Este documento provee una introducción al análisis de confiabilidad de Weibull, el cual es una técnica estadística utilizada para predecir fallas mecánicas y electrónicas. Explica conceptos clave como las distribuciones de Weibull y log-normal, y cómo se pueden usar los parámetros de forma y escala de Weibull (β y η) junto con datos de edad y falla para modelar el comportamiento de fallas a lo largo del tiempo. También describe cómo este enfoque puede usarse para optimizar el mantenimiento preventivo
Weibull analisis para prediccion de fallasJesusTrujillo1
Este documento provee información sobre el análisis de Weibull y su aplicación para predecir fallas, costos de mantenimiento y vida útil de equipos. Explica cómo la distribución de Weibull puede usarse para modelar diferentes modos de falla y predecir el número de fallas futuras basado en datos históricos. También describe cómo los parámetros de Weibull, como Beta y Eta, pueden usarse para optimizar los intervalos de mantenimiento y reducir costos.
Continuación del Informe de confiabilidad.
En esta parte, más alla de lo pedido en el informe hecho para el diplomado, se ha utiizado la misma BBDD, con el objetivo de mostrar parametrizaciones de curvas weibull y planes de mantenimiento basados en confiabilidad.
La idea es por un lado servir de practica y por otro, dado que el informe ha tenido varias lecturas dar a la gente que lo la la oportunidad de encontrar información más practica del uso de estas herramientas.
Este documento presenta el método gráfico para determinar los parámetros de Weibull (Gamma, Beta y Eta) utilizando hojas de Weibull. Explica que Gamma es el parámetro de posición, Eta el parámetro de escala y Beta el parámetro de forma. Luego detalla los 5 pasos del método gráfico: 1) ordenar datos y calcular frecuencias acumuladas, 2) ubicar puntos en hoja de Weibull, 3) determinar Gamma, 4) determinar Eta, 5) determinar Beta. Finalmente aplica este método a datos
Caso practico de modelos de confiabilidad para una flota de Camiones. Diplpma...Ignacio Araya Zamora
Este informe presenta análisis estadísticos de variables como tiempo de reparación, costo de reparación, tipo de falla y número de fallas de camiones, con el objetivo de encontrar modelos predictivos que permitan a la empresa reducir costos. Se encontró que el tiempo de reparación sigue una distribución exponencial y el costo una distribución normal. Existe correlación entre tipo de falla y tiempo de reparación pero no entre tiempo y costo.
Este documento describe el modelo de distribución de Weibull, que se usa comúnmente en análisis de fiabilidad. El modelo de Weibull puede tomar diferentes formas dependiendo de sus parámetros, lo que permite usar el mismo modelo para diferentes tasas de falla. El documento explica cómo estimar los parámetros del modelo a través de métodos gráficos y analíticos y cómo usar el modelo para realizar cálculos de fiabilidad.
Herramientas para análisis_de_datos_de_fallas_1apurizagap
El documento presenta herramientas para el análisis de datos de fallas que pueden usarse para optimizar el mantenimiento y reemplazo de activos. Describe el Análisis Weibull y las Pruebas de Tendencia Laplace, que permiten caracterizar el riesgo de falla de un activo, elegir entre reemplazo preventivo o correr hasta fallar, y descubrir tendencias de degradación o mejora en la confiabilidad. También presenta una herramienta de trazado para clasificar códigos de falla y determinar su criticidad en tér
Este documento presenta tres tipos de cartas de control comúnmente usadas:
1. Carta CUSUM (suma acumulada), que grafica las sumas acumuladas de las desviaciones con respecto a la media.
2. Carta EWMA (promedio móvil ponderado exponencialmente), que grafica la suma ponderada de las medias asignando pesos decrecientes a las medias anteriores.
3. Carta de promedio móvil, que grafica promedios móviles de los datos para detectar cambios en el proceso.
El documento describe diferentes tipos de fallas en equipos, incluyendo fallas parciales, intermitentes, totales y catastróficas. También discute la curva de la bañera, que muestra tres fases en la vida de un equipo: mortalidad infantil, fallas aleatorias y desgaste. La probabilidad de falla es alta al inicio, luego se estabiliza y aumenta nuevamente con el tiempo y uso del equipo.
Weibull analisis para prediccion de fallasJesusTrujillo1
Este documento provee información sobre el análisis de Weibull y su aplicación para predecir fallas, costos de mantenimiento y vida útil de equipos. Explica cómo la distribución de Weibull puede usarse para modelar diferentes modos de falla y predecir el número de fallas futuras basado en datos históricos. También describe cómo los parámetros de Weibull, como Beta y Eta, pueden usarse para optimizar los intervalos de mantenimiento y reducir costos.
Continuación del Informe de confiabilidad.
En esta parte, más alla de lo pedido en el informe hecho para el diplomado, se ha utiizado la misma BBDD, con el objetivo de mostrar parametrizaciones de curvas weibull y planes de mantenimiento basados en confiabilidad.
La idea es por un lado servir de practica y por otro, dado que el informe ha tenido varias lecturas dar a la gente que lo la la oportunidad de encontrar información más practica del uso de estas herramientas.
Este documento presenta el método gráfico para determinar los parámetros de Weibull (Gamma, Beta y Eta) utilizando hojas de Weibull. Explica que Gamma es el parámetro de posición, Eta el parámetro de escala y Beta el parámetro de forma. Luego detalla los 5 pasos del método gráfico: 1) ordenar datos y calcular frecuencias acumuladas, 2) ubicar puntos en hoja de Weibull, 3) determinar Gamma, 4) determinar Eta, 5) determinar Beta. Finalmente aplica este método a datos
Caso practico de modelos de confiabilidad para una flota de Camiones. Diplpma...Ignacio Araya Zamora
Este informe presenta análisis estadísticos de variables como tiempo de reparación, costo de reparación, tipo de falla y número de fallas de camiones, con el objetivo de encontrar modelos predictivos que permitan a la empresa reducir costos. Se encontró que el tiempo de reparación sigue una distribución exponencial y el costo una distribución normal. Existe correlación entre tipo de falla y tiempo de reparación pero no entre tiempo y costo.
Este documento describe el modelo de distribución de Weibull, que se usa comúnmente en análisis de fiabilidad. El modelo de Weibull puede tomar diferentes formas dependiendo de sus parámetros, lo que permite usar el mismo modelo para diferentes tasas de falla. El documento explica cómo estimar los parámetros del modelo a través de métodos gráficos y analíticos y cómo usar el modelo para realizar cálculos de fiabilidad.
Herramientas para análisis_de_datos_de_fallas_1apurizagap
El documento presenta herramientas para el análisis de datos de fallas que pueden usarse para optimizar el mantenimiento y reemplazo de activos. Describe el Análisis Weibull y las Pruebas de Tendencia Laplace, que permiten caracterizar el riesgo de falla de un activo, elegir entre reemplazo preventivo o correr hasta fallar, y descubrir tendencias de degradación o mejora en la confiabilidad. También presenta una herramienta de trazado para clasificar códigos de falla y determinar su criticidad en tér
Este documento presenta tres tipos de cartas de control comúnmente usadas:
1. Carta CUSUM (suma acumulada), que grafica las sumas acumuladas de las desviaciones con respecto a la media.
2. Carta EWMA (promedio móvil ponderado exponencialmente), que grafica la suma ponderada de las medias asignando pesos decrecientes a las medias anteriores.
3. Carta de promedio móvil, que grafica promedios móviles de los datos para detectar cambios en el proceso.
El documento describe diferentes tipos de fallas en equipos, incluyendo fallas parciales, intermitentes, totales y catastróficas. También discute la curva de la bañera, que muestra tres fases en la vida de un equipo: mortalidad infantil, fallas aleatorias y desgaste. La probabilidad de falla es alta al inicio, luego se estabiliza y aumenta nuevamente con el tiempo y uso del equipo.
El documento presenta información sobre el control estadístico de procesos. Explica que las gráficas de control son herramientas efectivas para entender la variación de un proceso y lograr el control estadístico. También describe los diferentes tipos de gráficas de control, como las gráficas X-barra y R, e indica cómo construir y utilizar estas gráficas para monitorear un proceso y determinar si está bajo control.
El documento trata sobre diagramas de control. Explica que un diagrama de control es una herramienta para controlar procesos de producción e identificar posibles inestabilidades. Detalla los diagramas de control de variables (X, R, S) y de atributos (p, c), y cómo se usan para medir características de calidad como variables continuas, binarias o discretas. También incluye un ejemplo de cómo construir e interpretar un diagrama de control X-R.
Si te ayudó mi aporte, puedes agradecerme enviándome una donación acá:
https://paypal.me/dulcemariamanzo?country.x=MX&locale.x=es_XC
Presentación de power point sobre gráficas de control
Este documento proporciona información sobre gráficas de control y cómo interpretarlas. Explica los diferentes tipos de gráficas de control como X-R, X-I y X-S y cómo construirlas y analizarlas. También describe posibles causas comunes y especiales de variación y cómo reaccionar cuando se detectan puntos fuera de control o especificación. Resalta la importancia de documentar eventos especiales en una bitácora adjunta a la gráfica de control.
Los gráficos de control de calidad son herramientas gráficas que los técnicos de calidad usan para monitorear y documentar procesos de fabricación. Muestran las variaciones en una característica de calidad contra límites establecidos para detectar desviaciones sistemáticas. Se usan principalmente para supervisar procesos de fabricación y determinar si están bajo control estadístico.
Exposición analisis de datos experimentalesdiana2196
Este documento describe los diferentes tipos de diagramas de control estadístico, incluidos diagramas para variables (X-R y X-S) y atributos (gráficos P, NP, C y U). Explica la diferencia entre variables y atributos, y cómo medir y establecer límites de control para cada tipo de diagrama. También proporciona un ejemplo para interpretar las señales de fuera de control en los diagramas de atributos.
406270779 calculando-la-frecuencia-optima-de-mantenimiento-o-reemplazo-preven...Juan Carlos Granado
Este documento discute cómo calcular la frecuencia óptima de mantenimiento preventivo o reemplazo para equipos industriales. Explica que la frecuencia óptima minimiza los costos totales considerando los costos de mantenimiento, costos operacionales y riesgos de falla. Presenta un caso de estudio sobre una turbina de vapor para ilustrar cómo aplicar métodos matemáticos que consideran estas variables y determinar la frecuencia de mantenimiento que maximice la rentabilidad.
Estimacion De La Vida Util Mediante El Metodo De Riesgos De Weibull Fundament... PEDRO PACHECO
Este documento presenta los fundamentos y metodología del método de Weibull para estimar la vida útil mediante un enfoque probabilístico. Explica que la distribución de Weibull es versátil para modelar el deterioro de productos y resume sus parámetros y funciones clave como la de riesgo. Luego aplica este método para estimar la vida útil de galletas de coco, encontrando parámetros de escala y forma que indican un buen ajuste del modelo.
Analisis de Confiabilidad, Disponibilidad y Mantenibilidad de un Sistema de B...Edgar Fuenmayor
Este documento presenta un análisis de confiabilidad, disponibilidad y mantenibilidad (RAM) de un sistema de bombeo en una planta industrial. Describe el marco conceptual del análisis RAM e incluye el diagrama de bloques de disponibilidad que modela la arquitectura del sistema. El objetivo es caracterizar la disponibilidad y el factor de servicio del proceso a través de un diagnóstico y pronóstico basado en tasas de falla y reparación de los componentes del sistema.
El documento analiza la confiabilidad usando el software Weibull_DR. Explica que la confiabilidad depende del tiempo y las condiciones de uso, y se calcula a partir de datos y modelos como el de Weibull. El modelo de Weibull es útil para sistemas reparables y no reparables, y permite determinar parámetros como beta que indican el patrón de fallas. El documento incluye un ejemplo para calcular parámetros usando Weibull_DR.
La gráfica X-R se calcula y explica más fácilmente que la gráfica X-S. Sin embargo, la gráfica X-S es más precisa porque usa todos los datos para calcular la desviación estándar del subgrupo, no solo los valores máximo y mínimo como en la gráfica X-R. Con tamaños de subgrupos mayores a 10, la gráfica X-R puede ser influenciada indebidamente por valores extremos, por lo que se recomienda usar la gráfica X-S para tamaños de subgrupos mayores.
El documento describe diferentes tipos de gráficos de control utilizados para monitorear procesos industriales. Explica gráficos de control para variables como x-R, x-s y x-rm, los cuales monitorean la variabilidad en promedios y rangos/desviaciones estándar. También describe gráficos de control para atributos como p, np, c y u, los cuales cuentan defectos y unidades defectuosas para monitorear calidad. El documento provee detalles sobre cómo construir cada tipo de gráfico de control, incl
El documento describe los conceptos y tipos de gráficos de control utilizados para monitorear procesos de producción. Explica que los gráficos de control ayudan a identificar fuentes de variabilidad y tomar acciones correctivas al mostrar si un proceso está o no bajo control estadístico. También describe los pasos para construir un gráfico de control y los tipos de gráficos de control por variables y atributos.
Este documento describe diferentes tipos de gráficos de control utilizados para monitorear procesos de producción. Explica gráficos de control por variables, que usan estadísticos como la media y desviación estándar, y gráficos de control por atributos, que usan frecuencias como el número de defectos. También describe gráficos específicos como P, NP, C y U, y cómo se construyen usando distribuciones binomiales y de Poisson. Finalmente, incluye ejemplos de aplicación de estos gráficos.
Ejercicios cartas de control p y np, c y uMarilaguna
Este documento presenta un ejemplo del uso de una carta de control p para monitorear la calidad de producción de lámparas. Los datos iniciales muestran tres puntos fuera de control, indicando problemas con la cablería en esos días. Tras descartar esos subgrupos y recalcular los límites de control, aún queda un punto fuera. Después de iterativamente descartar más subgrupos y recalcular, finalmente no quedan puntos fuera de control, concluyendo que el proceso parece estar estable. Adicionalmente, se presenta un ejemplo
Formulario para control estadístico del proceso, SPC, CEP. Gráficos xr, gráficos xs, gráficos p, gráficos np, gráficos c, gráficos u.
Tabla de coeficientes para gráficos de control.
El documento describe los gráficos de control, los cuales son herramientas estadísticas que permiten monitorear procesos mediante el registro de datos de calidad en el tiempo. Existen dos tipos de gráficos de control: por variables, para características cuantificables; y por atributos, para características cualitativas. Los gráficos permiten determinar si un proceso está bajo control estadístico o fuera de control, lo que ayuda a identificar causas especiales de variación y mejorar la calidad.
Este documento describe los gráficos de control, los cuales son diagramas utilizados para monitorear procesos de producción e identificar inestabilidad. Explica cómo construir gráficos X-R mediante la recolección y análisis de datos, y cómo interpretar los gráficos resultantes para detectar cambios en el proceso y asegurar la calidad.
Este documento proporciona instrucciones para construir diferentes tipos de cartas de control en Minitab, incluyendo cartas X-R y X-S para variables, y cartas C, U, P y NP para atributos. Incluye ejemplos detallados de cómo construir cada tipo de carta de control usando datos de ejemplo. El objetivo es ayudar a los lectores a aplicar estas herramientas estadísticas de manera práctica y objetiva para monitorear y mejorar procesos de calidad.
Este documento explica los gráficos de control, herramientas estadísticas utilizadas para detectar variaciones en la calidad de un producto durante un proceso de fabricación. Identifican causas de variación asignables que deben eliminarse. Un gráfico de control muestra límites superiores e inferiores que determinan si un proceso está bajo o fuera de control. El documento también describe cómo construir gráficos de control X-R para variables continuas y un ejemplo ilustrativo.
Este documento trata sobre conceptos básicos de confiabilidad como la función de distribución acumulativa, función de confiabilidad, tasa de falla, vida media, índice de fallas y diferentes distribuciones de probabilidad como la normal, Weibull, exponencial y gamma. También describe métodos para calcular la confiabilidad como el de elementos similares y medición de datos, así como usos de la predicción de confiabilidad.
Modelos matem醫icos para Optimizaci髇 de Reemplazo Preventivo e Inspecciones .pdfssuser7f595f
1) El documento presenta modelos matemáticos para optimizar el reemplazo preventivo y las inspecciones preventivas basados en la ingeniería de confiabilidad. 2) Explica conceptos como la tasa de falla, las funciones de probabilidad, confiabilidad y riesgo que permiten modelar el comportamiento de fallas. 3) Como ejemplo, aplica estos modelos para determinar el tiempo óptimo para realizar overhaul preventivo en motores eléctricos basado en el análisis de datos de falla.
El documento presenta información sobre el control estadístico de procesos. Explica que las gráficas de control son herramientas efectivas para entender la variación de un proceso y lograr el control estadístico. También describe los diferentes tipos de gráficas de control, como las gráficas X-barra y R, e indica cómo construir y utilizar estas gráficas para monitorear un proceso y determinar si está bajo control.
El documento trata sobre diagramas de control. Explica que un diagrama de control es una herramienta para controlar procesos de producción e identificar posibles inestabilidades. Detalla los diagramas de control de variables (X, R, S) y de atributos (p, c), y cómo se usan para medir características de calidad como variables continuas, binarias o discretas. También incluye un ejemplo de cómo construir e interpretar un diagrama de control X-R.
Si te ayudó mi aporte, puedes agradecerme enviándome una donación acá:
https://paypal.me/dulcemariamanzo?country.x=MX&locale.x=es_XC
Presentación de power point sobre gráficas de control
Este documento proporciona información sobre gráficas de control y cómo interpretarlas. Explica los diferentes tipos de gráficas de control como X-R, X-I y X-S y cómo construirlas y analizarlas. También describe posibles causas comunes y especiales de variación y cómo reaccionar cuando se detectan puntos fuera de control o especificación. Resalta la importancia de documentar eventos especiales en una bitácora adjunta a la gráfica de control.
Los gráficos de control de calidad son herramientas gráficas que los técnicos de calidad usan para monitorear y documentar procesos de fabricación. Muestran las variaciones en una característica de calidad contra límites establecidos para detectar desviaciones sistemáticas. Se usan principalmente para supervisar procesos de fabricación y determinar si están bajo control estadístico.
Exposición analisis de datos experimentalesdiana2196
Este documento describe los diferentes tipos de diagramas de control estadístico, incluidos diagramas para variables (X-R y X-S) y atributos (gráficos P, NP, C y U). Explica la diferencia entre variables y atributos, y cómo medir y establecer límites de control para cada tipo de diagrama. También proporciona un ejemplo para interpretar las señales de fuera de control en los diagramas de atributos.
406270779 calculando-la-frecuencia-optima-de-mantenimiento-o-reemplazo-preven...Juan Carlos Granado
Este documento discute cómo calcular la frecuencia óptima de mantenimiento preventivo o reemplazo para equipos industriales. Explica que la frecuencia óptima minimiza los costos totales considerando los costos de mantenimiento, costos operacionales y riesgos de falla. Presenta un caso de estudio sobre una turbina de vapor para ilustrar cómo aplicar métodos matemáticos que consideran estas variables y determinar la frecuencia de mantenimiento que maximice la rentabilidad.
Estimacion De La Vida Util Mediante El Metodo De Riesgos De Weibull Fundament... PEDRO PACHECO
Este documento presenta los fundamentos y metodología del método de Weibull para estimar la vida útil mediante un enfoque probabilístico. Explica que la distribución de Weibull es versátil para modelar el deterioro de productos y resume sus parámetros y funciones clave como la de riesgo. Luego aplica este método para estimar la vida útil de galletas de coco, encontrando parámetros de escala y forma que indican un buen ajuste del modelo.
Analisis de Confiabilidad, Disponibilidad y Mantenibilidad de un Sistema de B...Edgar Fuenmayor
Este documento presenta un análisis de confiabilidad, disponibilidad y mantenibilidad (RAM) de un sistema de bombeo en una planta industrial. Describe el marco conceptual del análisis RAM e incluye el diagrama de bloques de disponibilidad que modela la arquitectura del sistema. El objetivo es caracterizar la disponibilidad y el factor de servicio del proceso a través de un diagnóstico y pronóstico basado en tasas de falla y reparación de los componentes del sistema.
El documento analiza la confiabilidad usando el software Weibull_DR. Explica que la confiabilidad depende del tiempo y las condiciones de uso, y se calcula a partir de datos y modelos como el de Weibull. El modelo de Weibull es útil para sistemas reparables y no reparables, y permite determinar parámetros como beta que indican el patrón de fallas. El documento incluye un ejemplo para calcular parámetros usando Weibull_DR.
La gráfica X-R se calcula y explica más fácilmente que la gráfica X-S. Sin embargo, la gráfica X-S es más precisa porque usa todos los datos para calcular la desviación estándar del subgrupo, no solo los valores máximo y mínimo como en la gráfica X-R. Con tamaños de subgrupos mayores a 10, la gráfica X-R puede ser influenciada indebidamente por valores extremos, por lo que se recomienda usar la gráfica X-S para tamaños de subgrupos mayores.
El documento describe diferentes tipos de gráficos de control utilizados para monitorear procesos industriales. Explica gráficos de control para variables como x-R, x-s y x-rm, los cuales monitorean la variabilidad en promedios y rangos/desviaciones estándar. También describe gráficos de control para atributos como p, np, c y u, los cuales cuentan defectos y unidades defectuosas para monitorear calidad. El documento provee detalles sobre cómo construir cada tipo de gráfico de control, incl
El documento describe los conceptos y tipos de gráficos de control utilizados para monitorear procesos de producción. Explica que los gráficos de control ayudan a identificar fuentes de variabilidad y tomar acciones correctivas al mostrar si un proceso está o no bajo control estadístico. También describe los pasos para construir un gráfico de control y los tipos de gráficos de control por variables y atributos.
Este documento describe diferentes tipos de gráficos de control utilizados para monitorear procesos de producción. Explica gráficos de control por variables, que usan estadísticos como la media y desviación estándar, y gráficos de control por atributos, que usan frecuencias como el número de defectos. También describe gráficos específicos como P, NP, C y U, y cómo se construyen usando distribuciones binomiales y de Poisson. Finalmente, incluye ejemplos de aplicación de estos gráficos.
Ejercicios cartas de control p y np, c y uMarilaguna
Este documento presenta un ejemplo del uso de una carta de control p para monitorear la calidad de producción de lámparas. Los datos iniciales muestran tres puntos fuera de control, indicando problemas con la cablería en esos días. Tras descartar esos subgrupos y recalcular los límites de control, aún queda un punto fuera. Después de iterativamente descartar más subgrupos y recalcular, finalmente no quedan puntos fuera de control, concluyendo que el proceso parece estar estable. Adicionalmente, se presenta un ejemplo
Formulario para control estadístico del proceso, SPC, CEP. Gráficos xr, gráficos xs, gráficos p, gráficos np, gráficos c, gráficos u.
Tabla de coeficientes para gráficos de control.
El documento describe los gráficos de control, los cuales son herramientas estadísticas que permiten monitorear procesos mediante el registro de datos de calidad en el tiempo. Existen dos tipos de gráficos de control: por variables, para características cuantificables; y por atributos, para características cualitativas. Los gráficos permiten determinar si un proceso está bajo control estadístico o fuera de control, lo que ayuda a identificar causas especiales de variación y mejorar la calidad.
Este documento describe los gráficos de control, los cuales son diagramas utilizados para monitorear procesos de producción e identificar inestabilidad. Explica cómo construir gráficos X-R mediante la recolección y análisis de datos, y cómo interpretar los gráficos resultantes para detectar cambios en el proceso y asegurar la calidad.
Este documento proporciona instrucciones para construir diferentes tipos de cartas de control en Minitab, incluyendo cartas X-R y X-S para variables, y cartas C, U, P y NP para atributos. Incluye ejemplos detallados de cómo construir cada tipo de carta de control usando datos de ejemplo. El objetivo es ayudar a los lectores a aplicar estas herramientas estadísticas de manera práctica y objetiva para monitorear y mejorar procesos de calidad.
Este documento explica los gráficos de control, herramientas estadísticas utilizadas para detectar variaciones en la calidad de un producto durante un proceso de fabricación. Identifican causas de variación asignables que deben eliminarse. Un gráfico de control muestra límites superiores e inferiores que determinan si un proceso está bajo o fuera de control. El documento también describe cómo construir gráficos de control X-R para variables continuas y un ejemplo ilustrativo.
Este documento trata sobre conceptos básicos de confiabilidad como la función de distribución acumulativa, función de confiabilidad, tasa de falla, vida media, índice de fallas y diferentes distribuciones de probabilidad como la normal, Weibull, exponencial y gamma. También describe métodos para calcular la confiabilidad como el de elementos similares y medición de datos, así como usos de la predicción de confiabilidad.
Modelos matem醫icos para Optimizaci髇 de Reemplazo Preventivo e Inspecciones .pdfssuser7f595f
1) El documento presenta modelos matemáticos para optimizar el reemplazo preventivo y las inspecciones preventivas basados en la ingeniería de confiabilidad. 2) Explica conceptos como la tasa de falla, las funciones de probabilidad, confiabilidad y riesgo que permiten modelar el comportamiento de fallas. 3) Como ejemplo, aplica estos modelos para determinar el tiempo óptimo para realizar overhaul preventivo en motores eléctricos basado en el análisis de datos de falla.
Este documento describe modelos de tasas de falla proporcionales (PHM) y su aplicación en la mantención de sistemas mecánicos. Presenta objetivos, metodología y conceptos clave como funciones de riesgo, confiabilidad y censura de datos. El objetivo general es desarrollar un modelo PHM para optimizar la toma de decisiones en mantención mediante la detección anticipada de fallas potenciales y la reducción de sus consecuencias.
Este documento trata sobre la confiabilidad y disponibilidad de redes de telecomunicaciones. Brevemente describe que la confiabilidad es la probabilidad de que un elemento funcione según lo previsto sin fallas durante un período de tiempo, mientras que la disponibilidad se refiere a sistemas reparables que deben operar continuamente. Luego, introduce conceptos clave como la tasa de fallas constante, el tiempo medio para fallas y entre fallas, y distribuciones de probabilidad como la exponencial para modelar los tiempos de falla.
Este documento describe diferentes técnicas de mantenimiento predictivo como el análisis de vibraciones, termografía y análisis de aceite y gases. Explica que el mantenimiento predictivo monitorea parámetros para predecir fallas antes de que ocurran, a diferencia del mantenimiento sistemático. También discute cómo las curvas de probabilidad de falla reales de los equipos son más complejas que las curvas de bañera tradicionales, haciendo el mantenimiento predictivo más efectivo.
Este documento presenta un análisis de datos de fallas de equipos a través del método Jack-Knife para identificar el equipo crítico en una línea de producción. Explica diferentes distribuciones de probabilidad y políticas de mantenimiento, y aplica el método Jack-Knife a los datos históricos de fallas de una planta para clasificar los equipos según su frecuencia y duración de fallas, con el fin de establecer estrategias enfocadas en los equipos más problemáticos.
Tiempo medio entre_fallas_explicacion_y_standaresguerrerojj
Este documento explica los conceptos de tiempo medio entre fallas (MTBF), confiabilidad y disponibilidad. Señala que el MTBF se calcula sobre la base de supuestos y depende de cómo se defina una "falla". También destaca que un alto MTBF no necesariamente significa una larga vida útil y que los valores MTBF se basan en tasas de fallas constantes que no reflejan el deterioro a largo plazo. Por último, analiza cómo el MTBF y el tiempo medio de reparación afectan la disponibilidad de un sistema.
El documento describe varias herramientas y métodos para el análisis de confiabilidad como el Análisis FMEA, gráficos de control, curva de bañera y curva de Weibull. Explica que la distribución de Weibull es ampliamente utilizada en ingeniería para modelar datos de fallas históricos debido a su versatilidad. Finalmente, concluye que el análisis de Weibull permite combinar estrategias de intervención con los riesgos a los que se enfrenta una organización.
El documento describe un programa para identificar y mejorar la confiabilidad de los equipos con mayor número de fallas, denominados "malos actores". Se presenta un caso de estudio para un sistema de generación eléctrica donde se analizan los parámetros de confiabilidad de cada motor para determinar los malos actores y proponer un cambio en la estrategia de mantenimiento. El documento concluye recomendando implementar un proceso de optimización del mantenimiento basado en la metodología de Reliability Balanced Scorecard para mejorar la confiabilidad de
Este documento describe los diferentes patrones de falla que pueden presentar los componentes de un equipo y las estrategias de mantenimiento adecuadas para cada patrón. Existen seis patrones de falla principales (A, B, C, D, E y F) que afectan a diferentes porcentajes de componentes. La clave para asegurar la confiabilidad es seleccionar la tarea de mantenimiento correcta para cada tipo de avería, como mantenimiento preventivo, búsqueda de fallas o gestión de fallas.
Este documento trata sobre los diferentes tipos de mantenimiento industrial. Define mantenimiento como asegurar que los elementos físicos continúen funcionando según lo deseado. Explica los tipos de mantenimiento correctivo, preventivo, predictivo y detectivo. También describe índices como MTBF, MTTR y conceptos como confiabilidad, disponibilidad y estructuras de mantenimiento centralizado y descentralizado.
Este documento trata sobre la confiabilidad y las pruebas de vida. Explica conceptos como la confiabilidad de sistemas, la modelación de tasas de falla, y las pruebas de vida. También cubre temas como la confiabilidad de sistemas en serie y en paralelo, y cómo se calcula la confiabilidad utilizando el tiempo medio entre fallas y el tiempo medio de reparación. Finalmente, incluye un ejemplo numérico de cómo calcular la confiabilidad.
ATRIBUTOS GRAFICOS JDHFIKLJASJND DASJSHFIWKFO SJFDOWKFKN OHSFOQWLP ÁLDKI OJFJWNKWM Estamos encantados de darle la bienvenida a SlideShare a la familia de Scribd. Scribd es la biblioteca más fascinante del mundo. Con una suscripción, puedes acceder a millones de los mejores libros, audiolibros, revistas, documentos, pódcast, partituras, y mucho más. Pruébalo hoy de forma gratuita.Estamos encantados de darle la bienvenida a SlideShare a la familia de Scribd. Scribd es la biblioteca más fascinante del mundo. Con una suscripción, puedes acceder a millones de los mejores libros, audiolibros, revistas, documentos, pódcast, partituras, y mucho más. Pruébalo hoy de forma gratuita.Estamos encantados de darle la bienvenida a SlideShare a la familia de Scribd. Scribd es la biblioteca más fascinante del mundo. Con una suscripción, puedes acceder a millones de los mejores libros, audiolibros, revistas, documentos, pódcast, partituras, y mucho más. Pruébalo hoy de forma gratuita.Estamos encantados de darle la bienvenida a SlideShare a la familia de Scribd. Scribd es la biblioteca más fascinante del mundo. Con una suscripción, puedes acceder a millones de los mejores libros, audiolibros, revistas, documentos, pódcast, partituras, y mucho más. Pruébalo hoy de forma gratuita.Estamos encantados de darle la bienvenida a SlideShare a la familia de Scribd. Scribd es la biblioteca más fascinante del mundo. Con una suscripción, puedes acceder a millones de los mejores libros, audiolibros, revistas, documentos, pódcast, partituras, y mucho más. Pruébalo hoy de forma gratuita.Estamos encantados de darle la bienvenida a SlideShare a la familia de Scribd. Scribd es la biblioteca más fascinante del mundo. Con una suscripción, puedes acceder a millones de los mejores libros, audiolibros, revistas, documentos, pódcast, partituras, y mucho más. Pruébalo hoy de forma gratuita.Estamos encantados de darle la bienvenida a SlideShare a la familia de Scribd. Scribd es la biblioteca más fascinante del mundo. Con una suscripción, puedes acceder a millones de los mejores libros, audiolibros, revistas, documentos, pódcast, partituras, y mucho más. Pruébalo hoy de forma gratuita.Estamos encantados de darle la bienvenida a SlideShare a la familia de Scribd. Scribd es la biblioteca más fascinante del mundo. Con una suscripción, puedes acceder a millones de los mejores libros, audiolibros, revistas, documentos, pódcast, partituras, y mucho más. Pruébalo hoy de forma gratuita.
Este documento presenta un plan paso a paso para aumentar la confiabilidad de un sistema complejo que ya se encuentra en operación. Explica diferentes estrategias de mantenimiento como el preventivo, predictivo y proactivo. También describe cómo realizar un análisis de modos de falla y sus efectos para identificar las causas de falla y seleccionar la estrategia de mantenimiento más adecuada. El objetivo final es eliminar o minimizar las causas de falla para mejorar la confiabilidad del sistema.
El documento describe varios aspectos clave del mantenimiento de equipos, incluyendo la importancia del mantenimiento para aumentar la vida útil de los equipos y reducir costos, los diferentes tipos de mantenimiento como correctivo, preventivo y predictivo, los factores que causan fallas en los equipos, y la importancia de documentar el historial de mantenimiento y fallas para mejorar los procesos de mantenimiento.
Este documento presenta 11 indicadores clave de rendimiento de mantenimiento. Brevemente describe cada uno, incluyendo el tiempo de inactividad, backlog, tiempo medio entre fallas, tiempo medio de reparación, eficiencia general de la máquina, porcentaje de mantenimiento planificado, entrega a tiempo, costo de mantenimiento sobre el valor de reposición, días promedio para completar órdenes de trabajo, cumplimiento del mantenimiento preventivo y horas extras de mantenimiento. Explica cómo calcular e interpretar cada métrica y cómo mejorar los resultados.
Este documento describe los diferentes tipos de mantenimiento de equipos, incluyendo mantenimiento correctivo, preventivo y predictivo. Explica que el mantenimiento preventivo es más eficiente porque reduce costos, tiempo de paro de equipos y riesgos. Incluye las herramientas necesarias para el mantenimiento, cómo inspeccionar equipos, clasificar componentes, planear trabajos de mantenimiento y considerar recursos técnicos para maximizar la vida útil de los equipos.
Este documento describe los diferentes tipos de mantenimiento de equipos, incluyendo mantenimiento correctivo, preventivo y predictivo. Explica que el mantenimiento preventivo es más eficiente y reduce costos a largo plazo, ya que permite identificar y corregir problemas potenciales antes de que causen fallas. También detalla los pasos para desarrollar un plan de mantenimiento preventivo exitoso, como determinar qué equipos requieren inspección, con qué frecuencia y qué acciones de mantenimiento se deben realizar.
El documento habla sobre el mantenimiento de bombas. Explica que el mantenimiento preventivo es más importante que el correctivo para evitar desgaste y daños. También describe los diferentes tipos de mantenimiento como el preventivo, predictivo y a cero horas, y explica algunas de sus características y tareas involucradas.
Similar a 4.14 weibull analisis para prediccion de fallas ver1[1] (20)
Equipo 4. Mezclado de Polímeros quimica de polimeros.pptxangiepalacios6170
Presentacion de mezclado de polimeros, de la materia de Quimica de Polímeros ultima unidad. Se describe la definición y los tipos de mezclado asi como los aditivos usados para mejorar las propiedades de las mezclas de polimeros
1. Introduccion a las excavaciones subterraneas (1).pdfraulnilton2018
Cuando las excavaciones subterráneas son desarrolladas de manera artesanal, se conceptúa a la excavación como el “ que es una labor efectuada con la mínima sección posible de excavación, para permitir el tránsito del hombre o de
cémilas para realizar la extracción del material desde el
frontón hasta la superficie
Cuando las excavaciones se ejecutan controlando la sección de excavación, de manera que se disturbe lo menos posible la
roca circundante considerando la vida útil que se debe dar a la roca, es cuando aparece el
concepto de “ que abarca,
globalmente, al proceso de excavación, control de la periferia, sostenimiento, revestimiento y consolidación de la excavación
Los puentes son estructuras esenciales en la infraestructura de transporte, permitiendo la conexión entre diferentes
puntos geográficos y facilitando el flujo de bienes y personas.
4.14 weibull analisis para prediccion de fallas ver1[1]
1. RCM INGENIERIA
Ing. William M. Murillo Page 1
CONFIABILIDAD Y ANALISIS ESTADISTICO PARA LA PREDICCION
DE FALLAS, SEGURIDAD, SUPERVIVENCIA, RIESGO, COSTO Y
GARANTÍAS DE LOS EQUIPOS.
Ing William Murillo
RESUMEN:
Este articulo provee un entendimiento del básico de la técnica del uso de distribuciones
Weibull y log Normal desarrolladas para el análisis y predicción de falla. Esta nueva
aplicación reduce los costos, calibración de instrumentos, análisis de las mediciones y
propiedades de los materiales, también calcula los tiempos óptimos para el
mantenimiento y ayuda a tomar decisiones en diagnostico y nuevas inversiones de
proyectos.. Este método muestra la aplicación del weibull análisis en computadores
personales, para reemplazarlo por laboriosos cálculos en hojas de calculo y graficas
manuales.
1. VISIÓN GENERAL DEL ANÁLISIS WEIBULL
Back Ground:
Inventado por Waloddi Weibull (1887-1979) en 1937 y publicado en 1951
1.1 Ejemplos:
Los siguientes son ejemplos de Problemas de ingeniería resueltos por Weibull.
Falla de un componente durante tres meses, ¿Cuántas fallas se puede esperar en
seis, doce meses?
Programar el mantenimiento y ordenar repuestos
En una Planta eléctrica con muchas salidas por fallas en la tubería de la caldera,
basada en inspección, pronosticar su ciclo de vida y overhaul
Los costos de fallas esporádicas, sujetas a desgastarse y uso o fatiga, es 20
veces más costosa que una salida planeada.
1.2 Ventajas:
Precisión razonable y precisa en el análisis de fallas
Provee un simple y poderoso gráfico, medición de vida, arranques, paradas, operación,
ciclos de misión vs. % acumulativo de fallas. Los parámetros β (Beta, a pendiente)
proveen una filosofía de falla y η (ETA, característica de vida) tiempo de falla weibull
análisis está relacionado con el MTTF.
1.3 Distribución de una falla:
La pendiente de la gráfica weibull, β (beta) se define como:
β < 1.0 indica mortalidad infantil
β = 1.0 significa falla aleatoria
β > 1.0 indica falla por desgaste
Se puede determinar los porcentajes de falla para determinar por ejemplo el 1% de las
fallas de una población el cual pueda fallar, es llamada β1.
β0.1 = 0.1% de la población
β10 = determina el tiempo en el cual el 10% de la población puede fallar.
2. RCM INGENIERIA
Ing. William M. Murillo Page 2
La característica η es definida como la edad al cual el 63.2% de las unidades podrían
fallar, entonces se determina como β63.
Figura 1.1: Grafica de una distribución weibull con β=1.787, falla por desgaste
CDF=Comulative Distribution Function
1.4 Pronóstico y predicción de fallas
Cuando las fallas ocurren en servicio, una predicción del numero de fallas que podrían
ocurrir en un próximo periodo de tiempo es deseable calcular. La figura 1.2 provee
información del calculo de la predicción de fallas en una población de equipos
similares.
Algunos problemas en gráficos erróneos weibull son la información mal recogida:
Mezcla de modos de falla
Problemas con el origen cero de la falla
Datos manuales donde las edades de las partes son desconocidas
Construcción de curvas Weibull donde no existan fallas.
la distribución weibull provee con mayor frecuencia los mejores cálculos de la vida de
los componentes, esto es debido al rango amplio de los parámetros y las familias de
distribuciones que cubre, incluyendo la distribución exponencial, normal y poisson. Log
normal no esta dentro de la familia de Weibull y es el mas significativo competidor para
comparar sus cálculos.
Precisión por long normal es escogido para deterioro por sistema de aceleración,
materiales no lineales y ratas de crecimiento en grietas.
3. RCM INGENIERIA
Ing. William M. Murillo Page 3
1.5 Planeación del mantenimiento
La distribución Weibull es usado para la planeación del mantenimiento, particularmente
en el Reliability Centered Maintenance. β (Beta) nos dice si o no de las inspecciones
son programadas o los overhauls son necesarios.
β < 1 los overhaus e inspección programados son de costo económico no efectivo.
β 1 periodo de overhaus o programa de inspección son leídos directamente desde el
grafico, calculando la probabilidad aceptable de las fallas.
Para modos de falla por desgaste, si el costo de una falla sin planear es mayor que el
costo de un reemplazo planeado, el intervalo del tiempo optimo del mantenimiento o
reemplazo es calculado a costo mínimo.
La distribución Weibull podría optimizar los intervalos y los costos del mantenimiento.
Usando el predictor de fallas weibull, cuantitativamente se puede calcular:
Programar y no programar el mantenimiento
Forzar un retrofit o un convincente retrofit
Inspecciones no destructivas vs. reemplazo de partes
Mantenimiento correctivo vs. Nada de mantenimiento.
Diferentes tiempos entre overhauls.
Intervalos óptimos del reemplazo.
Los planes de mantenimiento cíclicos son cambiados por las ratas de falla. Los ciclos
son también afectados por las interacciones entre los ciclos de vidas y los modos de
falla de los sistemas, β, periodos de inspección y el reemplazo de partes.
4. RCM INGENIERIA
Ing. William M. Murillo Page 4
1.6 Weibull con datos curvos
Los gráficos Weibull no siempre forman una extricta línea recta, cuando los datos
forman una curva o esquinas indican mezclas de modos de falla y se deben de
clasificar para determinar apropiadamente la distribución de la falla.
Otras curvas pueden ser de originadas por la edad del sistema o componente y hay
que localizar el tiempo 0t que es un periodo donde se garantiza de no existir fallas
desde el inicio de su funcionamiento hasta este tiempo libre de fallas.
Los correctivos para evitar esta situación y crear parámetros weibull con grandes
incertidumbres son no mezclar los modos de falla.
1.7 método Weibayes
La distribución weibull no sirve cuando no han ocurrido fallas. El método llamado
Weibayes puede servir para estimar nuevos valores, si el número de fallas es
extremadamente pequeñas y se conoce el parámetro β y η. Weibayes es más preciso
que el weibull cuando se conoce el parámetro β.
1.8 Datos deficientes para distribuciones Weibull
Mezcla de modos de falla
Unidades de falla no determinadas
Dato inspección
Tiempos suspendidos o edades perdidas
Datos de no fallas
No existe tiempo cero de origen
Muestras extremadamente pequeñas
5. RCM INGENIERIA
Ing. William M. Murillo Page 5
Error de datos
2. GRAFICO DE DATOS E INTERPRETACIÓN.
2.1 Datos weibull
Los datos precisos para una distribución weibull son las “edades” de las partes,
componentes o sistemas que fallan, estos datos pueden ser:
Tiempos de operación de equipos (horas, días, kilómetros, etc)
Arranques y paradas
Lanzamientos de aviones o equipos militares
Tiempos de almacenamiento
Ciclos de fatiga
Ciclos de alto stress
Altas temperaturas y muchos otros parámetros
La figura 2.1 muestra el grafico de probabilidad weibull, usando apropiadamente los
modos de falla y los tiempos de falla.
Figura 2.1
2.2 Escala de la gráfica weibull:
Escala horizontal: Edad o tiempo ( t ) logarítmica.
Escala vertical: Proporción de las unidades que pueden fallar a una edad (t) en
porcentaje. Este valor se llama “ B live”, en la figura B10 = 95 unidades, B63.2 = 180
unidades de tiempo. Esto significa en el viejo diseño, que el 10% de las partes pueden
fallar a un tiempo de 95 unidades; para el nuevo diseño B10 = 190 unidades, que
significa que en el mismo 10% de partes pueden fallar a 190 unidades de tiempo.
CDF: Comulative Distribution Function
n/s: n es el numero de fallas / numero de suspensiones.
6. RCM INGENIERIA
Ing. William M. Murillo Page 6
Las suspensiones son revisiones o inspecciones a componentes donde no se encontró
falla.
2.3 η ( ETA) & β (BETA)
Los parámetros β & η de la distribución weibull son los valores usados para el análisis
de vida de los componentes.
)/(
1)( t
etF
Ecuación (A)
La función de distribución weibull esta ilustrada en la ecuación (A) donde:
F(t) = Comulative Distribution Function (CDF)
t = Tiempo de falla
η = Característica de vida parámetro escala
β = parámetro forma o pendiente.
e = 2.718281828, base del logaritmo natural.
β muestra la clase de falla como son mortalidad infantil, aleatoria, o desgaste, también es
llamado el parámetro forma porque determina la familia o el tipo de distribución.
η es el parámetro vida y es igual al tiempo promedio para la falla (Mean Time To Failure
MTTF) cuando β es igual a 1. la relación entre η y el MTTF es la función gamma de β.
)/11( MTTF Ecuación (B)
Cuando β = 1.0, MTTF = η, es una distribución exponencial
Cuando β > 1.0, MTTF es menor que η
Cuando β < 1.0, MTTF es mayor que η
Cuando β = 0.5, MTTF = 2 η
η es definida como la edad al cual el 63.2% de las unidades pueden fallar
632.0/1111)( )1(
)(
eeetF
Ecuación (C)
2.4 “B” Life:
Muchas industrias usan B life como requerimientos de diseño. En la Aeroespacial, B1 life es
usado para el inicio de una falla, B0.1 para fallas serias y B0.01 para fallas catastróficas. Algunas
organizaciones citan su confiabilidad con un nivel de confianza, como son 99% de confiabilidad
con un 95% de seguridad para fallas catastróficas.
2.5 Pruebas de inspección o Suspensión:
Es fácil mencionar equipos que no falla o fallan pero un modo diferente de falla es la
inspección o una interrupción. Estos datos no pueden sé ignorados. Los tiempos de
interrupción de las unidades pueden ser incluidos.
El mayor efecto de las interrupciones son el incremento de η y no afecta a β.
2. 6 interpretación del grafico Weibull
7. RCM INGENIERIA
Ing. William M. Murillo Page 7
La curva de la bañera puede ayudar a entender la relación entre β y los mecanismos de falla a
través de la vida de un componente.
Weibull provee una pista acerca de los mecanismos de falla, con las diferentes pendientes o
parámetro forma, implicando en las diferentes formas de falla, en la grafica 2.2 se muestra la
curva de la bañera.
Figura 2.2 Curva de la bañera
2.7 β < 1 Implica Mortalidad Infantil:
Los Equipos electrónicos y mecánicos pueden iniciar con una alta rata de fallas en el
inicio de proyectos y nuevos diseños, otros modos de falla son:
Inadecuado burn - in o fuerzas, presiones ocultas.
Problemas de producción
Problemas de Desensamble.
Problemas de Control de calidad.
Problemas de over hauls.
Fallas en componentes eléctricos.
2.8 β = 1 Implica Falla Aleatoria:
Falla independiente del tiempo o aleatorias y es igual a una distribución exponencial.
Errores de mantenimiento / errores humanos
Fallas debido a naturaleza, daños u objetos desconocidos, rayos.
Mezcla de datos desde 3 o más modos de falla.
Intervalos entre fallas.
Over hauls no apropiados.
β < 1 β >1β =1
RATASDEFALLA
RUN-IN DESING LIFE WEAROUT
CURVA DE LA BAÑERA
“ BATHTUB CURVE “
TIEMPOMORTALIDAD
INFANTIL
FALLAS
ALEATORIAS
FALLAS POR
DESGASTE
8. RCM INGENIERIA
Ing. William M. Murillo Page 8
2.9 1< β < 4 Implica falla por deterioro temprano:
Si esta falla ocurre dentro del diseño de la vida es una desagradable sorpresa. Estas
son muchas fallas de modo mecánicos en esta clase.
Bajo ciclo de Fatiga.
Muchas fallas de balineras.
Corrosión.
Erosión.
Overhauls o partes reemplazadas con un bajo β son de costo no efectivo
2.10 β > 4.0 Implica deterioro rápido por edad de uso:
Típicos modos de falla con edades muy viejas y rápido salida por uso, también incluye:
Corrosión por strees.
Propiedades de los materiales.
Materiales como cerámicas.
Algunas formas de erosión.
2.11 Desconocimiento en weibull que pueden ser cubiertos:
Suponga una parte tiene dos modos de falla, si una es mejor que la otra, la segunda
nunca podría ocurrir sin la primera y puede ser eliminada.
El 1er
modo se dice que cubre ”cover” el modo 2.
La existencia de fallas desconocidas garantizan riesgo porque desarrollan prueba que
pueden no encubrir fallas ocultas.
3 Pronostico de fallas = análisis de riesgos
3.1 Situación:
El significado de una falla tiene su ocurrencia en servicio, sin embargo envuelve perdidas
financiaras y riesgos en la seguridad del manejo responsable demanda un pronostico de el
numero de fallas esperado que puede ocurrir en el futuro. Cuantas fallas podrían haber en el
próximo mes, en los próximos seis meses y en el próximo año?.El pronostico de las fallas
prioriza y localiza las acciones correctivas para evitar estas fallas. Este análisis del riesgo y la
predicción de la magnitud del problema aclara la visión del futuro. “Riesgo” es empleado como
un sinónimo de “pronostico de falla”, la estadística llama a esto la “ análisis de la predicción”.
3.2 Definición:
Un análisis de riesgo o un pronóstico de falla predice el Numero de incidentes que
puede ocurrir en un específico periodo de tiempo.
3.3 Técnicas de pronóstico:
La distribución de fallas es determinada desde la falla y datos en suspensión, el
pronóstico requiere una entrada adicional.
• La edad del componente en servicio.
• Uso de ratas por unidad mensual, anual o diaria.
• Introducción a ratas a nuevas unidades (modo de falla).
• Partes dañadas son reemplazadas con partes tiempo cero.
Con esta información se puede determinar el pronóstico de una falla.
9. RCM INGENIERIA
Ing. William M. Murillo Page 9
Las técnicas usadas para pronóstico de fallas varían desde el cálculo simple a un
complicado análisis de SIMULACIÓN MONTE CARLO.
3.4 Calculando él pronostico de fallas Fallas esperadas
El primer paso para el cálculo de número de fallas esperadas en un tiempo ti, si
pertenecen a una población de N ítem y cada ocurrencia tiene ti horas o ciclos, él
numero de fallas esperadas de esta población es la probabilidad de falla por un tiempo
ti, sobre el número de unidades N, incluyendo fallas y suspensiones (interrupciones o
inspecciones).
Él numero esperado de fallas es:
Ν
1i
)
η
τι
(
i )ε(1)F(tExperadasFallas
β
_ Ecuación (D)
Ejemplo:
Calcular las fallas esperadas de un grupo de 20 bombas, una a la cual falla a 2000h,
otra falla a 3000h. estas tienen 5 interrupciones a edades de 1000 y 4000h, y 4 a 2000
y 3000h, respectivamente.
Tabla 3.1 información de las fallas
Numero de
unidades
Tiempo en horas F(t) dela figura 4.1 F(t) x N
N=5
5S 1000 0.0058 0.029
4S+1F 2000 0.0317 0.1585
4S+1F 3000 0.100 0.5
5S 4000 0.214 1.07
18S+2F=20
Figura 3.1 Grafico weibull del calculo de las expectativas de falla de 20 bombas.
10. RCM INGENIERIA
Ing. William M. Murillo Page 10
Si la expectativa de la falla es mucho más grande que la observada en el número de
fallas, el weibull puede no aplicar para la población entera. Este es un problema
“batch”, la detección de problemas batch es una razón para el cálculo de expectativa de
falla presentes.
3.5 Análisis y resumen de pronósticos de falla (P.F.)
La expectativa de las fallas sobre una población de equipos o misiones, sumando fallas mas
suspensiones:
))((__ itFFallasdeasExpectativ Ecuación (E)
El pronostico de una falla futura es resumida sobre el riesgo (unidades con suspensiones)
solamente:
)(1
)()(
_cos_Pr
i
ii
tF
tFutF
Fallasdeonosti Ecuación (F)
Cuando las unidades son reemplazadas la ecuación para el calculo desde Weibull es:
)(
1)(
t
etF
Ecuación (H)
3.6 Ejemplo: Daño de rodamientos.
La población es de 26 rodamientos en servicio con edades por encima de 2050 horas. Las fallas
del rodamiento fueron a 230, 334, 423, 990, 1009 y 1510 horas, 6 suspensiones o inspecciones a
1697h
La figura 3.2 muestra el grafico weibull con las distribuciones de las fallas
11. RCM INGENIERIA
Ing. William M. Murillo Page 11
Preguntas acerca del riesgo de diferentes fallas:
1. Cuantas rodamientos podrían fallar antes de 500h.?
Asumiendo que no hay reemplazos entrando por el eje X del grafico Weibull y
leyendo el eje Y, aproximadamente el 0.16% de la población de rodamientos podrían
fallar. Esto indica:
Rodamientos que podrían fallar a 500h = (0.16 )* 26 rodamientos = 4 rodamientos
podrían ser esperados que fallen.
2. Cuantas fallas podrían esperaren en el próximo año. y cuantas en los próximos 5 años.
Usando la metodología y el grafico weibull y la ecuación (F) y una utilización
mensual de 50 horas de utilización se tiene:
60 h/mes * 12 meses = 720h , F(720h) = 0.23, entonces (0.23)*26 = 6 rodamientos
h(5años) = 5*720 = 3600 h, F(3600h) = 0.79, entonces (0.79)*26 = 20 rodamientos.
3. Cuantas fallas se pueden esperar en 500h, si hay reemplazo en 100h y 200h y no
reemplazo:
a. 100h:
F(100h) = 0.029, aproximadamente es 0.029+0.029+0.029+0.029 = 0.116,
entonces las fallas podrían ser 0.116*26 = 3 rodamientos
b. 200h:
F(200h) = 0.06, 0.06+0.06 = 0.12 entonces podrían fallar 0.12*26 = 3
rodamientos.
c. No reemplazos:
Se podrían tener F(500) = 0.16, entonces 0.16*26 = 4 rodamientos.
3.7 Intervalo optimo para el mantenimiento vs costo.
El costo de unas fallas sin planeación es grande que el costo de reemplazos
planeados. Si el intervalo es muy corto, el costo del reemplazo es muy alto; si este es
12. RCM INGENIERIA
Ing. William M. Murillo Page 12
muy largo, el manejo de la falla no planeada total es muy alta. Weibull tiene una
estrategia para encontrar el intervalo del costo efectivo para el reemplazo del
componente.
El optimo reemplazo en un intervalo es la edad con el mínimo radio del costo promedio
para el MTBF, C(t).
C(t) = Costo por unidad
U = Costo de un reemplazo no planeado.
P = Costo de un reemplazo antes de la falla, P < U
)(
)(
t
etR
Ecuación (I).
El costo por unidad de tiempo es el radio del costo promedio para el MTTF. la función
puede ser expresada como sigue en la ecuación (J)
t x
dxe
tRUxtPxR
tC
0
)(
))(1()(
)(
ecuación (J)
Cuando t se reemplaza en un periodo x.
El primer termino en el numerador es el costo del reemplazo planeado multiplicado por
una fracción del periodo t. Este termino decrementa con el tiempo. el segundo termino
en el numerador es el costo del reemplazo no planeado multiplicado por una la
inconfiabilidad durante el periodo de tiempo. El termino incrementa a través del tiempo.
El denominador es el MTTF (el área bajo la curva de la confiabilidad en un intervalo de
tiempo de 0 a t).
Hallando el mínimo de la ecuación se obtiene el tiempo optimo del reemplazo.
Diferencias entre costos de 20:1 hacen que existan tiempos óptimos de reemplazo.
Usando el ejercicio anterior y con costos de reemplazo planeado en 17 dólares y costo
por reemplazo no planeado en falla es de 226, el tiempo optimo del reemplazo es en
2200 horas
13. RCM INGENIERIA
Ing. William M. Murillo Page 13
Figura 3.3 muestra el tiempo optimo del reemplazo para ejecutar el mantenimiento.
figura 3.4 grafica del tiempo de reemplazo optimo.
14. RCM INGENIERIA
Ing. William M. Murillo Page 14
Bibliografía
R. B. Abernethy, the new Weibull handbook, 4 edicion, 1998, USA.
www.barringer1.com, SuperSMITH software
www.weibullnews.com, WinSMITHvisual software.
Hoja de Vida
William M. Murillo:
RCM ingeniería, Gerente
Teléfonos: 092-5586730, 033-5000574
Email: rcmingenieria@emcali.net.co
Ing. electricista Univalle, Especialista en mantenimiento, Especialista en sistemas de
transmisión de potencia y generación de Univalle, diplomado en confiabilidad de sistemas cursos
en Houston TX en confiabilidad de sistemas (2000), Uniandes. Ha trabajado para Stewart &
Stevenson como Operador y mantenedor de Turbinas a Gas (1994-1997); Para Brithis Petroleum
Colombia, como supervisor de mantenimiento eléctrico de la planta de Cusiana y Cupigua
(1997-2001); Ecopetrol en diseño de procedimientos y estructuracion del CMMS (2001);
Actualmente gerente de RCM2 ingeniería como especialista en gestión del mantenimiento.