Formato-Unidad I - AEM - Sem 1a3-2023

ANÁLISIS ESTADÍSTICO E
INDICADORES DE
MANTENCIÓN
Unidad I. Estadística aplicada al mantenimiento
DOCENTE DENY GONZALEZ

MARZO - 2023
CONDICIONES FAVORABLES PARA LA CLASE
Mantén todos tus

sentidos activos
Practica la puntualidad
Mantén tus dispositivos

electrónicos en silencio
Respeta el turno de
participación
PRESENTACIÓN DE LA CLASE
Aprendizaje Esperado:
1.-Identifican conceptos de estadística descriptiva, considerando toma de decisiones en el contexto de
mantenimiento industrial.
5.-Solucionan problemas asociados a parámetros de funcionamiento y mantenimiento de equipos, considerando
teoría de probabilidades y métodos estadísticos.
Criterios de Evaluación:
* Prueba parcial (individual, presencial)
Contenidos:
- Fenómenos determinísticos y no determinísticos -Variable cualitativa y cuantitativa

-Ámbito de acción de la estadística: sus aplicaciones y -Variables: nominal, ordinal, discreta y continua
método
-Población, muestra y variable
CONTENIDO
- Fenómenos determinísticos y no determinísticos
- Ámbito de acción de la estadística: sus aplicaciones y método
- Población, muestra y variable
- Variable cualitativa y cuantitativa
- Variables: nominal, ordinal, discreta y continua
- Elaboración de tablas de frecuencia
- Interpretación de tablas de frecuencia
- Elaboración de gráficos
- Interpretación de gráficos
Cálculo de moda, media aritmética, mediana
- Interpretación de moda, media aritmética, mediana
-Toma de decisiones para programación de mantención
UNIDAD I. ESTADÍSTICA APLICADA AL MANTENIMIENTO
Fenómenos determinísticos y no determinísticos
Fenómenos determinísticos.
Son aquellos en los que el resultado esperado queda determinado por las condiciones bajo las cuales se realiza, es decir,
son predecibles. Muchos de los fenómenos de la física o de la química, que se estudian en la enseñanza media o en un
primer año universitario, satisfacen esta condición y por lo tanto el modelo matemático que los describe corresponde a
una ecuación
La densidad se puede estimar

por la ecuación de gas ideal,
𝑃
𝑃𝑉 = 𝑅𝑇 → 𝜌 =
𝑅∗𝑇
Fenómenos determinísticos y no determinísticos
Fenómenos no determinísticos (aleatorios)

Son aquellos en los cuales el azar tiene una participación importante y por lo tanto los modelos determinísticos no
son adecuados, pues el resultado de estos fenómenos no son predecibles con exactitud y por lo tanto se utilizan
modelos matemáticos estocásticos para describirlos, los cuales llevan incorporados una componente que
representa la incertidumbre.
Ejemplos: Así, el resultado del lanzamiento de una dado; la cantidad de agua lluvia que cae en una estación
meteorológica durante un año; cantidad de partículas emitidas en un intervalo de tiempo por una fuente radiactiva; o
el tiempo de espera en un paradero por un bus, son algunas de las innumerables situaciones de este tipo de
fenómenos.
Ámbito de acción de la estadística: sus aplicaciones y método
Actividad formativa no sumativa

1. Enunciar con la participación de los estudiantes las aplicaciones de la estadística en el mantenimiento.
Población, muestra y variable

Población.
Se denomina población a un conjunto de individuos o casos, objetivo de nuestro interés.
Podemos distinguir entre poblaciones tangibles y poblaciones conceptuales.
Una población es tangible si consta de elementos físicos reales que forman un conjunto
finito. Por ejemplo, si estamos considerando el estudio de la altura de los alumnos de la
Escuela, el conjunto de estos alumnos es una población tangible.
Una población conceptual no tiene elementos reales, sino que sus casos se obtienen por la
repetición de un experimento. Por ejemplo, cuando planteábamos las pruebas sobre placas de
silicio, vemos que hay tantos casos como pruebas puedan hacerse, lo que supone un conjunto
infinitos de casos.
Muestra.
Una muestra constituye un subconjunto de una población, que contiene elementos o resultados que realmente se
observan.
Una muestra aleatoria simple de tamaño n es una

muestra elegida por un método en el que cada
colección de N elementos de la población tiene la
misma probabilidad de formar la muestra, de la misma
manera que en una lotería.
Muestra.
Variable.
Las variables (o datos) pueden ser de dos tipos: cuantitativos y cualitativos.
Los datos cuantitativos son los que representan una cantidad reflejada en una escala numérica. A su vez,
pueden clasificarse como datos cuantitativos discretos si se refieren al conteo de alguna característica, o
datos cuantitativos continuos si se refieren a una medida.
Los datos cualitativos o categóricos se refieren a características de la población que no pueden asociarse a
cantidades con significado numérico, sino a características que sólo pueden clasificarse.
Variable. Nivel de medición
NOMINAL
CUALITATIVA
ORDINAL
VARIABLE
INTERVALO
CUANTITATIVA
(Discreta, Continua)
RAZÓN
Variable.
Variable.
Veamos algunos ejemplos de cada uno de estos tipos de variables:

1. En la valoración del óxido de silicio, la variable espesor es cuantitativa continua.
2. En la valoración de los cojinetes, el diámetro de los cojinetes es una variable cuantitativa continua.
3. En la valoración de los niveles de plomo, se está analizando si una muestra contiene niveles detectables o no. Se
trata, por tanto, de una variable cualitativa con dos categorías: sí contiene niveles detectables o no contiene niveles
detectables.
4. En la valoración de los accidentes laborales, la variable número de accidentes laborales es cuantitativa discreta,
mientras que las franjas horarias constituyen una variable cualitativa.
Elaboración de tablas de frecuencia.
La forma más sencilla de describir de forma numérica una variable es

determinar su distribución de frecuencias. Por su parte, esta distribución de
frecuencias determina a su vez las representaciones gráficas más usuales. TABLAS
DISTRIBUCIÓN DE
FRECUENCIA FRECUENCIAS DE LA GRAFICOS
VARIABLE
Mostrando el número de
individuos que
pertenecen a cada
categoría o el número de
veces que una modalidad
se presenta en un
conjunto de datos.
Tabla. Tabla de Frecuencia
Figura. Diagrama de barras
Figura. Diagrama de sectores

Elaboración de tablas de frecuencia. Distribución de frecuencia.
Es una tabla de resumen en la cual los datos se colocan en agrupamiento o categorías

establecidas en forma conveniente de clases ordenadas numéricamente.
Una distribución de frecuencia informa sobre los valores concretos que adopta una
variable y sobre el número (y porcentaje) de veces que repite cada uno de esos valores
Exponen la información recogida en la muestra, de forma que no se pierda nada de

información (o poca).
Las distribuciones de frecuencia se construyen por las siguientes razones:
A. Resumen conjuntos grandes de datos
B. Se logra cierta comprensión respecto a la naturaleza de los datos
C. Se logra tener un avance para construir gráficas importantes

Cuando se trabaja con conjuntos grandes de datos, es útil organizarlos y resumirlos por medio de la construcción de una tabla que
liste los distintos valores posibles de los datos, individual o por grupos, junto con el número de veces que se presentan dichos
valores. (frecuencias)
Diferencia entre ordenamiento de datos y frecuencia
Ordenamiento de notas en Estadística Clase Frecuencia

9 9 10 11 11 9 - 11 6
11 12 12 13 13 12 - 14 9
13 14 14 14 14 15 - 17 3
16 17 17 19 20 18 - 20 2
Ejemplo para Frecuencias: Absoluta, Relativa, Porcentual y Acumulada para Datos No Agrupados
En un curso de 25 alumnos, 4 alumnos obtuvieron 1 en matemática, 6 alumnos obtuvieron 2, 7 alumnos obtuvieron 3, 5 alumnos
obtuvieron 4 y 3 alumnos obtuvieron 5. Para poder estudiar mejor los datos, se disponen los mismos en una tabla de distribución de
frecuencias
Ejemplo para Frecuencias: Absoluta, Relativa, Porcentual y Acumulada para Datos No Agrupados
En una planta de regasificación de gas natural, se lleva un registro de fallas de los activos de las plantas. Se realiza el siguiente
análisis;
Frecuencia
Frecuencia
¿Cuántos activos tienen menos de 2 fallas? Número de Frecuencia
Relativa
Relativa
fallas Absoluta Acumulada
(%)
(%)
Frecuencia A.(0 fallas) + Frecuencia A.(1 falla)
0 419 27,7 27,7
• Total activos = 419 + 255
1 255 16,8 44,6
• Total activos = 674 activos
2 375 24,8 69,5
3 215 14,2 83,7
¿Qué porcentaje de activos tiene 6 fallas o menos?
4 127 8,4 92,1
Porcentaje de activos: 97,3%.
5 54 3,5 95,7
¿Qué porcentaje de activos tiene 3 fallas o más? 6 24 1,5 97,3

Porcentaje de activos: 30,5%. >6 40 2,6 100,0
Total 1509 99,5
No contesta 8 0,5
Total 1517 100

Para obtener un histograma de frecuencia se deben realizar los siguientes pasos.
Paso 1. Es necesario primero determinar el número óptimo de clases o categorías (k) y luego construirlos.
Regla de Spiegel: Se construyen entre 5 y 20 clases.
Regla de Sturgess: El número de clases viene dado por el valor de k, donde:
Regla Empírica: El número de clases viene dado por:
𝐾= 𝑁
Paso 2. Calculamos el rango, R, del histograma, que será ligeramente más amplio que el rango de los datos. El histograma debe
comenzar en un número (x_menor) ligeramente por debajo del mínimo de los datos y terminar en un número (x _mayor) ligeramente por
encima del máximo. El rango del histograma será, por tanto, R = (x _mayor) - (x _menor).
Paso 3. Calculamos la longitud, L, de los intervalos, como el cociente entre el rango del histograma y el número de intervalos o
clases, es decir, L = Rango / N.
Paso 4. Se estiman los N intervalos

Paso 5. Para cada intervalo, contamos el número de datos que hay en él, es decir, la frecuencia del intervalo.
Paso 6. El histograma es un diagrama de barras donde en el eje X se colocan los intervalos y sobre ellos se construyen barras cuya
altura sea la frecuencia o la frecuencia relativa del intervalo. En este caso, las barras deben dibujarse sin espacio entre ellas. En
ocasiones, en vez de tomar la frecuencia relativa como altura de las barras, se toma dicha frecuencia relativa como área de las
barras: en ese caso, se habla de un histograma en escala de densidad.
Elaboración de tablas de frecuencia. Ejemplo

Los datos siguientes corresponden al tiempo necesario para procesar 25 ordenes de mantenimiento en una CPU. Se tiene
la siguiente tabla;
1,17 1,61 1,16 1,38 3,53

3,76 1,94 0,96 4,75 0,15
0,71 0,02 1,59 0,19 0,82
2,16 2,01 0,92 0,75 2,59
1,23 2,41 0,47 3,07 1,4
Paso 1. Es necesario primero determinar el número óptimo de clases o categorías (k) y luego construirlos.
Regla de Spiegel: Se construyen entre 5 y 20 clases; aproximado a 5 clases

Regla de Sturgess: El número de clases viene dado por el valor de k. Estimando k = 5,64
Regla Empírica: Estimando k = 5

𝐾= 𝑁

Los datos siguientes corresponden al tiempo necesario para procesar 25 ordenes de mantenimiento en una CPU. Se tiene
la siguiente tabla;
1,17 1,61 1,16 1,38 3,53
3,76 1,94 0,96 4,75 0,15
0,71 0,02 1,59 0,19 0,82
2,16 2,01 0,92 0,75 2,59
1,23 2,41 0,47 3,07 1,4
Paso 2. Calculamos el rango, R, x_menor = 0,02 sugerido 0 y (x _mayor) = 4,75 sugerido 4,8, por tanto R = 4,8 - 0 = 4,8.
Paso 3. Calculamos la longitud (L) o ancho de la clase o intervalo. L = 4,8 / 5 = 0,96
Paso 4. Se estiman los N intervalos I1 = [0 – 0,96)

I2 = [0,96 – 1,92)
I3 = [1,92 – 2,88)
I4 = [2,88 – 3,84)
I5 = [3,84 – 4,8)
Paso 5. Calculamos la distribución de frecuencia asociada a esos intervalos:

0,02
Clases Frecuencia Frecuencia Frecuencia 0,15
relativa (%) relativa 0,19
0,47
acumulada (%) 0,71
[0 – 0,96) 8 32 32 0,75
0,82
[0,96 – 1,92) 8 32 64 0,92
0,96
[1,92 – 2,88) 5 20 84 1,16
1,17
[2,88 – 3,84) 3 12 96 1,23
1,38
[3,84 – 4,8) 1 4 100 1,4
1,59
25
1,61
1,94
2,01
2,16
2,41
2,59
3,07
3,53
3,76
4,75
Elaboración de tablas de frecuencia. Propuesto
Elaborar la tabla de datos e histograma si se cambia el rango.

Los datos siguientes corresponden al tiempo necesario para procesar 25 ordenes de mantenimiento en una CPU. Se tiene 0,02
0,15
la siguiente tabla; 0,19
0,47
0,71
Paso 1. Es necesario primero determinar el número óptimo de clases. K = 5 0,75
0,82
0,92
Paso 2. Calculamos el rango, R, x_menor = 0,02 sugerido 0 y (x _mayor) = 4,75 sugerido 5, por tanto R = 5 - 0 = 5. 0,96
1,16
1,17
Paso 3. Calculamos la longitud (L) o ancho de la clase o intervalo. L = 5 / 5 = 1 1,23
1,38
1,4
Paso 4. Se estiman los N intervalos 1,59
1,61
I1 = 1,94
2,01
I2 = 2,16
2,41
I3 = 2,59
3,07
I4 = 3,53
3,76
I5 = 4,75
Elaboración de tablas de frecuencia. Propuesto
Paso 5. Calculamos la distribución de frecuencia asociada a esos intervalos:
0,02
Clases Frecuencia Frecuencia Frecuencia 0,15
relativa (%) relativa 0,19
acumulada (%) 0,47
0,71
[0 – 1) 0,75
0,82
[1 – 2) 0,92
0,96
[2 – 3) 1,16
1,17
[3 – 4) 1,23
1,38
[4 – 5)
1,4
1,59
1,61
1,94
2,01
2,16
2,41
2,59
3,07
3,53
3,76
4,75
Elaboración de tablas de frecuencia. Ejercicios Propuestos

1. Parte de un estudio de control de calidad tuvo como objetivo mejorar una línea de producción, se midieron los pesos (en onzas) de
50 barras de jabón. Los resultados son los siguientes, ordenados del más pequeño al más grande.
a) Construya un histograma para estos datos.
b) Construya un diagrama de caja para estos datos. ¿El diagrama de caja indica datos atípicos?
2. Siguiendo una lista del número de sitios de residuos peligrosos en cada uno de los 50 estados federales de los Estados Unidos en
abril de 1995. Los datos se tomaron de la revista The World Almanac and Book of Facts 1996. La lista se ha ordenado
numéricamente.
a) Construya un histograma para estos datos.
b) Construya un diagrama de caja para estos datos. ¿El diagrama de caja indica datos atípicos?
Cálculo de media aritmética, mediana, moda
Suponga que las observaciones en una muestra son x1, x2, ..., xn. La media de la muestra, que se denota con 𝑥ҧ , es
k
 xi * fi
x = i =1
n
0,02
0,15
Dado que las observaciones en una muestra son x1, x2, ..., xn, acomodadas en orden de magnitud creciente, la 0,19
0,47
mediana de la muestra es 0,71
0,71
0,82
0,92
0,96
1,16
1,17
1,23
1,38
1,4
La moda muestral es el valor que tiene más frecuencia en una muestra. Si algunos valores tienen una frecuencia 1,4
1,61
igual, cada uno representa una moda 1,94
2,01
2,16
2,41
Interpretación de media aritmética, moda, mediana (Regla empírica)

Si el histograma asociado a unos datos tiene la forma de una campana o de una joroba, el conjunto de datos tendrá las siguientes
características, lo que en algunos libros se conoce como Regla Empírica:
1. Aproximadamente el 68% de los datos estará en el intervalo (x – S ; x + S).
2. Aproximadamente el 95% de los datos estará en el intervalo (x – 2S ; x + 2S)
3. Casi todos los datos estarán en el intervalo (x – 3S ; x + 3S)
Interpretación de media aritmética, moda, mediana
Muchas distribuciones de frecuencias continuas se pueden representar gráficamente mediante la curva en forma de campana
característica de la figura. Herramientas gráficas como las de las figuras ayudan a comprender la naturaleza de la población.
Figura. Estimación de la distribución de frecuencias. Figura. Sesgo de los datos.

Cálculo de media aritmética, mediana, moda. Ejercicio resuelto tomando los datos de tiempo entre las ordenes de
mantenimiento. 0,02
0,15
Media.
0,19
22,82 0,47
𝑥ҧ = = 1,141 0,71
20
0,71
0,82
0,92
Mediana, datos es par (20) 0,96
1,16
1,17
1 1 1,23
𝑥෤ = ∗ 𝑥10 + 𝑥11 = ∗ 1,16 + 1,17 = 1,165 1,38
2 2
1,4
1,4
La moda muestral es 0,71 y 1,4 1,61
1,94
2,01
2,16
2,41
Cálculo de varianza muestral y desviación estándar.

La desviación estándar es una cantidad que mide el grado de dispersión en una muestra. Sea X1, . . . , Xn una muestra. La
idea básica detrás de la desviación estándar es que cuando la dispersión es grande, los valores de la muestra tenderán a
alejarse de su media, pero cuando la dispersión es pequeña, los valores tenderán a acercarse a su media
Datos Agrupados
2
k  k 
n* xi2 * fi −   xi * fi 
 
S2 = i =1  i =1 
n * (n − 1)
Cálculo de varianza muestral y desviación estándar. . Ejercicio resuelto tomando los datos de tiempo entre las ordenes de
mantenimiento. xi ( xi )^2 ( xi - x)^2
0,02 0,0004 1,2566
0,15 0,0225 0,9821
Varianza muestral S2 = 0,19 0,0361 0,9044
0,47 0,2209 0,4502
0,71 0,5041 0,1858
2
1 0,71 0,5041 0,1858
𝑠 = ∗ 8,6122 = 0,4532 0,82 0,6724 0,1030
19 0,92 0,8464 0,0488
0,96 0,9216 0,0328
Desviación estándar (S) = 0,6732 1,16 1,3456 0,0004
1,17 1,3689 0,0008
1,23 1,5129 0,0079
1,38 1,9044 0,0571
1,4 1,96 0,0671
1,4 1,96 0,0671
1,61 2,5921 0,2200
1,94 3,7636 0,6384
2,01 4,0401 0,7552
2,16 4,6656 1,0384
2,41 5,8081 1,6104
1 22,82 34,6498 8,6122
𝑠2 = ∗ (34,6498 − 20 ∗ 1,1412 ) = 0,4532
19
Desviación estándar (S) = 0,6732
Ejercicio Propuesto 2.
Parte de un estudio de control de calidad tuvo como objetivo mejorar una línea de producción, se midieron los pesos (en onzas) de 30
barras de jabón. Los resultados son los siguientes, ordenados del mas pequeño al más grande.
Determine la media, mediana, moda, varianza y desviación estándar del siguiente problema.
Variables Valor
Media
Mediana
Moda
Varianza
Desviación estándar
- Toma de decisiones para programa de mantención

UNIDAD DE ALTO DESEMPEÑO
ALTO NIVEL DE CONFIABILIDAD BAJA NECESIDAD DE INTERVENCIONES
BAJO COSTO DE MANTENIMIENTO ECOLOGICAMENTE PROYECTADAS
AUTOMATIZADAS Y CON CONTROL

AVANZADO
INTRINSECAMENTE SEGURAS
- Toma de decisiones para programa de mantención

Modelo General de un Sistema de Mantenimiento
Cola de Reparaciones
averías T. bajo costo de Oper.
En espera por costos Recursos de averías
de reparación (repuestos, equipos, costo mano obra)
Plan de Recursos
Mtto. de Mtto.
Recursos preventivos
(repuestos, equipos, costo mano obra)
Datos de Datos de
Costos Averías
Mantenimiento preventivo.
Planta fuera de producción
(tiempo bajo costo de reparación)
Mtto. Preventivo Mtto. Preventivo
(programado) (Sin perdidas
de producción)
Planta de Fabricación
Mtto. de Averías En producción
(Todo o parte del complejo fuera de servicio)
(incidencia aleatoria)
(Causa: Mtto. Pobre/operación incorrecta/diseño pobre)
MUCHAS GRACIAS

Formato-Unidad I - AEM - Sem 1a3-2023

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Formato-Unidad I - AEM - Sem 1a3-2023

Cargado por

Copyright:

Formatos disponibles

ANÁLISIS ESTADÍSTICO E

Unidad I. Estadística aplicada al mantenimiento

DOCENTE DENY GONZALEZ

Mantén todos tus

Mantén tus dispositivos

* Prueba parcial (individual, presencial)

- Fenómenos determinísticos y no determinísticos -Variable cualitativa y cuantitativa

Fenómenos determinísticos y no determinísticos

La densidad se puede estimar

Fenómenos determinísticos y no determinísticos

Fenómenos no determinísticos (aleatorios)

Ámbito de acción de la estadística: sus aplicaciones y método

Actividad formativa no sumativa

Población, muestra y variable

Población, muestra y variable

Una muestra aleatoria simple de tamaño n es una

Población, muestra y variable

Población, muestra y variable

Población, muestra y variable

Variable. Nivel de medición

Población, muestra y variable

Veamos algunos ejemplos de cada uno de estos tipos de variables:

Elaboración de tablas de frecuencia.

La forma más sencilla de describir de forma numérica una variable es

Elaboración de tablas de frecuencia.

Tabla. Tabla de Frecuencia

Figura. Diagrama de barras

Figura. Diagrama de sectores

Elaboración de tablas de frecuencia. Distribución de frecuencia.

Es una tabla de resumen en la cual los datos se colocan en agrupamiento o categorías

Exponen la información recogida en la muestra, de forma que no se pierda nada de

Las distribuciones de frecuencia se construyen por las siguientes razones:

A. Resumen conjuntos grandes de datos

B. Se logra cierta comprensión respecto a la naturaleza de los datos

C. Se logra tener un avance para construir gráficas importantes

Elaboración de tablas de frecuencia.

Diferencia entre ordenamiento de datos y frecuencia

Ordenamiento de notas en Estadística Clase Frecuencia

Elaboración de tablas de frecuencia.

Elaboración de tablas de frecuencia.

¿Qué porcentaje de activos tiene 3 fallas o más? 6 24 1,5 97,3

Total 1517 100

Elaboración de tablas de frecuencia.

Para obtener un histograma de frecuencia se deben realizar los siguientes pasos.

Regla de Spiegel: Se construyen entre 5 y 20 clases.

Regla de Sturgess: El número de clases viene dado por el valor de k, donde:

Regla Empírica: El número de clases viene dado por:

Para obtener un histograma de frecuencia se deben realizar los siguientes pasos.

Paso 4. Se estiman los N intervalos

Elaboración de tablas de frecuencia.

Para obtener un histograma de frecuencia se deben realizar los siguientes pasos.

Elaboración de tablas de frecuencia. Ejemplo

1,17 1,61 1,16 1,38 3,53

Regla de Spiegel: Se construyen entre 5 y 20 clases; aproximado a 5 clases

Regla Empírica: Estimando k = 5

Elaboración de tablas de frecuencia. Ejemplo

Paso 3. Calculamos la longitud (L) o ancho de la clase o intervalo. L = 4,8 / 5 = 0,96

Paso 4. Se estiman los N intervalos I1 = [0 – 0,96)

Elaboración de tablas de frecuencia. Ejemplo

Paso 5. Calculamos la distribución de frecuencia asociada a esos intervalos:

Elaborar la tabla de datos e histograma si se cambia el rango.

Elaboración de tablas de frecuencia. Propuesto

Paso 5. Calculamos la distribución de frecuencia asociada a esos intervalos: