Академический Документы
Профессиональный Документы
Культура Документы
INTRODUCCIÒN
Después de optar por un sistema económico dolarizado en Marzo del año 2000, el
Ecuador ha venido atravesando una serie de dificultades en todos los ámbitos y no podía
ser la excepción el sector textil ecuatoriano, ya que se habla de una pérdida de ventajas
comparativas, que le permitían a este sector alcanzar, mantenerse y mejorar una
determinada posición en el mercado.
A fin de compensar tales ventajas comparativas, las personas que se encuentran dentro
de este sector, ya sea propietarios o empleados tienen el deber de hacer uso al máximo
de todos los recursos o herramientas, ya sean teóricas o de otra índole a fin de
compensar o superar dichas desventajas, lo que conduce a la obtención de un lugar en
el entorno económico de dicha industria.
OBJETIVO
El objetivo principal de este trabajo es diseñar una herramienta estadística que sirva
para modelar, controlar y tratar de predecir las fallas de una máquina de tintura (DMS
200 Kg) de una empresa textil pero tomando en cuenta que los eventos a modelar son
los paros no programados y que los mismos se comportan como un proceso de conteo.
MARCO TEORICO
Definición:
P(xn ≤ x) = 1 – e- λx
Se tiene el proceso de conteo definido anteriormente, tenemos que verificar que las
variables aleatorias X1, X2,...,X18 tienden a seguir una ley exponencial con lo que
aseguraríamos que el proceso es de poisson.
Definición :
1) P[N0 = 0] = 1
2) {Nt, t Є T} tiene incrementos independientes
3) P[Nt > 0] > 0 para todo t > 0
P[ N h 2]
lim 0
4) h0 P[ N n 1]
DISTRIBUCION DE POISSON
Una de las distribuciones discretas mas útiles es la distribución de poisson. Esta puede
desarrollarse de dos formas. El primer desarrollo involucra la definición de un proceso
de poisson y el segundo desarrollo muestra que la distribución de poisson es una forma
limite de la distribución binomial.
Al desarrollar un proceso de poisson se consideraran inicialmente algunas ocurrencias
arbitrarias orientadas en el tiempo las que a menudo se denominaran llegadas o eventos.
La variable aleatoria de interés por ejemplo N(t) es el numero de ocurrencias en el
intervalo [ 0, t ]. Al realizar la distribución de N(t) es necesario recalcar algunas
consideraciones cuya validez esta basada en numerosas evidencias empíricas.
Resumiendo:
N(t) tє [0, ∞)
N(t) toma valores enteros no negativos
N(0) = 0
N(s), N( t – s ) son independientes
0 s t
La segunda consideración es que existe una cantidad positiva λ tal que para cualquier
intervalo de tiempo pequeño Δt se cumplen los siguientes postulados:
a) La probabilidad de que ocurra con exactitud una llegada en un intervalo de
duración Δt es aproximadamente λ Δt. La aproximación es en el sentido de que
la probabilidad es λ Δt + o1 (Δt) y [ o1(Δt) / Δt ] → 0 conforme Δt → 0.
0 t t+Δt
de manera que
p0 (t t ) p0 (t )
p0 (t )
t
p0 (t t ) p0 (t )
lim[ ] p0 '(t ) p0 (t )
t 0 t
para n > 0
de manera que
pn (t t ) pn (t )
pn 1 (t ) pn (t )
t
y
pn (t t ) pn (t )
lim[ ] pn '(t ) pn1 (t ) pn (t )
t 0 t
pn (t ) con n=0,1,2,…
n!
= 0 de otra manera
ne t (t ) n
e t ( t ) n
E( X )
n 0 n! n 1 ( n 1)!
t t 2
t
(t )e 1 ....
1! 2!
(t )e t .et
t
De manera similar,
n 2 e t ( t ) n
E( X )
2
( t ) 2 t
n 0 n!
De manera que
V ( X ) E ( X 2 ) [ E ( X )]2
t
axioma 0: P[N(0) = 0] = 1
axioma 1: {N(t), t ≥ 0} tiene incrementos independientes
axioma 2: P[N(t) > 0] > 0 para todo t > 0
axioma 3: para todo t > 0
P N (t h) N (t ) 2
lim 0
h 0 P N (t h) N (t ) 1
DISTRIBUCION EXPONENCIAL
f(t) = λe-λt t ≥0
=0 de otra manera
F(t) = P(X ≤ t) = 1 - e- λt
f(t) = λe- λt
E(X) = 1/λ
V(X) = 1/λ2
P X t s
para variables continuas esto es: P( X t s X t )
P( X t )
e (t s )
t
e
t
e
De manera que
P( X t s X t ) P( X s )
ACABADOS
AB
GERENCIA DE
PRODUCCIÓN
GP
SECADO
PLANCHADO
CENTRIFUGADO
TINTURACIÓN
TT MANTENIMIENTO
MT
PLANIFICACIÓN
PL
BODEGA DE
TELA CRUDA
JEE BTC
TÉCNICO
JEFE DE
JT
PLANTA
JP
BODEGA DE
COLORANTES
Y AUXILIARES
QUIMICOS LABORATORIO
BCA LB
Del análisis de todos los flujos y papeles de las distintas entidades del área de
producción se pudo concluir que el área de tinturación es la parte más sensible para el
desempeño y cumplimiento de los plazos de entrega ya que es el área donde se reflejan
los problemas enlistados anteriormente.
METODOLOGÍA
Para realizar nuestro estudio, lo que primero se hizo fue un reconocimiento de este
sistema y una revisión de que tipo de información se tenía del mismo, entre la
información que por un tiempo se había recolectado de una de las máquinas, se
encontramos la siguiente entre el periodo: 1 de Agosto 2001 – 26 de Septiembre 2001
Tabla 1
Debido a que se poseía un listado de fallas detallado y tras una consulta con los
encargados de mantenimiento se concluyó que no era necesaria una prueba de rachas
para determinar si los paros dependían uno de otro.
Cantidad, Tipo de Tela, Color, Turno, Fecha, Inicio y Fin del Proceso de Tintura
Tabla 2
De los datos de la Tabla 2 lo que primero que vienen a la mente es calcular un tiempo
de duración del proceso de teñido de la tela, tiempo de funcionamiento de la máquina
hasta el siguiente error. Ver el tipo de error que hubo, En este caso modelaremos las
ocurrencias de los errores y el tiempo entre estos.
En la siguiente tabla se muestra los intervalos de tiempo entre fallas no programadas y
el tiempo real de funcionamiento de la máquina
Las hipótesis que tendremos en cuenta durante la construcción del modelo es que los
paros de la máquina programados (Que constan dentro del programa de tintura) se
supondrán despreciables lo que implica una continuidad del tiempo en el periodo
provisto anteriormente entre otras.
X1
X2 X4 Xn
X3
Llamaremos:
S (t ) X (t ) i
TAFF n i 1
= 48.39 Horas
N N
Es una constante no negativa, y se define como la tasa de fallas del sistema, en
nuestro caso representa la tasa de fallas de la máquina
1
TAFF
λt = 0.0207*871.04=18.03
e t ( t ) n
P( N (t ) n)
n!
Y específicamente la probabilidad de que ocurran cero fallas, se entendería como la
confiabilidad de la máquina y vendría dada por:
R0 P( N (t ) 0) et =1.47x10-8