GESTIÓN DE MANTENIMIENTO

LINEALIZACIÓN DE GRÁFICOS

MSc. Ing. Alejandro Vera Lázaro

 CASO PRÁCTICO – FLOTA DE
CAMIONES EN MINA DE HIERRO
• El hierro tiene una enorme importancia en la vida moderna, ¿Cómo se
podrían construir los aviones y los medios de transporte con los cuales
nos movilizamos, así como los innumerables dispositivos mecánicos que
se utilizan en el rubro de la construcción y de la misma manera en
nuestros hogares?.
• De tal manera que el proceso de este mineral es de vital importancia
para las economías que lo producen y utilizan. Por lo que, los equipos
mineros que desempeñan labores de transporte de material tienen un
papel fundamental en la producción. Por eso, es importante estudiar la
razón porquè fallan y cuando tienen que fallar.
• Con este estudio se pretende llegar a establecer una política de mantenimiento,
para 6 componentes críticos de la flota de camiones CAT 785B, tomando varias
aristas para tomar la decisión de recomendar una estrategia en particular. Para
esto el estudio se basará en distintas aristas, una de ellas es:
• Utilización de la técnica de Weibull a través de la linealización de los datos y de
esta forma encontrar tanto la mantenibilidad como la confiabilidad para hacer
proyecciones y conclusiones de los parámetros encontrados.
• En la ingeniería de la confiabilidad, los datos serán organizados en “Gráficas de
Weibull”, los cuales permiten apreciar una relación lineal entre el parámetro
estudiado (tiempo medio entre fallas, tiempo medio de reparación) y su
probabilidad de ocurrencia.
• Esta última es estimada siguiendo las técnicas de rango medio o rango mediana,
como se verá más adelante y la relación es linealizada mediante
transformaciones logarítmicas y/o regresión lineal.
• Weibull lleva a concluir el porcentaje de confiabilidad de los datos.
 ANÁLISIS ESTADÍSTICO DE FALLAS Y
CONFIABILIDAD DE LOS COMPONENTES
• La importancia de concretar resultados respectivos a la confiabilidad tiene su
concepción en la ocurrencia de la falla y en el servicio que se lleve a cabo con el
componente, sin embargo estas dos cosas envuelven pérdidas financieras y
riesgos en la seguridad del manejo responsable, por lo que un pronóstico del
número de fallas esperado y el momento de aquella, ayuda a la minimización
de los costos y a una mayor disponibilidad de los activos de alto tonelaje.

• Es importante responderse una pregunta: ¿Cuántas fallas podrían haber en el

próximo mes, en los próximos seis meses y en el próximo año en un equipo?.
• Para responder esta pregunta es necesario introducirse dentro de varias
aristas: Confiabilidad, mantenibilidad, abastecimiento y costos globales.
• Las aristas mencionadas pronostican el tiempo en que ocurrirán las fallas,
cuando demorarán en repararse, cuánto costará reparar y mantener, así como
cuando hay que recambiar los componentes de los equipos, localizando las
acciones correctivas, predictivas o preventivas para evitar estas fallas.
 DISPONIBILIDAD
• Según ARATA; es la razón entre las horas de funcionamiento productivo
de una maquina o planta, respetando los estándares cualitativos y
cuantitativos, y el tiempo de funcionamiento programado y esperado.
Este parámetro entrega una medida de la eficacia de las operaciones de
mantenimiento. (ARATA, A., FURLANETTO, L., 2005) .
 LINEALIZACIÓN DE DATOS
• Para hacer proyecciones y conclusiones de los parámetros encontrados,
en ingeniería de la confiabilidad los datos son organizados en “Gráficas
de Weibull”, que permiten apreciar una relación lineal entre el parámetro
estudiado (tiempo medio entre fallas, tiempo medio de reparación) y su
probabilidad de ocurrencia. Esta última es estimada siguiendo las
técnicas de rango medio o rango mediana, como se verá más adelante y
la relación es linealizada mediante transformaciones logarítmicas y/o
regresión lineal. La organización de los datos en una gráfica de Weibull,
es el siguiente según la FIGURA.
• Para poder llegar a trazar las gráficas para este estudio es necesario utilizar
una fórmula llamada estimador de probabilidad de Bernard, que es la
propuesta más conocida para calcular la Función de Distribución
Acumulada a partir de los datos de falla.
• Este estimador es más conocido como rango medio o mediana según el
tamaño de la muestra tomada por conveniencia.
• Este estimador tiene por finalidad hacer más estables los datos y que los
resultados no se apoyen en el pilar de la estadística que expresa que; si mi
vecino tiene dos coches y yo ninguno, los dos tenemos uno.
• El Rango Medio es un número entre 0 a 1 que refleja en orden ascendente
la fracción del valor del dato que es menor que el mismo dato.
• Para poder llegar a los datos finales de linealización y las gráficas de Weibull
es necesario tener claro distintas funciones de densidad de probabilidad y
de probabilidad acumulada, ya que, la finalidad de este estudio es encontrar
la probabilidad de ocurrencia tanto de la confiabilidad como de la
mantenibilidad
 LA FUNCIÓN DE DENSIDAD DE
PROBABILIDAD “F ( T )”
• Estas son similares a los histogramas de frecuencia relativa excepto por
el uso de una curva continua. La ecuación de la curva de la función
densidad se denota por f(t).
• Al igual que la suma acumulada de todas las columnas de un histograma
de frecuencia relativa, el área bajo una curva de densidad de
probabilidad es igual a uno.
• Existe un número conocido de funciones de densidad de probabilidad. Las
que a continuación se Mencionan son las más usadas en la práctica para
describir las características de falla de muchos tipos de equipos y
componentes. (SOLS,A., 2000)
 FUNCIÓN DE DENSIDAD
EXPONENCIAL NEGATIVA
• Esta distribución se utiliza en la práctica cuando la falla de un equipo
puede ser causada por la falla de uno de los componentes que forman el
equipo.
• También es característica de equipos cuyas fallas son debido a causas
aleatorias.
• Esta distribución es típica de muchos componentes electrónicos y de
componentes de plantas industriales. (SOLIS, A., 2000) La función
densidad está dada por la siguiente ecuación.
 LA FUNCIÓN DE DENSIDAD
NORMAL
• La distribución normal se aplica cuando un efecto aleatorio es la
consecuencia de un gran número de pequeñas e independientes
variaciones en el funcionamiento de los equipos.
• En la práctica, los motores de generadores y buses fallan de acorde a
esta distribución. (ROMERO, R., 2005) Esta función es expresada a través
de la siguiente ecuación:
 LA FUNCIÓN DE DENSIDAD
WEIBULL
• La distribución de Weibull puede presentar características de fallas de un
gran número de equipos o componentes.
• En esta expresión se ha omitido el parámetro inicial de localización pues
los datos se toman sobre cero en adelante, como se señala en la
FIGURA.
•
• Donde 𝛼 es el parámetro de forma de la función y su valor es
representativo del tipo de falla y del estado del componente en el tiempo
y 𝛽 es un parámetro de escala y representa la pendiente de la recta.
• Cuando 𝛼 es igual a 1 se tiene que la función es equivalente a la función
Exponencial Negativa.
• Al tomar valores mayores que 1 la función se aproxima a la distribución
normal.
 CONSTRUCCIÓN GRÁFICO WEIBULL
PARA LA CONFIABILIDAD
• Para poder construir el gráfico de Weibull es necesario comenzar con el
cálculo del Rango medio o de mediana según el tamaño de la muestra
como indica la formula de Bernard.
• En este caso la cantidad de salidas de componente que tuvo la flota de
alto tonelaje. Para poder utilizar el rango medio fue necesario tener una
muestra superior a los 14 recambios de componentes. Este se calculó de
la siguiente manera, como se expresa:
• Donde: n: Tamaño de muestra.
• i: Nº de muestra.
DATOS CONFIABILIDAD-MOTOR
DIESEL
• Con los datos mostrados anteriormente los cuáles muestran la salida de
los componentes mayores desde los distintos equipos, es decir, el
momento en donde tuvieron una falla que afecto al curso normal de la
operación de parte de la flota, con estos es posible comenzar a calcular
la confiabilidad.
• En primer lugar se deben ordenar las horas de operación desde el menor
número hasta el mayor de estos. Este ordenamiento se realizará con
Excel
 CÁLCULO RANGO MEDIO
• Para el cálculo del rango medio se toma una muestra de n= 16 salidas de
componentes.
• Con esto podemos corroborar que se utilizará el rango medio para el
cálculo. Puesto que n > 14
• Este cálculo es de utilidad para determinar los parámetros ß, ŋ y γ,
primero se debe calcular los rangos medios dividiendo cada falla por el
total de detenciones más uno.
 CÁLCULO DE X E Y
• Para graficar estos rangos medios los valores del eje X se obtienen
aplicando logaritmo natural al tiempo entre fallas (TOEF) y los valores del
eje Y aplicando doble logaritmo al rango medio. Esto permite llevar a la
gráfica en el eje X la línea de tiempo y en el eje Y los rangos medio de
los tiempos de operación entre falla. Como se muestra en la siguiente
TABLA: “Rango medio en variables X e Y Motor Diesel”.
 GENERACIÓN DE GRÁFICO X E Y –
MÉTODO DE LINEALIZACIÓN
• La generación de datos se lleva a cabo al trazar los puntos tanto de X
como de Y.
• Es necesario aplicar la regresión lineal a los datos de tal manera de ver
los resultados de la linealización realizada.
• La aplicación de la regresión permite validar el grado de linealización de
los datos.
• De la ecuación resultante de la correlación, se obtiene como parámetro ß
el valor que acompaña a la variable independiente y se determina como
ŋ con el cociente de la constante de la ecuación y el valor de ß.
• Como se muestra en la siguiente FIGURA: “Linealización de la función
asociada a la distribución de Weibull Motor Diesel”, el trazado de la recta
de regresión con y=0, es la siguiente:
PARÁMETROS GENERADOS
 ANÁLISIS DE RESULTADOS
• De acuerdo a lo observado en la TABLA: “Parámetros generados por el
gráfico X e Y”, y deduciendo que el valor que acompaña a la variable
independiente es mucho mayor que 1, representa a un motor diesel que
se encuentra en una etapa de tasa de fallas creciente en etapa de fatiga,
terminando su vida útil.
• El coeficiente de correlación (R^2) ajustado a los datos está datos está
alejado de uno, por lo tanto no hay mucha dependencia lineal de los
datos, pero al ser mayor al 50% se ha considerado aceptable, de otra
manera, se podría haber hecho el cálculo con datos censurados, pero se
prefiere tener datos alineados a la realidad del componente.
• Los parámetros de la función de densidad de probabilidad de Weibull son
corroborados con el análisis de Kolmogorov - Smirnov que avalan la
aceptación del 70% de R2.