Documentos de Académico
Documentos de Profesional
Documentos de Cultura
EL PROCESO DE RENOVACIÓN
1. Introducción
2. Procesos de renovación
En este contexto, es posible suponer que las variables aleatorias T1,T2,…Tk son todas
independientes e idénticamente distribuidas. Cuando esto ocurre, estamos frente a un
proceso de renovación. Cada vez que el proceso se renueva, se dice que se reinicia
probabilísticamente. Esta característica es importante para el análisis de las
distribuciones que se realizará más adelante.
2
𝑁𝑁(𝑡𝑡): max{𝑘𝑘 ≥ 0, 𝑆𝑆𝑘𝑘 ≤ 𝑡𝑡} ∀𝑡𝑡 ≥ 0
En este caso 𝑆𝑆𝑘𝑘 es una variable aleatoria que tiene la misma distribución de
probabilidades de los tiempos 𝑇𝑇𝑖𝑖 y representa el tiempo real en el que se realiza la
renovación k, mientras que N(t) representa la cantidad de renovaciones realizadas hasta
el tiempo t. Entonces, es posible definir el proceso de renovación en función de
cualquiera de los tres procesos, a saber: la colección de tiempos 𝑇𝑇𝑖𝑖 , el tiempo total 𝑆𝑆𝑘𝑘 o
el proceso de conteo N(t).
𝑁𝑁(𝑡𝑡) ≥ 𝑘𝑘 ↔ 𝑆𝑆𝑘𝑘 ≤ 𝑡𝑡
Por lo que:
Uno de los grandes desafíos de esta área de estudio es poder determinar una distribución
de probabilidades para el proceso de renovación (recuerde: cuando los tiempos entre
llegadas se distribuyen exponencial, la tasa se mantiene constante, y se cumple la
propiedad de orden, entonces la distribución de probabilidades asociada al proceso de 3
conteo es la distribución Poisson).
Sea F(t) la función que representa la distribución de probabilidades de los tiempos entre
renovaciones (𝑇𝑇𝑖𝑖 ). Para poder determinar la distribución de probabilidades de 𝑆𝑆𝑘𝑘 es
necesario construir la distribución acumulada de la suma de las variables 𝑇𝑇1 , 𝑇𝑇2 , … , 𝑇𝑇𝑘𝑘 a lo
cual se le conoce en la literatura como la convolución de las distintas variables aleatorias.
Como en el proceso de renovación se tiene la misma función F(t) para cada tiempo,
entonces se dice que se debe encontrar la convolución de F(t) consigo misma k veces.
La notación de esta convolución es 𝐹𝐹 ∗𝑘𝑘 (𝑡𝑡).
El proceso de renovación
0 𝑠𝑠𝑠𝑠 𝑡𝑡 < 0
𝐹𝐹 ∗0 (𝑡𝑡) = �
1 𝑠𝑠𝑠𝑠 𝑡𝑡 ≥ 0
A través del estudio de la unidad 03 pudimos observar que, cuando los tiempos de
renovación (las variables 𝑇𝑇𝑖𝑖 mostrados más atrás) son exponenciales, entonces la
convolución es una distribución 𝐺𝐺𝐺𝐺𝐺𝐺𝐺𝐺𝐺𝐺(𝑘𝑘, 𝜆𝜆), cuya función de densidad es:
𝑡𝑡
∗𝑘𝑘 (𝑡𝑡)
(𝜆𝜆𝜆𝜆)𝑘𝑘−1 𝜆𝜆𝑒𝑒 −𝜆𝜆𝜆𝜆
𝐹𝐹 = � 𝑑𝑑𝑑𝑑
Γ(𝑘𝑘)
0
Se obtiene:
5
−𝜆𝜆𝜆𝜆 (𝜆𝜆𝜆𝜆)𝑘𝑘
𝑒𝑒
𝑃𝑃(𝑁𝑁(𝑡𝑡) = 𝑘𝑘) =
𝑘𝑘!
Cuando las variables 𝑇𝑇𝑖𝑖 mostrados más atrás se distribuyen Erlang de parámetros m y
𝜆𝜆, entonces la suma de k variables Ti independientes e idénticamente distribuidas,
expresado como:
𝑘𝑘
𝑆𝑆𝑘𝑘 = � 𝑇𝑇𝑖𝑖
𝑖𝑖=1
El proceso de renovación
∞
−𝜆𝜆𝜆𝜆
(𝜆𝜆𝜆𝜆)𝑖𝑖
𝑃𝑃(𝑆𝑆𝑘𝑘 ≤ 𝑡𝑡) = 𝑒𝑒 �
𝑖𝑖!
𝑖𝑖=𝑘𝑘𝑘𝑘
De la misma manera anterior, podemos analizar qué ocurre cuando las variables 𝑇𝑇𝑖𝑖
mostradas más atrás se distribuyen geométricamente. En este caso es necesario analizar
S1, que representa el número de ensayos necesarios para obtener un éxito, cada uno de
manera independiente y con probabilidad p de éxito. De esta manera, Sk representa la
6
cantidad de ensayos necesaria para obtener k éxitos, y dada esta definición entonces se
distribuye binomial negativa. De esta manera:
𝑡𝑡 − 1 𝑘𝑘 (1
� � 𝑝𝑝 − 𝑝𝑝)𝑘𝑘−𝑡𝑡 , 𝑘𝑘 ≥ 𝑛𝑛
𝑃𝑃(𝑆𝑆𝑘𝑘 = 𝑡𝑡) = � 𝑘𝑘 − 1
0, 𝑘𝑘 < 𝑛𝑛
Entonces, en este caso es posible determinar una distribución explicita para N(t) que
viene dada una distribución binomial como se muestra a continuación:
[𝑡𝑡]
𝑃𝑃(𝑁𝑁(𝑡𝑡) = 𝑘𝑘) = � � 𝑝𝑝𝑘𝑘 (1 − 𝑝𝑝)[𝑡𝑡]−𝑘𝑘
𝑘𝑘
El proceso de renovación
Cuando las variables 𝑇𝑇𝑖𝑖 mostradas más atrás se distribuyen Normal de parámetros 𝜇𝜇 y
𝜎𝜎, la suma de estos tiempos independientes e idénticamente distribuidos arroja como
resultado una distribución normal con parámetros 𝑘𝑘𝑘𝑘 y 𝜎𝜎√𝑘𝑘 (observación: esto ocurre
dada la propiedad reproductiva de la distribución normal, es decir la suma de variables
aleatorias normales es también una variable aleatoria normal. Esto se puede demostrar
a través de los momentos de la distribución, lo cual queda fuera de los límites de este
curso).
𝑘𝑘
𝑆𝑆𝑘𝑘 = � 𝑇𝑇𝑖𝑖
𝑖𝑖=1
Esta aproximación es válida cuando 𝜇𝜇 > 3𝜎𝜎 dado que la distribución normal puede
generar valores negativos (lo cual no tiene sentido porque estamos representando
tiempos, y los tiempos son siempre no-negativos).
Dado que las fallas son aleatorias, la empresa decidió capacitar a los operarios de la
máquina para que puedan realizar el cambio de partes ellos mismos sin recurrir a la
ayuda de técnicos externos. Uno de los operarios desea saber cuántas partes de repuesto
debe tener en su espacio de trabajo en el siguiente año laboral para garantizar que el
99% de las veces pueda realizar el cambio sin tener que pedir inventario de repuestos
a la bodega ubicada en Valparaíso.
El proceso de renovación
Un estudio estadístico de los tiempos entre fallas logró determinar que se pueden
distribuir normal de media 8 [semanas] y una varianza de 25 [semanas2]. Asuma que
un año de trabajo tiene 200 días laborales.
𝑇𝑇𝑖𝑖 = 𝑇𝑇𝑇𝑇𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 𝑑𝑑𝑑𝑑𝑑𝑑 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑑𝑑𝑑𝑑 𝑙𝑙𝑙𝑙 𝑚𝑚á𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞 𝑑𝑑𝑑𝑑 𝑗𝑗𝑗𝑗𝑗𝑗𝑗𝑗𝑗𝑗
𝑇𝑇𝑖𝑖 ~ 𝑁𝑁(8,25)
𝑆𝑆𝑘𝑘 = 𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇 ℎ𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑙𝑙𝑙𝑙 𝑘𝑘 − 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓 𝑑𝑑𝑑𝑑 𝑙𝑙𝑙𝑙 𝑚𝑚á𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞 𝑑𝑑𝑑𝑑 𝑗𝑗𝑗𝑗𝑗𝑗𝑗𝑗𝑗𝑗
8
Luego,
Por lo que
Lo que buscamos es que la mínima cantidad de unidades de repuesto que debemos tener
en inventario para que al menos el 99% de las veces podamos hacer el reemplazo.
Entonces,
200 − 8𝑘𝑘 9
= 𝑍𝑍0.01
√25𝑘𝑘
200 − 8𝑘𝑘
= −2,32
√25𝑘𝑘
Con lo que al despejar k se obtiene (observe que es necesaria una calculadora para
despejar k):
𝑘𝑘 ≈ 34
Por lo tanto, dado que las máquinas tienen una falla en promedio cada 8 [semanas] con
una varianza de 25 [semanas2], y dado que los tiempos entre fallas se distribuyen
Normal, los operarios deben tener 34 repuestos en inventario para garantizar con un
El proceso de renovación
99% de probabilidades que podrán reparar la máquina durante un año laboral cuando
se produzca la falla.
3. Función de renovación
Una información más útil con respecto al proceso de renovación es su valor esperado.
Aun cuando se requieren técnicas matemáticas más avanzadas, en general es más
sencillo calcular el valor promedio de renovaciones. Esto se traduce en la siguiente
expresión:
𝑚𝑚(𝑡𝑡) = 𝐸𝐸�𝑁𝑁(𝑡𝑡)� 10
𝑡𝑡
𝑚𝑚(𝑡𝑡) = 𝑒𝑒 −𝑡𝑡 − 1 0 ≤ 𝑡𝑡 ≤ 1
Supongamos que la distribución de los tiempos entre dos fallas consecutivas (Ti)
corresponde a una distribución Gamma (2,𝜆𝜆). En este caso, resolviendo la ecuación se
obtiene:
𝜆𝜆𝜆𝜆 1 𝑒𝑒 −2𝜆𝜆𝜆𝜆
𝑚𝑚(𝑡𝑡) = − −
2 4 4
11
3.3 Aplicación de la ecuación a una distribución exponencial
En el caso de que los tiempos entre dos fallas son exponencial es fácil ver que:
𝑚𝑚(𝑡𝑡) = 𝜆𝜆𝑡𝑡
𝐹𝐹(𝑡𝑡) = (1 − 𝑒𝑒 −𝑡𝑡 )2 , 𝑡𝑡 ≥ 0
El proceso de renovación
Esta función es particularmente útil estudiar dos subsistemas que funcionan en paralelo
cuyos tiempos de vida son independientes, ambos distribuidos exponencialmente con
intensidad 1.
2 1
𝑚𝑚(𝑡𝑡) = �𝑡𝑡 + (𝑒𝑒 −3𝑡𝑡 − 1)�
3 3
12
Observe que este fenómeno se repite en muchas áreas de estudio en procesos
estocásticos. Una parte de esto fue estudiada en el capítulo 2 a través de las
probabilidades de estado estable de las cadenas de Markov en tiempo discreto. En este
sentido, las probabilidades en el largo plazo entregan una idea de cómo se comportará
el proceso estocástico (en este caso el proceso de renovación) una vez que transcurre
una cantidad de tiempo suficientemente grande. Esta idea también puede ser vinculada
a la idea de estado transitorio y estado estable comentadas en la unidad 01.
En este contexto, la idea del comportamiento en el largo plazo se define en función del
siguiente límite:
𝑁𝑁(𝑡𝑡)
lim
𝑡𝑡→∞ 𝑡𝑡
Observe que la expresión anterior hace referencia a cuántas renovaciones ocurren por
unidad de tiempo cuando el tiempo tiende al infinito en el proceso de renovación. El
resultado de este límite es:
El proceso de renovación
𝑁𝑁(𝑡𝑡) 1
lim =
𝑡𝑡→∞ 𝑡𝑡 𝜇𝜇
En este caso 𝜇𝜇 se define como el tiempo promedio entre renovaciones. Luego, esta
expresión representa una intensidad de cambio, es decir, cuántos cambios se realizarán
por unidad de tiempo. Por supuesto, es esperable que dependiendo de la distribución
que se trate, este valor será más fácil o difícil de determinar. De la misma manera, se
tiene que:
𝑚𝑚(𝑡𝑡) 1
lim =
𝑡𝑡→∞ 𝑡𝑡 𝜇𝜇
Por ejemplo, suponga que Isabel utiliza una radio en su trabajo todos los días para
escuchar las noticias mientras trabaja. Esta radio utiliza una única batería e Isabel
13
siempre tiene a su disposición una batería de reemplazo. Si la duración de la batería se
puede modelar con una variable aleatoria uniforme en el intervalo [30,60] [horas] ¿Cada
cuánto tiempo debe realizar un reemplazo en el largo plazo?
𝑋𝑋 ~ 𝑈𝑈[30,60]
𝑏𝑏 + 𝑎𝑎 60 + 30
𝐸𝐸(𝑋𝑋) = 𝜇𝜇 = = = 45 [ℎ𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜]
2 2
El proceso de renovación
𝑁𝑁(𝑡𝑡) 1 1
lim = =
𝑡𝑡→∞ 𝑡𝑡 𝜇𝜇 45
Esto se interpreta como que en promedio Isabel tendrá que cambiar una batería cada
45 horas. Observe que esto no significa que Isabel vaya a realizar 45 cambios en el largo
plazo, sino que hace referencia a una razón de cambio, es decir cada batería tendrá que
ser reemplazada en promedio cada 45 horas.
En palabras sencillas, el teorema del límite central establece que es posible aproximar 14
cualquier distribución de probabilidades a una distribución Normal cuando se cumplen
ciertas condiciones. En este caso, cuando t es muy grande se tiene que:
1 𝜎𝜎 2
𝑁𝑁(𝑡𝑡) ≈ 𝑁𝑁 �𝑡𝑡 � � , 𝑡𝑡 � 3 ��
𝜇𝜇 𝜇𝜇
1 75
𝑁𝑁(𝑡𝑡) ≈ 𝑁𝑁 �𝑡𝑡 � � , 𝑡𝑡 � 3 ��
45 45
Entonces,
Utilizando los resultados del teorema del límite central es posible determinar el número
mínimo de partes que respeten cierta condición de nivel de servicio 𝛼𝛼. Esta ecuación
viene dada por (se deja de tarea al lector encontrar la forma de llegar a esta expresión):
𝑡𝑡
𝑛𝑛 ≈ + 𝑧𝑧𝛼𝛼 𝜎𝜎�𝑡𝑡𝜇𝜇 −3
𝜇𝜇
El proceso de renovación
200
𝑛𝑛 ≈ + 2.32 ∗ 5 ∗ �200 ∗ 8−3 = 32,25 ≈ 33
8
El cálculo original de la cantidad de partes era 34, por lo que el resultado encontrado
anteriormente tiene un margen de error del 2,94% con respecto al valor original
calculado.
16
5. Aplicaciones a políticas de mantención y reemplazo
En general todas las máquinas en sistemas productivos están afectas a fallas aleatorias,
es decir el tiempo que transcurre hasta que la máquina deja de estar operativo no es
conocido previamente por la administración. Para ello existen dos tipos de reemplazos,
el preventivo (que busca reemplazar una pieza planificadamente aun cuando la máquina
esté funcionando), y correctivo (que se realiza cuando la máquina ya falló). Sin embargo,
en ambos casos se asume que la máquina sigue funcionando como si estuviera nueva.
El proceso de renovación
En este sentido, existe una política de reemplazo por edad que se define a continuación:
la máquina se reemplaza o se repara cuando falla o cuando cumple una edad T. Para
ello, se define un costo promedio en el largo plazo de la política en función de este
parámetro T (este parámetro es determinístico y es justamente lo que debe determinar
el gerente para tomar decisiones).
Sean:
Luego, se tiene que la forma de determinar T viene dada por una razón entre el costo
promedio de reemplazo y el tiempo promedio entre reemplazos, esto es:
Suponga que usted es el encargado de un sistema productivo que tiene una única
máquina. Esta máquina tiene una vida útil que se puede modelar apropiadamente con
una distribución uniforme entre 0 y 10 años. Cambiar una máquina por una nueva cuesta
El proceso de renovación
3.000 dólares, mientras que cada reemplazo preventivo cuesta 500 dólares. Si no hay
valor de reventa, determine cada cuánto se debe reemplazar la máquina para minimizar
el costo total de mantenimiento.
𝑇𝑇
3 + 1/2 �
𝐶𝐶𝑝𝑝 = 10� =
3 + 𝑇𝑇/20
=
60 + 𝑇𝑇
𝑇𝑇 1 𝑇𝑇 𝑇𝑇 2 10𝑇𝑇 − 𝑇𝑇 2 20𝑇𝑇 − 𝑇𝑇 2
∫0 𝑥𝑥 ∗ � � 𝑑𝑑𝑑𝑑 + 𝑇𝑇 �1 − �
10 10 +
20 10
Reordenando:
18
Reordenando finalmente:
𝑇𝑇 2 − 120𝑇𝑇 − 1200 = 0
Ahora bien, si la política además tuviera algún valor de “recompensa” (una ganancia por
realizar el reemplazo), entonces la ecuación anterior se convierte en:
El proceso de renovación
Donde R(T) representa el valor de reventa de la máquina (por supuesto este valor
depende de T, dado que mientras más antigua es una máquina, menor es su valor
económico).
Referencias bibliográficas: