Scientia Et Technica

ISSN: 0122-1701
scientia@utp.edu.co
Universidad Tecnológica de Pereira
Colombia

ZAPATA, CARLOS J.
ESTIMACIÓN DE TASAS DE FALLAS DE COMPONENTES EN CASOS DE AUSENCIA DE DATOS
O CANTIDADES LIMITADAS DE DATOS
Scientia Et Technica, vol. XI, núm. 27, abril, 2005, pp. 13-18
Universidad Tecnológica de Pereira
Pereira, Colombia

Disponible en: http://www.redalyc.org/articulo.oa?id=84911698004

Cómo citar el artículo

Número completo
Sistema de Información Científica
Más información del artículo Red de Revistas Científicas de América Latina, el Caribe, España y Portugal
Página de la revista en redalyc.org Proyecto académico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto
Scientia et Technica Año XI, No 27, Abril 2005. UTP. ISSN 0122-1701
ESTIMACIÓN DE TASAS DE FALLAS DE COMPONENTES EN CASOS DE AUSENCIA DE
DATOS O CANTIDADES LIMITADAS DE DATOS
RESUMEN
Este artículo presenta dos métodos para estimar las tasas de fallas de
componentes del sistema de potencia en caso de ausencia de datos o cantidades
limitadas de datos. Tres ejemplos reales son presentados.
PALABRAS CLAVES: Confiabilidad, modelo probabilístico, proceso de
Poisson homogéneo, distribución Chi-cuadrado.
ABSTRACT
This paper presents two methods for the estimation of power system component
failure rates in the case of lack of data or limited amount of data. Three real
examples are presented.
KEYWORDS: Reliability, probabilistic model, homogeneous Poisson process,
Chi-square distribution.
1. INTRODUCCIÓN
Para los estudios de confiabilidad de sistemas eléctricos
de potencia se requieren los modelos probabilísticos que
representan a los componentes que conforman el sistema.
Los modelos más utilizados para estos componentes son:
bloques de frecuencia y duración, distribuciones de
probabilidad (Exponencial, Weibull, Normal, etc.) y
procesos estocásticos (Markov, Poisson).
Estos modelos se construyen con los datos de los eventos
de falla: Número de fallas en un periodo de tiempo dado,
tiempo de ocurrencia de cada falla y tiempo requerido
para cada reparación.
Los intervalos de confianza de los parámetros que
definen estos modelos varían en forma inversa con la
cantidad de datos utilizados en su cálculo. Por lo tanto, es
deseable contar con suficientes datos para reducir los
intervalos de confianza a un nivel aceptable.
En estudios de confiabilidad, el conseguir datos para
construir los modelos probabilísticos de los componentes
presenta los siguientes problemas:
• Las fallas son fenómenos aleatorios, por lo tanto, se
debe esperar a que ocurran para registrar los datos
asociados a estos eventos. Esto difiere de otras áreas
de estudio como el mercadeo o la demografía, donde
se puede consultar tantos individuos de la población
bajo estudio como se requiera para obtener un nivel de
error dado.
Fecha de recepción: 21 Enero de 2005
Fecha de aceptación: 16 Marzo de 2005
13
CARLOS J. ZAPATA
Ingeniero Electricista
Profesor Asistente
Universidad Tecnológica de Pereira
cjzapata@utp.edu.co
Proyecto de Investigación 6-03-1
• Algunos de los componentes del sistema eléctrico
tienen tasas de fallas muy bajas durante su periodo de
vida útil; al observar su operación por largos periodos
de tiempo es posible que registren muy pocas fallas o
no se registre ninguna. Esto es común en equipos que
no tienen partes móviles como pararrayos,
transformadores de instrumentación, reactores,
condensadores, etc.
Para resolver estos problemas, es común agrupar los
datos de componentes similares. Sin embargo, pese a la
agrupación, es común que se presenten las siguientes
situaciones:
1. No hay fallas en el periodo de tiempo de los registros.
2. Se dispone de un solo dato, por lo cual no pueden
utilizarse los métodos clásicos de estimación de
parámetros o ajuste a una distribución de probabilidad.
3. Existen muy pocos datos y su gráfica en forma de
histograma tiene una o muy pocas clases por lo cual,
no puede aplicarse el procedimiento de ajuste a una
distribución de probabilidad, ó aunque éste
procedimiento se aplique, no se cumple la prueba de
bondad de ajuste.
Como no es realista asumir que existen componentes
100% confiables, se deben estudiar los métodos para
construir modelos probabilísticos ante situaciones de
cantidades limitadas o ausencia de datos de falla, lo cual
es el tema del presente artículo.
14
2. TASA DE FALLAS DE UN COMPONENTE
Las fallas definen la secuencia operativa de un
componente continuamente operado, o secuencia de
estados de disponibilidad (up) e indisponibilidad (down)
mostrada en la Fig. 1. No se consideran: fallas
simultáneas, que el componente pueda ser reparado
mientras opera (falla parcial), ni que el componente
vuelva a fallar mientras es reparado.
Estado
f1 fi
up
down
0 t
ttfi
T
Figura 1. Secuencia operativa de un componente reparable
Cada falla (fi) tiene asociado un tiempo para falla (ttfi) y
un tiempo para reparación (ttri), los cuales son aleatorios
e independientes entre sí. El número de fallas n en un
periodo de tiempo T también es aleatorio.
El cero, en la secuencia operativa, es el momento en el
cual el componente inicia su operación “nuevo”. Sin
embargo, usualmente solo se dispone de una muestra de
n datos registrados durante un periodo de tiempo T .
La tasa de fallas λ es el número de fallas que ocurren
mientras el componente está en el estado operativo [1].
2.1 Estimación puntual
La tasa de fallas estimada λ̂ se define como:
n n
λˆ = n /(∑ ttfi ) = 1/ mˆ = n /(T − ∑ ttri ) ≈ n / T
i =1 i =1
m̂ es el promedio estadístico de los tiempos para falla
( m̂ = m ) y es un estimador del tiempo esperado para falla
m ; λ̂ es el inverso de un promedio estadístico por lo
cual, también es un valor promedio ( λ̂ = λ ). Los valores
promedios son “estimadores puntuales” (un único valor)
cuya calidad depende de n .
En la mayoría de los componentes de los sistemas de
potencia, la indisponibilidad total (tiempo en reparación)
es despreciable con respecto al tiempo de disponibilidad,
lo cual justifica la aproximación mostrada en (1).
La Ley Fuerte de los Grandes Números es [2]:
Scientia et Technica Año XI, No 27, Abril 2005. UTP
P[lim x = E ( x)] = 1 (2)
n →∞
Es decir, si la muestra de datos de una variable aleatoria
x es muy grande, habrá total certeza de que el promedio
estadístico x (el estimador) será igual al valor esperado
E ( x) (el valor que se desea estimar).
2.2 Estimación por intervalos
La cantidad de datos n define el intervalo de confianza
en el cual se encuentra el valor esperado a ser estimado:
Eˆ ( x) Inferior < E ( x) < Eˆ ( x) Superior (3)
• Para una muestra grande ( n ≥ 30 ) y datos de cualquier
distribución de probabilidad se calcula como [3]:
ttri
x − zα / 2 * s / n < E ( x) < x + zα / 2 * s / n (4)
• Para una muestra pequeña ( n < 30 ) y datos
normalmente distribuidos se calcula como [3]:
x − tα / 2 * s / n < E ( x) < x + tα / 2 * s / n (5)
s : Desviación muestral
n
s = ((∑ ( xi − x ) 2 ) /( n − 1))1/ 2 (6)
i =1
α: Probabilidad crítica o de rechazo. Es el
complemento del nivel de confianza ( δ ) con que
se hace la estimación.
zα / 2 : Valor en la distribución normal para el cual la
probabilidad es igual a α/2. Se halla en tablas.
.
tα / 2 : Valor en la distribución t-student para el cual la
(1) probabilidad es igual a α/2. Se halla en tablas.
De (4) y (5) se concluye que:
1. Se requiere una muestra de dos o más datos para
estimar el intervalo de confianza. En los casos de cero
o un dato, estas ecuaciones no son aplicables.
2. A menor número de observaciones mayor será el
intervalo de confianza y viceversa.
3. Si un componente está en su periodo de vida útil, tiene
tasa de fallas constante y los tiempos para falla están
exponencialmente distribuidos. Por lo tanto, para una
muestra pequeña, (5) no es aplicable.
Por lo tanto, se requieren métodos alternos para estimar
λ en los casos en que se tienen pocos o ningún datos.
Scientia et Technica Año XI, No 27, Abril 2005. U.T.P 15

3. MÉTODO 1: EL PROCESO DE POISSON La probabilidad de que ocurran k fallas está dada por [4]:

Tasa de fallas
Obsolescencia P[ x = k ] = (λ * t ) k / k !* e − λ *t (7)

La probabilidad acumulada o probabilidad de que

Periodo ocurran k o menos fallas está dada por [4]:
infantil
Vida útil k
P[ x ≤ k ] = ∑ (λ * t )i / i !* e − λ *t (8)
i =0

Tiempo
Utilizando la muestra de n fallas en un periodo de
tiempo T , se determina el valor de la tasa de fallas
Figura 2. Tasa de fallas durante de un componente estimada para el cual se alcanza la probabilidad crítica o
de rechazo ( α ) [1]:
La tasa de fallas varía durante la vida operativa del
componente tal como se muestra en la Fig. 2. Como se n
α = 1 − δ = ∑ (λˆ * T )i / i !* e − λ *T
ˆ
observa, únicamente durante el periodo de vida útil la (9)
tasa de fallas es constante y solo durante éste periodo de i =0
vida, el componente puede tener una baja tasa de fallas.
Entonces, con un δ % de confianza se puede afirmar que
Entonces, para un componente que durante un largo
λ < λˆ . Es decir, existe un intervalo de confianza
periodo de tiempo T ha registrado muy pocas fallas o
ninguna, se asume que está en su periodo de vida útil. unilateral para estimar λ donde λ̂ es la cota superior
aproximada del δ % de confianza.
La llegada de las fallas al componente es un proceso
estocástico de Poisson de tipo homogéneo, si [4]: Sólo es fácil resolver (9) para el caso de cero fallas. En el
resto de los casos es necesario utilizar métodos
1. Las fallas llegan una a la vez. numéricos. La Tabla 1 presenta resultados para λ̂ con
α = 5% y varios valores de T y n . La Fig. 4 presenta la
2. El número de fallas que llegan durante un intervalo de gráfica de algunos de estos valores.
tiempo no afecta el número de fallas durante otro
intervalo de tiempo n T [años]
[fallas] 5 10 15 20 25
3. Las fallas son independientes entre sí 0 0.5991 0.2996 0.1997 0.1498 0.1198
1 0.9488 0.4744 0.3163 0.2372 0.1898
2 1.2592 0.6296 0.4197 0.3148 0.2518
4. La tasa de llegada de las fallas λ es constante 3 10.1 0.7754 0.5169 0.3877 0.3101
4 10.1 6.2738 0.6102 0.4577 0.3661
5. Los tiempos de reparación son despreciables 5 10.1 10.1 4.5643 1.3932 0.4205
6 10.1 101 10.1 4.0297 1.4449
7 10.1 10.1 10.1 10.1 3.9056
La Fig. 3 presenta un esquema de la llegada de fallas en
8 10.1 10.1 10.1 10.1 10.1
un proceso de Poisson homogéneo. En este proceso, los
tiempos entre fallas (tbf) se distribuyen Tabla 1. Valores de λ̂ [fallas/año] para α = 5% utilizando el
exponencialmente con parámetro λ y los tiempos para proceso de Poisson
llegada de las fallas (tf) se distribuyen uniformemente
[2].

f1 f2 f3 fi

tbf

0 tf1 tf2 tf3 tfi t

Figura 3. Proceso de llegada de las fallas a un componente

Sea x la variable aleatoria del número de fallas de un

componente en un periodo de tiempo t, en un proceso de
Poisson. Figura 4. Variación de la tasa de fallas estimada
16 Scientia et Technica Año XI, No 27, Abril 2005. UTP

4. MÉTODO 2: LA DISTRIBUCIÓN CHI- n T [años]

CUADRADO [fallas] 5 10 15 20 25
0 0.00 0.02 0.00 0.02 -0.02
1 0.00 0.00 0.01 0.00 0.02
Para obviar la dificultad existente al resolver λ̂ mediante 2 0.00 0.00 -0.01 0.00 -0.02
el proceso de Poisson, se aplica la siguiente 3 84.65 0.01 0.00 0.01 -0.01
4 81.87 85.41 -0.01 0.01 -0.01
aproximación a este proceso utilizando la distribución
5 79.18 89.59 84.64 62.27 0.00
Chi-cuadrado ( χ 2 ) [1], [3]: 6 76.55 98.83 92.18 85.31 67.22
7 73.96 86.98 91.32 93.49 86.53
8 71.42 85.71 90.47 92.85 94.28
λˆ = χα2 / 2, v /(2* T ) (10)
Tabla 3. Error porcentual al estimar λ̂ con la distribución χ 2

donde:
v: Es el número de grados de libertad
v = 2* (n + 1)
χα2 / 2,v : Valor en la distribución χ 2 para el cual existe
una probabilidad crítica α con v grados de
libertad. Se halla en tablas.
Con un δ % de confianza se puede afirmar que λ ≤ λˆ ;
este es el intervalo de confianza unilateral.
La Tabla 2 presentan resultados para λ̂ con α = 5% y
varios valores de T y n .
En los resultados de la Tabla 3 se observa que si n es 0,
1 ó 2, no existe error o éste es despreciable para los
periodos de registro de información mostrados; sí n ≥ 3 ,
cada que se aumenta n se debe aumentar el tiempo de
(11)
los registros para que exista poco error o este sea
despreciable.
5. GRUPOS DE COMPONENTES
Es común el agrupar la información de varios
componentes similares por las siguientes razones:
1. Se aumenta la muestra de datos. Esto es
especialmente útil en componentes que tienen tasas
de falla muy bajas o donde los tiempos de registro
disponibles son pequeños.

n T [años] 2. Se desea obtener índices de confiabilidad ó modelos

[fallas] 5 10 15 20 25
probabilísticos para un solo componente que
0 0.5991 0.2996 0.1997 0.1498 0.1198
1 0.9488 0.4744 0.3163 0.2372 0.1898 represente al grupo, no para cada uno de los
2 1.2592 0.6296 0.4197 0.3148 0.2518 componentes. Esta situación es común en sistemas
3 1.5507 0.7754 0.5169 0.3877 0.3101 con grandes cantidades de componentes del mismo
4 1.8307 0.9154 0.6102 0.4577 0.3661 tipo; por ejemplo, los sistemas de distribución de
5 2.1026 1.0513 0.7009 0.5257 0.4205 energía eléctrica.
6 2.3685 1.1843 0.7895 0.5921 0.4737
7 2.6296 1.3148 0.8765 0.6574 0.5259
8 2.8869 1.4435 0.9623 0.7217 0.5774 Si durante un periodo de tiempo T se observan n fallas
Tabla 2. Valores de λ̂ [fallas/año] para α = 5% utilizando la en un grupo de X componentes similares, entonces:
aproximación a la distribución Chi-cuadrado
λˆ = n /( X * T ) = n / T ' = λˆ ' / X (13)
Se define el error porcentual como:
En este caso, λ̂ se refiere a un componente “típico” o
ε = (λˆ1 − λˆ2 ) / λˆ1 *100% (12) “promedio” que representará a cada uno de los
donde: componentes del grupo. Artificialmente, se obtienen
registros operativos del componente promedio para un
λ̂1 : El valor estimado de la tasa de fallas mediante el periodo de tiempo T ' = X * T en el cual sufre n fallas.
proceso de Poisson (9).
Si se cumple, o se asume, que todos los componentes del
grupo están en su periodo de vida útil y que el proceso de
λ̂2 : El valor estimado de la tasa de fallas mediante la
llegada de las fallas a cada uno de ellos es un proceso de
distribución χ 2 (10). Poisson homogéneo, se pueden aplicar los dos métodos
presentados anteriormente.
La Tabla 3 presenta el error porcentual al estimar la tasa
de falla mediante la aproximación de la distribución χ 2 Bajo estas condiciones, el proceso de llegada de las fallas
al grupo de componentes, también es un proceso de
utilizando los valores de las Tablas 1 y 2.
Poisson homogéneo con parámetro λ ' = λˆ * X [5].
 Scientia et Technica Año XI, No 27, Abril 2005. U.T.P
6. EJEMPLOS
En el proyecto de investigación “Estudio de
Confiabilidad del Sistema Eléctrico Regional”, ejecutado
por la UTP durante los años 2003 y 2004, se realizaron
exámenes (surveys) de confiabilidad de los componentes
del sistema eléctrico que sirve a la ciudad de Pereira. A
continuación, se resuelven tres casos de componentes
para los cuales no se encontraron datos de falla o la
cantidad de fallas registrada era muy pequeña.
6.1 Ejemplo 1: Banco de transformadores 115/33 kV
75 MVA subestación Cuba
Revisando bitácoras que comprenden un período de 5
años (1998-2003), solo se encontraron registradas 2 fallas
para este equipo [6], [7].
• Estimadores puntuales
λˆ = λ = n / T = 2 / 5 = 0.4 Fallas/año
mˆ = m = 1/ λˆ = 1/ 0.4 = 2.5 Años para falla
• Intervalo de confianza unilateral
En la Tabla 3 se observa que para un periodo de
registro de 5 años y 2 fallas, no existe error al estimar
la tasa de fallas utilizando la aproximación de la
distribución χ 2 , por lo cual se aplica éste método;
λˆ = 1.2592 Fallas/año para α = 5% (Tabla 2)
mˆ = 1/ λˆ = 1/1.2592 = 0.7942 Años para falla
Entonces, con un 95% de confianza se puede afirmar:
λ ≤ 1.2592 Fallas/año y m ≥ 0.7942 Años/falla
• Modelo probabilístico del componente
Este modelo se define con el tiempo entre fallas en el
proceso de Poisson ó “tiempo para falla” ( t falla ):
ft falla (t ) = λˆ * e − λ *t = 1.2592 * e −1.2592*t
ˆ
−1.2592*t
Ft falla (t ) = 1 − e
Donde, f (t ) es la función de densidad de
probabilidad y F (t ) es la función de distribución
de probabilidad.
También es válido definir este modelo utilizando
los otros valores del intervalo de confianza
unilateral.
17
6.2 Ejemplo 2: Transformadores de distribución de
33 kV
Revisando las órdenes de reparación emitidas por el
sistema de atención a los usuarios de la Empresa de
Energía de Pereira, se encontró una sola falla en un
periodo de cuatro años (2000-2003) para un grupo de 37
transformadores de distribución de 33 kV [8], [9].
• Estimadores puntuales
λˆ = λ = n /( X * T ) = 1/(4*37) = 0.006756 Fallas/año
mˆ = m = 1/ λˆ = 1/ 0.006756 = 148 Años para falla
• Intervalo de confianza unilateral
n = 1 Falla, T ' = 4*37 = 148 Años, α = 5%
v = 2 * n + 2 = 2 *1 + 2 = 4 Grados de libertad
χα2 / 2,v = 9.488 , de tablas de la distribución χ 2 [3]
λˆ = χα2 / 2,v /(2 * T ) = 9.488 /(2 *148) = 0.0321 fallas/año
Con el proceso de Poisson se obtiene el mismo
resultado.
mˆ = 1/ λˆ = 1/ 0.0321 = 31.1526 Años para falla
Entonces, con un 95% de confianza se puede afirmar:
λ ≤ 0.0321 Fallas/año y m ≥ 31.1526 Años/falla
• Modelo probabilístico del componente típico que
representa al grupo de componentes:
ft falla (t ) = λˆ * e − λ *t = 0.0321* e−0.0321*t
ˆ
Ft falla (t ) = 1 − e −0.0321*t
6.3 Ejemplo 3: Transformadores de potencial (TP’s)
13.2 kV subestación Dosquebradas
Revisando bitácoras que comprenden un periodo de 11
años (1993-2003), no se encontraron registros de fallas
para un grupo de 12 TP’s de 13.2 kV [10], [11].
• Estimadores puntuales: No se pueden calcular.
• Intervalo de confianza unilateral
n = 0 Fallas, T ' = 11*12 = 132 Años, α = 5%
v = 2 * n + 2 = 2 * 0 + 2 = 2 Grados de libertad
18
χα2 / 2, v = 5.991 , de tablas de la distribución χ 2 [3]
λˆ = χα2 / 2,v /(2 * T ) = 5.991/(2*132) = 0.0227 fallas/año
Utilizando el proceso de Poisson se obtiene el mismo
resultado.
mˆ = 1/ λˆ = 1/ 0.0227 = 44.0529 Años para falla
Entonces, con un 95% de confianza se puede afirmar:
λ ≤ 0.0227 Fallas/año y m ≥ 44.0529 Años/falla
• Modelo probabilístico del componente típico que
representa al grupo de componentes:
ft falla (t ) = λˆ * e − λ *t = 0.0227 * e−0.0227*t
ˆ
Ft falla (t ) = 1 − e−0.0227*t
7. CONCLUSIONES Y RECOMENDACIONES
Mediante el proceso de Poisson y la aproximación a la
distribución Chi-cuadrado es posible estimar las tasas de
fallas de componentes de sistemas eléctricos de potencia
en los casos en que los archivos operativos no registren
fallas o el número de fallas registrado sea muy pequeño
como para aplicar los métodos tradicionales de
estimación de parámetros o de ajuste de datos a una
distribución de probabilidad.
Las tasas de fallas estimadas mediante los dos métodos
presentados permiten definir modelos probabilísticos que
representen los componentes en estudios de confiabilidad
a nivel de sistema. Es decir, no se asumirá que los
componentes son 100% confiables.
Si el periodo de los registros operativos es grande, se
recomienda aplicar la aproximación a la distribución Chi-
cuadrado, pues este método es más fácil de resolver que
el método del proceso de Poisson el cual requiere
soluciones numéricas.
También se recomienda, si es posible, agrupar la
información de componentes similares para aumentar la
cantidad de datos de falla y el periodo de los registros. El
aumentar artificialmente el periodo de los registros
agrupando los componentes permite reducir o eliminar el
error al aplicar el método de aproximación a la
distribución Chi-cuadrado.
Gran cuidado debe tenerse en verificar el cumplimiento
de las cinco condiciones del proceso de Poisson, las
cuales definen si los dos métodos presentados pueden
aplicarse.
Scientia et Technica Año XI, No 27, Abril 2005. UTP
8. BIBLIOGRAFÍA
[1] BILLINTON R, ALLAN R. N, “Reliability
evaluation of engineering systems - Concepts and
Techniques”, Plenum Press, 1992.
[2] VINIOTIS Y, “Probability and random processes
for electrical engineers”, McGraw Hill, 1998.
[3] MILLER I. R, FREUND J. E, JOHNSON R,
“Probability and statistics for engineers”, Prentice
Hall, 1992.
[4] ZAPATA C. J, “Aplicaciones del proceso de
Poisson en confiabilidad”, Revista Scientia et
Technica, No. 20, 2002.
[5] PAZOS J. J, SUÁREZ A, DÍAZ R, “Teoría de
colas y simulación de eventos discretos”, Pearson
- Prentice Hall, 2003.
[6] GARCÉS L. P, GÓMEZ O, “Análisis de
confiabilidad del sistema de transmisión regional
usando simulación de Montecarlo", Proyecto de
Grado, Universidad Tecnológica de Pereira, 2003.
[7] ZAPATA C. J, GARCÉS L. P, GÓMEZ O,
“Modelamiento de componentes de sistemas
compuestos generación-transmisión para estudios
de confiabilidad”, Revista Scientia et Technica,
No. 25, 2004.
[8] CATAÑO D. Y, SUÁREZ H. F, “Análisis de
confiabilidad de transformadores de distribución
en la ciudad de Pereira", Proyecto de Grado,
Universidad Tecnológica de Pereira, 2004.
[9] ZAPATA C. J, CATAÑO D, SUÁREZ H. F,
“Índices de confiabilidad de transformadores de
distribución”, Revista Mundo Eléctrico, No. 57,
2004.
[10] ARBELAEZ C. M, PULGARÍN C. A, “Análisis
de confiabilidad de componentes de las
subestaciones del sistema eléctrico de la Empresa
de Energía de Pereira", Proyecto de Grado,
Universidad Tecnológica de Pereira, 2004.
[11] ZAPATA C. J, ARBELAEZ C. M, PULGARÍN
C. A, “Índices de confiabilidad de equipos de
subestaciones de distribución”, Presentado a la
Revista Mundo Eléctrico, 2005.
[12] HALE P. S, ARNO R. G, "Survey of reliability
and availability information for power
distribution, power generation and HVAC
components for commercial, industrial and utility
installations", IEEE Trans. Industry Applications,
vol. 37, pp. 191-196, Feb. 2001.