008/
Emails:diaman.consulting@gmail.com
II. Patrones y relaciones. La trayectoria a la falla. III. Ejemplos de Mapeo de Fallas. Taller de Aplicaciones. IV. El anlisis de causa efecto y su relacin con el Mapeo de Fallas. Anlisis de fallas de componentes Investigacin de la causa - raz Anlisis de causa raz (ACR) Mapeo de fallas para el mantenimiento. Taller de Aplicaciones
O.Aguilar Consultor de Empresas Taller de Mapeo de Fallas 3
V. Anlisis de causa raz. Herramientas para la solucin de problemas Conceptos estadsticos aplicaciones Principio de Pareto Histogramas Diagrama de Ishikawa o Espina de Pescado rbol de fallas y su cuantificacin Grficos dirigidos firmados Taller de Aplicaciones. bsicos y sus
VI. Caractersticas evaluadas durante la implementacin del Mapeo de Fallas Identificacin y eliminacin de la causa Identificacin y eliminacin de los mecanismos de fallas El manejo de la informacin sensible La canalizacin adecuada de la informacin (funneling) Reporte del malfuncionamiento Reconocimiento del defecto
VII. Implementando el proceso de Mapeo de Fallas Creando el equipo de mapeo de fallas Descripcin de los objetivos Capacitando al equipo de Mapeo de Fallas Creando la infraestructura Describiendo como el proceso trabajar Esquema y orden de implementacin VIII. Desarrollo de aptitudes para el trabajo Excel en Microsoft
IX. Taller de Aplicaciones Grupal :Pasos para dar inicio al Mapeo de Fallas y al Anlisis de Causa-Raz
Introduccin. Si Ud., asiste a este curso es posible que no est totalmente satisfecho con la realidad en que trabaja su empresa. Este curso le permitir convertir la descripcin prctica de los procesos de fallas que se le han presentado, en una herramienta que le permite saber que es lo que tiene Ud., tiene derecho a esperar de su equipamiento y las herramientas necesarias para entender que significa. La realidad de su sistema actual (! y su confiabilidad !) se convierten en un excelente punto de partida para lograr mejores desempeos. Una vez que sabe lo que debe esperar y porqu, estar en condiciones de poder introducir mejoras esenciales para el desempeo de su sistema.
Objetivos del Taller de Mapeo de Fallas Mostrar un sistema de gestin de informacin (de bajo costo) que reconoce patrones en eventos o condiciones que tienen una relacin directa con la falla que le precede. Reconocer y documentar las diferentes etapas por las que transita la trayectoria a la falla, de forma de poder en futuras ocasiones reconocer el defecto, el mecanismo de falla y los modos de fallas asociados para poder evitar o mitigar las consecuencias de la falla. Aprender a conformar el equipo de trabajo para el Mapeo de Fallas Mostrar las herramientas de diagnstico y anlisis que deben manejar los integrantes del equipo de Mapeo de Fallas.
Fundamentos del Anlisis de Causa-Efecto. Los trminos de Anlisis de causa raz, Anlisis de Causa efecto, se han vuelto muy popular en el mantenimiento tcnico actual. Numerosas empresas y consultores ofrecen una gran variedad de tcnicas para realizar estos anlisis. Se han creados software que ayudan a realizar estas tareas en forma rpida y confiable. Cundo se realiza un buen anlisis de causa efecto, se pueden lograr destacados e impresionantes avances en la confiabilidad operacional de las instalaciones industriales.
Dos de las tcnicas mas comunes utilizadas con este fin son: Anlisis de Causa Raz Diagramas de Ishikawa.
10
El curso que presentamos, utiliza estas tcnicas para desarrollar un programa de gestin cientfica de los recursos involucrados en el mantenimiento, que se ha conocido como Mapeo de Fallas. Para comenzar a estudiar los elementos bsicos que conforman este programa requerimos de considerar algunos conceptos bsicos que sern utilizados como herramientas de trabajo en este programa. De esta forma comenzamos con los conceptos de Patrones y Relaciones.
11
Patrones y relaciones. Con mucha frecuencia el ser humano busca patrones y relaciones para poder juzgar los hechos. Si una persona mira al cielo en una noche despejada, visualizar numerosas estrellas que aparentan una distribucin aleatoria. A medida que estudiamos la astronoma, muchas de aquellas las agrupamos y encontramos significados en la representacin de figuras de animales, cosas, etc. Si en nuestra empresa miramos los datos asociados a sistemas mecnicos (P,T,Vibraciones,etc) nos parecern de igual forma, aleatorios. Sin embargo estos datos tomarn forma y sentido sin son examinados en el contexto de patrones establecidos. En muchos casos estos podrn ser ligados a eventos significativos como la falla mecnica o roturas.
O.Aguilar Consultor de Empresas Taller de Mapeo de Fallas 12
TEF 249.55 230.06 230.83 249.30 238.48 246.31 239.20 233.94 231.89 234.30 239.96 249.20 238.24 244.68 243.10 249.29 232.21 231.43 242.53 235.06 233.76 237.28 232.23 247.78 239.19 242.96 231.21 237.05 249.94 243.28 247.56 230.97 234.71 243.33 242.46 246.56 230.52 237.80 244.76 248.75
Serie 1
TEF vs Fallas
280.00 260.00
TEF
Series1
13
TEF 241.24 255.85 248.67 237.17 251.29 262.76 259.85 247.24 256.91 254.06 236.75 227.48 240.86 234.02 254.45 245.19 250.55 241.18 238.20 257.84 220.64 250.74 240.79 237.09 259.28 247.76 232.44 244.92 246.73 243.42 247.34 240.06 250.36 230.79 236.72 255.60 272.14 237.44 238.80 242.65
Serie 2
TEF vs Fallas
280.00 260.00
TEF
Series1
14
Estos patrones y relaciones existen y estn ah presentes. Nuestro reto es tener la paciencia y la disciplina para establecer mapas de patrones de estos datos y monitorear cmo ellos se comportan. En este sentido es conveniente empezar por la forma y formato de los datos que consideraremos en nuestros anlisis. Formato de los datos primarios. Al certificar la calidad de los datos obtenidos ya sea por un proceso de medicin, o bien un proceso de falla en la cual esta ocurra por un envejecimiento normal de la componente, producto del fin de su vida til debemos fijarnos en que: Los datos registrados deben tener un comportamiento normal. Los datos registrados pueden no aparentar ser totalmente normales, pero mediante una simple transformacin, los convertimos en normal.
15
Por ejemplo, los datos de la izquierda aparentan un proceso distorsionado de normalidad, pero los mismos datos una vez hecha la transformacin de aplicar la funcin logaritmo natural a los valores de X, los convierte en una distribucin prcticamente normal. Esta es una influencia de escala. Recordar que la escala logartmica simplemente amplia el rango dinmico de la escala.
16
Datos sesgados( sesgados(datos malos). malos). Datos primarios (datos correctos) correctos) y su incertidumbre. incertidumbre. Datos depurados (procesados). procesados). Datos sesgados son datos que contienen algun error sistemtico. Tipos de estos datos vienen dado por errores de apreciacion en el instrumento de medicin. En las situaciones de inters para nosotros, pueden ser datos que estan infludos por un proceso de mala operacin sistemtica de la toma de muestra. Datos primarios o datos correctos, son aquellos datos que se toman y en los que no han intervenido criterios del analista. Estos datos son los que realmente hay que conservar. Datos depurados. Son aquellos datos que son tomados, pero que tienen influencia de otros procesos que no son de inters especfico. Por ejemplo, si tomamos los datos de Tiempo entre fallas (de algn software de gerencia de activos de mantenimiento ) podemos encontrar que son no depurados si incluyen datos no relevantes al proceso de fallas, esto es, si incluyen los tiempos de reparacin.
O.Aguilar Consultor de Empresas Taller de Mapeo de Fallas
Microsoft Excel Worksheet
17
Serie 1
Histogram
10 8 6 4 2 0
23 0. 05 23 61 5 3. 3 7 41 23 08 7 6. 6 8 11 24 55 8 0. 0 0 81 24 03 0 3. 3 1 52 24 50 2 6. 6 2 22 97 39 3 M or e
Frequenc
Bin
Histogram
12 10 8 6 4 2 0 120.00% 100.00% 80.00% 60.00% 40.00% 20.00% .00%
Serie 2
Frequenc
22 0. 63 22 53 6 9. 2 1 45 23 89 93 7. 80 6 24 26 2 6. 3 8 27 25 62 5 4. 9 6 18 9 26 88 0 9 3. 55 35 1 M or e
Bin
18
Concepto de confiabilidad de mis datos. datos. Su relaci relacin con los datos que medimos. Cuando el proceso de medicin y de toma de datos se ha realizado correctamente, los datos deberian ser confiables, para su posterior anlisis. Una forma fcil y sencilla de aumentar la confiabilidad de mis datos, es aumentado el nmero de veces que tomamos los datos en condiciones similares y tomar la media aritmtica y la desviacin estndar. Si damos un estimado del error de la toma de datos podemos establecer una medida fcil de la confiabilidad de mis datos. Sin embargo, esta es una forma intuitiva de considerar la confiabilidad o no confiabilidad de mis datos. Un poco ms avanzado nuestro curso, damos una interpretacin ms rigurosa del concepto de confiabilidad y no confiabilidad de la toma de datos en un proceso productivo.
Microsoft Excel Worksheet
19
Volviendo a la consideracin de la informacin (datos primarios) que recibimos en un sistema mecnico, uno pudiera decir que una categora de falla de una bomba pudiera ser cuando ella dejara de bombear o recircular el fluido. Pero otra categora de falla pudiera ser tambin, cuando ella dejara de brindar la presin adecuada de descarga. En un caso la bomba no funciona porque por ejemplo, el eje puede estar bloqueado, en la otra el eje no est bloqueado pero an as ella es incapaz de realizar la funcin requerida.
20
Ambos son posibles comportamientos reales, pero cada comportamiento dar lugar a un procedimiento diferente de modo de fallas y de reparacin. Una vez que se ha establecido las posibles trayectorias de malfuncionamiento operacional que conducen al desarrollo de diferentes modos de fallas, es que es posible colectar y agrupar los datos primarios en diferentes trayectorias hacia la falla. Ello nos ayuda a diagnosticar los problemas ms comunes y a recomendar las acciones correctivas que nos permita resolver los problemas en el instante conveniente. La influencia de la cantidad o volumen de datos. Si hay una sola forma en que la componente falla (un modo de falla dominante) Ud., puede monitorear la trayectoria por la grabacin o registro de un solo evento.
Microsoft Excel Worksheet
21
Si existen dos trayectorias de fallas posibles, se requerirn ms ejemplos para poder determinar cul es la ms probable. Esto puede ejemplificarse con el lanzamiento de una moneda y el concepto de probabilidad.
22
TEMA AVANZADO. Concepto de probabilidad. Idea intuitiva Nmero, entre 0 y 1, asociado con la verosimilitud de que ocurra un suceso, 0 cuando estamos seguros que el suceso no va a ocurrir y 1 cuando estamos seguros que s va a ocurrir. El problema es cmo asignar ese nmero en situaciones de incertidumbre? a) A veces se estima por la frecuencia relativa. Por ejemplo, una manera de aproximarnos a la probabilidad de que una intervencin correctiva arriesgada en mi mquina (ejemplo, un ventilador) tenga xito, es consultar el registro de las intervenciones de mantenimiento realizadas sobre equipos similares, si de las ltimas 10, ha sido un xito en 8, la frecuencia relativa es 8/10=0,8 y se parecer a esa probabilidad.
23
La frecuencia relativa cambia, en el ejemplo anterior si el registro, en lugar de 10 equipos, tuviera 11, la frecuencia relativa sera necesariamente distinta (8/11 9/11), pero hay una ley emprica que establece que cuando el "nmero de ensayos" (equipos, en el ejemplo) es suficientemente grande, la frecuencia relativa se estabiliza. A veces, se define la probabilidad como el lmite de la frecuencia relativa. Cmo saber, en cada caso, si el "nmero de ensayos" es suficientemente grande? Una parte de la estadstica tiene que ver con este problema
24
La grfica muestra la evolucin de la frecuencia relativa del resultado "cara 1" en 4 series de 100 tiradas de un dado.
O.Aguilar Consultor de Empresas Taller de Mapeo de Fallas 25
Se observa que la frecuencia relativa oscila, que la amplitud de las oscilaciones va decreciendo a medida que aumenta el nmero de tiradas y que todas las series tienden a estabilizarse a la misma altura, tambin que 100 no es un nmero "suficientemente grande" para que la frecuencia relativa ya est estabilizada (los valores finales de las 4 series varan entre 0,17 y 0,21). b) Hay situaciones en que se puede calcular: si todos los resultados del experimento son igualmente probables, entonces la probabilidad se define (definicin clsica o de Laplace) como el cociente entre el nmero de casos favorables y el nmero de casos totales.
p( S ) =
CF CT
La probabilidad de que el resultado de tirar un dado sea un uno, se calculara de esta forma. Comprese el resultado 1/6 obtenido as con la grfica anterior
O.Aguilar Consultor de Empresas Taller de Mapeo de Fallas 26
La independencia de las mediciones. Es importante estar seguro de que las trayectorias seccionadas que conducen a fallas son efectivamente distintas y no solamente una duplicacin imperfecta de otras trayectorias. Si dos trayectorias hacia la falla, son idnticas y conducen al mismo defecto, diagnstico, reparacin, causa y causa raz, ellas deberan ser incluidas en la misma categora y no como categoras diferentes. Este aspecto lo trataremos nuevamente cuando consideremos cmo fallan los equipos. Mucho de los preceptos adoptados por el mantenimiento cientfico se basan en considerar que las componentes restablecidas una vez reparada la falla, son independientes entre s, lo que equivale a eliminar la presencia de la probabilidad condicionada, que slo nos dificultara el proceso de anlisis de nuestros datos primarios.
27
I have not failed. Ive just found 10,000 ways that wont work. Tomas Alva Edison.
La trayectoria a la falla. Los individuos involucrados en el negocio del mantenimiento o confiabilidad de activos, llegan a reconocer la existencia de patrones en sus actividades. En algunos casos estos patrones llegan a ser aparentes pues el equipo falla una y otra vez de la misma forma. Sin embargo existen otros patrones de fallas que requieren de un gran conocimiento y mucho ms esfuerzo para identificarlos. Independientemente del hecho que puede ser difcil de reconocer, es importante tener en la mente que todas las fallas son el resultado de una serie de pasos, y que estos pasos, por difcil que sean de visualizar, pueden ser registrados, identificados y caracterizados por un conjunto consistente de descriptores.
28
En este captulo comenzamos a entregar al participante de este curso, un mtodo para visualizar la trayectoria de eventos que finalmente conducen a la falla. Usando esta metodologa es posible colectar y caracterizar datos, y manipularlos para producir un herramienta poderosa preventiva de la falla y que permite administrar la falla una vez que ella ocurre.
29
Funneling Causa sistmica Problemas Causa Humana Causa Fsica Mecanismo de Falla Defecto Falla Anlisis de Fallas Anlisis de la Causa Raz
Microsoft werPoint Presenta
Reporte de Malfuncionamiento
Diagnstico
La trayectoria a la Falla
Taller de Mapeo de Fallas 30
Causa Sistmica. El comienzo de cualquier falla puede ser encontrado con frecuencia en una causa sistmica o latente. Este es un gap (vaco) en una organizacin, procedimiento, o proceso que crea una trampa para alguien o algo, que hace que una falla ocurra. En ocasiones el gap es pequeo, pero una serie de circunstancias llevan a que la falla se desarrolle y ocurra. A veces los gap son slo aparentes y se cierran por si mismo . Ejemplo: Paso de condiciones del turno de trabajo, de un operario a otro durante el fin de un turno de trabajo sin que exista una adecuada comunicacin. Otro ejemplo es el paso de una informacin de un colega a otro que no tiene la suficiente preparacin tcnica o conocimiento para entender el tema tratado.
O.Aguilar Consultor de Empresas Taller de Mapeo de Fallas 31
Una lista de posibles causas latentes o sistmicas. Entrenamiento inadecuado Poco tiempo en las tareas Distracciones en el trabajo Distracciones de casa que se llevan al trabajo Objetivos que compiten Falta de alineamiento en la jefatura o liderazgo Procedimientos pobres o incorrectos Direccin inadecuada
32
Causa Humana. El siguiente caso es la existencia de combinacin de circunstancias que llevan a que un individuo o grupo de individuos sean atrapados en acciones que se conviertan en en la causa humana de la falla. Este paso puede ser ejemplificado por una omisin, un acto, pero que conecta a la persona con la falla. Ejemplo: Un mantenedor pasa la orden de trabajo no finalizada a otro para que concluya la tarea, pero debido a que esta cansado de la jornada, olvida dar todos los detalles (no hay registros de calidad), lo que puede ocasionar que se convierta en la causa humana de la falla.
O.Aguilar Consultor de Empresas Taller de Mapeo de Fallas
33
Causa Fsica. A menudo la bsqueda de la causa de la falla cesa cuando la causa fsica es hallada. Movindose hacia debajo de la causa fsica para identificar la causa humana y la causa sistmica, puede con frecuencia terminar en problemas. Esto se asocia a la culpa que pueden experimentar los participantes. Ejemplo: La causa fsica puede ser cualquier componente de un soporte que no se coloca o no se instala adecuadamente y que no es registrada por una inspeccin o control de calidad debido a que este procedimiento est ausente.
34
Mecanismo de falla. El siguiente paso en la evolucin del camino o trayectoria a la falla, es cuando el evento que establece una causa fsica, propicia un mecanismo de falla. Si el mecanismo de falla no es detenido en tiempo, el producir un defecto. Independientemente de que existe un nmero infinito de modos de fallas, existe un nmero relativamente pequeo de mecanismos de fallas. Un aspecto importante que es una pista para identificarlos, es que los mecanismos de fallas dan lugar normalmente a signos que permiten detectarlos. Por ejemplo, la corrosin deja xido presente; la fatiga de metales o componentes mecnicas engendran movimientos de vibraciones inusuales, o desplazamientos de desalineamientos. Cualquiera que sea el signo, es posible observar e intervenir el mecanismo de falla antes que el proceda al punto en que de lugar a un defecto.
O.Aguilar Consultor de Empresas Taller de Mapeo de Fallas
Microsoft werPoint Presenta
35
Defecto. Despus que el mecanismo de falla ha estado trabajando por un perodo apropiado de tiempo, se producir un defecto. El mecanismo del defecto comienza el proceso estadstico que determinar cuando una falla ocurrir. De igual forma que no todo mecanismo de falla lleva a la falla, muchos defectos no resultan inmediatamente en una falla. Ejemplo: Una pequea fisura o crack, no producir inmediatamente una fuga, pero esta fisura con una situacin de una presin extremadamente alta en el conducto, puede llevar a la presencia de la fuga. Lo importante es darse cuenta que al igual que en el mecanismo de falla, el defecto es una anomala que puede detectarse, por lo que produce otra oportunidad para implementar los pasos de prevencin.
36
Falla. Con la presencia de un defecto y cierto conjunto de circunstancias, la falla se har presente.En los estudios de confiabilidad, la falla se asocia con la prdida de alguna funcin especfica del activo. La falla es la siguiente etapa o paso en la trayectoria hacia la falla y es diferente en esencia del defecto (este le precede) y la emisin del reporte de Malfuncionamiento (que lo sigue). Como veremos un poco ms adelante en detalles, estos tres eventos no simultneos (defecto, falla y reporte de malfuncionamiento) estn separados en el tiempo y por la naturaleza estadstica del proceso. La capacidad para especificarlos y separarlos nos da la efectividad de un programa de confiabilidad.
37
Reporte de Malfuncionamiento. Una vez que ocurre la falla, media cierto tiempo entre que la falla es reconocida y se reporta. Es importante que la emisin de este reporte incluya la funcin que se perdi, y el comportamiento problemtico que se exhibe. En este sentido hay que ser lo ms verdico posible. No es inusual que las descripciones de estos reportes de malfuncionamiento vayan llenos de coloridas descripciones y de cierta dosis de invencin de la persona que escribe el reporte.
38
Diagnstico. Una vez que el Reporte de Malfuncionamiento fue emitido, puede comenzar la etapa de diagnstico. El diagnstico puede ser considerado por ejemplo, que ocurre remotamente sobre la base de informacin que puede ser obtenida remotamente (por ejemplo va Internet). Si existe un modo dominante de falla, y una gran experiencia con reportes de Malfuncionamiento, asociado con la ocurrencia de ese modo de falla, es posible que pueda ser solucionado en forma ptima y rpidamente. En otros casos diferentes, este paso de diagnstico slo apuntar a otros subsistemas donde la falla puede haber producido el comportamiento que esta siendo experimentado.
39
Canalizacin (Funneling). El objetivo de la canalizacin (de informacin) es reducir el foco de un sistema general a un subsistema, o a un componente especfico del equipo, antes de empezar el paso consumidor de energa, recursos y tiempos que es la solucin del problema (troubleshooting). En general este paso da una pista que permite focalizar en un subsistema especfico el problema que se analiza. Ejemplo: Una locomotora a diesel, puede exhibir un problema de cargaque puede resultar de un problema en el motor, o de una falla de alternador principal. Si el sistema esta expulsando un humo negro pesado en el momento de la falla, el sntoma aparente apunta hacia un problema de motor.
O.Aguilar Consultor de Empresas Taller de Mapeo de Fallas 40
Solucin de problemas (Troubleshooting) Este es un paso que consume recursos intensivos y tiempo. Puede llegar a incluir el desarme de todo el equipo en sus componentes para identificar la componente fallada y sus condiciones. Es altamente invasivo. Hacer pasos falsos o inefectivos en la solucin de problemas, puede ser muy costoso. Por ello hay que tratar de ser los ms efectivo posible. Por ello una mejor canalizacin puede llevar a mas eficiencia y efectividad en este paso.
41
En el caso de la locomotora, una estela de humo negro pesado en el momento de la falla, puede indicar al que diagnostica recomendar que se haga nfasis en solucionar el problema enfocado al motor antes que otras alternativas. Aunque este paso parezca obvio, tenga presente que el trabajo de la persona encargada de solucionar el problema , puede estar ubicada lejos del lugar que la falla ocurri. Incluso el motor puede no estar funcionando, de manera que le es imposible observar o aplicar algn instrumento que le permita observar los sntomas del sistema en operacin. A estos efectos para esta persona, un alternador muerto le parece igual causa que un motor muerto. Entonces los siguientes pasos le ayudan a dilucidar las medidas a tomar.
42
Identificacin de componente en falla. Este paso trata de la identificacin de la componente que ha fallado, para despus en un paso siguiente establecer las condiciones del estado de la componente. Hoy da muchos tcnicos de mantenimiento (apremiados por la produccin) se convierten en simple sustituidores de partes o componentes para que el sistema vuelva a trabajar normalmente. Como norma, a menudo, dos terceras partes de las componentes cambiadas, no han sido responsable de la falla ocurrida, y estn en buenas condiciones de trabajo. Imponiendo la condicin de que no slo se sustituya la componente fallada, sino tambin se analicen las condiciones presentes (anmalas) puede ser una buena sugerencia para evitar que se cambien partes en buenas condiciones de trabajo.
43
Identificacin de la condicin de la componente. El siguiente ejemplo nos muestra la importancia de separar el acto de identificar la componente fallada , de la identificacin de la condicin de la componente. En los sistemas electrnicos que usan mdulos, no es poco frecuente encontrar que cuando existe algn mal funcionamiento se sustituye todo el mdulo, y slo interesa que el equipo contine trabajando normalmente. Sin embargo poda haber ocurrido que slo el conector tuviera una prdida, o el cable se hubiese pelado, etc, lo que introduca un cambio de resistencia, por ejemplo. En este caso es mejor describir el modo de falla, como Dispositivo X sustituido y operacin restablecida ms que hablar de un modo de falla especfico. Esto permite que en un futuro se pueda, de alguna forma comprobar que elemento fall en el mdulo.
44
Anlisis de la falla. Este paso se encuentra ya en el esquema de trayectoria a la solucin. Aqu se identifica el Mecanismo de Falla. Como es sabido existen pocos Mecanismo de Fallas, por lo que la tarea es un poco ms simple si conocemos algunas pistas y caractersticas de cada posible mecanismo de fallas. Por ejemplo, la presencia de xido, nos enfoca a un mecanismo de corrosin como Mecanismo de Fallas. Otros mecanismos quizs no sean tan evidente, pero con una buena dosis de experiencias por parte del investigador (analista de fallas) le dar la habilidad para identificar estos signos que conducen a la trayectoria a la solucin.
O.Aguilar Consultor de Empresas Taller de Mapeo de Fallas 45
46
Anlisis de la Causa Raz. El segundo paso en el camino hacia la solucin del problema, es el ACR. En este se identifican los tres niveles de causas: 1. Causa Fsica 2. Causa Humana 3. Causa Sistmica o Latente. La capacidad de prevenir la misma falla de que ocurra nuevamente, y de prevenir todos los eventos similares, es directamente proporcional a la efectividad de la organizacin en encontrar la causa raz de la falla. Ambos pasos AF y ACR dependern de tener recursos entrenados y dedicados que estn asignados a la realizacin de estos pasos. No es realista suponer que las mismas personas que realizan la reparacin, puedan ejecutar estas tareas de anlisis. Deben ser diferentes recursos.
O.Aguilar Consultor de Empresas Taller de Mapeo de Fallas 47
Ejemplos de Mapeos de Fallas. Taller de Aplicaciones. Analice el siguiente caso: En una planta de procesos, el ingeniero de Proyecto decide instalar un nuevo compresor de baja velocidad como parte del proyecto de innovacin de su empresa. Opera a 400 rpm, por lo que piensa que no es necesarios efectuar procedimientos de balanceo o alineamiento riguroso. Piensa que es suficiente utilizar una tcnica rudimentaria para alinear el eje del compresor con el eje que lo maneja (ejemplo usar una regla larga, o medir el desalineamiento en altura utilizando un juego de mangueras). Su idea central es que maquinas rotatorias a bajas velocidades no es necesario alinearlas o balancearlas.
48
Funneling Causa sistmica Problemas Causa Humana Causa Fsica Mecanismo de Falla Defecto Falla Anlisis de Fallas Anlisis de la Causa Raz
Microsoft Excel Worksheet
Reporte de Malfuncionamiento
Diagnostico
49
El Anlisis de Causa Efecto (ACE) y su relacin con el Mapeo de Fallas. Volvamos al tema brevemente discutido al principio del curso del Anlisis de Causa Efecto. La configuracin clsica (en un marco temporal) que nos lleva al ACE es:
Causa
Efecto
tiempo
50
Una mquina fall por sobrecarga. Una mquina por sobrecarga fall Para tener un conocimiento integro de algo (por ejemplo un proceso) es necesario comprenderlo causalmente.
51
Seleccione y analice. Una empresa gasta por encima del presupuesto en mantenimiento. El gasto efectuado por encima del presupuesto fue causado por costos operativos mas elevados en las tareas de mantenimiento, El gasto efectuado por encima del presupuesto produjo una menor asignacin de dinero al presupuesto del prximo ao.
52
En muchas empresas se utilizan los 5 Por qu como mtodo para solucionar problemas. Estas preguntas destacan las relaciones de Causa Efecto. Sin embargo en este entorno, el anlisis es un tanto lineal, y simple. Ello lleva a inclinarse hacia una nica Causa Raz de la cadena.
por qu? Problema Causa por qu? por qu? por qu? Causa por qu? Causa Causa Raz
Causa
John Stuart Mill (1806-1873) estableci en sus investigaciones que los efectos se convierten en causas con el paso del tiempo. De aqu podemos hacer un mapeo de causas y relacionarlo con el mapeo de fallas como sus efectos o consecuencias.
53
Una definicin ms exacta es que para cada efecto existen causas (y no slo una). Llegar a la Raz de un problema es un proceso de identificacin del sistema de causas.
54
Anlisis de fallas de componentes. La definicin de la funcin deseada de un Activo, define los objetivos de Mantenimiento respecto del mismo. Un modo de falla es un evento que causa una falla funcional o prdida de funcin. Una vez que se ha identificado el modo de falla, hay que analizar qu pasa cuando ocurre, es decir las consecuencias en el activo y decir qu se hace para anticipar y prevenir, corregir o detectar la falla o redisear el equipo. Diferentes modos de falla pueden generar iguales sntomas. Los modos de falla pueden ser causados por: Desgaste y deterioro Errores humanos Problemas de diseo Combinacin de ellos
O.Aguilar Consultor de Empresas Taller de Mapeo de Fallas 55
El Anlisis Modal de Fallas y Efectos (AMFE; FMEA, del ingls) permite seleccionar la apropiada estrategia de Gerenciamiento de Fallas. Tal como lo seala Moubray en su libro RCM2, existen 6 patrones de falla en la maquinaria actual. A continuacin est graficada la probabilidad de falla en funcin de la edad operacional. En los casos A, B y C se observa que la probabilidad de falla aumenta con la edad operacional, ste comportamiento es consecuencia del desgaste y ms comn en componentes que estn en contacto directo con algn material o fluido. En cambio los patrones D, E, y F no presentan relacin entre la confiabilidad y la edad operacional
56
Curva de Falla Tipo A: Curva de la baera. Tiene una alta mortandad infantil; bajo nivel de fallas aleatorias y alta probabilidad de falla al final de la vida til(zona de envejecimiento o desgaste). Ejemplo: Motores, vehculos, etc
Curva de Falla Tipo B: Comportamiento de fallas aleatorias bajas y luego acentuada en la zona de desgaste Ejemplo: Lmparas, tubos de rayos catdicos, etc
Curva de Falla Tipo C: Aumento gradual de la probabilidad de falla en concordancia con el desgaste; lento envejecimiento Ejemplo: Equipos complejos con gran variedad de tecnologas. O.Aguilar Consultor de Empresas Taller de Mapeo de Fallas 57
Curva de Falla Tipo D: Probabilidad inicial de falla baja, un incremento agudo de la probabilidad de fallas y luego constante con probabilidad de fallas aleatoria. Ejemplo: Edificios, puentes, infraestructuras, etc
Curva de Falla Tipo E: Probabilidad de falla aleatoria (permanece constante no guarda relacion con el enevejecimiento) en toda su vida til Ejemplo: Edificios, puentes, infraestructuras, etc
Curva de Falla Tipo F: Elevada mortandad infantil y luego probabilidad de falla constante Ejemplo: Equipos electrnicos
58
59
Las consecuencias de falla describen lo que pasa cuando ocurre un modo de falla, el objetivo de ste anlisis es establecer si es necesario realizar un Mantenimiento Proactivo, dependiendo de las consecuencias operacionales o de Seguridad que tenga el modo de falla. Cmo realizar un modelo AMFE? Conceptos practicos que debemos saber para realizar un efectivo analisis AMFE: Evento falla : Falla en una bomba Modo de Falla: Falla en engranajes (Ponderado) Frecuencia: 12 fallas al ao Impacto: $ 1 200 000 por falla Prdidas totales:$ 14 400 000 al ao
60
Paso
Realizar un trabajo preparatorio Colectar los datos Sumarizar y registrar los resultados Calcule las prdidas
Descripcin
Desarrollar concepto de falla, diagrama de flujo, anlisis de vacos y hojas de clculos preliminares Entrevistar al personal de la instalacin cuales son las fallas, sus frecuencias y su impacto. Entre la informacin en una hoja de cculo electrnica y determine cualquier redundancia. Multiplique la frecuencia por el impacto da cada evento de falla en el anlisis
Determine el 20% o menos de las fallas que resultan en un 80% de las prdidas Verifique que los resultados son vlidos Comunique los resultados obtenidos
6 7
61
Pasos preparatoriospreparatorios Defina el sistema a analizar Defina la falla Dibuje un diagrama de contacto Calcule la diferencia (gap) Desarrolle una hoja de dato en excel Desarrolle un esquema de entrevistas Colectar los datosdatosDirectamente de las fuentes... Es lo mejor!!!
62
63
Recobrado Fallo de Bomba Problemas con rodamientos Recobrado Fallo de Bomba Fractura de eje
64
Calcule la prdida
f P = PTotal
Donde f: frecuencia P: prdidas por ocurrencia (impacto) PTotal = Prdidas Totales por ao.
Subsistema Evento falla
Recobrado Compresor Mezcladores Condensador Fallo de Bomba Falla de la banda Falla del filtro Fugas de presin
Modo de falla
Fallo de rodamientos Reblandecimiento Filtro chueco Fugas debidas a corrosin
Frecuencia
12 x ao 4 x ao 26 x ao .33 x ao
Impacto
12 horas 24 horas 2 horas 24 horas
65
Determinando lo poco significativo (PS) ... Ejemplo: 80 % del cuidado dado en un hospital es recibido por 20 % menos de los pacientes. En la industria... 80% de las prdidas en una instalacin de manufactura est representada por 20 % o menos de sus eventos de fallas. Esto significa que debemos solamente realizar anlisis de la raz de las causas del 20 % o menos de los eventos de fallas para eliminar o reducir el 80 % de las prdidas de nuestra instalacin.
El trmino lo poco significativo se debe al famoso economista italiano Vilfredo Pareto. El dijo ...en un conjunto de objetos, ideas, personas y eventos, un POCO dentro del conjunto o seleccin es MAS SIGNIFICANTE que la restante mayora... O.Aguilar Consultor de Empresas Taller de Mapeo de Fallas 66
Subsistema
Subsistema 3 Subsistema 4 Subsistema 2 Subsistema 3 Subsistema 2
Evento de Falla
EF 1 EF 3 EF 2 EF 5 EF 4
Modo de Falla
MF 1 MF 3 MF 2 MF 5 MF 4
Frecuencia
2000 4 1000 6 18
Impacto
$ 850 $ 75 000 $ 1 250 $ 12 000 $ 6 000
Prdida Total
$ 1700 000 $ 300 000 $ 1 250 000 $ 72 000 $ 108 000
67
Solucin al ejercicio...
2744000
68
Tipo de Fallo Etiquetas Frecuencias Corrosion 1 2 Oxido 2 8 Contaminacion 3 14 Metalizacion 4 2 Silicio 5 1 Doping 6 1 Varios 7 3
Histogram
15 10 5 0 150.00% 100.00% 50.00% .00%
Frequen
Frequency Cumulative %
3 M or e
Etiquetas
O.Aguilar Consultor de Empresas Taller de Mapeo de Fallas 70
Valide sus resultadosresultadosAcudir a personas con experiencia que ud haya encontrado para que revise lo que ud hall. Tambin se puede usar su sistema de datos computarizados para ver si el evento obtenido concuerda bastante bien con los datos de su sistema de administracin de mantenimiento (Ejemplo, Datastream 7iD, SAP,etc)
Emita un reporte.... Es importante comunicar sus hallazgos. Su reporte debe incluir los siguientes items... Una explicacin de la tcnica empleada para el anlisis La definicin de falla usada El diagrama de flujo que se emple Los resultados en forma grfica y en tablas Recomendaciones de cuales de las fallas son candidatas para un ulterior anlisis (por ejemplo un RCFA (root cause failure analysis) Una lista de todos los involucrados en el anlisis incluyendo todas las entrevistas Asegurese de que ud comunica los resultados de los anlisis a aquellos que les hizo entrevistas, de forma que cada cual se pueda sentir confortable con su participacin en el estudio. O.Aguilar Consultor de Empresas Taller de Mapeo de Fallas 71
Resumiendo los propsitos del AMFE son: Identificar cuales pueden ser los modos de fallas potenciales y conocidas Identificar las causas y efectos de cada modo de falla Priorizar los modos de falla identificados de acuerdo al nmero de prioridad de riesgo.
72
Investigacin de la causa raz. Cuando ocurre una falla, sta se percibe a travs de ciertas manifestaciones o sntomas, no as la causa de falla. Esto lleva en muchas oportunidades a actuar sobre las consecuencias y no sobre la raz del problema, de modo que la falla vuelve a repetirse una y otra vez. A mayor complejidad del sistema, habr mayor dificultad en localizar el origen o raz de la falla. Identificar la causa raz es fundamental, pero slo de por s, no resuelve el problema, para ello habr que estudiar distintas acciones correctivas. El Anlisis de Causa Raz es una herramienta utilizada para identificar causa de falla, de manera de evitar sus consecuencias
73
Un anlisis ms profundo es mejor para ayudar a comprender los eventos y mecanismos que actuaron como raz del problema, los cuales se pueden clasificar de la siguiente forma: Anlisis de falla de componentes (CFA, del ingls), la cual implica el estudio de las piezas daadas, ayuda basarse en el modelo AMFE. Investigacin de Causa de Raz (RCI), sta herramienta incluye a la anterior, e investiga las causas fsicas. Anlisis de Causa Raz (RCA), sta herramienta incluye a los dos anteriores, y estudia adems el error humano. Para realizar el Anlisis de Causa Raz a fondo, se debe ir ms all de los componentes fsicos de la falla o races fsicas y analizar las acciones humanas o races humanas que desataron la cadena causa efecto que llev a la causa fsica..
74
Ello implica analizar por qu hicieron eso, si debido a procedimientos incorrectos, a especificaciones equivocadas o a falta de capacitacin, lo cual puede sacar a la luz races latentes, es decir deficiencias en el gerenciamiento, que de no corregirse, pueden hacer que la falla se repita nuevamente. Este tema se estudia en forma intensiva en el Mapeo de Fallas. El Anlisis de Causa Raz. El anlisis de Causa Raz es un proceso lgico de deducciones, que permite graficar las relaciones causa-efecto que nos conducen a descubrir el evento indeseable o causa raz, preguntndonos: cmo? ( forma que puede ocurrir una falla) por qu? (cuales son las causas de la misma)
75
Los hechos son respaldados mediante observacin directa, documentacin y deducciones cientficas. Se utilizan variedad de tcnicas y su seleccin depende del tipo de problema y datos disponibles: Anlisis causa-efecto rbol de fallo Diagrama de espina de pescado Software de RCA que ayudan a la construccin del rbol de fallos y a la documentacin del proceso (En este curso establecemos las aptitudes, requerimientos y bases para poder desarrollar estos anlisis en base a Hojas Excel).
76
Mapeo de Fallas para el Mantenimiento. Taller de aplicaciones Suponga que tenemos una planta cuya funcin principal es abastecer de calor para diferentes oficinas en su entorno. En da determinado se recibe una llamada de uno de los clientes, notificando que la oficina no est recibiendo calor y el lugar esta muy fro. Las oficinas son calentadas por agua caliente. El sistema de calentamiento del agua se describe con detalles en el siguiente diagrama. La tarea bsica del personal que atiende esta instalacin es monitorear el nivel de agua en el tanque, y estar seguro de que no alcanza un nivel por debajo de un cierto nivel prefijado.
77
Intercambiador de calor
La persona que trabaja en la oficina, primera en llegar (por ejemplo el superintendente) escribe un reporte de malfuncionamiento con la queja de que no hay calor suficiente. En este aspecto la persona encargada de diagnosticar lo que ocurre, revisa los Modos de Fallas que por experiencia tiene anotado (Este es uno de los secretos para obtener una rpida solucin al problema detectado, la conexin entre los Modos de Fallas y el reporte de Malfuncionamiento). De acuerdo con los registros tenidos del sistema, hay 5 modos de fallas anotados: 1. Termostato funcionamiento incorrecto 2. Serpentn de calentamiento con sedimentos 3. Intercambiador de calor en falla 4. Bomba funcionamiento incorrecto 5. Sistema de combustible Fuera de servicio
O.Aguilar Consultor de Empresas Taller de Mapeo de Fallas 79
Historia reportadas. Termostatos (mal ajustados, daados) Serpentines (desconectados por residuos, o corrosin) Intercambiador correctamente) de calor (sedimentos por agua no tratada
Bombas (nico elemento dinmico en el sistema, que tiene ocasionales fallas) Sistema de combustibles (experimenta problemas ocasionales, debido a que es parte de otros procesos y por ello su afectacin es muy importante) Encontrar la solucin correcta del elemento en falla puede depender de la experiencia del personal que responde al diagnstico, o de poder calcular la probabilidad de falla de cada elemento en el contexto, basado en el nmero de veces que ha ocurrido anteriormente.
O.Aguilar Consultor de Empresas Taller de Mapeo de Fallas 80
Supongamos se aplica la siguiente estadstica registrada: 1. Termostato 50 % 2. Serpentines 30 % 3. 4. 5. Intercambiador 15 % Bomba 5 % Sistema de combustible - 0 %
81
b) Llamar persona de queja, chequear si termostato esta situado bajo. Chequear si cambiando a bajo y alto, se oye a las vlvulas cambiar, y el agua caliente fluir por los conductos. Si no es as, despachar una persona DIN con las partes apropiadas, si la respuesta es si, pasar a alternativa 2 b) Si la vlvula est fra , enviar un DIN a chequear zonas adyacentes; si est caliente empezar troubleshooting por otros problemas menos frecuentes. b) Si la T de salida est en o por encima de lo normal, chequear operacin correcta de la bomba.
2. Serpentin Sed- 30 %
a) Colocar manos cerca de las vlvulas,o la fuente de suministro, est caliente? Si est, hay evidencias de que polvo o partculas estn depositadas y atasquen el serpentn. Si no, despachar un DIN con herramientas para limpiar el conducto. a) Si hay evidencia que todo el sistema de agua caliente esta afectado, lo mas probable es que haya fallado el intercambiado del lado del agua. Chequear parmetros o decir a un DIN chequear temperatura de descarga del agua saliendo del intercambiador. Si la T es muy debajo del parmetro operacional, escribir una OT para limpiar los tubos del intercambiador a) Chequear si Bomba esta trabajando. Si no conectar. Si el breaker se dispara en un rato, resetear y tratar una vez ms. Si de nuevo ocurre, chequear si la bomba trabaja libremente. En ese caso, haga una OT para un electricista chequear si el circuito del breaker y el circuito est daado.
4. Bomba FI- 5%
b) Si la bomba circula libremente y esta operando, chequear la bomba cerrando la vlvula de descarga y chequear la presin de descarga. Si est por debajo de la condicin operacional, hacer una OT para inspeccionar la bomba y remover y reparar de ser necesario. Si trabaja a presin normal de descarga, troubleshooting para modos de fallas anormales.
82
Chequear operacin nominal y ver si el sistema de cobustible trabaja normal. Si es as, volver a pasos superiores. Si no, volver a instrucciones de Mapeo de Fallas para diagnosticar el subsistema de combustible.
83
El objetivo de la informacin provista durante el proceso de Canalizacin, es asistir a la persona del equipo que trata con el problema (aunque tenga poca experiencia)a: Identificar el problema tan rpido como sea posible. Usar el recurso DIN tan efectivo como sea posible Hacer ms efectivo el uso de los recursos Para un conjunto grande de empresas este no es el punto final (aquellas que no trabajan slo en forma reactiva). Ellas quieren llegar y conocer la causa del deterioro y porqu el deterioro se permiti que llegara a la fase de falla. Para estas compaas hay dos pasos mas: 1. Anlisis de Fallas 2. Anlisis de Causa -Raz
84
Anlisis de causa raz. Herramientas para la solucin de problemas. En el ACR se utilizan distintas herramientas que permiten una solucin integral del problema que se analiza. Tambin ellas juegan un papel destacado en el Mapeo de Fallas. Veamos en detalle aquellos conocimientos que deben tener los Analistas de Fallas y de Anlisis de Causa Raz.
Ms precisamente, lo que procuramos en toda medicin es conocer las cotas (o lmites probabilsticos) de estas incertezas. Grficamente, buscamos establecer un intervalo como el de la Figura 1,
x x x x + x
donde con cierta probabilidad, podamos decir que se encuentra el mejor valor de la magnitud x. Este mejor valor x es el ms representativo de nuestra medicin y al semiancho x lo denominamos la incerteza o error absoluto de la medicin.
O.Aguilar Consultor de Empresas Taller de Mapeo de Fallas 86
x x
x
Figura 1
x + x
Tanto los instrumentos que usamos para medir como las magnitudes mismas son fuente de incertezas al momento de medir. Los instrumentos tienen una precisin finita, por lo que, para un dado instrumento, siempre existe una variacin mnima de la magnitud que puede detectar. Esta mnima cantidad se denomina la apreciacin nominal del instrumento. Por ejemplo, con una regla graduada en milmetros, no podemos detectar variaciones menores que una fraccin del milmetro.
87
Existe una limitacin intrnseca en el proceso de medicin, la que denominamos incerteza intrnseca o falta de definicin de la magnitud en cuestin. Por ejemplo, un tcnico de mantenimiento realiza mediciones de los niveles de vibracin locales en la carcaza de un motor. Cada vez que mida, el nivel que marca el sensor de mediciones ser un poco diferente.
88
Precisin
Exactitud
La nomenclatura moderna usada en Metrologa para denotar los conceptos discutidos en este capitulo puede encontrarse consultando las publicaciones sobre el tema elaboradas por la International Organization for Standardization (ISO 3534-1993) que puede obtenerse a travs de la pagina de Internet del National Institute of Standard and Technology ( NIST ) de los EE. UU. (http://www.nist.gov/). La institucin equivalente en Chile es el Instituto Nacional de Normas(INN: www.inn.cl)
90
x x
rel % = 100 rel
91
- Variables y Grficos. La presentacin y anlisis de los resultados experimentales debe considerarse como parte integral de los experimentos. Es realmente til que los datos obtenidos se presenten en un grfico, donde quede resumida la informacin para su apreciacin y anlisis. En la mayora de los casos un grfico es ms til que una tabla de valores, especialmente en los casos en que: Los experimentos se llevan a cabo midiendo una variable Y en funcin de otra X que se vara independientemente y se quiere interpretar la relacin funcional entre ellas.
O.Aguilar Consultor de Empresas Taller de Mapeo de Fallas 92
Ejemplo para la discusin: Determinacion de la dependencia entre la fuerza de desbalance y la velocidad de rotacin de la mquina en un proceso de balanceo industrial. Sabemos que:
v2 R 2 w2 F = ma = m = m = mw 2 R R R
w = 2f
Desbalance 1 x RPM
93
F = ma = m
v2 R 2 w2 =m = mw 2 R R R
Fuerza
1500
2000
2500 RPM
3000
3500
4000
94
- Distribucion de frecuencias.
Cuando se realizan N mediciones de una misma magnitud X en condiciones de repetibilidad (es decir, cuando se controlan las cantidades de influencia sobre la magnitud de la misma manera en cada medicin independiente), la prctica recomendada es efectuar un anlisis estadstico de los datos y expresar el resultado de la medicin en trminos de los estimadores estadsticos valor medio <x> X , desviacin estndar de la muestra X y Varianza SX. Los datos obtenidos pueden representarse en un histograma del cual puede apreciarse cmo es la distribucin de valores. El mismo tipo de anlisis puede emplearse en un proceso de control de calidad en una empresa, cuando se estudia un lote de un producto a controlar y se analiza el grado de dispersin de alguna de sus propiedades alrededor de un valor medio.
95
Cuando los datos estan dispersos, esta puede seguir un cierto patrn. Si por ejemplo, los dividimos en clases ordenadamente, puede aclararse la forma de su dispersin. Esta forma de distribucin de los datos inherente a su variabilidad se llama distribucion de frecuencias. Para verlo con mas claridad se utiliza un grfico que se denomina histograma de frecuencias. En el histograma se observan 3 propiedades de las distribucin de datos: Forma Tendencia Central o acumulacin Dispersin o Variabilidad De acuerdo a ello, el histograma da una idea del proceso, lo que no se logra con una tabulacin de datos.
O.Aguilar Consultor de Empresas Taller de Mapeo de Fallas 96
Procedimiento de elaboracin de un histograma: 1. Reunir datos para localizar por lo menos 50 puntos de referencia. 2. Calcular la variacin de los puntos de referencia, restando el dato del mnimo valor del dato de mximo valor. 3. Calcular el numero de barras que se usaran en el histograma (un mtodo consiste en extraer la raz cuadrada del numero de puntos de referencia). 4. Determinar el ancho de cada barra, dividiendo la variacin entre el numero de barras por dibujar. 5. Calcule el intervalo o sea la localizacin sobre el eje X de las dos lneas verticales que sirven de fronteras para cada barrera 6. Construya una tabla de frecuencias que organice los puntos de referencia desde el mas bajo hasta el mas alto de acuerdo con las fronteras establecidas por cada barra. 7. Elabore el histograma respectivo.
O.Aguilar Consultor de Empresas Taller de Mapeo de Fallas 97
Notas 35 38 40 42 48 49 51 53 55 56 57 59 60 61 62 63 62 64 66 67 68 69 70 72 74 75 76 77 79 80 82 84 85 89 93 97
Taller de aplicacin (Ejercicio guiado): Un conjunto de obreros de mantenimiento correctivo son evaluados sobre su desempeo durante una jornada de trabajo. Queremos representar la informacin obtenida sobre las calificaciones en forma de histograma. Consideremos los puntajes totales y establezcamos los lmites inferiores y superiores de estos puntajes.
98
Maximo: 94 Mnimo: 35
70/7 = 10
Punto medio o marca de clase PM 34,5 44,5 54,5 64,5 74,5 84,5 94,5
99
Pasemos ahora a dividir el eje horizontal en segmentos de igual medida, sealando su punto medio y escribiendo debajo de cada uno el valor del punto medio de la clase correspondiente.
100
Procedamos a dividir el eje vertical en segmentos de igual medida y colocar en cada una de las marcas las frecuencias.
101
Construir rectngulos cuyas bases sean las clases o intervalos y sus alturas las frecuencias correspondientes a cada clase
Histogram
12 10 8 6 4 2 0
45 .3 35 33 55 333 .6 6 6 33 66 66 7 76 .3 66 33 86 333 .6 6 6 33 66 66 7 M or e
Frequenc
Frequency Cumulative %
Bin
Un histograma es una grfica de rectngulos sin espaciamiento estre ellos, que se construye colocando en el eje horizontal las clases o la variable a medir, y en el eje vertical, las frecuencias de la misma.
O.Aguilar Consultor de Empresas Taller de Mapeo de Fallas 102
Pesos/mg/
Taller de Aplicacin de conocimientos: Se reportan los valores de los pesos de 80 chapillas producidas por una mquina forjadora de una industria local. Estos se representan en la tabla que se adjunta. a) Construir la distribucin de frecuencias adecuadas a los datos b) Construir el histograma de frecuencias absolutas c) Comprobar si la mquina trabaja en forma adecuada
7.33 7.31 7.26 7.33 7.37 7.27 7.3 7.33 7.32 7.35 7.39 7.33 7.38 7.33 7.37 7.35 7.34 7.32 7.29 7.35 7.38 7.32 7.33 7.32 7.4 7.33 7.32 7.34 7.33 7.31 7.32 7.33 7.28 7.33 7.34 7.33 7.35 7.34 7.31
7.32 7.29 7.36 7.3 7.36 7.3 7.32 7.33 7.34 7.35 7.32 7.34 7.33 7.31 7.34 7.32 7.32 7.33 7.31 7.32 7.35 7.33 7.32 7.3 7.34 7.34 7.35 7.39 7.31 7.35 7.31 7.29 7.32 7.28 7.36 7.3 7.33 7.33 7.36 7.38 7.33
Datos primarios
103
Respuesta al ejercicio...
Bin Frequency Cumulative % 7.26 1 1.25% 7.2775 1 2.50% 7.295 5 8.75% 7.3125 12 23.75% 7.33 32 63.75% 7.3475 9 75.00% 7.365 12 90.00% 7.3825 5 96.25% More 3 100.00%
Frequency Cumulative % 40 30 20 10 0
Frequency
Histogram
150.00% 100.00% 50.00% .00%
Bin
104
Taller de Aplicaciones. Discusin El problema de los promedios. Analice las siguientes distribuciones. Son todas las distribuciones iguales? Significado fsico de cada distribucin. Evale la media, desviacin estndar y concluya
Mes 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Distribucion P 1 1 1 2 2 3 4 6 8 11 15 19 24 30 33 35 36 36 34 31 22 10 1 0
de fallas Q 0 0 1 2 5 9 15 23 28 32 33 35 36 34 31 25 23 16 9 5 2 1 0 0
R 0 1 10 22 31 34 36 36 35 33 30 24 19 15 11 8 6 4 3 2 2 1 1 1
105
Media aritmtica, Mediana, Moda y otras medidas de tendencias centrales. Los parmetros ms usuales con los que puede caracterizarse la localizacin de una distribucin asociada a un conjunto de N datos son: a) la media aritmtica o promedio de las mediciones
x=
x
i
b) la mediana
La mediana es el valor de la variable que separa los datos entre aquellos que definen el primer 50% de los valores de los de la segunda mitad. O sea que la mitad de los datos de la poblacin o muestra estn a derecha de la mediana y la otra mitad estn a la izquierda de la misma.
O.Aguilar Consultor de Empresas Taller de Mapeo de Fallas 106
c) Moda La moda corresponde al valor de la variable donde est la mxima frecuencia, o sea, que en un histograma la moda corresponde al valor de la variable donde hay un pico o mximo. Si una distribucin tiene dos mximos la denominamos distribucin bimodal, si tiene tres mximos trimodal y as sucesivamente. La media la calculamos usando una frmula, pero la moda la evaluamos directamente del histograma. Estos tres parmetros son iguales en el caso de distribuciones simtricas respecto del valor medio y unimodales. Este es el caso de una distribucin gaussiana o normal (que sern estudiadas posteriormente). En el caso de una distribucin asimtrica, las diferencias entre moda, media y mediana pueden ser sustanciales.
O.Aguilar Consultor de Empresas Taller de Mapeo de Fallas 107
108
Frequency Cumulative %
Histogram
80 60 40 20 0
1.753607 1.791052 1.828497 1.865942 1.903388 1.940833 1.978278 2.015724 2.053169 2.090614 2.128060
109
Desviacin estndar, Varianza muestral y otras medidas de dispersin Tres parmetros importantes de una distribucin son: Valor medio o media aritmtica
x=
x
i
=< x >
Tambien existe la media aritmtica ponderada. En ella se otorga a cada valor de la variable xi, una ponderacion o peso wi que pueden ser diferentes ( ni son frecuencias absolutas) N
W=