Estadstica y La Gestion Del Mantenimiento 1218420169672221 8 PDF

ESTADÍSTICA Y LA GESTION DEL P(X)
MANTENIMIENTO
La información en el mantenimiento es la
mejor herramienta con la que puede contar un
gerente de esta área, de la calidad de la misma
y la confianza que le pueda dar, dependen las
decisiones acertadas o no que pueda tomar
Juan Carlos Orrego Barrera

Ingeniero Mecánico
Especialista en Finanzas – Preparación y Evaluación de
chispis.blogia.com Proyectos
www.mantonline-rcm.com
Información P(X)
Fechas de;
•Programación de actividad
•Ocurrencia del suceso
•Solicitud de la intervención o reporte de suceso
•Realización de actividad
Horas
•Programación de actividad
•Ocurrencia del suceso
•Solicitud de la intervención o reporte de suceso
•Realización de actividad
Activo al cual le ocurre un evento o se realizara una acción http://lh5.ggpht.com
Información P(X)
Tipo de suceso ocurrido o programado:

•Instalación
•Puesta en marcha
•Ajuste
•Reparación
•Revisión
Tipo de falla:
•Parcial http://www.boletin-grafico.com
•Total
•Oculto
Información P(X)
Costos
•Mano de obra
•Repuestos
•Trabajos externos
Personal que interviene

•Técnicos
•Supervisores
•Ingenieros http://imagenes.acambiode.com
•Administradores
•Operarios
Objetivo de la Información P(X)
Categorizar variables de acuerdo a los niveles
de impacto ocasionados dentro del proceso en
el cual están inmersas y a las metas de
compañía que permitan trazar planes de
mejoramiento dentro del área.
http://www.cepvi.com/
La probabilidad P(X)
“Probablemente...", "es poco probable que...",
"hay muchas posibilidades de que..." Incertidumbre
La teoría de la probabilidad proporciona una
base para evaluar la confiabilidad de las
conclusiones alcanzadas y las acciones
realizadas
http://gonzalezdelariva.files.wordpress.com
Incertidumbre P(X)
Expresión del grado de desconocimiento de una condición

futura (por ejemplo, de un sistema o equipo).
Debida a:
Falta de información
Desacuerdo sobre lo que se sabe o lo que podría saberse
Confiabilidad ‐ Confiar
adj. Dicho de una persona o de una cosa: En la
que se puede confiar. http://www.wordreference.com
P(X)
Situaciones de Incertidumbre
•Certidumbre subjetiva: Se prevée subjetivamente un solo resultado
posible para el futuro (p.e.: pronóstico de un determinado volumen de
ventas). En este caso se planea con certeza subjetiva
•Riesgo subjetivo: sabiendo que el futuro es incierto, se aceptan

como posibles varios resultados.
•Incertidumbre pura o subjetiva: se observan múltiples

distribuciones con pronósticos ,de distribución de probabilidades
sobre bases inciertas (economía, mercado, competencia, etc.).
P(X)
Criterios de Racionalidad
1.Criterio de Laplace: Toma su decisión con el criterio del valor
esperado, es decir, la ausencia de conocimiento sobre el estado de
la naturaleza equivale a afirmar que todos los estados son
equiprobables.
2.Criterio optimista: Supone que la naturaleza es benévola; por lo

tanto elige siempre lo mejor.
3.Criterio pesimista o de Wald: Supone que la naturaleza es

malévola y, analizando por ejemplo cada estrategia, considera la
peor situación que pueda presentarse. Una vez halladas las peores
situaciones para cada estrategia, elige de entre ellas la mejor.
4.Criterio intermedio o de Hurwicz: El tomador de la decisión tiene

cierto coeficiente que es índice de su grado de optimismo y que
varía entre cero y uno.
P(X)
Espacio muestral ( U )
Conjunto universo de todos
los resultados posibles de un
experimento dado.
http://gaiaxxi.trota-mundos.com
Cada uno de sus elementos se denomina

punto muestral o muestra.
P(X)
Espacio muestral ( U ) – Ejemplos
1 ) Si el experimento se basa en la elección de un dígito, entonces
el espacio muestral es:
U = {0,1,2,3,4,5,6,7,8,9}
2 ) Lanzamiento de monedas: Si el experimento se basa en el

lanzamiento de una moneda, el espacio muestral tiene dos
elementos, cara ( c ) y sello ( s ):
U = {c,s}
3) Garantía de productos: Si el experimento se basa en encontrar el

numero de balineras que presentan fallas en un periodo
determinado
U = { Descamacion ,Desgaste, Rayaduras,Fractura, Jaula
Dañada, Corrosion, Deslizamiento, Grietas,Sobrecalentamiento,
Corrosion Electrica, Patinaje, Abolladuras, Agarrotamiento…. }
P(X)
Suceso o Evento
Cada subconjunto del espacio muestral se llama suceso ( o
evento ) . Si consta de un solo elemento se le dice evento
elemental.
Ejemplo
Sean U el espacio muestral formado por los 10 dígitos, A y B eventos
tales que:
A ocurre si y sólo si el dígito es par.
B ocurre si y sólo si el dígito es múltiplo de 3.
Entonces:
A = {0,2,4,6,8}
B = {0,3,6,9}
P(X)
Probabilidad
Frecuencia con la que ocurre un resultado en un
experimento bajo condiciones suficientemente
estables.
P(X) = nX = Cantidad de resultados que implican la aparición de X
N Cantidad total de resultados
Posibilidad de que se produzca un suceso o aparezca
un valor de entre el conjunto de casos o situaciones
consideradas. Clásicamente se define por el cociente
de casos favorables entre los casos posibles.
Definición axiomática de Probabilidad P(X)
Sea U: espacio muestral y P(U) conjunto de las
partes de U
Se define probabilidad, o función de
probabilidad, a cualquier función p: P(U) K ;
que cumpla los axiomas siguientes:
i) p(A) ≥ 0 ∀ A ∈ P(U)
ii) p(A1 ∪ A2 ∪ A3 ∪ ...) = p(A1) + p(A2) + p(A3) + ...
si Ai ∩ Aj = ∅ ∀i ≠ j (sucesos mutuamente excluyentes)
iii) p(U) = 1
P(X)
Propiedades de la probabilidad
1) p(Ac) = 1 - p(A)
Ac representa el suceso complementario de A, es decir el formado por

todos los resultados que no están en A.
2) A1⊂ A2 ⇒ p(A1) ≤ p(A2)
3) p(∅) = 0
4) p(A) ≤ 1
5) p(A ∪ B) = p(A) + p(B) - p(A ∩ B) (Regla general de
la adicción)
P(X)
Probabilidad Condicionada
La probabilidad de que ocurra el suceso A si ha
ocurrido el suceso B se denomina probabilidad
condicionada.
P(X)
Probabilidad Compuesta
La probabilidad de que se den simultáneamente dos sucesos (suceso
intersección de A y B) es igual a la probabilidad a priori del suceso A
multiplicada por la probabilidad del suceso B condicionada al cumplimiento
del suceso A.
P(X)
Probabilidad Total
Permite calcular la probabilidad de un suceso a
partir de probabilidades condicionadas
La probabilidad de que ocurra el suceso B , es igual a la suma de
multiplicar cada una de las probabilidades condicionadas por la
probabilidad de cada suceso A.
P(X)
Teorema de Bayes
A partir de que ha ocurrido el suceso B deducimos las
probabilidades del suceso.
Explicar esta fórmula con palabras es confuso,
así que vamos a intentar explicarla con un
ejemplo
P(X)
Teorema de Bayes ‐ Ejemplo
El parte meteorológico ha anunciado tres posibilidades para el fin de
semana:
a) Que llueva: probabilidad del 50%.
b) Que caiga granizo: probabilidad del 30%
c) Que haya niebla: probabilidad del 20%.
P(X)
Según estos posibles estados meteorológicos, la
posibilidad de que ocurra un accidente es la siguiente:
a) Si llueve: probabilidad de accidente del 20%.
b) Si cae granizo : probabilidad de accidente del 10%.
c) Si hay niebla: probabilidad de accidente del 5%.
P(X)
Resulta que efectivamente ocurre un accidente y como no estábamos en
la ciudad no sabemos que tiempo hizo (cayo granizo, llovió o hubo
niebla).
El teorema de Bayes nos permite calcular estas probabilidades:
Las probabilidades que tenemos antes de conocer que ha ocurrido un
accidente se denominan "probabilidades a priori" (lluvia con el 50%,
granizo con el 30% y niebla con el 20%).
Una vez que incorporamos la información de que ha ocurrido un
accidente, las probabilidades del suceso A cambian: son probabilidades
condicionadas P (A/B), que se denominan "probabilidades a posteriori".
P(X)
a) Probabilidad de que estuviera lloviendo:
P(X)
a) Probabilidad de que estuviera cayendo Granizo:
http://www.elpais.com
P(X)
a) Probabilidad de que hubiera niebla:
www.ictisp.com
P(X)
Teoremas
TEOREMA 1. Si φ es un evento nulo o vacío, entonces la

probabilidad de que ocurra φ debe ser cero.
p(φ)=0
δ
A
P(X)
Teoremas
La probabilidad del complemento de A, Ac debe ser, p(Ac)= 1 – p(A)
Ac A
P(X)
Teoremas
TEOREMA 3. Si un evento A ⊂ B, entonces la p(A) ≤ p(B).
δ
B
A
B\A
P(X)
Teoremas
TEOREMA 4. La p( A \ B )= p(A) – p(A∩B)
δ
A B
A\B A∩B
P(X)
Teoremas
TEOREMA 5. Para dos eventos A y B, p(A∪B)=p(A) + p(B) – p(A∩B).
δ
A B
A∩B
COROLARIO
Para tres eventos A, B y C, p(A∪B∪C) = p(A) + p(B) + p(C) – p(A∩B) – p(A∩C) – (B∩C) + p(A∩B∩C).
A∩B A∩B∩C
A B δ
A∩C B∩C
Distribuciones Probabilísticas P(X)
Normal
−( x − μ)2
Función densidad normal 1 2σ 2
f (x) = e
0,05 σ 2π
0,04
0,03
f(x)
0,02
0,01
0
0 20 40 60 80
x
Binomial
f(x) distribución binomial
0,2
0,15
f(x)
0,1
0,05
0
11
13
15
17
19
21
23
25
1
Supongamos que un experimento aleatorio tiene las siguientes características:

•En cada prueba del experimento sólo son posibles dos resultados: el suceso A (éxito) y su contrario⎯Α (fracaso).
•El resultado obtenido en cada prueba es independiente de los resultados obtenidos anteriormente.
•La probabilidad del suceso A es constante, la representamos por p, y no varía de una prueba a otra. La
probabilidad de ⎯Α es 1- p y la representamos por q .
•El experimento consta de un número n de pruebas.
Binomial negativa
Siendo el combinatorio
Geométrica
f(x) distribución geométrica
0,3
0,25
0,2
f(x)
0,15
0,1
0,05
0
10
12
14
16
18
20
22
24
0
n
Poisson
f(x) distribución Poisson
0,16
0,14
0,12
0,1
f(x)
0,08
0,06
0,04
0,02
0
0
10
12
14
16
18
20
22
24
n
Exponencial
Función densidad distribución exponencial
0,6
0,5
0,4
)
0,3
(x
f
0,2
0,1
0
0 5 10 15 20 25 30 35
x
Otras
Distribución de Gauss
Distribución de Gauss Multivariada
Distribución X2
Distribución de Weibull
Herramientas P(X)
Pareto
TPM‐Pareto
40 36 120%
Frecuencia Fallas
35
27 97% 98% 99% 100% 100%
100%
30 88% 92%
82% 80%
25 72%
20 60%
15 41% 40%
9
10 5 4 4 20%
5 1 1 1 0
0 0%
F1 F2 F3 F4 F5 F6 F7 F8 F9 OTRAS
Fallas
Herramientas P(X)
Promedio o Media Aritmética
Es el valor resultante que se obtiene al dividir la sumatoria de un
conjunto de datos sobre el número total de datos.
Análisis espectral de las mediciones obtenidas en la válvula de prueba, donde podemos ver lo siguiente: Punto A color blanco,
Punto B color verde, Punto C color celeste, Punto D color Rojo. De acuerdo a éste espectro podemos confirmar la presencia de
una fuga en la válvula, vemos como el punto C tiene una medida superior a la del punto A y B. Esto es porque en el punto C, que
es el punto inmediato posterior aguas debajo de la válvula, es la zona donde se acaba de formar la turbulencia de la fuga.
Distribución de Weibull como P(X)
herramienta de Predicción
La distribución de Weibull es una herramienta estadística usada
generalmente para estimaciones de supervivencia, en este caso es
usada en relación a las fallas aparecidas en determinado sistema.
Es una aproximación a una distribución normal y a una exponencial.
Weibull P(X)
y Confiabilidad
Recordemos que Nolan y Heap encontraron diferentes combinaciones para la
curva trazada con Weibull
P(X)
Weibull
donde;
R(t) = Confiabilidad del elemento evaluado
e = Base de los logaritmos naturales = 2.718281.......
t = Parámetro de interés o valor en t
γ = valor en t inicial (tercer parámetro de Weibull)
η = Vida característica ( cantidad de datos analizados)
β = Factor de forma
P(X)
Weibull
X
Y
P(X)
F(t) esta determinado por los rangos que utilicemos.
Para:
Rangos Medianos
Rangos Pequeños
P(X)
Weibull
Confiabilidad significa el mínimo tiempo que el equipo funcionará con
seguridad antes de fallar. La variable característica γ es similar a la
media y representa un valor de t debajo del cual se encuentra el 63.2%
de los datos. El parámetro de forma o geométrico β controla la
asimetría de la distribución.
P(X)
Weibull
Beta = Pendiente , de la curva que

tracemos con los datos y el calculo realizado para hallar X & Y
1
Eta (η)=
e (Intercepto / Pendiente)
Weibull P(X)
Ejemplo
Se tiene la siguiente información para la Moto Bomba Impulsora - BIE-1012.
Para lo cual debemos calcular el Tiempo entre fallas acumulado y ordenar su
aparición, así;
Tiempo entre fallas acumulado y P(X)
orden de Aparición
P(X)
Rango Medio
P(X)
Hallando X
P(X)
Hallando Y
La pendiente y el intercepto P(X)
Intercepto -15,50283037 Beta 3,28780429
Pendiente 3,28780429 Eta 111,6370969
P(X)
Comportamiento de β
β<1, Implica la β=1, Implica fracasos al 1<β<4, Implica el β>4 Se trata fallas al
mortalidad infantil. azar. Estas fallas son desgaste precoz. Las final de la vida. La
Componentes independientes del fallas de este renovación es una
electrónicos y momento en que una parte tipo,generalmente, no se actividades de
mecánicos a menudo antigua es tan buena como espera dentro de la fase mantenimiento mas
tienen altos índices de una parte nueva. de diseño. Las fallas en apropiadas. Fallas
fracaso en su inicio. Revisiones de mecanismos tales como relacionades con la
Algunos componentes mantenimiento no son corrosión, erosión, la fatiga edad son el estrés,
son "quemados" antes apropiadas. Condición de de bajo ciclo aparecen. aparición de fisuras por
de su uso, mientras que control e inspección son las Mantenimiento a menudo corrosión, fluencia,
otros requieren estrategias utilizadas para implica retrabajos o tareas fatiga y erosión.
cuidadosa atención detectar la aparición de de prolongación de vida
después de la fallas, y reducir sus útil.
instalación. consecuencias .
Puntos de la Curva P(X)
P(X)
Curva
Observado
Funcion de Distribucion Acumulada
Estimado
100%
90%
Probabilidad de Falla
80%
70%
61.43%
60%
50%
40%
30%
20%
10%
0%
0 50 110
100 150 200 250
Tiempo
Ficha de un activo P(X)
confiable
Ejemplos P(X)
Pareto
Se dispone de los datos de un

equipo como se muestra en la
siguiente tabla.
Indique las fallas que son

“criticas” en cantidad
aplicando Pareto
Ejemplos ‐ Pareto P(X)
Para solucionar el problema, lo primero es resumir la información
Luego hay que ordenar la

información agrupándola por
falla ocurrida en forma
descendente
Ejemplos
Pareto P(X)
Sumamos el total de fallas y hallamos el porcentaje que cada una de

ellas representa del total y lo vamos acumulando
Con los datos de la
tabla anterior, podemos
Ejemplos ‐ Pareto P(X)
utilizar la siguiente
grafica
Se observa que las

fallas www.mantonline-rcm.com
No para el motor cuando alcanza la temperatura Son las que mas se

El motor arranca pero no enfria repiten y debemos
No alcanza a lubricar la maquina
prestarles atención
Weibull P(X)
Para la intervención de una maquina , se conocen los siguientes
datos:
Costo de mantenimiento preventivo: US$600
Costo de Falla del servicio: US$3.000
Modelo de Vida, distribución de Weibull: η=600 y β=3
Determinar el tiempo optimo de intervención.
Nota: el costo de mantenimiento preventivo incluye el costo de repuestos nuevos y

mano de obra. El costo de falla del servicio incluye costo de repuestos nuevos, mano
de obra y los costos por perdida de producción.
Weibull P(X)
Solución
El costo total del mantenimiento será:
{ }
(t-λ)−β
η
C=Cp+Cd*{1-R(t)} = Cp+Cd* 1- e =
{ }
(t) −3
600
= 600+3.000 * 1- e
El costo promedio por unidad de tiempo será:
Cm = C
t
P(X)
Weibull
P(X)
Optimización Basados en Costo
Usando la información calculada hasta el momento para el ejemplo
de la distribución de Weibull, y conociendo los costos del
mantenimiento preventivo y el correctivo, podemos hallar el punto
optimo de intervención, referidos a dichos costos, para lo cual,
introduciremos el valor de gamma, el cual nos ayuda a ajustar los
cálculos debido a su similitud a una distribución exponencial y el
ajuste de la varianza para el calculo.
Con β = 3,28 y η = 111,6
Costo Reemplazo:
NO Planeado = 1.000.000
Planeado = 300.000
P(X)
Y que
Iw(t) = Costo Total por Unidad de Tiempo

P(X)
Donde:
h*(G1-G2*(1-F(G)((l*t)^b1/b)/b)
Costo Unitario Planeado = (Costo Planeado*R(t)) / Integral de R(t)
Costo Unitario NO Planeado = (Costo No Planeado*(1-R(t))) / Integral de R(t)

Puntos para P(X)
la Curva
P(X)
Punto Optimo Tradicional
P(X)
Punto Optimo
P(X)
Punto Optimo con Weibull
P(X)
Confiabilidad el Camino a la
COMPETITIVIDAD
Juan Carlos Orrego Barrera

Ingeniero Mecánico
Especialista en Finanzas – Preparación y Evaluación de
Proyectos

Estadstica y La Gestion Del Mantenimiento 1218420169672221 8 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Estadstica y La Gestion Del Mantenimiento 1218420169672221 8 PDF

Cargado por

Copyright:

Formatos disponibles

ESTADÍSTICA Y LA GESTION DEL P(X)

Juan Carlos Orrego Barrera

Tipo de suceso ocurrido o programado:

Personal que interviene

Expresión del grado de desconocimiento de una condición

•Riesgo subjetivo: sabiendo que el futuro es incierto, se aceptan

•Incertidumbre pura o subjetiva: se observan múltiples

2.Criterio optimista: Supone que la naturaleza es benévola; por lo

3.Criterio pesimista o de Wald: Supone que la naturaleza es

4.Criterio intermedio o de Hurwicz: El tomador de la decisión tiene

Cada uno de sus elementos se denomina

2 ) Lanzamiento de monedas: Si el experimento se basa en el

3) Garantía de productos: Si el experimento se basa en encontrar el

Ac representa el suceso complementario de A, es decir el formado por

2) A1⊂ A2 ⇒ p(A1) ≤ p(A2)

TEOREMA 1. Si φ es un evento nulo o vacío, entonces la

Supongamos que un experimento aleatorio tiene las siguientes características:

f(x) distribución geométrica

F(t) esta determinado por los rangos que utilicemos.

Beta = Pendiente , de la curva que

Intercepto -15,50283037 Beta 3,28780429

Pendiente 3,28780429 Eta 111,6370969

Se dispone de los datos de un

Indique las fallas que son

Para solucionar el problema, lo primero es resumir la información

Luego hay que ordenar la

Sumamos el total de fallas y hallamos el porcentaje que cada una de

Se observa que las

No para el motor cuando alcanza la temperatura Son las que mas se

Nota: el costo de mantenimiento preventivo incluye el costo de repuestos nuevos y

El costo total del mantenimiento será:

Con β = 3,28 y η = 111,6

Iw(t) = Costo Total por Unidad de Tiempo

Costo Unitario Planeado = (Costo Planeado*R(t)) / Integral de R(t)

Costo Unitario NO Planeado = (Costo No Planeado*(1-R(t))) / Integral de R(t)

Juan Carlos Orrego Barrera

También podría gustarte