Documentos de Académico
Documentos de Profesional
Documentos de Cultura
IG-102
Ingeniería de Confiabilidad
Análisis Cuantitativo
Ivan Dario Gomez
Ingeniero Mecánico
Especialista en Gerencia de Mantenimiento
Magister en Ingeniería de Confiabilidad
Certificado REMC – Reliability Engineering Maintenace Certified
Certificado CMRP
ALGUNOS DE NUESTROS CLIENTES EN
SURAMÉRICA Y COLOMBIA
Ingeniería de
Confiabilidad
Análisis Integrado de
Confiabilidad, Disponibilidad y
Mantenibilidad, Optimización de
costos de sistemas reparables
Entrenamiento IG-IC 102
IG-IC 102 IG-IC 201 / 202 IG-IC 301 IG-IC 104
MARKOV RBD
ANÁLISIS
DATOS DE FRACAS
VIDA CONFIABILIDAD
FACTORES MANTENIBI-
HUMANOS LIDAD
ARBOL DE OPSIM
FALLAS
PREDICCIÓN DE LA
CONFIABILIDAD RCM
6
CONTENIDO
• INTRODUCCIÓN Y PRESENTACIÓN
• CONCEPTOS BÁSICOS DE MANTENIMIENTO
• FUNDAMENTOS DE CONFIABILIDAD
• ESTADISTICA BÁSICA Y DISTRIBUCIONES
• CÁLCULOS DE CONFIABILIDAD
• CÁLCULOS DE DISPONIBILIDAD
• CÁLCULOS DE MANTENIBILIDAD
• INTERVALOS DE CONFIANZA
• EJEMPLOS Y ESTUDIOS DE CASO
INGENIERÍA DE
CONFIABILIDAD
Ingeniería de Confiabilidad es una metodología aplicada para conocer el
desempeño de vida de productos, equipamientos, plantas o procesos; para
asegurar que estos ejecuten su función, sin fallar, por un período de tiempo
en una condición específica. Para desarrollar esta metodología se usa
modelamiento estadístico para determinar: MTTR, MTBF, MDT, que
combinado con análisis de fallas y costos; se logra:
• Control de Presupuesto
• Planes de Contingencia para Mantenimientos Correctivos
• Planeación y programación de Mantenimiento Preventivo y Predictivo
• Plan estratégico de tipo Proactivo
• Confiabilidad de Proveedores
• Confiabilidad de planta y equipos
Confiabilidad, Su
Estrategia
Ingeniería de la Confiabilidad
Una Definición General
Desgaste
E. Infantil
• # Intervenciones / Máquina
• # Correctivos / mes
• # Preventivos / mes
• Hrs. / Hom-Máq..
• $ / Interv.-Correctivos
• ……
CDM / RAM
Confiabilidad / Reliability
Disponibilidad / Availability
Mantenibilidad / Maintenance
Mantenibilidad
• Indica el grado en el que un activo o recurso sea
fácilmente reparado según: El Tiempo Invertido,
Consecución de Talento Humano hr/hom.,
Facilidad de Repuestos.
M (t) = 97%.....
TO + TFC / TMEF
Disponibilidad
• Indica el grado o tiempo en el que un activo o
recurso se encuentra fuera de servicio, por estar
en mantenimiento: Se cuantifica según el
tiempo de inspección, diagnóstico y reparación,
hasta el tiempo de entrega a operaciones
A (t) = 95%.....
TO / TMEF
Confiabilidad
• Es la posibilidad de que un activo o recurso;
cumpla una función determinada por un tiempo
determinado. Se cuantifica según el
modelamiento de sus históricos de fallas; con el
fin de predecir las posibles fallas.
R (t) = 85%.....
15% de las fallas se puede presentar durante el
tiempo “t”
Tasa de Fallas
22
Fundamentos de
Confiabilidad
Cuantitativa
Información Requerida
• Confiabilidad R(t)
• Mantenibilidad M(t)
• Disponibilidad A(t)
• Límites de Confianza LC
• Criticidad Ci
Fuentes de Información
• Tiempo Entre Fallas TEF
• Tiempo Operacional TO
• Tiempo Fuera de Servicio TFS
• Tiempo Por Reparación TPR
• Tiempo Fuera de Control TFC
• Técnico Asignado
• Repuestos
• Modo de Falla
• Causa de Falla
Procesamiento de Datos
• Los Modelos más utilizados en IC, son los Modelos Probabilísticos (basados
en distribuciones estadísticas), estos son:
•Normal
•Exponencial
•Weibull
•LogNormal
•Gamma
TASA DE FALLA
28
• Área bajo la curva
• F(t) = ∫λdt
• Modo, Mediana y Media
MODO
MEDIANA
MEDIA
CONSTRUCCIÓN DE MODELOS
La construcción o determinación de un Modelo se
hace a partir de los datos (Cantidad y Calidad). Estos
datos se pueden obtener de:
• Pruebas de Campo.
• Ensayos de Vida.
• Ensayos acelerados.
• Entre otros…
EJEMPLO EN EXCEL
31
Función Densidad de Probabilidad
• Alternamente, podemos construir histogramas directamente
empleando funciones de planillas como excel.
Dato Completo
0 Falla
0 Inter. Falla?
Datos Completos y Suspendidos
0 Falla? Inter.
Datos Completos y Suspendidos
?
0 Falla? Inter.
Datos y Tipos de datos
Tipos de Datos de Vida,
Introducción
• Datos Completos
• Datos Censurados
• Censura a Derecha (Suspensión)
• Censura en Intervalos
• Censura a Izquierda
Regla del Pulgar con Relación a los
Datos de Intervalo
• Alguien puede afirmar que todos los tipos de
Datos son Datos en intervalo.
• Nosotros trataremos los datos como datos en
intervalo cuando el período de observación sea
mayor que el del período requerido como
resultado.
– Si el resultado deseado es en meses y mis datos
están en meses entonces, consideraremos el
conjunto de datos como datos completos.
– Si el resultado deseado es en días y mis datos
están en meses, entonces nosotros
consideraremos el conjunto de Datos como datos
de intervalo.
Ploteando las Probabilidades de Datos
Censurados (Suspensión)
• Cuando utilizamos el Análisis de regresión
para considerar el hecho de que ítems no
fallaron, o quedaron en suspensión,
necesitamos ajustar su probabilidad de falla, o
desconfiabilidad (lo que fue computado
utilizando la categoría mediana).
• una metodología, basada en la metodología
de Leonard Johnson será mostrada a
continuación.
Plotando la Probabilidad de Datos
Censurados a Derecha (Suspensión)
• Para ilustrar mejor esta metodología,
consideremos el ejemplo siguiente, donde
cinco ítems fueron ensayados y se obtuvo tres
fallas y dos suspensiones.
Item Number State, Life of item,
(Position) F or S cycles
1 F1 5,100
2 S1 9,500
3 F2 15,000
4 S2 22,000
5 F3 40,000
Ploteando la Probabilidad de Datos
Censurados a Derecha (Suspensión)
• En esta secuencia, F1 es la primera de cinco
fallas.
Item Number State, Life of item, Failure
(Position) F or S cycles number
1 F1 5,100 1
2 S1 9,500
3 F2 15,000
4 S2 22,000
5 F3 40,000
Ploteando la Probabilidad de Datos
Censurados a Derecha (Suspensión)
• Surgen algunas dificultades cuando
intentamos realizar el calculo para determinar
el número de fallas restante de los ítems.
F2 in Position 2 F2 in Position 3
1 2 3 4 5 6 1 2
F1 F1 F1 F1 F 1 F1 F1 F1
F2 F2 F2 F2 F 2 F2 S1 S1
S1 S2 F3 S1 S2 F3 F2 F2
S2 F1 S1 F3 F3 S2 S2 F3
F3 S3 S2 S2 S1 S1 F3 S2
Ploteando la Probabilidad de Datos
Censurados a Derecha (Suspensión)
(6 2) (2 3)
F2 MON 2 2.25
62
Ploteando la Probabilidad de Datos Censurados
a Derecha (Suspensión)
• Utilizando la misma lógica, la tercera falla puede ser localizada en la
Posición 3, 4 ó 5, como muestran las tablas siguientes.
(2 3) (3 4) (3 5)
MON3 4.125
233
Ploteando la Probabilidad de Datos
Censurados a Derecha (Suspensión)
• Una vez que la Media del Número de Orden para cada falla es establecida,
usted entonces necesitará obtener posiciones de la categoría mediana
para las fallas en la Media del Número de Orden. Simplificando, usted
debe obtener la Categoría Mediana de los Números de Orden 1, 2.25 y
4.125 para una muestra de tamaño 5, como muestra la tabla abajo.
Data 1
Weibull-2P
RRX SRM MED FM
Data Points
Susp Points
Data Line
90.000
Unreliability, F(t)
50.000
Name
Company
8/8/2005
10.000 10:41:48 AM
1000.000 10000.000 100000.000
Time, (t)
Estadística Básica
Variables
1.788,07 963,37 1.457,44 322,34 619,47 685,56 500,49 618,34 513,92 1.103,25
428,88 138,45 559,82 748,02 1.004,58 467,94 773,77 928,66 1.058,67 89,64
878,43 455,22 175,60 378,28 452,47 652,29 306,43 447,04 130,29 714,32
313,81 484,17 511,32 1.378,65 597,50 828,26 843,45 604,26 612,93 909,28
710,15 360,71 1.214,12 294,96 319,65 194,19 353,74 621,43 1.031,67 940,65
722,60 339,87 178,14 747,37 549,86 386,02 465,29 858,90 779,58 786,90
496,09 1.002,22 857,77 911,08 1.040,37 903,48 781,96 915,37 793,43 101,89
816,47 588,26 1.389,75 707,67 143,67 1.080,50 1.061,30 192,08 446,02 270,38
848,99 516,89 721,03 280,89 804,22 559,18 570,26 526,09 47,94 675,56
736,86 743,05 458,44 691,73 466,40 980,00 268,04 417,44 1.023,37 459,65
59
Definiciones: pdf
Considere un conjunto de
Datos representando 100
variables aleatorias
continuas, obtenidas de
una misma población,
como muestra la siguiente
tabla:
PDF vs CDF
Función de densidad
0.025
0.02
0.015
0.01
0.005
0
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
85
90
95
100
0
5
Definiciones: pdf
F(t) = ∫ft(dt)
Definiciones: pdf
1
a
x
Las relaciones entre la densidad de la función de la
probabilidad y la función acumulada
La densidad de la probabilidad de la función se puede
agregar, para generar la función de aumentar y/o de
disminuir probabilidad acumulada.
1 t 2
Cuando μ y σ son
2
1
f (t ) e parámetros que deben
2 estimarse a partir de los
datos existentes.
Ejemplo. La vida de un componente de cizalla pequeña depende del nivel de
desgaste. Después de indagar en la empresa, se constató que la vida media de
los componentes es de 2,8 h y la desviación estándar es de 0,6 h. El director de
zona necesita la siguiente información:
1) ¿Cuál es la probabilidad de que no ocurra un desgaste en hasta 1,5
horas?
2) ¿Cuál es el rango de cambios de precaución para que se produzcan no
más de un 10% de correcciones a largo plazo?
3) Supongamos que la presión pasa al desgaste y la media se relaciona
con la presión por: μ (P) = 12 a 2.3 * P, donde P es la presión en Pascal
(cont.). Si la presión es de 4 a 5 MPa, que es probable que ocurra en las
siguentes1,5 horas? 81
La Distribución Normal
1) La probabilidad de fallas antes de 1,5 horas de operación:
2
1, 5 1 t 2 , 8
1 2 0 , 6
F (1,5h) e dt 1,51%
0 2
1 t 2 , 8
2 El tiempo de cambio
t*
1 2 0 , 6 máximo es de 2,02
0 2 e dt 10% horas
f (t ) .e t
Cuando λ es un parámetro que debe estimarse a partir de los datos existentes
70
70
70
La Distribución Weibull
• La distribución de Weibull se utiliza más en el área de modelamiento
probabilístico de la vida de componentes, de sistemas, del etc. La densidad
de la probabilidad de la función es:
1 ln( t ) *
2
Cuando μ y σ son
1
2 *
f (t ) e parámetros que deben
t * 2
estimarse a partir de t
no, sino de ln (t)
Ejemplo. El Departamento de ingeniería confirmó que una falla de un
componente específico debido a la fatiga, modo de fallo después de un
trabajo FMEA. En el estudio de la durabilidad de tiempo, los
profesionales han concluido que la vida del componente puede ser
modelado por una distribución logarítmica normal con media igual a μ *=
5 y desviación igual a σ *= 1.Teniendo en cuenta que el mantenimiento
preventivo se lleva a cabo cada 150 horas, se les pide ajustar la política
para que el riesgo máximo sea de 3%. 74
74
74
La Distribución Lognormal
• Solución y Discusión del ejemplo
1 t
2
1
2
f (t ) e
2
Ecuación Confiabilidad
F (t ) f (t )dt
t
0
Ecuación de Confiabilidad
• Entonces:
F t Rt 1 100%
Rt 1 F t
Tasa de falla
• La tasa de falla permite la determinar el
número de fallas en un tiempo dado,
siendo:
f (t )
(t )
R(t )
• Todos los cálculos de confiabilidad
cuantitativa, van en razón del tiempo o de
los ciclos de vida (Horas, Días, Kilómetros,
Millas…)
Vida Mediana
F f (t ) dt 0.5 50%
Vida Media
• EXPONENCIAL
• WEIBULL
• LOGNORMAL
• NORMAL
Disponibilidad
La función de disponibilidad y
su interpretación probabilística
• Los sistemas principales que se utilizan en la ingeniería son ésos donde
algunos componentes fallan, ellos se reparan más adelante, fallan otra vez
y así sucesivamente.
Tenemos gráficamente:
t1 t2 t3 t4 t5 t6 t7
0
Los tiempos de vida son: t1; t3-t2; t5-t4; t7-t6;...
Los tiempos de reparación son: t2-t1; t4-t3; t6-t5;...
F (t ) 1 R (t )
R (t ) e t
La Distribución Weibull
• La Weibull es una de las funciones más
usadas debido a su flexibilidad matemática,
se acopla fácilmente a más de una
distribución: Normal, Exponencial, Gamma y
Gamma – G
• Posee tres parámetros de forma: Beta, Eta y
Gamma, cada uno caracterizando el
comportamiento del equipo y ayudan a
tomar decisiones sobre el mismo.
Weibull
t
R (t ) e
La Distribución Weibull
λ(t)
1,2
1
Weibull Weibull
0,8 Lognormal Normal
Lognormal Exponencial
0,6 Lognormal
Weibull
0,4
0,2
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 t 97
t1 t2 97
Distribución Gamma
1
2
e k
t 2
Análisis Mediante los
Parámetros de Forma
Parámetros de forma
según la estadística
Históricos de Datos
Fallas
1,2 1,2
1 1
0,8 0,8
0,6 0,6
0,4
0,4
Son iguales? 0,2
0,2
0
0 1 3 5 7 9 11 13 15 17 19 21
1 3 5 7 9 11 13 15 17 19 21
Lognormal?
Weibull?
Distribución ajustada a
108
Normal? la muestra 108
Exponencial?
Métodos de ajuste de distribución de
probabilidad a un conjunto de datos
111
111
Métodos de ajuste de distribución de
probabilidad a un conjunto de datos
Paso 4°) los parámetros de la distribución de Weibull. En
el método de la regresión debemos transformar la
relación no lineal de R (t) o F (t) y t de la distribución de
Weibull para una del tipo linear.
t
F (t ) 1 e
t
ln(1 F (t ))
ln( ln(1 F (t )) * ln( t ) * ln( )
y b X a
(d
i 1
i (a bx i ))²
115
115
Los intervalos confiables
de los parámetros
• En su trabajo de la ingeniería del Confiabilidad para el desarrollo de
productos usted posee 10 máquinas y desea estudiar el MTBF de
toda su población. Sin embargo la unidad tiene presupuesto a llevar
solamente a través de una prueba con 2. Aparecen las preguntas
siguientes.
– 1) ¿Cuál las unidades que se utilizarán en la prueba?
– 2) ¿Cuál el método de vida de las máquinas?
I x E.Z
Donde E es la estadística de interés para el ingeniero (con una población
promedio de fallas de TASA, etc.)
Y es el error asociado es Zα nivel de confianza de la toma de decisiones
116
Los intervalos confiables
de los parámetros
• En el caso de MTBF, tenemos:
S S
x .Z . MTBF x .Z .
N x N
Donde x-barra es el promedio de la estadística de que se encontró en
la muestra, S es la desviación estándar de la muestra, N es el tamaño
de la muestra, y Zα es el nivel de confianza del tomador de
decisiones.
150
Zα
100
50
N Series1
0
Series2
N,S,Zα
1 2 3 4 5 6 7 8 9 10
N
-50
-100
Zα
-150
117
Ejemplos de soluciones con el software de
Isograph Weibull
Tiempo de vida en diferente voltaje
26 KV 28 KV 30KV 32 KV 34 KV 36 KV 38 KV
32,52
33,91
36,71
Ejemplos de soluciones con el software de
Isograph Weibull
• Discusión y solución:
119
119
ANÁLISIS DE CONFIABILIDAD Y RIESGO
OPERACIONAL DE LOS SISTEMAS PARA
LOS DIAGRAMAS DE BLOQUES
120 120
Análisis de Confiabilidad
de sistemas en serie
121 121
Análisis de Confiabilidad de sistemas en serie
122
Análisis de Confiabilidad de sistemas en serie
Modelamiento del problema en el software RWB
123
Análisis de Confiabilidad de sistemas en serie
• En el práctico, deseamos encontrar el Confiabilidad del sistema
aquél de los componentes. Así, cualquier R (1), R (2), R (3) y R (4) la
probabilidad del éxito de los 4 neumáticos. El Confiabilidad (Rs) del
vehículo será:
N
RS Ri
i 1
124 124
Análisis de Confiabilidad de sistemas en serie
Ver que la confiabilidad del sistema es menor que el valor más bajo de
fiabilidad de elementos, pero la confiabilidad disminuye. Otro aspecto
importante es estimar cuál es la sensibilidad (lo importante) en función de la
confiabilidad del sistema con respecto a la confiabilidad de los componentes
individuales.
127
Análisis de Confiabilidad de sistemas en serie
La sensibilidad de la confiabilidad del sistema
para el número de componentes
Sistema en serie
100,00%
Confiabilidad de los sistemas (%)
90,00%
80,00%
70,00%
60,00%
50,00%
40,00%
30,00%
20,00%
10,00%
0,00%
0 2 4 6 8 10 12 14 16 18
Número de componentes
1 2 3 4 5 6 7
100,00%
90,00%
Confiabilidad del sistema (%)
80,00%
70,00%
60,00%
50,00%
40,00%
30,00%
20,00%
10,00%
0,00%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Confiabilidad del componente (%)
129
Análisis de Confiabilidad de sistemas en
paralelo
• Posee de un sistema una configuración en paralelo bajo punto de vista del
Confiabilidad, cuando solamente el funcionamiento de un elemento es
bastante de modo que funcione el sistema CORRECTAMENTE.
• Ejemplo.
T1
Sea R1, R2, R3 e R4 la
T2 confiabilidad de cada una de
las letras y F1, F2, F3 e F4 a
T3 probabilidad de falla de cada
una de ellas.
T4
• La probabilidad de falla del sistema (Fs) es dada por : Fs=F1xF2xF3xF4
• La probabilidad de sobrevivencia (confiabilidad) esta dada por:
N
Rs 1 (1 Ri )
130
i 1 130
Análisis de Confiabilidad de sistemas en paralelo
• Análisis de resultados:
Rs=1-[(1-3%)(1-2%)(1-1%)(1-4%)] =
• Importante:
– Ve que el Confiabilidad del sistema es más grande del que todos los
componentes: Rs> máx. [Ri].
131
Análisis de Confiabilidad de sistemas en paralelo
133
Sistemas Condicionados
K en N
Sistemas con más de un componente físicamente en
paralelo, pero existe un número mínimo de componentes /
equipos en operación para que el sistema se considere
operativo.
n
n r
RS (k , n, R) R (1 R) n r
r k r
SWITCH
A
136 136
Análisis de sistemas con el recurso
seguro de redundancia (Stand By)
Discusión y solución del ejemplo 3.6
Fs FA.FW FA (1 FW ).FB
Rs 1 Fs 1 ( FA.FW FA (1 FW ).FB )
138
138
Análisis de sistemas con cargas
compartidas (load – sharing)
139
139 139
139
Ejemplos de solución de los problemas con
software Isograph Reliability Workbench
G
E
H
I
B D
141
El problema clásico
del análisis de Weibull
142
Los datos completos,
censurados y en intervalos
En los problemas que ocurren en la ingeniería, los tipos diversos de datos aparecen:
– Completo de datos: son ésos donde el analista sabe con la precisión la duración de la
vida de los componentes. Ejemplo: En una prueba del laboratorio 3h fue verificado
que la vida de una bomba era 1.958;
– Datos censurados a la derecha: son ésos donde el analista no sabe exactamente
cuándo ocurre la falla, pero solamente la vida mínima del artículo. Ejemplo: El
neumático de uno que propago si encuentra con los 38.00Km y es cambiado
preventivo. En esto en caso de que eso, el neumático pudiera y fuera fallar en un
cierto instante en el futuro;
– Datos censurados en el intervalo: son ésos en que el analista sabe el intervalo donde
ocurre la falla, sabe no exactamente la vida del artículo. Ésta es la caja de bombas
pequeñas en plantas químicas se examina en intervalos regulares. Por ejemplo, el
técnico verificó que en 300h la bomba funcionara, pero en 400h había fallado ya. En
esto en caso de que eso él no se sepa exactamente cuando ocurrió la falla de este
intervalo adentro;
143
Los datos completos,
censurados y en intervalos
• Fuente de los datos censurados a la derecha:
– Intercambio preventivo para el mantenimiento.
– Cuando se analiza el modo de fallo y la falla ocurre debido al modo
de fallo B.
– Cuando, por cualquier razón, la prueba lo acaba antes del
componente de la falla.
– Cuando, en modelaje diversos, el artículo era en funcionamiento
colocado tiene 98 días y no todavía falló.
– Otros.
• Fuente de datos para modelaje de Weibull:
– Prueba del laboratorio.
– Prueba de la calificación de productos.
– Funcionamiento de la vida de los productos en campo.
– Registros existentes en literatura.
– Valores existentes en las normas.
– Etc.
144
Las ventajas de un análisis
del Confiabilidad cuando ha dado
histórico
• El modelamiento de la Confiabilidad con datos históricos admite que el modelo
probabilístico puede representar con más exactitud la realidad. En el caso de datos de
tasa de fallas existente en normas MIL, IEC, etc. puede ser que éstos no representan
exactamente la realidad del ambiente del uso operacional;
146
Tasa de falla, tasa media de falla y tasa
instantánea de falla.
Ejemplo. Asumamos que las unidades de N (las resistencias, los rodamientos, etc. de
compresión, eléctricos) están puestas en servicios. Asumamos que tienen un
portafolio compuesto para 50 activos. A través de los meses, diversos fallan
mientras que demuestra la tabla para seguir: :
• Tasa de averías (λ) corresponde al cociente entre los números de las fallas para
el período del tiempo. Pero, podemos tener Tasa de fallas con respecto a otras
variables tal como toneladas, kilómetro, etc. Así, puede ser definida:
N (t 2 ) N (t1 )
Donde N(t2) es el número de fallas
t 2 t1
antes del tiempo t2 y N(t1) es el
número de fallas antes del tiempo t1.
35.000
30.000
Vida acumulada (h)
25.000
20.000
15.000
10.000
5.000
0
0 5 10 15 20 25 30 35 40 45 50 55
Fallas acumuladas
149
Tasa de falla, tasa media de falla y tasa
instantánea de falla.
0,008
0,007
0,006
0,005
0,004
0,003
0,002
0,001
0
0 5 10 15 20 25 30 35 40 45 50 55
Fallas acumuladas
150
Tasa de falla, tasa media de falla y tasa
instantánea de falla.
700
600
500
400
300
200
100
0
0 150 300 450 600 750 900 1.050 1.200 1.350 1.500 1.650 1.800 1.950
Tiempo acumulado
151
Tasa de falla, tasa media de falla y tasa
instantánea de falla.
Sin embargo, en lo práctico deseamos saber la tasa de averías instantáneo de la
función de la distribución de la probabilidad usada en modelar de los tiempos
hasta la falla. Cualquier N (0) el número de las unidades que se consideran
inicialmente, de Ns (t) el número que funciones inmóviles a tiempo t, y N-F (t)
el número que falla hasta el tiempo T. A proporción de sobrevivientes en T es:
N (0) N f (t )
R (t )
N ( 0)
N s (t ) N s (t t ) R (t )
Mas, f (t )
N (0)
t
t
1 N (t ) N s (t t ) 1 d N s .(t )
f (t ) lim * s *
t 0 N (0) t N (0) dt
152
Tasa de falla, tasa media de falla y tasa
instantánea de falla.
f (t )
(t ) → esta tasa instantánea de falla puede ser
R(t ) encontrada por cualquier distribución.
153
Tasa de falla, tasa media de falla y tasa
instantánea de falla
y f(y) F (y) R (y)
155
Tasa de falla, tasa media de falla y tasa
instantánea de falla.
156
MTTF, MTBF y MTTFF: conceptos y usos
• MTTF: Lo definen mientras que el medio aritmético de los tiempos entre las fallas
del equipo (uno no está exactamente sobre el valor previsto de la variante
aleatoria).
• Ejemplo. En uno que ha probado de la durabilidad de baterías había sido probado 5
unidades y los resultados conseguidos si encuentran en la tabla para seguir.
0 0 2h 0 2,3h 0 4h
159
159
159
Referencias bibliográficas
• Xie, M. (1991). El modelar de la confiabilidad del software, Prensa científica del
mundo, Singapur.
• Nelson, W. (1982). La vida aplicada fecha análisis, Wiley, Nueva York.
• Nelson, W. (1990). Prueba acelerada, Wiley, Nueva York.
• Ireson, W. G., y Coombs, C. F., Jr. (1988). Manual de la ingeniería y de la
gerencia de la confiabilidad, McGraw-Colina, Nueva York.
• Sturges, H.A (1926), la opción del intervalo de los closs, Toumol de la asociación
estadística americana, p.65-66.
• Scott, D.W (1979), óptimos encendido y las fechas basaron los histogramas,
Biométrica 66, (33) p.605-610.
• Weibull, W. (1961), cansa pruebas y el análisis de resultados, El grupo
consultivo será organización aeronáutica del tratado de Atlántico Norte de
investigación y del desarrollo.
• Todhunter, 1949) historias de I. (de la teoría del matlumaticol de la
probabilidad, chelse, NY.
• Gibson, B.S.G (2007). Failuere verdadero del disco en el mundo: ¿Qué usted le
dona en los 1.000.00 MTTF de los hombres de las horas usted?
• Gomez L. Iván Darío, Introducción al Mantenimiento Estratégico, Panamericana
2006.
• Mora G. Luis A., Mantenimiento, planeación, ejecución y control, alfa Omega
2009.
160
Referencias bibliográficas
• HELMAN, Horacio y ANDERY, Pablo Roberto Pereira - análisis de las fallas
“herramientas de la serie de la calidad” vol. 11 - Fundación Christiano Ottoni,
escuela de la ingeniería de UFMG, 1995, 156 P.
• “Modo de fallo y análisis potenciales” - FMEA de los
efectos AIAG - Grupo de la acción de la industria del automóvil,
2002 - 3ª ed.
• STAMATIS, D. H. - “Prensa de la calidad del análisis” - ASQC del modo y del
efecto de fallo, 1995, 494 P.
• Manuales de QS 9000. Análisis de la manera y del efecto de Falla Potencial
(FMEA): Manual de la referencia. 1997.
• CLAUSING, D. (1994). Decisiones mejores. En: Desarrollo total de la calidad:
guía paso a paso usted worldclass concurrentes ingeniería. 2.ed., Iorque
nuevo, la sociedad americana de ingenieros industriales. CASQUILLO. 3, p.60-
73. (t: 322). ( Disponible en la biblioteca de EESC - USP).
• n CLAUSING, D. (1994). El diseño. En: Desarrollo total de la calidad: guía del
setp-por-paso usted ingeniería concurrente de los worldclass. 2. ed., Iorque
nuevo, la sociedad americana de Engineerss mecánico. CASQUILLO. 5, P. 175-
273. (t: 322). (Disponible en la biblioteca de EESC - USP).
• n Compañía KSR (http://www.ksr.com.br) él posee que un sistema de los
dulces de FMEA integró con un sistema CAPP, de que garantizado ya a algunas
compañías el certificación de QS 90000. En la página del KSR tiene un lugar en
donde algunas preguntas prácticas sobre un FMEA se contestan
(http://www.ksr.com.br/oqufmea.htm).
161
Referencias bibliográficas
162
Referencias bibliográficas
• Meeker, W.Q., Escobar L.A. (1988), Statistical Methods for Reliability Data, John
Wiley & Sons;
• O’Connor, P. D. T. (1985), Practical Reliability Engineering, John Wiley & Sons,
Second edition;
• Nelson, W. (1988), Applied Life Data Analysis, John Willey & Sons.
• Ross, Stephen, Randolph W. Westerfield e Jeffrey F. Jaffe (2002). Administração
Financeira (Corporate Finance). Editora Atlas, 776p.
• Chilton, C. H. (1950), Six-tenths factors applies to complete plant costs, Chemical
Engineering, vol. 57, p. 112-114;
• Williams, R. Jr. (1947), Six-tenth aids in approximating costs, Chemical Engineering,
vol. 54, p. 124-125;
• Barriger, P., Weber, D. P. (1996), Lyfe-cycle cost tutorial, Fifth International
Conference on Process Plant Reliability;
• Bodie, Z., Kane, A., Marcus, A. J. (2000). Fundamentos de Investimentos. Bookman,
Porto Alegre, 632p.
163
Referencias bibliográficas
164
Referencias bibliográficas
• Lewis E.E., Introduction to Reliability Engineering (1987), John Wiley & Sons;
• Meeker, W.Q., Escobar L.A. (1988), Statistical Methods for Reliability Data, John
Wiley & Sons;
• O’Connor, P. D. T. (1985), Practical Reliability Engineering, John Wiley & Sons,
Second edition;
• Nelson, W. (1988), Applied Life Data Analysis, John Willey & Sons.
• Ross, Stephen, Randolph W. Westerfield e Jeffrey F. Jaffe (2002). Administração
Financeira (Corporate Finance). Editora Atlas, 776p.
• Souza, Petain A. (1995) Avaliação Econômica de Projetos de Mineração, IETEC, Belo
Horizonte, 247p.
• Stermole, F.J., Stermole, J. M. (1987) Economic Evaluation and Investment Decision
Methods. Sixth edition, Investment Evaluation Corporation, Golden, Colorado,
EUA.
• Brealey, Richard A., e Stewart C. Myers (2000). Corporate Finance. Sixth edition,
New York: McGraw-Hill, 1093p.
165