Está en la página 1de 94

2

MODELO PARA LA
GERENCIA DE MANTENIMIENTO
INDUSTRIAL

Centro de Altos Estudios Gerenciales


Instituto Superior de Investigacin y Desarrollo

Copyright, 2000.
2. Edicin Adaptada como
herramienta computacional.
Centro de Altos Estudios Gerenciales ISID
Empresa de la Fundacin Educativa Mara Castellanos
Femaca e-mail: femaca@telcel.net.ve
En asociacin con Cybercentrum Las Mercedes C.A.
y Edukami U.S.A.

AGRADECIMIENTO
A todo el equipo de colaboradores que brindaron
su valiosa cooperacin para la elaboracin y
revisin del texto y la programacin del software
de clculo de los parmetros de mantenimiento.

INDICE
Prlogo
I Gerencia de los Sistemas de Mantenimiento
1.1. Consideraciones generales. ...........................................................................10
1.2. Costos asociados. ..........................................................................................11
1.3. Parmetros de mantenimiento. ......................................................................12
II Confiabilidad de componentes
2.1. Confiabilidad...................................................................................................14
2.1.1. Indices cuantitativos de confiabilidad. ..................................................16
2.1.2. Relaciones entre los ndices cuantitativos de confiabilidad. ......19
2.1.3. Variacin de la confiabilidad de los elementos en funcin del
tiempo...................................................................................................22
2.2. Distribuciones de probabilidad de las fallas de los componentes de
un sistema. ...................................................................................................23
2.2.1. Distribuciones de probabilidad de Fallas..............................................23
2.3. Bases de datos de confiabilidad.....................................................................34
2.3.1. El teorema de Bayes y la confiabilidad.................................................34
2.4. Tipos de componentes. Expresiones para la evaluacin de su
confiabilidad. .................................................................................................37
III Confiabilidad de Sistemas
3.1. Tcnica de rboles de fallas...........................................................................47
3.2. Evaluacin cualitativa del rbol de fallas. .......................................................57
IV PARAMAN: SOFTWARE PARA EL CALCULO DE LOS PARAMETROS
DE MANTENIMIENTO ......................................................................................75
BIBLIOGRAFIA .....................................................................................................91

PROLOGO
Dentro del marco de un convenio suscrito entre la Universidad Central de
Venezuela y el Instituto Superior de Ciencias y Tecnologa Nucleares, de las
Repblicas de Venezuela y Cuba respectivamente, se ha instrumentado un
proyecto de investigacin y desarrollo tecnolgico en el rea de la Gerencia de
Mantenimiento. Como consecuencia de dicho desarrollo, y dentro de los acuerdos
de cooperacin institucional, se ha venido trabajando en un sistema de medicin
para estimar los parmetros de mantenimiento, dentro del cual se destacan los
aspectos tericos y aplicados de la teora de confiabilidad, as como algunos
esquemas asociados a los sistemas gerenciales de mantenimiento industrial. Este
trabajo sirvi de base para el desarrollo de un proyecto ms general, relacionado
con el Anlisis Probabilistico de Seguridad, donde se requiere crear bases de
datos sobre la confiabilidad y mantenibilidad de un gran nmero de componentes y
equipos, integrados en sistemas complejos, utilizados regularmente en la industria
petrolera, metal mecnica, y elctrica, como tambin en las plantas generadoras
de energa, ya sean convencionales que nucleares.
Los aspectos mencionados fueron conceptualizados y aplicados a una variada
gama de sistemas industriales, dando origen a paquetes computacionales,
preparados para la formacin profesional de los ingenieros en el campo del
mantenimiento y de los aspectos probabilsticos de seguridad industrial. Sus
aplicaciones condujeron a la creacin de un sistema preparado en ambiente de
computadoras personales, soportados en un esquema interactivo. Su trabajo
requiri la revisin de los aspectos conceptuales en el campo de la Ingeniera,
Estadstica e Informtica, lo cual condujo a la preparacin de los manuales de
operacin de los sistemas y a la elaboracin de textos que recogiesen los
esquemas tericos con sus respectivas aplicaciones, cumpliendo el doble
propsito de sistematizar las investigaciones y los desarrollos tecnolgicos y, al
mismo tiempo, proporcionar una gua para el estudio como profesional de
pregrado y postgrado, de un tema que adquiere enorme importancia en la
industria moderna.
Una vez culminado el esquema terico e incorporado los Mtodos de Estimacin
de Parmetros para el Mantenimiento Industrial, se continu con el desarrollo de
aplicaciones diseadas para medir todos los aspectos relativos al anlisis
probabilstico de la fiabilidad de sistemas, basado en indicadores de importancia
de los eventos susceptibles de ocasionar fallas, as como evaluar la sensibilidad
de los sistemas por indisponibilidad media, instantnea y en puntos aislados del
tiempo. Este esquema, condujo a establecer los mtodos para obtener la prioridad
en los trabajos de mantenimiento, monitorear sistemas y estudiar el problema de
la gerencia logstica de partes y repuestos. Luego de desarrollar la parte
conceptual de estos aspectos, se construy un sistema computarizado
denominado ARCON, abreviatura de Anlisis de Riesgo y Confiabilidad para
sistemas industriales complejos, el cual permite realizar Anlisis Probabilsticos de
Seguridad y estudiar los problemas relativos a los riesgos industriales. As mismo,
8

se cre un sub proyecto de investigacin referido a la medicin y anlisis de las


Vibraciones Mecnicas y su impacto sobre el Mantenimiento Predictivo, adems
de otro sub proyecto orientado a la identificacin y el estudio de las fallas humanas
en los procesos de la gestin de mantenimiento. Este proyecto est en pleno
desarrollo y el Consejo de Desarrollo Cientfico y Humanstico de la Universidad
Central conoci de los textos elaborados dentro del convenio, los cuales someti
al respectivo arbitraje y procedi a la publicacin de tres libros denominados:
Anlisis de Riesgo Industrial; Anlisis de Fallas Dependientes y Errores Humanos,
y Mantenimiento Predictivo por Vibraciones Mecnicas;
Particularmente, en este trabajo se presentan los mtodos empleados para la
estimacin de los parmetros de mantenimiento industrial, concebidos como una
herramienta computarizada para estimar los coeficientes de confiabilidad,
mantenibilidad y disponibilidad de componentes y de sistemas, proporcionando a
estudiantes, profesores y profesionales en general, un instrumento que facilita la
obtencin de indicadores que son necesarios para cuantificar la confiabilidad de
los sistemas industriales y otros elementos asociados, y absolutamente
imprescindibles para llevar a cabo un trabajo tcnico y gerencial adecuado a los
requerimientos de control de sistemas en grandes y complejas instalaciones de la
industria pesada como, por ejemplo, la industria petrolera.
Finalmente deseo expresar sincero agradecimiento al Profesor Ing. Luis A
Martnez, del Instituto Superior de Investigacin y Desarrollo, por su extremada
cooperacin en
el anlisis y desarrollo computarizado de los modelos
matemticos, as como a los Profesores Asociados del Instituto Superior de
Ciencias y Tecnologa Nucleares, Ingenieros y Doctores en Ciencias Tcnicas,
Jos de Jess Rivero y Jess Salomn.

Caracas, mayo del 2000..

I. Gerencia de los sistemas de mantenimiento.


1.1. Consideraciones generales.
Las aplicaciones cientfico-tecnolgicas han derivado durante los ltimos aos
en una proporcin significativa hacia la Gerencia, tomando un enfoque
cuantitativo sustentado en el desarrollo de modelos estadstico matemticos.
Dentro de este marco general, la Gerencia Tcnica ha adquirido un enorme
impulso, apoyada particularmente por el procesamiento de datos a gran
velocidad, utilizando los ordenadores electrnicos los cuales son hoy en da de
gran versatilidad, especialmente las computadoras personales.
La gerencia de mantenimiento ha venido transformndose en una actividad
cada vez ms importante dentro de los complejos industriales y ha adquirido
en los ltimos aos importancia vital, para lograr que las instalaciones y
equipos sean mantenidos en las mejores condiciones operacionales dentro de un
ambiente de ptimo costo. El anlisis y estudio de las relaciones globales dentro
de una organizacin y de su entorno, requieren de experticias especficas
examinando variados factores, entre los cuales est la misma organizacin
estructural, el uso de los recursos materiales y financieros, la operacin de los
sistemas, el control de los costos, y el soporte logstico y tcnico asociado.
Dentro de ese marco referencial, y ante la diversificacin tcnica, producto de
la variedad tecnolgica y organizacional de los complejos industriales, los
sistemas de mantenimiento han adquirido un enfoque especializado, soportado
sobre desarrollos tecnolgicos que los han convertido, para la Administracin
del Mantenimiento, en herramientas absolutamente necesarias para la direccin
global de dichas organizaciones. El perfil de las mismas se ha hecho cada vez
ms complejo ya que la tendencia es la de estar integradas por equipos
generalmente grandes, variados, ubicados en diferentes frentes de las cadenas
de produccin,
con operaciones automatizadas y vinculadas a sistemas
logsticos para el reabastecimiento de insumos cada da ms sofisticados en su
manejo y operacin. A estos aspectos se une la experticia profesional y
artesanal, lo cual requiere
programas
de capacitacin y entrenamiento
continuos.
Los elementos mencionados hacen aparecer a la funcin de mantener como
una actividad dinmica, donde actan gran cantidad de variables y relaciones
funcionales, dentro de un esquema de aleatoriedad que caracteriza al sistema
de mantenimiento. En 1967, el Dr. Howard Finley (1) introdujo el concepto
de Efectividad de un Sistema como mtodo para modelar las actividades del
mantenimiento a objeto de optimizar su gerencia; en este sentido lo defini como:
"La probabilidad que un sistema opere a toda capacidad durante un perodo de
tiempo determinado"

10

1.2. Costos asociados.


El concepto de efectividad de un sistema se encuentra asociado a las variables
de costo involucradas en el sistema y, consecuencialmente, se requiere definir los
conceptos de costo directo de mantener, costo redundante y costo de
penalizacin.
El concepto de costo directo de mantener se refiere a la totalidad de los
costos necesarios para mantener los equipos operables, incluyendo los
servicios, reparaciones, inspeccin y reparaciones mayores. Con relacin al costo
redundante, ste se refiere a un costo adicional por la condicin de mantener
equipos en espera, para ponerlos en funcionamiento cuando el equipo principal
sale de servicio. Por ltimo el costo de penalizacin se refiere a las prdidas de
produccin, cuando los equipos primarios salen de servicio y no existen equipos
en espera que los substituyan.
Las interacciones funcionales de los costos mencionados son sumamente
complejas; pero, en todo caso, la gerencia define su esquema de actuacin
conducente a identificar la mejor combinacin de los subsistemas asociados al
sistema, a objeto de minimizar el costo total de la operacin y optimizar los
esfuerzos de mantener un complejo industrial en particular en la mejor condicin
operacional, dentro de un tiempo determinado.
El esfuerzo de mantener, en primer lugar, est asociado de manera directa al
tiempo fuera de servicio de una instalacin; al efecto, el costo total resultante
de la operacin est en relacin directa con el esfuerzo de mantener. Por lo
tanto, a mayor esfuerzo corresponde comprometer ms recursos econmicos y
materiales, incrementndose funcionalmente el tiempo fuera de servicio. Se
desprende de esta consideracin que por mucho esfuerzo realizado el costo
no necesariamente ser el ptimo, es ms, podr incluso llegar a hacerse antieconmico.
Por otro lado, la cada de un sistema por fallas del mismo o de sus componentes,
implica un costo de penalizacin, como consecuencia de la prdida del valor de
la produccin no colocada en los mercados o comprometida; as se desprende
que este costo est exponencialmente asociado al tiempo fuera de servicio y al
sumarizarse al costo de mantenimiento, determina que el costo directo de
mantener se incremente. El costo total, funcin a su vez del esfuerzo de
mantener, tendr un entorno ptimo, que habr que determinar tcnicamente con
la ayuda del anlisis de los parmetros de mantenimiento, los cuales
contribuyen a mantener la efectividad del sistema preparado para su operacin
en un perodo de tiempo determinado.
El concepto de sistema se define de la manera siguiente:

11

"el conjunto de elementos discretos o componentes que interactan para el


cumplimiento de una funcin determinada".

1.3. Parmetros de mantenimiento.


La efectividad de un sistema, es funcin de un factor sumamente importante
dentro de un enfoque cuantitativo de anlisis de la funcin de mantenimiento:
se trata del concepto de disponibilidad.
El concepto de disponibilidad se define como:
"la probabilidad que un sistema, subsistema o equipo est disponible para su
uso durante un tiempo dado".
Esta probabilidad, asociada a la probabilidad de tener sistemas, sub-sistemas o
equipos instalados con una redundancia determinada, al estar disponibles para
su funcionamiento cuando el sistema, subsistema o equipo principal sale de
servicio, permite obtener una relacin
funcional
que determina
el
comportamiento de la Efectividad del sistema.
El concepto de disponibilidad, como medida probabilstica de que un sistema
est disponible a requerimiento del sistema operativo, es de extraordinaria
importancia para la
gerencia
de mantenimiento. El complemento de este
concepto o indisponibilidad de un sistema, subsistema o equipo, se utilizar con
frecuencia en los anlisis de mantenimiento por la forma prctica que toma el
concepto en las aplicaciones computarizadas.
La disponibilidad como parmetro de mantenimiento, a su vez, es funcin de
dos elementos muy importantes: en primer lugar de la confiabilidad de un
sistema, subsistema o equipo y en segundo lugar de su mantenibilidad. El
primer elemento se define tcnicamente de variadas maneras.
Conejero (2) la define como:
"la caracterstica de un elemento expresada por la probabilidad que cumpla
sus funciones especficas durante un tiempo determinado cuando, se le coloca
en las condiciones del medio exterior".
Finley (3) la define como:
"la probabilidad que un equipo no falle mientras est en servicio durante un
perodo de tiempo dado".
Por ltimo, Valhuerdi y Quintero (4) la definen como:

12

"la propiedad de un sistema de cumplir las funciones para l previstas,


manteniendo su capacidad de trabajo bajo los regmenes y condiciones de
explotacin prescritos y durante el intervalo de tiempo requerido".
El segundo elemento, es decir, mantenibilidad se define como:
"la probabilidad que un sistema, subsistema o equipo que ha fallado pueda
ser reparado dentro de un perodo de tiempo determinado".
La determinacin de los parmetros confiabilidad y mantenibilidad son
determinantes para calcular la disponibilidad de un sistema, sub-sistema, equipo,
parte o pieza de una estructura
industrial. Ello
proporciona los datos
fundamentales para el anlisis de la funcin de mantener y de una gerencia
efectiva, dentro de un ambiente de sistema total que genera gran cantidad de
informacin tcnica y que requerir de evaluacin permanente con la ayuda de
sistemas computarizados. Este sistema total est conformado por multitud de
factores gerenciales, entre los cuales destacan: la organizacin y las polticas, y
procedimientos, tales como: control de trabajos, control de costos y emisin de
reportes gerenciales.
A un mayor esfuerzo en el conocimiento de los indicadores de la gestin de
mantener, habr entonces correlativamente mayor efectividad del sistema,
asociado a menores costos de penalizacin y costos totales mnimos; para tales
propsitos, se desprende la necesidad de un monitoreo constante de los
parmetros de mantenimiento mediante un sistema de informacin y de clculo
de variables, utilizando modelos estadstico matemticos que sirva de apoyo
tcnico para la planeacin y programacin de las acciones de mantener.

13

II. Confiabilidad de componentes.


2.1. Confiabilidad.
A modo de introduccin, se abordan brevemente los conceptos
principales de la teora de confiabilidad de componentes y sistemas.

y trminos

Sistema: Conjunto de elementos discretos o


componentes que
interactan
para el cumplimiento
de
una
funcin determinada.
Subconjuntos de estos componentes pueden, a su vez, denotarse como
subsistemas.

Los conceptos de sistema y subsistema son conceptos relativos y dependen de


la funcin que sea objeto de estudio. De acuerdo con la funcin que se defina,
pueden variar las fronteras de lo que se considera como sistema o subsistema.
Lo que en un estudio es sistema, puede que en otro sea subsistema. De igual
forma, la definicin de los elementos discretos o componentes de un sistema
tambin es relativa y depende del grado de detalle con que se quiera
descomponer el sistema para su estudio y, en ltima instancia, de las
posibilidades que ofrezca la base de datos disponible. As, en el caso de un
sistema de enfriamiento, uno de los componentes podra ser la bomba, mientras
que si disponemos de los datos necesarios, la bomba podra en otro caso
considerarse como sistema y sus piezas como componentes.

Confiabilidad: Es la propiedad de un sistema (elemento, componente o pieza)


de cumplir las funciones para l previstas, manteniendo su capacidad de
trabajo bajo los regmenes y condiciones de explotacin prescritos y durante
el intervalo de tiempo requerido. Dicho de otra forma, la confiabilidad es la
propiedad del sistema de mantenerse sin experimentar un suceso de falla
durante el tiempo y las condiciones de explotacin establecidos.

Falla: Suceso despus del cual el sistema tecnolgico deja de cumplir (total
o parcialmente) sus funciones. La falla es la alteracin de la capacidad de
trabajo del componente o sistema.

Las fallas pueden ser clasificadas de acuerdo con una serie de ndices, que se
recogen de manera general en la tabla 2.1.1.
La falla catastrfica conduce a la alteracin de la capacidad de trabajo. A este
tipo de falla corresponden la ruptura y el cortocircuito; las fracturas,
deformaciones y atascamiento de las piezas mecnicas, etc. Las fallas
paramtricas
son fallas parciales que conllevan a una degradacin de la
capacidad de trabajo, pero no a su interrupcin total.
Las fallas, como hechos casuales, pueden ser independientes o dependientes.
Si la falla de un elemento cualquiera de un sistema no motiva la falla de otros
14

elementos, ste ser un hecho o acontecimiento independiente. Si la aparicin


de la falla en un elemento o si la probabilidad de ocurrencia de la falla ha
cambiado con la
falla de otros elementos, esta falla ser
un
hecho
dependiente. Anlogamente se definen como dependientes o independientes
las fallas de sistemas con respecto a las de otros sistemas.
Indice de clasificacin
Segn el grado de influencia en la capacidad de trabajo
Segn la influencia de fallas de otros elementos
Segn el carcter

de su proceso de aparicin

Segn el tiempo de permanencia del estado fallado


Segn el momento en que se manifiesta
Segn la forma de su deteccin
Segn la naturaleza de su origen o causas

Tipos de fallas
catastrfica
paramtrica
independiente
dependiente
repentina
gradual
estable
temporal
Intermitente
de interrupcin
de bloqueo
revelable
oculta
primaria
secundaria
comando
modo comn

Tabla 2.1.1. Clasificacin de las fallas.


Las fallas repentinas (inesperadas) aparecen como consecuencia de la variacin
brusca (catastrfica) de los
parmetros fundamentales bajo la accin de
factores casuales relacionados con defectos internos de los componentes, con la
alteracin de los regmenes de funcionamiento o las condiciones de trabajo, o
bien con errores del personal de servicio, entre otras causas. En las fallas
graduales se observa la variacin suave de los parmetros debido al
envejecimiento y al desgaste de los elementos o de todo el sistema.
Las fallas estables son aquellas que se eliminan slo con la reparacin o la
regulacin, o bien sustituyendo al elemento que fall. Las fallas temporales
pueden desaparecer espontneamente sin la intervencin del personal de
servicio debido a la desaparicin de los motivos que la provocaron. Las causas
de tales fallas son frecuentemente los regmenes y condiciones de trabajo
anormales. Las fallas temporales que se repiten muchas veces se denominan
intermitentes o alternantes. Ellas atestiguan la existencia de anormalidades en la
calidad del equipamiento o en regmenes y condiciones de trabajo.
Las fallas de interrupcin son las que se producen en el equipamiento en
operacin, interrumpiendo su trabajo. Las fallas de bloqueo impiden el arranque o

15

puesta en funcionamiento de sistemas o componentes a la demanda, es decir,


bloquean la puesta en funcionamiento de sistemas que estn a la espera.
Las fallas revelables son aquellas que se exteriorizan al personal de operacin
inmediatamente despus de su ocurrencia, porque sus efectos se manifiestan
directamente en los parmetros
de funcionamiento de la instalacin
tecnolgica o son detectados a travs del sistema de control. Se trata de fallas de
sistemas en funcionamiento, o a la espera con control de sus parmetros. Las
fallas ocultas no se revelan al personal de operacin por ninguna va en el
momento de su ocurrencia, pero la condicin de falla permanente est latente
hasta ser descubierta por una prueba o sobre la demanda de operacin del
sistema en cuestin. Se trata, por tanto, de fallas de sistemas que trabajan a la
espera.
Las
fallas primarias son intrnsecas del elemento y responden
a sus
caractersticas internas. Las fallas secundarias son debidas a condiciones
ambientales o tensiones operativas excesivas impuestas a un elemento desde
el exterior. Las fallas comando son las originadas por la operacin indebida o la no
operacin de un elemento iniciador (elemento que controla o limita el flujo de
energa que llega al elemento considerado). Dentro de las fallas secundarias y
comando se pueden definir las fallas modo o causa comn, que son aquellas en
que fallan varios elementos, producto de una misma causa.
2.1.1. Indices cuantitativos de confiabilidad.
Entre los
parmetros fundamentales que caracterizan la confiabilidad de
elementos y sistemas se tienen los siguientes:

Probabilidad de trabajo sin fallas o probabilidad de supervivencia: es la


probabilidad de que en un intervalo de tiempo prefijado (o en los lmites de
las horas de trabajo dadas) con regmenes y condiciones de trabajo
establecidos, no se produzca ninguna falla, es decir, la probabilidad de que
el dispositivo dado conserve sus parmetros en los lmites prefijados
durante un intervalo de tiempo determinado y para condiciones de
explotacin dadas. La denotaremos por Ps(t).

De esta definicin se infiere que la probabilidad de supervivencia es el


ndice a travs del cual se cuantifica la confiabilidad de un sistema o elemento
tcnico. La cuantificacin de la confiabilidad como una probabilidad, est
determinada por el carcter aleatorio del suceso al que est referida (aparicin de
la falla). Dicho suceso, aunque aleatorio, est condicionado por factores de
diseo, calidad de la ejecucin y explotacin, etc., cuya influencia se refleja en
su probabilidad de ocurrencia. Por tanto, la influencia de estos factores sobre la
confiabilidad tambin es susceptible de cuantificar.

16

Probabilidad de falla: es la probabilidad de que en un intervalo de


tiempo prefijado se produzca al menos una primera falla. La denotaremos por
Pf(t). Puesto que el trabajo defectuoso y el trabajo sin fallas son sucesos
complementos, tendremos que:
Pf(t) = 1 - Ps(t)

[2.1.1]

Desde el punto de vista matemtico Ps(t) y Pf(t) constituyen funciones de


distribucin acumulada.

Densidad de fallas: es el nmero de fallas por unidad de tiempo, referido a


la cantidad inicial de elementos de un lote o muestra dada N0. Se representa
por f(t). As:
dN/dt
f(t) = --
N0

[2.1.2]

donde: N(t) es el nmero de componentes que no han fallado


(se encuentran operables) al cabo de un tiempo t
N0 es el nmero inicial de elementos de la muestra en estudio
- dN es el diferencial de elementos que fallan en el intervalo (t, t+dt)
Tomando en cuenta las definiciones anteriores de probabilidad de supervivencia y
probabilidad de falla, resulta evidente que:
N(t)
Ps(t) =
N0
N0 - N(t)
Pf(t) = N0

[2.1.3]

[2.1.4]

Por tanto, la densidad de fallas puede expresarse en funcin de Ps(t) o Pf(t), de


la forma siguiente:
dPf(t)
dPs(t)
f(t) = = -
dt
dt

[2.1.5]

17

La densidad de fallas representa as la funcin de densidad de probabilidad


asociada a la funcin de distribucin acumulada Pf(t), por ello tambin se
conoce como funcin de densidad de probabilidad de falla (o de la primera falla).
Intensidad de fallas o rata de fallas: es el nmero de fallas por unidad de tiempo,
referido al nmero de elementos que se encuentran operables en el instante t, y
se denota por R(t).
As:
dN/dt
R(t) = - -N(t)

[2.1.6]

Si expresamos [2.1.2] como:


dN/dt
N(t)
f(t) = -
N(t)
N0
resulta que
f(t)
R(t) =
Ps(t)

[2.1.7]

Sustituyendo [2.1.5] en [2.1.7] y tomando en cuenta [2.1.1], la rata de fallas


tambin puede expresarse como:
Ps'(t)
Pf'(t)
f(t)
R(t) = - = =
Ps(t)
1 - Pf(t) 1 - Pf(t)

[2.1.8]

La intensidad o rata de fallas se expresa cuantitativamente en unidades de


tiempo inversas (por lo general horas inversas: 1/h) y se puede interpretar como
la probabilidad de que el elemento falle por unidad de tiempo a partir de un
instante de tiempo t dado, con la condicin de que no haya fallado hasta
dicho instante. De ah que esta magnitud tambin se identifique como rata de
fallas condicional.
- Tiempo medio de operacin o servicio (tiempo medio de trabajo sin fallas):
nmero medio de horas de trabajo de un componente hasta la primera falla. Lo
denotaremos como TMS (tiempo medio de servicio). Este se puede hallar
aproximadamente como:

18

ti
i=1

TMS =
N
Donde:

[2.1.9]

ti es el tiempo de trabajo sin fallas del i-simo elemento.


N es el nmero de elementos del lote de componentes
con que se experimenta.

Mientras mayor es el nmero N, ms calidad estadstica tiene la valoracin y


mayor es la precisin del valor determinado para TMS.
-Tiempo medio de reparacin o tiempo promedio para reparar: es el tiempo
medio, en horas, de duracin de la reparacin de un elemento despus de
experimentar una falla. El valor aproximado del tiempo promedio para reparar
(TPPR) podemos hallarlo mediante
la expresin:
K

ti
i=1

TPPR =
K

[2.1.10]

Donde:
K es el nmero de fallas del elemento dado durante el tiempo de ensayo u
observacin
ti es el tiempo de duracin de la reparacin despus de la falla i.
La rata de reparacin se define como el inverso de TPPR:
1
=
TPPR
2.1.2. Relaciones entre los ndices cuantitativos

de confiabilidad.

- Relacin entre la rata de fallas R(t) y la probabilidad de supervivencia Ps(t).


Si integramos la expresin [2.1.8] como funcin de Ps(t) en los lmites de 0 a t
obtenemos:
19

R ( ) d = [ ln Ps ( t ) ln Ps ( 0 )]

considerando que para t=0, Ps(0)=1 (componente como nuevo), resulta:


t

ln Ps ( t ) = R ( ) d
0

o sea:
t

Ps ( t ) = Exp ( R ( ) d )

[2.1.11]

para:

R(t) = const. = R
Ps(t) = EXP(-Rt)

[2.1.12]

Por ltimo, aplicando [2.1.1] se obtiene:


Pf(t) = 1- EXP(-Rt)

[2.1.13]

- Relacin entre la densidad de fallas f(t) y la probabilidad de supervivencia


Ps(t).
Si integramos [2.1.5] se obtienen las siguientes expresiones:
t

Pf(t) = f ()d
0

Ps(t ) = 1 f ()d
0

[2.1.14]

[2.1.15]

- Relacin entre la densidad de fallas f(t) y la rata de fallas R(t).


De [2.1.7] se obtiene:
f(t) = R(t).Ps(t)
20

y sustituyendo Ps(t) por [2.1.11]


t

f (t ) = R (t ).Exp( R( )d )

[2.1.16]

- Relacin entre el tiempo medio de servicio y la rata de fallas.


El TMS se determina como el valor esperado del tiempo t hasta la falla, que sigue
una funcin de densidad de probabilidad f(t). As pues, su expresin general
ser:

TMS = tf (t )dt
0

Sustituyendo f(t) en funcin de Ps(t) tomando en cuenta [2.1.5], resulta:

TMS = tdPs(t )
0

Cuando esta expresin se integra por partes se obtiene:

TMS = Ps (t )dt

[2.1.17]

Consideremos el caso particular en que la rata de fallas es constante. Bajo


estas condiciones Ps(t) viene dada por [2.1.12] y [2.1.17] se transforma en:

TMS = Exp( Rt )dt


0

de donde se obtiene finalmente:


TMS = 1/R

[2.1.18]

Esta relacin entre TMS y R (constante) es muy importante y determina que en la


prctica R y TMS sean usados indistintamente como datos de partida para los
anlisis de confiabilidad.

21

2.1.3. Variacin de la confiabilidad de los elementos en funcin del tiempo.


La curva de R(t) en funcin del tiempo para un elemento dado sigue en la
mayora de los casos un comportamiento tpico como el mostrado en la figura
2.1.1, que por su forma caracterstica recibe el nombre de "curva de la
baera". Esta curva puede dividirse en tres partes. La primera parte es el
perodo inicial de trabajo del elemento donde pueden producirse fallas tempranas
debido
a deficiencias en el control de la calidad.
Los fabricantes
acostumbran someter a prueba los elementos durante este perodo para
corregir tales fallas tempranas. La segunda parte se caracteriza por una rata
de fallas aproximadamente constante. En esta parte de la curva podemos
considerar las fallas como aleatorias e independientes del tiempo. Este es el
perodo de vida til del elemento, al cual podemos asociar una distribucin de
probabilidad de falla de tipo exponencial como la expresada por [2.1.13] La
tercera parte de la curva, en la que se produce un aumento sostenido de R(t)
corresponde a la salida de servicio acelerada de los elementos debido al
desgaste y el envejecimiento.

Fig. 2.1.1. Comportamiento tpico de la rata de fallas de un elemento.


Para el caso particular de sistemas de alta responsabilidad, como los sistemas
de seguridad de industrias de alto riesgo, las fallas tempranas tienden a ser
aleatorias (R constante) debido a los altos requerimientos del control de calidad,
mientras que el mantenimiento y reposicin de componentes contribuyen a
alargar el perodo de vida til, protegiendo los sistemas contra el desgaste y el
envejecimiento. Por otro lado, cuando los dispositivos fallan de forma no
frecuente y son complejos y costosos, no pueden ser realizadas muchas
pruebas para caracterizar su confiabilidad. Solo se pueden realizar
estimaciones de R(t). Por ello, lo usual en los anlisis de confiabilidad y de
cuantificacin de la seguridad es asumir las fallas aleatorias, de modo que R(t)
es igual a un valor constante R.

22

Ello determina que la distribucin de probabilidad ms usada para la modelacin


de la confiabilidad de componentes sea
la distribucin exponencial,
caracterizada por las expresiones [2.1.12] y [2.1.13]. Esta es la que se emplea
por lo general en los anlisis de confiabilidad mediante rboles de fallas. As, en
la literatura internacional se acostumbra a caracterizar la confiabilidad de
componentes mediante valores de ratas de fallas constantes expresadas en
forma de fracciones simples o decimales que dan la probabilidad de fallas por
hora de trabajo.
En la tabla 2.1.2 se ilustran ratas de fallas tpicas para algunos componentes
de sistemas industriales con ndices elevados de confiabilidad y seguridad.
Componente
Bombas
Tuberas
Diesels
Vlvulas
Instrumentos

[1/h]
3E-6
1E-9
8E-5
3E-6
3E-7

Tabla 2.1.2. Ratas de fallas para algunos tipos de componentes de sistemas


industriales (5).

2.2. Distribuciones de probabilidad de las fallas de los


componentes de un sistema.
2.2.1. Distribuciones de probabilidad de Fallas.
A
continuacin se describen las distribuciones
de
probabilidad ms
frecuentemente utilizadas para la descripcin de fallas de componentes.
2.2.1.1. Distribuciones discretas.
Dos de las distribuciones discretas de probabilidad ms tiles usadas en
anlisis de fallas son las distribuciones binomial y de Poisson.
Dos parmetros de inters para cualquier distribucin discreta de probabilidad P(x)
de una variable aleatoria x son la media M y la varianza V(x). Para N salidas
posibles, la media es definida como:
N

M = x P(x)
x=0

[2.2.1]

23

mientras la varianza, que mide la desviacin de los valores alrededor de la


media, es:
N

V(x) = (x-M)2 P(x)


x=0

[2.2.2]

- Distribucin Binominal.
En el ms simple de los sistemas hay slo dos salidas, o el sistema funciona
a la demanda o falla. Estas dos probabilidades son complementarias por lo
que:
P(D) = 1 - P(D)

[2.2.3]

donde D es el suceso que representa el xito y D la falla.


Supongamos que la actuacin de un sistema no es conocida y que se va a realizar
un experimento consistente de N demandas o ensayos. Se especifica que las
demandas son independientes (ensayos Bernoulli) tal que P(D) es constante
para cada ensayo. Para describir el experimento con la distribucin
binominal es necesario que el orden de los sucesos no afecte el resultado del
experimento. Los posibles resultados corresponden a los diferentes trminos
del desarrollo binomial de la ecuacin.
[P(D)+P(D)]N = 1

[2.2.4]

Sea q = P(D) la probabilidad de falla e introduzcamos la variable aleatoria discreta


x, definida como el nmero de demandas para las que el sistema falla. Esta
variable sigue la distribucin binomial, con parmetro q e ndice N. La
probabilidad de que ocurran x fallas, es obtenida seleccionando al trmino
apropiado del desarrollo binomial de la ecuacin [2.2.4] y tiene la forma:
N!
P(x) = qx(1-q)N-x
x! (N-x)!

[2.2.5]

Se puede demostrar que para la distribucin binomial


M = Nq
V(x) = Nq(1-q)

[2.2.6]
[2.2.7]

Otra distribucin de probabilidad obtenida de la [2.2.5] es la funcin de


distribucin acumulada de que el sistema falle para Z o menos demandas. Se

24

obtiene por adicin de los trminos apropiados en el desarrollo de la Ecuacin


[2.2.4]:
Z

P(x Z)= P(x)


x=0

[2.2.8]

As la probabilidad de que el sistema falle para Z+1 o ms demandas sera, el


complemento de P(x>=Z),
Z

P(x > Z)= 1 - P(x)


x=0

[2.2.9]

La distribucin binomial es usada en ingeniera de confiabilidad para describir un


componente nico que opera a la demanda y puede ser reparado quedando en
un estado "como nuevo" inmediatamente despus de que falla. Entonces P(x) es
la probabilidad de que el componente falle x veces en N demandas.
Una segunda aplicacin de esta distribucin para anlisis de fallas se refiere
al caso de N componentes idnticos, con una probabilidad de falla q igual para
todos. Entonces P(x) describe la probabilidad de que fallen x de los N
componentes del sistema.

- Distribucin de Poisson.
La distribucin de Poisson es similar a la binomial en el hecho de que describe
fenmenos para los cuales la probabilidad promedio de un suceso es constante
e independiente del nmero de sucesos previos. En este caso, sin embargo,
el sistema experimenta transiciones aleatoriamente desde un estado con N
ocurrencias de un suceso a otro con N+1 ocurrencias, en un proceso que es
irreversible. Es decir, el ordenamiento de los sucesos no puede ser
intercambiado. Otra distincin entre las distribuciones binomial y de Poisson es
que para el proceso de Poisson el nmero de sucesos posibles debe ser grande.
La distribucin de Poisson puede ser deducida a partir de la identidad
EXP(-M).EXP(M) = 1

[2.2.10]

donde el nmero ms probable de ocurrencias del suceso es M.


Si el factor EXP(M) es expandido en un desarrollo de series de potencias, la
probabilidad P(x) de que exactamente x ocurrencias aleatorias tengan lugar
puede inferirse como el x-esimo trmino en la serie, de donde se obtiene:
25

EXP(-M).Mx
P(x) =
X!

x = 0,1,2,3,...

[2.2.11]

La media y la varianza de la distribucin de Poisson son ambas iguales a M.


La funcin de distribucin acumulada de que un suceso ocurra Z o menos veces,
viene dada por la expresin general [2.2.8], tomando en cuenta que P(x) en este
caso se describe mediante [2.2.11]. As pues,
EXP(-M).Mx
P(x Z)=
x=0
X!
Z

[2.2.12]

Por supuesto la probabilidad de que un suceso ocurra Z+1 o ms veces es el


complemento de [2.2.12], es decir, 1 - P(x>=Z).
La distribucin de Poisson es til para el anlisis de la falla de un sistema que
consta de un nmero grande de componentes idnticos que al fallar causan
transiciones irreversibles en el sistema. Cada componente se asume que falla
independientemente y aleatoriamente. Entonces M es el nmero ms
probable de fallas del sistema durante la vida til.

2.2.1.2. Distribuciones continuas.


Para anlisis de fallas los valores de la variable aleatoria tiempo hasta la falla
se encuentran en el intervalo [0,]. En este caso el valor medio de una
distribucin est dado por:

M = tf (t )dt
0

[2.2.13]

y la varianza

V = (t M ) 2 f (t)dt
0

[2.2.14]

- Las distribuciones de Erlang y Exponencial.


La distribucin de Erlang es la forma dependiente del tiempo de la distribucin
discreta de Poisson. Ella aparece frecuentemente en los clculos de ingeniera

26

de confiabilidad que consideran fallas aleatorias, esto es, aquellas fallas para las
que la rata de fallas R(t)
es una constante R. Su expresin puede
deducirse a partir de la expresin [2.2.11] hasta obtener finalmente la
distribucin de Erlang como:
R.(Rt)x-1.EXP(-Rt)
f(t)=
(x-1)!

R>0 , x>0

[2.2.15]

La distribucin de Erlang es vlida para un nmero entero de fallas x. El caso


particular ms importante es para x=1, en el que se obtiene la distribucin
exponencial.
f(t)= R EXP(-Rt)
La funcin de
exponencial es:

[2.2.16]
distribucin

Pf(t)= 1 - EXP(-Rt)

acumulada

de

fallas

para la distribucin

[2.2.17]

y los dos momentos son:


1
M = ,
R

1
V(t) =
R2

[2.2.18]

- Distribucin Logaritmo normal.


La distribucin logaritmo normal de una variable t es una distribucin para
la cual el logaritmo de t sigue una distribucin normal o gaussiana. La
ecuacin que describe la distribucin de probabilidad de falla en este caso se
puede escribir como:
1
ln2 (t/)
f(t)= EXP(-)

(2) t
2 2
El parmetro (adimensional) y el parmetro (en
determinan la forma de f(t).

[2.2.19]

unidades de tiempo)

La densidad de probabilidad de fallas se presenta en la figura 2.2.1 donde se


puede apreciar que la distribucin es oblicua hacia la derecha comparada con la
distribucin de Gauss, que es simtrica respecto a su valor medio. La oblicuidad
se acenta con valores crecientes de .

27

La funcin de distribucin acumulada se halla


[2.2.19], de donde se obtiene:
1
Pf(t) = [ 1 erf (z) ]
2
1
= [ 1 + erf(z) ]
2

integrando la expresin

para t<

para t>

[2.2.20]

donde Z se define como:

Z=

ln(t / )
2

La media y la varianza de
partir de [2.2.13] y [2.2.14] son:

[2.2.21]
la

distribucin

logaritmo normal, obtenidas a

M = EXP( 2/2 )
V(t) = 2 EXP(2 ) [ EXP(2 ) - 1 ]

[2.2.22]

Fig. 2.2.1. Densidad de probabilidad de fallas segn la


distribucin logaritmo normal.
La distribucin logaritmo normal aparece en procesos en los que el cambio en
una variable aleatoria en el n-esimo paso es una proporcin aleatoria de la
variable en el paso (n-1)-esimo. Es decir, la distribucin logaritmo normal se
emplea cuando la variacin est caracterizada por factores o porcientos. As, si X

28

representa una cantidad que puede variar con un factor de error f, abarcando un
rango de valores desde X0 /f hasta X0 f, donde X0 es un punto medio de
referencia dado, la distribucin logaritmo normal es la distribucin adecuada
para describir el fenmeno.
La distribucin logaritmo normal se aplica con frecuencia para describir las fallas
en los anlisis de confiabilidad y riesgo de sucesos raros (de baja probabilidad),
en los que la informacin estadstica limitada hace que las ratas de falla varen
por factores. Por ejemplo una rata de fallas estimada en 10-6/h puede variar de
10-5 a 10-7/h si el factor de error es 10. Cuando la rata de fallas se expresa
como 10-x, donde x es un cierto exponente, el uso de la distribucin logaritmo
normal implica que el exponente satisface una distribucin normal. As, se puede
ver la distribucin logaritmo normal como apropiada para situaciones en las que
hay incertidumbres grandes en los parmetros de fallas.
Otra caracterstica de la distribucin logaritmo normal es que la oblicuidad para
tiempos mayores considera el comportamiento general de los datos para
fenmenos poco probables ya que la misma tiene en cuenta la ocurrencia de
valores poco frecuentes pero con una gran desviacin, tales como ratas de fallas
anmalas debido a defectos de lotes de produccin, degradacin ambiental y otras
causas.
- Distribucin de Weibull.
La distribucin de Weibull es una distribucin de fallas muy general y
ampliamente difundida por su aplicabilidad a un gran nmero de situaciones
diversas. La densidad de fallas es:
K t
f (t ) =
v v

k 1

t
Exp
v

[2.2.23]

La funcin de distribucin acumulada, el valor medio y la varianza, vienen


dados por las siguientes expresiones:
Pf(t) = 1 - EXP[-(t / v )K]

[2.2.24]

M = v (1 + K-1)

[2.2.25]

V(t) = v2 { (1 + 2K-1) - [ (1 + K-1)]2}

[2.2.26]

donde representa la funcin Gamma, que aparece tabulada.

29

La forma de la distribucin depende primariamente del parmetro K, como se


aprecia en la figura 2.2.2. Para K=1, se obtiene la distribucin exponencial, con
rata de fallas R = v-1. Al incrementarse K la distribucin de Weibull tiende a la
distribucin normal siendo ambas casi indistintas para K mayor que 4. Un caso
particular es la distribucin de Rayleigh que se obtiene para K=2.
Las aplicaciones de la distribucin de Weibull se pueden comprender ms
fcilmente a partir de la expresin de la rata de fallas para esta distribucin:
K t
R (t ) =
v v

k 1

[2.2.27]

As pues, el modelo de Weibull es el apropiado para el ajuste de datos en los


que la probabilidad condicional de fallas R(t) satisface una ley de potencia del
tiempo. Ratas de fallas de este tipo se ilustran en la figura 2.2.3.
La aplicacin de la distribucin de Weibull est sujeta a la cuantificacin de los
coeficientes "v" y "k" cuyas magnitudes dependen de la serie histrica de los
tiempos de operacin o corrida de un equipo o componente.

Fig. 2.2.2. Densidad de probabilidad de fallas segn la distribucin de Weibull.

30

Fig. 2.2.3. Rata de fallas segn la distribucin de Weibull.


La cuantificacin de los coeficientes o estimadores ha recibido importante
atencin de Khirosi y Mieko, 1963; Johnson, 1964; C.Cohen, 1965; Weibull
1964 y Finley 1977 (6). A partir de los mtodos de Cohen y la aplicacin del
Mtodo de Mxima Verosimilitud obtendremos soluciones aproximadas pero
confiables de los coeficientes "v" y "k" y a partir de all derivar las estimaciones
de la rata de fallas, probabilidades de supervivencia y probabilidades de
falla. As mismo, evaluaciones matemticas
del comportamiento de estos
indicadores para diferentes perodos de tiempo.
Sea la funcin de densidad de Weibull:
K
t
K-1
f(t) = . t EXP [ - ()K ]
vK
v

para t>0,K>0,v>0

Sea "L" la funcin de mxima verosimilitud, dependiente de una variable "A".


La solucin de la ecuacin consiste en estimar el valor de "A" para el cual "L"
asume un valor mximo.
Como "Log L" presenta un mximo al mismo valor de "A", la ecuacin a resolver
es:
dLog L
= 0
dA

31

Donde la funcin de verosimilitud, segn H. Kramer, de una muestra de n


observaciones es:
L(x1,x2,x3,...xn) = f(x1,A).f(x2,A).f(x3,A)...f(xn,A)
Si los valores de la muestra han sido dados y la funcin de "L" es de una
variable "A", la funcin de verosimilitud para la muestra completa utilizando la
funcin de Weibull es:
N

K
ti
K-1
L(t1,t2,...tn) = . ti. EXP [- () K]
I=1 v K
v

[2.2.28]

tomando logaritmo y derivando con respecto a V y K e igualando a cero tenemos:


Ln [L(ti,i=1...,n)]
n.k
k n
ti
= - + ()K = 0
v
v
v i=1 v

n
ti
ti
Ln [L(ti,i=1...,n)]
n
n
= - - nlnv+ ln ti + ln ()K = 0
i=1
i=1
K
K
v
v

Eliminando V y simplificando:
1 n
1
n
n
ln ti = - + ti ln ti / ti K
i=1
i=1
n i=1
K
ti K
v = [ ] 1/K
i=1
n
n

[2.2.29]

Por iteraciones sucesivas, al efecto, una estimacin de "K" se puede obtener


mediante el mtodo de Newton-Raphson cuya tcnica numrica permite encontrar
la raz de una funcin F(x), y eliminar el error asegurando el valor de "K". Bajo
estas condiciones si Ki es la aproximacin de una raz, una nueva estimacin
est dada por:

32

F(Ki)
Ki+1 = Ki -
F'(Ki)

F(Ki) 0

[2.2.30]

la funcin queda definida por:


1
1
K
F(k) = (ti) .lnti - ti - lnti.ti K
k
n
K

1
1
K
F'(x) = (ti) .(lnti) - lnti.ti + ti K -...
K
K2
K

1
- ln ti lnti.ti K
n

[2.2.31]

donde:
Ki+1-Ki<e

siendo e=error de aproximacin.

Prefijado e se limita el proceso iterativo para el clculo de k, calculado ste se


calcula v obteniendo la estimacin por mxima verosimilitud de la funcin de
Weibull. Con los estimados correspondientes se obtienen la rata de fallas,
probabilidad de falla, de supervivencia y los estimados del promedio y la
varianza. Los clculos respectivos han permitido la construccin de un modelo
para obtener los parmetros de confiabilidad, cuyo programa computarizado ha
sido denominado PARAMAN.
A continuacin definimos los datos de entrada, caracterizados por el tiempo de
corrida al estado entre la base de la hora y fecha de arranque del equipo y la
fecha y hora de parada caracterizando la razn de las fallas. Estos datos se
convierten en variables xi de la muestra, se ordenan de manera creciente y
finalmente se suavizan exponencialmente para mejorar en homogeneidad,
logrado este aspecto se procede al clculo de los indicadores de confiabilidad
y se disponen para la respectiva simulacin atendiendo a diferentes perodos
de tiempo.
El modelo matemtico computarizado PARAMAN, que forma parte de un Sistema
de Informacin Gerencial de Mantenimiento, calcula la probabilidad que un
equipo se encuentre en operacin o sea reparado en un lapso determinado, a
partir del comportamiento mismo del equipo, el cual se caracteriza por los
tiempos de operacin y los tiempos durante los cuales est detenido por
33

reparacin. La distribucin de los tiempos de operacin y de parada se asocian


a
funciones probabilsticas
que
permiten encontrar los parmetros de
confiabilidad y mantenibilidad, cuya combinacin da origen a la disponibilidad y
ofrece, adems la posibilidad de efectuar simulaciones sobre la base de
diferentes perodos de tiempo.
El modelo PARAMAN determina la rata de fallas, el factor "k" que establece el
ciclo de vida del equipo, la edad caracterstica de corrida, y evala las
probabilidades de supervivencia y de falla. Estos elementos entran en el clculo
de los tiempos medios entre paradas y su respectiva varianza.
En el caso de mantenibilidad, se define la funcin de probabilidades que
calcula la posibilidad que un trabajo de mantenimiento se efecte en un
tiempo determinado, la edad caracterstica para reparar, su varianza y los
tiempos medios.
Resumiendo, el modelo PARAMAN permite obtener:
- Historial de un componente, equipo o planta ( arranques,
paradas, causas de la parada)
- Probabilidades de supervivencia y falla
- Tiempos de operacin entre arranque y falla
- Tiempos fuera de servicio
- Disponibilidad para cada corrida
- Tiempos medios entre fallas, fuera de servicio y
disponibilidad total
- Parmetros de Weibull (tiempo de corrida caracterstico "v",
factor "k", desviacin estndar del tiempo medio entre
fallas, rata de fallas)
- Parmetros de Gumbel (Factor de forma "A", tiempo
caracterstico de parada "U")
- Probabilidades de falla y tiempos de reparacin (calculados
por simulacin para diferentes valores de tiempo)
En (7) podr encontrar una informacin ms detallada
PARAMAN.

sobre

el sistema

2.3. Bases de datos de confiabilidad.


2.3.1. El teorema de Bayes y la confiabilidad.
La determinacin experimental de datos de confiabilidad de componentes
para una industria en especfico puede confrontar dificultades cuando las fallas
son sucesos raros. Por ello en ocasiones es necesario recurrir a datos de

34

componentes similares en otras industrias donde se disponga de una mayor


estadstica de fallas y hacer un proceso de "ajuste" de estos a la experiencia de
explotacin de la instalacin que se analiza. Puede tambin darse el caso de
datos genricos para industrias de una tecnologa dada que se quieren ajustar
a los componentes anlogos de la tecnologa propia.
Para ello juega un papel importante el llamado Teorema de Bayes de la Teora
de las Probabilidades.
- Teorema de Bayes.
Sea un espacio muestral S, dividido en N sucesos A1...AN mutuamente
excluyentes, tales que A1+A2+...+AN=S y
otro
suceso cualquiera
B,
subconjunto de S. Entonces, de acuerdo con la definicin de probabilidad
condicional, tenemos que:
P(Ai.B) = P(Ai/B).P(B) = P(B/Ai).P(Ai)
Igualando el segundo y tercer miembros y despejando obtenemos:
P(Ai) P(B/Ai)
P(Ai/B) =
P(B)

[2.3.1]

Si P(B) se expresa a partir de los sucesos A1...AN, se obtiene finalmente la


expresin del Teorema de Bayes:
P(Ai) P(B/Ai)
P(Ai/B) =

[2.3.2]

P(Ai) P(B/Ai)
i=1

La aplicacin ms importante de la expresin [2.3.2] en anlisis de confiabilidad


est dirigida al ajuste de datos genricos o de otras industrias, para ser utilizados
en la instalacin propia, tomando en cuenta la estadstica de fallas acumulada
en esta ltima. Esta aplicacin se ilustra en el siguiente ejemplo.
Ejemplo 2.3.1: Supongamos que queremos estimar la rata de fallas de una
bomba de baja presin empleada en un sistema de enfriamiento. De la
literatura internacional conocemos que las ratas de fallas para bombas similares
en otras industrias oscilan en los rdenes 10-3, 10-4, 10-5 [1/h] . De la
experiencia de explotacin de la tecnologa propia se tiene que para una
muestra dada de bombas del tipo analizado no se han producido fallas durante
500 horas de trabajo en regmenes de prueba.

35

En este caso, adoptamos como sucesos Ai las ratas de fallas encontradas en


la literatura: A1 es el suceso rata de fallas igual a 10-3, A2 igual a 10-4 , A3 igual
a 10-5, las que sern nuestras hiptesis de partida.
El suceso B ser el que nos aporta la experiencia propia: 500 horas de trabajo
sin falla. Si la rata de fallas fuese 10-3/h, la probabilidad de B (500 horas de trabajo
sin fallas) sera:
P(B/A1) = (1 - 10-3 . )500
Siendo 10-3 la probabilidad de falla en una hora, 1-10-3 es la probabilidad de
supervivencia o de ausencia de fallas en una hora. Este ltimo trmino, elevado a
la potencia 500, equivale a la probabilidad de que no se produzcan fallas en 500
horas, considerando independientes entre s los sucesos de no falla en cada hora,
por lo cual, se obtiene:
P(B/A1) =Exp(- 10-3 .500)= 0.6064
Clculos similares permiten obtener los valores restantes de P(B/Ai) que se
presentan en la tabla 2.3.1. Estos valores contienen el dato de la experiencia
propia que combinado con las probabilidades P(Ai) asumidas de otras fuentes
conducen a las probabilidades condicionales P(Ai/B).
Si para las probabilidades P(Ai) se asume una distribucin uniforme tal que
P(Ai)=1/3, aplicando [2.3.2] podemos hallar las probabilidades de que la rata da
fallas de la bomba de nuestra industria sea 10-3, 10-4 o 10-5 dada la evidencia B
de que no se producen fallas en 500h de trabajo. Estas son las probabilidades
condicionales P(Ai/B) de la tabla 2.3.1 para la distribucin previa uniforme.
I

Ai

10-3

10-4

10-5

P(B/Ai)

0.6064

0.9512

0.9950

Distribucin previa
uniforme
P(Ai)
P(Ai/B)

0.3333
0.2376

0.3333
0.3726

0.3333
0.3898

36

Distribucin previa
no uniforme
P(Ai)
P(Ai/B)

0.1
0.0643

0.3
0.3026

0.6
0.6330

Tabla 2.3.1. Clculos bayesianos para el ejemplo 2.3.1.


Si hubisemos sido ms realistas en nuestra primera estimacin de P(Ai), como
muestra la distribucin no uniforme de las probabilidades previas P(B/Ai) en
la tabla 2.3.1, entonces, como puede apreciarse para el segundo caso de
distribucin previa no
uniforme, la introduccin de la informacin B tiene menor efecto sobre los
valores previos P(Ai), pues se observa una mayor concordancia entre los
valores de P(Ai) y P(Ai/B).
Los resultados de la tabla 2.3.1 nos permiten concluir que para la bomba del
ejemplo 2.3.1 debe adoptarse una rata de fallas entre 10-4 y 10-5, ms prxima
a 10-5, como podra ser 3.10-5.
Una mayor certeza inicial podra obtenerse con un mejor conocimiento de
las caractersticas y condiciones de trabajo de las bombas cuyas ratas de falla se
tabulan en la literatura, lo que permitira asociar mayores valores de probabilidad
P(A) a las ratas de aquellas cuyas caractersticas y condiciones de trabajo se
asemejen ms a la propia.
As, el anlisis bayesiano puede utilizarse para el ajuste de listados genricos
de datos de partida para los anlisis cuantitativos de confiabilidad y
seguridad, lo cual es muy frecuente en la prctica de realizacin de estos
anlisis.

2.4. Tipos de componentes. Expresiones para la evaluacin de


su confiabilidad.
Para la cuantificacin de la confiabilidad de componentes nos basaremos en el
modelo exponencial, para el cual la rata de fallas es constante.
Al evaluar la confiabilidad de un componente es necesario tener en cuenta dos
aspectos. En primer lugar el rgimen de trabajo bajo el cual se evala la
confiabilidad, lo cual determina el parmetro que la caracteriza, y en segundo
lugar, la posibilidad de restitucin de la capacidad de trabajo del componente
despus de una falla, es decir, si el componente es o no reparable, lo cual
determina la expresin a utilizar para el clculo del parmetro que
corresponda.

37

En lo adelante al referirnos a la confiabilidad o al evaluarla, lo haremos en


trminos de probabilidad de falla. Ello se debe a un problema prctico. Los
valores de confiabilidad de componentes y sistemas de instalaciones de alta
responsabilidad, y por tanto de altas exigencias en su calidad, son elevados, muy
prximos a la unidad (decimales con varios 9 consecutivos), mientras que su
complemento, la probabilidad de falla, son valores muy prximos a cero,
fcilmente expresables como potencias negativas de 10.
En cuanto al rgimen de trabajo de los componentes existen dos posibles: el
rgimen de espera, durante el cual el componente permanece listo para entrar
en funcionamiento cuando se le requiera, y el rgimen de operacin. El primero
es tpico de los sistemas de seguridad o aquellos que permanecen como reserva,
los cuales durante la operacin de la planta se mantienen a la espera de cualquier
suceso accidental o falla que requiera su actuacin.
El segundo es tpico de los sistemas de operacin normal y corresponde
tambin a los sistemas de seguridad durante el perodo de tiempo que dure el
cumplimiento de su funcin de seguridad despus que son demandados
(sistemas de seguridad activos).
Las ratas de fallas utilizadas para modelar los componentes deben estar
diferenciadas de acuerdo con su rgimen de trabajo. As existen ratas de falla
a la espera y ratas de fallas en operacin.
Tambin debe tomarse en cuenta la correspondencia del rgimen de trabajo con
el tiempo analizado. Para el rgimen de espera deber utilizarse, por tanto, la rata
de fallas a la espera y el tiempo a la espera (tiempo durante el cual el
componente se mantiene "listo" para entrar en funcionamiento) y para el
rgimen de operacin se usar la rata de fallas en operacin y el tiempo
analizado ser el perodo necesario de operacin del componente.
Seguidamente se describen las expresiones para el clculo de la probabilidad de
falla de componentes, segn su clasificacin en modos de falla a la espera y en
operacin y de acuerdo a los tipos de componentes que emplea el algoritmo
base para los modelos computarizados denominado Anlisis de Riesgo y
Confiabilidad (sistema ARCON).
- Componentes a la espera.
Para la evaluacin de la probabilidad de falla de componentes a la espera
definiremos una nueva magnitud que es la disponibilidad del componente.
La disponibilidad se define como la probabilidad de que el componente est
apto o listo para actuar u operar en el momento que sea requerido. Por razones
similares a las planteadas para la fiabilidad
trabajaremos no con la
disponibilidad
de
los componentes sino con su complemento (1 disponibilidad) que llamaremos indisponibilidad y denotaremos por q(t).
38

As, la indisponibilidad q(t) se define como la probabilidad de que un


componente est en estado fallado en el instante t y no sea posible su actuacin
si es requerida (falla de bloqueo). Como se aprecia, se trata de una magnitud
puntual que evala la probabilidad del estado fallado en un instante t, a
diferencia de la probabilidad de falla para sistemas en operacin dada por
[2.1.13], que es una funcin de distribucin acumulada que da la probabilidad de
falla (falla de interrupcin) para un intervalo de tiempo de 0 a t.
- Componentes tipo 1. Probabilidad de falla fija.
En este caso la indisponibilidad del componente es un
tiempo, de modo que:
q(t) = q = cte.

valor constante en el

[2.4.1]

Los componentes tipo 1 se emplean para modelar aquellos modos de falla, cuya
probabilidad es uniforme en el tiempo, as como en aquellos casos en que no se
cuenta con informacin suficiente para determinar una ley de variacin de la
indisponibilidad en el tiempo de acuerdo a otro modelo.
Un modo de falla al cual se aplica este modelo es al error humano, por
ejemplo, el suceso de una vlvula manual dejada en posicin incorrecta despus
de un mantenimiento. En este caso un valor tpico es q=2.10-2, lo que representa
que en 100 demandas al componente, ste se encontrar como promedio 2
veces en posicin incorrecta (indisponible), por el error humano.
- Componentes tipo 2. No controlable.
Se aplica a componentes cuyo estado no es controlado durante todo el tiempo en
que el sistema se encuentra a la espera, y que al presentarse la demanda
pueden fallar por mecanismos de fallas ocultas. El sistema ARCON da, adems,
la posibilidad de adicionar a la indisponibilidad de este tipo de componentes
una probabilidad adicional de falla a la demanda por carga de impacto sobre el
componente en el momento que se requiere su actuacin.
As, de la expresin [2.1.13], que corresponde a componentes no reparables
cuyo tiempo hasta la falla sigue una distribucin exponencial, se obtiene
adicionando la indisponibilidad por carga de impacto qad:
q(t) = 1 - EXP(-Rt) + qad

[2.4.2]

En ARCON tambin se incluye un tiempo previo Tpr que el componente


haya estado a la espera con anterioridad, sin recibir ningn tipo de mantenimiento
que permita considerarlo como nuevo al inicio de nuestro perodo de
observacin. Esto modifica [2.4.2] de la siguiente manera:

39

q(t) = 1 - EXP[-R(Tpr+t)] +qad

[2.4.3]

La expresin [2.4.3] tiene un crecimiento exponencial con el tiempo, de modo


que la indisponibilidad del componente ser una funcin del instante en que se
produzca la demanda. En muchos casos se requiere hallar un valor de
indisponibilidad medio, representativo del comportamiento del componente
durante el tiempo a la espera T, tambin conocido como tiempo de
observacin.
Para el clculo de la indisponibilidad media del componente aplicamos la
expresin general:
q=

1
T

q(t )dt

Sustituyendo [2.4.3] e integrando, se obtiene finalmente:


_
1
q = 1 - {EXP[-RTpr] - EXP[-R(Tpr+T)]} + qad
RT

[2.4.4]

- Componentes tipo 3. Controlado de forma continua.


Se aplica a los componentes cuya falla se detecta en cuanto se produce y son
sometidos de inmediato a la reparacin. Para un sistema a la espera este puede
ser un tanque, cuyo salidero se detecta inmediatamente por un medidor de nivel
con indicacin o seal de alarma en un panel. Se trata por tanto de una falla
revelable.
En este caso la indisponibilidad del componente se determina a partir del
balance entre los procesos de rotura y reparacin, dados por la ecuacin
diferencial:
q(t+dt)= [1 - q(t)].Rdt + q(t).[1 - dt]

[2.4.5]

En [2.4.5] se determina la indisponibilidad en t+dt correspondiente al


miembro de la izquierda a partir de la indisponibilidad que haba en t
mediante los dos trminos del miembro de la derecha. De ellos, el primero
representa la probabilidad que tiene el componente de estar disponible en t y
fallar en t+dt, mientras que el segundo corresponde a la probabilidad de
estar fallado en t y no ser reparado en t+dt.
Integrando [2.4.5] y teniendo en cuenta la condicin inicial q(0)=0, se obtiene
finalmente:

40

R
q(t) = { 1 - EXP[-( R + ) t ] } + qad
R+

[2.4.6]

En [2.4.6] se incorpor adems la probabilidad de falla adicional que


eventualmente puede tomar en cuenta posibles cargas de impacto sobre el
componente en el instante de la demanda.
El componente tipo 3 tiene una indisponibilidad inicialmente creciente en el
tiempo, pero que se estabiliza rpidamente en su valor asinttico. Por ello, en el
clculo de la
indisponibilidad de este tipo de componentes se emplea
habitualmente la expresin [2,4.7], que es el valor asinttico de [2.4.6].
_
R
q = + qad
R+

[2.4.7]

- Componentes tipo 4. Probado peridicamente.


Este es el caso de los componentes cuyo estado se comprueba cada cierto
tiempo Tp mediante una prueba o ensayo de duracin que permite detectar las
fallas del componente. En los casos en que el componente se encuentra fallado
se procede a su reparacin.
La prueba puede tener una cierta ineficiencia, de modo que de la rata de fallas
total slo se detecta una fraccin que llamaremos ineficiencia de la prueba y
denotaremos por Inef. As, la rata de fallas se desdobla en dos componentes,
la rata de fallas detectables Rdet y la rata de fallas no detectables Rno, cuyas
expresiones son:
Rdet = R.(1-Inef).

[2.4.8]

Rno = R.Inef.

[2.4.9]

La indisponibilidad de un componente de este tipo tiene un carcter peridico,


y puede dividirse en tres zonas principales:
- Durante la prueba. La contribucin de la prueba a la indisponibilidad viene
dada por la expresin:

qp = pnt
Tp

[2.4.10]

41

donde el cociente representa la probabilidad de que al presentarse una


demanda el componente este en prueba y pnt es la llamada probabilidad de notrnsito del estado de la prueba al estado del componente para el cumplimiento
de su misin. La probabilidad pnt representa la indisponibilidad del componente
durante la prueba.
- Durante la reparacin posterior a la prueba (s se detecta fallado).
Al realizar la prueba, el componente ha permanecido a la espera durante un
tiempo Tp - . La probabilidad de llegar a la prueba fallado, ser, de
acuerdo con [2.1.13]: 1-EXP[-Rdet(Tp-)], expresin que se aproxima a Rdet(Tp) para valores
de Rdet(Tp- ) menores
que
0.1, lo cual resulta
completamente vlido en todos los casos de inters.
Tomando en cuenta lo anterior, se puede establecer la siguiente expresin para
la indisponibilidad por reparacin:
Tr
qr = Rdet(Tp- ) [ .( 1 - phe) + phe ]
Tp-

[2.4.11]

donde
Tr es el tiempo medio de reparacin del componente(=1/); phe es la
probabilidad de error humano total, que incluye tanto la probabilidad de no
detectar la falla por error en la prueba phep como la probabilidad de que el
componente quede indisponible por un error en la reparacin pher.
phe = phep + ( 1 - phep ) pher
En la expresin [2.4.11] el primer factor es la probabilidad de que el componente
llegue fallado a la prueba. El primer sumando entre corchetes representa la
probabilidad de que se produzca la demanda cuando el componente est en
reparacin, dado que el componente se detecta fallado y se repara
correctamente. El segundo sumando es la probabilidad total de error en la prueba
o la reparacin, que hacen que el componente permanezca indisponible
durante todo el tiempo Tp- que media hasta la prxima prueba.
Si la expresin
finalmente:

[2.4.11] se

transforma

qr = Rdet [ Tr + phe.(Tp - - Tr) ]

convenientemente,

se obtiene

[2.4.12]

Si la probabilidad de error humano fuera cero, la expresin se reduce a:


qr = Rdet.Tr

[2.4.13]

42

- Durante el tiempo (Tp- ) hasta la prxima prueba.


En este intervalo el componente est sometido a fallas ocultas no controlables
cuya funcin de distribucin acumulada viene dada por [2.1.13]. Si se tiene en
cuenta la aproximacin q(t)= Rdet.t, vlida para valores de Rdet.t menores
que 0.1, la indisponibilidad media por fallas ocultas en este intervalo ser:
q OC =

Tp

Tp 0

R det tdt

Integrando, se obtiene finalmente:


1
qoc = Rdet (Tp- )
2

[2.4.14]

Por ltimo, la expresin de la indisponibilidad media de un componente tipo


4, se obtiene adicionando las expresiones [2.4.10],[2.4.12],[2.4.14]:
_

q = pnt + Rdet [ Tr + phe .(Tp - - Tr) ] +...


Tp
1
+ Rdet(Tp - )
2

[2.4.15]

Cuando la ineficiencia de la prueba es mayor que cero la expresin [2.4.15]


slo nos da el aporte a la indisponibilidad media del componente debido a las
fallas detectables en la prueba. La fraccin de las fallas que no se detecta en la
prueba tiene un carcter no controlable y su aporte vendr dado por una
expresin como [2.4.4], usando Tpr=0 y Rno como rata de fallas
_

1
q = pnt + Rdet[Tr + phe .(Tp - - Tr)] + Rdet(Tp- ) +...
Tp
2
1
+ 1 - { 1 - EXP[- Rno T] } + qad
RnoT

[2.4.16]

En [2.4.16] se incluy como ltimo trmino la probabilidad de falla adicional a


la demanda por carga de impacto.
Esta funcin tiene adems la posibilidad de ajustar las ratas de fallas de la
frmula [2.4.16] para tomar en cuenta los casos en que la prueba degrada al

43

componente e incrementa su rata de fallas. Este es el caso tpico de los


generadores diesel que se emplean en la industria para asegurar el suministro
elctrico en condiciones de avera. Con este fin el sistema emplea un dato
adicional para los componentes tipo 4, el factor de degradacin de la prueba,
expresado como el % de incremento de la rata de fallas en cada prueba..
- Componentes tipo 6. Indisponibilidad por mantenimiento.
Este modo de falla es la probabilidad de que el componente se encuentre fuera
de servicio por mantenimiento en el momento que tiene lugar una demanda. Si
Tm es el tiempo entre mantenimientos y m es la duracin del mantenimiento, la
indisponibilidad por
mantenimiento viene dada por:
_ m
q =
Tm

[2.4.17]

- Componentes tipo 7. Suceso desarrollado.


Es un componente de probabilidad de falla fija, que a los efectos del clculo no
se diferencia del componente tipo 1 y su indisponibilidad viene dada tambin
por la expresin [2.4.1].
Se emplea para representar la falla de un subsistema, sistema de apoyo o
elemento complejo, que en el momento del anlisis no se puede desarrollar en
los modos de falla ms simples que lo componen por falta de informacin, o
bien este desarrollo se ha hecho de forma separada para una integracin
posterior, cuando se vaya a conformar el modelo de confiabilidad del sistema a
partir de sus componentes en lo que se conoce como un rbol de fallas.
- Componentes en operacin ( tipo 5 ).
La probabilidad de que un componente falle en operacin, ser la probabilidad de
que experimente al menos una falla cuando trabaja durante ese perodo, por lo
que puede ser cuantificada mediante la funcin de distribucin acumulada de
fallas Pf(t), dada por [2.1.13], para R=Rop y t=top :
Pf(t) = 1 - EXP(-Rop . top)
que puede ser aproximada como
Pf(t) = Rop . top

[2.4.18]

44

para valores de Pf(t) menores que 0.1.


Esta expresin se aplica al clculo de la probabilidad de falla de componentes
no reparables en operacin, que a lo sumo pueden experimentar una falla.
Sin embargo, para componentes redundantes reparables, es necesario
tomar en cuenta la posibilidad de reparacin, pues mientras sta se realiza, la
misin es cumplida por el otro componente y el sistema no falla. En este
caso la falla se produce slo si el componente redundante tambin falla, antes
de que el primero haya podido ser reparado.
En estos casos la probabilidad de falla del componente en operacin se
determina mediante una expresin anloga a la [2.4.7], empleada para
componentes tipo 3:
Rop
Pop =
Rop+
donde

Pop
Rop

[2.4.19]
es la probabilidad de falla en operacin del componente
es la rata de fallas del componente en operacin
es la rata de reparaciones del componente, igual al
inverso del tiempo promedio para reparar.

45

III. Confiabilidad de sistemas.


La evaluacin de la confiabilidad de un sistema consiste en la cuantificacin de
la probabilidad de falla en el cumplimiento de su funcin, a partir de las
probabilidades de falla de sus componentes, que se combinan tomando
en cuenta
las interconexiones e interdependencias entre ellos. Estas
interrelaciones vienen dadas por la estructura del sistema y sus procedimientos
de trabajo.
Con este fin, se requiere la construccin de un modelo que contemple tanto
las fallas de equipo como las debidas a errores humanos, as como la
influencia de los procedimientos de operacin, prueba y mantenimiento del
sistema.
Sin embargo, el inters fundamental del anlisis de confiabilidad no
es
exclusivamente el resultado global de la probabilidad de falla del sistema, para
demostrar que ste satisface las exigencias planteadas al diseo. Los
mayores dividendos se obtienen mediante un proceso sistemtico y bien
estructurado para la determinacin de los contribuyentes ms importantes a
dicho resultado global. Estos son los puntos del sistema que requieren mayor
atencin. Consecuentemente, se considera el efecto de modificaciones en el
diseo, as como en los procedimientos de operacin, prueba y mantenimiento,
que an siendo simples, pueden conllevar a una mejora significativa de la
confiabilidad.
Para sistemas complejos e interdependientes el anlisis de rboles de fallas
ha demostrado ser una herramienta poderosa que se aplica con xito en las
industrias nuclear, aeronutica y aeroespacial. Se emplea de forma creciente
en la industria qumica y, en general, resulta una tcnica con alto nivel de
estructuracin, estandarizacin y universalidad, aplicable a industrias
complejas que deben operar con elevada disponibilidad y seguridad.
La tcnica de rboles de fallas tendra un alcance limitado si se aplicara
solamente al anlisis de confiabilidad de sistemas aislados. El mayor beneficio
se obtiene cuando se aplica de forma combinada con la tcnica de rboles de
sucesos, para la construccin de un modelo integral de la industria, que
caracteriza la respuesta de sus sistemas ante diversos sucesos iniciadores de
avera (situaciones accidentales), que de no ser controlados o mitigados tienen
un impacto negativo sobre el proceso productivo (paradas ms o menos
prolongadas, dao a sistemas con prdidas econmicas de consideracin, dao
al medio ambiente y a la poblacin circundante).
Este estudio integral es lo que se conoce como un Anlisis Probabilista de
Seguridad (APS). A partir del modelo bsico del APS se pueden realizar
mltiples aplicaciones durante toda la vida
til de la instalacin para
garantizar una elevada disponibilidad, seguridad industrial y proteccin del

46

medio ambiente. Estas aplicaciones se basan en el conocimiento de los puntos


dbiles del proceso, que permite la toma de medidas tcnicas y
organizativas, muchas veces sencillas, pero que tienen un efecto importante
sobre los ndices tcnico-econmicos de seguridad de la industria.
El modelo de APS no permanece esttico, sino que se actualiza como resultado
de la experiencia operacional y las modificaciones que se introducen en el diseo
y los procedimientos de trabajo. Esto puede hacerse con facilidad a partir del
modelo bsico y permite a la gerencia un mejor conocimiento de las
caractersticas de seguridad y disponibilidad de la planta, para estar prevenidos
frente a eventuales puntos dbiles y anticiparse a stos con la toma de medidas
oportunas.

3.1. Tcnica de rboles de fallas.


El rbol de fallas es un modelo lgico deductivo, que parte del suceso tope para
el cual se produce la falla del sistema. De una forma sistemtica se va
desarrollando el suceso tope en los sucesos intermedios que conducen a ste,
y a su vez los sucesos intermedios en otros de menor jerarqua, hasta llegar a
los sucesos primarios, determinados por el nivel de resolucin del anlisis
posible o deseable. Este se establece atendiendo a los datos de fallas de que se
dispone y/o al alcance que se pretende lograr de acuerdo con los objetivos del
estudio.
Los
sucesos
intermedios
y
primarios
se
interconectan mediante
compuertas lgicas, que bsicamente pueden ser de 3 tipos:
Compuerta OR: El estado fallado de cualquiera de los sucesos que entran a
ella produce el estado fallado a la salida.
Compuerta AND: El estado fallado a la salida de la compuerta se produce
cuando todos los sucesos que entran a ella estn en estado fallado.
Compuerta n/m ("Majority"): El estado fallado a la salida de la compuerta se
produce con cualquier combinacin de n sucesos en estado fallado del total de m
que entra a la compuerta.
En la figura 3.1.1 se muestran los smbolos de mayor utilizacin en la construccin
de rboles de fallas.

47

Fig 3.1.1. Smbolos de mayor utilizacin en la construccin de rboles de fallas.


Los sucesos primarios son puntos terminales del rbol que no se continan
desarrollando. De ellos los sucesos bsicos corresponden generalmente a
modos de falla propios de componentes (por ejemplo falla de una vlvula a la
apertura o al cierre), mientras que el suceso desarrollado es un suceso complejo
que no se desdobla en sucesos bsicos de menor jerarqua, por no contarse
con la informacin necesaria o porque resulta conveniente desarrollarlo
aparte como un rbol independiente. Este ltimo es el caso de los sistemas de
apoyo (por ejemplo la falla de la alimentacin elctrica), que se acostumbra a
modelar en rboles de fallas independientes para despus acoplarlos
(integrarlos) a los rboles de los diversos sistemas a los cuales este sistema de
apoyo presta servicio.
El smbolo de suceso intermedio (rectngulo) se coloca antes de cada compuerta
o suceso primario para describir con precisin el suceso de falla que se est
representando.
Los smbolos de transferencia permiten conectar un subrbol en varios puntos del
rbol principal sin necesidad de repetir varias veces la misma informacin, as
como establecer cortes y divisiones del rbol cuando por sus dimensiones no
puede representarse completamente en una hoja de papel. Este es el caso del
rbol de fallas que aparece posteriormente en la figura
3.1.4.
La tcnica de rboles de fallas permite modelar los sistemas con un alto grado de
flexibilidad, pero deben tenerse en cuenta las siguientes premisas fundamentales:

48

1. Los sucesos bsicos de un rbol de fallas tienen carcter binario, es decir, el


componente est fallado o est operable, el modo de falla se produce o no se
produce. No es posible modelar estados intermedios o degradados de los
componentes.
2. Los sucesos bsicos tienen que ser estadsticamente independientes, lo cual
es una exigencia del mtodo que se emplea para calcular la probabilidad de
falla del sistema a partir de los resultados de la evaluacin cualitativa del rbol
de fallas. La existencia de modos de falla dependientes se toma en cuenta
cuando un mismo suceso intermedio o primario aparece repetido en el rbol de
fallas, como contribuyente a varios sucesos intermedios.
Para la construccin de un rbol da fallas se precisa ante todo comprender bien el
funcionamiento del sistema y sus procedimientos operacionales, de prueba y
mantenimiento.
Al desarrollar el rbol desde el suceso tope hasta llegar a los sucesos primarios,
es necesario identificar en cada paso todas las contribuciones o caminos que
pueden conducir al suceso intermedio. De modo general, para la falla de cada
componente existen al menos 5 posibilidades:
1. El equipo no recibi la seal que activa su operacin.
2. El equipo no recibe servicio de algn sistema de apoyo, necesario para su
trabajo. (Ej. : alimentacin elctrica, enfriamiento, lubricacin, etc.).
3. El propio equipo experimenta algn tipo de falla que le impide operar.
4. Se produce un error humano que imposibilita la activacin del componente,
debido a la no-intervencin del operador o su actuacin tarda, o por haberse
dejado el componente en posicin incorrecta despus de un mantenimiento.
5. Algn suceso externo puede afectar al componente y evitar su funcionamiento.
En este caso pueden presentarse fallas del tipo causa comn, que afectan
simultneamente a varios componentes (por ejemplo, dao por incendio).
Existe un grupo de reglas bsicas que se recomiendan para asegurar el desarrollo
del rbol de fallas con la calidad requerida, lo que constituye un aspecto
importante para su posterior revisin y fcil comprensin por parte de otros
especialistas. A continuacin relacionamos las tres principales:
1. Describir de manera precisa los modos de falla dentro de los rectngulos que
identifican el suceso tope, los sucesos intermedios y los sucesos primarios.
2. Todas las entradas de una compuerta deben estar completamente definidas
antes de pasar a modelar otras compuertas.

49

3. No conectar compuertas con compuertas, ni sucesos primarios con


compuertas directamente. Esto se hace siempre a travs del rectngulo donde
se describe con detalle el suceso intermedio o primario correspondiente.
Vase seguidamente algunos ejemplos sencillos que ilustran la construccin de
rboles de fallas.
En la figura 3.1.2 (a) se muestra el rbol de fallas del disparo de un circuito
interruptor. La falla se produce por tres causas, cualquiera de las cuales, de modo
independiente, puede dar lugar al suceso tope. Por esta razn se emplea una
compuerta OR. Los sucesos primarios que entran a la compuerta OR son el
desperfecto en el propio interruptor, la ausencia de la seal de disparo y,
eventualmente, el dao por incendio, un suceso externo que provoca condiciones
ambientales severas y conduce a la rotura del elemento. Este es un modo de falla
del tipo causa comn, pues se trata de un suceso nico que suele afectar a varios
componentes (todos fallan por una causa comn).

(a)

Fig. 3.1.2. Arbol de fallas del disparo de un circuito interruptor.

50

(b)

En la figura 3.1.2 (b) continua el rbol a partir del suceso B, que en la figura 3.1.2
(a) apareca como un suceso desarrollado. Para esto se toma en cuenta que la
seal de disparo se produce por la apertura de uno de dos "relays" conectados en
serie. Bajo estas condiciones, la falla de la seal de disparo tiene lugar cuando
ambos "relays" B1 y B2 fallan cerrados, puesto que con slo uno que abra sus
contactos, el circuito de control queda desenergizado y se produce la seal. Por
ello al reemplazar el suceso B por B1 y B2 se ha empleado una compuerta AND.
Ejemplo 3.1.1: La figura 3.1.3 muestra un sistema con un tanque a presin al cual
se inyecta un gas desde un depsito mediante un compresor accionado por un
motor elctrico. En cada ciclo el operador echa a andar un "timer" T y el tanque
se llena durante un cierto tiempo hasta que abren los contactos del "timer", mucho
antes de que se cree una condicin de sobrepresin. Despus de cada ciclo el gas
comprimido se descarga abriendo la vlvula Vd destinada a este fin. Cuando el
tanque queda vaco se cierra nuevamente Vd y todo est listo para dar inicio a un
nuevo ciclo.
Si en el proceso de llenado del tanque no se produce el disparo del "timer" T, el
operador est instruido para verificar la presin del manmetro M y abrir los
interruptores normalmente cerrados I1 e I2, lo cual desenergiza el motor del
compresor, al interrumpirse la alimentacin elctrica tanto en el circuito de
potencia como en el de control.

51

Fig. 3.1.3. Esquema simplificado del sistema de llenado de un tanque a presin.

(a)

52

(b)

Fig. 3.1.4. Arbol de fallas del sistema del ejemplo 3.1.1.

(c)

53

(d)

Fig. 3.1.4. Arbol de fallas del sistema del ejemplo 3.1.1. (continuacin).

(e)

54

(f)

Fig. 3.1.4. Arbol de fallas del sistema del ejemplo 3.1.1. (continuacin).
En la figura 3.1.4 se muestra el rbol de fallas del suceso no deseado rotura del
tanque en condiciones de carga normal o por sobrepresin. La rotura del tanque
en condiciones de carga normal se representa mediante un suceso primario, pues
con la informacin disponible no es posible desarrollarlo ms. En cambio, la rotura
por sobrepresin puede tener lugar al combinarse la falla de la proteccin por
sobrepresin del tanque (vlvula de alivio Va) con el suceso intermedio trabajo del
compresor durante un tiempo excesivo. La necesidad de ocurrencia simultnea de
ambos determina el empleo de una compuerta AND.
A continuacin se describen brevemente dos de los sucesos intermedios que
contribuyen a la ocurrencia del suceso trabajo del compresor durante un tiempo
excesivo.
- No se interrumpe la corriente en el circuito de potencia (figura 3.1.4 c y f).
Se produce cuando el manmetro M se traba o indica por debajo del valor real de
presin (el operador no se percata del peligro y no acta), o bien no se logra abrir
el interruptor I2 por falla del equipo, o bien la accin del operador no se produce o
resulta tarda. La falla del interruptor puede ser por un problema intrnseco o
provocada por una sobrecorriente SC en el circuito que dejen "pegados" los
contactos. Este ltimo suceso es una falla causa comn que deja "pegados" los
contactos del "relay" R y adems inhabilita la accin mitigadora de apertura del
interruptor I2. Por esta razn, la falla por sobrecorriente aparece como un suceso

55

primario repetido que contribuye a la ocurrencia de dos sucesos intermedios


diferentes del rbol.
- No se interrumpe la corriente en el circuito de control (figura 3.1.4 e).
En este caso aparece tambin la falla del manmetro M que evita la accin del
operador sobre el interruptor I1, luego vemos que este componente contribuye a la
falla en dos sucesos intermedios, es decir, produce una interdependencia que se
expresa como un componente repetido en el rbol de fallas. Los modos de falla
del interruptor I1 son similares a los de I2, con excepcin de la falla por
sobrecorriente que no es posible en el circuito de control.
Cuando no se est acostumbrado al enfoque probabilista se puede pensar que
algunos de estos modos de falla pueden ser rebuscados o imposibles. Esto puede
ser cierto en algunos casos, pero debemos tomar en cuenta que, en efecto, si la
aplicacin de esta tcnica se realiza en industrias con elevadas exigencias a la
calidad de los equipos y a la calificacin del personal, los sucesos que estamos
considerando son indudablemente de baja probabilidad. Sin embargo, la clave del
anlisis de rboles de fallas radica precisamente, en no descartar de antemano
ninguno de los modos de falla posibles y si esto resultara razonable o
conveniente deben documentarse las consideraciones que fundamentan tal
decisin.
La resolucin del rbol de fallas y la evaluacin de las probabilidades de los
modos de falla del sistema que surjan, es la que permite sobre bases objetivas
descartar determinados modos de falla poco importantes y centrar nuestra
atencin en otros que resulten los mayores contribuyentes a la indisponibilidad del
sistema. Cuando se trata de sistemas complejos y, particularmente, cuando estas
tcnicas se aplican a la modelacin integral de la industria, pueden aparecer
combinaciones de fallas de equipo y errores humanos que hacen una importante
contribucin a la probabilidad de falla del sistema especfico o de la industria y que
no haban sido tomadas en cuenta con el peso que les corresponde en razn de
su importancia. En todo caso, aunque dicha combinacin de fallas fuera conocida
el mtodo permite cuantificar su aporte y fundamentar la toma de decisiones que
corresponda.
El rbol de fallas tiene, segn hemos visto hasta este punto, un carcter
totalmente cualitativo. Sin embargo, an antes de realizar evaluacin numrica
alguna, ya el propio rbol hace una contribucin significativa a nuestro
conocimiento del sistema o de la industria. Buscando los posibles modos de falla,
logramos dominar con profundidad sus caractersticas tcnicas de diseo, de
funcionamiento y los procedimientos de operacin, pruebas y mantenimiento. El
mtodo nos va conduciendo a los puntos dbiles, a las diversas formas en que
puede fallar.

56

3.2. Evaluacin cualitativa del rbol de fallas.


La resolucin del rbol de fallas consta de dos etapas principales, la evaluacin
cualitativa consistente en la determinacin de todas las combinaciones de sucesos
primarios que hacen fallar el sistema y la evaluacin cuantitativa, paso en el cual
se determina la probabilidad de falla del sistema a partir de las probabilidades de
todos los caminos posibles que conducen al suceso tope no deseado.
As pues, la evaluacin cualitativa tiene como objetivo central la determinacin de
todos los llamados conjuntos mnimos de corte del rbol de fallas. Un conjunto
mnimo de corte o simplemente conjunto mnimo (CM) es un conjunto de sucesos
primarios que no puede ser reducido en nmero y cuya ocurrencia determina que
se produzca el suceso tope. En el ejemplo de la figura 3.1.2 (b), las fallas {A} y {C}
son CM de orden 1, pues con slo ocurrir la falla intrnseca del interruptor o el
dao por incendio ya tiene lugar el suceso tope no deseado. El otro CM de este
ejemplo sera {B1, B2}, en este caso de orden 2 pues se necesita que ambos
"relays" fallen cerrados para que se produzca el suceso tope. {B1} no sera un CM,
pues con esta falla nica no se produce el suceso tope. En cambio {A, C} aunque
da lugar al suceso tope no es CM, pues puede ser reducido en nmero, es decir,
slo es necesaria la falla de A o de C para que se produzca el suceso tope, no se
requiere que fallen ambos.
Es importante destacar que la presencia de CM de orden 1 en un rbol de fallas
de un sistema indica su vulnerabilidad a esta falla nica, lo cual slo es aceptable
si dicha falla es de muy baja probabilidad. En el caso del ejemplo de la figura 3.1.2
(b) esto es posible porque se trata de un dispositivo que normalmente cumple
funciones como parte de un sistema ms complejo.
El rbol de fallas es una estructura lgica integrada por sucesos primarios
binarios. Esto hace que para su evaluacin cualitativa se requiera el empleo de las
reglas del lgebra de Boole, que exponemos brevemente a continuacin, sobre la
base de los sucesos de falla genricos X, Y, Z.
Propiedad conmutativa

XY=YX ; X+Y=Y+X

Propiedad asociativa

X (YZ)=(XY)Z
X+(Y+Z)=(X+Y)+Z

Propiedad distributiva

X(Y+Z)=(XY)+(X.Z)
X+(YZ)=(X+Y)(X+Z)

Propiedad idempotente

XX=X ; X+X=X

Ley de absorcin

X(X+Y)=X ; X+X.Y=X
___ _ _ ___ _ _
XY=X + Y ; X+Y=XY

Leyes de Morgan

57

En las expresiones anteriores el signo "" significa la interseccin de dos


sucesos de falla, es decir, su ocurrencia simultnea, mientras que el signo "+"
representa la unin de dos sucesos de falla, es decir, la ocurrencia de uno o del
otro. Los sucesos X, Y son los eventos complementos de la falla, es decir,
representan el estado operable (xito) del componente.
Existen diversos algoritmos para la determinacin de los conjuntos mnimos de un
rbol de fallas..
El mtodo consiste en la sustitucin paulatina de las compuertas por sus entradas,
desde la compuerta tope hasta llegar a los sucesos primarios, dando prioridad a
las compuertas AND y n/m ("majority") con respecto a las compuertas OR, lo que
contribuye a evitar una expansin excesiva del nmero de combinaciones de
sucesos. En varias partes del proceso se realiza lo que se conoce como reduccin
booleana, es decir, la eliminacin de combinaciones booleanas de fallas que no
resultan mnimas. Esto asegura que al final del proceso se obtengan de forma
explcita todos los conjuntos mnimos de corte, que constituyen los modos de falla
del sistema.
Para ilustrar la evaluacin cualitativa de un rbol de fallas nos basaremos en un
caso sencillo, como el del ejemplo 3.1.1, cuyo rbol de fallas aparece en la figura
3.1.4.
Si C1 representa el suceso tope, este puede representarse a partir de sus
entradas como:
C1=Tpn+C2

[3.2.1]

donde Tpn es el suceso primario rotura del tanque a presin normal y C2 es el


suceso intermedio rotura del tanque por sobrepresin.
Tpn es ya un suceso primario, luego corresponde ahora sustituir la compuerta C2,
de donde resulta:
C1=Tpn+Va.C3

[3.2.2]

Ntese como en la expresin [3.2.1] la sustitucin se hace como una unin(+) de


los sucesos de falla Tpn y C2, interconectados en el rbol mediante una
compuerta OR. En cambio, al sustituir la compuerta C2 en la expresin [3.2.1]
para obtener la [3.2.2], Va y C3 se sustituyen como una interseccin de sucesos
de falla, en correspondencia con la compuerta AND de la cual ambos son entradas
en el rbol de fallas.
Continuando el proceso, tendremos que:
58

C1=Tpn+Va.C4.C5

[3.2.3]

C1=Tpn+Va.C4.(R+SC+C6)

[3.2.4]

C1=Tpn+Va.C4.(R+SC+T.C7)

[3.2.5]

C1=Tpn+Va.(M+E+I2+SC).{R+SC+T.(M+E+I1)}

[3.2.6]

Aplicando la ley distributiva de forma sucesiva, tendremos que:


C1=Tpn+Va.(M+E+I2+SC).(R+SC+T.M+T.E+T.I1)

[3.2.7]

C1=Tpn+Va.(M.R+M.SC+M.T.M+M.T.E+M.T.I1+E.R+E.SC+E.T.M+E.T.E+
+E.T.I1+I2.R+I2.SC+I2.T.M+I2.T.E+I2.T.I1+SC.R+SC.SC+
+SC.T.M+SC.T.E+SC.T.I1)
[3.2.8]
Si ahora aplicamos la propiedad idempotente, resulta:
C1=Tpn+Va.(M.R+M.SC+M.T+M.T.E+M.T.I1+E.R+E.SC+E.T.M+E.T+E.T.I1+
+I2.R+I2.SC+I2.T.M+I2.T.E+I2.T.I1+SC.R+SC+SC.T.M+
+SC.T.E+SC.T.I1)
[3.2.9]
En la expresin [3.2.9] aparecen 21 trminos que representan combinaciones
booleanas de fallas de componentes que conducen a la falla del sistema. Sin
embargo, como veremos seguidamente, de estas 21 combinaciones booleanas
slo 8 son CM. En efecto, si sometemos esta expresin a un proceso de
reduccin booleana aplicando la ley de absorcin, resulta que:
M.SC+E.SC+I2.SC+SC.R+SC+SC.T.M+SC.T.E+SC.T.I1=SC

[3.2.10]

M.T+M.T.E+M.T.I1+I2.T.M=M.T

[3.2.11]

E.T.M+E.T+E.T.I1+I2.T.E=E.T

[3.2.12]

y por tanto [3.2.9] se transforma en:


C1=Tpn+Va.(M.R+M.T+E.R+E.T+I2.R+I2.T.I1+SC)

[3.2.13]

de donde, los CM que conducen a la rotura del tanque son:


De orden 1: 1
De orden 2: 1
De orden 3: 5

Tpn
Va.SC
Va.M.R
Va.M.T
59

De orden 4: 1
Total
:8

Va.E.R
Va.E.T
Va.I2.R
Va.I2.T.I1

Se puede apreciar como las expresiones [3.2.10], [3.2.11] y [3.2.12] reducen 7, 3 y


3 combinaciones booleanas respectivamente en la expresin [3.2.9].
Resulta siempre conveniente, a modo de comprobacin, realizar un examen de
los CM obtenidos. Si nos concentramos en los modos de falla del tanque por
sobrepresin, veremos que en todos los CM aparece la falla a la apertura de la
vlvula de alivio de presin del tanque Va combinada con otros sucesos de falla.
An sin realizar el anlisis cuantitativo, la simple inspeccin cualitativa de los CM
nos permite concluir, en principio, que este suceso bsico ser probablemente un
punto dbil del sistema, es decir, debemos reforzar la proteccin por sobrepresin.
La falla de Va puede combinarse con el suceso SC que hace fallar cerrados los
contactos del "relay" y del interruptor I2 por una causa comn, o con la falla propia
del "relay" R unida a la no-indicacin correcta del manmetro de presin M que
evita la intervencin del operador, y as sucesivamente podemos continuar
analizando el resto de los CM.
El proceso realizado nos permite inducir
generales:

las siguientes consideraciones

1. La generacin de CM va produciendo una expansin paulatina del nmero de


trminos de la expresin booleana, hasta llegar al resultado final en el que el
suceso tope se expresa como la unin de todos los sucesos de falla, dados por
los conjuntos mnimos de corte. La expresin [3.2.9] lleg a tener 21 trminos.
2. Durante el proceso se generan muchas combinaciones booleanas que no son
CM, y requieren ser reducidas. En el ejemplo se redujeron 13 combinaciones
booleanas y slo quedaron 8 CM.
3. Las cantidades de CM que se pueden derivar de un rbol de fallas de mediana
complejidad, y con slo decenas o cientos de sucesos bsicos y compuertas
pueden ser gigantescas, del orden de los millones y superiores. Cuando se
resuelven rboles que modelan el comportamiento global de la industria ante
un suceso iniciador de avera, el nmero de CM suele ser particularmente
elevado, debido a que las secuencias accidentales que surgen involucran
normalmente la falla de varios sistemas.
4. El elevado volumen de operaciones lgicas requerido por la determinacin de
los CM, slo es posible con eficiencia y sin errores mediante el empleo de
tcnicas de computacin. Debe tenerse en cuenta que el consumo de memoria
y tiempo de mquina como funcin del nmero de componentes y la
complejidad del rbol sigue una ley exponencial.
60

Para rboles de cierta complejidad, con cientos o miles de compuertas y sucesos


bsicos, la determinacin de los CM slo es posible mediante un software potente
y una computadora rpida con suficiente memoria operativa y en disco. La
inmensa mayora de los programas de APS de uso actual estn soportados en
computadoras "Mainframe" y una buena parte de los que trabajan en
computadoras personales (PC) confronta serias limitaciones de memoria y
velocidad. No obstante, el creciente desarrollo de los PC ha propiciado el
surgimiento de algunos sistemas capaces de manejar rboles de fallas complejos
en PC, como es el caso del modelo ARCON el cual ha sido desarrollado como
consecuencia de este anlisis.

3.3. Evaluacin cuantitativa de las fallas.


La evaluacin cuantitativa de rboles de fallas consiste, bsicamente, en la
determinacin de la probabilidad de ocurrencia del suceso tope que describe la
falla del sistema, a partir de las probabilidades de los CM, que representan las
contribuciones de todos los modos de falla posibles.
Sean CM1 y CM2 dos CM del rbol de fallas. La probabilidad de que ocurra el
modo de falla CM1 o el modo de falla CM2, es decir, la probabilidad de falla del
sistema por una de estas dos vas ser:
P(CM1+CM2)=P(CM1)+P(CM2)-P(CM1.CM2)

[3.3.1]

donde el suceso CM1.CM2 representa la ocurrencia simultnea de ambos modos


de falla, que de no restarse se estara sumando dos veces al resultado final y
producira su sobreestimacin.
Si ahora se tratara de tres conjuntos mnimos CM1,CM2 y CM3, la expresin de la
probabilidad de falla del sistema por estas tres vas sera:
P(CM1+CM2+CM3)=P(CM1)+P(CM2)+P(CM3)-P(CM1.CM2)-P(CM2.CM3)-P(CM1.CM3)+P(CM1.CM2.CM3)
[3.3.2]
En la expresin [3.3.2] se restan las combinaciones de CM de orden 2, pues de no
hacerlo se estara considerando dos veces. Sin embargo, al restar estos tres
trminos eliminamos completamente la contribucin CM1.CM2.CM3 que debe ser
restituida adicionando el ltimo sumando.
En el caso general de N conjuntos mnimos de corte, la probabilidad de falla del
sistema viene dada por la siguiente expresin:

61

P( CMi)= P(CMi) -
i=1

i=1
N

P(CMi) P(CMj) +

i=1 j=i+1

P(CMi) P(CMj) P(CMk) - ...

i=1 j=i+1 k=j+1


N

+(-1)

N+1

P(CMi)

[3.3.3]

i=1

Para industrias de elevada confiabilidad y bajos niveles de riesgo, la expresin


[3.3.3] puede simplificarse notablemente tomando en cuenta que la probabilidad
de un CM es un valor mucho menor que 1, lo que se conoce como aproximacin
de sucesos raros. Bajo estas condiciones, en la expresin [3.3.3] los trminos de
segundo orden y superiores pueden ser despreciados frente al primer sumando
que har la contribucin fundamental, con lo que se obtiene la expresin:
N

P( CMi)= P(CMi)
i=1
i=1

[3.3.4]

Esto equivale a suponer que los CM son mutuamente excluyentes, es decir, que
se considera sumamente improbable la ocurrencia simultnea de varios CM (la
ocurrencia de un CM excluye la posibilidad de ocurrencia de cualquiera de los
otros).
Si comparamos las frmulas [3.3.3] y [3.3.4] es fcil comprobar que el valor dado
por [3.3.4] sobrestima el valor real, por cuanto los trminos que se desprecian van
siendo menores en la medida que aumenta su orden y los signos alternos
comienzan precisamente con una resta. De esta forma, la contribucin que se
elimina al pasar de [3.3.3] a [3.3.4] tiene signo negativo y conduce a una
sobreestimacin de la probabilidad de falla en [3.3.4]. Esta es una ventaja de la
expresin, pues al aplicarla sabemos que estamos siendo conservadores. Sin
embargo, para aquellos casos en que las probabilidades de falla son elevadas y
deja de cumplirse la aproximacin de sucesos raros la sobreestimacin puede ser
considerable hasta el punto de obtenerse probabilidades de falla del sistema
mayores que 1.
Veamos a continuacin otra expresin para evaluar la probabilidad de falla del
sistema. En este caso se parte del supuesto de que los CM son sucesos
independientes, es decir, se asume que la ocurrencia de un CM no modifica la
probabilidad de ocurrencia de los restantes. Esta suposicin resulta vlida cuando
los sucesos bsicos son independientes y de baja probabilidad, pues cada CM
62

contiene uno o varios componentes que lo diferencian del resto y bajo estas
condiciones la modificacin de la probabilidad de un CM por la ocurrencia de otro
resulta pequea.
La frmula que se emplea en este caso para hallar la probabilidad de falla
del sistema (Pf) es:
N
Pf= 1 - [ 1 - P(CMi) ]
i=1

[3.3.5]

En esta expresin, el trmino 1- P(CMi) representa la probabilidad de que el


conjunto mnimo CMi no ocurra. El producto de estos trminos para todos los CM
desde 1 hasta N es la probabilidad de que no suceda ningn CM, suponiendo que
ellos son independientes, es decir, la probabilidad de que el sistema no falle. El
complemento de este suceso tiene una probabilidad igual a 1 menos el valor
anterior, y es precisamente la probabilidad de que tenga lugar al menos un CM, es
decir, la probabilidad de que el sistema falle.
Aunque la expresin [3.3.5] es ms compleja de evaluar y su aplicacin tambin
est limitada a sucesos de baja probabilidad para que sea vlida la suposicin de
independencia entre CM, tiene una ventaja sobre la frmula [3.3.4] y es que
nunca da valores de probabilidad superiores a la unidad. Cuando la aproximacin
de sucesos raros es vlida y se calcula por las expresiones [3.3.4] y [3.3.5] se
observa una diferencia despreciable entre ambas, con valores ligeramente
superiores al emplear [3.3.4]. Al dejar de cumplirse la aproximacin de sucesos
raros los resultados de ambas expresiones comienzan a diferenciarse
notablemente, pues mientras [3.3.4]
crece de manera sostenida cuando
aumentan las probabilidades de los conjuntos mnimos, [3.3.5] comienza a
saturarse y tiende a uno.
Hagamos seguidamente el anlisis cuantitativo de las fallas del sistema del
ejemplo 3.1.1, a partir de los CM dados por [3.2.13] mediante las frmulas de
clculo [3.3.4] y [3.3.5]. Para ello tendremos que hallar primeramente las
probabilidades de falla de cada uno de los sucesos primarios, determinar
seguidamente las probabilidades de cada uno de los CM, y, finalmente, la
probabilidad de falla del sistema.
- Probabilidades de falla de los sucesos primarios.
Con excepcin del suceso primario E, que representa un error humano por la no actuacin a tiempo del operador, todos los modos de falla se considerarn en esta
fase del anlisis como no controlables, es decir, que durante 1 ao de trabajo
(aprox. T=8000h ) los componentes se explotan ininterrumpidamente entonces

63

son sometidos a un mantenimiento anual que renueva sus propiedades y reduce


la probabilidad de falla al valor inicial 0.
1) Tpn - Rotura del tanque a presin normal
Modo de falla no controlado con rata de fallas 1E-8/h. Aplicando la expresin
[2.4.4] y considerando T=8000h como el tiempo total de trabajo hasta que el
sistema se somete a mantenimiento, as como tambin qad=0 y Tpr=0 se
obtiene:
qTpn = 1 - { 1 - EXP( -1E-8 x 8000 ) } / ( 1E-8 x 8000 ) = 4.00E-5
2) Va - No abre la vlvula de alivio del tanque
Modo de falla no controlado, con rata de fallas 3E-4/h y T=8000h. De forma
anloga al caso anterior, se obtiene:
qVa = 1 - { 1 - EXP( -3E-4 x 8000 ) } / ( 3E-4 x 8000 ) = 6.21E-1
3) M - Manmetro del tanque trabado o indica por debajo
Modo de falla no controlado, con rata de fallas 1E-5/h y T=8000h. De forma
anloga a los casos anteriores, se obtiene:
qM = 1 - { 1 - EXP( -1E-5 x 8000 ) } / ( 1E-5 x 8000 ) = 3.90E-2
4) E - El operador no responde ( error humano )
Probabilidad de falla fija, estimada en qE = 1E-2
5) R - Los contactos del "relay" fallan cerrados
Modo de falla no controlado, con rata de fallas 2.7E-7/h y T=8000h. De forma
anloga a los casos anteriores, se obtiene:
qR = 1 - { 1 - EXP( -2.7E-7 x 8000 ) } / ( 2.7E-7 x 8000 ) = 1.08E-3
6) SC - Sobrecorriente en el circuito de potencia (falla causa comn que mantiene
cerrados los contactos del "relay" y del interruptor I2)
Modo de falla no controlado, con rata de fallas 1E-8/h y T=8000h. De forma
anloga a los casos anteriores, se obtiene:

64

qSC = 1 - { 1 - EXP( -1E-8 x 8000 ) } / ( 1E-8 x 8000 ) = 4.00E-5


7) T - Los contactos del "timer" fallan cerrados
Modo de falla no controlado, con rata de fallas 1E-4/h y T=8000h. De forma
anloga a los casos anteriores, se obtiene:
qT = 1 - { 1 - EXP( -1E-4 x 8000 ) } / ( 1E-4 x 8000 ) = 3.12E-1
8) I1 - Los contactos del interruptor fallan cerrados
Modo de falla no controlado , con rata de fallas 8E-6/h y
T=8000h. De forma anloga a los casos anteriores, se obtiene:
qI1 = 1 - { 1 - EXP( -8E-6 x 8000 ) } / ( 8E-6 x 8000 ) = 3.13E-2
9) I2 - Los contactos del interruptor fallan cerrados
Modo de falla no controlable, con rata de fallas 8E-6/h y
T=8000h. De forma anloga a los casos anteriores, se obtiene:
qi2 = 1 - { 1 - EXP( -8E-6 x 8000 ) } / ( 8E-6 x 8000 ) = 3.13E-2
- Probabilidades de falla de los CM.
De orden 1: 1
De orden 2: 1
De orden 3: 5

De orden 4: 1
Total
:8

Tpn
Va.SC
Va.M.R
Va.M.T
Va.E.R
Va.E.T
Va.I2.R
Va.I2.T.I1

4.00E-5
2.48E-5
2.61E-5
7.54E-3
6.70E-6
1.94E-3
2.10E-5
1.90E-4
9.78E-3

La probabilidad de falla del sistema mediante la expresin [3.3.4] es 9.78E-3/ao.


Esto significa que el tiempo medio hasta la falla del tanque por sobrepresin es
aproximadamente de 102 aos. Si se emplea la frmula [3.3.5], se obtiene un
valor ligeramente inferior, 9.76E-3/ao. La concordancia de ambos resultados
demuestra la aplicabilidad de la aproximacin de sucesos raros a este ejemplo.
Como ya habamos expresado, el inters principal del anlisis radica en la
evaluacin de los modos de falla mayores contribuyentes a la probabilidad de falla
65

del sistema. Para esto resulta conveniente ordenar los CM segn su probabilidad
de la siguiente forma:
1) Va.M.T
2) Va.E.T
3) Va.I2.T.I1
4) Tpn
5) Va.M.R
6) Va.SC
7) Va.I2.R
8) Va.E.R

7.54E-3
1.94E-3
1.90E-4
4.00E-5
2.61E-5
2.48E-5
2.10E-5
6.70E-6

%
77.06
19.78
1.94
0.42
0.27
0.25
0.21
0.07

9.78E-3

100.00

% Acum.
77.06
96.84
98.78
99.20
99.47
99.72
99.93
100.00

En estos resultados se aprecia como ms del 95% de las fallas del sistema se
concentran en los 2 primeros CM. Como era de esperar, la falla de la vlvula de
alivio, que aparece prcticamente en todos los CM es un suceso bsico clave para
la falla del sistema.
Sin embargo el CM #6, donde aparece la falla por sobrecorriente en el circuito de
potencia, prcticamente no contribuye a la falla del sistema, a pesar de su
condicin de falla causa comn. Esto se debe a su probabilidad de falla
comparativamente menor que la de otros modos de falla del sistema. As pues, no
siempre los CM de orden inferior son los mayores contribuyentes. A veces una
secuencia ms compleja de varias fallas puede ser preponderante. En este
ejemplo los CM de orden 1 y 2 aportan solamente un 0.67% de la probabilidad de
falla del sistema, mientras que el nico CM de orden 4 aparece en la tercera
posicin con un aporte de 1.94%.
Es importante que notemos la importante contribucin que hace la falla de los
contactos del "timer" a la apertura, que conjuntamente con la falla de la vlvula de
alivio forma parte de los 3 CM ms importantes con un aporte del 98.78% de la
probabilidad de falla total.
El error humano por accin tarda del operador, aunque reviste cierta importancia
pues forma parte del CM #2 que aporta el 19.78%, no constituye un foco de
atencin vital para reducir la probabilidad de falla de este sistema. La va a seguir
debe ser tratar de elevar la confiabilidad de la vlvula de alivio Va y del "timer" T.
Una alternativa puede ser realizar una prueba mensual del estado de estos
componentes para proceder al mantenimiento correctivo cuando la prueba
detecte alguna insuficiencia. Realizando estas pruebas peridicas, slo a dichos
componentes, podemos reducir sustancialmente la probabilidad de falla del
sistema y el peligro de rotura del tanque.

66

Bajo estas condiciones, se recalculan las probabilidades de falla de la vlvula de


alivio y el tanque, mediante la frmula [2.4.14], con tiempo entre pruebas de 720
horas (1 mes) y
despreciando la duracin de la prueba (=0). Dado que durante la prueba el
sistema no est en operacin, as como tampoco durante el mantenimiento
correctivo que se requiera, no se han considerado las contribuciones a la
probabilidad de falla dadas por [2.4.10] y [2.4.12]. En este caso, el efecto de la
prueba mensual es un corte de los mecanismos de falla de estos dos
componentes cada 720 horas y no al cabo del ao de trabajo, con lo cual sus
probabilidades de falla se reducen sustancialmente.
Las nuevas probabilidades de falla son:
2) Va - No abre la vlvula de alivio del tanque
Modo de falla controlado peridicamente, con rata de fallas 3E-4/h y tiempo
entre pruebas de 720h.
qVa = ( 3E-4 x 720 ) / 2 = 1.08E-1
7) T - Los contactos del "timer" fallan cerrados
Modo de falla controlado peridicamente, con rata de fallas 1E-4/h y tiempo
entre pruebas de 720h. De forma anloga al caso anterior, se obtiene:
qT = ( 1E-4 x 720 ) / 2 = 3.60E-2
Los resultados de la evaluacin cuantitativa en estas nuevas
condiciones son:
% % Acum.
1) Va.M.T
1.51E-4
61.11 61.11
2) Tpn
4.00E-5
16.14 77.25
3) Va.E.T
3.89E-5
15.69 92.94
4) Va.M.R
4.54E-6
1.83 94.77
5) Va.SC
4.32E-6
1.74 96.82
6) Va.I2.T.I1 3.82E-6
1.54 98.06
7) Va.I2.R
3.65E-6
1.47 99.53
8) Va.E.R
1.17E-6
0.47 100.00
2.47E-4

100.00

El efecto de la prueba mensual de los 2 componentes seleccionados reduce la


probabilidad de falla del sistema en ms de un orden. El nuevo valor de tiempo
medio hasta la falla es ahora de 4049 aos. En la nueva estructura de
contribuciones de los CM vemos que aunque las fallas de la vlvula de alivio y del
67

"timer" continan siendo predominantes, su aporte relativo es menor. La falla del


tanque a presin normal comienza a tener un aporte sustancial, lo que significa
que la proteccin a la falla por sobrepresin se ha hecho ms efectiva.
Otras posibles alternativas de mejora al sistema respecto a la variante inicial
seran:
- Usar componentes de mayor calidad y con menor rata de fallas.
Por ejemplo, si empleamos un "timer" con rata de fallas inferior en un orden (1E5/h), la probabilidad de falla de este componente se reduce a 3.90E-2 y la del
sistema disminuye, consecuentemente, al valor 1.32E-3/ao. El tiempo medio
hasta la falla para estas condiciones es de 758 aos.
La nueva estructura de los CM es:
1) Va.M.T
2) Va.E.T
3) Tpn
4) Va.M.R
5) Va.SC
6) Va.I2.T.I1
7) Va.I2.R
8) Va.E.R

9.43E-4
2.42E-4
4.00E-5
2.61E-5
2.48E-5
2.37E-5
2.10E-5
6.70E-6
1.32E-3

% % Acum.
71.03 71.03
18.23 89.27
3.01 92.28
1.97 94.25
1.87 96.12
1.79 97.91
1.58 99.49
0.51 100.00
100.00

- Utilizar un "timer" redundante idntico en serie con el que ya aparece en el


circuito.
Esta mejora incorpora un nuevo componente y, por tanto, modifica tanto los datos
de confiabilidad como la propia estructura del rbol de fallas. Donde antes
apareca el suceso bsico T (los contactos del "timer" fallan cerrados), ahora se
incluye en su lugar una compuerta AND cuyas entradas son la falla por contactos
cerrados de los dos "timers" en serie T1 y T2. Bajo estas condiciones, es
necesario realizar la evaluacin cualitativa del nuevo rbol de fallas y determinar
sus CM. Sin embargo, dada la simplicidad de la modificacin realizada en este
caso especfico, resulta evidente que los nuevos CM pueden obtenerse de forma
sencilla, reemplazando el suceso bsico original T, por el suceso compuesto
T1.T2, que representa la falla simultnea de los dos "timers" en serie.
Finalmente, si realizamos la nueva evaluacin cuantitativa partiendo de que qT1 =
qT2 = qT , se obtiene:

68

1) Va.M.T1.T2
2) Va.E.T1.T2
3) Va.I1.I2.T1.T2
4) Tpn
5) Va.M.R
6) Va.SC
7) Va.I2.R
8) Va.E.R

2.35E-3
6.03E-4
5.92E-5
4.00E-5
2.61E-5
2.48E-5
2.10E-5
6.70E-6

% % Acum.
75.05 75.05
19.27 94.32
1.89 96.21
1.28 97.49
0.83 98.32
0.79 99.12
0.67 99.79
0.21 100.00

3.13E-3

100.00

Esta modificacin incrementa la confiabilidad en algo ms de 3 veces. El nuevo


tiempo medio hasta la falla es de aproximadamente 320 aos.
Hemos podido apreciar en un ejemplo ilustrativo muy simple, como la tcnica de
rboles de fallas constituye una herramienta muy til para fundamentar
cuantitativamente la toma de decisiones en materia de confiabilidad y seguridad
de sistemas, las cuales pueden ser modificaciones pequeas en el diseo o tipo
de equipos utilizados, ajustes en la estrategia de pruebas y mantenimiento, etc., y,
sin embargo, pueden tener un impacto significativo y cuantificable.
Con este propsito el APS se ha ido estructurando y fortaleciendo con numerosos
indicadores y tcnicas de anlisis que cuantifican la importancia de diversos
factores del diseo y la explotacin .
3.4. Tcnica de rboles de sucesos.
Veamos, por ltimo, un nuevo enfoque del proceso que tiene lugar en el ejemplo
3.1.1. Hasta ahora consideramos de forma deductiva, mediante la tcnica de
rboles de fallas, todas las combinaciones de sucesos primarios que conducen al
suceso tope no deseado, rotura del tanque en condiciones de carga normal o por
sobrepresin. Si analizamos los sucesos primarios considerados, llegaremos a la
conclusin de que estos pueden ser de dos tipos:
Iniciadores: Fallas de equipo, errores humanos o sucesos externos que crean una
condicin de peligro de dao al sistema y requieren la accin de medios
protectores o acciones del operador para contrarrestarlos o mitigar sus efectos.
Facilitadores: Fallas de equipo o errores humanos que facilitan el desarrollo de la
avera, a partir del iniciador, hacia un estado final no deseado de dao al sistema,
al inhabilitar las acciones protectoras previstas.
En el ejemplo existen 3 posibles iniciadores de una avera que conduzca a la
rotura del tanque por sobrepresin, que es el estado final no deseado. Ellos son:

69

. R - Los contactos del "relay" fallan cerrados


. SC - Sobrecorriente en el circuito de potencia
. T - Los contactos del "timer" fallan cerrados
Los facilitadores, que podran conducir a la rotura del tanque si ocurriera alguno de
los iniciadores anteriores son:
. Va - No abre la vlvula de alivio del tanque
. M - Manmetro del tanque trabado o indica por debajo
. E - El operador no responde ( error humano )
. I1 - Los contactos del interruptor fallan cerrados
. I2 - Los contactos del interruptor fallan cerrados
El nuevo enfoque a que hacemos referencia, consiste en una tcnica de anlisis
inductivo, denominada rbol de sucesos, que partiendo de un iniciador particular,
determina las posibles vas conocidas como secuencias, que conducen al
suceso final no deseado ms general, en el ejemplo, la rotura del tanque por
sobrepresin.
En la figura 3.4.1 se muestran los rboles de sucesos para cada uno de los 3
iniciadores posibles. Los encabezamientos del rbol de sucesos son funciones
necesarias para la proteccin del tanque contra la rotura por sobrepresin, que
implican el funcionamiento de componentes, equipos o el xito de determinadas
acciones del operador. En ocasiones una funcin se desdobla en varias acciones
o en la actuacin de varios sistemas, como ocurre en la figura 3.4.1 a), donde la
funcin desconexin por el operador se ha desdoblado en dos actividades, la
desconexin del circuito de potencia y la desconexin del circuito de control. Para
las acciones o sistemas en el encabezamiento del rbol de sucesos se producen,
cuando corresponde, bifurcaciones en dos caminos posibles, el xito que va
conduciendo a un estado final seguro, o la falla, que nos lleva al estado final no
deseado. El rbol de sucesos se va ramificando para dar lugar a un conjunto de
secuencias, que se diferencian por la condicin de xito o falla de las funciones
protectoras en cada caso.
En el rbol de sucesos se marcan con la letra D aquellas secuencias en
que la combinacin de fallas de las funciones protectoras conducen al estado
final no deseado (dao), mientras que con la letra E se sealan los estados finales
exitosos. En el ejemplo, existe una sola secuencia de dao para cada rbol de
sucesos, pues en las restantes secuencias se garantiza un estado final seguro del
tanque. Sin embargo en los casos reales ms complejos, pueden ser varias las
secuencias de dao en cada rbol de sucesos.
70

Por otra parte, no siempre se produce la bifurcacin del rbol en cada sistema o
accin protectora. En el rbol de sucesos de la figura 3.4.1 a) se aprecia como,
por ejemplo, si tiene xito la interrupcin de la corriente en el circuito de potencia
no se da ninguna alternativa para las restantes acciones protectoras (interrupcin
de la corriente en el circuito de control y alivio de presin en el tanque), pues la
primera ya garantiza la integridad del tanque y no se requieren otras acciones.
Existen otros casos en que determinadas funciones son alternativas a la falla de
una funcin anterior y slo se modelan opciones para ellas en los casos en que
la funcin precedente no ha sido exitosa.
Para hallar la probabilidad del suceso final no deseado, es preciso hallar las
probabilidades de todas las secuencias que conducen al dao y sumarlas,
teniendo en cuenta las contribuciones de todos los iniciadores posibles. La
evaluacin de la probabilidad de cada secuencia se realiza formando el rbol de
fallas de la secuencia, que une con una compuerta AND a todos los rboles de
fallas de las acciones protectoras que no tienen xito en la secuencia. En la figura
3.4.2 se muestra el rbol de fallas de la secuencia que conduce al dao del tanque
por sobrepresin, para el iniciador T - Los contactos del "timer" fallan cerrados. La
nica modificacin con respecto al rbol de fallas de la figura 3.1.4 es que no se
incluye el suceso primario sobrecorriente en el circuito de potencia SC como modo
de falla del interruptor I2, porque SC es otro iniciador y la probabilidad de
ocurrencia simultnea de dos iniciadores (en este caso T y SC) es despreciable.

71

Fig. 3.4.2. Arbol de fallas de la secuencia que conduce al dao del tanque por
sobrepresin, para el iniciador T - Los contactos del "timer" fallan cerrados.
Si realizamos la determinacin de los CM de la secuencia y el clculo de su
probabilidad, llegaremos a los siguientes resultados:
CM
T.M.Va
T.E.Va
T.I1.I2.Va
Total

Prob.
7.54E-3
1.94E-3
1.90E-4
9.67E-3

Anlogamente, se determinan los CM y las probabilidades de las secuencias que


producen el dao al tanque, para los restantes iniciadores.
- Iniciador R - los contactos del "relay" fallan cerrados
CM

Prob.

R.M.Va
R.I2.Va
R.E.Va
Total

2.61E-5
2.10E-5
6.70E-6
5.38E-5

72

- Iniciador SC - sobrecorriente en el circuito de potencia


CM

Prob.

SC.Va
Total

2.48E-5
2.48E-5

La probabilidad de dao al tanque por sobrepresin puede hallarse como la suma


de las probabilidades de dao para cada uno de los iniciadores posibles, teniendo
en cuenta que stos se consideran sucesos mutuamente excluyentes.
Finalmente, esta probabilidad de falla PTsp ser:
PTsp = 9.67E-3 + 5.38E-5 + 2.48E-5 = 9.75E-3/ao.
Se puede apreciar como estos resultados concuerdan con los obtenidos por la
tcnica de rboles de fallas para el suceso no deseado rotura del tanque por
sobrepresin, que excluye el suceso primario Tpn - Rotura del tanque a presin
normal.
Para el anlisis de industrias complejas no resulta conveniente, como se ha hecho
en el ejemplo 3.1.1, construir un rbol de fallas nico, que incluya todos los
sucesos primarios, tanto iniciadores como facilitadores, que se deducen del
suceso tope no deseado. Esto resultara demasiado complejo y dificultara el
anlisis.
Lo ms conveniente es partir de un estudio denominado Anlisis de Modos y
Efectos de Fallas (FMEA en ingls), para identificar los posibles sucesos
iniciadores de avera en la industria y estimar su frecuencia de ocurrencia.
Para cada uno de los iniciadores se desarrollan los rboles de sucesos que
conducen a un estado final de dao, previamente definido de acuerdo con los
objetivos del estudio y que puede ser solamente de carcter econmico o incluir
adems posibles efectos nocivos sobre el personal de la industria y/o el medio
ambiente. En los rboles de sucesos se modela el comportamiento de las
funciones protectoras previstas en cada caso y se determinan las secuencias cuyo
estado final es el dao.
Para evaluar la probabilidad de fallas de las funciones protectoras se aplica
entonces la tcnica de rboles de fallas, es decir, se realiza el anlisis de
confiabilidad del sistema o los sistemas que cumplen cada funcin. Para estimar la
frecuencia esperada de ocurrencia del estado final no deseado (dao), es
necesario resolver grandes rboles de fallas para cada secuencia de dao, que

73

resulta de la integracin de los rboles de fallas de los sistemas que no tienen


xito en dicha secuencia.
Esta es la esencia del APS y, para obtener todas las ventajas que l puede
ofrecernos, el camino a seguir es la construccin de un modelo integral de la
industria, aplicando de forma combinada las tcnicas de rboles de sucesos y
rboles de fallas.
Las herramientas desarrolladas en el APS permiten cuantificar la importancia de
sucesos bsicos, sistemas, secuencias accidentales y sucesos iniciadores de
avera. Con esta valiosa informacin se pueden dirigir todos los esfuerzos a
los puntos dbiles identificados con un nivel de integracin que abarca toda la
industria y toma en cuenta las interrelaciones e interdependencias entre sistemas,
componentes y acciones humanas.

74

IV. Aplicaciones de los anlisis de confiabilidad.


PARAMAN: SOFTWARE PARA EL CALCULO DE LOS PARAMETROS DE
MANTENIMIENTO
4.1- Consideraciones generales
Las aplicaciones tecnolgicas han derivado gerencialmente hacia los
modelos cuya base es esencialmente cuantitativa. En este sentido la Gerencia
tcnica de mantenimiento ha venido transformndose en una actividad cada vez
mas importante dentro de los complejos industriales y ha logrado una enorme
significacin para lograr que las instalaciones y los equipos que la integran sean
mantenidos en las mejores condiciones operacionales dentro de un ambiente de
costo optimo.
El estudio de las relaciones funcionales dentro de una empresa en
particular requieren de experticias tcnicas de mantenimiento especficas
combinadas con el uso de los recursos materiales y financieros dentro de un
enfoque logstico apropiado.
Dentro de este entorno, y ante la diversificacin tcnica, producto de la
variedad tecnolgica y organizacional de los complejos industriales, los sistemas
de mantenimiento y la medicin de la CONFIABILIDAD, DISPONIBILIDAD Y
MANTENIBILIDAD de los sistemas han adquirido un enfoque especializado
soportado en desarrollos tcnicos que han convertido a la administracin del
mantenimiento en una herramienta necesaria para la gerencia integral de los
complejos industriales.
El perfil de las industrias especficas se hace cada vez mas complejo y la
tendencia de los sistemas de mantenimiento se caracterizan por los siguientes
elementos:

Empresas generalmente grandes, con muchos equipos


Los equipos son grandes, complejos y frecuentemente son
prototipos
Los equipos estn localizados en amplios frentes de trabajo

Las operaciones generalmente se encuentran distantes de


los lugares de reabastecimiento de partes y repuestos

75

Los elementos mencionados caracterizan a la funcin de mantenimiento


como una actividad dinmica, donde actan numerosas variables relacionadas
funcionalmente dentro de un esquema de aleatoriedad que caracteriza a la
actividad de mantenimiento y definida dentro de los conceptos de EFECTIVIDAD
DE SISTEMAS.
Howard Finley, pionero de la gestin tcnica del mantenimiento industrial
dentro de la Industria Petrolera Venezolana e Internacional, defini este Concepto
de Efectividad de Sistemas como un mtodo para modelar las actividades de
mantenimiento a objeto de optimizar la gerencia, consistente en medir la
probabilidad de que un sistema opere a toda capacidad dentro de un perodo de
tiempo determinado.
2.- Costos de mantenimiento
El concepto de efectividad de sistemas fue asociado a variables
costo involucradas en los sistemas de mantenimiento y consecuencialmente
definieron los conceptos de costo de mantener, costo redundante y costo
penalizacin. Las interacciones de estos costos son sumamente complejas y
pueden observar con mayor facilidad en el siguiente diagrama:

de
se
de
se

El concepto de costo directo de mantener se refiere a la totalidad de los


costos necesarios para mantener los equipos operables incluyendo los servicios,
reparaciones, inspeccin y reparaciones mayores.

76

El costo redundante se refiere al costo adicional por la condicin de mantener


equipos en espera, para ponerlos en funcionamiento cuando fallen los principales.
El costo de penalizacin se refiere a las prdidas cuando los equipos principales
salen de servicio y no existen equipos de espera o no se pueden reparar en un
tiempo determinado.
Cuatro sistemas de carcter administrativo son importantes dentro de una poltica
de mantenimiento optimo, ellos son: Control de Equipos, Control de trabajo,
Control de materiales y reporte de los Costos. Estos sistemas forman parte de la
gestin de gerencia el cual de manera general incluyen a los de reportes de
proyectos, reportes de operacin, costos administrativos, pronsticos, presupuesto
y control financiero.
El tradicional control de los equipos consiste esencialmente en un reporte de
control de fallas. Algunas organizaciones intentan reportar cada falla sin mucho
xito, y otras nunca lo reportan por las dificultades metodolgicas que implican su
obtencin. Ante estas situaciones extremas, una posicin intermedia consiste en
reportar y analizar las fallas significativas de los equipos crticos los cuales,
independientemente de su valor, son muy importantes ya que pueden poner fuera
de servicio una planta; y los equipos mayores los cuales pueden causar altos
costos de penalizacin al paralizar las instalaciones; as por ejemplo, en una
refinera cuya capacidad de produccin est comprendida entre 500.000 y
1.750.000 barriles diarios, puede haber menos de 1000 equipos mayores, los
cuales deben ser vigilados y analizados en lo que se refiere a la dinmica de las
fallas En este sentido, tomando como referencia la secuencia de arranques y
paradas, se estima el tiempo medio entre fallas, cuya tendencia se evala
regularmente para controlar las probabilidades de falla y de supervivencia del
sistema, unido obviamente al tiempo medio para reparar, el cual evala la
mantenibilidad del sistema y consecuencialmente la disponibilidad y confiabilidad.
.4.2.-- Parmetros de Mantenimiento
La efectividad de un sistema es funcin de dos conceptos muy importantes
dentro del enfoque cuantitativo. Se trata del concepto de DISPONIBILIDAD, es
decir, la probabilidad que un equipo o componente este listo para operar dentro de
un perodo de tiempo determinado. El complemento a este concepto es el de
INDISPONIBILIDAD. La disponibilidad como concepto es funcin a su vez de dos
elementos, la confiabilidad de un sistema, y la mantenibilidad. Finley define el
primero como la probabilidad que un equipo o componente no falle en servicio
dentro de un entorno de tiempo y el segundo como la probabilidad que un sistema,
equipo o componente que ha fallado sea reparado en un tiempo determinado.

77

Las relaciones grficas de estos elementos se pueden observar en el


siguiente diagrama:

La determinacin de los parmetros de mantenimiento es fundamental para


calcular la disponibilidad de un sistema, subsistema, equipo, componente, etc.;
ello entonces proporciona los datos fundamentales para el anlisis de la funcin
de mantener y de una gerencia efectiva, dentro de un ambiente de sistema total
que genera enorme cantidad de data.
4.3- Distribuciones de probabilidad y estimacin de los indicadores de
Confiabilidad de Sistemas.Entre los parmetros fundamentales que caracterizan la confiabilidad se
tienen los siguientes estimadores:

Probabilidad de fallas y Probabilidad de supervivencia


Densidad de fallas
Tiempo medio entre fallas
Tiempo medio fuera de servicios
Rata de fallas

Los elementos anteriores se reflejan como estimadores de una data que


esencialmente consiste en la medicin del tiempo transcurrido entre una parada
por fallas y el reinicio de la operacin, una vez reparado el sistema. Las variables
bsicas son el tiempo de inicio expresado como fecha, hora y minutos de
ocurrencia de la parada y fecha, hora y minutos de restablecimiento de la
operacin. El siguiente grfico permite apreciar estas relaciones:

78

La data obtenida con la dinmica de la operacin y sus tiempos de fallas se


asocian a una distribucin de probabilidad. Generalmente, la mejor aproximacin
es la distribucin de Weibull, cuyas expresiones funcionales permiten encontrar el
tiempo medio entre fallas, la probabilidad de supervivencia, y en funcin de ellos
encontrar una medicin correcta de la Confiabilidad del Sistema. El
comportamiento de esta distribucin estadstica se puede observar en el siguiente
grfico:

79

Bsicamente, estas expresiones funcionales se resuelven con el uso del PC


mediante la solucin de un modelo probabilstico cuyo software fue desarrollado
por el Centro de Estudios Gerenciales Instituto Superior de Investigacin y
Desarrollo (ISID).
La expresin analtica de esta distribucin de Weibull puede observarse a
continuacin:

PARAMAN es la aplicacin computarizada diseada especialmente para


realizar, en forma prctica e inmediata, el clculo de todos los indicadores
requeridos para analizar el comportamiento de componentes y determinar los
parmetros fundamentales para ejercer el control tcnico de la confiabilidad y la
mantenibilidad.
La solucin computarizada se basa en el procesamiento automatizado de
las variables asociadas a la dinmica operativa de un sistema, equipo o
componente.
Tomando como referencia los datos histricos, se ejecuta el clculo
automtico de los parmetros de mantenimiento, para obtener los tiempos de
operacin por cada corrida y los tiempos fuera de servicio, tanto reales como
suavizados exponencialmente, as como la disponibilidad del equipo en cada
perodo de operacin, adems del clculo de la disponibilidad y su evolucin
histrica

80

El anlisis de Confiabilidad pone en evidencia los indicadores funcionales


caractersticos del equipo y permiten evaluar su fiabilidad en funcin del tiempo,
para lo cual es posible utilizar las opciones de simulacin incorporadas en el
sistema PARAMAN,
De igual forma, se obtienen los indicadores relativos a la Mantenibilidad,
entre los cuales se sealan los siguientes: Tiempo Medio entre Fallas, Tiempo
Medio Fuera de Servicio y Disponibilidad, y Rata de Fallas. En este caso, la
opcin de simulacin permite evaluar la probabilidad de reparar el equipo en
intervalos de tiempo seleccionados por el usuario.
El software proporciona, adems, salidas grficas que complementan
los estudios analticos de los componentes.
A conclusin de los clculos, se puede obtener un resumen impreso donde
se incluyen los indicadores ms significativos, asociados a las distribuciones
estadsticas de Weibull y Gumbell, que caracterizan la confiabilidad y la
mantenibilidad de los equipos analizados.
La evaluacin de la confiabilidad de un sistema consiste en la cuantificacin
de la probabilidad de falla. A partir de all, se calculan tantos elementos como
componentes se desee, los cuales se combinan mediante tcnicas probabilsticas
para obtener la confiabilidad de un sistema y, finalmente, la efectividad del sistema
total. Sin embargo, el inters fundamental del Anlisis de Confiabilidad es el
resultado global de las probabilidades de falla, para demostrar que satisface las
exigencias planteadas en el diseo. Las mayores ventajas se obtienen mediante
procesos que conducen a encontrar los elementos ms importantes y de mayor
contribucin a las fallas del sistema.
Para sistemas complejos, el anlisis de los rboles de falla, sustentado en
el anlisis probabilistico bayesiano, ha demostrado ser una poderosa herramienta
que requiere como data bsica las probabilidades de falla y otros estimadores,
como los calculados anteriormente. Su estudio integral se conoce como Anlisis
Probabilstico de Seguridad (APS) mediante el cual se realizan mltiples
aplicaciones durante la vida til de los equipos industriales, para garantizar una
elevada disponibilidad y seguridad de las instalaciones. As mismo, el tratamiento
de la historia de los equipos, sus partes, componentes, subsistemas o sistemas
permiten monitorear las condiciones de disponibilidad, confiabilidad y de
mantenibilidad. El Sistema de Clculo de Confiabilidad y Disponibilidad de
Sistemas Industriales basado en las tcnicas del APS tambin fue desarrollado en
ambiente computacional por el Centro de Estudios Gerenciales (ISID).

81

Los parmetros obtenidos mediante el modelo PARAMAN, constituyen una


herramienta de gran utilidad para el profesional de mantenimiento, al permitirle
evaluar con rapidez y precisin los coeficientes de confiabilidad, para introducirlos
luego como parmetros fundamentales en el anlisis de los rboles de fallas y en
los estudios de APS los cuales posibilitan, a su vez, hacer un seguimiento
sistemtico a los sistemas de mantenimiento industrial.A ttulo de ejemplo, se presenta a continuacin una situacin tpica de la gestin
ordinaria del mantenimiento industrial, en la cual se requiere determinar el valor
actual de la Rata de Fallas de un componente, para poder evaluar la confiabilidad
integral del sistema del cual ese componente forma parte integrante. Para calcular
el valor de la Rata de Fallas, se emplea el modelo PARAMAN.

82

EJEMPLO DE APLICACION
A objeto de ilustrar la aplicacin del modelo PARAMAN, se plantea el estudio de
una instalacin tpica, simplificada, empleada para comprimir gases industriales,
constituida por un grupo moto-compresor, un tanque de almacenamiento y los
subsistemas de comando y control correspondientes, como se muestra en la Fig.
1.

Fig, 1 . Sistema de Compresin

Para el anlisis de confiabilidad global del sistema, se recurre al empleo de la


tcnica de rboles de fallas, construyendo el modelo o diagrama lgico de fallas
de la instalacin (Fig. N 2). La cuantificacin de la probabilidad de falla total del
sistema requiere, como datos de entrada, la rata de fallas de cada uno de los
componentes que lo integran.

83

Se conoce la rata de fallas de los componentes (segn la Tabla N 1) obtenida de


la informacin tcnica suministrada por los fabricantes y de los datos de planta.
Sin embargo, en lo que respecta al motor M, no se dispone sino de una relacin
pormenorizada de la fecha y hora de arranque de esta instalacin, as como de las
ocasiones en que fue detenida debido a fallas y otros inconvenientes imputables
al motor.

FALLA DEL SISTEMA


DE COMPRESION

FALLA DEL GRUPO


MOTO-COMPRESOR

FALLA GRUPO DE
ALMACENAMIENTO

+
FALLA DEL
MOTOR

+
FALLA DEL
COMPRESOR

FALLA
INTERNA DEL
TANQUE

PERDIDA DE CONTROL
PRIMARIO

FALLA DE CONTROL
SECUNDARIO

INTERRUPTOR A NO ABRE

VALVULA SEGURIDAD VS NO ABRE

+
FALLA
INTERNA DE
IP

FALLA
COMANDO

+
FALLA
EXTERNA
A IP

FALLA
INTERNA
VS

+
ERROR DE
CALIBRACIN

FALLA
EXTERNA AL
TANQUE

FALLA DE
COMANDO

FALLA
COMANDO

FALLA
EXTERNA
A VS

+
CIERRE DE
VALVULA

ERROR DE
CALIBRACIN

CIERRE DE
VALVULA

Fig. 2.- Arbol de Fallas del Sistema de Compresin

84

Tabla N 1
TIPO DE FALLA y COMPONENTE
Falla interna del interruptor de presin A
Falla del interruptor A por causas externas
Falla de comando del interruptor (vlvula V1)
Error de calibracin del interruptor
Falla interna de la vlvula de seguridad VS
Falla vlvula de seguridad VS por causas externas
Falla vlvula de seguridad VS por obstruccin
Error de calibracin de la vlvula de Seguridad VS
Falla intrnseca del tanque T
Rotura del tanque T por causas externas
Falla del Compresor C

Rata de Fallas
1E-2
1E-7
1E-1
1E-2
1E-4
1E-7
1E-7
1E-4
1E-7
1E-8
1E-5

El historial de datos correspondiente a la operacin de la instalacin y las paradas


imputables al motor elctrico, se presenta en la Tabla N 2, los cuales constituyen
los datos de entrada del modelo PARAMAN, requeridos para calcular los
parmetros fundamentales de mantenimiento del motor y su rata de fallas, entre
otros indicadores tiles para caracterizar el comportamiento de este componente.

Tabla N 2HISTORIAL DE EQUIPO


Componente: MOTOR ELECTRICO M
Fecha
Hora Arranque Fecha Parada
Arranque

Hora Parada

Causa de la Parada

10:25 AM Corto Circuito

03/02/1999

3:20 PM

02/05/1999

03/05/1999

4:30 PM

17/07/1999

9:40 PM Eje desalineado

19/07/1999

8:15 AM

20/08/1999

4:10 PM Soporte flojo

23/08/1999

3:20 PM

13/12/1999

6:25 AM Corto circuito

17/12/1999

11:00 AM

12/06/2000

7:30 PM Falla proteccin

13/06/2000

9:25 AM

21/07/2000

8:15 PM Corto a tierra

23/07/2000

9:40 PM

09/08/2000

3:45 PM Recalentamiento

12/08/2000

4:30 PM

07/11/2000

9:20 PM Cojinete averiado

09/11/2000

6:25 AM

(ltimo arranque)

85

Al realizar la carga de los datos de tiempo en el modelo PARAMAN, como se


ilustra a continuacin, se obtienen automticamente los tiempos de operacin y de
permanencia fuera de servicio del componente analizado, debidamente
organizados segn su secuencia cronolgica.

Una vez concluida la carga, de datos, es posible obtener toda la informacin


referente al comportamiento histrico del motor en estudio, mediante el clculo y
despliegue de los tiempos de operacin registrados a lo largo del perodo
analizado, as como las probabilidades de supervivencia y falla estimadas en
correspondencia de cada corrida. Seguidamente, se muestran los resultados
obtenidos para el componente en estudio.

86

De igual forma, se obtienen los resultados del clculo de los tiempos en que el
motor ha permanecido fuera de servicio durante el perodo analizado, al cual se
asocian las correspondientes probabilidades estimadas de falla, como se ilustra a
continuacin.

Los tiempos de operacin y fuera de servicio asociados al componente, son


sometidos a un proceso de suavizado exponencial, para descartar los valores
extremos de la serie de datos originales y as obtener valores de disponibilidad del
motor mejor ajustados. La secuencia de valores reales y suavizados se presenta
seguidamente.

87

Los cmputos anteriores, proporcionan los elementos necesarios para calcular y


presentar los indicadores resultantes del Anlisis de Confiabilidad, obtenindose
de esta manera el tiempo medio entre fallas (o tiempo medio de operacin) la rata
de fallas y los coeficientes de la distribucin estadstica (Weibull) caractersticos
del equipo analizado. Estos resultados se presentan como se ilustra a
continuacin.

Anlogamente, se realizan los clculos y se presentan los resultados del Anlisis


de Mantenibilidad, donde se incluye el Tiempo Medio Fuera de Servicio, el valor
actual de la Rata de Fallas del componente y los coeficientes de la distribucin
estadstica de Gumbell, propios del motor estudiado.

88

Mediante el uso de las funciones de simulacin, se puede realizar


pronsticos de comportamiento del motor en funcin del tiempo, mediante el
clculo de las probabilidades de supervivencia y falla para un tiempo de operacin
(u observacin) preestablecido. De la misma forma, se puede estimar la
probabilidad de realizar los trabajos de reparacin del motor en menos de un
tiempo dado, lo cual permite evaluar la efectividad de las operaciones de
mantenimiento. Ambas opciones se presentan en los grficos a continuacin.

Los parmetros fundamentales de mantenimiento (Confiabilidad,


Mantenibilidad Disponibilidad) se muestran tambin bajo la forma de curvas que
evidencian la evolucin de los tiempos medios de operacin y fuera de servicio y
la disponibilidad suavizada, a lo largo del perodo de anlisis.

89

Finalmente, es posible obtener un resumen impreso de los resultados de


los Anlisis de Confiabilidad y Mantenibilidad, donde aparecen los indicadores,
parmetros y coeficientes asociados a la evolucin operacional del equipo,
adems del valor actual de la Disponibilidad y de la Rata de Fallas (5,63 E-5) que
es el dato requerido para evaluar la confiabilidad integral del sistema MotoCompresor, obtenido a partir de la informacin sobre la dinmica operativa del
sistema que se conserva en el Registro Histrico de Equipos de la planta.

90

BIBLIOGRAFIA

1- Maintenance Engineering Workshop, Houston, THFC, 1963, pg. 253.


2- Lozano Conejero, Antonio. Confiabilidad - Teora y Prctica. Buenos Aires, Editorial
Universitaria,1969, pg. 94.

3- Finley, Howard. Principios de Optimizacin de Mantenimiento, Howard Finley de


Venezuela C.A., 1975, pg. 525.

4- C. Valhuerdi, R. Quintero . Seguridad nuclear. Problemas y valoraciones. Seleccin de


temas. Instituto Superior de Ciencias y Tecnologa Nucleares, MES, La Habana, 1990.

5- IAEA-TECDOC-478. Component Reliability Data for Use in Probabilistic Safety


Assessment. IAEA, Vienna, 1988.

6- Finley, Howard. Ingeniera de Mantenimiento, Houston, 1977.


7- Mosquera, Genaro. Apoyo Logstico para el Mantenimiento Industrial, U.C.V.
C.D.C.H., Caracas, 1987.

8- Mosquera, Genaro. Gerencia de Logstica Industrial, Academia de Ciencias


Econmicas, Caracas, 1994.

9- J. Rivero, J. Salomn, M. Perdomo, A. Torres. Resultados ms significativos de los


estudios de anlisis probabilista de seguridad en Cuba. Revista CTN No 1, Brasil,
1993.

10- J. Rivero, J. Salomn, A. Torres, M. Perdomo. El programa ARCON 4.1 para anlisis
probabilista de seguridad de nivel I. Memorias del II Congreso Regional de ARCAL.
Mxico, 1993.

11- NUREG/CR-4213. SETS Reference Manual. USNRC, Washington DC,U.S.A, 1985.


12- R. W. Randall. FTAP: Computer Aided Fault Tree Analysis. Operational Research
Center, University of California, Berkeley, ORC 78-14, 1978.

13- IAEA-TECDOC-480. J. B. Fussell, PRISIM - A Computer Program that Enhances


Operational Safety. JBFAssociates,Inc., Knoxville, Tennessee. U.S.A., 1988.

14- R. Nakai, Y. Kani. A Living PSA System LIPSAS for an LMFBR. Power Reactor and
Nuclear Fuel Development Corporation. Narita, O-arai,Ibaraki,311-13. Japan, 1991.

91

15- S. Haddad, S. Hirschberg. PSA in the Nuclear and Process Industry: Opportunities for
Interchange of Experience. International Atomic Energy Agency (IAEA). Vienna,
Austria, 1991.

16- GDA/APS. Grupo de desarrollo y aplicaciones de APS. Manual de Usuario del Cdigo
ARCON versin docente. Cuba, 1993.

17- STI/PUB/759. IAEA, Safety Aspects of the Ageing and Maintenance of Nuclear Power
Plants. Viena, 1988.

18- IAEA-TECDOC-542. Use of Expert Systems in Nuclear Safety. Vienna. 1988.


19- N. J. Liparrulo, D. R. Sharp. B. D. Sloane, J. K. Chan. Developments in Living
Probabilistic Risk Assessment. Pittsburg. PA 15230. U.S.A, 1988.

20- GDA/APS. Grupo de desarrollo y aplicaciones de APS. Manual de instrucciones y


procedimientos de garanta de calidad del APS de la CEN Juragu. 1993.

21- Workshop "PSA based

optimization of tasks and procedures in NPP operation",

Mexico, 1993.

22- IAEA-TECDOC-480. Improving Operational Safety Management through Probabilistic


Safety Assessment on Personal Computers. Vienna, 1988.

23- Mc Cormick. Reliability and risk analysis. Methods and nuclear power applications.
1983.

24- 24-IAEA-TECDOC-590. Case study on the use of PSA methods: Determinig safety
importance of systems and components at nuclear power plants. April, 1991.

25- IAEA-TECDOC-508. Survey of Ranges of Component Reliability Data for Use in


Probabilistic Safety Assessment. IAEA, Vienna, 1989.

26- IAEA Safety Series No. 50-P-4. Procedures for Conducting Probabilistic Safety
Assessment of Nuclear Power Plants. IAEA, 1992.

27- NUREG/CR-4780. Procedures for Treating Common Cause Failures in Safety and
Reliability Studies. USNRC, 1988.

28- SRD Dependent Failures Procedures Guide. SRD, UKAEA, 1987.


29- Castillo Guilarte, Manuel. Sistematizacin del Departamento Tcnico de Continuidad
Absoluta, Caracas, 1981, pg. 92

30- Estava Moreno, Nicols. Mantenimiento y Subdesarrollo, Caracas, Editorial Principios,


pg. 233.

31- Foster, Caxton. Real Time Programming. Philippines, Editorial Addiso-Wesley,


Publishing Company, 1981, pg. 190.

92

32- Glass, Robert y Noiseux, Rolan. Software Maintenance Guidebook, New Jersey,
Editorial Prentice-Hall Inc., 1981, pg. 193.Goldeman, S.A. y Slattery, T.B.,
Maintainability: A mayor element of System Effectiveness, Newe York, Editorial John
Wiley & Sons Inc., 1964, pg. 282.

33- Gumbel, Emil Julius, Statistics of Extremes, 3ra. Ed., Editorial Columbia University
Press, 1066, pg. 375.

34- Jelen, F.C., Const and Optimization Engineering, New York, Editorial Mc-Graw Hill
Book Company, 1970, pg. 490

35- Newbrough, E.T., Administracin de Mantenimiento Industrial, 2da. Impresin, Mxico,


Editorial Diana, 1976, pg. 413, traducido por Mario Bracamonte Cantolla.

36- Organizacin de la Aviacin Civil Internacional, Confiabilidad y Disponibilidad del


Equipo Electrnico, Montreal, 1968, pg. 20.

37- Bain, Lee y Antle, Charles, Estimation of Parameters in the Weibull Distribution,
Technometrics, Vol. 9, No. 4, Nov. 1967, pgs. 621-627.

38- Beichelt, F. Y Fisher, K., On a basic Equation of Reliability Theory, Microelectronics


Reliability, Vol.`19, No. 1979, pgs. 367-369.

39- Bosch, G., Model for Failure Rate Curves, Microelectronics Reliability, Vol.`19, No.
1979, pgs. 579-588.

40- Cohen, Clifford A., Maximum Likelihood Estimation in the Weibull Distribution based on
Censored and on Complete Data, Technometrics, Vol. 7, No. 4, Nov. 1965, pgs. 579588

41- Finley, Howard, Total Life Cycle Costs of Plant and Equipment, Canadian Society for
Chemical Engineering, 20th Conference, Paper 65, Oct. 1970.

42- Finley, Howard, How Cost-Effective is your Maintenance Organization?, Hydrocarbon


Processing, Enero 1972, pgs. 81-86.

43- Finley, Howard, High Technology Maintenance Management, National Petroleum


Refiners Association, Atlanta, Sept. 1976.

44- Johnson, L.G., Statistical Treatment of Failure Experiments, Transactions of the 22nd
Technical Conference of Quality Control., pgs. 113-140.

45- Latour, P.R., On-Line Computer Optimization: What is it and where to do it,
Hydrocarbon Processing, Jun. 1979, pgs. 73-82.

46- Mosquera C., Genaro, Administracin y Mantenimiento, Universidad Central de


Venezuela, Caracas, 1979, pg. 18.

47- Qureisi, A.S., The Discrimination between two Weibull Processes, Technometrics, Vol.
6, No.1 Feb, 1964, pgs. 57-75.

93

48- Redding, J.H. y Maynard, H.B.,

Can a Computer Reduce your Maintenance?,


Hydrocarbon Processing, January 1980, pgs. 78-91.

49- Trotter, J.A., Reduce Maintenance Costs with Computers, Hydrocarbon Processing,
January 1979, pgs. 133-140.

50- Weibull, Waloddi, An Statistical Representation of Fatigue Failure in Solids,


Transactions of the Royal Institute of Technology, Stockholm, No. 27, pgs. 133-140.

94

También podría gustarte