1 Congreso Nacional de

Estudiantes
de Ingeniera Mecnica
INTRODUCCION
A LA

FIABILIDAD, ANALISIS DE
FALLO, APLICACION AL
DISEO Y AL
MANTENIMIENTO

Qu es la
fiabilidad?
Permanencia de la calidad de los
Fiabilidad:
productos (o servicios) a lo largo del
tiempo.
Capacidad de desarrollar
adecuadamente su labor a lo largo del
tiempo.
Definicin AFNOR X 06-501
Fiabilidad es la caracterstica de un dispositivo expresada por la probabilidad
de que un dispositivo cumpla una funcin requerida en las condiciones de
utilizacin y para un perodo de tiempo determinado.
Probabilidad: es la relacin nmero de casos favorables nmero de casos
posibles asociada a un tiempo t .
Se denomina R (t) = P (cumplir una misin) = P (buen funcionamiento)
R traduccin del ingls Reliability
2

La Fiabilidad intenta garantizar que el producto permanecer

en buenas condiciones durante un periodo razonable de tiempo
Segn la definiciones se tiene que pensar muy claramente qu
significa
Funcionamiento satisfactorio
Tiempo de funcionamiento (Misin)
Condiciones de funcionamiento

Necesidad de fiabilidad
Desde un punto de vista puramente econmico, es deseable una
alta fiabilidad para reducir los costos totales del producto.
El hecho de que en algunos sistemas militares el costo anual de
mantenimiento sea diez veces el costo original del mismo, pone
de manifiesto esta necesidad. (ciclo vida)
Tambin hay que considerar el aspecto de seguridad (el fallo de
un sistema ABS en un automvil puede ser catastrfico).
Existen otro aspectos como retrasos de horarios, incomodidades,
insatisfaccin del cliente y prdida de prestigio del fabricante.
Cada vez son ms las empresas y organismos que en sus
contrataciones exigen ciertas normas de fiabilidad (MIL HDBK
217 en USA)
4

Perspectiva histrica de la teora de la

fiabilidad
Estudios para poder evaluar la mortalidad

derivada de

las epidemias.

Orgenes:

Compaas de seguros, para determinar los riesgos de

sus plizas de seguro de vida.

Tablas de vida: La primera tabla de vida data de 1693 y

es debida a Edmund Halley

Siglo XX:

se utilizaban los mtodos actuariales tanto para estimar la

supervivencia de pacientes sometidos a distintos
tratamientos como para estudiar la fiabilidad de
equipamientos, en particular de los ferrocarriles.
En 1939 Waloddi Weibulll, cuando era profesor del Royal
Institute of Technology en Suiza, propuso una distribucin
para describir la duracin de materiales, que ms tarde
llevara su nombre.
En 1951 Epstein y Sobel empezaron a trabajar con la
distribucin exponencial como modelo probabilstico para
estudiar el tiempo de vida de dispositivos
5

Paradigm
as
En la industria los equipos y sistemas crecen

en complejidad.
Existen mayores exigencias a la eficiencia de

los costos del ciclo de vida til de las maquinas

de produccin.
Cada fabricante intenta llegar al objetivo de

calidad exigido por el mercado al mnimo costo

posible.

Objetivo de Fiabilidad y
Mantenibilidad
Desde el diseo existe la necesidad de
entregar equipos o sistemas que tengan las
prestaciones deseadas por el Cliente y que
adems
sean
Confiables,
de
fcil
mantenimiento y con funcionamiento seguro y
econmico durante su vida til.

Las Teora de la Fiabilidad Incorporan la

incertidumbre a la Ingeniera.
Podramos decir que la certeza de un hecho (en nuestro
contexto de Falla de Maquina), es un acontecimiento
DETERMINISTA con un resultado finito.
En cambio la incertidumbre de un hecho seria un

acontecimiento INDETERMINISTA con un resultado

probabilstico.

Fiabilidad y Mantenimiento
Desde el punto de vista de la ingeniera, la fiabilidad es la
probabilidad de que un aparato, dispositivo o persona
desarrolle una determinada funcin bajo condiciones
fijadas durante un periodo de tiempo determinado.
La confiabilidad de un elemento puede ser caracterizada
a travs de distintos modelos de probabilidades.
Podemos describir varias distribuciones de fallas
comunes y ver qu podemos aprender de ellas para
gestionar los recursos de mantenimiento. Convirtiendo el
conocimiento ganado de ellas en acciones PROACTIVAS de
Mantenimiento y aplicarlas en el Diseo.

Herramientas de
Fiabilidad
Se estudia mediante el anlisis
estadstico de datos de supervivencia.
ISO define fiabilidad como la probabilidad de que un
componente o sistema, desarrolle durante un periodo
de tiempo dado, la tarea que tiene encomendada sin
fallos, y en las condiciones establecidas.
Estudiar Duraciones de Procesos que es comn en muchas
ciencias:
Duracin de un componente (Fiabilidad)
Supervivencia de un paciente a un tratamiento (Medicina)
Duracin del desempleo (Economa)
Edad de las personas (Demografa y sociologa)

10

Veamos, a partir de un histograma podemos desarrollar las

cuatro funciones de importancia para la caracterizacin de la
fiabilidad.
9

ENERO
FEBRERO
MARZO
ABRIL
MAYO
J UNIO
J ULIO
AGOSTO
SEP TIEMBRE
OCTUBRE

TOTAL

fallas
2
5
7
8
7
6
5
4
3
1
48

5
Fallos

MES

Serie1
Serie2
4

0
ENERO

FEBRERO

MARZO

ABRIL

MAYO

JUNIO

JULIO

AGOSTO

SEPTIEMBRE

OCTUBRE

Meses

11

- pdf. Probability Density Function

En estudios de mantenimiento necesitamos pasar del anterior histograma a
funciones continuas, debido que la variable tiempo de fallo es continua. Esta
funciones nos dan una idea clara de la distribucin de fallos. Empezamos por la
funcin llamada pdf que indica la densidad probable de fallas en cada intervalo
t, cuyo total ser el rea encerrada bajo la curva e igual a: pdf = 48/48 =1
9

t2

f (t ) f (t )d (t )

t1

5
f(t)
4

Serie1
3

0
ENERO

FEBRERO

MARZO

ABRIL

MAYO

JUNIO

JULIO

AGOSTO

SEPTIEMBRE

OCTUBRE

Meses

Pudiendo llamar a t1 y t2, - y

respectivamente

12

CDF Cumulative Density Function:

aqu de - a Tiempo t, seria la probabilidad de que falle en tiempo t.
F (t )

t
f (t )dt

el rea bajo la curva - transcurrido t (Funcin Reparticin )

cdf=14/48

5
f(t)
4

0
ENERO

FEBRERO

MARZO

ABRIL

MAYO

JUNIO

JULIO

AGOSTO

SEPTIEMBRE

OCTUBRE

Meses

Tiempo t

Intervalo - a t, la acumulacin de fallas

13

R(t) Reliability (Fiabilidad)

Esta es la probabilidad de xito o sea que sobrevivan sin falla
transcurrido el mismo tiempo t. Representando por el rea
bajo la curva t hasta infinito. R(t)= 1- cdf
R (t )

f (t )dt
t

5
f(t)
4

0
ENERO

FEBRERO

MARZO

ABRIL

MAYO

JUNIO

JULIO

AGOSTO

SEPTIEMBRE

OCTUBRE

Meses

Tiempo t

14

h (t) Funcin riesgo = pdf/1cdf derivada de las anteriores, es la

El ltimo tipo de funcin que tenemos
Funcin de Riesgo, tambin llamada tasa de falla o tasa de
mortalidad h(t).

(t)

DOMINIO
ELECTRONICO

desclasificacin
Hiptesis exponencial

constante

desarrollo

3
obsolescencia

Edad t

Madurez (fallos aleatorios)

Inicio utilizacin

15

h (t) Funcin riesgo = pdf/1cdf

DOMINIO MECANICO
(t)
Influencia del desgaste
sobre (t)

Curva debida a los

fallos precoces

desclasificacin

Madurez

Puesta en servicio

f (t )

R(t )

h(t )

rodaje

obsolescencia

Edad t

f (t )

1 F (t )
16

Cuando la tasa de fallo del elemento responde a la curva de la baera

es conveniente realizar un ensayo acelerado del mismo (en condiciones
de stress) para que supere la zona de mortalidad infantil o fallas
infantiles.

determinar cuando comienza la vida til del producto y ofrecer a los clientes
una garanta de funcionamiento durante ese periodo de
funcionamiento
problemtico.
Una vez superado el periodo crtico, la empresa est razonablemente
de que el producto tiene una posibilidad de fallos reducida

segura
17

n i

MTBF
0

TBFi
n

18

La distribucin de fallas de diferentes tipos de maquinaria no son

las mismas. Aun varan en una misma maquina durante su
operacin. Sus formas pueden ser estudiadas a partir de las
funciones pdf, cdf y tasa de falla de los datos reales de
mantenimiento o de ensayos de fiabilidad. Estos dan forma a
determinadas
expresiones
matemticas
conocidas
como
distribuciones obteniendo:

Dist. Exponencial
Dist. Normal
Dist. Lognormal
Dist. Weibull

19

EL MODELO EXPONENCIAL

pdf
cdf
R(t)

f (t) = exp (-t),

0
F(t) = 1 - exp(-t),
0
R(t) = exp (-t ),
0

t
t
t

= h(t)

20

EL MODELO DE WEIBULL
=5x)

f (t)

t
f (t )

=0,5x)

=3,6
=1x)

f (x)

e t

=2,5x)

=2x)

parmetro de forma

> 0;

parmetro de escala

> 0;

parmetro de posicin - < < +

t
(t)

F (t ) 1 e

=4

3
2
2

1,5
0,5

1
0,5t
t

21

Ti: 93, 34, 16, 120, 53 y

75

22

Las caractersticas de la distribucin de Weibull

23

Las caractersticas de la distribucin de Weibull

24

Las caractersticas de la distribucin de Weibull

-El parmetro de posicin
tiempo)

f(t)

(en unidad de

Se llama tambin parmetro de diferenciacin o de

localizacin.
Significado: indica la fecha de inicio de los fallos.

2 < 0

2 = 0

2 > 0

-- si > 0, hay supervivencia total entre t = 0 y t =

;
-- si = 0, los fallos empiezan en el origen del
tiempo;
-- si < 0, los fallos han empezado antes del origen
del tiempo.

25

Ejemplo
Obtencin de la fiabilidad de neumticos a travs
del Anlisis de la degradacin
Siete marcas de neumticos fueron controlados en su desgaste
cada 5.000 millas, midiendo la profundidad de cada uno. La
tabla que contiene las mediciones desde su inicio hasta las
30.000 millas

f (t) = exp (-t),

0
F(t) = 1 - exp(-t),
0
R(t) = exp(-t ),
0

Degradacin Critica

t
t

y= 2 mm

26

Ejemplo

27

Ejemplo

28

Ejemplo

29

Ejemplo

30

Ejemplo

31

Ejemplo

32

Ejemplo

Grfico de Weibull
porcentaje acumulado

Ciclos
10263
12187
16908
18042
23271

5 ejes templados se ensayan a la resistencia

hasta que se rompen.

99,9
99
90
70
50
30
20
10
5

Est.: Reg. por Rang

Forma: 3,2502
Escala: 17999,7
Origen: 0,0
Fracasos: 5
Tamao de la mues

1
0,5
0,1
1000
8 % = 8000 Ciclos

10000

Col_1

100000
90 % = 24000 Ciclos
50 % = 17000 Ciclos

33

Dis tribucin de Weibull

(X 0,00001)
8

d
e
n
s
id
a
d

0
1000

10000

100000

Col_1
Dis tribucin de Weibull

0,8

0,8

0,6

0,6

0,4

0,4

0,2
0
1000

10000

Col_1

100000

p
r
o
b
a
b
ilid
a
d
d
e
s
u
p
e
r
v
iv
e
n
c
ia

p
r
o
b
a
b
ilid
a
d
a
c
u
m
u
la
t
iv
a

Dis tr ibucin de Weibull

0,2
0
1000

10000

100000

Col_1

34

Ejemplo
Estado
Fo S
S
S
S
S
S
S
S
S
S
F
S
S
S
S
F
S
S
S
S
S
S
S
S
S
S
S
S
S
F
F
S
S
F
S
S
S
F
S
F
S
F
F
F
F
S
F
F
F
F
F

Tiempo
FoS
23
25
27
28
29
29
29
31
34
35
36
36
36
37
38
38
38
39
39
39
39
39
39
40
41
41
41
43
46
51
52
53
54
54
55
55
58
59
61
63
64
68
69
72
74
75
77
78
82
88

35

Ejemplo

Policy Value $100.000,00

Policy Period
1 Year

Start Age

Analysis Time Range

40
Increase by:1

Prima Mensual
Current Age Estimate Lower CL Upper CL
40
$46,65
$23,78
$91,38
41
$51,63
$27,07
$98,36
42
$57,01
$30,69 $105,77
43
$62,80
$34,65 $113,66
44
$69,03
$38,98 $122,05
45
$75,71
$43,69 $131,00
46
$82,86
$48,79 $140,54
47
$90,52
$54,28 $150,73
48
$98,70
$60,18 $161,64
49
$107,42
$66,47 $173,32
50
$116,71
$73,17 $185,85
51
$126,59
$80,27 $199,31
52
$137,08
$87,75 $213,79
53
$148,22
$95,61 $229,37
54
$160,02 $103,83 $246,15
55
$172,51 $112,40 $264,24
56
$185,71 $121,30 $283,73
57
$199,65 $130,51 $304,74
58
$214,36 $140,02 $327,37
59
$229,86 $149,82 $351,74
60
$246,18 $159,89 $377,96

36

Ejemplo aplicado al
mantenimiento

Frezadora ZAYER 3000 BF. En el ao 1990 se le realiz retrofiting a la mquina

donde se le cambi el c.n.c. Gettys original por uno marca Fagor.

37

CAUSA
ASIGNADA

TTR [DIAS]

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

MECANICA
MECANICA
MECANICA
MECANICA
MECANICA
MECANICA
MECANICA
MECANICA
MECANICA
MECANICA
MECANICA
MECANICA
MECANICA
MECANICA
MECANICA
MECANICA
MECANICA

0,458333
1,666667
2,416667
2,500000
0,625000
1,666667
0,500000
0,500000
1,666667
0,625000
0,458333
0,291667
7,541667
1,166667
0,666667
1,916667
0,250000

Histrico de Fallos
Mecnicos
RANGOS
TBF
F (t)
MARCAS DE
[DIAS]
15
21
22
43
45
62
69
81
82
104
109
113
147
148
163
164
204

MEDIANA
0,04
0,10
0,16
0,21
0,27
0,33
0,39
0,44
0,50
0,56
0,61
0,67
0,73
0,79
0,84
0,90
0,96

INFIABILIDAD
0,04
0,10
0,16
0,21
0,27
0,33
0,39
0,44
0,50
0,56
0,61
0,67
0,73
0,79
0,84
0,90
0,96

MTBF (Terica en meses)

MTTR (DIAS)
SUMATORIA TTR DIAS

MARCAS DE
CLASE
[MESES]

F (t) PARA
MARCAS

10

0,33

0,07

22-42

31

1,03

0,16

43-63

52

1,73

0,27

64-84

73

2,43

0,44

85-105

94

3,13

0,56

106-126

115

3,83

0,64

127-147

136

4,53

0,73

148-168

157

5,23

0,84

190-210

199

6,63

0,96

CADA 21
DIAS

CLASE [DIAS]

0-21

2,37
0,33
6,000000 EN 6,5 AOS
38

TBF
F (t)
MEDIANA
[DIAS]
INFIABILIDAD
13
16
19
23
26
38
53
55
68
77
80
86
87
93
97
134
150
164

0,04
0,09
0,15
0,20
0,26
0,31
0,36
0,42
0,47
0,53
0,58
0,64
0,69
0,74
0,80
0,85
0,91
0,96

0,04
0,09
0,15
0,20
0,26
0,31
0,36
0,42
0,47
0,53
0,58
0,64
0,69
0,74
0,80
0,85
0,91
0,96

RANGOS
CADA 17
DIAS

MARCA DE
CLASE DIAS

MARCA DE
CLASE
MESES

F (t) PARA
MARCAS

0-17

0,27

0,07

18-34

26

0,87

0,20

35-51

43

1,43

0,34

52-68

60

2,00

0,45

69-85
86-102

77
94

2,57
3,13

0,53
0,58

103-119

111

3,70

0,72

120-136
137-153
154-170

128
145
162

4,27
4,83
5,40

0,85
0,91
0,96

MTBF (Terica en meses)

MTTR (DIAS)
SUMATORIA TTR DIAS

2.37
0.33
6.000000 EN 6,5 AOS

39

.
.
.

..

.
.

0,1

..

.
.
.
.

MTBF~3,4
MESES

10

100

0,1

MTBF~2,5
MESES

10

100

40

PROYECTO DE INVESTIGACION
Estudio probabilstico de Fallos, uso del Dataminig
y Datawarehouse para su aplicacin al
Mantenimiento
1.
2.
3.
4.
5.
6.
7.
8.
9.

Introduccin
Origen de la Propuesta.
Aportes de cada Disciplina: Ing. Fiabilidad y Sistemas de
Informacin.
Objetivos
Metodologa de Trabajo
Impacto esperado/Transferencia al Medio
Avance del Proyecto
Conclusin
Integrantes del Equipo de Trabajo
41

1. Introduccin

Este proyecto est orientado a estudiar y analizar el impacto

de aplicar TI/SI al estudio probabilstico de los fallos en el

Mantenimiento, como funcin cuyo objetivo es la prolongacin
y/o recuperacin de las funciones de determinado componente
o mquina.
Si las mquinas no fallaran, no habra mantenimiento,
conceptualizando los Fallos como eventos indeseables que
debemos tratar de evitar, prevenir o anticipar a travs del
estudio de su probabilidad de ocurrencia mediante mtodos
probabilsticos automticos.

42

.
2. Origen de la Propuesta
Trabajo en Equipo de dos ctedras de la carrera:
Fundamentos de Informtica: 1er. Nivel y uno de sus objetivos
es formar elementos de juicio orientados a la resolucin
automtica de problemas, mediante a travs del desarrollo de
destrezas en el uso tanto de Hardware como de Software.
Mantenimiento: 5to. Nivel y cuyo objetivo es gestionar el
mantenimiento a travs de herramientas que permitan
dominar fallos, por metodologas basadas en registros de
confiabilidad del material y su comportamiento; TPM,
Mantenimiento Preventivo, Anlisis de Software y outsourcing.
En todos los casos, el proyecto se desarrolla con actividades
docentes, por lo cual la transferencia al aula es directa.
43

3. Aportes de cada Disciplina:

Ing. Fiabilidad e Ing. Sist. Informacin
Ingeniera Fiabilidad

Es el estudio de la longevidad y fallo de los equipos, que

investiga sus causas a travs de la aplicacin de una
metodologa basada en dos enfoques:
- Modelos: deductivo, de tendencia, inductivo; utilizado en la
etapa de diseo del material.
- Mtodos para clculo de Fiabilidad son dos: Analtico (frmulas
matemticas, simulacin de escenarios) y Grfico (ensayos de
larga duracin o acelerados).
- Todos los estudios de fiabilidad estn sometidos a su
tratamiento a travs de la variable continua tiempo; en el cual
se analiza la tasa de fallo.
44

 La Informtica como una ciencia de aplicacin interdisciplinaria

se transforma en una excelente herramienta para la Toma de

Decisiones automticas a travs del uso de Base de Datos.
Base de Datos: coleccin de datos y/o documentos digitales
que pueden ser homogneos o no, que disponen de Sistemas
de Gestin de Bases de Datos (relacionales o documentales) y
un conjunto de aplicaciones que hacen posible su publicacin,
integracin y consulta dentro o fuera de Internet
(Telemantenimiento).
Herramientas de Bases de Datos:
- Datawarehouse (DW)
- Datamining (DM)

45

DW o Almacenes de Datos:
Generan Bases de Datos tangibles con una perspectiva histrica,
utilizando datos de mltiples fuentes (excel, access, sql, etc.) que
se fusionan en forma congruente y son soportados por un motor
de BD fuerte y con gran capacidad de almacenamiento.

- DM o Minera de Datos:
Predicen futuras tendencias y comportamientos, permitiendo en los
negocios tomar decisiones proactivas y conducidas por un
conocimiento acabado de la informacin (knowledge-driven) de los
fallos.
Se basan en la extraccin de informacin oculta y
predecible de grandes Bases de Datos; que nos permiten
responder a preguntas sobre el comportamiento del material en los
fallos, que consumen demasiado tiempo para poder ser resueltas y
cuyos usuarios de esta informacin no estn dispuestos a aceptar.
Ej.: Reportes.

46

La Minera de Datos es una disciplina que est influyendo

en nuestros das dentro del mbito del anlisis de datos.
- Es un conjunto de metodologas y herramientas que permiten
extraer el conocimiento til (patrones de comportamiento,
modos de operacin, informacin til para descubrir fallos,
tendencias, etc.) para la ayuda en la toma decisin,
comprensin y mejora de proceso o sistemas, etc; partiendo de
grandes cantidades de datos.
- Esta herramienta no se basa en una metodologa estndar y
genrica que resuelve todo tipo de problemas, sino que
consiste en una metodologa dinmica e iterativa que va a
depender del problema planteado, de la disponibilidad de las
fuentes de datos, del conocimiento de las
herramientas
necesarias y de los requerimientos y recursos de la empresa.
- Ej. Campos de aplicacin control, optimizacin y supervisin de
procesos industriales, control de calidad, tendencias de la Bolsa
de Valores, diagnstico de enfermedades,prediccin de ventas,
deteccin de fraudes y evasin de impuestos, lavado de dinero,
etc.
47

4. Objetivos del Proyecto de Investigacin

Automatizar el tratamiento de fallos a travs del uso de las

Bases de Datos para su estudio de comportamientos que

permitan tomar decisiones proactivas basadas en repositorios
de datos histricos y en la criticidad de los sistemas en
funcionamiento.
Objetivos derivados:
- Determinar si la aplicacin de ambas herramientas (DW y
DM) facilitan no solo anlisis prospectivos automatizados (M.
Preventivo) de los fallos, sino eventos futuros cuyo
comportamiento puede inferirse del anlisis de ciertos
parmetros.
- Crear conciencia en los alumnos, para que a partir del uso de
estas herramientas, en problemas reales y de distinto nivel de
complejidad, apliquen sistemas de Gestin de Informacin al
Mantenimiento.
48

5. Metodologa de Trabajo
El proceso es realizado en una secuencia de actividades,
-

algunas de estas superpuestas en el tiempo, pero bsicamente

responden a los siguientes pasos:
Preparacin del estudio.
Seleccin del Sistema y de sus lmites (muestra representativa)
Anlisis del Sistema, datos existentes y medios estadsticos
aplicados al estudio de fiabilidad.
Evaluacin de consecuencias de fallos.
Establecer algoritmos que permitan generar un Sistema de
Decisin o respuesta al fallo.
Aplicarlo a escala piloto y determinar su aplicabilidad.
Validarlo.
Cabe aclarar que esta Metodologa forma parte de un Plan de
Trabajo a mediano plazo presentado por la U.T.N. F.R.C.

49

6. Impacto esperado/Transferencia al Medio

Nuestra intencin es que este Proyecto Innovador repercuta

positivamente en tres escenarios:

- Cientfico y/o tecnolgico:
Basado en el uso de un software especializado (enlatado)
desarrollado para satisfacer las necesidad primordiales del rea
Fiabilidad. Algunos son:
- JMPTM (www.jmpdiscovery.com)
- SAS (www.sas.com/statistics)
- ReliaSofts Alta 6 (www.reliasoft.com)
- BQR (analizando factibilidad de adquirir licencia acadmica)
- Formacin de RRHH:
Los Docentes involucrados, en su rol natural de multiplicadores de
conocimiento, motivarn y formarn alumnos con una clara visin
estratgica de la gestin de mantenimiento automatizado a travs
del uso de herramientas Informticas; ya que la transferencia al aula
es directa.
Consolidar en el seno del Dpto. Grupos de I&D, que interactuarn
en forma interdisciplinaria; as como capacitacin en temas DW/DM
para Docentes de la carrera.
50

- Desarrollo Socio-Econmico:

La Fiabilidad y el Mantenimiento protegen tanto el rendimiento

de la Empresa como de sus inversiones; por ello se define la
Fiabilidad como la Calidad a travs del tiempo.
Hoy en da, los costos asociados a los fallos en la Industrias
con muy significativos (relacin costo-beneficio).

Transferencia al medio de resultados obtenidos:

Es muy probable en etapas ms avanzadas, ya que hay
Empresas productivas interesadas en esta investigacin pues
un paro en la produccin por mantenimiento o avera de las
mquinas suponen un coste inadmisible en trminos de
productividad.
La Teleasistencia permite no slo reparar la mquina desde
instalaciones del fabricante sino mantener un control
automtico y preventivo de los equipos.
Y el futuro de la aplicaciones HMI (Human Machine Interface)
en la industria de la automatizacin descansa en la idea de ser
el puente entre el rea de control y el rea de la informacin.
51

7. Avance del Proyecto de Investigacin

Plan de Trabajo ha sido presentado a tres aos, y est a la

espera de aprobacin como Proyecto Promocional por

Rectorado, para formar parte de la Acreditacin de la carrera
Hoy: estamos avanzando en dos lneas bien definidas:
- Una dedicada al anlisis del Software (enlatado) de Fiabilidad
que mejor se adapte a nuestras necesidades; donde la opcin
BQR posee una versin acadmica que podra ser adquirida
por la Facultad y exige un trabajo de campo concreto de un
alumno de la ctedra pertinente (Mantenimiento).
- Otra referida a cul es el mejor motor de Base de Datos que
se adapte a nuestros requerimientos, y estamos analizando los
siguientes:
a. Motor de Base de Datos SQL 2005: que trae un mdulo de DW
para usuarios de conocimientos medio.
b. Motor de Base de Datos Oracle: que en su versin 10 gi presenta
interesantes ventajas competitivas.
Estamos analizando dos aspectos trascendentes: licencia del Software
y (BD) y capacitacin al equipo de trabajo interdisciplinario.

52

8. Conclusin

Consideramos que este proyecto innovador y de carcter

interdisciplinario, mejorar la perfomance en lo referido a
disminucin de fallos de los equipos en particular y de una
lnea de produccin en general; a travs de la
automatizacin del proceso de toma de decisiones
mediante un DW o DM.

53

9. Integrantes del Equipo de Trabajo

Director:

Ing. Jorge E. Abet

Co-directora: Ing. Blanca R. Carrizo
Integrantes:
Ing. Gustavo I. Gonzlez
Ing. Cynthia Corso
Ing. Sandra Olariaga
Ing. Clarisa Stefanich

54

Muchas Gracias !!

55