Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Director de la Tesis:
Dr. D. Vicente Bargueo Farias
(UNED)
ndice General
N D I C E
1
GENERAL
Introduccin
1.1
Motivacin, 1
1.2
Objetivo, 1
1.3
Sinopsis, 2
1.4
Estructura de la Tesis, 10
Fiabilidad
2.1
Prembulo, 13
2.2
Definicin de fiabilidad, 14
2.3
Formulacin, 16
2.4
Nota histrica, 19
2.5
Mantenimiento
3.1
Funcionalidad y funcionabilidad, 25
3.2
Definicin de mantenimiento, 27
3.3
3.4
Fiabilidad y mantenibilidad, 29
3.5
Mantenimiento y disponibilidad, 29
3.6
Mantenimiento y seguridad, 30
3.7
Mantenimiento y economa, 31
3.8
3.9
Funcin de mantenibilidad, 35
Mantenimiento Correctivo
4.1
Definicin, 39
4.2
Ventajas, 40
4.3
Inconvenientes, 41
i
ndice General
4.4
Mantenimiento Preventivo
5.1
Definicin, 45
5.2
Ventajas, 47
5.3
Inconvenientes, 47
5.4
5.5
Definicin, 57
6.2
6.3
6.4
6.5
6.6
6.7
6.8
Previsin de repuestos, 78
Planteamiento inicial, 81
7.2
7.3
7.4
Prediccin de la fiabilidad, 90
7.5
El proceso FRACAS, 93
7.6
7.6.2
Introduccin, 101
8.2
8.3
ndice General
8.3.1
8.4
Introduccin, 117
9.2
9.3
9.4
9.5
9.6
9.7
9.7.2
9.7.3
9.7.4
9.7.5.
9.7.6.
9.8
10
9.7.6.1
9.7.6.2
9.7.6.3
Resultados, 143
10.2
10.2.2
10.2.3
10.2.4
10.2.5
iii
ndice General
11
10.3
10.4
10.5
10.6
10.7
Conclusiones
11.1
11.2
Bibliografa, 171
Apndice A
A.1
A.2
A.3
A.4
A.5
Apndice B
B.1
B.2
B.3
B.4
B.5
Apndice C
C.1
iv
ndice de Figuras
N D I C E
de
FIGURAS
1.1
1.2
3.1
3.2
Medidas de mantenibilidad, 38
4.1
4.2
5.1
5.2
5.3
5.4
5.5
7.1
7.2
7.3
8.1
8.2
8.3
8.4
8.5
9.1
9.2
9.3
9.4
10.1
10.2
10.3
10.4
10.5
11.1
A.1
A.2
ndice de Figuras
A.3
A.4
C.1
vi
ndice de Tablas
N D I C E
de
TABLAS
3.1
3.2
3.3
5.1
6.1
6.2
7.1
8.1
8.2
9.1
9.2
10.1
B.5
Funciones de Excel que relacionan los ajustes por regresin de datos, 201
vii
ndice de Tablas
viii
Lista de Abreviaturas
LISTA de ACRNIMOS
ATE
BC
Bus Controller
BIT
Built in Test
BITE
BM
Bus Monitor
CEO
CMR
CMT
DATAC
DMT
DMTp
DoD
Department of Defense
EADS
EOL
FAA
FF.AA.
Fuerzas Armadas
FMEA
FMECA
FRACAS
FTA
HCP
HS
High Speed
IATA
IB
Inspection Based
IFR
IMRS
INS
I/O
Inputs/outputs
ITA
LRI
LRU
LS
Low Speed
ix
Lista de Abreviaturas
MDP
MTBF
MTBR
MTBUR
MTIR
MTTF
MTTM
MTTR
MUL
NASA
NBU
NWU
RCI
RCM
RCP
RCFA
RMP
RMT
RT
Remote Terminal
SPS
STTE
SuAP
TBO
TE
Time to Exam
TI
Time to Inspection
AGRADECIMIENTOS
Captulo I
INTRODUCCIN
l dio al hombre el habla, y el habla cre el pensamiento, que es una medida del universo.
Shelley1
1.1 MOTIVACIN
El tema elegido para la tesis doctoral representa para este doctorando un triple inters:
psicolgico, profesional y social.
Psicolgico, porque la investigacin cientfica reclama que se realice con verdadera
pasin y total entrega, lo que probablemente no ocurrira si se es consciente de que el
tema elegido es banal e intrascendente. A lo largo del trabajo se pondr de manifiesto la
fundamental importancia de la fiabilidad de los complicados equipos y sistemas actuales
y la trascendencia de una acertada poltica de mantenimiento.
Profesional, porque es lgico y aconsejable que exista una concordancia entre el tema
elegido y la orientacin profesional. En este caso, mi labor como ingeniero aeronutico
en EADS aporta la experiencia necesaria para afrontar con garantas la investigacin.
Adems, mi formacin en ciencias econmicas aade al estudio un enfoque
complementario.
El inters social, la consideracin de su posible utilidad para la comunidad, queda
patente por el protagonismo tecnolgico de este medio de transporte.
1.2
OBJETIVO
Prometeo liberado.
Todo lo que rodea al mundo de la aviacin es caro, tanto los recursos humanos como los
tcnicos. Nos encontramos inmersos en una guerra de tarifas que hace peligrar la
supervivencia de muchas empresas dedicadas a la aviacin comercial. La estrategia de
reduccin de costes ha obligado a la autoridad encargada de velar por la seguridad del
transporte areo a que dirija su atencin a los procesos de mantenimiento de estas
compaas, ya que una relajacin en estas actividades, con el fin de reducir costes,
conducira a una mejor cuenta de resultados, muy probablemente a costa de una menor
seguridad de los usuarios.
Abordaremos el problema de disear programas de mantenimiento de aeronaves, con el
objetivo de asegurar al mximo la fiabilidad (y, por lo tanto, la seguridad) al menor
coste posible.
1.3 SINOPSIS
Hasta la dcada de los sesenta, el mantenimiento programado en las compaas areas
estaba basado en el concepto de que cada elemento tena una edad adecuada en la que
ste precisaba una revisin general completa para garantizar la seguridad y fiabilidad
operativa. Sin embargo, la FAA, frustrada por su incapacidad para controlar las tasas de
fallo de ciertos tipos de motores, estableci un grupo de trabajo con el fin de investigar
las capacidades del mantenimiento preventivo, que condujo a una extensa investigacin
de cmo fallan los equipos y, en particular, a estudios de evolucin de la fiabilidad con
la edad y determinacin de las condiciones que deben existir para que el mantenimiento
programado sea eficaz.
Se identificaron 6 modelos de fallos, representando la probabilidad condicional de fallo
en funcin de la edad, para una amplia variedad de elementos elctricos y mecnicos.
TIPO A: Probabilidad de fallo constante o ligeramente creciente, seguida de una regin
cncava pronunciada. Se puede fijar una edad lmite: tpica curva de un motor.
t
TIPO C: Baja probabilidad de fallo cuando el elemento es nuevo o recin revisado,
seguido por un rpido crecimiento hasta alcanzar un nivel relativamente constante.
t
TIPO D: Probabilidad de fallo relativamente constante a cualquier edad: ley
exponencial (tasa de fallos constante)
L
t
La primera etapa, de fallos iniciales o infantiles, corresponde generalmente a la
existencia de dispositivos defectuosos con una tasa de fallo superior a la normal, que
estn incluidos entre los dispositivos normales. Para describir el perodo infantil, hay
que emplear una funcin con tasa de fallo decreciente; determinados casos de las
distribuciones Gamma y de Weibull se ajustan a esta condicin. Utilizaremos, por
ejemplo, la funcin de densidad de Weibull:
1 t
f 1(t ) =
100 50
0 , 5
t
50
0,5
1
f 2(t ) =
e 100000
100000
f 3(t ) =
1
1000 2
4
1 t 10000
2 1000
f (t ) dt = 1
0
Los tipos A y E son tpicos de elementos simples o compuestos de una sola pieza, como
neumticos, labes de compresores, frenos y componentes estructurales. Los elementos
ms complejos siguen las curvas B, C, D y F.
La diferencia entre los dos grupos tiene importantes implicaciones para el
mantenimiento. El primero de ellos muestra una relacin directa entre fiabilidad y edad.
Esto es particularmente cierto donde factores como la fatiga del material o el desgaste
mecnico estn presentes o donde los elementos son designados como consumibles
(vida corta o predecible) En estos casos la fijacin de una edad lmite basada en el
80
70
60
50
UAL
40
BROMBERG
U.S. NAVY
30
20
10
0
E
TIPOS DE FALLO
Los trabajos demostraron que esto es raramente cierto y, ms an, que las revisiones
programadas pueden, como se ha indicado en el prrafo precedente, aumentar la
produccin de fallos, introduciendo fallos de rodaje en sistemas que en otro caso
seran estables.
tasa de fallo;
que el objetivo bsico del mismo es el cambio en la condicin y/o prestaciones, y que la
ejecucin de las tareas de mantenimiento preventivo debe estar basada en el estado real
del elemento o sistema. Mediante el control de ciertos parmetros sera posible
identificar el momento ms conveniente en el que se deben realizar las tareas de
mantenimiento preventivo.
La dcada de los noventa signific la extensin del uso de microprocesadores,
tecnologa que har posible conocer la condicin de los equipos/sistemas en todo
momento. La consecuencia fue que las estimaciones de fallo basadas en el tiempo
comienzan a dejar de ser utilizadas.
8
10
11
Gran parte de la literatura especializada est escrita en lengua inglesa. El uso extendido
de este idioma en el lenguaje tcnico nos obliga a utilizar, en ciertos momentos, la
terminologa original. Adems, en el ndice se incluye un apartado con la lista de
acrnimos utilizados en esta obra.
Para alcanzar la meta de utilidad, se han incluido en el texto algunos ejemplos.
12
C a p t u l o II
FIABILIDAD
Una vez experimentada la sensacin de volar, se hace imposible caminar sin la mirada puesta en el
cielo, porque all has estado y all quieres volver.
Leonardo da Vinci
2.1 PREMBULO
Cuando el da 21 de diciembre de 1968 a las 11 horas 12 minutos la tercera etapa del
gigantesco cohete Saturno V se separ de la cpsula Apollo 8, los astronautas Borman,
Lovell y Anders, camino de la Luna, se encontraron sujetos a una vital dependencia de
un motor cohete relativamente pequeo, su SPS. Los 9.300 kg. de empuje de este
cohete, de la Aerojet General Corp., tenan que actuar en determinados momentos, con
una duracin total nominal de combustin de 12,5 minutos. Aparte de efectuar las
correcciones de rumbo necesarias durante los viajes de ida y vuelta, el SPS, siempre
mediante breves perodos de funcionamiento, debera primero poner el Apollo 8 en
rbita lunar, luego hacer la rbita circular y finalmente sacar la nave de la rbita lunar
lanzndola hacia la Tierra. En la maniobra de reajuste de la rbita lunar, un fallo del
SPS podra estrellar el Apollo 8 contra la superficie de la Luna, mientras que un
arranque frustrado para volver a la Tierra dejara a tres seres humanos perdidos en la
rbita lunar.
El SPS funcion perfectamente cada vez que hizo falta. Realmente, las probabilidades
de que as ocurriera se estimaban muy elevadas antes de la aventura. Cinco aos de
ensayos de fiabilidad con cohetes SPS, incluyendo unos 3.200 arranques sin avera y las
experiencias en vuelo de los Apollo 6 y Apollo 7 eran la base de tal esperanza. Fue un
esplndido trabajo de ingeniera conseguir un sistema casi desprovisto de componentes
duplicados y dotado, no obstante, de tan elevada fiabilidad (probabilidad de xito)
El 11 de abril de 1.970, a las 14 horas 13 minutos, se inici el vuelo del Apollo 13. El
da 13, a las 22:08 horas, una de las dos botellas de oxgeno del Mdulo de Servicio
13
Se recomienda el artculo Four days of Peril between Earth and Moon. Time, 27 de abril de 1.970.
14
2.3 FORMULACIN
Partimos de la hiptesis de que el tiempo hasta el fallo de un dispositivo es una variable
aleatoria, a la que llamaremos , que puede tomar cualquier valor real t desde 0 a . Si
F(t) es la funcin de distribucin y f(t) la funcin de densidad de , tendremos:
F (t ) = P( t ) = f (x ) dx
0
F (0 ) = 0; F ( ) = 1
R(t ) = 1 F (t ) = P( > t ) = f ( x ) dx
t
R(0 ) = 1; R( ) = 0
adems:
f (t ) =
dF (t )
dR(t )
=
dt
dt
Vida media:
= E ( ) = t f (t ) dt
0
16
La esperanza matemtica del tiempo hasta el fallo se llama vida media o tiempo
Tasa de fallo:
Se denomina tasa media de fallo en el intervalo (t , t + t ) al cociente entre la
probabilidad de que un dispositivo superviviente en el instante t falle en el
intervalo (t , t + t ) , y la longitud del intervalo t . En una poblacin de
dispositivos nominalmente idnticos, la proporcin esperada de supervivientes
en el instante t ser R(t), y la probabilidad de que un dispositivo superviviente en
el instante t falle en el intervalo (t , t + t ) ser una probabilidad condicional que
se expresa as:
z (t , t ) =
R(t ) R(t + t )
tR (t )
R (t ) R (t + t )
R (t ) R (t + t )
1
lim
=
=
t 0
R ( t ) t 0
tR (t )
t
z (t ) = lim z (t , t ) = lim
t 0
d
f (t )
1 dR (t )
1 dR (t )
1
f (t ) =
= ln R (t ) =
=
R (t )
dt
R (t ) dt
dt
R (t )
R (t )
17
Integrando en la expresin: z (t ) =
d
ln R(t ) , tenemos:
dt
t
ln R(t ) = z ( x )dx
0
de donde:
R (t ) = e
z ( x )dx
lim[tR (t )] = lim
t
t
t
R (t )
= lim
=0
1 = lim
2
R(t ) t R (t ) f (t ) t z (t )
18
Growth Plan)
20
Island; ste fue causado por un fallo de un componente fsico del equipo, pero tambin
estuvo influenciado por la respuesta humana al fallo del componente y por los
protocolos de actuacin establecidos. Por el contrario, el fallo de una bombilla y sus
consecuencias normalmente no estn relacionados con decisiones y rendimientos
humanos. Esto nos conduce a concluir que existen muchos productos y sistemas
modernos cuyo funcionamiento operativo depende de la efectividad conjunta de los
factores siguientes:
El software;
21
Un par de ejemplos tomados del mundo del automvil sern suficientes para poner de
manifiesto la importancia de la fiabilidad:
Dos roturas en el semieje trasero, que transmite potencia a las ruedas propulsoras,
obligaron a los dos pilotos del equipo Renault a retirarse de una carrera de Frmula 1 en
el circuito de Indianpolis. El patrn del equipo declar que revisaran el diseo, ya que
la fiabilidad es la clave del xito;
22
23
24
C a p t u l o III
MANTENIMIENTO
El avin no es ms que un montn de barras, cables y telas, una herramienta para aprender sobre el
cielo y sobre la clase de persona que soy, cuando vuelo. Un avin significa libertad, juego, el poder de
entender y demostrar que conoces; esas cosas no son destructivas.
Richard Bach6
25
Tambin es necesario especificar las condiciones de operacin bajo las que se supone
debe funcionar el sistema. En el caso del hervidor, las condiciones operativas estn
primordialmente relacionadas con la tensin de alimentacin, vibraciones, humedad y
factores similares.
Por consiguiente, para la satisfaccin de necesidades se deben reunir los aspectos de
funcionalidad, prestaciones y condiciones operativas a fin de obtener una imagen
completa del sistema que satisfaga la necesidad. De esta forma, aparece el concepto de
funcionabilidad como mecanismo de unin de estos tres aspectos, definindolo como:
La capacidad inherente de un tem para desempear una funcin requerida con unas
prestaciones concretas, cuando es utilizado segn se especifica.
En la definicin anterior, la palabra inherente sirve para recalcar que todas las
decisiones relacionadas con la funcionabilidad de un sistema se toman en la fase de
diseo. Por ejemplo, un vehculo motorizado funcionable es aqul que desempea una
funcin de transporte satisfaciendo unas prestaciones especificadas como: velocidad,
consumo de combustible y aceite, aceleracin, carga (nmero de pasajeros y equipaje),
comodidad y muchas otras caractersticas, cuando es utilizado bajo condiciones
operativas especificadas (tipo de superficie de rodadura, configuracin del terreno,
temperatura exterior, octanaje del combustible, etc.)
Leyendo con detenimiento la definicin, resulta evidente que hay una diferencia
significativa entre funcionalidad y funcionabilidad de un sistema en consideracin.
La primera est relacionada puramente con la funcin desempeada, mientras que
la segunda toma en consideracin el nivel de prestaciones obtenido. Por ejemplo,
26
27
28
Ai =
MTBF
100%
MTBF + MTTR
29
Entonces, le pregunta es: cunto se necesita la utilidad del sistema y cunto est uno
dispuesto a pagar por ella?
El mantenimiento ha de llevarse a cabo durante los tiempos de inmovilizacin
programados, bien durante paradas cortas entre ciclos de operacin (vuelos, viajes,
cargas o descargas, etc.), durante una parada nocturna o en paradas ms prolongadas.
Valga como ejemplo de la importancia de este proceso lo siguiente:
El peridico britnico Daily Mail informaba el 13 de diciembre de 1.990, en el artculo
titulado Los aos desperdiciados por nuestros buques de guerra amarrados en los
muelles, que una investigacin realizada por miembros del Parlamento Britnico revel
que: una fragata emplea en mantenimiento 8 aos de los 22 de su vida media y slo la
30
Los costes fijos son aquellos que se producen sin tener en cuenta el nmero de tareas de
mantenimiento realizadas (p.e., costes de instalaciones) Aunque se supone que los
costes fijos deben mantenerse constantes al producirse cambios en el nivel de actividad,
pueden variar como respuesta a otros factores, como en los cambios en los precios, por
ejemplo.
Los costes variables son aquellos que dependen del volumen de las tareas de
mantenimiento realizadas. Normalmente, estos costes se deben a la mano de obra y
material empleado.
COSTES DIRECTOS e INDIRECTOS:
Los costes directos son aquellos que pueden atribuirse claramente a cada tarea. Los
costes directos de material y mano de obra se denominan tambin costes de produccin.
31
El coste directo asociado con cada tarea de mantenimiento, CMT, est relacionado con
el coste de los recursos de mantenimiento, CMR, utilizados directamente durante la
ejecucin de la tarea:
CMT = f ( Cs , Cm , Cp ,Cte , Cf , Cd )
Cs =
Cm =
Cp =
Cd =
Es necesario recalcar que el tipo y cantidad de todos los recursos de mantenimiento son
consecuencia del diseo del elemento o sistema y se estudian durante el anlisis de
mantenibilidad7 del proceso de diseo. El coste del personal ligado a una tarea de
mantenimiento especfico es funcin de las siguientes variables:
Cp = f ( DMTp , HCP )
siendo:
DMTp: representa el tiempo empleado en mantenimiento para el que se finalizar un
porcentaje dado de las tareas de mantenimiento consideradas.
HCP: representa el valor monetario del coste horario del personal empleado en la
ejecucin de una tarea especfica de mantenimiento.
Por lo tanto, la expresin general del coste de cada tarea de mantenimiento depende de
los valores porcentuales de la variable aleatoria DMT:
CMTp = Cs + Cm + Cte + Cf + (DMTp HCP)
7
(3.1)
32
Por otro lado, los costes indirectos son difciles de asignar a actividades particulares. Si
la actividad de mantenimiento encaja en este tipo, la contabilidad asigna una cantidad
proporcional de los costes a los productos fabricados o servicios realizados. Como
mtodos corrientes para la distribucin podemos citar:
- La cantidad por hora de mano de obra directa;
- Un porcentaje del coste de mano de obra directa;
- Un porcentaje del coste de produccin (material directo + mano de obra directa)
COSTE INICIAL de MANTENIMIENTO:
COSTE de OPORTUNIDAD:
Dos tipos de aviones que se han utilizado ampliamente en la industria de lneas areas
son el Boeing 747 (entr en servicio en 1.970) y el Boeing 757 (ste en 1.982) El
primero es el avin de transporte de larga distancia ms usado en todo el mundo,
mientras que el segundo es un sucesor del Boeing 707 como transporte de media
distancia.
A continuacin se detallan los costes de ambos aviones para los cuatro operadores ms
importantes de los EE.UU. (Northwest, Pan American, Trans World y United Airlines)
en el ao 1.986.
Categora de Coste
B-747
B-757
Tripulacin
787
17
504
23
Combustible
2.030
44
720
32
672
14
596
27
1.117
24
377
17
36
31
4.642
100
2.228
100
Depreciacin y alquileres
Total Mantenimiento
Otros
TOTAL
Tabla 3.1. Costes para B-747 (121 aviones) y B-757 (62 aviones)
34
Factores personales:
Representan la influencia de la habilidad, motivacin, experiencia, actitud, capacidad
fsica, formacin y otras caractersticas relacionadas con el personal implicado.
Factores condicionales:
Representan la influencia del entorno operativo y las consecuencias que ha producido el
fallo en la forma, geometra y dems caractersticas del elemento o sistema sometido a
mantenimiento.
Factores de entorno:
Reflejan la influencia de aspectos como temperatura, humedad, ruido, iluminacin, etc.,
en el personal de mantenimiento durante la ejecucin de la tarea.
35
M (t ) = P( DMT t ) = m(t ) dt
0
La tabla 3.3. muestra M(t) para algunas distribuciones conocidas, donde Am, Bm y Cm
son los parmetros de escala, forma y origen de la distribucin de probabilidad; es la
Distribucin
Expresin
Dominio
Exponencial
t0
Normal
[(t-Am) / Bm]
- < t < +
Lognormal
[ln (t-Cm)-Am)/Bm]
t Cm ; Cm 0
Weibull
1-exp-[(t-Cm)/(Am-Cm)]Bm
t Cm ; Cm 0
36
La tabla adjunta muestra la duracin esperada del tiempo de mantenimiento para varias
distribuciones conocidas, donde es el smbolo de la funcin gamma.
Distribucin
Expresin
Exponencial
Am
Normal
Am
Lognormal
Weibull
Am.(1 + 1/Bm)
37
38
C a p t u l o IV
MANTENIMIENTO CORRECTIVO
He dicho a menudo que el atractivo de volar es el atractivo de la belleza; que la razn de volar es la
apelacin a la esttica.
Amelia Earhart9
4.1 DEFINICIN
En el mantenimiento correctivo se reparan o sustituyen los dispositivos fallados a fin de
Fue la primera mujer en volar sobre el Ocano Atlntico en solitario (20 de mayo de 1.932)
39
Sistema
en
uso
Fallo en el
elemento/sistema
Tarea de
mantenimiento
correctivo
Fig.4.1. Diagrama de flujo del mantenimiento correctivo
4.2 VENTAJAS
El principal atractivo de este tipo de mantenimiento es la total utilizacin de la vida
operativa del elemento considerado. Ello significa en la prctica que el tiempo medio
CU =
MTTM
=1
MTTF
donde:
R(t) = Funcin de fiabilidad
40
siendo:
4.3 INCONVENIENTES
Podemos resumirlos en dos puntos:
El fallo de un elemento puede a su vez acarrear daos a otros elementos del
sistema o al sistema mismo (impacto en la seguridad) Los anlisis de los costes
de mantenimiento han demostrado que una reparacin realizada tras un fallo,
ser normalmente 3 4 veces ms cara que si se hubieran realizado tareas de
mantenimiento preventivo10;
Como el tiempo de aparicin del fallo es incierto, no puede planearse la tarea de
mantenimiento, por lo que deben esperarse mayores tiempos de inmovilizacin,
debido a la indisponibilidad de recursos (repuestos, personal, herramientas,....)
Esto supone una mayor cantidad de inventario (repuestos) si se quiere minimizar
el tiempo de reposicin.
Por tanto, el mantenimiento correctivo puede llegar a ser ms costoso, debido al coste
directo de recuperacin de la funcionabilidad del sistema y al coste indirecto incurrido
como resultado de la prdida de produccin, prestigio e incluso vidas.
10
Mobley, R.K., The Horizons of Maintenance Management, Maintenance Handbook, 5 Edicin, Mc. Graw-Hill,
New York, 1.994.
41
f T (t ) = lim
t > 0
1
P[t < T (t + t )]
t
42
f 2 (t ) = f 1 ( ) f1 (t ) d
0
f k (t ) = f k 1 ( ) f 1 (t ) d ;
k2
1
P[algn fallo en (t , t + t )] = f k (t )
t > 0 t
k =1
L(t ) = lim
, tambin:
L(t ) = f1 (t ) + f k 1 ( ) f 1 (t ) d
(4.1)
k =2 0
Fig. 4.2. Densidad efectiva de fallos para un componente con reparacin ideal
43
Caso especial:
Si el tiempo entre fallos se distribuye exponencialmente, entonces f k (t ) sigue la
distribucin Erlangian, que es igual a la distribucin gamma con un valor entero de .
Llegaremos a esa conclusin mediante el clculo siguiente:
f1 (t ) = f (t ) = e t
t
f 2 (t ) = e e
d = 2 t e t
0
t
f 3 (t ) = 2 e
e t d = 3 t e t
f k (t ) = k
t k 1
e t
(k 1)!
=k,
ideal, es:
( t ) = e t e t
L(t ) = f k (t ) = e t
k =1 (k 1)!
k *1
k 1
luego:
L(t ) =
Conclusin:
Como cabra esperar, la densidad de fallos para un componente con una esperanza
de vida distribuida exponencialmente y con reparacin ideal, es constante e igual a
Captulo V
MANTENIMIENTO PREVENTIVO
Para cualquiera de nosotros es bastante duro planificar el curso de una accin y ceirse a l,
particularmente si contrariamos con ello a alguno de nuestros amigos; pero es doblemente duro para
un aviador permanecer en Tierra esperando el momento de volver a volar.
Glenn Curtis11
5.1 DEFINICIN
Este tipo de mantenimiento, tiene por finalidad prevenir la ocurrencia de fallos que an
45
Conviene subrayar que estas tareas se realizan a intervalos fijos, como por ejemplo,
cada 3.000 horas de operacin o 500 aterrizajes, al margen de la condicin real del tem.
Mantenimiento
preventivo
Tiempo
predeterminado
Tp
Sistema en uso
Tarea de mantenimiento
preventivo realizada en
Tp
Fig.5.1. Diagrama de flujo del mantenimiento preventivo
46
Frecuencia
Duracin
TIPO
(horas de vuelo)
(das empleados)
Revisin mayor
18.000
25 30
Revisin intermedia
4.500
Revisin de servicio
800 3.000
1-2
125 500
0,3
5.2 VENTAJAS
Una de las principales ventajas de esta poltica de mantenimiento estriba en el hecho de
que las tareas de mantenimiento preventivo se realizan en un instante de tiempo
predeterminado, con lo que pueden suministrarse por anticipado todos los recursos de
apoyo al mantenimiento, evitando posibles interrupciones costosas.
Otra ventaja es la de evitar la produccin de fallos que, en algunos casos, pueden tener
consecuencias catastrficas para el usuario o explotador y para el entorno; el intervalo
entre fallos es mayor aplicando esta estrategia de mantenimiento.
5.3 INCONVENIENTES
A pesar de las ventajas presentadas en el prrafo anterior, el mantenimiento preventivo
tiene inconvenientes que deben reconocerse y minimizarse. El ms significativo de
todos ellos es que ste puede ser poco rentable, ya que la mayora de los elementos se
12
47
esta tcnica se ha basado en la tasa de fallos y su recproco, el tiempo medio entre fallos
(MTBF); se asume que estas variables pueden ser determinadas estadsticamente y, por
ello, un elemento puede ser reemplazado antes de que falle. La principal debilidad de
esta hiptesis es que la tasa de fallos es un promedio; debido a ello, si se selecciona un
perodo de tiempo especfico para llevar a cabo el mantenimiento en un componente con
un patrn de fallo aleatorio, muy probablemente resulte ineficaz. Para determinados
tems, aunque el fallo est relacionado con la edad, la probabilidad de que ocurra no
experimenta cambios bruscos, por lo que la hiptesis de un punto de inflexin en la
grfica queda descartada (cambio brusco de pendiente en la curva)
El coeficiente de utilizacin del elemento o sistema considerado, CU, definido como:
CU p =
MTTM
<< 1
MTTF
MTTM
MTTF
Tp
Fig. 5.2. Relacin entre MTTM y MTTF
48
Otra desventaja es que una incorrecta ejecucin de las tareas de mantenimiento crea a
menudo ms problemas que si el mantenimiento no hubiera sido realizado; ms an,
aunque los trabajos se hubiesen ejecutado de acuerdo a los procedimientos establecidos,
las estadsticas muestran que si aquellos consistieron en retornar el equipo a la
condicin de nuevo, en el 72% de las ocasiones13 estas acciones provocarn
mortalidad infantil14 en estos elementos.
pertenecen a esta categora, el resto del epgrafe asume que los componentes tienen
riesgo de fallo creciente.
Sea,
f T (t ) = funcin densidad de fallos
TM = intervalo de tiempo fijo entre tareas de manten.
13
NASA Reliability Centered Building & Equipment Acceptance Guide, January 2001.
Definida como fallos a muy temprana edad debidos a nueva instalacin o restauracin por mantenimiento
preventivo.
14
49
f (t ) para 0 < t TM
f1 (t ) = T
0 en caso contrario
R(t ) = funcin de fiabilidad del componente
f T* (t ) = f 1 (t kTM )R k (TM )
(5.1)
k =0
Una funcin tpica se muestra en la figura 5.3. El eje de abscisas (escala de tiempo) se
ha dividido en segmentos iguales de duracin TM. La funcin f T* (t ) en cada segmento
representa una grfica a escala de la funcin dibujada en el intervalo anterior, con un
factor de escala igual a R(TM ) ; este factor es igual a la fraccin de componentes que
llegar al siguiente perodo (intervalo entre mantenimientos)
Un examen detenido de la figura muestra que las funciones de densidad de la vida til
de componentes con mantenimiento preventivo muestran una tendencia exponencial. El
efecto del mantenimiento preventivo peridico es alterar la funcin de densidad de
50
las justificaciones del extendido uso de las distribuciones exponenciales para modelizar
la duracin de los componentes. Sin el adecuado mantenimiento preventivo peridico,
tal asuncin no sera posible.
Es importante resear que en la ecuacin 5.1, k = 0 se debe utilizar slo entre:
t = 0 y t = TM ; k = 1 entre: t = TM ; t = 2TM , y as sucesivamente. Por ejemplo,
51
F (t ) = 0,25t ; 0 < t 4
R(t ) = 1 0,25t ; 0 < t 4
(t ) =
0,25
1
=
1 0,25t 4 t
0<t<4
como TM = 1 ao
4
0
42
= 4 0,25
R(TM ) = 0,75
f T* (t ) = (0,25) (0,75)
k =0
52
= 2 aos
* (t ) =
d
1 dt
=
, con el cambio de variable = 4 t
10 4t 3
1
luego:
d = dt
3
* (t ) =
4
= L
= L3 + L 4 = 0,2877
3
4
Conclusin:
El mantenimiento peridico ha reemplazado la funcin de densidad original f (t )
por otra con una tendencia exponencial, como muestra la figura 5.3 -aproximacin
1
, esto es, 3,476 aos, lo que representa un
0,2877
MTTF * = t f T* (t ) dt =
0
1
k
(0,75) (2k + 1) = 3,5 aos
8 k =0
15
53
1
f 2 (t ) = (0,25) (0,25) d = t
4
0
1
1
1
f 3 (t ) = d =
4
4
4
0
t2
2
.
.
.
k
k 1
1 t
f k (t ) =
4 (k 1)!
por lo tanto:
k 1
L(t ) =
k =1
t
4
1
f k (t ) =
4 k =1 (k 1)!
:
L(t ) = 0,25 e
5.5
t
4
fR =
1 M
L(t ) dt
TM 0
54
siendo:
L(t ) = f1 (t ) + f k 1 ( ) f 1 (t ) d
k =2 0
fR =
1
TM
TM
0,25 e 4 dt
0
:
T
1 4M
e
1
f R =
T
que, para TM = 1 ao :
1
4
f R = e 1 = 0,284 por ao
Conclusin:
Si no sometiramos al componente a mantenimiento preventivo, con slo
reparacin ideal, la funcin de densidad original sera vlida y, por lo tanto, el
MTTF = R(t ) dt = 2
0
55
fR =
1
1
= = 0,5 por ao
MTTF 2
de
reparacin
(de
fallo)
56
desde
0,5
0,284
por
ao.
C a p t u l o VI
MANTENIMIENTO POR POTENCIALES
Eres puesto a prueba de vez en cuando por tormentas, niebla y nieve. En esa situacin, piensas en
aquellos que la padecieron antes que t y te dices: si ellos pudieron hacerlo, Yo puedo hacerlo.
Antoine de Saint Exupry16
6.1 DEFINICIN
Fue la filosofa de mantenimiento preventivo generalmente aceptada en aviacin
comercial y militar hasta hace unos aos. El potencial establecido para un
componente o equipo es el lmite de tiempo entre revisiones generales. Se expresa
slo sufren fallos por azar durante su vida de servicio no deben afectarse a un potencial,
ya que una revisin no reducira su tasa de fallo. Por ejemplo, la distribucin de fallos
de un sistema serie de bloques exponenciales tiene una tasa de fallo constante e igual a
la suma de tasas de fallo de sus bloques:
n
s = i
i =1
Rs (t ) = e
siendo:
Rs = Fiabilidad
16
57
i t
s = n
Rs (t ) = e n t
s =
=
n n
Para los dispositivos que sufren desgaste y fallan principalmente por esta razn, la
determinacin de un potencial es un medio de limitar la tasa de fallo. El problema
estriba en fijar el potencial.
T = K
Dando a K un valor igual a 3, 4 el que se considere necesario para limitar la influencia
del desgaste. Este es un mtodo que ignora los factores econmicos, siendo la fiabilidad
(y la seguridad) la nica consideracin. Este tiempo entre revisiones generales,
generalmente conocido en las lneas areas como TBO, no coincide en la prctica con el
58
tiempo medio entre remociones17, MTBR, por causa de las remociones prematuras (no
programadas) provocadas por fallos o sntomas de fallo incipiente.
El tiempo medio entre remociones es fcil de calcular teniendo en cuenta que los tems
que llegan sin fallo al tiempo de revisin T se remueven precisamente entonces,
mientras que los dems han sido removidos tras producirse el fallo:
T
MTBR = T R(T ) + t f (t ) dt
(6.1)
= E ( ) = t f (t ) dt
0
F (t ) = P( t ) = f (x ) dx
0
17
Utilizamos la palabra remocin en lugar de desmontaje para distinguir entre separar el tem completo del sistema y
despiezar el tem.
18
R(t): probabilidad de que el fallo se produzca despus de t; Funcin de fiabilidad.
59
R(t ) = 1 F (t ) = P( > t )
f (t ) =
dF (t )
dR(t )
=
dt
dt
lim [t R (t )]
t >
t >
t >
t
R
(t )
1
t > R
(t ). f (t )
= lim
(6.2)
Z (t ) =
f (t )
R(t )
1
R(t )
= lim
t > R
(t ) f (t ) t > Z (t )
lim
Este lmite es nulo siempre que Z(t) no tienda a cero, o sea, un infinitsimo de orden
inferior a R(t) Como en los casos usuales Z(t) es no decreciente, esto se verifica. Por
tanto, podemos escribir:
60
= R(t ).dt
(6.3)
(6.4)
MTBR =
1
t
e dt =
0
6000
e
0
.t
1
( ) dt = e t
61
6000
0
(e
0, 6
El MTBR estar en funcin del valor de la tasa de fallo , dato de partida junto al TBO.
Vemos que antes de la revisin general (6.000 horas) y debido a fallos o sntomas de
fallo incipiente, deberemos practicar remociones, en un tiempo medio de algo ms de
4.500 horas. Todo ello con la hiptesis de partida de tasa de fallo constante (ley
exponencial)
en ARINC19.
El coste horario medio multiplicado por el MTBR ser la esperanza matemtica de coste
de una reposicin (que puede ser programada o por fallo)
T
(6.5)
siendo:
C (T) =
K1 =
[1-R (t)] =
K2 =
R(t) =
En algunos casos vale la pena sustituir un dispositivo que funciona antes de que falle.
En general, el motivo por el que se sustituye un dispositivo que funciona es que el coste
de hacerlo es pequeo en comparacin con el coste de responder a un fallo que ocurra
durante el funcionamiento del dispositivo, esto es:
19
ARINC Research Corporation, 1.964, Reliability Engineering, W. H. Von Alven, ed., Prentice Hall, Inc.,
Englewood Cliffs, N.J.
62
K 1 >> K 2
despejando C(T) de la ecuacin (6.5) resulta:
C (T ) =
K 1 (K 1 K 2 ) R(T )
(6.6)
R(t ) dt
0
La ecuacin (6.6) exige conocer la distribucin de fallos, luego para cada caso
particular habr que hallar el mnimo C(t) con la ayuda de un ordenador o empleando
mtodos aproximados en general.
T = TBO = Lmite de tiempo entre revisiones generales
para 0 < t T,
( 6.7)
con f(t) como funcin de densidad de la variable aleatoria (tiempo hasta el fallo), siendo
su funcin de distribucin:
t
F (t ) = P( t ) = f (x ) dx
0
F(0) = 0
F() = 1
= R(T). f (t - T)
para T < t 2T
= [R(T)]k . f (t-KT)
63
Ntese que en cada intervalo entre dos revisiones generales consecutivas, la densidad de
probabilidad de fallo es el producto de la probabilidad de que no hayan fallado los k
dispositivos empleados hasta kT, por la densidad de probabilidad de fallo
correspondiente al (k+1)-simo dispositivo que comenz a funcionar en el instante kT.
El MTBUR se deduce de la expresin (6.7) como esperanza matemtica del tiempo
hasta el fallo:
2T
MTBUR = t fr (t ) dt = t f (t ) dt + t R(T ) f (t T ) dt +
0
( k +1)T
t[R(T )]
f (t kT ) dt +
kT
MTBUR =
t f (t ) dt + T R(T )
0
1 R(T )
MTBUR =
R(t ) dt
0
1 R(T )
MTBR
1 R(T )
(6.8)
MTBUR >
64
MTBUR =
dt
1 e T
ya que:
R(t ) = e t
nos queda:
T
MTBUR = e
dt =
e t ( ) dt =
0
] (
e T 1 = 1 e T
e t
T
0
luego:
MTBUR =
= R(t )dt = e t dt =
por lo tanto:
MTBUR =
Lo que nos vuelve a decir que, si el dispositivo tiene tasa de fallo constante, fijar un
potencial slo sirve para perder tiempo y dinero, puesto que seguiremos teniendo
la misma tasa de fallo.
65
X Y
66
si:
P[ X > Z ] P[Y > Z ] ,
X Y
Fx ( z ) GY ( z )
cuando
t 0 y a 0 , N (t ) N a (t , a )
20
Una distribucin de vida F(t) se dice que es Nueva Mejor que Usada, NBU, si:
F (x + y ) F (x ) F ( y )
Esta condicin implica que la probabilidad condicional de supervivencia de un
dispositivo de edad X es menor o igual que la probabilidad correspondiente de un
dispositivo nuevo. Es decir:
F (x + y )
F y =
F (y)
x
F (x )
de forma que una copia nueva del dispositivo tiene una mayor fiabilidad que otra usada.
20
Funcin de no fiabilidad:
F (t ) = P( t ) = f (x ) dx
0
67
Una implicacin importante de este resultado (F(t) = NBU) es que, para dispositivos
NBU, el mantenimiento preventivo reduce estocsticamente el nmero de fallos que
ocurren en cualquier intervalo. Por esta razn, el mantenimiento preventivo se utiliza
habitualmente con dispositivos que tienen distribuciones de vida que son elementos de
la clase de distribuciones NBU.
Supongamos que ra (t, a) representa el nmero de sustituciones de dispositivos en
[0, t] de acuerdo con una poltica de sustitucin por edad, con edad de sustitucin a y
que rb (t, b) es el nmero de sustituciones de dispositivos en [0,t] de acuerdo con una
poltica de sustitucin en bloque con intervalo b. La distincin entre fallos y
sustituciones es que las sustituciones incluyen tanto a los dispositivos cambiados debido
a fallos como a los reemplazados preventivamente antes del fallo. Entonces, para todos
los valores t > 0 y para cualquier tiempo comn de procedimiento > 0:
a)
st
a (t , ) b (t , )
b) si F(t) presenta una tasa de fallo creciente (es decir, es IFR), entonces:
st
N a (t , ) N b (t , )
Por lo tanto, por cada distribucin de duracin de vida, la sustitucin por edad resulta
estocsticamente en menos sustituciones que la sustitucin en bloque.
ra rb
No obstante, para distribuciones de vida IFR (tasa de fallos decreciente), la sustitucin
por edad resulta estocsticamente en un nmero mayor de fallos.
COSTES:
68
1er caso:
Supongamos que es posible identificar los costes de una sustitucin planificada y de los
fallos y que estas cantidades se representan respectivamente por C1 y C2. Entonces, un
modelo de costes para el uso de una estrategia de sustitucin en bloque sera:
E [C ( b )] =
C1 + C 2 M F ( b )
donde:
C1 =
coste de prevencin.
C2 =
coste de reparacin.
El modelo calcula el coste por unidad de tiempo asociado por el uso de una estrategia de
sustitucin en bloque con un tiempo de poltica b.
d
E [C ( b )] =
d b
C2 b
d
M F ( b ) C1 C 2 M F ( b )
d b
69
2
b
=0
C
d
M F ( b ) M F ( b ) = 1
d b
C2
b b =
C1
=0
C2
Este resultado indica apropiadamente que, puesto que no se produce una mejora en el
comportamiento de riesgo o de fallos como resultado de realizar sustituciones
preventivas en dispositivos con distribuciones de vida exponenciales, no se debe
realizar en estos dispositivos un mantenimiento preventivo.
Se llega directamente a la misma conclusin sustituyendo t por MF (t) en la funcin
esperada de coste:
E [C ( b )] =
C1
+ C2
C
d
E[C ( b )] = 12 = 0
d b
70
2 caso:
Para una poltica de sustitucin por edad a, una sustitucin planificada tiene lugar
cuando un dispositivo sobrevive hasta una edad, a, y una sustitucin no planificada
ocurre cuando el dispositivo falla antes de a. Considerando cada sustitucin de un
dispositivo como el fin de un ciclo de funcionamiento, el coste del ciclo es:
CT ( a ) = C1 F ( a ) + C2 F ( a )
donde:
F = funcin de fiabilidad
E (T ) = a F ( a ) + t f (t ) dt = F (t ) dt
E[C ( a )] =
C1 F ( a ) + C 2 F ( a )
a
F (t ) dt
0
dE[C( a )]
=
d a
F(t ) dt
0
71
=0
F ( a ) + Z ( a ) F (t ) dt =
0
C2
C 2 C1
con:
f (t )
F (t )
Z (t ) =
TASA DE FALLO
Tambin aqu la solucin tiene el atractivo intuitivo de que la longitud del intervalo de
sustitucin (a) depende directamente de la relacin de costes de reparacin.
Ntese adems que la condicin de la derivada segunda es:
(C 2 C1)
d
f (a ) F (t ) dt + [(C 2 C 1) F (a ) + C 1] f (a )
da
0
a
F (t ) dt
0
=0
y puesto que:
d
d
Z (a ) 1
f (a ) = F (a )
da
da
(C 2 C1) F (a )
a
Z (a ) 1
da
F (t ) dt
+ E [C (a )] a
f (a )
F (t ) dt
=0
Lo cual implica que la poltica ptima de sustitucin por edad ocurre en el lmite
del dominio posible, de forma que no debe realizarse un mantenimiento
preventivo.
72
Una vez ms, la solucin analtica confirma que el mantenimiento preventivo slo
es til cuando los nuevos dispositivos proporcionan una ventaja clara sobre los ya
existentes.
73
Realidad
H0
H1
H0
---
Error tipo II
H1
Error tipo I
---
Hiptesis
t 1 r
2r Ln r Ln(xi )
r r i =1
Br =
r +1
1+
6r
donde xi es el i-simo tiempo al fallo observado, y:
r
t r = xi
i =1
2
1 2 , r 1, 2 , r 1
74
Veamos un ejemplo:
Consideremos los siguientes tiempos hasta el fallo de una poblacin de elementos
idnticos, para los que se supone una distribucin negativa exponencial:
21.2
0.1
15.3
5.8
26.7
2.1
4.3
7.3
11.3
7.5
14.1
32.1
2.8
6.7
16.9
17.6
12.6
2.3
7.7
4.5
B20
218.9 1
2 (20 ) Ln
(38.80 )
= 15.42
20 20
=
21
1+
120
2 0.95,19 = 10.12
2 0.05,19 = 30.14
22
75
2 1-2 , r 1
2 2 , r 1
0.1
10.117
30.114
0.2
11.651
27.204
0.4
13.716
23.900
2
Z (t ) =
1
(t )
cabe considerar una tasa de fallo constante equivalente para un perodo limitado. Este
perodo ser el tiempo entre reposiciones, establecido para impedir un desgaste
excesivo. En estos casos, el uso de la ley exponencial ser pesimista, pues la curva:
R(t ) = e t
76
R(t ) = e
para el caso frecuente en que = 0 (es decir, hay probabilidad de fallo desde t = 0) y
para el valor particular de = 1:
R(t ) = e t
R(t ) = e t ( ) t 1
para t = 0
R(0) = 0
As pues, las tasas de fallo constantes Z(t) = , dadas para muchos componentes de
pronto envejecimiento, son artificiales, pero pueden ser tiles. Estas tasas de fallo
debern ser acompaadas siempre del perodo de validez. Esta tasa de fallo constante
equivalente a se obtiene de ensayos y viene dada por la condicin de igualdad de
proporcin de supervivientes al trmino del perodo de reposicin T:
T
e T = e
Z (t )dt
0
1
= Z (t ) dt
T 0
donde Z(t) es la verdadera tasa de fallo (creciente) del componente. Advirtase que no
es igual a la tasa de fallo media para el perodo (0, T), aunque se aproxima mucho para
pequeos valores de Z(t) y T.
77
Nota aclaratoria:
Este valor, dividido por la longitud t del intervalo, se denomina tasa media de fallo
en (t, t + t):
Z (t , t ) =
R(t ) R(t + t )
t R(t )
78
F (r ) = P ( r ) = e m
i =0
r
mi
e 6 6 i
=
= 0 .9
i ! i =0 i !
Para averiguar el nmero r que hace esta probabilidad igual a 0,9 se busca en una tabla
de la distribucin de Poisson, obteniendo:
P( 9) = 0.916 0.9
e t ( t )
Pr (t ) =
r!
P0 (t ) = e t
79
Expresin que coincide con la fiabilidad de un dispositivo que falle slo por azar, cuya
expresin es la siguiente:
R(t ) = e t
que es la fiabilidad en el caso de distribucin exponencial.
Esto indica que, para que los fallos se presenten poissonianamente, el dispositivo slo
puede tener dos estados:
- no fallado (tan bueno como nuevo)
- fallado
80
C a p t u l o VII
MANTENIMIENTO
CENTRADO EN LA FIABILIDAD
El curso del vuelo fue excesivamente errtico, parcialmente debido a la irregularidad del aire y otro
tanto por la falta de experiencia a la hora de manejar esta mquina.
Orville Wright
T = K
Lo ideal sera no sustituir el tem hasta momentos antes de que fuera a fallar y
hacer esto con absoluta seguridad. Lo que irrita a los responsables de mantenimiento
es fijar un TBO de 6.000 horas para un tem con vida media de desgaste muy superior,
desperdiciando la mayor parte del rea bajo la curva de densidad.
81
Las tres condiciones necesarias para que un TBO sea eficaz son:
1/ Existe un punto en el tiempo en que la tasa de fallo comienza a aumentar
rpidamente;
2/ Una gran parte de las unidades sobreviven hasta ese punto, convirtindose en
candidatos al fallo si se las deja en servicio ms tiempo;
3/ La revisin general consigue realmente poner a cero horas las unidades.
Segn Nowlan, la experiencia de United Airlines muestra que la mayora de los
componentes no cumplen las condiciones expuestas.
Se sabe que la fiabilidad es un atributo de diseo, evitando el mantenimiento en lo
posible su degradacin. Esto explica que el nmero de propuestas de modificacin del
diseo como consecuencia de la observacin de modos de fallos reiterativos sea muy
grande.
82
83
MANTENIMIENTO
CORRECTIVO
MANTENIMIENTO
PREVENTIVO
MANTENIMIENTO
PREDICTIVO
85
MANTENIMIENTO
PROACTIVO
Mantenimiento Correctivo:
Elementos pequeos.
No crticos.
Existe redundancia.
Probabilidad de fallo muy baja.
Mantenimiento Preventivo:
Mantenimiento Proactivo:
FMEA.
RCFA.
86
Entradas
Salidas
Recursos
Restricciones
Identificacin
del sistema y
su entorno
Identificacin
de subsistemas
y componentes
Hasta qu
nivel?
Examen de las
funciones
Primaria o de soporte?
Continua o intermitente?
Activa o pasiva?
Definicin de
fallo y
relacin de
modos de fallo
Fallos
- Ocultos
- Potenciales
Identificacin
de las
consecuencias
de cada fallo
Medioambientales,
salud, seguridad,
operacionales/misin:
- Disponibilidad
- Cantidad
- Calidad
Coste
87
modos de fallo y sus efectos sobre el xito de la misin. Considera que el objetivo
principal es descubrir reas de fallos crticos y eliminar susceptibilidad del sistema a
tales fallos.
Los fallos en potencia se analizarn en cuanto a la probabilidad de ocurrencia de cada
uno y efecto sobre el xito de la misin del sistema. De este anlisis de probabilidad e
importancia surge una ordenacin de modos de fallo crticos que ayuda a distribuir el
esfuerzo correctivo, ya que no siempre ser posible, por razones de tiempo, coste o de
otro tipo, eliminar o aminorar las consecuencias de todos los modos de fallo
identificados. Evidentemente, los modos de fallo crticos de primer orden darn lugar a
las acciones correctivas ms enrgicas, recurriendo a la redundancia, componentes ms
fiables y otros medios adecuados. Los modos de fallo de orden inferior sern objeto de
25
Ver MIL-STD-1629A
88
Esta tcnica comienza por el sistema completo, considerando en detalle sus funciones y
posibles modos de fallo que le impidan cumplirlas, y sigue en sentido descendente por
los dems niveles de integracin, hasta el nivel de componente. En cuanto al tiempo, ya
hemos dicho que comienza en la fase inicial de definicin de diseo y prosigue hasta el
ensayo final y la entrega.
Los formatos empleados difieren en detalles, pudiendo incluir ms o menos
informacin. El siguiente ejemplo se refiere a circuitos electrnicos y puede
considerarse bastante tpico.
Ref. circuito
Componente
Modo de fallo
Tasa de fallo
Efecto(s)
Importancia
90
componentes depende del entorno de operacin. Por ltimo, se supone que, como
consecuencia de la manipulacin correcta de los componentes, estos muestran un
comportamiento constante de riesgo. La prediccin de la fiabilidad se basa en datos
estadsticos de los componentes y utiliza modelos matemticos para sintetizar la
fiabilidad del sistema.
El procedimiento de prediccin de la fiabilidad basada en la tasa de fallo de los
componentes es el normalmente empleado para equipos y sistemas electrnicos,
Debe comenzarse por hacer una lista de componentes por bloque, en la que deben
figurar todos ellos, sean crticos o no. El anlisis FMEA revelar los modos de fallo
crticos y no crticos. Estos ltimos no debern considerarse en el clculo, por lo que se
har una deduccin de su tasa de fallo.
Si conocemos la probabilidad de que ocurra cada modo de fallo M y la probabilidad de
que la funcin del sistema, subsistema, unidad o equipo se pierda en caso de ocurrir el
modo de fallo M, podemos asignar a cada modo de fallo un rango de importancia:
RI = P(M) P (prdida /M)
Los modos sealados como CRTICOS se supone que provocan la prdida del elemento
con probabilidad 1. Cuando no es seguro que el modo de fallo produzca la prdida de la
unidad, se puede asignar a P (prdida/M) un valor por juicio subjetivo, a falta de otra
forma mejor.
Las tasas de fallo de los componentes se obtendrn de las especificaciones o
manuales disponibles. Adems, las tasas de fallo de un mismo componente variarn de
R(t ) = e
Z ( x )dx
0
Si la frmula nos diese la fiabilidad en funcin del tiempo, se hallara Rs (t) para varios
valores de t a fin de trazar la curva de fiabilidad, cuya integracin numrica o grfica
nos dar la media o MTBF (en el caso de sistemas que fallan exponencialmente y son
reparables, = MTBF)
Gran parte del mpetu en el desarrollo de mtodos de prediccin de la fiabilidad se
origin en las FF.AA. de los EE.UU y, en menor grado, en las organizaciones del
programa espacial. Estos mtodos se encuentran codificados en el manual 217 de las
Fuerzas Armadas de los Estados Unidos (MIL-HDBK-217) y en un nmero creciente de
guas anlogas que estn siendo desarrolladas en otros pases.
93
como mantenimiento proactivo, que emplea varias tcnicas para extender la vida del
tem, debiendo cubrir todos los fallos, ya sean de hardware como de software. Su puesta
en prctica acarrea los pasos siguientes:
a / Observacin del fallo del tem.
b/ Documentacin del mismo en la base de datos al efecto.
c/ Verificacin del fallo, repitindolo en la forma reportada o mediante evidencia
(funcin BIT, daos en el HW,.)
d/ Aislamiento del fallo.
e/ Sustitucin del elemento sospechoso de producir el fallo.
f/ Anlisis del elemento sustituido.
g/ Establecimiento de la causa del fallo.
h/ Determinacin de accin correctora.
i/ Incorporacin de la accin correctora a un prototipo de ensayo.
j/ Pruebas en el prototipo26.
k/ Verificacin de la efectividad de la accin correctora.
l/ Incorporacin de la accin correctora a la produccin (en caso de xito)
26
En algunos casos, las acciones correctoras en trminos de cambios al diseo sern demasiado caras o imposibles de
implementar. En estos casos, las tareas de mantenimiento se vern afectadas.
94
7.6
AREA
La estrategia RCM se ha convertido en el proceso aceptado en todo el mundo para
desarrollar programas de mantenimiento de aviones. Siguiendo el objetivo de asegurar
al mximo la seguridad y fiabilidad al menor coste posible, cada ao ha descendido
bruscamente el nmero de accidentes por milln de despegues en la industria de las
compaas areas. Al mismo tiempo, se ha reducido drsticamente la cantidad de
mantenimiento preventivo empleado. Por ejemplo, en el Boeing 747 slo se necesitan
66.000 horas-hombre de inspeccin estructural para las primeras 20.000 horas de vuelo.
Bajo las polticas de mantenimiento tradicionales se necesitaban cuatro millones de
horas-hombre.
95
27
96
Datos obtenidos de la revista Aviation Week & Space Technology (Ed. McGraw-Hill)
97
La inspeccin diaria es slo el comienzo del ciclo de mantenimiento. Cada 150 horas de
vuelo, lo que en el caso del B-747 se traduce en dos semanas de vida operativa, el avin
es sometido a una inspeccin ms exhaustiva. Cada 1.000 horas de vuelo, equivalente a
casi 3 meses para un reactor grande, entra en hangar durante una jornada de trabajo de
24 horas.
El programa de mantenimiento tiene como objetivo asegurar el servicio comercial
regular del avin durante unos 18 meses, interrumpido slo por comprobaciones en
hangar, frecuentes pero relativamente breves. Al cabo de ese tiempo, se retira el avin
del servicio para realizar en l una revisin de carcter intermedio. En todos los
aspectos, una verdadera revisin general que necesita un equipo de cerca de 120
tcnicos y dura alrededor de 12 das.
Todo ello se queda corto en comparacin con el ltimo nivel: el examen ms exhaustivo
al que se somete un avin comercial. Es una revisin general de mayor importancia y
tiene lugar cada 24.000 horas de vuelo, cada 4 5 aos.
Esta gran revisin general requiere un mes para completarse, durante la cual
prcticamente se desguaza el avin. Se levanta el suelo, se desmontan los motores, as
como las superficies de control (slats, flaps, timones de profundidad y direccin,...) y el
tren de aterrizaje, inspeccionndose todas las juntas y remaches. Puede que se sustituyan
paneles enteros del revestimiento y que se renueven kilmetros de cables. La tecnologa
nunca se detiene; los especialistas de avinica aprovecharn una revisin como sta para
instalar las ltimas innovaciones de ayudas electrnicas de la cabina o para modificar
los sistemas existentes.
Los motores tienen un mantenimiento propio. Como el resto del avin, son sometidos a
revisiones constantes, para lo que se usan sistemas muy ingeniosos que permiten a los
tcnicos realizar inspecciones internas con el motor an en su sitio (tcnicas
boroscpicas, etc.) Sin embargo, los motores de aviacin modernos son muy fiables; es
bastante corriente que un motor funcione a lo largo de un par de aos sin ser
desmontado del avin. Incluso cuando se necesita reemplazar un determinado
componente, a menudo se puede hacer el cambio con el motor en su sitio; si esto no es
98
posible, se retira el motor entero y se le sustituye por otro recin revisado, mientras que
el sustituido se enva al taller para una revisin completa.
Los aviones de BA tienden a seguir diferentes pautas de trabajos, lo que ayuda a
suavizar los picos y valles del trabajo de mantenimiento. Cerca de 150 aviones, o sea,
unos 2/3 de la flota, realizan viajes cortos, volando de da y haciendo el mantenimiento
por la noche; entre ellos, unos 30 pasan todas las noches a los hangares de
mantenimiento durante unas horas.
Los aviones intercontinentales vuelan tanto de noche como de da. En un da tpico en el
aeropuerto de Heathrow, una veintena de aviones intercontinentales (B-747, B-767, A340) se sometern a un mantenimiento de rutina. Muchos aviones permanecen cierto
tiempo en tierra en los aeropuertos de destino al otro lado del ocano, incluyendo
posiblemente una parada durante la noche. All completarn su mantenimiento rutinario
menor, bajo la supervisin de uno de los 300 tcnicos reconocidos por BA en 150
ciudades por todo el mundo.
Junto al mantenimiento programado, se lleva a cabo la tarea diaria paralela de mantener
el avin en servicio durante su ocupada vida operativa. Un comandante a su vuelta a
Heathrow puede informar por radio de la existencia de un problema electrnico, o una
un avin sufre un retraso o una desviacin, los tcnicos deben estar preparados para
ayudar a cambiar el avin, reprogramar otros vuelos o enviar repuestos urgentes, todo
con el objetivo principal de transportar a los pasajeros a su destino lo antes posible.
El mantenimiento de avin es una de las partidas ms costosas que tiene que afrontar
una compaa area. Por ello, puede que para una compaa con una flota de menos de
una veintena de aviones grandes, sea ms barato externalizar este servicio
(outsourcing), que soportar el coste prohibitivo de establecer su propia organizacin. A
medida que los costes aumentan, un mayor nmero de compaas areas buscan que
contratistas importantes, como por ejemplo BA, les hagan el trabajo. Para los primeros,
eso significa disfrutar de magnficos servicios de mantenimiento a un precio razonable;
para los segundos, supone cada ao millones de libras en ingresos adicionales.
100
C a p t u l o VIII
MANTENIMIENTO BASADO
EN EL EXAMEN DE LA CONDICIN
Estoy convencido de que el vuelo es posible y mientras sigo investigando, ms por placer que por
beneficio, pienso que hay una ligera posibilidad de alcanzar fama y fortuna con esto.
Wilbur Wright
8.1 INTRODUCCIN
Como parte de un programa RCM, esta tcnica, tambin llamada monitorizacin de la
condicin (Condition Monitoring; Predictive Testing & Inspection), se basa en un
nuevo enfoque de la fiabilidad.
El mantenimiento preventivo ortodoxo implica un alto coste para el usuario, ya que para
poder mantener el nivel de fiabilidad requerido, la mayora de elementos se sustituyen
prematuramente. Al mismo tiempo, esta prctica implica una reduccin en la
disponibilidad operativa del elemento.
Para aumentar el nivel de utilizacin de los elementos sustituidos preventivamente,
conservando una baja probabilidad de fallo durante su vida operativa, es necesario
obtener ms informacin sobre su comportamiento a lo largo del proceso de
operacin. Ya que la funcin de fiabilidad representa la principal fuente de
informacin, el nico camino era crear un nuevo enfoque de la fiabilidad que pudiera
suministrar una imagen ms completa del proceso de cambio de los elementos
considerados. Mediante el suministro de una informacin ms completa del proceso de
cambio en la condicin, se llega a un nivel ms alto de utilizacin de los elementos,
conservando una baja probabilidad de fallo durante la operacin.
Es un proceso dinmico, porque el tiempo para la realizacin del siguiente examen se
determina completamente a partir de la condicin real del sistema al efectuar cada
examen. El control dinmico de las tareas de mantenimiento segn este nuevo modelo
101
en la vida del sistema (mtodo ortodoxo), pero con una utilizacin ms completa de
la vida operativa, reduciendo as el coste total de operacin y produccin.
Es importante destacar que este tipo de mantenimiento no es aplicable a todos los tipos
de tem o modos posibles de fallo, por lo que no debera ser el nico tipo de
mantenimiento practicado.
29
102
F ( x ) = P( X x ) =
f (u ) du
103
f (u ) du = 1
F (x ) =
f (u ) du
F( x ) = f ( x )
f RCP (t ) (c )
donde c es el intervalo definido por su valor inicial, RCPin, y su valor lmite, RCPlim.
Cuando el estimador rebasa el lmite prescrito, se presenta la transicin al estado
de fallo.
104
RCPlim
RCP (t )
(c ) dc = R(t )
(8.1)
RCPin
(t)
30
105
Crtico del Estimador de Condicin, RCPcr, ms all del cual deben realizarse las
tareas de mantenimiento adecuadas.
El margen entre los valores lmites y crticos ser el intervalo de seguridad, y depende
de la capacidad del usuario para medir la condicin del elemento mediante el estimador
RCP.
Desde el punto de vista del mantenimiento, el elemento considerado puede estar, segn
el valor de la variable RCP en cualquier instante de tiempo, en uno de estos tres estados:
RCPin < RCP(t) RCPcr: continuacin de las inspecciones o exmenes;
RCPcr < RCP(t) < RCPlim: se precisa la tarea de mantenimiento preventivo;
RCPlim RCP(t): es necesaria la tarea de mantenimiento correctivo, porque el
fallo ya ha ocurrido.
Inspeccin
RCPin
Mto. Pvto.
RCPcr
RCP(t)
Mto. Ctvo.
RCPlm
RCP(t)
RCP(t)
106
ecuacin:
Con respecto al valor registrado, las dos siguientes condiciones son posibles:
1/ MRCPTE > RCPcr , lo que significa que debe realizarse la tarea de mantenimiento
1
prescrita;
2/ MRCPTE < RCPcr , el elemento puede seguir siendo utilizado. Llegado este momento,
1
la pregunta que surge inmediatamente es: cundo tendremos que realizar el siguiente
examen, manteniendo el nivel de fiabilidad exigido?
El tiempo hasta el siguiente examen depender de la diferencia:
MRCPTE1 RCPcr
32
Conocida tambin como Fiabilidad Requerida, determina RCPcr y el tiempo hasta la primera
inspeccin.
107
Cuanto mayor sea la misma, mayor ser el tiempo de operacin hasta el siguiente
examen (TE2 TE1) Durante ese tiempo extra se mantiene el nivel de Rr.
El Momento del Siguiente Examen es el valor TE2 que deber satisfacer la siguiente
ecuacin:
RCPcr
TE 2
f (t , MRCP ) = f
TE1
TE1
RCPTE 2
MRCPTE1
(c ) dc
donde:
f RCPTE
108
Mantenimiento
basado en el
examen
Determinacin
de T1 y RCPcr
Sistema en
uso
No
MRCP>RCPcr
Tarea de
mantenimiento
preventivo
Determinacin
momento
siguiente
examen Tn
Continuacin
en servicio
Examen
del RCP
en Tn
MRCP>RCPcr
109
No
una vida operativa ms larga para cada elemento individual que en el caso de
mantenimiento basado en la vida del sistema (mantenimiento preventivo
tradicional);
continuacin.
Conforme a la dinmica expuesta en el epgrafe anterior, todos los sistemas realizan la
funcin esperada hasta el tiempo TE1.
La Vida Operativa Media Alcanzable, MULTE1, ser:
MULTE1 =
TE1
TE1
R (t ) dt =
lim
110
RCPcr
f RCP (t ) (c ) dc dt
RCPin
RCPcr
TE1
TE1
RCPin
siendo:
EMTTF: Mejora de la esperanza matemtica de la variable aleatoria tiempo hasta el
111
MUL
CU =
=
MTTF
Rlim (t ) dt +
R (t ) dt
cr
TE1
R (t ) dt
MUL + EMTTF
MTTF
lim
112
113
Mantenimiento
basado en la
condicin
Determinacin de TI y
RCIcr
Sistema en uso
Inspeccin de
RCI en TI
No
RCI>RCIcr
S
Tarea de
mantenimiento
preventivo
Fig. 8.5. Diagrama de flujo de una poltica basada en la inspeccin
CU
MTIR
=
=
MTTF
RCI
cr
dt
MTTF
siendo:
MTIR = Tiempo medio hasta la sustitucin del elemento.
En esta estrategia de mantenimiento, el criterio de optimizacin es el nivel exigido de
fiabilidad, Rr.
114
TI i = A [ log(Rr )] B
( 8.2)
Mecanismo
Parmetros de escala
(horas)
Parmetro de forma
Funcin de riesgo
100
0.77
Decreciente
100
1.00
Constante
100
1.77
Creciente
33
34
Datos obtenidos del libro de Sherif, Y.S. & Smith M.L. (ver bibliografa)
115
TI ix (hrs)
TI iy (hrs)
TI iz (hrs)
6,915
12,783
31,281
10,096
12,783
14,994
11,791
12,783
11,913
13,046
12,783
10,269
14,062
12,783
9,198
14,939
12,783
8,425
15,704
12,783
7,833
16,391
12,783
7,359
17,016
12,783
6,968
10
17,591
12,783
6,638
caso de funcin de riesgo decreciente (mecanismo X), la frecuencia tambin decrece los tiempos hasta la siguiente inspeccin son cada vez mayores-, mientras que en el caso
de funcin de riesgo creciente (mecanismo Z), la frecuencia de inspecciones es
creciente -los tiempos hasta la siguiente inspeccin son cada vez menores-, como era de
esperar. En conclusin:
La frecuencia de las inspecciones viene determinada por el nivel de riesgo que
se le conceda al mecanismo (creciente, constante o decreciente); ciertamente, un
enfoque cualitativo;
La programacin de la siguiente inspeccin viene determinada de antemano,
desaprovechando los datos que se van obteniendo en cada una de ellas -sus
posibles efectos-.
116
C a p t u l o IX
ALGORITMO PARA UNA ESTRATEGIA DE
M A N T E N I M I E N T O B A S A D A E N E L E X A M EN D E L A
CONDICIN
Aprender de las aves el secreto de volar es como aprender la magia de un mago. Despus de saber lo
que has de buscar, ves cosas en las que no te fijabas cuando no sabas exactamente dnde buscar.
Orville Wright35
9.1 INTRODUCCIN
Nuestro propsito es construir, a partir de un muestreo, un modelo matemtico36
del comportamiento aleatorio de un dispositivo que nos ayude a optimizar el
mantenimiento de ste y, como consecuencia de ello, maximizar su vida til. De
El 17 de diciembre de 1903 protagoniz el primer vuelo tripulado en un avin propulsado (Kitty Hawk, NC).
Recorri una distancia de 40m en 12 sg.
36
117
El ajuste de datos mediante una distribucin terica es un proceso nada trivial que puede
requerir una gran cantidad de clculos, razn por la que se han venido desarrollando
diversos programas informticos especficamente diseados para el modelado de las
observaciones de fenmenos aleatorios. Caben destacar los siguientes:
ExpertFit (Law, McComas; 2003)
StatFit (Leemis; 2002)
BestFit (Sugiyama, Chow; 1997)
Muchos de los principales entornos informticos de simulacin (Arena, Extend,
SimProcess, Simul8, @Risk, etc.) incluyen alguno de los programas anteriores, e
incluso los paquetes estadsticos genricos como Minitab, SAS SPSS tienden a incluir
herramientas propias, cada vez ms sofisticadas, que faciliten al investigador el ajuste
de datos mediante alguna distribucin terica.
No obstante, en aras de una explicacin ms detallada, prescindiremos del empleo de un
software tan especfico y en su lugar utilizaremos como apoyo, para la resolucin del
caso prctico enunciado ms adelante, el paquete informtico Microsoft Excel37. Con la
ayuda de esta herramienta, hemos desarrollado un original programa informtico
bautizado con el nombre de SuAP (Support Analysis Program). Se trata de un
programa de bajo coste, preciso, de fcil aplicacin y mantenimiento. A lo largo del
presente captulo se darn detalles del mismo; adems, el apndice C contiene
instrucciones de operacin.
37
Ver Prez, C.: Estadstica Aplicada a travs de Excel; Pearson Educacin, S.A., 2.002.
118
El modelo de vehculo elctrico tiene un peso (con carga) de 2,5 Tm. y lleva motores en
serie de corriente continua de 3 Kw., alimentados por bateras de traccin de 60V. a
travs de un controlador que acta sobre cuatro contactores como respuesta al pedal de
aceleracin.
Desde el punto de vista de la fiabilidad, los elementos ms crticos de los vehculos
elctricos son los juegos de contactos de los contactores y las escobillas de los motores
Datos obtenidos del libro de Knezevic, J (1996): Mantenimiento. El algoritmo (programa informtico) y el
desarrollo expuesto en el apartado 9.7 corresponde al autor de la presente tesis doctoral.
119
POLTICA de MANTENIMIENTO:
120
121
122
39
Failure Reporting Anlisis and Corrective Action System. Ver apartado 7.5
123
Miles de
operaciones
10
1.90 2.00 1.70 1.90 2.00 2.10 2.10 1.80 2.20 2.10
100
1.80 1.90 1.65 1.82 1.95 2.00 2.00 1.70 1.90 1.95
200
1.70 1.85 1.60 1.65 1.90 1.95 1.90 1.65 1.80 1.85
300
1.50 1.70 1.40 1.55 1.80 1.80 1.80 1.55 1.60 1.75
400
1.40 1.60 1.30 1.45 1.60 1.65 1.65 1.30 1.45 1.50
500
1.30 1.48 1.00 1.30 1.40 1.50 1.50 1.15 1.35 1.20
600
1.13 1.30 0.80 1.20 1.10 1.40 1.30 0.90 1.00 0.90
700
1.00 1.15 0.50 0.70 0.50 1.25 1.10 0.80 0,85 0.60
800
0.80 0.90
900
0.65 0.70
0,50
1000
0.45 0.45
0.30
0.30
1100
0,30 0.35
0.45 0.40
0,30 0.30
1200
0.30
0.65 0.30
una fiabilidad de 0,9 si los juegos de contactos se usan, sin necesidad de inspeccin,
desde que son nuevos hasta el nmero de operaciones invertidas en alcanzar ese nivel de
fiabilidad (esto es, desde R = 1 hasta R = 0.90), en cuyo momento se debe llevar a cabo
124
40
Si se compara con lo expuesto en 8.3, la diferencia estriba en que el desplazamiento de RCP(t) supone
decrementos, por lo que los signos son los opuestos.
125
42
Statistics for Managers using Microsoft Excel (2002). Prentice Hall International, Inc. Pg. 139-The
Coefficient of Correlation.
126
Slo se precisa una estimacin en puntos localizados entre valores discretos. En el caso
del contactor, debido a que cualquier dato individual puede ser incorrecto, no se
necesita interceptar cada punto, cosa que, de forma muy aproximada, hace la funcin
polinmica de tercer orden representada en la figura 9.3.
Carrera
Carrera(mm)
(mm)
e = 1,5592013 10 3 n + 2,0386224
2,20
2,20
2,00
2,00
1,80
1,80
1,60
1,60
1,40
1,40
1,20
1,20
1,00
1,00
0,80
0,80
0,60
0,60
0,40
0,40
0,20
0,20
0,00
0,00
00
y = 1,7906677E-09x
- 3,0549005E-06x
- 2,7490878E-04x + 1,9574647
3
2
y = 1,7906677E-09x - 3,0549005E-06x
- 2,7490878E-04x + 1,9574647
2
2R = 0,99732763
R = 0,99732763
2
y = 1,6830134E-07x
- 1,7611629E-03x + 2,0756487
2
y = 1,6830134E-07x -2 1,7611629E-03x + 2,0756487
2R = 0,98268195
R = 0,98268195
y = -1,5592013E-03x + 2,0386224
y = -1,5592013E-03x
+ 2,0386224
2
2R = 0,98142413
R = 0,98142413
Ajuste Cuadrtico
Ajuste Cuadrtico
Ajuste Lineal
Ajuste Lineal
Ajuste Cbico
Ajuste Cbico
200
200
400
400
600
600
800
800
1000
1000
NActuaciones
Actuaciones(en
(enmiles)
miles)
N
Fig. 9.3. Curvas de regresin de la funcin de deterioro
127
1200
1200
Aunque los coeficientes de correlacin proporcionan una manera fcil para medir la
bondad del ajuste, se deber tener cuidado, ya que es posible obtener un valor
relativamente alto de este coeficiente cuando la relacin entre las variables NO es lineal.
Hiptesis de independencia:
Conviene recordar en este punto que uno de los supuestos necesarios a la hora de aplicar
determinadas tcnicas estadsticas es la independencia de las observaciones que
conforman la muestra. Por tanto, antes de proceder al modelado, resultar conveniente
asegurarse de que dicho supuesto se verifica o, como mnimo, de que no hay indicios
para pensar lo contrario.
La mayora de los programas estadsticos de uso general incluyen herramientas y
opciones que facilitan dicho estudio. Lo importante es que en los grficos resultantes
no se observen agrupaciones o patrones extraos que hagan sospechar que la
hiptesis de independencia no se cumpla. En el caso que nos ocupa, no se aprecian,
128
Warletta, J. Fiabilidad: 24
D.T. OConnor, Practical Reliability Engineering:36; Ramakumar, R, Engineering Reliability: 96
129
anterior conocida) Conviene ensayar la muestra hasta el fallo de todas las unidades; las
muestras sern generalmente menores que las usadas con la hiptesis exponencial, pero
el tiempo de espera (duracin del ensayo) suele ser mucho ms largo, ya que en el caso
exponencial se tiene buen cuidado de no llegar al desgaste.
Las unidades que fallan por azar durante un ensayo de vida de desgaste deben ser
cuidadosamente identificadas (anlisis de los fallos) y eliminadas totalmente de la
muestra. Tampoco su tiempo hasta el fallo por azar deber tenerse en cuenta.
Ensayando hasta el fallo n vidas de desgaste, siendo n el tamao de la muestra (en
nuestro caso, n = 10), los n tiempos hasta el fallo registrados t1, t2, .tn, constituyen la
informacin muestral buscada.
T1
T2
T3
T4
T5
T6
T7
T8
T9
T10
1100
1200
800
1000
900
1200
1200
1000
1000
800
1 n
n i =1 t i
En nuestro caso, sin descartar ninguna observacin, con lo que tendremos una muestra
de tamao n =10:
=
1 10
= 1020 operaciones
10 i =1 t i
45
llamado frecuentemente varianza muestral, aunque tal denominacin corresponde con mayor propiedad al
estimador de mxima verosimilitud 2
130
( )
2
1 n
n 1 i =1 t i
luego:
s=
( )
1 n
n 1 i =1 t i
s=
1 10
1020
9 i =1 t i
= 154,92 operaciones
S = +
Lmites bilaterales
I =
s
n
s
n
t
t
n 1; / 2
n 1; / 2
Los valores de las fractilas derechas de t, para el nmero de grados de libertad que
corresponda, deben hallarse en una tabla de la distribucin de Student.48
46
131
En nuestro caso, para un intervalo de confianza del 80% (esto es, 1 = 0,8 ):
= 1020 +
= 1020
154,92
10
154,92
10
9; 0 ,10
9; 0 ,10
= 1020 +
154,92
= 1020
10
154,92
10
S = s
Lmites bilaterales
=s
I
n 1
2
n 1;1 / 2
n 1
2
n 1; / 2
= 154,92
9
= 227,65 operaciones
4,168
= 154,92
9
= 121,28 operaciones
14,684
49
132
test de rea, estos son tests de distancia; comparan la distancia existente entre la
50
133
e <
n 1;
e < 1020
154,92
10
9; 0 , 2
= 1020
154,92
10
0,883 = 976,74
e > s
n 1
2
n 1;1
51
Statistics for Managers using Microsoft Excel (2002). Prentice Hall International, Inc. Pg. 242Evaluating the Normality Assumption.
134
e > 154,92
2
9; 0 ,8
dado que:
e = I = 952,25 < 976,74
e = S = 227,65 > 200,37
52
Statistics for Managers using Microsoft Excel (2002). Prentice Hall International, Inc. Pg. 243Constructing the Normal Probability Plot.
53
Tambin conocida por infiabilidad. Ver fichero ttulado Grficos en el CD adjunto (programa SupportPlus)
135
0,0030
0,0030
0,90
0,90
0,0027
0,0027
No Fiabilidad [1-R(x)]
No Fiabilidad [1-R(x)]
0,80
0,80
0,0024
0,0024
Fiabilidad R(x)
Fiabilidad R(x)
0,70
0,70
0,0021
0,0021
0,60
0,60
0,0018
0,0018
0,50
0,0015
0,0015
0,40
0,40
0,0012
0,0012
0,30
0,30
0,0009
0,0009
0,20
0,20
0,0006
0,0006
0,10
0,10
0,0003
0,0003
0,00
0,00
0,0000
0,0000
f(x)
f(x)
900
950
950
1.000
1.000
1.050
1.050
1.100
1.100
1.150
1.150
1.200
1.200
1.250
1.250
1.300
1.300
1.350
1.350
1.400
1.400
1.450
1.450
1.500
1.500
1.550
1.550
1.600
1.600
1.650
1.650
1.700
1.700
1.750
1.750
1.800
1.800
0
50 0
10050
100
150
150
200
200
250
250
300
300
350
350
400
400
450
450
500
500
550
550
600
600
650
650
700
700
750
750
800
800
850
850
900
F(x) / R(x)
F(x) / R(x) 0,50
9.7.6.1
Datos de partida
Ver: Tabla_de_Control/Datos
INTERVALO de FIABILIDAD:
Margen de operacin, por debajo del cual, se proceder a la sustitucin del elemento
(0,95 0,85)
-
FM:
Fm:
(0,70 mm) Aunque la especificacin del contactor muestra una RCPlim=0,3 mm,
136
Segn esta tabla, a una carrera de 0,3 mm le corresponde una fiabilidad del 26,97%,
excesivamente baja para nuestras intenciones.
UMBRAL de ACEPTACIN (MANTENIMIENTO NO NECESARIO):
FU:
DG:
Se han definido tres: alto, medio y bajo, en funcin del nivel de exigencia.
137
9.7.6.2
138
No se precisa mantenimiento.
139
9.7.6.3
Proceso de Clculo
Datos de partida:
-
AR
Si no es as:
140
4- Calcula la fiabilidad (FRA) que correspondera a las actuaciones reales (AR) a travs
de la ecuacin de fiabilidad.
5- Establece la referencia superior de fiabilidad (FS) como la mayor de FM y FRA (lo
normal es que FM >FRA)
6- Calcula la fiabilidad que se obtendra despus de la operacin de mantenimiento
correspondiente a cada nivel predefinido:
a) Nivel BAJO:
FNbajo = (FS-FRC)*0,30+FRC-(AR/1000)*DG
b) Nivel MEDIO:
FNmedio = (FS-FRC)*0,50+FRC-(AR/1000)*DG
c) Nivel ALTO:
FNalto = (FS-FRC)*0,90+FRC- (AR/1000)*DG
141
Valores Reales
N Actuaciones
Carrera
821.466
0,73 mm
Reparar unidad
NIVEL:
2 (Medio)
91,21%
Prxima revisin
Para ello:
8- Calcula las actuaciones tericas para las que la fiabilidad es la mnima aceptable
(ATM) En nuestro caso el 85% que corresponde a 859.442 actuaciones segn la
ecuacin de fiabilidad.
9- Calcula el n de actuaciones tericas para el que la fiabilidad es la obtenida tras el
nivel de mantenimiento seleccionado (si ha sido necesario) FN... (ATFN); en todo
momento, se cumplir que:
ATM >ATFN
142
9.8 RESULTADOS
De acuerdo al apartado 9.4, el nmero de operaciones por da alcanzaba la cifra de 580.
Dado que T1= 821.466 operaciones54, mediante una sencillas operaciones aritmticas
llegamos a la siguiente conclusin: la primera inspeccin se debera llevar a cabo
transcurridos 3 aos, 10 meses y 17 das desde el comienzo de la vida operativa. Con
una estrategia de mantenimiento distinta a la aqu formulada, los tcnicos de
mantenimiento efectuaron inspecciones cada 6 semanas55 (mantenimiento preventivo)
Por otro lado, los contactores se sustituyeron cada 3 4 inspecciones. Con todos estos
datos, estamos en disposicin de estimar el ahorro potencial de la estrategia de
mantemiento basado en el examen de la condicin.
54
55
143
3.88 aos
9 cambios
100 libras
= 900 libras
cambio
4 insp. innec.
9 cambios - 1 = 35
cambio
140 insp.
37 coches = 5180 insp.
coche
144
Captulo X
TECNOLOGA AVANZADA PARA EL
MANTENIMIENTO
Todo nuestro conocimiento proviene de las sensaciones
Leonardo da Vinci
Monitorizar el estado de los elementos tiene un coste, que debe ser considerado para
determinar si es ms rentable hacerlo o desperdiciar la vida residual que puedan tener
elementos sustituidos prematuramente. Adems, no siempre es fcil identificar el
parmetro o parmetros de un elemento que determinen su estado real. En algunos
casos la comprobacin del estado podr hacerse de forma cuantitativa, mientras
que en otros deber ser ms cualitativa. Por ejemplo, el cambio del aceite del motor
los expertos en mecnica les basta echar un vistazo al color del aceite para conocer su
estado) para proceder a rellenar hasta nivel o a sustituirlo, segn pueda ser necesario. La
determinacin del estado del aceite se realiza, en general, por su naturaleza, de forma
cualitativa. Lo contrario ocurre con la sustitucin de las zapatas de freno de las ruedas
de un automvil, que s puede realizarse mediante la determinacin de forma
cuantitativa de su estado con un testigo que indique el nivel de desgaste sufrido; una vez
el desgaste llega a un cierto nivel predeterminado se procede a sustituir las zapatas, con
independencia del nmero de kilmetros que se lleven recorridos.
El objetivo de este captulo es analizar el impacto de los avances de la tecnologa en
los procesos de mantenimiento, con especial nfasis en:
La vigilancia de la condicin;
La localizacin de averas.
146
por el elevado precio de sus componentes. El valor del coeficiente de utilizacin estar
muy prximo a uno.
Durante ms de una dcada ha estado presente la idea de emplear la tecnologa de los
sistemas expertos (como, por ejemplo, MATLAB de Mathworks) en el diseo de
software para el mantenimiento. Estos sistemas extienden la potencia del ordenador ms
all de las funciones matemticas y estadsticas habituales, utilizando el dilogo y la
lgica para determinar diversas acciones posibles o consecuencias.
Actualmente hay una gran variedad de tcnicas de vigilancia bien desarrolladas que se
utilizan ampliamente para apoyar y mejorar las tareas de mantenimiento condicional. A
continuacin se analizan brevemente algunas de las tcnicas empleadas con ms
frecuencia.
147
Los resultados pueden utilizarse para determinar la vida del lubricante y, por lo tanto,
cundo se debe cambiar o renovar para que siga cumpliendo los requisitos
especificados. En cambio, no se puede utilizar este anlisis como una herramienta para
determinar la condicin operativa del sistema, pero s como una ayuda importante para
un mantenimiento basado en la condicin.
Anlisis de Partculas
Las tcnicas de vigilancia de los productos de desgaste se consideran mtodos muy
fiables para detectar una degradacin de la condicin operativa en casi todos los
148
sistemas lubricados por aceite, porque una variacin en el ndice de contenido de dichos
productos significa un cambio en la condicin del sistema.
Las partculas contenidas en el aceite lubricante proporcionan una informacin detallada
e importante sobre la condicin del tem, facilitando la determinacin de la causa del
fallo. Esta informacin puede deducirse de la forma, distribucin de tamaos y
composicin de las partculas.
149
150
Emisin Acstica
Es la emisin de ondas de alta frecuencia cuando se libera rpidamente energa de
151
Termografa
Es la prctica de recoger imgenes de la radiacin trmica emitida por los objetos en la
regin infrarroja del espectro. Por tanto, esta tcnica se basa en el principio de que
algunos de los sistemas en operacin desprende calor.
La termografa emplea una instrumentacin diseada para medir emisiones de energa
en el infrarrojo, como medio para determinar la condicin operativa del sistema.
La cantidad de calor emitida vara a medida que lo hacen las condiciones de operacin.
Esta tcnica se utiliza en la vigilancia de la condicin para distintas aplicaciones; quiz
la principal aplicacin es la deteccin de conexiones elctricas defectuosas en
transformadores e interruptores elctricos.
Radiografas
Se pueden fotografiar las discontinuidades superficiales o sub-superficiales causadas
por fatiga, corrosin por tensin, etc., mediante el empleo de una radiacin
electromagntica de onda muy corta, principalmente rayos-x rayos gamma. Esta
tcnica es una manera eficaz de detectar grietas internas, imperfecciones, falta de
homogeneidad, etc., pero la determinacin del tamao y posicin de cualquier
discontinuidad exige un personal muy especializado. Se ha desarrollado ms a fondo y,
en la prctica, se han aplicado mtodos como la radiografa de neutrones, la estreoradiografa y la micro-radiografa.
152
Los inconvenientes de esta tcnica son que precisa el acceso a dos lados opuestos de un
objeto y que es muy cara, comparada con otros mtodos no destructivos.
evaluacin del tamao de una amplia variedad de defectos superficiales y subsuperficiales en los materiales, siempre que haya acceso a la superficie.
En aviacin se emplea en la inspeccin rutinaria de aviones para la bsqueda de grietas
de fatiga incipientes; puede emplearse tambin para medidas precisas de espesores,
valindonos de tcnicas de eco de los impulsos ultrasnicos.
Este grado de precisin permite la vigilancia de la corrosin registrando los pequeos
cambios en el espesor de una pared. La tcnica parece muy apropiada para vigilar
directamente el parmetro de condicin. No obstante, es difcil de poner en prctica
cuando las superficies inspeccionadas son rugosas, irregulares en su forma o no
homogneas.
Lquidos Penetrantes
Se utilizan principalmente para detectar discontinuidades abiertas superficiales, tales
10.3
DIAGNSTICO
En las aeronaves modernas, la tecnologa de vanguardia al servicio de la deteccin de
fallos es la conocida como comprobacin integrada, cuyo acrnimo ingls es BIT
(Built in Test) Su objetivo principal es proteger al usuario y al sistema contra
presentaciones u rdenes errneas. Esta funcin de deteccin de fallos es, por tanto,
parte de la funcin operativa bsica de cada uno de los sistemas de avin.
153
sistema;
I-Bit (Interruptive Bit): Test especfico del sistema que supone la interrupcin de su
sistemas
digitales
han
59
154
CATEGORA
NMERO
177
46
123
32
35
Datos insuficientes
26
23
384
100
Los fabricantes cuentan como fallos los que se confirman en la comprobacin en taller
(hangar) Observando la tabla adjunta vemos que el 22% de los fallos detectados en
vuelo no son confirmados en tierra, fuente de la polmica entre operadores y
fabricantes, siendo acusados los primeros de incurrir en errores de mantenimiento.
La solucin pasa por establecer sistema de recogida de datos sobre fallos que incluya la
confirmacin por BITE y reconozca los errores de diseo (origen de una parte de ese
22%); de esta forma se forzara a los diseadores a confiar en la integridad de la funcin
BIT. Se deben corregir los fallos confirmados por BITE y si no se confirman, mejorar la
precisin de la funcin BIT.
Los especialistas en avinica digital distinguen entre fallos continuados (hard failure),
fallos transitorios (soft failure) y fallos intermitentes (intermittent failure). Un fallo
continuado es el que persiste tras varios intentos de arrancar el sistema. Un fallo
transitorio es aqul cuyos sntomas de fallo desaparecen al restablecer la alimentacin o
cuando se ejecuta una prueba BITE. Para terminar, un fallo intermitente es el que
desaparece sin ninguna accin expresa del usuario.
Los fallos transitorios son la mayor rea de preocupacin en la avinica digital; pueden
consistir en una combinacin de fallos de hardware y errores de software. Los fallos
intermitentes son ms una molestia que un peligro, pero pueden consumir un tiempo de
60
61
155
62
MIL-HDBK-470A DoD EE.UU- 4.agosto.97; Designing and Developing Maintainable Products and Systems.
Volume I.
156
Control computer
Software
loading
bus
Terminal
Peripherals
IEEE-488/VXI bus
I/O units
ITA
Special to
type test
resources
Switching
units
Control computer
VXI Mainframe
Peripherals
ITA
13 497.567
13 497.567
13 497.567
Cooling &
Power
VXI Mainframe
Test
Cooling
13 497.567
VXI Mainframe
13 497.567
VXI Mainframe
13 497.567
13 497.567
13 497.567
13 497.567
PWM DC Supp ly
0.00
0.00
0.00
AC Power Supply
DC Power
0.00
0.00
0.00
AC
0.00
0.00
0.00
Switching units
AC
158
examine y rastree los registros del BIT de todos los LRUs63 recibidos para operacin.
Como ya dijimos, los datos del BIT deben ser fiables para que el trabajo de
mantenimiento pueda basarse en ellos.
Tan pronto como est presente ms de una seal en un determinado medio (a este
proceso se le denomina multiplexacin), deben establecerse medios para identificar y
separar las seales en el extremo receptor (demultiplexacin) Un ejemplo simple de un
bus de datos es el control multicanal por radio de los aeromodelos. Aqu el medio es una
portadora de radiofrecuencia y las seales son una cadena de impulsos, cuya longitud es
proporcional a la seal analgica que se transmite. Un impulso de sincronizacin inicia
la secuencia y se identifica cada seal por su lugar en el tren de impulsos. Esto se
63
LRU: Line Replaceable Unit. Equipo reemplazable en lnea (primer escaln de mantenimiento)
159
Bus A
Bus B
160
161
Menos peso.
Arquitectura flexible (fcil reconfiguracin)
Manejo flexible de la informacin (procesamiento de datos descentralizado)
Esquema de pruebas funcionales ms flexible; por ejemplo, test de transmisin
total de datos realizado de una sola vez.
Permite la introduccin de mejoras funcionales en los sistemas sin necesidad de
cambio de hardware.
LIMITACIONES:
de
preparacin
requerido
mantenimiento)
162
exigente
(ingenieros
tcnicos
de
C a p t u l o XI
CONCLUSIONES
La investigacin es la tabla de salvacin de nuestras empresas
Philippe Camus64
163
164
165
TR
166
El presidente del SEPLA (Sindicato Espaol de Lneas Areas) asegur que, en algunos
casos, la guerra de tarifas en el sector supone la reduccin del mantenimiento de los
aviones.
Otro artculo, publicado tras el desastre del transbordador espacial Columbia, que se
desintegr al entrar en la atmsfera con siete tripulantes a bordo, puso de manifiesto la
168
169
Control de procesos
170
BIBLIOGRAFA
Alkalai, L., Chau, S., Tai, A., (1.997): On-Board Preventive Maintenance: Analysis of
effectiveness and Optimal Duty Period, in Proceeding of the 3rd International
Workshop on Object-Oriented Real-Time Dependable Systems, 40-47.
Al-Najjar, B. (1.991): On the Selection of Condition Based Maintenance for
Mechanical System. K. Holmberg & A. Folkeson (edit.), Operational Reliability and
Systematic Maintenance, Elsevier Science Publisher, Ltd (England)
Ansell, J. I., Phillips, M. J. (1.994): Practical Methods for Reliability Data Analysis.
Oxford University Press Inc.
ARINC Research Corporation (1.964): Reliability Engineering. W. H. Von Alven,
ed., Prentice-Hall, Inc.
Barlow, R. (2002): Mathematical Reliability Theory: From the Beginning to the
Present Time. http://www.math.ntnu.no/mmr2002/papers/invited/Barlow.paper.pdf
Barlow, R.; Proschun, F. (1996): Mathematical Theory of Reliability. Society for
Industrial & Applied Mathematics (reedicin de la versin publicada en 1965)
Barringer, P. (1998): How To Use Reliability Engineering Principles for Business
Issues. Reliability Symposium, La Plata (Argentina)
Birolini, A. (1999): Reliability Engineering. Theory and Practice. Springer-Verlag.
Boeing Airplane Company (1989): Transport Division Reliability Manual. Reliability
Staff of Engineering Department.
171
172
173
174
175
Stamatis, D. (2003): Failure Mode and Effect Analysis: FMEA from Theory to
Execution. American Society for Quality.
Standtorv, H. & M. Rausand (1991): RCM-Closing the Loop between Design
Reliability and Operational Reliability. Maintenance Journal, Vol. 6, N 1, 13-21.
Sternstein, E. & Gold T. (1991): From Take off to Landing. Pocket Books, Siomm &
Schuster Inc.
Tai, A., Meyer, J. (1.996): Software Performability: From Concepts to Applications.
Kluwer Academic Publishers.
Trivedi, K. (1.982): Probability & Statistics with Reliability, Queuing and Computer
Science Applications. Prentice-Hall.
Ushakov, I.A. (1994): Handbook of Reliability Engineering. Wiley.
Warleta, J. (1973): Fiabilidad: Bases Tericas y Prcticas. Instituto Nacional de
Tcnica Aeroespacial Esteban Terradas (INTA)
Wolstenholme, L. (1999): Reliability Modelling: a Statistical Approach. Chapman &
Hall /CRC.
Xue, J. (1985): On Multi-state Systems Analysis. IEEE Trans. Reliab. R-34(4), 329337.
Enlaces WEB:
http://www.reliasoft.com/
176
http://www.bqr.com/
Pgina web del programa estadstico Minitab. Desde ella es posible obtener una
versin demo del programa as como abundante documentacin sobre su uso.
http://www.nr.com
http://lib.stat.cmu.edu/
Libreras estadsticas elaboradas por el Departamento de Estadstica de la
Carnegie Mellon University.
http://www.planet-source-code.com
http://www.asq-rd.org/review.htm
Pgina web de la revista Reliability Review publicada por la American Society
for Quality.
177
http://www.rac.alionscience.com/
Pgina web del Reliability Analysis Center (RAC)
http://qsr.section.informs.org
Seccin del Institute for Operations Research and the Management Sciences
(INFORMS) dedicada a la Calidad, la Estadstica y la Fiabilidad.
http://www.esrel20007.com
Seminario anual dedicado a Safety and Reliability for Managing Risk.
178
APNDICES
179
exp( ) ; z (t ) = (constante)
Funcin de densidad:
f (t ) = e t , t 0
Funcin de distribucin:
F (t ) = 1 e t , t 0
Vida media:
= R(t ) dt = e t dt =
180
1/ en componentes de vida til muy larga, que excede de la vida de servicio de los
sistemas de los que forman parte. Es el caso de bastantes componentes electrnicos.
2/ en componentes que se sustituyen preventivamente antes de que llegue el desgaste.
3/ en sistemas en serie compuestos de bloques exponenciales y, en la prctica, en
sistemas reparables muy complejos en los que no haya redundancias dominantes.
Es evidente que en los dos primeros casos, la vida media no lo es en rigor, pues slo
se tiene en cuenta la parte central de la curva de la baera. Por ello, el parmetro ,
tratndose de componentes sujetos a desgaste, aunque empleados slo durante su vida
til, es una vida media ficticia.
En el caso de sistemas que fallan exponencialmente y son reparables, es el tiempo
medio entre fallos (MTBF) Evidentemente, los sistemas reparables tienen una nueva
vida despus de cada reparacin. La distribucin de fallos, en general, puede variar a
cada fallo, por desgaste de los componentes que no han fallado y siguen en el sistema.
No obstante, para los sistemas citados en 3/ como rigurosa o aproximadamente
exponenciales, las sucesivas distribuciones son rigurosa o aproximadamente iguales,
conservando el mismo valor de .
Weibull ( , , ) ; siendo:
Funcin de densidad:
1
f (t ) = (t ) e
F (t ) = 1 e
,t>0
,t>0
Funcin de fiabilidad:
R(t ) = e
Vida media:
= E ( ) = + 1 +
1
;
1
1
donde 1 + es el valor de la funcin gamma, (x ) , para x = 1 +
z (t ) =
1
(t )
182
Fig. A.3. Curvas de densidad, fiabilidad y tasa de fallo de cuatro distribuciones de Weibull con
=0, =1, =0.5, 1, 2, 3. Valores de t en miles de horas
183
N ( , ) ;
Vida media:
E ( ) = t f (t ) dt =
Funcin de densidad:
f (t ) =
F (t ) =
Funcin de fiabilidad:
R(t ) =
z (t ) =
e
t
184
1 t
; <t <
1 x
dx
1 x
dx
1 t
1 x
; es siempre creciente
dx
El lector habr advertido una anomala en la expresin F(t) En efecto, se toma como
lmite inferior de integracin - en vez de 0. Esto se debe a que la densidad normal es
no nula en todo el eje real, y no slo en el semieje positivo. De esta forma, es posible
que el fallo se produzca antes del instante inicial t = 0. Este defecto de la distribucin
normal como modelo de distribucin de fallos no es grave si y son tales que la cola a
la izquierda de t = 0 tiene un rea despreciable. Para ello es necesario que sea mayor
que 3 4 veces , que es lo habitual.
La distribucin normal tpica (media 0 y desviacin tpica 1) est tabulada y sirve para
manejar cualquier distribucin normal, que puede tipificarse mediante el cambio de
variable:
z=
185
186
187
Nuestro modelo est basado en 2 ecuaciones: la primera de ellas ajusta una curva a un
R(t ) =
1 x
dx
Por lo que respecta a la primera ecuacin, los mtodos numricos66 son tcnicas
mediante las cuales es posible formular problemas matemticos de tal forma que puedan
resolverse utilizando operaciones aritmticas. Utilizaremos la tcnica de regresin
lineal en la determinacin de esta ecuacin.
Aunque hay muchos tipos de mtodos numricos, comparten una caracterstica comn:
invariablemente se debe realizar un buen nmero de tediosos clculos aritmticos. No es
raro que con el desarrollo de computadoras digitales eficientes y rpidas, el papel de los
65
66
188
representados por puntos. Las tcnicas que se han desarrollado para este fin pueden
dividirse en dos categoras generales: regresin e interpolacin. La primera se emplea
cuando hay un grado significativo de error asociado a los datos; con frecuencia los datos
experimentales son de esta clase. Para estas situaciones, la estrategia es encontrar una
curva que represente la tendencia general de los datos sin necesidad de tocar los puntos
individuales. En contraste, la interpolacin se maneja cuando el objetivo es determinar
valores intermedios entre datos que estn, relativamente, libres de error. Tal es el caso
de la informacin tabulada (por ejemplo, la capacidad calorfica de los gases en funcin
de la temperatura) Para estas situaciones, la estrategia es ajustar una curva directamente
mediante los puntos y utilizar esta curva para predecir valores intermedios.
Los datos a menudo son dados para valores discretos a lo largo de un continuo. Sin
embargo, puede que slo necesitemos una estimacin en puntos localizados entre
valores discretos. En el caso del contactor, debido a que cualquier dato individual puede
ser incorrecto, no se necesita interceptar cada punto. En lugar de esto, se designa la
curva para seguir un patrn de los puntos tomados como un grupo. Un procedimiento de
esta naturaleza se denomina regresin por mnimos cuadrados.
Cada vez son ms populares los paquetes de software para aplicar los mtodos
numricos. Para la implementacin de nuestro modelo hemos elegido el paquete de
software Excel debido a su disponibilidad, coste, facilidad de uso y porque tiene
acceso a una programacin estructurada. Excel es una hoja de clculo producida por
Microsoft cuyo tipo especial de software matemtico permite al usuario, por ejemplo, el
ajuste de curvas (regresin) y realizar grandes clculos conectados entre s (los macros
en Excel se disearon para recibir alguna informacin, ejecutar clculos y dar
resultados) La hoja de clculo es ideal para tipos de anlisis qu sucedera si...?
Tambin incluye el VisualBASIC, un macrolenguaje que puede usarse para
implementar clculos numricos. Tiene, asimismo, varias herramientas de visualizacin
que son valiosos aditamentos para el anlisis numrico.
189
()
Sea y1 , y 2 ,...., y n una muestra aleatoria de tamao n a partir de una distribucin con
una media y varianza 2 . Entonces, para n grandes, y es aproximadamente
2
normal con la media y la varianza
aleatoria
190
2.
3.
4.
5.
varianza constante: N 0, 2
y = a 0 + a1 x +
67
Statistics for Managers using Microsoft Excel (2002). Prentice Hall International, Inc. Pg. 511Simple Linear Regression.
191
(1)
= y a 0 a1 x
as, el error o residuo es la discrepancia entre el valor real de y y el valor aproximado
(a 0 + a1 x) predicho por la ecuacin lineal. La estrategia utilizada para ajustar la mejor
lnea a travs de los datos consiste en minimizar la suma de los cuadrados de los
residuos entre la y medida y la y calculada con el modelo lineal:
S r = = ( y i ,medida y i ,modelo ) = ( y i a 0 a1 xi )
i =1
2
i
i =1
(2)
i =1
Se han simplificado los smbolos del sumatorio; a menos que se indique otra cosa, los
sumatorios son desde i =1 hasta n. Al fijar esas derivadas igual a cero, resultar en un
mnimo S r . Si se hace esto, las ecuaciones se pueden expresar como:
0 = y i a 0 a1 xi
0 = y i xi a 0 xi a1 xi2
192
na 0 + ( xi )a1 = y i
( x )a + ( x )a = x y
i
2
i
Estas son las llamadas ecuaciones normales, que, una vez resueltas, nos dan:
a1 =
n x i y i xi y i
n xi2 ( xi )
a 0 = y a1 x
donde:
x=
y=
Sy =
x
193
Sr
n2
donde S y
los cuadrados alrededor de la media para la variable dependiente (y) Esta cantidad se
designa por S t , que es la magnitud del error residual asociado con la variable
dependiente antes de la regresin. Despus de realizar la regresin, calculamos S r , la
suma de los cuadrados de los residuos alrededor de la lnea de regresin. Esto
caracteriza el error residual que queda despus de la regresin (tambin conocido como
la suma inexplicable de los cuadrados) La diferencia entre estas dos cantidades,
( S t S r ), cuantifica la mejora o reduccin de error debido a que describe los datos en
trminos de una lnea recta en vez de cmo un valor promedio. Como la magnitud de
esta cantidad es dependiente de la escala, la diferencia es normalizada a S t para
obtener:
r2 =
St Sr
St
correlacin (esto es, la raz cuadrada del anterior) Para un ajuste perfecto, S r = 0 y
r = r 2 = 1 , significa que la lnea explica el 100% de la variabilidad de los datos. Para
r = r 2 = 0 , S r = S t y el ajuste no representa ninguna mejora. Una formulacin
alternativa para r que es ms conveniente para implementarse en una computadora es:
194
r=
n xi y i ( xi )( y i )
n xi2 ( xi )
n y i2 ( y i )
Aunque los coeficientes de correlacin proporcionan una manera fcil para medir la
bondad del ajuste, se deber tener cuidado, ya que es posible obtener un valor
relativamente alto de r cuando la relacin entre x e y no es lineal. Los test de
y = a 0 + a1 x + a 2 x 2 + e
Para este caso, la suma de los cuadrados de los residuos es (comprese con la ecuacin
2):
195
S r = ( y i a0 a1 xi a 2 x
n
i =1
2
i
(3)
derivando la ecuacin 3 con respecto a cada uno de los coeficientes desconocidos del
polinomio, nos queda:
S r
= 2 y i a 0 a1 xi a 2 xi2
a 0
S r
= 2 xi y i a 0 a1 xi a 2 xi2
a1
S r
= 2 xi2 y i a 0 a1 xi a 2 xi2
a 2
(n ) a0 + ( xi ) a1 + ( xi2 ) a 2 = yi
( x ) a + ( x ) a + ( x ) a = x y
( x ) a + ( x ) a + ( x ) a = x y
i
2
i
3
i
2
i
3
i
4
i
2
i
donde los sumatorios son desde i =1 hasta n. Las tres ecuaciones son lineales y tienen
tres incgnitas: a 0 , a1 y a 2 . Los coeficientes de las incgnitas se pueden evaluar de
manera directa a partir de los datos observados.
Para este caso, el problema de determinar un polinomio por mnimos cuadrados de
segundo orden es equivalente a resolver un sistema de tres ecuaciones lineales.
El supuesto en dos dimensiones puede extenderse fcilmente a un polinomio de n-simo
orden como:
y = a 0 + a1 x + a 2 x 2 + ......... + a m x m + e
196
Sr
n (m + 1)
(4)
Esta cantidad es dividida entre n-(m+1), ya que (m+1) coeficientes obtenidos de los
datos (a 0 , a1 ,..., a m ) se usaron para calcular S r ; as, hemos perdido m+1 grados de
libertad. Adems del error estndar, un coeficiente de determinacin puede ser
calculado para una regresin de polinomios con la ecuacin (4)
f ( x ) = a 0 1 e a1x + e
Al igual que en el caso lineal, la regresin no lineal se basa en la determinacin de los
valores de los parmetros que minimizan la suma de los cuadrados de los residuos; sin
embargo, para el caso no lineal, la solucin debe proceder en una forma iterativa.
El mtodo de Gauss-Newton es un algoritmo para minimizar la suma de los cuadrados
de los residuos entre datos y ecuaciones no lineales. El concepto clave que resalta la
tcnica es el empleo de un desarrollo en serie de Taylor para expresar la ecuacin no
lineal original en una forma lineal aproximada. Entonces, la teora de mnimos
cuadrados es til para obtener nuevas estimaciones de los parmetros que se mueven en
la direccin de minimizar el residuo.
Para ilustrar cmo se hace esto, primero se puede expresar de manera general la relacin
entre la ecuacin no lineal y los datos como:
y i = f (xi ; a 0 , a1 ,...., a m ) + ei
197
donde:
ei = error aleatorio.
Por conveniencia, este modelo se puede expresar de forma abreviada al omitir los
parmetros, de esta forma:
y i = f ( x i ) + ei
(5)
El modelo no lineal puede ser desarrollado en una serie de Taylor alrededor de valores
de parmetro y reducido despus de las primeras derivadas. Por ejemplo, para un caso
de dos parmetros:
f ( xi ) j +1 = f ( xi ) j +
f ( xi ) j
a 0
a 0 +
f ( xi ) j
a1
a1
(6)
donde:
j = valores iniciales
j+1 = prediccin
a 0 = a 0, j +1 a 0, j
a1 = a1, j +1 a1, j
De esta forma, hemos linealizado el modelo original con respecto a los parmetros. La
ecuacin (6) se puede sustituir en la ecuacin (5) para obtener:
y i f ( xi ) j =
f (xi ) j
a 0
a0 +
o, en forma matricial:
198
f ( xi ) j
a1
a1 + ei
(7)
[ ]
[Z ]
j
f1
a
0
f 2
a 0
= .
.
.
f
n
a 0
f1
a1
f 2
a1
.
.
.
f n
a 1
siendo:
n = nmero de datos.
f i
= derivada parcial de la funcin con respecto al k-simo parmetro evaluado en el
a k
isimo punto.
El vector {D} contiene las diferencias entre las mediciones y los valores de la funcin.
y1
y
2
{D} =
y n
f ( x1 )
f ( x 2 )
f ( x n )
199
a 0
a
1
.
{A} =
.
.
a m
(8)
As, el procedimiento consiste en resolver la ecuacin (8) para {A}, la cual se puede
emplear para calcular valores mejorados para los parmetros, como en:
a 0, j +1 = a 0, j + a 0
y,
a1, j +1 = a1, j + a1
a k , j +1 a k , j
a k , j +1
100%
200
Funcin
FORECAST
Descripcin
Calcula un valor junto con una tendencia lineal
GROWTH
INTERCEPT
LINEST
LOGEST
SLOPE
TREND
/Insert Trendline
En este punto, se abre un cuadro de dilogo con dos tabuladores: el Options y el Type.
El primero de ellos proporciona formas para configurar el ajuste. Lo ms importante en
este contexto es desplegar tanto la ecuacin como el valor del coeficiente de
determinacin (r 2 ) sobre la grfica. La primera eleccin en el tabulador Type es para
especificar el tipo de lnea.
El comando Trendline proporciona una manera fcil para ajustar un nmero de modelos
para datos que se usan de manera comn. Sin embargo, debido a su contenido
201
Este paquete de Excel contiene una amplia capacidad para el ajuste de curvas mediante
mnimos cuadrados.
El modelo general de mnimos cuadrados lineales es el siguiente:
y = a 0 z 0 + a1 z1 + a 2 z 2 + ........ + a m z m + e
(9)
donde:
z 0 , z1 ,............., z m son las (m+1) funciones diferentes. Se puede ver con facilidad cmo
la regresin lineal simple y mltiple encajan dentro de este modelo; es decir:
z 0 = 1, z1 = x1 , z 2 = x 2 , ......, z m = x m
Adems, la regresin de polinomios se incluye tambin si las z son monomios simples
como en:
z 0 = x 0 = 1, z 1 = x, z 2 = x 2 , z m = x m
La terminologa lineal se refiere slo a la dependencia del modelo sobre sus parmetros;
las mismas funciones pueden ser altamente no lineales. Por ejemplo, z puede ser
sinusoidal, como en:
y = a 0 + a1 cos(t ) + a 2 sen (t )
202
Este formato es la base del anlisis de Fourier. Por otro lado, un modelo de apariencia
simple como:
f ( x ) = a 0 1 e a1 x
/Tools Add-Ins
Despus, se seleccionar Analysis Toolpack y OK. Si el add-in ha sido satisfactorio, la
seleccin Data Analysis se incluir en el men Tools. Una vez seleccionado Data
Se puede utilizar la herramienta Solver de Excel para ejecutar una regresin no lineal al
minimizar de manera directa la suma de los cuadrados de los residuos entre la
prediccin modelo no lineal y los datos.
203
C.1 DESCRIPCIN
MANTENIMIENTO
DEL
CUADRO
DE
CONTROL
DEL
El programa se ha concebido de modo que el usuario slo tiene que introducir las
actuaciones y carrera reales; el programa calcular el resto de valores.
A
B
Fecha
Valores Programados
821.466 act.
90,00% fiab.
Valores Reales
N Actuaciones
Carrera
821.465
0,71 mm
Reparar unidad
NIVEL:
2 (Medio)
El cajetn B lo muestra:
C.- Fecha.
204
El botn
unidades/decenas/centenas (0 a 999)
El botn
H.- Diagnstico
Indica qu se ha de hacer para volver, al menos, a una fiabilidad real igual al umbral
de aceptacin indicado en el apartado: Datos y Parmetros (Hoja Datos)
J.- Fiabilidad real obtenida tras la reparacin.
K.- N de actuaciones previstas a las que debe hacerse el siguiente control de
mantenimiento.
205