República Bolivariana de Venezuela

Ministerio del Poder Popular para la Educación

UPTNM “Ludovico Silva”
PNF Mantenimiento
Caripito Edo Monagas

Prof.: Autor:

Ing. Jhonny Brito Alonso, Juan C.I: 27.556.665

Sección C1

Mayo 2020
 Índice
Pag.
Introducción 4
1.- Conceptualizaciones 5
Probabilidad 5
Enfoques de Probabilidad 5
Variable Aleatoria o “Random” 5
Falla 6
Arboles de falla (AAF) 6
Análisis del modo y efecto de falla (AMEF) 6
Tiempo para la falla 6
Probabilidad de Falla F(t) 7
Confiabilidad 7
Tasa de Falla (“Failure Rate”) 7
Tiempo Promedio a Falla (TPPF) 7
Tiempo Promedio Para Reparar 7
Tiempo Promedio Entre Fallas (TPEF) 8
Incertidumbre 8
Riesgo 8
Curva de la Bañera 8
Simulación Montecarlo 9
2. INGENIERÍA DE CONFIABILIDAD 9
2.1 Ingeniería de confiabilidad (concepto) 9
2.2 Relación entre Análisis de Confiabilidad y Análisis de Riesgo 9
2.3 CONFIABILIDAD BASADA EN EL ANÁLISIS PROBABILÍSTICO DEL
TIEMPO PARA LA FALLA O HISTORIAL DE FALLAS (STATISTICAL 10
BASED RELIABILITY ANALYSIS)
2.3.1 Confiabilidad de activos no reparables 11
2.3.1.1 Activos no reparables 11
2.3.1.2 La función confiabilidad 11
2.3.1.2.1 Tiempo promedio para fallar (TPPF) 11
2.3.1.2.2 La función de velocidad de incremento del peligro (H(T)) o tasa de fallas 12
2.3.1.3 Estimación de la confiabilidad 12
2.3.1.3.1 Estimación de confiabilidad de activos no reparables con estadística
13
paramétrica
2.3.1.3.2 Estimación de confiabilidad de activos no reparables con estadística no
13
paramétrica
2.3.1.4 Ejemplo del cálculo de la Confiabilidad de activos no reparables 14
2.3.2 Confiabilidad de activos reparables 16

2
2.3.2.1 Activos reparables 16
2.3.2.2 Variables probabilísticas de interés en análisis de confiabilidad de activos
16
reparables
2.3.2.3 Modelos probabilísticos para la estimación o predicción del número de fallas
18
(N(T[M])) en un período de operación T[M] para sistemas reparables
2.3.2.3.1 Proceso ordinario de restauración (POR) 19
2.3.2.3.2 Proceso no homogéneo de Poisson (PNHP) 19
2.3.2.3.3 Proceso generalizado de restauración (PGR) 20
2.3.2.4 Ejemplo del cálculo de la Confiabilidad de activos reparables 21
2.4 CONFIABILIDAD BASADA EN EL ANÁLISIS PROBABILÍSTICO DEL
DETERIORO O FÍSICA DE LA FALLA (PHYSICS BASED RELIABILITY 23
ANALYSIS)
2.4.1 Análisis Carga – Resistencia 23
2.4.1.1 Análisis Carga – Resistencia con simulación de Montecarlo 25
2.5 Confiabilidad de sistemas. 26
2.5.1 Modelos para estimación de confiabilidad a nivel de sistemas 26
2.5.1.1 Diagramas de bloques de confiabilidad (DBC) 26
2.5.1.2 Análisis de árboles de fallas (AAF) 27
2.5.1.2.1 Componentes de un árbol de falla – Descripción y simbología 29
2.5.1.2.2 Desarrollo de un árbol de falla 29
2.5.1.2.3 Ejemplo: Construcción de un Árbol de Fallas 30
2.5.1.3 Desarrollo del diagrama de análisis de modo y efecto de falla (AMEF) 30
2.5.1.3.1 Clasificación de la falla de acuerdo a su efecto 32
2.5.1.3.2 Diagrama AMEF, Ejemplo 34
2.5.1.3.3 Diagrama AMECF ó FMECA, Ejemplo. 35
2.5.2 Análisis de causa común de falla 36
2.5.3 Análisis de importancia de componentes 36
2.5.4 Metodología y ejemplo de análisis de confiabilidad a nivel de sistema. 36

3
 Introducción
Las industrias requieren operar de manera continua durante largos y definidos
periodos de tiempo establecidos en una planificación, esto debido a que cualquier paro
de función incurriría en grandes costos y pérdidas que disminuirían los beneficios, por
lo que es necesaria la aplicación de sistemas de mantenimiento que mantengan los
equipos del sistema productivo operando durante el mayor tiempo posible. Sin embargo,
el mantenimiento preventivo que se realiza solo tomando en consideración el tiempo de
operación del equipo establecido por el fabricante no es del todo confiable.
Para evitar que estas fallas inesperadas en el sistema ocurran y condenen la
producción durante un periodo indefinido de tiempo, se creó la ingeniería de
confiabilidad con los cálculos y variables sujetas a ello. Esta rama de la ingeniería
consiste en optimizar el funcionamiento y la calidad de cada uno de los equipos que
componen un sistema con el fin de que las plantas no sufran paros de función
inesperados.
Para ello se realizan estudios a los componentes y se administran, controlan,
ejecutan y supervisan cada una de las actividades de mantenimiento referentes al
proceso productivo para minimizar costos y maximizar la producción. Esta clase de
mantenimiento es primordial en empresas e instituciones que necesitan altos índices de
producción y que no pueden detenerse a realizar actividades preventivas periódicas, sino
que necesitan dilatar tanto como sea posible la producción sin poner en riesgo la misma.

4
1.- Conceptualizaciones

Probabilidad:
La probabilidad es una causa de la certidumbre asociada a un suceso o evento futuro
y suele expresarse como un número entre 0 y 1 (o entre 0 % y 100 %).

Enfoques de probabilidad:
Existen diferentes enfoques conceptuales de la probabilidad: Subjetivo, clásico y de
frecuencias relativas o relativo.
 Subjetivo
La probabilidad de un evento es el grado de certidumbre que tiene una persona, o
grupo de personas, acerca de la ocurrencia de un evento. Puede ser que se base en la
experiencia o en cierta información que se tenga. Es de juicio personal.
 Clásico
Se basa en el supuesto de que cada resultado es igualmente probable
P(A) = N(A)= Número de ocurrencias de A
Tamaño de la Muestra

Si en un grupo hay 40 ingenieros y 20 arquitectos, la probabilidad de que al

seleccionar aleatoriamente a una persona del grupo, su profesión sea de ingeniero es:
P(A) = N(A)= 40/60 = 4/6 = .67 %
 .De Frecuencia relativa
La probabilidad se determina en base a la proporción de veces en que ocurre un
resultado en cierto número de observaciones o experimentos Se basa en una muestra, en
una estimación real desconocida
Ejemplo: Al sacar de una urna 100 pelotas, se observaron 30 rojas y 70 blancas. La
probabilidad de que al sacar otra pelota ésta sea blanca es: (se desconoce cuántas pelotas
hay dentro de la urna)
P = 70 = .70 ó 70% 100
100

Variable aleatoria o “random”:

Se denomina variable aleatoria o distribuida en una variable x, que por sus
características puede tomar un conjunto de valores (x1, x2, x3, x4,… etc.), cada uno de
los cuales tiene una probabilidad p de ocurrencia (p1, p2, p3, p4,… pn-1), sin que se
pueda asegurar específicamente qué valor tomará dicha variable.

5
Falla:
Es el efecto que se origina o crea cuando un componente, el sistema, un equipo o
algún proceso deja de funcionar correctamente o de cumplir con la función que se
espera que realice.

Arboles de falla AAF

Un árbol de fallas es una representación grafica de los eventos que pueden ocurrirle
a un componente o sistema y su relación con los estados operativos de interés. La
representación grafica se llama “árbol de fallas” porque cada evento se conecta a otros
como las ramas de un árbol. Se inicia con el evento o situación a estudiar y esta se
conecta a los siguientes efectos que pueden ocurrir hasta llegar a los resultados
operativos del sistema. Así se obtienen las situaciones operativas del sistema y las
posibles fallas que este podría presentar. Los árboles de eventos
y árboles de fallas permiten analizar:
1 Sistemas donde existe dependencia entre los componentes
2 Sistemas donde importa la secuencia en la cual ocurren las fallas
3 Componentes o sistemas con más de dos estados operativos o diversos modos de falla

Análisis de modo y efecto de falla AMEF

Es una metodología para el análisis de riesgos que se conoce como Análisis del
Modo y Efecto de Fallas. Este método se usa cuando se realiza el diseño de un proceso
o un producto y persigue la identificación de todos los posibles problemas que puedan
surgir, clasificar la criticidad del riesgo y decidir qué acciones tomar al respecto. Sus
principales beneficios son:
 Identificar fallas o defectos antes de que estos ocurran.
 Incrementar la confiabilidad de productos o servicios.
 Conseguir procesos de desarrollo más cortos.
 Documentar los conocimientos sobre los procesos.
 Incrementar la satisfacción del cliente.

Tiempo Para la Falla:

Es el estimador del tiempo esperado para que ocurra una falla. La calidad de este
índice depende del tamaño de la muestra, es decir, es el periodo que transcurre desde el
instante en que el componente, el equipo o el sistema inician su operación hasta que
deja de operar. Para aplicar esta ecuación se requiere una muestra de los tiempos de

6
falla; no se requiere conocer el tamaño de la población de los componentes. Se le
designa como “ttf”.

Probabilidad de la falla F (t):

Es la posibilidad de que un componente, un sistema o un proceso fallen o dejen de
realizar la función requerida en un tiempo determinado.

Confiabilidad:
Es la probabilidad de que un activo (o un conjunto de activos) desempeñe su
función, libre de fallos y bajo determinadas condiciones definidas y constantes, durante
un periodo de tiempo también determinado. Es decir, desde el punto de vista del
mantenimiento, es una medida que evalúa la seguridad y el riesgo. Es el grado de
confianza que indica que un activo cumplirá su función bajo ciertas condiciones durante
un tiempo dado.

Tasa de falla o “failure rate”:

La tasa de fallos de un componente o sistema se define como la relación existente
entre el número de fallas que experimenta el componente por unidad de tiempo en que
se encuentra operando. En confiabilidad es común asumir que la tasa de fallas durante la
vida operativa de un componente reparable o no reparable sigue la curva en forma de
bañera. Se expresa en unidades de falla por millón de horas.

Tiempo promedio para falla TPPF:

Es el parámetro que define el tiempo de falla esperado de un componente, un
modulo o un sistema en general. Es decir, es el tiempo medio tras el cual se espera que
ocurra una falla en el equipo.

Tiempo promedio para reparar TPPR:

Está representado por el valor medio de vida para una distribución de tiempos de
reparación. Es el tiempo promedio para reemplazar o reparar un componente fallado. El
tiempo logístico asociado con la reparación tal como adquisición de partes,
movilización de herramientas y equipos o de personal no son incluidos.

7
Tiempo promedio entre fallas TPEF
En el caso de sistemas reparables TPEF significa el tiempo promedio entre fallas.
Este tiempo promedio excluye el tiempo de espera para su reparación, el tiempo durante
el cual está siendo reparado, recalificado y otros eventos como inspecciones y
mantenimientos preventivos. Tiene por objeto medir solo el tiempo en el que el sistema
está disponible y en funcionamiento. En sistemas no reparables, TPEF significa el
tiempo promedio antes del fallo y está representado por el valor de la vida media para
una distribución de falla de unidades no reparables.

Incertidumbre
La incertidumbre es la falta de certeza, un estado de conocimiento limitado donde
es imposible describir exactamente el estado existente, un resultado futuro o más de un
resultado posible. Se aplica a las predicciones de eventos futuros, a las mediciones
físicas que ya se han realizado o a lo desconocido. La incertidumbre surge en entornos
parcialmente observables y / o estocásticos, así como debido a la ignorancia, la
indolencia o ambas.

Riesgo:
Un estado de incertidumbre donde algunos resultados posibles tiene un efecto no
deseado o una pérdida significativa.

Curva de la bañera
La Curva de la Bañera es un gráfico que muestra el probable comportamiento de la
tasa de fallas de un tipo de componente o equipo para diferentes instantes de tiempo, y
se construye observando y registrando el comportamiento histórico de fallas de una
población de ese tipo de componente o equipo. En ella se pueden apreciar tres etapas:
 Fallos iníciales: esta etapa se caracteriza por tener una elevada tasa de fallos que
desciende rápidamente con el tiempo. Estos fallos pueden deberse a diferentes
razones como equipos defectuosos, instalaciones incorrectas, errores de diseño del
equipo, desconocimiento del equipo por parte de los operarios o desconocimiento
del procedimiento adecuado.
 Fallos normales: etapa con una tasa de errores menor y constante. Los fallos no se
producen debido a causas inherentes al equipo, sino por causas aleatorias externas.
Estas causas pueden ser accidentes fortuitos, mala operación, condiciones
inadecuadas u otros.

8
 Fallos de desgaste: etapa caracterizada por una tasa de errores rápidamente
creciente. Los fallos se producen por desgaste natural del equipo debido al
transcurso del tiempo.

Simulación Monte-Carlo:
Es una metodología estadística que se basa en una gran cantidad de muestreos
aleatorios para llegar a resultados próximos de resultados reales, siendo posible su
aplicación en la gestión, en el área de finanzas, y en diversos ámbitos como la
computación, el mantenimiento, la geología y otros. Básicamente, consiste en asignar
valores aleatorios a variables dentro de un rango especificado con el fin de conocer los
posibles resultados.

2.- Ingeniería de confiabilidad:

2.1 Ingeniería de confiabilidad (concepto):
Es una rama de la ingeniería que se centra en el estudio de las características físicas
y aleatorias del fenómeno “falla”, haciendo uso de instrumentos analíticos a través de
tácticas de mantenimiento correctivo, preventivo y predictivo, con fines de mejorar
procesos o actividades para que los componente cumplan correctamente su función, los
cuales tengan relación e impacto con el beneficio económico presente o esperado.
Dentro del área de la Ingeniería de Confiabilidad, coexisten dos escuelas con
enfoques específicos:
 Confiabilidad basada en el análisis probabilístico del tiempo para la falla o
historial de fallas (Statistical Based reliability Analysis).
 Confiabilidad basada en el análisis probabilístico del deterioro o física de la
falla (Physics Based Reliability Analysis).
Ambas tienen como objetivo común caracterizar probabilísticamente la falla para
hacer pronósticos y establecer acciones proactivas dirigidas a evitar o mitigar su efecto.

2.2 Relación entre Análisis de Confiabilidad y Análisis de Riesgo

Los coeficientes de los análisis de confiabilidad y de riesgo poseen una relación
inmediata debido a que son complementarios, pudiendo la confiabilidad ser considerada
la probabilidad de éxito y el riesgo la probabilidad de falla. De esta forma, el cálculo del
riesgo requiere la estimación de la confiabilidad. En el siguiente cuadro se puede
apreciar cómo, a pesar de que estos análisis podrían parecer inversos, el riesgo se

9
relaciona matemáticamente con la probabilidad de la falla y, por ende, con la
confiabilidad.

2.3 Confiabilidad basada en el análisis probabilístico del tiempo para la falla o

historial de fallas (STATISTICAL BASED RELIABILITY ANALYSIS)
Es la rama de la confiabilidad que estudia la variable aleatoria “tiempo para la
falla”. El insumo básico para este tipo de análisis son bases de datos donde se
almacenan las historias de fallas (tiempos de fallas y tiempos de reparación) de equipos.
La confiabilidad basada en la estadística de fallas tiene dos grandes áreas de estudio,
una que se enfoca en equipos no reparables y otra para equipos reparables. Los equipos
no reparables tienen las siguientes características fundamentales:
 Su condición operativa no puede ser restaurada después de una falla.
 Su vida termina con una “única” falla y debe ser reemplazado.
 La variable aleatoria de interés es el tiempo para la falla.
 Para caracterizarlo probabilísticamente se requiere estimar la tasa de fallas
h (t).

Dentro de los equipos no reparables muchos exhiben tasas de falla constantes y su

comportamiento está definido por la Distribución Exponencial, mientras que para
sistemas en los cuales la función de falla no es constante en el tiempo existen
alternativas diferentes al uso de la distribución exponencial, tal como, las distribuciones
Weibull, Log-Normal, Normal, Gamma, Beta, entre otras. Por su parte, un equipo
reparable es aquel cuya condición operativa puede ser restaurada después de una falla,

10
por una acción de reparación diferente al reemplazo total del mismo. Un equipo
reparable tiene las siguientes características fundamentales:
 Su condición operativa puede restaurarse después de fallar, con una reparación.
 En su vida puede ocurrir más de una falla.
 La variable aleatoria de interés es el Número de Fallas en un período específico
de tiempo.
 Para caracterizarlo probabilísticamente se requiere estimar la “tasa de ocurrencia
de fallas λ (t)” y la “tasa de reparación µ(t)”

2.3.1 Confiabilidad de activos no reparables

2.3.1.1 Activos no reparables
Se definen como elementos, ítems, componentes, equipos, dispositivos,
mecanismos o subsistemas no reparables a aquellos cuya condición operativa no puede
ser restaurada después de una falla. Su vida termina con una única falla y debe por lo
tanto, ser reemplazado. La mayoría de los componentes eléctricos (como las bombillas
eléctricas), son considerados NO REPARABLES. Sin embargo, es importante destacar
que cualquier equipo es reparable, pero hay que tener en cuenta si es o no económico
hacerlo

2.3.1.2 La función confiabilidad

Confiabilidad de un activo no reparable, evaluada en un tiempo misión (tm), es la
probabilidad de que la variable aleatoria “tiempo para la falla” sea igual o mayor al
periodo de análisis o tiempo misión (tm). En otras palabras, es la probabilidad de que el
activo opere sin fallas un tiempo igual o superior al periodo de análisis o tiempo misión
(tm).

2.3.1.2.1 Tiempo promedio para fallar (TPPF)

Tiempo Promedio para fallar (Mean Time Between Failures o MTBF) es el
parámetro que define el tiempo de falla esperado de un componente, un modulo o un

11
sistema en general. Es decir, es el tiempo medio tras el cual se espera que ocurra una
falla en el equipo.
Si los eventos que ocasionan paros son meras fallas y no se toman en cuenta las
paradas para mantenimientos planificados, se llama Tiempo Promedio Para Fallar
(TPPF). Esta es cociente entre T y la λ, es decir:

Que es lo mismo que:

2.3.1.2.2 La función de velocidad de incremento del peligro (H (T)) o tasa de

fallas
La función de velocidad de incremento del peligro o tasa de fallas h (t), es un
camino alternativo a la función confiabilidad C (t), para describir el comportamiento de
la variable aleatoria tiempo para la falla.

La primera ecuación se aplica cuando se ha registrado que durante un tiempo de

estudio T, fallaron n componentes en una población tamaño N pero no se tienen los
tiempo de falla de cada uno de ellos.
La segunda se aplica cuando la población de componentes bajo estudio varia y en
cada subperiodo T1 se inicio con N1 componentes en operación y de estos n1 fallaron

2.3.1.3 Estimación de la confiabilidad

Para calcular las diversas funciones relacionadas a la confiabilidad de activos no
reparables es necesario definir la distribución paramétrica de probabilidades del tiempo
para la falla f (t). En caso de no encontrar ninguna distribución paramétrica que ajuste al
conjunto de datos disponibles, se debe hacer uso de una distribución “no paramétrica o

12
empírica” y estimar la confiabilidad apoyados en “estadística no paramétrica o
estadística de la muestra”.

2.3.1.3.1 Estimación de confiabilidad de activos no reparables con estadística

paramétrica
Para estimar confiabilidad con estadística paramétrica, es necesario caracterizar
probabilísticamente la variable tiempo para fallar, es decir; encontrar la distribución
paramétrica f (t) que mejor se ajusta a los datos. En este caso los datos a analizar deben
ser tiempos de operación de n equipos similares con los cuales se definirá la
distribución de densidad de probabilidades f (t).
Una vez determinada f(t) se ha de relacionar con la tabla de frecuencias
correspondiente al equipo estudiado para obtener una distribución acumulada F(t) que
corresponde a la probabilidad de fallas y la distribución acumulada inversa C(t) que
corresponde a la confiabilidad.

2.3.1.3.2 Estimación de confiabilidad de activos no reparables con estadística no

paramétrica
En muchas oportunidades no se considera conveniente asociarle a un conjunto de
valores de una variable en particular una distribución paramétrica de las que se han
estudiado en la sección de estadística para la confiabilidad; bien sea porque no se
conoce la dinámica de la variable a modelar, no existe relación alguna entre esta
dinámica y los principios matemáticos o físicos que sustentan la distribución
paramétrica que más se adapta a las muestras de esta variable, o simplemente no se
encuentra ninguna distribución paramétrica que se ajuste al conjunto de datos
disponibles.
Bajo estas circunstancias, puede optarse por seleccionar una distribución no
paramétrica, que tal como se explicó en secciones previas, es una distribución cuyo
comportamiento es definido en su totalidad por la data disponible. En otras palabras, es
como si se construyera una distribución muy particular para el conjunto de datos bajo
análisis. Existen diferentes esquemas para el cálculo de la confiabilidad tasa de falla y
otras figuras de mérito utilizando representación no paramétrica, muchos de ellos varían
en función de la muestra, de cómo ha sido recolectada y consolidada la muestra, entre
otros.

13
 La siguiente tabla resume las ecuaciones más importantes para análisis de
confiabilidad con estadística no paramétrica, para una muestra de n datos ti donde
i=1,2,..., n.

2.3.1.4 Ejemplo del cálculo de la Confiabilidad de activos no reparables

En el presente ejemplo se analizará una base de datos correspondiente una
población de 53 bombas electro-sumergibles instaladas en sendos pozos de producción
de petróleo.
Se ha hecho un seguimiento a cada bomba desde su instalación hasta la falla. De las
53 bombas en observación 49 han fallado en los periodos observados en la primera
tabla; mientras que las 4 bombas restantes, aun permanecen operando, acumulando las
horas de operación mostradas en la segunda tabla.
Por política de mantenimiento, estas bombas son reemplazadas por una bomba
nueva al fallar, para minimizar el tiempo de paro del pozo productor.

Una vez realizado un estudio parametrico, se procede a detallar cada uno de los datos
correspondientes a las bombas en el siguiente cuadro:

14
 Una vez conocida la distribución de probabilidades del tiempo de operación hasta la
falla, se realizara el cálculo de confiabilidad:

Los resultados de dicho cálculo se resumen en el siguiente cuadro:

15
 2.3.2 Confiabilidad de activos reparables
2.3.2.1 Activos reparables
Un activo reparable es aquel que acepta reparaciones y le pueden ser restauradas sus
funciones mediante el uso de cualquier método de reparación diferente al reemplazo del
sistema completo.
En el análisis de sistemas reparables hay cinco posibles estados que dichos sistemas
pueden adquirir después de una reparación. Estos estados son:
- Tan bueno como nuevo.
- Tan malo como antes de reparar.
- Mejor que antes de reparar pero peor que cuando estaba nuevo.
- Mejor que cuando estaba nuevo.
- Peor que antes de reparar.

2.3.2.2 Variables probabilísticas de interés en análisis de confiabilidad de

activos reparables
Un equipo reparable es aquel cuya condición operativa puede restaurarse después
de fallar con una reparación. Esta consideración implica que en su vida puede ocurrir
más de una falla y es ésta la diferencia fundamental con los equipos “no reparables” en
cuya vida sólo puede ocurrir una única falla. Algunos conceptos aplicados a activos no
reparables no aplican cuando se trata de activos reparables. Cuando se trata de equipos
reparables, se habla de tiempo para la falla; estas fallas se presentan varias veces a lo
largo del tiempo de operación del equipo, por lo que puede decir que existe el tiempo
para la falla 1, el tiempo para la falla 2… el tiempo para la falla n.
Para el estudio de estos componentes y sus tiempos de falla se esquematiza una
proyección o estimado de un proceso de operación de un equipo reparable, en el que se
sabe pueden ocurrir varias fallas que serán restauradas a través de las subsecuentes
reparaciones. Para ello se manejaran dos escalas de tiempo, una relacionada al tiempo
de operación entre fallas, para los que se utilizaran subíndices, por ejemplo t2 = tiempo
entre la primera y la segunda falla, y la otra relacionada al tiempo acumulado de
operación hasta la última falla o un evento especifico, para la que se utilizan
16
superíndices, por ejemplo t2 = tiempo acumulado de operación hasta la segunda falla.
Por ejemplo, t2 = t1 + t2.
Para el estudio de estos componentes se crean diagramas con el número acumulado
de fallas en el tiempo acumulado de operación y se divide en dos zonas:

Una zona correspondiente a la “Historia” o al pasado; que comprende 4 fallas

acumuladas, que han ocurrido en forma sucesiva y con intervalos t1, t2, t3 y t4 . Los
valores t1, t2, t3 y t4 no son variables aleatorias; porque son conocidos; así como
tampoco es una variable aleatoria el número acumulado de fallas en el tiempo de
operación t[4]. Estos valores son “datos” que se usarán para hacer predicciones del
número de fallas para tiempos mayores a t4=t1+t2+t3+t4.
La otra es la llamada zona de “Predicción” y corresponde al futuro. En esta zona
todo es aleatorio, y el objetivo es saber cuántas fallas más pueden ocurrir desde t[4]
hasta t[m]=t[4]+tm. La variable Número Acumulado de Fallas N (t[m]), puede tomar
múltiples valores para un tiempo acumulado de operación o tiempo misión
t[m]=t1+t2+t3+t4+tm; es decir, es una variable aleatoria que puede y debe ser modelada
matemáticamente con una distribución de probabilidades, a la cual se le pueden calcular
una media y unos percentiles.

17
 La media o valor esperado de esta distribución se conoce como Número Esperado
de Fallas y se denota como Δ (t[m]).
La variable aleatoria Número Acumulado de Fallas N (t[m]), para un tiempo
acumulado de operación t[m] es la variable probabilística objeto de estudio en análisis de
activos reparables, y la figura de mérito Número Esperado de Fallas Λ (t[m]) es el
indicador por excelencia utilizado para caracterizarla.
También existen otras figuras de merito para caracterizarla:
λ (t[m]) = Tasa de ocurrencia de fallas al tiempo acumulado de operación t[m]
TEPPF = Tiempo esperado para la próxima falla, después del tiempo
acumulado de operación hasta la última falla.

2.3.2.3 Modelos probabilísticos para la estimación o predicción del número de

fallas (N (T [M])) en un período de operación T [M] para sistemas reparables
Hay diversas teorías o procedimientos aplicables para sistemas reparables, como se
aprecia en el siguiente cuadro:

El Proceso Ordinario de Restauración, el cual asume que el sistema vuelve a la

condición de tan bueno como nuevo y el Proceso No Homogéneo de Poisson, el cual
asume que queda tan malo como estaba, son los métodos más comúnmente utilizados
para la evaluación de sistemas reparables. El Proceso Generalizado de Restauración
(PGR), el cual no asume ningún estado en particular y considera que varios estados son
posibles, ha sido recientemente de gran interés debido a la necesidad de tener análisis y
predicciones que estén sustentados sobre bases más realistas.

18
 2.3.2.3.1 Proceso ordinario de restauración (POR)
Se define como Proceso Ordinario de Restauración a un modelo matemático que
considera que los diferentes tiempos entre fallas sucesivas ti de un activo reparable son
variables aleatorias independientes e idénticamente distribuidas (es decir que pueden
representarse con el mismo modelo de distribución paramétrica probabilística). Estas
consideraciones pueden ser válidas si se asume que el sistema es restaurado a su
condición original cada vez que se repara, es decir, el equipo queda “tan bueno como
nuevo”. Si esto se asume como cierto, los tiempos ti (i=1, 2,3...n) entre fallas sucesivas
son independientes, ya que al haber una “reparación perfecta” el tiempo de operación ti
no tiene ningún efecto en el tiempo ti+1. Las ecuaciones para los indicadores
probabilísticos de interés, para un valor del tiempo de operación t[m], son las siguientes:

Probabilidad de Fallas =

Confiabilidad =

Tasa de Ocurrencia de Fallas =

Tiempo Esperado para la próxima Falla =

Numero Esperado de Fallas. Para el cálculo de esta variable, dado que reviste
especial interés y complejidad, se resuelve generalmente por simulación de Montecarlo.

2.3.2.3.2 Proceso no homogéneo de Poisson (PNHP)

Un proceso de restauración que pueda modelarse con el llamado Proceso No
Homogéneo de Poisson es aquel en el que los diferentes tiempos para la falla (t i) de un
componente o sistema son considerados variables aleatorias dependientes e
Idénticamente distribuidas. Esta consideración es válida si se asume que al fallar, el
sistema es sometido a una reparación mínima, y que por lo tanto el equipo queda “tan
malo como estaba” justo antes de la falla. Este modelo es válido para equipos muy

19
complejos, con múltiples componentes, cuando la política de reparación es “hacer la
mínima reparación requerida para poner al equipo a operar nuevamente”.
Asumiendo que se cumplen las propuestas previamente descritas, y que los tiempos
sucesivos para fallar siguen una distribución de Weibull, las ecuaciones de cálculo para
las variables probabilísticas de interés, para el PNHP son las siguientes:

Tanto en este método como en el POR deben obtenerse dos expresiones diferentes para
los parámetros λ y ƀ de las ecuaciones anteriores.

2.3.2.3.3 Proceso generalizado de restauración (PGR)

El proceso generalizado de restauración provee la plataforma para calcular las
variables probabilísticas de interés para equipos reparables sin la necesidad de hacer
20
asunciones acerca del estado del equipo después de la reparación. Es un proceso general
que contiene a los casos de POR y NHPP como casos extremos; pero que permite
modelar casos intermedios, es decir, reparaciones en las que el equipo queda “mejor que
como estaba pero peor que cuando nuevo”; es decir, niveles “parciales de
restauración”. Este proceso permite modelar casos más reales que el POR y el PNHP.
El PGR es un desarrollo muy reciente, de considerable complejidad matemática que aún
puede considerarse un área de investigación.

2.3.2.4 Ejemplo del cálculo de la Confiabilidad de activos reparables:

La información disponible acerca de la duración de 10 sistemas electromecánicos para
detección de proximidad sometidos a funcionamiento continuo hasta que se produce el
fallo en cada uno, expresados por su duración en meses, es la siguiente: 3.5, 1.7, 6, 5,
13, 11, 8, 18, 22 y 9.
Se requiere que se calcule la confiabilidad para 12 meses. Las principales variables
requeridas para el cálculo se encuentran en el siguiente cuadro:

La representación de los puntos (X, Y) en el gráfico de Weibull permite trazar una

recta.

21
 De acuerdo al procedimiento se encuentra que el valor de b es 1.45 el cual indica que
las fallas son debidas al desgaste e igualmente se encuentra que el valor de n es 11
meses e indica la vida media característica.
Ahora se calcula la confiabilidad para las 12 meses con la siguiente ecuación:

Por último se realiza el análisis de los resultados, los cuales, teniendo en cuenta que
tiene una confiabilidad inferior al 40% se dice que se trata de un elemento de muy baja
confiabilidad y requiere de actividades de mantenimiento que eleven dicho índice antes
de iniciar su implementación en el sistema.

22
 2.4 Confiabilidad basada en el análisis probabilístico del deterioro o física de la
falla (PHYSICS BASED RELIABILITY ANALYSIS)
El análisis tradicional de confiabilidad basado en el estudio estadístico del tiempo
para la falla ha sido ampliamente utilizado en la industria en general (aunque no siempre
de la mejor forma) para mejorar y traer los equipos y sistemas hasta los actuales niveles
de desempeño. Sin embargo, buscando la mejora continua de sus procesos, en las tres
últimas décadas algunas industrias han hecho grandes esfuerzos en la recolección de una
información diferente a la información histórica de fallas, a través de programas de
monitoreo de la condiciones o parámetros que reflejan el deterioro. El continuo
monitoreo del deterioro permite planificar y ejecutar acciones proactivas para evitar la
ocurrencia de la falla. Este enfoque se sustenta en el convencimiento de que una falla es
la última fase de un proceso de deterioro.
Para transformar la información recolectada sobre deterioro de un activo en
acciones que puedan efectivamente detenerlo e inclusive eliminarlo, se requiere conocer
sobre el o los fenómenos físicos que lo producen. En otras palabras, este enfoque se
concentra en predecir la ocurrencia de una falla a través del entendimiento de “cómo
ocurre la falla”: es decir, estudiando la “física de la falla”. La columna vertebral de este
método de estimación es el análisis Carga-Resistencia.

2.4.1 Análisis Carga – Resistencia

El análisis Carga - Resistencia tiene como premisa el hecho de que las fallas son el
resultado de una situación donde la carga aplicada produce un esfuerzo sobre el equipo
o componente que excede a su resistencia. En otras palabras, para que un equipo o
componente esté confiable debe cumplirse la condición
En el planteamiento y diseño en ingeniería se presentan situaciones en las cuales se
debe especificar el nivel de resistencia o aguante de un sistema o componente para un
esfuerzo dado. El evento de falla se define como la situación en que el esfuerzo es
mayor que la resistencia y el componente o sistema se daña o no puede cumplir
totalmente su función. Por lo tanto, en un sistema se debe cumplir que: Resistencia >
Carga. Algunos ejemplos de las relaciones Resistencia-Carga son:

23
En confiabilidad, se puede expresar gráficamente mediante el siguiente diagrama:

Según esto, el riesgo de falla es la distancia existente entre la carga y la resistencia.

En este tipo de análisis no se considera el efecto de protecciones o controles que puedan
evitar daños al componente o sistema porque:
1.- No existen protecciones ni controles
2.- La especificación de la resistencia es la segunda línea de defensa en caso de que
las protecciones o controles no operen o lo hagan de manera incorrecta.

Para el enfoque deterministico se expresa como:

Resistencia = Carga * k
Siendo la variable k la conocida como factor de diseño, factor de seguridad, etc. Sin
embargo este es un factor “ignorancia” con el cual se trata de cubrir la incertidumbre
que se tiene sobre los valores que puede tomar el esfuerzo

.
Por otro lado se halla el enfoque probabilístico:

24
 En esta figura se presentan los casos probabilísticos. Cuando solo una de las
variables involucradas es probabilí
probabilística,
stica, el cálculo del riesgo consiste en determinar la
probabilidad de que esta variable sea mayor o menor a un valor fijo dado, lo cual se
puede hacer analíticamente o mediante tablas de valores de probabilidad de la
distribución. Si ambas variables son aaleatorias,
leatorias, continuas e independientes entre sí:

2.4.1.1 Análisis Carga – Resistencia con simulación de Montecarlo

Un sistema Carga – Resistencia definido mediante cualquier tipo de distribución de
probabilidad, puede resolverse fácilmente mediante simul
simulación
ación de Montecarlo. Para ello
se pueden utilizar
lizar los siguientes algoritmos:

25
 Hay que tener en cuenta que si la Carga o la Resistencia son deterministicas no hay
que generar una muestra de datos.

2.5 Confiabilidad de sistemas.

2.5.1 Modelos para estim
estimación
ación de confiabilidad a nivel de sistemas
La confiabilidad de sistemas comprende la estimación de la probabilidad de que
ocurran fallas en diversos componentes o de varios pasos de un proceso a la vez. Para el
estudio de confiabilidad de un sistema se pu
pueden
eden utilizar diferentes técnicas y
herramientas, como lo son:

2.5.1.1 Diagramas de bloques de confiabilidad (DBC)

Un sistema se puede representar por medio de un diagrama de red, bloques o lógico
en el cual, cada componente se representa como un bloque iindependiente
ndependiente de los otros
componentes; la conexión entre componentes dependerá de la configuración operativa
del sistema. Este tipo de modelamiento se puede aplicar si el sistema es una estructura
monotonica, aquella es donde se cumple que:

Un Diagrama dee Bloques de Confiabilidad indica cuales combinaciones de fallas de

los componentes resultaran en la falla del sistema. Si un componente falla o esta
indisponible, se remueve del diagrama de red. Si se retiran suficientes bloques del
diagrama de red de tal forma que se interrumpe la conexión entre los puntos de entrada
y salida, el sistema ha fallado o queda indisponible.
Para modelar un sistema por medio de un DBC, se sigue el siguiente procedimiento:

26
 Los tipos básicos de conexión de los bloques de un DBC son:

Se debe tener en cuenta que el diagrama de bloques y el sistema real no tienen

necesariamente la misma topología. La topología del sistema indica como están
conectados entre sí los componentes en el sistema real mientras que la topología del
DBC representa la configuración operativa del sistema, es decir, los modos de falla.

2.5.1.2 Análisis de árboles de fallas (AAF)

Se trata de un método deductivo de análisis que parte de la previa selección de un
"suceso no deseado o evento que se pretende evitar", sea éste un accidente de gran
magnitud (explosión, fuga, derrame, etc.) o sea un suceso de menor importancia (fallo
de un sistema de cierre, etc.) para averiguar en ambos casos los orígenes de los mismos.

27
 Seguidamente, de manera sistemática y lógica se representan las combinaciones de
las situaciones que pueden dar lugar a la producción del "evento a evitar", conformando
niveles sucesivos de tal manera que cada suceso esté generado a partir de sucesos del
nivel inferior, siendo el nexo de unión entre niveles la existencia de "operadores o
puertas lógicas". El árbol se desarrolla en sus distintas ramas hasta alcanzar una serie de
"sucesos básicos", denominados así porque no precisan de otros anteriores a ellos para
ser explicados. También alguna rama puede terminar por alcanzar un "suceso no
desarrollado" en otros, sea por falta de información o por la poca utilidad de analizar las
causas que lo producen.
Los nudos de las diferentes puertas y los "sucesos básicos o no desarrollados" deben
estar claramente identificados.
Estos "sucesos básicos o no desarrollados" que se encuentran en la parte inferior de
las ramas del árbol se caracterizan por los siguientes aspectos:
● Son independientes entre ellos.
● Las probabilidades de que acontezcan pueden ser calculadas o estimadas.

28
2.5.1.2.1 Componentes de un árbol de falla – Descripción y simbología

2.5.1.2.2 Desarrollo de un árbol de falla

Prefijado el "evento que se pretende evitar" en el sistema a analizar, se procede
descendiendo escalón a escalón a través de los sucesos inmediatos o sucesos
intermedios hasta alcanzar los sucesos básicos o no desarrollados que generan las
situaciones que, concatenadas, contribuyen a la aparición del "suceso no deseado".
Si alguna de las causas inmediatas contribuye directamente por sí sola en la
aparición de un suceso anterior, se conecta con él mediante una puerta lógica del tipo
"O".
Si son necesarias simultáneamente todas las causas inmediatas para que ocurra un
suceso, entonces éstas se conectan con él mediante una puerta lógica del tipo "Y".
Procediendo sucesivamente de esta forma, se sigue descendiendo de modo
progresivo en el árbol hasta llegar a un momento en que, en la parte inferior de las

29
distintas ramas de desarrollo, nos encontramos con sucesos básicos o no desarrollados.
Habremos entonces completado la confección del árbol de fallos y errores.

2.5.1.2.3 Ejemplo: Construcción de un Árbol de Fallas

2.5.1.3 Desarrollo del diagrama de análisis de modo y efecto de falla (AMEF)

Para comenzar, es necesario describir el producto, el sistema y sus funciones, ya
que un bien entendimiento del mismo simplifica su análisis. De esta forma, el equipo
encargado del estudio puede comprobar que usos del producto son adecuados y cuáles
no. Seguidamente se debe crear un Diagrama de Bloques del Producto. Este ofrece una
visión general de los principales componentes y funciones, y como estos están

30
relacionados entre sí. Esto recibe el nombre de relaciones lógicas alrededor de las cuales
puede desarrollarse un AMEF.
Posteriormente se elabora la Matriz AMEF y así responder a las siguientes
preguntas que se realizan sobre el producto que se desea mejor o diseñar:
¿Cuál es el componente o pieza que creemos que puede falla?
¿Cuál es la función que vamos a analizar?: Establezca las funciones prioritarias a
analizar.
 Modos de fallo: es la forma en la que se produce el fallo. Suele responder a la
pregunta: ¿Cómo se produjo el fallo? Modos de fallo típicos: Rotura, deformación,
fuga, cortocircuito, etc.
 Causas potenciales de fallo: son todas las causas asignables a cada modo de fallo.
Ejemplos: Material incorrecto, manipulación inadecuada, componentes deficientes,
programas deficientes, funciones no incluidas en el diseña, etc.
 Modos de fallos potenciales: Es cada modo de fallo posible, sin ser necesario que
el fallo haya podido ocurrir realmente. Suele responder a preguntas como:
¿En qué forma se concibe que pudiera fallar el componente, producto o proceso?
¿Cómo podría el componente dejar de cumplir las especificaciones y sus funciones?
Modos de fallo potenciales pueden ser: Rotura, torcedura, mala instalación, omisión
u otros.

Pasos para desarrollar el AMEF:

 Determine el producto o proceso a analizar
 Liste los pasos del proceso o las partes del sistema a analizar
 Describa la función del paso o el componente
 Determinar los posibles modos de falla de cada componente
 Listar los efectos de cada potencial modo de falla
 Asignar el grado de severidad de cada efecto. Para estimar el grado de severidad se
debe tomar en cuenta el efecto de la falla en el cliente. Se utiliza una escala del 1 al
10, el 1 siendo una consecuencia sin efecto y el 10 una consecuencia grave.
 Asignar el grado de ocurrencia de cada modo de falla Ocurrencia a la probabilidad de
que la falla ocurra.
 Describa si hay controles actuales de prevención.
 Describa si hay controles actuales de detección.
 Asignar el grado de detección de cada modo de falla de detección, que es la
probabilidad de que la falla sea detectada antes de que llegue al cliente.
31
 Calcular el NPR (Numero Prioritario de Riesgo) de cada efecto.
 Priorizar los modos de falla con el NPR de mayor a menor
 Tomar acciones para eliminar o reducir el riesgo del modo de falla, en este paso debe
establecerse un plan de acción para mitigar el riesgo. A estas acciones se les llama
acciones recomendadas. Una vez ejecutadas las acciones recomendadas se calcula el
nuevo NPR para determinar si aun hay riesgos.
 Después de ejecutar el plan de trabajo se calcula el nuevo NPR y se verifica si aun
hay riesgos con NPR alto.

Para calcular la variable que establece la jerarquización de los problemas a través

de la multiplicación del grado de ocurrencia, severidad y detección, este provee la
prioridad con la que debe de atacarse cada modo de falla.

NPR = Severidad*Ocurrencia*Detección

Severidad (S): Determina la severidad del fallo y sus efectos, también llamada
“Gravedad”.
Ocurrencia (O): Determina la Frecuencia u Ocurrencia del fallo y sus efectos.
Detección (D): Determinar los criterios y pruebas para la detección de fallos y sus
efectos.
Criticidad: Es la criticidad de los modos de fallos y sus efectos

Rangos de NPR:

1000 – 500 Alto riesgo de falla

499 – 125 Riesgo de falla medio
124 – 1 Riesgo de falla bajo
0 No existe riesgo de falla

2.5.1.3.1 Clasificación de la falla de acuerdo a su efecto

De acuerdo a la severidad se clasifican de la siguiente manera:

32
Para la ocurrencia, se puede apreciar su clasificación en la siguiente tabla:

Y por último, la detección se clasifica de la siguiente manera:

33
 2.5.1.3.2 Diagrama AMEF – Ejemplo

AMEF a sistema de frenos de automóvil

Elemento / Función Modos de fallo Efecto S O D NPR = S*O*D Acciones recomendadas
Obstrucción 7 3 4 84
Líneas de liquido de frenos Perdida de frenos Revisar estado de las líneas cada 6 meses
Ruptura 7 2 4 56
Ruido (Disminución en el frenado si se
Pastillas de freno Desgaste 4 6 1 24 Inspeccionar estado de las pastillas mensualmente
desgasta demasiado)
Ruptura Perdida de fluidos 5 2 1 10
Cilindros de freno Verificar estado de los cilindros cada 4 meses
Fuga 5 4 1 20
Perdida de fluidos
Mordaza Desajuste 5 1 1 5 Inspeccionar cada 4 meses
Fuga 6 4 1 24
Mala distribución de fluidos
Bomba de freno (Hacia el hidrobag en lugar de Perdida de frenos parcial o total 6 2 2 24 Cambiar kit de fugas anualmente
hacia la línea de freno)
Desgaste 6 5 4 120
Hidro-bag Fuga Endurecimiento del pedal 2 2 3 12 Verificar que no posea fugas
Bajo nivel 2 5 1 10
Liquido de frenos Variaciones en la tensión del pedal Verificar nivel de fluidos del sistema
Perdida de propiedades 2 2 1 4

34
2.5.1.3.3 Diagrama AMECF ó FMECA, Ejemplo.

35
2.5.2 Análisis de causa común de falla
Es un método para la resolución de problemas que intenta evitar la recurrencia de un
problema o defecto a través de identificar sus causas. Existen varias medidas efectivas
(métodos) que abordan las causas raíz de un problema, Por lo tanto es un proceso
reiterativo y una herramienta para la mejora continua.
Esta metodología es usada normalmente en forma reactiva para identificar la causa
de un evento, para revelar problemas y resolverlos. El análisis se realiza después de
ocurrido el evento. Con un buen entendimiento permite que la metodología sea
preventiva y pronosticar eventos probables antes de que sucedan.

2.5.3 Análisis de importancia de componentes:

El AIP es un método algebraico-estadístico que trata de sintetizar y dar una
estructura a la información contenida en una matriz de datos. El procedimiento consiste
en homologar dicha matriz a un espacio vectorial tratando de encontrar en él unos ejes o
dimensiones que, siendo combinación lineal de las variables introducidas, no pierdan la
información inicial al conservar la varianza total, no tengan correlación entre ellos, esto
es, sean linealmente independientes, que asegura la estructuración de las variables
iníciales y, además, tengan una importancia diferencial y conocida en la explicación de
la varianza total.
Realizadas estas exigencias, el objetivo básico consiste en reducir el número de
variables introducidas. Para ello se toman como nuevas variables los ejes o
componentes hallados, eligiendo un número y peso de los mismos suficiente para que la
pérdida de varianza total sea solo la conveniente, llenando así las finalidades del
método. Esto es, simplificar, reducir y estructurar la información inicial.

2.5.4 Metodología y ejemplo de análisis de confiabilidad a nivel de sistema:

Tomemos como ejemplo el de de tostación de cobre de una importante compañía
minera de cobre. El complejo de Tostación, es la planta con la confiabilidad más baja
dentro de la Compañía minera, correspondiendo a un 85%. Los equipos más
importantes son:

36
 .
Y la empresa cuenta con los siguientes parámetros de funcionamiento:

De los resultados obtenidos se puede destacar lo siguiente:

- Para el enfriador 1 y la rastra 3, la densidad de fallas tiene una forma decreciente, dado
el factor β < 1 (β = 0,67; β=0,54). Por tanto, se puede deducir que ambos equipos están
en una etapa de fallas prematuras.
- Para el tornillo 14, enfriador 2, transporte neumático y tornillo 13, el factor β > 1,
indica que las tasas de falla son crecientes. Por tanto, se puede deducir que estos
equipos están en una etapa de fallas por vejez.
- El enfriador 1 es el equipo con mayor número de horas de detención, por tanto con
menor disponibilidad y mayor criticidad. El tiempo medio entre fallas es de 250,2 horas,
con un 30% de probabilidad. El factor η = 189,9, implica que sobre este número de
horas se concentra el 63,2% de las fallas. La probabilidad de falla de un 50% está en las
110 horas, esto se denota por el valor de B50. Las curvas de densidad de falla y
probabilidad para el enfriador 1, se muestran en la tabla siguiente:

37
 .
Se procede a realizar un estudio AMEF:

38
 AMEF
NPR =
Elemento / Función Modos de fallo Efecto S O D Acciones recomendadas
S*O*D
Alta temperatura de salida agua de enfriamiento (mayor a 60 °C)
Recalentamiento 6 6 2 72
Enfriador 1 Perdida de agua de refrigeración Inspeccionar semanalmente y reemplazarlo cada tres me
Fuga de calcina hacia el exterior Perdidas en la producción 6 7 1 42
Alta temperatura de salida agua de enfriamiento (mayor a 60 °C)
Recalentamiento 6 6 2 72
Enfriador 2 Perdida de agua de refrigeración Inspeccionar semanalmente y reemplazarlo cada tres me
Fuga de calcina hacia el exterior Perdidas en la producción 6 7 1 42
Desgaste Perdida en la producción
Tornillo 13 2 7 2 28 Verificar estado cada dos semanas
Fuga de agua Perdida de fluidos
Desgaste Perdida en la producción
Tornillo 14 2 3 2 12 Verificar estado cada dos semanas
Fuga de agua Perdida de fluidos

5 2 1 10
Transporte neumático Fuga Transporte ineficiente Cambiar kit de fugas cada dos meses
6 5 4 120
Fuga de calcina hacia el exterior
Rastra 3 Perdida en la producción 5 4 3 60 Inspeccionar estado diariamente
Desgaste

39
Una vez implementadas las acciones recomendadas durante el AMEF, se realiza de
nuevo el estudio de parámetros de Welbull, con lo que se comprueba que ha aumentado
el índice de confiabilidad en el sistema. En la siguiente imagen se puede observar la
densidad de la falla del enfriador N° 1:

40
 Conclusión
La ingeniería de confiabilidad dicta los lineamientos a seguir para el aseguramiento
de la calidad y el periodo de funcionamiento que puede emprender un componente o
sistema, así como los parámetros bajo los cuales hay que regirse para determinar la
confianza proveniente de los equipos. Para ello el ingeniero encargado de esta labor
debe, una vez calculada la confiabilidad, planificar, administrar, dirigir, ejecutar y
supervisar cada una de las actividades requeridas por los equipos.

La confiabilidad guarda una cercana relación con el riesgo y es por ello que al
aumentar la confiabilidad disminuye el mismo. Existen diversas variables útiles para
esto, pero se ha de calcular en base al equipo estudiado, ya que ellas cambian de
acuerdo a si el activo estudiado es reparable o no. Para ello se emplean, en el caso de los
activos no reparables, estudios parametricos o no parametricos de acuerdo a la base de
datos con la que se cuente, y estudios de estimación para los activos reparables, como
los POR, PNHP y el PGR que evalúan el posible estado de funcionamiento de los
equipos una vez se han reparado.

Para lograr esto existe un gran número de herramientas, técnicas y ecuaciones para
calcular el grado de confiabilidad de los equipos, así como metodologías empleadas
para el análisis de confiabilidad a nivel de sistema. Entre ellas está el Análisis de Modo
y Efecto de la Falla, el Análisis de Modo, Causa y Efecto de la Falla, el Análisis de
Árbol de Fallas y el Análisis de Causa Común de Falla.

41
 Bibliografías
Análisis probabilístico y simulación - Carlos J. Zapata – 2010 Colombia
Confiabilidad en Ingeniería - Carlos J. Zapata – 2010 Colombia

42
 Cybergrafias
https://es.wikipedia.org/w/index.php?title=Riesgo&oldid=126068998
https://laedu.digital/2020/03/08/analisis-de-arbol-de-fallas-que-es-y-como-se-utiliza
asq.org/quality-progress/2002/03/problem-solving/que-es-un-analisis-arbol-de-
falla.html
https://www.redalyc.org/pdf/816/81640855008.pdf
https://cecma.com.ar/wp-content/uploads/2019/04/modulo-iv-ingenieria-de-
mantenimiento-a.-de-Fallas.pdf
https://repository.unilibre.edu.co/bitstream/handle/10901/7838/Doc?sequence=1
https://es.wikipedia.org/api/rest_v1/page/pdf/An%C3%A1lisis_del_%C3%A1rbol_de_f
allas
https://www.insst.es/documents/94886/326827/ntp_333.pdf/10fae1d9-91bb-4a75-bb92-
81bd0ad9dcf3
https://bibdigital.epn.edu.ec/bitstream/15000/8281/4/T593.pdf
https://www.inti.gob.ar/publicaciones/descargac/197
https://zaguan.unizar.es/record/5506/files/TAZ-PFC-2010-439_ANE.pdf
https://www.aec.es/c/document_library/get_file?uuid=b82085b0-d138-44d6-ba88-
d4de18305f7e&groupId=10128
https://nanopdf.com/downloadFile/http-aprendizajevirtualpemexcom-nuevo-guiaspdf-
guiascoingenieriaconfiabilidadpdf_pdf
https://danmelysperozo.files.wordpress.com/2014/01/lectura_4_-
_pronosticos_en_activos_reparables.pdf
https://www.researchgate.net/profile/Sergio_Dominguez_Lara/publication/298439148_
Estimacion_parametrica_de_la_confiabilidad_y_diferencias_confiables/links/56e98969
08ae95bddc29ec10/Estimacion-parametrica-de-la-confiabilidad-y-diferencias-
confiables.pdf?origin=publication_detail
https://es.wikipedia.org/api/rest_v1/page/pdf/Fiabilidad_de_sistemas
http://www.mantenimientomundial.com/notas/CONFIABILIDAD-MM.pdf
https://carec.com.pe/biblioteca/biblio/4/81/Lectura.%20Confiabilidad%20de%20Equipo
s.pdf
https://es.wikipedia.org/api/rest_v1/page/pdf/Curva_de_la_ba%C3%B1era
http://www.industrialtijuana.com/pdf/B-4.pdf
https://www.monografias.com/trabajos82/elementos-basicos-mantenimiento/elementos-
basicos-mantenimiento.zip

43