Mam Ipi PPT SSC Curso Completo 2022

Magister en Ingeniería Industrial.
Mención Gestión de Activos y Confiabilidad Operacional
INGENIERÍA DE PLANTAS
INDUSTRIALES
Confiabilidad Operacional para Procesos Industriales
Adolfo Arata Andreani Sebastián Soto Contreras

adolfo.arata@cgssa.com Sebastian.soto@cgssa.com
Sebastián Soto C.
Ingeniero Civil industrial, Magister en Ciencias de la Ingeniería Industrial de la UTFSM,

diplomado en logística de la PUC. Profesionalmente se desarrollado como Gerente de
Proyectos, Jefe de Productos, Director Académico y Consultor Especialista en gestión de
operaciones, gestión de activos, producción e ingeniería de confiabilidad, en RMES Analytics.
Dentro de sus proyectos más relevantes se encuentran el “Productividad de la Gran Minería
del Cobre 2016 y 2021”, definiendo KPI estándares y comparables para los principales activos
físicos de la industria minera en Chile y Perú.
Por el lado académico, ha sido profesor en programas de Diplomado y Magister en Gestión
de Activos y Confiabilidad Operacional de la PUCV y profesor de cursos de Pregrado en la USS
y Universidad Mayor. Dentro de esta actividad se desempeñó como secretario de estudios en
la USS para las carreras de ingeniería a cargo de más de 80 profesores y 200 cursos.
Sus intereses se enfocan en la mejora sistemática de los procesos a distintos niveles
mediante la aplicación de analítica avanzada y una visión global de negocio.
https://www.linkedin.com/in/sebastiansoto/
© Adolfo Arata Andreani y Sebastián Soto Contreras Todos los derechos reservados
I. Agenda
• Introducción
• Reflexión
• Evolución del Desarrollo de proyectos de Capital
• Etapas de un proyecto Industrial
• Estimación de Costos
• Fundamentos de Confiabilidad
• Confiabilidad Operacional e Impacto Económico
• Criterios Generales de Dimensionamiento
• Presentación de Casos
• Ejercitación a través de la Aplicación de Modelos
• Evaluación del Curso
INTRODUCCIÓN
Programa
REFLEXIÓN
Reflexión
La experiencia en el desarrollo, la ejecución y la puesta en marcha de proyectos industriales ha demostrado que existe una falta
importante en su planificación que se refleja en:
• Incremento importante de los costos de los proyectos, llegando en algunos casos a la duplicación de los CAPEX. Un caso
particular, el gasto real sobre el estimado originalmente fue sobre un 80%. (El costo de capital fue de US$ 1.100 millones en
cambio de US$ 600 millones). En términos generales, del 69% estudiados (ref. EY) el 62% presentó sobre costos respecto a las
estimaciones iniciales
• Incremento significativo de los tiempos estimados hasta la puesta en marcha y hasta lograr la condición de régimen,
causado no por errores en las especificación y selección de los equipos sino fundamentalmente por problemas en la
disponibilidad operacional de los mismos. Un caso particular, el tiempo real en relación al estimado hasta la puesta en marcha
fue superado en un 25% (1 año más de los 4 estimados), y hasta lograr la condición de régimen fue superado en un 75% (3 años
más de los 4 estimados ). Por lo que el incremento alcanzó el 100% del tiempo originalmente planificado (4 años más de los
estimados). En términos generales, del 69% estudiados (ref. EY) el 50% presentó retrasos respecto a las estimaciones
iniciales, incluso después de haber ejecutado medidas correctivas
Reflexión
La experiencia en el desarrollo, la ejecución y la puesta en marcha de proyectos industriales ha demostrado que existe una falta
importante en su planificación que se refleja en:
• Incremento importante de los costos de los proyectos, llegando en algunos casos a la duplicación de los CAPEX. Un caso
particular, el gasto real sobre el estimado originalmente fue sobre un 80%. (El costo de capital fue de US$ 1.100 millones en
cambio de US$ 600 millones). En términos generales, del 69% estudiados (ref. EY) el 62% presentó sobre costos respecto a las
estimaciones iniciales
• Incremento significativo de los tiempos estimados hasta la puesta en marcha y hasta lograr la condición de régimen,
causado no por errores en las especificación y selección de los equipos sino fundamentalmente por problemas en la
disponibilidad operacional de los mismos. Un caso particular, el tiempo real en relación al estimado hasta la puesta en marcha
fue superado en un 25% (1 año más de los 4 estimados), y hasta lograr la condición de régimen fue superado en un 75% (3 años
más de los 4 estimados ). Por lo que el incremento alcanzó el 100% del tiempo originalmente planificado (4 años más de los
estimados). En términos generales, del 69% estudiados (ref. EY) el 50% presentó retrasos respecto a las estimaciones
iniciales, incluso después de haber ejecutado medidas correctivas
La Ingeniería de Confiabilidad de Plantas busca entregar soluciones que permitan definir la Confiabilidad
Operacional (seguridad funcional) de las instalaciones industriales, a través de criterios comunes de
dimensionamiento de los sistemas, orientado a asegurar las condiciones funcionales, respetando las
exigencias tecnológicas de los procesos, de manera de reducir los costos globales (TCO/LCC) durante
todo el ciclo de vida de los activos físicos
Reflexión
Durante todo el ciclo de vida de los activos el Capex representa sólo una
fracción del TCO (LCC), sin embargo se tiende a (MIN) Capex
desconociendo el efecto sobre el costo de las pérdidas de producción por
la menor confiabilidad operacional de la instalaciones
La participación de los ingenieros de confiabilidad es prácticamente nula

en la fase de proyecto. Aparecen los mantenedores durante la operación
contribuyendo al logro de las condiciones de régimen definidas en el
proyecto
Se estima que el 65% oportunidades de creación de valor y de reducción

de los costos es posible en las fases iniciales del proyecto
Reflexión
EVOLUCIÓN DEL DESARROLLO DE

PROYECTOS DE CAPITAL
Enfoque Tradicional (TOP-DOWN)
El enfoque está orientado fundamental y

únicamente a las operaciones unitarias del
proceso sin una visión de la seguridad
operacional (riesgo) de los equipos y las
instalaciones y su impacto sobre la capacidad
productiva (probabilidad y consecuencia). Se
caracteriza por una visión top-down
PDF= Process Diagram Flow

Incertidumbre en el desarrollo de proyectos en general
• Variadas opciones en términos de tipos, tamaños, costos, vida útil, tecnologías etc.
• Parte significativa de los costos del sistema están escondidos, (costo de la no disponibilidad, la no calidad, la
emergencias, las redundancias, etc.).
• Inexactitudes en las estimaciones, predicciones y previsiones de costos debido a las fluctuaciones de la economía y
de las condiciones operacionales, ya que muchas de la decisiones están solo soportada por la visión de expertos sin
un soporte riguroso y cuantitativo desarrollado sobre una base científica.
• Priorización en los costos de adquisición de los equipos sin una visión del ciclo de vida y los riesgos
• Cambios de ingeniería durante el proceso de diseño y el desarrollo.
• Cambios en la producción, operación y/o construcción del sistema.
• Calidad deficiente y variaciones de los insumos durante la operación de las instalaciones
• Variación de los procesos por deterioro de los equipos por la no adecuada operación y mantenimiento
• Distribución de equipos en planta (lay out) inadecuado
• Desconocimiento de los modos de falla y sus probabilidades de ocurrencia
• Estimaciones económicas financieras poco actualizadas sin una visión TOC/LCC
Enfoque Total Cost Ownership (TCO) y Life Cicle Cost (LCC)
Es un proceso sistemático de evaluación de distintos activos que considera de manera simultánea aspectos
económicos y de confiabilidad operacional, con el propósito de cuantificar el impacto de los costos totales (TCO)
a lo largo del ciclo de vida de los activos (LCC), de manera de poder comparar diferentes opciones de forma de
seleccionar los activos y decidir la instalación que aporte los mayores beneficios al negocio, que maximiza la
productividad del capital (ROIC)
Cómo mejorar la rentabilidad del proyecto de capital
En la industria de los commodities, intensivas en activos físicos, la opción

para aumentar la rentabilidad del proyecto se logra principalmente por el
incremento de la productividad del capital (ROIC)
Productividad del Capital, es la medida de la eficiencia y la eficacia del

capital invertido en la generación del output productivo. Es el ratio entre
output productivo sobre input de capital
En ambos casos se requiere conocer el impacto a nivel sistémico, es decir en el runtime del proceso, de
incorporar o eliminar redundancias en el proceso


Asegurar niveles de disponibilidad y utilización del proceso que permita

cumplir con las metas de producción. Disminución de los riesgos y su
impacto


Asegurar niveles de disponibilidad y utilización del proceso que permita

cumplir con las metas de producción. Disminución de los riesgos y su
impacto
Eliminar redundancias que no aportan valor real al proceso productivo y

reducir los costos de mantenimiento
Los Cuellos de botella
Se busca optimizar el uso de los activos exigiendo que cada uno de los elementos que componen una instalación sean
balanceados, pero no sólo en términos de sus capacidades sino respecto a sus criticidades sistémicas (efecto sobre el
negocio), determinadas por la combinación entre: la seguridad de funcionamiento, el impacto productivo y el valor
de los activos.
Acciones para mejorar la rentabilidad del proyecto de capital
• Optimización temprana de las inversiones, bajo el enfoque TCO/LCC.

• Integración entre Ingeniería y Operaciónes (producción y mantenimiento).
• valuación permanente del proyecto de inversión durante todo el proceso del desarrollo de la
ingeniería considerando no solo los Caperx y Opex, sino también los costos de no producción
(riesgos)
• Comparación entre las alternativas (trade-off) soportada por herramientas económicas rigurosas
y confiables bajo el criterio costo – beneficio (riesgo)
• Ingeniería apoyada en herramientas probabilísticas que permitan cuantificar los riesgos
• Ingeniería con un enfoque bottom-up que permita identificar criticidades a nivel micro (equipos,
componentes y modos de falal) para cuantificar los impactos a nivel macro (negocio)
• La plicación de la Ingeniería de confiabilidad como herramienta de análisis de proyecto bajo
TCO/LCC
Enfoque RAM (solución botton-up). Enfoque RMES
RBD: Reliability Block Diagram

T-RAM(S): Throughputability, Reliability, Availability, Maintainability and Safety
ETAPAS DE UN PROYECTO
INDUSTRIAL
Etapas de un proyecto industrial
Un proyecto industrial debe ser analizado considerando todo el ciclo de vida de este (LCCA). Tradicionalmente los proyectos
consideran situaciones ideales de operación y muchas veces no es considerado el mantenimiento en la operación.
¿Cuál es el incentivo para crear proyectos? ¿Generar Valor? ¿Aumentar los beneficios?
COSTOS [$]
Decisión tradicional
Decisión adecuada
INVERSIÓN OPERACIÓN
TIEMPO
Un proyecto industrial puede dividirse en 3 grandes etapas:

• Preinversión
• Ejecución
• Ejercicio
Estas etapas no son necesariamente secuenciales y dependiendo del proyecto, y

como se estructure, puede que se ejecuten en paralelo debido a revisiones y
modificaciones que puedan existir a lo largo del desarrollo del proyecto.
CAPEX OPEX
COSTOS DE COSTOS DE COSTOS DE
PREINVERSIÓN EJECUCIÓN EJERCICIO
DISEÑO COSTO MANT CORRECTIVO + IMPACTO EN PRODUCCIÓN + IMPACTO AMBIENTAL

ADQUISICIÓN. COSTOS DE LA BAJA Confiabilidad = RIESGO
COSTO OPERACIÓN + MANT. PLANIF.
DESINCORPORACION
TIEMPO (AÑOS)
INVESTIGACION
CONSTRUCCION.
Para el desarrollo del proyecto se articulan una serie de actividades, muchas de las cuales afectan la confiabilidad
operacional
• Análisis del mercado objetivo del producto y de materias primas e insumos.(clientes, proveedores, competidores y
comercialización). Demanda y oferta
• Estudio del impacto ambiental directo y de largo plazo por la instalación y operación del proyecto (comunidades
locales).
• Selección de las tecnologías asociadas con el proceso de producción y los servicios (riesgo/competitividad)
• Análisis de confiabilidad y de mantenibilidad (seguridad de funcionamiento) del proyecto.
• Identificación de la organización y de las competencias laborales y profesionales para la operación del proyecto
• Identificación de la macro y micro localización
• Definición de la capacidad de la planta y nivel de centralización.
• Desarrollo del proyecto (a nivel de ingeniería conceptual, básica y detalle) y distribución en planta (layout).
• Estimación del costo de la planta y de los costos de ejercicio con un enfoque durante todo el ciclo de vida (LCC).
• Determinación de los ingresos y egresos de caja.
• Plan financiero y análisis de rentabilidad del proyecto
Estudio de Mercado
El estudio de mercado está orientado a especificar el producto o servicio en toda su complejidad para poder estimar cuánto
vender y a qué precio.
Este estudio se realiza a través de un análisis de oferta y demanda, considerando fundamentalmente el mercado proveedor,
competidor y consumidor, como también el sistema de comercialización.
Para el desarrollo del estudio de mercado se dispone de técnicas estadísticas refinadas para analizar series históricas de
ventas, así como análisis de correlación con indicadores económicos clásicos, extrapolación y regresión múltiple.
Es oportuno, sin embargo, señalar que ninguno de estos métodos es capaz de entregar respuestas exactas, por lo que para
mejorar la confiabilidad de los pronósticos de venta y su efecto sobre la factibilidad del proyecto, es recomendable y conveniente
emplear varios métodos en forma simultánea, y sólo aceptar los resultados si concuerdan en cierta medida.
La formulación de pronósticos confiables sigue siendo una cuestión no mecánica, sino fundamentalmente de sensibilidad,
intuición, experiencia y capacidad de interpretar la realidad y las dinámicas del mercado, aun cuando se base en los
resultados de las técnicas aplicadas.
Ejecución del proyecto
Le corresponde el desarrollo de la ingeniería y el montaje del proyecto, a través de las etapas siguientes:
• Ingeniería conceptual.
• Ingeniería básica
• Ingeniería de detalles
• Construcción y montaje
• Ingeniería de resultados
Análisis Económico Financiero
Determinación de los indicadores económicos del proyecto, considerando diferentes posibilidades de financiamiento para su
realización y operación, de manera de disponer de la información necesaria para decidir la conveniencia económica de
implementarlo en relación a otras alternativas de proyectos que disponen los inversionistas.
Entre los indicadores más comunes es posible citar aquellos que miden el valor económico del proyecto, como es el Valor
Actualizado Neto (VAN) y aquellos que entregan la rentabilidad del proyecto, como es la Tasa Interna de Retorno (TIR).
H H H H H
Tiempo
Inversión
Costo Ineficiencia
(1 + 𝑖)𝑛 −1
𝐹𝑎 =
Costo ejercicio (operación) 𝑖 ∙ (1 + 𝑖)𝑛
Costo Total
Ejercicio
Le corresponde el funcionamiento de la instalación a través del grupo de personas que fueron capacitadas
para ello y organizadas en una estructura definida. El funcionamiento del proceso se ve marcado por una
operación con parámetros de producción constantes o con leves cambios de ellos. En este periodo comienza
el flujos de ingresos producto de la venta de los productos elaborados
Las etapas son las siguientes:
• Puesta en marcha para lograr las condiciones a régimen definida

• Operación de la planta
• Apoyo de la Ingeniería de resultados
• Desinstalación de las instalaciones
Etapas de Ingeniería
Definición de las condiciones técnicas para responder a los requerimientos establecidos por el estudio de mercado de
manera de:
• Identificar, seleccionar, adaptar, desarrollar las tecnologías asociada a los procesos y proyectar las instalaciones relacionadas
con los servicios de soporte a los procesos tecnológicos
• Definir la estructura organizacional que responde a la estrategia y establecer las competencias laborales requeridas en los
distintos puestos de trabajo.
• Establecer el tamaño y la localización del proyecto,
• Determinar los costos asociados con las inversiones, con el capital de trabajo y con la operación con un enfoque que
considere los costos totales (TCO) durante todo el ciclo de vida de las instalaciones y los equipos (LCC)
• Programar la adquisición de materiales y equipos, la construcción, el montaje y la puesta en marcha del proyecto
Son múltiples las tareas para el desarrollo de la ingeniería del proyecto en cada una de sus etapas que van desde los estudios
preliminares, la realización de la ingeniería conceptual, la ingeniería básica, la ingeniería de detalles y la ingeniería de
resultados,
Algunos aspectos que son importantes para el desarrollo de la ingeniería del proyecto:
• Capacidad productiva
• Localización
• Selección del proceso
• Confiabilidad y mantenibilidad (LCC)
• Layout
TCO y LCC combina el análisis económico/financiero

tradicional y la evaluación del riesgo operacional para
cuantificar el costo global durante todo el ciclo de vida
de los componentes.
El riesgo operacional resulta del producto entre la
frecuencia (confiabilidad), el tiempo de reparación
(mantenibilidad) y la consecuencia (impacto sobre los
costos, ambiente y personas). Los problemas de la
confiabilidad se original en el diseño de las instalaciones, la
selección y construcción de los equipos, el layout, la
operación, el mantenimiento, las personas y la
organización, y la gestión.
Enfoque Total Cost Ownership (TCO) y Life Cicle Cost (LCC), a través del análisis de confiabilidad y mantenibilidad de
proyectos, tiene como objetivos principales :
• Asegurar la seguridad de funcionamiento y la capacidad productiva de las instalaciones (utilizabilidad, disponibilidad, calidad,
velocidad y suministro)
• Asegurar una distribución de equipos en planta y de las instalaciones que permita cumplir con los tiempos establecidos en el
Plan Productivo de Mantenimiento y con las tareas de inspección
• Identificar los equipos críticos de acuerdo a la frecuencia de falla y al impacto que ella genera sobre el sistema productivo, la
seguridad de las personas y el cuidado del medio ambiente
• Contar con los dispositivos y un sistema de gestión que permita la captura oportuna de datos confiables relacionados con el
estado de los equipos, las fallas, los modos de falla y las intervenciones realizadas en ellos.
• Disponer de un Plan de Mantenimiento-Productivo con la definición de políticas, los programas de intervenciones e inspecciones
y los costos asociados
• Contar con una estructura organizacional que permita una buena gestión relacionada con la gestión de los activos, en la que la
ingeniería de confiabilidad tenga un espacio importante para cumplir con su rol asociado a proyectar, mejorar y controlar la
función mantenimiento
Enfoque Total Cost Ownership (TCO) y Life Cicle Cost (LCC), a través del análisis de confiabilidad y mantenibilidad de
proyectos, tiene como objetivos principales :
• Disponer de personas con las competencias profesionales y laborales requeridas de acuerdo a la definición de las
responsabilidades del factor humano, con los programas de capacitación y con sistemas de que aseguren una organización
eficiente, eficaz y efectiva
• Disponer de las herramientas, modelos, metodologías, procedimientos y sistemas informáticos para la realización de la gestión
del mantenimiento y el desarrollo de la ingeniería de confiabilidad
• Contar con un sistema de gestión de la calidad, la seguridad y el mejoramiento continuo que permita adecuar, actualizar y
dinamizar los planes de mantenimiento a través de la permanente mejora de los equipos y de los sistemas, en términos de su
diagnosticabilidad, confiabilidad y mantenibilidad
• Asegurar un inventario de repuestos críticos y materiales para la puesta en marcha y la operación de las instalaciones
• Contar con un sistema de certificación y de gestión de proveedores y de terceros, el que permita evaluar su desempeño y su
integración armónica con la organización de la empresa demandante de los servicios (Mapeo de proveedores)
La gestión de activos en el desarrollo de proyecto tiene como objetivo especificar las condiciones de la Confiabilidad Operacional de
las instalaciones en las distintas etapas del proyecto (Norma NC 30 de Codelco)
ESTIMACIÓN DE COSTOS
Estimación de Costos
Un método utilizado a este nivel es el de Bauman, el que también puede

ser para estimaciones de
detalles.
Estimación Definitiva
Para desarrollar este tipo de estimación se debe contar con toda la información proveniente de la ingeniería de detalles
completa de proyecto y de las respectivas cotizaciones. Se requiere disponer de información necesaria para determinar los
costos de instalación y montaje con márgenes de seguridad aceptables. También se debe disponer de toda la información
relacionada con las características del terreno, habiéndose realizado los estudios respectivos de mecánica de suelos,
disponiendo así de todos los antecedentes para la determinación del costo de preparación del terreno.
Debido a la gran cantidad de factores que influyen en la evaluación es imposible detallar cada uno
de ellos. Una forma de simplificar el desarrollo de esta estimación es considerar la siguiente
Propuesta.
1. Listado completo del total de los equipos con sus correspondientes precios (cotizaciones)
2. Listado completo del valor de los materiales de construcción, concreto, cañerías, instalaciones eléctricas, aislación,
determinados a partir de planos y especificaciones finales
3. Cálculo detallado de mano de obra a emplear, tiempo y valor de ésta. Además de consideraciones de eficiencia en los
trabajos a realizar
4. Cálculo detallado de mano de obra a emplear, tiempo y valor de ésta. Además de consideraciones de eficiencia en los
trabajos a realizar
5. Cálculo detallado del tiempo de ingeniero en la supervisión y control de la obra
6. Información completa de los seguros, impuestos y gastos en trámites legales necesarios para el desarrollo del proyecto
7. Estudio completo de topografía y características del terreno
8. Cálculo detallado de los gastos a efectuar en el terreno
Costos de Operación
FUNDAMENTOS DE CONFIABILIDAD
Y MANTENIBILIDAD
Análisis de supervivencia
Introducción
• El “análisis de supervivencia” nace de la necesidad de poder evaluar el tiempo

que transcurre hasta un suceso en particular, a este tiempo normalmente se le
denomina supervivencia, aun que no necesariamente el evento evaluado es la
defunción de un individuo o algún ente “vivo”.
• El análisis de supervivencia es la base metodológica de la bioestadística, que
analiza el tiempo de vida de las personas, animales, pacientes, plantas, etc.
• En paralelo, las áreas de ingeniería han desarrollado este tipo de análisis para
productos, equipos y en general para elementos no vivos. Este tipo de
estudios es conocido como “Confiabilidad”, el cual data formalmente desde la
segunda guerra mundial.
Introducción
• Si bien en un principio los fundamentos por los que se desarrolla la

confiabilidad son distintos a los del análisis de supervivencia, existe un
intereses comunes en lo que se refiere a estimación, pronóstico y descripción
respecto a distintos tipos de sucesos que pueden evaluarse a un determinado
tiempo y los efectos que producen en las entidades analizadas.
• Tanto el análisis de supervivencia, como la confiabilidad son áreas
especializadas de la estadística que tratan un tipo especial de variables
aleatoria de “evento a un tiempo” como por ejemplo: Tiempo de vida, tiempo a
la falla, tiempo de supervivencia, tiempo de vida remanente, entre otras.
Introducción
• La importancia de poder evaluar la confiabilidad equipos, componentes u otros

elementos “no vivos” radica en proceso actual en que vive la sociedad, donde
se tiene nuevos productos a una velocidad mayor debido a los nuevos
avances tecnológicos. Esto implica que se debe asegurar y tener claro que un
productos tendrá un rendimiento adecuado por el tiempo en que este fuese
diseñado.
• Discusión: Confiabilidad y Obsolescencia programada
• La confiabilidad definida por la ISO 8402 se define como la habilidad de un
ítem para cumplir una función requerida, bajo condiciones operacionales y
ambientales estables y definidas por un periodo de tiempo dado.
Introducción
• El tiempo a la falla o tiempo de vida es un ítem está vinculado a su

confiabilidad y esta característica puede variar entre sistemas idénticos en
términos de diseño y estructura (1).
• Por ejemplo, si se utiliza el mismo componente en diferentes equipos y
observamos su tiempos de falla individuales. Los tiempos de fallas de los
componentes serán distintos y definidos como una variable aleatoria.
• Esto se debe a que las condiciones de operación son distintos, por lo que el
comportamiento de tiempo de vida es distinto.
• Un ejemplo en concreto es el uso de pastillas de frenos en un auto de ciudad y
las mismas pastillas utilizadas para un auto de rally.
Introducción
• En el análisis de supervivencia se enfoca en el análisis de los tiempos de

ocurrencia de algún suceso en un ente vivo. Este suceso puede ser:
– Muerte
– Manifestación de una enfermedad
– Reaparición de una enfermedad
– Recuperación desde una situación base
• El tiempo de evento, denominado tiempo de supervivencia puede ser medido
en horas, días, semanas, meses o años.
• Un ejemplo de ello puede ser considerado el evento de un ataque cardiaco,
luego el análisis de tiempo es en el cual la persona es analizada hasta que
esta sufre de un ataque cardiaco.
Modelamiento de vida
• El comportamiento de la variable aleatoria de “tiempo de vida” puede ser

modelado por una distribución de probabilidad.
• Este modelamiento es la descripción de un fenómeno aleatorio en función de
las muestras obtenidas de un espacio de probabilidad, el cual se define entre 0
y 1.
• Las respuestas que debe resolver el análisis de confiabilidad o en su defecto
análisis de supervivencia son:
– ¿Cuál es la probabilidad de que un ítem (o ente viviente) falle (muera) antes de un tiempo
determinado?
– ¿Cuál es le porcentaje de ítems (entes vivientes) que duren (sobrevivan) un tiempo
determinado?
– ¿Cuál es el tiempo de vida esperado del ítem (ente)?
Modelamiento de vida
• ¿Cuál es la proporción de una población que sobreviviera dado un tiempo

determinado?
• de los que sobrevive, ¿a que tasa morirán?
• ¿Es razonable considerar múltiples causas de muerte?
• ¿Como la probabilidad de supervivencia varía respecto a circunstancia
particulares o nuevas características?
• ¿Hay alguna dependencia entre los eventos de tiempo de interés y otras
variables expiatorias?
Definiciones
• Alguna de las definiciones a utilizar en el curso.

• Objeto: un objeto puede ser un equipo, un componente, un sub sistema, una planta,
un proceso, un producto, una persona, un anima, un individuo, un paciente, entre
otros.
• Evento: Es el resultado de un experimento o una muestra del espacio de análisis. En
confiabilidad el evento puede ser: Una falla, reclamo de garantía, recuperación,
reparación, reemplazo, entre otros. En el caso de análisis de supervivencia podría
significar muerte, ocurrencia de una enfermedad, reaparición de una enfermedad,
recuperación de una enfermedad, etc.
• Tiempo: En ambas disciplinas se definen los siguientes tiempos:
– Periodo de estudio: Es todo el periodo de experimentación o investigación. Considerado desde
el inicio al fin.
– Tiempo de evento: Tiempo transcurrido hasta la ocurrencia del evento de interés
– Tiempo de exposición: Periodo de tiempo es que un objeto es expuesto a la ocurrencia de un
evento de interés durante el periodo de estudio
Definiciones
• Falla: La falla es el evento de interrupción de la habilidad de un item o

producto para entregar la funcionalidad destinada (RCM). La falla puede ser el
resultado de un defecto, mala operación, desgaste natural, condiciones
operativas, entre otras.
• Fallo: El estado de fallo es resultado de una falla. En este estado el ítem
analizado pierde la capacidad de poder entregar la función requerida.
Data de supervivencia
• Un elemento característico de la información de supervivencia (confiabilidad)

en las no negatividad de las variables, las cuales pueden ser continua o
discretas.
• Estas representan el tiempo desde un origen bien definido hasta un evento en
particular.
• Esto conlleva a tener claramente establecido las condiciones del eventos. En
el caso de la falla uno puede preguntarse, que se considera como falla.
• Otra elemento característico es la censura (a tratar más adelante). La censura
es la situación en la que una observación no puede ser completamente
definida en algún periodo del tiempo de análisis. Existen 3 formas de
censuras:
– Censura a la derecha (más común)
– Censura a la izquierda
– Censura en intervalos
• Ejemplo de datos de supervivencia de

pacientes. Las líneas verticales
muestran el tiempo de inicio del periodo
de estudio, tiempo de término y
seguimiento de cada paciente. Las Xs
muestran las muertes ocurridas y los
círculos abiertos los datos censurados.
• Un caso homologo para la confiabilidad es la situación cuando un equipo es

intervenido por mantenimiento antes de que se presente la falla. Donde se
evaluar el tiempo a la falla (tbf).
Falla Mantenimiento
𝑡𝑏𝑓1 𝑡𝑏𝑓2 Posible Falla futura
Equipo Operación Operación
Down
Tiempo
Información
Censurada
Inicio Inicio
• Para poder analizar esta información, es necesario definir algunos conceptos

básico.
• Medidas de Centro
– Las más utilizadas son el promedio y la mediana. La mediana es una medida de ubicación
central de la data, la que representa el Cuartil 2 de la data ordenada, vale decir que evalúa
de mejor forma los datos en términos de cual es el que está en el centro. A diferencia de la
media, esta no se ve afectada por datos outliers.
𝑛
1 Media de 𝑛 observaciones de tiempo de
𝑠ҧ = ෍ 𝑠𝑖
𝑛 vida (𝑠𝑖 ).
1
𝑄3 −𝑄1
– Otras medida de centro son la moda que se define como donde i representa el cuartil
2
de la data ordenada.
• Para el ejemplo obtenido se tienen las siguientes medidas de dispersión

central.
Considerando todos los datos: Existen diferencias notables

en la información y como
7+6+6+5+2+4
𝑠ҧ = =5 interpretarla a partir de estos
6 datos y contando con data
𝑀𝑒(𝑆) = 5.5 censurada. Es por ello que es
necesario tratar la censura
adecuadamente.
Considerando datos completos:
6+4+2
𝑠ҧ = =4
6
𝑀𝑒(𝑆) = 4
• Medidas de Dispersión: La medida de dispersión muestra la variabilidad que

existe en una muestra de datos. Para medirla es utilizada la varianza de la
muestra y su desviación estándar:
𝑛 𝑛 𝑛 2
2
1 2
1 2 1
𝑠 = ෍ 𝑡𝑖 − 𝑡ҧ = ෍ 𝑡𝑖 − ෍ 𝑡𝑖
𝑛−1 𝑛−1 𝑛
𝑖=1 𝑖=1 𝑖=1
• La desviación estándar de la muestra es 𝑠 = 𝑠 2

• Otra alternativa para describir la variabilidad de la data es utilizar el rango
intercuartil, denotado como IQR, donde 𝐼𝑄𝑅 = 𝑄3 − 𝑄1 , donde 𝑄1 y 𝑄3 son el
primer y tercer cuartil respectivamente. Una ventaja del intercuartil es que este
no es afectado por valores extremos, pero a la vez no´puede ser interpretado
como la desviación de estándar.
• Medidas de relación: Cuando la información tiene 2 o más variables, las

medidas de relación entre ellas son objeto de interés. Algunas de la medidas
de relación que se utilizan son el coeficiente de correlación de Pearson (𝑟) y el
ranking de correlación 𝑟𝑠 .
• Para el cálculo se considera una muestra bivariada de la data (𝑥𝑖 , 𝑦𝑖 ), donde
𝑖 = 1,2, … , 𝑛. El coeficiente de correlación de la muestra será:
1
σ𝑛𝑖=1 𝑥𝑖 − 𝑥ҧ 𝑦𝑖 − 𝑦ത
𝑟 =𝑛−1
𝑠𝑥 𝑠𝑦
• Donde 𝑠𝑥 y 𝑠𝑦 representan la deviación estándar de las variables X e Y.
• El numerador de la ecuación anterior es conocido como la covarianza.
Funciones de confiabilidad o supervivencia
• La habilidad de un ítem en particular para realizar una función en específico,

bajo condiciones operacionales estándares durante un periodo de tiempo, es
conocido como confiabilidad (ISO 8402).
• En términos de probabilidad, la confiabilidad de un objeto es la probabilidad de
que ese objeto realice una función determinada bajo un periodo específico de
tiempo operando bajo condiciones normales (1).
• Estas definiciones tienen la siguientes características:
– Probabilidad: Probabilidad de ocurrencia de un evento (falla), Probabilidad de no
ocurrencia del evento (confiabilidad)
– Funcionalidad: Se requiere definir un estado de falla (muerte)
– Periodo de tiempo específico: medido en minutos, horas, días, kilómetros recorridos,
operaciones, ciclos, etc.
– Condiciones de operación
(1) Blischke WR, Karim MR, Murthy DNP (2011) Warranty data collection and analysis. Springer, London
• La función de confiabilidad o supervivencia de una variable de tiempo, T, es

descrita de la siguiente manera:
𝑅 𝑡 =𝑆 𝑡 =𝑃 𝑇 > 𝑡 =1−𝑃 𝑇 ≤𝑡 =1−𝐹 𝑡 , 𝑡≥0
• Propiedades:
– 𝑅 𝑡 es una función no creciente en t, 0 ≤ 𝑡 < ∞
– 𝑅 0 = 1 y lim 𝑅(𝑡) = 0
𝑡→∞
– Para 𝑡1 < 𝑡2 , 𝑃 𝑡1 < 𝑇 ≤ 𝑡2 = 𝐹 𝑡2 − 𝐹(𝑡1 )=R(𝑡1 )−R(𝑡2 )
• La función de riesgo (hazard) o función de tasa de falla puede ser definida

como a probabilidad de que dado un sujeto ha sobrevivido un tiempo t, falle en
el siguiente intervalo de tiempo, dividido por el intervalo de tiempo. Esto se
expresa de la siguiente manera:
𝑃 𝑡 <𝑇 ≤𝑡+𝛿|𝑇 >𝑡 𝑓(𝑡)

ℎ 𝑡 = lim =
𝛿→0 𝛿 𝑆(𝑡)
• Que es el ratio entre la función de densidad de probabilidad respecto a la
función de supervivencia.
• Propiedades:
– ℎ 𝑡 ≥ 0, para todo 𝑡
∞
– ‫׬‬−∞ ℎ(𝑡) 𝑑𝑡 = ∞
• En función de la “forma” de la función de

riesgo (tasa de falla), esta se puede
caracterizar de la siguiente forma:
– Tasa de falla constante: La probabilidad
de falla es independiente de la edad del
objeto analizado
– Tasa de falla creciente: El objeto tiende a
fallar más a medida que este es más viejo
– Tasa de falla decreciente: el objeto tiende
a fallar menos a medida que pasa el
tiempo
• La función de riesgo acumulada es definida como el área debajo de la curva

anteriormente definida:
𝑡
𝐻 𝑡 = න ℎ 𝑢 𝑑𝑢
0
• La función de riesgo acumulada es importante para la definición de las
características de la distribución de falla.
• Por otro lado, se puede definir:

𝑡
𝑆 𝑡 = 𝑒𝑥𝑝 − න ℎ 𝑢 𝑑𝑢 = exp(−𝐻(𝑡))
𝑜
Función de tiempo medio
• La función de tiempo medio, también llamada tiempo medio de vida, tiempo

medio para la falla (MTTF), es otra función muy utilizada que puede ser
obtenida por la función de densidad de probabilidad.
∞
𝑀𝑇𝑇𝐹 = 𝐸 𝑇 = න 𝑡𝑓 𝑡 𝑑𝑡
0
• Integrando por partes, se tiene que
∞
𝑀𝑇𝑇𝐹 = න 𝑆 𝑡 𝑑𝑡
0
Esta última función solo puede tener sentido si 𝑆 ∞ = 0, lo que implica que
eventualmente todo ente fallará o morirá.
Vida residual
• Dada una edad t, el tiempo remanente de vida después de t es aleatorio. El tiempo

esperado de esta variable aleatoria es denominado como tiempo medio remanente de
vida (mean residual life, MRL) a un tiempo t (1).
• Se define X como una variable continua que represente el tiempo de vida de un
objeto con función de supervivencia 𝑆(𝑥) media finita, MRL se define como:
∞
𝑚 𝑡 = 𝐸 𝑋 − 𝑡 𝑋 ≥ 𝑡) = න 𝑢 − 𝑡 𝑓 𝑢 𝑢 > 𝑡 𝑑𝑢
0
∞
𝑓 𝑢
𝑚 𝑡 = න 𝑢−𝑡 𝐼 𝑡,∞ (𝑢)𝑑𝑢
0 𝑆 𝑡
∞ ∞
1 1
𝑚 𝑡 = න 𝑢 − 𝑡 𝑓 𝑢 𝑑𝑢 = න 𝑆 𝑢 𝑑𝑢
𝑆(𝑡) 𝑡 𝑆(𝑡) 𝑡
Vida residual
• Finalmente
∞
1
𝑚 𝑡 = න 𝑆 𝑢 𝑑𝑢 , 𝑡 ≥ 0
𝑆(𝑡) 𝑡
• La última función implica que el MTTF es un caso especial en el cual se

considera 𝑡 = 0, siendo el MTTF un valor constante pero el MLR es en función
del tiempo de vida t.
∞
1
𝑚 𝑡 = න 𝑆 𝑢 𝑑𝑢 = 𝑀𝑇𝑇𝐹
𝑆(𝑡) 𝑡
1 0
Relación entre funciones
• Fuente: Reliability and Survival Analysis. Md. R. Farim, M. A. Islam. Springer

2019
FUNCIONES EMPIRICAS Y
PARAMÉTRICAS DE CONFIABILIDAD
Introducción
• Los estudios de supervivencia o confiabilidad se basan en la obtención de las

características de vida de los entes analizados.
• Para lograr caracterizar las funciones de supervivencia, confiabilidad,
probabilidad de falla, riesgo, vida remanente es necesario ajustar el
comportamiento de data empírica a finde obtener una estimación.
• En algunos casos no es factible poder determinar la familia adecuada de
funciones de distribución que representen el comportamiento adecuado de la
vida de los entes analizados, es por ello que se determinan métodos no
paramétricos para el ajuste empírico.
Introducción
• El análisis de datos comienza con uso de gráficos y métodos analíticos para

obtener un conocimiento profundo de los datos analizados sin realizar ningún
tipo de supuestos (1).
• Los métodos no paramétricos provee un paso intermedio hacia la construcción
de modelos más precisos con un cierto grado de aseguramiento. Esto debido
a que son realizados en base a la data empírica.
• Los métodos no paramétricos, también son referenciados como métodos libres
de distribución.
Introducción
• La habilidad de analizar los datos sin tener que asumir una distribución en
específico evita errores potenciales que pueden ocurrir debido a supuestos
incorrectos.
• Debido a lo anterior, es recomendado comenzar el análisis de confiabilidad o
supervivencia mediante método no paramétricos, antes de avanzar hacia la
utilización de una función de distribución en específico.
Función de distribución acumulada empírica
• En función de la información que se posee, considerando data completa, es

posible medir el comportamiento de una muestra de observaciones que son
igual o menor que un valor en específico.
• La construcción de una función de distribución acumulada empírica de falla, o
muerte, dibuja una función “escalonada” de los valores observados.
• La forma de esta función dependen de los tipos de agrupación que se realicen,
por lo que no tiene un forma determinada a priori.
• Considerando el caso en que se tiene información completa de vida de algún

ente, donde las muestras se representan por 𝑡1 , 𝑡2 , … , 𝑡𝑛 las cuales son
independientes entre si e idénticamente distribuidas (iid), la función de
distribución acumulada empírica se pude obtener de la siguiente manera:
• Ordenar de la información de menor a mayor.
• Calcular la proporción de datos menores a cada observación
#𝑑𝑒 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛𝑒𝑠 ≤ 𝑡𝑖 1 𝑛
෠ 𝑖) =
𝐹(𝑡 = ෍ 𝐼 𝑡𝑗 ≤ 𝑡𝑖 , 𝑖 = 1, 2, . . , 𝑛
𝑛 𝑛 𝑗=1
• Donde 𝐼 es la función binaria que indica que si 𝑡𝑗 ≤ 𝑡𝑖 es 1 y 0 en caso

contrario.
෠
• Para cada valor real de 𝑡, se puede mostrar que la variable aleatoria n𝐹(𝑡)
distribuye como una función binomial con parámetro 𝑛 y probabilidad de éxito
𝐹(𝑡).
• Donde 𝐹(𝑡) es la función real de 𝑇. Esto permite construir lo siguiente:
෠
𝐸 𝐹(𝑡) = 𝐹(𝑡) y ෠
𝑉𝐴𝑅 𝐹(𝑡) = 𝐹 𝑡 1 − 𝐹 𝑡 /𝑛
• Esto implica que:

– La proporción de muestras menores o iguales de un valor específico de 𝑡 es un estimador
෠
insesgado de 𝐹 𝑡 y que la varianza de 𝐹(𝑡) tiende a cero a medida que 𝑛 tiende a infinito.
෠
– También se puede probar que 𝐹(𝑡) es un estimador consistente de 𝐹 𝑡 o dicho de otra
෠
manera que 𝐹(𝑡) converge a 𝐹 𝑡 en probabilidad.
• Considerando la siguiente tabla de datos obtenida de (1)

• Data de reclamos de garantía de un componente
Serial No Age in days Usage (km) ෠

𝐹(𝑡) Serial No Age in days Usage (km) ෠
𝐹(𝑡)
17 16 7762 0.05 2 104 2381 0.05
19 44 6420 0.1 10 82 4512 0.1
9 54 5187 0.15 9 54 5187 0.15
16 77 17620 0.2 19 44 6420 0.2
14 78 11600 0.25 4 94 7377 0.25
15 78 7900 0.3 17 16 7762 0.3
10 82 4512 0.35 15 78 7900 0.35
4 94 7377 0.4 5 94 10790 0.4
5 94 10790 0.45 14 78 11600 0.45
3 99 14507 0.5 3 99 14507 0.5
2 104 2381 0.55 16 77 17620 0.55
1 136 36487 0.6 12 169 18106 0.6
6 156 47312 0.65 11 169 18175 0.65
18 165 39487 0.7 13 364 27008 0.7
11 169 18175 0.75 1 136 36487 0.75
12 169 18106 0.8 18 165 39487 0.8
20 185 45121 0.85 20 185 45121 0.85
7 295 56943 0.9 8 300 45292 0.9
8 300 45292 0.95 6 156 47312 0.95
13 364 27008 1 7 295 56943 1
10
• Para la variable “age” se tiene por ejemplo 𝐹෠ 100 = = 0.5 que indica que la
20
mitad de los componentes retornaron por garantía con igual o menor a 100
horas días. Un análisis similar se puede realizar con el kilometraje usado.
Figura: Reliability and Survival Analysis.

© Adolfo Arata AndreaniMd. Rezaul
y Sebastián SotoKarim • M.
Contreras Ataharul
Todos Islam
los derechos 2019
reservados
Data Censurada a la derecha
• En caso de contar con censura en la información recabada. Siendo esta una situación
෠
bastante común en el análisis de confiabilidad o supervivencia. Para calcular 𝐹(𝑡) se
deben utilizar los datos tanto censurados como los completos, de manera que una
vez ordenados se tiene lo siguiente:
• Suponga que m observaciones se encuentran no censurada, denotadas como

𝑡1∗ , 𝑡2∗ , … , 𝑡𝑚 ෠
∗ que definen los escalones en la función 𝐹(𝑡).
Para determinar los pesos
de los escalones 𝑖 = 1, 2, … , 𝑚 se consideran 𝑛𝑖 como en número de observaciones
mayores o iguales a 𝑡𝑖∗ en el orden original y 𝑑𝑖 = número de valores iguales a 𝑡𝑖∗ (1
en caso ser único), entonces se calcular la probabilidad de supervivencia:
𝑑1
1− , 𝑖=1
𝑛 1
𝑆 𝑡𝑖∗ =
𝑑𝑖 ∗
1− 𝑆 𝑡𝑖−1 , 𝑖 = 2, … , 𝑚
𝑛𝑖
Estimador de Kaplan Meier
• En 1958 Kaplan y Meier determinan un estimador de la función de

supervivencia tanto para datos completos, como censurados. Este estimador
es conocido también como estimador de producto límite (producto limit
estimator)
• Este estimador considera lo siguiente:
• Suponga que se tienen 𝑛 observaciones individuales de las cuales 𝑘 son
valores distintos (𝑘 ≤ 𝑛), luego se tienen 𝑡1 < 𝑡2 < ⋯ < 𝑡𝑘 son los valores de
fallas o muertes. Se denota 𝑑𝑖 como el número de unidades que fallaron en el
intervalo ൫𝑡𝑖−1 , 𝑡𝑖 ൧ y 𝑟𝑖 representa el número de unidades que han sobrevivido
en el intervalo 𝑖 y que son censuradas a la derecha en 𝑡𝑖 . Luego el tamaño del
conjunto de riesgo (numero de entes vivos) al inicio del intervalo 𝑖 son:
𝑖−1 𝑖−1
𝑛𝑖 = 𝑛 − ෍ 𝑑𝑗 − ෍ 𝑟𝑗 , 𝑖 = 1,2, … , 𝑘
𝑗=0 𝑗=0
• Donde 𝑑𝑜 = 0 y 𝑟𝑜 = 0. El estimador de la probabilidad condicional de que los

entes mueran en intervalo 𝑡𝑖−1 = 𝑡𝑖 − 𝛿𝑡 para un pequeño valor de 𝛿𝑡, dado
que el ente entra en este intervalo es la proporción de falla a un tiempo 𝑡𝑖 , esto
es 𝑝Ƹ 𝑖 = 𝑑𝑖 /𝑛𝑖 , para 𝑖 = 1, 2, … , 𝑘. El estimador correspondiente de la
probabilidad de supervivencia es
𝑃 𝑇 > 𝑡𝑗 | 𝑇 > 𝑡𝑗−1 = 𝑞ො𝑖 = 1 − 𝑝Ƹ 𝑖 = (1 − 𝑑𝑖 /𝑛𝑖 )
𝑆መ 𝑡 = 𝑃 𝑇 > 𝑡 = 𝑃 𝑇 > 𝑡𝑗 & 𝑇 > 𝑡𝑗−1
Dado que 𝑃 𝐴 & 𝐵 = 𝑃 𝐴|𝐵 𝑃 𝐵
𝑆መ 𝑡 = 𝑃 𝑇 > 𝑡𝑗 | 𝑇 > 𝑡𝑗−1 𝑃 𝑇 > 𝑡𝑗−1
𝑆መ 𝑡 = 𝑃 𝑇 > 𝑡𝑗 | 𝑇 > 𝑡𝑗−1 𝑃 𝑇 > 𝑡𝑗−1
𝑆መ 𝑡 = 𝑃 𝑇 > 𝑡𝑗 | 𝑇 > 𝑡𝑗−1 𝑃 𝑇 > 𝑡𝑗−1 | 𝑇 > 𝑡𝑗−2 𝑃 𝑇 > 𝑡𝑗−2

…
𝑆መ 𝑡 = 𝑃 𝑇 > 𝑡𝑗 | 𝑇 > 𝑡𝑗−1 𝑃 𝑇 > 𝑡𝑗−1 | 𝑇 > 𝑡𝑗−2 …
𝑃 𝑇 > 𝑡1 | 𝑇 > 𝑡0 𝑃 𝑇 > 𝑡0
𝑆መ 𝑡 = 1 − 𝑝Ƹ𝑗 1 − 𝑝Ƹ𝑗−1 1 − 𝑝Ƹ𝑗−2 … (1 − 𝑝Ƹ1 )(1 − 𝑝Ƹ 0 )
𝑑𝑗
𝑆መ 𝑡 = ෑ (1 − 𝑝Ƹ𝑗 ) = ෑ 1 −
𝑛𝑗
𝑗:𝑡𝑗 <𝑡 𝑗:𝑡𝑗 <𝑡
Varianza de 𝑆መ 𝑡 y 𝐹෠ 𝑡
• Dado que 𝑆መ 𝑡 =1- 𝐹෠ 𝑡 se puede mostrar que 𝑉 𝑆መ 𝑡 = 𝑉 𝐹෠ 𝑡
• Considerando que 𝑆መ 𝑡 = ς𝑗:𝑡𝑗 <𝑡(1 − 𝑝Ƹ𝑗 ) = ς𝑗:𝑡𝑗 <𝑡 𝑞ො𝑗 y que 𝑆 𝑡 = ς𝑗:𝑡𝑗 <𝑡 𝑞𝑗
• Entonces la serie de Taylor de primer orden que aproxima 𝑆መ 𝑡
𝜕𝑆 𝑡
𝑆መ 𝑡 ≈ 𝑆 𝑡 + ෍ 𝑞ො𝑗 − 𝑞𝑗
𝜕𝑞𝑗 ቮ
𝑗:𝑡𝑗 <𝑡
𝑞𝑗
𝑆 𝑡
=S t + ෍ 𝑞ො𝑗 − 𝑞𝑗
𝑞𝑗
𝑗:𝑡𝑗 <𝑡
2 2
𝑆 𝑡 𝑆 𝑡 𝑞𝑗 𝑝𝑗
𝑉 𝑆መ 𝑡 = 𝑉 𝐹෠ 𝑡 = ෍ 𝑉 𝑞ො𝑗 = ෍
𝑞𝑗 𝑞𝑗 𝑛𝑗
• Dado que 𝑞ො𝑗 es aproximadamente correlacionado a una binomial* se tiene que

𝑝𝑗 𝑝𝑗
𝑉 𝑆መ 𝑡 = 𝑆(𝑡) ෍
2 2
= 𝑆(𝑡) ෍
𝑞𝑗 𝑛𝑗 𝑛𝑗 (1 − 𝑝𝑗 )
Reemplazando 𝑝𝑗 y 𝑆(𝑡) por sus estimadores, se tiene:

2 𝑝Ƹ𝑗
መ መ
𝑉 𝑆 𝑡 = 𝑆(𝑡) ෍
𝑛𝑗 (1 − 𝑝Ƹ𝑗 )
𝑗:𝑡𝑗 <𝑡
La que es conocida como fórmula de Greenwood. Esta formulación puede ser

obtenida por el método delta
• Lamentablemente, el intervalo de confianza calculado de la expresión anterior

puede ser mayor a 1 o menor a 0.
• Una alternativa para solucionar esta situación es truncar los valores a 1 y 0,
también se puede obtener el intervalo de confianza para la transformación
complementaria log-log de 𝑆መ 𝑡 la que sería
1 𝑝Ƹ𝑗
𝑉𝐴𝑅 𝑙𝑜𝑔 −𝑙𝑜𝑔 𝑆መ 𝑡 = 2 ෍
𝑛𝑗 (1 − 𝑝Ƹ𝑗 )
𝑙𝑜𝑔 𝑆መ 𝑡 𝑗:𝑡𝑗 <𝑡
Intervalo de confianza
• Un estimador del intervalo de confianza par 𝐹(𝑡) se obtiene usando una

aproximación normal para el estimador puntual de 𝐹(𝑡). Usando una
transformación logit, (1) muestran un intervalo de confianza de 100(1 − 𝛼)% a
ambos lados, calculado como
𝐹෠ 𝑡 𝐹෠ 𝑡
,
𝐹 𝑡 + (1 − 𝐹 𝑡 )𝜔 𝐹෠ 𝑡 + (1 − 𝐹෠ 𝑡 )/𝜔
෠ ෠
Donde 𝜔 = 𝐸𝑋𝑃 𝑧(1−𝛼Τ2) 𝑠𝑒Ƹ 𝐹෠ 𝑡 / 𝐹෠ 𝑡 1 − 𝐹෠ 𝑡
y 𝑠𝑒Ƹ 𝐹෠ 𝑡 = 𝑉 𝐹෠ 𝑡
• El estimador de KM posee varias propiedades lo que lo hacen un estimador

consistente de S(t). Este mismo estimador puede ser utilizados para estimar la
función de riesgo acumulada para data censurada. Un estimador no
paramétrico de la función acumulada de riesgo es obtenido por Nelson y Aalen
(2)
Ejemplo 1
1.2
tiempo de
Tiempos a la Falla operación
1
64 599 852 131
66 619 929 162
164 631 948 163
Probabilidad de Supervivencia
178 639 973 202 0.8
185 645 977 232

299 656 1084 245
319 681 1100 286 0.6 Int Sup
383 722 1100 302 Surv.

Int. Inf
385 727 1350 315
405 738 337 0.4
482 761 845

492 765 983
0.2
506 788 1259
548 801 1384
589 848 1421
0
0 200 400 600 800 1000 1200 1400 1600
Tiempo
Funciones Paramétricas
• Tanto en confiabilidad como en el análisis de supervivencia común mente son

utilizadas distribuciones de probabilidad para ajustar las estimaciones de
tiempo a un determinado evento.
• Para poder caracterizar los patrones característicos de cada proceso, es
necesario utilizar distintos tipos funciones de probabilidad. Esto significa poder
capturar el comportamiento de de un equipo en particular y como es distinto a
otro equipos.
• Por ejemplo, el tiempo de supervivencia de una ampolleta es muy distinto del
de un refrigerador. Un ejemplo de esto se empieza a ver en las garantías que
estos equipos frecen.
Funciones Paramétricas
• Por el lado de supervivencia, el tiempo pacientes con condiciones cardiacas

poseen un tiempo estimado de vida distinto a alguien que posee hepatitis o
diabetes.
• Un elemento claro es que se debe analizar “la forma” de la data a la cual nos
enfrentamos.
• El resultado de este análisis está en definir una función de distribución que
represente de mejor manera la data utilizada asumiendo que se cumplen los
supuestos asociados a la familia de la distribución a ajustar.
Familias de distribución
• Típicamente la utilización de modelos de tipo paramétricos, es decir basados

en parámetros a estimar de una familia de distribuciones, consiste en la
búsqueda de los parámetro de la distribución utilizada.
• Esto genera algunas interrogantes iniciales:
– ¿Qué familia de distribución utilizar?
– ¿Cual es la “mejor” familia de distribuciones a utilizar?
– ¿Qué tan bien representa la distribución a la data utilizada?
– ¿Cómo comparo entre distribuciones?
• No existe una familia única o mejor que otra en términos generales. Se deben
probar los supuestos de cada una de esta y contrastarla con la realidad de la
información.
Familias de distribución
• Algunas de las familias de distribución de confiabilidad o de supervivencia son:

– Exponencial
– Weibull
– Valor extremo
– Normal
– Log-Normal
Ventajas de los modelos Paramétrico
• En general los modelos paramétricos son más fáciles de manejar, esto debido
a que existe una cantidad, según familia, de parámetros fijos a estimar. Esto
permite determinar un ajuste determinado y estándar para cada uno de ellos.
• El manejo de información censurada resulta ser más directo y estandarizado.
• La comparación entre modelos resulta eficiente y se tienen test estandarizados
que permiten compara entre los distintos ajustes.
Localización, escala y forma
• En general para los modelos paramétricos se cuentan con 3 tipos de

parámetros (distinto de cantidad) que hacen referencia a la localización, escala
y forma de la distribución en relación al tiempo evaluado al evento a analizar.
• El parámetro de localización es utilizado para “mover” la distribución hacia la
derecha o izquierda en el eje del tiempo. Esto es:
– Considerando una variable 𝑇, sea 𝐹(𝑡; µ, 𝜎) donde µ es el parámetro de localización,
entonces existe una constante real α que para 2 valores de parámetro de localización µ1 y
µ2 se cumple la relación 𝐹(𝑡; µ1 , 𝜎) = 𝐹 𝑡 + α; µ2 , 𝜎 .
– El parámetro de escala aumenta o contrae la distribución en el eje del tiempo par un factor
α donde en 𝐹 𝑡; µ, 𝜎 , 𝜎 es el parámetro de escala, se satisface que 𝐹(α𝑡; µ, 𝜎1 ) = 𝐹 𝑡; µ, 𝜎2
– El parámetro de forma puede ser utilizado para clasificar la función de densidad de
probabilidad bajo algún tipo especial. Un ejemplo de esto es el parámetro de forma de la
distribución Weibull, que determina si la tasa de falla aumenta, es constante o decrece en
el tiempo.
Distribución Weibull
• Donde β es el parámetro de forma y η es el parámetro de escala. Otra forma

de escribir la función de densidad de probabilidad es de la forma:
• Donde α es le parámetro de forma y λ el parámetro de escala. Donde la

1
relación es α = β y λ = . La función de probabilidad acumulada es:
η
• Con la siguiente distribución de confiabilidad o supervivencia
• Donde la función de riesgo:
• De acuerdo a la función anteriormente

definida, se puede observar lo siguiente:
– Si 𝛽 = 1 la función de riesgo es constante y la
función Weibull se reduce a un función
exponencial
– Si 𝛽 > 1 la función de riesgo es creciente
– Si 𝛽 < 1 la función de riesgo es decreciente
• La media de la distribución Weibull se representa mediante la siguiente

expresión:
• Y su varianza:
• Donde Γ(∙) es la función gamma.
Distribución Normal y Lognormal
• Para varias aplicaciones tecnológicas, las distribución Log normal ha sido una
de las más populares. En particular en la aplicación de análisis de
supervivencia de semiconductores.
• También ha sido utilizada para el modelamiento de fatigas de material y
propagación de fracturas (1)
• Muchas de las propiedades de la distribución lognormal vienen del análisis de
las distribución normal, por lo que se pueden transformar una en la otra a
través de la aplicación de una transformada a la data original.
• La especificación de la distribución es a partir de la data de supervivencia 𝑇 es
lognormalmente distribuida si el logaritmo 𝑌 = 𝐿𝑛(𝑇) del tiempo de vida es
distribuido normal.
• La función de densidad de probabilidad de Y es la función normal descrita a

continuación:
• Siendo la función de densidad de probabilidad de 𝑇 = 𝑒 𝑌 entonces:
• La función de distribución acumulada es:
• Debido a la forma de la distribución, se tiene

que la función lognormal es segada a la
derecha, lo que muestra una tendencia a que
los individuos “vivan” en promedio más que
las moda o mediana.
• Media T de la distribución lognormal
𝜎2
𝐸 𝑇 = 𝑒𝑥𝑝 𝜇 +
2
𝑉𝐴𝑅 𝑇 = exp 2𝜇 + 𝜎 2 exp 𝜎 2 − 1
• Función de riesgo
CASO 1 A 3: EVALUACIÓN DE
CONFIABILIDAD
Caso 1: Ajuste de Confiabilidad simple
Método de Ascher y Feingold (tendencia de periodos entre fallas).
tn n
ˆ = ̂ = n
1  tn 
n
  t
ln 
i =1  i 
Utilizar los siguientes datos de TBFs.
25 27 23 27 22 24 23 25 28 29 22 24 26 23 24 22 24 23 28 29
[*] Ascher H, Feingold H, (1984) Repairable Systems Modeling, inference, misconceptions and their causes. Marcel Dekker, New York.
n 20 Número de casos
total (Tn) 498 Tiempo Total acumulado
n TBF ti Tn / ti ln
1 25 25 19,92 2,991724252
2 27 52 9,57692308 2,259356358
3 23 75 6,64 1,893111963 n
4 27 102 4,88235294 1,585627264 ̂ = n
 tn 
 ln  t
5 22 124 4,01612903 1,390318511
6 24 148 3,36486486 1,213387803
 = 17,5829
7 23 171 2,9122807 1,068936521 i =1  i 
8 25 196 2,54081633 0,932485418 n
9 28 224 2,22321429 0,798954025 ̂ == 20 / 17,5829 = 1,1375
n
 tn 
t
10 29 253 1,96837945 0,677210588
ln  (1/1,1375)

11 22 275 1,81090909 0,593828979 ˆ == 498 n
/ 20 = 35,7631
12 24 299 1,66555184 0,510156504 i =11  t i 
13 26 325 1,53230769 0,426774895 n
14 23 348 1,43103448 0,358397597 El componente tiene un
15 24 372 1,33870968 0,291706223 comportamiento de falla
16 22 394 1,26395939 0,234249168 explicado por una distribución
17 24 418 1,19138756 0,175118644 Weibull, con α= 35,7631 y β=
18 23 441 1,1292517 0,121555202 1,1375. De esta manera tiene
una tasa de falla creciente.
19 28 469 1,06183369 0,059997309
20 29 498 1 0
I. Es posible determinar si el sistema posee una tasa de falla constante, creciente o

decreciente?
II. Cuales son los parámetros de Weibull para esta serie de datos?
III. Como se interpreta el valor de Beta?
IV. Que estrategia de mantenimiento es la mas adecuada para este caso?
Modelos de confiabilidad y mantenibilidad
El modelo anterior supone que toda la información a modelar es en relación a fallas, lo cual genera una complicación a la hora de
una aplicación real ,donde existen varios eventos intermedios y a la vez no es posible realizar pruebas a la falla por seguridad.
Es por ello que se busca un método que considere data censurada para el ajuste de curva de confiabilidad. Para ello se puede
utilizar una definición empírica de cómo obtener la probabilidad de falla de un elemento
Con esto podemos determinar la probabilidad en función de cuantos eventos o en qué lugar el evento se produjo, similar a un
ranking de los eventos (tiempo corrido a la primera falla, y a la segunda y sucesivamente).
Ejemplo:
Una empresa de equipo electromecánico recolectó la siguiente información de su servicio postventa de un determinado elemento (ordenados en
orden creciente de tiempos de buen funcionamiento que han concluido en una falla).
Lo que nos da los siguientes indicadores de seguridad de funcionamiento.
El ajuste de la posición de las fallas se realiza determinando la posición media de estos eventos (median
rank position). La metodología consiste en ajustar el ranking de fallas, considerando las posiciones
probables de los datos suspendidos y asociando la posición media a las fallas observadas.
Donde:
Rj: Posición media de la falla j

Kj: Ranking global de eventos
N: Número de eventos totales (correctivos y preventivos)
R0= 0
Con lo anterior se puede obtener los datos de probabilidad de falla acumulada en conjunto con la ecuación de Bernard.
Luego para realizar un ajuste, se utiliza la función Weibull y se busca linealizarla a fin de realizar un ajuste por MCO.
Caso 2: Modelos de confiabilidad con censura
A partir de la siguiente base de datos de detenciones, estimar los parámetros de la función

Weibull, utilizando el análisis de regresión de ranking.
Fecha Hora Duración Tipo

2/2/2009 3:06:17 7.79 correctiva
2/22/2009 8:01:20 0.16 correctiva
2/22/2009 22:38:28 4.31 correctiva
Determinar:
3/2/2009 5:55:17 9.50 Preventiva
3/14/2009 16:27:10 10.41 Preventiva i. TBFs
4/10/2009 8:18:20 2.64 correctiva ii. Ranking ajustado de fallas
5/16/2009 13:25:31 3.31 correctiva iii. Función F[t] (Rangos promedios)
6/27/2009 22:47:58 5.44 correctiva iv. Regresión y sus parámetros
6/30/2009 12:47:34 3.89 correctiva
7/20/2009 23:49:31 4.10 Preventiva
7/21/2009 20:46:47 0.20 correctiva
7/28/2009 7:52:15 11.50 Preventiva
8/6/2009 21:37:33 4.02 correctiva
8/20/2009 2:50:17 3.30 Preventiva
8/28/2009 13:41:05 10.57 correctiva
8/31/2009 8:31:23 8.79 correctiva
9/3/2009 18:41:10 0.39 correctiva
9/4/2009 2:15:15 0.99 Preventiva
10/22/2009 23:03:39 6.19 correctiva
11/2/2009 20:58:18 10.41 Preventiva
11/28/2009 8:40:46 16.88 correctiva
12/10/2009 7:25:51 8.00 correctiva
12/20/2009 2:23:21 12.19 Preventiva
1/16/2010 3:49:13 0.61 correctiva
Caso 2: Modelos de confiabilidad con censura
Resultados
Fecha Hora Duración Tipo Tiempo entre eventos Ranking Inicial TBF Ranking de Falla Ranking Ajustado Probabilidad de Falla Ln(1-F(t)) Ln{-Ln(1-F(t))} Ln(tbf)
9/4/2009 2:15:15 0.99 Preventiva 7.18 1
2/22/2009 22:38:28 4.31 correctiva 14.46 2 14.45889 1 1.043478261 3% -0.03229 -3.433051075 2.671309
7/21/2009 20:46:47 0.2 correctiva 16.85 3 16.85444 2 2.086956522 8% -0.07944 -2.53276553 2.824614
8/31/2009 8:31:23 8.79 correctiva 56.27 4 56.26833 3 3.130434783 12% -0.12892 -2.048536418 4.030132
6/30/2009 12:47:34 3.89 correctiva 56.55 5 56.55333 4 4.173913043 17% -0.18098 -1.709343013 4.035184
9/3/2009 18:41:10 0.39 correctiva 73.37 6 73.37306 5 5.217391304 21% -0.23591 -1.444322694 4.295557
7/28/2009 7:52:15 11.5 Preventiva 154.89 7
3/2/2009 5:55:17 9.5 Preventiva 170.97 8
8/28/2009 13:41:05 10.57 correctiva 199.55 9 199.5467 6 6.391304348 26% -0.30153 -1.198895687 5.296048
8/6/2009 21:37:33 4.02 correctiva 218.25 10 218.255 7 7.565217391 31% -0.37176 -0.989510371 5.385664
12/20/2009 2:23:21 12.19 Preventiva 226.96 11
11/2/2009 20:58:18 10.41 Preventiva 255.72 12
12/10/2009 7:25:51 8 correctiva 269.87 13 269.8714 8 8.934782609 37% -0.46046 -0.775525415 5.597946
3/14/2009 16:27:10 10.41 Preventiva 289.03 14
8/20/2009 2:50:17 3.3 Preventiva 313.19 15
2/22/2009 8:01:20 0.16 correctiva 477.13 16 477.1275 9 10.60869565 44% -0.58079 -0.543369816 6.167784
7/20/2009 23:49:31 4.1 Preventiva 487.14 17
11/28/2009 8:40:46 16.88 correctiva 601.30 18 601.2978 10 12.52173913 52% -0.73877 -0.302775238 6.39909
4/10/2009 8:18:20 2.64 correctiva 629.44 19 629.4428 11 14.43478261 60% -0.92647 -0.076375018 6.444835
1/16/2010 3:49:13 0.61 correctiva 637.24 20 637.2411 12 16.34782609 69% -1.15774 0.146469814 6.457148
5/16/2009 13:25:31 3.31 correctiva 866.48 21 866.4797 13 18.26086957 77% -1.45912 0.377831335 6.764439
6/27/2009 22:47:58 5.44 correctiva 1014.06 22 1014.064 14 20.17391304 85% -1.89255 0.637923687 6.921721
10/22/2009 23:03:39 6.19 correctiva 1171.82 23 1171.817 15 22.08695652 93% -2.67461 0.983804797 7.066311
2/2/2009 3:06:17 7.79 correctiva 24 0
Buscar la mejor recta que

correlacione los valores
regresión Lineal
1.5
Ecuación de la recta 1 y = 0,8231x - 5,2703
0.5 R² = 0,9507
0
2 3 4 5 6 7 8
-0.5
-1
y = 0,8231x − 5,2703 -1.5
-2
-2.5
-3
-3.5
-4
Beta 0,8231
Por lo tanto, los parámetros de la función son:
Alpha 603,6465
¿Que diferencia tiene este ajuste con uno modelo Weibull de tres parámetros (alpha, beta y
gamma) ?
Indicadores de seguridad de funcionamiento (ajuste Weibull con parámetro gamma)
❑ Tasa de falla decreciente. Resultado gráfico consistente con valor parámetro beta.
Caso 3: Aplicación de Confiabilidad y mantenibilidad
Una escudería de la Formula 1 a la cual usted debe asesorar en la compra de un nuevo modelo de motor para sus automóviles.
Para esto usted está cotizando dos posibles modelos de motores:
• El primero un “Onda” con una tasa de falla de 4.27 ∙ 10−4 [1/𝑚𝑖𝑛] e a un costo de US$ 250.000 por motor.
• La segunda alternativa es un motor “VMW” el cual cuenta con una tasa de falla de 8.27 ∙ 10−4 [1/𝑚𝑖𝑛] a un costo unitario
de US$ 150.000.
Ambos motores cuentan con un MTTR de 30 min. Los auspiciadores de la escudería le cancelan a ésta por conceptos de
auspicio una suma de US$ 500.000 por carrera terminada en forma competitiva. Considere que cada carrera de la Formula 1
dura en promedio 2 horas, 2 minutos por vuelta y 60 vueltas por carrera.
a) ¿Qué le aconsejaría usted a la escudería sobre la adquisición de un motor? Justifique
cuantitativamente.
a) ¿En qué condiciones seleccionaría se deben cumplir para elegir la otra opción? Sea consecuente con su anterior respuesta.
Mantenibilidad:
Es la probabilidad de que la intervención de mantenimiento se lleve a cabo dentro del
tiempo definido “tr”.
Separación del proceso de reparación individual en dos tiempos en esencia distintos:
❑ Tiempo asociado a factores accidentales en la reparación

❑ Tiempo usual de la reparación propiamente tal
Disponibilidad
Corresponde a la fracción del período de tiempo en estudio, en la cual un elemento

(equipo o subsistema) se encuentra en condiciones de funcionamiento o listo para
funcionar.
A partir del ajuste de curvas (Confiabilidad –
Mantenibilidad) es posible estimar una “esperanza” de
tiempo disponible para operar.
MTBF = es la esperanza del tiempo de buen funcionamiento
MTTR = es la esperanza del tiempo de mantención
Discusión:
• ¿Como mejorar el MTBF?
• ¿Cómo mejorar el MTTR?
PROGRAMACIÓN DE ACTIVIDADES
Programación de Actividades
• Para la adecuada evaluación de un programa de actividades a realizar a la

evaluación de las dependencias de actividades, es que se debe tomar como
base las actividades “criticas” del procedimiento a realizar.
• Lo anterior es utilizar técnicas de gestión y control de proyectos aplicado a la

ejecución del mantenimiento.
• Técnicas basadas en tiempo:
• PERT: Program evaluation an Review Technique
• CPM: Critical Path Metrhod
• Caracteristicas:
• Deben tener tareas o trabajos bien definidos, cuya conclusión marque el final
del proyecto.
• Las tareas o trabajos son independientes; deben iniciar, detenerse y llevarse a

cabo por separado, de acuerdo con una secuencia
• Las tareas deben seguir una secuencia determinada
• Etapas:
• Identificación de actividades
• Secuencia de actividades y
construcción de la red
• Determinar la ruta critica
• Cómo determinar la ruta crítica?
• Se deben definir:
– Tiempo de inicio mínimo ES
– Tiempo de término mínimo EF
– Tiempo de inicio máximo LS
– Tiempo de término máximo LF
• Cáculo de holgura
– LS-ES
– LF-EF
• ¿Cual es el tiempo mínimo en que se puede terminar la actividad?
Ejemplo de programación de actividades
• Se tiene los siguientes tiempos de ejecución de actividades de un proyecto de

título
• ¿En cuanto tiempo el proyecto estaría terminado?
PER/CPM
• Y si no se tienen tiempo exactos de ejecución de actividades, como se podrían

evaluar?
• Se utilizarán 3 estimaciones de tiempo:

– Optimista (a)
– Probable (m)
– Pesimista (b)
• Donde el tiempo esperado de realización de la actividad será
𝑎 + 4𝑚 + 𝑏
𝑇𝐸 =
6
PER/CPM
• Y su varianza
2
2
𝑏−𝑎
𝜎 =
6
El modelamiento anterior considera que el comportamiento del tiempo de

ejecución de la actividad es similar a una función beta y que la suma de las
funciones en la determinación del tiempo esperado del proyecto, estas
convergen en una función normal.
PER/CPM
• Luego para la evaluación de la probabilidad de término de una actividad a un

determinado tiempo se calcula como:
𝐷 − 𝑇𝑒
Fecha de término deseada 𝑍= Fecha de término esperada
σ 𝜎2
Suma de las varianzas de la

ruta crítica
Caso 4: Modelamiento de tiempos de actividades
Desarrolle en equipo la coordinación de la logística para la preparación de un evento. Determine los requerimientos y estime el
tiempo necesario.
Realice un diagrama PERT del proceso y determine el tiempo mínimo de realización del proceso. Para ello determine las rutas
críticas.
Finalmente indique en que actividades se puede invertir para la mejora del proceso completo.
MODELACIÓN DE SISTEMAS
INDUSTRIALES (RBD)
Modelación de sistemas industriales (RBD)
Es importante para el estudio de sistemas complejos, establecer la relación que existe entre el
sistema y la confiabilidad de los componentes individuales
𝑅𝑠 𝑡 = 𝑓(𝑅𝑖 𝑡 )
Donde 𝑅𝑠(𝑡) representa la confiabilidad del sistema y 𝑅𝑖(𝑡) la de los n elementos

componentes del sistema. La representación de la dependencia lógica de los equipos i para
conformar el sistema se representa mediante un diagrama de blóques.
Redundancia parcial
Sistemas en línea
Existen 3 tipos de relaciones funcionales, estas son:
Relación en Serie:
Son sistemas que, ante la falla de cualquiera de sus elementos se declara la falla del sistema completo.
Relación Redundancia:
Son sistemas donde algunas de las funciones están duplicadas o multiplicadas con el fin de entregar una mayor seguridad de funcionamiento.
De esta relación se distinguen 2 tipos de redundancia
• Totales: Donde cada uno de los elementos constituyentes del sistema puede soportar la carga del sistema y todos se encuentran
funcionando.
• Stand-by: Similar a un sistema de redundancia total, con la diferencia que los componentes en stand-by se encuentran
desconectados de la línea principal productiva y requieren de un conmutador que los active en caso de ser necesarios.
• Parciales: Donde se requiere una cantidad mínima de los elementos constituyentes para soportar la carga de un sistema
Relación en Fraccionamiento:
Son sistemas donde la carga del sistema se reparte entre varios componentes, donde estos cumplen la misma función y en caso de falla de
alguno, solo se pierde la carga asignada a ese componente.
La definición del tipo de relación entre los sistemas determinara el impacto de cada componente a este.
Ejemplo
A modo de ejemplo, se tiene un
proceso de molienda. Este opera
con 2 alimentadores
necesariamente, los que
entregan material a 2 correas,
donde estas se reparten la carga
en una relación de 40/60, luego
estas llevan el material a un
cajón, donde es mezclado y
bombeado por una de las 2
bombas. El material húmedo es
finalmente pasado por el sistema
de hidrociclones, que por diseño
requiere que operen al menos 2
de los 3 existentes. Finalmente,
el material filtrado es llevado al
molino.
Ejemplo
Ejemplo
Cada uno de los bloques es necesario para la

producción, por lo que el conjunto se encuentra en Hidrociclón 1
serie a su vez.
Molino 1
Hidrociclón 2
Hidrociclón 3
Alimentador 1 Correa 1
40%
Bomba 1
Cajon
Alimentador 2 Correa 2
60%
Bomba 2
Ejemplo
Hidrociclón 1
Correa 1
Alimentador 1
40% Bomba 1
Cajon Hidrociclón 2 Molino 1
Correa 2
Alimentador 2
60% Bomba 2
Hidrociclón 3
Efecto sistémico producido en cada caso
Alimentador 1
Sistema de
Alimentador 2 Alimentación
Down Down Down
Alimentador 1
Down Down
Alimentador 2
Down Down
Tiempo
Bomba 1
Sistema de
Bomba 2 Bombeo Dow
n
Bomba 1
Down Down
Bomba 2
Down Down
Tiempo
Hidrociclón 1
Sistema de
Hidrociclones Dow
Hidrociclón 2 n Down
Hidrociclón 1
Down Down
Hidrociclón 3
Hidrociclón 1
Dow
Down
n
Hidrociclón 1
Down Down
Tiempo
Correa 1
40%
60% 40% 60% 40%

Sistema de
Correa 2 Correas Dow
n
60%
Correa 1 40%
Down Down
Correa 2 60%
Down Down
Tiempo
Árbol de Falla
• La aplicación de este método tiene las siguientes ventajas:

– Representa inmediatamente los sitemas desde el punto de vista lógico y formal
– Es de fácil modificación permitiendo evaluar distintas modificaciones al sistema
• Esteo método utiliza la siguiente nomenclatura:
Árbol de Falla
• A esta simbología se le adicionan las siguientes relaciones lógicas
Árbol de Falla
Árbol de Falla
• Para ilustrar de mejor forma la aplicación de este procedimiento se tiene el

siguientes ejemplo, que representa un sistema de bombeo
Árbol de Falla
• Donde:
1 Interruptor alimentación exterior

2 Interruptor generador de emergencia
3 Interruptor generador de emergencia
4 Interruptor motor bomba
5 Interruptor motor bomba
6 Generador de emergencia
7 Motor eléctrico de la bomba
8 Motor eléctrico de la bomba
• Se debe definir cuál es el acontecimiento deseado (o no deseado), en este

caso el acontecimiento final puede ser la no alimentación de la caldera
Árbol de Falla
Serie:
“La falla de cualquier equipo causa la detención del sistema”
𝑛
𝑅𝑠(𝑡) = 𝑅1(𝑡) 𝑅2(𝑡). . . . . . . . 𝑅𝑛(𝑡) = ෑ 𝑅𝑖(𝑡)

Paralelo 𝑖=1
“La falla simultánea de todos los equipos causa la detención del sistema”
𝑛
𝑅𝑠(𝑡) = 1 − 𝐹𝑠(𝑡) = 1 − ෑ 𝐹𝑖(𝑡)

𝑖=1
Stand-By:
“La falla simultánea de todos los equipos causa la detención del sistema”
𝑡
𝑅𝑆 (𝑡) = 𝑅𝐴 (𝑡) + න 𝑓𝐴 (𝜏 ) 𝑅𝑆 (𝑡 − 𝜏 )𝑑𝜏

0
Redundancia Parcial:
“El funcionamiento del sistema, requiere de un porcentaje del total de los equipos”
𝑛
𝑛
𝑅𝑠 = 𝑃(𝑟 ≤ 𝑗 ≤ 𝑛) = ෍ 𝑗 𝑅 𝑗 (1 − 𝑅)𝑛−𝑗
𝑗=𝑟
Fraccionamiento:
“La falla de un equipo se refleja en una pérdida parcial del sistema, de acuerdo a
su nivel de impacto”
𝑛 𝑛
𝑅𝑆 (𝑡) = 𝑅𝑖 (𝑡) × 𝐼𝑖 + (1 − ෍ 𝐼𝑖 ) × ෑ 𝑅𝑖 (𝑡)

𝑖=1 𝑖=1
Ejemplo 5
Cálculo de confiabilidad en sistemas
Considere la instalación de tres generadores eléctricos, cada uno con la mitad de la capacidad
del requerimiento total. Además, considere que se necesita un mínimo de dos generadores
para el correcto funcionamiento del sistema completo. Los generadores son de la misma
marca y modelo y su tasa de falla es:
Calcular la confiabilidad de los equipos y sistema para un año de operación [8.760]
Ejemplo 5
El ejemplo presentado representa una configuración lógico funcional de redundancia parcial [2:3].
Luego, la confiabilidad individual de cada generador es:
La confiabilidad del sistema se calcula como:
¿Que pasa si los equipos redundantes
son distintos?
Disponibilidad Esperada a la Falla
Master Asset
Management
Cálculo de disponibilidad esperada a la falla y confiabilidad
Considere los siguientes datos y estime la disponibilidad esperada a la falla para ambos
equipos y del sistema Bomba-Filtro
Equipo MTTR [hrs] Tasa de falla [1/hrs]
Bomba 6 3,5 * 10^-3

Filtro 4 2,5 * 10^-3
Determinar la Disponibilidad del sistema y la confiabilidad de este a las 350 hrs.

¿Qué diferencia existe entre disponibilidad y confiabilidad a la hora de evaluar un proyecto?
Ejemplo 6
Cálculo de disponibilidad esperada a la falla y confiabilidad
Considere los siguientes datos y estime la disponibilidad esperada a la falla para ambos
equipos y del sistema Bomba-Filtro
Equipo MTTR [hrs] Tasa de falla [1/hrs]
Bomba 6 3,5 * 10^-3

Filtro 4 2,5 * 10^-3
Determinar la Disponibilidad del sistema y la confiabilidad de este a las 350 hrs.

¿Qué diferencia existe entre disponibilidad y confiabilidad a la hora de evaluar un proyecto?
1 1
3,5∙10−3 2,5∙10−3
𝐴𝑏𝑜𝑚𝑏𝑎 = 1 = 0,97943193 𝐴𝑓𝑖𝑙𝑡𝑟𝑜 = 1 =0,99009901
+6 +4
3,5∙10−3 2,5∙10−3
𝐴𝑠𝑖𝑠𝑡𝑒𝑚𝑎 = 𝐴𝑏𝑜𝑚𝑏𝑎 ∙ 𝐴𝑓𝑖𝑙𝑡𝑟𝑜 = 0,96973458

−6 ∙350 −6 ∙350
𝑅(350)𝑏𝑜𝑚𝑏𝑎 = 𝑒 −3,5∙10 = 0,29375 𝑅(350)𝑓𝑖𝑙𝑡𝑟𝑜 = 𝑒 −2,5∙10 = 0,41686202
𝑅𝑠𝑖𝑠𝑡𝑒𝑚𝑎 = 𝑅𝑏𝑜𝑚𝑏𝑎 ∙ 𝑅𝑓𝑖𝑙𝑡𝑟𝑜 = 0,12245643
¿Cuándo evalúo confiabilidad?

¿Cuándo evalúo disponibilidad?
¿Cuál es la diferencia?
Ingeniería de Planta
Master Asset
Management
Diagramación lógica Funcional
Ejemplo Diagramación lógica Funcional (RBD)
Sistema de Conminución
Alimentación Área Seleccionadora
y Chancado Secundario
Cinta N°3
Tolvas N°1 a N°4
Alimentadores N°1 a N°4
Harneros N°1 a N°4
Trituradores N°1 a N°4
Cinta N°1 Cinta N°2
Cinta N°4
Flujo de Fino
Fuente: Centro de Desarrollo de Gestión Empresarial. CGS
Análisis Línea n°1 de conminución
Tolva n°1
Alimentador
n°1
Harnero n°1
Triturador n°1
Serie

Análisis líneas de conminución (Subsistema Líneas Conminución)
Las líneas 1 a 4 son idénticas, por lo tanto, la configuración lógico funcional es la

misma, sin embargo, al tratarse de líneas independientes, su detención implica
pérdida de capacidad productiva en el proceso.
Tolva n°1 Tolva n°2 Tolva n°3 Tolva n°4
Alimentador Alimentador Alimentador Alimentador

n°1 n°2 n°3 n°4
Harnero Harnero Harnero Harnero

n°1 n°2 n°3 n°4
Triturador Triturador Triturador Triturador

n°1 n°2 n°3 n°4
Serie Serie Serie Serie

Fraccionamiento (1/4)

Por último, las cintas n°1, 2 y 3 están en serie (Subsistema Alimentación).
Cinta n°1 Cinta n°2 Cinta n°3
Serie
En consecuencia, el diagrama lógico funcional del sistema queda definido como:
Subsistema
Subsistema
Líneas Cinta n°4
Alimentación
Conminución
Serie

Caso Planta Molienda Unitaria. Diseño Lógico RBD
Proceso
Se considera el siguiente proceso de molienda. Este cuenta con 12 líneas, en las que actúan 3 feeders en
cada una. Existen 2 clases de línes, la línea “LA” que cuenta con un molino de bolas, un hidociclon y una
bomba y la línea “LB” que cuenta un molino, con 2 bombas, una en stand-by, y un hidociclon. Si las líneas 1 a
la 8 alimentan a una celda de flotación A, aguas abajo, y las líneas 9 a las 12 alimentan a una celda de
flotación B, cual sería el RBD de la planta?
Tipo LA Tipo LB
Grupo B Grupo A
Ejemplo 7
Buzón 1 Standard line (LA) 1 to 12

(except 6 and 8)
Buzón 2 Correa Molino Estanque Bomba Hidrociclón
Buzón 3
El sistema
3 sobre 2 posee 12 líneas
idénticas, a
Special line (LB) 6 and 8 excepción de
Buzón 1 las líneas 6 y 8.
Bomba
1
Buzón 2 Molino
Correa Estanque Hidrociclón
Bomba
Buzón 3
2
3 sobre 2
Ejemplo 7
Existen dos grupos para acceder a las Celdas de Flotación: Desde la línea 1 a la 8 y desde la 9 a la 12.
1/8 Grupo A Grupo B

L1A L9A 1/4
Fraccionamiento
Fraccionamiento
L2A 1/8 L10A 1/4 Celdas

Flotación B
L3A 1/8
L11A 1/4
L4A 1/8 Celdas

Flotación A L12A 1/4
L5A 1/8
Grupo B 1/3
L6B 1/8 Líneas 9-12
L7A 1/8 Los dos grupos de líneas

completan el sistema total
Grupo A
en una configuración de
L8B Líneas 1 - 8
1/8 fraccionamiento.
2/3
Modelamiento de una planta
CONFIABILIDAD OPERACIONAL E
IMPACTO ECONÓMICO
Confiabilidad operacional e impacto económico
Las pérdidas de producción son de origen diverso y pueden ser causada tanto por factores exógenos como internos, algunos de
los cuales no pueden evitarse y otros, en cambio, son evitables a través de acciones de mejoras en el ámbito de la gestión
(originan OPEX) y/o de proyecto (originan CAPEX)
Disponibilidad: A (Availability)
La disponibilidad es definida como el porcentaje del tiempo que un activo pueda ser usado por la producción
sobre un tiempo base dado.
Varios factores de ineficiencia pueden afectar a disponibilidad global Ag de una unidad de producción. Sin
embargo, es importante destacar que no existe consenso al respecto, por lo que se necesario definir
acuerdos para permitir el análisis de los valores obtenidos
Indicadores de
Desempeño por
pérdidas
OEE sistémico: Realización de la estrategia, tecnología y analítica
Análisis de desempeño y drivers Evaluación de escenarios
Análisis sistémico Análisis de criticidad e impacto Escenarios e Simulación y Análisis de

hipótesis analytics escenarios
Output Analítico
OEE OEE
Captura y registro de Modelo digital y

Input tecnológico análisis sistémico
datos
Iniciativas Roadmap Iniciativas de gestión

Input estratégico
estratégicas tecnológico de activos
Modelo
Costo Capital Costo Ejercicio
Costo Global = Inversión + ( Operación + (1 – As) x H x cf ) x fa
Equipos +Infraestructura Costos de operación + Costos de ineficiencia
Donde:
As: Disponibilidad del Sistema
H: Tiempo de operación en cada período de evaluación
Cf: Costo de ineficiencia por unidad de tiempo
fa: Factor de actualización de los flujos operacionales
F’ Facturación perdida por no operación
C’v Costo variable no gastado
Cf =
F´− C´v 
Tiempo
© Adolfo Arata Andreani y Sebastián Soto Contreras Todos los derechos reservados 189
190
ANÁLISIS DE CRITICIDAD DE
EQUIPOS
Ejercicio 9
Análisis de criticidad de equipos
Minera Los Colorados Ltda. ha solicitado a la unidad de confiabilidad, determinar el equipo crítico del área de chancado y
correas.
El proceso productivo está compuesto por dos chancadores que descargan el mineral en una correa, que lo transporta hasta
el stockpile ubicado a 2 [km].
La información de los equipos se detalla a continuación

:
Equipo Capacidad nominal [ton/hr] MTBF [hr] MTTR [hr]

CRG 001 60 100 4
CRG 002 40 250 15
CVB 626 100 48 1,5
¿Cuál es el equipo crítico?. Asuma que el sistema opera 8.760 horas al año y que la empresa
ante detenciones no programadas asume un costo de 1.500 [US$/hr]
Ejercicio 9
Análisis de criticidad de equipos
Los chancadores se encuentran entre sí en fraccionamiento y en serie con la correa

transportadora.
A continuación, se detalla el impacto de cada equipo a nivel individual.
Equipo Disponibilidad Impacto Indisponibilidad equivalente Horas detención Costo falta [USD]
CRG 001 96,15% 0,6 0,0231 202,154 303.231
CRG 002 94,34% 0,4 0,0226 198,340 297.509
CVB 626 96,97% 1 0,0303 265,455 398.182
Por lo tanto, el equipo crítico es la correa, pese a que tiene la mayor disponibilidad.
Ejercicio 8
DLF y Criticidad de equipos
La principal confitería del país, 2en2, produce 2 variedades de chicles: normales y con relleno. El proceso
parte con la preparación de la mezcla de goma, la cual es la misma para ambos tipos de chicle.
Posteriormente la mezcla pasa al proceso de extrusión en donde se obtiene un continuo de goma de mascar.
Luego de esto, se pasa al proceso de corte, tras lo cual salen los chicles de manera individual. En este punto
se produce la única diferencia en el proceso para ambas variedades: Si el chicle es normal, pasa directamente
a la máquina de envoltura. Caso contrario, si el chicle es con relleno, pasa primero a la máquina de relleno y
posteriormente a la máquina de envoltura.
Las características de los equipos se muestran en la siguiente tabla:
Equipo Tasa de Falla [1/h] MTTR [h] Capacidad $ Inversión [M$]

[Kg/Hora]
Mezclador 0,001 3 40 2.000
(preparación)
Extrusionador 0,0005 12 30 1.500
Cortadora 0,0008 5 40 2.500
Envoltura 0,0001 8 50 4.000
Rellenadora 0,0005 20 20 3.000
Ejercicio 8
Para la fabricación se cuenta con dos líneas totalmente independientes, una para cada tipo de
chicle. La empresa trabaja en 2 turnos de 8 horas cada uno, 350 días al año. El costo de producir
chicles normales es de $500 el kilo (60% costos fijos) y la utilidad que se obtiene es de un $200
por kilo. En el caso de los chicles con relleno, el costo de producción es de $600 el kilo (60%
costo fijo) y su utilidad es de $240 por kilo.
Considere un horizonte de evaluación de 5 años y una tasa de descuento del 17%.
a) Determine la capacidad de producción mensual esperada de cada línea y su utilidad.

b) Determine el diagrama lógico funcional de cada línea y la disponibilidad sistémica de
cada una
c) Determine la confiabilidad de cada línea por cada día trabajado.
d) Considerando que los costos de ineficiencia es la diferencia entre el precio de venta
del producto menos los costos variables. (Ci=P-Cv). Determine los costos de ineficiencia por
hora, los costos globales de cada línea y total de la empresa.
e) Determine el equipo crítico en cada línea.
Ingeniería de Planta
Master Asset
Management
Seguridad de Funcionamiento
Ejemplo 10
Una empresa minera está diseñando su sistema de transporte desde la mina al chancador,
con una carga de 100 [ton/hrs]. Para este efecto considera 2 alternativas, disponer de una sola
correa de gran capacidad o contar con 3 correas complementarias en redundancia 3:1.
*Toda la información está a nivel de equipo.
La empresa tiene una facturación anual de U$ 10.000.000, donde sus costos variables son del
30% de ésta.
Se operan 5.000 horas al año. El horizonte de evaluación para este proyecto es de 10 años y
la tasa de descuento de la empresa es de 12% anual.
¿Qué alternativa seleccionaría? ¿Por qué?
Ejemplo 10
Ci = (F- Cv) / H = 10.000.000 (1 – 0,3) / 5.000 = U$ 1.400 hora
FA = ((1+i)n – 1) / ((1+i)n ]* i) = ((1+12%)10 – 1) / ((1+12%)10 ]* 12%) = 5,65
Alternativa 1
Disponibilidad Correa1
= MTBF / (MTBF + MTTR) = 90 /(90 + 10) = 90%
Costo de la Falta10 años
= (1-A)*H* Ci *FA = (1-0,9)*5.000*1.400*5,65 =U$ 3.955.156
Costo Global (10 años)
= Costo de la Falta + Inversión = U$ 3.955.156 + u$2.000.000 = U$ 5.955.156
CGS Todos los Derechos Reservados
Ejemplo 10
Alternativa 2
A Correa2= MTBF / (MTBF + MTTR) = 95 /(95 + 9) = 91,3%
A Correa3= MTBF / (MTBF + MTTR) = 120 /(120 + 8) = 93,8%
Asistema = (Ai * %Capacidadi )

= 91,3% *60% + 93,8% *20% + 93,8% *20% = 92,3%
Costo de la Falta10 años
= (1-A)*H* Ci *FA = (1-0,923)*5.000*1.400*5,65 = U$ 3.042.428
Costo Global (10 años)

= Costo de la Falta + Inversión = U$ 3.042.428 + U$2.400.000= U$ 5.442.428
CGS Todos los Derechos Reservados
Caso
Ejercicio 11
La embotelladora “Handina” lo ha contratado como ingeniero asesor experto en confiabilidad y como

primera labor debe analizar un nuevo sistema de bombas que se encargará de rellenar los
envases de distintos productos en su planta principal, este nuevo sistema se utilizaría en el caso
que el equipo principal (actualmente en uso) no esté disponible. Una empresa externa presenta
el siguiente esquema de alimentación eléctrica de los motores de las bombas:
El sistema es alimentado por una fuente altamente confiable (SIC), siendo las fallas atribuibles a los
equipos descritos, junto a esto existe un conmutador que se encarga de accionar el generador en caso
de ser necesario. Considere que para que el sistema opere debe estar funcionando al menos una
bomba (un motor) y la bomba utilizada tiene una capacidad de 10 [litros/minuto]. Junto a la
información anterior se entrega el detalle de los equipos:
Ejercicio 11
Equipo Descripción Tasa de falla [fallas/hr] MTTR [hr] Costo [$]

1Interruptor alimentación exterior 0,0005 5 50000
2Interruptor generador de emergencia 0,0002 3 80000
3Interruptor generador de emergencia 0,0002 5 80000
4Interruptor motor bomba 0,0001 10 25000
5Interruptor motor bomba 0,0001 10 50000
6Generador de emergencia 0,0004 48 1650000
7Motor eléctrico de la bomba 0,0008 15 850000
8Motor eléctrico de la bomba 0,0007 15 850000
9Conmutador 0,0002 3 450000
Adicionalmente se le informa que este sistema debe funcionar ininterrumpidamente durante un mes
(30 días) al año, ya que en el tiempo restante es utilizado el otro sistema. Para que el sistema nuevo
opere, el interruptor automático de alimentación exterior (1) debe estar funcionando en estado
abierto.
Durante todo el año se espera vender el total de la producción a un precio de $500 el litro en el
mercado nacional donde los costos fijos representan el 30% del precio de venta y el margen es de un
20%. De acuerdo al departamento de marketing se espera una demanda de 5.100.000 litros para el
próximo año.
Ejercicio 11
• ¿Cual es el diagrama lógico funcional del sistema?

• ¿Cual es la probabilidad de que el sistema de auxiliar generador opere durante 30 días?
• ¿Cuál es el equipo crítico?
• ¿Cual es el costo global del sistema?
Ejercicio 8
Diagrama lógico funcional
Int. 4 Motor 7
SIC C Int. 1
Int. 2 Generador Int. 3 Int. 5 Motor 8
Equipo Confiabilidad a 30 días

1 69,768%
2 86,589%
3 86,589%
4 93,053%
5 93,053%
6 93,053%
7 80,574%
8 80,574%
9 86,589%
Ejercicio 8
El equipo critico dada la configuración del sistema es el conmutador, ya que si falla el sistema pierde la
capacidad de reacción frente al interruptor 1 que es aquel con menor confiabilidad.
Capacidad 10 [litros/min]
Capacidad Hora 600 [litros/hr] Producción Diseño Mensual 432000
Turnos 3 turnos/día Demanda Mensual 400000
Horas 8 Horas/día Producción Esperada Mensual 350640
Días 30 Días
P. Venta 500 $/litro
Costos 400 $/litro
Margen 100 $/litro
C. Fijos 120 $/litro
C. Variables 280 $/litro
Ci 220 $/litro
Horas Costo Ejercicio 4.883.796 $/mes
mensuales 720 Horas/mes Costo Ineficiencia 10.859.420 $/mes
Años Evaluación 5 Años Inversión 4.085.000 $
Tasa Descuento 12% Ce+CI Actualizados 56.750.770 $
Fa 3,6048 Costo Global 60.835.770 $
CRITERIOS GENERALES DE
DIMENSIONAMIENTO
Criterios generales de dimensionamiento
Ejercicio 11
Efecto escala
El equipo de ingenieros encargado del proyecto de transporte de concentrado de

Compañía Minera San Isidro Oeste [CMSIO], está evaluando técnica y económicamente el
nivel de redundancia del sistema de bombeo de carga del mineroducto.
Básicamente, debe determinar la cantidad de bombas que CMSIO requiere para

asegurar la continuidad de funcionamiento. Para ello cuenta con información
proporcionada por un proveedor:
Equipo MTBF [hr] MTTR [hr] Capacidad nominal [m3/hr]

Bomba Geo 70 11 100
Según condiciones operacionales, el mineroducto debe ser capaz de transportar 300

[m3/hr] de pulpa (ni más ni menos). Y ante alguna detención imprevista la unidad de
negocio deja de percibir 1.500 [US$/hr]. La planta opera 8.760 [hr/año]
CMSIO evalúa las alternativas de inversión con una tasa de costo de capital anual de 15%,
por un horizonte de 10 años.
A modo de referencia se considera una bomba de similares características, con capacidad

80 [m3/hr] y tiene un costo de 40.000 [US$]. Considere índice de escalamiento de Williams
igual a 0,65.
Ejercicio 11
Efecto escala
Dada las condiciones de operación la configuración lógico funcional del sistema es

redundancia parcial, con un mínimo de 3 equipos en operación.
De esta forma, se debe buscar el mínimo costo global en función de la inversión y la

disponibilidad.
Cantidad de bombas Nivel de redundancia (r=3) Inversión Disponibilidad Indisponibilidad Horas detención Costo Falta Costo global
4 1 184.974 90,84% 9,16% 802,75 1.204.125 6.228.199
5 2 231.218 97,98% 2,02% 177,13 265.697 1.564.689
6 3 277.462 99,59% 0,41% 35,53 53.295 544.939
7 4 323.705 99,92% 0,08% 6,69 10.029 374.036
8 5 369.949 99,99% 0,01% 1,20 1.802 378.995
9 6 416.192 100,00% 0,00% 0,21 313 417.763
En consecuencia, se debe invertir en la compra de 7 bombas.
Ejemplo 12
Sistema Generador - pulmón
Próximamente se instalará un centro turístico en las faldas de la cordillera al sur de Chile el cual
tendrá distintos niveles de utilización de agua dependiendo la época del año, sin embargo, se
estima que año a año su consumo de agua será bastante regular y puede ser representado por
la siguiente curva de demanda.
En las cercanías a este centro turístico no hay red de agua potable por lo que se evalúan dos
posibilidades de abastecimiento, las cuales se centralizarían en un estanque de
almacenamiento.
Ejemplo 12
a). Tomar agua del rió “Claro” ubicado 200 metros por sobre el centro turístico (distancia efectiva),
desde el cual el agua caería por gravedad hasta el centro turístico. (no se requieren equipos de
bombeo). El caudal del rió “Claro” durante el año se muestra en el siguiente gráfico.
b) Crear pozos a una distancia del centro turístico de 45 metros efectivos desde las cuales se
bombearía el agua hasta estanques de suministro. Por limitaciones de consumo de energía de la
zona, se puede instalar un máximo de 2 bombas. Las únicas opciones disponibles en el
mercado son las siguientes.
Ejemplo 12
Usted ha sido contratado para determinar cuál es la mejor forma de abastecimiento con el
fin de entregar un nivel de satisfacción de servicio del 100% y cuál es el costo asociado a
esta elección.
Para esto se le entregan algunos datos adicionales. El costo de un estanque de

almacenamiento de referencia de 600 m3 con disponibilidad del 100% es de 1.000.000
[um] y el índice de Williams se estima en 0,65, además los costos de mantención incluido el
tratamiento de aguas ascienden a 1.600 [um/año]. Los costos de instalación de cañerías
para transporte de aguas considerando codos y válvulas se estiman en 200.000[um/km], y
los costos de mantención de cañerías es 1 [um/km] al año.
Los proyectos se evalúan a 10 años con una tasa alternativa de 15%. Considere que el
centro turístico empezará a operar un año después de la instalación del sistema de
abastecimiento de agua potable, el cual quedaría instalado a principios del próximo año. No
analice combinaciones entre ambas alternativas.
Ejemplo 13
Demanda estocástica
La empresa Gaseosa S.A. se ha adjudicado un nuevo contrato para la venta de agua mineral
en formato 1.700 cm3 durante los próximos 5 años. Por ello el gerente de operaciones está
evaluando la posibilidad de adquirir un nuevo equipo embotellador para las Plantas
Santiago Norte y Sur, ya que actualmente estás no cuentan con el nuevo formato para poder
embotellar el agua.
La demanda proyectada diaria para cada planta se estima a partir de las siguientes
ilustraciones:
La demanda para la planta Santiago Sur es:
Ejemplo 13
Mientras que para la planta Santiago Norte se espera un peak de 700.000 cm3 durante 8
horas, lamentablemente no se tiene información de cuando sucedería y se distribuye a lo
largo del día en forma aleatoria, el resto del tiempo la demanda sería estable, estimado en
350.000 cm3.
Ejemplo 13
Para abastecer la demanda se han cotizado los equipos que se señalan a continuación:
Alternativa Capacidad [cm3/hrs] Costo Equipo [$]

Equipo 1 900.000 100.000.000
Equipo 2 1.100.000 150.000.000
Equipo 3 1.150.000 300.000.000
Si la empresa trabaja 300 días al año, 24 horas al día y evalúa sus proyectos a una tasa de
costo de capital del 12% anual y en el caso de no cumplir con la demanda, la empresa
deberá cancelar una multa por 0,25 [$/cm3].
Determine:
Qué equipo debería seleccionar la empresa, Considerando que los equipos involucrados en
el proceso tienen disponibilidad esperada a la falla de 100%.
Si Gaseosa S.A. pudiese instalar un estanque, para evitar casos de demanda insatisfecha,
cuál sería su Carga inicial y la Máxima capacidad, considerando el equipo seleccionado
anteriormente.
Rol de la ingeniería de confiabilidad en la transformación del mantenimiento
Ingeniería de Confiabilidad (IC)

Mejorar Proyectar Controlar
Minimización de Costos Maximización de los Resultados

de Mantenimiento y de Capital
V/S Min Costo Global durante LCC
Enfoque Enfoque
Solicitar recursos para hacer más mantenimiento Solicitar recursos para hacer menos mantenimiento
Incremento de los costos propios y Incremento de la Confiabilidad

de capital Operacional
▪ Recursos humanos. ▪ Aumento de la disponibilidad/utilización (OEE).
▪ Materiales y repuestos. ▪ Optimización de los suministros.
▪ Terceros.
V/S ▪ Mejoramiento de la Gestión de Activos.
▪ Redundancias ▪ Aumento de la Seguridad.
▪ Disminución de la Contaminación.
Costo Costo Global
Costos directos y de capital

Costo de pérdida de producción
Sol. óptima
Solución óptima Conf. Oper.Operacional
Confiabilidad
Identificación de equipos críticos
La definición de estrategias es la base para la definición de un Sistema de Mantenimiento

competitivo.
Tasa de Detención Entendido como modalidad y frecuencia
Costo Global Entendido como la suma de todos los costos: propios e inducidos
(no producción, no calidad, incidentes ambientales y de las personas)
Costo de Falta (F’-cv) / T
RBD
(Reliability Block Diagram) Criticidad Impacto sobre el negocio
PDF
(Process Diagram Flow) Seguridad de funcionamiento
(Utilización, Calidad, Velocidad)
Confiabilidad (MTBF) Frecuencia de falla

Disponibilidad
Mantenibilidad (MTTR) Tiempo de reparación
REVISIÓN DE CASOS
Optimización de Proyectos - Simulación RAM para la obtención del Throughput máximo
Agosto, 2019
www.rmesanalytics.com
Simulación RAM Sistémica
Simulación avanzada del tiempo de uso y rendimiento del proceso es la clave para
mejorar la producción en el largo tiempo y disminuir el CAPEX de un proyecto
El diseño de Proyecto generalmente se pasa por alto la presencia de cuellos
de botella que impactan el tiempo de uso esperado de la planta.
Nominal
Process flow Energy &
equipment sizing
design material balance
and selection
Expected CAPEX / OPEX El ajuste de CAPEX

Alternate design
runtime? estimations normalmente impacta
el tiempo de uso, pero
en general se
La predicción del rendimiento de los equipos es basada en data considera constante
histórica. Sin embargo, el tiempo de uso es resultado del criterio
experto, en vez de un análisis riguroso que considera la configuración
del proceso, la interdependencia de los activos y el comportamiento
de los stockpiles. Expected
Final design
CAPEX?
Systemic RAM Simulation
Metodología
▪ Evaluación del LCC y priorización de escenarios
▪ Simulación y optimiación para la selección de los escenarios de
mejora.
▪ Validación de interdependencia de equipos

▪ Respuesta del proceso ante eventos en equipos Evaluación LCC
▪ Impacto de los stockpiles en el proceso Optimización para la
Simulación selección del major
RAM analysis escenario
Modelado
Gemelo Digital
del proceso
▪ Equipos ▪ Simulación de producción, confiabilidad, mantenibilidad
Obtención de Información y disponibilidad
▪ Capacidades Validación de información ▪ Simulación de Monte Carlo y riesgos
▪ Criterios de diseño
▪ Optimización de stockpiles
▪ Fujo del proceso
▪ Criterios de expertos ▪ Análisis del ciclo de vida basado en riesgos para la
▪ Redundancias
▪ Información de proveedores identificación de oportunidades de mejora
▪ Data de mantenimiento y
Entendimiento producción
Levantamiento de
procesos
Detalle
Herramientas RMES Actividades Fases

Levantamiento Equipos y sus
Análisis y Evaluación del proceso Definición de redundancias 1. Entendimiento
capacidades
Data Recolección de datos de Fallas Obtener data de proveedores y Codificación y Validación de la 2. Obtención de
Datafill de otras operaciones. criterio experto. Data Información
Benchmark
Ajuste de Gemelo Representación del comportamiento del Modelamiento lógico-funcional

proceso ante fallas
Modelamiento Stock-pile 3. Modelado
curvas digital del proceso.
Algoritmo Simulación Simulador Carga de datos de falla al modelo Identificar sistemas y equipos
Simulación RAM y Validación 4. Simulación
Sistémico Montecarlo de Stockpile lógico-funcional críticos
Algoritmo Simulación Simulador

Definición de mejora potencial Simulación RAM de los Entrega de parámetros para 5. Evaluación LCC
Sistémico Montecarlo de Stockpile de escenarios a evaluar diferentes escenarios evaluación económica
Este timpo de simulación explica y pronostica la rendimiento basado en los datos de
eventos y un modelo digital del proceso
Actual equipment Process digital Systemic RAM Analytics and

and process model Simulation recommendations
System level throughput,

R Pump system utilization, availability
2:3
100 – PP – 001
100 – PP – 002
100 – PP – 003
Caso 1: Caso de Flota de equipos autónomos
Contexto
Operación Información de Faenas Simulación en RMES Suite
Es requerido realizar un estudio de simulación RAM que permita comparar flotas de equipos Mina autónomos
con flotas tripulados en la fase de ingeniería de detalle de un nuevo proyecto de minería de rajo abierto.
Para ello es requerido modelar un sistema autónomo para distintos tipos de equipos y determinar su
conveniencia en relación a sus indicadores de disponibilidad y utilización.
Metodología
Autonomous Fleet
System
Truck
Levantamiento de equipos
Ajuste de datos benchmark Modelling Simulation
y procesos
Resultados
Simulación por equipo
CAEX S/Autónomo
CAEX Autónomo 86%
88% 96 92 92 92 92 91 91 91 91 Diferencias 2,1%
96 93 93 93 93 92 92 92 92 91 88 88 88 88 88 88
91 91 91 90 90 91 91 91 90 90 90 96
91 86 86 86
85 85
86
86
86 86 86 86 86 85 85 85 85
81
86 86 86 86 76
81 84 84 84 84 84 84 84 84 84 84 83 83 83 81 81 81 81 81 81
82 82 76 79 79 79 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
2 3 4 5 6 7 8 77
9 77
10 11 12 13 14 15 16 17 18 19 20
76
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 DISP MIN MAX Prom
Simulación de Flota
Camion Autónomo 89% CAEX S/Autónomo 87% Diferencias 2,1%
96.0 94 94 94 94 94 94 96.0
92 92 92 92 92 92 93 92 92 92 92 92 92 92 92 92 92 92 92
90 89 89 90 91 90 90 90 90 91.0
91.0 91.0 88 87 88 88
86.0
86.0 86.0
87 87 87 87 87 87
86 86 86 85 86 86 86 86 86 86
81.0 85 85 85 85 85 85 85 85 85 81.0
81.0
83 82 82 82 83 84 83 84 83 83
81 81 81
76.0 76.0 76.0
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
DISP MIN MAX Prom DISP MIN MAX Prom

Conclusiones
Sensibilización
90.0% 120.0%
y = -0.0001x + 0.9018 •A medida que la cantidad de horas de PM
89.5% R² = 0.9634 aumenta, se observa una relación lineal de
89.4% 100.0%
89.0%
91.9% 85.2% 78.6% 74.1%
disminución o aumento de la disponibilidad.
80.0%
Relación PM/MC
Disponibilidad
88.5%
88.6%
88.2% 60.0% •Al realizar estos cambios, si bien la relación

88.0% falla/mantenimiento mejora, el resultado final de
87.5%
40.0% la disponibilidad es menor.
87.0% 87.0% 20.0%
8.1% 14.8% 21.4% 25.9%

•Es decir, no por realizar más horas de
86.5%
35 85 135 185 235 285 335
0.0% mantenimiento se mejora la disponibilidad
Horas de PM
• La disponibilidad del sistema autónomo es al menos 2.1% mayor en todos los escenarios. Lo anterior se logra a
pesar del hecho de que el sistema autónomo posee su propio modelo de fallas.
• Los equipos no autónomos poseen en promedio hasta un 38% más de horas de detención de tipo operacional
por efectos del personal
Caso 2: Simulación de planta en fase de ingeniería
Descripción de Caso y Escenario
Caso Base
Ingeniería de factibilidad estudiado
•Pérdidas operacionales en Chancado Primario por Demora de Camiones, Cambios de turnos y Operacionales (Setting, atollos, etc).
•Plan de Mantenimiento para todas las áreas, considerando mantenciones semanales, mensuales, trimestrales y anuales.
•Pérdidas de rendimiento por nivel stockpile, según criterio experto
Caso Base Mejorado

• Mejoras plan de mantenimiento para todas las áreas, debido a cambios estructurales y de repuestos en los Chancadores de Cono y Molino, reduciendo en
3 horas las mantenciones mensuales.
• Disminución de pérdidas operacionales, considerando picarroca y electroimán auto limpiante, reduciendo en 0,8 y 0,4 horas, respectivamente.
• Aumento de carga viva del stockpile solo incluyendo un tercer alimentador.
Benchmark
Caso Base Caso
Proceso Detención Tipo Frec. Ref1 Ref2 Ref3
[hrs] Mejorado
Demora Camiones OPE diaria 1,38 1,38 --- 1,3 2,3
Chancado Primario
Setting, Atollos, etc. OPE diaria 2,7* 1,5 1,4 1,9 1,1
Chancado (Primario + fino) Mantención semanal MAN PROG sem 10** 10 -- 12 12
Mantención periféricos MAN PROG trim 10 10 --- -- 10
Molienda
Mantención revestimientos MAN PROG anual 100*** 75**** -- -- 75
Caso Base – Análisis Sistémico
Planta Resultados
Esperada Simulada
A: 82,96% Disponibilidad A - 91,06%

U: 73,14% A: 94,90% Utilización U 95,00% 90,97%
U: 94,90%
La planta presenta un
comportamiento bajo para el
cumplimiento esperado de
utilización, siendo cercano a
4%.
Caso Base – Análisis Sistémico y Cuello de botella
Cuello de botella Utilización
Reducción de impacto por
detenciones de operaciones.
Upstream Downstream
• En el gráfico de cuello de botella es posible ver cómo el indicador de sistémico se mueve al ir incluyendo cada proceso,
identificando la contribución de este en Disponibilidad y Utilización.
• Se puede apreciar que el indicador cae al analizar Chancado Primario y Chancado Fino. Sin embargo, al incluir el
stockpile de Fino, se detecta que este absorbe casi todas las detenciones operacionales y es la disponibilidad la que no
permite llegar al 100%, impactando en un poco más de 6%.
• Por otro lado, la Utilización promedio del proceso es de 90,97%, en donde el 90% de los casos se encuentran entre
89,82% y 91,77%.
Caso Mejorado – Análisis Sistema
Planta Resultados
Esperada Base Mejorada

A: 83,35%
Disp. A - 91,06% 94,75%
U: 79,95%
Util. U 95,00% 90,97% 94,73%
A: 96,56%
U: 96,56%
A pesar de las mejoras, el

sistema completo (Chancado y
Concentradora) no muestra un
comportamiento que permita
operar en óptimas condiciones.
Sin embargo, los cambios
realizados generan un aumento
de 3,76% respecto al caso base
para la planta y son cercanos al
necesario.
Caso Mejorado – Análisis Sistémico y Cuello de botella
Cuello de botella Utilización
Reducción de impacto por
detenciones de operaciones.
Upstream Downstream
• En el gráfico de cuello de botella se ve cómo el indicador sistémico se mueve a través de cada proceso, identificando la
contribución en Disponibilidad y Utilización entregada por el stockpile a la planta completa.
• A pesar de las mejoras, el proceso sigue teniendo pérdidas en el stockpile por disponibilidad. Además, el Chancado
Primario y Chancado Fino siguen siendo los cuellos de botella, siendo la mantenibilidad el principal elemento de
pérdida.
• Por otro lado, la Utilización promedio del proceso es de 94,73%, en donde el 90% de los casos se encuentran entre
93,65% y 95,49%.
Análisis Cuello de Botella Sistémico Comparativo
Caso Base versus Mejorado
98.00% Ganancia en casi 4%
96.00% de disponibilidad por
Casos Comparados 94.00%
impacto de stockpile
92.00% • Al comparar ambos casos, se
Disponibilidad
90.00%
Upstream Downstream puede ver que a pesar de
88.00%
86.00%
realizar mejoras en los
84.00% procesos de chancado y
82.00% concentradora, el cuello de
80.00%
Chancado Primario + Chancado + Domo + botella sigue siendo el proceso
Chancado Primario Chancado + Domo
Chancado Fino Concentradora de Chancado Fino.
Base 91.17% 82.96% 93.57% 91.06%
Mejorado 91.76% 83.35% 97.99% 94.75%
• Se recomienda revisar el plan
de mantenimiento necesario
para el proceso de Chancado
97.00% para así reducir las horas de
intervención y evitar que el
Casos Comparados
92.00%
stockpile se vacíe.
87.00% Upstream Downstream
Utilización
• Además, para el mismo

82.00%
stockpile, se debe evaluar la
77.00% capacidad de carga viva
72.00%
necesaria para que el proceso
Chancado Primario + Chancado + Domo +
Chancado Primario
Chancado Fino
Chancado + Domo
Concentradora
de concentradora opere sin
Base 81.92% 73.14% 93.47% 90.97% interrupciones externas.
Mejorado 86.33% 79.94% 97.98% 94.73%
El modelamiento de un sistema en stockpile
Serial
Upstream System
(US) A(syst )-> A(us)
Stock
Pile (SP)
Upstream System
Stand-by
(US) Stock
Pile (SP)
Upstream System
(US) Stock A(syst) ->
Pile (SP) 100%
Upstream system availability

disponibilidad sistema aguas arriba
up
down down down down
Q instant stock-pilestock pile

q instantánea
q max
0
t=0 down down t=n
Análisis de Sensibilización de Stockpile
97.00% • En este gráfico se puede ver que
96.50%
con un stockpile de 15Kton de carga
96.39% viva, el proceso logra en con un
96.19% 90% de probabilidad un 94,59% de
96.00%
utilización. Adicionalmente, con un
95.69% 95.75% 95.99%
95.87% 67% de probabilidad se obtiene un
95.63% resultado de 95% de utilización.
95.17% • Para este volumen de carga viva,

Sensibilización stockpile
95.00%
94.82% 94.86% el 90% de los casos simulados se
94.72% encuentra entre 94,4% y 95,6%, con
94.40% un promedio de 95,17%.
Utilización
94.00% 93.75%
93.88% • Con esta variabilidad y promedio
es muy probable que el sistema
cumpla lo requerido, mientras se
tenga control de la operación y la
93.12%
93.00%
92.93% mantención.
• Sin embargo, si se quiere asegurar

la producción sería necesario una
92.00% carga viva de 20Kton, en donde se
91.71%
obtienen valores sobre 95% con un
92% de probabilidad.
91.00% • Se debe realizar una evaluación

5000 10000 15000 20000 25000 30000 35000 40000 45000 50000 55000 económica del caso para evaluar si
Carga Viva conviene aumentar la carga viva
hasta ese nivel, considerando
CAPEX, OPEX y ganancia en costos a
90% 99% 50% 10% 1% la falta.
Conclusiones
Para el caso base mejorado, se logra obtener utilizaciones sobre el 95%, pero con una probabilidad menor al 50%. Al realizar
una sensibilización del stockpile de finos se encuentra que con 15.000 ton. de carga viva, la planta logra obtener una
utilización de 95% o superior en más de un 66% de los casos, lo que, al considerar la baja variabilidad de los resultados,
cumple los requerimientos para el proyecto.
Sin embargo, con 20.000 toneladas de carga viva se cumple 95% de utilización en el 92% de los casos, lo cuál aseguraría los
requerimientos de proyecto. Se recomienda realizar una evaluación económica de Costos Globales, para determinar si el
aumento de CAPEX y OPEX justifica la utilización ganada.
En el caso base, al realizar un análisis de los procesos de forma aislada (Chancado y Concentradora) sí se obtiene un resultado
sobre lo esperado en la ingeniería, 75% y 95% respectivamente, pero no a nivel sistémico.
Por otro lado, el cuello de botella del proceso es el chancado fino, pues requiere de por lo menos 10 horas semanales de
mantenimiento que, considerando que el stockpile del caso base tiene una autonomía menor a 9 horas, detienen el proceso
en todas las intervenciones de mantención.
Al analizar el caso base en forma agregada (Chancado y Concentradora en conjunto) no se logra satisfacer la utilización
esperada, estando 4% bajo lo necesario (91% vs 95%).
Systemic RAM Simulation
This kind of simulation explains and forecasts a process’ throughput based on its
equipment event data, and a process digital model
Actual equipment Process digital Systemic RAM Analytics and

and process model Simulation recommendations
System level throughput,

R Pump system utilization, availability
2:3
100 – PP – 001
100 – PP – 002
100 – PP – 003
Full potential y estudio de pérdidas en una planta concentradora
Agosto, 2019
www.rmesanalytics.com
Full Potential es una metodología que estudia cómo un sistema puede alcanzar su máximo potencial
de proceso.
Para lograr esto, se deben conocer dos elementos clave en detalle:
- Topología del sistema

- Comportamiento del sistema
Estas dos características nos ayudan a identificar cuellos de botella y puntos débiles para enfocar las
acciones de mejora con el objetivo de optimizar la capacidad del sistema y alcanzar su máximo
potencial.
Como resultado, un estudio Full Potential presenta un análisis preciso de las pérdidas del sistema
explicando su origen y evaluando su impacto.
La metodología full potential es un análisis bottom-up en el que el modelo considera el impacto de
cada componente para evaluar el rendimiento del sistema complejo.
La técnica opuesta se llama top-down, que comienza desde el panorama general y se reduce a
segmentos más pequeños.
Rendimiento Sistema
Bottom-up Full Top-down
Potential
Coeficiente de
marcha Molino SAG
Pérdidas vs
Producción
Producción Gran limitación de la
metodología.
Pérdidas asociadas a los
Se pierde mucha información
equipos
Full debido a la imposibilidad de
potential ? detectar equipos
Comportamiento responsables, lo que dificulta
equipos la realización de un plan
eficiente para mejorar el
rendimiento del sistema.
Realizamos un análisis full potential en una planta concentradora durante todo al año 2018.
Durante el primer semestre se detectó la origen y el impacto de cada detención del sistema dando así
explicación de todas las perdidas productivas de la planta. Esto nos permitió definir un primer
resultado de full potential del sistema.
Luego, comparado con el resultado del secundo semestre, pudimos ver que el potencial del sistema
aumentó de un 9% debido también ad acciones que fueron miradas hacia los puntos débiles
detectados en el semestre anterior.
Resumen
Pérdidas de producción en una planta concentradora. Semestre II de 2018.
En el semestre II el potencial Coeficiente de marcha global Principales drivers de pérdidas
productivo aumentó en 9,0% fue 83,0% en el semestre II
kTon Mix Correctivo Preventivo

kTon 24.000 26.000 28.000 (% Pérdidas) Mantenim. 36,5% 63,5%
18,000 20,000 22,000
+9,0%
30,000
Potenciál 29.419 Mix Maint. Oper.
2,437
Imprevistos 82,7% 17,3%
25,000 Feeder 3 325 (1,1%)
Correa 4 184 (0,6%)

20,000 Feeder 3
Feeder 311-FE-001
Alto nivel Stockpile 55% 45%
Molino SAG 3 Atollo
150 (0,5%)
15,000
Correa 5 140 (0,5%) Correa 4
Correa 317-CV-022
26,982 71% 29%
24,415 24,415 Bajo Polín
Daño Tratamiento
Retorno
10,000 Chancador 1 134 (0,5%)
Molino
SAG SAG 3
311-ML-001
Otros Reapriete
ReaprietePernos
Pernos 37% 63%
1.410 (4,8%)
5,000 Tapa Descarga
Tapa Descarga
MP 2.661 (9,0%) Correa 5
Correa 315-CV-016
Daño en correa 46% 54%
- Daño Cinta
Producción 24.415 transportadora
Potencial
Potencial Pérdidas
Pérdidas MP
PM Producción
Producción
Chancador 1
Chancador 316-CC-001
• Aumento gracias a las mejoras a los cuellos de botella • Los primeros 5 equipos son responsables del 39.8% de las Alta Temperatura 66% 34%
Alta Temperatura Buje
identificados en el primer semestre, incluso un nuevo pérdidas Buje
Chancador de Pebbles.
Datos: Julio-Diciembre 2018

1. Metodología
El análisis de pérdidas de producción debe cuantificar las restricciones de todos los equipos
Las detenciones no necesariamente

tienen un impacto en la producción
Un análisis completo debe considerar

la interacción de todos los equipos
El análisis de cuellos de botella es una
primera medida de pérdidas. Pero las
restricciones son difíciles de cuantificar.
1. Metodología
Nueva metodología da mayor granularidad a la asignación de pérdidas de producción
Restricciones al SAG
Detenciones del SAG (ajuste ex-post producción)
Análisis actual MC PÉRDIDAS DE

MP EXT DO SAG RESTRICCIONES
(Top-Down) SAG EFICIENCIA
Análisis sistémico MC MC Equipo MC Equipo MC PÉRDIDAS DE

MP SAG EXT DO SAG
(Bottom-Up) SAG A B otros EFICIENCIA
MP MP MP MC MC MC
Equipo A Equipo B Equipo C Equipo C Equipo D Equipo E
DO DO (Etc.)
Equipo A Equipo B
Notación
• MP: Mantenimiento preventivo
• MC: Mantenimiento correctivo
• EXT: Detenciones de causa externa
• DO: Detenciones operacionales
1. Metodología
Ejemplo ilustrativo: análisis Top-down (rendimiento) vs. Bottom-up

Fraccionamiento
40% / 40% / 40%
Producción
700.000 Ton Top-down
Desglose en base a rendimiento
?
• No es fácil medir restricciones
Detenciones: • Producción es un resultado, no
algo a explicar
Línea SAG: 20 hrs Bomba N°3: 20 hrs
Mol. SAG: 15 hrs CV: 5 hrs
Equipo Valor Bottom-up

Horas mes 720 Superpone eventos de todos los equipos
Horas op SAG 700 • Explica contribución de cada equipo
Rendimiento 1.000 Ton/Hr = 700.000 / 700 • Mide el ‘impacto’ que el equipo tuvo
en la producción
Pérdida Mol. SAG 15.000 Ton = 1.000 x 15
Pérdida Correa 5.000 Ton = 1000 x 5
Pérdida Bomba [Prorrateado]
1. Metodología
Ilustrativo: uso del rendimiento SAG para explicar las pérdidas de producción es limitado
Top-down : Rendimiento
Producción = CMSAG x TCal x Rendimiento

Única variable explicativa son las horas operacionales de
Horas op. SAG Producción línea SAG
= x TCal x
TCal Horas op. SAG
Bottom-up : Sistémico
Potencial Coeficiente de marcha de la planta se puede desagregar

Producción = CMPlanta x TCal x por equipos y causas. El potencial productivo indica
productivo
capacidad.
1. Metodología
Base del análisis es un modelo digital que representa la interdependencia de los equipos
Flowsheets Ejemplo DISPONIBILIDAD /

UTILIZACIÓN
Sb Sistema de 80%
bombas stand-by
Modelo Digital
Bomba N°1 0%
Bomba N°2 80%
PI System • Indicadores ‘sistémicos’ reflejan la fracción de tiempo

productiva de un sistema
• Metodología calibró el modelo usando datos históricos

y análisis de flowsheets
2. Pérdidas Productivas
Top 5 equipos de mayor impacto en la producción.
Equipo / Proceso Pérdidas (kton) %

Planta concentradora 2342,6 100%
Feeder 3 324,7 13,9%
Correa 4 184,2 7,9%
SAG 3 149,9 6,4%
Correa 5 139,8 6,0%
Chancador 1 134,0 5,7%
Otros 1410,2 60,2%
* Potencial promedio mayor al considerado en 1° semestre (6.250 ton/hr).

Aumento de 9% de potencial productivo implicó aumento de 3 pp en coef. de marcha
Drivers
Chanc. Pebbles 2
• Nuevo chanc. pebbles entra en operación en julio
de 2018.
Molino SAG 3
• Mejoras Mine to Mill aumentaron rendimiento.
Espesadores de relave 003 y 005
• Aumento en fraccionamiento por cambio de

Semestre Potencial Producción real Coef. marcha condiciones operacionales.
Semestre I 6,250 Ton / Hr 21,575 kTon 80.0%
26,982 kTon Molino de bolas 3
Semestre II 6,800 Ton / Hr 24,415 kTon 83.0% • Cambio estrategia de mantenimiento. Paso cambio
29,419 kTon componentes a horas y mejoras en ductos.
Toneladas potenciales en base a 24 hr/día
En el segundo semestre, el SAG es el cuello de botella por causa de mantenimiento.

Semestre I Semestre II
# EQUIPO MC DO # EQUIPO MC DO
1 Molino SAG 3 38.1 524.8 1 Feeder 3 12.6 312.1
2 Espesador 003 402.8 0.0 2 Correa 4 49.0 135.3
3 Chancador de Pebble 2 237.7 54.7 3 Molino SAG 3 111.2 38.7
4 Espesador 005 180.1 69.5 4 Correa 5 123.9 16.1
5 Molino de Bolas 3 155.6 11.1 5 Chancador 1 133.5 0.4
14 Espesador 003 67.7 11.1
23 Molino de Bolas 3 17.4 2.0
Detalle Semestre II: 72 Espesador 005 0.0 0.0

• Feeder 3: Alto nivel de stockpile
• Correa 4: Bajo Tratamiento - Chancador de Pebble 2 0.0 0.0
El coeficiente de marcha global de la planta fue 83,0%.
Producción (kTon)
25.000 25.500 26.000 26.500 27.000 27.500 28.000 28.500
Potencial productivo 29.419
Mantenimiento correctivo 1.427
Mantenimiento preventivo 2.047

2.661
Capacidad Disponible 25.331
Causa externa 370
Capacidad Operativa 25.011
Operacional programado 104

Coeficiente de Producción real
Operacional no programado 442 marcha ‘sistémico’ = = 83,0%
Capacidad máxima *
Producción 24.415
Análogamente, Disponibilidad sistémica es 86,1%
Mix de mantenimiento y mix de imprevistos, de acuerdo a pérdidas de producción

Detención
Detenciones
Operacional: 17.3%
Operacionales; 18,3%
Mantenimiento
Mantenimiento
Preventivo;
Preventivo:53,2%
52.5%
Mantenimiento
Mantenimiento
Correctivo;
Correctivo: 28,5%
30.2%
Mix
Mix demantenimiento
mantenimiento Correctivo 36,5% Preventivo 63,5%
Operacional
Mix
MixImprevistos
imprevistos Mantenimiento 82,7%
17,3 %
Mix de mantenimiento global: proporción de pérdidas de producción por responsabilidad.
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Feeder 3
Feeder 311-FE-001
Correa 317-CV-022
Correa 4
Molino
SAG SAG 3
311-ML-001
Correa 5
Correa 315-CV-016
Chancador
Chancador 1
316-CC-001
Otros
Otros
Mantenimiento preventivo Mantenimiento correctivo Operacional

3. Análisis por equipo

Hrs. #1: Feeder 3 Hrs. #2: Correa 4 Hrs. #3: Molino SAG 3
400 200 18
350 16
150 14
300 12
250 10
200 100 8 42.50% 44.00%
150 6
100 50 4 44.11%
10.49% 9.81% 2
50 17.48%
5.41% 8.36% 4.18% 0
0 0
Reapriete Pernos Quiebre Alta
Alto Nivel Limpieza Bajo Tratamiento Bajo Tratamiento Falla Freno Desviacion de Tapa Descarga Revestimiento Corriente/Torque
Stockpile (OP) Operacional (OP) (OP) Winche Tensor Mantencion (MANT) Tapa Descarga (OP)
Programada (OP) (MANT) Mecanica (MANT) (MANT)
Hrs. #4: Correa 5 Hrs. #5: Chancador 1

600
60
500
50
400
40
300
30
20
200
17.50% 16.65% 100
10
1.97% 5.63% 6.24%
15.56% 0
0
Daños en Empalme Daño en Cinta Falla o Ajuste de Alta Temperatura Quiebre de Falla Porta
(MANT) Transportadora Guardera (MANT) Buje (MANT) Revestimiento Rodamiento
(MANT) (MANT) (MANT)
July-December 2018
INGENIERÍA DE PLANTAS
INDUSTRIALES
Confiabilidad Operacional para Procesos Industriales
Adolfo Arata Andreani Sebastián Soto Contreras

adolfo.arata@cgssa.com Sebastian.soto@cgssa.com

Mam Ipi PPT SSC Curso Completo 2022

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

Mam Ipi PPT SSC Curso Completo 2022

Cargado por

Copyright:

Formatos disponibles

Magister en Ingeniería Industrial.

Mención Gestión de Activos y Confiabilidad Operacional

Adolfo Arata Andreani Sebastián Soto Contreras

Ingeniero Civil industrial, Magister en Ciencias de la Ingeniería Industrial de la UTFSM,

• Evolución del Desarrollo de proyectos de Capital

• Etapas de un proyecto Industrial

• Confiabilidad Operacional e Impacto Económico

• Criterios Generales de Dimensionamiento

• Ejercitación a través de la Aplicación de Modelos

• Evaluación del Curso

La participación de los ingenieros de confiabilidad es prácticamente nula

Se estima que el 65% oportunidades de creación de valor y de reducción

EVOLUCIÓN DEL DESARROLLO DE

El enfoque está orientado fundamental y

PDF= Process Diagram Flow

En la industria de los commodities, intensivas en activos físicos, la opción

Productividad del Capital, es la medida de la eficiencia y la eficacia del

En la industria de los commodities, intensivas en activos físicos, la opción

Productividad del Capital, es la medida de la eficiencia y la eficacia del

Asegurar niveles de disponibilidad y utilización del proceso que permita

En la industria de los commodities, intensivas en activos físicos, la opción

Productividad del Capital, es la medida de la eficiencia y la eficacia del

Asegurar niveles de disponibilidad y utilización del proceso que permita

Eliminar redundancias que no aportan valor real al proceso productivo y

• Optimización temprana de las inversiones, bajo el enfoque TCO/LCC.

RBD: Reliability Block Diagram

Un proyecto industrial puede dividirse en 3 grandes etapas:

Estas etapas no son necesariamente secuenciales y dependiendo del proyecto, y

DISEÑO COSTO MANT CORRECTIVO + IMPACTO EN PRODUCCIÓN + IMPACTO AMBIENTAL

COSTO OPERACIÓN + MANT. PLANIF.

Ejecución del proyecto

Análisis Económico Financiero

Las etapas son las siguientes:

• Puesta en marcha para lograr las condiciones a régimen definida

• Establecer el tamaño y la localización del proyecto,

TCO y LCC combina el análisis económico/financiero

Un método utilizado a este nivel es el de Bauman, el que también puede

• El “análisis de supervivencia” nace de la necesidad de poder evaluar el tiempo

• Si bien en un principio los fundamentos por los que se desarrolla la

• La importancia de poder evaluar la confiabilidad equipos, componentes u otros

• El tiempo a la falla o tiempo de vida es un ítem está vinculado a su

• En el análisis de supervivencia se enfoca en el análisis de los tiempos de

• El comportamiento de la variable aleatoria de “tiempo de vida” puede ser

• ¿Cuál es la proporción de una población que sobreviviera dado un tiempo

• Alguna de las definiciones a utilizar en el curso.

• Falla: La falla es el evento de interrupción de la habilidad de un item o

• Un elemento característico de la información de supervivencia (confiabilidad)

• Ejemplo de datos de supervivencia de

• Un caso homologo para la confiabilidad es la situación cuando un equipo es

Equipo Operación Operación

• Para poder analizar esta información, es necesario definir algunos conceptos

• Para el ejemplo obtenido se tienen las siguientes medidas de dispersión

Considerando todos los datos: Existen diferencias notables

• Medidas de Dispersión: La medida de dispersión muestra la variabilidad que

• La desviación estándar de la muestra es 𝑠 = 𝑠 2

• Medidas de relación: Cuando la información tiene 2 o más variables, las

• La habilidad de un ítem en particular para realizar una función en específico,

• La función de confiabilidad o supervivencia de una variable de tiempo, T, es

𝑅 𝑡 =𝑆 𝑡 =𝑃 𝑇 > 𝑡 =1−𝑃 𝑇 ≤𝑡 =1−𝐹 𝑡 , 𝑡≥0

• La función de riesgo (hazard) o función de tasa de falla puede ser definida

𝑃 𝑡 <𝑇 ≤𝑡+𝛿|𝑇 >𝑡 𝑓(𝑡)

• En función de la “forma” de la función de

• La función de riesgo acumulada es definida como el área debajo de la curva