Documentos de Académico
Documentos de Profesional
Documentos de Cultura
del alumno
Antoine Berte
Álvaro Baíllo
MEJORA DE LA DISPONIBILIDAD DE UN
PARQUE EÓLICO UTILIZANDO EL
MÉTODO SIX SIGMA
ANTOINE BERTE
ÍNDICE
1. INTRODUCCIÓN ........................................................................ 5
1.1. Motivación del proyecto ........................................................ 5
1.2. Objetivos del proyecto........................................................... 7
2. ¿QUÉ ES UN PARQUE EÓLICO? ................................................. 8
2.1. Aspectos técnicos .................................................................. 8
2.1.1. ¿De dónde viene la energía eólica? ................................... 8
2.1.2. ¿Cómo funciona un aerogenerador?................................ 14
2.1.3. El concepto de “disponibilidad” ....................................... 20
2.2. Aspectos referentes a la gestión del parque ...................... 22
2.2.1. El parque sometido al estudio.......................................... 26
3. EL METODO SEIS SIGMA......................................................... 28
3.1. Un poco de historia.............................................................. 28
3.2. La metodología de mejora................................................... 29
4. DESARROLLO DEL PROYECTO ................................................ 32
4.1. Definir .................................................................................. 32
4.2. Medir y Analizar ................................................................... 35
4.2.1. Datos de explotación del parque ..................................... 37
4.2.2. Causas de indisponibilidad............................................... 92
4.2.2.1. Mantenimientos correctivos ......................................... 92
4.2.2.1.1. Estudio de las paradas ............................................... 92
4.2.2.1.2. Estudio de las incidencias.........................................120
4.2.2.2. Mantenimientos preventivos .......................................146
4.2.3. Conclusiones Fase Medir y Analizar................................149
4.3. Mejorar................................................................................150
4.3.1. Propuestas de mejora .....................................................151
4.3.2. Acciones de mejora .........................................................152
4.4. Controlar .............................................................................165
5. CONCLUSIONES ...............................................................167
6. BIBLIOGRAFÍA .................................................................169
1. INTRODUCCIÓN
1.1. Motivación del proyecto
La situación de las energías renovables en España es en el 2005 al
mismo tiempo esperanzadora y preocupante. Esperanzadora porque las
energías limpias suponen ya el 8% del origen de la producción de
electricidad, una parte modesta pero significativa que sólo hace diez
años hubiera sido considerada utópica de alcanzar. Preocupante porque
pese a tener todos los medios a nuestro alcance -recurso, tecnología,
industria, experiencia, etc.- existen una serie de obstáculos que pueden
impedir que se llegue en el 2010 al objetivo de un 12% de energía
primaria de origen renovable.
Los diámetros de rotor pueden variar algo respecto a las cifras dadas
arriba, ya que muchos de los fabricantes optimizan sus máquinas
ajustándolas a las condiciones de viento locales: por supuesto, un gran
generador requiere más potencia (es decir, vientos fuertes) sólo para
poder girar. Por lo tanto, si instala un aerogenerador en un área de
vientos suaves realmente maximizará la producción anual utilizando un
generador bastante pequeño para un tamaño de rotor determinado (o
un tamaño de rotor más grande para un generador dado). Para una
máquina de 600 kW, los tamaños de rotor pueden variar entre 39 a 48
m. La razón por la que, en zonas de vientos suaves, se puede obtener
una mayor producción de un generador relativamente más pequeño es
que la turbina estará funcionando durante más horas a lo largo del año.
Antes hemos considerado que el aire que pasa por las palas de un
aerogenerador tiene una forma cilíndrica tanto en la entrada como en la
salida. En realidad es una simplificación ya que el fenómeno es algo
más complejo. En realidad, un aerogenerador desviará el viento antes
incluso de que el viento llegue al plano del rotor. Esto significa que
nunca seremos capaces de capturar toda la energía que hay en el
viento utilizando un aerogenerador.
Unidad de refrigeración
25
20
15
Velocidad_Media
10
0
1 39 77 115 153 191 229 267 305 343 381 419 457 495 533 571 609 647 685 723
25
20
15
Velocidad_Media
10
0
1 1269 2537 3805 5073 6341 7609 8877 10145 11413 12681 13949 15217
25
20
15
Velocidad_Media
10
0
1 1269 2537 3805 5073 6341 7609 8877 10145 11413 12681 13949 15217
Todos los gráficos de los distintos meses para los distintos parques
tienen un aspecto similar.
Tv
Dv =
T
Td
DA =
T
• Disponibilidad de producción.
La disponibilidad de producción, Dp, se define como el cociente entre el
número de horas de producción del aerogenerador con respecto al
periodo total analizado.
Tv
Dp =
T
• Disponibilidad económica.
La disponibilidad económica, De, se define como el cociente entre el
número de horas de producción del aerogenerador con respecto al
numero de horas en las que se dan las condiciones nominales de
producción Tn (velocidad del viento comprendida entre 4 y 25 m/s).
Tv
De =
Tn
• Flexibilidad de RRHH
• Fácil adaptación a cualquier tecnología
• Requiere menos estructura por parte del Promotor
• Se tienen garantías del tecnólogo si se trabaja con éste
• Adaptable a cualquier tamaño
Definir
Problema práctico
Y
Medir
Problema estadístico
Analizar
Solución estadística Mejorar
Xs
Controlar
Solución práctica
Objetivo: Y = f (X)
5.- Enfoque del proyecto: Maximización de los resultados de los parques en operación,
mediante el análisis de los datos de indisponibilidad de máquinas y forma de realizar
mantenimientos preventivos y correctivos por parte del mantenedor.
Aprobaciones
Director funcional o propietario Fecha Black o Green Belt Fecha
David Talaván Antoine Berte 2004-05
VIENTO
Condición meteorológica
Mantenimiento preventivo
Aerogenerador
Mantenimiento correctivo
Personal MANTENEDOR
Personal de parque
Telemando
PRODUCCION ELECTRICIDAD
Validación
función de estas y se verá si afectan por igual a cada uno de los cuatro
parques.
Los datos sobre los que se trabajan provienen del mantenedor que
dispone de un registrador de datos (data logger) que almacena para
cada una de las 84 máquinas que componen el parque. De entre las
variables que se registran, interesan para el análisis de la
disponibilidad, las siguientes:
• Numero de máquina
• Horas de viento
• Horas de parada con viento
• Velocidad del viento (máxima, mínima y media horaria)
Variable: DISPONIBILID
Mean 0,913648
StDev 0,071682
Variance 5,14E-03
Skewness -1,08027
Kurtosis 0,798004
N 672
0,68 0,73 0,78 0,83 0,88 0,93 0,98
Minimum 0,65741
1st Quartile 0,88000
Median 0,92537
3rd Quartile 0,97155
95% Confidence Interval for Mu Maximum 1,00000
95% Confidence Interval for Mu
0,90822 0,91908
0,91 0,92 0,93 95% Confidence Interval for Sigma
0,06804 0,07573
95% Confidence Interval for Median
95% Confidence Interval for Median
0,91795 0,93198
Boxplot of DISPONIBILIDAD
DISPONIBILIDAD
1,0
DISPONIBILIDAD
0,9
0,8
0,7
PARQUE
Avila
Ojos Albos
Villacastin
Cruz de Hierro
Parque
Parque
Parque
Parque
4
3
De estos diagramas de caja se puede sacar la siguiente información:
Los parques 2 y 4 tienen un comportamiento similar en cuanto a
disponibilidad y a la variabilidad de esta. Por otro lado los parques 1 y 3
también comparten un comportamiento similar en cuanto a estos dos
aspectos mencionados anteriormente pero diferente al comportamiento
del los parque 2 y 4.
Variable: DISPONIBILID
MES: Diciembre
Mean 0,913768
StDev 0,064638
Variance 4,18E-03
Skewness -2,2E-01
Kurtosis -1,29129
N 168
0,68 0,73 0,78 0,83 0,88 0,93 0,98
Minimum 0,77900
1st Quartile 0,85775
Median 0,90900
3rd Quartile 0,97550
Maximum 1,00000
95% Confidence Interval for Mu
95% Confidence Interval for Mu
0,90392 0,92361
0,89 0,90 0,91 0,92 0,93 0,94 0,95 95% Confidence Interval for Sigma
0,05839 0,07240
Variable: DISPONIBILID
MES: Enero
Mean 0,882343
StDev 0,090291
Variance 8,15E-03
Skewness -9,2E-01
Kurtosis -5,2E-01
N 168
0,68 0,73 0,78 0,83 0,88 0,93 0,98
Minimum 0,657407
1st Quartile 0,786986
Median 0,917129
3rd Quartile 0,951517
Maximum 0,988180
95% Confidence Interval for Mu
95% Confidence Interval for Mu
0,868590 0,896095
0,865 0,875 0,885 0,895 0,905 0,915 0,925 95% Confidence Interval for Sigma
0,081559 0,101134
Variable: DISPONIBILID
MES: Febrero
Mean 0,896644
StDev 0,051126
Variance 2,61E-03
Skewness -1,32975
Kurtosis 2,26808
N 168
0,68 0,73 0,78 0,83 0,88 0,93 0,98
Minimum 0,691358
1st Quartile 0,875968
Median 0,907902
3rd Quartile 0,928520
Maximum 0,978328
95% Confidence Interval for Mu
95% Confidence Interval for Mu
0,888856 0,904431
0,89 0,90 0,91 95% Confidence Interval for Sigma
0,046182 0,057266
Variable: DISPONIBILID
MES: Marzo
Mean 0,961839
StDev 0,045696
Variance 2,09E-03
Skewness -1,83734
Kurtosis 2,45324
N 168
0,68 0,73 0,78 0,83 0,88 0,93 0,98
Minimum 0,80300
1st Quartile 0,95600
Median 0,98200
3rd Quartile 0,99000
Maximum 1,00000
95% Confidence Interval for Mu
95% Confidence Interval for Mu
0,95488 0,96880
0,955 0,965 0,975 0,985 95% Confidence Interval for Sigma
0,04128 0,05118
1,0
DISPONIBILIDAD
0,9
0,8
0,7
MES
Marzo
Diciembre
Enero
Febrero
Parque 1
Variable: DISPONIBILID
MES_ojosalbo: Diciembre
Mean 0,935636
StDev 0,054974
Variance 3,02E-03
Skewness -9,8E-01
Kurtosis 0,358042
N 44
0,69 0,75 0,81 0,87 0,93 0,99
Minimum 0,78800
1st Quartile 0,90200
Median 0,95600
3rd Quartile 0,97700
Maximum 1,00000
95% Confidence Interval for Mu
95% Confidence Interval for Mu
0,91892 0,95235
0,91 0,92 0,93 0,94 0,95 0,96 0,97 95% Confidence Interval for Sigma
0,04542 0,06965
Variable: DISPONIBILID
MES_ojosalbo: Febrero
Mean 0,901149
StDev 0,031205
Variance 9,74E-04
Skewness -1,32391
Kurtosis 1,84514
N 44
0,69 0,75 0,81 0,87 0,93 0,99
Minimum 0,799383
1st Quartile 0,891304
Median 0,907297
3rd Quartile 0,926557
Maximum 0,938356
95% Confidence Interval for Mu
95% Confidence Interval for Mu
0,891662 0,910637
0,89 0,90 0,91 95% Confidence Interval for Sigma
0,025783 0,039538
Variable: DISPONIBILID
MES_ojosalbo: Enero
Mean 0,933426
StDev 0,057969
Variance 3,36E-03
Skewness -2,79485
Kurtosis 10,4762
N 44
0,69 0,75 0,81 0,87 0,93 0,99
Minimum 0,663317
1st Quartile 0,914311
Median 0,956890
3rd Quartile 0,960894
Maximum 0,987745
95% Confidence Interval for Mu
95% Confidence Interval for Mu
0,915802 0,951051
0,912 0,922 0,932 0,942 0,952 0,962 95% Confidence Interval for Sigma
0,047895 0,073448
Variable: DISPONIBILID
MES_ojosalbo: Marzo
Mean 0,967114
StDev 0,020578
Variance 4,23E-04
Skewness -2,7E-01
Kurtosis -1,07889
N 44
0,69 0,75 0,81 0,87 0,93 0,99
Minimum 0,92800
1st Quartile 0,95350
Median 0,96100
3rd Quartile 0,98800
Maximum 1,00000
95% Confidence Interval for Mu
95% Confidence Interval for Mu
0,96086 0,97337
0,955 0,965 0,975 0,985 95% Confidence Interval for Sigma
0,01700 0,02607
1,0
0,9
0,8
0,7
bos
Marzo
Diciembre
Enero
Febrero
Variable: DISPONIBILID
MES_cruz: Diciembre
Mean 0,872455
StDev 0,052208
Variance 2,73E-03
Skewness 0,314320
Kurtosis -6,0E-01
N 44
0,69 0,75 0,81 0,87 0,93 0,99
Minimum 0,779000
1st Quartile 0,828250
Median 0,872500
3rd Quartile 0,905750
Maximum 0,985000
95% Confidence Interval for Mu
95% Confidence Interval for Mu
0,856582 0,888327
0,85 0,86 0,87 0,88 0,89 95% Confidence Interval for Sigma
0,043135 0,066149
Parque 2
Variable: DISPONIBILID
MES_cruz: Febrero
Mean 0,874136
StDev 0,063930
Variance 4,09E-03
Skewness -7,0E-01
Kurtosis -6,0E-01
N 44
0,69 0,75 0,81 0,87 0,93 0,99
Minimum 0,732308
1st Quartile 0,822234
Median 0,884307
3rd Quartile 0,928020
Maximum 0,960227
95% Confidence Interval for Mu
95% Confidence Interval for Mu
0,854700 0,893573
0,85 0,86 0,87 0,88 0,89 0,90 0,91 95% Confidence Interval for Sigma
0,052821 0,081002
Variable: DISPONIBILID
MES_cruz: Enero
Mean 0,823097
StDev 0,101439
Variance 1,03E-02
Skewness -8,9E-02
Kurtosis -1,86453
N 44
0,69 0,75 0,81 0,87 0,93 0,99
Minimum 0,674227
1st Quartile 0,725259
Median 0,839634
3rd Quartile 0,918361
Maximum 0,952128
95% Confidence Interval for Mu
95% Confidence Interval for Mu
0,792257 0,853937
0,75 0,80 0,85 0,90 95% Confidence Interval for Sigma
0,083812 0,128526
Variable: DISPONIBILID
MES_cruz: Marzo
Mean 0,975455
StDev 0,024209
Variance 5,86E-04
Skewness -2,92109
Kurtosis 10,8584
N 44
0,69 0,75 0,81 0,87 0,93 0,99
Minimum 0,86500
1st Quartile 0,96875
Median 0,98100
3rd Quartile 0,99075
Maximum 1,00000
95% Confidence Interval for Mu
95% Confidence Interval for Mu
0,96809 0,98281
0,970 0,975 0,980 0,985 95% Confidence Interval for Sigma
0,02000 0,03067
1,0
0,9
0,8
0,7
_cruz
Marzo
Diciembre
Enero
Febrero
Parque 3
Variable: DISPONIBILID
MES_villacas: Diciembre
Mean 0,977432
StDev 0,032212
Variance 1,04E-03
Skewness -4,54598
Kurtosis 25,6545
N 44
0,72 0,78 0,84 0,90 0,96
Minimum 0,79300
1st Quartile 0,97025
Median 0,98300
3rd Quartile 0,99500
Maximum 1,00000
95% Confidence Interval for Mu
95% Confidence Interval for Mu
0,96764 0,98723
0,97 0,98 0,99 95% Confidence Interval for Sigma
0,02661 0,04081
Variable: DISPONIBILID
MES_villacas: Enero
Mean 0,929922
StDev 0,046809
Variance 2,19E-03
Skewness -1,11069
Kurtosis 0,515739
N 44
0,72 0,78 0,84 0,90 0,96
Minimum 0,813559
1st Quartile 0,905138
Median 0,945255
3rd Quartile 0,968720
Maximum 0,988180
95% Confidence Interval for Mu
95% Confidence Interval for Mu
0,915691 0,944153
0,912 0,922 0,932 0,942 0,952 0,962 95% Confidence Interval for Sigma
0,038675 0,059309
Variable: DISPONIBILID
MES_villacas: Febrero
Mean 0,878805
StDev 0,044953
Variance 2,02E-03
Skewness -2,48256
Kurtosis 7,41795
N 44
0,72 0,78 0,84 0,90 0,96
Minimum 0,691358
1st Quartile 0,866783
Median 0,889230
3rd Quartile 0,910143
Maximum 0,922636
95% Confidence Interval for Mu
95% Confidence Interval for Mu
0,865138 0,892472
0,862 0,872 0,882 0,892 0,902 95% Confidence Interval for Sigma
0,037141 0,056956
Variable: DISPONIBILID
MES_villacas: Marzo
Mean 0,984682
StDev 0,012217
Variance 1,49E-04
Skewness -2,77388
Kurtosis 8,91553
N 44
0,72 0,78 0,84 0,90 0,96
Minimum 0,932000
1st Quartile 0,982000
Median 0,989000
3rd Quartile 0,991000
Maximum 0,994000
95% Confidence Interval for Mu
95% Confidence Interval for Mu
0,980968 0,988396
0,982 0,986 0,990 95% Confidence Interval for Sigma
0,010094 0,015479
1,0
0,9
0,8
0,7
stin
Marzo
Diciembre
Enero
Febrero
Parque 4
Variable: DISPONIBILID
MES_avila: Diciembre
Mean 0,859722
StDev 0,027434
Variance 7,53E-04
Skewness -2,5E-02
Kurtosis -1,57621
N 36
0,67 0,73 0,79 0,85 0,91 0,97
Minimum 0,815000
1st Quartile 0,835000
Median 0,853000
3rd Quartile 0,884750
Maximum 0,897000
95% Confidence Interval for Mu
95% Confidence Interval for Mu
0,850440 0,869004
0,84 0,85 0,86 0,87 0,88 95% Confidence Interval for Sigma
0,022251 0,035786
Variable: DISPONIBILID
MES_avila: Enero
Mean 0,834165
StDev 0,080684
Variance 6,51E-03
Skewness -1,2E-01
Kurtosis -1,53074
N 36
0,67 0,73 0,79 0,85 0,91 0,97
Minimum 0,657407
1st Quartile 0,769977
Median 0,777402
3rd Quartile 0,917843
Maximum 0,920000
95% Confidence Interval for Mu
95% Confidence Interval for Mu
0,806866 0,861465
0,78 0,83 0,88 0,93 95% Confidence Interval for Sigma
0,065441 0,105248
Variable: DISPONIBILID
MES_avila: Febrero
Mean 0,940450
StDev 0,027120
Variance 7,36E-04
Skewness -9,9E-01
Kurtosis 1,46777
N 36
0,67 0,73 0,79 0,85 0,91 0,97
Minimum 0,853333
1st Quartile 0,922259
Median 0,941666
3rd Quartile 0,963860
Maximum 0,978328
95% Confidence Interval for Mu
95% Confidence Interval for Mu
0,931274 0,949626
0,924 0,934 0,944 0,954 0,964 95% Confidence Interval for Sigma
0,021997 0,035377
Variable: DISPONIBILID
MES_avila: Marzo
Mean 0,910833
StDev 0,070283
Variance 4,94E-03
Skewness 0,166408
Kurtosis -1,66305
N 36
0,67 0,73 0,79 0,85 0,91 0,97
Minimum 0,80300
1st Quartile 0,84200
Median 0,88950
3rd Quartile 0,99150
Maximum 1,00000
95% Confidence Interval for Mu
95% Confidence Interval for Mu
0,88705 0,93461
0,86 0,91 0,96 95% Confidence Interval for Sigma
0,05701 0,09168
1,0
0,9
0,8
0,7
ila
Marzo
Diciembre
Enero
Febrero
Variable: DISPONIBILID
HORARIO: Personal
Mean 0,908345
StDev 0,042098
Variance 1,77E-03
Skewness -2,18895
Kurtosis 8,77676
N 168
0,67 0,73 0,79 0,85 0,91 0,97
Minimum 0,663317
1st Quartile 0,892086
Median 0,915567
3rd Quartile 0,931278
95% Confidence Interval for Mu Maximum 0,982659
95% Confidence Interval for Mu
0,901933 0,914757
0,905 0,910 0,915 0,920 95% Confidence Interval for Sigma
0,038026 0,047153
95% Confidence Interval for Median
95% Confidence Interval for Median
0,909009 0,918782
Variable: DISPONIBILID
HORARIO: O&M remoto
Mean 0,870641
StDev 0,091553
Variance 8,38E-03
Skewness -5,6E-01
Kurtosis -1,02882
N 168
0,67 0,73 0,79 0,85 0,91 0,97
Minimum 0,657407
1st Quartile 0,776846
Median 0,906009
3rd Quartile 0,953407
95% Confidence Interval for Mu Maximum 0,988180
95% Confidence Interval for Mu
0,856696 0,884586
0,86 0,87 0,88 0,89 0,90 0,91 0,92 95% Confidence Interval for Sigma
0,082699 0,102548
95% Confidence Interval for Median
95% Confidence Interval for Median
0,882228 0,913832
1,0
DISPONIBILIDAD
0,9
0,8
0,7
HORARIO
O&M remoto
Personal
Parque 1
Variable: DISPONIBILID
HORARIO_ojos: Personal
Mean 0,915323
StDev 0,052703
Variance 2,78E-03
Skewness -2,84707
Kurtosis 11,6498
N 44
0,69 0,75 0,81 0,87 0,93 0,99
Minimum 0,663317
1st Quartile 0,897926
Median 0,924771
3rd Quartile 0,956790
95% Confidence Interval for Mu Maximum 0,960894
95% Confidence Interval for Mu
0,899300 0,931346
0,90 0,91 0,92 0,93 0,94 95% Confidence Interval for Sigma
0,043545 0,066776
95% Confidence Interval for Median
95% Confidence Interval for Median
0,907452 0,938337
Variable: DISPONIBILID
HORARIO_ojos: O&M remoto
Mean 0,919253
StDev 0,045625
Variance 2,08E-03
Skewness -4,5E-01
Kurtosis -8,0E-02
N 44
0,69 0,75 0,81 0,87 0,93 0,99
Minimum 0,799383
1st Quartile 0,895546
Median 0,919500
3rd Quartile 0,957311
95% Confidence Interval for Mu Maximum 0,987745
95% Confidence Interval for Mu
0,905381 0,933124
0,905 0,915 0,925 0,935 95% Confidence Interval for Sigma
0,037697 0,057809
95% Confidence Interval for Median
95% Confidence Interval for Median
0,905996 0,935880
1,0
DISPONIBILIDAD_ojosalbos
0,9
0,8
0,7
_ojosalbos
O&M remoto
Personal
Parque 2
Variable: DISPONIBILID
HORARIO_cruz: Personal
Mean 0,913722
StDev 0,024043
Variance 5,78E-04
Skewness -2,6E-01
Kurtosis -6,7E-01
N 44
0,69 0,75 0,81 0,87 0,93
Minimum 0,858268
1st Quartile 0,897847
Median 0,913263
3rd Quartile 0,933534
95% Confidence Interval for Mu Maximum 0,952128
95% Confidence Interval for Mu
0,906412 0,921031
0,905 0,915 0,925 95% Confidence Interval for Sigma
0,019865 0,030463
95% Confidence Interval for Median
95% Confidence Interval for Median
0,907146 0,925491
Variable: DISPONIBILID
HORARIO_cruz: O&M remoto
Mean 0,783512
StDev 0,080358
Variance 6,46E-03
Skewness 0,836011
Kurtosis -3,6E-01
N 44
0,69 0,75 0,81 0,87 0,93
Minimum 0,674227
1st Quartile 0,725259
Median 0,759050
3rd Quartile 0,829339
95% Confidence Interval for Mu Maximum 0,960227
95% Confidence Interval for Mu
0,759081 0,807943
0,74 0,75 0,76 0,77 0,78 0,79 0,80 0,81 95% Confidence Interval for Sigma
0,066393 0,101815
95% Confidence Interval for Median
95% Confidence Interval for Median
0,742225 0,785725
DISPONIBILIDAD_cruz
Boxplots of DISPONIBILIDAD_cruz by HORARIO_
0,9
0,8
0,7
ARIO_cruz
O&M remoto
Personal
Parque 3
Variable: DISPONIBILID
HORARIO_vill: Personal
Mean 0,891687
StDev 0,046612
Variance 2,17E-03
Skewness -5,5E-01
Kurtosis 1,36969
N 44
0,72 0,78 0,84 0,90 0,96
Minimum 0,751773
1st Quartile 0,866783
Median 0,892086
3rd Quartile 0,921254
95% Confidence Interval for Mu Maximum 0,982659
95% Confidence Interval for Mu
0,877516 0,905858
0,875 0,885 0,895 0,905 95% Confidence Interval for Sigma
0,038512 0,059058
95% Confidence Interval for Median
95% Confidence Interval for Median
0,874613 0,902004
Variable: DISPONIBILID
HORARIO_vill: O&M remoto
Mean 0,917039
StDev 0,055202
Variance 3,05E-03
Skewness -1,81125
Kurtosis 5,41774
N 44
0,72 0,78 0,84 0,90 0,96
Minimum 0,691358
1st Quartile 0,899468
Median 0,916028
3rd Quartile 0,959154
95% Confidence Interval for Mu Maximum 0,988180
95% Confidence Interval for Mu
0,900256 0,933822
0,90 0,91 0,92 0,93 0,94 0,95 95% Confidence Interval for Sigma
0,045609 0,069942
95% Confidence Interval for Median
95% Confidence Interval for Median
0,910926 0,945962
1,0
DISPONIBILIDAD_villacastin
0,9
0,8
0,7
ARIO_villacastin
O&M remoto
Personal
Parque 4
Variable: DISPONIBILID
HORARIO_avil: Personal
Mean 0,913605
StDev 0,034484
Variance 1,19E-03
Skewness -4,50729
Kurtosis 23,2223
N 36
0,65 0,70 0,75 0,80 0,85 0,90 0,95
Minimum 0,731959
1st Quartile 0,914438
Median 0,918782
3rd Quartile 0,925026
95% Confidence Interval for Mu Maximum 0,945578
95% Confidence Interval for Mu
0,901937 0,925273
0,90 0,91 0,92 95% Confidence Interval for Sigma
0,027970 0,044983
95% Confidence Interval for Median
95% Confidence Interval for Median
0,916752 0,920140
Variable: DISPONIBILID
HORARIO_avil: O&M remoto
Mean 0,861010
StDev 0,102192
Variance 1,04E-02
Skewness -9,4E-02
Kurtosis -1,75169
N 36
0,65 0,70 0,75 0,80 0,85 0,90 0,95
Minimum 0,657407
1st Quartile 0,770162
Median 0,833333
3rd Quartile 0,963860
95% Confidence Interval for Mu Maximum 0,978328
95% Confidence Interval for Mu
0,826433 0,895587
0,78 0,88 0,98 95% Confidence Interval for Sigma
0,082886 0,133303
95% Confidence Interval for Median
95% Confidence Interval for Median
0,771463 0,960898
1,0
DISPONIBILIDAD_avila
0,9
0,8
0,7
RIO_avila
O&M remoto
Personal
Se puede observar una clara diferencia entre la disponibilidad
alcanzada en personal comparado con aquella obtenida en remoto sólo
para el caso del parque 2 y 4. Para los parques 1 y 3 esta diferencia no
es significativa.
A priori no se sabe porque pasa esto en el parque 2 pero si que se
puede intuir porque pasa en el parque 4. El parque 4 es el que esta
situado a 50 kilómetros del resto de los otros por lo que la operación en
remoto da resultados mucho peores.
Los datos que hay que someter a este estudio son bastantes ya que
hay que estudiar todos los datos resultantes de las combinaciones
posibles que estudiamos. Es decir, hay que estudiar la normalidad de
los datos cuando estos están expresados en función del parque, del
mes, del horario,….
,999
,99
,95
,80
Probability
,50
,20
,05
,01
,001
►POR HORARIO
Test Normalidad:Dispo_Remoto_4meses
,999
,99
,95
,80
Probability
,50
,20
,05
,01
,001
Test Normalidad:Dispo_personal_4meses
,999
,99
,95
Probability
,80
,50
,20
,05
,01
,001
►POR MES
Test Normalidad:Dispo_Dic_4meses
,999
,99
,95
,80
Probability
,50
,20
,05
,01
,001
Test Normalidad:Dispo_Enero_4meses
,999
,99
,95
,80
Probability
,50
,20
,05
,01
,001
Test Normalidad:Dispo_Feb_4meses
,999
,99
,95
,80
Probability
,50
,20
,05
,01
,001
Test Normalidad:Dispo_Marzo_4meses
,999
,99
,95
,80
Probability
,50
,20
,05
,01
,001
►POR PARQUE
Test Normalidad:Dispo_Avila_4meses
,999
,99
,95
,80
Probability
,50
,20
,05
,01
,001
Test Normalidad:Dispo_Cruz_4meses
,999
,99
,95
,80
Probability
,50
,20
,05
,01
,001
Test Normalidad:Dispo_Ojos_4meses
,999
,99
,95
,80
Probability ,50
,20
,05
,01
,001
Test Normalidad:Dispo_Villa_4meses
,999
,99
,95
,80
Probability
,50
,20
,05
,01
,001
►POR PARQUE/MES
Test Normalidad:Dispo_Avila_Dic
,999
,99
,95
,80
Probability
,50
,20
,05
,01
,001
Test Normalidad:Dispo_Avila_Enero
,999
,99
,95
,80
Probability
,50
,20
,05
,01
,001
Test Normalidad:Dispo_Avila_Feb
,999
,99
,95
,80
Probability
,50
,20
,05
,01
,001
Test Normalidad:Dispo_Avila_Marz
,999
,99
,95
,80
Probability
,50
,20
,05
,01
,001
Test Normalidad:Dispo_Cruz_Dic
,999
,99
,95
,80
Probability
,50
,20
,05
,01
,001
Test Normalidad:Dispo_Cruz_Enero
,999
,99
,95
,80
Probability
,50
,20
,05
,01
,001
Test Normalidad:Dispo_Cruz_Feb
,999
,99
,95
,80
Probability
,50
,20
,05
,01
,001
Test Normalidad:Dispo_Cruz_Marz
,999
,99
,95
,80
Probability
,50
,20
,05
,01
,001
Test Normalidad:Dispo_Ojos_Dic
,999
,99
,95
,80
Probability
,50
,20
,05
,01
,001
Test Normalidad:Dispo_Ojos_Ener
,999
,99
,95
,80
Probability
,50
,20
,05
,01
,001
Test Normalidad:Dispo_Ojos_Feb
,999
,99
,95
,80
Probability
,50
,20
,05
,01
,001
Test Normalidad:Dispo_Ojos_Marz
,999
,99
,95
,80
Probability
,50
,20
,05
,01
,001
Test Normalidad:Dispo_Villa_Dic
,999
,99
,95
,80
Probability
,50
,20
,05
,01
,001
Test Normalidad:Dispo_Villa_Ener
,999
,99
,95
,80
Probability
,50
,20
,05
,01
,001
Test Normalidad:Dispo_Villa_Feb
,999
,99
,95
,80
Probability
,50
,20
,05
,01
,001
Test Normalidad:Dispo_Villa_Marz
,999
,99
,95
,80
Probability
,50
,20
,05
,01
,001
►POR PARQUE/HORARIO
Test Normalidad:Dispo_Avila_Remoto
,999
,99
,95
,80
Probability
,50
,20
,05
,01
,001
Test Normalidad:Dispo_Avila_Perso
,999
,99
,95
,80
Probability
,50
,20
,05
,01
,001
Test Normalidad:Dispo_Cruz_Remoto
,999
,99
,95
,80
Probability
,50
,20
,05
,01
,001
Test Normalidad:Dispo_Cruz_Perso
,999
,99
,95
,80
Probability
,50
,20
,05
,01
,001
Test Normalidad:Dispo_Ojos_Remoto
,999
,99
,95
,80
Probability
,50
,20
,05
,01
,001
Test Normalidad:Dispo_Ojos_Perso
,999
,99
,95
,80
Probability
,50
,20
,05
,01
,001
Test Normalidad:Dispo_Villa_Remoto
,999
,99
,95
,80
Probability
,50
,20
,05
,01
,001
Test Normalidad:Dispo_Villa_Perso
,999
,99
,95
,80
Probability
,50
,20
,05
,01
,001
Dado que los datos agrupados por parque y para cada parque
individualmente no son normales, se va a utilizar el test de las
medianas de Mood para comparar las medianas de nuestros parques. Si
los datos son normales se trabaja con las medias pero si no lo son se
ha de trabajar con las medianas.
El resultado es el siguiente.
Residual
Residual
2 7 2 2 3
2 2
2 62 226 2 6 7222 2 6 6
86 6652 262222222 668
8 2222 52 6 82
-0,1 -0,1 2 5 2
222
1 12 1 1 12
52222
111
5
12 6
6 65 22 LCL=-0,09561
1111111 11 11 111 1 11
1
1 11 1 11
1 11 1 11 1 1 1 1
1111 1 1
-0,2 -0,2 1 11 1 11 1 1
111
11 111
1
-0,3 -0,3 1 1
100 0,0
Frequency
Residual
-0,1
50
-0,2
0 -0,3
-0,3 -0,2 -0,1 0,0 0,1 0,89 0,90 0,91 0,92 0,93 0,94 0,95 0,96 0,97
Residual Fit
Parques 2 y 4:
El resultado es el siguiente.
Residual
Residual
2 77 2 7777 2 2
22 22 7 26
2 6 222 2222
-0,1 -0,1
2 88
5 5 22 52 52
2222 LCL=-0,09330
1 1 11 12
5
511 1225115 12
1 111 111 1 11 1 1
1
11 11 11 1 1
1111111 1 1 11
1 1
1
1
-0,2 -0,2 1
1
1111 1
111 1
11
1 1111
111
1 1
-0,3 -0,3
-3 -2 -1 0 1 2 3 0 100 200 300 400 500 600 700
Normal Score Observation Number
Residual
100
-0,1
50
-0,2
0 -0,3
-0,3 -0,2 -0,1 0,0 0,1 0,905 0,915 0,925 0,935 0,945 0,955 0,965 0,975 0,985
Residual Fit
El resultado es el siguiente.
2 8 222 222
2 2
2 22
22 62286 8
2
8222 8866222 62 8
-0,1 8 5 5 2 5 2 85 222222 55 LCL=-0,09025
-0,1 2
1 1 5585 111 1
1 1 11 1 1 1
1
1 1111111 111
1 11 1 1 111 1
1
11 1
1 1
1
1111111 1 111
-0,2 -0,2 1
1
11
1 1 11
111 1
11111
1
1
111
1
-0,3 -0,3 1
Residual
-0,1
50
-0,2
0 -0,3
-0,3 -0,2 -0,1 0,0 0,1 0,923 0,924 0,925 0,926 0,927 0,928 0,929
Residual Fit
►►PRIMERAS CONCLUSIONES
Variable: HOR_PARADA_V
Mean 25,9077
StDev 29,9600
Variance 897,604
Skewness 2,11651
Kurtosis 4,47975
N 672
10 35 60 85 110 135 160
Minimum 0,000
1st Quartile 7,000
Median 16,000
3rd Quartile 32,000
95% Confidence Interval for Mu Maximum 158,000
95% Confidence Interval for Mu
23,638 28,177
14 19 24 29 95% Confidence Interval for Sigma
28,439 31,654
95% Confidence Interval for Median
95% Confidence Interval for Median
15,000 16,000
Boxplot of HOR_PARADA_VIENTO
0 50 100 150
HOR_PARADA_VIENTO
Variable: HOR_PARADA_V
MES: Diciembre
Mean 26,0595
StDev 22,3775
Variance 500,751
Skewness 0,697864
Kurtosis -4,3E-01
N 168
10 35 60 85 110 135 160
Minimum 0,0000
1st Quartile 5,0000
Median 21,0000
3rd Quartile 41,0000
95% Confidence Interval for Mu Maximum 90,0000
95% Confidence Interval for Mu
22,6510 29,4680
15 20 25 30 95% Confidence Interval for Sigma
20,2133 25,0647
95% Confidence Interval for Median
95% Confidence Interval for Median
15,0000 30,0000
Variable: HOR_PARADA_V
MES: Enero
Mean 42,2619
StDev 45,3475
Variance 2056,40
Skewness 1,19331
Kurtosis -1,6E-01
N 168
10 35 60 85 110 135 160
Minimum 3,000
1st Quartile 13,000
Median 17,500
3rd Quartile 67,750
95% Confidence Interval for Mu Maximum 158,000
95% Confidence Interval for Mu
35,355 49,169
20 30 40 50 95% Confidence Interval for Sigma
40,962 50,793
95% Confidence Interval for Median
95% Confidence Interval for Median
16,000 19,177
Variable: HOR_PARADA_V
MES: Febrero
Mean 24,7857
StDev 19,5139
Variance 380,792
Skewness 1,91152
Kurtosis 3,31206
N 168
10 35 60 85 110 135 160
Minimum 7,000
1st Quartile 12,000
Median 16,500
3rd Quartile 30,000
95% Confidence Interval for Mu Maximum 100,000
95% Confidence Interval for Mu
21,813 27,758
14 19 24 29 95% Confidence Interval for Sigma
17,627 21,857
95% Confidence Interval for Median
95% Confidence Interval for Median
15,000 19,000
Variable: HOR_PARADA_V
MES: Marzo
Mean 10,5238
StDev 12,6557
Variance 160,167
Skewness 1,55488
Kurtosis 1,44606
N 168
10 35 60 85 110 135 160
Minimum 0,0000
1st Quartile 2,0000
Median 4,5000
3rd Quartile 16,0000
95% Confidence Interval for Mu Maximum 52,0000
95% Confidence Interval for Mu
8,5961 12,4515
3 8 13 95% Confidence Interval for Sigma
11,4318 14,1755
95% Confidence Interval for Median
95% Confidence Interval for Median
3,0000 6,0000
150
HOR_PARADA_VIENTO
100
50
MES
Marzo
Diciembre
Enero
Febrero
Parque 1
Descriptive Statistics
Variable: HOR_PARADA_V
MES_ojosalbo: Diciembre
Mean 17,9318
StDev 18,0701
Variance 326,530
Skewness 1,44982
Kurtosis 1,70900
N 44
5 20 35 50 65
Minimum 0,0000
1st Quartile 5,0000
Median 12,5000
3rd Quartile 22,7500
95% Confidence Interval for Mu Maximum 76,0000
95% Confidence Interval for Mu
12,4380 23,4256
5 15 25 95% Confidence Interval for Sigma
14,9300 22,8953
95% Confidence Interval for Median
95% Confidence Interval for Median
6,0447 17,0000
Descriptive Statistics
Variable: HOR_PARADA_V
MES_ojosalbo: Enero
Mean 18,7955
StDev 16,2332
Variance 263,515
Skewness 1,62424
Kurtosis 2,16170
N 44
5 20 35 50 65
Minimum 5,0000
1st Quartile 7,0000
Median 12,5000
3rd Quartile 26,7500
95% Confidence Interval for Mu Maximum 67,0000
95% Confidence Interval for Mu
13,8601 23,7308
10 15 20 25 95% Confidence Interval for Sigma
13,4122 20,5678
95% Confidence Interval for Median
95% Confidence Interval for Median
8,0000 17,9106
Descriptive Statistics
Variable: HOR_PARADA_V
MES_ojosalbo: Febrero
Mean 23,0909
StDev 14,9197
Variance 222,596
Skewness 1,30303
Kurtosis 1,27443
N 44
5 20 35 50 65
Minimum 9,0000
1st Quartile 11,0000
Median 16,0000
3rd Quartile 32,5000
95% Confidence Interval for Mu Maximum 65,0000
95% Confidence Interval for Mu
18,5549 27,6269
12 17 22 27 95% Confidence Interval for Sigma
12,3270 18,9036
95% Confidence Interval for Median
95% Confidence Interval for Median
13,0447 26,9553
Descriptive Statistics
Variable: HOR_PARADA_V
MES_ojosalbo: Marzo
Mean 10,2500
StDev 8,1530
Variance 66,4709
Skewness 0,282262
Kurtosis -1,41132
N 44
5 20 35 50 65
Minimum 0,0000
1st Quartile 2,0000
Median 7,5000
3rd Quartile 17,0000
95% Confidence Interval for Mu Maximum 28,0000
95% Confidence Interval for Mu
7,7713 12,7287
2 7 12 17 95% Confidence Interval for Sigma
6,7362 10,3300
95% Confidence Interval for Median
95% Confidence Interval for Median
3,0000 16,0000
80
HOR_PARADA_VIENTO_ojosalbos
70
60
50
40
30
20
10
MES_ojosalbos
Marzo
Diciembre
Enero
Febrero
Parque 2
Descriptive Statistics
Variable: HOR_PARADA_V
MES_cruz: Diciembre
Mean 40,0682
StDev 22,4016
Variance 501,832
Skewness 0,473520
Kurtosis -6,6E-01
N 44
10 40 70 100 130 160
Minimum 3,0000
1st Quartile 21,5000
Median 37,0000
3rd Quartile 56,0000
95% Confidence Interval for Mu Maximum 90,0000
95% Confidence Interval for Mu
33,2575 46,8789
30 40 50 95% Confidence Interval for Sigma
18,5087 28,3834
95% Confidence Interval for Median
95% Confidence Interval for Median
26,0894 48,7766
Descriptive Statistics
Variable: HOR_PARADA_V
MES_cruz: Enero
Mean 73,0909
StDev 59,2887
Variance 3515,15
Skewness 8,14E-02
Kurtosis -1,96851
N 44
10 40 70 100 130 160
Minimum 9,000
1st Quartile 16,000
Median 62,000
3rd Quartile 129,750
95% Confidence Interval for Mu Maximum 158,000
95% Confidence Interval for Mu
55,065 91,116
20 70 120 95% Confidence Interval for Sigma
48,986 75,120
95% Confidence Interval for Median
95% Confidence Interval for Median
18,000 122,955
Descriptive Statistics
Variable: HOR_PARADA_V
MES_cruz: Febrero
Mean 34,1818
StDev 28,4092
Variance 807,082
Skewness 0,859805
Kurtosis -8,6E-01
N 44
10 40 70 100 130 160
Minimum 7,0000
1st Quartile 13,0000
Median 17,0000
3rd Quartile 64,5000
95% Confidence Interval for Mu Maximum 94,0000
95% Confidence Interval for Mu
25,5446 42,8190
15 25 35 45 95% Confidence Interval for Sigma
23,4723 35,9952
95% Confidence Interval for Median
95% Confidence Interval for Median
15,0000 33,8213
Descriptive Statistics
Variable: HOR_PARADA_V
MES_cruz: Marzo
Mean 6,93182
StDev 7,01625
Variance 49,2278
Skewness 2,67040
Kurtosis 9,80850
N 44
10 40 70 100 130 160
Minimum 0,0000
1st Quartile 2,0000
Median 6,0000
3rd Quartile 8,0000
95% Confidence Interval for Mu Maximum 39,0000
95% Confidence Interval for Mu
4,7987 9,0650
3,6 4,6 5,6 6,6 7,6 8,6 9,6 95% Confidence Interval for Sigma
5,7970 8,8898
95% Confidence Interval for Median
95% Confidence Interval for Median
4,0447 7,0000
150
HOR_PARADA_VIENTO_cruz
100
50
MES_cruz
Marzo
Diciembre
Enero
Febrero
Parque 3
Variable: HOR_PARADA_V
MES_villacas: Diciembre
Mean 6,7500
StDev 12,0312
Variance 144,75
Skewness 5,06921
Kurtosis 29,7595
N 44
5 20 35 50 65 80 95
Minimum 0,0000
1st Quartile 1,0000
Median 4,0000
3rd Quartile 8,5000
95% Confidence Interval for Mu Maximum 78,0000
95% Confidence Interval for Mu
3,0922 10,4078
2 3 4 5 6 7 8 9 10 11 95% Confidence Interval for Sigma
9,9405 15,2438
95% Confidence Interval for Median
95% Confidence Interval for Median
2,0447 6,0000
Variable: HOR_PARADA_V
MES_villacas: Enero
Mean 19,6136
StDev 16,2398
Variance 263,731
Skewness 2,52059
Kurtosis 6,80979
N 44
5 20 35 50 65 80 95
Minimum 3,0000
1st Quartile 12,0000
Median 14,5000
3rd Quartile 22,5000
95% Confidence Interval for Mu Maximum 82,0000
95% Confidence Interval for Mu
14,6763 24,5510
15 20 25 95% Confidence Interval for Sigma
13,4177 20,5762
95% Confidence Interval for Median
95% Confidence Interval for Median
13,0000 18,9553
Variable: HOR_PARADA_V
MES_villacas: Febrero
Mean 26,6591
StDev 14,6699
Variance 215,207
Skewness 3,19764
Kurtosis 14,3059
N 44
5 20 35 50 65 80 95
Minimum 14,000
1st Quartile 17,250
Median 27,000
3rd Quartile 30,000
95% Confidence Interval for Mu Maximum 100,000
95% Confidence Interval for Mu
22,199 31,119
20 25 30 95% Confidence Interval for Sigma
12,121 18,587
95% Confidence Interval for Median
95% Confidence Interval for Median
19,000 28,000
Variable: HOR_PARADA_V
MES_villacas: Marzo
Mean 3,70455
StDev 3,53441
Variance 12,4921
Skewness 3,33192
Kurtosis 12,8942
N 44
5 20 35 50 65 80 95
Minimum 1,0000
1st Quartile 2,0000
Median 3,0000
3rd Quartile 4,0000
95% Confidence Interval for Mu Maximum 20,0000
95% Confidence Interval for Mu
2,6300 4,7791
3 4 5 95% Confidence Interval for Sigma
2,9202 4,4782
95% Confidence Interval for Median
95% Confidence Interval for Median
3,0000 3,0000
100
HOR_PARADA_VIENTO_villacastin
50
MES_villacastin
Marzo
Diciembre
Enero
Febrero
Se observa que el parque numero 3 tiene pocas horas de parada y
que es bastante constante. Existe poca variabilidad aunque hay algunos
datos que reflejan tiempos de reparación más elevados que deben de
corresponder con incidencias de mayor gravedad que requieren un
tiempo mayor de reparación que una simple avería.
Parque 4
Variable: HOR_PARADA_V
MES_avila: Diciembre
Mean 42,4722
StDev 10,8719
Variance 118,199
Skewness 0,260098
Kurtosis -1,45534
N 36
10 40 70 100 130
Minimum 29,0000
1st Quartile 32,0000
Median 42,0000
3rd Quartile 52,7500
95% Confidence Interval for Mu Maximum 64,0000
95% Confidence Interval for Mu
38,7937 46,1508
35 40 45 50 95% Confidence Interval for Sigma
8,8180 14,1818
95% Confidence Interval for Median
95% Confidence Interval for Median
33,7354 49,0000
Variable: HOR_PARADA_V
MES_avila: Enero
Mean 60,9444
StDev 44,2111
Variance 1954,63
Skewness 8,69E-02
Kurtosis -1,78453
N 36
10 40 70 100 130
Minimum 16,000
1st Quartile 16,000
Median 75,500
3rd Quartile 100,000
95% Confidence Interval for Mu Maximum 148,000
95% Confidence Interval for Mu
45,986 75,903
10 20 30 40 50 60 70 80 90 100 95% Confidence Interval for Sigma
35,859 57,671
95% Confidence Interval for Median
95% Confidence Interval for Median
16,000 100,000
Variable: HOR_PARADA_V
MES_avila: Febrero
Mean 13,0833
StDev 5,2556
Variance 27,6214
Skewness 3,36126
Kurtosis 14,4832
N 36
10 40 70 100 130
Minimum 7,0000
1st Quartile 11,0000
Median 12,0000
3rd Quartile 13,7500
95% Confidence Interval for Mu Maximum 38,0000
95% Confidence Interval for Mu
11,3051 14,8616
11 12 13 14 15 95% Confidence Interval for Sigma
4,2627 6,8556
95% Confidence Interval for Median
95% Confidence Interval for Median
11,0000 13,0000
Variable: HOR_PARADA_V
MES_avila: Marzo
Mean 23,5833
StDev 18,8822
Variance 356,536
Skewness -2,1E-01
Kurtosis -1,68360
N 36
10 40 70 100 130
Minimum 0,0000
1st Quartile 1,2500
Median 30,0000
3rd Quartile 42,0000
95% Confidence Interval for Mu Maximum 52,0000
95% Confidence Interval for Mu
17,1945 29,9721
5 15 25 35 95% Confidence Interval for Sigma
15,3150 24,6306
95% Confidence Interval for Median
95% Confidence Interval for Median
3,4708 35,0585
150
HOR_PARADA_VIENTO_avila
100
50
MES_avila
Marzo
Diciembre
Enero
Febrero
Se observa que el parque 4 también tiene unas duraciones de
parada muy elevada para el mes de Enero. Esto coincide con la
observación que se hizo para el parque 2. Se recuerda que se ha
englobado estos dos parques en un mismo grupo ya que tienen un
patrón de comportamiento común. Este análisis sobre la duración
media de las paradas podría ser el origen de esta similitud de
comportamiento.
Descriptive Statistics
Variable: HOR_PARADA_V
HORARIO: O&M remoto
Mean 38,2917
StDev 37,0586
Variance 1373,34
Skewness 1,29499
Kurtosis 0,929841
N 336
10 35 60 85 110 135 160
Minimum 0,000
1st Quartile 11,000
Median 26,000
3rd Quartile 54,000
95% Confidence Interval for Mu Maximum 158,000
95% Confidence Interval for Mu
34,315 42,269
20 30 40 95% Confidence Interval for Sigma
34,452 40,095
95% Confidence Interval for Median
95% Confidence Interval for Median
21,000 29,000
Descriptive Statistics
Variable: HOR_PARADA_V
HORARIO: Personal
Mean 13,5238
StDev 10,8123
Variance 116,907
Skewness 1,17173
Kurtosis 1,70068
N 336
10 35 60 85 110 135 160
Minimum 0,0000
1st Quartile 5,0000
Median 12,0000
3rd Quartile 18,0000
95% Confidence Interval for Mu Maximum 67,0000
95% Confidence Interval for Mu
12,3635 14,6841
11 12 13 14 15 95% Confidence Interval for Sigma
10,0520 11,6981
95% Confidence Interval for Median
95% Confidence Interval for Median
11,0000 13,0000
150
HOR_PARADA_VIENTO
100
50
HORARIO
O&M remoto
Personal
Parque 1
Descriptive Statistics
Variable: HOR_PARADA_V
HORARIO_ojos: O&M remoto
Mean 24,3636
StDev 16,7909
Variance 281,935
Skewness 0,987130
Kurtosis 0,741932
N 88
5 20 35 50 65
Minimum 0,0000
1st Quartile 15,2500
Median 20,0000
3rd Quartile 34,5000
95% Confidence Interval for Mu Maximum 76,0000
95% Confidence Interval for Mu
20,8060 27,9213
18 23 28 95% Confidence Interval for Sigma
14,6240 19,7177
95% Confidence Interval for Median
95% Confidence Interval for Median
17,0000 25,6475
Descriptive Statistics
Variable: HOR_PARADA_V
HORARIO_ojos: Personal
Mean 10,6705
StDev 10,0536
Variance 101,074
Skewness 2,88441
Kurtosis 11,8571
N 88
5 20 35 50 65
Minimum 1,0000
1st Quartile 4,0000
Median 8,5000
3rd Quartile 14,0000
95% Confidence Interval for Mu Maximum 67,0000
95% Confidence Interval for Mu
8,5403 12,8006
7 8 9 10 11 12 13 95% Confidence Interval for Sigma
8,7561 11,8060
95% Confidence Interval for Median
95% Confidence Interval for Median
7,0000 10,0000
80
HOR_PARADA_VIENTO_ojosalbos
70
60
50
40
30
20
10
ARIO_ojosalbos
O&M remoto
Personal
Parque 2
Descriptive Statistics
Variable: HOR_PARADA_V
HORARIO_cruz: O&M remoto
Mean 62,7045
StDev 47,3551
Variance 2242,51
Skewness 0,413351
Kurtosis -1,11094
N 88
10 40 70 100 130 160
Minimum 3,000
1st Quartile 15,000
Median 56,500
3rd Quartile 101,500
95% Confidence Interval for Mu Maximum 158,000
95% Confidence Interval for Mu
52,671 72,738
40 50 60 70 95% Confidence Interval for Sigma
41,244 55,609
95% Confidence Interval for Median
95% Confidence Interval for Median
42,115 71,647
Descriptive Statistics
Variable: HOR_PARADA_V
HORARIO_cruz: Personal
Mean 14,4318
StDev 10,3644
Variance 107,421
Skewness 0,917327
Kurtosis 0,695558
N 88
10 40 70 100 130 160
Minimum 0,0000
1st Quartile 7,0000
Median 14,5000
3rd Quartile 18,0000
95% Confidence Interval for Mu Maximum 44,0000
95% Confidence Interval for Mu
12,2358 16,6278
11 12 13 14 15 16 17 95% Confidence Interval for Sigma
9,0268 12,1710
95% Confidence Interval for Median
95% Confidence Interval for Median
11,0000 16,0000
150
HOR_PARADA_VIENTO_cruz
100
50
HORARIO_cruz
O&M remoto
Personal
Parque 3
Descriptive Statistics
Variable: HOR_PARADA_V
HORARIO_vill: O&M remoto
Mean 18,6932
StDev 19,5344
Variance 381,594
Skewness 1,91497
Kurtosis 4,43605
N 88
5 20 35 50 65 80 95
Minimum 0,000
1st Quartile 4,000
Median 13,000
3rd Quartile 27,750
95% Confidence Interval for Mu Maximum 100,000
95% Confidence Interval for Mu
14,554 22,832
10 15 20 95% Confidence Interval for Sigma
17,013 22,939
95% Confidence Interval for Median
95% Confidence Interval for Median
9,353 19,000
Descriptive Statistics
Variable: HOR_PARADA_V
HORARIO_vill: Personal
Mean 9,67045
StDev 8,29308
Variance 68,7752
Skewness 0,891783
Kurtosis 0,397893
N 88
5 20 35 50 65 80 95
Minimum 0,0000
1st Quartile 2,2500
Median 6,0000
3rd Quartile 15,0000
95% Confidence Interval for Mu Maximum 35,0000
95% Confidence Interval for Mu
7,9133 11,4276
5 7 9 11 13 95% Confidence Interval for Sigma
7,2228 9,7386
95% Confidence Interval for Median
95% Confidence Interval for Median
4,0000 12,6475
100
HOR_PARADA_VIENTO_villacastin
50
ARIO_villacastin
O&M remoto
Personal
Parque 4
Descriptive Statistics
Variable: HOR_PARADA_V
HORARIO_avil: O&M remoto
Mean 49,4306
StDev 36,5775
Variance 1337,91
Skewness 0,485045
Kurtosis -6,9E-01
N 72
10 40 70 100 130
Minimum 0,000
1st Quartile 14,000
Median 47,000
3rd Quartile 90,250
95% Confidence Interval for Mu Maximum 148,000
95% Confidence Interval for Mu
40,835 58,026
40 45 50 55 95% Confidence Interval for Sigma
31,425 43,766
95% Confidence Interval for Median
95% Confidence Interval for Median
42,000 52,000
Descriptive Statistics
Variable: HOR_PARADA_V
HORARIO_avil: Personal
Mean 20,6111
StDev 11,4628
Variance 131,396
Skewness 0,153396
Kurtosis -7,7E-01
N 72
10 40 70 100 130
Minimum 1,0000
1st Quartile 12,0000
Median 16,0000
3rd Quartile 31,0000
95% Confidence Interval for Mu Maximum 52,0000
95% Confidence Interval for Mu
17,9175 23,3047
15 20 25 30 95% Confidence Interval for Sigma
9,8482 13,7156
95% Confidence Interval for Median
95% Confidence Interval for Median
16,0000 30,0000
150
HOR_PARADA_VIENTO_avila
100
50
HORARIO_avila
O&M remoto
Personal
CONCLUSIONES
Se observa que hay un tiempo muerto que representa el 60% del total
del tiempo de parada del aerogenerador. Reduciendo este tiempo se
conseguiría reducir la indisponibilidad. Habrá que cuantificar en cuanto
se puede mejorar y sobre todo, cómo.
2000 100
80
Percent
60
Count
1000
40
20
0 0
rs
Defect 23 26 22 21 28 29 13 2 36 25 38 4 61 43 20 18 60 10 35 7 42 34 19 39 6 52 12 14Othe
293,00 118,33 93,58 59,75 38,50 35,50 30,50 29,00 27,91 26,83 21,00 20,00 17,67 12,75
Count 442,34 181,62 95,50 66,66 41,50 35,86 31,67 29,16 29,00 27,00 22,00 20,09 18,75 15,75 86,76
Percent 22 15 9 6 5 5 3 3 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 4
Cum % 22 37 47 53 57 62 66 69 71 73 75 76 78 79 81 82 84 85 87 88 89 90 91 92 93 94 95 96 100
2000 100
80
60
Count
1000
40
20
0 0
rs
he
Defect 3 4 7 6 2 11 Ot
100
400
80
300
Percent
60
Count
200 40
100 20
0 0
rs
Defect 21 28 2 13 61 25 60 26 43 7 20 36 59 Ot
he
Count 98,00 91,00 53,00 39,58 31,67 31,00 29,00 19,50 17,33 12,00 11,83 9,50 8,50 18,83
Percent 21 19 11 8 7 7 6 4 4 3 3 2 2 4
Cum % 21 40 51 60 67 73 79 83 87 90 92 94 96 100
100
400
80
300
Percent
60
Count
200 40
100 20
0 0
rs
Defect 7 3 6 9 10 Ot
he
900 100
800
700 80
600
Percent
60
Count
500
400
40
300
200 20
100
0 0
rs
Defect 23 22 26 29 13 4 20 38 36 43 35 7 34 19 6 25 31 Othe
172,12 29,25 22,00 16,44 13,17 12,08 11,92
Count 393,34 89,50 27,08 17,33 14,00 13,00 12,00 9,25 7,50 7,42 45,42
Percent 43 19 10 3 3 2 2 2 2 1 1 1 1 1 1 1 1 5
Cum % 43 62 72 75 78 80 82 84 86 87 88 90 91 92 93 94 95 100
900 100
800
80
700
600
Percent
60
Count
500
400
40
300
200 20
100
0 0
s
er
Defect 4 3 6 7 2
Oth
450 100
400
350 80
300
Percent
60
Count
250
200
40
150
100 20
50
0 0
rs
Defect 26 29 23 18 10 42 21 39 36 38 12 11 22 4 19 6
Ot
he
Count 105,00 64,33 49,0029,00 22,91 22,0020,33 20,00 18,00 14,6712,25 12,00 9,50 9,00 8,17 8,00 16,09
Percent 24 15 11 7 5 5 5 5 4 3 3 3 2 2 2 2 4
Cum % 24 38 50 56 61 66 71 76 80 83 86 88 91 93 95 96 100
450 100
400
350 80
300
Percent
60
Count
250
200
40
150
100 20
50
0 0
s
er
Defect 3 7 6 4 11 10 Oth
80
100
Percent
60
Count
40
50
20
0 0
s
er
Defect 26 52 35 14 38 30 4 44 2 10 Oth
Count 79,00 17,67 14,00 10,25 4,75 4,00 2,50 2,33 2,00 2,00 5,67
Percent 54,8 12,3 9,7 7,1 3,3 2,8 1,7 1,6 1,4 1,4 3,9
Cum % 54,8 67,1 76,8 83,9 87,2 89,9 91,7 93,3 94,7 96,1 100,0
150
100
80
100
Percent
60
Count
40
50
20
0 0
rs
he
Defect 6 7 2 5 3
Ot
100
80
200
Percent
60
Count
40
100
20
0 0
s
er
Defect 23 29 18 13 36 7 5 27 Oth
Count 144,00 29,25 29,00 22,00 18,00 10,75 7,33 6,00 12,83
Percent 51,6 10,5 10,4 7,9 6,4 3,9 2,6 2,1 4,6
Cum % 51,6 62,1 72,4 80,3 86,8 90,6 93,3 95,4 100,0
100
80
200
Percent
60
Count
40
100
20
0 0
rs
Defect 4 7 11 3 10 Ot
he
100
600
500 80
400
Percent
60
Count
300
40
200
20
100
0 0
s
er
Defect 23 21 28 26 43 60 13 22 7 12 6 14 59 Oth
Count 245,51 98,00 81,00 41,50 30,50 29,00 17,58 14,45 13,33 12,25 9,25 8,62 8,50 27,76
Percent 39 15 13 7 5 5 3 2 2 2 1 1 1 4
Cum % 39 54 67 73 78 82 85 87 90 92 93 94 96 100
100
600
500 80
400
Percent
60
Count
300
40
200
20
100
0 0
s
er
Defect 4 7 3 6
Oth
100
300 80
Percent
60
Count
200
40
100
20
0 0
s
er
Defect 26 22 23 11 4 28 35 30 14 34 Oth
Count 142,50 112,00 49,50 12,00 11,50 10,00 9,00 6,25 4,13 4,00 15,00
Percent 37,9 29,8 13,2 3,2 3,1 2,7 2,4 1,7 1,1 1,1 4,0
Cum % 37,9 67,7 80,9 84,1 87,1 89,8 92,2 93,8 94,9 96,0 100,0
100
300 80
Percent
60
Count
200
40
100
20
0 0
s
er
Defect 6 3 4 2 7
Oth
700
100
600
80
500
Percent
400 60
Count
300
40
200
20
100
0 0
rs
Defect 26 29 2 22 25 61 38 20 13 10 36 4 42 21 19 3935 Othe
52 34
64,33 55,17 31,67 29,16 24,91 22,00 20,33 20,00 16,00 32,42
Count 109,00 57,75 38,50 31,11 27,08 23,50 22,00 20,09 17,67 13,00
Percent 16 10 9 8 6 5 5 4 4 4 3 3 3 3 3 3 3 2 2 5
Cum % 16 26 34 42 48 53 57 62 66 69 73 76 79 82 85 88 91 93 95 100
700
100
600
80
500
Percent
400 60
Count
300
40
200
20
100
0 0
s
er
Defect 6 3 7 2 9
Oth
350 100
300
80
250
Percent
60
Count
200
150
40
100
20
50
0 0
rs
Defect 23 26 34 2 22 35 4 25 28 30 38 29 6 14 36 7 10 13 61 5 12 20 43 17 19 21 33 37 39 41 60 3 8 9 11 16Othe
Count 57 44 24 23 22 22 20 16 16 8 8 7 5 5 5 4 4 4 4 3 3 3 3 2 2 2 2 2 2 2 2 1 1 1 1 1 17
Percent 16 13 7 7 6 6 6 5 5 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 5
Cum % 16 29 36 43 49 55 61 66 70 72 75 77 78 80 81 82 83 84 86 86 87 88 89 90 90 91 91 92 93 93 94 94 94 95 95 95 100
350 100
300
80
250
Percent
60
Count
200
150
40
100
20
50
0 0
rs
Defect 6 3 2 4 7 5 8
Ot
he
Count 84 71 66 60 39 8 8 11
Percent 24,2 20,5 19,0 17,3 11,2 2,3 2,3 3,2
Cum % 24,2 44,7 63,7 81,0 92,2 94,5 96,8 100,0
100
70
60 80
50
Percent
60
Count
40
30 40
20
20
10
0 0
rs
Defect 2 25 28 34 61 26 13 20 43 60 4 5 6 7 21 36 53 54 Othe
Count 19 13 13 5 4 3 2 2 2 2 1 1 1 1 1 1 1 1 3
Percent 25 17 17 7 5 4 3 3 3 3 1 1 1 1 1 1 1 1 4
Cum % 25 42 59 66 71 75 78 80 83 86 87 88 89 91 92 93 95 96 100
100
70
60 80
50 Percent
60
Count
40
30 40
20
20
10
0 0
rs
Defect 6 3 7 2 4 9
Ot
he
Count 35 17 11 6 2 2 3
Percent 46,1 22,4 14,5 7,9 2,6 2,6 3,9
Cum % 46,1 68,4 82,9 90,8 93,4 96,1 100,0
100
150
80
Percent
100 60
Count
40
50
20
0 0
rs
Defect 23 22 35 26 34 4 30 2 25 5 6 7 13 17 29 36 38 41 8 9 10 12 14 19 20 Othe
Count 53 21 13 12 12 11 6 3 3 2 2 2 2 2 2 2 2 2 1 1 1 1 1 1 1 8
Percent 32 13 8 7 7 7 4 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 5
Cum % 32 44 52 59 66 73 77 78 80 81 83 84 85 86 87 89 90 91 92 92 93 93 94 95 95 100
100
150
80 Percent
100 60
Count
40
50
20
0 0
rs
Defect 4 2 3 6 7 8
Ot
he
Count 53 36 32 19 14 6 7
Percent 31,7 21,6 19,2 11,4 8,4 3,6 4,2
Cum % 31,7 53,3 72,5 83,8 92,2 95,8 100,0
100
60
50 80
40
Percent
60
Count
30
40
20
20
10
0 0
rs
Defect 26 4 29 38 23 34 6 10 12 36 37 39 3 7 11 14 16 18 19 21 22 Othe
Count 17 6 5 5 4 4 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 3
Percent 26 9 8 8 6 6 3 3 3 3 3 3 2 2 2 2 2 2 2 2 2 5
Cum % 26 35 43 51 57 63 66 69 72 75 78 82 83 85 86 88 89 91 92 94 95 100
100
60
50 80
40
Percent
60
Count
30
40
20
20
10
0 0
rs
Defect 3 6 7 2 4 5
Ot
he
Count 19 17 11 10 4 2 2
Percent 29,2 26,2 16,9 15,4 6,2 3,1 3,1
Cum % 29,2 55,4 72,3 87,7 93,8 96,9 100,0
40 100
80
30
Percent
60
Count
20
40
10
20
0 0
rs
Defect 26 35 14 34 4 30 2 10 28 38 44 47 50 Ot
he
Count 12 9 3 3 2 2 1 1 1 1 1 1 1 2
Percent 30 23 8 8 5 5 3 3 3 3 3 3 3 5
Cum % 30 53 60 68 73 78 80 83 85 88 90 93 95 100
40 100
30 80 Percent
60
Count
20
40
10
20
0 0
rs
Defect 2 6 3 5 7 8
Ot
he
Count 14 13 3 3 3 2 1
Percent 35,9 33,3 7,7 7,7 7,7 5,1 2,6
Cum % 35,9 69,2 76,9 84,6 92,3 97,4 100,0
100
30 80
Percent
60
Count
20
40
10
20
0 0
rs
Defect 23 29 36 4 5 6 7 9 13 18 27 28 32 33 44 54 Ot
he
Count 18 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1
Percent 50 6 6 3 3 3 3 3 3 3 3 3 3 3 3 3 3
Cum % 50 56 61 64 67 69 72 75 78 81 83 86 89 92 94 97 100
100
30 80
Percent
60
Count
20
40
10
20
0 0
rs
Defect 4 7 3 10 11 2
Ot
he
Count 18 8 4 2 2 1 1
Percent 50,0 22,2 11,1 5,6 5,6 2,8 2,8
Cum % 50,0 72,2 83,3 88,9 94,4 97,2 100,0
100
100
90
80 80
70
60
Percent
60
Count
50
40 40
30
20 20
10
0 0
rs
Defect 23 22 28 26 35 43 6 7 12 14 30 37 60 2 10 13 21 24 34 38 40 41 Othe
Count 29 16 9 7 5 3 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 4
Percent 30 17 9 7 5 3 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 4
Cum % 30 47 56 64 69 72 74 76 78 80 82 84 86 87 89 90 91 92 93 94 95 96 100
100
100
90
80 80
70
60
Percent
60
Count
50
40 40
30
20 20
10
0 0
rs
Defect 3 4 7 6 2 5
Ot
he
Count 35 31 11 8 6 2 3
Percent 36,5 32,3 11,5 8,3 6,3 2,1 3,1
Cum % 36,5 68,8 80,2 88,5 94,8 96,9 100,0
100
70
60 80
50
Percent
60
Count
40
30 40
20
20
10
0 0
rs
Defect 26 23 4 34 30 22 28 35 14 5 3 7 8 11 12 16 Ot
he
Count 22 9 8 6 5 4 4 4 3 2 1 1 1 1 1 1 3
Percent 29 12 11 8 7 5 5 5 4 3 1 1 1 1 1 1 4
Cum % 29 41 51 59 66 71 76 82 86 88 89 91 92 93 95 96 100
100
70
60 80
50
Percent
60
Count
40
30 40
20
20
10
0 0
rs
Defect 6 2 3 4 8 5 7
Ot
he
Count 22 18 10 10 5 4 4 2
Percent 29,3 24,0 13,3 13,3 6,7 5,3 5,3 2,7
Cum % 29,3 53,3 66,7 80,0 86,7 92,0 97,3 100,0
140 100
120
80
100
Percent
60
Count
80
60 40
40
20
20
0 0
rs
Defect 2 34 25 26 35 4 38 29 61 10 20 36 6 13 17 19 22 28 39 Ot he
Count 22 17 16 15 13 11 7 5 4 3 3 3 2 2 2 2 2 2 2 7
Percent 16 12 11 11 9 8 5 4 3 2 2 2 1 1 1 1 1 1 1 5
Cum % 16 28 39 50 59 67 72 76 79 81 83 85 86 88 89 91 92 94 95 100
140 100
120
80
100
60
Percent
Count
80
60 40
40
20
20
0 0
rs
Defect 6 2 3 7 9
Ot
he
Count 53 41 22 16 3 5
Percent 37,9 29,3 15,7 11,4 2,1 3,6
Cum % 37,9 67,1 82,9 94,3 96,4 100,0
Ahora se contrasta los dos grupos. Se agrupan los datos por Mes y
por Parque. Se podrían incluir todas las representaciones de los
diagramas de Pareto resultantes de estos análisis pero engordaría
mucho la memoria por lo cual se incluye sólo uno de ellos aunque se
utilicen la totalidad de ellos para extraer las conclusiones.
100
200
80
Percent
60
Count
100 40
20
0 0
rs
Defect 23 43 6 22 Ot
he
23
26
16
23 34
2
22
13 35
2 4
2
2 25
5 28
7
5 30
7 38
6
6 6 29
otros
2,3 3,2
11,2 19
2
3
4
5
6
24,2 20,5 7
8
otros
2,3
17,3
►►CONCLUSIONES
2000
es
or 100
may
lo d
o
ient
ie n o
enim
)
(H o
nt
p
Ma
ru
80
G
Percent
60
Count
1000
40
Fallo tensión de red
20
0 0
rs
Defect 23 26 22 21 2 8 29 13 2 36 2 5 38 4 61 43 2 0 18 60 10 35 7 42 34 19 39 6 52 12 14Othe
293,00 118,33 93,58 59,75 38,50 35,50 30,50 29,00 27,91 26,83 21,00 20,00 17,67 12,75
Count 442,34 181,62 95,50 66,66 41,50 35,86 31,67 29,16 29,00 27,00 22,00 20,09 18,75 15,75 86,76
Percent 22 15 9 6 5 5 3 3 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 4
Cum % 22 37 47 53 57 62 66 69 71 73 75 76 78 79 81 82 84 85 87 88 89 90 91 92 93 94 95 96 100
2000 100
80
ic o
Percent
ul 60
Count
á
ric
o i dr
1000 ct /H
l é co
o
e
á ni o s
ll
elo ec tiv 40
Fa Hi m ven
llo Pr
e
Fa
20
0 0
rs
Defect 3 4 7 6 2 11 Ot
he
*Parques 2 y 4
HORAS PARADAS POR GRUPO DE INCIDENCIA P4 HORAS PARADAS POR GRUPO DE INCIDENCIA P2
100 100
600 600
500 80 500 80
400 400
Pe rce n t
60
P e rce n t
60
Count
C ount
300 300
40
40
200
200
20
20 100
100
0 0
0 0
4 7 3 6 ers
4 7 3 6 ers
Defect Oth
Defect Oth
Count 247,51 174,25 146,62 43,50 25,37
Count 247,51 174,25 146,62 43,50 25,37 Percent 38,8 27,3 23,0 6,8 4,0
Percent 38,8 27,3 23,0 6,8 4,0 Cum % 38,8 66,2 89,2 96,0 100,0
Cum % 38,8 66,2 89,2 96,0 100,0
*Parques 1 y 3
HORAS PARADAS POR GRUPO DE INCIDENCIA PARQUE 3 HORAS PARADAS POR GRUPO DE INCIDENCIA OJOS ALBOS
700 100
100
600
80 300 80
500
P e rc e n t
60
P e rc e n t
400 60
Count
Count
200
300
40 40
200 100
20 20
100
0 0 0 0
ers 6 3 4 2 7 ers
Defect 6 3 7 2 9
Oth Defect Oth
Count 205,25 189,86 170,09 51,00 29,16 30,33 Count 142,50 137,50 51,00 24,50 7,00 12,88
Percent 30,4 28,1 25,2 7,5 4,3 4,5 Percent 38,0 36,6 13,6 6,5 1,9 3,4
Cum % 30,4 58,5 83,6 91,2 95,5 100,0 Cum % 38,0 74,6 88,2 94,7 96,6 100,0
Parque 1 Parque 3
Parque 2 Parque 4
HIELO, 22.7%
1%
32%
56%
11%
5%
38% 28%
29%
15%
2%
41%
42%
700
600
500
Potencia instantanea(kW)
200
100
0
0 5 10 15 20 25 30
Velocidad de viento(m/s)
80
100
Percent
60
Count
VIENTO<8m/s 40
50
20
0 0
Defect 0 1
ESPECIFICAS-Parque 2 y 4
• Ambos parques están afectados por problemas con el
hielo debido a su localización
• Parque 4 tiene el problema de la distancia respecto de
los otros tres parques, hace falta recorrer 50 kilómetros
para atender sus incidencias
4.3. Mejorar
Una vez hemos medido y analizado todos los datos, ya se sabe
cuales son las causas que influyen en que la disponibilidad del parque
eólico no sea del 100%.
Se tiene que encontrar las posibles acciones susceptibles de mejorar
aquella variable respuesta (Y= disponibilidad) sobre la que se ha estado
haciendo el estudio. Ante los diversos factores que entran en juego, se
ha de valorar cuales de ellos son los que inciden más en el aumento de
la indisponibilidad ya que hay que aunar esfuerzos en resolver aquellos
problemas con mas repercusión. Se procede pues al estudio del
impacto de los distintos problemas sobre la baja de rendimiento del
parque.
EBITDA: 3.300 K€
PRODUC.: 70.460 MWh
EBITDA: 5.700 K€
PRODUC.: 114.000 MWh
9 PROBLEMA
• No existe un centro de tele-control en la subestación del
parque 1, que este centralizado y que integre la totalidad de
los parques.
• El sistema de telemando remoto esta basado en tecnología
GSM y conexión cada 4 horas a cada uno de los parques.
9 EFECTO
• Debido a que no se dispone de la infraestructura antes
mencionada, se producen:
1. Demoras en la detección de incidencias por parte
del mantenedor.
2. Mal seguimiento y control en la resolución de las
incidencia
3. Gestión deficiente del funcionamiento de los
parques por el mantenedor y por el Jefe de
Parque.
4. Mal control y seguimiento del Jefe de Parque
sobre el parque y las actuaciones del mantenedor.
9 PERDIDAS EN DISPONIBILIDAD ECONOMICA Y EN EUROS
• Este fenómeno produce que se pierda un 4,05% de
disponibilidad económica o lo que es lo mismo unos 230.850
Euros anuales de reducción del EBITDA.
9 SOLUCION-RESPONSABLE Y PLAZOS
• Instalación de un centro de tele-control centralizado para
todos los parques en la subestación del parque 1 e integración
de los parques dentro de la primera fase del despacho eólico.
Definición de los informes necesarios a implementar dentro del
despacho eólico necesarios para desarrollar un despacho
eólico.
• Responsables: Departamento O&M de Genesa junto con los
responsables Despacho eólico HC.
• Plazos: 1 de Octubre de 2005, inicio del funcionamiento del
sistema.
9 COSTE IMPLANTACIÓN
60.000 Euros
9 BENEFICIO ESPERADO
• Se pretende una mejora en la reducción de los tiempos
muertos del 44%, mejora disponibilidad económica de
1,775%, lo que se traduce en 101.175 Euros.
9 AHORRO ESPERADO CON LA MEJORA
41.000 Euros
9 PROBLEMA
• No existe fijado por contrato el compromiso por parte del
mantenedor de no iniciar mantenimientos preventivos cuando
el viento es superior a 8 m/s.
9 EFECTO
• Perdidas de producción debido a que el mantenedor inicia la
realización de mantenimientos preventivos en un 25% de las
ocasiones con vientos superiores a 8 m/s.
9 PERDIDAS EN DISPONIBILIDAD ECONOMICA Y EN EUROS
• Este fenómeno produce que se pierda un 0,45% de
disponibilidad económica o lo que es lo mismo unos 25.650
Euros anuales de reducción del EBITDA.
9 SOLUCION-RESPONSABLE Y PLAZOS
• Comunicar al mantenedor que no se hagan los preventivos si
la velocidad del viento supera los 8 m/s.
• Responsables: Departamento de O&M de GENESA para
negociar compromiso con mantenedor
• Plazos: 1 de Febrero de 2005, aplicación de esta propuesta.
Los resultados han sido positivos. Ya se ha observado los
buenos resultados de esta mejora.
9 COSTE IMPLANTACIÓN
Ninguna
9 BENEFICIO ESPERADO
• Se pretende reducir con ello un 50% de la indisponibilidad
económica preventivos, es decir, un 0,225% lo que es
equivalente a 12.825 Euros
9 AHORRO ESPERADO CON LA MEJORA
12.825 Euros
Parques Aislados
9 PROBLEMA
• El parque 4, por su ubicación a 50 kilómetros del resto de los
otros 3 parques, no tiene asignado ningún equipo de trabajo
por parte del mantenedor.
9 EFECTO
• El personal del mantenedor se encuentra a una hora de viaje
del parque 4, lo que produce que la duración de las paradas de
las máquinas sean superiores al resto de parques.
9 PERDIDAS EN DISPONIBILIDAD ECONOMICA Y EN EUROS
• Este fenómeno produce que este parque tenga una
disponibilidad económica, inferior al parque 2 en 1,31% (se
compara con este parque ya que es el que tiene el patrón de
comportamiento similar, tal y como se ha comentado a lo
largo de la memoria), lo que implica 16.000 Euros anuales.
9 SOLUCION-RESPONSABLE Y PLAZOS
• Departamento de O&M de GENESA para negociar que en el
contrato aparezca asignada un equipo de trabajo del
mantenedor al parque 4.
• Plazo de implantación: N/A. Dado que GENESA sólo posee el
31% del parque no se estima oportuno perder oportunidades
de negociación con el mantenedor y dejar esta baza para otros
parques.
9 COSTE IMPLANTACIÓN
Ninguna
9 BENEFICIO ESPERADO
Ninguno
9 AHORRO ESPERADO CON LA MEJORA
Ninguno, sin embargo, esta mejora podría servir para otros
parques que posee el grupo.
Existencia de Hielo
9 PROBLEMA
• Los parques 2 y 4 se ven afectados notablemente por el hielo
durante los meses invernales.
9 EFECTO
• Como consecuencia de la presencia del hielo en las palas,
estos dos parques presentan gran número de paradas en
máquinas.
9 PERDIDAS EN DISPONIBILIDAD ECONOMICA Y EN EUROS
• Este fenómeno produce que la disponibilidad económica de la
sociedad se reduzca en 1,8%, lo que equivale a 102.600
Euros.
9 SOLUCION-RESPONSABLE Y PLAZOS
• Análisis por parte del departamento de O&M de Genesa de la
posibilidad de implantación de las soluciones planteadas en
acciones de mejoras, y establecer una línea de trabajo
conjunta con los fabricantes de aerogeneradores para la
búsqueda de soluciones técnicas.
• Implementación por parte del departamento de recurso eólico
de criterios planteados en acciones de mejoras, para evaluar
con mayor precisión la presencia de hielo en futuros parques.
9 COSTE IMPLANTACIÓN
Ninguna
9 BENEFICIO ESPERADO
No aplica
9 AHORRO ESPERADO CON LA MEJORA
No aplica
9 PROBLEMA
• La bonificación anual que recibe el mantenedor no esta basada
en la disponibilidad económica.
9 EFECTO
• Se entiende que al no estar incentivado el mantenedor por el
criterio de la disponibilidad económica, éste no establece sus
actuaciones de mantenimiento tratando de buscar una
maximización del recurso eólico.
9 PERDIDAS EN DISPONIBILIDAD ECONOMICA Y EN EUROS
• Efecto no cuantificable.
9 SOLUCION-RESPONSABLE Y PLAZOS
• Departamento de O&M de GENESA y departamento de
Compras: Fijar para los existentes y nuevos contratos de O&M
con el mantenedor de parques eólicos que la bonificación anual
este ligada a la disponibilidad económica. Hacer presión para
conseguir este objetivo en el momento de la compra de los
aerogeneradores.
• Implantación: 1 de Febrero de 2005
9 COSTE IMPLANTACIÓN
Ninguna
9 BENEFICIO ESPERADO
• Mayor optimización de la operación del parque, valor no
Cuantificable
9 AHORRO ESPERADO CON LA MEJORA
No aplica
Efecto Efecto
Problema Beneficio
Disp. EBITDA Acción de mejora Coste Plazo
Detectado Esperado
(%) (€)
Seguimiento Centro tele-control
Enero
de la operación 4,05% 230.850 más 1ª Fase 101.175 60.000
2006
del parque despacho eólico
Gestión
Preventivos sólo si Enero
mantenimiento 0,45% 25.650 12.800 0
viento < 8 m/s 2006
Preventivos
Presencia Parque1,31% Asignación personal Enero
16.000 0 0
Aislado (4) (*) mantenedor 2006
Existencia de Grupos de trabajo Enero
1,80% 102.000 N/A N/A
Hielo con mantenedor 2006
Bonificación Basada en Disponibili Enero
N/A N/A N/A N/A
Mantenedor económica 2006
Directrices Jefe Definición precisa de
N/A N/A N/A N/A Ya
De Parque tareas
• Normas UNE
• Normas IEC
• Normas IEEE, ISO, IETF
• Instrucciones Técnicas y Procedimientos Operativos vigentes en
Hidroeléctrica del Cantábrico S.A.
• Cualquier norma que durante la ejecución de trabajos se publique
y le afecte dentro del ámbito legal o técnico.
Señales requeridas
AEREOGENERADORES
TORRE METEREOLÓGICA
Entradas Analógicas:
• Velocidad de viento
• Dirección de viento
• Velocidad de viento a altura media de torre
• Temperatura
• Presión
• Humedad relativa
• Estado de carga de batería back-up
SUBESTACIÓN
Entradas Digitales:
• Posición de interruptores de líneas de aerogeneradores
• Posición de interruptor / ruptofusible de alimentación de servicios
auxiliares
• Posición de interruptor de salida de barras de bus de potencia de
aerogeneradores
• Posición de interruptor/es de salida de subestación a red
• Posición de seccionadores de salida de subestación a red (no
imprescindible)
• Tensión cc OK
• Disparo de interruptor
Entradas Analógicas:
• Contadores de energía producida de líneas de parques (de existir)
• Contador de energía de punto de interconexión a red
• Potencia activa y reactiva de exportación
• Tensión en barras de generación de aerogeneradores
• Tensión en barras de subestación
• Tensión en red de conexión
Informes
4.4. Controlar
Esta es la ultima de las cinco fases de la metodología Six Sigma.
Como ya se comentó en la introducción, esta fase consiste en controlar
si las mejoras que se ha propuesto e implantado son realmente eficaces
y si se consiguen los objetivos especificados.
5. CONCLUSIONES
6. BIBLIOGRAFÍA
• http://www.windpower.org/