Planificación de mantenimiento

Tema 4

Nombre: Luis González

C.I: 22.822.823

Resumen 4

Estadística en el Mantenimiento y teoría de Probabilidades

La Estadística juega un papel fundamental dentro del mantenimiento, pues

contiene herramientas matemáticas que permiten al responsable de realizar dicha
gestión procesar la información, dándole argumentos para reconocer el estado de sus
procesos operativos para poder actuar más acertadamente sobre las circunstancias que
los afectan. La información obtenida se relaciona estrechamente con los conceptos de
Confiabilidad, Disponibilidad y Mantenibilidad.

Estadística: La estadística es una técnica especial que se utiliza para el estudio cuantitativo de
los fenómenos de masa o colectivo, cuya mediación requiere una masa de observaciones de
otros fenómenos más simples llamados individuales o particulares. Además, de lo mencionado
anteriormente; la estadística estudia los métodos científicos para recoger, organizar, resumir y
analizar datos, así como para sacar conclusiones válidas y tomar decisiones razonables basadas
en tal análisis.

Tipos de Estadísticas: La estadística tiene un rol importante dentro del proceso de

mantenimiento, y se puede clasificarde la siguiente manera:

 De acuerdo a los tipos de datos: Puede ser Parametrica o No Parametrica.

Estadística Parametrica: Es una rama de la estadística inferencial que comprende los

procedimientos estadísticos y de decisión que están basados en distribuciones conocidas. Estas
son determinadas usando un número finito de parámetros. Los datos son definidos porsí
mismos, ósea, datos cuantitativos.

Estadística No Paramétrica: La estadística no paramétrica estudia las pruebas y modelos

estadísticos cuya distribución subyacente no se ajusta a los llamados criterios paramétricos. En
otras palabras, la estadística no paramétrica intenta averiguar la naturaleza de una variable
aleatoria, para una vez saber cómo se comporta, realizar cálculos y demás parámetros que se
necesiten. Los datos son del tipo cualitativo.

 De acuerdo al tipo de proceso: Puede ser Descriptiva o Inferencial.

Estadística Descriptiva: Su objetivo fundamental es describir y analizar las características de un

conjunto de datos, obteniéndose de esa manera conclusiones sobre las características de dicho
conjunto y sobre las relaciones existentes con otras poblaciones, a fin de compararlas.
Estadística Inferencial: Se refiere al proceso de análisis, conclusiones y predicciones derivadas
de los datos relativos a una muestra representativa del hecho en estudio.

Conceptos Básicos

Variable: Son caracteres susceptibles de medición, pueden tomar un valor cualquiera de un

conjunto.

Variable Cuantitativa: Una variable cuantitativa es la que se expresa mediante un número,

popes decir, son las que adoptan un valor numérico. Pueden ser Discretas, las cuales otorgan
cifras que se encuentran separadas en escalas, es decir, que no poseen valores entre ellas, sino
que el resultado comprende un valor exacto; o Continuas, que son aquellas variables
cuantitativas que pueden tomar un número infinito de valores entre dos valores cualesquiera
de una característica.

Variable Cualitativa: Son aquellas que permiten la expresión de una característica, una
categoría, un atributo o una cualidad.

Población: Una población es un conjunto finito o infinito de personas u objetos que presentan
características comunes. Son todos los elementos que estamos estudiando, acerca de los cuales
intentamos sacar conclusiones.

Muestra: Se llama muestra a una parte de la población a estudiar que sirve para representarla.
También se puede decir que es una colección de algunos elementos de la población, pero no de
todos. Es un subconjunto de la población.

Conceptos Estadísticos

Parámetro: Es un número que se obtiene a partir de los datos de una muestra estadística.

Media: Corresponde al valor promedio de un conjunto de observaciones o medidas realizadas.

Mediana: La mediana representa el valor de la variable de posición central en un conjunto de

datos.

Moda: Se refiere a la repetitividad de los valores, es decir, el valor que más se repite en un grupo
de observaciones.

Histograma de Frecuencias

Es un gráfico en forma de barras que tiene como objetivo mostrar la frecuencia de

ocurrencia de varias medidas relacionadas y agrupadas, con la finalidad de poder analizar los
Histogramas pueden ser utilizados para trabajar con datos discretos o continuos.

Distribuciones Discretas: Describen la probabilidad de ocurrencia de cada valor de una variable

aleatoria discreta. Con una distribución de probabilidad discreta, cada valor posible de la
variable aleatoria discreta puede estar asociado con una probabilidad distinta de cero. La gráfica
de este tipo de distribución se denota por medio de un diagrama de barras.
Distribuciones Continuas: Describen las probabilidades de los posibles valores de una variable
aleatoria continua. Las probabilidades de las variables aleatorias continuas se definen como el
área por debajo de la curva.

Los histogramas de frecuencia son de gran utilidad para interpretar de manera sencilla
la variación de los datos, brindar una visión clara de la información aportada por los datos,
facilitando la interpretación de los mismos. Mediante los Histogramas también se pueden
comparar valores e identificar posibles causas de un problema y valorar las posibles soluciones,
una vez eliminadas las causas del problema.

Funciones de la Probabilidad

Están asociadas a la existencia de eventos aleatorios, es decir, situaciones fortuitas que

se presentan repentinamente, sin elección previa. La Función de la Probabilidad, es la
probabilidad de que la variable aleatoria tome un valor particular.

 Distribución Binomial: La distribución binomial es una distribución de probabilidad

discreta que nos dice el porcentaje en que es probable obtener un resultado entre dos
posibles al realizar un número n de pruebas. La probabilidad de cada posibilidad no
puede ser más grande que 1 y no puede ser negativa. En los experimentos que se
realizan con este tipo de distribución siempre se esperan dos tipos de resultados
(como, por ejemplo: defectuoso o no defectuoso... sirve o no sirve, etc) denominados
“éxito” (que es lo que se espera que ocurra) o “fracaso” (lo contrario del éxito).

Además, las probabilidades asociadas a cada uno de estos resultados son constantes, es
decir, no cambian y cada uno de los ensayos del experimento son independientes entre sí.

 Distribución de Poisson: Es una distribución de probabilidad discreta que expresa, a

partir de una frecuencia de ocurrencia media, la probabilidad de que ocurre a un
determinado número de eventos durante cierto período de tiempo.

Esta distribución es una de las más importantes distribuciones de variable discreta. Sus
principales aplicaciones hacen referencia a la modelización de situaciones en las que nos
interesa determinar el número de hechos de cierto tipo que se pueden producir en un intervalo
de tiempo o de espacio, bajo presupuestos de aleatoriedad y ciertas circunstancias restrictivas.

 Distribución Exponencial: Tiene una gran utilidad práctica ya que podemos

considerarla como un modelo adecuado para la distribución de probabilidad del
tiempo de espera entre dos hechos que sigan un proceso de Poisson. De hecho, la
distribución exponencial puede derivarse de un proceso experimental de Poisson con
las mismas características que las que enunciábamos al estudiar la distribución de
Poisson, pero tomando como variable aleatoria, en este caso, el tiempo que tarda en
producirse un hecho, siendo la variable aleatoria continua.
 Al ser un modelo adecuado para estas situaciones tiene una gran utilidad en la
distribución del tiempo de espera entre sucesos de un proceso de Poisson y en la distribución
del tiempo que transcurre e hasta que se produce un fallo, si se cumple la condición que la
probabilidad de producirse un fallo en un instante no depende del tiempo transcurrido.

 Distribución Normal: La distribución normal es un modelo teórico capaz de aproximar

satisfactoriamente el valor de una variable aleatoria a una situación ideal. Esta
distribución adapta una variable aleatoria a una función que depende de la media y la
desviación típica. Es decir, la función y la variable aleatoria tendrán la misma
representación, pero con ligeras diferencias. En una distribución simétrica. El valor de
la media, la mediana y la moda coinciden.

Los valores que son más frecuentes o que tienen más probabilidad de aparecer están
alrededor de la media. En otras palabras, cuando nos alejamos de la media, la probabilidad de
aparición de los valores y su frecuencia descienden.

 Distribución de Weibull: Es una distribución de probabilidad continua. Recibe su

nombre de Waloddi Weibull, que la describió detalladamente en 1951, aunque fue
descubierta inicialmente por Fréchet (1927) y aplicada por primera vez por Rosin y
Rammler (1933) para describir la distribución de los tamaños de determinadas
partículas. Se puede utilizar para modelar una amplia gama de aplicaciones en
ingeniería, investigación médica, control de calidad, finanzas y climatología.