PARTE 01 - Jardine, Andrew K. S. - Tsang, Albert H. C - Maintenance, Replacement, and Reliability - Theory and Applications, Second Edition (2013, CRC Press) 1-130 ESPAÑOL

Machine Translated by Google

Mantenimiento,
Reemplazo
y confiabilidad
Teoría y aplicaciones
Segunda edicion
Mantenimiento,
Reemplazo y
confiabilidad
Teoría y aplicaciones
Segunda edicion
Andrew KS Jardine
Albert Hc Tsang
Boca Ratón Londres Nueva York
CRC Press es una editorial de la

Taylor & Francis Group, una empresa informa
Prensa CRC
Grupo Taylor y Francisco
6000 Broken Sound Parkway NW, Suite 300
Boca Ratón, FL 334872742
© 2013 por Taylor & Francis Group, LLC

CRC Press es una marca de Taylor & Francis Group, una empresa de Informa
No se aceptan reclamaciones sobre obras originales del gobierno de

EE. UU. Fecha de versión: 20130515
Libro de norma internacional número13: 9781466554863 (libro electrónico PDF)
Este libro contiene información obtenida de fuentes auténticas y de gran prestigio. Se han hecho esfuerzos razonables para publicar datos e información confiables,
pero el autor y el editor no pueden asumir responsabilidad por la validez de todos los materiales o las consecuencias de su uso. Los autores y editores han
intentado localizar a los titulares de los derechos de autor de todo el material reproducido en esta publicación y se disculpan con los titulares de los derechos de
autor si no se ha obtenido el permiso para publicar de esta forma. Si no se ha reconocido algún material con derechos de autor, escríbanos e infórmenos para que
podamos rectificarlo en cualquier reimpresión futura.
Excepto según lo permitido por la Ley de derechos de autor de EE. UU., ninguna parte de este libro puede ser reimpresa, reproducida, transmitida o utilizada de
ninguna forma por ningún medio electrónico, mecánico o de otro tipo, ahora conocido o inventado en el futuro, incluidas fotocopias, microfilmaciones y grabación,
o en cualquier sistema de almacenamiento o recuperación de información, sin el permiso escrito de los editores.
Para obtener permiso para fotocopiar o utilizar material electrónicamente de este trabajo, acceda a www.copyright.com (http://www. copyright.com/) o comuníquese
con Copyright Clearance Center, Inc. (CCC), 222 Rosewood Drive, Danvers, MA 01923, 9787508400. CCC es una organización sin fines de lucro que proporciona
licencias y registros para una variedad de de usuarios. Para las organizaciones a las que la CCC les ha concedido una licencia de fotocopia, se ha dispuesto un
sistema de pago independiente.
Aviso sobre marcas comerciales: Los nombres de productos o corporativos pueden ser marcas comerciales o marcas comerciales registradas y se utilizan
únicamente para identificación y explicación sin intención de infringirlas.
Visite el sitio web de Taylor & Francis en http://

www.taylorandfrancis.com
y el sitio web de CRC Press en http://

www.crcpress.com
Dedicación
A mi esposa Renee, mi hija Charis y mi hijo Alvin.
Albert HC Tsang
A BANAK (menos una A), sus cónyuges y sus
hijos (Callum, Cameron, Lachlan, Meghan y Andrew).
Andrew KS Jardine
Contenido
Prefacio a la primera edición................................................ ........................................xv
Prefacio de la segunda edición.... ................................................. ....................... xvii
Agradecimientos por la Primera Edición .................. ................................................ xix
Agradecimientos por la Segunda Edición ................................................. ........... xxi
Autores.................................... ................................................. ......................... xxiii
Resumen................................. ................................................. ........................................xxv
Capítulo 1 Introducción ................................................. ..........................................1
1.1 De la gestión del mantenimiento al activo físico

Gestión ................................................. ................................1 1.2
Desafíos de PAM................ ................................................. ..2 1.2.1
Tendencias emergentes de las estrategias operativas....2 1.2.2
Expectativas sociales más estrictas........... ....................2 1.2.3
Cambios Tecnológicos.................... ..........................2 1.2.4 Mayor
énfasis en la sostenibilidad................. ...........3 1.3 Mejora de
PAM................................. ........................................4 1.3.1 Excelencia en
mantenimiento...... ........................................4 1.3.1.1
Estratégico .... ................................................. ..5 1.3.1.2
Táctica................................................ .................5 1.3.1.3
Mejoras continuas ................................6 1.3.2 Saltos
cuánticos................................................ ...............6
1.4 PAS 55—Un marco para la gestión optimizada de
Ventajas fisicas................................................ ..........................6
1.5 Confiabilidad a través del Operador: TPM ................ ....................7 1.6
Confiabilidad por diseño: RCM ........................ .................................9 1.7
Optimización de las decisiones de mantenimiento y reemplazo... .13 1.8
El enfoque cuantitativo................................................ ..........16 1.8.1
Establecimiento de objetivos................................. .................... 17
1.8.2 Modelos........................ ................................................ 18 1.8
.3 Obtención de Soluciones a partir de Modelos ................................21
1.8.4 Control de Mantenimiento y Modelos Matemáticos..... ...22
1.9 Requisitos de datos para el modelado ......................................... ...24
Referencias................................................. ........................................24
Capítulo 2 Decisiones sobre el reemplazo de componentes.................................... ......27

2.1 Introducción ................................................. ........................27 2.2
Tiempos óptimos de reemplazo para equipos cuyo
El costo operativo aumenta con el uso................................30 2.2.
1 Planteamiento del problema ........................................30
viii
2.2.2 Construcción del Modelo................................................ 31 2.2.3

Ejemplo numérico................................................ ..33 2.2.4 Comentarios
adicionales ................................. .................34 2.2.5
Aplicaciones................................ .................................36 2.2.5.1
Reemplazo del filtro de aire en un automóvil... 36 2.2.5.2
Revisión de una planta de calderas................. 37 2.3
Reemplazo preventivo estocástico: algunas introducciones
Comentarios................................................. ................................38
2.4 Intervalo óptimo de reemplazo preventivo de artículos
Sujeto a Desglose (También Conocido como Política de
Grupo o de Bloqueo).................... ........................................39 2.4.1
Planteamiento del problema .... ........................................39 2.4.2
Construcción del modelo... ........................................40 2.4.3
Determinación de H(t). ................................................ 41 2.4 .3.1
Enfoque de la teoría de la renovación ......... 41 2.4.3.2
Enfoque discreto ................ ........................43 2.4.4 Ejemplo
numérico.................. ................................46 2.4.5 Comentarios
adicionales.... ........................................47 2.4.6 Una aplicación: óptima
Intervalo de reemplazo
para un embrague de dirección izquierda ................................48
2.5 Edad óptima de reemplazo preventivo de un artículo sujeto
quebrarse................................................ ........................48 2.5.1
Planteamiento del problema .................. ................................48 2.5.2
Construcción del Modelo................ ................................49 2.5.3
Ejemplo numérico................ .................................52 2.5.4 Comentarios
adicionales....... ................................................53 2.5.5 Una aplicación:
Edad óptima de reemplazo de
rodamientos ................................. ............54 2.6 Edad óptima
de reposición preventiva de un elemento sujeto a avería, teniendo en
cuenta los tiempos necesarios para realizar averías y
reposiciones preventivas.... .........55 2.6.1 Planteamiento del
problema ................................. ..........55 2.6.2 Construcción del
Modelo................................ ..........55 2.6.3 Ejemplo
numérico................................. .................56
2.7 Intervalo Óptimo de Reemplazo Preventivo o Edad de un
Ítem Sujeto a Desglose: Minimización del Tiempo de Inactividad....57
2.7.1 Planteamiento del Problema.................... .................57 2.7.2
Construcción de los Modelos.................... .................58
2.7.2.1 Modelo 1: Determinación del intervalo
óptimo de reemplazo preventivo................58
2.7.2.2 Modelo 2: Determinación de la edad óptima
de reemplazo preventivo....... ..............59 2.7.3
Ejemplos numéricos ................................ ...................59 2.7.3.1 Modelo
1: Intervalo de reemplazo ...................59 2.7 .3.2 Modelo 2:
Edad de reemplazo................60 2.7.4 Comentarios
adicionales............. .......................................... 61
2.7.5 Aplicaciones................................................ ................. 61

2.7.5.1 Reemplazo de paños de refinería de azúcar ...... 61 2.7.5.2

Reemplazo de piensos de azúcar en una planta de azúcar
Refinería ................................................. .....62 2.8
Reemplazo grupal: Intervalo óptimo entre reemplazos grupales de
elementos sujetos a fallas: el problema del reemplazo de
lámparas.................... ...................................62 2.8.1 Planteamiento del
problema ..... ........................................62 2.8.2 Construcción del
modelo.... ........................................63 2.8.3 Ejemplo
numérico...... ................................................64 2.8.4 Más
comentarios................................................ ......64 2.8.5 Una aplicación:
Intervalo de reemplazo óptimo
para un grupo de 40 válvulas en un compresor....64 2.9 Otros
modelos de reemplazo.................. ................................65 2.9.1 Reemplazo
multietapa ................ .................................65 2.9.2 Políticas
opcionales ........... ................................................66 2.9.3 Sistemas
reparables ................................................ ....67 2.10 Estudio de caso sobre
priorización de proyectos, pruebas de tendencias, análisis de
Weibull y optimización de los intervalos de reemplazo
de componentes .................. .................................70 2.10.1
Introducción ........... ................................................. ...70 2.10.2 Edad Óptima
de Reemplazo Preventivo para Mayores
Componentes................................................. .................70
2.10.3 Edad óptima de reemplazo preventivo del artículo
Piezas (componentes menores).................................71 2.10.4
Conclusión para las partes del artículo................................76 2.11
Aprovisionamiento de repuestos: Reemplazo preventivo de repuestos...76 2.11.1
Introducción ................................. ................................76 2.11.2 Construcción
del Modelo.......... ................................77 2.11.2.1 El modelo de intervalo
constante ......... ............77 2.11.2.2 El modelo de reemplazo
preventivo basado en la
edad ......................... .........77 2.11.3 Ejemplo
numérico................................. .................77 2.11.3.1 Política de intervalo
constante ......................... ....77 2.11.3.2 Política basada en la
edad................................. ..78 2.11.4 Comentarios
adicionales................................. ............78 2.11.5 Una aplicación: Reemplazo
de la culata—
Política de intervalo constante...................................78 2.12
Aprovisionamiento de repuestos: Seguros Repuestos ................78 2.12.1
Introducción ........... ................................................. ....78 2.12.2 Clases de
componentes ........................................ ........79 2.12.2.1 Componentes no
reparables .........79 2.12.2.2 Enfoque de distribución
normal .... .................80 2.12.2.3 Enfoque de distribución de
Poisson ................80 2.12.2.4 Componentes
reparables... ........................81 2.12.3 Modelo de
costos ................. ................................................83
2.12.4 Comentarios adicionales................................................. .........83

2.12.5 Una aplicación: Motores eléctricos ................................. 83
2.13 Resolución de los modelos de intervalo constante y basados en la edad

Gráficamente: uso de las gráficas de Glasser.................................85 2.13.1
Introducción. ................................................. .................85 2.13.2 Uso de las
gráficas de Glasser................. .................86 2.13.3 Ejemplo
numérico.................... ........................87 2.13.4 Cálculo del
Ahorro................. ........................88
2.14 Resolución de los modelos de intervalo constante y basados en la edad
Usando el software OREST................................................. ............89 2.14.1
Introducción ................................. .................................89 2.14.2 Uso de
OREST............. ................................................89 2.14 .3 Comentarios
adicionales................................................ ........91
Problemas................................................ ................................................. ...91
Referencias................................................. ................................................99
Capítulo 3 Decisiones de inspección ................................................ ........................ 101
3.1 Introducción ................................................. ......................... 101 3.2 Frecuencia

óptima de inspección: Maximización de ganancias....... 101 3.2.1 Declaración de el
Problema ......................................... 101 3.2.2 Construcción del
Modelo................................................103 3.2.3 Ejemplo
numérico... ................................................106 3.2. 4 Comentarios
adicionales................................................ .....107 3.3 Frecuencia óptima de
inspección: Minimización del tiempo de inactividad ....108 3.3.1 Planteamiento del
problema ......................... ................108 3.3.2 Construcción del
Modelo................................ ................108 3.3.3 Ejemplo
numérico................................ ....................109 3.3.4 Comentarios
adicionales................. ............................109 3.3.5 Una aplicación: Programa
óptimo de inspección de flotas de
vehículos... ........................................ 110 3.4 Intervalo de inspección
óptimo para maximizar la disponibilidad de Equipo utilizado en condiciones de
emergencia, como un dispositivo de
protección................................. ................................ 112 3.4.1 Planteamiento del
problema ................. ........................ 112 3.4.2 Construcción del
Modelo................. ......................... 113 3.4.3 Ejemplo
numérico................. ................................. 114 3.4.4 Comentarios
adicionales ............. ........................................ 115 3.4.5 Distribución exponencial
de fallas y tiempo insignificante requerido para realizar inspecciones y
reparaciones/reemplazos.................................... .... 116
3.4.6 Una aplicación: válvulas de seguridad de presión en un aceite

y Campo de Gas................................................ ................. 116 3.5
Optimización de las decisiones de CBM ................................ ................. 118 3.5.1
Introducción ........................ ................................. 118 3.5.2 El modelo de riesgos
proporcionales ......... ........................ 119
3.5.3 Combinando peligro y economía: optimización

la Decisión CBM ................................................. ....120 3.5.4
Aplicaciones................................................ ........................122
3.5.4.1 Procesamiento de alimentos: uso del

monitoreo de vibraciones ......................... ........122
3.5.4.2 Minería de carbón: uso del análisis de aceite....123
3.5.4.3 Transporte: Uso de la Inspección Visual...123
3.5.5 Comentarios adicionales................................................ ......123
3.5.6 Software para optimización de CBM................................125
3.5.6.1 Datos de evento................................................. ....127
Problemas................................................. ........................................129
Referencias................................................. ........................................ 133
Capítulo 4 Decisiones de reemplazo de bienes de capital................................ 135
4.1 Introducción ................................................. .......................... 135

4.2 Intervalo de reemplazo óptimo para bienes de capital:
Minimización del Costo Total................................................ .....137
4.2.1 Planteamiento del problema ........................................137
4.2.2 Construcción del Modelo................................................137
4.2.3 Ejemplo numérico................................................ .....138
4.2.4 Comentarios adicionales................................................. ......139
4.2.5 Aplicaciones................................................ ................ 141
4.2.5.1 Equipos Móviles: Reemplazo de Flota de
Vehículos......................... ..... 141
4.2.5.2 Equipo Fijo: Combustión Interna
Motor................................................. ...... 143
4.3 Intervalo de reemplazo óptimo para bienes de capital:
Maximización de beneficios con descuento................................144
4.3.1 Planteamiento del problema ........................................144
4.3.2 Construcción del Modelo................................................144
4.3.2.1 Primer ciclo de operación ........................146
4.3.2.2 Segundo ciclo de operación................146
4.3.2.3 Tercer Ciclo de Operación ........................ 147
4.3.2.4 Enésimo ciclo de operación ................................ 147
4.3.3 Ejemplo numérico................................................ ..... 148
4.3.4 Comentarios adicionales................................................. ...... 149
4.3.5 Prueba de que la optimización durante un período
prolongado no equivale a la optimización por unidad de tiempo
Cuando se incluyen descuentos ................................150
4.4 Intervalo de reemplazo óptimo para bienes de capital cuyo patrón
de utilización planificado es variable:
Minimización del Costo Total ................................................ ..... 151
4.4.1 Planteamiento del problema ......................................... 151
4.4.2 Construcción del Modelo................................................ 151
4.4.2.1 Considere un ciclo de reemplazo de n años...152
4.4.3 Ejemplo numérico................................................ ..... 153

4.4.4 Comentarios adicionales................................................. ......156
4.4.5 Una aplicación: establecimiento de la vida económica
de una flota de autobuses................................................ ......156
4.5 Política de reemplazo óptima de bienes de capital

Teniendo en cuenta la mejora tecnológica: horizonte finito
de planificación................................. ..........................157 4.5.1
Planteamiento del problema ................ ........................157 4.5.2
Construcción del Modelo................. .........157 4.5.3 Ejemplo
numérico.................. ............................159 4.5.4 Comentarios
adicionales....... .................................... 161 4.5.5 Una aplicación:
Reemplazo del equipo minero actual por un Versión
tecnológicamente
mejorada ................................................. ........................
161 4.6 Política óptima de reposición de bienes de capital
teniendo en cuenta la mejora tecnológica: horizonte
de planificación infinito.... .......................................... 161 4.6.1
Declaración del Problema ........................................ 161 4.6.2
Construcción del modelo ........................................ 162 4.6.3 Ejemplo
numérico.... ................................................ 163 4.6.4 Más
comentarios................................................ ....164 4.6.5 Una
aplicación: reparación versus reemplazo de un
Cargador frontal ................................................ ..164 4.7
Software para la optimización de la vida económica ................166 4.7.1
Introducción .. ................................................. ..........166 4.7.2 Uso
de PERDEC y AGE/CON................................ 167 4.7.3 Comentarios
adicionales................................. ......... 167
Problemas................................................ ................................................. ..
168 Referencias................................................ .......................................... 177
Capítulo 5 Requisitos de recursos de mantenimiento ................................. 179

5.1 Introducción ................................................. ......................... 179 5.1.1
Instalaciones para Mantenimiento dentro de una Organización ... 179
5.1.2 El Uso Combinado de las Instalaciones dentro de un
Organización y recursos externos....................180 5.2
Preliminares de la teoría de colas.................. ................................. 181 5.2.1
Sistemas de colas...... ........................................ 182 5.2.2 Resultados
de la teoría de colas... ........................................ 183 5.2.2.1 Sistema
de colas de un solo canal. ................. 183 5.2.2.2 Sistemas
de colas multicanal ................ 183 5.3 Número óptimo de
máquinas de taller para cumplir con un
Carga de trabajo fluctuante................................................ ............
183 5.3.1 Planteamiento del problema ................................ ...........183
5.3.2 Construcción del Modelo................................. .........184 5.3.3
Ejemplo numérico................................. ................. 185
5.3.4 Comentarios adicionales................................................ .......

188 5.3.5 Aplicaciones...................................... ........................ 188
5.3.5.1 Optimización del trabajo pendiente................. .........
188 5.3.5.2 Optimización del tamaño de la
tripulación ................. 189 5.4 Combinación óptima de dos Clases de equipos similares (co
Tornos medianos/grandes) para hacer frente a una carga de trabajo fluctuante...190

5.4.1 Planteamiento del problema.................... .................190 5.4.2 Construcción
del Modelo................................ ............190 5.4.2.1 Diagrama de flujo
lógico.................... ......... 191 5.4.2.2 Obtención de la información

necesaria y
Construyendo el modelo................................. 191 5.4.3
Ejemplo numérico............. ........................................193 5.4.4 Comentarios
adicionales...... ................................................200 5.4.5
Aplicaciones................................................. ............201 5.4.5.1 Establecimiento del

número óptimo de
Tornos en una acería................................201 5.4.5.2
Equilibrio entre el costo de mantenimiento y la

confiabilidad en una estación de generación
térmica ................................................. ....203 5.5
Redimensionamiento de una flota de equipos: una aplicación................205 5.5.1 Una

aplicación: tamaño de la flota en una mina a cielo abierto.... ..205
5.6 Tamaño óptimo de la fuerza laboral de mantenimiento para satisfacer una
Carga de trabajo fluctuante, teniendo en cuenta las oportunidades de
subcontratación................................. ................................206 5.6.1 Planteamiento
del problema ........... ................................206 5.6.2 Construcción del
Modelo............ ................................207 5.6.3 Ejemplo
numérico................ ................................. 210 5.6.4 Comentarios

adicionales ......... ........................................ 211 5.6.5 Un ejemplo: Número de
vehículos a tener en un
Flota (como una flota de mensajería) ................................. 212 5.7 La
decisión de comprar o arrendar .. ................................................ 213 5.7.1 Planteamiento
del
problema ......................................... 213 5.7 .2 Solución del
Problema................................................ 213 5.7.2.1 Uso de utilidades
retenidas................. 213 5.7.2.2 Uso de fondos prestados..... ....................

214 5.7.2.3 Arrendamiento........................ ................................. 215
5.7.2.4 Conclusión ................. ................................. 216 5.7.3

Comentarios adicionales... ........................................ 216
Problemas....... ................................................. ................................. 216
Referencias ................ ................................................. ........................ 217
Apéndice 1: Introducción a las estadísticas ................................. ................................ 219
Apéndice 2: Análisis de Weibull................................................ ................................233
Apéndice 3: Estimador de máxima verosimilitud.................................... ......275
Apéndice 4: Cadenas de Markov................................................ ................................279
Apéndice 5: Obtención de conocimientos ......................................... ........................283
Apéndice 6: Valor del dinero en el tiempo: análisis de flujo de efectivo descontado...295
Apéndice 7: Lista de aplicaciones de optimización de decisiones de mantenimiento

Modelos................................................ ................................................305
Apéndice 8: Ordenadas de la Distribución Normal Estándar ........................309
Apéndice 9: Áreas en la cola de la distribución normal estándar ................ 311
Apéndice 10: Valores de la función Gamma ................................................ ................ 315
Apéndice 11: Tabla de rangos de mediana ................................. ........................ 317
Apéndice 12: Tabla de rangos del cinco por ciento.................................... ................. 319
Apéndice 13: Tabla de rangos del noventa y cinco por ciento................................... ....... 321
Apéndice 14: Valores críticos para la estadística de KolmogorovSmirnov (dα) ......323
Apéndice 15: Respuestas a los problemas................................................ ........................325

Prefacio de la primera edición

El propósito de este libro es proporcionar a los lectores las herramientas necesarias para tomar
decisiones de gestión de activos físicos basadas en datos. Surgió de conferencias impartidas
a estudiantes de pregrado y posgrado de diversas disciplinas de ingeniería o investigación
operativa, y de cursos de desarrollo profesional continuo para gerentes, profesionales e
ingenieros interesados en el análisis de decisiones de mantenimiento y gestión de activos. Los
contenidos se han utilizado para respaldar dichos cursos, realizados por ambos autores
individualmente o juntos, en numerosas ocasiones en diferentes partes del mundo a lo largo de
los años. La presentación de los modelos de decisión analizados en los Capítulos 2 a 5 sigue
una estructura que comprende: planteamiento del problema, construcción del modelo, ejemplo
numérico y comentarios adicionales. Además, la aplicación de cada modelo se ilustra con al
menos un ejemplo: los datos en la mayoría de estos ejemplos ilustrativos se han desinfectado
para mantener la confidencialidad de las empresas donde se realizaron originalmente los
estudios.
Este libro se basa sólidamente en los resultados de investigaciones del mundo real sobre
gestión de activos físicos (PAM), incluidas las aplicaciones de los modelos presentados en el
texto. El nuevo conocimiento así creado está firmemente arraigado en la realidad y aparece por
primera vez en forma de libro. Entre los materiales incluidos en este libro se encuentran modelos
relacionados con el suministro de repuestos, el mantenimiento basado en la condición y el
reemplazo de equipos con diferentes niveles de utilización. El riesgo de falla, caracterizado por
la función de peligro, es un elemento importante en muchos de los modelos presentados en este
libro. Se determina ajustando un modelo estadístico adecuado a los datos de vida. Como afirma
Abernethy, “el análisis de Weibull es el método líder en el mundo para ajustar datos de
vida” (página 11, The New Weibull Handbook, segunda edición, Gulf Publishing Company,
Houston, TX, 1996); El Apéndice 2 aborda el análisis de Weibull. Este apéndice contiene una
sección que trata del análisis de tendencias de los datos de vida, una cuestión vital a considerar
antes de emprender un análisis de Weibull.
Para eliminar el tedio de realizar el análisis manualmente, se ha desarrollado un software
que implementa muchos de los procedimientos y modelos presentados en este libro.
Las versiones educativas de dicho software están empaquetadas en MORE (Ingeniería de
mantenimiento, optimización y confiabilidad), herramientas que se pueden descargar
gratuitamente desde el sitio web del editor en http://www.crcpress.com/product/isbn/9781466554856.
Estos paquetes de software incluyen:
• OREST (acrónimo de Reemplazo Óptimo de Equipos a Corto Plazo): introducido en el

Capítulo 2, Sección 2.14
• SMS (acrónimo de software de gestión de repuestos): introducido en el Capítulo 2,
Sección 2.12.4
• PERDEC (acrónimo de Decisiones de Reemplazo de Plantas y Equipos) y AGE/CON
(basado en el término francés L'Age Économique): introducidos en el Capítulo 4,
Sección 4.7
• Simulador de taller: presentado en el Capítulo 5, Sección 5.4.3
xvi
xvi Prefacio de la primera edición
• Optimizador del tamaño de la tripulación: presentado en el Capítulo 5, Sección 5.6.3

• WeibullSoft: introducido en el Apéndice 2, Sección A2.6
Este libro se puede utilizar como libro de texto para un curso de pregrado o posgrado de un semestre
de duración sobre análisis de decisiones de mantenimiento. Al final de cada capítulo se proporcionan
conjuntos de problemas con respuestas que presentan las herramientas de decisión. Hay recursos
adicionales disponibles para respaldar el uso de este libro. Estos incluyen un extenso conjunto de
diapositivas de PowerPoint que cubren los distintos capítulos y Apéndices 1, 2 y 6, y un manual de
soluciones para los problemas del libro. Los instructores que adopten el libro pueden obtener estos
recursos comunicándose con Susie Carlisle en susie.carlisle@taylorandfrancis.com.
Si el libro se utiliza como texto didáctico, muchas de las secciones de “Comentarios adicionales”
deberían generar suficientes ideas para que el lector especifique problemas diferentes a los presentados
en el texto, de modo que luego pueda practicar la construcción de modelos matemáticos.
El libro también se puede utilizar para un curso de desarrollo profesional continuo de 3 a 4 días para
profesionales de mantenimiento y confiabilidad. Es posible que dichos estudiantes deseen omitir los detalles
sobre la formulación de los modelos y centrarse únicamente en las secciones de “Aplicaciones”. Se les
aconseja profundizar en los modelos sólo cuando estén dispuestos a invertir el tiempo y el esfuerzo
necesarios para comprender las teorías subyacentes (para tomar prestada una declaración formulada por
un profesor anónimo de secundaria: "El modelado matemático no es un deporte para espectadores").
Las aplicaciones del mundo real dadas en los Capítulos 2 a 5 resaltan los usos prácticos de las
herramientas de decisión presentadas en este libro. Los lectores interesados en explorar la posibilidad de
aplicar estas herramientas o sus extensiones para abordar problemas específicos pueden encontrar útil
consultar la lista ampliada de aplicaciones que figura en el Apéndice 7.
Con una gran cantidad de datos disponibles, a menudo nos encontramos en la desconcertante posición
de ser ricos en datos pero pobres en información. Es posible que tengamos todos los datos sin procesar
que necesitemos al alcance de nuestra mano. Sin embargo, a menos que podamos interpretar y utilizar
dichos datos de manera inteligente, son de poca utilidad. Para transformar los datos en información útil
para la toma de decisiones, necesitamos las herramientas adecuadas, como las que se presentan en este libro.
Cuanto más haces, más puedes hacer. Sugerimos que los profesionales de mantenimiento y
confiabilidad apliquen inicialmente el conocimiento adquirido en este libro para abordar
un simple problema de mantenimiento dentro de su organización. De esta manera, pueden ganar confianza
al utilizar las herramientas que se presentan en este libro y luego aplicarlas en situaciones más desafiantes.
Andrew KS Jardine y Albert HC Tsang, 2005

Prefacio de la segunda edición

Cuando publicamos la primera edición de este libro en 2006, fue con el propósito de proporcionar a los
lectores las herramientas necesarias para tomar decisiones de gestión de activos basadas en
evidencia. ¡Ciertamente lo logramos! Colegas, estudiantes e ingenieros en ejercicio de mantenimiento
y confiabilidad han utilizado nuestras ideas en situaciones de la vida real y nos citaron en sus estudios.
Nos han dicho lo importante que ha sido nuestro libro para ellos.
Sin embargo, la investigación continúa y es incesante. En tan sólo unos pocos años las cosas han
cambiado y estamos encantados de tener la oportunidad de preparar una segunda edición.
Queremos que nuestro trabajo tenga una relevancia continua para la comunidad de gestión de activos.
Existe una demanda creciente en universidades y facultades de cursos, incluidos programas de
posgrado, en las áreas generales de confiabilidad, mantenibilidad, gestión de activos empresariales,
gestión de activos físicos e ingeniería de confiabilidad y mantenibilidad. Al hablar con profesionales de
confiabilidad y mantenimiento, sabemos que también existe una creciente demanda de herramientas
educativas que puedan usarse para optimizar sus decisiones de gestión de activos en el mundo real.
Dado que gran parte de nuestro material se basa en conferencias impartidas a estudiantes de pregrado
y posgrado de diversas disciplinas de ingeniería o investigación operativa, y en materiales utilizados en
cursos de desarrollo profesional impartidos a partes interesadas en la gestión de activos, como
gerentes, profesionales e ingenieros interesados en análisis de decisiones de mantenimiento y gestión
de activos, estamos seguros de que esta segunda edición sigue siendo relevante.
Desarrollamos software para implementar procedimientos y modelos presentados en la primera

edición. Este software se ha actualizado periódicamente y las versiones educativas más recientes
están disponibles de forma gratuita en el sitio web del editor. En esta edición, estas herramientas se
utilizan en las siguientes aplicaciones: optimización de decisiones de costos del ciclo de vida; optimizar
tácticas de mantenimiento como estrategias de reemplazo preventivo; optimizar las políticas de
inspección, como el mantenimiento predictivo y los intervalos de búsqueda de fallas; y optimizar los
requisitos de recursos, como establecer el tamaño del equipo de mantenimiento.
Como el libro se centra en herramientas para decisiones de gestión de activos basadas en datos,
Proporciona una base teórica sólida para varias herramientas (modelos matemáticos) que, a su vez,
pueden usarse para optimizar una variedad de decisiones clave de mantenimiento/reemplazo/
confiabilidad. La eficacia de estas herramientas queda demostrada por casos que ilustran su aplicación
en una variedad de entornos, incluidas las industrias de procesamiento de alimentos, petroquímica,
siderúrgica y farmacéutica, así como los sectores militar, minero y de transporte (terrestre y aéreo).
Todas las aplicaciones son aquellas en las que hemos participado personalmente como consultores/
asesores de la industria; por tanto, nuestras teorías y metodologías se basan en el mundo real. En
pocas palabras, ningún otro libro en el mercado aborda la variedad de metodologías asociadas o
centradas en herramientas para garantizar que las decisiones de gestión de activos se optimicen a lo
largo de su ciclo de vida.
¿Qué tiene de diferente esta edición? Se han actualizado muchas partes del libro y se han agregado
nuevos materiales. El Capítulo 1 tiene tres nuevas secciones: (1) el papel del mantenimiento en
cuestiones de sostenibilidad, (2) PAS 55, un marco para optimizar
xvii
xviii Prefacio de la segunda edición
gestión de activos, y (3) problemas de gestión de datos, incluidos los casos en los que los datos no
están disponibles o son escasos. El capítulo 2 analiza ahora cómo se pueden priorizar los candidatos
para el reemplazo de componentes utilizando el diagrama Jackknife. Tres nuevos apéndices
respaldan las herramientas presentadas en el libro: Estimador de máxima verosimilitud (MLE),
cadenas de Markov y procedimientos de obtención de conocimiento basados en un enfoque
bayesiano para la estimación de parámetros. Los materiales de aprendizaje electrónico ahora
complementan dos apéndices anteriores (Statistics Primer y Weibull Analysis). Finalmente, hemos
actualizado el apéndice "Lista de aplicaciones de modelos de optimización de decisiones de mantenimiento".
El libro será un valioso libro de texto para cursos de pregrado o posgrado sobre análisis de
decisiones de mantenimiento; Al final de cada capítulo se proporcionan conjuntos de problemas
con respuestas, y hay recursos adicionales disponibles, incluido un extenso conjunto de diapositivas
de PowerPoint y un manual de soluciones. Los instructores que adopten el libro pueden obtener
estos recursos en el sitio web del editor. El libro también es apropiado para cursos de desarrollo
profesional continuo de tres a cuatro días para profesionales de mantenimiento y confiabilidad.
Fuera del aula, esperamos que los estudiantes de ingeniería de nivel superior y los estudiantes de
posgrado de administración que se enfocan en la gestión de operaciones y los estudiantes de
posgrado de ingeniería que abordan temas de ingeniería de mantenimiento y confiabilidad utilicen
el libro como referencia, al igual que los ejecutivos responsables de la construcción. , gestión y
disposición de todas las clases de activos (como plantas, equipos y activos de TI), consultores
responsables de optimizar las decisiones del ciclo de vida para los clientes y profesionales de
mantenimiento y confiabilidad dentro de una organización.
Nos complace ofrecer una versión actualizada y mejorada de un recurso importante.

para miles de ingenieros de mantenimiento.

Agradecimientos a la
Primera Edición
Deseamos agradecer el apoyo financiero brindado por la Universidad Politécnica de Hong Kong
y el Consejo de Investigación de Ingeniería y Ciencias Naturales de Canadá (NSERC) que permitió
a los autores reunirse de vez en cuando, tanto en Canadá como en Hong Kong, mientras el libro
desarrollado.
Los lectores pueden reconocer algunos de los modelos que aparecen en este libro porque
aparecieron por primera vez en Mantenimiento, reemplazo y confiabilidad, un texto de uno de los
autores. Al utilizar ese libro en los cursos que impartimos, mantuvimos nuestro gran interés en la
optimización del mantenimiento. Agradecemos el apoyo y los conocimientos de muchos colegas
actuales y anteriores, estudiantes de investigación, estudiantes y participantes de nuestros cursos,
con quienes hemos interactuado en debates y enseñanza sobre optimización del mantenimiento,
para contribuir a la creación de los nuevos materiales de esta publicación. Nuestro agradecimiento
también se extiende a aquellas industrias que apoyaron proyectos que supervisamos o que
patrocinaron a participantes para que asistieran a cursos/seminarios/talleres posteriores a la
experiencia impartidos por nosotros en muchos países, cubriendo todos los continentes (África,
Asia, Australia, Europa, América) excepto la Antártida. . Las aplicaciones citadas en el libro, con
una excepción, se basan en estudios que hemos realizado. En todos estos casos, los datos se
han desinfectado para mantener la confidencialidad de la fuente. Agradecemos al difunto John D.
Campbell por las oportunidades de consultoría brindadas por su Centro Internacional de Excelencia
en Gestión de Mantenimiento en PricewaterhouseCoopers, y posteriormente por el Centro de
Excelencia en Gestión de Activos de IBM, algunas de las cuales dieron como resultado las aplicaciones citadas en
El apoyo de muchos colegas ha sido fundamental para finalizar con éxito este libro. En
particular, deseamos agradecer a: Dragan Banjevic y Darko Louit, quienes brindaron su valioso
apoyo en la preparación de la Sección 2.11 (Provisión de repuestos: repuestos para seguros);
Baris Balcioglu, Dragan Banjevic, Renyan Jiang, Darko Louit, Diederik Lughtiheid, Daming Lin, Neil
Montgomery, Emanuel Bernhard y Ali Zuashkianu, quienes revisaron varios capítulos del libro a
medida que se desarrollaba; Eric Wing Kin Lee, Jesús Tamez Navarro y Wai Keung Tang, quienes
crearon los códigos de programa de WeibullSoft, Workshop Simulator y Crew Size Optimizer;
Peter Lau por empaquetar las herramientas MORE (Optimización de mantenimiento e ingeniería
de confiabilidad), el conjunto de herramientas de software que los usuarios de este libro pueden
descargar de la Web; Diane Gropp, asistida por Susan Gropp, quien preparó todo el texto y los
dibujos en su forma final para cumplir con los requisitos del editor; Samantha Chan, que transcribió
un primer borrador del libro; y Peter Jackson, quien hizo la corrección para asegurar la coherencia
del estilo en la prosa. También agradecemos a los colegas que sugirieron entradas en las
referencias y listas de lecturas adicionales del libro. Además, Andrey Pak tuvo la poco envidiable
tarea de revisar cuidadosamente el texto completo y preparar el extenso Manual del Instructor.
Hizo un buen trabajo y cualquier error que quede debe considerarse como nuestro.
xix
xx Agradecimientos a la Primera Edición
Se ha obtenido permiso para incluir los siguientes materiales protegidos por derechos de autor
en el libro:
• Figura 5.5: Gráfico de colas de Wilkinson de Bell System Technical Journal, 32(2), Copyright
© 1953 de John Wiley & Sons, Inc. Reimpreso con el permiso de John Wiley & Sons, Inc.
• Apéndices 11, 12 y 13: Tablas de rangos de mediana, 5% y 95% en confiabilidad en diseño

de ingeniería por KC Kapur y LR Lamberson, Copyright © 1977 de John Wiley & Sons,
Inc., páginas 486, 490 y 494 Reimpreso con autorización de John Wiley & Sons, Inc.
• Figuras 2.43 y 2.44: Gráficos de Glasser de Journal of Quality Technology, 1(2), 1969.
Reimpreso con autorización de ASQ.
• Apéndices 8 y 9: Tablas de J. Murdoch y JA Barnes, Statistical Tables for Science,
Engineering, Management and Business Studies, 2ª ed., 1970, Macmillan. Reproducido
con autorización de Palgrave Macmillan.
• Apéndice 10: Tabla de valores de la función gamma en probabilidad aplicada para ingenieros
y científicos por Ephraim Suhir, Copyright © 1997 de McGrawHill, página 555. Reimpreso
con permiso de McGrawHill.
• Apéndice 14: Tabla de valores críticos para la estadística de KolmogorovSmirnov en el
Manual de procedimientos estadísticos paramétricos y no paramétricos, 3ª ed., por David
Sheskin, Copyright © 2004 de Chapman & Hall/CRC, página 1167. Reimpreso con
permiso de Chapman & Salón/CRC.

Agradecimientos por
la Segunda Edición
Nos gustaría agradecer a todos los que nos ayudaron a actualizar este libro, incluida la Universidad
Politécnica de Hong Kong y el Consejo de Investigación de Ingeniería y Ciencias Naturales de
Canadá (NSERC); Gracias a su generoso apoyo, pudimos visitarnos durante el proceso de
reescritura.
Varias personas también desempeñaron un papel importante. Una es Cindy Carelli, editora
senior de adquisiciones de CRC Press; esta segunda edición no se habría materializado tan
rápidamente sin su entusiasta apoyo. Nuestro agradecimiento también a Dragan Banjevic, que ha
sido generoso con sus sugerencias para mejorar los contenidos técnicos. Gracias a Ali Zuashkiani
quien desarrolló el Problema 3 en el Capítulo 3; Además, su presentación en la Conferencia MARTS
de 2011 proporciona un ejemplo ilustrativo en el Apéndice 5. Los estudiantes de posgrado de C
MORE, Universidad de Toronto, que leyeron y comentaron las revisiones fueron: Maliheh Aramon,
Erik Bjarnason, Laurent Caudrelier, Soroush Sharifi, Janet Sung, Stephan Trusevych, Clayton Von
Valkenburg y Lorna Wong. Apreciamos enormemente su voluntaria contribución. Los generosos y
meticulosos consejos editoriales de Elizabeth Thompson nos ayudaron a mejorar la legibilidad del
texto. Finalmente, MF Chan y Peter Lau prepararon las nuevas cifras y revisaron las antiguas.
Desde su publicación en 2006, el libro se ha utilizado como texto de referencia en los cursos
de optimización de decisiones de mantenimiento que hemos impartido en todo el mundo. Nuestras
numerosas interacciones con los participantes en estos cursos, así como las comunicaciones que
hemos recibido de los lectores del libro, nos ayudaron a detectar errores y ambigüedades. Estamos
muy agradecidos por este valioso aporte. Los errores que queden en esta publicación son nuestros.
Por último, pero no menos importante, queremos agradecer a los profesionales que conocimos
en congresos y cursos. Nos ayudaron a identificar problemas de decisión de gestión de activos
nuevos y emergentes que pueden abordarse mediante la optimización. También son fuentes de
datos del mundo real para el análisis y la creación y prueba de modelos propuestos. Por lo tanto,
¡también deberíamos agradecer al mundo real!
xxi
Autores
Andrew KS Jardine es Director del Centro de Optimización del Mantenimiento e Ingeniería de
Confiabilidad (CMORE) de la Universidad de Toronto, donde la atención se centra en la
investigación del mundo real en gestión de activos de ingeniería en las áreas de
mantenimiento basado en condiciones, gestión de repuestos, protección dispositivos, contratos
de mantenimiento y reparación, e intervalos de búsqueda de fallas para dispositivos de
protección. Los detalles se pueden encontrar en http://www.mie.utoronto.ca/cmore. El Dr.
Jardine también es profesor emérito del Departamento de Ingeniería Mecánica e Industrial de la Universidad d
El profesor Jardine estudió en el Royal College of Science and Technology de Escocia y
obtuvo su licenciatura y maestría en Ingeniería Mecánica de la Universidad de Strathclyde,
Escocia. Obtuvo su doctorado
en Ingeniería de Producción por la Universidad de Birmingham, Inglaterra.
El profesor Jardine escribió el libro "Mantenimiento, reemplazo y confiabilidad", publicado
por primera vez en 1973 y ahora en su sexta edición. Es coeditor con JD.
Campbell del libro publicado en 2001 "Excelencia en el mantenimiento: optimización de las
decisiones sobre el ciclo de vida de los equipos". Fue coautor con el Dr. AHC Tsang del libro
“Maintenance, Reemplazo & Reliability: Theory and Applications”, publicado por CRC Press,
2006. El profesor Jardine coeditó con John D. Campbell y J. McGlynn “Asset Management
Excellence: Optimizing Decisiones sobre el ciclo de vida”, publicado por CRC Press, 2010.
Además de escribir, investigar y enseñar, el Dr. Jardine ha sido, durante años, muy solicitado
como consultor independiente para corporaciones y gobiernos de todo el mundo, en asuntos
relacionados con el uso óptimo de sus activos físicos.
El Dr. Jardine ha obtenido una impresionante variedad de premios, honores y homenajes,
incluido el de haber sido el orador eminente de la Sociedad de Ingeniería de Mantenimiento de
Australia, así como el primer ganador del Premio en Memoria de Sergio Guy de la Asociación
de Ingeniería y Mantenimiento de Plantas de Australia. Canadá en reconocimiento a
su destacada contribución a la profesión de mantenimiento. En 2008, el Dr. Jardine recibió el
Premio al Mejor Trabajo, presentado en la categoría de Desarrollos Académicos, y patrocinado
por la Fundación Salvetti, en la conferencia bianual de la Federación Europea de Sociedades
Nacionales de Mantenimiento, en Bruselas. Está incluido en Quién es quién en Canadá.
Albert HC Tsang es profesor titular del Departamento de Ingeniería de Sistemas e Industrial de

la Universidad Politécnica de Hong Kong. El Dr. Tsang estudió en la Universidad de Hong Kong
y se graduó con honores de primera clase en Ingeniería Mecánica. Posteriormente obtuvo su
título de Maestría en Ingeniería Industrial otorgado por la misma universidad. Recibió su
maestría y doctorado de la Universidad de Toronto y es un ingeniero registrado con experiencia
laboral en la industria manufacturera que cubre funciones como ingeniería industrial, control de
calidad y gestión de proyectos.
xxiii
XXIV Autores
Además de ser miembro desde hace mucho tiempo de la Universidad Politécnica de Hong
Kong, el Dr. Tsang es muy activo en la promoción de la calidad y la confiabilidad en Hong
Kong. Es consejero nacional de la Sociedad Estadounidense para la Calidad en Hong Kong,
ex presidente, miembro fundador y miembro de la Sociedad para la Calidad de Hong Kong
(HKSQ). Ha desarrollado y dirigido cursos de capacitación personalizados sobre diversos
aspectos de la gestión de calidad e ingeniería para muchas organizaciones y organismos
profesionales en Hong Kong, el sur de China, Canadá, Medio Oriente, Sudáfrica y América
del Sur. También ha brindado servicios de consultoría a organizaciones de diversos sectores
en temas relacionados con calidad, confiabilidad, mantenimiento y gestión del desempeño.
El Dr. Tsang ha publicado tres libros en la disciplina de gestión de activos de ingeniería,

a saber, Mantenimiento, reemplazo y confiabilidad: teoría y aplicaciones, Gestión del
desempeño del mantenimiento en organizaciones con uso intensivo de capital: clave para
optimizar la gestión de activos de infraestructura física y Centrado en la confiabilidad.
Mantenimiento: una clave para la excelencia en el mantenimiento. También es autor de
WeibullSoft, un paquete de autoaprendizaje asistido por computadora sobre análisis de Weibull.
Abstracto
El mantenimiento centrado en la confiabilidad (RCM) determina el tipo de tácticas de mantenimiento que se
aplicarán a un activo para preservar la función del sistema. Si bien responde a la pregunta de "¿Qué tipo de
acción de mantenimiento se debe tomar?" Aún queda por abordar la cuestión de cuándo realizar la acción
de mantenimiento recomendada que producirá los mejores resultados. Desde una perspectiva a más largo
plazo, tenemos que tomar decisiones sobre el reemplazo de activos en el mejor interés de la organización
y determinar los requisitos de recursos de la gestión de activos que satisfarán las necesidades del negocio.
de las organizaciones de manera rentable. Este libro muestra cómo se pueden utilizar procedimientos y
herramientas de gestión de activos basados en evidencia para abordar estas importantes cuestiones de
optimización en la búsqueda de la excelencia en la gestión de activos por parte de la organización.
Al principio se presenta un marco que organiza las áreas clave de las decisiones de mantenimiento y
reemplazo, preparando el escenario para la variedad de problemas cubiertos en el libro. A esto le siguen
discusiones que resaltan los principios asociados con la optimización, la construcción de modelos y el
análisis. Las áreas problemáticas estudiadas incluyen intervalos de reemplazo preventivo, frecuencias de
inspección, acciones de mantenimiento basadas en la condición, reemplazo de equipos de capital y
requisitos de recursos de mantenimiento. Los modelos presentados están firmemente arraigados en la
realidad, ya que se basan en los resultados de investigaciones y aplicaciones del mundo real. En los
apéndices se dan las estadísticas relevantes, las herramientas de análisis de Weibull, las teorías de
probabilidad, el procedimiento de obtención de conocimiento y los conceptos del valor del dinero en el tiempo
que respaldan la formulación de modelos de mantenimiento.
Existe una demanda creciente en universidades, colegios y organismos profesionales de cursos en las
áreas generales de Confiabilidad/Mantenibilidad/Gestión de Activos Empresariales/Gestión de Activos
Físicos/Ingeniería de Confiabilidad y Mantenibilidad. Este libro desempeñará un papel importante en dichos
cursos. También satisfará la creciente demanda de los profesionales de mantenimiento y confiabilidad en
ejercicio de conocimiento de las herramientas que pueden usarse para optimizar sus decisiones de
mantenimiento y confiabilidad.
xxvi
1 Introducción
Las dos reglas del buen modelado:
• Definir claramente la pregunta a responder con el modelo.

• Hacer que el modelo no sea más complejo de lo necesario para responder la pregunta.
—John Harte
1.1 DE LA GESTIÓN DE MANTENIMIENTO A

GESTIÓN DE ACTIVOS FÍSICOS
Según la visión clásica, la función del mantenimiento es reparar los elementos rotos. Desde una
perspectiva tan estrecha, las actividades de mantenimiento se limitarán a las tareas reactivas de
acciones de reparación o reemplazo de elementos desencadenados por fallas. Por lo tanto, este
enfoque se conoce como mantenimiento reactivo, mantenimiento en averías o mantenimiento
correctivo. Geraerds (1985) define una visión más reciente del mantenimiento como “todas las
actividades encaminadas a mantener un artículo o restaurarlo en el estado físico que se
considera necesario para el cumplimiento de su función de producción”. Obviamente, el alcance
de esta visión ampliada también incluye tareas proactivas, como el servicio de rutina y la
inspección periódica, el reemplazo preventivo y el monitoreo del estado. Dependiendo del
despliegue de responsabilidades dentro de la organización, estas tareas de mantenimiento
pueden ser compartidas por varios departamentos. Por ejemplo, en una organización que
practica el mantenimiento productivo total (TPM), el servicio de rutina y la inspección periódica
del equipo están a cargo del personal operativo, mientras que las revisiones y reparaciones
mayores las realiza el departamento de mantenimiento (Nakajima 1988). El TPM se analizará
con más detalle en la Sección 1.5.
Si también se tiene en cuenta la dimensión estratégica del mantenimiento, debería abarcar
aquellas decisiones tomadas para dar forma a los futuros requisitos de mantenimiento de la
organización. Las decisiones de reemplazo de equipos y las modificaciones de diseño para
mejorar la confiabilidad y mantenibilidad del equipo son ejemplos de estas actividades. La
Sociedad de Ingeniería de Mantenimiento de Australia (MESA) reconoce esta perspectiva más
amplia del mantenimiento y define la función como “las decisiones de ingeniería y las acciones
asociadas necesarias y suficientes para la optimización de la capacidad especificada”. La
capacidad, en la definición de MESA, es la capacidad de realizar una acción específica dentro
de un rango de niveles de desempeño. Las características de la capacidad incluyen función,
capacidad, tasa, calidad, capacidad de respuesta y degradación. Por lo tanto, el alcance de la
gestión del mantenimiento debe cubrir todas las etapas del ciclo de vida de los sistemas técnicos
(planta, maquinaria, equipos e instalaciones): especificación, adquisición, planificación, operación,
evaluación del desempeño, mejora y eliminación (Murray).
et al. 1996). Cuando se percibe en este contexto más amplio, la función de mantenimiento
también se conoce como gestión de activos físicos (PAM).
1
10 Mantenimiento, reemplazo y confiabilidad
1.2 DESAFÍOS DE PAM

El imperativo empresarial para las organizaciones que buscan alcanzar la excelencia en el desempeño exige
que estas organizaciones mejoren continuamente su capacidad para crear valor para los clientes y mejorar la
rentabilidad de sus operaciones. PAM, una importante función de apoyo en empresas con importantes inversiones
en plantas y maquinaria, desempeña un papel importante en el cumplimiento de esta difícil tarea.
El desempeño exigido a PAM se ha vuelto más desafiante como resultado de

los cuatro desarrollos que se analizan a continuación.
1.2.1 TENDENCIAS EMERGENTES DE ESTRATEGIAS DE OPERACIÓN
La sabiduría convencional de adoptar el concepto de economía de escala está perdiendo adeptos. Un número
cada vez mayor de organizaciones ha adoptado programas de manufactura esbelta, producción justo a tiempo
y seis sigma. Estas tendencias resaltan un cambio de énfasis del volumen a la respuesta rápida, la eliminación
del desperdicio, la reducción del almacenamiento y la prevención de defectos. Con la eliminación de las reservas
en entornos tan exigentes, las averías, la pérdida de velocidad y el rendimiento errático de los procesos crearán
problemas inmediatos en el suministro oportuno de productos y servicios a los clientes.
La instalación de los equipos e instalaciones adecuados, la optimización del mantenimiento de estos activos y el
despliegue efectivo de personal para realizar actividades de mantenimiento son factores cruciales para respaldar
estas estrategias operativas.
1.2.2 FORTALECER LAS EXPECTATIVAS SOCIALES
Existe una aceptación generalizada, especialmente en los países desarrollados, de la necesidad de preservar
los servicios esenciales, proteger el medio ambiente y salvaguardar la seguridad y la salud de las personas.
Como resultado, en estos países se ha promulgado una amplia gama de regulaciones para controlar la
contaminación industrial y prevenir accidentes en el lugar de trabajo. La chatarra, los defectos y el uso ineficiente
de materiales y energía son fuentes de contaminación. A menudo son el resultado de operar plantas e
instalaciones en condiciones que no son óptimas.
Las averías de equipos de misión crítica interrumpen la producción. En los procesos de producción química,
una causa común de contaminación es el material de desecho producido durante el período de puesta en marcha
después de las interrupciones de la producción. Además de producir material de desecho, las fallas catastróficas
de las plantas y maquinaria operativas también son una causa importante de interrupciones de servicios básicos,
accidentes industriales y riesgos para la salud. Mantener las instalaciones en óptimas condiciones y prevenir
fallas críticas son medios eficaces para gestionar los riesgos de interrupciones del servicio, contaminación y
accidentes industriales. Estas son parte de las funciones principales de PAM.
1.2.3 CAMBIOS TECNOLÓGICOS
La tecnología siempre ha sido un importante impulsor del cambio en diversos campos. Ha estado cambiando a
un ritmo vertiginoso en las últimas décadas, sin signos de desaceleración en el futuro previsible. El mantenimiento
está inevitablemente bajo la influencia de rápidos cambios tecnológicos. Ensayos no destructivos, transductores,
medición de vibraciones,
Introducción 3
La termografía, la ferrografía y la espectroscopia permiten realizar inspecciones no intrusivas. Al

aplicar estas tecnologías, se puede monitorear el estado del equipo de forma continua o intermitente
mientras está en funcionamiento. Esto ha dado origen al mantenimiento basado en condiciones
(CBM), una alternativa al clásico enfoque de mantenimiento preventivo basado en el tiempo.
Se utilizan electrónica de potencia, controladores lógicos programables, controles informáticos,

transpondedores y sistemas de telecomunicaciones para sustituir los sistemas electromecánicos,
lo que produce los beneficios de mayor confiabilidad y flexibilidad, tamaño pequeño, peso ligero y
bajo costo. La tecnología Flybywire, que utiliza sistemas electrónicos controlados por software, se
ha convertido en un estándar de diseño para la generación actual de aeronaves.
Las células de fabricación flexibles y los sistemas de fabricación integrados por ordenador están
ganando aceptación en la industria manufacturera. En algunas de las principales ciudades, las
tarjetas inteligentes sin contacto han ganado aceptación como medio conveniente para realizar
pagos. En la industria de servicios eléctricos, hay sistemas de automatización disponibles para
identificar y abordar de forma remota fallas en la red de transmisión y distribución. La tecnología de
identificación por radiofrecuencia (RFID) se puede implementar para rastrear activos móviles como
vehículos. Los datos transmitidos a etiquetas RFID desde sensores integrados en activos de misión
crítica se pueden utilizar para el seguimiento y pronóstico de la salud.
La implementación de estas nuevas tecnologías es fundamental para mejorar la disponibilidad
del sistema, mejorar la rentabilidad y ofrecer servicios mejores o innovadores a los clientes. La
medida presenta nuevos desafíos para la gestión de activos. Es necesario adquirir nuevos
conocimientos para especificar y diseñar estos nuevos sistemas basados en tecnología. Es necesario
desarrollar nuevas capacidades para poner en marcha, operar y mantener estos nuevos sistemas.
Durante el período de incorporación gradual, interconectar plantas y equipos viejos y nuevos es otro
desafío que debe abordar la función PAM (Tsang 2002).
1.2.4 MAYOR ÉNFASIS EN LA SOSTENIBILIDAD
La sostenibilidad es un concepto que exige que todos los desarrollos sean sostenibles en el sentido
de que “satisfagan las necesidades del presente sin comprometer la capacidad de las generaciones
futuras para satisfacer sus propias necesidades” (Informe de la Comisión Brundtland 1987).
Hay tres pilares de sostenibilidad que representan demandas ambientales, sociales y económicas;
Estos también se conocen como resultados triples. Sostenibilidad
está ganando importancia en el entorno empresarial actual. En respuesta a este imperativo
empresarial, las empresas se dan cuenta de que centrarse únicamente en la excelencia operativa
ya no será suficiente para seguir siendo competitivos; necesitan abordar las demandas de
sostenibilidad como cuestiones críticas para el negocio. Las regulaciones, la conciencia y
responsabilidad social, los estándares y la ciudadanía corporativa son algunas de las muchas
fuerzas que están empujando a las empresas a ser más sostenibles. En el sector manufacturero, el mantenimiento
se está convirtiendo en una competencia crucial para lograr una sociedad sostenible, especialmente
al considerar todo el ciclo de vida de productos y activos. Como resultado, el papel
de PAM ha evolucionado. Las empresas que tienen éxito en sus esfuerzos de sostenibilidad adoptan
un enfoque holístico para gestionar sus activos, en el que PAM no se aborda de forma aislada, sino
en el contexto del negocio respaldado por estos activos. El costo total de propiedad, el desempeño
del ciclo de vida, el consumo de energía, la eliminación de activos y la seguridad son parámetros
que pueden optimizarse efectivamente mediante la aplicación de medidas apropiadas.
Metodologías y herramientas para PAM. Por ejemplo, el enfoque de mantenimiento correcto puede agregar
valor a la organización al permitir que quienes toman las decisiones de mantenimiento planifiquen intervenciones
que consideren las demandas de sostenibilidad. En consecuencia, en PAM se enfatiza cada vez más la
integración de factores relacionados con la sostenibilidad. Como tal, lo “sostenible” está consagrado como uno
de los principios y atributos clave de una gestión exitosa de activos en PAS 55, un marco para la gestión
optimizada de activos físicos, que se presentará en la Sección 1.4.
1.3 MEJORANDO LA PAM

Para afrontar los desafíos identificados en la Sección 1.2, las organizaciones deben centrarse en mejorar el
rendimiento de sus activos físicos. Esto se puede lograr teniendo una estrategia clara, las personas y los
sistemas adecuados, tácticas apropiadas y trabajo controlado mediante planificación y programación,
optimización del mantenimiento y reingeniería de procesos.
1.3.1 EXCELENCIA EN MANTENIMIENTO
Una encuesta realizada por la revista Plant Engineering and Maintenance (Robertson y Jones 2004) indicó que
los presupuestos de mantenimiento oscilaban entre el 2% y el 90% del presupuesto operativo total de la planta,
siendo el promedio del 20,8%. Se puede razonar que las operaciones y el mantenimiento representan un
elemento de costo importante en las operaciones industriales con uso intensivo de equipos. Estas operaciones
pueden lograr ahorros significativos en costos de operación y mantenimiento al tomar las decisiones de
mantenimiento correctas y oportunas. Desafortunadamente, el mantenimiento es a menudo el proceso
empresarial que no se ha optimizado. En lugar de ser una responsabilidad de las operaciones comerciales,
lograr la excelencia en el mantenimiento generará enormes dividendos a través de la reducción de desperdicios
y la maximización de la eficiencia y la productividad, mejorando así los resultados. La excelencia en el
mantenimiento significa muchas cosas, bien hechas. Sucede cuando:
• Una planta funciona según sus estándares de diseño y el equipo funciona sin problemas cuando
es necesario.
• Los costos de mantenimiento están dentro del presupuesto y la inversión en nuevos activos es
razonable
• Los niveles de servicio son altos

• La rotación del inventario de materiales de mantenimiento, reparación y operación es rápida
• Los comerciantes están motivados y son competentes.
Lo más importante de todo es que la excelencia en el mantenimiento se ocupa de equilibrar el rendimiento,

los riesgos y los recursos aportados para lograr una solución óptima. No es una tarea fácil porque mucho de lo
que sucede en un entorno industrial se caracteriza por incertidumbres.
El enfoque estructurado para lograr la excelencia en el mantenimiento se muestra en la Figura 1.1

(Campbell 1995). Hay tres tipos de objetivos en el camino hacia la excelencia en el mantenimiento (Campbell
et al. 2011), y se analizan en las subsecciones siguientes.
Introducción 5
Saltos cuánticos
Proceso
rediseñar
Fiabilidad
Continuo
Autónomo mejoras
mantenimiento
Táctica Medidas
Control
Datos Planificación y Materiales
gestión gestión de programación
Estrategia Gestión Liderazgo
FIGURA 1.1 Enfoque estructurado para lograr la excelencia en el mantenimiento.
1.3.1.1 Estratégico
Primero, debes dibujar un mapa y establecer un rumbo hacia tu destino. El mapa comprende una
visión del desempeño de la gestión de activos que se debe lograr y una evaluación del nivel actual de
desempeño; la diferencia entre los dos se conoce como brecha de desempeño. La estrategia de
gestión de activos adoptada por la organización informa el curso de acción para cerrar la brecha.
También es necesario considerar las necesidades de recursos y el calendario al desarrollar los planes
de acción. Estas actividades de gestión proporcionan liderazgo para el esfuerzo de mantenimiento y
se representan como la primera capa en la Figura 1.1.
1.3.1.2 Táctico
Con los activos instalados para respaldar las operaciones, necesita un sistema de gestión del trabajo
(planificación y programación) y un sistema de gestión de materiales para controlar los procesos de
mantenimiento. Se seleccionan tácticas para gestionar el riesgo de fallos de activos. Las opciones
incluyen acciones de mantenimiento basadas en el tiempo, descarte basado en el tiempo, CBM,
ejecución hasta fallar, pruebas de búsqueda de fallas y rediseño de procesos o equipos. Se deben
documentar y controlar los datos relacionados con los historiales de los equipos, la garantía y los
requisitos reglamentarios, así como el estado de las órdenes de trabajo de mantenimiento.
Normalmente, dichos datos se gestionan mediante un sistema computarizado de gestión de
mantenimiento (CMMS) o un sistema de gestión de activos empresariales (EAM).
Indicadores de desempeño relacionados con diversos aspectos del servicio de mantenimiento.
se rastrean para evaluar el desempeño de la gestión de activos (ver, por ejemplo, Wireman
1999). Idealmente, el sistema de medición debe ser holístico y, además de proporcionar información
para el control de procesos, también debería influir en el comportamiento de las personas para que
sus esfuerzos estén alineados con la intención estratégica de la gestión de activos de la organización.
El cuadro de mando integral (Kaplan y Norton 1996) proporciona un enfoque de medición de este tipo
y se desarrolla sobre la noción de que ninguna medida por sí sola es suficiente para indicar el
desempeño total de un sistema. Traduce la estrategia de mantenimiento de la organización en
medidas operativas en múltiples dimensiones (como financiera, seguridad, usuarios, procesos
internos y desarrollo organizacional) que colectivamente son indicadores críticos de los logros
actuales, así como poderosos impulsores y predictores del desempeño futuro de los activos. . Se
pueden encontrar ejemplos de cuadros de mando integrales para medir el desempeño de la gestión
de activos en los trabajos de Niven (1999) y Tsang y Brown (1999).
1.3.1.3 Mejoras Continuas

En la búsqueda de la mejora continua, se encuentran disponibles dos metodologías complementarias
que reflejan diferentes enfoques para mejorar la confiabilidad (tiempo de actividad) de los activos
físicos. Estas metodologías son:
• Mantenimiento productivo total (TPM): una metodología centrada en las personas

• Mantenimiento centrado en la confiabilidad (RCM): una metodología centrada en los activos
Estos se analizan en las Secciones 1.6 y 1.7, respectivamente.

Se deben tomar decisiones sobre cuándo realizar la acción de mantenimiento seleccionada y
cuántos recursos se implementarán para satisfacer las demandas de mantenimiento esperadas.
En lugar de confiar en pronunciamientos basados en la intuición, como la fuerza de las personalidades
o el número de quejas recibidas de los mecánicos, se deben utilizar argumentos basados en hechos
para tomar estas decisiones de mantenimiento. Las decisiones impulsadas por información extraída
de los datos conducirán a soluciones óptimas. Por lo tanto, la gestión de datos, que se presenta en
el nivel 2 del enfoque estructurado que se muestra en la Figura 1.1, desempeña un papel importante
en el apoyo a la optimización de decisiones.
1.3.2 SALTOS CUÁNTICOS

Finalmente, al involucrar la sabiduría y la experiencia colectiva de toda la fuerza laboral, adoptar las
mejores prácticas que existen dentro y fuera de su organización y rediseñar los procesos de trabajo,
la organización pondrá en marcha cambios revolucionarios que generarán saltos cuánticos en el
desempeño de la gestión de activos. Véase, por ejemplo, Campbell (1995) para una discusión
detallada de estos esfuerzos.
1.4 PAS 55—UN MARCO PARA LA GESTIÓN

OPTIMIZADA DE ACTIVOS FÍSICOS
Los detalles de lo que se debe hacer en una organización que adopta el enfoque estructural
introducido en la Sección 1.3 se pueden encontrar en PAS 55, una Especificación disponible
públicamente, cuyo estatus se encuentra entre Códigos de práctica y una norma ISO. Indicado simplemente,
Introducción 7
Ofrece un marco para un enfoque holístico y sistemático para optimizar la gestión de los activos
físicos. Está previsto que se convierta en la familia de normas ISO 55000 en 2014. PAS 55 tiene
dos partes, a saber,
• PAS 551 Gestión de Activos Parte 1: Especificación para la gestión optimizada de activos
físicos (BSI 2008a). Una versión actualizada de este documento se convertirá en ISO
55001: Requisitos para buenas prácticas de gestión de activos.
• PAS 552 Gestión de Activos Parte 2: Directrices para la aplicación de PAS 551 (BSI
2008b). Una versión actualizada de este documento se convertirá en ISO 55002: Guía
de interpretación e implementación para un sistema de gestión de activos.
PAS 551 especifica los requisitos para procesos apropiados y efectivos que se encuentran en
el sistema de gestión de activos físicos de una organización. Siguiendo los principios generales
de las normas ISO para sistemas de gestión, prescribe lo que se debe hacer, no cómo hacerlo.
Las justificaciones de las prácticas adoptadas deben documentarse y la evidencia de lo que se
está haciendo debe estar disponible para auditorías independientes. Como su título lo indica, PAS
552 proporciona orientación sobre la implementación de sistemas de gestión de activos que
cumplen con PAS 551.
PAS 55 no es un sector específico; más bien, es aplicable a organizaciones con cualquier tipo
o distribución de activos físicos y estructura de propiedad de activos. En otras palabras, también
se aplica a organizaciones con funciones de gestión de activos subcontratadas. Los principios
rectores incluidos en los requisitos incluyen objetivos organizativos claros, una alineación buena
y sostenible de la inversión de activos, la utilización y el cuidado de estos principios. Para tener
éxito, la gestión de activos debe ser holística, sistemática, sistémica, basada en riesgos, óptima y
sostenible, implementada en una organización con el compromiso de la alta dirección y respaldada
por empleados competentes y empoderados. La gestión de activos debe ser holística en el
sentido de que deben cubrirse todos los elementos del marco. La excelencia en un área no
compensa las diferencias en otras.
Aunque el alcance de PAS 55 es la gestión de activos físicos, su diseño debe considerar un
contexto más amplio con otros tipos de activos, incluidos activos humanos, de información,
intangibles y financieros (BSI 2008b).
1.5 CONFIABILIDAD A TRAVÉS DEL OPERADOR: TPM

TPM es una metodología centrada en las personas que ha demostrado ser eficaz para optimizar
la efectividad de los equipos y eliminar averías. Moviliza a los operadores de máquinas para que
desempeñen un papel activo en el trabajo de mantenimiento, cultivando en estos trabajadores de
primera línea un sentido de propiedad de las instalaciones que operan (Campbell 1995) y
ampliando sus responsabilidades laborales para incluir servicios de rutina y reparaciones menores
de sus máquinas. A través de este tipo de participación del operador en las actividades de
mantenimiento, TPM apunta a eliminar las seis grandes pérdidas de efectividad del equipo (ver
Tabla 1.1; Nakajima 1988). En el sector manufacturero, entre el 15% y el 40% de los costos totales
de fabricación están relacionados con el mantenimiento. Al menos el 30% de estos costos se
pueden eliminar mediante TPM.
TABLA 1.1
Seis grandes pérdidas de eficacia de los equipos

Averías
Configuración y ajuste
Ralentí y paradas menores
Velocidad reducida
Defectos en el proceso
Rendimiento reducido
Para lograr cero averías, los defectos ocultos de la máquina deben exponerse y corregirse antes
de que se hayan deteriorado hasta el punto de causar el
máquina para averiarse. Esto se puede lograr manteniendo el equipo en
buenas condiciones básicas a través de una limpieza adecuada y una lubricación efectiva, restaurando
el estado de las piezas deterioradas y mejorando las habilidades de operación, configuración,
inspección y mantenimiento de los operadores. Tradicionalmente, estas funciones quedan fuera de las
responsabilidades del operador de la máquina, cuya función no es otra que operar la máquina; cuando
se estropea, el deber del operador es solicitar mantenimiento para repararlo. Así, el TPM implica una
reestructuración del trabajo relacionado con el mantenimiento de los equipos.
Los operadores de máquinas están autorizados a realizar inspecciones, servicios y reparaciones
menores de rutina. Este concepto de participación del operador en la mejora del bienestar del equipo
se conoce como mantenimiento autónomo. Se cultiva a través de 5S y CLAIR.
Las 5S son una herramienta para iniciar el viaje hacia una competitividad de clase mundial. Es un
Esfuerzo de equipo que involucra a todos en la organización para crear un lugar de trabajo productivo
manteniéndolo seguro, limpio y ordenado. 5S significa:
• Clasificación
• Separar lo necesario de lo no necesario
• Identifique los artículos que utiliza con frecuencia. Clasificar, etiquetar y desechar los
elementos innecesarios.
• Simplificando
• Un lugar para cada cosa y cada cosa en su lugar
• Una vez que hayas determinado lo que necesitas, organízalo y estandarízalo.
su uso para aumentar su efectividad
• Limpieza sistemática
• Preparar las cosas para la inspección
• La limpieza regular ayuda a resolver los problemas antes de que se vuelvan demasiado
graves al identificar las fuentes y las causas fundamentales. Tener un lugar de trabajo
limpio y bien organizado también hace que el trabajo sea más eficiente y productivo.
ya sea en la línea de producción o en el servicio al cliente
• Estandarización
• Crear métodos comunes para lograr coherencia
• Sostenimiento
• Mantenimiento, mejora y comunicación constantes.
Introducción 9
Las 5S se han convertido en un proceso de mejora continua. Los lectores interesados en la

implementación de las 5S pueden consultar Hirano (1990).
CLAIR es un acrónimo de limpiar, lubricar, ajustar, inspeccionar, reparación menor. El concepto es
que los operadores trabajen con el mantenimiento hacia los objetivos comunes de estabilizar las
condiciones del equipo y detener el deterioro acelerado. Los operadores están facultados para realizar
las tareas básicas de limpieza, verificación de lubricación, ajustes simples, inspecciones y reemplazo de
piezas, reparaciones menores y otras tareas simples de mantenimiento. Al brindarles capacitación sobre
las funciones del equipo y las fallas funcionales, los operadores también evitarán fallas mediante la
detección temprana y el tratamiento de condiciones anormales.
Convertir a los operadores en socios activos del mantenimiento y la ingeniería para mejorar el
rendimiento general y la confiabilidad del equipo es un concepto revolucionario. Por lo tanto, la
capacitación, los lemas y otros medios promocionales (paneles de actividades, lecciones de un solo
punto, fotografías, caricaturas) se utilizan típicamente para crear y sostener el cambio cultural.
Al verse relevados de las tareas rutinarias de mantenimiento, los expertos de la unidad de

mantenimiento pueden desplegarse para centrarse en trabajos más especializados, como reparaciones
importantes, revisiones, seguimiento y mejora del rendimiento del equipo, y reemplazo o adquisición
de activos físicos. En lugar de tener que combatir incendios continuamente y atender numerosas tareas
menores, la unidad ahora puede dedicar sus recursos a abordar áreas estratégicas.
cuestiones tales como la formulación de estrategias de mantenimiento, el establecimiento de sistemas
de información de gestión de mantenimiento, el seguimiento y la introducción de nuevas tecnologías
de mantenimiento, y la capacitación y el desarrollo de los trabajadores de producción y mantenimiento.
Una discusión completa sobre TPM está fuera del alcance de este libro. Los lectores interesados en
el tema pueden consultar Dillon (1997), Nakajima (1988), Tajiri y Gotoh (1992) y Tsang y Chan (2000).
1.6 CONFIABILIDAD POR DISEÑO: RCM

TPM tiene un fuerte enfoque en las personas y en los aspectos básicos, como limpieza, ajuste y
lubricación, para garantizar el bienestar de los equipos. Su énfasis está en la detección temprana del
desgaste para prevenir fallas en servicio. RCM es un enfoque alternativo para mejorar la confiabilidad
de los activos centrándose en el diseño. Plantea preguntas como: ¿Tenemos que hacer algún
mantenimiento? ¿Un cambio de diseño eliminará la causa raíz del fallo? ¿Qué tipo de mantenimiento es
más probable que cumpla con los objetivos comerciales de la organización?
RCM es una metodología estructurada para determinar los requisitos de mantenimiento de un activo
físico en su contexto operativo. El activo puede ser parte de un sistema más grande.
El objetivo principal de RCM es preservar la función del sistema en lugar de mantener un activo en
servicio. La aplicación del RCM requiere una comprensión completa de las funciones de los activos
físicos y la naturaleza de las fallas relacionadas con estas funciones. Reconoce que no todas las fallas
son iguales y que algunas fallas no se pueden prevenir mediante una revisión o un reemplazo preventivo.
Por lo tanto, no se realizarán acciones de mantenimiento que no sean rentables para preservar el
funcionamiento del sistema.
RCM puede producir los siguientes beneficios:
• Mejorar la comprensión del equipo: cómo falla y las consecuencias de la falla.
• Aclarar las funciones que desempeñan los operadores y mantenedores en la fabricación de equipos.
más confiable y menos costoso de operar
• Hacer que el equipo sea más seguro, más respetuoso con el medio ambiente, más productivo, más
fácil de mantener y más económico de operar.
Los siguientes resultados de aplicaciones RCM se han informado en varias industrias.

sectores (Tsang et al. 2000):
• Fabricación
• Reducción de los requisitos de mantenimiento preventivo de rutina en un 50 % en una planta de
confitería.
• Aumento de la disponibilidad de la línea de envasado de cerveza en un 10% en un año
• Utilidad
• Costos de mantenimiento reducidos entre un 30% y un 40%
• Aumento de la capacidad en un 2 %
• Reducción del mantenimiento de rutina en un 50 % en transformadores de 11 kV
• Minería
• Reducción de los costos anuales de reemplazo del filtro de aceite en la flota de camiones de acarreo al
$150,000
• Reducción de las averías de los camiones de transporte en un 50 %
• Militar
• La disponibilidad de los barcos aumentó del 60 % al 70 %.
• Reducción de los requisitos de mantenimiento del barco en un 50 %.
La metodología RCM desarrolla las tácticas de mantenimiento adecuadas mediante un proceso de decisión
exhaustivo y riguroso, como se muestra en la Figura 1.2.
Paso 1: seleccionar y priorizar el equipo

Los procesos de producción y soporte se examinan para identificar activos físicos clave. Luego, estos
activos físicos clave se priorizan según su importancia para las operaciones, el costo del tiempo de
inactividad y el costo de reparación.
Seleccionar Identificar Identificar Implementar

Definir
equipo Definir falla falla Seleccionar tácticasy refinar el
(evaluar funcional efectos y mantenimiento
funciones modos y usando
criticidad) fracasos lógica RCM plan
causas consecuencias
FIGURA 1.2 Proceso RCM.

Introducción 11
Paso 2: Definir funciones y estándares de desempeño

Es necesario definir las funciones de cada sistema seleccionado para el análisis RCM.
Las funciones del equipo son lo que hace. Es importante señalar que algunos sistemas permanecen
inactivos hasta que ocurre algún otro evento, como ocurre con los sistemas de seguridad. Cada
función también tiene un conjunto de límites operativos. Estos parámetros definen el funcionamiento
normal de la función en un entorno operativo específico.
Paso 3: Definir fallas funcionales
Cuando el sistema opera fuera de sus parámetros normales, se considera
haber fracasado. La definición de fallas funcionales se deriva de estos límites. Podemos experimentar
fallas en nuestros sistemas cuando están altos, bajos, encendidos, apagados, abiertos, cerrados,
violados, a la deriva, inestables, atascados, etc. Además, las fallas pueden ser totales, parciales o
intermitentes.
Paso 4: Identificar modos de falla/causas raíz
Un modo de falla es la forma en que el sistema no logra realizar su función. Un cilindro puede quedar
atascado en una posición debido a la falta de lubricación por parte del fluido hidráulico en uso. La
falla funcional en este caso es la imposibilidad de proporcionar movimiento lineal, pero el modo de
falla es la pérdida de las propiedades lubricantes del
el fluido hidráulico. Cabe señalar que una falla puede tener más de una posible causa raíz. Este paso
identifica la cadena de eventos que suceden cuando ocurre una falla. Estas preguntas son relevantes
en el análisis: ¿Qué condiciones necesarias para existir? ¿Qué evento fue necesario para
desencadenar la falla?
Paso 5: Determinar los efectos y consecuencias de las fallas
Este paso determina qué sucederá cuando ocurra una falla funcional.
Se evalúa la gravedad del efecto de la falla sobre la seguridad, el medio ambiente, la operación y el
mantenimiento.
Los resultados de los análisis realizados en los pasos 2 a 5 se documentan en una hoja de trabajo de análisis de
modo de falla, efecto y criticidad* (Stamatis 2003).
Paso 6: seleccione tácticas de mantenimiento
Se realizan acciones de mantenimiento para mitigar fallas funcionales. Se utiliza un árbol de lógica
de decisión para seleccionar las tácticas de mantenimiento adecuadas para las diversas fallas
funcionales. Antes de finalizar la decisión táctica, es necesario considerar las otras alternativas
técnicamente viables para determinar cuál es la más económica. La figura 1.3 resume la lógica de
RCM. Si se ha seleccionado una intervención de mantenimiento basada en el tiempo o una
inspección periódica, es necesario determinar la frecuencia de dicha tarea para lograr resultados
óptimos. Esto se discutirá en los capítulos siguientes de este libro.
Paso 7: implementar y perfeccionar el plan de mantenimiento

Se implementa el plan de mantenimiento desarrollado en el paso 6 y se revisan los resultados para
determinar si es necesario refinar o modificar el plan para garantizar su eficacia.
*
Además del análisis del modo de falla, el efecto y la criticidad, existen otras metodologías para evaluar y gestionar
los riesgos relacionados con la operación y el mantenimiento de activos físicos. Éstas incluyen
estudios de peligros y operabilidad (Kletz 1999), análisis de árbol de fallas (CAN/CSAQ63693 1993) y, en el
caso de las industrias petroquímicas, inspección basada en riesgos (ASME 2003).
Seleccionar equipo
¿Es técnica y económicamente factible que el monitoreo

de condición detecte una pérdida gradual de la FUNCIÓN?
Mantenimiento bajo
condiciones Sí No
¿Es técnica y económicamente viable que una reparación
restablezca el rendimiento del artículo y esto reducirá el riesgo
de FALLA?
Mantenimiento
basado en el tiempo Sí No
¿Es técnica y económicamente viable reemplazar el artículo?

¿Reducirá esto el riesgo de FALLA?
Descarte basado
en el tiempo Sí No
Acción
predeterminada como rediseño
FIGURA 1.3 Lógica de la metodología RCM.

Introducción 13
La implementación de RCM requiere la formación de un equipo multidisciplinario con

miembros conocedores de las operaciones diarias de la planta y el equipo, así como de los
detalles del equipo en sí. Esto exige al menos un operador y un mantenedor. También se
necesitan miembros con conocimiento de planificación, programación y operaciones y
capacidades generales de mantenimiento para garantizar que las tareas sean realmente
factibles en el entorno de la planta. Por lo tanto, también se necesita representación de alto
nivel en operaciones y mantenimiento. Finalmente, el conocimiento detallado del diseño de
equipos es importante para el equipo. Este requerimiento de conocimientos genera la necesidad
de contar con un ingeniero o técnico/tecnólogo superior desde mantenimiento o producción.
Antes de que comience el análisis, el equipo de RCM debe determinar las medidas de
referencia de confiabilidad y disponibilidad de la planta, así como la cobertura y el cumplimiento
de un programa de mantenimiento proactivo. Estas medidas se utilizarán más adelante al
comparar lo que se ha cambiado y el éxito que se está logrando.
Una discusión más detallada sobre RCM está fuera del alcance de este libro. Los lectores
interesados en el tema pueden consultar SAE JA1011 (1999), Moubray (1997) y Smith y
Hinchliffe (2004).
1.7 OPTIMIZACIÓN DE LAS DECISIONES DE MANTENIMIENTO Y REEMPLAZO

RCM determina el tipo de tácticas de mantenimiento que se aplicarán a un activo, al mismo
tiempo que responde a la pregunta de "¿Qué tipo de acción de mantenimiento se debe tomar?"
Queda por abordar la cuestión de cuándo realizar la acción de mantenimiento recomendada
que producirá los mejores resultados posibles. Desde una perspectiva a más largo plazo,
tenemos que tomar decisiones sobre el reemplazo de activos en el mejor interés de la
organización y determinar los requisitos de recursos de la operación de mantenimiento que
satisfarán las necesidades comerciales de manera rentable. La optimización de estas decisiones
tácticas es el tema importante que se aborda en la parte superior de la capa de “mejoras
continuas” de la pirámide de excelencia en mantenimiento que se muestra en la Figura 1.1.
Tradicionalmente, se espera que los profesionales del mantenimiento en la industria
enfrenten los problemas de mantenimiento sin tratar de operar de manera óptima. Por ejemplo,
muchos planes de mantenimiento preventivo se ponen en funcionamiento con sólo un ligero
enfoque cuantitativo, si es que se aplica alguno. Como consecuencia de ello, nadie está muy
seguro de cuál es la mejor frecuencia de inspección o qué debería inspeccionarse y, como
resultado, estos programas se cancelan porque se dice que cuestan demasiado. Claramente,
alguna forma de equilibrio entre la frecuencia de la inspección y los resultados de la misma
(por ejemplo, menos averías porque los fallos menores se detectan antes de que den lugar a
reparaciones costosas). En los capítulos siguientes de este libro, examinaremos varias áreas
de problemas de mantenimiento, observando los conflictos que deben considerarse e ilustrando
cómo pueden resolverse de manera cuantitativa para lograr soluciones óptimas o casi óptimas
a los problemas. Por lo tanto, indicamos formas en las que se pueden optimizar las decisiones
de mantenimiento, donde la optimización se define como intentar resolver los conflictos de una
situación de decisión de tal manera que las variables bajo el control de quien toma las decisiones
tomen los mejores valores posibles. Debido a que se utiliza el calificativo mejor , es necesario
definir su significado en el contexto del mantenimiento. Esto se tratará en la Sección 1.8 de este
capítulo.
Optimización de las decisiones de mantenimiento y reemplazo de equipos
Componente Inspección Bienes de capital Recurso

Reemplazo Trámites Reemplazo Requisitos
1. Mejor tiempo de 1. Frecuencia de inspección 1. Vida económica 1. Máquinas de taller/Tamaño
de un sistema a) Utilización anual de la tripulación
reemplazo preventivo
a) Deterioro de a) constante b) 2. Dimensionamiento
rendimiento Maximización de beneficios Utilización anual adecuado del
determinista b) Maximización variable equipo a) Equipo propio
b) Reemplazar solo de la disponibilidad c) Mejora b) Subcontratación de
en 2. Intervalos de tecnológica 2. picos de demanda 3.
caso de falla c) inspección de clases A, B, C, D Reparar vs reemplazar Arrendamiento/
Intervalo 3. FFI para dispositivos de 3. Software: PERDEC & Compra 4. Software: simulador
constante d) protección AGE/CON de taller y optimizador del
Basado en 4. Mantenimiento basado tamaño de la tripulación

edad 2. Aprovisionamiento en la condición
de repuestos 3. 5. Monitoreo de salud

Sistemas reparables 4. combinado y reemplazo
Gráficos de Glasser 5. Software: SMS y OREST
de edad 6.
Software: EXAKT
Probabilidades y estadísticas Procesos estocásticos Valor temporal del dinero Simulación de teoría
(Análisis de Weibull (para optimización CBM) (Flujo de caja descontado) de colas
incluyendo software
WeibullSoft)
Base de datos (Sistema CMM/EAM/ERP)
FIGURA 1.4 Áreas clave de decisiones de mantenimiento y reemplazo.
Los administradores de activos que deseen optimizar el valor del ciclo de vida de los activos
físicos y humanos de la organización deben considerar cuatro áreas de decisión clave, que se
muestran como columnas en la Figura 1.4. La primera columna trata sobre la sustitución de
componentes; la segunda columna trata de las actividades de inspección, incluido el seguimiento
de las condiciones; la tercera columna trata de la reposición de bienes de capital; y la última
columna cubre las decisiones relativas a los recursos necesarios para el mantenimiento y su ubicación.
La figura 1.4 forma el marco de los Capítulos 2 a 5. Estos capítulos están dedicados a la
construcción de modelos matemáticos que son apropiados para diferentes situaciones
problemáticas. El propósito de estos modelos matemáticos es permitir que las consecuencias de
decisiones de mantenimiento alternativas se evalúen con bastante rapidez para determinar
decisiones óptimas en relación con un objetivo. Las áreas problemáticas cubiertas son las siguientes:
Capítulo 2: Decisiones de reemplazo de componentes

Este capítulo cubre la determinación de los intervalos de reemplazo de equipos (cuyos
costos operativos aumentan con el uso), el intervalo entre reemplazos preventivos de
elementos sujetos a averías (también conocido como política de grupo o de bloque), y
la edad de reposición preventiva de los elementos sujetos a avería.
Capítulo 3: Decisiones de inspección

Este capítulo cubre la determinación de frecuencias de inspección para equipos
complejos utilizados continuamente, intervalos de búsqueda de fallas para dispositivos
de protección y decisiones CBM.
Introducción 15
Capítulo 4: Decisiones de reemplazo de bienes de capital

Este capítulo se ocupa de determinar los intervalos de reemplazo de bienes de capital
(cuyo patrón de utilización es fijo), los intervalos de reemplazo de bienes de capital (cuyo
patrón de utilización es variable) y la política de reemplazo de bienes de capital teniendo
en cuenta las mejoras tecnológicas. .
Capítulo 5: Requisitos de recursos de mantenimiento

Este capítulo analiza los problemas relacionados con la determinación de la mezcla.
del equipo que se instalará en un taller de mantenimiento, el tamaño y la composición
adecuados del equipo de mantenimiento, el grado de uso de las oportunidades de
subcontratación y las decisiones de compra o arrendamiento.
En los Capítulos 2 a 5, utilizamos un formato común para presentar cada modelo de optimización
de decisiones. Primero, proporcionamos un enunciado del problema de decisión. Luego se presenta
un modelo que representa la esencia del problema de decisión. A esto le sigue un ejemplo numérico
para ilustrar el uso de este modelo. Para evitar complicaciones innecesarias en el desarrollo del
modelo analítico, se hacen varios supuestos que, en la práctica, pueden no ser aplicables en algunas
situaciones. Debido a que los supuestos utilizados en la construcción del modelo están claramente
establecidos, se espera que el lector pueda ampliar el modelo simple para que se ajuste a problemas
específicos. Para ello, aportamos comentarios sobre una mayor ampliación del modelo para
representar más detalles de la realidad, si se considera necesario. Para cada modelo, con algunas
excepciones, también proporcionamos uno o más ejemplos de aplicaciones del mundo real.
Algunos de estos modelos de optimización de decisiones están disponibles como programas de
software que se pueden descargar desde el sitio web del editor. En tales casos, el uso del programa
de software en el análisis de decisiones se explica con al menos un ejemplo ilustrativo.
Los apéndices 1 a 6 se incluyen en el libro para brindar una breve introducción a ciertos
conceptos y herramientas básicos que deben comprenderse antes de que podamos proceder a
determinar los procedimientos de mantenimiento óptimos. Debido a que abunda la incertidumbre en
el área de mantenimiento (por ejemplo, incertidumbre sobre cuándo fallará el equipo), se requiere
conocimiento de estadística y probabilidad. En el Apéndice 1 se ofrece una introducción a las estadísticas pertinentes
Modelar el riesgo de falla es un paso crucial para optimizar el reemplazo de componentes sujetos a
fallas. El análisis de Weibull, una poderosa herramienta para modelar tales riesgos, se presenta en
el Apéndice 2. El estimador de máxima verosimilitud es otro enfoque ampliamente utilizado para
estimar parámetros de distribución, pero implica operaciones computacionalmente intensivas. Este
enfoque se presenta en el Apéndice 3. El Apéndice 4 presenta las cadenas de Markov, que es una
herramienta importante utilizada en la creación del modelo de decisión para la optimización de las
decisiones de mantenimiento basadas en condiciones. El concepto de obtención de conocimientos
utilizado para estimar el parámetro de una distribución cuando los datos son escasos se presenta en el Apéndice.
5. El Apéndice 6 trata del concepto de valor presente. Al tomar decisiones de reemplazo de bienes
de capital, tomamos en cuenta el hecho de que el valor de una suma de dinero que se gastará o
recibirá en el futuro es menor que si se gastara o recibiera ahora. Para cubrir este hecho se utiliza el
concepto de valor presente. Aunque las aplicaciones de las herramientas presentadas en cada
capítulo se destacan en los Capítulos 2 a 5, en el Apéndice 7 se proporciona una lista ampliada de
dichas aplicaciones. Sirve para ilustrar la amplitud de las aplicaciones reales que utilizan los modelos
o procedimientos presentados en el libro, o sus extensiones.
dieciséis
Mantenimiento, reemplazo y confiabilidad
Para optimizar las decisiones de mantenimiento y reemplazo se necesitan datos oportunos y de buena
calidad. Esta necesidad se describe como la base del marco que se muestra en la Figura 1.4. Estos datos
normalmente se mantienen en la base de datos de CMMS, EAM o planificación de recursos empresariales (ERP).
Los lectores interesados en debates sobre CMMS, EAM y ERP en el contexto de PAM pueden consultar los
artículos publicados en sitios web como www.plantmaintenance.com y www.reliabilityweb.com.
1.8 EL ENFOQUE CUANTITATIVO

El propósito principal de utilizar cualquier disciplina cuantitativa, como la ingeniería industrial, la
investigación operativa o el análisis de sistemas, es ayudar a la gerencia en la toma de decisiones
utilizando hechos conocidos de manera más efectiva, aumentando la proporción de conocimiento fáctico
y reduciendo el conocimiento real. dependencia del juicio subjetivo.
En el contexto de la toma de decisiones en materia de mantenimiento, a menudo se encuentra que
se dispone de muy poco conocimiento fáctico. Aunque es posible que se hayan capturado abundantes
datos en el CMMS, EAM o ERP de la organización, es posible que los administradores de activos no
conozcan la técnica de extracción de datos para extraer conocimientos útiles de dichos datos. Este tipo
de información es absolutamente necesaria para el desarrollo de procedimientos de mantenimiento óptimos.
El Apéndice 2 presenta una de esas técnicas de extracción de datos; convierte los datos de fallas en
conocimiento del riesgo de falla de varios activos.
Hay un gran interés en las decisiones de mantenimiento basadas en evidencia en lugar de en la
uso del instinto o siguiendo indiscriminadamente las recomendaciones del fabricante. Se espera que
este libro contribuya en cierta medida a reducir la proporción de juicio subjetivo en la toma de decisiones
en materia de alimentos.
Como ejemplo temprano de toma de decisiones cuantitativas en mantenimiento, que resalta la
importancia de seleccionar los objetivos correctos, nos referimos a un estudio realizado durante la
Segunda Guerra Mundial por un grupo de investigación operativa de la Royal Air Force (Crowther y
Whiddington 1963).
El problema específico era que el desempeño del mantenimiento de los aviones del Coastal
Command se medía en términos de capacidad de servicio, cuyo objetivo era el 75%.
La capacidad de servicio era la relación entre el número de aviones en tierra disponibles para volar,
más los que volaban, y el número total de aviones. Aunque se consideró muy deseable una tasa de
capacidad de servicio del 75%, también se pidió al Comando Costero que concediera más tiempo de
vuelo a los aviones. Se llamó a la Sección de Investigación Operativa del Comando Costero para
examinar el problema. La sección examinó un ciclo de operación de una aeronave y estableció que la
aeronave podría estar en uno de tres estados posibles:
• Volar
• En mantenimiento
• Disponible para volar
La capacidad de servicio, S, que fue el criterio de desempeño del mantenimiento, fue:
F+A
S=
F+A+M
Introducción 17
donde F, A y M son los tiempos promedio que una aeronave pasó en los estados de vuelo,
disponible para volar y mantenimiento, respectivamente. Un examen más detenido del problema
reveló que por cada hora de vuelo, se requerían dos horas de mantenimiento.
Utilizando esta información, es posible determinar que para alcanzar un objetivo de 75% de
capacidad de servicio, solo el 12,5% del tiempo de una aeronave se dedica a volar, el 25% se
dedica a mantenimiento y el 62,5% a estar disponible. Sin embargo, si la capacidad de servicio se
reduce a un tercio, entonces un tercio del tiempo de la aeronave se dedica a volar, dos tercios de
su tiempo se dedican al mantenimiento y el 0% en el estado disponible.
Así, simplemente aspirando a una capacidad de servicio de un tercio, las horas de vuelo podrían
aumentar considerablemente. Claramente, en el escenario en el que operaban los aviones del
Coastal Command, el objetivo aceptado de mantenimiento, es decir, una alta capacidad de servicio,
estaba equivocado. Sin embargo, para otros escenarios, como el caso en el que las aeronaves son
utilizadas sólo en situaciones de emergencia, un objetivo de alta capacidad de servicio bien puede
ser relevante.
Como resultado del análisis anterior, se dieron instrucciones de que, siempre que fuera posible,
la aeronave debería estar en estado de vuelo, duplicando así con creces la cantidad de tiempo de
vuelo después de realizar tales cambios en el objetivo de mantenimiento.
1.8.1 ESTABLECIMIENTO DE OBJETIVOS
Uno de los primeros pasos en el uso de técnicas cuantitativas en mantenimiento es determinar el

objetivo del estudio. Una vez que se determina el objetivo, ya sea maximizar las ganancias/tiempo
unitario, minimizar el tiempo de inactividad/tiempo unitario, maximizar la disponibilidad de dispositivos
de protección sujetos a restricciones presupuestarias, etc., se puede construir un modelo
matemático evaluativo que permita a la gerencia determinar la mejor manera de operar el sistema
para lograr el objetivo requerido.
En el estudio de mantenimiento planificado en vuelo mencionado anteriormente, el objetivo de
mantenimiento original del Coastal Command era lograr una tasa de capacidad de servicio del 75%,
pero el estudio dejó en claro que este era el objetivo equivocado y que lo que deberían haber
buscado era un capacidad de servicio de un tercio para lograr más horas de vuelo.
El estudio también mencionó que una alta tasa de capacidad de servicio tal vez fuera relevante
para las aeronaves solicitadas sólo en caso de emergencia. Esto enfatiza el punto de que el objetivo
para el cual se opera un sistema puede cambiar con los cambios en las circunstancias. En el
contexto de los procedimientos de mantenimiento, la forma en que se mantiene el equipo cuando
ya está funcionando a plena capacidad puede muy bien ser diferente de la forma en que se debería
mantener durante una crisis económica.
En los capítulos 2 a 5, los modelos de diversos problemas de mantenimiento se construyen de
tal manera que se puedan identificar los procedimientos de mantenimiento que están orientados a
permitir maximizar las ganancias, minimizar los costos totales de mantenimiento, etc.
Sin embargo, se debe enfatizar que al determinar los procedimientos de mantenimiento óptimos,
se debe tener cuidado para garantizar que el objetivo que se persigue sea el adecuado.
Por ejemplo, no será adecuado que el departamento de gestión de activos aplique una política
diseñada para minimizar el tiempo de inactividad de los equipos si la organización requiere una
política diseñada para maximizar las ganancias (como en medio de una crisis económica). El
De hecho, dos políticas pueden ser idénticas, pero no necesariamente es así. Este punto se demostrará
con un ejemplo en la Sección 3.3.
1.8.2 MODELOS
Una de las principales herramientas del enfoque científico para la toma de decisiones de gestión es la
construcción de un modelo evaluativo, generalmente matemático, mediante el cual se pueden evaluar una
variedad de decisiones alternativas. Cualquier modelo es simplemente una representación de
el sistema en estudio. En la aplicación de técnicas cuantitativas a problemas de gestión, el tipo de modelo
utilizado es frecuentemente un modelo simbólico en el que los componentes del sistema se representan
mediante símbolos y las relaciones de estos componentes se describen mediante ecuaciones matemáticas.
Para ilustrar este enfoque de construcción de modelos, examinaremos un problema de almacenes de

mantenimiento que, aunque simplificado, ilustrará dos de los aspectos más importantes del uso de
modelos: la construcción de un modelo del problema que se está estudiando y su solución.
Un problema de tiendas
Un controlador de tienda desea saber cuántos artículos pedir cada vez que el nivel de existencias
de un artículo llega a cero. El sistema se ilustra en la Figura 1.5.
El conflicto en este problema es que cuantos más artículos pida el controlador en cualquier
momento, más disminuirán los costos de pedido porque habrá que realizar menos pedidos, pero
los costos de almacenamiento aumentarán. Estos costos contradictorios se ilustran en la Figura
1.6.
El controlador de la tienda quiere determinar la cantidad del pedido que minimice el costo
total. Este costo total se puede representar gráficamente, como se muestra en la figura 1.6, y
usarse para resolver el problema. En este caso particular, el costo total se minimiza cuando la
cantidad del pedido está en la intersección de la curva de costos de mantener y la curva de
costos de ordenar. Sin embargo, esto no debería generalizarse; por ejemplo, consulte la Figura
1.8. Sin embargo, una solución mucho más rápida al problema podría ser
Orden
xiN
saicneltesvie d
e
Tiempo
FIGURA 1.5 Problema de tiendas.

Introducción 19
Coste total
stioneC
uit
Cantidad de pedido
/osoiorpatm
óptima
Costo de tenencia
Costo de pedido
Ordene la cantidad
FIGURA 1.6 Cantidad de pedido óptima.
obtenido mediante la construcción de un modelo matemático. Se pueden definir los siguientes parámetros:
D demanda anual total
Q cantidad de pedido
Costo de pedido conjunto por pedido
Ch costo de almacenamiento por artículo por año
Cantidad óptima de pedido
Costo total por año de realizar pedidos y mantener existencias.
= Costo de pedido por año + costo de almacenamiento por año

Desde
Costo de pedido/año
= Número de pedidos realizados por año costo de pedido por pedido
DCo
=
q
Costo de existencias/año
= Número promedio de artículos en stock por año (asumiendo una disminución lineal del stock) costo de
almacenamiento por artículo por año 1
= control de
calidad 2
h
Por lo tanto, el costo total por año, que es función de la cantidad del pedido y se denota C(Q), es
DCo qch
C(Q) = + (1.1)
Pregunta 2
La ecuación 1.1 es un modelo matemático del problema que relaciona la cantidad de pedido Q
al costo total C(Q).
El controlador de la tienda quiere que la cantidad de artículos a ordenar minimice el costo total, es
decir, minimice el lado derecho de la ecuación 1.1. La respuesta viene derivando la ecuación con
respecto a Q, la cantidad de pedido, e igualando la derivada a cero de la siguiente manera:
CC(Q) DCo Ch
= + =0
dQ Q2 2
Por lo tanto,
DCo = Ch
Q2 2
2DCo
Q = (1.2)
Ch
Como se conocen los valores de D, Co y Ch , su sustitución en la ecuación

1.2 da Q*, el valor óptimo de Q. Estrictamente hablando, debemos comprobar que el valor de Q*
obtenido de la Ecuación 1.2 es un mínimo y no un máximo. El lector interesado puede comprobar que
este es el caso tomando la segunda derivada de C(Q) y observando que el resultado es positivo. De
hecho, en este caso particular, la cantidad óptima de pedido iguala los costos promedio de mantener
y ordenar.
De la Ecuación 1.2, podemos encontrar que al optimizar la cantidad del pedido, el costo total por
año se minimiza y su valor es
C(Q) = DCoCh
Por ejemplo, sea D = 1000 artículos, Co = $5,00 y Ch = $0,25:
2 1000 5
Q = = 200 artículos
0,25
Por lo tanto, cada vez que el nivel de existencias llega a cero, el controlador de la tienda debe ordenar
200 artículos para minimizar el costo total por año de realizar pedidos y mantener existencias.
Tenga en cuenta que en el modelo de inventario presentado se han hecho varias suposiciones
que, en la práctica, pueden no ser realistas. Por ejemplo, no se ha tenido en cuenta
Introducción 21
Se ha considerado la posibilidad de descuentos por cantidad, el posible tiempo de entrega entre

la realización de un pedido y su recepción, el hecho de que la demanda puede no ser lineal o el
hecho de que la demanda puede no conocerse con certeza. El propósito del modelo anterior es
simplemente ilustrar la construcción y solución de un modelo para un problema particular. Si el
lector está interesado en los aspectos de control de existencias de los almacenes de
mantenimiento, consulte Nahmias (1997).
1.8.3 OBTENCIÓN DE SOLUCIONES A PARTIR DE MODELOS
En el problema de tiendas de la sección anterior, se demostraron dos métodos para resolver

un modelo matemático: un procedimiento analítico y un procedimiento numérico.
La solución del cálculo fue una ilustración de una técnica analítica en la que no se consideró
ningún conjunto particular de valores de la variable de control (cantidad de existencias a
ordenar), sino que procedimos directamente a la solución dada por la Ecuación 1.2.
En el procedimiento numérico se evaluaron soluciones para varios valores de las variables
de control para identificar los mejores resultados, es decir, es un procedimiento de prueba y error.
La solución gráfica de la Figura 1.6 equivale a insertar diferentes valores de Q
en el modelo (Ecuación 1.1) y trazar la curva de costo total para identificar el valor óptimo de Q.
En general, se prefieren los procedimientos analíticos a los numéricos, pero debido a la

complejidad del problema, en muchos casos son impracticables o incluso imposibles de utilizar.
En muchos de los problemas de mantenimiento examinados en este libro, la solución del modelo
matemático se obtendrá mediante el uso de procedimientos numéricos. Se trata principalmente
de procedimientos gráficos, pero también se utilizan procedimientos iterativos y simulación.
Quizás una de las principales ventajas de las soluciones gráficas es que a menudo permiten
a la gerencia ver claramente el efecto de implementar una política de mantenimiento que se
desvía del óptimo identificado al resolver el modelo. Además, puede ser posible trazar juntos los
efectos de diferentes políticas de mantenimiento, ilustrando así los efectos relativos de las
políticas. Para ilustrar este punto, el Capítulo 2 incluye el análisis de dos procedimientos de
sustitución diferentes:
1. Reposición de artículos a intervalos de tiempo fijos

2. Reemplazo de artículos en función del tiempo de uso real
Intuitivamente, uno podría sentir que el procedimiento 2 sería preferible porque se basa en el
uso del artículo (evitando así que un artículo casi nuevo sea reemplazado poco después de su
instalación después de una falla anterior, como sucedería con el procedimiento 1).
Para estas diferentes políticas de mantenimiento, que se pueden adoptar para el mismo
equipo, se pueden construir modelos, como se hace en el Capítulo 2, y, para cada política, se
puede determinar el procedimiento óptimo. Sin embargo, al utilizar un procedimiento de
solución gráfica, se puede trazar el costo de mantenimiento de cada política, como se ilustra en
la figura 1.7, y el gerente de mantenimiento puede ver exactamente el efecto de las políticas
alternativas sobre el costo total. Bien puede darse el caso de que, desde el punto de vista de la
recopilación de datos, una política implique mucho menos trabajo que la otra, y aun así tener
casi el mismo costo total mínimo. Esto se ilustra en la Figura 1.7, en la que los costos totales
mínimos son aproximadamente los mismos para los procedimientos 1 y 2.
iorptatnm
ooe
/otneimin lsaio
ta t$m
)n
e oC
di(t
u 4
3
Procedimiento 1
2 Procedimiento 2
0
0 1 2 3 4 5 6
Intervalo entre reemplazos preventivos (semanas)
FIGURA 1.7 Comparación de los costos totales de mantenimiento de dos reemplazos preventivos
procedimientos.
Por supuesto, para diferentes costos, distribuciones de averías, tiempos de falla y reemplazo
preventivo, etc., los costos totales mínimos y los intervalos de reemplazo pueden diferir mucho entre
diferentes políticas de reemplazo. El punto es que una ilustración gráfica de las soluciones a menudo
ayuda al gerente a determinar la política a adoptar. Además, ese método de presentar una solución suele
ser más aceptable que una afirmación como “la política x es la mejor”, que puede presentarse junto con
matemáticas complicadas.
En la Sección 2.2.4 se dan más comentarios sobre los beneficios del trazado de curvas en relación
con el problema de determinar el intervalo de reemplazo óptimo para el equipo, cuyo costo operativo
aumenta con el uso.
Uno de los avances en los procedimientos numéricos que han sido posibles gracias a las
computadoras es la simulación. Una aplicación de este procedimiento se ilustrará en un problema.
en el Capítulo 5, que se relaciona con la determinación del número óptimo de máquinas a instalar en un
taller.
1.8.4 CONTROL DE MANTENIMIENTO Y MODELOS MATEMÁTICOS
La función principal del mantenimiento es controlar el estado de los activos. Algunos de los problemas
asociados con esto incluyen la determinación de:
• Frecuencias de inspección
• Intervalos de revisión, es decir, parte de una política de mantenimiento preventivo.
• Si hacer reparaciones, es decir, tener una política de mantenimiento de averías o no.
• Reglas de reemplazo de componentes
• Normas de sustitución de bienes de capital (quizás teniendo en cuenta la tecnología).
cambios nologicos
• Si el equipo debe modificarse
• El tamaño del equipo de mantenimiento
• Composición de máquinas en un taller.
• Normas para el suministro de repuestos.
Introducción 23
El Apéndice 7 proporciona una lista de aplicaciones del mundo real de modelos de optimización de
decisiones de mantenimiento en diferentes industrias.
Los problemas dentro de estas áreas pueden clasificarse como deterministas o probabilísticos.
Los deterministas son aquellos en los que se supone que las consecuencias de una acción de
mantenimiento no son aleatorias. Por ejemplo, después de una revisión se conoce la tendencia futura
de los costes operativos. Un problema probabilístico es aquel en el que el resultado de la acción de
mantenimiento es aleatorio. Por ejemplo, después de la reparación del equipo, el tiempo hasta la próxima falla es incierto
Para resolver cualquiera de los problemas mencionados anteriormente, a menudo existen muchas
decisiones alternativas. Por ejemplo, para un artículo sujeto a una falla repentina, es posible que
tengamos que decidir si reemplazarlo mientras está en estado operativo, o solo en caso de falla; si se
deben reemplazar componentes similares en grupos cuando solo uno ha fallado; etcétera. Por lo tanto,
la función del departamento de gestión de activos se ocupa, en gran medida, de determinar el efecto
de diversas decisiones para controlar la condición de los activos.
activos para el cumplimiento de los objetivos de la organización.
Como se indicó anteriormente, muchas acciones de control están abiertas al gerente de
mantenimiento. El efecto de estas acciones no debe considerarse únicamente desde su efecto en el
departamento de gestión de activos porque las consecuencias de dichas acciones pueden afectar
seriamente otras unidades de la organización, como la producción o las operaciones.
Para ilustrar las posibles interacciones de la función de gestión de activos en otros departamentos,
considere el efecto de la decisión de realizar sólo reparaciones y no realizar ningún mantenimiento
preventivo, como revisiones generales. Esta decisión bien puede reducir el presupuesto para la gestión
de activos, pero también puede causar un tiempo de inactividad considerable en la producción o en las
operaciones. Para tener en cuenta las interacciones, con frecuencia se requieren técnicas sofisticadas,
y aquí es donde el uso de modelos matemáticos puede ayudar al gerente de mantenimiento y reducir la
tensión que a menudo ocurre entre el mantenimiento y las operaciones.
La Figura 1.8 ilustra el tipo de enfoque adoptado mediante el uso de un modelo matemático para
determinar la frecuencia óptima de revisión de una parte de la planta al equilibrar los insumos (costo de
mantenimiento) de la política de mantenimiento con su producción (reducción del tiempo de inactividad).
El ejemplo anterior es muy simple y, en la práctica, debemos considerar muchos factores incluso en
el contexto de una sola decisión de mantenimiento. Por ejemplo, si el objetivo de una decisión de
mantenimiento es minimizar los costos totales (optimización de costos más bajos), se deben considerar
los costos del componente o activo, la mano de obra, la pérdida de producción y tal vez incluso la
insatisfacción del cliente por entregas retrasadas.
Cuando el desgaste del equipo o de los componentes es un factor, el costo más bajo posible
generalmente se logra reemplazando las piezas de la máquina lo suficientemente tarde como para
obtener un buen servicio, pero lo suficientemente temprano como para lograr una tasa aceptable de
fallas en el trabajo (para alcanzar un tipo cero, probablemente tendríamos que sustituir piezas todos los
días). En otro escenario en el que se quiere maximizar la disponibilidad, hay que conseguir el equilibrio
adecuado entre sacar de servicio los equipos para realizar mantenimiento preventivo y sufrir paradas
por averías. Si la seguridad es el factor más importante, podríamos optimizar para obtener la solución
más segura posible, pero con un efecto aceptable en el costo. Si se quieren optimizar las ganancias,
tendríamos en cuenta no sólo los costos sino también el efecto sobre los ingresos a través de una mayor
satisfacción del cliente (mejores ganancias) o entregas retrasadas (menores ganancias).
El ejemplo mostrado en la Figura 1.8 debería ser suficiente para mostrar que el enfoque cuantitativo
adoptado en este libro tiene que ver con determinar el mantenimiento apropiado.
Costo total de mantenimiento

y tiempo perdido
Política óptima
stioneC
oo/iorpatm uit
Costo de mantenimiento
política
Costo del tiempo perdido debido a

averías
0
0
Política de mantenimiento (por ejemplo, frecuencia de revisiones)
FIGURA 1.8 Frecuencia óptima de revisiones.
decisiones mediante el estudio de las relaciones matemáticas y estadísticas entre las decisiones
a tomar y las consecuencias de estas decisiones. Los comentarios anteriores sobre el uso de
modelos para analizar problemas de mantenimiento son muy breves, pero se desarrollarán en los
capítulos siguientes de este libro.
1.9 REQUISITOS DE DATOS PARA LA MODELIZACIÓN
Los datos son insumos esenciales para construir modelos de decisión que respalden la gestión de
activos basada en evidencia. Hay que reconocer que los modelos matemáticos por sí solos no
garantizan que se tomarán las decisiones correctas si los datos utilizados no tienen la calidad
requerida. En Tsang et al. se presenta una discusión sobre los requisitos de datos para la creación
de modelos en el contexto de la optimización del mantenimiento. (2006).
Cuando los datos no están disponibles o son escasos, la creación de un modelo que caracterice
el riesgo de falla aún se puede lograr mediante la obtención de conocimientos entrevistando a los
expertos en el dominio del activo. La metodología relacionada, así como un ejemplo ilustrativo, se
proporciona en el Apéndice 5.
REFERENCIAS
COMO YO. 2003. Métodos basados en riesgos para la gestión de la vida útil de los equipos. Nueva York: americana
Sociedad Internacional de Ingenieros Mecánicos.
Informe de la Comisión Brundtland, Naciones Unidas, 1987.
Campbell, JD 1995. Tiempo de actividad: estrategias para la excelencia en la gestión del mantenimiento.
Portland, Oregón: Prensa de productividad.
Campbell, JD, AKS Jardine y J. McGlynn, eds. 2011. Excelencia en la gestión de activos:
Optimización de las decisiones sobre el ciclo de vida de los equipos. Boca Ratón, FL: CRC Press.
CAN/CSAQ63693. 1993. Gestión de la calidad: directrices y requisitos para los métodos de análisis de confiabilidad.
Toronto: Asociación Canadiense de Normas.
Introducción 25
Crowther, JG y R. Whiddington. 1963. Ciencia en guerra. Londres: HMSO.

Dillon, AP 1997. Mantenimiento autónomo para operadores. Portland, Oregón: Prensa de productividad.
Geraerds, WMJ 1985. El costo del tiempo de inactividad por mantenimiento: consideraciones preliminares.
Gestión de mantenimiento internacional 5, 13–21.
Hirano, H. 1990. Los cinco pilares del lugar de trabajo visual: el libro de consulta para la implementación de las 5S.
Portland, Oregón: Prensa de productividad.
Kaplan, RS y DP Norton. 1996. El cuadro de mando integral: traducir la estrategia en
Acción. Boston, MA: Escuela de Negocios de Harvard.
Kletz, TA 1999. HAZOP y HAZAN: Identificación y evaluación de los peligros de la industria de procesos.
4ª edición. Rugby, Inglaterra: Instituto de Ingenieros Químicos.
Moubray, J. 1997. Mantenimiento centrado en la confiabilidad. 2da ed. Oxford: ButterworthHeinemann.
Murray, M., K. Fletcher, J. Kennedy, P. Kohler, J. Chambers y T. Ledwidge. 1996. Capacidad
Aseguramiento: un modelo genérico de mantenimiento. ICOMS96, Melbourne, documento 72, 1–5.
Nahmias, S. 1997. Análisis de producción y operaciones. 3ª edición. Chicago: Irwin/McGrawHill.
Nakajima, S. 1988. Introducción al TPM. Cambridge, MA: Prensa de productividad.
Niven, PR 1999. Conexión en cascada del cuadro de mando integral: un estudio de caso sobre Nova Scotia Power, Inc.
Revista de medición del desempeño estratégico 3 (2), 5–12.
PAS 551:2008 Gestión de Activos Parte 1: Especificación para la Gestión Optimizada de
Activos físicos, Institución Británica de Estándares.
PAS 552:2008 Gestión de activos Parte 2: Directrices para la aplicación de BSI PAS 551,
Institución de estándares británicos.
Robertson, R. y A. Jones. 2004. Día de pago. Ingeniería y mantenimiento de plantas 28(9), 18–25.
SAE JA1011. 1999. Criterios de evaluación para el mantenimiento centrado en la confiabilidad (RCM)
Procesos. Warrendale, PA: Sociedad de Ingenieros Automotrices.
Smith, AM y GR Hinchliffe. 2004. RCM: Puerta de entrada al rendimiento de clase mundial. Boston: Elsevier Butterworth
Heinemann.
Stamatis, DH 2003. Análisis modal de fallos y efectos: FMEA desde la teoría hasta la ejecución. 2da ed. Milwaukee, WI:
Prensa de calidad ASQ.
Tajiri, M. y F. Gotoh. 1992. Implementación de TPM: un enfoque japonés. Nueva York:
McGrawHill.
Tsang, AHC 2002. Dimensiones estratégicas de la gestión del mantenimiento. Revista Internacional
de Gestión de Calidad y Confiabilidad 8(1), 7–39.
Tsang, AHC y WL Brown. 1999. Gestión del desempeño del mantenimiento de una empresa de servicios eléctricos
mediante el uso de cuadros de mando integrales. Nueva revista de ingeniería 2(3), 22–29.
Tsang, AHC y PK Chan. 2000. Implementación de TPM en China: un estudio de caso. Internacional
Revista de gestión de calidad y confiabilidad 17 (2), 144–157.
Tsang, AHC, AKS Jardine, JD Campbell y JV Picknell. 2000. Mantenimiento centrado en la confiabilidad: una clave para
la excelencia en el mantenimiento. Hong Kong: Universidad de la ciudad de Hong Kong.
Tsang, AHC, WK Yeung, AKS Jardine y BPK Leung. 2006. Gestión de datos para la optimización de CBM. Revista de
Calidad en Ingeniería de Mantenimiento 12(1), 37–51.
Wireman, T. 1999. Desarrollo de indicadores de desempeño para la gestión del mantenimiento. 1ª edición.
Nueva York: Prensa industrial.
2 Componente
Decisiones de reemplazo
La rueda que chirría no siempre consigue la grasa. A veces lo reemplazan.
—Vic Oro
2.1 INTRODUCCIÓN
El objetivo de este capítulo es presentar modelos que se pueden utilizar para optimizar las decisiones
de reemplazo de componentes. El interés en esta área de decisión se debe a que un enfoque común
para mejorar la confiabilidad de un sistema o equipo complejo es mediante el reemplazo preventivo de
componentes críticos dentro del sistema. Por lo tanto, es necesario poder identificar qué componentes
deben considerarse para el reemplazo preventivo y cuáles deben dejarse en funcionamiento hasta que
fallen. Si el componente es candidato a reemplazo preventivo, entonces la siguiente pregunta a
responder es: ¿Cuál es el mejor momento? El objetivo principal abordado en este capítulo es hacer
que un sistema sea más confiable mediante el reemplazo preventivo. En el contexto del marco de las
áreas de decisión abordadas en este libro, nos referimos a la columna 1 del marco, como se destaca
en la Figura 2.1.
Los problemas de sustitución (y los problemas de mantenimiento en general) se pueden clasificar

como determinista o probabilístico (estocástico).
Los problemas deterministas son aquellos en los que se supone que se conocen con certeza el
momento y el resultado de la acción de reemplazo. Por ejemplo, podemos tener un artículo que no está
sujeto a fallas pero cuyo costo operativo aumenta con el uso. Para reducir este costo operativo, se
puede realizar un reemplazo. Después del reemplazo, se conoce la tendencia en el costo de operación.
Esta tendencia determinista de los costos se ilustra en la Figura 2.2.
Ejemplos de problemas de reemplazo de componentes que se pueden tratar con un detergente

El modelo ministico se proporciona en la Tabla 2.1.
Los problemas probabilísticos son aquellos en los que el momento y el resultado de la acción de
reemplazo dependen del azar. En la situación más simple, el equipo puede describirse como bueno o
defectuoso. La ley de probabilidad que describe los cambios de bueno a fallido puede describirse
mediante la distribución del tiempo entre la finalización de la acción de reemplazo y el fracaso. Como
se describe en el Apéndice 1, el tiempo hasta la falla es una variable aleatoria cuya distribución puede
denominarse distribución de falla del equipo.
Ejemplos de problemas de reemplazo de componentes que se pueden analizar utilizando un

El modelo chastic se proporciona en la Tabla 2.2.
27

1. Mejor tiempo de 1. Frecuencia de inspección 1. Vida económica 1. Máquinas de taller/Tamaño

reemplazo preventivo de un sistema a) Utilización anual de la tripulación
a) Deterioro de a) constante 2. Dimensionamiento

rendimiento Maximización de beneficios b) Utilización anual adecuado del
determinista b) Maximización variable equipo a) Equipo propio
b) Reemplazar solo de la disponibilidad c) Mejora b) Subcontratación de
en 2. Intervalos de inspección tecnológica 2. picos de demanda 3.
caso de falla c) de clase A, B, C, D 3. FFI Reparar vs reemplazar Arrendamiento /
Intervalo para dispositivos de
3. Software: PERDEC y Compra 4. Software: simulador
constante d) protección AGE/CON de taller y optimizador del
Basado en 4. Mantenimiento basado tamaño de la tripulación

edad 2. Aprovisionamiento en la condición
de repuestos 3. 5. Monitoreo de salud
Sistemas reparables 4. combinado y reemplazo
Gráficos de Glasser 5. Software: SMS y OREST
de edad 6.
Software: EXAKT
incluyendo software
WeibullSoft)
FIGURA 2.1 Decisiones de reemplazo de componentes.
La determinación de decisiones de reemplazo para equipos con probabilidades de

fallas implica un problema de toma de decisiones con una fuente principal de incertidumbre:
es imposible predecir con certeza cuándo ocurrirá una falla o, más generalmente, cuándo
se producirá la transición de un estado del equipo a otro. a otro ocurrirá. Otra fuente de
incertidumbre es que puede ser imposible determinar el estado del equipo, ya sea bueno,
defectuoso o en algún punto intermedio, a menos que se realice un mantenimiento definitivo.
Reemplazo
peC
setion
arpatrm
/ovoiotio oit
u
Tiempo
FIGURA 2.2 Tendencia determinista de los costos.

Decisiones de reemplazo de componentes 29
TABLA 2.1
Ejemplos de componentes reemplazables que se deterioran de manera determinista

Filtro de combustible (automóvil): a medida que el filtro envejece, aumenta la tasa de consumo de combustible.
Correa trapezoidal en empaquetadora automática utilizada en una planta de dulces para envolver tabletas: la productividad disminuye a medida que se afloja la correa trapezoidal
Módulo de freno y embrague en prensa estampadora: la productividad disminuye a medida que el módulo envejece
Fieltro de fábrica de papel: la productividad disminuye a medida que el fieltro envejece
Moldes para la producción de vidrio: la productividad disminuye a medida que envejecen los moldes
TABLA 2.2
Ejemplos de componentes que fallan estocásticamente

Bombillas
Membranas de desplazamiento en una línea de envasado de alimentos
Sello de punta del adaptador de carga de aire acondicionado (A/C) en el equipo de evacuación y llenado del aire acondicionado en el automóvil
fabricación
Cilindros de delantal guía superior e inferior en una acería
Inyectores de combustible en el motor diésel de propulsión principal a bordo de un barco
se toman medidas, como la inspección. Este aspecto de la incertidumbre es muy relevante para los
equipos, a menudo denominados dispositivos de protección, utilizados en situaciones de emergencia.
Un ejemplo de dicho dispositivo de protección es una válvula de seguridad de presión en un campo de
petróleo y gas: si está inactiva, esperando entrar en servicio cuando se produzca un nivel de presión inaceptable.
Su estado sólo puede determinarse mediante una inspección. Estos problemas se cubrirán en el Capítulo
3.
En los problemas probabilísticos de este capítulo supondremos que sólo hay dos condiciones
posibles del equipo, buena y fallida, y que la condición siempre se conoce. Esto no es irrazonable porque,
por ejemplo, con equipos en funcionamiento continuo que producen algún tipo de bienes, pronto
sabremos cuándo el equipo ha llegado al estado de falla porque los artículos pueden producirse fuera
de los límites de tolerancia especificados o el equipo puede dejar de funcionar.
Para determinar cuándo realizar un reemplazo, nos interesa la secuencia de momentos en que deben
realizarse las acciones de reemplazo. Cualquier secuencia de tiempos es una política de reemplazo,
pero lo que nos interesa determinar son las políticas de reemplazo óptimas, es decir, aquellas que
maximizan o minimizan algún criterio, como la ganancia, el costo total y el tiempo de inactividad, o
garantizan que se cumpla un período de seguridad específico. o no se supera el criterio medioambiental.
En muchos de los modelos de problemas de reemplazo de componentes presentados en este

capítulo, se asumirá (lo cual se aplica en muchos casos) que la acción de reemplazo devuelve el equipo
a la condición "como nuevo", por lo que continúa brindando exactamente
los mismos servicios que el equipo que acaba de ser sustituido cuando era nuevo. Al hacer este
supuesto, estamos implicando que diversos costos, distribuciones de fallas, etc. utilizados en el
análisis no cambian de un reemplazo a otro. Una excepción a esta suposición serán los problemas en
los que el artículo que se reemplaza no se reemplaza por uno que pueda considerarse estadísticamente
como nuevo. Si este es el caso, a menudo estamos ante un componente reparable: estos problemas
se abordarán en la Sección 2.9.3.
A lo largo de este capítulo, las acciones de mantenimiento como la revisión y la reparación pueden
se considerará equivalente al reemplazo, siempre que sea razonable suponer que dichas acciones
también devuelven el equipo a su condición de nuevo. En la práctica, esto suele ser una suposición
razonable y, por lo tanto, los siguientes modelos pueden usarse a menudo para analizar problemas
de revisión/reparación. Si no es razonable hacer tal suposición, entonces los modelos presentados en
la Sección 2.9.3, junto con el modelo asociado con el mantenimiento basado en la condición en el
Capítulo 3, pueden ayudar.
La sección 2.2 aborda un problema determinista común de reemplazo de componentes.
Los problemas estocásticos se tratan en las secciones 2.3 a 2.9.
2.2 TIEMPOS ÓPTIMOS DE REEMPLAZO PARA EQUIPOS

CUYO COSTO DE OPERACIÓN AUMENTA CON EL USO
2.2.1 DECLARACIÓN DEL PROBLEMA
Algunos equipos funcionan con excelente eficiencia cuando son nuevos, pero a medida que envejecen,
su rendimiento se deteriora. Un ejemplo es el filtro de aire de un automóvil. Cuando es nuevo el
consumo de gasolina es bueno, pero a medida que se ensucia el filtro de aire aumenta el consumo
de gasolina por kilómetro. La pregunta entonces es: ¿Cuándo, en la tendencia de aumento de costos,
es económicamente justificable reemplazar el filtro de aire, reduciendo así el costo operativo del
automóvil? En general, los reemplazos cuestan dinero en términos de materiales y salarios, y se
requiere un equilibrio entre el dinero gastado en reemplazos y los ahorros obtenidos al reducir el costo
operativo. Por lo tanto, deseamos determinar una política de reemplazo óptima que minimice la suma
de los costos de operación y reemplazo por unidad de tiempo.
Cuando se trata de problemas de optimización, en general, deseamos optimizar alguna medida

del rendimiento durante un largo período. En muchas situaciones, esto es equivalente
para optimizar la medida del rendimiento por unidad de tiempo. Este enfoque es más fácil de abordar
matemáticamente en comparación con el desarrollo de un modelo para optimizar una medida de
desempeño en un horizonte finito.
Los conflictos de costos y los problemas de optimización asociados se ilustran en la Figura
2.3. Cabe destacar que este tipo de problema puede denominarse determinista de corto plazo porque
la magnitud del intervalo entre reemplazos es de semanas o meses, en lugar de años. Si el intervalo
entre reemplazos se midiera en años, entonces sería necesario tener en cuenta en el análisis el hecho
de que el valor del dinero cambia con el tiempo. Estos problemas pueden denominarse reemplazo a
largo plazo y se tratan en el Capítulo 4.
1.2
1 Coste total
0,8
Costo operacional
ioniC
atste
iorm
o/p T
u
0,6
0,4 Costo de remplazo
0,2
0
Intervalo entre reemplazo, tr
tr óptimo
FIGURA 2.3 Optimización determinista a corto plazo.
2.2.2 CONSTRUCCIÓN DEL MODELO
1. c(t) es el costo operativo por unidad de tiempo en el momento t después del reemplazo.
2. Cr es el costo total de un reemplazo.
3. La política de reemplazo es realizar reemplazos en intervalos de longitud tr.
La política se ilustra en la Figura 2.4.
4. El objetivo es determinar el intervalo óptimo entre reemplazos para minimizar el costo total de
operación y reemplazo por unidad de tiempo.
El costo total por unidad de tiempo C(tr), para el reemplazo en el momento tr, es:
C(tr) = costo total en el intervalo (0, tr)/duración del intervalo
Costo total en el intervalo = costo de operación + costo de reemplazo

tr
= c (t) dt + Cr
0
Reemplazo
Un ciclo de reemplazo
0 tr
FIGURA 2.4 Ciclo de reemplazo.

t _r
1
C(tr ) = (2.1)
c(t) dt +Cr .
tr
0
Este es un modelo del problema que relaciona el intervalo de reemplazo tr con el costo total por
unidad de tiempo C(tr), y el desarrollo del modelo se ilustra gráficamente en la figura 2.5.
El intervalo de reemplazo óptimo tr es aquel valor de tr que minimiza el
lado derecho de la Ecuación 2.1, que puede demostrarse mediante cálculo que ocurre cuando
c(tr) = C(tr).
Por lo tanto, el momento óptimo de reemplazo es cuando la tasa de costo operativo actual es igual
al costo total promedio por unidad de tiempo. En otras palabras, el momento óptimo para reemplazar
es cuando el costo marginal equivale al costo promedio.
De hecho, si la tendencia de los costos operativos es lineal, c(t) = a + bt, entonces el valor óptimo
el intervalo de reemplazo t* es
t = 2Cr
.
b
Para utilizar la ecuación c(tr) = C(tr) se requiere que la tendencia de los costos operativos sea
una función creciente, lo que en la práctica es un supuesto muy razonable. Si eso es
no es el caso, y a medida que pasa el tiempo, el costo operativo de un componente se vuelve menor,
entonces la Ecuación 2.1 debe resolverse utilizando el cálculo clásico (si la tendencia del costo es
simple); de lo contrario, se requerirá una solución numérica.
Si la tendencia en los costos operativos no es continua, sino discreta, entonces el momento
óptimo de reemplazo es cuando el costo operativo del siguiente período es igual o mayor que el
costo promedio actual de reemplazo en ese momento. Es decir, reemplazar cuando el costo marginal
de operación sea mayor que el costo promedio hasta la fecha.
cr
ioniC
atste
iorm
o/p T
u
Connecticut)
t
tr
FIGURA 2.5 Desarrollo del modelo: determinista de corto plazo.

2.2.3 EJEMPLO NUMÉRICO
1. La tendencia en el costo operativo de un artículo es de la forma
c(t) = A – B exp[–kt]
donde A = $100, B = $80 y k = 0,21/semana.

Esta tendencia se ilustra en la Figura 2.6. Tenga en cuenta que A − B ≥ 0 puede
interpretarse como el costo operativo por unidad de tiempo si no se produce deterioro. k
es una constante que describe la tasa de deterioro.
2. Cr, el costo total de un reemplazo, es $100.
De este modo,
r
t_
1
C(tr ) =
tr (100 − 80 exp[−0.21t])dt +100 .
0
En este caso, no se puede obtener una solución analítica (forma cerrada) utilizando el
resultado c(tr) = C(tr) . Se requiere una solución numérica o se puede utilizar el tiempo
discreto. En la Tabla 2.3 se ofrece una evaluación del modelo anterior para diferentes
valores de tr , lo que indica que el valor óptimo de tr es a las 5 semanas.
aname/$
s
c(t) = A–Be–kt
Tiempo (semanas)
GRÁFICO 2.6 Tendencia exponencial de los costos operativos.
TABLA 2.3
Edad de reemplazo óptima

tr 1 2 3 4 5 6 7
C(tr) 127,8 84,7 74.0 70,9 70,5 71,5 72,5

2.2.4 OTROS COMENTARIOS
En la construcción del modelo de este apartado no se ha incluido el tiempo necesario para

producir un recambio. Este tiempo de sustitución, Tr, puede acomodarse sin dificultad. Consulte
la Figura 2.7 y la Ecuación 2.2 para conocer el modelo apropiado:
tr
0 c (t) dt + Cr .
C(tr ) = (2.2)
tr + tr
En la práctica, a menudo no es descabellado ignorar el tiempo de sustitución porque suele

ser pequeño en comparación con el intervalo entre las sustituciones. Cualquier costo, como las
pérdidas de producción incurridas debido a la duración del reemplazo, debe incorporarse al
costo de la acción de reemplazo.
Ahora se han desarrollado modelos mediante los cuales, para supuestos particulares, se
puede obtener el intervalo óptimo entre reemplazos. En la práctica, puede haber dificultades
considerables a la hora de programar los reemplazos para que se produzcan en el momento
óptimo o de obtener los valores de algunos de los parámetros necesarios para el análisis. Para
ayudar aún más al ingeniero a decidir cuál debería ser una política de reemplazo adecuada,
generalmente es útil trazar la curva de costo total/tiempo unitario (Figura 2.8). La ventaja
de la curva es que, además de dar el valor óptimo de tr, muestra la forma del costo total
alrededor del óptimo. Si la curva es bastante plana alrededor del óptimo, en realidad no es muy
importante que el ingeniero planee que los reemplazos ocurran exactamente en el óptimo,
dando así cierta libertad en la programación del trabajo.
Así, en la Figura 2.8, un intervalo de reemplazo (tr) con un valor entre 3,5 y 6 semanas no
influye mucho en el costo total. Por supuesto, si la curva de costo total no es bastante plana
alrededor del óptimo sino que aumenta rápidamente en ambos lados, entonces se debe
respetar el intervalo óptimo, en la medida de lo posible.
Si hay incertidumbre sobre el valor del parámetro particular requerido en el análisis (digamos,
no estamos seguros de cuál es el costo de reposición), entonces se evalúa la curva de costo
total para varios valores del parámetro incierto y se observa el efecto de esta variación. sobre
la solución óptima, a menudo contribuye en gran medida a decidir qué política se debe adoptar
y si el parámetro particular es importante desde el punto de vista de la solución. Por ejemplo,
cambiar el valor de Cr en la Ecuación 2.1 puede producir
Un ciclo de reemplazo
Operación Reemplazo
0 tr tr + tr
FIGURA 2.7 Ciclo de reemplazo.

7000
C(tr )
5000
3000 t
0 2 4 6 8 10 r
FIGURA 2.8 Forma de la curva de costo total.
curvas similares a la Figura 2.9, que demuestran, en este caso, que aunque Cr varía, no
influye mucho en los valores óptimos de tr. De hecho, hay una superposición, lo que indica
una buena solución independiente del valor real de Cr (siempre que este valor esté dentro
de los límites especificados por las dos curvas). Si los cambios en Cr alteraran drásticamente
la solución desde el punto de intervalo de reemplazo y costo total mínimo, entonces estaría
claro que se requeriría un estudio cuidadoso para identificar el verdadero valor de Cr que se
usará al resolver el modelo. (Por ejemplo, ¿Cr incluye sólo costos de materiales y mano de
obra? ¿O incluye costos de producción perdida? O costos asociados con tener que utilizar
una planta menos eficiente, horas extras o contratistas, etc., para compensar las pérdidas
incurridas como resultado de la ¿Reemplazo?) La decisión que se puede tomar (en este
caso con respecto al intervalo entre reemplazos) esencialmente puede permanecer
constante dentro de la región de incertidumbre controlada por la sensibilidad. Esto no
significa necesariamente que los verdaderos costos totales tendrán más o menos el mismo
valor numérico dentro de la región de superposición. Sin embargo, desde el punto de vista
de la toma de decisiones, esto no importa porque es el intervalo entre reemplazos el que
está bajo el control de quien toma las decisiones. Los costes totales son consecuencia de la decisión tomad
Superposición Curvas obtenidas

variando Cr
m
ptd
ooa
d toC
lsarioe
o
n pit
u
d
Valores óptimos de tr para

diferentes valores de Cr
Intervalo entre reemplazos, tr
FIGURA 2.9 Análisis de sensibilidad de la función de costos.

Por lo tanto, la verificación de sensibilidad brinda orientación sobre qué información es importante
desde el punto de vista de la toma de decisiones y, en consecuencia, qué información debe recopilarse
en un esquema de recopilación de datos. La afirmación “basura que entra = basura que sale”, que
frecuentemente se hace con referencia a los requisitos de datos de las técnicas cuantitativas,
También se ha demostrado que no es necesariamente correcto. La validez de la afirmación “basura
que entra = basura que sale” depende de la sensibilidad de la solución a una basura en particular. Por
lo tanto, tenga en cuenta que la basura que entra no necesariamente equivale a la basura que sale,
por lo que nuestros requisitos de información para el uso de técnicas cuantitativas pueden no ser tan
severos como a menudo se afirma.
2.2.5 APLICACIONES
2.2.5.1 Reemplazo del filtro de aire en un automóvil
¿Cuál es el tiempo económico de reemplazo del filtro de aire en un automóvil?
El precio de compra de un filtro de aire es de $80. El conductor de un automóvil recorre 2.000 km/
mes. La gasolina cuesta $0,75/L. Cuando el filtro de aire es nuevo, durante el primer mes de
funcionamiento, el rendimiento del automóvil es de 15 km/L; por lo tanto, el costo operativo del primer
mes es de $100,00. A medida que el filtro envejece, se produce un deterioro en el número de kilómetros
que se pueden recorrer con 1 litro de gasolina. La tendencia al deterioro se muestra en el Cuadro 2.4.
Usando la Ecuación 2.1, en forma discreta, obtenemos la Tabla 2.5, de la cual vemos que la edad
óptima de reemplazo es 4 meses y el costo asociado por mes es $131.88.
La gráfica asociada del costo por mes versus tiempo se presenta en la figura 2.10, que incluye un
cálculo que muestra el uso del criterio de optimización c( t) = C(tr) cuando se discretiza la tendencia en
el costo operativo.
Por lo tanto, reemplace al final del mes 4 porque las operaciones del próximo período y
El costo de mantenimiento, c(t = 5), es mayor que el costo promedio hasta la fecha ($131,88).
TABLA 2.4
Tendencia al deterioro de la distancia recorrida

Edad (meses) 1 2 3 4 5
km/L 15 14 13 12 10
TABLA 2.5
Tiempo óptimo de cambio de filtro
T (mes) c(t) ($) C(t) ($/mes)

1 100.00 (100 + 80)/1 = 180
2 107.13 (100 + 107,13 + 80)/2 = 143,57
3 115,38 (100 + 107,13 + 115,38 + 80)/3 = 134,17
4 125.00 (100 + 107,13 + 115,38 + 125 + 80)/4 = 131,88
5 150.00 (100 + 107,13 + 115,38 + 125 + 150 + 80)/5 = 135,50
180 180
M
C(
160
)$
otss/eo
140 143,57
134,57 135.50
131,88
120
100
0 1 2 3 4 5 t (mes)
FIGURA 2.10 Gráfico de costo total por mes.
2.2.5.2 Revisión de una planta de calderas

El problema de reemplazo que hemos estado analizando es similar a un problema asociado con una
planta de calderas. Con el uso, las superficies de transferencia de calor dentro de la caldera se
vuelven menos eficientes y, para aumentar su eficiencia, se pueden limpiar. Por tanto, la limpieza
aumenta la tasa de transferencia de calor y se requiere menos combustible para producir una cantidad
determinada de vapor. Sin embargo, debido al deterioro de otras partes de la planta de calderas, la
tendencia en el costo operativo no es constante después de cada operación de limpieza (equivalente
a un reemplazo), sino que sigue una tendencia similar a la de la Figura 2.11. Por lo tanto, k ilustrado
en la figura 2.6 ya no es constante, sino que varía de un reemplazo a otro. Es decir, la tendencia del
costo operativo después de cada reemplazo depende de la cantidad de vapor.
peC
setion
arpatrm
/ovoiotio oit
u
Cantidad acumulada de vapor producido
GRÁFICO 2.11 Tendencia de costos operativos: planta de calderas.

producido hasta la fecha del reemplazo. Davidson (1970) ofrece un estudio detallado de este
problema, quien lo analiza utilizando un modelo de programación dinámica.
2.3 REEMPLAZO PREVENTIVO ESTOCÁSTICO:

ALGUNOS COMENTARIOS INTRODUCTORIOS
Antes de continuar con el desarrollo de modelos de reemplazo de componentes, es importante
señalar que las acciones de reemplazo preventivo, es decir, las acciones tomadas antes de que el
equipo llegue a un estado de falla, requieren dos condiciones necesarias.
1. El costo total del reemplazo debe ser mayor después de la falla que antes (si el costo es el
criterio apropiado; de lo contrario, se sustituye el costo por un criterio apropiado, como el
tiempo de inactividad). Esto puede ser causado por
una mayor pérdida de producción porque el reemplazo después de una falla no está
planificado o la falla de una pieza de la planta puede causar daños a otros equipos.
Por ejemplo, el reemplazo de un anillo de pistón en un motor de automóvil antes de que
falle el anillo puede implicar solo el costo de un anillo de pistón más un cargo de mano de
obra, mientras que después de la falla, su costo de reemplazo también puede incluir el
costo de un cilindro rectificado.
2. La tasa de peligrosidad del equipo debe estar aumentando. Para ilustrar este punto,
podemos considerar equipos con una tasa de peligro constante. Es decir, las fallas ocurren
según la distribución exponencial negativa o, equivalentemente, la distribución de Weibull,
en la que el parámetro de forma β = 1,0. Cuando este es el caso, el reemplazo antes de la
falla no afecta la probabilidad de que el equipo falle en el siguiente instante, dado que
ahora está en buen estado. En consecuencia, se desperdicia dinero y tiempo si se aplica
el reemplazo preventivo al equipo que falla según la distribución exponencial negativa.
Obviamente, cuando el equipo falla según la distribución hiperexponencial o la distribución
de Weibull cuyo valor β es menor que 1,0, su tasa de riesgo está disminuyendo y
nuevamente no se debe aplicar el reemplazo preventivo de componentes.
Ejemplos de componentes en los que se ha identificado una tasa de riesgo decreciente

incluyen cristales de cuarzo, resistencias de calidad media y alta, y capacitores y
dispositivos de estado sólido como semiconductores y circuitos integrados (Technical and
Engineering Aids to Management 1976 ).
En la práctica, es útil apreciar que la tasa de riesgo del equipo debe estar aumentando antes de
que valga la pena el reemplazo preventivo. Muy a menudo, cuando el equipo se estropea con
frecuencia, la reacción inmediata del profesional de mantenimiento es que se debe aumentar el nivel
de reemplazo preventivo. Si la distribución de fallas de los componentes que se reemplazan se
hubiera identificado mediante la realización de un análisis de Weibull (Apéndice 2), quedaría claro si
dicho reemplazo preventivo era aplicable. Bien puede ser que el procedimiento apropiado sea permitir
que el elemento falle antes de realizar un reemplazo, y esta decisión se puede tomar simplemente
obteniendo estadísticas relevantes para el equipo y no implica la construcción y solución de un modelo
para analizar el problema. Si se requiere una mayor confiabilidad del sistema, entonces se requiere
un rediseño. Esto puede incluir la introducción de componentes redundantes.
Sin embargo, tenga en cuenta que el mantenimiento preventivo de naturaleza general,

que no devuelve el equipo a su condición de nuevo, puede ser apropiado para equipos que
están sujetos a una tasa de riesgo constante. La determinación del mejor nivel de dicho
trabajo preventivo se cubrirá en el Capítulo 3 en un problema relacionado con la determinación de
la frecuencia óptima de inspección y mantenimiento menor asociado de equipos complejos.
2.4 INTERVALO ÓPTIMO DE REEMPLAZO PREVENTIVO DE

ARTÍCULOS SUJETOS A AVERÍA (TAMBIÉN
CONOCIDO COMO POLÍTICA DE GRUPO O DE BLOQUE)
Un artículo, a veces denominado unidad o pieza reemplazable en línea, está sujeto a fallas
repentinas y, cuando ocurre la falla, el artículo debe ser reemplazado. Debido a que la falla
es inesperada, no es descabellado suponer que un reemplazo defectuoso es más costoso
que un reemplazo preventivo. Por ejemplo, se planifica un reemplazo preventivo y se hacen
arreglos para realizarlo sin demoras innecesarias, o quizás una falla pueda causar daños a
otros equipos. Para reducir el número de fallas, se pueden programar reemplazos
preventivos a intervalos específicos. Sin embargo, se requiere un equilibrio entre la cantidad
gastada en los reemplazos preventivos y sus beneficios resultantes, es decir, reemplazos
reducidos por fallas. Las consecuencias conflictivas de los costos y su resolución al identificar
la curva de costo total se ilustran en la Figura 2.12.
Costo total por semana

C(tp )
Reemplazo de falla
costo/semana
aname/$
s
Reemplazo preventivo
costo/semana
tp
Valor óptimo de tp
Conflictos preventivos de costos de reposición
FIGURA 2.12 Tiempo óptimo de reemplazo.

En esta sección asumiremos, no sin razón, que estamos ante un

largo período durante el cual se utilizará el equipo y los intervalos entre los reemplazos preventivos son
relativamente cortos. Cuando este es el caso, necesitamos considerar sólo un ciclo de operación y
desarrollar un modelo para un ciclo. Si el intervalo entre los reemplazos preventivos es largo, sería
necesario utilizar un enfoque de descuento y la serie de ciclos tendría que incluirse en el modelo
(Capítulo 4) para tener en cuenta el valor del dinero en el tiempo. .
La política de reemplazo es aquella en la que los reemplazos preventivos ocurren en intervalos de

tiempo fijos; Los reemplazos por fallas ocurren siempre que sea necesario. Queremos determinar el
intervalo óptimo entre los reemplazos preventivos para minimizar el costo total esperado de reemplazar
el equipo por unidad de tiempo.
1. Cp es el costo total de un reemplazo preventivo.

2. Cf es el costo total de un reemplazo fallido.
3. f(t) es la función de densidad de probabilidad de los tiempos de falla del artículo.
4. La política de reemplazo es realizar reemplazos preventivos en intervalos constantes de
longitud tp, independientemente de la antigüedad del artículo, y los reemplazos de falla
ocurren tantas veces como sea necesario en el intervalo (0, tp). La política se ilustra en la
Figura 2.13.
5. El objetivo es determinar el intervalo óptimo entre reemplazos preventivos para minimizar el
costo total esperado de reemplazo por unidad de tiempo.
El costo total esperado por unidad de tiempo para el reemplazo preventivo en intervalos de longitud
tp denotado C(tp) es
C(tp) = costo total esperado en el intervalo (0, tp)/duración del intervalo
Costo total esperado en el intervalo (0, tp )
= costo de un reemplazo preventivo + costo esperado de los reemplazos fallidos
= Cp + Cf H(tp )
donde H(tp) es el número esperado de fallas en el intervalo (0, tp).
Reemplazo preventivo
Reemplazos de fallas
0 t pag
un ciclo
FIGURA 2.13 Ciclo de reemplazo: política de intervalo constante.

Por lo tanto,
Cp + CfH(tp )
C(t ) = . (2.3)
pag
tp
Este es un modelo del problema que relaciona el intervalo de reemplazo tp con el costo total C(tp).
Diferenciando el lado derecho de la Ecuación 2.3 con respecto a tp y equiparando
ponerlo a cero da el resultado optimizado:
tp h(tp) – H(tp) = Cp/Cf
donde h(tp) es la derivada de H(tp) y se denomina densidad de renovación:

tp
h(t)dt = H(tp ). Consulte la Sección 2.4.3 para obtener la derivación de H(t).

0
Una solución numérica a la Ecuación 2.3 se ilustrará mediante un ejemplo en la Sección
2.4.4. Antes de continuar con el ejemplo, ilustraremos un procedimiento para determinar H(tp), el número
esperado de fallas en un intervalo de longitud tp.
2.4.3 DETERMINACIÓN DE H(t)

2.4.3.1 Enfoque de la teoría de la renovación
Con referencia a la Figura 2.14, podemos definir los siguientes términos:
N(t) es el número de fallas en el intervalo (0, t).

H(t) es el número esperado de fallas en el intervalo (0, t) = E[N(t)], donde E[∙] denota expectativa.
t1, t2, etc., son los intervalos entre fallas.

Sr es el tiempo hasta la résima falla = t1 + t2 + … + tr
Ahora bien, la probabilidad de N(t) = r es la probabilidad de que t se encuentre entre la résima y la (r

+ 1)ésima falla. Esto se obtiene de la siguiente manera:
Nuevo Testamento)
Sr.
t t t t r +1
1 2 3
0 1 2 3 r t r +1
FIGURA 2.14 Establecimiento de H(t).

P[N(t) < r] = 1 − Fr(t)
donde Fr(t) es la función de distribución acumulada de Sr:
P[N(t) > r] = Fr+1(t).
Ahora,
P[N(t) < r] + P[N(t) = r] + P[N(t) > r] = 1.
Por lo tanto,
P[N(t) = r] = Fr(t) − Fr+1(t).
El valor esperado de N(t) es entonces
H(t) = rP[N(t) = r] = r[Fr (t) − Fr+1 (t)]

r=0 r=0
H(t) = Fr (t). (2.4)

r=1
Al tomar las transformadas de Laplace* de ambos lados de la Ecuación 2.4, obtenemos
f (s) . (2.5)
H (s) =

s[1− f (s)]
El problema entonces es determinar H(t) a partir de H*(s). Esto se hace determinando f(t) a
partir de f*(s), un proceso denominado inversión. La inversión generalmente se hace con
referencia a tablas que dan transformadas de funciones de Laplace y dan f(t) correspondiente
a formas comunes de f*(s).
* Si f(t) es la función de densidad de probabilidad de una variable aleatoria no negativa T, la transformada de Laplace
f*(s) se define por f *(s) = E exp[−sT] = exp[−st]f (t)dt. La principal importancia de las transformadas de Laplace.
0
En la teoría de la renovación está asociado con las sumas de variables aleatorias independientes. Para más detalles sobre la
teoría de la renovación, véase Cox (1962).
Ejemplo
Si f(t) = λe –λt, entonces de las tablas, f*(s) = λ/(λ + s). De la Ecuación 2.5,
/( + s)
H(s) = = /s 2.
s[1− /( + s)]
De las tablas, la función correspondiente a 1/s 2 es t, por lo que
H(t) = λt.
En la práctica, H*(s) sólo puede invertirse en casos simples. Sin embargo, si t es

grande (tendiendo a infinito),
t 2
−
2
H(t) +
2
(2.6)
2
2
donde μ y σ son la media y la varianza de f(t), respectivamente.
Ejemplo
2 = 1. Si el intervalo
Un ítem falla según la distribución normal con μ = 5, σ
entre reemplazos preventivos es t = 1000 semanas, luego de la Ecuación 2.6,
1000 125
H(1000) + = 199,5 fracasos.
5 50
Por supuesto, no esperamos obtener un gran número de fallas entre reemplazos

preventivos (si lo hacemos, no estamos realizando reemplazos preventivos), por lo
que la Ecuación 2.6 no es apropiada y, por lo tanto, debemos usar la Ecuación 2.5.
Para evitar posibles dificultades al invertir H*(s), generalmente se adopta un enfoque
discreto para determinar H(t).
2.4.3.2 Enfoque discreto

La Figura 2.15 ilustra el caso en el que transcurren 4 semanas entre reemplazos
preventivos. Entonces, H(4) es el número esperado de fallas en el intervalo (0, 4),
comenzando con equipos nuevos.
Nuevo equipamiento Reemplazo preventivo
0 1 2 3 4
FIGURA 2.15 Establecimiento de H(t): enfoque discreto.

Cuando comenzamos en el momento cero, la primera falla (si la hay) ocurrirá durante la primera,
segunda, tercera o cuarta semana de operación. Teniendo este hecho en mente, obtenemos lo
siguiente:
H(4) = número de fallas esperadas que ocurren en el intervalo (0, 4) cuando la primera falla
ocurre en la primera semana × probabilidad de que la primera falla ocurra en el
intervalo (0, 1)
+ Número de fallas esperadas que ocurren en el intervalo (0, 4) cuando la primera falla
ocurre en la segunda semana × probabilidad de que la primera falla ocurra en el
intervalo (1, 2)
ocurre en la tercera semana × probabilidad de que ocurra la primera falla en el
intervalo (2, 3)
ocurre en la cuarta semana × probabilidad de que ocurra la primera falla en el intervalo
(3, 4)
Suponga que no puede ocurrir más de una falla en cualquier intervalo semanal. Esto no es
restrictivo porque la duración de cada intervalo se puede hacer tan corta como se desee. Si este es
el caso, entonces
Número de fallas esperadas que ocurren en el intervalo (0, 4) cuando ocurre la primera falla
ocurre en la primera semana
= el fallo que ocurrió en la primera semana
+ el número esperado de fallas en las 3 semanas restantes
= 1 + H(3)
Tenga en cuenta que usamos H(3) porque tenemos equipo nuevo como resultado del reemplazo
del componente defectuoso en la primera semana, y tenemos 3 semanas antes de que ocurra el
reemplazo preventivo. Por definición, el número esperado de fallas en las 3 semanas restantes,
comenzando con el nuevo equipo, es H(3).
1
La probabilidad de que ocurra la primera falla en la primera semana = f (t)dt. Similarmente,

0
como consecuencia del primer fallo ocurrido en la segunda, tercera o cuarta semana,
1 2
H(4) = [1+ H(3)] f (t)dt + [1+ H(2)] f (t)dt

0 1
3 4
+ [1+ H(1)] f (t)dt + [1+ H(0)] f (t)dt.

2 3
Obviamente, H(0) = 0. Es decir, faltando cero semanas, el número esperado de fallas es cero.
Ordenando la ecuación anterior, obtenemos
yo+1
3
H(4) = [1+ H(3 − i)] f (t)dt

yo=0
i
con H(0) = 0.
En general,
T 1 yo+1
(2.7)
H(T) = [1+ H(T − i −1)] f (t)dt,T 1
yo=0
i
con H(0) = 0.
La ecuación 2.7 se denomina relación de recurrencia. Como sabemos que H(0) = 0, tenemos
Puede obtener H(1), luego H(2), luego H(3), y así sucesivamente, a partir de la ecuación 2.7.
Ejemplo
1
Supongamos f (t) =
6
,0 t 6. Esto se ilustra en la figura 2.16 y se denomina uniforme.
o distribución rectangular. Queremos determinar la cantidad esperada de fallas si se
realizan reemplazos preventivos cada 2 semanas.
En este caso, queremos H(2). De la Ecuación 2.7,
1 yo+1
H(2) = [1+H(1− i)] f (t)dt

yo=0 i
1 2
=[1+ H(1)] f (t)dt +[1+ H(0)] f (t)dt.

0 1
pie)
f (t) = 1/6
t
0 6
FIGURA 2.16 Distribución uniforme.

Ahora,
H(0) = 0
1
H(1) =[1+ H(0)] f (t)dt de la Ecuación 2.7

0
1
1 1 dt =
= 6 6
0
1 1
H(2) = 1+ 1 dt +(1+ 0) 2 1 litro
6 6 6
0 1
7 1 1 +1 13
= = .
66 6 36
Dado Cp = $5, Cf = $10, queremos determinar el intervalo de reemplazo óptimo para el equipo
sujeto a la estrategia de reemplazo de la Sección 2.4. Los fracasos ocurren según la distribución
normal con una media de 5 semanas y una desviación estándar de 1 semana (Figura 2.17). De
la Ecuación 2.3, tenemos:
5 +10H(tp ) .
C(t ) = pag
tp
Los valores de C(tp) para varios valores de tp se dan en la Tabla 2.6, de la cual se ve que la
política de reemplazo óptima es realizar reemplazos preventivos cada 4 semanas.
Cálculo de muestra para tp = 2 semanas:
H(2) = [1 + H(1)] [Φ(–4) – Φ(–5)] + [1 + H(0)] [Φ(–3) – Φ(–4)]
norte(5, 1) norte(0, 1)
01 5 –4 0
FIGURA 2.17 Uso de la distribución normal.

TABLA 2.6
Intervalo óptimo de reemplazo preventivo

tp 1 2 3 4 5 6
C(tp) 5.00 2.51 1.74 1,65 2.00 2.24
(Consulte el Apéndice 1 para obtener orientación sobre cómo leer la tabla de distribución normal
estandarizada).
De las tablas, Φ(−4) ≈ 0 y Φ(−5) ≈ 0, y ahora
(−3) − (−4) = 0,00135 − 0 = 0,00135

H(0) = 0
H(1) = [1+ H(0)] 0=0
H(2) = (1+ 0) 0 + (1+ 0) 0,00135 = 0,00135.
Por lo tanto,
C(2) = (5 + 10 × 0,00135)/2 = $2,51/semana.
En este ejemplo, no se tuvo en cuenta el tiempo requerido para realizar reemplazos preventivos y
de falla porque se consideraron muy cortos (horas o días), en comparación con el tiempo medio
entre el reemplazo de un artículo, que puede medirse en semanas o meses. Cuando sea necesario,
las duraciones de reemplazo se pueden incorporar al modelo de reemplazo, como se requiere
cuando el objetivo es minimizar el tiempo de inactividad total o, de manera equivalente, maximizar
la disponibilidad del artículo. Esto se presentará en la Sección 2.6. Por supuesto, cualquier costo
en el que se incurra debido a las paradas por reemplazo debe incluirse como parte de Cp, el costo
total de un reemplazo preventivo, y Cf, el costo total de un reemplazo por falla.
En esta sección, al establecer el intervalo óptimo de reemplazo preventivo, utilizamos el término

tiempo. En la práctica, lo que medimos es un indicador que se utiliza para monitorear la salud de
un artículo. El tiempo calendario es perfectamente aceptable si la utilización de un artículo es
constante, pero si ese no es el caso, se debe utilizar una variable mejor para medir la antigüedad
del artículo, como horas de operación, peso del material procesado, ciclos de operación, etcétera.
El problema clave con el reemplazo preventivo de componentes que se aborda en este capítulo
es que sólo se utiliza una variable para estimar la salud del artículo según lo descrito por su
probabilidad de falla. Más adelante en el Capítulo 3, cuando tratemos el mantenimiento basado en
la condición, estimaremos la salud de un elemento teniendo en cuenta no sólo la edad sino también
las mediciones que se adquieren en el momento del monitoreo de la condición.
El Capítulo 1 analizó la metodología del mantenimiento centrado en la confiabilidad. Cabe

señalar que una de las tácticas de mantenimiento que resultan del empleo de mantenimiento
centrado en la confiabilidad se denomina decisión de descarte basada en el tiempo. Esta sección
ha presentado un modelo que se puede utilizar para establecer la decisión óptima de descarte
basada en el tiempo si el objetivo es una política de reemplazo preventivo de intervalo constante.
2.4.6 UNA APLICACIÓN: INTERVALO ÓPTIMO DE REEMPLAZO

PARA EMBRAGUE DE DIRECCIÓN IZQUIERDO
En una operación minera a cielo abierto, la política actual era reemplazar el embrague de
dirección izquierdo de un equipo móvil sólo cuando fallaba. En esta aplicación, había una flota
de seis máquinas idénticas, todas operando en el mismo entorno. La flota había experimentado
siete fracasos. Cuando se llevó a cabo el estudio, las seis máquinas estaban funcionando en el
sitio de la mina. Para aumentar el
Con el tamaño de la muestra, se obtuvieron datos sobre las edades actuales de los embragues
de las seis máquinas actualmente en funcionamiento, por lo que los datos disponibles para el
análisis incluyeron siete fallas y seis suspensiones. Utilizando el procedimiento descrito en el
Apéndice 2 para combinar datos de falla y suspensión, el parámetro de forma de Weibull β se
estimó en 1,79 y el tiempo medio hasta la falla se estimó en 6500 h. Esto indica que existe una
probabilidad cada vez mayor de que el embrague falle a medida que envejece porque β es
mayor que 1,0.
Para determinar la edad óptima de reemplazo preventivo para minimizar el costo total es
necesario obtener los costos. En este caso, el costo total de un reemplazo preventivo se obtuvo
sumando el costo de la mano de obra (16 h, dos personas cada una a las 8 h),
Costo de piezas y equipos fuera de servicio (8 h). El costo de reemplazo de una falla se obtuvo
sumando el costo de mano de obra (24 h, dos personas a las 12 h), repuestos y costo de equipo
fuera de servicio (12 h).
Aunque la consecuencia de costo asociada con un reemplazo por falla fue mayor que la de
un reemplazo preventivo, no fue lo suficientemente grande como para justificar un cambio en la
política actual de reemplazar solo en caso de falla. Pero al menos la operación minera tuvo una
decisión basada en evidencia. Como dijo más tarde el superintendente de mantenimiento: “Una
política de funcionamiento hasta el fallo fue una conclusión sorprendente, ya que el embrague
presentaba características de desgaste. Sin embargo, las consideraciones económicas no
justificaron el reemplazo preventivo según una política de mantenimiento de tiempo fijo”.
2.5 EDAD ÓPTIMA DE REEMPLAZO PREVENTIVO DE

UN ARTÍCULO SUJETO A DESGLOSE
Este problema es similar al de la Sección 2.4, excepto que en lugar de realizar reemplazos
preventivos a intervalos fijos, con la posibilidad de realizar un reemplazo preventivo poco
después de un reemplazo por falla, el momento en que ocurre el reemplazo preventivo depende
del antigüedad del artículo. Cuando ocurren fallas, se realizan reemplazos por fallas. Cuando
esto ocurre, el reloj se pone a cero y el
el reemplazo preventivo ocurre sólo cuando el artículo ha estado en uso durante el período especificado.
Nuevamente, el problema es equilibrar el costo de los reemplazos preventivos con sus beneficios, y lo
hacemos determinando la edad óptima de reemplazo preventivo para el artículo para minimizar el costo total
esperado de los reemplazos por unidad de tiempo.

4. La política de reposición es realizar una reposición preventiva cuando el artículo haya alcanzado
una antigüedad determinada, tp, más reposiciones por averías cuando sea necesario. Esta
política se ilustra en la Figura 2.18.
5. El objetivo es determinar la edad óptima de reposición del artículo a
Minimizar el costo total esperado de reemplazo por unidad de tiempo.
En este problema, hay dos ciclos de operación posibles: un ciclo determinado cuando el artículo alcanza
su edad de reemplazo planificada, tp, y el otro cuando el equipo deja de operar debido a una falla que ocurre
antes del tiempo de reemplazo planificado. . Estos dos ciclos posibles se ilustran en la Figura 2.19.
El costo total de reposición esperado por unidad de tiempo, C(tp), es
Costo total de reemplazo esperado por ciclo

C(t ) =
Duración esperada del ciclo
pag
Tenga en cuenta que estamos obteniendo el costo esperado por unidad de tiempo como una proporción de
dos expectativas. Esto es aceptable en muchos problemas de reemplazo porque se ha demostrado (Smith
1955) que
k(t) = Costo esperado por ciclo

límite t→ t Duración esperada del ciclo
Falla Falla
reemplazo reemplazo
Preventivo Preventivo
reemplazo reemplazo
tp tp
0
Tiempo
GRÁFICO 2.18 Ciclos de reemplazo: política basada en la edad.

Reemplazo
preventivo Reemplazo de falla
Operación Operación
o
0
tp M(tP )
Ciclo 1 Ciclo 2
FIGURA 2.19 Posibles ciclos de reemplazo: reemplazo basado en la edad.
donde K(t) es el costo esperado acumulado debido a una serie de ciclos en un intervalo (0, t).
K(t)/t es el costo esperado por unidad de tiempo.

= costo de un ciclo preventivo probabilidad de un ciclo preventivo
+ costo de un ciclo de falla probabilidad de un ciclo de falla
= CpR(tp ) + Cf [1− R(tp )]
Recuerde, si f(t) es como se ilustra en la Figura 2.20, entonces la probabilidad de un ciclo

preventivo es equivalente a la probabilidad de que ocurra una falla después del tiempo tp, es
decir, equivalente al área sombreada, que se denota como R( tp) (consulte el Apéndice 1 para
una discusión de la función de confiabilidad).
La probabilidad de un ciclo de falla es la probabilidad de que ocurra una falla antes del tiempo
tp, que es el área no sombreada de la Figura 2.20. Como el área bajo la curva es igual a la unidad,
entonces el área no sombreada es [1 – R(tp)].
f (t)
t
0 tp
FIGURA 2.20 Distribución de fallas de artículos.

= duración de un ciclo preventivo probabilidad de un ciclo preventivo
+ duración esperada de un ciclo de falla probabilidad de un ciclo de falla
= tp R(tp ) + (duración esperada de un ciclo de falla) [1− R(tp )]
Para determinar la duración esperada de un ciclo de falla, considere la Figura 2.21. El
El tiempo medio hasta el fallo de la distribución completa es tf (t) dt, que para la distribución nor
−
La distribución mala es equivalente a la moda (pico) de la distribución. Si ocurre un reemplazo preventivo en

el momento tp, entonces el tiempo medio hasta la falla es la media de la parte sombreada de la Figura 2.21
porque el área no sombreada es una región imposible para las fallas. tf (t)dt 1 − R(tp )
tp
La media del área sombreada es , denotado como M(t ). Por lo tanto,

pag
Longitud esperada del ciclo = tp × R(tp) + M(tp) × [1 − R(tp)]
Cp R(tp ) + Cf [1− R(tp )]

C(t ) = t
pag . (2.8)
R(t ) + M(t ) [1 − R(t )]
pag pag pag pag
Este es ahora un modelo del problema que relaciona la edad de reemplazo tp con el costo total de
reemplazo esperado por unidad de tiempo.
pie)
t
0 M(t ) Media tp
pag
FIGURA 2.21 Estimación de la media de una distribución truncada.

Tenga en cuenta que no existe una solución simple para la ecuación 2.8, como la hay para la constante
modelo de intervalo, Ecuación 2.3. Sin embargo, la ecuación 2.8 se puede simplificar a
Cp R(tp ) +Cf [1− R(tp )] .

C(t ) =pag
3p
tp R(tp ) + tf (t)dt
−
Utilizando los datos del ejemplo de la Sección 2.4.4, determine la edad óptima de reemplazo del equipo.
La ecuación 2.8 se convierte en
5 R(tp ) + 10 [1− R(tp )]

C(t ) = .
pag
tp
tp R(tp ) + tf (t) dt
−
Para varios valores de tp, los valores correspondientes de C(tp) se dan en la Tabla 2.7.
de lo cual se desprende que la edad óptima de reposición es a las 4 semanas.
5 R(3) +10 [1− R(3)]

C(3) = 3
3 R(3) + tf (t)dt
−
R(3) = 1− (−2) (ver Figura 2.22)

= 0,9772
Por lo tanto,
[1 – R(3)] = 1 – 0,9772 = 0,0228
TABLA 2.7
Edad óptima de reemplazo preventivo
tp 1 2 3 4 5 6
C(tp) 5.00 2.50 1,70 1,50 1,63 1,87

norte(5, 1) norte(0, 1)
R(3) =
3 5 –2 0
FIGURA 2.22 Cálculo de las probabilidades de la política de reemplazo de edad.
tp
1 tp
−(t − )2
2 dt
tf ( t) dt = t exp 2
2
− −
y integrando por partes obtenemos

pag
t t− t−
pag
+ pag
tf (t) dt = −
donde (t) y Φ(t) son las funciones de distribución ordenada y acumulativa,

respectivamente, en t de la distribución normal estandarizada, cuya media es 0 y la
desviación estándar es 1.
Cuando σ = 1, μ = 5, entonces
3−5 3−5
tf (t) dt = − +5 = −0,0540 + 5 0,0228 = 0,0600
3
1 1
−
donde 0,0540 y 0,0228 se obtienen de los Apéndices 8 y 9, respectivamente.

Por lo tanto,
5 0,9772 + 10 0,0228
C(3) = = $1.70 por semana.
3 0,9772 + 0,0600

Al igual que en el ejemplo del apartado 2.4, no se ha tenido en cuenta el tiempo necesario
para realizar una sustitución de fallo o una sustitución preventiva. Cuando sea necesario,
los tiempos de sustitución se pueden acomodar en el modelo. La Sección 2.6 presenta
un modelo que incluirá los tiempos necesarios para realizar ya sea una falla o un
reemplazo preventivo.
2.5.5 UNA APLICACIÓN: EDAD ÓPTIMA DE REEMPLAZO DE RODAMIENTOS
Un cojinete crítico en una máquina agitadora de una fundición se reemplazaba sólo cuando
fallaba (Jardine 1979). Se sabía que el coste de una avería era aproximadamente el doble del
coste de sustituir el rodamiento en condiciones preventivas. Se conocían datos sobre las seis
edades de falla más recientes (Figura 2.23) y, a partir de ese pequeño tamaño de muestra,
se realizó un análisis de Weibull para estimar la distribución de fallas. Las mejores estimaciones
utilizando el criterio de máxima verosimilitud para el parámetro de forma (β) y la vida
característica (η) fueron 2,97 y 17,55 semanas, respectivamente. Utilizando el modelo de
reemplazo de edad (Ecuación 2.8), la edad de reemplazo preventivo óptima se identificó como 14 semanas.
La Figura 2.24 es un gráfico del costo total en función de diferentes edades de reemplazo.
Vale la pena mencionar dos puntos sobre esta aplicación.
1. Presentar gráficamente la solución óptima a la gerencia, como en la Figura 2.24, es

valioso para que la gerencia pueda ver claramente el efecto de desviarse de la
edad matemática óptima de reemplazo preventivo. De la Figura 2.24, queda claro
que una solución muy aceptable es planificar el reemplazo del rodamiento entre las
10 y 14 semanas de edad. Posponer la edad de reemplazo preventivo más allá de
las 14 semanas parece aumentar rápidamente la edad
12 23 9 13 19
Hoy
FIGURA 2.23 Tiempos históricos de falla de rodamientos.
C(tp )
1050
1000
eD
mló
/sneara
a S
950
Preventivo óptimo
edad de reemplazo
900
tp
6 8 10 12 14 dieciséis 18
FIGURA 2.24 Establecimiento de la edad óptima de reemplazo preventivo de un rodamiento.

función de costos debido a la combinación de riesgo y economía. Por el contrario, el reemplazo

preventivo antes de las 10 semanas se considera un mantenimiento excesivo.
2. En esta solicitud el tamaño de la muestra era pequeño (sólo cinco fracasos). Aunque es posible
obtener las mejores estimaciones de los parámetros de Weibull (en este caso (β = 2,97), también
es posible asignar un intervalo de confianza a los parámetros. En el caso del reemplazo
preventivo de componentes, queremos estar bastante seguros de que el intervalo de confianza
para β no incluye 1,0, porque si así fuera, significaría que las fallas podrían estar ocurriendo de
manera estrictamente aleatoria, y la mejor política de reemplazo sería reemplazar sólo en caso
de fallo. En la Sección A2.4 se presenta el establecimiento de intervalos de confianza para los
parámetros de Weibull.
2.6 EDAD ÓPTIMA DE SUSTITUCIÓN PREVENTIVA DE UN

ARTÍCULO SUJETO A AVERÍA, TENIENDO EN
CUENTA LOS TIEMPOS NECESARIOS PARA
REALIZAR AVERÍAS Y SUSTITUCIONES PREVENTIVAS
La definición del problema es idéntica a la Sección 2.5, excepto que en lugar de asumir que la falla y los
reemplazos preventivos se realizan instantáneamente, se toma en cuenta el tiempo requerido para realizar
estos reemplazos.
La edad óptima de reposición preventiva del artículo se toma nuevamente como esa edad.
lo que minimiza el costo total esperado de reemplazos por unidad de tiempo.

3. Tp es el tiempo medio necesario para realizar una sustitución preventiva.
4. Tf es el tiempo medio requerido para realizar un reemplazo de falla.
6. M(tp) es el tiempo medio hasta el fallo cuando se produce un reemplazo preventivo a la edad tp.
7. La política de reposición es realizar una reposición preventiva una vez que el artículo haya
alcanzado una edad determinada, tp, más reposiciones por averías cuando sea necesario. Esta
política se ilustra en la Figura 2.25.
8. El objetivo es determinar la edad óptima de reemplazo preventivo del artículo para minimizar el
costo total esperado de reemplazo por unidad de tiempo.
Como fue el caso del problema de la Sección 2.4, hay dos ciclos posibles de operación, y se ilustran en la
Figura 2.26.
El costo total de reposición esperado por unidad de tiempo, denotado C(tp), es

C(t ) =
pag
Falla
reemplazo Reemplazo de falla
Reemplazo
preventivo
tf tp tp tf
t
0
FIGURA 2.25 Póliza basada en la edad, incluida la duración de un reemplazo.
Reemplazo
preventivo Reemplazo de falla
Operación tp Operación tf
o
Ciclo 1 Ciclo 2
tp + tp M(tp ) + Tf
FIGURA 2.26 Ciclos de reemplazo basados en la edad, incluidas las duraciones de los reemplazos.
Costo total de reemplazo esperado por ciclo (Sección 2.5)
= Cp × R(tp) + Cf [1 − R(tp)]
= duración de un ciclo preventivo probabilidad de un ciclo preventivo
+ duración esperada de un ciclo de falla probabilidad de un ciclo de falla
= (tp + Tp )R(tp ) + [M(tp ) + Tf ][1 − R(tp )]
CpR(tp ) + Cf [1− R(tp )]

C(t ) = (t + T )R(t ) + [M(t ) + T ][1− R(t )]
pag
. (2.9)
F
pag pag pag pag pag
Este es un modelo del problema que relaciona la edad de reemplazo preventivo, tp, con el costo total esperado
de reemplazo por unidad de tiempo.
Para los datos de la Sección 2.5, a saber, Cp = $5, Cf = $10, f(t) = N(5, 1) y tiempos de reemplazo de Tp y Tf
= 0.5 semanas, determine la edad óptima de reemplazo del equipo. .
TABLA 2.8
Edad Óptima de Reemplazo Preventivo Incluyendo

Tiempos de reemplazo
tp 1 2 3 4 5 6
C(tp) 3.34 2.00 1.46 1.34 1.47 1,70
tp
−
tf (t) dt
Porque M(tp ) = , La ecuación 2.9 se convierte
en 1 − R(tp )
5 R(tp ) + 10 [1− R(tp )]

C(t ) = .
pag
tp
(tp + 0.5)R(tp ) + tf (t) dt + 0.5 1− R(tp )

−
Para diversos valores de tp, los valores correspondientes de C(tp) se dan en la Tabla 2.8.
de lo cual se desprende que la edad óptima de reposición preventiva es de 4 semanas.
5 R(3) + 10 [1− R(3)]

C(3) =
3,5 R(3) + 0,0600 + 0,5 [1− R(3)]
5 0,9772 + 10 0,0228
=
3,5 0,9772 + 0,06 + 0,5 0,0228
= 5,1140/3,4916
= $1.46 por semana
2.7 INTERVALO ÓPTIMO DE REEMPLAZO PREVENTIVO O

EDAD DE UN ARTÍCULO SUJETO A AVERÍA:
MINIMIZACIÓN DEL TIEMPO DE INACTIVIDAD
El objetivo de los problemas de las secciones 2.4 a 2.6 es minimizar el costo total por unidad de
tiempo. En algunos casos, digamos, debido a dificultades para determinar los costos o al deseo de
obtener el máximo rendimiento o utilización del equipo, la política de reemplazo requerida puede ser
una que minimice el tiempo de inactividad total por unidad de tiempo o, de manera equivalente,
maximice la disponibilidad. El problema en esta sección es determinar los mejores tiempos en
qué reemplazos deben ocurrir para minimizar el tiempo de inactividad total por unidad de tiempo. A medida que
aumenta la frecuencia de reemplazo preventivo, hay un aumento en el tiempo de inactividad debido a estos
reemplazos, pero una consecuencia de esto es una reducción del tiempo de inactividad debido a reemplazos
fallidos, y deseamos obtener el mejor equilibrio entre ellos.
2.7.2 CONSTRUCCIÓN DE LOS MODELOS
1. Tf es el tiempo de inactividad medio necesario para realizar una sustitución averiada.

2. Tp es el tiempo de inactividad medio necesario para realizar una sustitución preventiva.
2.7.2.1 Modelo 1: Determinación del intervalo óptimo de reemplazo preventivo

4. El objetivo es determinar el intervalo de reemplazo óptimo, tp, entre reemplazos preventivos para
minimizar el tiempo de inactividad total por unidad de tiempo. La política se ilustra en la Figura 2.27.
El tiempo de inactividad total por unidad de tiempo, para el reemplazo preventivo en el momento
tp, denotado como D(tp), es:
Tiempo de inactividad esperado por fallas + tiempo de inactividad por reemplazo preventivo
D(t ) =
Duración del ciclo
pag
Tiempo de inactividad debido a fallas = número de fallas en el intervalo (0, tp) × tiempo requerido para
realizar un reemplazo de falla = H(tp) × Tf
Tiempo de inactividad por sustitución preventiva = Tp
Por lo tanto,
H(tp )Tf + Tp
D(t ) = . (2.10)
pag
tp + tp
Este es un modelo del problema que relaciona el intervalo de reemplazo tp con el tiempo de
inactividad total D(tp).
Falla Preventivo
reemplazos reemplazo
tf tf tp
tp
un ciclo
FIGURA 2.27 Minimización del tiempo de inactividad: intervalo óptimo.

2.7.2.2 Modelo 2: Determinación de la Edad Óptima de Reemplazo Preventivo

5. El objetivo es determinar la edad óptima, tp, en la que deben realizarse los reemplazos preventivos
de modo que se minimice el tiempo de inactividad total por unidad de tiempo. La política se
ilustró anteriormente en la Figura 2.26, de la cual se vio que hay dos ciclos posibles de operación.
El tiempo de inactividad total por unidad de tiempo para reemplazos preventivos una vez que
el artículo alcanza la mayoría de edad tp es:
D(tp) = (tiempo de inactividad total esperado/ciclo)/duración del ciclo esperada
Tiempo de inactividad total esperado/ciclo = tiempo de inactividad debido a un ciclo preventivo

× probabilidad de un ciclo preventivo + tiempo de inactividad debido a un ciclo de falla
× probabilidad de un ciclo de falla = TpR(tp) + Tf [1 − R(tp)]
Duración esperada del ciclo (Sección 2.5.2) = (tp + Tp) R(tp) + [M(tp) + Tf] [1 − R(tp)]
Por lo tanto,
TpR(tp ) + Tf [1− R(tp )] .

D(t ) =
pag (2.11)
(t + T )R(t ) + [M(t ) + T ][1− R(t )]
F
pag pag pag pag pag
Este es un modelo del problema que relaciona la edad de reemplazo con el tiempo de inactividad total.
2.7.3 EJEMPLOS NUMÉRICOS
Sea Tf = 0,07 semana, Tp = 0,035 semana y f(t) = N(5, 1).
2.7.3.1 Modelo 1: Intervalo de reemplazo

De la Ecuación 2.10, tenemos:
H(tp ) 0,07 + 0,035

D(t ) = pag
.
tp + 0,035
La tabla 2.9 proporciona valores de D(tp) para varios valores de tp. Aquí se puede observar que el
intervalo de reemplazo óptimo es tp = 4 semanas.
TABLA 2.9
Intervalo de reemplazo preventivo óptimo: minimización del tiempo de inactividad
tp 1 2 3 4 5 6
D(tp) 0.0338 0.0173 0.0121 0.0114 0.0139 0.0156

Cálculo de muestra para tp = 2:
H(2) 0,07 + 0,035

re(2) =
2 + 0,035
H(2) = 0,00135 (de la Sección 2.4.4)
Por lo tanto,
D(2) = 0,0173 semanas
2.7.3.2 Modelo 2: Edad de Reemplazo
De la Ecuación 2.11, tenemos:
0,035R(tp ) + 0,07[1− R(tp )] .

D(t ) = pag
(t + 0,035)R(t ) + [M(t ) + 0,07][1− R(t )] (2.12)
pag pag pag pag
Entonces, la Ecuación 2.12 se convierte en
0,035R(tp ) + 0,07[1 − R(tp )] .

D(t ) = (2.13)
pag
tp
(tp + 0,035)R(tp ) + tf (t) dt + 0,07[1− R(tp )]

−
Insertando diferentes valores de tp en la Ecuación 2.13, se puede construir la Tabla 2.10,

de lo cual se desprende que la edad óptima de reposición es a las 4 semanas.
Cálculo de muestra para tp = 3:
0,035R(3) + 0,07 [1− R(3)]

re(3) = .
3
(3 + 0,035)R(3) + tf (t) dt + 0,07 [1− R(3)]

−
TABLA 2.10
Edad óptima de reemplazo preventivo: minimización del tiempo de inactividad

tp 1 2 3 4 5 6
D(tp) 0.0338 0.0172 0.0118 0.0102 0.0113 0.0129

De la Sección 2.5.3,
R(3) = 0,9772 1− R(3) = 0,0228

tf (t) dt = 0,0600.
−
Por lo tanto,
D(3) = 0,0118 semanas.
Con referencia al modelo 1, siempre que el tiempo requerido para un reemplazo por falla sea pequeño en
relación con los intervalos que se consideran para el reemplazo preventivo (por ejemplo, 0,07 en lugar de 4),
es razonable utilizar la formulación H(T ) de Sección
2.4.3 para determinar el número esperado de fallas en el intervalo (0, tp). En rigor, se debe tener en cuenta
el hecho de que el tiempo disponible entre los reemplazos preventivos por fallas se reduce debido al tiempo
de inactividad que se produce al realizar los reemplazos de fallas.
Tenga en cuenta también que aunque el intervalo de reemplazo y la edad de reemplazo para minimizar el
tiempo de inactividad son ambos de 4 semanas, la política basada en la edad ofrece una reducción en el
tiempo de inactividad del 10,5 % para las cifras utilizadas en el ejemplo en comparación con la política basada
en intervalos.
2.7.5 APLICACIONES
2.7.5.1 Reemplazo de Paños de Refinería de Azúcar

La práctica en una refinería era reemplazar ciertos componentes críticos en una centrífuga sólo cuando
fallaban (Jardine y Kirkham 1973). El objetivo era identificar
un tiempo de cambio óptimo para varios componentes, incluida la tela, de modo que se maximizara la
disponibilidad de la máquina. Como se mencionó en la Sección 2.3, uno de los requisitos para que valga la
pena el reemplazo preventivo es que la probabilidad de que un artículo falle en servicio debe aumentar a
medida que envejece. En este estudio,
cuando se analizaron las estadísticas de falla (había 229 intervalos de falla disponibles para el análisis), el
parámetro de forma de Weibull, β, fue igual a 1,0. Así, en este caso, el modelo de minimización del tiempo de
inactividad no era necesario y la conclusión fue que la mejor política de reemplazo era continuar reemplazando
las telas sólo cuando
ellos fallaron.
En la práctica, podemos hacernos la pregunta: ¿Por qué las telas fallan “estrictamente” al azar?
En otras palabras, la probabilidad condicional de que una tela nueva falle es la misma que la de una vieja. Si
se aborda esta cuestión, tal vez se pueda realizar un diseño o un cambio en los procedimientos operativos.
En el caso descrito, se tomó la decisión de continuar usando el mismo tipo de tela y continuar con la práctica
anterior, es decir, reemplazar el artículo sólo en caso de falla.
2.7.5.2 Reemplazo de piensos de azúcar en una refinería de azúcar

En el estudio discutido anteriormente, otro componente examinado fue el alimento azucarado (Jardine
y Kirkham 1973). Una vez más, la política vigente fue reemplazar el alimento una vez que alcanzara
un estado de falla definido, y el objetivo era establecer un tiempo de reemplazo preventivo óptimo (ya
sea edad o intervalo) de modo que el tiempo de inactividad del alimento azucarado se minimizara o,
de manera equivalente, se redujera la disponibilidad. maximizado. Cuando se analizaron las
estadísticas de falla en este caso, el parámetro de forma de Weibull tomó el valor de 0,8. Esto fue algo
sorprendente porque indicaba una alta probabilidad de falla en el suministro de azúcar poco después
de la instalación, en comparación con una etapa posterior de la vida útil del alimento. Nuevamente
cabe preguntarse: ¿por qué? En este caso, una posible razón es un proceso de instalación de mala
calidad para la pieza y quizás con capacitación adicional, el instalador podría mejorar la instalación.
Una consideración que vale la pena al abordar el análisis estadístico de datos, especialmente si se
observa una sorpresa, es mirar detrás de las estadísticas. Quizás haya habido un error en la
adquisición de datos. En este estudio, los datos fueron examinados cuidadosamente y no había razón
para rechazar la conclusión: existe un mayor riesgo de falla en las primeras etapas de la vida del
alimento y, a medida que envejece, el riesgo de falla se reduce. Por lo tanto, la política óptima es
reemplazar el alimento sólo cuando falla.
2.8 REEMPLAZO DE GRUPO: INTERVALO ÓPTIMO ENTRE

SUSTITUCIONES DE GRUPO DE ARTÍCULOS SUJETOS A FALLA—
EL PROBLEMA DEL REEMPLAZO DE LA LÁMPARA
A veces vale la pena reemplazar artículos similares en grupos en lugar de hacerlo individualmente
porque el costo de reemplazar un artículo en condiciones de reemplazo grupal puede ser menor; es
decir, hay economías de escala. Quizás el ejemplo clásico de este tipo de situación sea el
mantenimiento de las farolas. Teniendo en cuenta el costo de transportar al personal de mantenimiento
de un departamento de iluminación hasta una sola farola averiada y los descuentos asociados con la
compra de farolas al por mayor, puede ser económicamente justificable reemplazar todas las farolas
de una calle en lugar de sólo las averiadas.
Este tipo particular de problema es prácticamente idéntico al de la Sección 2.4, excepto
que aquí estamos tratando con un grupo de elementos idénticos y no con elementos individuales.
Una gran cantidad de artículos similares están sujetos a fallas. Siempre que un artículo falla, se
reemplaza por uno nuevo; no asumimos un reemplazo grupal (es decir, reemplazar todos los artículos
al mismo tiempo) en tales condiciones. También existe la posibilidad de que el reemplazo de grupo se
pueda realizar en intervalos de tiempo fijos. Se supone que el costo de reemplazar un artículo en
condiciones de reemplazo grupal es menor que el de reemplazo por falla. Cuanto más frecuentemente
se realice el reemplazo de grupo, menos reemplazos por fallas ocurrirán, pero se requiere un equilibrio
entre el dinero gastado en reemplazos de grupo y la reducción de los reemplazos por fallas.
El modelo desarrollado para este problema se basa en el supuesto de que la política de reemplazo
es realizar reemplazos grupales en intervalos de tiempo fijos, y los reemplazos por fallas se realizan
según sea necesario. Deseamos determinar el óptimo
intervalo entre los reemplazos del grupo para minimizar el costo total esperado de reemplazo por unidad
de tiempo.
1. Cg es el costo de reemplazar un artículo en condiciones de reemplazo grupal.

2. Cf es el costo de un reemplazo defectuoso.
3. f(t) es la función de densidad de probabilidad de los tiempos de falla de los artículos.
4. N es el número total de elementos del grupo.
5. La política de reemplazo es realizar reemplazos grupales a intervalos constantes de longitud,
tp, y los reemplazos por fallas se realizan tantas veces como sea necesario en el intervalo (0,
tp). La política se ilustra en la Figura 2.28.
6. El objetivo es determinar el intervalo óptimo entre reemplazos de grupo para minimizar el costo
total esperado de reemplazo por unidad de tiempo.
El costo total de reemplazo esperado por unidad de tiempo para el reemplazo del grupo en el momento
tp, denotado como C(tp), es
Costo total esperado en el intervalo (0, tp ) .

C(t ) =
Longitud del intervalo
pag
Costo total esperado en el intervalo (0, tp) = costo de reemplazo del grupo en el momento tp + costo
esperado de los reemplazos por fallas en el intervalo (0, tp) = NCg + NH(tp)Cf, donde H(tp) es el número
esperado de veces un elemento falla en el intervalo (0, tp). El método para determinar H(tp) se proporciona
en la Sección 2.4.3. Por lo tanto,
NCg + NH(t )cf

.
pag
C(t ) = (2.14)
pag
tp
Este es un modelo del problema de reemplazo grupal que relaciona el intervalo de reemplazo tp con el
costo total.
Reemplazos de fallas Reemplazo de grupo
0 tp
un ciclo
FIGURA 2.28 Reemplazo de grupo.

Utilizando los datos proporcionados en el ejemplo de la Sección 2.4.4, a saber,
1. Costo de un reemplazo defectuoso = $10

2. Costo de un reemplazo bajo condiciones de reemplazo grupal = $5
3. f(t) = norte(5, 1)
y suponiendo que hay 100 elementos en el grupo, se puede construir la tabla 2.11.
Da valores de C(tp), el costo total de reemplazo por unidad de tiempo, para varios valores de tp, el intervalo
de reemplazo del grupo, de lo cual se ve que el intervalo óptimo entre reemplazos de grupo es de 4 semanas.
C(2) = [100 × 5 + 100 × H(2) × 10]/2
H(2) = 0,00135 (del ejemplo de la Sección 2.4.4).
Por lo tanto,
C(2) = [500 + 1,4]/2 = $251.
Como se señaló antes del planteamiento del problema de esta sección, el intervalo óptimo de reemplazo
grupal para el ejemplo anterior es idéntico al intervalo óptimo de reemplazo preventivo para un solo artículo,
como se indica en la Sección 2.4. El costo total mínimo de reemplazo para el reemplazo de un grupo es el
mismo que para una sola unidad, multiplicado por la cantidad de artículos en el grupo.
2.8.5 UNA APLICACIÓN: INTERVALO DE REEMPLAZO ÓPTIMO PARA

UN GRUPO DE 40VÁLVULAS EN UN COMPRESOR
Actualmente, en un compresor de la industria del petróleo y del gas se sustituye un grupo de 40 válvulas
cada 9.000 h. El examen de la base de datos de mantenimiento de la empresa indica que en estos intervalos
de 9000 h, ocasionalmente hay una falla de la válvula y, cuando esto ocurre, se reemplaza la válvula
defectuosa.
TABLA 2.11
Costo de reemplazo de grupo por unidad de tiempo

tp 1 2 3 4 5 6
C(tp) 500 251 174 165 200 224

Decisiones de reemplazo de componentes sesenta y cinco
A partir de esta fuente de datos, es posible estimar la distribución de fallas de una válvula en ese
entorno operativo como Weibull con los siguientes parámetros: forma (β) = 2, ubicación (γ) = 3600 horas,
vida característica (η) = 138,118 horas, y tiempo medio hasta el fallo (μ) = 126.000 horas.
El costo asociado con la falla del compresor debido a un problema de válvula se estima en
$94,024, y por reemplazo preventivo del grupo de 40 válvulas es de $24,256.
Usando el modelo de intervalo constante, Ecuación 2.3, el tiempo óptimo de cambio de la válvula se
identifica como 84 000 horas con un costo asociado de $0,66/hora, en comparación con el costo bajo la
política actual de $2,65/hora. Así, se produce una reducción de costes del 76%.
Sin embargo, dados los datos limitados que estaban disponibles para el análisis, es posible que no
adoptemos inmediatamente el intervalo de reemplazo de 84.000 horas. El análisis revela que la curva de
costo total es bastante plana alrededor del intervalo de reemplazo óptimo y, además, al duplicar el intervalo
de reemplazo actual a 18.000 horas, se podría esperar un ahorro muy sustancial en comparación con la
práctica actual porque se reduciría el costo por hora. a $1,41/hora, logrando un ahorro del 47%.
2.9 OTROS MODELOS DE SUSTITUCIÓN

Se describen tres clases adicionales de modelos de reemplazo de componentes para el lector interesado.
En cada caso, el nivel de matemáticas utilizado es de un orden ligeramente superior al de los modelos
desarrollados en este libro.
2.9.1 REEMPLAZO MULTIETAPA

Una estrategia de reemplazo de múltiples etapas puede ser relevante en la situación en la que hay un
grupo de artículos similares que pueden dividirse en subgrupos dependiendo del costo de reemplazar un
artículo en caso de falla.
Por ejemplo, algunos elementos pueden ser más costosos de reemplazar que otros debido a que una
falla en una posición clave tiene repercusiones costosas.
En un informe de Bartholomew (1963) se examina una estrategia de sustitución en dos etapas.
El problema examinado es aquel en el que hay N artículos similares divididos en dos grupos, N1 y N2,
y los costos de reemplazo de un artículo en estos grupos son C1.
y C2, respectivamente. La estrategia de reemplazo en dos etapas se ilustra en la figura 2.29.
En la Figura 2.29, se supone que el costo de reemplazo en la etapa 1 es mayor que el de la etapa 2.
En este caso, todas las fallas que ocurren en la etapa 2 son reemplazadas por elementos operativos de
la etapa 1. Vacantes que ocurren en la etapa 1, ya sea causado por falla
o transferencia de elementos operativos a la etapa 2, son reemplazados por elementos nuevos. Aunque
esta estrategia no reduce la tasa general de fallas en estado estacionario del sistema, sí la disminuye
en la etapa 1 (donde el costo de reemplazo es alto) y la aumenta en la etapa 2 (donde el costo de
reemplazo es bajo). En el artículo de Bartholomew, se derivan las condiciones para que el reemplazo en
dos etapas sea preferible al reemplazo simple (es decir, reemplazar cualquier
falla directamente con un nuevo artículo).
Una posible aplicación de esta estrategia se refiere a la sustitución de neumáticos en determinadas
clases de equipos móviles. Por ejemplo, si ocurre una falla en una llanta trasera
en un remolque y se va a reemplazar, luego se reemplaza por un neumático de uno de los delanteros
ruedas del tractor (motor primario), y se coloca el neumático nuevo en la rueda del tractor.
Nivel 1
N1 artículos
Nuevos objetos Costo de reemplazo Fallos en la etapa 1
por artículo = C1
Transferencia de elementos operativos.

en la etapa 1 a la etapa 2
Etapa 2
N2 artículos
Fallos en la etapa 2
Costo de reemplazo
por artículo = C2
FIGURA 2.29 Reemplazo en dos etapas.
La estrategia de dos etapas se amplía en un artículo de Naik y Nair (1965) para abordar
la posibilidad de definir varias etapas en un sistema, definiendo cada etapa por su costo de
reposición. Robinson (1974) ofrece una aplicación de la estrategia de dos etapas a la
planificación de recursos.
2.9.2 POLÍTICAS OPCIONALES
Frecuentemente, un artículo deja de funcionar no por su propia falla sino porque hay una
parada de producción por algún motivo. Cuando esto sucede, es posible que el especialista
en mantenimiento tenga que decidir si aprovechará la oportunidad del tiempo de inactividad
para realizar un reemplazo preventivo.
Woodman (1967) analizó esta clase de problema y construyó un modelo para cubrir
pólizas opcionales (llamadas así porque la decisión de aprovechar o no la oportunidad de
tiempo de inactividad es opción del especialista en mantenimiento). Básicamente, el modelo
tiene en cuenta los costos de reemplazo de fallas, el costo de reemplazo durante el tiempo
de inactividad, la distribución de fallas del equipo sujeto a reemplazo y el
Frecuencia con la que ocurren las oportunidades de reemplazo. La solución del modelo da
como resultado la determinación de límites de control, que permiten al especialista
determinar si aprovechar la oportunidad, dependiendo de la antigüedad del equipo. Esta
política se ilustra en la Figura 2.30. Si ocurre una falla en el equipo, se reemplaza.
Si se presenta una oportunidad de reemplazo y la antigüedad del equipo excede el límite
de control, se realiza un reemplazo preventivo; de lo contrario, el equipo se deja durante la
oportunidad y se le permite continuar operando. Kaspi y Shabtay (2003) presentes
Reemplazo por falla del equipo

edad que excede el límite de control
eE
opdiauldq d
e
0
Control
límite
0 0
0
Tiempo
FIGURA 2.30 Política de reemplazo opcional, 0 = oportunidades de reemplazo.
modelos que utilizan el enfoque de modelado de reemplazo opcional para máquinas herramienta
en un entorno de fabricación.
2.9.3 SISTEMAS REPARABLES
Hasta ahora en el capítulo, se ha asumido que la renovación del ítem ocurrió en el momento de la
acción de mantenimiento. Si esto no es aceptable, entonces necesitamos modelos aplicables a
sistemas reparables. Un libro clásico que aborda estos problemas es el de Ascher y Feingold (1984),
en el que se introduce el concepto de sistemas evasivos, felices y tristes. La Figura 2.31 ilustra
estas descripciones de sistemas utilizando los cinco conjuntos de datos de fallas de rodamientos
que se introdujeron por primera vez en la Sección 2.5.5. Antes de proceder a utilizar los modelos
de intervalo y edad presentados, es necesario que las fallas sean lo que se denomina idénticas y
distribuidas independientemente, es decir, la distribución de fallas de cada nuevo ítem sea idéntica
a la anterior, y cada tiempo de falla sea independiente del el anterior. Para comprobar que este es
el caso, se puede realizar una prueba de tendencia sobre los tiempos de fallo ordenados
cronológicamente (consulte la prueba de tendencia de Laplace descrita en la Sección A2.12 del
Apéndice 2). La Figura 2.31 ilustra que los momentos de evasión no tienen una tendencia clara,
mientras que ese no es el caso de los momentos que se presentan en las filas identificadas como
“felices” o “tristes”. Por supuesto, en la práctica, las tendencias pueden no ser tan fáciles de
detectar, pero siempre se debe tener cuidado antes de proceder a realizar un análisis Weibull de
los datos, para garantizar que no exista una tendencia subyacente de confiabilidad.
12 25 9 13 19 Evasivo
sistema
9 12 13 19 25 Feliz
sistema
Triste
25 19 13 12 9
sistema
FIGURA 2.31 Mantenimiento del sistema reparable.

crecimiento (el sistema feliz) o degradación de la confiabilidad (el sistema triste), que es común
en los sistemas reparables. Lhorente et al. (2004) proporcionan un ejemplo de un sistema triste.
Desde que se publicó el libro de Ascher y Feingold, muchas ideas de investigación
Se han publicado estudios sobre la mejor manera de manejar la optimización de las decisiones
de mantenimiento asociadas con sistemas reparables. En esta literatura se utilizan con
frecuencia los términos reparación mínima y general. La figura 2.32 ilustra estos dos términos.
Aquí, se ve que una reparación mínima puede considerarse como una acción de mantenimiento
muy pequeña (como reemplazar una correa de ventilador rota en un automóvil) que devuelve
el equipo/sistema al mismo estado de salud que tenía justo antes de la reparación. acción de
mantenimiento menor. Una reparación general mejora el estado del sistema, mientras que una
renovación devuelve completamente el equipo a su condición estadísticamente nueva.
El concepto de era virtual se ha introducido para modelar problemas de mantenimiento de
sistemas reparables. Malik (1978) y Kijima (1989) presentaron el concepto de edad virtual al
modelar sistemas reparables. Jiang et al. (2001) sugirieron un límite de reparación utilizando el
concepto de edad virtual al decidir qué acción de mantenimiento debería realizarse en el
momento de una falla de mantenimiento. El enfoque se ilustra en la Figura 2.33.
Aquí se puede ver que la edad real (tiempo de ejecución) de un elemento está en el eje y en la
parte superior de la figura y la edad virtual está en el eje x. Así, en la primera intervención de
mantenimiento, cuando el equipo tiene edad X1, el equipo pasa a tener edad V1 después de la
acción de mantenimiento. Una vez que el equipo ha operado durante un período adicional X2
para llevar su edad de funcionamiento a X1 + X2, se produce otra acción de mantenimiento que
lleva la edad virtual del equipo a V2.
La pregunta clave que debe abordarse es la siguiente: Cuando es necesario realizar una
intervención de mantenimiento, ¿qué medidas se deben tomar? ¿Reparación mínima, reparación
general (cuanto más dinero se gasta en una reparación general, más se acerca el equipo a su
condición de nuevo) o renovación completa? Para abordar esta pregunta, podemos ver el
concepto de límite de reparación en la Figura 2.33 a través del costo en el eje y en la mitad
inferior del diagrama.
tiempo de renovación
Tiempo mínimo de reparación
tiempo general de reparación

r(t)
Tiempo mínimo de reparación
Tiempo
FIGURA 2.32 Reparación mínima y general.

Tiempo de ejecución X
Límite para
preventivo
X1
reemplazo
Aceptable
X2 X3
operando
región
θX1 θX2 θX3
V0 V1 V2 Era virtual V
C2
C0 (límite de coste C1 Reemplazo

entre Mínimo región
reparación mínima reparar
General
y general región
reparar) reparar
región
CP
Coste de la reparación
FIGURA 2.33 Optimización de decisiones de reparación mínimas y generales.
Si el costo estimado de mantenimiento está entre cero y el límite C0, entonces se realiza una
reparación mínima. Si el costo está entre C0 y el límite de costo, entonces se realiza una reparación general.
En la figura, el coste asociado a la primera intervención de mantenimiento es C1, por lo que se debe
realizar una reparación general en lugar de una renovación completa y, en consecuencia, se mejora la
salud del equipo respecto a su estado previo a la reparación.
Si el costo excede la curva límite, entonces implica que se debe realizar una renovación completa.
De manera similar, si el tiempo de funcionamiento del equipo alcanza el límite para el reemplazo
preventivo, entonces se debe realizar una renovación completa.
En un estudio sobre reparación versus reemplazo de transformadores (Kallis 2003), se estableció que
se podía comprar un transformador nuevo por 150.000 dólares. Los componentes clave que experimentaron
fallas fueron los devanados primario y secundario, cada uno instalado sobre un núcleo de hierro laminado,
los medios aislantes internos y el tanque principal y los bujes.
Otros incluyeron el sistema de refrigeración, cambiador de tomas fuera de circuito, cambiador de tomas
bajo carga, transformadores de corriente y potencial y armarios de mecanismos.
La optimización de los sistemas reparables requiere la identificación del grado de mejora en el
desempeño de un componente después de la reparación. Para los devanados se concluyó que el grado
de reparación fue del 80%. Así, cambiar el núcleo y los devanados del transformador redujo la edad del
transformador en un 80%.
Por lo tanto, si a un transformador de 20 años se le reemplazan el núcleo y los devanados, la edad

virtual del transformador sería (20 − 0,8 × 20) = 4 años. Se investigaron grados de reparación similares
para otros componentes del transformador. Conociendo el costo de la acción de mantenimiento y
comparándolo con el costo de un transformador nuevo, se puede tomar una decisión inteligente sobre
la alternativa de reparación versus reemplazo.
Lugtigheid et al. proporcionan publicaciones de investigación que tratan del desarrollo de modelos
que pueden usarse para optimizar las decisiones de mantenimiento de equipos reparables que no
pueden tratarse como un elemento que siempre se renueva durante la acción de mantenimiento. (2004,
2005) y Nelson (2003).
2.10 ESTUDIO DE CASO SOBRE PRIORIZACIÓN DE PROYECTOS,

PRUEBAS DE TENDENCIA, ANÁLISIS WEIBULL Y
OPTIMIZACIÓN DE INTERVALOS DE REEMPLAZO DE COMPONENTES
2.10.1 INTRODUCCIÓN
El estudio se llevó a cabo en una mina subterránea para establecer los tiempos de cambio óptimos
para cuatro componentes principales (motor, eje delantero, eje trasero y transmisión) y 695 componentes
menores, llamados piezas de artículo (como la unidad de aire acondicionado y alternador) para una flota
de 14 activos móviles.
Se analizaron los datos de las órdenes de trabajo relacionados con el equipo subterráneo que se
habían recolectado durante 3 años. El conjunto de datos de órdenes de trabajo que consta de
aproximadamente 70.000 filas se extrajo del sistema de información de mantenimiento.
Los problemas de validez y limpieza de los datos representaron gran parte del esfuerzo realizado
en este estudio.
Cuando se "limpiaron" los datos, se analizaron para obtener la frecuencia de las fallas, el tiempo de
inactividad por fallas y los costos asociados con todos los componentes. Herramientas gráficas—
Los histogramas de Pareto y los diagramas de dispersión jackknife (Knights 2001) revelaron información
importante sobre costos y prioridades.
Después de los análisis gráficos, se realizó un análisis de tendencias de confiabilidad de los datos.
El análisis de tendencias determina si la falla de un componente tiene una tendencia de confiabilidad
significativa (ya sea de crecimiento o de deterioro). Esta verificación es un requisito previo, como se
explica en la Sección 2.9.3, antes de realizar el análisis de Weibull.
Con las distribuciones de falla ajustadas obtenidas, se calcularon los intervalos de reemplazo
preventivo óptimos para minimizar el costo total de mantenimiento (correctivo y preventivo) de estos
componentes.
La aplicación de políticas óptimas de reemplazo preventivo a la mayoría de las piezas de los artículos
generó un ahorro de costos del 10% al 20%. Para muchas de las piezas reconstruidas, se identificó el
“funcionamiento hasta el fallo” como la política de reemplazo adecuada.
2.10.2 EDAD ÓPTIMA DE REEMPLAZO PREVENTIVO PARA COMPONENTES PRINCIPALES
Establecer tiempos de cambio óptimos para los cuatro componentes principales (motor, eje delantero,
eje trasero y transmisión) fue bastante sencillo utilizando el enfoque de la Sección 2.5. Dadas las
distribuciones de fallas de estos componentes y los costos asociados
Tanto para los reemplazos preventivos como para los de falla, los tiempos de cambio óptimos se identificaron
con una precisión de 1000 horas como:
Motor: 25.000 horas

Eje delantero: 30.000 horas
Eje trasero: 7000 horas
Transmisión: 7000 horas
Tenga en cuenta que estos resultados no deben generalizarse, ya que son específicos del sitio y dependen de
los costos.
2.10.3 EDAD ÓPTIMA DE REEMPLAZO PREVENTIVO PARA

PIEZAS DEL ARTÍCULO ( COMPONENTES MENORES )
El mayor desafío fue el número de piezas (un total de 695). Un enfoque común para decidir dónde empezar a
analizar un gran conjunto de datos es crear un diagrama de Pareto que resalte los elementos que causan el mayor
costo o el mayor tiempo de inactividad cuando fallan. La Figura 2.34 es el diagrama de Pareto basado en el tiempo
de inactividad para las primeras 30 piezas de los 695 que causan el mayor tiempo de inactividad. Se puede crear
un cuadro similar para el costo.
Número de pieza. 6429024 es el que más contribuye al tiempo de inactividad durante los tres años de recopilación de datos
período: por lo tanto, puede considerarse la parte del artículo que debe examinarse primero.
Knights (2001), sin embargo, señala que un diagrama de Pareto no logra distinguir qué partes son las más
problemáticas, teniendo en cuenta tanto la frecuencia como la duración de las fallas. Por ejemplo, en la Figura
2.34, la parte no. 6429024 solo falló una vez durante el período de 3 años, lo que provocó un tiempo de inactividad
total, ¿o se debió a muchas fallas, cada una de ellas de corta duración? Para abordar esta limitación, Knights
desarrolló el diagrama jackknife.
La Figura 2.35 es un diagrama jackknife para el conjunto de datos representado en la Figura 2.34.
En el diagrama de navaja, los ejes son logarítmicos con la frecuencia de fallas durante el período de
recopilación de datos (en este caso, 3 años) en el eje x y la duración promedio de cada tiempo de inactividad en el
eje y.
Cada parte del artículo se traza en el diagrama jackknife; cada uno muestra la frecuencia de fallas y el tiempo
de inactividad promedio (o el costo promedio de reparación) durante el período de recopilación de datos de 3 años.
Los elementos que resultan en reparaciones prolongadas en cada ocasión de falla se clasifican como agudos.
problemas; Las fallas que se repiten con frecuencia se consideran problemas crónicos. Por tanto, podemos dividir
el diagrama de dispersión en cuatro cuadrantes como se muestra en la Figura 2.35. Los límites de umbral que
definen los límites de estos cuadrantes pueden ser determinados por la política de la empresa, o pueden ser
valores como la frecuencia media (o mediana) y la media (o mediana) de la duración promedio de cada tiempo de
inactividad. Las líneas diagonales con una pendiente de −1 en el diagrama de navaja representan un tiempo de
inactividad acumulativo constante (o un costo acumulativo constante).
La determinación de las prioridades de mantenimiento está influenciada por los imperativos comerciales.
Cuando los artículos bajo consideración requieren máxima disponibilidad, el costo de oportunidad de la pérdida de
producción excederá con creces el costo directo de reparación y mantenimiento.
En tales situaciones, mejorar la confiabilidad debería tener mayor prioridad que mejorar la mantenibilidad; El
diagrama de navaja que se muestra en la Figura 2.36 ayuda a identificar estos problemas de mayor prioridad.
35.000 100%
90%
30.000
80%
25.000
70%
60%
20.000
ae
tlcae
dadoivpim inT
to dti
50%
oedjaatlnuemcurocP
a
15.000
40%
10.000 30%
20%
10%
50000 0%
Parte del artículo
FIGURA 2.34 Diagrama de Pareto para el tiempo de inactividad de las piezas de un artículo.
10.000
1000 Agudo Agudo y crónico

a)ehm
itdce
oim
dadoivp inT
d(i
100
10
Crónico
1
1 10 100 1000
Frecuencia de falla
FIGURA 2.35 Diagrama Jackknife para piezas de artículos.
10.000
1000 Agudo A Agudo y crónico
Agudo B
oim
dadoivp m
inT
a)eh
itdce d(i
100
10 Crónico
1
1 10 100 1000
Frecuencia de falla
FIGURA 2.36 Diagrama Jackknife para artículos que funcionan con máxima disponibilidad.
En otro escenario, cuando la alta disponibilidad de los artículos no es crítica, o cuando el retorno de
la producción es bajo, la reducción del costo directo de reparación y mantenimiento se convertirá en el
principal foco de atención. En tales circunstancias, se debe dar mayor prioridad a los problemas de
mantenibilidad que a los problemas de confiabilidad; El diagrama de navaja que se muestra en la Figura
2.37 identificará estos problemas de mayor prioridad.
Cuando la minimización de costos es la máxima prioridad, la recomendación es analizar las partes

de los ítems en el siguiente orden: agudo y crónico, crónico A, agudo y luego el resto de ítems.
Tenga en cuenta que ninguna de las dos partes del ítem identificadas en el cuadrante agudo y
crónico es el ítem 6429024, identificado en el diagrama de Pareto (Figura 2.34) como el que debe
abordarse primero. La parte 6429024 aparece en la categoría crónica A en la Figura 2.35.
Para cada parte del ítem, se realizó una prueba de tendencia como se describe en el Apéndice 2,
Sección A2.12. Siempre que se identificaba una tendencia de deterioro para una parte de un ítem, como
la ilustrada en la Figura 2.38, se rechazaba para el análisis de Weibull porque las fallas no estaban
distribuidas de manera idéntica e independiente (Sección 2.9.3). Se tomó la misma decisión para
cualquier parte del artículo que mostrara una tendencia de crecimiento de confiabilidad como se ilustra en la Figura
2.39. Las edades óptimas de reemplazo preventivo se obtuvieron sólo para piezas de artículos con
fallas distribuidas de manera idéntica e independiente, es decir, cuando era apropiado ajustar un modelo
de Weibull a los datos de fallas (Figura 2.40).
10.000
1000
Agudo Agudo y crónico
a)ehm
itdce
oim
dadoivp inT
d(i
100
Crónica A
10
Crónico B
1
1 10 100 1000
Frecuencia de falla
FIGURA 2.37 Diagrama Jackknife para escenarios en los que la minimización de costos es la máxima
prioridad.
Número total de fallos en tiempo de ejecución

30
25
20
le
laaú
oresm oN
tladft
15
10
0
0 500 1000 1500 2000 2500 3000 3500 4000
Tiempo de ejecución (h)
FIGURA 2.38 Tendencia significativa al deterioro de la confiabilidad.
Número total de fallos en tiempo de ejecución

40
35
30
25
le
laaú
oresm oN
tladft
20
15
10
0
0 0,5 1 1.5 2 2.5 3 3,5 4 4,5 5
Tiempo de ejecución (h) × 104
FIGURA 2.39 Tendencia significativa de crecimiento de la confiabilidad.

Gráfico de probabilidad de Weibull

99,9
99
90
70
63.2
50
30
20
rP(
dadilibab)o%
10
5
3
2
0,5
0.3
0,2
0.1
1 2 34567891 2 3 4 5 6 7 8 910
× 101 × 102
Edad (h)
FIGURA 2.40 Buen ajuste de Weibull.
2.10.4 CONCLUSIÓN PARA LAS PIEZAS DEL ARTÍCULO
Se identificaron edades óptimas de reemplazo preventivo para piezas clave junto con los ahorros de
costos asociados en comparación con las prácticas actuales. Estos ahorros de costos oscilaron entre
cero y poco menos del 50%.
Aplicar las políticas óptimas de sustitución preventiva a la mayoría de piezas de artículos.
produjo un ahorro de costos del 10% al 20% en comparación con las prácticas actuales.
2.11 APROVISIONAMIENTO DE REPUESTOS:

REPUESTOS PREVENTIVOS
En el Capítulo 1, se introdujo el concepto de modelado a través de un ejemplo que trata de establecer

la cantidad de pedido económica óptima para un artículo. Ese modelo es apropiado para repuestos
consumibles de rápido movimiento para los cuales existe una demanda constante.
Si el mantenimiento preventivo se realiza de forma regular según los modelos de reemplazo de
intervalo constante o basado en la edad (Secciones 2.4 y 2.5, respectivamente), entonces se requiere
una pieza de repuesto para cada reemplazo preventivo; Además, se requieren repuestos para cualquier
reemplazo de falla. El objetivo de esta sección es presentar una
modelo que se puede utilizar para pronosticar el número esperado de repuestos necesarios durante un
período específico, como un año, para una determinada política de reemplazo preventivo.
tp es el tiempo de reposición preventiva (ya sea intervalo o edad). f(t) es la

función de densidad de probabilidad de los tiempos de falla del artículo.
T es el horizonte de planificación, normalmente 1 año.
EN(T, tp) es el número esperado de piezas de repuesto necesarias durante el horizonte de
planificación, T, cuando se produce el reemplazo preventivo en el momento tp.
2.11.2.1 El modelo de intervalo constante
EN(T, tp ) = número de reemplazos preventivos en el intervalo (0,T) + número
de reemplazos por falla en el intervalo (0,T)
= T /tp + H(tp )(T /tp )
donde H (tp) se define en la Sección 2.4.
2.11.2.2 El modelo de reemplazo preventivo basado en la edad
EN(T, tp ) = número de reemplazos preventivos en el intervalo (0,T) + número
de reemplazos por falla en el intervalo (0,T)
En este caso, el enfoque a seguir es calcular el tiempo esperado hasta el reemplazo (ya sea preventivo o
por falla) y dividir este tiempo en el horizonte de planificación, T. Esto da:
t
EN(T, tp ) = tp
R(tp ) + M(tp ) [1− R(tp )]
donde el desarrollo del denominador de la ecuación anterior se proporciona en la Sección 2.5.2.
2.11.3.1 Política de intervalo constante

Utilizando los mismos datos que en la Sección 2.4.4, es decir, Cp = $5, Cf = $10, las fallas ocurren de
acuerdo con una distribución normal con una media de 5 semanas y una desviación estándar de 1 semana,
y el intervalo de reemplazo preventivo óptimo es de 4 semanas.
Suponiendo que el horizonte de planificación es de 12 meses (52 semanas), entonces el número esperado
El número de reemplazos será:
EN(52, 4) = 52/4 + 0,16 (52/4) = 15,08 por año.
Si hubiera 40 componentes similares en servicio en una planta, entonces el número esperado de

reemplazos por año sería 603,20; por tanto, se necesitarían 604 repuestos para la flota durante el año.
2.11.3.2 Política basada en la edad

Utilizando los mismos datos que en la Sección 2.5.3, es decir, Cp = $5, Cf = $10, las fallas ocurren
según una distribución normal con una media de 5 semanas y una desviación estándar de 1
semana, y la edad óptima de reemplazo preventivo es de 4 semanas. .
Nuevamente, asumiendo que el horizonte de planificación es de 12 meses (52 semanas), entonces
el número esperado de reemplazos será:
t
EN(T, tp ) =
tp R(tp ) + M(tp ) [1− R(tp )]
EN(52, 4) = 52/(4 × 0,84 + 3,17 × 0,16) = 52/3,87 = 13,44 por año.
Una vez más, si hubiera 40 componentes similares en una flota, el número esperado de
las reposiciones por año serían 537,6; por tanto, se necesitarían 538 repuestos.
Una vez pronosticada la demanda, surge la cuestión de adquirir la cantidad esperada de piezas
de repuesto. Existe una gran cantidad de literatura que trata el área del control de inventarios, por
ejemplo, Tersine (1988), en el que hay modelos disponibles para ayudar a establecer una política
de adquisición óptima, incluida la posibilidad de aprovechar descuentos por cantidad.
2.11.5 UNA APLICACIÓN: REEMPLAZO DE CULATA DE CILINDRO—

POLÍTICA DE INTERVALO CONSTANTE
Una culata de cilindro para un motor cuesta $1946 y la política empleada fue reemplazar las
culatas de ocho cilindros en un motor como grupo a las 9 000 h de edad, más el reemplazo en
caso de falla según sea necesario durante el ciclo de 9 000 h. En la planta había 86 motores
similares en servicio. Por lo tanto, durante un período de 12 meses, hubo una utilización total de
componentes de 8 × 86 × 8760 = 6,026,880 h de trabajo.
Al estimar la distribución de fallas de una culata de cilindro y tomar el costo consecuencia de
un reemplazo de falla como 10 veces mayor que el de un reemplazo preventivo, se estimó que
con la política de reemplazo de intervalo constante, el número esperado de culatas de repuesto
requeridas por año para dar servicio a toda la flota fue de 849 (576 por reposición preventiva y 273
por reposición de averías).
2.12 APROVISIONAMIENTO DE REPUESTOS: REPUESTOS DE SEGUROS
Una cuestión crítica en la gestión de repuestos es establecer un nivel apropiado de repuestos

asegurados (de emergencia) que puedan ponerse en servicio si falla un componente actual de
larga duración y altamente confiable. Dichos componentes incluirían transformadores en
una red eléctrica o motores eléctricos en un sistema transportador. Para mantener un alto
servicio confiable, es posible que se mantengan algunas unidades de repuesto en stock. La pregunta que se
debe abordar en esta sección es: ¿Cuántos repuestos críticos se deben almacenar?
Para responder a la pregunta, es necesario especificar si el repuesto es uno que se desecha después de
una falla (un repuesto no reparable) o si puede repararse y renovarse después de su falla y volver a ponerse
en stock (un repuesto reparable). Y finalmente, es necesario entender el objetivo. En esta sección, se
considerarán cuatro criterios para establecer el número óptimo de repuestos reparables y no reparables. Ellos
son:
1. Fiabilidad instantánea: es la probabilidad de que haya un repuesto disponible en un momento dado.

En alguna literatura, esto se conoce como disponibilidad de existencias, tasa de cumplimiento o
disponibilidad de puntos a largo plazo.
2. Confiabilidad del intervalo: esta es la probabilidad de no quedarse sin existencias en
cualquier momento durante un período específico, como 1 año.
3. Minimización de costos: esto tiene en cuenta los costos asociados con la compra y el
almacenamiento de repuestos, y el costo de quedarse sin un repuesto.
4. Disponibilidad: este es el porcentaje de tiempo sin inactividad (tiempo de actividad) de un sistema o
unidad en el que el tiempo de inactividad se debe a una escasez de repuestos.
Los modelos matemáticos detallados detrás de los siguientes análisis se proporcionan en Louit et al. (2005).
2.12.2 CLASES DE COMPONENTES
2.12.2.1 Componentes no reparables
En el caso de los componentes no reparables, cuando un componente falla o se ha eliminado preventivamente,

se reemplaza inmediatamente por uno del stock (se supone que el tiempo de reemplazo es insignificante) y el
componente reemplazado no se repara (es decir, se descarta; ver Figura 2.41). Se supone que la demanda
de repuestos sigue un proceso de Poisson que, para la demanda de repuestos de emergencia, ha encontrado
una amplia aplicación. Varias referencias describen modelos basados en este principio (ver, por ejemplo,
Birolini 1999).
Fallos
Tiempo
Existencias
FIGURA 2.41 Repuestos no reparables.

Para presentar las matemáticas detrás de la optimización de los requisitos de repuestos,

considere un grupo o flota de m componentes independientes que se utilizarán durante un intervalo
de longitud T, con el tiempo medio hasta la falla de un componente igual a μ y la desviación
estándar σ. Sea N(T, m) el número total de fallas en el intervalo [0, T] y S(k, m) el tiempo hasta la
késima falla. Entonces, la probabilidad de tener menos de k fallas en [0, T] es igual a la probabilidad
de que el tiempo hasta la késima falla sea mayor que T, es decir,
Pr(N(T, m) < k) = Pr(S(k, m) > T). (2.15)
2.12.2.2 Enfoque de distribución normal

S(k, m) tiene una distribución normal asintótica con media μk/m y varianza σ 2 k/m2 ,
para k grande (Cox 1962), es decir,
k metro
Pr(N(T,m) k) = Pr(S(k,m) T) = 1 − T _
(2.16)
m k
donde Φ(∙) es la distribución normal estándar acumulativa. De esta manera, es posible calcular el
número de repuestos requerido dada una cierta confiabilidad de stock deseada,
pag. A partir de la ecuación, Pr(S(k, m) > T) = p, k se puede calcular como
Z Z 2
k= pag
+ Tm (2.17)
+
pag
2 2
donde Zp se obtiene de una tabla de distribución normal acumulativa estándar.
2.12.2.3 Enfoque de distribución de Poisson

El enfoque de distribución normal descrito anteriormente es válido sólo cuando T es grande en
comparación con μ/m. También se puede utilizar la distribución de Poisson. Esta aproximación
también es independiente de la distribución de fallas subyacente y es válida para un número
relativamente pequeño de componentes, ya que la superposición de los tiempos de falla de los
componentes converge rápidamente a un proceso de Poisson (Cox 1962). Si las distribuciones de
fallas subyacentes son exponenciales, el número de fallas N(T, m) sigue exactamente el proceso
de Poisson, para cualquier número de componentes, m. Para un proceso de Poisson,
ai −un
Pr(norte(T, metro) = yo) = mi (2.18)
¡i!
donde a es el número esperado de fallas en el intervalo [0, T]. Para un componente, el número
esperado de fallas en [0, T] es T/μ; por lo tanto, para m componentes, a = mT/μ.
Ahora es posible calcular k, para lo cual
k ai
Pr(N(T,m) k) = Pr(S(k +1,m) T) = mi−un pág. (2.19)
¡i!
yo=0
El valor obtenido de k será el nivel mínimo de stock que asegure una confiabilidad p (probabilidad de
no tener un desabastecimiento; es decir, no hay demanda cuando no hay repuesto en stock). Tenga en
cuenta que la ecuación 2.18 supone que a no es un número muy grande.
2.12.2.4 Componentes reparables

Las ideas básicas asociadas con la identificación de políticas óptimas de almacenamiento de
componentes reparables se presentarán a través del siguiente ejemplo.
Un grupo de m componentes independientes ha estado en uso durante un intervalo de tiempo de
longitud T, y ahora uno de los componentes se envía al taller de reparación después de fallar.
Después de ser reparado, el componente se devuelve al stock (Figura 2.42). Dejemos que los
componentes de repuesto se almacenen originalmente en stock, para que puedan reemplazar
instantáneamente los componentes defectuosos. También se supone que la reparación es perfecta; es
decir, el componente reparado vuelve al estado como nuevo. Solo consideraremos la situación cuando
no hay límite en el número de reparaciones que se pueden realizar simultáneamente (capacidad de
reparación ilimitada). Barlow y Proschan (1965, capítulo 5) analizan una extensión del problema de la
capacidad limitada de reparación. Estamos interesados en determinar el número inicial de repuestos
que se deben mantener en stock para limitar el riesgo de quedarse sin repuestos. Se consideran dos
situaciones.
• Fiabilidad instantánea o puntual: los repuestos están disponibles bajo demanda (no debemos
quedarnos sin repuestos en un momento dado).
• Fiabilidad de intervalo: los repuestos están disponibles en todo momento durante un intervalo
de tiempo determinado (no debemos quedarnos sin repuestos en ningún momento durante
un intervalo específico, por ejemplo, durante 12 meses). Esta situación es obviamente más
exigente que el caso de la confiabilidad instantánea.
Fallos
Tiempo
Existencias
Unidades reparadas
Reparar
comercio
FIGURA 2.42 Repuestos reparables.

A continuación se presenta un breve resumen del modelo detrás del cálculo de confiabilidad
instantánea: el enfoque de confiabilidad puntual significa que determinamos el número de componentes
de repuesto de tal manera que, en cualquier momento dado, la probabilidad de no quedarse sin
repuestos sea mayor que la confiabilidad requerida p. Sea μ el tiempo promedio hasta la falla para
cada uno de los m componentes en uso. Entonces, para cada componente, la tasa promedio de fallas
(es decir, llegadas al centro de reparación) es equivalente a 1/μ, y para m componentes, es equivalente
a m/μ. Sea el tiempo promedio de reparación μR y, por lo tanto, la tasa de reparación promedio para i
componentes es i/μR. Sea M(t) el número de componentes en reparación en el momento t . Tenemos
que encontrar la probabilidad de no quedarnos sin repuestos en t, es decir, Pr[M(t) ≤ s].
De manera análoga al enfoque de Poisson para componentes no reparables, la probabilidad de

tener menos o igual a s componentes en reparación, para m grande, se puede calcular utilizando la
distribución de Poisson:
s
ai
− un
Pr[M(t) s] = mi
(2.20)
¡i!
yo = 0
donde a = (μRm)/μ es el número esperado de fallas que llegan durante una reparación.
Entonces, a representa la cantidad promedio de repuestos necesarios para cubrir fallas durante una
reparación. Ahora el nivel de existencias, s, puede calcularse como el valor más pequeño de s tal que
Pr[M(t) ≤ s] ≥ p.
La ecuación 2.20 se puede aplicar cuando t es grande, es decir, en estado estacionario, si m es
grande, p es grande y a no es grande.
A continuación se presenta un breve resumen del modelado detrás del cálculo de confiabilidad
del intervalo: sea s el número de repuestos en el sistema , con i unidades en reparación al comienzo
del intervalo [0, t]. sea p s (t) es la probabilidad de tener exactamente j unidades en
yo
reparación al final del intervalo [0, t] y no tener un retraso en la producción debido a la escasez de
repuestos (puede que no tengamos repuestos, pero tampoco demanda). Tenga en cuenta que i y j
son menores o iguales que s. Entonces, la probabilidad de que no haya retraso durante el intervalo [0,
t], dadas i unidades en reparación al principio, es:
s (t) =
pagi pag s (t). (2.21)
yo
j=0
Por lo tanto, necesitamos calcular la matriz P s (t) = pag

s (t) . yo
Esto se puede hacer utilizando las tasas de transición para los estados de un proceso de Markov.
que representa el número de unidades en reparación en el momento t. Por ejemplo, la tasa de
transición del estado i al estado j = (i + 1), donde i ≤ s es simplemente la tasa a la que ocurre una
nueva falla, es decir, (m/μ). (Tenga en cuenta que m componentes están en operación y cualquiera
de ellos puede fallar en el momento t.) Si Q es la matriz de tasas de transición para el proceso de
Markov y Q(s) es esa misma matriz truncada en s [usando solo el primero ( s + 1) filas y columnas],
entonces tenemos:
Ps (t) = exp [tQ(s)]. (2.22)

La exponenciación matricial no se analiza aquí; véase, por ejemplo, Bhat y Miller (2002) para más detalles.
Una suma de las filas de Ps (t) da las confiabilidades para el intervalo [0, t] para cada número inicial de
unidades en reparación, i.
El número requerido de repuestos, s, para un intervalo de confiabilidad dado, p, se puede obtener de la
Ecuación 2.21 estableciendo P s (t) = p. Eli cálculo es numérico intensivo y requiere programación informática
(consulte la Sección 2.12.4).
2.12.3 MODELO DE COSTOS
La escasez de repuestos puede provocar un tiempo de inactividad prolongado que puede tener importantes
implicaciones de costos para la empresa. Por otro lado, mayores existencias implican mayores costos de
mantenimiento de inventarios. En Louit et al. se proporcionan modelos que incorporan los costos de adquisición
y tenencia de repuestos y el costo del tiempo de inactividad debido al desabastecimiento. (2005).
En muchas aplicaciones, es probable que el costo de un componente varíe considerablemente
dependiendo de las condiciones de adquisición. Normalmente, el coste es menor si no hay urgencia para
recibir el artículo, mientras que es muy probable que se apliquen primas en situaciones de emergencia.
Con la incorporación de consideraciones de costos, se puede realizar la optimización para

cualquiera de los cuatro criterios descritos en la Sección 2.12.1.
Se ha desarrollado un paquete de software llamado Software de Gestión de Repuestos (SMS) basado en los
modelos de demanda de repuestos presentados en este capítulo. Permite determinar políticas de
almacenamiento óptimas de acuerdo con los criterios de optimización establecidos en la Sección 2.12.1. Se ha
descubierto que esta herramienta es de gran valor para las empresas que operan en industrias caracterizadas
por el uso intensivo de activos físicos.
2.12.5 UNA APLICACIÓN: MOTORES ELÉCTRICOS
Se utilizaron un total de 62 motores eléctricos simultáneamente en cintas transportadoras en una operación

minera, y la empresa estaba interesada en determinar la cantidad óptima de motores para almacenar. Los
motores eran caros e incluso la compra de un motor adicional se consideraba una inversión significativa (Wong
et al. 1997). La respuesta a esta pregunta no fue única sino que dependió del objetivo de la empresa, es decir,
qué se debe optimizar al seleccionar el tamaño del stock. Con las especificaciones del problema presentadas
en la Tabla 2.12, se utilizó el software prototipo conocido como Software de Gestión de Repuestos (SMS) para
realizar el siguiente ejercicio.
Los resultados se obtienen para supuestos de repuestos reparables y no reparables, como se muestra en
las Tablas 2.13 y 2.14. Tenga en cuenta que en la situación de los componentes no reparables, se consideran
dos casos: (1) estrictamente aleatorio (tasa de llegada constante; por lo tanto,
existe un proceso de llegada de Poisson para las fallas) y (2) no estrictamente aleatorio (la tasa de llegada no
es constante, pero la distribución de fallas está dada por una media y una desviación estándar).
Además, en el caso de los componentes reparables, se asumió una capacidad de reparación ilimitada, lo cual
era realista debido al número de motores que se esperaba que estuvieran en reparación simultánea.
TABLA 2.12
Parámetros de ejemplo para el sistema de transportadores
Parámetro Valor
Número de componentes (motores) en funcionamiento. 62
Tiempo medio hasta el fallo (μ) 3000 días (8 años)
Horizonte de planificación (T)* 1825 días (5 años)
Tiempo medio de reparación (μR) 80 dias
Costo de un componente de repuesto (regular $15,000
obtención)
Costo de un componente de repuesto (emergencia $75,000
obtención)
Valor del repuesto no utilizado después de 5 años $10,000
Costo de mantenimiento de un repuesto $4.11 por día (10% del valor de la pieza por año)
Costo del tiempo de inactividad del transportador para un solo motor. $1000 por día
* El horizonte de planificación podría ser mucho más corto y, por ejemplo, acercarse a la reparación media.
tiempo de un componente porque es posible que desee asegurarse con una alta probabilidad de no quedarse sin
stock mientras se repara un componente.
Algunos comentarios sobre los resultados son los siguientes: en el caso no reparable se
observará que si bien la confiabilidad requerida fue del 95%, la confiabilidad asociada en cada
caso fue mayor, 95,61% en un caso y 97,63% en el otro. La razón de esto es que el nivel de
existencias resultante tiene que ser un número entero, y para el caso de falla aleatoria, si el nivel
de existencias se estableciera en 47, en lugar de 48, entonces se alcanzaría la confiabilidad requerida del 95%.
TABLA 2.13
Solución para repuestos no reparables
Stock óptimo Fiabilidad asociada (%)

Caso y criterios de optimización nivela
(i) Fallos aleatorios
Se requiere 95% de confiabilidad 48 95,61

Minimización de costos 47 94.02
(ii) Fallos no estrictamente aleatorios (1000 días)
Se requiere 95% de confiabilidad 42 97,63

Minimización de costos 41 93,80
Nota: Entonces es necesario decidir cuál es la mejor manera de adquirir los repuestos durante los cinco años de planificación.
horizonte.
a Número total de repuestos necesarios durante el horizonte de planificación de 5 años.

TABLA 2.14
Solución para repuestos reparables
Stock óptimo Asociado

Caso y criterios de optimización Nivel Disponibilidad (%)
Fallos aleatorios
Se requiere confiabilidad de intervalo del 95 % 7 No calculado
Se requiere confiabilidad instantánea del 95 4 No calculado
% Se requiere disponibilidad del 95 % 0 97,40

Minimización de costos 6 99,99
no se han logrado. Se requieren al menos 48 ítems y, con 48, la confiabilidad asociada es del
95,61%.
En el ejemplo de repuestos reparables, se observará que para lograr una disponibilidad del
95%, el nivel de existencias requerido es cero. La razón de este resultado se debe a que el tiempo
de reparación de un motor averiado, 80 días, es muy corto en comparación con el tiempo medio
hasta la avería de un motor, 8 años.
2.13 RESOLVER EL INTERVALO CONSTANTE Y BASADO EN LA EDAD

MODELOS GRÁFICAMENTE: USO DE GRÁFICOS DE GLASSER
Glasser (1969) escribió un artículo en el que presentó dos gráficos que pueden usarse para
identificar rápidamente el tiempo óptimo de reemplazo preventivo (intervalo, llamado bloque por
Glasser, o edad) de un artículo, siempre que se pueda suponer que el artículo tiene tiempos de
falla. que puede describirse mediante una distribución de Weibull, y que el objetivo es minimizar el
costo total. Los gráficos se proporcionan en las Figuras 2.43 y 2.44.
Además, los gráficos de Glasser proporcionan una indicación de los beneficios económicos de
cambiar el artículo en el momento óptimo de reemplazo, en contraposición a una política de
ejecución hasta el fallo. Debido a que Weibull es tan flexible (Apéndice 2), los gráficos de Glasser
son muy útiles para identificar rápidamente el mejor momento de cambio de un artículo y establecer
los ahorros que pueden resultar de la implementación de la política. Si el ahorro económico merece
la pena, entonces puede resultar ventajoso utilizar uno de los modelos de sustitución clásicos para
determinar con mayor precisión el tiempo de sustitución económico. Otro beneficio de utilizar el
modelo es que proporciona una imagen muy clara de la forma de la curva de costo total alrededor
de la región en la que se encuentra la solución óptima. Como se mencionó anteriormente (Sección
2.2.4), este conocimiento puede ser muy valioso para la gerencia al tomar una decisión final. (El
uso de los gráficos de Glasser sólo puede proporcionar dos puntos de costo en la curva de costo
total: dado el costo de una falla o reemplazo preventivo, se puede calcular el costo asociado con el
tiempo óptimo de reemplazo, al igual que el costo asociado con un reemplazo de solo reemplazo).
política en caso de falla (RooF).)
(z)
–1,0 –1,5 –2,0 –2,5 –3,0 –3,5 –4,0 –4,5 –5,0
100
50
( )
0.0 5
20
0.1 0
nósicoatsle)eokR
dc(
10
5 0,2 0
0.3 5
2 0,5 0
Reemplazar
solo en 0,7 5
falla
0,9 0
1
1 2 5 10 20 50 100
Vida útil promedio en unidades de desviación estándar ( )
FIGURA 2.43 Gráfico de Glasser: políticas óptimas bajo reemplazo de bloques: distribución de
Weibull. (Reimpreso con autorización de ASQ).
2.13.2 USO DE GRÁFICOS DE GLASSER
Hay tres supuestos, ninguno de los cuales es muy restrictivo.
1. La distribución de fallas es Weibull y su media (μ) y desviación estándar.

(σ) son conocidos.
2. Se conoce la relación entre el costo de un reemplazo por falla y el de un reemplazo
preventivo, es decir, Cf/Cp.
3. El objetivo es la minimización del coste total.
Hay cuatro pasos sencillos para el procedimiento de solución.
1. Obtenga la relación de costos denotada por k (= Cf/Cp) y márquela en el eje y de la

grafico.
2. Obtenga la relación υ = μ/σ y márquela en el eje x.
(z)
–1,0 –1,5 –2,0 –3,0 –3,5 –4,0 –4,5 –5,0
100
50
(ρ)
0.0 5
20
0.1 0
okR
nósicoatsle)e d
c(
10
5 0,2 0
0.3 5
2 0,5 0
0,7 5
0,9 0
1
1 2 5 10 20 50 100
Vida útil promedio en unidades de desviación estándar ( )
FIGURA 2.44 Gráfico de Glasser: políticas óptimas bajo reemplazo por edad: distribución de
Weibull. (Reimpreso con autorización de ASQ).
3. Obtenga el valor Z del gráfico. El valor Z se obtiene determinando la intersección de una

línea horizontal desde k y una línea vertical desde ν, luego siguiendo una línea continua
hasta la escala Z que está en el eje x en la parte superior de la hoja de gráficos. Es posible
que sea necesaria la interpolación entre dos líneas continuas.
4. El tiempo óptimo de reposición preventiva (intervalo o edad) se obtiene resolviendo la
ecuación tp = μ + Zσ.
Utilizando los mismos datos utilizados en la Sección 2.4.4 (reemplazo de intervalo) y la Sección 2.5.3
(reemplazo de edad), es decir, Cp = $5, Cf = $10, y una distribución de falla normal, es decir, f(t) ~
N(5 , 1), determine el intervalo de reemplazo preventivo óptimo para minimizar el costo total.
Tenga en cuenta que aunque la distribución se especifica como normal, la distribución de Weibull
puede servir como una buena aproximación a la distribución normal si β = 3,5. Por tanto, podemos
proceder a utilizar la gráfica de Glasser.
Solución:
1. k = Cf/Cp = 10/5 = 2
2. ν = µ/σ = 5/1 = 5
3.Z = –1,2
4. tp = μ + Zσ = 5 + (–1,2) × 1 = 3,8 semanas
Esto equivale a 4,0 semanas si se redondea hacia arriba, que es la misma respuesta obtenida
en la Sección 2.4.4 (tenga en cuenta que en la Sección 2.4.4, el problema se resolvió
numéricamente utilizando sólo valores enteros).
2.13.4 CÁLCULO DEL AHORRO
Se observará que en el lado derecho de las gráficas de Glasser hay una escala ρ en el eje y. El
valor ρ identifica el costo de la política óptima como una fracción decimal del costo asociado con
seguir una política Techo.
El valor de ρ se obtiene nuevamente a partir de la intersección de una línea horizontal desde
k y una línea vertical desde ν, y luego siguiendo una línea de puntos hacia la derecha,
interpolando si es necesario. En este ejemplo, ρ se estima a partir del gráfico como 0,85. Por lo
tanto, la póliza óptima de tp = 3,8 semanas cuesta el 85% de una póliza Techo.
Como se sabe que Cf = $10, entonces
costo de una póliza TechoF = Cf /μ = 10/5 = $2/semana
El costo óptimo de la póliza es 0,85 × 2 = $1,70 por semana y el ahorro como porcentaje es del
15%. Esto se ilustra en la Figura 2.45.
Costo del techo = Cf /m = 2,0

C(tp )
$/semana
Ahorros
1,70
0,85*2 = $1,70/semana
3.8
tp en semanas
FIGURA 2.45 Función de costos: gráfica de Glasser.

2.14 RESOLVER LOS MODELOS DE INTERVALO CONSTANTE Y BASADOS

EN EDAD UTILIZANDO EL SOFTWARE OREST
En lugar de resolver los modelos matemáticos para el intervalo o la edad de reemplazo preventivo de
componentes, a partir de los primeros principios de la sección anterior, hemos visto cómo se puede
utilizar una solución gráfica. Una desventaja de las soluciones gráficas es la falta de precisión en
comparación con el uso de un modelo matemático. El software con modelos programados proporciona
una forma muy sencilla de resolver los modelos y un alto nivel de precisión.
Uno de esos paquetes es OREST (Reemplazo óptimo de equipos a corto plazo), que se desarrolló
basándose en el material de este libro.
OREST tomará los tiempos de falla y suspensión del artículo (para una definición y descripción de
las suspensiones, consulte la Sección A2.7 del Apéndice 2) y ajustará una distribución Weibull a los
datos. Para estimar los parámetros de la distribución de Weibull, OREST utiliza el enfoque del análisis
de regresión de rango mediano. No es el propósito de este libro.
abordar los diversos criterios que pueden utilizarse para estimar los parámetros de distribución
en detalle, pero lo más común, desde la perspectiva de un ingeniero, sería utilizar el análisis de
regresión (este es el enfoque presentado en el Apéndice 2), mientras que desde el punto de vista de un
estadístico, la máxima verosimilitud (consulte el Apéndice 3 para una discusión sobre este enfoque para
el análisis de parámetros). estimación) sería el criterio preferido. En la práctica, si el conjunto de datos
que se analiza es grande, habrá poca diferencia en las estimaciones de los parámetros.
Una vez estimados los parámetros de Weibull, OREST brindará la opción de establecer el intervalo
óptimo de reemplazo preventivo o la edad óptima. OREST
tiene otras características, como analizar posibles tendencias en los datos (ver Sección A2.12, Apéndice
2) y pronosticar la demanda de repuestos. Se remite al lector interesado a http://www.crcpress.com/
product/isbn/9781466554856, donde se puede descargar la versión educativa de OREST de forma
gratuita.
2.14.2 USO DE OREST

Usaremos los datos de falla de los rodamientos proporcionados en la Sección 2.5.5, es decir, los cinco
tiempos de falla, ordenados del más corto al más largo, que son 9, 12, 13, 19 y 25 semanas.
Al ingresar estos valores en OREST se obtienen las estimaciones de los parámetros de Weibull β =
2,67 y η = 17,57, según análisis de regresión. En la Tabla 2.15 se proporciona una captura de pantalla
de la estimación de parámetros.
Si es necesario, OREST también ajusta un Weibull de tres parámetros a los datos y el resultado se
puede comparar con la distribución estándar de dos parámetros.
Utilizando los valores de β = 2,67 y η = 17,57, obtenemos la función de costos representada en la
Figura 2.46 y el informe de reemplazo preventivo basado en la edad que se muestra en la Tabla 2.16,
del cual se ve que la edad óptima de reemplazo preventivo es 6,39 semanas.
Aunque esta edad de reemplazo preventivo puede parecer pequeña en comparación con
el tiempo de falla más corto observado de 9 semanas, el análisis de Weibull ha asumido que, en la
práctica, una falla del rodamiento podría ocurrir poco después de la instalación, por lo que un
TABLA 2.15
Estimaciones de parámetros de OREST Weibull
Costo total por unidad de edad
200
180
160
140
120
te$oC
lsaroo
)anoatm ps(t
100
80
60
40
20
0
0 10 20 30 40 50 60
Edad de reemplazo (semana)
FIGURA 2.46 OREST: curva de optimización de costos.

TABLA 2.16
Informe de reemplazo preventivo basado en la edad OREST
Se ha utilizado Weibull de dos parámetros. Además, las consecuencias de una falla son bastante
graves ($1000) en comparación con el costo de un reemplazo preventivo ($100). Si fuera necesario,
podríamos usar un Weibull de tres parámetros y excluir la posibilidad de que ocurra un tiempo de falla
corto.
Una vez más, cabe destacar que un software como OREST permite realizar muchas
comprobaciones de sensibilidad, de modo que podamos establecer una recomendación sólida sobre
el momento óptimo de cambio de un artículo.
Esta sección se ha sumergido muy brevemente en un paquete de software que se puede utilizar para
optimizar los tiempos de reemplazo preventivo de un componente. Otros incluyen WinSMITH
(www.barringer1.com/wins.htm) y Weibull++ (weibull.reliasoft.com).
PROBLEMAS
Los siguientes problemas se resolverán utilizando los modelos matemáticos.
1. La bomba hidráulica utilizada para volcar la caja en un camión de basura se convierte en

menos eficiente con el uso. Esto resulta en una menor productividad en términos de valor.
de materiales movidos por mes. El costo promedio de reemplazar una bomba es

$1200. La tendencia en productividad es la siguiente:
Mes 1 desde que se movió nuevo material por valor de $10,000

Mes 2 desde que se movió nuevo material por valor de $9700
¿Cuál es el tiempo óptimo de reemplazo de la bomba para minimizar el costo total

de reemplazo y la pérdida de producción?
2. Una empresa de alquiler de automóviles ha mantenido registros sobre un componente particular del vehículo.
Aunque la falla del componente es aleatoria, es función del uso del vehículo.
Se recopilaron y analizaron datos sobre 1000 fallas y, mediante el uso de una prueba
2 a χ de bondad de ajuste, se llegó a la conclusión de que el tiempo hasta la falla
del componente puede describirse adecuadamente mediante una distribución uniforme.
La Tabla 2.17 muestra la distribución de las frecuencias esperadas de los 1000 fallos.
El costo total de un reemplazo preventivo del componente es de $100. Una falla

genera un costo de penalización y, en total, el costo de un reemplazo de falla es de
$200. Es razonable suponer que los tiempos necesarios para realizar un reemplazo
preventivo o por falla son insignificantes.
La empresa de alquiler de coches desea plantearse implementar una política de
reposición preventiva. La política particular que le interesa se denomina frecuentemente
política basada en la edad; es decir, es aquel en el que el reemplazo preventivo ocurre
sólo cuando un componente ha alcanzado una edad específica, digamos, tp; de lo
contrario, se realiza un reemplazo por falla.
Considerando valores de tp de 10 000, 20 000, 30 000 y 40 000 km, ¿cuál da el
costo total esperado más pequeño por 1 000 km? Explique claramente la derivación de
cualquier modelo que utilice y su línea de razonamiento para llegar a una conclusión.
3. Se analizaron las fallas de las baterías de los camiones y, mediante el uso de una
prueba estadística de bondad de ajuste, se concluyó que se puede suponer que las
fallas de las baterías siguen la distribución de frecuencia esperada que se muestra en
la Figura 2.47.
Se sabe que el costo promedio asociado con una falla de la batería es
$900 (incluido el deterioro de los bienes), mientras que se puede realizar un reemplazo
preventivo a un costo total de $300. Dado que Cf > Cp, la flota de camiones
TABLA 2.17
Datos de frecuencia de fallas de componentes
Miles de kilómetros hasta el fracaso 0–10 10–20 20–30 30–40
Frecuencia esperada 250 250 250 250
Esperado
frecuencia
0 5000 10 000 15 000 20 000 Kilómetros hasta el fracaso
FIGURA 2.47 Datos de falla de la batería.
El operador desea considerar implementar una política de reemplazo basada en la

edad utilizando el siguiente modelo:
Cp R(tp ) + Cf [1− R(tp )]

C(t ) =
pag
t R(t ) + M(t ) [1 − R(t )]
pag pag pag pag
¿Cuál es la edad óptima de reposición preventiva? Considere valores de tp = 5 000,

10 000, 15 000 y 20 000 km.
4. Se sabe que el fallo de la bomba provoca que el vehículo quede fuera de servicio
durante aproximadamente 3 días, mientras que la sustitución preventiva de una bomba
lleva una media de medio día. Se supone que las fallas de las bombas siguen una
distribución con una función de densidad de probabilidad
0,2, 0 t 2
f (t) =
0,1, 2 t 8
Utilizando el siguiente modelo para minimizar el tiempo de inactividad total,

determine la edad óptima de reemplazo preventivo (considere solo valores de tp = 2, 4,
6 y 8 meses):
Tp R(tp ) + Tf [1− R(tp )]

D(t ) =
pag
t R(t ) + M(t ) [1− R(t )]
pag pag pag pag
5. Se analizaron las fallas de las bombas de agua de una flota de vehículos de tránsito y la
2
un χ prueba de bondad de ajuste permite aceptar la hipótesis de que las bombas fallan.
según una distribución uniforme en el rango de 0 a 20.000 km.
Se sabe que la indisponibilidad promedio asociada con fallas en las bombas de
agua es de 9 días (debido a la limitación de personal), mientras que se puede realizar
un reemplazo preventivo con solo 3 días de indisponibilidad de un vehículo en tránsito.
vehículo. Dado que Df > Dp, el oficial de mantenimiento desea implementar una política
de reemplazo preventivo basada en la edad utilizando el siguiente modelo:
Dp R(tp ) + Df [1− R(tp )]

D(t ) =
pag
t R(t ) + M(t ) [1− R(t )]
pag pag pag pag
¿Cuál es la edad óptima de reposición preventiva? Considere sólo valores de

tp = 5000, 10 000, 15 000 y 20 000 km y muestra tu método de solución.
Los problemas 6 a 11 deben resolverse utilizando los gráficos de Glasser (algunos de estos
problemas requieren que se realice previamente un análisis de Weibull sobre los datos de falla).
6. Los datos de probabilidad acumulada de la Tabla 2.18 se relacionan con fallas del radiador.
Dado que un reemplazo defectuoso es cinco veces más costoso que un reemplazo
preventivo, ¿cuál es el intervalo óptimo de reemplazo preventivo para minimizar el costo
total por 1000 km?
7. Un componente dio los tiempos de falla de la Tabla 2.19.
Si un reemplazo preventivo cuesta $50 y un reemplazo por falla $500, y el objetivo es
minimizar el costo total/tiempo unitario, ¿cuál es:
a. ¿La política óptima de reposición preventiva basada en la edad?

b. ¿La política óptima de reemplazo preventivo a intervalos constantes?
En cada caso, indique el costo de la póliza óptima como porcentaje de una póliza de
reemplazo solo en caso de falla.
TABLA 2.18
Datos de falla del radiador
Clase (K = 103 km) Pie)

0K < 5K 0.0250
5K < 10K 0.0500
10K < 15K 0.0625
15K < 20K 0.1726
20K < 25K 0.2917
25K < 30K 0.3231
30K < 35K 0.3566
35K < 40K 0.3933
40K < 45K 0.4949
45K < 50K 0.5813
50.000 < 55.000 0.5943
55 000 < 60 000
60K < 65K 0.6050

65 000 < 70 000
70K < 75K

75 000 < 80 000 0.9500
TABLA 2.19
Tiempos de falla de componentes (horas)

115 80 150 200 130 170 100
8. El operador de Moose Fleet ha mantenido registros sobre un componente particular del

vehículo. Aunque la falla del componente es aleatoria, es función de
uso del vehículo. Los datos han sido recopilados y analizados, y mediante el uso de una χ 2
prueba de bondad de ajuste, se llega a la conclusión de que el tiempo hasta la falla del
componente puede describirse adecuadamente mediante una distribución de Weibull con
una media de 20.000 km y una desviación estándar de 1.000 km.
El costo total de un reemplazo preventivo del componente es de $100. Una falla genera
un costo de penalización y, en total, el costo de un reemplazo de falla es de $200. Es
razonable suponer que el tiempo necesario para aplicar un reemplazo preventivo o por falla
es insignificante.
El operador de Moose Fleet desea considerar implementar una política de reemplazo
preventivo. La política particular que le interesa se denomina con frecuencia política basada
en la edad; es decir, es aquel en el que el reemplazo preventivo sólo ocurre cuando un
componente ha alcanzado una edad específica, digamos, tp; de lo contrario, se realiza un
reemplazo por falla.
¿Cuál es la edad óptima de reposición preventiva y en qué porcentaje?
¿Ahorro de costos ofrece una política de reemplazo solo en caso de falla?
9. Se ha determinado que las fallas en los cojinetes del ventilador utilizado en los motores
diésel de los semirremolques ocurren según una distribución de Weibull con una vida media
de 150.000 km, con una desviación estándar de 10.000 km. Una falla en el servicio del
rodamiento resulta en reparaciones costosas y, en total, un reemplazo defectuoso es 10
veces más costoso que un reemplazo preventivo.
a. Determine el intervalo óptimo de reemplazo preventivo (o política de bloqueo) para

minimizar el costo total por kilómetro.
b. ¿Cuál es el ahorro de costos esperado asociado con su póliza óptima?
¿Por una política de reemplazo sólo en caso de falla?
C. Dado que el costo de un reemplazo defectuoso es de $2 000, ¿cuál es el costo por
kilómetro asociado con su póliza óptima?
10. Independientemente de la antigüedad de un componente, la política de sustitución que se

adoptará será aquella en la que se realicen reemplazos preventivos a intervalos de tiempo
fijos y se realicen reemplazos por fallas cuando sea necesario.
a. Haciendo suposiciones apropiadas, construya un modelo que pueda usarse para

identificar una política de reemplazo tal que se minimice el costo total por unidad de
tiempo. Explique muy claramente cada paso en la construcción de su modelo.
b. Dados los siguientes datos, resuelva el modelo que construye en (a):
El costo de mano de obra y material asociado con un reemplazo preventivo o por falla
es de $50.
El valor de las pérdidas de producción asociadas con un reemplazo preventivo es

$50, mientras que por un reemplazo defectuoso son $100.
La distribución de fallas es normal, con una media de 200 horas y una desviación estándar de
10 horas.
Además, indique el costo aproximado de su póliza óptima como porcentaje de una póliza de
reemplazo fallida.
11. Una centrífuga de refinería de azúcar es una máquina compleja compuesta de muchas piezas que
están sujetas a fallas repentinas. Un componente en particular, la hoja de colocación del arado,
se considera candidato para reemplazo preventivo y usted debe determinar una política de
reemplazo óptima. La política que debe considerar a veces se denomina reemplazo de bloque o
intervalos constantes, digamos, tp, y los reemplazos por fallas se llevan a cabo cuando es
necesario. Determine la política óptima para minimizar el costo total por unidad de tiempo dados
los siguientes datos:
a. El costo de mano de obra y material asociado con un reemplazo preventivo o por falla es de
$200.
b. El valor de las pérdidas de producción asociadas con un reemplazo preventivo es de $100,
mientras que el de un reemplazo fallido es de $700.
C. La distribución de fallas de la hoja de ajuste se puede describir adecuadamente mediante una
distribución de Weibull con una media de 150 horas y una desviación estándar de 15 horas.
Además, indique el costo aproximado de su póliza óptima como porcentaje de una póliza de
reemplazo solo en caso de falla.
Los siguientes problemas deben resolverse utilizando el software OREST.

Tenga en cuenta que la versión educativa de OREST restringe el número de observaciones que se pueden
analizar a seis (reprobados más suspensiones). Además, requiere que el costo consecuencia de un reemplazo
por falla sea de $1000, y para el reemplazo preventivo es
$100. Todos los siguientes problemas satisfacen estas restricciones.
12. Los cojinetes de servicio pesado en una planta de forja de acero fallaron después de la cantidad de
semanas de operación proporcionadas en la Tabla 2.20.
a. Utilice OREST para estimar los siguientes parámetros de Weibull: β, η y

significa vida.
b. El costo del reemplazo preventivo es de $100 y el costo del reemplazo por falla es de $1000.
Determinar la política de reemplazo óptima.
C. La fragua se limpia y se revisa una vez por semana. Como parte de esta actividad de
mantenimiento se puede llevar a cabo el reemplazo preventivo del rodamiento. ¿A qué edad
se debe reemplazar el rodamiento, dado que, además de las consideraciones de costo
directo, existe un argumento de seguridad para minimizar las fallas?
Respalde sus conclusiones indicando el costo y las proporciones de los reemplazos

fallidos de algunas pólizas alternativas.
TABLA 2.20
Tiempos de falla de los rodamientos
Edad al momento del fracaso (semanas)
8
12
14
dieciséis
24
Uno infalible a las 24 semanas
d. Hay dos plantas de forja similares y cada una trabaja durante 50 semanas al año. Calcule el número
de piezas de repuesto necesarias por año si
la póliza es de reposición preventiva a las 6 semanas de edad. ¿Cuántos reemplazos de fallas
ocurrirán por año (promedio de estado estacionario) bajo esta política?
13. Los registros de dos camiones volquete de servicio pesado muestran que ocurrieron fallas en la correa
del ventilador en las lecturas del odómetro (kilómetros, desde nuevo) que se enumeran en la Tabla 2.21.
Actualmente, los kilometrajes indicados son de 115.680 km para el camión 1 y de 132.720 km para
el camión 2.
a. Prepare los datos de confiabilidad en una forma adecuada para que OREST los analice.
b. Determine los siguientes parámetros de Weibull: parámetro de forma β, parámetro de escala η y
vida media.
C. ¿Qué tipo de patrón de falla se indica (vida temprana, aleatoria, desgaste)?
d. Crea la gráfica de probabilidad de Weibull. ¿Observas alguna tendencia, además de las dadas por
los parámetros?
mi. El costo de reemplazo preventivo es de $100 y el costo de reemplazo por falla es de $1000.
Determine la edad óptima de reemplazo preventivo, el costo de esta póliza y los ahorros de esta
póliza en comparación con una póliza de reemplazo solo en caso de falla.
F. La sustitución preventiva sólo se puede realizar con lecturas del odómetro que sean múltiplos de
5.000 km. Seleccione una edad de reemplazo preventiva adecuada. ¿Cuál es el costo ($/km) de
esta póliza? ¿Cómo se compara esto con el costo de la política óptima?
Tenga en cuenta que las respuestas a las partes (g) y (h), que siguen, también pueden ser
calculado utilizando el material de la Sección 2.11.
TABLA 2.21
Fallas de la correa del ventilador
Camión 1 Camión 2
51.220 45.380
68.060 103.510
gramo. Si la empresa tiene una flota de 30 camiones volquete similares, cada uno de los cuales tiene
un promedio de 50 000 km por año, calcule el número de correas de ventilador de reemplazo
que se necesitarán por año, según la política de reemplazo óptima.
h. Si 30 camiones volquete recorren en promedio 50 000 km por año, estime el número
de fallas en servicio de correas de ventiladores que ocurrirán, dado que la política es reemplazar
las correas de los ventiladores de manera preventiva a los 20,000 km.
14. Actualmente, el filtro de tela de una centrífuga de azúcar se reemplaza de forma preventiva si se
presenta una oportunidad adecuada y si la tela ha estado en uso durante al menos 20 horas. La tela
también se reemplaza en caso de falla.
Los datos de falla de la tela centrífuga proporcionados en la Tabla 2.22 están disponibles para
Intervalos de tiempo de vida útil de la tela de 10 h.
a. Utilice OREST para analizar las fallas y estimar los siguientes parámetros: parámetro de forma β,
parámetro de escala η y vida media.
b. ¿Es correcta la política actual? ¿Qué política recomiendas?
C. La empresa dispone de tres centrífugas, cada una de las cuales funciona una media de 400 horas
al mes. Calcule la cantidad de paños de reemplazo necesarios por mes según las políticas de
reemplazo existentes y recomendadas.
15. Una empresa de transporte metropolitano opera una flota de autobuses similares. Se han producido
fallas de motor que requieren reemplazo en los rangos de kilómetros que se muestran en la Tabla
2.23, que también muestra la cantidad de motores actualmente en funcionamiento en cada rango de
edad.
a. Utilice OREST para estimar los siguientes parámetros: parámetro de forma β, parámetro de escala
η y vida media.
b. A partir de la gráfica de probabilidad de Weibull, estime la vida útil confiable al 90%.
TABLA 2.22
Fallas en la tela de la centrífuga
Edad (horas) Reemplazo de fallas Reemplazo preventivo

0–9,99 14 0
10–19,99 5 0
20–29,99 2 4
30–39,99 1 8
TABLA 2.23
Datos de falla del motor del autobús
Rango de edad (km) Supervivientes de reemplazo fallido
0–49 999 2 35
50 000–99 999 8 27
100 000–149 999 33 118

TABLA 2.24
Datos de garantía del alternador
Rango de edad (km) Fallo Reemplazo Supervivientes

0–4999 1 48
5000–9999 3 123
10.000–14.999 2 104
C. A partir del gráfico de tasa de fallas de Weibull, estime la edad en la que la tasa de fallas
instantáneas excede por primera vez una falla por 100 000 km.
d. Se sabe que el costo de un reemplazo defectuoso es aproximadamente 10 veces mayor que el
costo de un reemplazo preventivo. Utilice la política de reemplazo de edad óptima para
responder lo siguiente:
i. Determinar la política de reemplazo óptima.
ii. Bajo la política de reemplazo óptima, ¿cuántos reemplazos ocurrirán en promedio por cada
1.000.000 de vehículoskm, y qué proporción de ellos serán reemplazos por fallas?
Tenga en cuenta que esto se puede calcular utilizando el material de la Sección 2.10.
mi. Si el costo del reemplazo preventivo es de $1 000 y el costo del reemplazo por falla es de $10
000, ¿cuál será el costo por 50 000 km de las siguientes pólizas?
i. Reemplazo solo en caso de falla

ii. Reemplazo preventivo según lo determinado en (d)(i).
16. Recientemente se lanzó un nuevo tipo de automóvil y está sujeto a garantía. Un análisis de las
reclamaciones de garantía muestra varios fallos del alternador, aunque como proporción del total
de la población, el número es bastante pequeño. Usted participa en el análisis de las reclamaciones
de garantía. El jefe de ingeniería le pregunta si los datos estadísticos son adecuados para el
análisis de Weibull y, en caso afirmativo, qué conclusiones se pueden extraer. Los datos
disponibles se proporcionan en la Tabla 2.24.
¿Qué tipo de fallo se indica?
a. ¿Esto sugiere una fabricación defectuosa o un defecto de diseño?

b. El departamento de diseño afirma que su informe pedía un 90% de confianza y un 90% de
fiabilidad durante un período de garantía de 20.000 km. ¿Los datos disponibles indican que
se ha cumplido este criterio?
Tenga en cuenta que esto se puede determinar utilizando el material de la Sección A2.4.
REFERENCIAS
Ascher, H. y H. Feingold. 1984. Fiabilidad de los sistemas reparables. Nueva York: Marcel Dekker.
Barlow, R. y F. Proschan. 1965. Teoría matemática de la confiabilidad. Nueva York: Wiley.
Reimpreso en 1996 por la Sociedad de Matemáticas Industriales y Aplicadas, Filadelfia,
en su serie de libros SIAM Classics in Applied Mathematics.
Bartholomew, DJ 1963. Estrategias de reemplazo en dos etapas. Investigación operativa trimestral 14.
Bhat, VN y GL Miller. 2002. Elementos de procesos estocásticos aplicados, 3ª ed. Nuevo

York: Wiley.
Birolini, A. 1999. Ingeniería de confiabilidad, 3ª ed. Berlín: Springer.
Cox, DR 1962. Teoría de la renovación. Londres: Methuen.
Davidson, D. 1970. Una política de revisión de equipos deteriorados. En Operational Research in Maintenance,
editado por Jardine, AKS Manchester University Press, Capítulo 5, 72–99.
Glasser, GJ 1969. Reemplazo planificado: algo de teoría y su aplicación. Revista de tecnología de calidad 1, 110–
119.
Jardine, AKS 1979. Solución de problemas de sustitución industrial. En Actas, Anual
Simposio sobre confiabilidad y mantenimiento, 136–142.
Jardine, AKS y AJC Kirkham. 1973. Política de mantenimiento de centrifugadoras de ingenios azucareros.
En Actas de la Institución de Ingenieros Mecánicos 187, 679–686.
Jiang, X., V. Makis y AKSJardine. 2001. Política óptima de reparación/reemplazo para un general
modelo de reparación. Avances en probabilidad aplicada 33, 206–222.
Kallis, C. 2003. Cálculo de la vida económica de transformadores de distribución. Tesis de BASc no publicada,
Departamento de Ingeniería Mecánica e Industrial, Universidad de Toronto.
Kapur, K. y L. Lamberson. 1977. Confiabilidad en el diseño de ingeniería. Nueva York: Wiley.
Kaspi, M. y D. Shabtay. 2003. Optimización del problema económico del mecanizado para una máquina de
transferencia de múltiples etapas en condiciones de falla, estrategias de reemplazo integradas y oportunistas.
Revista internacional de investigación de producción 41, 2229–2247.
Kijima, M. 1989. Algunos resultados para sistemas reparables con reparación general. Revista de probabilidad
aplicada 26, 89102.
Knights, PF 2001. Repensar el análisis de Pareto: aplicaciones de mantenimiento de diagramas de dispersión
logarítmicos. Revista de Calidad en Ingeniería de Mantenimiento 7(4), 252–263.
Lhorente, B., D. Lugtigheid, PF Knights y A. Santana. 2004. Un modelo para el mantenimiento óptimo de la
armadura en motores de ruedas de camiones de transporte eléctricos: un estudio de caso. Ingeniería de
confiabilidad y seguridad del sistema 84, 209–218.
Louit, D., D. Banjevic y AKS Jardine. 2005. Optimización de Inventarios de Repuestos Compuestos por Piezas
Reparables o No Reparables. Trabajo presentado en Proceedings, ICOMS, Hobart, Australia.
Lugtigheid, D., D. Banjevic y AKS Jardine. 2004. Modelado de la confiabilidad de sistemas reparables con variables
explicativas y acciones de reparación y mantenimiento. Revista IMA de Matemáticas de Gestión 15, 89–110.
Lugtigheid, D., D. Banjevic y AKS Jardine. 2005. Reparaciones de componentes: cuándo realizarlas y qué hacer.
Trabajo presentado en el Simposio Anual de Confiabilidad y Mantenimiento.
Malik, MAK 1978. Programación confiable de mantenimiento preventivo. Transacciones AIIE R28,
331–332.
Naik, MD y KPK Nair. 1965. Estrategias de reemplazo en múltiples etapas. Investigación de Operaciones 13.
Nelson, WB 2003. Análisis de datos de eventos recurrentes para reparaciones de productos, recurrencia de enfermedades,
y Aplicaciones, Serie ASASIAM sobre Estadística y Matemática Aplicada.
Robinson, D. 1974. Estrategias de reemplazo de 2 etapas y su aplicación a la planificación de mano de obra.
Serie B de Ciencias de la Gestión: Aplicación 2, 199–208.
Smith, WL 1955. Procesos estocásticos regenerativos. En actas de la Royal Statistical
Sociedad A 232, 613.
Ayudas Técnicas y de Ingeniería a la Gestión (TEAM). 1976. Ayudas técnicas y de ingeniería para la gestión 4,
Winter.
Tersine, RJ 1988. Principios de gestión de inventarios y materiales. Ámsterdam: Elsevier.
Wong, JYF, DWC Chung, BMT Ngai, D. Banjevic y AKS Jardine. 1997. Evaluación de necesidades de repuestos
mediante técnicas estadísticas y de análisis de probabilidad. Actas
de Ingeniería Mecánica, IEAust 22, 77–84.
Woodman, RC 1967. Políticas de reemplazo de componentes que se deterioran. Investigación operativa trimestral
18.
3 Decisiones de inspección
Todos los negocios se basan en creencias o juicios de probabilidades, y no en certezas.
—Charles W. Eliot
3.1 INTRODUCCIÓN
El objetivo de este capítulo es presentar modelos que se pueden utilizar para determinar cronogramas de inspección
óptimos, es decir, los momentos en los que se debe llevar a cabo la acción de inspección.
El propósito básico de una inspección es determinar el estado del equipo. Una vez que se hayan especificado
los indicadores, como el desgaste de los cojinetes, las lecturas de calibre y la calidad del producto, que se utilizan
para describir el estado, y se haya realizado la inspección para determinar los valores de estos indicadores, se
pueden tomar algunas medidas de mantenimiento adicionales, dependiendo sobre el estado identificado. El
momento en que se debe realizar la inspección debe estar influenciado por los costos de la inspección (que estarán
relacionados con los indicadores utilizados para describir el estado del equipo) y los beneficios de la inspección,
como la detección y corrección de defectos menores antes de los mayores. se produce la avería.
El objetivo principal abordado en este capítulo es hacer que un sistema sea más confiable mediante la
inspección. En el contexto del marco de las áreas de decisión abordadas en este libro, nos ocupamos de la columna
2 del marco, como se destaca en la Figura
3.1. Una clase especial de problema que también se considera en este capítulo es la de asegurar con una alta
probabilidad que el equipo utilizado en circunstancias de emergencia, a menudo llamado dispositivos de protección,
esté disponible para entrar en servicio si surge la necesidad.
En este capítulo se examinan tres clases de problemas de inspección:
1. Frecuencias de inspección: para equipos que se encuentran en funcionamiento continuo y sujetos a

averías
2. Intervalos de inspección: para equipos utilizados únicamente en condiciones de emergencia (intervalos
de búsqueda de fallas)
3. Monitoreo de la condición (CM) de los equipos: optimización de las decisiones de mantenimiento
basado en la condición (CBM)
3.2 FRECUENCIA ÓPTIMA DE INSPECCIÓN:

MAXIMIZACIÓN DE BENEFICIOS
El equipo se estropea de vez en cuando, lo que requiere materiales y comerciantes para repararlo. Además,
mientras se repara el equipo, se produce una pérdida en la producción.
101

1. Mejor tiempo de 1. Frecuencia 1. Vida económica 1. Máquinas de taller/tamaño
reemplazo preventivo de inspección de a) Utilización anual de personal
a) Deterioro de un constante b) 2. Dimensionamiento
rendimiento sistema Anual variable adecuado de
determinista b) a) Maximización utilización equipos a) Equipo
Reemplazar solo en de beneficios b) c) Mejora propio b) Contratación
caso Maximización de tecnológica 2. de picos de demanda
de falla c) Intervalo disponibilidad 2. Reparar vs reemplazar 3. Arrendamiento/
constante d) Intervalos de inspección de clase3.A,Software:
B, C, D PERDEC compra 4. Software: simulador
Basado en edad 3. FFI para dispositivos de y EDAD/CON de taller y optimizador de
protección
2. tamaño de personal
4. Basado en condiciones
Aprovisionamiento de
mantenimiento
repuestos 3. Sistemas
reparables 4. Gráficos de Glasser 5.
5. Monitoreo
Software:deSMS
saludy
OREST combinado y reemplazo

de edad 6.
Software: EXAKT
incluyendo software
WeibullSoft)
FIGURA 3.1 Decisiones de inspección.
producción. Para reducir el número de averías, podemos inspeccionar periódicamente el

equipo y rectificar cualquier defecto menor que, de otro modo, podría provocar una avería
total. Estas inspecciones cuestan dinero en términos de materiales, salarios y pérdida de
producción debido al tiempo de inactividad programado.
Lo que queremos determinar es una política de inspección que nos dé el equilibrio correcto
entre el número de inspecciones y el resultado resultante, de modo que la ganancia por
unidad de tiempo del equipo se maximice durante un largo período.
Un sistema de este tipo se muestra en la Figura 3.2, en la que se ve que el sistema

complejo puede fallar por muchas razones, como la causada por el componente 1, el
componente 2, etc. Cada una de estas causas de falla del equipo podría tener su propia
distribución de fallas independiente. Por supuesto, no es necesario que sea un componente
físico que haga que el equipo deje de funcionar; Bien podría ser un problema de software la
causa (modo) de la falla del equipo. Claramente, a medida que aumenta la frecuencia o
intensidad de las inspecciones, existe la expectativa de que se reduzca la frecuencia de fallas
de equipos/sistemas. El desafío es identificar la frecuencia/intensidad óptima.
Decisiones de inspección 103
Fallos del sistema
Decreciente
sistema
fracasos
Modo de falla 2
Modo de falla 1
Modo de falla 3
Modo de falla 5
Modo de falla 4
Creciente
inspección
frecuencia
Inspecciones y
mantenimiento menor
FIGURA 3.2 Fallas del sistema.
1. Las fallas de los equipos ocurren según la distribución exponencial con tiempo medio hasta la falla
(MTTF) = 1/λ, donde λ es la tasa media de llegada de fallas. (Por ejemplo, si el MTTF = 0,5 año,
entonces el número medio de fallas por año = 1/0,5 = 2, es decir, λ = 2.)
Tenga en cuenta que no es descabellado hacer esta suposición exponencial para

equipos complejos (Drenick 1960).
2. Los tiempos de reparación se distribuyen exponencialmente con un tiempo medio de 1/μ.
3. La política de inspección es realizar n inspecciones por unidad de tiempo. Inspección
Los tiempos se distribuyen exponencialmente con un tiempo medio de 1/i.
4. El valor de la producción en una unidad de tiempo ininterrumpida tiene un valor de beneficio V (por
ejemplo, precio de venta menos costo de material menos costo de producción). Es decir, V es el valor
de la ganancia por unidad de tiempo si no hay pérdidas por tiempo de inactividad.
5. El coste medio de la inspección por unidad de tiempo ininterrumpido es I.
6. El costo promedio de las reparaciones por unidad de tiempo ininterrumpido es R.
Tenga en cuenta que I y R son los costos en los que se incurriría si la inspección o reparación
durara toda la unidad de tiempo. Por lo tanto, los costos reales de inspección y reparación incurridos
por unidad de tiempo serán proporciones de I y R, respectivamente.
7. La tasa de avería del equipo, λ, es función de n, la frecuencia de inspección por unidad de tiempo. Es
decir, las averías pueden verse influidas por el número de inspecciones; por lo tanto, λ ≡ λ(n), como
se ilustra en la Figura 3.3.
En la Figura 3.3, λ(0) es la tasa de avería si no se realiza ninguna inspección, y
λ(1) es la tasa de avería si se realiza una inspección por unidad de tiempo. De este modo,
f(t ) = λ(n)e –λ(n)t
λ(0)e –λ(0)t
λ(1)e –λ(1)t
t t
1/λ(0) 1/λ(1)
FIGURA 3.3 Tasa de avería en función de la frecuencia de inspección.
Frecuencia
de inspección
óptima
Beneficio/unidad de tiempo
stioneC
oo/iorpatm uit
Valor de producción
perdido debido a inspecciones
Costo de las inspecciones
Valor de producción perdido debido a reparaciones
Coste de las reparaciones
Frecuencia de inspección, n
FIGURA 3.4 Frecuencia de inspección óptima para maximizar las ganancias.
En la figura se puede ver que el efecto de realizar inspecciones es

aumentar el MTTF del equipo.
8. El objetivo es elegir n para maximizar la ganancia esperada por unidad
de tiempo al operar el equipo. Los conflictos básicos se ilustran en la
Figura 3.4.
La ganancia por unidad de tiempo de operación del equipo será función de la

número de inspecciones. Por lo tanto, denotando el beneficio por unidad de tiempo como P(n),
P(n) = valor de la producción por unidad de tiempo ininterrumpido
− valor de producción perdido debido a reparaciones por unidad de
tiempo − valor de producción perdido debido a inspecciones por unidad de
tiempo − costo de reparaciones por unidad
de tiempo − costo de inspecciones por unidad de tiempo
Valor de producción perdido debido a reparaciones por unidad de tiempo
= valor de la producción por unidad de tiempo ininterrumpido
número de reparaciones por unidad de tiempo
tiempo medio de reparación
=V (n)/
Tenga en cuenta que λ(n)/μ es la proporción de tiempo unitario que dedica un trabajo a repararse.
Valor de producción perdido debido a inspecciones por unidad de
tiempo = valor de producción por unidad de tiempo ininterrumpido
número de inspecciones por unidad de tiempo
tiempo medio para inspeccionar
= Vn/i
Costo de reparaciones por unidad de
tiempo = costo de reparaciones por unidad de tiempo ininterrumpido
número de reparaciones por unidad de tiempo
tiempo medio de reparación
=R (n)/
Costo de las inspecciones por unidad de tiempo.
= costo de las inspecciones por unidad de tiempo ininterrumpido
número de inspecciones por unidad de tiempo
tiempo medio para inspeccionar
= En/yo
V (n) Vn R (n) En
P(norte) = V −
− − − (3.1)
i i
Este es un modelo del problema que relaciona la frecuencia de inspección n con el beneficio P(n). A
Para obtener una respuesta aproximada, asumimos que P(n) es una función continua de n, por lo que
dP(n) = V (n) − V − R (n) − I

dn i i
d donde (n) = (n). Por lo tanto,

dn
(n) 1
0= (V + R) + (V + I)
i
V+I
(n) =− . (3.2)
yo V+R
Si se conocen los valores de μ, i, V, R, I y la forma de λ(n) , la frecuencia óptima para

maximizar la ganancia por unidad de tiempo es el valor de n , que es la solución de la Ecuación 3.2.
Supongamos que la tasa de avería varía inversamente con el número de inspecciones, es

decir, λ(n) = k/n, lo que da
λ′(n) = −k/n 2. (3.3)
Tenga en cuenta que la constante k puede interpretarse como la tasa de llegada de averías por unidad de
tiempo cuando se realiza una inspección por unidad de tiempo.
Sustituyendo la Ecuación 3.3 en la Ecuación 3.2, el valor óptimo de n es
ik V+R
norte = .
V+I
Dejar
Número medio de averías al mes, k, cuando se realiza una inspección

por mes = 3
Tiempo medio para realizar una reparación, 1/μ = 24 horas = 0,033
mes Tiempo medio para realizar una inspección, 1/i = 8 horas = 0,011
mes Valor de la producción por mes ininterrumpido, V = $30.000
Costo de reparación por mes ininterrumpido, R =
$250 Costo de inspección por mes ininterrumpido, I = $125
3 0,033 30.000 + 250

norte = = 3.006
0.011 30.000 +125
Por tanto, el número óptimo de inspecciones por mes para obtener el máximo beneficio es 3.
La sustitución de n = 3 en la ecuación 3.1 dará, por supuesto, la ganancia esperada por unidad
de tiempo resultante de esta política. La inserción de otros valores de n en la ecuación 3.1 dará la
ganancia esperada resultante de otras políticas de inspección. Se pueden hacer comparaciones
con los ahorros de la política óptima sobre otras posibilidades y sobre la política actualmente
adoptada para el equipo.
El objetivo era desarrollar un modelo que relacionara la frecuencia de las inspecciones con las
ganancias. La forma en que se desarrolló el modelo fue tal que si el objetivo hubiera sido establecer
la frecuencia de inspección óptima para minimizar el costo total, se hubiera obtenido el mismo
resultado. Cabe señalar, sin embargo, que no todas las soluciones que apuntan a maximizar las
ganancias dan como resultado la misma respuesta que aquellas que apuntan a minimizar los costos.
El punto más importante a tener en cuenta de este problema es que se trata de identificar el
mejor nivel de mantenimiento preventivo (en forma de inspecciones y las consiguientes revisiones
y reemplazos menores) cuando la tasa de fallas del equipo es constante. Con equipos complejos,
la distribución de fallas es exponencial, aunque algunos componentes individuales del equipo
pueden presentar características de desgaste.
El efecto de las inspecciones es que se identificarán ciertas fallas potenciales de los componentes
que, si se descuidan, provocarían la falla del equipo en su conjunto. Si se les presta atención, los
componentes seguirán provocando fallas en el equipo y la distribución general de fallas del equipo
en la mayoría de los casos seguirá siendo exponencial, pero con una tasa de falla reducida. La
Figura 3.5 ilustra que el efecto de realizar inspecciones es reducir el nivel de la tasa de fallas. En
efecto, el problema es identificar la mejor tasa de fracaso.
La suposición implícita en el problema de inspección es que se especificó la profundidad (o

nivel) de la inspección (por ejemplo, realizar monitoreo en línea de señales específicas o abrir el
equipo y tomar mediciones x, y, z; comparar con estándares; renovar o no renovar componentes).
También puede surgir el problema de identificar el mejor nivel de inspección. Cuanto mayor sea la
profundidad, mayor será el coste de la inspección, pero quizás haya mayores posibilidades de que
se detecten posibles fallos. En este caso, se requiere un equilibrio entre los costos de los distintos
niveles posibles de inspección y los beneficios resultantes, como la reducción del tiempo de
inactividad debido a fallas. Esta clase de problema se presentó originalmente en White et al. (1969).
0 Inspección
r (t ) 2
norte
FIGURA 3.5 Efecto de la frecuencia de inspección sobre la tasa de falla del sistema.
Antes de dejar este problema, vale la pena señalar que en la práctica puede resultar difícil relacionar
la tasa de fallas del equipo con la frecuencia de la inspección. Un método de ataque consiste en que una
empresa realice experimentos con su propio equipo. Alternativamente, si varias empresas tienen el
mismo tipo de equipo que realiza gran parte del mismo tipo de trabajo, la colaboración entre las
empresas puede resultar en la determinación de cómo la tasa de fallas se ve influenciada por diversas
políticas de inspección. Otro enfoque más sería
ser simular diferentes frecuencias de inspección. Hacer esto requeriría una comprensión detallada de
las diversas formas en que el equipo podría fallar y conocer la duración de los numerosos síntomas que
indicarían una falla inminente. Christer (1973) describió inicialmente esta duración como lapso de tiempo;
Posteriormente, Christer y Waller (1984) lo describieron como tiempo de retraso. Moubray (1997) lo
denominó intervalo PF .
3.3 FRECUENCIA DE INSPECCIÓN ÓPTIMA:

MINIMIZACIÓN DEL TIEMPO DE INACTIVIDAD
El problema de esta sección es análogo al de la Sección 3.2.1: el equipo se estropea de vez en cuando,
y para reducir las averías se pueden realizar inspecciones y las consiguientes modificaciones menores.
Sin embargo, la decisión ahora es determinar la política de inspección que minimice el tiempo de
inactividad total por unidad de tiempo incurrido debido a averías e inspecciones, en lugar de determinar
la política que maximice la ganancia por unidad de tiempo. La figura 3.6 ilustra el problema.
1. f(t), λ(n), n, 1/μ y 1/i se definen en la Sección 3.2.2.

2. El objetivo es elegir n para minimizar el tiempo de inactividad total por unidad de tiempo.
El tiempo de inactividad total por unidad de tiempo será función de la frecuencia de inspección,
n, denotado como D(n). Por lo tanto,
Tiempo de inactividad total D(n)
Tiempo de inactividad debido a la inspección

y mantenimiento menor
eDnu
ct)ian
tm
/dadoiovirpia di(ti
latoT
Óptimo
frecuencia
Tiempo de inactividad debido a
Frecuencia de inspección (n) fallas del sistema
FIGURA 3.6 Frecuencia óptima de inspección: minimizando el tiempo de inactividad.

D(n) = tiempo de inactividad incurrido debido a reparaciones por unidad de tiempo
+ tiempo de inactividad incurrido debido a la inspección por unidad de tiempo

(3.4)
= (n) norte
+
yo
La ecuación 3.4 es un modelo del problema que relaciona la frecuencia de inspección n con el tiempo de
inactividad total D(n).
Utilizando los datos del ejemplo de la Sección 3.2.3 y suponiendo que D(n) es una función continua
de n,
(n) norte
D(norte) = + (de la Ecuación 3.4).

i
Ahora, λ′(n) = −k/n 2 , y por lo tanto,
k 1
D (n) =− + = 0.
norte 2 yo
De este modo,
ki 3 0,033
norte = = = tres inspecciones/mes.
0.011
Se observará que la frecuencia de inspección óptima para minimizar el tiempo de inactividad para el
ejemplo anterior es la misma que cuando se requiere maximizar las ganancias (Sección 3.2.3).
Este no es siempre el caso. Los modelos utilizados para determinar las frecuencias son diferentes
(Ecuaciones 3.1 y 3.4), y sólo debido a las cifras de costos específicas utilizadas en el ejemplo
anterior las soluciones son idénticas para ambos ejemplos.
Tenga en cuenta también que si el problema de esta sección hubiera sido determinar la
frecuencia de inspección óptima para maximizar la disponibilidad, esto equivaldría a minimizar el
tiempo de inactividad (porque disponibilidad/tiempo unitario = 1 – tiempo de inactividad/tiempo
unitario). Así, en el ejemplo anterior, en el que el valor óptimo de n = 3, el tiempo de inactividad total
mínimo por mes es (de la Ecuación 3.4)
3
re(3) = 0,033 + 3 0,011 = 0,066 mes 3
Disponibilidad máxima = (1 – 0,066) mes ≡ 93,4%.

3.3.5 UNA APLICACIÓN: CALENDARIO ÓPTIMO DE INSPECCIÓN DE LA FLOTA DE VEHÍCULOS
Montreal Transit opera una de las flotas de autobuses más grandes de América del Norte, con
aproximadamente 2000 autobuses en su flota. Los autobuses, como la mayoría de los equipos,
tanto fijos como móviles, suelen estar sujetos a una serie de inspecciones; algunos quedan a
discreción del operador, mientras que otros pueden ser legales. La política en Montreal era
inspeccionar sus autobuses a intervalos de 5.000 km, en los cuales se realizaba una inspección
de profundidad A, B, C o D. La política se ilustra en el Cuadro 3.1. La pregunta a abordar fue:
¿Cuál es el mejor intervalo de inspección para maximizar la disponibilidad de la flota de autobuses?
Aunque la política (representada en el Cuadro 3.1) estaba en práctica, los autobuses a veces
eran inspeccionados antes de que hubiera transcurrido un intervalo de 5.000 kilómetros, y otros
sufrían retrasos. Gracias a ello, fue posible identificar la relación entre la tasa de defectos que
requieren reparación los autobuses y los diferentes intervalos de inspección. En términos de las
tres alternativas identificadas en la Sección 3.2.4 sobre cómo establecer esta relación,
El enfoque adoptado en este estudio podría considerarse experimental. Aunque no se realizó un
experimento real porque en la práctica se utilizaban diferentes intervalos,
Se puede considerar que la conclusión es el resultado de un experimento (Jardine y Hassounah
1990).
TABLA 3.1
Política de inspección de autobuses
Tipo de inspección
Kilómetros (1000) A B C D
5 X
10 X
15 X
20 X
25 X
30 X
35 X
40 X
45 X
50 X
55 X
60 X
sesenta y cinco X
70 X
75 X
80 X
Total 8 4 3 1 Σ = 16
La Figura 3.7 muestra la relación entre el tiempo medio hasta la avería de un autobús –por
cualquier causa– y el intervalo de inspección. Por lo tanto, para una política de realizar inspecciones
en múltiplos de 7500 km, se encontró que la distancia media recorrida por un autobús antes de que
se informara un defecto era de 3000 km.
Utilizando una ligera modificación del modelo presentado en la Sección 3.3.2, se estableció la
curva de tiempo de inactividad total (Figura 3.8), de la cual se desprende que el tiempo de inactividad
mínimo o máxima disponibilidad se produce cuando la política de inspección se fija en 8000 km.
Tenga en cuenta, sin embargo, que la curva es bastante plana dentro de la región de 5000 a 8000 km,
6000
5000
Actual
i)dorm
osem
op e m
kiT
tlnla e(f
Predecir ed
4000
3000
2000
4500 5500 6500 7500 8500
Intervalo de inspección (km)
FIGURA 3.7 Distancia media hasta la falla.
3.5
Reparar
2.5
Inspección
2
soú
da/d arte
t)aolco
ivpsbim e
u
ñinT
to
la%
o h(ti
d
a
Total
1.5
0,5
0
4000 5000 6000 7000 8000 9000
Intervalo entre inspecciones (km)
FIGURA 3.8 Intervalo de inspección óptimo.

y el resultado final fue mantener la política de inspección predominante de programar inspecciones

en múltiplos de 5.000 km en lugar de restablecer el intervalo a 8.000 km. Por supuesto, si hubiera
habido un beneficio significativo al aumentar el intervalo, esto podría haber justificado un cambio
de política.
Jia y Christer (2003) han presentado un caso de estudio de modelación de intervalos de
inspección que realiza una comparación con la política que se establecería utilizando la metodología
de mantenimiento centrado en la confiabilidad (RCM).
3.4 INTERVALO DE INSPECCIÓN ÓPTIMO PARA MAXIMIZAR LA

DISPONIBILIDAD DEL EQUIPO UTILIZADO EN CONDICIONES
DE EMERGENCIA, COMO UN DISPOSITIVO DE PROTECCIÓN
Equipos como extintores de incendios y muchas armas militares se almacenan para su uso en
caso de emergencia. Si el equipo puede deteriorarse mientras está almacenado, existe el riesgo
de que no funcione cuando se ponga en uso. Para reducir la probabilidad de que el equipo deje de
funcionar cuando sea necesario, se pueden realizar inspecciones, a veces denominadas verificación
de pruebas, y si se descubre que el equipo está en mal estado, se puede reparar o reemplazar,
devolviéndolo así a su estado original. condición. La inspección y la reparación o reemplazo toman
tiempo y el problema es determinar el mejor intervalo entre inspecciones para maximizar la
proporción de tiempo que el equipo está en estado disponible. La Tabla 3.2 proporciona una lista
de dichos elementos, a menudo denominados dispositivos de protección.
El tema de esta sección es establecer el intervalo de inspección óptimo para dispositivos de
protección, y este intervalo se denomina intervalo de búsqueda de fallas (FFI). La metodología
RCM aborda esta forma de mantenimiento. Moubray (1997, 172) ha dicho:
La búsqueda de fallas se aplica sólo a fallas ocultas o no reveladas. Los fallos ocultos, a su vez, sólo
afectan a los dispositivos de protección.
Si RCM se aplica correctamente a casi cualquier sistema industrial moderno y complejo, no es inusual
encontrar que hasta el 40% de los modos de falla caigan en la categoría oculta.
TABLA 3.2
Ejemplos de dispositivos de protección

Boca de incendio en las calles de la ciudad
Generador diésel de reserva para luces de pista.
Máscara de oxígeno de cara completa en la cabina de un avión
Conmutadores de transferencia automáticos para suministro de energía de emergencia.
Detector de gas metano en mina de carbón subterránea
Relés de protección en distribución eléctrica.
Sistema de extinción de incendios en el vehículo.
Detector de hotbox en vagones de ferrocarril
Estación lavaojos en planta química
Sistema detector de fugas de refrigerante en planta enfriadora.
Balsa salvavidas en barco

Además, hasta el 80% de estos modos de falla requieren búsqueda de fallas, por lo que hasta un tercio de las
tareas generadas por programas de desarrollo de estrategias de mantenimiento integrales y correctamente
aplicados son tareas de búsqueda de fallas.
Un hallazgo más preocupante es que al momento de escribir este artículo, muchos programas de mantenimiento
existentes prevén que menos de un tercio de los dispositivos de protección reciban atención (y luego a intervalos
inadecuados)….
Esta falta de conciencia y atención significa que la mayoría de los dispositivos de protección en la industria
(nuestra última línea de protección cuando las cosas van mal) reciben un mantenimiento deficiente o no reciben
ningún mantenimiento.
Esta situación es completamente insostenible.
Claramente, la optimización de las FFI es un tema importante en las decisiones de mantenimiento.
1. f(t) es la función de densidad del tiempo hasta el fallo del equipo.

2. Ti es el tiempo necesario para realizar una inspección. Se supone que después de la inspección,
si no se encuentran fallas importantes que requieran reparación o reemplazo completo del
equipo, el equipo está como nuevo.
Esto puede deberse a modificaciones menores realizadas durante la inspección.
3. Tr es el tiempo necesario para realizar una reparación o sustitución. Después de la reparación o

reemplazo, se supone que el equipo está como nuevo.
4. El objetivo es determinar el intervalo ti entre inspecciones para maximizar la disponibilidad por
unidad de tiempo.
La Figura 3.9 ilustra los dos posibles ciclos de operación.

La disponibilidad por unidad de tiempo será función del intervalo de inspección ti. Esto se denota como
A(ti)
A(ti) = disponibilidad esperada por ciclo/duración esperada del ciclo
El tiempo de actividad en un buen ciclo es equivalente a ti porque no se detecta ninguna falla en la

inspección. Si se detecta una falla, entonces el tiempo de actividad del ciclo fallido se puede tomar como el
MTTF del equipo, dado que la inspección se realiza en ti.
Por lo tanto, el tiempo de actividad esperado por ciclo es
Inspeccionar Inspeccionar
Ti Ti tr
ti ti
0 0
Ciclo 1 Ciclo 2
Buen ciclo ciclo fallido
FIGURA 3.9 Maximizar la disponibilidad.

ti
0
tf (t) dt
ti R(ti ) + 1−
i R(t )
1 − R(ti )
ti
(compárese con el denominador de la Ecuación 2.8).

= tiR(ti ) + 0 tf (t) dt
La duración del ciclo esperada es = (ti + Ti) R(ti) + (ti + Ti + Tr) [1 − R(ti)].
Por lo tanto,
ti
tiR(ti ) + tf (t) dt
A(t ) =
0
. (3.5)
i
ti + Ti + Tr 1− R(ti )
Este es un modelo del problema que relaciona el intervalo de inspección ti con la disponibilidad por unidad
de tiempo A(ti).
1. El tiempo hasta la falla del equipo se distribuye normalmente con una media de 5
meses y una desviación estándar de 1 mes.
2. Ti = 0,25 mes.
3. Tr = 0,50 mes.
ti
0
tiR(ti ) + tf (t) dt
A(ti ) = .
ti + 0,25 + 0,50 1− R(ti )
La tabla 3.3 resulta de evaluar el lado derecho de la ecuación 3.5 para varios valores de
ti. Se considera que el intervalo de inspección óptimo para maximizar la disponibilidad es de
3 meses. La Figura 3.10 muestra el resultado gráficamente. Desde una perspectiva práctica
de toma de decisiones, las representaciones gráficas son muy útiles para que la dirección
tome la decisión final.
TABLA 3.3
Intervalo de inspección versus disponibilidad
ti 1 2 3 4 5 6
A(ti) 0,8000 0,8905 0,9173 0,9047 0,8366 0,7371

100
90
80
70
60
dadilibinopsi%
D
50
40
30
20
Óptimo
10 intervalo
0
0 1 2 3 4 5 6
Intervalo de inspección (meses)
FIGURA 3.10 Intervalo de inspección óptimo.
Cálculo de muestra:
Cuando ti = 3 meses,
tf ( t) dt = 0,0600
0
R(3) = 0,9772 (ver Sección 2.5.3)
1 R(3) = 0,0228.
Por lo tanto, la Ecuación 3.5 se convierte en
3 0,9772 + 0,0600
A(3) = = 0,9173.
3 + 0,25 + 0,5(0,0228)
Una suposición crucial en el modelo de esta sección es que se puede suponer que el
equipo está como nuevo después de la inspección si no se realiza ninguna reparación o
reemplazo. En la práctica, esto puede ser razonable, y ciertamente lo será si la
distribución de fallas del equipo es exponencial (porque la probabilidad condicional
permanece constante).
Si la suposición de que el equipo es nuevo no es realista y la distribución de fallas tiene una tasa
de fallas creciente, entonces, en lugar de realizar inspecciones a intervalos constantes, puede ser
aconsejable aumentar la frecuencia de las inspecciones a medida que el equipo envejece. Jiang y
Jardine (2005) analizan estos problemas.
En lugar de contar con un único dispositivo de protección, podemos aumentar la protección
mediante la redundancia. En O'Connor y Kleyner (2012) se presenta una discusión sobre varias
formas de redundancia (redundancia activa, mden, en espera, paralela o triple activa).
3.4.5 DISTRIBUCIÓN EXPONENCIAL DE FALLAS Y TIEMPO NEGLIGIBLE REQUERIDO
PARA REALIZAR INSPECCIONES Y REPARACIONES/REEMPLAzos
No es descabellado esperar que los dispositivos de protección sean muy fiables y que el riesgo de
fallo sea muy bajo y estrictamente aleatorio. Tampoco es descabellado suponer que el tiempo
necesario para inspeccionar un dispositivo de protección sea muy corto (medido en minutos u horas)
en comparación con el FFI óptimo (medido en meses/años). si en
En el modelo de maximización de disponibilidad de la Ecuación 3.5, dejamos que f(t) = exponencial
con MTTF = 1/λ, Ti = Tr = 0, entonces la Ecuación 3.5 se puede reducir a:
A(t ) = 1 ti .
i 2
Simplificando la notación, si dejamos
FFI = el intervalo de inspección (ti)

A = disponibilidad del dispositivo de protección, dado un FFI
M = MTTF = 1/λ
entonces obtenemos el resultado
FFI
Un = 1 . (3.6)
2M
3.4.6 UNA APLICACIÓN: VÁLVULAS DE SEGURIDAD DE PRESIÓN EN UN CAMPO DE PETRÓLEO Y GAS
Hay 1000 válvulas de seguridad en servicio en un campo de petróleo y gas. La práctica actual es
inspeccionarlos anualmente. Durante la visita de inspección se encuentra que el 10% de las válvulas
están defectuosas. La duración de la inspección es de 1 h. Se necesita una hora adicional para
reemplazar cada válvula defectuosa.
¿Cuál es la disponibilidad de válvulas para diferentes intervalos de inspección? Para estimar el
MTTF de una válvula, podemos utilizar la relación entre el tiempo total de prueba y el número de
fallas. Así, 1000 válvulas han estado en servicio durante 1 año, y durante ese año fallan 100 (10%).
Por lo tanto,
El MTTF se estima a partir de 1000/100 = 10 años (520 semanas).

Debido a que los tiempos de inspección y reemplazo son muy cortos en comparación con el período de
12 meses (8760 horas), es razonable suponer que estos tiempos son cero.
Si asumimos además que las válvulas fallan exponencialmente, podemos estimar la disponibilidad de las
válvulas a partir de la Ecuación 3.6.
El Cuadro 3.4 proporciona las disponibilidades esperadas obtenidas de diferentes FFI. Así, se ve que la
práctica actual de inspeccionar las válvulas anualmente (cada 52 semanas) proporciona un nivel de
disponibilidad del 95%. Si se requiere una disponibilidad del 99,5% el FFI sería de 5 semanas. La Figura
3.11 proporciona una representación gráfica de la relación entre la disponibilidad y el FFI.
TABLA 3.4
FFI para válvula de seguridad de presión
Intervalo de búsqueda de fallas (semanas) Disponibilidad de válvulas de presión (%)
1 99,9
5 99,5
10 99.0
15 98,6
21 98.1
52 95.0
104 90.0
100
99
98
97
96
dadilibinopsi%
D
95
94
93
92
91
90
0
0 10 20 30 40 50 60 70 80 90 100 110 120
Intervalo de búsqueda de fallos (semanas)
GRÁFICO 3.11 Disponibilidad versus FFI.

3.5 OPTIMIZACIÓN DE LAS DECISIONES DE GFC
3.5.1 INTRODUCCIÓN
En el Capítulo 2, examinamos la optimización de los tiempos de cambio para componentes sujetos

a fallas y estimamos la probabilidad de que un artículo falle en servicio en función de su antigüedad.
Una desventaja importante de la decisión de reemplazo basada en el tiempo es que todavía queda
algo de vida útil en un artículo que ha sido reemplazado de manera preventiva. Sin embargo,
teniendo en cuenta las consecuencias del fallo, a menudo está justificado realizar sustituciones
preventivas. Por otro lado, si el artículo es caro, como la transmisión de un vehículo, en lugar de
un rodamiento económico, valdría la pena inspeccionarlo periódicamente antes de retirarlo de
servicio. A través de este CM, es posible obtener una mejor comprensión del estado de salud del
artículo y así intervenir con una acción de mantenimiento adecuada justo antes de la falla,
aumentando así la vida útil del artículo.
La forma más común de inspección es de “baja tecnología”, como la inspección visual, pero
para artículos costosos que tienen una larga vida útil, dos herramientas comunes de “alta tecnología”
utilizadas para CM son el análisis de aceite y el monitoreo de vibraciones. Moubray (1997), en su
libro, dedica un apéndice a identificar diversas formas de CM, incluida la monitorización dinámica,
de partículas y química. O'Hanlon (2003) ha afirmado que "las empresas de clase mundial a
menudo dedican hasta el 50% de todos sus recursos de mantenimiento al monitoreo de condiciones
y al trabajo planificado que se requiere como resultado de los hallazgos". Claramente, CM es una
táctica de mantenimiento clave en muchas organizaciones.
Aunque gran parte de la investigación y el desarrollo de productos en el área de CBM se centran
en el diseño de herramientas y procesamiento de señales para eliminar el ruido de las señales, el
objetivo de esta sección del libro es examinar lo que podría considerarse el paso final en el proceso
de CBM: optimizar el paso de toma de decisiones.
Jardine (2002) proporciona una visión general de los siguientes procedimientos que se utilizan
para ayudar a las organizaciones a tomar decisiones inteligentes de CBM: física de fallas,
tendencias, sistemas expertos, redes neuronales y modelos de optimización. Posiblemente el
enfoque más común para comprender el estado de los equipos sea trazar varias mediciones y
compararlas con estándares específicos. Este procedimiento se ilustra en la Figura 3.12, donde las
mediciones de los depósitos de hierro en una muestra de petróleo se trazan en el eje y y se
comparan con los límites de advertencia y alarma. El profesional de mantenimiento toma medidas
correctivas si lo considera apropiado. Muchos proveedores de software que abordan las necesidades
de mantenimiento tienen paquetes disponibles para ayudar en las mediciones de CM de tendencias,
con el objetivo de predecir fallas.
Una consecuencia que se observa cuando se adopta este enfoque es que el profesional de
mantenimiento suele ser demasiado conservador al interpretar las mediciones. En el trabajo
realizado por Anderson et al. (1982), se observó que el 50% de los motores de aeronaves que
fueron retirados antes del final de su vida útil para la que fueron diseñados (debido a la información
obtenida mediante muestreo del aceite del motor) fueron identificados por el fabricante del motor
como en estado apto. permanecer en el cuatrimotor. Christer (1999) observó el mismo punto,
cuando informó que desde que se introdujo el CM de cajas de cambios, las fallas en las cajas de
cambios dentro de una organización habían disminuido en un 90%. Como dijo Christer: "Este es
un galardón notable para CM". También informó que al reacondicionar cajas de cambios
“defectuosas”, en el 50% de los casos no había caja de cambios evidente.
400
350
Alarma > 300 ppm

300
250
Advertencia > 200 ppm
ef
200
Normal < 200 ppm
150
100
50
0
40.000 45.000 50.000 55.000 60.000 65.000
Edad laboral
FIGURA 3.12 Abordaje clásico de la CM.
falla. Y concluyó: "Aparentemente, la CM puede ser al mismo tiempo muy efectiva y bastante ineficiente".
Es evidente que es necesario centrar la atención en la optimización de los procedimientos de CM.

En esta sección, presentaremos un enfoque para estimar el peligro (probabilidad
condicional de falla) que combina la antigüedad del equipo y los datos de CM utilizando
un modelo de riesgos proporcionales (PHM). Luego examinaremos la optimización de
la decisión CBM combinando el cálculo de riesgos con las consecuencias económicas
tanto del mantenimiento preventivo, incluido el reemplazo completo, como de las fallas
del equipo.
3.5.2 EL MODELO DE RIESGOS PROPORCIONALES
Un procedimiento estadístico valioso para estimar el riesgo de falla del equipo cuando está
sujeto a CM es el modelo de riesgos proporcionales (PHM) (Cox 1972). Un PHM puede
adoptar varias formas, pero todas combinan una función de riesgo de referencia con un
componente que tiene en cuenta las covariables que se utilizan para mejorar la predicción de fallas.
La forma particular utilizada en esta sección se conoce como Weibull PHM, un PHM con una línea de
base Weibull expresada como
t −1
m
h t,Z(t) = (3.7)
expi =1 izi (t)
donde h[t, Z(t)] es la probabilidad condicional (instantánea) de falla en el tiempo t, dados los valores de
z1(t), z2(t),…zm(t).
Cada zi(t) en la Ecuación 3.7 (i = 1, 2,…m) representa una variable de datos de condición
monitoreada en el momento de la inspección, t, como el hierro (en partes por millón) o la vibración.
amplitud en el segundo armónico de rotación del eje. Estos datos de condición se denominan
covariables. Los valores de γi son los parámetros de covariables que, junto con los valores de
Zi , indican el grado de influencia que cada covariable tiene sobre la función de riesgo.
El modelo consta de dos partes: la primera parte es una función de riesgo de referencia que
t −1
tiene en cuenta la antigüedad del equipo en el momento de la inspección, mientras
,
la segunda parte, exp[γ1z1(t) + γ2z2(t) ++γmzm(t)], tiene en cuenta las variables que
pueden considerarse factores de riesgo clave utilizados para monitorear la salud de los
equipos y sus pesos asociados. .
En el estudio de Anderson et al. (1982), la forma del modelo de peligro para los motores
de las aeronaves fue
4.47 t 3.47
h(t) =
24.100 24.100 exp 0,41z1 (t) + 0,98z2 (t)
donde z1(t) es la concentración de hierro (Fe) y z2(t) es la concentración de cromo (Cr) en

partes por millón, y t es la edad del motor de la aeronave en horas de vuelo en ese momento.
de inspección. Como β = 4,47, sabemos que la edad del motor de la aeronave es
un factor que influye en la estimación de la tasa de peligro del motor; η = 24.100
horas es el parámetro de escala del Weibull PHM.* Los valores 0,41 y 0,98 son
ponderaciones dadas a las mediciones de hierro y cromo al calcular la tasa de
riesgo. Se estiman a partir de los datos que se analizan y pueden ser diferentes
para motores de diferentes tipos y pueden depender de su entorno operativo.
El procedimiento para estimar los valores de β, η y los pesos, junto con la
determinación de las variables CM que se incluirán en el modelo, se analiza
en varios libros y artículos, incluidos los de Vlok et al. (2002) y Kalbfleisch y
Prentice (2002).
El software estadístico estándar como SAS y SPlus tiene rutinas que se adaptan a un PHM:
tanto paramétricos, como el Weibull PHM, como no paramétricos.
3.5.3 COMBINACIÓN DE RIESGOS Y ECONOMÍA: OPTIMIZACIÓN DE LA DECISIÓN DE CBM
Makis y Jardine (1992) presentaron un enfoque para identificar la interpretación

óptima de las señales CM. El enfoque se ilustra gráficamente en las Figuras 3.13 y 3.14.
La Figura 3.13 ilustra que dado un conjunto de mediciones de CM (el gráfico de datos),
es posible convertir las mediciones a la estimación de peligro equivalente (el gráfico de riesgo).
trama). Esta conversión se logra mediante el uso de un PHM.
Una vez que tenemos un método para monitorear el valor de riesgo de un equipo, la
siguiente pregunta es: ¿Qué debemos hacer al respecto para tomar una decisión de
mantenimiento óptima? La respuesta se ilustra en la Figura 3.14. Allí se puede ver que una
posibilidad es ignorar el riesgo (ver el gráfico de riesgo en la Figura 3.13). Si se ignora la
información de riesgo, el equipo se utilizará hasta que falle, y sólo entonces se le dará mantenimiento (por el m
* Nótese que η en este caso no toma la interpretación de que el 63,2% de las fallas ocurren antes de este tiempo,
lo cual sería el caso si el riesgo no estuviera influenciado por las covariables.
Trazado de datos
Datos
Edad
Trama de riesgo
PHM
Riesgo
Edad
FIGURA 3.13 Cálculo del riesgo a partir de mediciones de CM.
Trama de riesgo
ignorar el riesgo
Riesgo
Nivel de
riesgo óptimo
Edad
Gráfico de costos Reemplazar solo
en caso de falla
Costo/tiempo unitario
Costo mínimo
Riesgo óptimo (d*) Riesgo
FIGURA 3.14 Establecimiento del nivel de riesgo óptimo para el reemplazo preventivo.
suponer que la acción de mantenimiento equivale a una sustitución, como es el caso de algunos
equipos complejos, como los motores de avión, en los que tras el mantenimiento los motores
quedan “reliferados” y tienen las mismas garantías que un motor nuevo). El costo asociado con
esta decisión (ignorando el riesgo) es el costo de un reemplazo de falla dividido por el MTTF del
equipo. Por lo tanto, obtenemos el costo de reemplazo sólo en caso de falla, como se identifica en
el gráfico de costos. A medida que se reduzca el nivel de riesgo (umbral), habrá más acciones de
reemplazo preventivo y menos reemplazos de fallas. Suponiendo que el costo de un reemplazo
defectuoso es mayor que el costo de un reemplazo preventivo, se obtendrá una función de costos
como se ilustra en el gráfico de costos. De este modo, es posible identificar el nivel de riesgo óptimo
en el que se debe reemplazar el equipo: si la tasa de riesgo es mayor que el valor umbral, se debe
realizar un reemplazo preventivo; de lo contrario, las operaciones pueden continuar con normalidad.
En el artículo de Makis y Jardine (1992), se demostró que el promedio esperado

El costo por unidad de tiempo, Φ(d), es una función del nivel de riesgo umbral, d, y está dado por
C[1− Q(d)]+ (C + K)Q(d)

(d) = (3.8)
W(d)
donde C es el costo de reposición preventiva y C + K el costo de reposición por falla.

Q(d) representa la probabilidad de que ocurra el reemplazo de fallas en el nivel de peligro d.
W(d) es el tiempo esperado hasta el reemplazo, ya sea preventivo o en caso de falla.
El riesgo óptimo, d*, es el valor que minimiza el lado derecho de la Ecuación 3.8, y la decisión
óptima es entonces reemplazar el artículo siempre que el peligro estimado, h[t, Z(t)], calculado al
finalizar la inspección CM en t, excede d*.
3.5.4 APLICACIONES
El tema de la optimización de las decisiones de CBM ha sido una investigación activa en la
Universidad de Toronto que se ha llevado a cabo durante algunos años en asociación con varias
empresas, muchas de ellas con operaciones globales (www.mie.utoronto.ca). Como consecuencia,
se han realizado y publicado estudios piloto en la literatura abierta. En las siguientes secciones se
ofrecen breves resúmenes de tres de estos estudios, cada uno de los cuales utiliza una forma
diferente de CM.
3.5.4.1 Procesamiento de alimentos: uso del monitoreo de vibraciones

Una empresa llevó a cabo un control periódico de las vibraciones de los cojinetes críticos de las
bombas de cizallamiento. En cada inspección, un acelerómetro proporcionó 21 mediciones.
Utilizando la teoría descrita en la sección anterior, y su incorporación en un software llamado
EXAKT (ver Sección 3.5.6), se estableció que entre las 21 mediciones de vibraciones, solo 3
fueron claves para caracterizar las fallas de los rodamientos: velocidad en el eje axial. dirección en
el primer y segundo ancho de banda y velocidad en la dirección vertical en el primer ancho de
banda.
En la planta, las consecuencias económicas de un fallo de un rodamiento fueron 9,5 veces
mayores que en el caso de que el rodamiento se sustituyera de forma preventiva. Teniendo en
cuenta el riesgo obtenido del PHM y los costos, quedó claro que siguiendo el enfoque de
optimización, el costo total podría reducirse en aproximadamente un 35% (Jardine et al. 1999).
3.5.4.2 Minería del carbón: uso del análisis de petróleo

Los motores de las ruedas eléctricas de una flota de camiones de transporte en una operación minera a
cielo abierto estaban sujetos a muestreos de aceite de forma regular. De cada inspección resultaron
doce mediciones. Estos se compararon con los límites de advertencia y acción para decidir si el motor
de la rueda debía retirarse de forma preventiva. Estas mediciones fueron Al, Cr, Ca, Fe, Ni, Ti, Pb, Si,
Sn, Visc 40, Visc 100 y sedimento.
Después de aplicar un PHM al conjunto de datos, solo se identificaron dos factores de riesgo clave:
mediciones de hierro (Fe) y sedimentos: mediciones de análisis de aceite que estaban altamente
correlacionadas con el riesgo de que el motor de la rueda fallara debido a los modos de falla que se
monitoreaban mediante análisis de aceite. Se estimó que la consecuencia de costos de una falla en el
motor de una rueda era tres veces el costo de reemplazarlo preventivamente, y el beneficio económico
de seguir la estrategia de reemplazo óptima fue una reducción de costos estimada del 22% (Jardine et
al. 2001). .
3.5.4.3 Transporte: uso de la inspección visual

Los rodamientos de bolas de los motores de tracción de los trenes se inspeccionaban a intervalos
regulares para determinar el color de la grasa; podría estar en uno de cuatro estados: gris claro, gris,
gris oscuro o negro. Dependiendo del color de la grasa y conociendo el momento de la próxima
inspección, se tomó la decisión de reemplazar los rodamientos de bolas o dejarlos en servicio. Como
resultado de la construcción de un PHM que relacionaba el riesgo de que un rodamiento fallara antes
de la siguiente inspección planificada, se tomó la decisión de reducir drásticamente el intervalo entre
verificaciones de 3,5 años a 1 año. Antes de realizar el estudio, la organización de transporte sufría, en
promedio, nueve paradas de trenes por año. El número esperado con un intervalo de inspección reducido
se estimó en uno por año. El año después del estudio, el sistema de transporte identificó dos fallas
debido a un defecto en los rodamientos de bolas. El beneficio económico general se identificó como una
reducción del costo total del 55%. Cabe mencionar que esto incluye el costo.
de inspectores adicionales y tuvo en cuenta la reducción de las molestias a los pasajeros.

Más concretamente, se determinó un coste teórico que reflejaba el impacto financiero de los retrasos de
los pasajeros.
Otros estudios de caso que tratan de la optimización de decisiones de CBM en una variedad de sectores
utilizando el enfoque de optimización presentado en esta sección son los de Willets et al. (2001), para
pulpa y papel; Vlok y cols. (2002), para plantas de carbón; Jardine et al. (2003), para el reabastecimiento
de combustible de plantas nucleares; Lin et al. (2003), para vehículos militares blindados terrestres;
Monnot et al. (2004), para retroexcavadoras de la industria de la construcción; Jefferis y cols. (2004),
para motores diésel marinos; y Chevalier et al. (2004), para turbinas en una planta nuclear.
Al revisar los estudios de optimización de CBM antes mencionados que abordan la interpretación
inteligente de las señales de CM, queda claro que una organización generalmente adquiere más datos
de CM de los realmente necesarios. En estos estudios, a menudo ha sido posible obtener una buena
comprensión de las mediciones CM más importantes asociadas con la identificación del riesgo de falla
del equipo. Esto se logra mediante un análisis cuidadoso de los datos adquiridos por los especialistas
de CM, junto con la información contenida en las órdenes de trabajo.
Un beneficio adicional de centrarse en la medición clave como resultado del enfoque de optimización
es que puede ser posible reducir la cantidad de mediciones tomadas en el momento de la CM. Sin
embargo, se debe tener cuidado si se interrumpen las mediciones porque el PHM es aplicable al entorno
operativo desde el cual se adquirieron los datos. Si el entorno operativo cambia, por ejemplo, debido a
un cambio en las prácticas operativas o de mantenimiento, tal vez los factores de riesgo identificados ya
no sean válidos.
Sin embargo, en una comunicación, Kingsbury (1999) afirmó que, en el contexto

de conversaciones con United Space Alliance, los contratistas de mantenimiento del programa US
Shuttle,
… debería enfatizar la capacidad (del enfoque CBM presentado) de permitirles seleccionar

las señales que monitorean y eliminar transductores innecesarios y requisitos de transmisión
de señales o telemetría. Esto se traduce en un peso reducido en el orbitador y un menor
ancho de banda de señal consumido por la telemetría de monitoreo del estado del equipo.
Una preocupación común planteada sobre el uso de métodos estadísticos formales en CBM es la
opinión de que para estimar la distribución de fallas de un artículo, se requieren datos del tiempo
transcurrido hasta la falla. La cuestión es que si la MC es eficaz, no se observará ningún fallo y, por
tanto, los procedimientos estadísticos formales son impracticables. Está claro que el objetivo de CM es
detectar cuándo un elemento está a punto de fallar y luego ser proactivo y tomar medidas preventivas,
evitando así la falla. Sin embargo, un análisis cuidadoso de varios conjuntos de datos ha demostrado
que, si bien el elemento se retira antes de que falle, la eliminación suele ser prematura y se desperdicia
gran parte de la vida útil del elemento.
Para profundizar, en un estudio de los motores Pratt & Whitney en el Boeing 707 (Anderson et al.
1982), aunque la mayoría de los motores (42 de 50) en la muestra sobrevivieron su vida útil, entre los 50
examinados, 8 habían sido retirados antes de la final de su vida útil debido a las lecturas del análisis de
aceite y enviados a Pratt & Whitney para revisión del motor. De los ocho, los informes de mantenimiento
indicaron que cuatro fueron buenas remociones, pero los otros cuatro fueron remociones prematuras (es
decir, sólo el 50% de las remociones fueron buenas).
De hecho, esta realidad es lo que impulsó los primeros trabajos sobre el posible uso del procedimiento
estadístico de PHM como un intento de manejar bien el riesgo real de que un ítem sujeto a CM fallara.
En un estudio publicado por Wiseman (2001) sobre la optimización de las decisiones de CBM
relacionadas con los motores de las ruedas en una empresa minera, no se registró ninguna falla
catastrófica en los motores de las ruedas.
Claramente, el propósito de CM es mitigar las consecuencias de las fallas. Sin embargo, en el
contexto de la optimización, siempre se examinan las compensaciones. Entonces, si bien el resultado de
CM puede resultar en una reducción sustancial en el número de fallas que se pudieron haber
experimentado antes de la implementación de CM, tal vez hasta cero, podríamos hacer esta pregunta:
¿Es esta reducción económicamente justificable?
Sin duda, el CM mejora sustancialmente la confiabilidad de la planta, pero se ha observado que a
menudo hay eliminaciones prematuras significativas debido a la mala interpretación de las señales que
emanan de diversas formas de CM. En el estudio de motores de ruedas (Wiseman 2001), hubo muchos
registros de CM asociados con los 138 motores de ruedas en una flota de camiones de acarreo en una
mina a cielo abierto. Se utilizó un análisis de aceite para monitorear la
salud de los motores de las ruedas y se utilizaron reglas para decidir cuándo se debía retirar el motor
de las ruedas. No se quitó ningún motor de rueda debido a una falla inesperada durante el
funcionamiento; Se retiraron 94 motores de ruedas debido a lecturas de CM. Al examinar los informes
de mantenimiento asociados con las reconstrucciones, se identificó que 32 de los motores podrían
clasificarse como fallas, es decir, habían sido removidos poco antes de que se esperara una falla. Los
otros 62 podrían catalogarse como expulsiones prematuras; les quedaba vida útil y podrían haberse
dejado en servicio con seguridad. Entonces, al construir el PHM para motores de ruedas, las 32
eliminaciones buenas se trataron como fallas y las otras 62 como suspensiones.
Una observación final: en la literatura sobre RCM se han hecho muchos comentarios sobre el hecho
de que cuando se realizó un estudio sobre aeronaves civiles (Moubray 1997), la mayoría de las fallas
de los equipos podían describirse mediante un peligro (riesgo de falla, a veces llamado probabilidad
condicional). de fracaso) que era constante. En la época del estudio al que se refiere Moubray, sólo se
medía el tiempo hasta el fallo. Para elementos complejos, es de esperar que el riesgo sea constante
porque las fallas pueden surgir por muchas causas diferentes, apareciendo así de manera completamente
aleatoria siguiendo un proceso de Poisson.
Por ejemplo, en la industria petroquímica, donde se utilizó la simulación para establecer el tamaño del
equipo de mantenimiento y los patrones de turnos, β de la distribución Weibull ajustada fue 1 para
artículos, incluyendo sistema de aporte de cemento, halogenador, coagulador, empacadora, cintas
transportadoras, envolvedora, trituradora y y así sucesivamente, y por lo tanto el peligro es constante
(SaintMartin 1985). En una estación de generación térmica de 25 años de antigüedad en la que se
utilizó simulación para establecer la mejor manera de mejorar el rendimiento de la planta mediante la
renovación, se encontró que β de la distribución Weibull ajustada era 1 para pulverizadores, sistema de
gas, paredes de agua, economizador, turbinas, transformador. , bombas de circulación, etc. (Concannon et al. 1990).
Cabe señalar que en los dos ejemplos anteriores, el riesgo de fracaso solo se estimó sobre la base
de una medida clave: la edad laboral. En el caso de la planta petroquímica la producción fue en
toneladas. Para la central, era el horario de funcionamiento.
Sin embargo, como se puede observar en esta sección, si se obtienen y utilizan otras mediciones
además de la edad en el cálculo de la tasa de riesgo utilizando el PHM, es posible identificar que la
edad de un artículo influye en su tasa de riesgo.
Con referencia al Capítulo 2, si el artículo que se examina es una unidad reemplazable en línea (una
en la que la única acción de mantenimiento realizada es equivalente a la renovación del artículo, ya sea
preventivamente o en caso de falla) y la tasa de riesgo es constante, entonces la edad no tiene
importancia. La influencia sobre la función de riesgo y el tiempo óptimo de reemplazo es infinito, es
decir, reemplazo solo en caso de falla.
3.5.6 SOFTWARE PARA OPTIMIZACIÓN DE CBM
Para aprovechar la teoría descrita en la Sección 3.5.3, se desarrolló un paquete de software denominado
EXAKT (www.omdec.com). Como explica Wiseman (2004), “EXAKT toma señales procesadas y las
correlaciona con fallas pasadas y eventos de fallas potenciales. Utilizando modelos, posteriormente
proporciona estimaciones de riesgo de falla y vida residual ajustadas a las consideraciones económicas
y los requisitos de disponibilidad para ese activo en su contexto operativo actual”.
La Tabla 3.5 ilustra los datos de CM que EXAKT requiere si la herramienta CM monitorea vibraciones,
como el número de identificación del equipo; antigüedad del artículo en el momento de la inspección;
TABLA 3.5
Datos de monitoreo de vibraciones
mediciones de vibraciones, como la aceleración general; velocidad en dirección vertical, primer

ancho de banda; velocidad en dirección vertical, segundo ancho de banda; Etcétera. Además, se
requieren datos del evento. Esta es información sobre cuándo el equipo entró en servicio y cuándo
salió de servicio, y si la remoción fue preventiva o en caso de falla. También es información sobre
cualquier intervención de mantenimiento que tuvo lugar entre la instalación y el retiro del equipo, que
puede afectar la interpretación de los datos CM, como los eventos enumerados en la Tabla 3.6. En
la Tabla 3.7 se proporciona una muestra de los datos del evento de análisis de vibraciones para el
ejemplo ilustrado en esta sección, en la que la edad laboral está en días.
TABLA 3.6
Diferentes formas de datos de eventos
1. un cambio de aceite
2. Una balanza de rotor
3. Una alineación del eje/acoplamiento
4. Una corrección de pie cojo
5. Ajuste, calibración y ajustes menores que afectan los datos de condición.
6. Un reemplazo de filtro
TABLA 3.7
Datos de eventos de análisis de vibraciones
3.5.6.1 Datos del evento
Un evento que proporciona información útil para la optimización de CBM puede ser cualquiera de los
siguientes tipos:
1. Un evento inicial. Esto indica el inicio de un historial (un historial incluye todos los eventos
desde la instalación hasta la eliminación de un elemento) y está designado por B.
2. Un evento de falla, designado por EF (que termina en falla).
3. Un sustituto preventivo, designado por ES (que finaliza por suspensión).
Un suceso durante un historial que afecta los datos de condición también es informativo.
Algunos ejemplos se enumeran en la Tabla 3.6.
Los datos de las Tablas 3.5 y 3.7 (aquí solo se muestran partes de las tablas completas) se utilizan
para obtener el PHM. Los mismos datos se utilizan para estimar la probabilidad de pasar de un estado
de medición de vibración a otro estado durante un intervalo específico, conocido como probabilidad de
transición, que luego se usa en combinación con datos de costos para obtener la cifra de decisión óptima
( Banjevic y otros 2001). La Tabla 3.8 es un ejemplo de la matriz de probabilidad de transición para la
medición de vibración “velocidad en la dirección axial, primer ancho de banda” cuando el intervalo para
la transición se especifica en 30 días. Por lo tanto, si la velocidad está en el rango de 0,15 a 0,22 hoy,
hay una probabilidad de 0,3779 de que el equipo esté en el mismo estado dentro de 30 días.
De manera similar, la tabla se puede utilizar para determinar que la probabilidad de que el equipo esté
en estado de falla dentro de 30 días es 0.1997. Se proporcionan probabilidades de transición para todas
las combinaciones posibles de estados.
Una matriz de probabilidad de transición es una herramienta que se puede utilizar para modelar el
comportamiento probabilístico de un proceso en términos de transiciones de un estado presente a un
estado futuro. Un proceso estocástico que tiene estados finitos se conoce como cadena de Markov. En el
TABLA 3.8
Matriz de probabilidad de transición
VEL#1A 0 0.1 0,15 0,22 Arriba

a 0,1 a 0,15 a 0,22 a 0,37 0,37
Muy suave 0 a 0,1 0.5754 0,2242 0,1452 0.0405 0.0147
Liso 0,1 a 0,15 0.2059 0.2498 0.3309 0.1374 0.0760
Bruto 0,15 a 0,22 0.0554 0,1376 0.3779 0.2294 0,1997
Muy áspero 0,22 a 0,37 0.0129 0.0474 0.1904 0.2424 0.5069
Falla Por encima de 0,37 0.0005 0.0027 0.0170 0.0521 0.9277
En el ejemplo dado en la Tabla 3.8, los estados de vibración que se monitorean son muy suave,
suave, áspero, muy áspero y falla. En el Apéndice 4 se proporciona una discusión sobre las
cadenas de Markov.
Finalmente, utilizando el PHM, las probabilidades de transición y los costos asociados al
reemplazo preventivo y de fallas, se obtiene la gráfica que puede usarse para la toma de
decisiones (Figura 3.15).
FIGURA 3.15 Optimización de la decisión CBM.

Así, siempre que se realiza una inspección, se obtienen los valores de los factores de
riesgo clave. En este caso, los factores de riesgo clave son la velocidad en la dirección axial,
primer ancho de banda; velocidad en la dirección axial, segundo ancho de banda; y velocidad
en la dirección vertical, primer ancho de banda. Estas medidas se multiplican por sus factores
de ponderación, 5,8312, 36,552 y 24,053, respectivamente, y luego se suman para obtener
un valor z , que está marcado en el eje y. El eje x muestra la antigüedad del artículo (un
rodamiento en este ejemplo) en el momento de la inspección. La posición del punto en el
gráfico indica la decisión óptima. Si el punto está en el área ligeramente sombreada, la
recomendación es continuar operando; con referencia al gráfico de riesgo en la Figura 3.15,
el peligro está por debajo del nivel óptimo. Si la intersección está en el área sombreada
oscura, la recomendación es reemplazarla; en este caso, el peligro es mayor que el nivel de
riesgo óptimo. Si la intersección se encuentra en el área despejada, indica que el tiempo
óptimo de cambio es entre dos inspecciones.
En el sitio web www.banakinc.com hay una explicación detallada de EXAKT.
El capítulo “Interpretación de los datos de inspección que emanan de las herramientas de
monitoreo de la condición de los equipos: método y software” en Métodos matemáticos y
estadísticos en confiabilidad (Jardine y Banjevic 2005) proporciona una descripción general
de la teoría y la aplicación del enfoque de optimización CBM presentado en esta sección.
PROBLEMAS
1. La política de mantenimiento actual que se está adoptando para una máquina

transfer compleja en funcionamiento continuo es que las inspecciones se realizan
una vez cada 4 semanas. Al mismo tiempo se subsanan los posibles defectos que
se detecten durante esta inspección y que puedan provocar averías en la máquina.
Entre estas inspecciones, la máquina puede averiarse y, si lo hace,
se repara inmediatamente. Como consecuencia de la política de inspección actual,
el tiempo medio entre averías es de 8 semanas.
Se sabe que la tasa de averías de la máquina puede verse influenciada
por la frecuencia de inspección semanal, n, y el mantenimiento menor asociado
realizado después de la inspección, y tiene la forma λ(n) = K/n, donde λ(n) es la
tasa media de averías por semana para una frecuencia de inspección de n por
semana.
Cada avería tarda una media de 1/4 de semana en subsanarse, mientras que la
El tiempo necesario para inspeccionar y realizar cambios menores es de 1/8 de semana.
a. Construya un modelo matemático que pueda usarse para determinar la frecuencia

de inspección óptima para maximizar la disponibilidad de la máquina de
transferencia.
b. Utilizando el modelo construido en (a) junto con los datos proporcionados en el
planteamiento del problema, determine la frecuencia de inspección óptima.
Además, proporcione la disponibilidad asociada a esta frecuencia.
2. Una máquina industrial consta de dos partes, la parte A y la parte B. Cada parte
tiene su propia tasa de avería, y siempre que cualquiera de las dos partes se
estropee, se detendrá toda la máquina para su reparación. Cada avería requiere un
promedio de 3 días para rectificar. En las inspecciones, se inspeccionan tanto las partes A
como B y, en total, la inspección tarda 1,5 días en completarse. Los posibles defectos que se
detecten durante estas inspecciones y que puedan provocar averías en la máquina son
subsanados en su momento. Se sabe que las tasas de avería de las partes A y B están
influenciadas por la frecuencia de inspección, n, y los trabajos de mantenimiento menores
asociados, y tienen la forma que se enumera a continuación:
K1
Parte A: (n) =
1
norte
K2
Parte B: (n) =
2
norte
donde λ1(n) y λ2(n) son las tasas medias de averías por mes para las partes A y B,
respectivamente, cuando se aplica una frecuencia de inspección de n por mes.
La política de mantenimiento actual que se está adoptando para la máquina en
funcionamiento continuo es que las inspecciones se realizan una vez al mes. Como resultado de
En esta póliza el tiempo medio entre averías de las máquinas es de 2 meses.
a. Construya un modelo matemático que pueda usarse para determinar la frecuencia de

inspección óptima para maximizar la disponibilidad de la máquina.
b. Utilizando el modelo construido en (a) junto con los datos proporcionados en el planteamiento
del problema, determine la frecuencia de inspección óptima. Además, proporcione la
disponibilidad asociada a esta frecuencia.
C. Encuentre el valor de K1 dado que K2 = 0,1 (los cálculos deben considerar
un mes como unidad de tiempo).
3. Considere las bombas que se muestran en la Figura 3.16. La bomba de servicio (bomba B)
suministra agua a un tanque (tanque Y) del cual se extrae agua a una velocidad de 800 L/min
para enfriar un reactor que funciona continuamente las 24 horas del día, los 7 días de la semana.
Las bombas pueden entregar hasta 1000 L de refrigeración

agua por minuto
Deber
bomba B
Y
Apoyar
X
bomba C
Toma de salida del tanque: 800

l/min
FIGURA 3.16 Sistema de suministro de agua de refrigeración.


PARTE 01 - Jardine, Andrew K. S. - Tsang, Albert H. C - Maintenance, Replacement, and Reliability - Theory and Applications, Second Edition (2013, CRC Press) 1-130 ESPAÑOL

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

PARTE 01 - Jardine, Andrew K. S. - Tsang, Albert H. C - Maintenance, Replacement, and Reliability - Theory and Applications, Second Edition (2013, CRC Press) 1-130 ESPAÑOL

Cargado por

Copyright:

Formatos disponibles

Machine Translated by Google

Machine Translated by Google

Boca Ratón Londres Nueva York

CRC Press es una editorial de la

© 2013 por Taylor & Francis Group, LLC

No se aceptan reclamaciones sobre obras originales del gobierno de

Libro de norma internacional número­13: 978­1­4665­5486­3 (libro electrónico ­ PDF)

Visite el sitio web de Taylor & Francis en http://

y el sitio web de CRC Press en http://

A mi esposa Renee, mi hija Charis y mi hijo Alvin.

Capítulo 1 Introducción ................................................. ..........................................1

1.1 De la gestión del mantenimiento al activo físico

Capítulo 2 Decisiones sobre el reemplazo de componentes.................................... ......27

2.2.2 Construcción del Modelo................................................ 31 2.2.3

2.7.5 Aplicaciones................................................ ................. 61

2.7.5.1 Reemplazo de paños de refinería de azúcar ...... 61 2.7.5.2

2.12.4 Comentarios adicionales................................................. .........83

2.13 Resolución de los modelos de intervalo constante y basados en la edad

Capítulo 3 Decisiones de inspección ................................................ ........................ 101

3.1 Introducción ................................................. ......................... 101 3.2 Frecuencia

3.4.6 Una aplicación: válvulas de seguridad de presión en un aceite

3.5.3 Combinando peligro y economía: optimización

3.5.4.1 Procesamiento de alimentos: uso del

Capítulo 4 Decisiones de reemplazo de bienes de capital................................ 135

4.1 Introducción ................................................. .......................... 135

4.4.3 Ejemplo numérico................................................ ..... 153

4.5 Política de reemplazo óptima de bienes de capital

Capítulo 5 Requisitos de recursos de mantenimiento ................................. 179

5.3.4 Comentarios adicionales................................................ .......

Tornos medianos/grandes) para hacer frente a una carga de trabajo fluctuante...190

lógico.................... ......... 191 5.4.2.2 Obtención de la información

Aplicaciones................................................. ............201 5.4.5.1 Establecimiento del

Equilibrio entre el costo de mantenimiento y la

Redimensionamiento de una flota de equipos: una aplicación................205 5.5.1 Una

numérico................ ................................. 210 5.6.4 Comentarios

retenidas................. 213 5.7.2.2 Uso de fondos prestados..... ....................

5.7.2.4 Conclusión ................. ................................. 216 5.7.3

Apéndice 1: Introducción a las estadísticas ................................. ................................ 219

Apéndice 2: Análisis de Weibull................................................ ................................233

Apéndice 3: Estimador de máxima verosimilitud.................................... ......275

Apéndice 4: Cadenas de Markov................................................ ................................279

Apéndice 5: Obtención de conocimientos ......................................... ........................283

Apéndice 6: Valor del dinero en el tiempo: análisis de flujo de efectivo descontado...295

Apéndice 7: Lista de aplicaciones de optimización de decisiones de mantenimiento

Apéndice 8: Ordenadas de la Distribución Normal Estándar ........................309

Apéndice 9: Áreas en la cola de la distribución normal estándar ................ 311

Apéndice 10: Valores de la función Gamma ................................................ ................ 315

Apéndice 11: Tabla de rangos de mediana ................................. ........................ 317

Apéndice 14: Valores críticos para la estadística de Kolmogorov­Smirnov (dα) ......323

Apéndice 15: Respuestas a los problemas................................................ ........................325

Prefacio de la primera edición

• OREST (acrónimo de Reemplazo Óptimo de Equipos a Corto Plazo): introducido en el

xvi Prefacio de la primera edición

• Optimizador del tamaño de la tripulación: presentado en el Capítulo 5, Sección 5.6.3

Andrew KS Jardine y Albert HC Tsang, 2005

Prefacio de la segunda edición

Desarrollamos software para implementar procedimientos y modelos presentados en la primera

xviii Prefacio de la segunda edición

Nos complace ofrecer una versión actualizada y mejorada de un recurso importante.

Andrew KS Jardine y Albert HC Tsang, 2013

xx Agradecimientos a la Primera Edición

• Apéndices 11, 12 y 13: Tablas de rangos de mediana, 5% y 95% en confiabilidad en diseño

Andrew KS Jardine y Albert HC Tsang, 2005

Libro de norma internacional número13: 9781466554863 (libro electrónico PDF)

Apéndice 14: Valores críticos para la estadística de KolmogorovSmirnov (dα) ......323