Академический Документы
Профессиональный Документы
Культура Документы
Presentado por:
A Dios.
A mi adorada Hija.
A mi querido Esposo.
A mi especial Familia.
Quiero agradecer profundamente a Dios, por bendecir cada uno de mis días, por la
familia tan maravillosa que me regaló, y por permitirme realizar este trabajo.
A las profesoras Evila Bahoque, Karim Oliva y Carmen Rojas, por las correcciones
realizadas.
Página
RESUMEN • I9
ABSTRACT - 20
INTRODUCCIÓN - • 21
1.1.1. Falla 24
Figura Página
Tabla pá9¡na
28 Definición del sistema, análisis de las fallas y controles actuales para la 250
elaboración de! análisis de modos de fallas y efectos
RESUMEN
ABSTRACT
At present, the companies have been seen in the need of iooking for the way of
increasing the reliability, availability and lifetime of the plants, to diminish the costs for
the maintenances that are not programmed and to improve the levéis of production, and
to incur in lesser costs for replacement of damaged equipments. The general object of
this work consisted of preparing a document that reflects the importance that has
considering the reliability in the industrial systems to guarantee the availability of his
equipments, and this way fulfil the requirements demanded by a market that is
increasingiy becoming more competitively. Also, this article will aliow to know the
concepts that are related to the reliability in the organizations, as weil as the different
tools that are used for the appraisal and anaiysis of the reliability of the equipment and
the systems. For this reason, information was compiled and organized, both for
theoreticai as practical cases, of books, guides, special works of undergraduate and
postgraduate degrees, seminaries and conferences. The resulting report is information
that will orient those workers that are responsible of guaranteeing reliable and safe
production processes, so that the businesses are able to fulfil the technical, economical
and legal requirements, ensuring an appropriate level of risk and profitability.
E-mail: sromero@fing.!uz.edu.ve
INTRODUCCIÓN
Hoy en día las empresas precisan ser competitivas para mantenerse en el mercado;
para ello, deben buscar la mayor disponibilidad operacional de sus equipos dentro de
una gestión de calidad total. Esto las obliga a transformar las estructuras
organizacionales, contemplar un desarrollo permanente de las áreas productivas,
aumentar el nivel de utilización de los equipos alargando su vida útil, invertir en la
automatización de procesos, para asegurar así la disponibilidad requerida y disminuir
los costos. Todo ello sin dejar de respetar las condiciones de trabajo y seguridad del
personal, los plazos de entrega y la preservación del medio ambiente.
El presente trabajo está conformado por un primer capítulo cuyo contenido se refiere a
los fundamentos sobre confiabiiidad; y por un segundo capítulo que incluye ¡os casos
prácticos seleccionados para ejemplificar los conceptos reflejados. Además, contempla
consideraciones referidas al uso e importancia de la confiabiiidad, para que las
empresas se mantengan en un mercado cada vez más exigente en términos de calidad
y costo; esperando sean de interés para los estudiantes y profesionales que deseen
desarrollarse en esta área.
CAPITULO I
1.1.1. Falla
En este punto se incluyen aspectos referentes a las fallas, tales como definición
clasificación y análisis de las mismas, entre otros.
Yañez y coi. (2004:27), presentan un concepto con amplitud suficiente para ser
utilizado en las estimaciones de confiabiiidad y riesgo, según el cual falla
corresponde a la ocurrencia de un evento o circunstancia que cause la salida de un
componente, equipo, sistema o proceso de un set de especificaciones
predeterminadas. Para facilitar el entendimiento de este concepto, presentan un
ejemplo donde se definen tres opciones para categorizar la falla de una bomba en
una planta de proceso:
• Si una bomba debe funcionar con una eficiencia del 85% para garantizar la
rentabilidad del proceso, y ai momento de verificarla es de 80%, entonces dicha
bomba se encuentra en estado de falla.
Por otra parte, los autores mencionados indican que si se asume que una planta
para producir agua mineral tiene un punto de equilibrio de 20.000 Jts/día con 3 ppm
(partes por millón) de fluoruros en su contenido:
los equipos.
Según Nava (2006:46), un buen análisis de fallas es una de las etapas más
Importantes en ¡a determinación del programa tendiente a lograr el óptimo del
mantenimiento; considera además que hay dos (2) tipos de análisis de fallas:
Se llama tiempo a la falla o tiempo de falla a aquel que transcurre hasta que el
producto deja de funcionar de acuerdo a las especificaciones (Pulido y De la Vara,
2004:440).
f(t)
X= (4)
C(t)
Donde:
X: tasa de falla
C(t): confiabiiidad
dC(t)
f(t) = (5)
dt
TMEF
D= (6)
TMEF + TMEP
CONFIABILIDAD EN SISTEMAS INDUSTRIALES 32
Donde:
D: disponibilidad
Indica además, que para lograr la efectividad total del equipo, se debe trabajar para
eliminar las "seis grandes pérdidas" que son ¡os obstáculos para la efectividad del
equipo:
• Defectos (Calidad).
1.1.3. Disponibilidad
Para lograr una adecuada disponibilidad, hay varios medios para lograrlo; uno de
ellos es construir equipos extremadamente confiables (es decir, que tengan una alta
confiabiiidad, o lo que es lo mismo: una alta probabilidad de que no fallen bajo
ciertas condiciones de operación) y, por consiguiente, costosos. Otro medio es
suministrar equipos que, cuando fallen, sean fáciles de recuperar (es decir, que
tengan una alta mantenibilidad, o lo que es lo mismo, que puedan ser reparados fácil
y rápidamente). De esta forma, si un equipo está construido muy confiable y es muy
fácil de reparar, el fabricante obtiene un sistema muy eficaz, pero que nadie puede
permitirse comprar. Por tanto, la pregunta aquí es: ¿cuánto se necesita el servicio
del equipo o sistema, y cuánto se está dispuesto a pagar por ello? (Jiménez Y
Miipnn onnt;-'i£;_'i7,\
¡yinCii i'-', ¿~\-/\j\j . t *•->
i i i.
CONFIABILIDAD EN SisfÉMAS INDUSTRÍALES 34
Por otra parte, la norma venezolana COVENIN 3049 (1993:5), la refiere como la
probabilidad de que un sistema productivo esté en capacidad de cumplir su misión
en un momento dado bajo condiciones determinadas.
1.1.4. Mantenibilidad
Dependiendo de los valores de ios parámetros que se definan, puede ser usada
como una aproximación a ia distribución Exponencial o a la distribución Normal, así
como a otras. Si p = 1 la distribución Weibuli se aproxima a la distribución
exponencial, y si p = 4 entonces se aproxima a ia distribución Normal.
Por su parte, Díaz (1992:21), plantea que fue desarrollada por ei matemático sueco
del mismo nombre, cuando trataba de encontrar una distribución que describiera la
expresión de confiabiiidad en rodamientos de bolas. Su característica más
importante es la existencia de un parámetro de forma p que permite a la distribución
tomar diversas formas; parámetros p menores a 1 son característicos de los equipos
en períodos de mortalidad infantil; con valores cercanos a uno, de equipos en
períodos de vida útil; y con valores mayores a uno, de equipos en períodos de
desgaste.
Una de las funciones más delicadas del ingeniero de confiabiiidad y del analista de
riesgo es seleccionar la distribución de probabilidad que más se adapte a una
muestra de datos de la variable a modelar; por lo cual se presentan a continuación
algunos aspectos que se tienen que consideraren dicha selección.
Paso 1: plantear las hipótesis de las distribuciones paramétricas que podrían hacer
un buen ajuste con los datos.
para determinar el número de partes que se deben tener cuando el tiempo para la
falla sigue una distribución Exponencial.
Paso 2: calcular los parámetros de cada una de las distribuciones hipótesis con los
datos de la muestra.
CONFiABILIDAD EN SISTEMAS INDUSTRIALES 39
Una vez seleccionadas ias distribuciones hipótesis teóricas que pudieran representar
un conjunto de datos, se procede a ia estimación de los parámetros de cada una de
ellas. Estos parámetros normalmente se obtienen con el método de máxima
verosimilitud.
"f
a a=-
P
fí-
D
Normal
WoitJiill
2 1 ^/, }2
ék'Kü] , 1 *
fi •fi ¿c $
/ir
¿Inft)
»
a
<*
Gamma Y'} M
* -. ™
Expen-efíc-iaí X Ti f
i'-l
Existen tests estadísticos variados, para calificar la calidad del ajuste de la curva de
distribución hipotética a los datos de la muestra; entre ios más usados están: test de
CONFIABILIDAD EN SISTEMAS INDUSTRIALES 40
Entre los parámetros que definen la gestión de mantener están los conceptos de
confiabiiidad. mantenibilidad y disponibilidad, así como los elementos de demanda
dinámica de partes y repuestos y su asociación con los modelos matemáticos
que permitan calcular sus estimadores. En función de estos elementos se podrá
planear una estrategia gerencia! que permitirá dirigir las operaciones de manera
conveniente (Mosquera, 1987:8).
El último factor de la definición tiene que ver con las condiciones ambientales. No se
puede esperar que un producto destinado a servir en interiores, como sería una silla
tapizada, funcione adecuadamente en exteriores, expuesto al sol, al aire y a la lluvia.
Dentro de las condiciones ambientales se toman en cuenta aspectos como el
almacenamiento y el transporte, pues muchas veces su efecto es más severo que el
uso mismo.
Asimismo, indican que algunos productos necesitan funcionar únicamente una vez;
otros repiten una función una y otra vez hasta que finalmente fallan. Por ejemplo, un
fusible o bien funciona o no funciona cuando un circuito eléctrico se sobrecarga. La
confiabiiidad de un fusible es ía probabilidad de que funcionará cuando se le someta
a una sobrecarga específica. En contraste, un automóvil se utiliza una y otra vez;
su confiabiiidad es la probabilidad de que funcionará sin una descompostura
importante durante cierto tiempo.
2. Proporcionar redundancia.
Como puede observarse, ios autores resaltan la importancia de que los equipos de
un sistema productivo sean confiables, para garantizar la disponibilidad de dichos
sistemas, y así mantenerse en un mercado cada vez más competitivo.
Empleo de dos (2) niveles de personal para la conservación; uno con alta
capacitación, con amplios conocimientos del software y hardware de los
principales recursos de ia empresa, así como en la detección de fallas,
análisis de resultados e ingeniería de fiabilidad y mantenibilidad, para atender
el mantenimiento de recursos vitales e importantes y la planeación de ia
conservación de todos los recursos de la empresa. El otro nivel de personal
tendrá conocimiento de un técnico que requiere una capacitación artesanal
para la atención de la preservación programada.
Díaz (1992:3), plantea que los estudios sobre la confiabiiidad comenzaron como
una respuesta a ios rápidos desarrollos tecnológicos y a las intensas exigencias
CONFIABILIDAD EN SISTEMAS INDUSTRIALES 50
sobre los equipos, y atribuye a Werner Von Braun la realización de los primeros
estudios sistemáticos de confiabiiidad cuando, en un intento para mejorar ia eficacia
de los cohetes V1 y V2, analizó sistemáticamente la causa de las fallas e incorporó
sus resultados en diseños mejorados. Al final de la segunda guerra, dichos estudios
continuaron, impulsados en gran medida por ia guerra fría, la carrera espacia! y el
desarrollo de ía industria nuclear.
Por otro lado, Kenett y Zacks (2000:500), consideran que el papel de la teoría
estadística de confiabiiidad consiste en desarrollar métodos para estimar las
características de distribuciones de vida a partir de datos de falla, y diseñar
experimentos llamados pruebas de vida. En las pruebas aceleradas de vida se
inducen fallas tempranas, sometiendo a ios sistemas a esfuerzos mayores que los
normales. Cuando se analizan ios resultados de estos experimentos, se necesita
conocer cómo relacionar las distribuciones de falla en condiciones forzadas con las
que hay en el funcionamiento norma!.
Asimismo, Ecay (2007), opina que ia necesidad de contar con herramientas más
precisas para asegurar la viabilidad de ios procesos industriales ha demandado el
uso de la confiabiiidad cuantitativa como recurso fundamental para este propósito.
Ha sido interés permanente de los técnicos, conocer ia vida de un determinado
componente industrial, sea este una unidad funcional, un equipo o un sistema: poder
predecir el momento de la falla sobre bases racionales.
Este autor plantea también, que la confiabiiidad se aplica al estudio dei error
humano, ayudando a prevenir y mitigar sus impactos en la seguridad, calidad y
productividad, siendo también la base fundamental de la gestión de riesgos
económicos, ambientales, funcionales y físicos en ámbitos industriales; y que las
herramientas de análisis de confiabiiidad (análisis de modo y efectos de falla, árbol
de fallas, diagramas de bloques), poseen una estructura que permiten pronosticar el
comportamiento de un componente o sistema industrial, lo cual representa
Información valiosa a ía hora de gerenciar un sistema productivo, desarrollando
planes operativos y de mantenimiento mejor estructurados.
Por su parte, Díaz (1992:4), refiere que ios estudios de confiabiiidad se realizan
sistemática y rutinariamente en el diseño de equipos y sistemas, con la Idea de
mejorar la calidad de los productos. Así, antes de la construcción de ios trenes del
Metro de Caracas, las compañías francesas responsables emprendieron extensos
estudios de confiabiiidad que le permitieron garantizar que el producto terminado
estuviese razonablemente libre de fallas mayores. Considera además, que a pesar
de ía creciente complejidad de los equipos, los estudios de confiabiiidad han
CONFIABILIDAD EN SISTEMAS INDUSTRIALES 52
1. Florida Power and Light obtuvo una reducción en el tiempo inactivo de las
centrales, del 14% en 1986 a menos de 4% en 1989 generó $300 millones
de dólares en ahorros a ios consumidores, con una inversión de $5 millones
CONFIABILIDAD EN SISTEMAS INDUSTRIALES 53
Confiabiiidad
áíf? -V1' ríi?
Confiabiiidad
a I»
1.
- r j t• •
í --
• 1
Asimismo, Duran (1998), indica que este proceso genera cambios en la cultura de la
organización haciendo que trabaje con un amplio sentido de la productividad y con
una visión clara del negocio. Cualquier hecho aislado de mejora en alguno de los
cuatro componentes de la confiabiiidad operacional puede traer beneficios, pero al
no tomar en cuenta los demás factores es probable que éstos sean limitados y/o
diluidos en la organización y pasen a ser sólo el resultado de un proyecto y no de
una transformación.
En este orden de ideas, García (2004), indica que para progresar en la confiabiiidad,
sin duda será necesario implementar varias formas de capacitación. Si el personal
desconoce cómo realizar las tareas, no las puede desempeñar. A menudo se
requiere capacitación en:
• Monitoreo de equipos.
• Análisis de criticidad.
• Análisis de incertidumbre.
• Gerencia de la información.
dólares/año; con las cuales en tres años la planta principal mejoró de una
disponibilidad de 77% a un 98%.
La dinámica de ios negocios actuales exige a las industrias producir con menos
costo, más calidad y con un mayor nivel de confiabiiidad para cumplir con exigentes
requerimientos de orden técnico, económico y legal. Adicionalmente para poder
competir y permanecer vigentes en el mercado, las empresas se ven forzadas a
invenir basadas en informaciones incompletas, inciertas o difusas (Yañez y Gómez,
2007:3).
Según Yañez y Gómez (2007:3-4), confiabiiidad integral se define como una sinergia
de disciplinas y metodologías basadas en confiabiiidad y riesgo, que incorpora
herramientas para el manejo probabilístico de información y su incertidumbre y
avanzadas técnicas de diagnóstico, modelaje y pronóstico, en la búsqueda de
reducir sistemáticamente la ocurrencia de fallas, paros y eventos no dese^^ i "ara
C-4VJ V J v J
h"
• Disciplinas:
o Ingeniería de confiabiiidad.
o Gerencia de la incertidumbre.
o Ingeniería de mantenimiento.
o Confiabiiidad humana.
CONFIABILIDAD EN SISTEMAS INDUSTRIALES 63
o Gerencia de activos,
• Metodologías:
o Análisis de criticidad.
Por otra parte, Yañez y Gómez (2007:5-6) indican que el enfoque de confiabiiidad
integral puede aplicarse a cualquier industria o proceso; dado su carácter
muitidisciplinario y genérico; sin embargo, su aplicación se ha centrado en las
siguientes áreas:
1.4.2.1. Diagnóstico
o información de operaciones.
o Pronósticos de producción.
CONFIABILIDAD EN SISTEMAS INDUSTRIALES 66
Por otra parte, ios autores mencionados consideran como productos fundamentales
de la fase de diagnóstico, ios siguientes:
• Desíncorporar activos.
CONFIABILIDAD EN SISTEMAS INDUSTRIALES 68
Entre los recursos más importantes que la ingeniería de confiabiiidad ofrece para
"construir confiabiiidad dentro de los diseños", se mencionan:
• Árboles de decisión.
• Simulación de Montecario.
• Análisis de sensibilidad.
• Matriz riesgo-rentabilidad.
El corazón de esta etapa son las charlas y talleres que se pueden exponer y
explicar a los integrantes de la organización tas diferentes experiencias y
casos de estudio sobre la aplicación de la confiabiiidad integral en empresas
alrededor del mundo.
En esta fase también deben incluirse acciones sobre ios aspectos "humanos",
CONFIABILIDAD EN SISTEMAS INDUSTRIALES /1
Yañez y Gómez (2007), indican además, que es importante entender que ei "ciclo
de implementacíón de la confiabiiidad integral" es un modelo flexible, que se adapta
al "estatus" o nivel de avance que cada activo o proceso tenga en términos de
confiabiiidad. En muchas ocasiones, las empresas que manejan activos y
procesos, han iniciado estudios aislados, en diversas áreas del proceso y sin seguir
necesariamente el ciclo propuesto. Cuando esto ocurre, ei proceso de implantación
debe tomar en cuenta estas iniciativas y no repetirlas, sino aprovecharlas para
impulsare! proceso.
• Análisis de criticidad:
o Estándares base:
Estándares complementarios:
o SAE J1739 "Potential failure mode and effects anaiysis in design (design
FMEA) and potential failure mode and effects anaiysis in manufacturing
and assembly processes (process FMEA) and effects anaiysis for
machinery (Machinery FMEA)".
o Estándares base:
Estándares complementarios;
o ISO 15663 (Draft): petroleum and natural gas industries - life cycle costing.
ios posibles efectos o consecuencias de los modos de fallos de estos activos, sobre
la seguridad, el ambiente y las operaciones.
CONFIABILIDAD EN SISTEMAS INDUSTRIALES 77
También indica, que ei MCC sirve de guía para identificar las actividades de
mantenimiento con sus respectivas frecuencias, a los activos más importantes de un
contexto operacional. Su éxito se apoya principalmente en el análisis funcional de
los activos de un determinado contexto operacional, realizado por un equipo de
trabajo muitidisciplinario; el cual desarrolla un sistema de gestión de mantenimiento
flexible, que se adapta a las necesidades reales de mantenimiento de ¡a
organización, tomando en cuenta ia seguridad personal, el ambiente, las
operaciones y la razón costo / beneficio.
Esta metodología demanda una revisión sistemática de las funciones que conforman
un proceso determinado, sus entradas y salidas, las formas en que pueden dejar de
cumplirse tales funciones y sus causas, las consecuencias de los fallos
funcionales y las tareas de mantenimiento óptimas para cada situación
(predictivo, preventivo, etc.) en función del impacto global (seguridad, ambiente,
costo, unidades de producción).
Para Duffuaa y col. (2008:360-361), el MCC es una metodología lógica que hace uso
de la herramienta del análisis del modo de falla, efecto y grado crítico (FMECA), y
sigue los siguientes pasos:
1. Seleccionar ios sistemas del equipo que sean más importantes para la planta,
ia instalación, o algún activo.
* Activo: planta, sistema, equipo o parte que cumple una función o varias
funciones en un contexto operacional determinado.
Modo de falla: el MCC define el modo de falla como la(s) causa(s) raíz más
probable de cada falla funcional. En otras palabras, ei modo de falla busca el
origen de cada falla funcional, que provoca la pérdida de ia función total o
parcial de un sistema/activo en su contexto operacional. Cada falla funcional
puede tener más de un modo de falla.
Cada modo de falla puede tener más de una consecuencia o efecto: el MCC
reconoce que las consecuencias de falla son más importantes que sus
características técnicas y representan el punto clave para decidir cual es el
tipo de mantenimiento que se le debe ejecutar al activo en su contexto
operacional.
Una vez construido, el modelo CDM trabaja como un simulador "what if (que pasa
si), que permite inferir el impacto que tienen la disponibilidad y producción diferida
del sistema en nuevas políticas de mantenimiento, cambios en la mantenibilidad de
ios equipos, aplicación de nuevas tecnologías, cambios en la configuración de ¡os
equipos dentro de ¡os procesos de producción, cambios en la política de inventarios
e implantación de nuevos métodos de producción.
Por otra parte, consideran, que durante la ejecución de un estudio CDM, se realiza la
adecuada caracterización probabilística de los procesos de deterioro que afectarán
los equipos, sub-sistemas y sistemas asociados al citado proceso de producción, a
fin de pronosticar la mayoría de los escenarios de paros o fallas. Adicionalmente, se
CONFIABILIDAD EN SISTEMAS INDUSTRIALES 83
5S
p o
o,o ; 7j% 7?j>-6 &m-y $2% &>%
*•'-. ^-' !
IÍ+i8 '
St3
7 o&Qbíctiyo
•a* r-fos
/V (OSF< OSFObfctívo}
2* 03
«5£
as
JÜ
t?
en u! <;$.
p
te! 73
r«fi—II** * u fu ¿i í Evfámcís
( -f-i" Datos -de &3itípc$ similores-}
- Se combinaren
datos -genéricos d& • , „ „ , Datos C-ettsac-'os
A-i-
f f f f ¡ ¿ * f
Bayes
Por otro lado, una vez desarrollada y validada ia base de datos y la arquitectura del
modelo, se generan Jos diferentes escenarios de interés. Estos escenarios pueden
corresponder a cambios de arquitectura (nuevas configuraciones de ios equipos,
introducción de nueva tecnología, cambios en el diseño), nuevos planes de
mantenimiento u optimización de los existentes, nuevas políticas de inventario,
adquisición de equipos de última generación, nuevas políticas tendientes a mejorar
ios tiempos promedio entre fallas y los tiempos promedio para reparar de ios equipos
existentes, entre otras (Gómez y col, 2009).
li/fáirtQtlifflfolltQ •••
Análisis rfe Prarfnrc/C'i ^-^ N^ |
PFG'X F&ID
••/
Ojta G&n erica
V
Evitíencte-
""^
*"*í*i-J!í wff ••
r* I J*
EQUIPO: VÁLVULA |
******* ¿V^~¿mcdo1*¿mrtQ2*^rmdo3-"*ámp&?h*
DATA GE,*Sa?£ft DE FALLA
i 1 i—
OREDA 20O2
Aftó&ls--CD(Á é
PSA-2C01-039
PAMJDC96
C/j,v'.Oi7 t? H*.¿'2ít ¿i' p
^Vaiy ActL?¿!¡gad<*
La pregunta más importante que hay que realizar es la siguiente: ¿de qué forma los
activos deberán desempeñarse para poder cumplir con las metas del negocio?. Para
ello se debe establecer un número importante de indicadores que varían de acuerdo
al "nivel" que se desea consultar.
Álvarez (2004:2-3), indica que lo importante es que la gerencia realice los siguientes
pasos básicos:
1. Definirla métrica.
• Distribución de resultados.
• Trazabilidad y auditoria.
Según Áívarez (2004:4-6), otra virtud del análisis de criticidad, es que permite
identificar en cual de ios componentes del riesgo (frecuencia de fallas o
impacto total) se debe trabajar para mitigar el valor de criticidad y traerlo a la
zona "tolerable". Básicamente se evalúa el impacto que la falla, entendido
como ei cese de la función de un equipo, componente o sistema, pueda
producir en términos de: producción, ambiente, seguridad, salud, costos
operacionales y de mantenimiento, frecuencia de fallas, tiempo medio para
reparar y ¡a imagen (reputación).
R= C x Fr (7)
o Monitoreo continuo.
CONFIABILIDAD EN SISTEMAS INDUSTRIALES 95
• ¿Cuáles son los eventos valiosos?; los eventos que son valiosos
incluyen: eventos de mantenimiento (costo de partes y mano de obra),
pérdidas de producción, pérdidas por calidad y pérdidas por
desperdicio.
CONFIABILIDAD EN SISTEMAS INDUSTRIALES 96
Si usted nunca empieza a analizar sus datos, sus técnicos nunca verán el
valor de recopilarlos.
medidas (recursos) que será necesario invertir en los años siguientes para
sustituir el equipo que falla.
3. Para tener datos es necesario observar fallas. Suele ser caro generar fallas
en el laboratorio, pero puede ser más caro que ocurran en campo, afectando
también la imagen del negocio. Los componentes o dispositivos que fallan
muchas veces se convierten en desperdicio impactando el costo del estudio.
Consideran los autores, que esta falta de observación del tiempo de falla surge por
restricciones de tiempo, recursos, técnica o simplemente por que resulta oneroso
observar las unidades para capturar los tiempos de falla; y que se distinguen tres
tipos de censura. Suponga que en un estudio de confiabiiidad se pretende obtener
el tiempo de falla de n especímenes:
• Censura por la derecha (tipo I y tipo II): es de las más frecuentes en los
estudios de confiabiiidad y surge cuando los especímenes de un experimento
de confiabiiidad están sujetos a un periodo límite de observación, por ejemplo
suponga que se denota con L, de forma que sólo será posible observar los
tiempos de falla que sean menor a L; por tanto podrá haber unidades que
transcurrido el tiempo L aún no han fallado, mismas que se registran como
tiempos censurados a la derecha. Esto es, la censura tipo I es por restricción
en ei tiempo y lo único que se sabe de las unidades censuradas es que
sobrevivieron al estudio. Por su parte la censura por la derecha tipo I! surge
cuando el experimento de confiabiiidad corre hasta que cierta cantidad fija,
suponga r unidades fallan, para las n - r unidades sobrevivientes se registran
como censuradas por la derecha (r < n).
• Censura por la izquierda: esta ocurre cuando al inspeccionar por primera vez
las unidades en prueba, se encuentra que algunas de ellas han fallado, sin
CONFIABILIDAD EN SISTEMAS INDUSTRIALES 101
saber en que momento ocurrió el evento. Sólo se sabe que fallaron antes de
ese tiempo de inspección.
Asimismo, los autores plantean que se llama censura múltiple cuando en el mismo
estudio se tienen diferentes tiempos de censura. Dos situaciones que pueden dar
lugar a censura múltiple son:
1. Puede ocurrir que el interés del estudio se centra en un particular modo de falla,
de manera que las unidades que fallan por otras causas se retiran de! estudio como
unidades censuradas. Esto genera una censura múltiple aleatoria.
9500 10512 12824 13514 14096 14128 14214 14404 14520 14689
14766 14859 14951 15117 15520 15555 15912 16037 16223 16481
16622 16626 16689 16935 17980 18508 18624 18699 18719 18773
19036 19126 19165 19274 19414 19429 19451 19611 19708 20066
20546 20610 21382 21599 21789 21978 22386 23592 23659 24165
25731 25961 25991 26533 27423
C(t-f-tb) exp[-((t+0.5)/1000)0-5]
C(t/t>tb) = =
C(tb) exp[-(0.5/1000)0'5]
Si esta función se iguala a 0.90, se resuelve para t y se obtiene t = 15.8 años, esto
es, el periodo de quemado por seis meses elimina unidades débiles que fallarían
pronto, y el resultado es que las unidades sobrevivientes tienen una mayor
confiabiiidad. Observe la diferencia de cuatro años para llegar a la confiabiiidad de
90% de unidades con tiempo de quemado respecto a unidades sin tiempo de
CONFIABILIDAD EN SISTEMAS INDUSTRIALES 105
Dados los tiempos de falla t(1)j t{2), ..., t{n) en orden ascendente, si los tiempos de falla
son diferentes, ¡a función de distribución empírica es una función escalona con
saítos de magnitud 1/n en cada tiempo de falla, de modo que at evaluarla en un
tiempo t arbitrario (Pulido y De ia Vara, 2004:461):
función de distribución empírica usa sólo la información de los datos, sin suponer
ningún modelo.
Lognormal
Weibuli
,
-,.
so 1
• 0)
6cH / • íl!
~.r- V'
'ti
p SP -i
r i r n
o 1 n
(J n
;-'i;
/ s
¿ i
o Í_L
/ '• 13- /"
5/
1 - '-
Exponencial Normal
c;
y
Cfí j
i "e-
,3 \
CD *'\ y i ;;, l^
9, 40
O
- n
1- -••'
•<r
oe: í
y
La teoría sobre cuales deben ser las escalas del papel de probabilidad se basan en
deducir una relación lineal a partir de la función de distribución acumulada (fda) de la
distribución supuesta. Este proceso se conoce como linealización de la fda.
Alternativamente se podrían deducir linealizaciones y gráficas de probabilidad a
partir de la función de confiabiiidad, de la función de riesgo acumulado y de la
función cuantil, con resultados básicamente equivalentes dada la relación cercana
entre las diferentes funciones (Pulido y De ia Vara, 2004:462).
tp = r| {-ln(1 - p)}1/p.
de donde, aplicando logaritmo natural (In) en ambos lados y sustituyendo p por F(t)
(ya que es lo mismo), se obtiene:
1
!n(t) = ln(Ti) + —ln[-ln(1-F(t))]. (8)
P
CONFIABILIDAD EN SIS i LMAS INDUSTRIALES 108
Posteriormente, se grafican las parejas (16, 0.083), (34, 0.250), ..., (120, 0.916) en
el papel Weibuli como se muestra en la figura N° 7. Después se traza la mejor recta
posible a través de ios puntos. En dicha figura se aprecia que los puntos parecen
bien alineados, por lo que se concluye que los datos no contradicen el modelo
Weibuli.
CONFIABILIDAD EN SISTEMAS INDUSTRIALES 109
99
l i
90 - /
i y
.zzz \
v-y 1
1
i :
?:::_:::„j„.„
l4
>. \
/ •rx
50 - —(-4
4 i i
!
/ m! \ i
i i
\? i
i ; !
10 -
—^~—~5g?^-
ZL
1
1 (
5
.. /*~~:..... i • í i ¡
i f ;
i i
1 .
i
0 !0D 1 00 j
donde f(¡> son las unidades que fallan en el j-ésimo intervalo de tiempo (t^, t¡), y n(j)
son las unidades en riesgo justo antes del tiempo j, con j = 1,2, ..., i. Estas unidades
en riesgo es igual ai total de unidades menos las que han fallado hasta antes de ese
tiempo, menos las que fueron censuradas hasta ese tiempo, es decir:
CONFIABILIDAD EN SISTEMAS INDUSTRIALES 112
i-1 i-1
f1 1 ^ f1 11 í ^ í
1
1^
C(75) -i
0.54 (12)
10 9 6 5
L J L J
y por tanto, F(75) = 1 - C(75) = 1 - 0.54 = 0.46, que es ei valor reportado en la tabla.
Después se calculan las posiciones de graficación basadas en el estimador de K-M,
dadas en la última columna. A! graficar en papel de probabilidad Weibuli ios puntos
(t(¡), p(¡)) dados por la primera y última columna de la tabla se obtuvo la figura N° 9.
De dicha gráfica se obtuvieron los estimadores gráficos de los parámetros, los
cuales son, aproximadamente,
CONFIABILIDAD EN SISTEMAS INDUSTRIALES 113
Posiciones
Estimador de
de K-M graficación
deAF(t) = P(j) =
t(i) Fallas Censuradas Unidades en
rü) riesgo(nj) 1 - C(t) F(tj)+AF(tj-
1))/2
16 1 0 10 0.10 0.05
34 1 0 9 0.20 0.15
40+ 0 1
40+ 0 1
53 1 0 6 0.33 0.26
75 1 0 5 0.46 0.39
85+ 0 1
90+ 0 1
93 1 0 2 0.73 0.59
120 1 0 | 1 | 1.00 0.86
f»< -i¡ T , ñ
•ó ri d — r-i. o k a o is <— p
/ 1
• / ^~ C(15) = 9ó%
• 90 •
£i S
/ 08
(' p..~ . „ :-......
JV_
-. -50.-
_ _ i
0.6
•
/'
^ 0,4
-<
5 •/ * ' 0.2
/
0
1 0 50 100 150 200 25 0
10 100 1 000 Horas
A A
P = 1.8yr| = 92.
1.8.8. Estudio de confiabiiidad para unidades que presenten varios modos de falla
Es decir, para sobrevivir al tiempo t se debe sobrevivir a todos los modos de falla.
Dal anólicic
Ol Ul IUIIvJIU inrli\/irh ial ria
II IUIVIUUUI i in
VJVJ U 1 I rrtrirlr»
I IIV/UU río
VJU folla co \JVjl
IUIIU ijlj rAntoctan
1IV/OLÜI 1 loo nrnni
I CÍO Ul iri^pc
V/JJUI Iluo rola\/antoe
i viv-Vui i ICO
relacionadas con él, y del producto de confiabilidades o bien del análisis conjunto de
las fallas se da respuesta a las preguntas respecto a la confiabiiidad global. Otra
cuestión importante que surge es el determinar cuál de los modos de falla debe ser
eliminado si se quiere mejorar en mayor medida la confiabiiidad del producto y en
CONFIABILIDAD EN SISTEMAS INDUSTRIALES 115
A A
99 -
95 -
90 -
/ ' ¡í = 4.0024
80--
r¡ = 1Ó3S.5 S
70 -
"60."
50 -
40 .- r~J|i pj = 3,9752
• Ü
30-
20 -
i) =1045.2 A
0
10 -
5 -
• JA
1 "
//
1 000 10 000
Cg(500) = e -(500/1400.4)3.988 = Qg ^
por tanto, hasta el esfuerzo 500 fallan una proporción 1 a 0.9837 = 0.016 (1.6%) de
las conexiones, cantidad que rebasa el 1% especificado. Como falla un porcentaje
mayor que el deseado, es necesario eliminar al menos uno de ios dos modos de
falla para cumplir tal especificación. Los papeles de probabilidad Weibuli, así como
¡os parámetros estimados para cada modo de falla se muestran en la figura N° 11.
Si se calculan para cada modo de falla ia confiabiiidad en 500mg se obtienen ios
valores: Cs(500) = e -<500/1688-5)4 = 0.9923 y CA(500) = e -<soiyi645.2)3.975 = 0.9912,
para ía soldadura y el alambre, respectivamente. De esta forma ía confiabiiidad
global es igual al producto de estas confiabilidades marginales:
En su forma más general, puede definirse como la rama de la ingeniería que estudia
las características físicas y aleatorias deí fenómeno "falia". Dentro del área de
ingeniería de confiabiiidad, coexisten dos (2) escuelas con enfoque muy específicos
(Yañez y col., 2004:187):
Las diferencias entre ambas escuelas están relacionadas con la óptica desde la cual
se analiza la falla; ¡a primera propone predeciría estudiando ¡a frecuencia histórica
de ocurrencia o tasa de fallas, mientras que la segunda considera que una falla es
la última fase de un proceso de deterioro y se concentra en predecirla a
CONFIABILIDAD EN SISTEMAS INDUSTRIALES 118
través del entendimiento de "cómo ocurre la falla"; es decir, estudiando la "física del
proceso de deterioro".
Por otra parte, como se dijo anteriormente, entre los recursos más importantes que
la ingeniería de confiabiiidad ofrece para "construir confiabiiidad dentro de los
diseños", están (Yañez y Gómez, 2007):
RIESGO
RIESGO = PROB. DE FALLAX CONSECUENCÍ ADE LAFALLA
RIESGO = (1 -CONFIABtLIDADJXCONSECUENCIA
BASADA EN LA
BASAD A EN LA IMPACTO IMPACTO
HISTORIA
CONDICIÓN AMBIENTAL PERSONAS
(ESTADÍSTICA DEL (MONITOREO DEL
PROCESO/SISTEMA) PROCESO/SISTEMA)
COSTO DE - PÉRDIDAS DE
REPARACIÓN REPUTACIÓN
PÉRDIDAS DE
VENTAJAS
TECNOLÓGICAS
De hecho, si se quisiera ser más específico en el tipo de evento a analizar, como por
ejemplo evaluar el riesgo de explosión química debido a una nube confinada de gas
natural, surgirían infinidades de escenarios asociados al volumen de la nube de gas,
ubicación física de la nube de gas (etapa de baja, media o alta presión), disposición
de la nube en ¡a planta, condiciones atmosféricas imperantes, diferentes fuentes de
ignición, entre otros. De allí, que al momento de evaluar el riesgo asociado a un
particular evento o aseveración en particular, es necesario cuantificar las
probabilidades de ocurrencia y consecuencias de cada uno de los escenarios que
conllevan ai evento bajo estudio.
CONFIABILIDAD EN SISTEMAS INDUSTRIALES 122
Precisamente, una de las funciones más arduas del grupo encargado de cuantificar
el riesgo es determinar y caracterizar cada uno de los escenarios que conllevan al
evento de interés. En muchas de las aplicaciones, el número de escenarios es
prácticamente ilimitado, teniéndose muchas veces que simplificar los escenarios y
considerar aquellas cuyas alícuota al total de riesgo supera un cierto umbral.
Por su parte, un equipo reparable es aquel cuya condición operativa puede ser
restaurada después de una falla, por una acción de reparación diferente al
reemplazo total del mismo. Un equipo reparable tiene las siguientes características
fundamentales:
En el caso de los sistemas reparables, hasta 1996 estaban definidos dos procesos
de punto estocastico para modelar su tratamiento; la primera asume ¡a reparación
hacia su condición original, todo basado en el Proceso Ordinario de Renovación
(independiente e idénticamente distribuido), la segunda asume una reparación
mínima basando sus cálculos mayoritariamente en el Proceso no Homogéneo de
Poisson. A partir de 1996, se propuso un nuevo desarrollo para tomaren cuenta los
estados diferentes a los indicados anteriormente, el cual está basado en un modelo
tm
DISTRIBUCIÓN DE PROBABILIDAD
DEL TIEMPO PARA FALLAR
• 1?8
f(t) f(t)
h(t) (24)
C(t) 1 - F(t)
Al igual que las funciones f(t), F(t) y C(t), la función h(t) es una característica única
de ia variable tiempo para fallar de una población de componentes, equipos o
sistemas (Yañez y col., 2004:194).
Existe una importante relación entre la función Confiabiiidad C(t) y la función h(t),
que se resume en la siguiente expresión:
•í(h(t)).dt
C(t) = e (25)
CONFIABILIDAD EN SISTEMAS INDUSTRIALES 13°
Esta ecuación implica que ai definir la función h(t) se puede definir la función C(t), y
viceversa. Por otro lado, como la función h(t) describe el comportamiento del
número de fallas de una población por unidad de tiempo, y la misma puede ser
creciente (ei número de componentes de la población que fallan por unidad de
tiempo aumenta progresivamente), decreciente (el número de componentes de la
población que fallan por unidad de tiempo disminuye progresivamente), o constante.
Una forma práctica de entender esta curva, es analizando el caso de los seres
humanos. Sí se supone que se analizan las vidas de 100 personas, nacidas en el
año 1900, seleccionadas aleatoriamente. Con toda seguridad, si se revisa la fecha
en que fueron falleciendo, se encontrará que una buena parte de ellos murieron
entre 0 y 3 años debido a problemas congénitos, problemas en el nacimiento o
enfermedades infantiles severas; otros tantos, aunque un poco menos entre 3 y 6
años; y menos aún entre 6 y 9 años. Esto puede describirse como que el número
de personas que murió, por año, fue decreciendo entre 0 y 9 años. A partir de allí
CONFIABILIDAD EN SISTEMAS INDUSTRIALES 131
Tasa de Fallas
£
Q \ ! i /Tasa de Fallas
i / P* crec/erríe
\ j Tasa de Fallas
\ ' constante
Mortalidad i Periodo de
V¡ Envejecimiento
Infantil j FallasAleatorias i o Desgaste
TIEMPO (:}
Esta curva permite asegurar que el "peligro" de que una persona cualquiera muera
entre 0 y 3 años es mayor que el peligro de que muera entre 3 y 6 y menor aún
entre 6 y 9 años. También permite decir que el peligro de morir a los 20 años es
aproximadamente igual que el peligro de morir a ios 40 años y que en ambos casos
es menor que el peligro de morir entre 0 y 6 años. No obstante, el peligro de morir
se incrementa a partir de los 45 años y va aumentando lentamente. A partir de los
65 años, el peligro de morir se hace mayor más rápidamente. Esta curva no dice a
CONFIABILIDAD EN SISTEMAS INDUSTRIALES 132
que edad va a morir un ser humano específico; pero refleja como cambia el peligro
de morir con la edad.
RATRON "F'
PATRÓN T>" PATRÓN "ET
deben ser tiempos de operación de n equipos similares con los cuales se definirá la
distribución de densidad de probabilidades f(t). Una vez definida f(t), se obtienen la
distribución acumulada directa F(t) que corresponde a la probabilidad de fallas y la
distribución acumulada inversa C(t) que corresponde a la confiabiiidad (Yañez y col.,
2004:197).
Las líneas punteadas constituyen ia información de fallas; mientras que las líneas
continuas; es decir, los tiempos t3 y te son datos de equipos que permanecen
confiables (no han fallado) para el momento del análisis; y son parte importante de
la información. A t3 y te se les conoce como datos censados (Yañez y col.,
2004:198).
ti
Equipo 1 ~-X
Equ ¡po 2
h
Equipo 3
U
Equipo 5 ts
Equipos te
+—
Equipen
Wafán Tiempo t
Paso 1: plantear las hipótesis acerca de las distribuciones paramétricas que podrían
hacer un buen ajuste con los datos.
Paso 2: calcular los parámetros de cada una de las distribuciones hipótesis con los
datos de la muestra. Las ecuaciones para calcular estos parámetros normalmente
se obtienen con el método de máxima verosimilitud.
Paso 3: realizar alguna de las pruebas de bondad de ajuste en las que normalmente
se comparan cada una de las curvas de las distribuciones hipótesis teóricas
obtenidas con los parámetros estimados en el paso anterior, con el histograma de
los datos de la muestra. De esta comparación se calcula para cada distribución
hipótesis un valor llamado "valor del test" y se compara contra un valor llamado
"valor critico". Si el valor del test es menor que el valor critico para un determinado
nivel de significancia, entonces la distribución hipotética se considera un buen ajuste
CONFIABILIDAD EN SISTEMAS INDUSTRIALES 136
Las ecuaciones para el cálculo de parámetros que se obtienen cuando existen datos
censados son diferentes a las ecuaciones que se obtienen cuando no los hay. La
figura N° 18 muestra un flujograma del proceso de selección de la distribución que
mejor se ajusta a una muestra de datos que incluye datos censados. La tabla N° 8
resume las ecuaciones para el cálculo de parámetros para las distribuciones
probabilísticas más usadas en el análisis de confiabiiidad de equipos no reparables,
tanto para muestras con solo datos de falla, como para muestras con datos
censados.
" :=;f,"ff-
""• 'O I
~r
-ñ>« ^,.<v ;*,i.
•'.' ':t-:"Í\Ú:-*>..t,i—•.P-Vr?iBir»*l*¿¿Y\fy'
Efl/ítffl£r"05? ->-r:FV"'
,0Ortí**^rflyrtí#ía"<'«
L'!'!"--':í¿fí!3^í*
• Bfllr* foto''rt*'d/pWlivp'vf}*-?.;
t-^,.*^- que 'r¡mn>& . nu)'"--'fy^'twi-
tadymixtiif; U.quv'.-.'fntior
.-tipisli ni o»* ,~<tk\-<intoj . ktm •.-.• ,
• u'n mah*>r Valo*-:'<!<**ípaf.^1*-
boi¡4eéiii¡ a/usie"K-S* ,;
¿ =
Exponencial
Z'i Z'.+If/
Ev ÍMHÉfc
Weibuli
Efe"**,)+![</**,)] , , „
B"VZ',
Solución numérica
n'Síí,-^)2
n-S(í,-^)2
Solución numérica
in-lT£ji
í A
Solución numérica
TPPF=aÁn1-\
Weibuli
w-iM oM u\a)
1 ' -'
Gamma qt)=i~F(t) TPPF = fia
m"jrH¿f' /rrtái 1-nn
1 -T'l w=1-W
m
Normal
a42n ^¿ñ qtM-F(t) TPPF^m
Muestras
Figura de mérito Muestras pequeñas n < 25 grandes n >25
A
n - i + 0,625 i
Confiabiiidad C(t¡) C(t¡) = C(t¡) =
n + 0,25 n
A n~i + 0,625 i
Prob. de falla F(t¡) F(\\
i\u) - 1¡ rL iJ F(t,) = 1 - (—)
n + 0,25 n
A 1 1
Tasa de fallas h(t¡) h(ti) = h(*.\
U{li) -
(n - i + 0,625)(ti+i -1¡) (tw "ti)
Mejor que antes de reparar pero peor que cuando estaba nuevo.
CONFIABILIDAD EN SISTEMAS INDUSTRÍALES 141
Como se sabe, los equipos reparables son aquellos cuya condición operativa puede
restaurarse después de fallar, con una reparación; esto implica que en su vida
puede ocurrir más de una falla y es esta la diferencia fundamental con los equipos
"no reparables" en cuya vida solo puede ocurrir una única falla (Yañez y col.,
2004:218). En este punto, se presenta la variable probabilística que se estudia para
equipos reparables y los indicadores o figuras de mérito para caracterizarla.
1.- Una escala relacionada al tiempo de operación entre fallas; para la cual se
usarán subíndices; por ejemplo t2 = tiempo de operación entre la primera y la
segunda falia.
2.- Otra escala relacionada con el tiempo acumulado de operación hasta las fallas o
hasta un evento específico; para la cual se usarán superíndices; por ejemplo tI2] =
tiempo acumulado de operación hasta la segunda falla. Se puede notar que t[2] =
ti +12.
Va falla 2*" falla 3rafalla 4'* falla (n-l)Ih falla (n)01 falla
-* Tn >
•*• "
tw =t,*
t^t+t,"
1 ' l2
-t^^+tj+tg+t
n-1]
tLn-lJ-t1+t2+t3+t4+ tM— •
~típJ-t1-ht2 +t3+t4+ tnM+tn *
- Tiempo misión = T=t^ =^+t2+t3 +t4 + t^+t,, +tK
De la misma manera, se puede concluir que las variables t[2] (tiempo acumulado de
operación hasta la segunda falla), t[3] (tiempo acumulado de operación hasta la
tercera falla), t[4] (tiempo acumulado de operación hasta la cuarta falla), hasta t[n]
(tiempo acumulado de operación hasta ia n falla), son también variables aleatorias
ya que las mismas resultan de la suma de otras variables aleatorias, tai como puede
verse en la figura N° 19.
' i
/
""^ i ¡
r l
l
/
A
i
/
I i
i
í
i
/
/
/
1 í
1
/
;
/ ;
0 u
i Jy —•-
t »n npprarmn
1* falla 2"* falta 3" falla 4,ífalia (n-1 }r- falla [nf- falla
fK í
i 1—H**f ••••»» • —** —tUr"*"—*& —H» "
\ • — tíh] ^
! I .___[ l L
1-
\ \
\ \ \ \ %
\
_
\
\ - tiempo acumulado
•v en operación
0 *!" -' i•
1« falla 2* falla 3" falla •*•> alia \n-rr»U\\s 0 »fafls
" 1
f(N(iik¡))
-i -- >"----
Wkíhv,-
2 +—-
Zl J
1 tí*' = fiempo acumulado
""*" en operación
Además de A(t[m]), existen otras figuras de mérito o indicadores de gran utilidad para
análisis de equipos reparables; estos son:
TEPPF = tiempo esperado para ía próxima falla, después del tiempo acumulado de
operación hasta la última falla.
Análisis de confiabiiidad
para equipos reparables
Restaurarais
Reparación Restaurar
mínima posible parcialmente
condición origina!
Proceso no —Proceso :
Proceso
Ordinario de
Homogéneo Generalizado
de Poisson de
Restauración
(PNHP) Restauración
(POR)
(PGR)
Si esto se asume como cierto, los tiempos t¡ (i = 1,2,3, ,n) entre fallas sucesivas
son independientes, ya que al haber una "reparación perfecta" e! tiempo de
CONFIABILIDAD EN SISTEMAS INDUSTRIALES 148
Por supuesto, considerar que cuando ocurre una falla el equipo es restaurado a su
condición original representa un escenario ideal, por lo que el POR es un modelo
que tiene limitaciones en su aplicación en el análisis de sistemas reparables. Este
modelo está restringido para equipos constituidos por algunos pocos componentes
principales no reparables. Los cuales son reemplazables individualmente ai failar.
Esto es, cuando una parte principal del equipo falla, esta será reemplazada por una
nueva. Los componentes son "no reparables"; pero el equipo "es reparable".
También es váiida esta asunción, cuando ia política de reparación sea "revisar todo
el equipo y reemplazar todo lo que esté deteriorado cada vez que el equipo falle"
(Yañez y col., 2004:224).
Con base en el POR, y asumiendo que los tiempos entre fallas sucesivas siguen una
distribución Weibuli, las ecuaciones para ¡os indicadores probabilísticos de interés,
para un valor del tiempo de operación tím], son las siguientes:
-(Wa)p
Probabilidad de fallas: F(t[m]) = 1 - e (26)
-(Uaf
Confiabiiidad: C(t[m]) = e (27)
CONFIABILIDAD EN SISTEMAS INDUSTRIALES 149
P tm
Tasa de ocurrencia de fallas: X(t[m]) = ( )p~1 (28)
a a
1+p
Tiempo esperado para la próxima falla: TEPPF = a . r( ) (29)
P
&&£CC\CK~ • INOftESESL •
SiPEft-dOOOS i*. VAiaft£€túg
Dé. ITcS*C!Oí,iE3 -m T
-i
.Va
L¿0
• r*iii»uifi*i'ffi 'l»HHHIH*l»tM»Hi»tHM»*HIMb J *
fífj-j-ellri1.-!;—r-;
L ::l^
•-/+J
.?
J<m ? H-Pjt» | NO -Tlfr., Sí
:^i-
^4(1^)
'(t.),"V
(31)
(32)
n,')U
a
(33)
fk,'rtt,)]+(t.Y W*) i i n
r n \
^ i-1 J
(34)
Este modeio es válido para equipos muy complejos, con múltiples componentes,
cuando ia política de reparación es "hacer la mínima reparación requerida para
poner al equipo a operar nuevamente".
Asumiendo que se cumplen las asunciones previamente descritas, y que los tiempos
sucesivos para fallar siguen una distribución de Weibuli, las ecuaciones de cálculo
para las variables probabilísticas de interés, para el PNHP son las siguientes:
Probabilidad de Fallas:
Confiabiiidad:
(37)
( ít\™] ^
P
x{tím})^
(38)
CONFIABILIDAD EN SISTEMAS INDUSTRIALES 15;
4!fí!h~[{t!n]+i!m!y-(t!"!Y
(39)
Al igual que para el caso del POR, para el caso del PNHP deben obtenerse dos
expresiones diferentes para ios parámetros a y p de ías ecuaciones anteriores
(Yañez y col., 2004:228):
Ecuaciones para los parámetros del PNHP. Caso 1: equipo fallado: este caso
se refiere a estimaciones que se hacen en un momento en ei que acaba de
ocurrir la falla, y el equipo no está operando. Las ecuaciones de ios
parámetros para este caso son las siguientes:
(fwfV'
a =
(41)
Donde t[n] es el tiempo de operación acumulado hasta que ocurrió la última falla, t[í]
es eí tiempo acumulado de operación hasta que ocurre ía faíía T y n es e¡ número
total de fallas.
fíri"l
l'Vt'-'l
(42)
CONFIABILIDAD EN SISTEMAS INDUSTRIALES 154
•í \
a =
n
(43)
/?-
IHRj (44)
A pesar de que para el PNHP ía estimación deí número esperado de falias puede
h a r o r c o analíti/^nmonto c¡n ma\ir\r Hif¡r*i
f IU\JW IOU Ul IUII LI VJCJI I !UI I L\j sJI I I IMUJUI
iltarl m n la a n i a r i ñ n M° ^Q
\Jlli\JUI IUU \-t\J t I IU V/UUUVJIUI 1 i 1J W\_>,
octci nctimaHñn
\~<lj ÍÍA WUlll 1 lÚXJIUI I
Con la ecuación N° 45, se puede calcular el número esperado de fallas al tiempo "T"
(A(T)), siguiendo el diagrama de flujo que se muestra en la figura N° 25.
SELECCIONE "
EL PERIODO t>£
J^fliOH '• aajKctoNe"a humero - .
•. AMAU3IST
15.-0"
ThmftoparalaFíHb(t)
\t,..r>t:
i ;;.;. t^pu^-a^'J ii^
f^lJ'-*''"(*-*/)
t . .
•-•:'Wi-".S-..|
s/ l " r~"
N'FaM» | NO . y«t'-í"
:;'Ví"-" ;f "'"-V-^'
•——^ ,.,.;i. ,,v...,,,
" NUMERO ESPERADO Dfe
-.FALLAS ALTJEMPCT.--
compuesto por partes o subsistemas, cada uno de ellos con su propia confiabiiidad.
1 2 3 N
_^
N-r
Csisr(t) =r=K
2(N)[C,(t)]r[1-Cí(t)]
r
(51
Donde :
= 1 -(0.10)(0.05)(0.10)
= 1 -0.0005
= 0.9995
CONFIABILIDAD EN SISTEMAS INDUSTRIALES 165
Cv=0.99
i>fy
FV~Q.001 l_
Fv=0.001
r-M v u
Por tener ias bombas, las válvulas de bloqueo y ias válvulas de retención las
mismas confiabiiidades, se tiene que:
K de N componentes Confiabiiidad
Sistema de bombeo
2/5 0.9923
3/5 0.9399
4/5 0.7330
5/5 0.3235
En resumen puede decirse que el análisis de sistemas con árboles de fallas permite:
Según Díaz (1992:26), la técnica de los árboles de falla puede ser usada como
herramienta en el diagnóstico de fallas, y como instrumento docente porque
simplifica la comprensión de procesos complejos. También se utiiiza en la
elaboración de sistemas expertos de mantenimiento.
CONFIABILIDAD EN SISTEMAS INDUSTRIALES 168
/ \ EVENTO NO
!
) EVENTO TOPE
A ENTRADA
TRANSFERENCIA \ / DESARROLLAD
1
SALIDA / N-, COMPUERTA "0F
EVENTO
FALTA /Y TRANSFERENCIA
( \ COMPUERTA
ó EVENTO ENTRAOA COMPUERTA "Y*
yF^ "0 EXCLUSIVA'
o Ley conmutativa: X * Y = Y * X
X+Y-Y + X
• Ley asociativa: X * (Y * Z) = (X * Y) * Z
X + (Y + Z) = (X + Y) + Z
• Ley de absorción: X * (X + Y) = X
X+X*Y=X
Teorema de Morgan: X * Y = Y + X
X+Y=Y*X
Ei evento no deseado es con mucha frecuencia una "falta" que a! ocurrir trae
como resultado la falla deí sistema completo, ia falia dei sistema de respaldo,
degradación en los niveles de producción o calidad de ios productos, o falias
no detectadas. Este evento es considerado una falla catastrófica o un evento
cuyas consecuencias no son permisibles tales como pérdida de la
disponibilidad o degradación de ios productos de saiida, parada dei sistema
y/o situaciones que colocan en situación riesgosa al personal de operaciones,
mantenimiento o terceras personas.
Puede darse ei caso que el evento tope se produzca por la ocurrencia de una
falla inusual a nivel de un sub-sistema cuya causa es desconocida. En todo
caso, cualquier evento observable puede ser seleccionado como "evento no
deseado" o "evento tope" y el analista debe reconocer que un análisis con un
árbol de fallas no identificará riesgos no asociados con el evento
seleccionado.
Cuando se define el evento se debe evitar que ios rangos de ias faltas se
definan de manera muy amplia. Por ejemplo, "falia para completar ía misión",
para una planta de proceso, no es So suficientemente específica para facilitar
CONFIABILIDAD EN SISTEMAS INDUSTRIALES 173
a) Definir la finalidad del árbol de falla: en ia mayoría de los casos ios árboles
de falla son generados para evaluar segundad o confiabiiidad. Si es
seguridad ei caso, ei árbol será construido alrededor de un evento tope
relacionado con la seguridad de ia planta. De otra manera sería
construido alrededor de eventos operacionales relacionados con la
producción o ia integridad mecánica de ia unidad como evento tope.
b) Definir el evento no deseado o evento tope: esta es una de ias fases más
importantes en la construcción del árbol, ya que de ella dependen todas
ías consideraciones que se deben hacer durante ia construcción dei árbol.
Si ei evento tope no se define correctamente, ei árboi de falia completo
puede fácilmente convertirse en algo inútil para la función para ia cual fue
diseñado.
Una causa básica simple de falla puede resultar en fallas múltiples que
CONFIABILIDAD EN SISTEMAS INDUSTRIALES 176
originen ia falla deí sistema. Por definición, ios eventos topes ocurren solo
si ios elementos primarios fallan de tal manera que conforman un set de
combinación mínima. Por tai razón, ei interés en las causas comunes de
faiía, ias cuales pueden activar todos los componentes primarios en ios
mencionados sets.
El primer paso es determinar ios caminos que deberían fallar simultáneamente para
que no hubiese saiida en el sistema; estos son: 1)BG, 2) D!, 3) CH, 4) BEH y 5)
DFH.
IBP
\1j
1
JV c
n )\ Y
n n j— - > -
f
í F ')
\ y
T
•\ I )
"\._ y
Figura N° 31. Diagrama - Sistema de bombeo
Fuente: Yañez y col., 2004
| I
l-r
_,-L
t 7--
e í i q
\ fKLA j \ FALLA ; \ FAI.U ! \ F^iLA I I
FALL*
T = (BDC + BDCE + BDCH + BDH + BDHE + BDH + BiC + BÍCE + BiCH + BIH +
BiHE + BIH + GDCB + GDCE + GDCH + GDHB + GDHE + GDH + GICB + GICE +
T = BDC + BDCF + BDCH + BDH + BDHF + BDH + BICD + BICF + BiCH + BIHD +
mismo.
Si cada componente tiene una tasa de fallas constante de 1/600 hrs"1; quiere decir,
que eí tiempo para fallar sigue ia distribución exponencial, y por ende ¡a confiabiiidad
CONFIABILIDAD EN S _ 3 INDUSTRIALES 1 /9
c.==e-íi/6oo)t=:e--ioo/6oo = 0_8464
Los pasos recomendados para eí desarrollo de ios modelos de Markov son los
cim liontoc1
VIUUIVI IIVJVI.
El primer paso consiste en identificar cada uno de los componentes funcionales que
conforman el sistema, sus diferentes modos de falla y el efecto que cada una de
estas fallas tiene sobre el sistema.
Una vez identificados los modos de falia de cada uno de ios componentes del
sistema, se debe determinar el estado en el cual se posicionará ei sistema ante la
presencia de esas fallas (falla parcial, falia total, etc.). Particularmente, en eí área de
sistemas instrumentados de seguridad y protección, el sistema puede posicionarse
en un estado de faila segura, un estado de falla peligrosa o en un estado de falla
temporal, en donde a pesar de que algunas de fas funciones dei sistema se
CONFIABILIDAD EN SISTEMAS INDUSTRIALES 181
Ei tercer paso consiste en representar cada uno de los estados que puede alcanzar
ei sistema ante la presencia de cada una de las fallas identificadas en el diagrama
AMEF. Para ello es importante recordar que para todo estado exitoso del sistema
(estado inicial o estados de fallas parciales) es necesario establecer los diferentes
tipos de falla que pueden presentarse en cada uno de los componentes operativos
bajo ese escenario (Yañez y col., 2004:270).
Para una mayor comprensión del procedimiento para el desarrollo de los modeios de
Markov, a continuación se presenta un ejemplo donde se utiliza la misma en una
aplicación orientada al diseño de un sistema de protección.
siguiente:
• Elementos primarios:
o Interruptor A.
o interruptor B,
o Interruptor C.
r:í3L'nu'SlSi:
lotí7l,-JlLÍ*S
182
CONFIABILIDAD EN SISTEMAS INDUSTRIALES
o Válvula V-1
[*J \ B M c
" V
PROCESADOR I PROCESADOR 2 í
1
MODULO DE W
SALIDA DEL
PLC
PLC-CPU DUAL
desenergizada.
Válvula V-1 Enclave en posición cerrada. V-1 cerrada ¡
Enclave en posición abierta V-1 abre
El siguiente paso, consiste en el desarrollo inicial del modelo de Markov, para lo cual
es importante recordar que para todo estado exitoso de! sistema (estado inicia! o
estados de fallas parciales) es necesario establecer los diferentes tipos de falia que
pueden presentarse en cada uno de ios componentes operativos bajo ese escenario.
Considerando un estado inicial en donde todos los componentes del sistema están
en perfectas condiciones de operación (estado 0), en ¡a tabla N° 14 se pueden
observar los diferentes tipos de faila que pueden presentarse en el sistema bajo este
escenario.
La tasa de faila que define la probabilidad de conmutación del estado "0" al estado
de falla segura "1", denotada en ia figura N° 34 como "Xi" viene dada por las tasas
de falia sombreadas en la tabla N° 15; es decir:
Donde:
CONFIABILIDAD EN SISTEMAS INDUSTRIALES 186
Interruptor "A" si di
interruptor "B" si di
Interruptor "C" si di
Módulo entrada si di
Procesador 1 scc dcc sid siu did diu
Procesador 2 sid siu did diu
Módulo salida si di
Válvula solen. si di
Válvula V-1 si di
si: falla segura.
sid: falla segura detectada.
siu: falla segura no detectada.
di: faila peligrosa.
did: falla peligrosa detectada.
diu: falla peligrosa no detectada.
Fuente: Yañez y col., 2004
ESTADO DE FALLA
SEGURA
Interruptor'A" si di
interruptor "B" si | di
Interruptor "C" si di
Módulo entrada si di
Módulo salida si d¡
Válvula solen. si d¡
Válvula V-1 SI d¡
Para ei desarrollo de este ejemplo, se asume que las tasas de falla (X) vienen
normalizadas en base a una hora de operación (Yañez y col., 2004:276).
Las falias seguras individuales detectadas (sid) y no detectadas (siu) asociadas a los
procesadores, llevarían el sistema de seguridad y protección a los estados de falla
"2" y "3" respectivamente, como puede verse en la figura N° 35.
La tasa de falia que define la probabilidad de conmutación del estado "0" al estado
de faila parcial "2", se denota como 'V, mientras que la tasa de falla que define la
probabilidad de conmutación del estado "0" al estado de faila parcial "3", se denota
a>
B
ESTADO DE FALLA
SEGURA
ESTADO DE FALLA
^>
PARCIAL
Figura N° 35. Conmutación del estado "0" a ios estados "2" y "3"
Fuente: Yañez y col., 2004
como "V-
Para estas conmutaciones, tal como puede verse en la tabla N° 16; las tasas de
faila correspondientes, vienen dadas por:
X2 - 2XsiD{PROCES.)
Donde:
Xz~ 2^siu(PROCES.)
Donde:
CONFIABILIDAD EN SISTEMAS INDUSTRIALES 190
interruptor "A" Si di
Interruptor "B" Si di
Interruptor "C" Si di
Módulo entrada Si di
Procesador 1 scc dcc sid siu di
sid siu di
Procesador 2 di
di
Módulo salida si di
Válvula solen. si di
Válvula V-1 si di
En este caso particular, no tiene sentido generar diferentes estados para ias fallas
peligrosas individuales detectadas (did) y no detectadas (diu) asociadas a los
procesadores, ya que en virtud de ia filosofía de activación existente (votación
2 de 2), ei hecho de que falle en forma peligrosa uno de los procesadores, ya
imposibilita la operación dei otro, posicionándose ei sistema en un estado de falla
peligrosa. Esto permite inferir que la tabla N° 14 puede replantearse como se
muestra en la tabla N° 17 (Yañez y col., 2004:277-278).
ESTADO DE FALLA
SEGURA
ESTADO DE FALLA
•> PARCIAL
ESTADO DE FALLA
PELIGROSA
Interruptor "A" si di
Interruptor "B" si di
Interruptor "C" si di
Módulo entrada si di
Procesador 1 scc dcc sid siu di
di
Procesador 2 sid siu di
di
Módulo salida si di
Válvula solen. si di
Válvula V-1 s di
La tasa de falla que define la probabilidad de conmutación del estado ,:0" a! estado
de faifa peligrosa "4", denotada en la figura N° 36 como "A,4" viene dada por:
Donde:
Entonces, en virtud de que existen estados exitosos (fallas parciales), se debe seguir
desarrollando el modelo de Markov, ya que para todo estado exitoso dei sistema
(estado inicial o estados de fallas parciales) es necesario establecer los diferentes
tipos de faila que pueden presentarse en cada uno de ios componentes exitosos
bajo ese escenario (Yañez y col., 2004:279).
Interruptor "A" sí di
Interruptor "B" si di
Interruptor "C" si di
Módulo entrada si di
Procesador scc dcc sid siu di
Módulo salida si di
Válvula solen. si di
Válvula V-1 si di
Las falias seguras individuales de los elementos de la tabla N° 18, y la falla segura
de causa común del procesador operativo, llevarían el sistema al estado de faila
segura "1", tal como puede observarse en la figura N° 37.
Las tasas de falla que definen ia probabilidad de conmutación de ios estados "2" y
"3" al estado de falla segura "1", denotadas en la figura N° 37 como "X5" y 'V
respectivamente, vienen dadas por las tasas de falla sombreadas en la tabla N° 19;
es decir:
Figura N° 37. Conmutación de ios estados "2" al estado "3" al estado "1
Fuente: Yañez y col., 2004
Interruptor "A" si di
Interruptor "B" si di
Interruptor "C" si di
Módulo entrada si di
Módulo salida si di
Válvula soten. si di
Válvula V-1 si di
Las tasas de falla que definen la probabilidad de conmutación de ios estados "2" y
"3" ai estado de falla peligrosa "4", denotadas en la figura N° 38 como "V y "V
respectivamente, vienen dadas por ias tasas de falla sombreadas en ia tabia N° 20;
es decir (Yañez y coi., 2004:280):
Interruptor "A" si I di |
Interruptor "B" si di ¡
Interruptor "C" si I di
Módulo entrada si ! di
Procesador scc r dcc | sid siu
! di i
Módulo salida I si di
Válvuia soien. si di 1
Válvula V-1 | si di ¡
Fuente: Yañez y col., 2004
Por otra parte, la figura N° 39, muestra que todos ios estados corresponden a
condiciones diferentes, no existiendo ningún par de estados que compartan ias
mismas conmutaciones; de allí que no pueda simplificarse este diagrama (Yañez y
col., 2004:282).
0 1 0 0 0
ML A5 1 -(LJL + A5+A7) 0 A7
pp A6 0 1 -(pL + A6+A8) A8
0 0 0 0 1
Los modelos de Markov y las técnicas basadas en éi, puede aplicarse a sistemas no
reparables, parcialmente reparables y completamente reparables; de allí su gran
aceptación en los estudios de confiabiiidad; y es por elio que en este punto se
plantea la estimación de los parámetros de confiabiiidad a partir de estos modelos.
Un sistema parcialmente reparable, es aquel sistema que por su naturaleza y por los
requerimientos funcionales característicos de ia aplicación bajo consideración,
puede ser sometido a reparaciones, pasando de un estado parcialmente en
CONFIABILIDAD EN SISTEMAS INDUSTRIALES 199
Los sistemas no reparables son aquellos que por su naturaleza y por los
requerimientos funcionales característicos de la aplicación bajo consideración, no
pueden ser sometidos a reparación, siendo necesario desde un punto de vista
práctico un reacondicionamiento general dei proceso y deí propio sistema una vez
ocurrida una falia, para posteriormente procederá reactivar el sistema.
*"~an a12
0 1
En este caso, se considera que ei sistema parte de una condición inicial E°,
caracterizada porque ía probabilidad de que el sistema se encuentre en el estado "a"
es 100%.
E° = /e0-i e°2/ = ñ 0/
E2= E1*T = (an ai: a-11 312 = (311 * 311 311 * ^12 + a-i2)
La definición de causa común de falla (CCF) está muy relacionada con ia definición
general de fallas dependientes. Hablando en términos generales, son eventos en
ios cuales la probabilidad de ocurrencia de cada falla es dependiente ia ocurrencia
de otras falias de acuerdo con Modarres citado por Yañez y col., 2004. De allí que
los eventos generados por CCF doblegan los niveles de redundancia que
normalmente se utilizan para elevar ¡a confiabiiidad de los sistemas. Es por ello que
la incorporación de los efectos derivados de ias causas comunes de falla en ios
análisis de confiabiiidad guían hacia resultados más realistas.
El modeio factor ¡3 considera que ¡as fallas de un componente ocurren debido a una
de las dos posibles causas mencionadas a continuación (Hoyland citado por Yañez y
col., 2004:300):
Si se supone que X\ sea la tasa de falia debido a la causa de falla 1, y Xc sea la tasa
de falla debido a la causa de falla 2; y se asume independencia entre las dos
causas de faila, la tasa de falla del componente viene dada por:
X[ = X\ + xc
Xc nc
P= O p = (55)
^i + Xc n, + nc
i (1 - ¡3pt para k ~ 1
• 0 para k~2io n-1
-i SO, para k = n
(56)
¿Zkn>
n.ND ,-, jp^
(57)
208
CONFIABILIDAD EN SISTEMAS INDUSTRIALES
,.
1
1 SYSTEM !
1
FAILS
i
i
J
¡
\
/ w \
•—_ \
A"
[
1
S N /
( A ) ( s i
O
~——-"
"^••—'" '"—-"
Se puede observar que los sets de combinaciones mínimas de este árboi de falla
son [A, B]; [A, C]; [B, C]. La expansión del árbol para mostrar el impacto derivado
de la causa común de faila en ei componente "A" queda de la forma mostrada en la
figura N° 45 (Yañez y col., 2004:302).
Una vez que todos los componentes son expandidos de la misma manera que se
hizo con el componente "A" se obtienen ios siguientes sets de combinaciones
mínimas: [Al, Bl]; [Al, Cl]; [Bl, Cl], CAB, CAC, CBC, CABC.
Donde:
209
CONFIABILIDAD EN SISTEMAS INDUSTRIALES
COMPONENT
, "A" FAILS
1
/
\
j \
L--"T\i
r-;r'-x i
í a H cAB )lcAC }[cABC j
x--._y K_y v._y K-^y
S = (Al . Bi) + (Ai . Cl) + (Bi . Cl) + CAB + CAC + CBC + CABC
Pr(CABC) = Q3 (59)
El índice de valor de riesgo alcanzado (IVRA) para cada componente del sistema es
calculado a través de la siguiente ecuación:
Fs[Q(t)/Q¡(t)=1]
|VRA = = Fs[Q(t)] _ F8[Q(t)/Qi(t)=1] (61
Fs[Q(t)]
Donde
Fs[Q(t)] : probabilidad de faila del sistema con ios valores actuales de probabilidad
de falla de cada componente.
Ei resultado del análisis del índice de importancia IVRA es una lista jerarquizada de
los componentes de acuerdo con su contribución a la ocurrencia dei evento.
Paso 2: defina las fronteras del sistema y ¡os niveles hasta ios que será ejecutado eí
análisis. La ambigüedad en ias fronteras del sistema puede üevar a resultados
ambiguos en eí análisis. Adicionalmente, los niveíes de análisis juegan un papel
importante en ia relación costo-beneficio deí análisis.
Paso 5: desarrolle un árbol de faifa para el sistema. Para sistemas simples, muchas
veces ei desarrollo de un diagrama de bloques de confiabiiidad es suficiente para la
ejecución dei análisis. Sin embargo, el árbol de faila es una técnica aplicable a casi
cualquier tipo de sistema.
CCF. Para estos casos, existe data genérica disponible para tal fin y es preferible
ejecutarlo con data genérica que eliminarlo deí análisis.