República Bolivariana de Venezuela

Ministerio del Poder Popular para la Educación Universitaria

UNE Rafael María Baralt
Programa: Ingeniería y Tecnología
Proyecto: Ingeniería de Gas
Control Estadístico de Procesos

Teoría de probabilidades aplicada a

los procesos industriales

Realizado por:
Gianella Estrella
28145462

San Francisco, Diciembre del 2020

 Teoría de probabilidades aplicada a los procesos industriales

1. Sucesos mutuamente excluyentes

En probabilidad, cuando dos eventos son mutuamente excluyentes, la probabilidad

de que ambos ocurran juntos es cero.

Ejemplos de eventos mutuamente excluyentes en probabilidad incluyen:

Lanzar una moneda y:

 Obtener cara
 Obtener sello

Sacar una carta de un mazo y:

 Sacar un as
 Sacar un 7
 Sacar una reina
 etc.

Sacar una canica de color de una bolsa y:

 Sacar una canica roja

 Sacar una canica azul
 Sacar una canica verde
 etc.

Lo que esto significa matemáticamente es doble. 

Entonces, A ∩ B = ∅. Por lo tanto, los eventos mutuamente excluyentes tienen la

propiedad que: P(A ∩ B) = 0.

2. Participación de un espacio de probabilidad

En la teoría de probabilidades, el espacio muestral o espacio de muestreo
(denotado E, S, Ω o U) consiste en el conjunto de todos los posibles resultados
individuales de un experimento aleatorio.

Por ejemplo, si el experimento consiste en lanzar dos monedas, el espacio de

muestreo es el conjunto {(cara, cara), (cara, cruz), (cruz, cara) y (cruz, cruz)}. Un
evento o suceso es cualquier subconjunto del espacio muestral, llamándose a los
sucesos que contengan un único elemento sucesos elementales. En el ejemplo, el
suceso "sacar cara en el primer lanzamiento", o {(cara, cara), (cara, cruz)}, estaría
formado por los sucesos elementales {(cara, cara)} y {(cara, cruz)}.

Para algunos tipos de experimento puede haber dos o más espacios de muestreo
posibles. Por ejemplo, cuando se toma una carta de un mazo normal de 52 cartas,
una posibilidad del espacio de muestreo podría ser el número (del as al rey),
mientras que otra posibilidad sería el palo (diamantes, tréboles, corazones y
picas). Una descripción completa de los resultados, sin embargo, especificaría
ambos valores, número y palo, y se podría construir un espacio de muestreo que
describiese cada carta individual como el producto cartesiano de los dos espacios
de muestreo descritos.

Los espacios de muestreo aparecen de forma natural en una aproximación

elemental a la probabilidad, pero son también importantes en espacios de
probabilidad. Un espacio de probabilidad (Ω, F, P) incorpora un espacio de
muestreo de resultados, Ω, pero define un conjunto de sucesos de interés, la σ-
álgebra F, por la cual se define la medida de probabilidad P.

3. Teoremas de la teoría de probabilidades

El teorema de la probabilidad total nos permite calcular la probabilidad de un

suceso a partir de probabilidades condicionadas:

Ejemplo: supongamos que si llueve la probabilidad de que ocurra un accidentes es

x% y si hace buen tiempo dicha probabilidad es y%. Este teorema nos permite
deducir cuál es la probabilidad de que ocurra un accidente si conocemos la
probabilidad de que llueva y la probabilidad de que haga buen tiempo.

La fórmula para calcular esta probabilidad es:

 Es decir, la probabilidad de que ocurra el suceso B (en nuestro ejemplo, que
ocurra un accidente) es igual a la suma de multiplicar cada una de las
probabilidades condicionadas de este suceso con los diferentes sucesos A
(probabilidad de un accidente cuando llueve y cuando hace buen tiempo) por la
probabilidad de cada suceso A.

 Para que este teorema se pueda aplicar hace falta cumplir un requisito:

 Los sucesos A tienen que formar un sistema completo, es decir, que contemplen
todas las posibilidades (la suma de sus probabilidades debe ser el 100%).

4. Disponibilidad e indisponibilidad de un sistema en serie y /o paralelo.

La disponibilidad es un término probabilístico exclusivo de los “equipos reparables”

que se define como la probabilidad de que el equipo esté operando (es decir que
no esté en reparación) a un tiempo “t”. Para estimar la disponibilidad se requiere
estimar la “tasa de falla λ (t)” y la “tasa de reparación µ (t)”; es decir, se requiere
analizar

estadísticamente los tiempos para la falla, y los tiempos en reparación. Para un

periodo de tiempo “t”.
La indisponibilidad 𝐼𝐷
(t) en el tiempo t de un elemento reparable es la probabilidad de que el artículo no
está en estado de funcionamiento en el tiempo 𝑡. Si expresa matemáticamente con
la siguiente ecuación:

𝐼𝐷 (𝑡) = 1 – 𝐷 (𝑡) = Pr (𝑋(𝑡) = 0)

La indisponibilidad es la causa directa de las consecuencias operacionales. La

disponibilidad límite está dada por:

𝐼𝐷 = 1 − 𝐷 = 1 −𝜇/𝜆 + 𝜇=𝜆/𝜆 + 𝜇

Para el presente estudio, se considera que un componente o etapa se encuentra

configurado en serie cuando su indisponibilidad, produce la indisponibilidad de
todo el sistema.

Para evitar errores en la construcción del diagrama de bloques; no se debe utilizar

la configuración física de los componentes del sistema, sino más bien, se debe
evaluar cada una de las etapas en función del impacto que tendría su
indisponibilidades, en la disponibilidad de todo el sistema.

Se puede utilizar como ejemplo, un proceso de fabricación de cuchillos en donde

físicamente las etapas de empuñaduras y hojas se encuentran configuradas en
paralelo ya que en estas etapas se procesan dos materias primas diferentes; pero
se requieren de manera indispensable de las dos para la etapa de remachado.
De manera que si llegaran a fallar las etapas de empuñaduras o de hojas, todo el
sistema se interrumpiría, manteniéndose en estado de indisponibilidad hasta que
éstas funcionen aceptablemente.

Como se puede notar; si falla la etapa de empuñaduras, falla todo el sistema; si

falla la etapa de hojas, también falla todo el sistema y si falla la etapa de
remachado, de igual forma falla todo el sistema. Por lo tanto las etapas de
empuñaduras, hojas y remachado se encuentran en serie; aunque físicamente las
etapas de empuñaduras y hojas aparenten estar en paralelo.

5. Efectividad de un sistema en serie y /o paralelo

Este concepto se relaciona con la probabilidad de que un sistema opere a plena

capacidad, durante un período de tiempo dado.
Si se estudia un sistema sencillo formado por dos equipos, que se puede
encontrar en diferentes estados de operación, se pueden definir cuatro situaciones
para medir la efectividad del sistema.

La efectividad del sistema se define por la probabilidad de que el sistema esté en

el estado 1.

Efectividad = P (Sistema en estado 1) = Ps(1) * Ps(2), son eventos

independientes.

Los parámetros más relevantes que permiten definir la efectividad de sistemas

son:

1. Número de estados

2. Probabilidad de estados 2n, (si hay 2 equipos 22 = 4, si hay 3 eq. 23 = 8).

3. Contribución a la producción

4. Aporte a la efectividad

5. Efectividad del sistema

6. Calculo de la efectividad por métodos analíticos y empíricos o lógicos

La efectividad de un sistema se puede calcular:

 Empíricamente: Ensayos
 Analíticamente: Desarrollo binomial
 Simulación de sistemas Monte Carlo.

Para aplicar el método de simulación de sistemas Monte Carlo, se obtiene

información relativa a la variable por estudiar, por ejemplo, fallas, que como se
recordará ocurren al azar.
Esta información se tabula como una función de distribución de probabilidad
acumulada; F(X) = P que la expresa como una función de X.

La variable x puede asumir cualquiera de los valores existentes dentro de su rango

de variación y en una situación real, cualquiera de ellos tendría igual probabilidad
de ser seleccionado; aunque el conjunto de valores seleccionados en una serie de
ensayos suficientemente amplio (más de 30), debe reproducir la distribución
acumulada de probabilidad. Como la serie de números al azar corresponde a un
conjunto en que cada número tiene igual probabilidad de ser elegido, parece
adecuado generar valores al azar de x, simulando su ocurrencia mediante su
probabilidad al azar (o lo que es lo mismo emplear los números aleatorios), en
correlación con la distribución de probabilidad F(x).

La aplicación de simulación al análisis de componentes críticos en un sistema

complejo, en el cual se desea reproducir lo que ocurre en la realidad, se puede
realizar mediante la técnica de árboles de falla.

Cuando el sistema es complejo, es decir hay componentes en serie y en paralelo y

no es posible resolverlo mediante funciones matemáticas conocidas, se puede
recurrir a métodos de simulación por Monte Carlo asistida por computador.

Realizando algunos cálculos adicionales, se obtiene la desviación estándar de

esta función. A su vez, se puede calcular la probabilidad de falla por componente
en forma similar.

7. Capacidad instalada y capacidad real

La capacidad instalada es un valor dinámico que cambia con las mejoras en la

tecnología, la eficiencia laboral, la organización de la producción y del trabajo.

Se define como la salida máxima que una organización puede producir con los
recursos disponibles en un período determinado. La capacidad instalada se puede
calcular en base a un solo tipo de producto o una mezcla de productos.
Se mide generalmente en unidades de producción. Por ejemplo, 50.000 comidas
por día o 1.000 automóviles por mes.

Esta capacidad podría tener cambios. Por ejemplo, si a una máquina se le está
haciendo mantenimiento, se reduce la capacidad instalada durante el tiempo que
la máquina se encuentra detenida por esta razón.

También está enlazada con la planificación de la mano de obra. Por ejemplo, se

puede incrementar la capacidad instalada si se trabajan más turnos de producción.

Para evaluar la capacidad de procesos no centrados, se utilizan dos índices

complementarios: Cpi y Cps. Estos evalúan al proceso contra cada uno de sus
límites, es decir, Cpi mide la capacidad del proceso de cumplir con la
especificación inferior mientras que Cps lo hace con la especificación superior.

En términos prácticos, podemos interpretar los índices a partir de su cálculo:

Sin embargo, para expresar la capacidad global del proceso, consideramos el

caso menos favorable: aquel en el cual la media se encuentra más cerca del límite
de especificación. Es decir: el menor valor entre Cpi y Cps. A este valor lo
denominamos Cpk:
A fin de apoyar la interpretación del mismo, podemos identificar algunas
consideraciones:

 Cp es siempre positivo

 Si el proceso está centrado Cpk = Cp

 Cpk puede ser positivo, cero o negativo

 Si Cpk es cero, el 50% del producto está fuera de especificación

 Si Cpk es negativo, más del 50% del producto está fuera de especificación

8. Tiempo promedio entre fallas

En el análisis de fiabilidad, el MTBF es el tiempo promedio entre fallas para un

sistema reparable con una tasa constante de fallas. Mientras más alto sea el
MTBF, más confiable será el producto.

En Minitab, el MTBF tiene estos usos:

 Como una estimación de parámetros para una curva de crecimiento. Por

ejemplo, el MTBF para un tipo de motor es de 297.7 horas. Este estadístico
significa que, en promedio, las fallas del motor ocurren aproximadamente
cada 298 horas.
 Para comparar sistemas reparables múltiples. Por ejemplo, ¿tienen el
mismo MTBF los motores fabricados en la planta 1 y los fabricados en la
planta 2?

9. Componentes o equipos que fallan exponencialmente por desgaste

La curva de la bañera es una gráfica que representa los fallos durante el período
de vida útil de un sistema o máquina. Se llama así porque tiene la forma de una
bañera cortada a lo largo.
En ella se pueden apreciar tres etapas:
 Fallos iniciales: 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.
 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.
Tener en cuenta la curva de bañera y aplicando los debidos trabajos de
mantenimiento puede ayudarnos mucho a:
1) Que la etapa de fallos iniciales sea menor
2) Que la vida útil sea más larga de lo previsto
3) Que la fase final de fallos por desgaste se retrase o incluso presente una
progresión menos acusada.

Como por ejemplo: Embalses, generalmente se considera una vida útil, para
efecto de cálculos económicos, de 20 a 25 años. Sin embargo, continuará
prestando servicios por un tiempo mucho mayor. La vida útil de una represa puede
verse afectada por un aumento del transporte sólido del río, lo que provocará un
incremento del material sólido retenido en el vaso, reduciendo su capacidad de
regularización de los caudales.

10. Sistema complejos

Los métodos de la física estadística proporcionan una herramienta muy útil a la

descripción de fenómenos que, tradicionalmente, no han formado parte de los
objetivos de interés de los físicos. Muchos sistemas reales admiten ser
representados, en forma abstracta, como conjuntos de unidades dinámicas
interactuantes, capaces de dar lugar -como consecuencia de las interacciones- a
formas de comportamiento colectivo cualitativamente diferente de la dinámica
individual. Este tipo de comportamiento define a los llamados sistemas complejos.

La física estadística de sistemas fuera de equilibrio, precisamente, posee y sigue

desarrollando técnicas que se adaptan eficientemente a ese esquema abstracto.
Su exitosa aplicación a la descripción de procesos de la más diversa naturaleza ha
puesto de manifiesto su potencialidad en el estudio interdisciplinario de sistemas
complejos.

Tales técnicas han sido aplicadas a una amplia clase de objetos de interés que
comprende, por ejemplo, las reacciones químicas fuera de equilibrio (relojes
químicos, reacciones autocatalíticas), los materiales desordenados (vidrios,
medios granulares), las poblaciones biológicas (sistemas celulares y ecosistemas),
la evolución y adaptación de las especies (micro y macroevolución), los sistemas
neuronales (control de procesos y mecanismos cognitivos), y los sistemas
socioeconómicos.