Escuela de Ingeniería

Ingeniería Civil en Minas

ANÁLISIS Y SIMULACIÓN DE SISTEMAS MINEROS

Lab 1: Aplicaciones del método
de Monte Carlo Parte I

Profesor M.Sc. Claudio Araya Sassi

Segundo Semestre 2017
 Lab 1: Confiabilidad y Tasas de Falla

Lab 1: Confiabilidad y Tasas de Falla

Modelando funciones de densidad de probabilidad (fdp), funciones
de densidad acumuladas (fda), funciones de confiabilidad y tasas de
falla de equipos industriales.

 Ejercicio 1: Cálculo de tiempos de downtime y uptime

 Ejercicio 2: Estimación de funciones de densidad de probabilidad (fdp)
 Ejercicio 3: Cálculo de funciones de densidad acumuladas (fda) Weibull
 Ejercicio 4: Cálculo de funciones de confiabilidad Weibull
 Ejercicio 5: Cálculo de funciones de tasas de falla Weibull
 Ejercicio 6: Interprete los resultados en cada uno de los ejercicios

 Tiempo estimado: 90 minutos

Profesor MSc. Claudio Araya Sassi 2
 Lab 1: Escenario

Se cuenta con datos de tiempos de detenciones atribuibles a fallas imprevistas de

un equipo llamado Chancador Primario utilizado en la Gran Minería del Cobre del
Norte de Chile. No se consideraron las detenciones programadas incluidas en Plan
de Mantenimiento.

 Se asume alimentación continua

con un camión a la espera.

Profesor MSc. Claudio Araya Sassi 3

 Lab 1: Metodología

Cálculo de Tiempos de Downtime (T1) y Uptime (T2)

T1 (n) = tf(n) – ti(n) (*)

T2 (n) = ti(n+1) – tf(n) (*)

Donde:
n: Detención por falla
ti(n): Tiempo de Inicio de la detención n
tf(n): Tiempo de Término de la detención n
T1 (n): Tiempo de Downtime o Reparación n
T2 (n): Tiempo de Funcionamiento n o Tiempo entre fallas o Uptime

(*) Se deben multiplicar por 24 debido a que la resta esta expresada en días y se
debe trabajar en horas.
Profesor MSc. Claudio Araya Sassi 4
 Lab 1: Metodología

Cálculo de Tiempos de Downtime y Uptime

Falla n Falla n+1

T1 (n) T2 (n) T1 (n+1) T2 (n+1)

Downtime Uptime Downtime Uptime

ti (n) tf (n) ti (n+1) tf (n+1) ti (n+2)

Profesor MSc. Claudio Araya Sassi 5

 Lab 1: Metodología
Distribución Gamma

Parameters: Location (L), Scale (s), Shape ( )

Profesor MSc. Claudio Araya Sassi 6

 Lab 1: Metodología
Distribución Lognormal

Profesor MSc. Claudio Araya Sassi 7

 Lab 1: Metodología
Distribución Lognormal

Profesor MSc. Claudio Araya Sassi 8

 Lab 1: Metodología
Distribución Lognormal

Profesor MSc. Claudio Araya Sassi 9

 Lab 1: Metodología
Distribución Lognormal

Profesor MSc. Claudio Araya Sassi 10

 Lab 1: Metodología
Distribución Weibull

Profesor MSc. Claudio Araya Sassi 11

 Lab 1: Metodología
Distribución Weibull

Profesor MSc. Claudio Araya Sassi 12

 Lab 1: Metodología
Distribución Weibull

Profesor MSc. Claudio Araya Sassi 13

 Lab 1: Metodología
Confiabilidad

 La Confiabilidad de un componente en el instante t, R(t), es la probabilidad de

que un ítem no falle en el intervalo (0, t), dado que era nuevo o como nuevo en
el instante t = 0.

𝑅 𝑡 = 1 − 𝐹(𝑡)
Tasa de falla

𝑓 𝑡
𝑟 𝑡 =
1 − 𝐹(𝑡)
MTBF

 Un indicador útil es el tiempo medio entre fallas (MTBF); o en otras palabras, el

tiempo promedio en que el equipo no falla. Matemáticamente ello corresponde
a la esperanza de t.

Profesor MSc. Claudio Araya Sassi 14

 Lab 1: Ejercicios
Ejercicio 1: Cálculo de tiempos de downtime y uptime

 Calcule el tiempo de Downtime (T1) como C2=(B2-A2)*24 y copie hacia abajo

dicha fórmula hasta la celda C54.

Profesor MSc. Claudio Araya Sassi 15

 Lab 1: Ejercicios
Ejercicio 1: Cálculo de tiempos de downtime y uptime

 Calcule el tiempo de Uptime (T2) como D2=(A3-B2)*24 y copie hacia abajo dicha
fórmula hasta la celda D53.

Profesor MSc. Claudio Araya Sassi 16

 Lab 1: Ejercicios
Ejercicio 2: Estimación de funciones de densidad de probabilidad (fdp)

 Seleccione la herramienta de Crystal Ball “Ajuste por lotes” en el menú “Más

herramientas”

Profesor MSc. Claudio Araya Sassi 17

 Lab 1: Ejercicios
Ejercicio 2: Estimación de funciones de densidad de probabilidad (fdp)

 En Ajuste por lotes seleccione “Datos de entrada” y seleccione a su vez lo

siguiente destacado en elipses rojas.

Profesor MSc. Claudio Araya Sassi 18

 Lab 1: Ejercicios
Ejercicio 2: Estimación de funciones de densidad de probabilidad (fdp)

 Seleccione “Opciones de ajuste” y seleccione lo siguiente destacado en elipses

rojas.

Profesor MSc. Claudio Araya Sassi 19

 Lab 1: Ejercicios
Ejercicio 2: Estimación de funciones de densidad de probabilidad (fdp)

 Seleccione “Opciones de salida” y seleccione lo siguiente destacado en elipses

rojas.

Profesor MSc. Claudio Araya Sassi 20

 Lab 1: Ejercicios
Ejercicio 2: Estimación de funciones de densidad de probabilidad (fdp)

 Seleccione “Informes” y seleccione lo siguiente destacado en elipses rojas y

presione ejecutar.

Profesor MSc. Claudio Araya Sassi 21

 Lab 1: Ejercicios
Ejercicio 2: Estimación de funciones de densidad de probabilidad (fdp)

 Seleccione “Informes” y seleccione lo siguiente destacado en elipses rojas y

presione ejecutar.

Profesor MSc. Claudio Araya Sassi 22

 Lab 1: Ejercicios
Ejercicio 6: Interprete los resultados
Clasificado
Anderson-Darling
por:
Serie de datos
T1 Distribución A-D A-D Valor P:
K-S K-S ValorChi-cuadrado
P: Chi-cuadrado
Parámetros
Valor P:
Logarítmico normal 0.7329 0.035 0.1061 0.092 10.3396 0.066 Media=1.75297, Desv est=3.32905, Ubicación=0
Gamma 2.5674 0.581 0.1941 1.000 23.2453 0.000 Ubicación=0.11667, Escala=6.47054, Forma=0.36727
Pareto 3.2537 --- 0.2056 --- 25.6226 0.000 Ubicación=0.11238, Forma=0.50418
Extremo máximo 6.4241 0.000 0.2315 0.000 28.3396 0.000 Más probable=0.96846, Escala=1.77459
Weibull 7.7618 1.000 0.3100 0.990 35.8113 0.000 Ubicación=0.11667, Escala=0.5268, Forma=0.36112
Exponencial 8.8528 0.000 0.2571 0.000 31.0566 0.000 Tasa=0.40111
Logística 9.9247 0.000 0.3933 0.000 97.9623 0.000 Media=1.21793, Escala=2.54166
t de Student 14.3098 --- 0.4116 --- 181.5094 0.000 Punto medio=2.49308, Escala=8.27586, Grados de libertad=14
Normal 14.7727 0.000 0.4123 0.000 181.5094 0.000 Media=2.49308, Desv est=8.93895
Beta 14.8313 --- 0.4122 --- 181.5094 0.000 Mínimo=-123.0371, Máximo=128.02326, Alfa=100, Beta=100
Extremo mínimo 17.1471 0.000 0.4754 0.000 372.3774 0.000 Más probable=8.82849, Escala=19.87227
Beta PERT 18.3375 --- 0.4823 --- 406.3396 0.000 Mínimo=-123.0371, Más probable=2.49308, Máximo=128.02326
Triangular 108.2596 --- 0.8480 --- 372.3774 0.000 Mínimo=-0.49455, Más probable=0.11667, Máximo=74.53315
Uniforme 112.7926 0.000 0.8761 0.000 389.0189 0.000 Mínimo=-1.09444, Máximo=66.72778

T2 Distribución A-D A-D Valor P:

K-S K-S ValorChi-cuadrado
P: Chi-cuadrado
Parámetros
Valor P:
Beta 0.3127 --- 0.0784 --- 3.3846 0.496 Mínimo=-0.68696, Máximo=962.03983, Alfa=0.42975, Beta=2.24976
Gamma 1.2974 1.000 0.1460 1.000 5.8077 0.325 Ubicación=0.01667, Escala=461.48845, Forma=0.33306
Logarítmico normal 2.1984 0.000 0.1738 0.000 23.8077 0.000 Media=949.1878, Desv est=25351.48328, Ubicación=-0.00674
Extremo máximo 2.3747 0.000 0.1541 0.000 39.3846 0.000 Más probable=77.32403, Escala=113.3624
Logística 2.7454 0.000 0.2327 0.000 55.6538 0.000 Media=120.5379, Escala=101.00723
Normal 3.4567 0.000 0.2043 0.000 24.8462 0.000 Media=153.72051, Desv est=185.97181
t de Student 3.4709 --- 0.2110 --- 31.7692 0.000 Punto medio=153.72051, Escala=160.12909, Grados de libertad=7.73363
Weibull 4.2659 0.043 0.1874 0.000 13.0769 0.023 Ubicación=0.01667, Escala=141.43906, Forma=0.8387
Beta PERT 4.3238 --- 0.1878 --- 23.8077 0.000 Mínimo=-7.5173, Más probable=0.01667, Máximo=901.32295
Extremo mínimo 4.9383 0.000 0.2861 0.000 65.3462 0.000 Más probable=257.09062, Escala=236.3972
Exponencial 7.3619 0.000 0.2154 0.000 18.6154 0.009 Tasa=0.00651
Pareto 11.0001 --- 0.3412 --- 113.4615 0.000 Ubicación=0.01434, Forma=0.12815
Triangular 21.1757 --- 0.3729 --- 52.8846 0.000 Mínimo=-7.5173, Más probable=0.01667, Máximo=901.32295
Uniforme 33.4968 0.000 0.4751 0.000 83.6923 0.000 Mínimo=-14.90912, Máximo=806.00912

Profesor MSc. Claudio Araya Sassi 23

 Lab 1: Ejercicios
Ejercicio 6: Interprete los resultados
Logarítmico normal distribución con parámetros:
Ubicación 0.
Media 1.75
Desv est 3.33

Profesor MSc. Claudio Araya Sassi 24

 Lab 1: Ejercicios
Ejercicio 6: Interprete los resultados
Beta distribución con parámetros:
Mínimo -0.69
Máximo 962.04
Alfa 0.429754977
Beta 2.249756782

Profesor MSc. Claudio Araya Sassi 25