Вы находитесь на странице: 1из 41

UNIVERSIDAD CATOLICA ANDRES BELLO

ANTEPROYECTO:

MANTENIMIENTO DE VIAS CENTRADO EN LA CONFIABILIDAD

CVG FERROMINERA ORINOCO, C.A.

INTEGRANTE:
FREDDY FUENTES
FEBRERO, 2002

TITULO:
MANTENIMIENTO DE VIA FERREA EN CVG FERROMINERA ORINOCO,
CENTRADO EN LA CONFIABILIDAD

PLANTEAMIENTO DEL PROBLEMA Primera Página


Este trabajo de investigación por sus características se realizara en tres
partes.

Parte 1.- Descripción de los experimentos de medidas

Parte 2.- Dirección de los métodos del análisis de los datos experimentales
(Análisis espectral auto y cruzado de las series del tiempo, análisis espacio-
temporal tridimensional).

3.- Simulación de un modelo

PALABRAS CLAVE:
CONFIABILIDAD

PREGUNTA (S) DE INVESTIGACION Primera Página

OBJETIVOS (Uno general y mínimo dos específicos) Primera Página

OBJETIVO GENERAL: Hacer un experimento especial en el lago de


PLANIFICAR Y EJECUTAR EL MANTENIMIENTO DE LA VIA FERREA POR
CONDICION.

OBJETIVOS ESPECIFICOS:
a) Hacer un experimento especial en el lago de la vía para medir
variaciones de los parámetros

b) Análisis estadístico y espectral de los datos obtenidos y búsqueda de


los parámetros de variabilidad.

c) Simulación numérica de un modelo hidrodinámico de variación de


nivel.
HIPÓTESIS (opcional según el proyecto) Primera Página

MARCO TEÓRICO.

Síntesis del contexto general (nacional y mundial) en el cual se ubica el tema,


antecedentes, estado actual del conocimiento del problema. Segunda y
tercera página

METODOLOGÍA Cuarta Página

IMPACTO ESPERADO
Descripción de la incidencia de los resultados en el área del conocimiento, el
aporte académico, científico y tecnológico y sus implicaciones para la
sociedad.
Cuarta Página

CRONOGRAMA DE ACTIVIDADES Cuarta Página

BIBLIOGRAFÍA Y FUENTES DE CONSULTA Quinta Página

El anteproyecto debe entregarse en la Oficina de Admisiones y Registro con


la demás documentación del proceso de inscripción, en las fechas indicadas
por el calendario académico.
INTRODUCCIÓN

Las empresas buscan asegurar y mejorar su competitividad por medio de


esfuerzos, acciones y decisiones orientadas a garantizar que sus sistemas y
activos, operen de manera eficiente y eficaz, que sus clientes y usuarios se
mantengan satisfechos con riesgos reducidos y costos óptimos. Así los
propietarios, la comunidad, los empleados y los clientes se sienten en un entorno
confiable.

El empleo de un correcto mantenimiento garantiza la disponibilidad,


funcionabilidad y conservación de los equipos, es por ello que el mantenimiento
es uno de los pilares fundamentales de toda empresa que se considere competitiva.
Todo proceso de mejora, sugiere como primera etapa, adquirir conciencia de
la realidad y posteriormente definir los objetivos a alcanzar.

C.V.G Ferrominera Orinoco C.A, es una empresa del estado encargada de la


extracción, proceso y distribución del mineral de hierro, el proceso de explotación
se inicia en la mina con la perforación, la finalidad es formar los hoyos.
Posteriormente se colocan los explosivos, que la ser detonados fracturan el
mineral facilitando su remoción. Este mineral es recogido por palas eléctricas
provista de un cucharón de 10.7 metros cúbicos de capacidad y vaciados en
camiones Letras Haul de 90 toneladas de capacidad, encargados de llenar los
vagones que luego de completarse la cantidad necesaria de estos serán
transportados hasta los patios de Puerto Ordaz

La empresa C.V.G ferrominera C.A, cuanta con una red de comunicaciones


ferroviarias de aproximadamente 340 kilómetros, esta se encuentra sujeta a
diversos deterioros o fallas, lo que originan programas de mantenimiento que
contemplan la ejecución de una serie de actividades que garanticen la
disponibilidad de la vía férrea.

La Superintendencia de Mantenimiento de Vías y Estructuras, es la


encargada de realizar todas las actividades pertinentes para garantizar el buen
estado y funcionamiento de la vía férrea. Cada actividad requiere de una
planificación de todos los recursos que incluyen desde equipos hasta la mano de
obra requerida. Estas actividades en muchos casos no se realizan en su totalidad,
presumiéndose que el problema radica fundamentalmente en la carencia de
recursos humanos.

Por consiguiente este estudio permitirá solucionar los inconvenientes que se


pueden presentar al momento de organizar planes de trabajo, ya que se dispondrá
del personal necesario.

En este sentido este trabajo se enfoca en el análisis y determinación de la


Fuerza Laboral necesaria para realizar las actividades de mantenimiento de la vía
férrea que se llevan a cabo en los Patios de Puerto Ordaz tanto Interno como
Externo así como también los requerimientos de personal en las dos cuadrillas de
línea principal, específicamente en los tramos 2,8-38 y 38-74.

El procedimiento que permitió lograr los objetivos de la presente


investigación implico los siguientes análisis:
a. Elaborar los instrumentos de medición o recolección de datos.
b. Aplicar los instrumentos respectivos a la muestra seleccionada.
c. Analizar los resultados obtenidos.
d. Proponer mejoras.

EL PROBLEMA
Planteamiento de problema

CVG FERROMINERA ORINOCO, es una empresa del estado


venezolano que tiene como responsabilidad la explotación del mineral de hierro
y sus derivados con eficiencia y calidad al más bajo costo posible, con la
finalidad de abastecer en términos de rentabilidad en forma oportuna y eficiente
a la industria siderúrgica nacional y aquellos mercados internacionales
estratégicamente económicos y atractivos, garantizando la responsabilidad social
de la empresa y contribuyendo al desarrollo económico del país.

En la estructura organizativa de CVG FERROMINERA ORINOCO se


encuentra la Gerencia de Ferrocarril, la cual tienen como principal función
garantizar el transporte del mineral de hierro y sus derivados entre los centros de
procesamientos, producción y clientes. En esta Gerencia se localiza la
Superintendencia de Mantenimiento de Vías y Estructuras siendo esta la
encargada de garantizar las condiciones óptimas de la red ferroviaria de la
empresa, así como su mayor disponibilidad de uso mediante operaciones de
mantenimiento necesarios tanto preventivos como correctivos.

Actualmente la Superintendencia de Mantenimiento de Vías y Estructura


presenta problemas a nivel de ejecución de trabajos, pues la mayor parte de
estos son de manteniendo correctivo, lo cuál representa una deficiencia para el
proceso de gestión que deben controlar.
Actualmente la Superintendencia de Mantenimiento de Vías y Estructuras
confronta problemas con la cantidad de personal que cuentan para realizar sus
actividades diarias y más aún por presentar problemas con pago de horas extras
ya que a los trabajadores les programan días libres como compensación laboral,
reduciéndose la cantidad de trabajadores disponibles en las diferentes cuadrillas.

Aunado a esto la disponibilidad de vehículo para transportarse es otro gran


problema ya que cuando tienen que dirigirse a realizar las actividades de
acuerdo al plan de mantenimiento, o cuando tienen que atender una emergencia
en las vías férreas, no cuentan en muchas ocasiones con el transporte necesario.

Todo esto trae como consecuencia que la ejecución de trabajos no sea la más
adecuada presentándose constantemente quejas por la poca capacidad de
respuesta. Esta situación ocasiona, inclusive, molestia a los trabajadores
afectando su disposición a cumplir con las tareas asignadas.

Las áreas que se deben mantener y conservar son las siguientes:


Puerto Ordaz.
Km. 2,8 – 38.
Km. 38 – 74.
Patio externo (palùa) y planta producto.
Patio Interno (Puerto Ordaz).
Ciudad Piar.
Km 74-99
Minas.
99-126

Todo este planteamiento trajo como consecuencia que a través de la presente


investigación se trate de dar respuesta al siguiente planteamiento: ¿Que beneficios
o ganancias traería la realización de una investigación de campo descriptiva que
permita analizar o evaluar la Fuerza Laboral necesaria en las actividades de
mantenimiento con el propósito de dar respuestas a las constantes quejas que se
presentan en el área, y así proponer un numero exacto y confiable de personal para
así solventar el problema?
Objetivo de la investigación

Objetivo General

Determinar la fuerza laboral de las cuadrillas de mantenimiento de vías


perteneciente a la Gerencia de Ferrocarril, en CVG Ferrominera Orinoco

Objetivos Específicos

Estandarizar las actividades rutinarias para el mantenimiento y


conservación de la vía Férrea
Determinar la carga de trabajo anual y las horas hombres estándar que se
requieren para ejecutar las actividades de un área determinada.
Determinar el requerimiento de mano de obra para ejecutar las actividades
en las diferentes áreas de la vía.
Confiabilidad de la Vía Férrea. Línea principal Km. 7 al 17 C.V.G
Ferrominera Orinoco.

Situación actual

Actualmente en C.V.G Ferrominera Orinoco las vías férreas presentan fallas


en proporciones importantes causando en ella indisponibilidad, ocasionando la
parada de los trenes o generando reducción de velocidad. Es por esta razón que se
hace necesario el análisis de estudiar modelos estadísticos mediante los cuales se
puede calcular indicadores adecuados, pertinentes para apoyar la gestión de
planificación de mantenimiento de la Vía Férrea. Tales como: confiabilidad y tasa
de fallas. Para esto se utilizo el registro histórico disponible de mantenimientos
correctivos realizados entre los kilómetros 7 y 17 de línea principal, desde enero
del 2007 hasta junio del 2009.

Fundamento teórico:

Análisis estadístico de fallas:


No existe un modelo determinista que prediga el tiempo en el cual un
sistema falla, por lo que estamos tratando con acontecimientos de tipo
aleatorio, que pueden ser abordados mediante la probabilidad.
Para medir la eficiencia en la planificación del mantenimiento se acude
al análisis de fallas, el cual es un método estadístico para obtener unos
parámetros. En este método se emplean técnicas estadísticas y se manejan
índices de tiempo tales como: tiempo operativo, , tiempo entre falla, más no
se analizan las causas que originan las fallas.
Entre los parámetros que se obtienen a través de este análisis están: la
confiabilidad y la tasa de fallas.
Con el análisis estadístico de fallas se logra:
 Una mejor programación y planificación del mantenimiento.
 Disminuir los costos de mantenimiento.
 Realizar estudios de confiabilidad.
Según Salazar (1988) explica: “Los eventos o sucesos, dentro de cierto
rango de condiciones, se presentan siguiendo un determinado patrón de
frecuencia”. (p.10-2).

Conceptos estadísticos básicos


El siguiente diagrama permite visualizar de manera coherente las
relaciones que se dan entre los conceptos básicos estadísticos de interés para
este trabajo, los cuales serán presentados posteriormente.

Variable Aleatoria

DISCRETA CONTÍNUA

FUNCIÓN FUNCIÓN DENSIDAD


PROBABILIDAD DE PROBABILIDAD

Distribución de Probabilidad de Variable Discreta Distribución de Probabilidad de Variable Contínua

Probabilidad en un Probabilidad en un
punto. intervalo

MODELOS DE
MODELOS DE
PROBABILIDAD
PROBABILIDAD
CONTÍNUA
DISCRETA

BINOMIAL NORMAL

POISSON EXPONENCIAL

Otras WEIBULL

Otras
Figura: Esquema de Conceptos Estadísticos.
Variable aleatoria
Es la variable que asocia un valor numérico con el resultado de un
experimento aleatorio.
Considerando que el experimento aleatorio para este estudio está
relacionado con el funcionamiento de cada unidad generadora, las
variables aleatorias que se manejaron fueron: tiempo operativo, tiempo
entre falla y tiempo fuera de servicio.

Variable aleatoria discreta.


“Sea X una variable aleatoria. Si el numero de valores posibles
de X (esto es el recorrido de la variable) es finito o infinito
numerable, llamamos X una variable aleatoria discreta”. (Meyer,
1973)
Un ejemplo de variable aleatoria discreta extraído de este
estudio seria: el número de fallas por año de cada unidad generadora.

Función probabilidad
Dada una variable aleatoria discreta X, que toma los valores x 1,
x2,..., xn.
Si se obtienen las probabilidades para cada uno de los valores
que toma X entonces la función de probabilidad f(x) de la variable
aleatoria X es la función que asigna a cada valor x i de la variable su
correspondiente probabilidad pi.

La representación gráfica más usual de la función de


probabilidad es un diagrama de barras no acumulativo ó una sucesión
de puntos.

Figura 2: Función de probabilidad.


Extraído de:
http://personal5.iddeo.es/ztt/Tem/t18_variable_aleatoria_discreta.ht
m

Función de Distribución de Probabilidad Acumulada


Cada distribución de probabilidad tiene asociada una función
de probabilidad acumulada, designado por F ( x ) , la cual se define
como la sumatoria de las probabilidades de los valores posibles de la
variable aleatoria X que sean menores o iguales a un valor prefijado
x.
F ( x )  Probabilidad (X  x )

Distribución de Probabilidad ó modelos de Probabilidad de


variables discretas.
Una distribución de probabilidad (de variable discreta o
continua) se puede concebir como una distribución teórica de
frecuencia, es decir, es una distribución que describe como se espera
que varíen los resultados.
Cuando la variable es discreta, se distinguen las siguientes
características en las distribuciones de probabilidades:
Generalmente la variable aleatoria toma valores enteros.
Las probabilidades asociadas a cada uno de los valores que
toma x están entre 0 y 1.
La sumatoria de las probabilidades asociadas a cada uno de
los valores que toma x debe ser igual a 1.

Algunos Modelos de Probabilidad de variable discreta

Distribución Binomial
Esta distribución es utilizada para describir fenómenos que
presentan la repetición de “n” pruebas independientes. En cada
prueba solo existen dos resultados posibles mutuamente excluyentes
y exhaustivos (éxito o fracaso).
Se dice que una variable aleatoria discreta X, sigue una
distribución binomial de parámetros n y p, si la función de
probabilidad es de la forma:
n x xn n! x xn
f(X x)  qp  qp
x x!(nx)!
Siendo:
n = el número de pruebas realizadas.
p = la probabilidad de un éxito.
q = la probabilidad de fracaso.

Distribución de Poisson
Se emplea para la descripción de las probabilidades en procesos
relacionados con el número de éxitos por unidad de tiempo o
espacio.
En esta distribución se destacan las siguientes características:
Su grafica es sesgada a la derecha, siempre positiva.
La variable aleatoria no tiene límite superior específico.
La probabilidad de que ocurrencia, es igual en dos intervalos
cualesquiera de igual longitud.
La probabilidad de que se presente un evento en un intervalo
muy pequeño, también es un número muy pequeño.
La probabilidad de que dos o más de estos eventos se
presenten dentro del mismo intervalo pequeño es cero.
Se dice que una variable aleatoria discreta sigue una
distribución de poisson cuando toma valores enteros y positivos con
probabilidad f (N), expresada por la ecuación:
( t) N e  ( λt)
f(N) 
N!
Donde:
N = cantidad de ocurrencia del evento a estudiar (fallas).
t = amplitud del intervalo de contaje.
λ= tasa media de ocurrencia del evento a estudiar (tasa de
fallas).

Variable aleatoria contínua


Es la variable que puede tomar cualquier valor numérico en un
intervalo dado. Generalmente los resultados que basan en escalas de
medición (tiempo, peso, distancia, temperatura, etc.) se pueden describir
mediante este tipo de variable
El tiempo entre falla, el tiempo operativo y el tiempo fuera de
servicio pueden tomar cualquier valor numérico a lo largo del periodo de
vida de la unidad generadora, por tanto los mismos se pueden describir
mediante variables aleatorias continuas.

Función de densidad de probabilidad (fdp)


La función de densidad de probabilidad se utiliza en estadística
con el propósito de conocer cómo se distribuyen las probabilidades
de un suceso o evento, en relación al resultado del suceso cuando la
variable aleatoria es contínua, se representa como una curva suave de
frecuencia, que describe la distribución de probabilidad de una
variable aleatoria continua X. Se denota por f(x), en donde x se
representa por todos los valores posibles de la variable aleatoria.
La función de densidad de probabilidad se simboliza
generalmente por f(x).Matemáticamente la función de densidad de
probabilidad es la derivada de la función distribución de probabilidad
F(x), o de manera inversa, la función de distribución es la integral de
la función de densidad: Las propiedades de fdp (ó pdf por sus siglas
en ingles) son: 0 para toda .El área total encerrada bajo la curva es
igual a 1.
El ajuste de las variables aleatorias continuas que se estudian en
este trabajo, a una función de densidad de probabilidad (fdp) se hará
a través del programa Input Analyzer, subprograma del software
ARENA 9.0.

Distribución de probabilidad de variable contínua.


Cuando la variable es continua se distinguen las siguientes
características en las distribuciones de probabilidad:
(x); Es una variable que puede tomar tanto valores enteros como
fraccionarios. (pueden ser números reales).
Las probabilidades asociadas a cada uno de los valores que toma x
deben ser mayores o iguales a cero. Dicho de otra forma, la función
de densidad de probabilidad deberá tomar solo valores entre 0 y 1.
La sumatoria de las probabilidades asociadas a cada uno de los
valores que toma x debe ser igual a 1. El área definida bajo la
función de densidad de probabilidad deberá ser de 1.



f ( x ) dx  1

Modelos de probabilidad de variable continua

Distribución normal
Describe en forma aproximada muchos fenómenos que ocurren
en la naturaleza, en la industria y en la investigación. Casi se ajusta a
las distribuciones de frecuencia reales observadas en muchas
situaciones.
Parámetros que describen a la distribución normal.
Media: ()
Desviación estándar: ()
Función densidad para la distribución normal.
1  x  2
1  
n( x;  , s )  e 2  

2

Distribución de probabilidad exponencial.


Se dice que una variable aleatoria tiene una distribución
exponencial cuando toma valores enteros positivos y de:
x
1
f ( x)   e  ; x  0

1
f ( x )  e  x ; x  0;  

Su f (x) acumulada es:


x x x x
1
f ( x)   f ( x)dx  
 0

 e  dx  1  e 

Media = () = (β)

Varianza = (  )= (  )
2 2

Se usa para modelar un tiempo hasta la falla o el intervalo


entre dos fallas, generalmente se aplica a equipos
electrónicos.
Igualmente se emplea para modelar el tiempo de
funcionamiento “adicional” al tiempo promedio de operación
sin fallas.
Distribución de probabilidad Weibull.
Se utiliza para modelos matemáticos que permiten determinar
la duración (tiempo hasta la falla) de componentes y equipos.
Es una distribución de variable aleatoria continua definida
por:

t
  1   
f (t )   t  e ; 0;  0

 
 t   t 
t
     
f (t )    t  1  e    dt  1  e   
0

  1
    
Media =   


    2      1  
2 2

   
2 
     
Varianza =         
 

 ( n )   n  1! Es la función Gamma.

Β = parámetro de escala y refleja el tamaño de las unidades en


que se mide la variable aleatoria “t”.
 = Parámetro de forma: variando este parámetro se obtienen
varias curvas que modelan distribuciones hasta la falla.
Si  = 1 y β =1 se obtiene la distribución exponencial.

Figura.3: Efecto del parámetro de forma de Weibull (b) en la


distribución de
Probabilidades.
Fuente: Luna, A. (2005)

Confiabilidad
La confiabilidad, representada por R (t) es definida por Salazar (1988)
“como la posibilidad o probabilidad de que un equipo funcione durante un
lapso previamente estipulado y dentro de los límites y coediciones de
operación preestablecidos”. (p.11-3).
Se puede expresar la relación entre R (t) y F (t) diciendo que F (t) es el
complemento de R (t), expresado matemáticamente sería:
R (t )  1  F (t )

Siendo F (t) la desconfiabilidad o la probabilidad de que es equipo


falle para un tiempo (t) dado.

Tasa de Falla
La tasa de fallas, representada por  (t ) , expresa las fallas por
unidad de tiempo y proporciona la información adecuada y necesaria para
escoger las políticas de mantenimiento más adecuadas para un equipo. Se
define como la probabilidad de que un equipo falle en un instante muy
cercano a “t”, si ha sobrevivido a dicho tiempo “t”, donde:

f(t)
 (t ) 
R(t)

Siendo:
f (t )  La probabilidad casi inmediata de fallar
R (t )  Es la probabilidad de sobrevivencia o confiabilidad.

Para este trabajo se consideraran las paradas por fallas siendo la


variable aleatoria estudiada el TEF, por lo que se realizara un ajuste de
distribución para esta variable con el fin de obtener sus parámetros
correspondientes.

Curva típica de evolución de Fallas dependiente del tiempo.


También conocida como curva de la bañera, en ella se distinguen tres
etapas:
λ

Fallas
Fallas Fallas De
Infantiles Aleatorias Desgaste

t (en horas)

Figura 5: Curva típica de evolución de la tasa de fallos.


Fuente: Elianka Valenzuela (2008).
 La primera etapa: corresponde a las fallas iniciales (mortalidad
infantil) que se manifiestan prematuramente, por lo general se debe a
piezas o dispositivos defectuosos o instalados indebidamente o
simplemente al acoplamiento de los dispositivos.
 La segunda etapa (edad adulta), representa las fallas normales y se
presentan de forma aleatoria, su tasa es constante en el tiempo de
vida del componente.
 La tercera etapa (la vejez) se le atribuye a las fallas por desgaste
donde ya se ha superado la vida útil prevista del componente, la tasa
aumenta significativamente debido a la degradación.
Las fallas iniciales pueden eliminarse a través de pruebas previas a la
operación, y una política adecuada de reemplazos permite reducir las
producidas al final de la vida útil.

Coeficiente de Variabilidad
Permite determinar en qué etapa de la vida útil se encuentra cada
unidad, para ello se aplicó la siguiente ecuación:

CV 
TPO
Donde:
 TO  2
1/ 2

  
 
 TPO 2 
 N 
 

o Si Cv > 1 el equipo se encuentra en zona de arranque.


o Si Cv = 1 el equipo se encuentra en operación normal.
o Si Cv < 1 el equipo se encuentra de zona de desgaste.
Estas etapas también se pueden determinar mediante un estudio del
parámetro de forma si la distribución de los datos del tiempo operativo
(TO) de la unidad pertenece a una distribución weibull:
 Parámetro de forma, en la distribución weibull, relaciona el período
de tiempo en el que se encuentra operando el equipo y el
comportamiento del mismo ante la probabilidad de ocurrencia de
fallas, por lo que permite, a la distribución, tomar diversas formas
dependiendo del valor de β :
o si 0<β < 0,85 la tasa de fallos disminuye con la edad sin
llegar a cero, por lo que podemos suponer que nos
encontramos en la juventud del componente con un margen
de seguridad bajo.
o si 0<β <1 la tasa de fallo se mantiene constante siempre, se
dice entonces que el equipo está en su etapa de vida útil, lo
que nos indica una característica de fallos aleatoria. En este
caso nos encontramos que la distribución de Weibull es
igual a la exponencial.
o si β > 1 la tasa de fallo se incrementa con la edad de forma
contínua, se dice entonces que el equipo está en su etapa de
desgaste, indicando que los deterioros empiezan en el
momento en que el mecanismo se pone en servicio.

Tiempo Promedio Operativo


En relación al tiempo promedio operativo, Rodríguez y Salazar
(2005) señalan:
Otra característica importante de la confiabilidad viene
dada por la expectativa del tiempo que se espera que un
elemento reparable funcione de manera satisfactoria, la cual
se obtiene estadísticamente por medio del tiempo promedio
operativo (TPO). A partir de este valor esperado, se obtiene la
edad característica que tiene la máquina, para fallar la cual
viene dada por un valor constante de la probabilidad de
supervivencia de 36,8%. (p.18).

Análisis y Resultados

Esta sección tiene como propósito dar respuesta a los objetivos de


investigación de confiabilidad planteados.

Se actualizó la base de datos, mediante la información extraída de los


registros históricos de cada Km. desde el Km. 7 al 17. Estos registros contenidos
en los boletines de operaciones, poseían la información necesaria para realizar el
análisis estadístico específicamente donde se reportaban todos los eventos
ocurridos en el periodo en estudio, para cada Km. Los eventos se encuentran
clasificados en: (F) Falla, (O) Operación por Condición del Sistema, (M)
Mantenimiento. Se consiguieron las fechas y horas, tanto de inicio como de
finalización de todos los eventos ocurridos desde enero 2007 hasta junio del año
2009, necesarias para la obtención de los tiempos de operación, tiempos fuera de
servicio y los tiempos de fallas. En la herramienta analítica se puede observar que
la información fue actualizada.

A continuación se describe como se produjo el análisis estadístico de un Km.


y como extensión, se van presentando los resultados de todos los Kilómetros.

1) Determinación de la Confiabilidad en los kilómetros estudiados.

Para determinar la confiabilidad de los Kilómetros se estudió el


comportamiento de la variable Tiempo de Operación (TO).

Se construyó el histograma de frecuencia. Los gráficos siguientes muestran


el histograma construido para los Kilómetro en estudio.
Figura 1: Tiempo de operación del Km. 7. Figura 2: Tiempo de operación del Km. 8.

Figura 3: Tiempo de operación del Km. 9 Figura 4: Tiempo de operación del Km. 10
Figura 5: Tiempo de operación del Km. 11 Figura 6: Tiempo de operación del Km. 12

Figura 7: Tiempo de operación del Km. 13 Figura 8: Tiempo de operación del Km. 14
Figura 9: Tiempo de operación del Km. 15 Figura 10: Tiempo de operación del Km. 16

Figura 11: Tiempo de operación del Km. 17


En la sección anterior se muestran los histogramas de frecuencia para tiempo
de operación de los demás kilómetros estudiados.

Mediante el software Statgraphics ver 5.1, se obtuvo el modelo de


distribución de probabilidad que mejor se ajustaba a este histograma.

Para el Km. 7, el modelo estadístico que mejor se ajusta es Weibull, y sus


expresiones son:
 
 t   t 
     
f (t )  1  e   y R (t )  e  

Siendo:
β (el parámetro de forma) = 0,400637
 (El parámetro de escala) = 682,935
0.400637
 t 
  
Entonces: f (t )  1  e  682, 935  y

0.400637
 t 
 
R (t )  e  682.935 

Se calculó la confiabilidad de la unidad para un t = 0 hasta un t = 8760


horas, lo correspondiente a un año de trabajo continuo como se muestra en la
siguiente tabla:

Tabla 1: Simulación del comportamiento de la


confiabilidad del Km. 7 durante un año de
operación continua.
Fuente: Herramienta Analítica.
Días t (HRS) R(t) F(t)
0 0 100,00% 0,00%
1 24 84,47% 15,53%
2 48 77,13% 22,87%
3 72 71,61% 28,39%
4 96 67,08% 32,92%
5 120 63,21% 36,79%
6 144 59,83% 40,17%
7 168 56,82% 43,18%
8 192 54,11% 45,89%
9 216 51,65% 48,35%
10 240 49,39% 50,61%
11 264 47,31% 52,69%
12 288 45,39% 54,61%
13 312 43,60% 56,40%
14 336 41,92% 58,08%
15 360 40,36% 59,64%
16 384 38,89% 61,11%
17 408 37,50% 62,50%
18 432 36,20% 63,80%
19 456 34,96% 65,04%
20 480 33,80% 66,20%
Hasta llegar a:
365 8760 0,14% 99,86%

Lo que permitió visualizar la confiabilidad en cualquier tiempo “t”


comprendido de 0 a 8760 horas.

Análisis comparativo de la confiabilidad del Km. 7 al Km. 17.


Como ejemplo se realizó el cálculo de confiabilidad con un tiempo
igual para todas las unidades, en la tabla 2 para un tiempo igual a 720 horas,
equivalente a un mes de operación continua y en la tabla 3 para un tiempo
de 1440 horas correspondientes a 2 meses de operación continua.

Tabla 2: Resumen de resultados obtenidos en confiabilidad para cada km.


(t=720).
Fuente: Herramienta de Análisis Estadístico

Parámetros
TPO Tiempo t
KM Distribución CV R(t) % F(t) %
(hrs) (hrs)

Escala Forma
7 1.366 Weibull 682,935 0,400637 1,80 720 36,01 63,99
8 2.999 Weibull 2998,72 0,946584 1,23 720 77,17 22,83
9 4.789 Weibull 2.395 0,496039 1,27 720 74,03 25,97
10 987 Weibull 987,19 0,685952 1,60 720 44,69 55,31
11 1.477 Weibull 739 0,494606 2,03 720 37,73 62,27
12 997 Weibull 997,038 0,551929 1,98 720 48,57 51,43
13 1.245 Weibull 1245,02 0,640251 1,75 720 49,45 50,55
14 1.881 Weibull 1881,24 0,830109 0,97 720 63,73 36,27
15 3.269 Weibull 3268,87 1,47853 0,68 720 89,87 10,13
16 3.487 Weibull 3487,15 1,09569 1,08 720 81,34 18,66
17 1.713 Weibull 1712,73 0,637 1,46 720 65,68 34,32
Tabla 3. Resumen de resultados obtenidos en confiabilidad para cada Km.
(t=1440).
Fuente: Herramienta de Análisis Estadístico

Parámetros Tiemp
TPO R(t) F(t)
km Distribución CV ot
(hrs) % %
(hrs)
Escala Forma
0,40063 1,8
Weibull
7 1.366 682,935 7 0 1.420 26,16 73,84
0,94658 1,2
Weibull
8 2.999 2998,72 4 3 1.420 61,09 38,91
0,49603 1,2
Weibull
9 4.789 2.395 9 7 1.420 55,27 44,73
0,68595 1,6
Weibull
10 987 987,19 2 0 1.420 27,71 72,29
0,49460 2,0
Weibull
11 1.477 739 6 3 1.420 14,63 85,37
0,55192 1,9
Weibull
12 997 997,038 9 8 1.420 24,07 75,93
0,64025 1,7
Weibull
13 1.245 1245,02 1 5 1.420 33,69 66,31
0,83010 0,9
Weibull
14 1.881 1881,24 9 7 1.420 45,30 54,70
0,6
Weibull
15 3.269 3268,87 1,47853 8 1.420 74,72 25,28
1,0
Weibull
16 3.487 3487,15 1,09569 8 1.420 66,55 33,45
1,4
Weibull
17 1.713 1712,73 0,637 6 1.420 43,64 56,36
A partir de los resultados que se muestran en las tabla 2, se inició el
análisis de las condiciones de los kms, descubriendo las siguientes
características:

Para (t=720).
El Km. 15 es la más confiable, con un 89,87 % de probabilidad de
operar sin fallas, de antemano esto se puede inferir ya que esta
unidad tiene una edad media característica de 3268,87 Hrs.

El Km. 7, es el menos confiable, ya que presenta mayor probabilidad


de fallar durante el tiempo de estudio.

Para (t=1440).

La unidad 15 continúa siendo la más confiable de este sistema. Con


un 74,72 %

El Km. 16, es el menos confiable con un 33,45 %

Análisis comparativo de los Coeficientes de Variación (CV) de cada


Kilómetro
Para determinar en cuál etapa de la vida útil se encuentra cada
kilómetro, se determinó el coeficiente de variación (CV)

Si CV > 1 el Km. se encuentra en zona de arranque.


Si CV = 1 el Km. se encuentra en operación normal.
Si CV < 1 el Km. se encuentra de zona de desgaste.

Observando los coeficientes de variación de cada kilómetro se deduce


que aún cuando no se llega a la etapa de operación normal, algunos
kilómetros están en la zona de desgaste Como lo es el Km. 14 y el Km. 15.
De los Km. 8, 9 y 16 se puede decir que se encuentran cerca de la
zona de operación normal ya que poseen un Cv no mayor a 1,3 que
se aproxima bastante a 1.
El resto de los Kms (7, 10, 11, 12, 13 y 17) tienen un Cv a partir de
1.4 aproximadamente, lo que indica que se encuentran en zona de
arranque

Estos resultados también se pueden corroborar mediante el análisis


del parámetro de forma de aquellos kilómetros en los cuales la variable
tiempo de operación (TO) se ajustan a una distribución Weibull;

Si el parámetro forma de una distribución weibull se encuentra entre


0 y 1, el equipo en estudio se encuentra en etapa de mortalidad infantil, al
inicio de su vida útil.
Si es 1, el equipo se encuentra en la etapa de vida útil.
Si es mayor a 1, el equipo se encuentra en etapa de desgaste.

Análisis comparativo del tiempo promedio operativo de los kilómetros 7 al


17
Con el tiempo promedio de operación de cada kilómetro presentado en
las tablas anteriores se construyeron las siguientes graficas:

Figura 2 Tiempo Promedio de Operación de los kilómetros 7 al 17


Fuente: Herramienta de Análisis Estadístico.

Los Tiempos Promedios de Operación se interpretan también como


la edad media característica para fallar, que se representa con una R (t) de
36,8%, y puede ser tomado como valor límite recomendable para que la vía
Férrea opere de forma continúa
Haciendo una comparación de los TPO de la Vía partiendo de las
figura 1.

El Km. 9 posee un Tiempo Promedio Operativo ó una vida media


característica de 4789 horas lo que es superior al resto de las unidades,
por su parte, la unidad 10 tiene una vida media característica para fallar
de 987 horas siendo esta inferior al resto.

2) Determinación de la tasa de Fallas.

Para determinar la tasa de fallas en cada Kilómetro se estudió el


comportamiento de la variable tiempo entre fallas (TEF). Se utilizó para ello el
software, Statgraphics ver. 5.1 con el que se obtuvo el modelo de distribución de
probabilidad que mejor se ajustaba a éste comportamiento.
Tabla 4. Parámetros de las distribuciones
Ajustadas por el Statgraphics ver. 5.1 de la
variable aleatoria tiempo entre Falla (TEF)
PARÁMETRO
DISTRIBUCIÓN
Escala Forma

Weibull 682,935 0,400637


Weibull 2998,72 0,946584
Weibull 2.395 0,496039
Weibull 987 0,685952
Weibull 739 0,494606
Weibull 997,038 0,551929
Weibull 1245,02 0,640251
Weibull 1.881 0,830109
Weibull 3268,87 1,47853
Weibull 3.487 1,09569
Weibull 1.713 0,637067

En la tabla 4, se muestran los resultados de la aplicación del software para


cada Kilómetro.

Distribución fdp Confiabilidad Tasa de fallas


t
1 ( ) t 1
Exponencial f (t )  e  (

)
z (t ) 
 R (t )  e 
t
 ( )
(
t 
Weibull f (t )   t  1  e 
R (t )  e 
)
z (t )     t  1

Siendo:
Β el parámetro de forma.
 El parámetro de escala.

Seguidamente se empleó la ecuación de probabilidad condicionada, que


define a la tasa de fallas como la probabilidad casi inmediata de fallar al llegar a
“t” horas de operación; ésta se obtuvo de la relación entre la función densidad de
la distribución estadística f (t ) y el complemento de la función de probabilidad
acumulada R (t ) .
f(t)
 (t ) 
R(t)

A continuación se muestra la siguiente tabla como ejemplo de los cálculos


de la tasa de falla teórica y la tasa de falla real del Km. 7.

Tabla 5: Resultados de la determinación de la Tasa de Fallas real y teórica para


cada año de vida del km.7.

Tasa
Tasa de Falla
Año de Vida N° de existente
Intervalo (HRS) =λ
Vida acumulada Fallas de Fallas
(teórica)
(real)

1 0,00 8.760,00 8.760 0,00013 0 0,0000


2 8.760,00 17.520,00 17.520 0,00008 8 0,0009
3 17.520,00 26.280,00 26.280 0,00007 4 0,0005
12

Fuente: Herramienta Analítica.

Figura 12: Gráfica de la Tasa de Fallas del Km.7.


Fuente: Herramienta de Análisis Estadístico.

De manera similar se procedió para el resto de las unidades, en la siguiente


sección se presentan las graficas de la tasa de fallas de las demás unidades
generadoras.
Figura 13: Gráfica de la Tasa de Fallas del Km.8. Figura 14: Gráfica de la Tasa de Fallas del Km.9.

Figura 15: Gráfica de la Tasa de Fallas del Km.10 Figura 16: Gráfica de la Tasa de Fallas del Km 11
Figura 17: Gráfica de la Tasa de Fallas del Km.12 Figura 18: Gráfica de la Tasa de Fallas del Km.13

Figura 19: Gráfica de la Tasa de Fallas del Km.14 Figura 20: Gráfica de la Tasa de Fallas del Km.15
Figura 21: Gráfica de la Tasa de Fallas del Km.16 Figura 22: Gráfica de la Tasa de Fallas del Km.17
Análisis de la tasa de falla de tramos de vías.
Los kilómetros 7, 9, 10, 11, 12, 13, 14 y 17 presentaron una tasa de fallas
decreciente lo que indica que la vía en esos kilómetros están pasando la etapa de
mortalidad infantil (fallas infantiles) y se están aproximando a la etapa de fallas
aleatorias que no son, mas que fallas normales, ya que se encuentra en una etapa
de edad adulta.
Las fallas iniciales pueden eliminarse a través de pruebas previas a la
operación, y una política adecuada de reemplazos permite reducir las producidas
al final de la vida útil.

Y por su parte los kilómetros 8, 15 y 16 presentaron una tasa de fallas


creciente lo que indica que la vía en esos kilómetros se encuentra en su etapa
final.

“es importante resaltar que muchos de los kilómetros en estudio han sido
rehabilitados, después de recabar la información pertinente, por lo tanta la realidad
para muchos de ellos puede variar”

3) Determinación de la confiabilidad de los sistemas de los Km. del 07 al 17 de


mantenimiento de vías CVG Ferrominera Orinoco.

Esta confiabilidad se calculó para un tiempo de cuatro horas, que son las
denominadas horas picos de producción, cuando la exigencia de los equipos es superior
al resto de las horas. A continuación se presenta la tabla los cálculos y resultados de este
parámetro:

Tabla 14 Confiabilidad del sistema km.07 al km.17


Km. Parámetros Ri(t) RSistema (t) t
η=V 682,935 100,00% 4
7 88,03%
β=K 0,400637
η=V 2998,72
8 99,81%
β=K 0,946584
9 TPO 2.395 99,83%
η=V 987,19
10 99,60%
β=K 0,685952
11 η=V 739 99,46%
β=K 0,494606
12 TPO 997,038 99,60%
η=V 1245,02
13 97,50%
β=K 0,640251
η=V 1881,24
14 99,40%
β=K 0,830109
η=V 3268,87
15 100,00%
β=K 1,47853
η=V 3487,15
16 99,89%
β=K 1,09569
η=V 1712,73
17 99,77%
β=K 0,637067

De lo que se puede concluir que para un tiempo de 4 horas (duración de las horas
pico) el sistema de los kilómetros estudiados son altamente confiables con un 100 %.