Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MODELO PARA LA
GERENCIA DE MANTENIMIENTO
INDUSTRIAL
3
4
Copyright, 2000.
2ª. Edición Adaptada como
herramienta computacional.
5
AGRADECIMIENTO
6
INDICE
Prólogo
I Gerencia de los Sistemas de Mantenimiento
1.1. Consideraciones generales. ...........................................................................10
1.2. Costos asociados. ..........................................................................................11
1.3. Parámetros de mantenimiento. ......................................................................12
II Confiabilidad de componentes
2.1. Confiabilidad...................................................................................................14
2.1.1. Indices cuantitativos de confiabilidad. ..................................................16
2.1.2. Relaciones entre los índices cuantitativos de confiabilidad. ......19
2.1.3. Variación de la confiabilidad de los elementos en función del
tiempo...................................................................................................22
2.2. Distribuciones de probabilidad de las fallas de los componentes de
un sistema. ...................................................................................................23
2.2.1. Distribuciones de probabilidad de Fallas..............................................23
2.3. Bases de datos de confiabilidad.....................................................................34
2.3.1. El teorema de Bayes y la confiabilidad.................................................34
2.4. Tipos de componentes. Expresiones para la evaluación de su
confiabilidad. .................................................................................................37
BIBLIOGRAFIA .....................................................................................................91
7
PROLOGO
Dentro del marco de un convenio suscrito entre la Universidad Central de
Venezuela y el Instituto Superior de Ciencias y Tecnología Nucleares, de las
Repúblicas de Venezuela y Cuba respectivamente, se ha instrumentado un
proyecto de investigación y desarrollo tecnológico en el área de la Gerencia de
Mantenimiento. Como consecuencia de dicho desarrollo, y dentro de los acuerdos
de cooperación institucional, se ha venido trabajando en un sistema de medición
para estimar los parámetros de mantenimiento, dentro del cual se destacan los
aspectos teóricos y aplicados de la teoría de confiabilidad, así como algunos
esquemas asociados a los sistemas gerenciales de mantenimiento industrial. Este
trabajo sirvió de base para el desarrollo de un proyecto más general, relacionado
con el Análisis Probabilistico de Seguridad, donde se requiere crear bases de
datos sobre la confiabilidad y mantenibilidad de un gran número de componentes y
equipos, integrados en sistemas complejos, utilizados regularmente en la industria
petrolera, metal mecánica, y eléctrica, como también en las plantas generadoras
de energía, ya sean convencionales que nucleares.
8
se creó un sub proyecto de investigación referido a la medición y análisis de las
Vibraciones Mecánicas y su impacto sobre el Mantenimiento Predictivo, además
de otro sub proyecto orientado a la identificación y el estudio de las fallas humanas
en los procesos de la gestión de mantenimiento. Este proyecto está en pleno
desarrollo y el Consejo de Desarrollo Científico y Humanístico de la Universidad
Central conoció de los textos elaborados dentro del convenio, los cuales sometió
al respectivo arbitraje y procedió a la publicación de tres libros denominados:
Análisis de Riesgo Industrial; Análisis de Fallas Dependientes y Errores Humanos,
y Mantenimiento Predictivo por Vibraciones Mecánicas;
9
I. Gerencia de los sistemas de mantenimiento.
1.1. Consideraciones generales.
Las aplicaciones científico-tecnológicas han derivado durante los últimos años
en una proporción significativa hacia la Gerencia, tomando un enfoque
cuantitativo sustentado en el desarrollo de modelos estadístico matemáticos.
Dentro de este marco general, la Gerencia Técnica ha adquirido un enorme
impulso, apoyada particularmente por el procesamiento de datos a gran
velocidad, utilizando los ordenadores electrónicos los cuales son hoy en día de
gran versatilidad, especialmente las computadoras personales.
10
1.2. Costos asociados.
El concepto de efectividad de un sistema se encuentra asociado a las variables
de costo involucradas en el sistema y, consecuencialmente, se requiere definir los
conceptos de costo directo de mantener, costo redundante y costo de
penalización.
Por otro lado, la caída de un sistema por fallas del mismo o de sus componentes,
implica un costo de penalización, como consecuencia de la pérdida del valor de
la producción no colocada en los mercados o comprometida; así se desprende
que este costo está exponencialmente asociado al tiempo fuera de servicio y al
sumarizarse al costo de mantenimiento, determina que el costo directo de
mantener se incremente. El costo total, función a su vez del esfuerzo de
mantener, tendrá un entorno óptimo, que habrá que determinar técnicamente con
la ayuda del análisis de los parámetros de mantenimiento, los cuales
contribuyen a mantener la efectividad del sistema preparado para su operación
en un período de tiempo determinado.
11
"el conjunto de elementos discretos o componentes que interactúan para el
cumplimiento de una función determinada".
12
"la propiedad de un sistema de cumplir las funciones para él previstas,
manteniendo su capacidad de trabajo bajo los regímenes y condiciones de
explotación prescritos y durante el intervalo de tiempo requerido".
13
II. Confiabilidad de componentes.
2.1. Confiabilidad.
A modo de introducción, se abordan brevemente los conceptos y términos
principales de la teoría de confiabilidad de componentes y sistemas.
Falla: Suceso después del cual el sistema tecnológico deja de cumplir (total
o parcialmente) sus funciones. La falla es la alteración de la capacidad de
trabajo del componente o sistema.
Las fallas pueden ser clasificadas de acuerdo con una serie de índices, que se
recogen de manera general en la tabla 2.1.1.
14
elementos, éste será un hecho o acontecimiento independiente. Si la aparición
de la falla en un elemento o si la probabilidad de ocurrencia de la falla ha
cambiado con la falla de otros elementos, esta falla será un hecho
dependiente. Análogamente se definen como dependientes o independientes
las fallas de sistemas con respecto a las de otros sistemas.
Las fallas estables son aquellas que se eliminan sólo con la reparación o la
regulación, o bien sustituyendo al elemento que falló. Las fallas temporales
pueden desaparecer espontáneamente sin la intervención del personal de
servicio debido a la desaparición de los motivos que la provocaron. Las causas
de tales fallas son frecuentemente los regímenes y condiciones de trabajo
anormales. Las fallas temporales que se repiten muchas veces se denominan
intermitentes o alternantes. Ellas atestiguan la existencia de anormalidades en la
calidad del equipamiento o en regímenes y condiciones de trabajo.
15
puesta en funcionamiento de sistemas o componentes a la demanda, es decir,
bloquean la puesta en funcionamiento de sistemas que están a la espera.
16
Probabilidad de falla: es la probabilidad de que en un intervalo de
tiempo prefijado se produzca al menos una primera falla. La denotaremos por
Pf(t). Puesto que el trabajo defectuoso y el trabajo sin fallas son sucesos
complementos, tendremos que:
dN/dt
f(t) = -- [2.1.2]
N0
N(t)
Ps(t) = [2.1.3]
N0
N0 - N(t)
Pf(t) = - [2.1.4]
N0
dPf(t) dPs(t)
f(t) = = - [2.1.5]
dt dt
17
La densidad de fallas representa así la función de densidad de probabilidad
asociada a la función de distribución acumulada Pf(t), por ello también se
conoce como función de densidad de probabilidad de falla (o de la primera falla).
Así:
dN/dt
R(t) = - -- [2.1.6]
N(t)
dN/dt N(t)
f(t) = - •
N(t) N0
resulta que
f(t)
R(t) = [2.1.7]
Ps(t)
18
N
Σ ti
i=1
TMS = [2.1.9]
N
K
Σ ti
i=1
TPPR = [2.1.10]
K
Donde:
1
µ =
TPPR
19
t
∫ 0
R (τ ) d τ = − [ ln Ps ( t ) − ln Ps ( 0 )]
t
ln Ps ( t ) = − ∫ R ( τ ) d τ
0
o sea:
t
Ps ( t ) = Exp ( − ∫ R ( τ ) d τ ) [2.1.11]
0
t
Pf(t) = ∫ f (τ)dτ [2.1.14]
0
t
Ps(t ) = 1 − ∫ f (τ)dτ [2.1.15]
0
De [2.1.7] se obtiene:
f(t) = R(t).Ps(t)
20
y sustituyendo Ps(t) por [2.1.11]
t
f (t ) = R (t ).Exp(− ∫ R(τ )dτ ) [2.1.16]
0
El TMS se determina como el valor esperado del tiempo t hasta la falla, que sigue
una función de densidad de probabilidad f(t). Así pues, su expresión general
será:
∞
TMS = ∫ tf (t )dt
0
∞
TMS = ∫ tdPs(t )
0
∞
TMS = − ∫ Ps (t )dt [2.1.17]
0
∞
TMS = ∫ Exp(− Rt )dt
0
21
2.1.3. Variación de la confiabilidad de los elementos en función del tiempo.
22
Ello determina que la distribución de probabilidad más usada para la modelación
de la confiabilidad de componentes sea la distribución exponencial,
caracterizada por las expresiones [2.1.12] y [2.1.13]. Esta es la que se emplea
por lo general en los análisis de confiabilidad mediante árboles de fallas. Así, en
la literatura internacional se acostumbra a caracterizar la confiabilidad de
componentes mediante valores de ratas de fallas constantes expresadas en
forma de fracciones simples o decimales que dan la probabilidad de fallas por
hora de trabajo.
Componente [1/h]
Bombas 3E-6
Tuberías 1E-9
Diesels 8E-5
Válvulas 3E-6
Instrumentos 3E-7
N
M = Σ x P(x) [2.2.1]
x=0
23
mientras la varianza, que mide la desviación de los valores alrededor de la
media, es:
N
V(x) = Σ (x-M)2 P(x) [2.2.2]
x=0
- Distribución Binominal.
En el más simple de los sistemas hay sólo dos salidas, o el sistema funciona
a la demanda o falla. Estas dos probabilidades son complementarias por lo
que:
[P(D)+P(D)]N = 1 [2.2.4]
N!
P(x) = qx(1-q)N-x [2.2.5]
x! (N-x)!
M = Nq [2.2.6]
24
obtiene por adición de los términos apropiados en el desarrollo de la Ecuación
[2.2.4]:
Z
P(x ≤ Z)= Σ P(x) [2.2.8]
x=0
Así la probabilidad de que el sistema falle para Z+1 o más demandas sería, el
complemento de P(x>=Z),
Z
P(x > Z)= 1 - Σ P(x) [2.2.9]
x=0
- Distribución de Poisson.
EXP(-M).EXP(M) = 1 [2.2.10]
25
EXP(-M).Mx
P(x) = x = 0,1,2,3,... [2.2.11]
X!
ZEXP(-M).Mx
P(x ≤ Z)= Σ [2.2.12]
x=0 X!
Para análisis de fallas los valores de la variable aleatoria tiempo hasta la falla
se encuentran en el intervalo [0,ì“]. En este caso el valor medio de una
distribución está dado por:
∞
M = ∫ tf (t )dt [2.2.13]
0
y la varianza
∞
V = ∫ (t − M ) 2 f (t)dt [2.2.14]
0
26
de confiabilidad que consideran fallas aleatorias, esto es, aquellas fallas para las
que la rata de fallas R(t) es una constante R. Su expresión puede
deducirse a partir de la expresión [2.2.11] hasta obtener finalmente la
distribución de Erlang como:
R.(Rt)x-1.EXP(-Rt)
f(t)= R>0 , x>0 [2.2.15]
(x-1)!
1 1
M = , V(t) = [2.2.18]
R R2
1 ln2 (t/β)
f(t)= EXP(-) [2.2.19]
½
(2π) αt 2 α2
27
La función de distribución acumulada se halla integrando la expresión
[2.2.19], de donde se obtiene:
1
Pf(t) = [ 1 – erf (z) ] para t<β
2
1
= [ 1 + erf(z) ] para t>β [2.2.20]
2
ln(t / β )
Z= [2.2.21]
2α
M = β EXP( α2/2 )
28
representa una cantidad que puede variar con un factor de error f, abarcando un
rango de valores desde X0 /f hasta X0 f, donde X0 es un punto medio de
referencia dado, la distribución logaritmo normal es la distribución adecuada
para describir el fenómeno.
La distribución logaritmo normal se aplica con frecuencia para describir las fallas
en los análisis de confiabilidad y riesgo de sucesos raros (de baja probabilidad),
en los que la información estadística limitada hace que las ratas de falla varíen
por factores. Por ejemplo una rata de fallas estimada en 10-6/h puede variar de
10-5 a 10-7/h si el factor de error es 10. Cuando la rata de fallas se expresa
como 10-x, donde x es un cierto exponente, el uso de la distribución logaritmo
normal implica que el exponente satisface una distribución normal. Así, se puede
ver la distribución logaritmo normal como apropiada para situaciones en las que
hay incertidumbres grandes en los parámetros de fallas.
- Distribución de Weibull.
k −1
K t t
f (t ) = Exp − [2.2.23]
v v v
29
La forma de la distribución depende primariamente del parámetro K, como se
aprecia en la figura 2.2.2. Para K=1, se obtiene la distribución exponencial, con
rata de fallas R = v-1. Al incrementarse K la distribución de Weibull tiende a la
distribución normal siendo ambas casi indistintas para K mayor que 4. Un caso
particular es la distribución de Rayleigh que se obtiene para K=2.
k −1
K t
R (t ) = [2.2.27]
v v
30
Fig. 2.2.3. Rata de fallas según la distribución de Weibull.
K t
f(t) = . t EXP [ - ()K ]
K-1
para t>0,K>0,v>0
vK v
Como "Log L" presenta un máximo al mismo valor de "A", la ecuación a resolver
es:
dLog L
= 0
dA
31
Donde la función de verosimilitud, según H. Kramer, de una muestra de n
observaciones es:
L(x1,x2,x3,...xn) = f(x1,A).f(x2,A).f(x3,A)...f(xn,A)
N K ti
L(t1,t2,...tn) = Π . ti. EXP [- () K]
K-1
[2.2.28]
I=1 v K v
δLn [L(ti,i=1...,n)] n n n ti ti
= - - nlnv+ Σ ln ti + Σ ln ()K = 0
i=1 i=1
δK K v v
Eliminando V y simplificando:
1 n 1 n n
Σ ln ti = - + Σ ti ln ti / Σ ti K
n i=1 K i=1 i=1
n ti K
v = [Σ ] 1/K [2.2.29]
i=1
n
32
F(Ki)
Ki+1 = Ki - F(Ki) ≠ 0 [2.2.30]
F'(Ki)
1 1
F(k) = Σ (ti) .lnti - Σ ti - Σ lnti.ti K
K K
k n
1 1
F'(x) = Σ (ti) .(lnti) - Σ lnti.ti + Σ ti K -...
K 2 K
K K2
1
- Σ ln ti Σ lnti.ti K [2.2.31]
n
donde:
33
reparación. La distribución de los tiempos de operación y de parada se asocian
a funciones probabilísticas que permiten encontrar los parámetros de
confiabilidad y mantenibilidad, cuya combinación da origen a la disponibilidad y
ofrece, además la posibilidad de efectuar simulaciones sobre la base de
diferentes períodos de tiempo.
34
componentes similares en otras industrias donde se disponga de una mayor
estadística de fallas y hacer un proceso de "ajuste" de estos a la experiencia de
explotación de la instalación que se analiza. Puede también darse el caso de
datos genéricos para industrias de una tecnología dada que se quieren ajustar
a los componentes análogos de la tecnología propia.
- Teorema de Bayes.
P(Ai) P(B/Ai)
P(Ai/B) = [2.3.1]
P(B)
P(Ai) P(B/Ai)
P(Ai/B) = [2.3.2]
N
ΣP(Ai) P(B/Ai)
i=1
35
En este caso, adoptamos como sucesos Ai las ratas de fallas encontradas en
la literatura: A1 es el suceso rata de fallas igual a 10-3, A2 igual a 10-4 , A3 igual
a 10-5, las que serán nuestras hipótesis de partida.
El suceso B será el que nos aporta la experiencia propia: 500 horas de trabajo
sin falla. Si la rata de fallas fuese 10-3/h, la probabilidad de B (500 horas de trabajo
sin fallas) sería:
Si para las probabilidades P(Ai) se asume una distribución uniforme tal que
P(Ai)=1/3, aplicando [2.3.2] podemos hallar las probabilidades de que la rata da
fallas de la bomba de nuestra industria sea 10-3, 10-4 o 10-5 dada la evidencia B
de que no se producen fallas en 500h de trabajo. Estas son las probabilidades
condicionales P(Ai/B) de la tabla 2.3.1 para la distribución previa uniforme.
I 1 2 3
Distribución previa
uniforme
36
Distribución previa
no uniforme
Los resultados de la tabla 2.3.1 nos permiten concluir que para la bomba del
ejemplo 2.3.1 debe adoptarse una rata de fallas entre 10-4 y 10-5, más próxima
a 10-5, como podría ser 3.10-5.
37
En lo adelante al referirnos a la confiabilidad o al evaluarla, lo haremos en
términos de probabilidad de falla. Ello se debe a un problema práctico. Los
valores de confiabilidad de componentes y sistemas de instalaciones de alta
responsabilidad, y por tanto de altas exigencias en su calidad, son elevados, muy
próximos a la unidad (decimales con varios 9 consecutivos), mientras que su
complemento, la probabilidad de falla, son valores muy próximos a cero,
fácilmente expresables como potencias negativas de 10.
Las ratas de fallas utilizadas para modelar los componentes deben estar
diferenciadas de acuerdo con su régimen de trabajo. Así existen ratas de falla
a la espera y ratas de fallas en operación.
- Componentes a la espera.
38
Así, la indisponibilidad q(t) se define como la probabilidad de que un
componente esté en estado fallado en el instante t y no sea posible su actuación
si es requerida (falla de bloqueo). Como se aprecia, se trata de una magnitud
puntual que evalúa la probabilidad del estado fallado en un instante t, a
diferencia de la probabilidad de falla para sistemas en operación dada por
[2.1.13], que es una función de distribución acumulada que da la probabilidad de
falla (falla de interrupción) para un intervalo de tiempo de 0 a t.
Los componentes tipo 1 se emplean para modelar aquellos modos de falla, cuya
probabilidad es uniforme en el tiempo, así como en aquellos casos en que no se
cuenta con información suficiente para determinar una ley de variación de la
indisponibilidad en el tiempo de acuerdo a otro modelo.
39
q(t) = 1 - EXP[-R(Tpr+t)] +qad [2.4.3]
1 T
q=
T ∫
0
q(t )dt
_ 1
q = 1 - {EXP[-RTpr] - EXP[-R(Tpr+T)]} + qad [2.4.4]
RT
40
R
q(t) = { 1 - EXP[-( R + µ ) t ] } + qad [2.4.6]
R+µ
_ R
q = + qad [2.4.7]
R+µ
La prueba puede tener una cierta ineficiencia, de modo que de la rata de fallas
total sólo se detecta una fracción que llamaremos ineficiencia de la prueba y
denotaremos por Inef. Así, la rata de fallas se desdobla en dos componentes,
la rata de fallas detectables Rdet y la rata de fallas no detectables Rno, cuyas
expresiones son:
τ
qp = pnt [2.4.10]
Tp
41
donde el cociente representa la probabilidad de que al presentarse una
demanda el componente este en prueba y pnt es la llamada probabilidad de no-
tránsito del estado de la prueba al estado del componente para el cumplimiento
de su misión. La probabilidad pnt representa la indisponibilidad del componente
durante la prueba.
Tr
qr = Rdet(Tp- τ) [ .( 1 - phe) + phe ] [2.4.11]
Tp- τ
donde
Tr es el tiempo medio de reparación del componente(=1/µ); phe es la
probabilidad de error humano total, que incluye tanto la probabilidad de no
detectar la falla por error en la prueba phep como la probabilidad de que el
componente quede indisponible por un error en la reparación pher.
qr = Rdet.Tr [2.4.13]
42
- Durante el tiempo (Tp- τ) hasta la próxima prueba.
1 Tp − τ
Tp − τ ∫0
q OC = R det tdt
1
qoc = Rdet (Tp- τ) [2.4.14]
2
_ τ
q = pnt + Rdet [ Tr + phe .(Tp - τ - Tr) ] +...
Tp
1
+ Rdet(Tp - τ) [2.4.15]
2
_ τ 1
q = pnt + Rdet[Tr + phe .(Tp - τ - Tr)] + Rdet(Tp- τ) +...
Tp 2
1
+ 1 - { 1 - EXP[- Rno T] } + qad [2.4.16]
RnoT
43
componente e incrementa su rata de fallas. Este es el caso típico de los
generadores diesel que se emplean en la industria para asegurar el suministro
eléctrico en condiciones de avería. Con este fin el sistema emplea un dato
adicional para los componentes tipo 4, el factor de degradación de la prueba,
expresado como el % de incremento de la rata de fallas en cada prueba..
_ τm
q = [2.4.17]
Tm
44
para valores de Pf(t) menores que 0.1.
Rop
Pop = [2.4.19]
Rop+ µ
45
III. Confiabilidad de sistemas.
La evaluación de la confiabilidad de un sistema consiste en la cuantificación de
la probabilidad de falla en el cumplimiento de su función, a partir de las
probabilidades de falla de sus componentes, que se combinan tomando
en cuenta las interconexiones e interdependencias entre ellos. Estas
interrelaciones vienen dadas por la estructura del sistema y sus procedimientos
de trabajo.
46
medio ambiente. Estas aplicaciones se basan en el conocimiento de los puntos
débiles del proceso, que permite la toma de medidas técnicas y
organizativas, muchas veces sencillas, pero que tienen un efecto importante
sobre los índices técnico-económicos de seguridad de la industria.
47
Fig 3.1.1. Símbolos de mayor utilización en la construcción de árboles de fallas.
Los sucesos primarios son puntos terminales del árbol que no se continúan
desarrollando. De ellos los sucesos básicos corresponden generalmente a
modos de falla propios de componentes (por ejemplo falla de una válvula a la
apertura o al cierre), mientras que el suceso desarrollado es un suceso complejo
que no se desdobla en sucesos básicos de menor jerarquía, por no contarse
con la información necesaria o porque resulta conveniente desarrollarlo
aparte como un árbol independiente. Este último es el caso de los sistemas de
apoyo (por ejemplo la falla de la alimentación eléctrica), que se acostumbra a
modelar en árboles de fallas independientes para después acoplarlos
(integrarlos) a los árboles de los diversos sistemas a los cuales este sistema de
apoyo presta servicio.
La técnica de árboles de fallas permite modelar los sistemas con un alto grado de
flexibilidad, pero deben tenerse en cuenta las siguientes premisas fundamentales:
48
1. Los sucesos básicos de un árbol de fallas tienen carácter binario, es decir, el
componente está fallado o está operable, el modo de falla se produce o no se
produce. No es posible modelar estados intermedios o degradados de los
componentes.
Al desarrollar el árbol desde el suceso tope hasta llegar a los sucesos primarios,
es necesario identificar en cada paso todas las contribuciones o caminos que
pueden conducir al suceso intermedio. De modo general, para la falla de cada
componente existen al menos 5 posibilidades:
1. Describir de manera precisa los modos de falla dentro de los rectángulos que
identifican el suceso tope, los sucesos intermedios y los sucesos primarios.
49
3. No conectar compuertas con compuertas, ni sucesos primarios con
compuertas directamente. Esto se hace siempre a través del rectángulo donde
se describe con detalle el suceso intermedio o primario correspondiente.
(a)
50
(b)
En la figura 3.1.2 (b) continua el árbol a partir del suceso B, que en la figura 3.1.2
(a) aparecía como un suceso desarrollado. Para esto se toma en cuenta que la
señal de disparo se produce por la apertura de uno de dos "relays" conectados en
serie. Bajo estas condiciones, la falla de la señal de disparo tiene lugar cuando
ambos "relays" B1 y B2 fallan cerrados, puesto que con sólo uno que abra sus
contactos, el circuito de control queda desenergizado y se produce la señal. Por
ello al reemplazar el suceso B por B1 y B2 se ha empleado una compuerta AND.
Ejemplo 3.1.1: La figura 3.1.3 muestra un sistema con un tanque a presión al cual
se inyecta un gas desde un depósito mediante un compresor accionado por un
motor eléctrico. En cada ciclo el operador echa a andar un "timer" T y el tanque
se llena durante un cierto tiempo hasta que abren los contactos del "timer", mucho
antes de que se cree una condición de sobrepresión. Después de cada ciclo el gas
comprimido se descarga abriendo la válvula Vd destinada a este fin. Cuando el
tanque queda vacío se cierra nuevamente Vd y todo está listo para dar inicio a un
nuevo ciclo.
51
Fig. 3.1.3. Esquema simplificado del sistema de llenado de un tanque a presión.
(a)
52
(b)
(c)
53
(d)
Fig. 3.1.4. Arbol de fallas del sistema del ejemplo 3.1.1. (continuación).
(e)
54
(f)
Fig. 3.1.4. Arbol de fallas del sistema del ejemplo 3.1.1. (continuación).
En la figura 3.1.4 se muestra el árbol de fallas del suceso no deseado rotura del
tanque en condiciones de carga normal o por sobrepresión. La rotura del tanque
en condiciones de carga normal se representa mediante un suceso primario, pues
con la información disponible no es posible desarrollarlo más. En cambio, la rotura
por sobrepresión puede tener lugar al combinarse la falla de la protección por
sobrepresión del tanque (válvula de alivio Va) con el suceso intermedio trabajo del
compresor durante un tiempo excesivo. La necesidad de ocurrencia simultánea de
ambos determina el empleo de una compuerta AND.
Se produce cuando el manómetro M se traba o indica por debajo del valor real de
presión (el operador no se percata del peligro y no actúa), o bien no se logra abrir
el interruptor I2 por falla del equipo, o bien la acción del operador no se produce o
resulta tardía. La falla del interruptor puede ser por un problema intrínseco o
provocada por una sobrecorriente SC en el circuito que dejen "pegados" los
contactos. Este último suceso es una falla causa común que deja "pegados" los
contactos del "relay" R y además inhabilita la acción mitigadora de apertura del
interruptor I2. Por esta razón, la falla por sobrecorriente aparece como un suceso
55
primario repetido que contribuye a la ocurrencia de dos sucesos intermedios
diferentes del árbol.
En este caso aparece también la falla del manómetro M que evita la acción del
operador sobre el interruptor I1, luego vemos que este componente contribuye a la
falla en dos sucesos intermedios, es decir, produce una interdependencia que se
expresa como un componente repetido en el árbol de fallas. Los modos de falla
del interruptor I1 son similares a los de I2, con excepción de la falla por
sobrecorriente que no es posible en el circuito de control.
El árbol de fallas tiene, según hemos visto hasta este punto, un carácter
totalmente cualitativo. Sin embargo, aún antes de realizar evaluación numérica
alguna, ya el propio árbol hace una contribución significativa a nuestro
conocimiento del sistema o de la industria. Buscando los posibles modos de falla,
logramos dominar con profundidad sus características técnicas de diseño, de
funcionamiento y los procedimientos de operación, pruebas y mantenimiento. El
método nos va conduciendo a los puntos débiles, a las diversas formas en que
puede fallar.
56
3.2. Evaluación cualitativa del árbol de fallas.
La resolución del árbol de fallas consta de dos etapas principales, la evaluación
cualitativa consistente en la determinación de todas las combinaciones de sucesos
primarios que hacen fallar el sistema y la evaluación cuantitativa, paso en el cual
se determina la probabilidad de falla del sistema a partir de las probabilidades de
todos los caminos posibles que conducen al suceso tope no deseado.
57
En las expresiones anteriores el signo "•" significa la intersección de dos
sucesos de falla, es decir, su ocurrencia simultánea, mientras que el signo "+"
representa la unión de dos sucesos de falla, es decir, la ocurrencia de uno o del
otro. Los sucesos X, Y son los eventos complementos de la falla, es decir,
representan el estado operable (éxito) del componente.
C1=Tpn+C2 [3.2.1]
C1=Tpn+Va.C3 [3.2.2]
58
C1=Tpn+Va.C4.C5 [3.2.3]
C1=Tpn+Va.C4.(R+SC+C6) [3.2.4]
C1=Tpn+Va.C4.(R+SC+T.C7) [3.2.5]
C1=Tpn+Va.(M+E+I2+SC).{R+SC+T.(M+E+I1)} [3.2.6]
C1=Tpn+Va.(M+E+I2+SC).(R+SC+T.M+T.E+T.I1) [3.2.7]
C1=Tpn+Va.(M.R+M.SC+M.T.M+M.T.E+M.T.I1+E.R+E.SC+E.T.M+E.T.E+
+E.T.I1+I2.R+I2.SC+I2.T.M+I2.T.E+I2.T.I1+SC.R+SC.SC+
+SC.T.M+SC.T.E+SC.T.I1)
[3.2.8]
C1=Tpn+Va.(M.R+M.SC+M.T+M.T.E+M.T.I1+E.R+E.SC+E.T.M+E.T+E.T.I1+
+I2.R+I2.SC+I2.T.M+I2.T.E+I2.T.I1+SC.R+SC+SC.T.M+
+SC.T.E+SC.T.I1)
[3.2.9]
M.SC+E.SC+I2.SC+SC.R+SC+SC.T.M+SC.T.E+SC.T.I1=SC [3.2.10]
M.T+M.T.E+M.T.I1+I2.T.M=M.T [3.2.11]
E.T.M+E.T+E.T.I1+I2.T.E=E.T [3.2.12]
C1=Tpn+Va.(M.R+M.T+E.R+E.T+I2.R+I2.T.I1+SC) [3.2.13]
De orden 1: 1 Tpn
De orden 2: 1 Va.SC
De orden 3: 5 Va.M.R
Va.M.T
59
Va.E.R
Va.E.T
Va.I2.R
De orden 4: 1 Va.I2.T.I1
Total :8
60
Para árboles de cierta complejidad, con cientos o miles de compuertas y sucesos
básicos, la determinación de los CM sólo es posible mediante un software potente
y una computadora rápida con suficiente memoria operativa y en disco. La
inmensa mayoría de los programas de APS de uso actual están soportados en
computadoras "Mainframe" y una buena parte de los que trabajan en
computadoras personales (PC) confronta serias limitaciones de memoria y
velocidad. No obstante, el creciente desarrollo de los PC ha propiciado el
surgimiento de algunos sistemas capaces de manejar árboles de fallas complejos
en PC, como es el caso del modelo ARCON el cual ha sido desarrollado como
consecuencia de este análisis.
Sean CM1 y CM2 dos CM del árbol de fallas. La probabilidad de que ocurra el
modo de falla CM1 o el modo de falla CM2, es decir, la probabilidad de falla del
sistema por una de estas dos vías será:
P(CM1+CM2)=P(CM1)+P(CM2)-P(CM1.CM2) [3.3.1]
P(CM1+CM2+CM3)=P(CM1)+P(CM2)+P(CM3)-P(CM1.CM2)-P(CM2.CM3)-
-P(CM1.CM3)+P(CM1.CM2.CM3)
[3.3.2]
61
N N N N
P( Σ CMi)= Σ P(CMi) - Σ Σ P(CMi) P(CMj) +
i=1 i=1 i=1 j=i+1
N N N
Σ Σ Σ P(CMi) P(CMj) P(CMk) - ...
i=1 j=i+1 k=j+1
N
+(-1) N+1
Π P(CMi) [3.3.3]
i=1
N N
P( Σ CMi)= Σ P(CMi) [3.3.4]
i=1 i=1
Esto equivale a suponer que los CM son mutuamente excluyentes, es decir, que
se considera sumamente improbable la ocurrencia simultánea de varios CM (la
ocurrencia de un CM excluye la posibilidad de ocurrencia de cualquiera de los
otros).
Si comparamos las fórmulas [3.3.3] y [3.3.4] es fácil comprobar que el valor dado
por [3.3.4] sobrestima el valor real, por cuanto los términos que se desprecian van
siendo menores en la medida que aumenta su orden y los signos alternos
comienzan precisamente con una resta. De esta forma, la contribución que se
elimina al pasar de [3.3.3] a [3.3.4] tiene signo negativo y conduce a una
sobreestimación de la probabilidad de falla en [3.3.4]. Esta es una ventaja de la
expresión, pues al aplicarla sabemos que estamos siendo conservadores. Sin
embargo, para aquellos casos en que las probabilidades de falla son elevadas y
deja de cumplirse la aproximación de sucesos raros la sobreestimación puede ser
considerable hasta el punto de obtenerse probabilidades de falla del sistema
mayores que 1.
62
contiene uno o varios componentes que lo diferencian del resto y bajo estas
condiciones la modificación de la probabilidad de un CM por la ocurrencia de otro
resulta pequeña.
N
Pf= 1 - Σ [ 1 - P(CMi) ] [3.3.5]
i=1
Con excepción del suceso primario E, que representa un error humano por la no -
actuación a tiempo del operador, todos los modos de falla se considerarán en esta
fase del análisis como no controlables, es decir, que durante 1 año de trabajo
(aprox. T=8000h ) los componentes se explotan ininterrumpidamente entonces
63
son sometidos a un mantenimiento anual que renueva sus propiedades y reduce
la probabilidad de falla al valor inicial 0.
64
qSC = 1 - { 1 - EXP( -1E-8 x 8000 ) } / ( 1E-8 x 8000 ) = 4.00E-5
65
del sistema. Para esto resulta conveniente ordenar los CM según su probabilidad
de la siguiente forma:
% % Acum.
1) Va.M.T 7.54E-3 77.06 77.06
2) Va.E.T 1.94E-3 19.78 96.84
3) Va.I2.T.I1 1.90E-4 1.94 98.78
4) Tpn 4.00E-5 0.42 99.20
5) Va.M.R 2.61E-5 0.27 99.47
6) Va.SC 2.48E-5 0.25 99.72
7) Va.I2.R 2.10E-5 0.21 99.93
8) Va.E.R 6.70E-6 0.07 100.00
9.78E-3 100.00
En estos resultados se aprecia como más del 95% de las fallas del sistema se
concentran en los 2 primeros CM. Como era de esperar, la falla de la válvula de
alivio, que aparece prácticamente en todos los CM es un suceso básico clave para
la falla del sistema.
El error humano por acción tardía del operador, aunque reviste cierta importancia
pues forma parte del CM #2 que aporta el 19.78%, no constituye un foco de
atención vital para reducir la probabilidad de falla de este sistema. La vía a seguir
debe ser tratar de elevar la confiabilidad de la válvula de alivio Va y del "timer" T.
Una alternativa puede ser realizar una prueba mensual del estado de estos
componentes para proceder al mantenimiento correctivo cuando la prueba
detecte alguna insuficiencia. Realizando estas pruebas periódicas, sólo a dichos
componentes, podemos reducir sustancialmente la probabilidad de falla del
sistema y el peligro de rotura del tanque.
66
Bajo estas condiciones, se recalculan las probabilidades de falla de la válvula de
alivio y el tanque, mediante la fórmula [2.4.14], con tiempo entre pruebas de 720
horas (1 mes) y
despreciando la duración de la prueba (ç“=0). Dado que durante la prueba el
sistema no está en operación, así como tampoco durante el mantenimiento
correctivo que se requiera, no se han considerado las contribuciones a la
probabilidad de falla dadas por [2.4.10] y [2.4.12]. En este caso, el efecto de la
prueba mensual es un corte de los mecanismos de falla de estos dos
componentes cada 720 horas y no al cabo del año de trabajo, con lo cual sus
probabilidades de falla se reducen sustancialmente.
2.47E-4 100.00
67
"timer" continúan siendo predominantes, su aporte relativo es menor. La falla del
tanque a presión normal comienza a tener un aporte sustancial, lo que significa
que la protección a la falla por sobrepresión se ha hecho más efectiva.
Por ejemplo, si empleamos un "timer" con rata de fallas inferior en un orden (1E-
5/h), la probabilidad de falla de este componente se reduce a 3.90E-2 y la del
sistema disminuye, consecuentemente, al valor 1.32E-3/año. El tiempo medio
hasta la falla para estas condiciones es de 758 años.
% % Acum.
1) Va.M.T 9.43E-4 71.03 71.03
2) Va.E.T 2.42E-4 18.23 89.27
3) Tpn 4.00E-5 3.01 92.28
4) Va.M.R 2.61E-5 1.97 94.25
5) Va.SC 2.48E-5 1.87 96.12
6) Va.I2.T.I1 2.37E-5 1.79 97.91
7) Va.I2.R 2.10E-5 1.58 99.49
8) Va.E.R 6.70E-6 0.51 100.00
1.32E-3 100.00
Esta mejora incorpora un nuevo componente y, por tanto, modifica tanto los datos
de confiabilidad como la propia estructura del árbol de fallas. Donde antes
aparecía el suceso básico T (los contactos del "timer" fallan cerrados), ahora se
incluye en su lugar una compuerta AND cuyas entradas son la falla por contactos
cerrados de los dos "timers" en serie T1 y T2. Bajo estas condiciones, es
necesario realizar la evaluación cualitativa del nuevo árbol de fallas y determinar
sus CM. Sin embargo, dada la simplicidad de la modificación realizada en este
caso específico, resulta evidente que los nuevos CM pueden obtenerse de forma
sencilla, reemplazando el suceso básico original T, por el suceso compuesto
T1.T2, que representa la falla simultánea de los dos "timers" en serie.
68
% % Acum.
1) Va.M.T1.T2 2.35E-3 75.05 75.05
2) Va.E.T1.T2 6.03E-4 19.27 94.32
3) Va.I1.I2.T1.T2 5.92E-5 1.89 96.21
4) Tpn 4.00E-5 1.28 97.49
5) Va.M.R 2.61E-5 0.83 98.32
6) Va.SC 2.48E-5 0.79 99.12
7) Va.I2.R 2.10E-5 0.67 99.79
8) Va.E.R 6.70E-6 0.21 100.00
3.13E-3 100.00
Veamos, por último, un nuevo enfoque del proceso que tiene lugar en el ejemplo
3.1.1. Hasta ahora consideramos de forma deductiva, mediante la técnica de
árboles de fallas, todas las combinaciones de sucesos primarios que conducen al
suceso tope no deseado, rotura del tanque en condiciones de carga normal o por
sobrepresión. Si analizamos los sucesos primarios considerados, llegaremos a la
conclusión de que estos pueden ser de dos tipos:
Iniciadores: Fallas de equipo, errores humanos o sucesos externos que crean una
condición de peligro de daño al sistema y requieren la acción de medios
protectores o acciones del operador para contrarrestarlos o mitigar sus efectos.
69
. R - Los contactos del "relay" fallan cerrados
Los facilitadores, que podrían conducir a la rotura del tanque si ocurriera alguno de
los iniciadores anteriores son:
En la figura 3.4.1 se muestran los árboles de sucesos para cada uno de los 3
iniciadores posibles. Los encabezamientos del árbol de sucesos son funciones
necesarias para la protección del tanque contra la rotura por sobrepresión, que
implican el funcionamiento de componentes, equipos o el éxito de determinadas
acciones del operador. En ocasiones una función se desdobla en varias acciones
o en la actuación de varios sistemas, como ocurre en la figura 3.4.1 a), donde la
función desconexión por el operador se ha desdoblado en dos actividades, la
desconexión del circuito de potencia y la desconexión del circuito de control. Para
las acciones o sistemas en el encabezamiento del árbol de sucesos se producen,
cuando corresponde, bifurcaciones en dos caminos posibles, el éxito que va
conduciendo a un estado final seguro, o la falla, que nos lleva al estado final no
deseado. El árbol de sucesos se va ramificando para dar lugar a un conjunto de
secuencias, que se diferencian por la condición de éxito o falla de las funciones
protectoras en cada caso.
70
Por otra parte, no siempre se produce la bifurcación del árbol en cada sistema o
acción protectora. En el árbol de sucesos de la figura 3.4.1 a) se aprecia como,
por ejemplo, si tiene éxito la interrupción de la corriente en el circuito de potencia
no se da ninguna alternativa para las restantes acciones protectoras (interrupción
de la corriente en el circuito de control y alivio de presión en el tanque), pues la
primera ya garantiza la integridad del tanque y no se requieren otras acciones.
Existen otros casos en que determinadas funciones son alternativas a la falla de
una función anterior y sólo se modelan opciones para ellas en los casos en que
la función precedente no ha sido exitosa.
Para hallar la probabilidad del suceso final no deseado, es preciso hallar las
probabilidades de todas las secuencias que conducen al daño y sumarlas,
teniendo en cuenta las contribuciones de todos los iniciadores posibles. La
evaluación de la probabilidad de cada secuencia se realiza formando el árbol de
fallas de la secuencia, que une con una compuerta AND a todos los árboles de
fallas de las acciones protectoras que no tienen éxito en la secuencia. En la figura
3.4.2 se muestra el árbol de fallas de la secuencia que conduce al daño del tanque
por sobrepresión, para el iniciador T - Los contactos del "timer" fallan cerrados. La
única modificación con respecto al árbol de fallas de la figura 3.1.4 es que no se
incluye el suceso primario sobrecorriente en el circuito de potencia SC como modo
de falla del interruptor I2, porque SC es otro iniciador y la probabilidad de
ocurrencia simultánea de dos iniciadores (en este caso T y SC) es despreciable.
71
Fig. 3.4.2. Arbol de fallas de la secuencia que conduce al daño del tanque por
sobrepresión, para el iniciador T - Los contactos del "timer" fallan cerrados.
CM Prob.
T.M.Va 7.54E-3
T.E.Va 1.94E-3
T.I1.I2.Va 1.90E-4
Total 9.67E-3
CM Prob.
R.M.Va 2.61E-5
R.I2.Va 2.10E-5
R.E.Va 6.70E-6
Total 5.38E-5
72
- Iniciador SC - sobrecorriente en el circuito de potencia
CM Prob.
SC.Va 2.48E-5
Total 2.48E-5
Se puede apreciar como estos resultados concuerdan con los obtenidos por la
técnica de árboles de fallas para el suceso no deseado rotura del tanque por
sobrepresión, que excluye el suceso primario Tpn - Rotura del tanque a presión
normal.
Para cada uno de los iniciadores se desarrollan los árboles de sucesos que
conducen a un estado final de daño, previamente definido de acuerdo con los
objetivos del estudio y que puede ser solamente de carácter económico o incluir
además posibles efectos nocivos sobre el personal de la industria y/o el medio
ambiente. En los árboles de sucesos se modela el comportamiento de las
funciones protectoras previstas en cada caso y se determinan las secuencias cuyo
estado final es el daño.
73
resulta de la integración de los árboles de fallas de los sistemas que no tienen
éxito en dicha secuencia.
Esta es la esencia del APS y, para obtener todas las ventajas que él puede
ofrecernos, el camino a seguir es la construcción de un modelo integral de la
industria, aplicando de forma combinada las técnicas de árboles de sucesos y
árboles de fallas.
74
IV. Aplicaciones de los análisis de confiabilidad.
PARAMAN: SOFTWARE PARA EL CALCULO DE LOS PARAMETROS DE
MANTENIMIENTO
75
Los elementos mencionados caracterizan a la función de mantenimiento
como una actividad dinámica, donde actúan numerosas variables relacionadas
funcionalmente dentro de un esquema de aleatoriedad que caracteriza a la
actividad de mantenimiento y definida dentro de los conceptos de EFECTIVIDAD
DE SISTEMAS.
76
El costo redundante se refiere al costo adicional por la condición de mantener
equipos en espera, para ponerlos en funcionamiento cuando fallen los principales.
77
Las relaciones gráficas de estos elementos se pueden observar en el
siguiente diagrama:
78
La data obtenida con la dinámica de la operación y sus tiempos de fallas se
asocian a una distribución de probabilidad. Generalmente, la mejor aproximación
es la distribución de Weibull, cuyas expresiones funcionales permiten encontrar el
tiempo medio entre fallas, la probabilidad de supervivencia, y en función de ellos
encontrar una medición correcta de la Confiabilidad del Sistema. El
comportamiento de esta distribución estadística se puede observar en el siguiente
gráfico:
79
Básicamente, estas expresiones funcionales se resuelven con el uso del PC
mediante la solución de un modelo probabilístico cuyo software fue desarrollado
por el Centro de Estudios Gerenciales Instituto Superior de Investigación y
Desarrollo (ISID).
80
El análisis de Confiabilidad pone en evidencia los indicadores funcionales
característicos del equipo y permiten evaluar su fiabilidad en función del tiempo,
para lo cual es posible utilizar las opciones de simulación incorporadas en el
sistema PARAMAN,
81
Los parámetros obtenidos mediante el modelo PARAMAN, constituyen una
herramienta de gran utilidad para el profesional de mantenimiento, al permitirle
evaluar con rapidez y precisión los coeficientes de confiabilidad, para introducirlos
luego como parámetros fundamentales en el análisis de los árboles de fallas y en
los estudios de APS los cuales posibilitan, a su vez, hacer un seguimiento
sistemático a los sistemas de mantenimiento industrial.-
82
EJEMPLO DE APLICACION
83
Se conoce la rata de fallas de los componentes (según la Tabla N° 1) obtenida de
la información técnica suministrada por los fabricantes y de los datos de planta.
Sin embargo, en lo que respecta al motor “M”, no se dispone sino de una relación
pormenorizada de la fecha y hora de arranque de esta instalación, así como de las
ocasiones en que fue detenida debido a fallas y otros inconvenientes imputables
al motor.
+ +
+ +
+ +
84
Tabla N° 1
TIPO DE FALLA y COMPONENTE Rata de Fallas
Falla interna del interruptor de presión “A” 1E-2
Falla del interruptor “A” por causas externas 1E-7
Falla de comando del interruptor (válvula V1) 1E-1
Error de calibración del interruptor 1E-2
Falla interna de la válvula de seguridad “VS” 1E-4
Falla válvula de seguridad “VS” por causas externas 1E-7
Falla válvula de seguridad “VS” por obstrucción 1E-7
Error de calibración de la válvula de Seguridad “VS” 1E-4
Falla intrínseca del tanque “T” 1E-7
Rotura del tanque “T” por causas externas 1E-8
Falla del Compresor “C” 1E-5
85
Al realizar la carga de los datos de tiempo en el modelo PARAMAN, como se
ilustra a continuación, se obtienen automáticamente los tiempos de operación y de
permanencia fuera de servicio del componente analizado, debidamente
organizados según su secuencia cronológica.
86
De igual forma, se obtienen los resultados del cálculo de los tiempos en que el
motor ha permanecido fuera de servicio durante el período analizado, al cual se
asocian las correspondientes probabilidades estimadas de falla, como se ilustra a
continuación.
87
Los cómputos anteriores, proporcionan los elementos necesarios para calcular y
presentar los indicadores resultantes del Análisis de Confiabilidad, obteniéndose
de esta manera el tiempo medio entre fallas (o tiempo medio de operación) la rata
de fallas y los coeficientes de la distribución estadística (Weibull) característicos
del equipo analizado. Estos resultados se presentan como se ilustra a
continuación.
88
Mediante el uso de las funciones de simulación, se puede realizar
pronósticos de comportamiento del motor en función del tiempo, mediante el
cálculo de las probabilidades de supervivencia y falla para un tiempo de operación
(u observación) preestablecido. De la misma forma, se puede estimar la
probabilidad de realizar los trabajos de reparación del motor en menos de un
tiempo dado, lo cual permite evaluar la efectividad de las operaciones de
mantenimiento. Ambas opciones se presentan en los gráficos a continuación.
89
Finalmente, es posible obtener un resumen impreso de los resultados de
los Análisis de Confiabilidad y Mantenibilidad, donde aparecen los indicadores,
parámetros y coeficientes asociados a la evolución operacional del equipo,
además del valor actual de la Disponibilidad y de la Rata de Fallas (5,63 E-5) que
es el dato requerido para evaluar la confiabilidad integral del sistema Moto-
Compresor, obtenido a partir de la información sobre la dinámica operativa del
sistema que se conserva en el Registro Histórico de Equipos de la planta.
90
BIBLIOGRAFIA
10- J. Rivero, J. Salomón, A. Torres, M. Perdomo. El programa ARCON 4.1 para análisis
probabilista de seguridad de nivel I. Memorias del II Congreso Regional de ARCAL.
México, 1993.
12- R. W. Randall. FTAP: Computer Aided Fault Tree Analysis. Operational Research
Center, University of California, Berkeley, ORC 78-14, 1978.
14- R. Nakai, Y. Kani. A Living PSA System LIPSAS for an LMFBR. Power Reactor and
Nuclear Fuel Development Corporation. Narita, O-arai,Ibaraki,311-13. Japan, 1991.
91
15- S. Haddad, S. Hirschberg. PSA in the Nuclear and Process Industry: Opportunities for
Interchange of Experience. International Atomic Energy Agency (IAEA). Vienna,
Austria, 1991.
16- GDA/APS. Grupo de desarrollo y aplicaciones de APS. Manual de Usuario del Código
ARCON versión docente. Cuba, 1993.
17- STI/PUB/759. IAEA, Safety Aspects of the Ageing and Maintenance of Nuclear Power
Plants. Viena, 1988.
21- Workshop "PSA based optimization of tasks and procedures in NPP operation",
Mexico, 1993.
23- Mc Cormick. Reliability and risk analysis. Methods and nuclear power applications.
1983.
24- 24-IAEA-TECDOC-590. Case study on the use of PSA methods: Determinig safety
importance of systems and components at nuclear power plants. April, 1991.
26- IAEA Safety Series No. 50-P-4. Procedures for Conducting Probabilistic Safety
Assessment of Nuclear Power Plants. IAEA, 1992.
27- NUREG/CR-4780. Procedures for Treating Common Cause Failures in Safety and
Reliability Studies. USNRC, 1988.
92
32- Glass, Robert y Noiseux, Rolan. Software Maintenance Guidebook, New Jersey,
Editorial Prentice-Hall Inc., 1981, pág. 193.Goldeman, S.A. y Slattery, T.B.,
Maintainability: A mayor element of System Effectiveness, Newe York, Editorial John
Wiley & Sons Inc., 1964, pág. 282.
33- Gumbel, Emil Julius, Statistics of Extremes, 3ra. Ed., Editorial Columbia University
Press, 1066, pág. 375.
34- Jelen, F.C., Const and Optimization Engineering, New York, Editorial Mc-Graw Hill
Book Company, 1970, pág. 490
37- Bain, Lee y Antle, Charles, Estimation of Parameters in the Weibull Distribution,
Technometrics, Vol. 9, No. 4, Nov. 1967, págs. 621-627.
39- Bosch, G., Model for Failure Rate Curves, Microelectronics Reliability, Vol.`19, No.
1979, págs. 579-588.
40- Cohen, Clifford A., Maximum Likelihood Estimation in the Weibull Distribution based on
Censored and on Complete Data, Technometrics, Vol. 7, No. 4, Nov. 1965, págs. 579-
588
41- Finley, Howard, Total Life Cycle Costs of Plant and Equipment, Canadian Society for
Chemical Engineering, 20th Conference, Paper 65, Oct. 1970.
44- Johnson, L.G., Statistical Treatment of Failure Experiments, Transactions of the 22nd
Technical Conference of Quality Control., págs. 113-140.
45- Latour, P.R., On-Line Computer Optimization: What is it and where to do it,
Hydrocarbon Processing, Jun. 1979, págs. 73-82.
47- Qureisi, A.S., The Discrimination between two Weibull Processes, Technometrics, Vol.
6, No.1 Feb, 1964, págs. 57-75.
93
48- Redding, J.H. y Maynard, H.B., Can a Computer Reduce your Maintenance?,
Hydrocarbon Processing, January 1980, págs. 78-91.
49- Trotter, J.A., Reduce Maintenance Costs with Computers, Hydrocarbon Processing,
January 1979, págs. 133-140.
94