Específicas 06 Análisis de

Confiabilidad
Confiabilidad
aplicada

Específicas
Disciplinas
Prospectiva
Gerencia de Riesgo
Gerencia de Activos
Gerencia de la Seguridad
Ingeniería de Mantenimiento
Gerencia de la Incertidumbre
Finanzas e Ingeniería Económica
Fuente: R2M
Herramientas
06 Análisis de
Confiabilidad para la
Confiabilidad
Metodologías y Herramientas
FMEA
Árbol de fallas
Análisis de Riesgo
Análisis de Criticidad
Diagramas de Bloques
Análisis Causa Raíz - RCA
Auditorías de confiabilidad
Inspección Basada en Riesgo RBI
Software de confiabilidad (CMMS)
Total Productive Maintenance - TPM
Optimización Costo Riesgo Beneficio
Análisis Económico del Ciclo de Vida LCA
Análisis de Confiabilidad, Mantenibilidad -RAM
Mantenimiento Centrado en Confiabilidad RCM
 Herramientas
Específicas 06 Análisis de
Confiabilidad
para la
Confiabilidad
Herramientas Estadísticas Herramientas Estadísticas

Datos Análisis de Weibull

Lognormal Estimaciones Bayes
Monte Carlo Distribución Normal
Exponencial Weibull base de datos
Tiempo medio Distribución de Pareto
Curvas bañera Distribución de Poisson
Pronóstico Si No Gráficos de probabilidad
Las tasas de falla Weibull de Acciones Correctivas

Fuente: Barringer & Associates, Inc. 2010

Específicas 06 Análisis de
Confiabilidad Aplicaciones

Confiabilidad de activos Físicos

Confiabilidad Humana

Confiabilidad de procesos y sistemas

Inventarios basados en Confiabilidad

Mantenimiento Centrado en Confiabilidad

 Específicas 06 Análisis de
Confiabilidad

¿Dónde funcionan las herramientas de confiabilidad?

Fuente: Flynn, Vince et AL (2002)

Específicas 06 Análisis de
Confiabilidad Probabilidad

Medida numérica de la posibilidad de que un

suceso ocurra (o no).

Imagen: http://nmillionaire.com

Un componente importante de éste es el azar el

que se espera controlar, reducir y hasta eliminar
durante algunos períodos de tiempo.
Específicas 06 Análisis de
Confiabilidad

Funciones de Distribución usadas para

Confiabilidad
Específicas 06 Análisis de
Confiabilidad

Confiabilidad: R(t)
La Confiabilidad, en su forma más simple, se describe con la siguiente
ecuación:
1
.t
.t
Donde:
R(t ) e e MTTF

e = 2,71828
t = tiempo de la misión (hrs, días, semanas, meses, años, etc)
= tasa de falla,
MTTF= 1 = tiempo promedio para fallar.

Esta ecuación es válida para tiempos para la falla que sigan la

distribución exponencial.
Específicas 06 Análisis de
Confiabilidad
 Específicas 06 Análisis de
Confiabilidad

El Tiempo como Variable principal

up-times
operando

tUP1 tUP2 tUP3 tUP(n-1) tUP(n)

OPERANDO
0 t
FUERA DE tDOWN1 tDOWN2 tDOWN(m-1) tDOWN(m)
SERVICIO

Programados

down-times
fuera de servicio

NO Programados
 Proceso de Ingeniería de Mantenimiento y Confiabilidad
Durante el Ciclo de Vida del Activo
 Mantenimiento y Confiabilidad
aplicada
Cualquier secuencia de eventos u operaciones
que se pueden REPETIR y que producen
resultados tangibles o intangibles.

Procedimientos
Ayudas visuales
Carta de control
Hoja de ruta
Auditoria por producto
Tarjeta de información
Insumos
Materia P.
Productos
Información
Información
Energía
Herramientas

Energía Transformada
E. Medición
Operadores
Maquinas

Métodos
 Proceso de Ingeniería de Mantenimiento y Confiabilidad
en el Día a Día
 Mantenimiento y Confiabilidad
aplicada
Pedro Silva

Daniel Ortiz
Pedro Silva

Juan Carlos Duarte

Pedro Silva Lourival Tavares

 Probabilidad
Ejemplo 1:
Al recoger la información de los compresores empleados en los
Hospitales del eje cafetero en Colombia durante el año 2012, se
encontró que tenían las siguientes presiones de servicio: entre 100
y 150 PSI, 2 equipos; 150 200, 6 equipos; 200 250, 5 equipos;
250 300, 7 equipos, y entre 300 y 350, 4 quipos.

Según esa información histórica ¿qué tan probable es que al

revisar uno de esos equipos de manera aleatoria este año su
presión de servicio esté entre 200 y 250 PSI?

Solución:
Fuente: Curso ESTADÍSTICA PARA LA GESTION DEL MANTENIMIENTO. Mantonline.com
 2.4. Teorema de Bayes
Ejemplo 2:
La Compañía XY, interesada en analizar los equipos con que cuenta a la luz de
haber recibido mantenimiento correctivo o programado (CP), en comparación con
haber sido sometidos a otros tipos de mantenimiento (SCP), realiza el inventario de
todos ellos en sus 4 plantas de producción.
Los resultados de ese inventario y su característica del tipo de mantenimiento
recibido se diagrama a continuación:

Planta 1 Planta 2 Planta 3 Planta 4

153 215 89 298

88 13 7 15

Total equipos: 241 228 96 313 878

Equipos
Correctivo o 153 215 89 298
Planeado:
Otros: 88 13 7 15
Fuente: Curso ESTADÍSTICA PARA LA GESTION DEL MANTENIMIENTO. Tulio Quintero -Mantonline.com
 2.4. Teorema de Bayes
Ejemplo:
Con esa representación gráfica de la información del tipo de mantenimiento que reciben los
equipos de la Empresa XY, se pueden formular probabilidades según nuestro interés:
Al escoger aleatoriamente uno cualquiera de los equipos:
¿Qué tan probable es que resulte de la planta 1?
P(P1)=CF/Cp=241/878=27,45%
Al formular la misma pregunta para cada planta, se puede construir otro diagrama que
represente el Teorema de Bayes:
Total equipos P1
241
P(P1)=241/878
27,45%

Total equipos P2
228
P(P2)=228/878
100% de los equipos 25,97%
878
Total equipos P3
96
P(P3)=96/878
10,93%

Total equipos P4
313
P(P4)=313/878
35,65%

Fuente: Curso ESTADÍSTICA PARA LA GESTION DEL MANTENIMIENTO. Tulio Quintero -Mantonline.com
 2.4. Teorema de Bayes
Ejemplo:
En ese mismo diagrama podemos representar lo que sucede con los equipos de cada
planta, respecto al tipo de mantenimiento: dado que el equipo pertenece a la Planta 1
¿qué tan probable es que haya recibido mantenimiento correctivo o planeado (CP)?
Dicho de otra forma: dentro de los equipos de la Planta 1 ¿qué tan probable es que
hayan recibido mantenimiento correctivo o programado (CP)? O sea P(CP/P1)=?

153 de los 241 con CP

P(CP/P1)=153/241
Total equipos P1 63,49%
241 Obsérvese: .
P(P1)=241/878
27,45% 88 de los 241 SCP P(CP/P1)+P(CP/P2)=100%
P(SCP/P1)=88/241
Total equipos P2 36,51%
228
P(P2)=228/878
25,97%
100% de los equipos
878
Total equipos P3
96
P(P3)=96/878
10,93%

Total equipos P4
313
P(P4)=313/878
35,65%

Obsérvese: P(P1)+ P(P2)+ P(P3)+ P(P4)=100%

Fuente: Curso ESTADÍSTICA PARA LA GESTION DEL MANTENIMIENTO. Tulio Quintero -Mantonline.com
Funciones de Distribución de probabilidad
Funciones de Distribución de probabilidad
Funciones de Distribución usadas para
Confiabilidad
Gamma Combinación de Sistemas mecánicos
y eléctricos

Las piezas mecánicas que fallan

Log Normal debido a algún mecanismo de
desgaste

Poisson Mecanismos de Seguridad (fusibles)

Binomial Sistemas altamente complejos

Exponencial Combinación de Sistemas mecánicos

y eléctricos

Weibull Combinación de Sistemas mecánicos

y eléctricos complejos
 El Tiempo como Variable
principal
up-times
operando

tUP1 tUP2 tUP3 tUP(n-1) tUP(n)

OPERANDO
0 t
FUERA DE tDOWN1 tDOWN2 tDOWN(m-1) tDOWN(m)
SERVICIO

Programados

down-times
fuera de servicio

NO Programados
 El Tiempo como Variable
principal

OPERANDO
To
FUERA DE 0 t
SERVICIO
 Media
Promedio o valor esperado (X barra): este
cálculo hecho sobre la muestra se denomina
estadístico o estimador, y desde este
subconjunto permite determinar tendencias y
aproximaciones de lo que sucede en la
población de interés (Estadística Inferencial).
MTBF Mean Time Between Failures

MTBF - Mean Time Between Failures: Representa el

Promedio del tiempo entre dos fallas de un elemento
(Equipo, Sistema o Componente).
MTBF Mean Time Between Failures

To Tnp
MTBF
tUP1
Cf

To: El Tiempo Establecido para Operar

Tnp: Tiempo de paradas No Programadas
Cf: Cantidad de Fallas detectadas durante el período Establecido para operar
 MTBF Ejemplo 3
Un vehículo que trabaja 14 horas al día 24 días al mes,
presenta paradas no programadas como muestra la
tabla siguiente.
Mes Paradas no Tiempo de Costo
programadas parada (h) Mantenim.
1 1 6 403
2 0 To= 14x24x12 = 4032
3 1 21 321 Tnp = 93
4 1 15 620 Cf: = 6
5 1 20 873
6 0
7 1 29 899 4032 93
8 1 2 102 MTBF
9 0 6
10 0
11 0 MTBF = 656,5 horas entre fallas
12 0
 MTBF Ejemplo 4
Un equipo a lo largo de 120 horas sufrió 5
detenciones que tardaron en total 18 horas,
determinar cuál fue el MTBF.
To= 120
Tnp = 18
Cf: = 5

120 18
MTBF
5
MTBF = 20,4 horas entre fallas
 MTTF Mean Time To Failure
MTTF Mean Time To Failures: Cuando se
trata de un cambio o sustitución de parte o
repuesto, el concepto es similar al anterior, lo
que se indica en este caso, es el tiempo
promedio con que se producirá la falla del
elemento analizado.

Es importante resaltar que el MTBF y el MTTF

son mutuamente excluyentes, pues para este
último, el tiempo de reparación es cero.
 MTTF Mean Time To Failure
up-times

To * n operando

MTTF n
tUP1
Cf
i=1
tDOWN = CERO
OPERANDO
To
FUERA DE 0 tDOWN1 t
SERVICIO

Fallas
down-times
To: El Tiempo Establecido para Operar
n: Numero de unidades bajo pruebafuera de servicio
Cf: Cantidad de Fallas detectadas durante el período Establecido para operar
NO Programados
 MTTF Mean Time To Failure
up-times

To operando

MTTF
tUP1
Cf tDOWN = CERO
OPERANDO
To
FUERA DE 0 tDOWN1 t
SERVICIO

Fallas
To: El Tiempo Operación down-times
fuera de
Cf: Cantidad de Fallas detectadas durante el servicio
período Establecido para operar
 MTTF Ejemplo 3
Supongamos que Diez Elemento Falla Horas de Operación
componentes idénticos 1 si 400
son probados hasta que, o 2 no 1000
bien fallan o llegan a 1.000 3 si 620
horas. Y que los resultados 4 si 900
fueron como se muestra la 5 no 1000
siguiente tabla. 6 si 700
7 si 862
8 no 1000
Calcule el MTTF
9 si 50
MTTF = 7532 horas/6 fallas 10 no 1000
= 1255, 33 horas entre falla
Total Horas operación 7532

Esto NO significa que otro elemento idéntico, trabajando bajo las mismas condiciones
dure 1255,33 horas.
 Revisión de Conceptos de
Confiabilidad

MTTR - Mean time to repair: Representa el Promedio

del tiempo que tarda la reposición de las fallas de un
elemento (Equipo, Sistema o Componente).
 Tasa de Fallas
Tasa de falla es la frecuencia con que un sistema
de ingeniería o un componente falla, expresada
por ejemplo en fallas por hora.

# Fallas
TiempoEstablecidoparaOpear

1
MTTF
 Ejemplo 5
Del Ejemplo 3, calcule la tasa de fallas y concluya
En este caso, MTTR = 0, esto implica que
MTBF =MTTF

= 1/1255,33 = 0,0007966 Fallas / hora = 796,6 x 10-6

Fallas/hora

Es decir que ocurrirían alrededor de 796,6 fallas por cada millón

de horas de operación.
Existe una unidad Normalizada, denominada FIT (Failure
in Time), que mide la cantidad de fallas en 109 horas.
1 FIT = 1 x 10-9 [1/horas]
 Confiabilidad: R(t)
La Confiabilidad, en su forma más simple, se describe con la siguiente
ecuación:

1
.t
.t
R(t ) e e MTTF

Donde:
e = 2,71828
t = tiempo de la misión (hrs, días, semanas, meses, años, etc)
= tasa de falla,
MTTF= 1 = tiempo promedio para fallar.

Esta ecuación es válida para tiempos para la falla que sigan la

distribución exponencial.
 R Ejemplo 6

Supongamos que tiene un componente que la vida útil

que está satisfactoriamente modelada por una
distribución exponencial con MTTF = 1000. ¿Cuál es la
probabilidad de que este componente no falle antes de
2000?
1
.2000
R( 2000) e 1000 R (2000) = 0, 1353

Es decir que la probabilidad de que el componente no falle en

este periodo es del 13,53%
 Probabilidad de Falla
Si llamamos F(t) la probabilidad de que el
elemento falle, entonces.

F(t) = 1- R(t)
Del ejemplo anterior, diríamos que, la probabilidad de
que el componente falle durante el mismo periodo
seria:

F(t) = 1- 0,1353 = 0,8646

Es decir que la probabilidad de que el componente falle en este
periodo es del 86,46%
 Ejemplo 7
Un carro tiene cuatro llantas idénticas e independientes y la tasa de falla de
cada neumático es 0,0004 fallas por hora. Obviamente, cuando una de las
llantas se chuza, el carro no anda.
Calcular :
Confiabilidad del carro para una misión de 15-horas con respecto a
las llantas.
La tasa de falla respecto a las llantas.
El tiempo medio hasta la falla del carro con respecto a las llantas.
 Solución
R1 R2 R3 R4 R1 =R2=R3=R4

i 0,0004 fallas/hora

Usando las ecuaciones anteriores:

R(15) = e 4(0.0004)(15)
= 0.9763
Para
s = 4 (0.0004)
= 0.0016 fallas/h
y el MTTF:
MTTFs = ¼ (0.0004)
= 625 h
 Ejemplo 8

R1=0.4
R2=0.5
RA
R3=0.6
1 3 5
R4=0.8
R5=0.7
R6=0.9
2 4 6
Rt???
RB RD

RC
Ejemplo - Continuación

A 5

B 6

RC RD
Ejemplo - Continuación

C D

S
 Ejemplo 9
Considere el sistema de bombeo de crudo mostrado en la figura. Determine
la confiabilidad del sistema asumiendo que todas las bombas son iguales y
tienen una confiabilidad de 0.8. Adicionalmente, las válvulas de bloqueo y las
válvulas check de las bombas tienen una probabilidad de falla de 0.01.
Finalmente la confiabilidad de la válvula de control en la descarga del
sistema es de 0.98 y las válvulas del by-pass y de entrada tienen una
probabilidad de falla de 0.001. El sistema requiere de 2 de las 5 bombas para
cumplir con el requerimiento.
V=0.01 B=0.80 CH=0.01 V=0.01

1
V=0.99
2 Sistema de
Bombeo
3

V=0.001 4
BP=0.001
5
 Solución

Por tener las bombas, las válvulas de bloqueo y las válvulas check las mismas confiabilidades
tenemos:

R1=R2=R3=R4=R5 = Rv*Rb*Rv*Rv = Rb*Rv3

R1 = 0,8*0,9993 = 0,798
5 2 5 2 5 3 5 3 5 4 5 4 5 5 5 5
R SIST Rt 1 Rt Rt 1 Rt Rt 1 Rt Rt 1 Rt
2 3 4 5

5! 5! 5!
R SIST * 0,798 2 * (1 0,798)3 0,798 3 * (1 0,798) 2 ...... 0,7985 * (1 0,798)0
2!(5 - 2)! 3!(5 - 3)! 5!(5 - 5)!

Rsist = 0,9925
 Solución - Continuación

Luego, resolviendo en paralelo la válvula de descarga del sistema y el by-pass

se tiene:
2
Cvc 1 1 Ri t 1 1 0.999 * 1 0.99 0.99999
i 1

Finalmente, la confiabilidad de todo el sistema de bombeo es:

Rsist . _ bom beo Rv entrada * Rsist bom bas * Rvc by pass

Rsist . _ bom beo 0.9999 * 0.9925 * 0.99999 0.9923

 Índice de Disponibilidad

MTBF
A(t) =
MTBF+MTTR
Donde:
A(t): Availability [%]
MTBF: Mean time between failure
MTTR: Mean time to repair
 Índice de Mantenibilidad

Donde:
M(t): mantenibilidad, que representa la probabilidad de
duración de la reparación.
e: constante Neperiana (e=2.303..)
t: tiempo en el que se realiza la evaluación
MTTR: Tiempo medio de reparacion
Análisis RAM, el OEE y el ROCE
MTBF
MTTR
 Weibull

donde;
R(t) = Confiabilidad del elemento evaluado
e = Base de los logaritmos naturales = 2.718281.......
t = Parámetro de interés o valor en t
= valor en t inicial (tercer parámetro de Weibull)
= Vida característica (cantidad de datos analizados)
Factor de forma
 Weibull

Y
 Rango Medio
F(t) esta determinado por los rangos que utilicemos.

Para:
Rangos Medianos
Mayor a 30 datos

Rangos Pequeños i= orden del dato

analizado
n = numero de
datos de la muestra
 Weibull
Confiabilidad significa el mínimo tiempo que el equipo
funcionará con seguridad antes de fallar. La variable
característica es similar a la media y representa un valor de t
debajo del cual se encuentra el 63.2% de los datos. El parámetro
de forma o geométrico controla la asimetría de la distribución.
 Weibull
eta = Pendiente , de la curva que tracemos con Factor de
Forma
los datos y el calculo realizado para hallar X & Y

1
Eta ( )= e (Intercepto / Pendiente)

Vida Característica (tiempo

para el cual el 63,6% de los
ítems han fallado)
Se tiene laWeibull
siguiente -información
Ejemplo para la Moto
Bomba Impulsora - BIE-1012.
Para lo cual debemos calcular el Tiempo entre
fallas acumulado y ordenar su aparición, así;
Tiempo entre fallas acumulado y
orden de Aparición
Rango Medio
Hallando X
Hallando Y
La pendiente y el intercepto
Intercepto -15,50283037 Beta 3,28780429

Pendiente 3,28780429 Eta 111,6370969

www.mantonline-rcm.com
Puntos de la Curva
 Curva

61.43%

110

www.mantonline-rcm.com
Ficha de un activo confiable
 Optimización Basados en Costo

Usando la información calculada hasta el momento para el

ejemplo de la distribución de Weibull, y conociendo los costos del
mantenimiento preventivo y el correctivo, podemos hallar el
punto optimo de intervención, referidos a dichos costos, para lo
cual, introduciremos el valor de gamma, el cual nos ayuda a
ajustar los cálculos debido a su similitud a una distribución
exponencial y el ajuste de la varianza para el calculo.

Con = 3,28 y = 111,6

Costo Reemplazo:
NO Planeado (Ca) = 1.000.000
Planeado (Cb) = 300.000
 Optimización Basados en Costo

Con

Iw(t) = Costo Total por Unidad de Tiempo

Costo Unitario Planeado = (Costo Planeado*R(t)) / Integral de R(t)

Costo Unitario NO Planeado = (Costo No Planeado*(1-R(t))) / Integral de R(t)
 Optimización Basados en Costo

Donde:

h*(G1-G2*(1-F(G)((l*t)^b1/b)/b)

Costo Unitario Planeado = (Costo Planeado*R(t)) / Integral de R(t)

Costo Unitario NO Planeado = (Costo No Planeado*(1-R(t))) / Integral de R(t)

Puntos para la Curva

www.mantonline-rcm.com
Punto Optimo Tradicional
Punto Optimo
Punto Optimo con Weibull

www.mantonline-rcm.com
Específicas 06 Análisis de
Confiabilidad

Referencias
1. Arata, Adolfo. INGENIERÍA DE LA CONFIABILIDAD: TEORÍA Y APLICACIÓN EN
PROYECTOS DE CAPITAL Y EN LA OPERACIÓN DE INSTALACIONES INDUSTRIALES A
TRAVÉS DEL ENFOQUE R-MES. RIL editores. 2014.
2. Cruz Rabelo, Eduardo Manuel. INGENIERÍA DE MANTENIMIENTO. FORMACION
EN MANTENIMIENTO PARA EL INGENIERO MECANICO. Editorial: NUEVA
LIBRERÍA. 348 paginas. ISBN: 9789871104659
3. Castillo Tzec, Yoni Miguel. CONFIABILIDAD DE SISTEMAS: FUNDAMENTOS Y
APLICACIONES. Editorial Académica Española. 2012. ISBN: 3659036498
4. Mora Gutiérrez Alberto, (2009). Mantenimiento Estratégico para empresas
Industriales o de Servicios
5. Mora Gutiérrez, Alberto. Mantenimiento. ALFAOMEGA GRUPO EDITOR. 526
paginas. 2009. ISBN: 9789586827690
6. Pistarelli, Alejandro J. MANUAL DE MANTENIMIENTO. INGENIERIA, GESTIÓN Y
ORGANIZACIÓN. 1ª Ed. El Autor.2010.
7. Silva, Pedro. CONFIABILIDAD EN LA PRÁCTICA. 1ª Ed. El Autor. 2014.
8. Revista; Mantenimiento en Latinoamérica.
www.mantenimientoenlatinoamerica.com
Específicas 06 Análisis de
Confiabilidad

Referencias
9. Parra Márquez, Carlos Alberto. PROCEDIMIENTO DE IMPLANTACIÓN DE LA
METODOLOGÍA DE ANÁLISIS CAUSA RAÍZ (RCA: ROOT CAUSE ANALYSIS).
INGECON Asesoría Integral en Ingeniería de Confiabilidad. 2011.
10. Parra Márquez, Carlos Alberto. DESARROLLO DE MODELOS DE CUANTIFICACIÓN
ECONÓMICA DEL FACTOR FIABILIDAD EN EL COSTE TOTAL DE CICLO DE VIDA DE
UN SISTEMA DE PRODUCCIÓN. Universidad de Sevilla; Edición 1, Tesis
Universidad de Sevilla. 2009.
11. Sánchez Silva, Mauricio. INTRODUCCIÓN A LA CONFIABILIDAD Y EVALUACIÓN DE
RIESGOS. TEORÍA Y APLICACIONES EN INGENIERÍA. Ediciones Uniandes. 2010.
ISBN: 9586955117.
12. Niño Torres, Margarita Maria. METODOLOGÍA DE LA INVESTIGACIÓN Y
FUNDAMENTOS DE ESTADÍSTICA.
13. Perez Marques, Maria. CÁLCULO DE PROBABILIDADES E INFERENCIA ESTADISTICA
CON EXCEL 2013/2010/2007. ISBN: 1482797275
14. García Palencia, Oliverio. CONFIABILIDAD HUMANA. CLAVE DE LA
COMPETITIVIDAD Organizacional. Hipertexto Ltda. 2013. ISBN: 9789584622341
15. Yañez, Medardo. INGENIERÍA DE CONFIABILIDAD Y ANÁLISIS PROBABILÍSTICO DE
RIESGO, 2003. ISBN 980-12-0116-9.
16. Yanez, Medardo. GERENCIA DE LA INCERTIDUMBRE.2003. ISBN: 980-12-0115-0.
http://www.aciem.org/home/index.php/comp
onent/allvideoshare/video/latest/primera-
sesion