Modelos matemticos para Optimizacin de

Reemplazo Preventivo e Inspecciones

Preventivas

Ing. Roberto Bottini

 Paradigmas
En la industria los equipos y sistemas
crecen en complejidad.

Existen mayores exigencias a la eficiencia

de los costos del ciclo de vida til de las
maquinas de produccin.

Cada fabricante intenta llegar al objetivo de

calidad exigido por el mercado al mnimo
costo posible.
Objetivo de Confiabilidad y Mantenibilidad

Desde el diseo existe la necesidad de

entregar equipos o sistemas que tengan
las prestaciones deseadas por el cliente y
que adems sean Confiables, de fcil
mantenimiento y con funcionamiento
seguro y econmico durante su vida til.
 Queremos compartir algunas herramientas de la ingeniera de la
Confiabilidad que nos permiten tomar las mejores decisiones cuando se
esta cumpliendo la expectativa de vida de un sistema o componente.
Nuestro enfoque se limita a aquellos componentes que presentan Desgaste
por uso.

El tiempo a la falla para cualquier componente o sistema no puede ser

predecido exactamente. Si es posible obtener informacin de la transicin
entre el estado OPERATIVO al de FALLA.

La Ocurrencia de la Falla puede nicamente ser caracterizada por las

propiedades Probabilsticas de la populacin Total.

Para algunos sistemas la Falla no es Tolerada, puede ser un evento

catastrfico, ah es mandatorio considerar metodologas de
CONFIABILIDAD del sistema.
 Mantenimiento Proactivo

Tcticas basadas en intervalos de Tcticas basadas Otras

tiempo u otra unidad de medida en la condicin Tcticas

Operacin Actividades Equipos

Programa de Overhaull hasta la falla de monitoreo redundantes
recambio de programado de condicin
componentes

Vibraciones Redisear
Mantenimiento - monitoreo
preventivo - anlisis

Mantenimiento
Limpieza Anlisis del lubricante Apropiado
- durante la operacin - condicin del aceite (ad hoc)
- antes del mantenimiento - partculas de desgaste

Lubricacin Elctrico
- rutinaria mientras funciona - anlisis corriente
- al comienzo/final del cambio - condicin del motor

Ajustes menores E.N.D

- termografa
- ultrasonido
- radiografa industrial

Inspecciones
- por operarios
- por mantenimiento
(diario/semanal)
 CONFIABILIDAD
La calidad del Ciclo de Vida de una maquina o de sus
componentes debe ser evaluada con respecto a la
duracion esperada, a la complejidad de las tareas de
mantenimiento , a la cantidad y gravedad de fallas
ocurridas.

Partiendo del estudio de leyes de ocurrencia de fallas,

la ingenieria de la confiabilidad es el conjunto de teorias
y mtodos matemticos que se traducen en
procedimientos de gestin orientados a la solucin de
problemas de estimacin y optimizacin de las
probabilidades de supervivencia, vida media y
porcentaje de tiempo de buen funcionamiento de un
sistema.
 La Confiabilidad Incorpora la
incertidumbre a la Ingeniera.

Podramos decir que la certeza de un hecho (en

nuestro contexto Falla de Maquina), es un
acontecimiento DETERMINISTA con un
resultado finito.

En cambio la incertidumbre de un hecho seria

un acontecimiento INDETERMINISTA con un
resultado probabilstico.
Los Criterios de Confiabilidad Cuantitativa
se difunden cada vez mas en el mundo
industrial debido a varias razones :

El aumento de la complejidad de los equipos.

Las dificultades de mantenimiento de ciertas
maquinas o sistemas.
La necesidad de reducir los pesos sin afectar la
seguridad del funcionamiento.
El cambio de visin con respecto a la
responsabilidad civil vinculada a la produccin y
comercializacin de un producto.
 Teora de las Probabilidades
La ocurrencia de Fallas a lo largo
del Ciclo de Vida de una
populacion similar de
componentes toma la forma
Distribuciones de Probabilidades
conocidas.

Estas distribuciones pueden ser

estimadas por testeo o va el
anlisis de datos operativos (ej.
Weibull).

Teniendo en cuenta siempre que
la probabilidad de que un evento
ocurra (Falla de equipo) es
Las distribuciones representan familias siempre algn numero entre 0 y 1
de curvas graficas que varan en de acuerdo a la teora de la
forma, porque difieren las ecuaciones probabilidad.
de las funciones a las cuales
representan.
EL modelamiento de las probabilidades de falla esta
condicionado a la etapa de vida en que se encuentre el elemento.
Con la curva de la baera es posible modelar el comportamiento
en cada una de las tres etapas de la tasa de falla a travs de
leyes conocidas de probabilidades.

1- Mortalidad Infantil

Inadecuada Instalacin.

Error armado-reparacin.

Problemas de Calidad

Tasa de Falla <1

2- Fallas Aleatorias
durante la vida til.
Independientes del Tiempo.
Errores de Mantenimiento.
Electrnica.
Mezcla de Errores.
Averas por contaminacin
externa (aceite).

Tasa de Falla = cte

3- Desgaste por
Envejecimiento
Low Cicle Fatiga en TG.
Rodamientos.
Corrosin.
Correas.
Corrosin bajo Stress.
Materiales frgiles.
Materiales Cermicos.
Algunas formas de erosin.

Tasa de Falla >1

 Comnmente usamos un simple histograma (Falla-mes) para estudiar la ocurrencia
de las Fallas y su impacto en la disponibilidad de equipos.

HISTOGRAMA

10
8
FALLAS

6
4
2
0
1 2 3 4 5 6 7 8 9 10
MESES

Serie1

MES ENERO FEBRERO MARZO ABRIL MAYO JUNIO JULIO AGOSTO SEPTIEMBRE OCTUBRE TOTAL

FALLAS 2 5 7 8 7 6 5 4 3 1 48
 Sin embargo en estudios de Confiabilidad y Mantenimiento necesitamos
utilizar funciones continuas, debido que la variable tiempo a la falla es
continua. Entonces transformamos el Nro de fallas por mes en
probabilidades. Empezamos por la funcin densidad de probabilidad de
fallas (pdf) que indica la probabilidad de que ocurran fallas entre el intervalo
t1 y t2, Dado que inevitablemente el componente analizado acabara por
estropearse, el rea bajo la curva de la funcin f (t) ser igual a 1 si se sita
el limite temporal superior en + infinito.
Probability Density Function pdf

FUNCIN pdf

10
f(t)

0
1 2 3 4 5 6 7 8 9 10
meses
Cumulative Distribucion Function cdf .
En estimaciones de Confiabilidad necesitamos determinar la probabilidad de que una
falla ocurra antes de un determinado tiempo t . La podemos encontrar con la Funcin
acumulativa cdf. Que es representada por el rea bajo la curva desde - a t, y nos
indica la probabilidad de acumulacin de fallas transcurrido t (el fracaso).
cdf =

Tiempo t
Funcion Reliability R (t).
La Confiabilidad es la funcin complementaria a la cdf.
La probabilidad de xito, es decir que sobrevivan sin
falla transcurrido el mismo tiempo t. Representando el
rea bajo la curva desde t a infinito.
R(t)= 1- cdf

Tiempo t
El ultimo tipo de funcin que tenemos derivada de las anteriores es la
Funcin Riesgo, tambin llamada funcin tasa de falla f (t) en
determinados contextos como el de mantenimiento.

h (t) Funcin riesgo = pdf/1-cdf

Estas cuatro funciones pueden a su vez especificarse a
travs de las distribuciones estadsticas que adopten, que
como vimos sern distintas en las varias etapas de la vida
del componente.
 Tasa de Riesgo
Supongamos como analoga que un auto tarda para
hacer 200km 4hs. El promedio de velocidad es 50km/h,
sin embargo el conductor en algunos tramos fue mas
ligero y en otros mas despacio La velocidad en cada
instante esta indicada por el velocmetro. La velocidad
instantnea leda es anloga a la tasa de Riesgo Hz
mientras que el promedio de 50Km/h es la Tasa de
Falla.
Las cuatro funciones que definimos pueden usarse una
vez que los datos REALES de ocurrencia de falla han sido
transformados en las distribuciones estadisticas que
adopten.

Afortunadamente, los datos

reales de fallas, generalmente
modelan alguna distribucion
estadistica conocida. En la
figura vemos las funciones de
Probabilidad, Acumulativa y
Riesgo para :

Dist. Exponencial
Dist. Normal
Dist. Lognormal
Dist. Weibull
Como ya la distribucin de fallas de diferentes tipos de maquinaria no
son las mismas. Aun la distribucin de fallas de idnticas maquinas
varia si estn sujetas a diferentes solicitaciones. Hay un numero
conocido de Funciones pdf diferentes, que describen las
caractersticas de falla de maquinaria.

En la figura vemos las funciones

de Probabilidad, Acumulativa y
Riesgo para :

Dist. Exponencial
Dist. Normal
Dist. Lognormal
Dist. Weibull
 En estudios de Confiabilidad para Optimizar Reemplazo
Preventivo u Overhaul son importante las siguientes
premisas:
1- La tasa de falla del equipamiento debe
ser creciente. Desgaste por Uso. Esta
evidencia puede ser obtenida realizando Figura 12. Predecibilidad estadstica
una anlisis de Weibull.
Caja reductora
1- El Costo total del reemplazo debe ser (buena predecibilidad
i.e.pequea incerteza)
mayor DESPUES de la falla que ANTES.
Debera tener como causal una gran Distribucin
perdida de Produccin o efecto domino de fallas
f(t)
sobre otros equipamientos. Motor elctrico
(pobre predecibilidad
i.e. gran incerteza)
Para tasa de falla menor o igual a 1 no
es conveniente Reemplazo preventivo
u Overhaul.
Por lo tanto el Mantenimiento
preventivo de propsitos generales Tiempo
que no retorna el equipamiento a
nuevo sigue siendo apropiado para
componentes sujeto a tasa de falla
constante. (Ej. Inspecciones menores).
 Vemos entonces que la Ingeniera de la confiabilidad
nos da herramientas para iniciar la batalla contra la
incertidumbre de las fallas en las plantas complejas.

Podemos describir varias distribuciones de fallas y ver

qu podemos aprender de ellas para gestionar los
recursos de mantenimiento. Convirtiendo el
conocimiento ganado de ellas en acciones proactivas.

Prediciendo cuando las fallas probablemente ocurran

nosotros podemos determinar el mejor momento para el
mantenimiento Preventivo (Reemplazo Preventivo) y las
polticas de mantenimiento relacionadas con el periodo
optimo para operar hasta la falla o inspeccin
 Como Incorporar estas Caractersticas de
Confiabilidad ?
Realizando un anlisis Cualitativo
Que indicara el tipo y clase de fallas que van
a presentarse en los componentes del
sistemas. (Camino del RCM).

O Bien ampliarse a un campo Cuantitativo

Proporcionando las probabilidades
numricas correspondientes.
 El objetivo es entender el problema, pronosticar
fallas y analizar riesgos para tomar mejores
decisiones de mantenimiento.

Estas decisiones impactan el momento elegido

para reemplazo, reparacin o Overhaul de
Maquinaria, como as tambin optimizar
cualquier otra tarea de gestin del
mantenimiento principalmente las inspecciones
y gestin de repuestos.
 En Sntesis:

Utilizar datos histricos de fallas.

Utilizar la funcin apropiada que representa nuestra

situacin.

Construir un modelo matemtico que represente el

problema en estudio.

Con los datos histricos analizamos los resultados

grficos del modelo matemtico empleado.

Con ste anlisis tomamos las decisiones de

mantenimiento ptimas.
 Modelos Matemticos
Una de las principales herramientas en este
avance cientfico hacia la optimizacin de las
decisiones de Gestin son los modelos
matemticos como simple representacin del
problema en estudio.

En la aplicacin de tcnicas cuantitativas de

Optimizacin del Mantenimiento, el tipo de
modelo usado es frecuentemente un modelo
simblico donde los componentes del sistema
estn representados por smbolos y la relacin
de estos componentes esta representada por
ecuaciones matemticas.
 Reemplazo Preventivo Optimo de un
tem sujeto rotura

Construccin del Modelo

Decimos que el costo total de reemplazo es

Costo Total esperado del Reemplazo por ciclo

C(tp)=
Tiempo Esperado del ciclo.
 Modelo Matemtico utilizado

Cp: costo del Reemplazo Preventivo.

R(tp): es la confiabilidad. Multiplicamos aqu el costo del
xito por la probabilidad de lograrlo.
Cf: costo total del Reemplazo por Falla.
1- R(tp): Es la Inconfiabilidad. Multiplicamos aqu el costo
del fracaso por la probabilidad de fracasar.
tp: tiempo medio del Reemplazo Preventivo.
es el tiempo medio a la falla MTTF (para el
intervalo de reemplazo).
f(t): es la funcin pdf para la distribucin normal o
distribucin de Weibull para beta >1
Aplicacin Optimizacin Rebobinado de
Motores Elctricos de 1500HP.
Tabla 3.2. Fallas en bobinados de grandes motores: datos de falla y clculos de riesgo

Riesgo
Motor Rango Aos Riesgo
acumulado
C-70 20 8
C-71A 19 8
C-71B 18 8
P-70A 17 8
P-70B 16 8
P-71 15 8
C-25 14 10
C-11 13 11a 7.69 7.69
C-52 12 12a 8.33 16.03
C-13 11 13a 9.09 25.12
6 fallas ocurridas antes
C-31 10 13 de la expectativa de vida
C-53 9 15a 11.11 36.23
C-41 8 16a 12.58 48.73
de 18 aos.
C-91 7 17a 14.29 63.01
C-32A 6 17
C-32B 5 17
C-01 4 18b a Fallas en bobinados
C-30 3 18
bRemplazo preventivo
C-50 2 18
C-51 1 18 de los bobinados
Aplicacin Optimizacin Overhaull para caso
de Motores Elctricos de 1500HP.

T abla 3.2. Fallas en bobinados de grandes m otores: datos de falla y clculos de riesgo

R iesgo
M otor R ango Aos R iesgo
acum ulado
C -70 20 8
C -71A 19 8
C -71B 18 8
P-70A 17 8
P-70B 16 8
P-71 15 8
C -25 14 10
C -11 13 11 a 7.69 7.69
C -52 12 12 a 8.33 16.03
C -13 11 13 a 9.09 25.12
C -31 10 13
C -53 9 15 a 11.11 36.23
C -41 8 16 a 12.58 48.73
C -91 7 17 a 14.29 63.01
C -32A 6 17
C -32B 5 17
C -01 4 18 b a F allas e n bo bina dos
C -30 3 18
bR e m p la zo prev entiv o
C -50 2 18
C -51 1 18 de los bo bina dos
Ploteo de Weibull para determinar parmetros de la
distribucin de fallas.

El procedimiento es
plotear en Weibull los
datos representativos de
la falla contra la funcin
cdf. Obteniendo un factor
Factor Beta 4.3 de forma beta de 4.3.
Demostrando que las
ocurrencias de falla se
suceden dentro de la
distribucin normal de
desgaste por uso y en
consecuencia es
consistente el uso de
modelos matemticos
para optimizar el tiempo
de rebobinado.
Distribucin de Weibull (cuanto ms chica la
dispersin mayor el factor de forma y mejor la
estimacin).
Resultado de clculos utilizando
modelo matemtico
 tp R (t p ) 1 R (t p ) t. f (t ) dt C (t p ) h(t p )
Clculo trminos
p

modelo 1
2
1,00
1,00
0,00
0,00
0,00
0,00
100,00
50,00
0,00
0,00

matemtico 3
4
1,00
1,00
0,00
0,00
0,00
0,00
33,33
25,00
0,00
0,00
5 1,00 0,00 0,00 20,00 0,00
6 1,00 0,00 0,00 16,67 0,00
7 1,00 0,00 0,00 14,29 0,00
8 1,00 0,00 0,00 12,50 0,00
9 1,00 0,00 0,00 11,11 0,00
10 1,00 0,00 0,00 10,01 0,00
11 1,00 0,00 0,02 9,27 0,00
12 0,99 0,00 0,09 9,28 0,01
13 0,98 0,02 0,32 10,68 0,03
14 0,94 0,06 0,86 14,26 0,05
15 0,87 0,13 1,89 20,76 0,10
16 0,76 0,24 3,59 30,55 0,17
17 0,62 0,38 6,02 43,29 0,26
18 0,45 0,55 9,00 57,71 0,38
19 0,29 0,71 12,09 71,68 0,54
20 0,15 0,85 14,75 82,92 0,73
21 0,07 0,93 16,60 90,11 0,98
22 0,02 0,98 17,60 93,58 1,27
23 0,00 1,00 18,00 94,76 1,63
24 0,00 1,00 18,12 95,02 2,04
25 0,00 1,00 18,14 95,06 2,53
Grfico Resultante
 Grfico Resultante
100
90
80
70
C(tp) K$

60
Curva de
50 Costo Total
40
30
20
10
0
0 3 6 9 12 15 18 21 24 27 30
Edad,t (Aos)
 Grfico Resultante
100
90
80
70
C (tp) K $

60
50 Curva de
40 Costo Total
30
20
10
0
0 3 6 9 12 15 18 21 24 27 30
Edad,t (Aos)
 Grfico Resultante
100
90
80
70
C(tp) K$

60
Curva de
50 Costo Total
40
30
20
10
0
0 3 6 9 12 15 18 21 24 27 30
Edad,t (Aos)
 Grfico Resultante
100
90
80
70
C(tp) K$

60
Curva de
50 Costo Total
40
30
20
Costo 10
Mnimo Reemplazo ptimo
0
0 3 6 9 12 15 18 21 24 27 30
Tiempo ptimo
de rebobinado Edad,t (Aos)
11 /12 aos
 Costos esperados de reemplazo en funcin del tiempo para
Motor Elctrico Falla Bobinado
Costo Costo del
mantenimiento
preventivo por
downtime
Curva de
costo total

Costo del
Ctp MINIMO
recurso de
mantenimiento
preventivo

Reemplazo ptimo
Costo del mantenimiento
correctivo por downtime
(paradas imprevistas)

Costo del recurso de

mantenimiento correctivo
=) Tp
Tp ptimo Rebobinado =12 /13 aos
Modelos Matemticos para el
intervalo Optimo de Inspeccin y
sus Beneficios

El propsito bsico es determinar el

estado del equipo, obteniendo el mximo
beneficio y las mnimas perdidas.
1. FRECUENCIA DE INSPECCION: Para
equipamiento que es en operacin
continua y sujeto a falla.

2. INTERVALOS DE INSPECCION: Para

equipamiento usado solamente en
condiciones de emergencia.

3. MONITOREO DE CONDICION.
1. Mientras que con el reemplazo preventivo u
overhaul nos situamos en la ltima parte de la curva
de la baera, con las inspecciones estamos
actuando en la parte de Vida til, donde las fallas
son aleatorias y responden a la Distribucin
exponencial negativa.

MTTF = 1/
2. Tiempo de reparacin 1/ N reparaciones
/unidad de tiempo
3. Poltica de Inspeccin 1/i N inspecciones/unidad
de tiempo
4. Expresamos con B al valor del beneficio si no hay
paradas.
5. Costo promedio de la Inspeccin por unidad de
tiempo I.
6. Costo promedio de reparacin por unidad de tiempo
no interrumpido R.
Construimos ahora un modelo para Optimizar
la frecuencia de las inspecciones

Frecuencia ptima
Costo / Unidad de Tiempo

de Inspeccin

Beneficio / unidad de tiempo

Prdidas de beneficio
debidas a inspecciones

Costo de Inspecciones
Prdidas de beneficio
debidas a reparaciones
Costos de Reparaciones

Frecuencia de Inspeccin, n
 P(n): Valor del Beneficio con operacin interrumpida
por reparaciones en la unidad de tiempo.

P(n)= B - B -B -R -I

B: Beneficio de la operacin no interrumpida por

unidad de tiempo.
Perdida de Beneficio por Reparaciones, donde (n)
es el N de Reparaciones y el tiempo medio de
reparaciones MTTR.
Perdida de Beneficio por inspecciones, donde n es
el N de Inspecciones e i el tiempo medio para las
inspecciones.
R es el costo promedio de reparaciones.
I es el costo promedio de inspecciones.
 = B - - - =0
B + I
Despejando: ( n ) =
B + R i
Debemos hallar el n (N de Inspecciones) que resuelva
esta ecuacin.
Decimos que:
Derivando K
(n) = 2
n
K es la tasa de falla, cuando realizamos una inspeccin
por unidad de tiempo.
Asumimos que n es inversamente proporcional a (es
cierto, al aumentar el nmero de inspecciones disminuye
la tasa de falla)
 Igualando:

K B + I
( n ) = con ( n ) =
n 2 B + R i

Obtenemos:

De donde despejando n, resulta:

n ES EL NMERO PTIMO DE
INSPECCIONES A REALIZAR
Resolviendo la anterior ecuacin y despejando
despejando n, resulta:

n ES EL NMERO PTIMO DE
INSPECCIONES A REALIZAR
 La premisa fundamental sobre la que se basa el
Mantenimiento Planificado es muy sencilla, no
basta con reparar la avera una vez ocurrida,
sino que es necesario prevenirla. Con este
objetivo nosotros realizamos inspecciones
peridicas de los equipos y rectificamos
cualquier menor defecto. Lgicamente estas
inspecciones tienen costo en trminos de M.O. ,
insumos, materiales y Hs de Produccin.
El Objetivo es determinar la poltica de
Inspeccin que d el balance correcto entre el
nmero de inspecciones y los beneficios
resultantes de su aplicacin.
BUENA PRCTICA GENERAL DE MANTENIMIENTO!!!

PRECISIN INCREMENTAR
INCREMENTAR WEIBULL
WEIBULLyy
PRECISIN
TAREAS
TAREAS Modelos
Modelos
PROACTIVAS
PROACTIVAS yy SU
SU matemticos
matemticos
PLANIFICACION.
PLANIFICACION. de
de
Optimizacin.
Optimizacin.
La importancia de la confiabilidad tambin depende del
alcance que demos a nuestra probabilidad de xito, a
veces llamado Factor de Servicio F= 1- R(t). Pensemos
que tener un factor de servicio del 99 % seria bastante
bueno .
Sin embargo en EEUU ocasionara :

Una hora de agua no potable por mes.

Dos aterrizajes peligrosos por da en JFK.
10.000 piezas de correo perdidas por hora.
20.000 prescripciones incorrectas de
medicamentos por ao.
22.000 cheques deducidos de la cuenta
equivocada por hora.
Fuentes consultadas para el presente trabajo:

Andrew Jardine, Universidad de Toronto,

Canada
Albert Tsang, Hong Kong Politechnic University
Adolfo Arata, Universidad Santa Maria, Chile.
John Campbell, PriceWaterhouseCoopers,
Canada
Heinz Bloch, Machinary Reliability Assesment.
Luciano Furlaneto, Politecnico de Milan.
Preguntas ?
MUCHAS GRACIAS !!
Ing. Roberto Bottini
roberto.bottini@fi.austral.edu.ar