Módulo: Métodos Numéricos

Profesor: Álvaro Salinas G.

Laboratorio 4
Ajuste de Curvas: Aproximación Lineal y No Lineal

Genere una función que efectúe un ajuste lineal para una colección de datos cuaquiera (X,Y).
Evalúe sus función para la siguiente colección de datos:

X Y
0.3 2
0.65 8
0.8 22
1 26
1.5 35
1.75 50

A continuación vamos a estudiar un caso aplicado al mantenimiento de un camión de carga usado en minería.

La siguiente tabla muestra el historial de fallas de un camión minero. En la tabla se indica la cantidad horas
que el equipo había estado funcionando hasta que una determinada falla ocurrió. Se debe entender como hora 0 al
momento en el que el camión minero comenzó a operar desde una condición de nuevo. Se asume que el equipo
opera de forma continua y sólo sufre detenciones por reparaciones. Los tiempos de detención no son contabilizados
en la tabla. También se asume que luego de cada reparación el equipo queda como nuevo.

horas funcionando
2400
5360
7640
10400
11400
12880
15720
19000
23240
25040
27360
28800

Mediante una función, obtenga un vector que, a partir de un historial de falla, entregue el tiempo entre fallas
y luego ordénelo de forma creciente. Considere la siguiente instrucción:

−− > gsort(vector,’g’,í’)

1
 Para un tiempo entre fallas ti determine el número de veces que el camión falló a un tiempo menor o igual a
ti . Este valor debe entenderse como el número de fallas acumuladas para un tiempo de servicio continuo ti .

De forma empírica podemos asociar la probabilidad de falla P para un tiempo de servicio continuo ti :

i − 0, 3
P(ti ) =
N + 0, 4

donde i es el número de fallas acumuladas en un tiempo ti y N es la cantidad de datos (registro total de

fallas) con la que estamos trabajando. La probabilidad de falla P(ti ) tiene valores entre 0 y 1. Obtenga la
probabilidad de falla empírica P(ti ) asociada a cada tiempo de servicio continuo ti .

Nuestro objetivo ahora es obtener un modelo para la probabilidad de falla con base al historial de falla
y aplicarlo en el plan de mantenimiento como veremos pronto. Uno de los modelos más empleados en
mantenimiento predictivo es el ajuste de Weibull:
h  α i
− βt
P(t) = 1 − e

donde t es el tiempo (expresado en este caso en horas), α y β parámetros de ajuste para el modelo de Weibull,
y P(t) la probabilidad de que el objeto en estudio falle en un tiempo menor o igual a t.

• Plantee el modelo anterior en una forma lineal realizando cambios de variables apropiados.
• Con base en los desarrollos anteriores, proponga una función que a partir de datos asociados a un
historial de falla, entregue como resultado los parámetros del modelo probabilístico Weibull. Evalúe su
función con el historial de falla entregado anteriormente.
• Las detenciones por falla afectan considerablemente la disponibilidad del equipo. Para evitarlas, debe-
mos realizar inspecciones periódicamente con el fin de detectar irregularidades antes de que estas se
transformen en falla catastrófica. Si bien las detenciones por inspección también afectan la disponibil-
idad, estas son de mucho menor tiempo respecto de las detenciones asociadas a reparaciones por falla.
Los costos de inspección (mantenimiento predictivo) también suelen ser mucho menores que los costos
relacionados con reparaciones (mantenimiento correctivo). Por estas razones, comprenderá la importan-
cia del mantenimiento en la industria minera y la determinación de frecuencias óptimas de inspección
que maximicen la disponibilidad de equipos. Usando el resultado de su modelo probabilístico para la
ocurrencia de falla, determine un tiempo entre inspecciones, en horas, tal que el equipo no falle con una
confiabilidad de un 95 %, es decir, un tiempo tal que la probabilidad de falla sólo sea de un 5 % (o de
0,05).
• Suponga que ahora dispone de información adicional: el equipo ha fallado luego de las 30000, 33000 y
35000. Indique como esta información influye en los parámetros del modelo probabilístico de Weibull
y obtenga un nuevo tiempo óptimo de inspección.

A evaluar. En un pequeño informe elaborado en pareja, reporte los valores solicitados: parámetros de Weibull
y tiempos óptimos de inspección. Adjunte tambiíen en un sólo script todo su desarrollo.

2
 Formulario

Ajuste Lineal.
Método de los mínimos cuadrados.

Y = a1 X + a0

i=N i=N i=N

a1 ∑ Xi2 + a0 ∑ Xi = ∑ Yi · Xi
i=1 i=1 i=1
i=N i=N
a1 ∑ Xi + a0 N = ∑ Yi
i=1 i=1

∑i=N 2
∑i=N i=N
    
i=1 Xi i=1 Xi a1 ∑i=1 Yi · Xi
i=N = i=N
∑i=1 iX N a0 ∑i=1 Yi