TECSUP – PFR Ingeniería del Mantenimiento

Unidad IV

OPTIMIZACIÓN DEL PLAN DE MANTENIMIENTO

(Tomado de “Maintenance” por Jasper Coetze)

1. FACTIBILIDAD TÉCNICA VS FACTIBILIDAD ECONÓMICA

Cada una de las tres tareas básicas se seleccionan a través de las preguntas que
estipulan que la tarea debe ser factible técnica y económicamente antes de
seleccionarla. La factibilidad técnica se refiere a la habilidad de la tarea para
prevenir la falla antes que ocurra, mientras que la factibilidad económica se
refiere a si los beneficios al realizar la tarea son tales que la hacen rentable sobre
los gastos involucrados en implementarla.

1.1. FACTIBILIDAD TÉCNICA

La factibilidad técnica depende de las características técnicas de los

modos de falla y de la tarea. La tarea debe ser capaz de prevenir el
modo de falla a un nivel de certeza especificado. Esta especificación
difiere para cada variedad de consecuencia de falla:

 Consecuencia de fallas escondidas: la tarea debe reducir el riesgo de

una falla múltiple a un nivel aceptable. Recuerde que en el caso de las
fallas escondidas, la falla misma no tiene efectos negativos, pero si no
es descubierta y reparada puede eventualmente conducir a una falla
múltiple la cual puede o no ser adecuado prevenirla dependiendo del
riesgo involucrado. Si la falla escondida puede conducirnos a una falla
múltiple costosa o insegura, el riesgo es alto. Por otro lado, si la falla
escondida no nos conducirá a una falla múltiple o la falla múltiple
resultante no tiene consecuencias entonces el riesgo involucrado es
imperceptible (es decir que el equipo ha sido sobre diseñado en esta
área y la función específica puede ser eliminada en esta situación). Si
no se tiene una tarea disponible que reduzca el riesgo a un nivel
aceptable, una acción inicial por defecto es una tarea de búsqueda de
fallas programada.
 Consecuencias de falla sobre la seguridad y el medio ambiente: la
tarea debería reducir el riesgo de una falla sea total o a un nivel

55
Ingeniería del Mantenimiento TECSUP – PFR

aceptable (muy baja). Donde los aspectos sobre seguridad y medio

ambiente están en riesgo uno no puede comprometerse. Si no se
encuentra una tarea preventiva que reduce el riesgo de falla a un nivel
lo suficientemente bajo, la acción inicial por defecto es rediseñar.
 Consecuencias operacionales y no operacionales: la tarea debería
reducir el riesgo de falla a un nivel lo suficientemente bajo tal que el
beneficio de la acción preventiva sea rentable respecto a los costos de
su implementación. Si no se encuentra una tarea preventiva
disponible, la acción inicial por defecto es el mantenimiento correctivo
(mantenimiento no programado).

Tareas basadas en la condición programadas

En muchos casos, los efectos de falla son tan serios que idealmente
deseamos prevenir la falla antes que ocurra. Como el mantenimiento
preventivo basado en el uso frecuentemente no es técnicamente factible,
necesitamos identificar las fallas antes que ocurran. Llamamos a este tipo
de tareas como “tareas preventivas basadas en la condición” porque la
acción preventiva sigue a la identificación del momento anterior a la falla
por alguna técnica de monitoreo de condición, tal como el análisis
vibracional o el monitoreo del aceite. Reaccionamos a la presencia de
una condición previa a la falla (una falla potencial). La efectividad (y así
la factibilidad técnica) de una tarea basada en la condición para prevenir
una falla antes de que ocurra depende mucho de lo siguiente:

 Debe ser posible identificar inequívocamente el potencial de falla a

través del método de monitoreo de condición o inspección que fue
seleccionado. No debería haber duda en las mentes de los expertos en
monitoreo de condición y en los gerentes de mantenimiento
involucrados que este nivel del parámetro monitoreado constituye una
falla potencial.
 Normalmente cuando la condición de un componente comienza a
deteriorarse, primero se deteriora bastante lento. Esto es verdad
hasta un punto donde la tasa de deterioro comienza a acelerarse.
Cuando monitoreamos tal proceso de deterioro, es importante que el
espacio de tiempo entre el punto donde nuestro monitoreo establece
que existe una falla potencial y el punto de la falla funcional actual sea
bastante consistente y lo suficientemente grande para tomar una
acción preventiva (esto es prevenir la falla completamente o limitar
suficientemente la consecuencia de falla). Es importante notar que, a
menos que la frecuencia de monitoreo sea demasiado alta, el potencial
de falla es identificado algunas veces con un tiempo

56
TECSUP – PFR Ingeniería del Mantenimiento

considerablemente posterior al punto inicial donde la falla potencial

podría haberse identificado primero.
 La frecuencia establecida de monitoreo de condición o inspección debe
ser alcanzable prácticamente. El tiempo entre inspecciones (monitoreo
de condición) debe ser suficientemente menor que el intervalo de
tiempo entre el punto al cual el potencial de falla llega a ser evidente y
el punto de falla funcional para asegurar que el potencial de falla será
identificado a tiempo. Si el tiempo entre puntos de monitoreo se
establece menor que la mitad del periodo de tiempo para la falla (el
intervalo de tiempo entre la primera indicación identificable de una
falla potencial y la falla funcional) uno podría estar bastante seguro
que la falla potencial será identificada a tiempo con certeza para poder
tomar una acción preventiva. En la práctica sería necesario comenzar
un monitoreo a una frecuencia mas alta una vez que la falla potencial
ha sido identificada, para predecir adecuadamente cuando ocurrirá la
falla funcional. Esto es así especialmente en el caso donde el lapso de
tiempo para la falla abarca un tiempo largo (algunas veces semanas o
incluso meses).

Tareas de reacondicionamiento programadas

Las tareas de reacondicionamiento programadas (overhaul) son de la

clase de mantenimiento preventivo basado en el uso. Hay dos
prerrequisitos para la factibilidad técnica de una tarea de
reacondicionamiento programada:

 Debe ser posible restaurar el sub-sistema o componente a una

condición bastante buena a través del reacondicionamiento. Lo ideal
es una condición tan buena como una nueva, pero esto no es siempre
asequible.
 La función de riesgo (riesgo de falla) de un ítem aumenta con la edad.
Solo cuando el riesgo aumenta con la edad el reacondicionamiento
producirá un ítem (sub-sistema o componente) que es menos
propenso a la falla. Esto se ilustra en la figura 4.1.

57
Ingeniería del Mantenimiento TECSUP – PFR

TASA DE RIESGO EN LA DISTRIBUCIÓN

WEIBULL

5,00

4,00
Realizar Ov erhaul o
3,00 reemplazar la unidad
Z(t)

2,00

1,00

0,00
1

11

13

15

17

19

21

23
Tiempo

Figura 4.1 Efecto de la prevención basada en el uso.

Tareas de reemplazo programadas

Como en el caso de las tareas de reacondicionamiento programadas, las

tareas de reemplazo preventivas programadas son de la clase de
mantenimiento basado en el uso. Como en el caso previo tales tareas
serán técnicamente factibles si:

 Es posible restaurar la función a una condición bastante buena a través

del reemplazo del sub-sistema o componente. Lo ideal es una
condición tan buena como una nueva, pero esto no es siempre
asequible.
 La función de riesgo (riesgo de falla) de un ítem esta aumentando con
la edad. Solo cuando el riesgo aumenta con la edad el reemplazo
producirá un ítem (sub-sistema o componente) que es menos
propenso a la falla. Esto es ilustrado en la figura 4.1.

1.2. FACTIBILIDAD ECONÓMICA

En cierto sentido, es bastante fácil determinar si una cierta tarea

preventiva es técnicamente viable. Los ingenieros entienden el lado
técnico mucho mas fácil que decidir sobre la efectividad de los costos de
un método propuesto. La figura 4.2 se dio para asistir en este proceso.
Pero la vida no es siempre tan simple como usar un diagrama de decisión
tal como el de la figura 4.2. En general uno puede decir que para varias
consecuencias de falla las siguientes guías se aplican para decidir si una
tarea es factible económicamente:

58
TECSUP – PFR Ingeniería del Mantenimiento

 Consecuencias sobre la seguridad y el medio ambiente: Aquí la

factibilidad técnica juega un rol mas grande que la factibilidad
económica. La razón para esto es que la consecuencia de falla en
esta área es en muchos casos perjudicial para la salud y la vida de las
personas y/o la planta. Así uno normalmente tiene que encontrar la
tarea preventiva que trabaje. Pero uno no puede descuidar totalmente
los costos de la acción propuesta. De alguna u otra manera uno tiene
que establecer si la acción propuesta es la única manera o la menos
cara de resolver el problema. Esto puede ocasionar que se compare el
costo de acciones preventivas alternativas entre ellas o contra la
posibilidad de rediseñar para resolver el problema.
 Consecuencias operacionales: En el caso de las consecuencias
operacionales la respuesta estándar al problema de si una tarea
preventiva es económicamente factible es: si el costo de la tarea
preventiva es menor que el costo de las consecuencias operacionales
(en otras palabras el valor de la perdida de producción) mas el costo
de la reparación de la falla, entonces la tarea es económicamente
factible. Como veremos mas adelante, esto es un punto de vista
simplista. Un punto de vista mas balanceado es que la tarea es
económicamente factible si el costo total (costo de la parada mas el
costo de incurrir en la falla mas el costo de la prevención) es mínimo,
esto llegará a ser claro mas adelante.
 Consecuencias no operacionales: En este caso la respuesta a la
pregunta sobre la factibilidad económica es la misma que para las
consecuencias operacionales, excepto que el costo de la perdida de
producción no figura (la falla no afecta la producción).

El titulo de la presente sección sugiere que hay un partido de desempate

entre la factibilidad técnica y la económica. Este no es realmente el caso.
Pero en muchas situaciones prácticas uno tiene que tomar una decisión
basada mas en una que en otra. Como se estableció anteriormente, en el
caso de los modos de fallas escondidas y de seguridad y medio ambiente,
la factibilidad técnica frecuentemente juega un rol mas importante que si
la tarea es económicamente factible. Por otro lado, en el caso de las
consecuencias operacionales y no operacionales, la pregunta de si la
tarea es económicamente factible es de máxima importancia. Al final la
línea de referencia esta relacionada siempre con el dinero.

59
Ingeniería del Mantenimiento TECSUP – PFR

2. TEORÍA BÁSICA DE LA RENOVACIÓN

Tradicionalmente se asumió que el reacondicionamiento programado y el

reemplazo programado dejaban al ítem en condiciones casi nuevas después de la
acción preventiva. Se desarrolló alrededor de esta premisa una teoría
denominada “Teoría de la renovación”. En otras palabras, la teoría de la
renovación es la teoría que explica las situaciones de falla donde las acciones
preventivas basadas en el uso conducen hacia una restauración completa. Esta
teoría puede enfocarse desde diferentes ángulos usando diferentes teóricas
matemáticas básicas. Frecuentemente el enfoque es por el lado de la
distribución estadística. Generalmente se acepta que las fallas (donde se
sostiene la asunción de renovación) tiene lugar de acuerdo a una u otra
distribución. Una de las que se emplea mas frecuentemente en mantenimiento
es la distribución Weibull, llamada así en honor a su autor. Es una distribución
muy versátil que puede simular la mayoría de las situaciones de falla encontradas
en la práctica del mantenimiento.

Las cuatro funciones de confiabilidad fueron definidas en el capitulo 5. Estas son

la función densidad, la función de distribución acumulativa, la función de
supervivencia y la función de riesgo. Definiciones mas formales se dan en el
anexo A1. Las descripciones de estas funciones dadas en el capitulo 5, con
algunas aclaraciones adicionales se repetirán aquí.

2.1. DENSIDAD DE FALLA

La densidad de falla da una imagen de la probabilidad de falla de un

componente sobre su propia vida. Así da, en cualquier punto en
particular la vida del componente, la probabilidad de falla en ese punto
exacto. Es costumbre en el mundo del mantenimiento emplear la
distribución Weibull para describir el comportamiento de la falla de un
componente. Una función densidad de falla Weibull típica se muestra en
la figura 4.2.

60
TECSUP – PFR Ingeniería del Mantenimiento

DISTRIBUCION WEIBULL
Funcion Densidad

0.120

0.100

0.080
f(t)

0.060

0.040

0.020

0.000
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31

Tiempo

Figura 4.2 Densidad de Falla Weibull típica.

El uso de la función densidad f(t) se describe usando los siguientes

ejemplos: la figura 4.2 establece que la probabilidad de falla (del
componente al cual se le aplica la función de densidad de la figura 4.2, a
la edad de 5 unidades es del orden de 0.06 o 6%. La suma de todas las
probabilidades esta dado por el área bajo la curva de la figura 4.2 la cual
es 1 (o 100%). Esto es equivalente a establecer que el componente debe
eventualmente fallar (en el ejemplo antes de 23 unidades) con 100% de
certeza. La probabilidad acumulativa de falla hasta 5 unidades está dada
por el área total bajo la curva a la izquierda del valor de 5 unidades. Esta
cantidad (acumulada) se conoce como la distribución de falla acumulativa
F(t). La función densidad puede estimarse directamente desde los datos
de falla usando la definición discreta en el anexo A (ecuación A1). El uso
de estas definiciones discretas para estimar las cuatro funciones de
confiabilidad directamente de los datos de falla se ilustra en los ejemplos
dados en el anexo A.

2.2. DISTRIBUCIÓN ACUMULATIVA DE FALLAS

Sumando acumulativamente las probabilidades de falla respecto a su

densidad de falla, obtenemos la distribución acumulativa de Fallas. Esto
da para cualquier punto en el tiempo de vida de un componente la
probabilidad que el componente fallará antes o a esa edad específica. La
distribución acumulativa de falla comienza siempre a una probabilidad de
cero, lo cual es equivalente a establecer que un componente nuevo no
estará en un estado de falla. Esta eventualmente tendrá un valor de uno
(100%), indicando que el componente eventualmente fallará con 100%

61
Ingeniería del Mantenimiento TECSUP – PFR

de certeza. La distribución acumulativa de fallas para la densidad de falla

de la figura 4.2 se muestra en la figura 4.3.

DISTRIBUCION WEIBULL
Funcion Acumulada

1.200

1.000

0.800
F(t)

0.600
0.400

0.200

0.000
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31

Tiempo

Figura 4.3 Distribución de fallas acumulativa.

De la misma manera como se hizo con la función densidad, podemos leer

la probabilidad acumulada de falla en la figura 4.3. Por ejemplo podemos
decir que la probabilidad de que el componente fallará antes o a 10
unidades es 0.50 o 50%. La distribución acumulativa de falla es una
función extremadamente manejable para entender las características de
falla de un componente. Una propiedad muy importante de la función de
distribución acumulativa es que el 63% de todos los componentes falla
antes de la vida esperada del componente (esto es la vida típica).
Weibull denomina la vida esperada como la vida característica, la cual
esta dada por el parámetro de escala Weibull η. El valor de η para los
ejemplos anteriores es 10. Así para la vida de 11 unidades el valor de
F(t) es 0.63 (o 63%). Así, en el caso de la renovación, 63% de los
componentes falla siempre antes o en la vida característica. Esto no
quiere decir que el componente deberá reemplazarse o reacondicionarse
antes de ese tiempo, porque el 37% de los componentes tienen vidas
mayores que la vida característica (algunos de ellos son mayores a 21
unidades o el doble de la vida característica en el ejemplo anterior). La
decisión respecto a cuando reemplazar normalmente involucra las
características de falla específicas (como se representa en el gráfico) y los
aspectos económicos involucrados, como veremos brevemente.

La función de distribución acumulativa puede nuevamente estimarse

directamente de los datos de falla usando la definición discreta del anexo

62
TECSUP – PFR Ingeniería del Mantenimiento

A (ecuación A3), como se ilustró en los dos ejemplos en ese capitulo. La

función complementaria a la función de distribución acumulativa es
conocida como la función de Supervivencia (o función de Confiabilidad).

2.3. FUNCIÓN DE SUPERVIVENCIA

La distribución acumulativa de falla da la probabilidad de falla antes o a

cierta edad. La diferencia entre ese valor y el 100% (en otras palabras, el
espacio sobre la curva de la figura 4.3) da la probabilidad que el
componente sobrevivirá hasta ese punto. Esta es una medida muy útil,
ya que da el porcentaje de unidades que sobrevivirán hasta la edad
especificada. La siguiente figura describe la función de supervivencia la
cual es el complemento de la función de distribución acumulativa de la
figura 4.3.

DISTRIBUCION WEIBULL
Funcion de Supervivencia

1.200

1.000

0.800
R(t)

0.600
0.400

0.200

0.000
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31

Tiempo

Figura 4.4 Función de supervivencia típica.

Como el caso de la función de distribución acumulativa, podemos de

nuevo leer la curva de probabilidad de supervivencia acumulativa del
grafico 4.4. Podemos decir que la probabilidad que el componente
sobrevivirá hasta una vida de 10 unidades es 0.5 o 50%. Como con la
distribución acumulativa de falla, la función de supervivencia es una
función extremadamente manejable para entender las características de
falla del componente. En el caso de la función de supervivencia mostrará
siempre que el 37% de los componentes sobrevivirán hasta la vida
esperada del componente (esto es la vida típica). Así, a una vida de 11
unidades el valor de R(t) es 0,37 (o 37%). Así, en el caso de la

63
Ingeniería del Mantenimiento TECSUP – PFR

renovación, el 37% de los componentes sobrevivirán hasta la vida

característica.

La función de supervivencia puede estimarse directamente de los datos

de falla usando la definición discreta del anexo A (ecuación A5), cuyo
método se ilustra en los ejemplos de ese capitulo. La ultima función de
confiabilidad que se discutirá aquí se conoce como la función de riesgo y
es una combinación entre la función densidad y la función de
supervivencia como se muestra en el anexo A.

2.4. FUNCIÓN DE RIESGO

La función de riesgo es la mas empleada de las cuatro medidas

cuantitativas (también llamadas las cuatro funciones de Confiabilidad).
También es denominada la probabilidad condicional de falla o la
probabilidad instantánea de falla. Esta da la probabilidad de que un
componente fallará a cierta vida, dado que ha sobrevivido hasta esa
edad. Se calcula dividiendo el valor de la densidad de falla a esa edad
entre el valor de la función de supervivencia a esa edad. Es una medida
del riesgo de falla de un componente a una edad específica. Si la función
de riesgo decrece con la edad o permanece constante, no habrá incentivo
hacia el mantenimiento preventivo basado en el uso ya que el riesgo
después de la acción de mantenimiento no será menor que antes. En tal
caso la única estrategia de mantenimiento disponible será el
mantenimiento preventivo basado en la condición. Pero, en el caso de un
aumento de la función de riesgo (una situación encontrada
frecuentemente en los componentes), una opción será el mantenimiento
preventivo basado en el uso, ya que disminuirá el riesgo de falla. Usar o
no el mantenimiento preventivo basado en el uso en tales circunstancias
dependerá de aspectos económicos de tal acción y si el mantenimiento
preventivo basado en la condición no permite una mejor opción. La
función de riesgo para la situación de falla de las figuras 4.2 a la 4.4 se
muestra en la figura 4.5.

64
TECSUP – PFR Ingeniería del Mantenimiento

DISTRIBUCION WEIBULL
Funcion de Riesgo

1.4
1.2
1
0.8
Z(t)

0.6
0.4
0.2
0

11

13

15

17

19

21

23

25

27

29

31
1

9 Tiempo

Figura 4.5 Función de Riesgo típica de un componente.

Como se estableció antes, esta es ciertamente la mas usada de las cuatro

funciones de confiabilidad. Uno puede leer el riesgo real de falla
directamente del gráfico de la función de riesgo. Así, en el caso descrito
en la figura 4.5, uno puede decir que, si el componente ha sobrevivido
hasta la edad de 17 unidades, la probabilidad de que este falle en el
siguiente instante es 0.5 o 50%. Por otro lado la probabilidad de falla de
un componentes que ha sobrevivido hasta 26 unidades es 1.00 o 100%.

La forma de la función de riesgo es de máxima importancia para decidir

sobre la estrategia apropiada de mantenimiento. Un aumento de la
función de riesgo permite la posibilidad del mantenimiento preventivo
basado en el uso, mientras una disminución o tendencia constante de la
función de riesgo no.

3. LA DISTRIBUCIÓN WEIBULL

La distribución Weibull fue el resultado al que llegó Weibull en 1951 cuando

sugirió una formula empírica que podría manejar muchos datos de falla reales.
Muy importante para nuestro propósito es el hecho que puede manejar la
mayoría de las formas de la función de riesgo frecuentemente encontradas,
incluyendo las distribuciones Normal y Exponencial. Esto conduce a la posibilidad
de usar solo esta distribución para la mayoría de aplicaciones practicas de
análisis de falla. Hay dos formas de la distribución Weibull, a dos versiones de
parámetros y a tres versiones de parámetros. La distribución Weibull a dos
parámetros se describe en el anexo A.

65
Ingeniería del Mantenimiento TECSUP – PFR

El uso de la Distribución Weibull es por estimación de los valores para sus

parámetros, tal que la distribución se parezca bastante a la distribución de
tiempo para la falla encontrada en los datos observados. Este proceso de
estimación de parámetros se describe en la sección A4 (ecuaciones A14 y A15).
Los dos parámetros Weibull (versión de dos parámetros) es η y β, β es el
parámetro de forma y η el parámetro de escala. Así, la forma depende de β, ver
figuras 4.6 hasta 4.9, y la escala de tiempo depende de η. A η también se le
conoce como vida característica, el cual es lo mismo que la vida esperada del
componente. La vida típica que uno puede esperar de un componente, basado
en su historia, es η unidades. Otra característica importante del valor de η es
que el 63% de todos los componentes de ese tipo fallará antes de η unidades y
el 37% después. Como vimos en la figura 4.1, solo para valores de β mayores
que 1 (aumento del riesgo) esperaríamos que el mantenimiento preventivo
basado en el uso vale la pena. Así la función mas importante en el análisis de
datos de falla es que, solo cuando conocemos que nuestra función de riesgo de
los datos esta aumentando con el tiempo, será efectivo el mantenimiento basado
en el uso. Pero aún no podemos decir que el mantenimiento basado en el uso
será la de mejor costo. Y tampoco no conocemos cuan frecuente deberíamos
hacer el mantenimiento basado en el uso. Estas preguntas serán respondidas en
la siguiente sección.

DISTRIBUCIÓN WEIBULL

1.200

1.000

0.800
B=3
f(t)

0.600 B=2
0.400
B=1

0.200

0.000
1

11

13

15

17

19

21

23

25

27

29

31

33

35

37

Tiempo

Figura 4.6 Forma de la función de densidad Weibull.

66
TECSUP – PFR Ingeniería del Mantenimiento

DISTRIBUCION WEIBULL

1.200

1.000

0.800
B=3
F(t)

0.600 B=2
0.400 B=1

0.200

0.000
10

13

16

19

22

25

28

31

34

37
1

Tiempo

Figura 4.7 Forma de la función acumulativa Weibull.

Una nota sobre el tercer parámetro de la distribución Weibull la hacemos aquí.

Hay un tercer parámetro γ, el cual es la vida mínima del componente. En
algunos casos un componente nunca falla a una edad menos que una cierta vida.
Esta vida es la vida mínima de un componente. La tarea del tercer parámetro es
mover toda la distribución hacia la derecha en γ unidades.

DISTRIBUCION WEIBULL

1.200

1.000

0.800
B=3
R(t)

0.600 B=2
0.400 B=1

0.200

0.000
10

13

16

19

22

25

28

31

34

37
1

Tiempo

Figura 4.8 Formas de la función de supervivencia Weibull.

67
Ingeniería del Mantenimiento TECSUP – PFR

DISTRIBUCION WEIBULL

12.00

10.00

8.00
B=3
Z(t)

6.00 B=2
4.00 B=1

2.00

-
11
13
15
17
19
21
23
25
27
1
3
5
7
9

Tiempo

Figura 4.9 Formas de la función de riesgo Weibull.

4. OPTIMIZANDO EL MANTENIMIENTO BASADO EN EL USO

Como se estableció al final de la sección anterior, después de ajustar

adecuadamente una distribución Weibull a nuestra data de falla, seremos
capaces de decidir si el mantenimiento basado en el uso es finalmente una
opción (podemos decidir sobre la efectividad de tal estrategia, usando la figura
4.1 como base). Pero aún no sabemos si el uso de tal estrategia vale la pena.
Primeramente, para que valga la pena, el costo de reparar la falla debe ser
mayor que la acción preventiva.

4.1. EL COSTO DE LA FALLA VS EL COSTO DE LA PREVENCIÓN

Al inicio de este capitulo vimos que la factibilidad técnica juega un rol

mucho mayor que la económica cuando se trata con modos de falla cuyas
consecuencias son sobre la seguridad y el medio ambiente. Pero en el
caso de las fallas con consecuencias operacionales y no operacionales la
economía juega un rol mayor. Cuando decidimos hacer uso de la
prevención basada en el uso tanto como los algoritmos de optimización
de esta sección, haremos uso del costo de la prevención, la cual se
denota Cp y el costo de reparación después de la falla Cr.

4.2. CONSECUENCIAS NO OPERACIONALES

Cuando tratamos con los modos de falla con consecuencias no

operacionales, no estamos interesados en las perdidas sufridas debido a
paradas (la parada no tiene consecuencias operacionales). Así
definiremos dos cantidades de costo:

68
TECSUP – PFR Ingeniería del Mantenimiento

Cr = Costo de repuestos para reparar la falla + costo de la mano de obra

correspondiente.
Cp = Costo de repuestos para la acción preventiva + costo de la mano de
obra correspondiente.

4.3. CONSECUENCIAS OPERACIONALES

Si la falla del componente afecta la producción de la unidad

(consecuencia operacional) entonces debe tenerse en cuenta el valor
monetario de la perdida de producción. Las dos cantidades de costo
llegarán a ser:

Cr = Costo de repuestos para reparar la falla + costo de la mano de obra

+ Valor de la perdida de producción mientras se realiza la reparación.
Cp = Costo de repuestos para la acción preventiva + costo de la mano de
obra + Valor de la perdida de producción mientras se realiza la acción
preventiva.

En muchos casos la acción preventiva se realiza durante un turno de

mantenimiento existente, en cuyo caso no se perderá producción debido
a la acción preventiva.

4.4. OPTIMIZACIÓN BASADA EN EL USO

El modelo matemático mostrado en el anexo A esta basado en modelos

de optimización del beneficio / costo para optimizar el mantenimiento
basado en el uso. Estos modelos se utilizan en el caso de consecuencias
operacionales y no operacionales. Hacen uso de dos cantidades Cp y Cr
para encontrar el valor de tp (el tiempo en el instante de la prevención
basada en el uso) el cual da el costo mínimo por unidad de tiempo. La
diferencia entre estos dos modelos es que el primero no toma en cuenta
el tiempo tomado por la falla y las acciones preventivas, mientras que el
segundo modelo los toma en cuenta. En muchos casos los dos modelos
no dan resultados con diferencias significativas, pero en casos donde el
tiempo tomado por la reparación de la falla difiere significativamente de la
de la acción preventiva o donde el tiempo tomado para reparar es una
proporción significativa del MTBF el segundo modelo dará siempre
mejores resultados. La salida típica de estos modelos es un gráfico de
costo por unidad de tiempo versus el tiempo entre acciones preventivas.
Tal gráfico se muestra en la figura 4.10.

69
Ingeniería del Mantenimiento TECSUP – PFR

Optimización del Costo Weibull

200

195
Costo ($/dia) 190

185

180

175

170

165
7 12 17 22 27 32 37

Vida (dias)

Figura 4.10 Curva típica de Costo.

De la curva se puede ver que el nivel óptimo de costo ocurre a 12 días a

un costo de $ 177,58. Pero, aparte el modelo nos da la frecuencia óptima
a la cual la prevención tendría lugar, el grafico nos suministra la siguiente
información adicional:

 La inclinación del gráfico de costo en ambos lados del punto óptimo,

determina si estamos en el valor óptimo exactamente. En el ejemplo
dado, si mantenemos la frecuencia preventiva entre 10 y 16 días no
tendremos un aumento del costo de mas del 5% del valor óptimo. En
este caso específico existe un turno de mantenimiento semanal el cual
será utilizado para el reemplazo preventivo del rodamiento. Esto tiene
el efecto que el tiempo entre reemplazos deberá estar entre 10 y 15
días. El costo a 10 días es $ 178,34 por día y 15 días $ 179,26 por día.
Así 15 días será la frecuencia preferida, pero si fuera necesario se
puede adelantar el reemplazo a 15 días sin sobrepasar la barrera del
5% del costo.
 En el gráfico, el valor del costo en el lado derecho mas alejado da el
costo por unidad de tiempo cuando se realiza una tarea de reemplazo
no preventiva (reparar cuando falla). En nuestro ejemplo este valor es
$ 198,61 a 50 días (el cual no se muestra en el gráfico). Esto es 112%
sobre el costo óptimo. Así en este caso podemos ver que es de
máxima importancia que hagamos un reemplazo preventivo. Pero hay
casos donde la sensibilidad del gráfico del lado derecho es tan baja
que decidiremos por la estrategia del mantenimiento correctivo.

70
TECSUP – PFR Ingeniería del Mantenimiento

El tercer modelo del anexo A es un modelo que optimiza la disponibilidad

de los componentes para minimizar la parada por unidad de tiempo. Esto
da un gráfico similar al de la figura 4.10, pero en términos de
disponibilidad. Este modelo se emplea en el caso de modos de fallas
escondidas y consecuencias sobre la seguridad y medio ambiente donde
el costo o beneficio no es el motivo primordial, sino preferentemente la
disponibilidad de la función. La figura 4.11 muestra un ejemplo del
resultado al emplear dicho modelo. Como en el caso del modelo de
costo, la sensibilidad del gráfico juega un rol importante decidiendo como
uno estrictamente mantendrá la frecuencia preventiva óptima.

DISPONIBILIDAD
90

80
Disponibilidad (%)

70

60

50

40

Tiempo (semanas)

Figura 4.11 Gráfico ejemplo de disponibilidad.

El cuarto modelo del mantenimiento preventivo basado en el uso se

emplea en el caso de reemplazo en bloque. Se describe completamente
en el anexo A. La estrategia de reemplazo en bloque específico se
emplea cuando una maquina o sistema tiene mas de un componente
igual, trabajando en circunstancias similares. La estrategia es reemplazar
cualquiera de los componentes cuando fallan, pero reemplazar todos los
componentes del bloque a la frecuencia de cambio, sin tomar en cuenta
cualquier reemplazo de fallas entre reemplazos en bloque. Para
simplificar el desarrollo de la estrategia de bloque se hace una asunción,
es decir que muy pocas fallas se producirán entre reemplazos en bloque.
Un ejemplo de gráfico de costo se muestra en la figura 4.12 La caída de
la cola en el lado derecho no tiene que ser considerado ya que la
asunción simplificada no es válida en esta área.

71
Ingeniería del Mantenimiento TECSUP – PFR

Reemplazo en Bloque
500
Costo por unidad de tiempo

400

300

200

100

Tiempo (semanas)

Figura 4.12 Gráfico de costo de reemplazo en bloque.

5. OPTIMIZACIÓN DEL MANTENIMIENTO BASADO EN LA CONDICIÓN

El segundo modelo en el anexo A describe los modelos de inspección. Estos se

emplean para optimizar la frecuencia de mantenimiento basado en la condición
de la misma manera como fueron optimizadas las frecuencias del mantenimiento
preventivo basado en el uso por los primeros 4 modelos. La única diferencia es
que, en vez de usar la función de supervivencia basada en la historia de falla
para estimar la división entre reemplazos preventivos y reemplazos de fallas, se
usa la eficiencia de las inspecciones para “capturar” fallas antes que sucedan.
Esta eficiencia ηc se expresa como una función del tiempo entre inspecciones.
Nuevamente hay dos modelos, uno optimizando el costo y el otro la
disponibilidad, con una producción similar a la de las figuras 4.10 y 4.11.

La captura empleada en los modelos de inspección es que debe conocerse la

relación entre la efectividad de las inspecciones y el tiempo entre inspecciones.
Esto se obtiene de la siguiente manera: Calcular la efectividad de la inspección
basada en la frecuencia de inspección histórica utilizada. Luego modificar la
frecuencia basada en su intuición para esta situación. Después de un año tendrá
(por un nuevo calculo de la efectividad de la inspección para ese año) un
segundo punto en el gráfico de la efectividad de la inspección versus el tiempo
entre inspecciones. Por regresión puede ahora ajustar una línea a través de
estos dos puntos. La función resultante puede emplearse en los modelos de
inspección para producir una solución optimizada. Después de otro año se
puede agregar otro punto al gráfico y se puede construir un nuevo gráfico
(probablemente no una línea recta) entre los tres puntos. Esta nueva línea
producirá una frecuencia de inspección optimizada (probablemente mucho

72
TECSUP – PFR Ingeniería del Mantenimiento

mejor). De esta manera podrá producir una frecuencia de inspección optimizada

en pocos años.

Vimos anteriormente en este capitulo como puede hacerse uso de los datos de
falla a nivel de componente para hacer y optimizar la estrategia de
mantenimiento usando la teoría de la renovación. En el proceso de uso de
esta teoría, asumimos que reparar conduce a una condición tan buena como
una nueva. Pero, como sabemos, las cosas no son siempre tan fáciles como
emplear la misma teoría para todos los casos. En el nivel de sistemas (maquina
completa) frecuentemente nos situamos con la degradación de la confiabilidad en
el tiempo. Normalmente no renovamos el sistema a una condición tan buena
como nueva cuando reparamos. Hacemos algo mas que una mínima
reparación, por lo cual decimos que reemplazamos o reparamos el componente
que ha fallado. Esto es, reparamos a una condición tan mala como antigua (la
misma condición que tenía antes de la parada). Por esta razón tenemos otra
situación. Esta teoría es llamada “teoría de sistemas reparables”. Podemos
incluso usar esta teoría para tomar decisiones respecto a los tiempos óptimos de
reemplazo de todos los sistemas.

6. TEORÍA BÁSICA DE SISTEMAS REPARABLES

En la teoría de sistemas reparables hacemos uso de la regresión para modelar la

tendencia a lo largo del tiempo de la vida de un sistema. Un sistema esta
compuesto por muchos componentes, cada uno con sus propias características
de falla las cuales pueden ser modeladas empleando la teoría de la renovación.
Pero el sistema en si mismo (esto es, si se degenera con el tiempo) debe ser
modelado empleando técnicas de regresión. Si el sistema no degenera con el
tiempo podemos por supuesto hacer uso de la teoría de la renovación para
modelar las fallas de un sistema. Tales sistemas estables son en efecto raros y
necesitan otra teoría para cubrir con el sistema. Podemos modelar dos
cantidades a lo largo del tiempo de vida de un sistema: el tiempo entre fallas y la
tasa de falla. Es costumbre emplear la tasa de falla en el modelamiento de la
tendencia de falla de los sistemas. Una de las clases de modelos que han
emergido para este propósito es el modelo “Proceso Poisson No Homogéneo
(NHPP)”. Se presentan en el anexo B dos formatos de modelos NHPP, junto con
modelos de regresión matemática generales, los cuales pueden emplearse para
modelar la tendencia de la vida, con el propósito de pronosticar la vida promedio
entre fallas de un sistema.

El tiempo en el modelamiento de sistemas esta denotado por “T”, el termino de

largo tiempo para alcanzar una falla, lo denotamos por “t”, el tiempo entre
llegadas, en la teoría de renovación. La tasa de falla se denota por ρ(T).

73
Ingeniería del Mantenimiento TECSUP – PFR

7. MODELOS DE PROCESO NO HOMOGÉNEO POISSON

Los dos formatos de modelos NHPP son descritos en el anexo B: la forma ρ1(T),
la cual es cóncava hacia arriba, y la forma ρ2(T) la cual es convexa. Ambas han
desarrollado adecuadamente la teoría para un numero esperado de fallas en un
cierto intervalo, la probabilidad de supervivencia sobre un intervalo y el tiempo
promedio de fallas. Ambos modelos tienen dos parámetros, los cuales pueden
estimarse fácilmente usando la técnica de la sección B.2.

8. MODELOS PARA EL MODELAMIENTO DE LOS COSTOS PARA EL NHPP

Como en el caso de la renovación, tenemos una herramienta para el

modelamiento de los costos en la teoría de los sistemas reparables. En este caso
el objetivo es determinar la vida económica de un sistema, trabajando desde la
tendencia de falla (modelo NHPP) del sistema, el costo promedio de una
reparación mínima Ct (basado en su historia) y el costo total de sistemas
reparables Cp. La teoría de tales modelos de costos se muestran en la sección
B.3. Un ejemplo de tales gráficos de costos se muestra en la figura 4.13.

Costo promedio por hora si se reemplaza en T

CAT 789 - Camión de 180 Ton.

500

400
Costo por hora

300

200

100

Vida acumulada T (horas)

Figura 4.13 Ejemplo de gráfico de costos de un sistema reparable.

De acuerdo a la figura 4.13 la mejor edad para el reemplazo de un sistema es a

las 21293 horas de operación. A esta edad se ha logrado un costo de operación
para la vida promedio mínima es de $210,00 por hora (este ejercicio fue
realizado para reparticipación de papel en Australia). Para evaluar esta edad de

74
TECSUP – PFR Ingeniería del Mantenimiento

reemplazo adecuadamente, nuevamente tenemos que estudiar el gráfico para

evaluar la importancia de reemplazar el sistema a esa edad exactamente (en
otras palabras, tenemos que evaluar la sensibilidad del gráfico).

Otros beneficios de los modelos de sistemas reparables son que ellos pueden
modelar precisamente el numero de fallas esperado en un intervalo dado
(futuro), la confiabilidad esperada en tal intervalo, tanto como la vida esperada
futura entre fallas de sistemas.

9. MODELO MATEMÁTICO GENERAL

En el capitulo 14 se da el procedimiento para ajustar cualquiera de los cinco

modelos matemáticos generales para un conjunto de datos. Esto puede
emplearse también para modelar la tendencia de vida del sistema:

 Curva lineal
 Curva cuadrática
 Curva hiperbólica
 Curva exponencial
 Curva geométrica

Se incluye una prueba (la prueba r) para determinar la bondad del ajuste de
tales curvas. Estas curvas (al igual que las curvas NHPP) pueden usarse para
modelar la tendencia en el tiempo y pronosticar el tiempo promedio entre fallas
esperado sobre los siguientes ciclos de fallas. La tabla 4.14 también da un
intervalo de confianza del 95% para el proceso de pronóstico, el cual es el ancho
estadístico de una distribución dentro del cual los tiempos individuales de fallas
sobre los siguientes ciclos de falla se producirán, pero con sus promedios al valor
del pronóstico.

10. ANÁLISIS DE DATOS INTEGRADOS DE FALLA

Tenemos ahora cubierta la teoría de la renovación y la teoría de sistemas

reparables con algún detalle. Tenemos ahora que encontrar cuando usar estas
teorías. Esto se describe completamente en el anexo C. Daremos una breve
descripción del proceso aquí, sin tratar de repetir el trabajo detallado del anexo
C.

En la teoría de la renovación estudiamos el caso donde la asunción hecha fue

que reparar (o overhaul) resultaba en una situación tan buena como una nueva.
En la teoría de los sistemas reparables por otro lado, estudiamos el caso donde la

75
Ingeniería del Mantenimiento TECSUP – PFR

degradación de la confiabilidad tenía lugar en el tiempo y la reparación no era

hasta la situación de tan buena como una nueva. Esto se llamaba una situación
tan mala como la vieja o una situación de reparación mínima. En el primer caso
(la renovación) el componente (o sistema) fue reparado (u overholeado) hasta la
condición de tan bueno como uno nuevo. En el segundo caso (sistemas
reparables) el sistema (o componente) es reparado mínimamente (u
overholeado) de la falla hasta una condición tan mala como la vieja. Es este
último caso la reparación resulta en llevar al sistema (o componente) de retorno
a la condición justo antes de la falla. Esto no implica que fallará de nuevo
inmediatamente, pero no fue restaurado a la condición original (nuevo).

Cada una de estas teorías, en si mismas, presentan una alternativa viable para el
análisis de datos de falla de mantenimiento. El problema ahora es decidir cual
de ellas usar y cuando. Por supuesto, uno puede decidir (asumir) que una u otra
teoría es la mas viable, pero esto no necesariamente conducirá a una solución
valida. La mejor manera es usar los datos para guiar el proceso de análisis. Esto
será discutido ahora con algún detalle en los siguientes párrafos.

11. DIFERENCIA ENTRE DATOS CON O SIN TENDENCIA

¿Cuál es la diferencia entre datos con o sin tendencia en el largo plazo? Piense
en su salario: si su salario ha sido incrementado anualmente (incluyendo la
corrección por inflación), no puede hacer un análisis detallado de la situación de
su ingreso sobre algunos años sin al menos hacer algunas correcciones por
inflación, etc. ¿Porqué es eso?. La razón es que no puede comparar manzanas
con peras. Tiene que comparar manzanas con manzanas. Hubo una tendencia
sobre los años los cuales no puede ignorar cuando haga el análisis. Lo mismo
sucede con los datos de falla. Si el sistema (o componente), para el cual esta
haciendo el análisis, ha experimentado un crecimiento de la confiabilidad (la vida
entre fallas aumentó) o la degradación de la confiabilidad (la vida ha sido mas
corta), entonces la vida individual no puede ser lanzada hacia el mismo sombrero
(distribución) para el análisis. Esto es, no podemos usar la teoría de la
renovación en tal caso; estamos forzados ha hacer uso de la teoría de sistemas
reparables.

Pero ¿Cómo sabemos cuando tenemos tal tendencia?. Conocemos esto, a través
del uso de la prueba de tendencia. La prueba de tendencia propuesta es la de
Laplace (1773), la cual ha sido probada una y otra vez y es considerada la mejor
prueba para tendencias de falla. La cantidad Laplace, cuando calculamos para
un conjunto de datos de falla sin tendencia, producirá un valor con un promedio
de 0 y una desviación estándar de 1. Esto es, conservadoramente concluiremos
que:

76
TECSUP – PFR Ingeniería del Mantenimiento

 Si el valor de L cae dentro de –1 y +1, el conjunto de datos no tiene

tendencia inherente y puede usarse la teoría de la renovación para el análisis.
 Si el valor es menor que –2, el conjunto de datos muestra una inclinación
definitiva hacia el crecimiento de la confiabilidad y puede usarse el modelo de
sistemas reparables para el análisis de la tendencia (aunque nuestro modelo
de costos para el sistema reparable solo se mantenga para el caso de
degradación de la confiabilidad)
 Si el valor es mayor que +2, el conjunto de datos muestra una inclinación
definitiva hacia la degradación de la confiabilidad y puede usarse la teoría de
sistemas reparables para el análisis.
 Si el valor esta entre –1 y –2 o entre +1 y +2, estamos en la zona gris donde,
estadísticamente hablando, ambas teorías pueden emplearse.

El proceso de decisión (Asher y Feingold) para decidir cual teoría emplear se

muestra en la figura 4.14

77
Ingeniería del Mantenimiento TECSUP – PFR

Datos de Falla obtenidos en orden

cronológico original

Modelo de sistemas
reparables (p.e. modelo
Tendencia?
NHPP) y modelo de
reparación imperfecto

Tiempos obtenidos identicamente

distribuidos pero no necesariamente
independientes

Brazo del Modelo

Dependencia?
del proceso Poisson

Dato del proceso de

Renovación

Técnica de Análisis
Convencional

Figura 4.14: Estructura de Análisis de datos.

78