Distribucion Weibull Fiabilidad: la distribucin de Weibull

Introduccin En la actualidad, existen diferentes mtodos probabilsticos a los problemas de fallos en los procesos industriales, esto ayuda a la prevbencion de perdidas o seguridad industrial de una determina da empresa. Hay diferentes tcnicas de prediccin, pero la que ms se ha llevado a cabo es la Ingeniera de Prediccin, la cual se encarga de brindar un aseguramiento de la calidad de los productos y procesos. En este caso la distribucin de Weibull complementa a la distribucin exponencial y a la normal, que son casos particulares de aquella, como veremos. A causa de su mayor complejidad slo se usa cuando se sabe de antemano que una de ellas es la que mejor describe la distribucin de fallos o cuando se han producido muchos fallos (al menos 10) y los tiempos correspondientes no se ajustan a una distribucin ms simple. En general es de gran aplicacin en el campo de la mecnica. Aunque existen dos tipos de soluciones analticas de la distribucin de Weibull (mtodo de los momentos y mtodo de mxima verosimilitud), ninguno de los dos se suele aplicar por su complejidad. En su lugar se utiliza la resolucin grfica a base de determinar un parmetro de origen (t0). Un papel especial para grficos, llamado papel de Weibull, hace esto posible. El procedimiento grfico, aunque exige varios pasos y una o dos iteraciones, es relativamente directo y requiere, a lo sumo, lgebra sencilla. La distribucin de Weibull nos permite estudiar cul es la distribucin de fallos de un componente clave de seguridad que pretendemos controlar y que a travs de nuestro registro de fallos observamos que stos varan a lo largo del tiempo y dentro de lo que se considera tiempo normal de uso. El mtodo no determina cules son las variables que influyen en la...

Curvas de Weibull para el estudio de fiabilidad Wallodi Weibull demostr en 1939 que la mayora de las formas de distribucin, y concretamente la de los mecanismos o distribucin de fallos, se pueden aproximar con un elevado grado de exactitud a una distribucin o funcin universal. La misma deduccin fue alcanzada por Gnedenko en 1941 y, por ello, hay quienes se refieren a estas distribuciones o compartimientos de fallos como Weibull-Gnedenko. La funcin de disribucion de Weibull se ajusta a la siguiente frmula: F (t) = 1 e

T es la variable de duracin, que segn el contexto y servicio de que se trate, ser tiempo de uso, kilmetros, horas de vuelo, ciclos de trabajo, etc. T es la duracin caracterstica media (suele utilizarse el momento t en el quje fallan o han fallado el 63,2% de los sistemas).

To es el momento en el que ha ocurrido el primer fallo. Puede utilizarse To= 0 si queremos estudiar toda la vida del sistema a analizar. Es un parmetro de forma que siempre es mayor que 0. Si = 1, nos encontramos en una funcin exponencial. Si es > 3,2 estaremos en una distribucin normal. El mtodo de prediccin de tasa de fallos , utilizando la teora de Weibull, se basa en analizar una muestra significativa de fallos. Representando esos fallos se generan una serie de puntos que forman una nube. La zona media podr representarse mediante una recta de la que es la pendiente. Este anlisis da una infomacion fidedigna del sistema y de en qu perodo de su vida se encuentra. Si < 1 serian Fallos prematuros, es decir, mortalidad infantil. = 1 seria, fallos aleatorios. Estamos en la zona de vida til con tasa de fallos constantes. > 1 serian fallos por ftiga, desgaste o lmite de vida til. El valor de , una vez representado, se halla siempre entre dos lmites, uno de minima y otro de mxima confianza.

La representacin de la tasa de fallos en funcin del tiempo puede ser la superposicin de varias curvas de Weibull, pues cada una de ellas representa un estado de la confiabilidad de la mayora de los sistemas. Su gran ventaja es que nos indica si el sistema analizado tiene una evolucin segn la historia de la baera o segn otras curvas.

La distribucin weibullse aplica ordinariamente para describir la vida de un artefacto, desde el momento en que se fabrica y se empieza a usar. Si muchos de esos artefactos nuevos se ponen a prueba es claro que sus respectivos tiempos de vida

El anlisis de la Confiabilidad, basado en la distribucin de Weibull, se obtiene de los datos historcos de fallas de los equipos, utilizando diversos programas de software o mediante procedimientos graficos con ayuda de

Excel.el objetivo es relacionar la Confiabilidad de los equipos y predecir su comportamiento.

Optimizacion de costos El objetivo principal del proceso de optimizacin de los costos del mantemniemiento, es determinar los intervalos optimos de manten miento, para aumentar la productividad de los equipos y minimizar el costo total del departamento. Ahora bien, el nivel otimo es el unto en el que los cotos totales, que combinan costos directos, tiepo perdido y detrioro excesivo, son minimos, como se muestra a continuacin, lo cual presenta cuando el costo directo se aproxima al costo indirecto

Costos del Mantenimiento

Weibull anlisis es una herramienta poderosa que puede ser utilizado para clasificar las fallas y para modelar el comportamiento fracaso. El anlisis de Weibull implica ajustar un tiempo de no distribucin de los datos de fracaso. Existen varios mtodos para hacer esto, y el software ofrece cuatro mtodos: 1. 2. 3. 4. Estimacin de mxima verosimilitud (MLE), Probabilidad de trazado, Peligro de trazado, y Modificado estimacin momento.

Tras el anlisis de Weibull se ha completado, el valor del parmetro de forma se puede utilizar para clasificar los fracasos. Un parmetro de forma de menos de 1,0 indica que las fallas de mortalidad infantil. Las causas de los fracasos de mortalidad infantil son los siguientes:

El uso indebido, La instalacin incorrecta La configuracin incorrecta Entrenamiento inadecuado Pobre control de calidad Defectos en los materiales Subidas de tensin Prueba incorrecta

En este caso, hay dos enfoques para mejorar la fiabilidad. El equipo o componente puede ser "quemado-in" (burn-in se refiere a la ejecucin del componente para un perodo de tiempo para eliminar a los elementos con una vida corta. Esto es comn para los fabricantes de dispositivos electrnicos). O, el personal puede ser entrenado acerca de la configuracin, instalacin, inspeccin, etc Un parmetro de forma igual a 1.0 indica los fallos aleatorios. La nica manera de aumentar la fiabilidad de los equipos en este caso es mediante un nuevo diseo. Un parmetro de forma superior a 1,0 indica fallas desgaste. En este caso, la fiabilidad y la rentabilidad se puede mejorar mediante la optimizacin del programa de mantenimiento preventivo. Ejemplo 1 La falta de datos para un rodamiento que se ha recogido y est contenida en el fichero automatizado "BEARING.DAT" (La versin de demostracin de la fiabilidad y mantenimiento Analista incluye este archivo). Una marca en la "censura" caja indica el rumbo fue retirado del servicio sin fallar. Esto se conoce como datos censurados, y no puede ser ignorada sin crear errores graves.

Estos datos pueden ser introducidos en el software mediante la apertura de la "BEARING.DAT" archivo. Para analizar los datos, la seleccin de estimacin de parmetros, Weibull, a continuacin, el men de mxima verosimilitud de estimacin. Un parmetro de forma de 0,524 se calcula. Noventa por ciento de los lmites de confianza de este valor son 0,4346 y 0,6317 (lmites de confianza es importante para distinguir los valores de 1,0. Es igual a 1,0 0.97 Qu hay de 0,91 o 1,03? Si el intervalo de confianza incluye 1.0, el parmetro debe ser considerada igual a 1,0 ). Esta informacin indica que el ingeniero o el tcnico de mantenimiento que los rodamientos no se ha instalado correctamente, o el fabricante del rodamiento est enviando los rodamientos defectuosos. Este anlisis se ha utilizado en una lnea de recubrimiento, y se encontr que mediante el uso de alineacin lser para instalar los rodamientos, la duracin de vida se extendi por ms de un factor de 10. El MLE 3 - Parmetros de rutina tambin calcula un parmetro de localizacin. En algunos casos, hay una probabilidad extremadamente baja de fallar durante un cierto perodo de tiempo. Un parmetro de localizacin se utiliza para modelar esto. El parmetro de ubicacin tambin puede ser negativo. Esto significa que hay una probabilidad de fallo antes de que el tema fue puesto en uso. Esto se utiliza para las fallas modelo causadas por fallas de transporte y conservacin. La probabilidad de conspirar y planear las rutinas de riesgo no dan los lmites de confianza, pero que el usuario pueda determinar a simple vista lo bien que la propuesta de distribucin se ajusta a los datos. Ejemplo 2 La falta de datos para un rodamiento que se ha recogido y est contenida en el fichero automatizado "BEARING2.DAT" (La versin de demostracin de la fiabilidad y mantenimiento Analista incluye este archivo). Una vez ms, una marca de verificacin en la "censura" caja indica el rumbo fue retirado del servicio sin fallar. Un gerente de produccin familiar con el ejemplo 1, de inmediato comenz a entrenar a los mecanismos responsables de la instalacin de los cojinetes. Despus de varias semanas pasaron sin ningn cambio en las tasas de fracaso, este administrador de pedir ayuda en la explicacin de por qu no hubo mejora. Un anlisis de Weibull se llev a cabo mediante los siguientes pasos. 1. 2. 3. 4. 5. Seleccione Archivo en el men principal. Seleccione Abrir y seleccione el archivo "BEARING2.DAT". Seleccione Estimacin de parmetros en el men. Seleccione Weibull. Seleccione estimacin de mxima verosimilitud.

El software devuelve una estimacin de 1,094 para el parmetro de forma. El lmite inferior de confianza del 90% para el parmetro de forma estimada es de 0,9088, y el lmite superior del 90% es 1,317. Esto significa que, dado el fracaso de los datos, que son 80%

seguros (10% en cada cola) que el verdadero valor del parmetro de forma es entre 0,9088 y 1,317. En este caso, se debe suponer que la tasa de fracaso es constante (el parmetro de forma es igual a 1.0). No hay manera de mejorar el rendimiento, salvo la de rediseo. Formacin y de prevencin aumentan los costos de mantenimiento y no tienen ningn efecto en la fiabilidad.

La vida poltica de mantenimiento basado en un costo mnimo

Explorar > Conferencias > La fiabilidad y la Maintainabilit ...

Se deben activar cookies para login.After habilitar las cookies, por favor, utilice actualizar o recargar o CTRL + F5 en el navegador para las opciones de inicio de sesin.

Chitra, T.; DRDO, CASSA, Bangalore, India

+Chitra, T.

Este documento se encuentra en: Simposio de confiabilidad y mantenibilidad de 2003. Anual Fecha de publicacin: 2003 En la pgina (s): 470 a 474 ISSN: 0149-144X Imprimir ISBN: 0-7803-7717-6 INSPEC adhesin Nmero: 7590897 URI: 10.1109/RAMS.2003.1182034 Fecha de la versin actual: 2003-02-28 18:16:03.0

ABSTRACTO El mantenimiento de cualquier sistema se pueden clasificar de dos formas: falta de mantenimiento basado en (mantenimiento correctivo) y el mantenimiento de la vida basada en (mantenimiento preventivo). El intervalo de tiempo en el que podra ser el mantenimiento preventivo

programado depende tanto de la distribucin de la vida de los subsistemas / componentes y el costo total involucrado en la actividad de mantenimiento. Sin embargo, el mantenimiento correctivo no se puede evitar cuando hay un fallo de un componente de azar se produce. El costo total del mantenimiento depende del nmero de componentes sustituidos durante el perodo de funcionamiento de todo el sistema y el costo correspondiente involucrados en acciones de mantenimiento. En este documento, el programa de mantenimiento preventivo (t 0) se calcula tomando la distribucin de falla de un componente de Weibull. La variacin en (t 0) con respecto al parmetro de forma () y de la vida caracterstico () de la distribucin de Weibull fue estudiado por el autor de un costo de mantenimiento preventivo y dado el costo de mantenimiento correctivo. La relacin entre el costo de mantenimiento correctivo a los costos de mantenimiento preventivo (R cp) tiene un efecto significativo en el programa de mantenimiento (t 0). As, la variacin de (t 0) con (R cp) se aborda en este trabajo. La relacin vara entre 10 y 1,5. Se encuentra que el valor (t 0) aumenta a medida que aumenta parmetro de forma, cuando la proporcin es de 10, mientras que el valor (a) disminuye cuando la relacin es de 1,5. Esto demuestra que a medida que disminuye la proporcin de costos (R cp) la frecuencia de mantenimiento preventivo disminuye con parmetro de forma. Esto a su vez implica que la frecuencia del programa de mantenimiento preventivo puede reducirse al mnimo mediante un descenso de los costes de mantenimiento correctivo. Anlisis de sensibilidad realizado en los valores (t 0) indica que la variacin en el costo de mantenimiento es de 5 a 8 por ciento: en todos los casos, incluso cuando el valor de (t 0) es mayor. un 50% en el valor ptimo. Esto indica que, mientras que el valor ptimo de (a) obtenidos pueden ser de inters acadmico, se puede en la prctica "elegir un valor conveniente, cerca de la ptima sin afectar sensiblemente la ventaja en trminos de costo.

Mantenimiento correctivo El mantenimient correctivo estriba en reparar un componente slo cuando falla por completo o cuando su coste de servicio es extremadamente alto, es decir, cuando esta en su fase de desgaste. El manteniemiento correctivo se aplica en sistemas muy complejos, donde no hay forma de predecir fallos. Se entiende que el fallo se hace evidente al operador, es decir, que no queda oculto. Tomando como ejemplo la curva tpica de tasa de fallos, a partir del punto en que la tasa de fallos deja de ser constante y empieza a crecer con el tiempo. Por ejemplo en la siguiente figura, puede verse la curva de mantenimiento corectivo segn la distribucin de Weibull

Curva d emantenimeinto correctivo segn la distribucin de weibull

Mantenimiento preventivo Consiste en la inspeccin periodica del aparato o dispositivo y en su rparacion o sistuticion, incluso aunque no muestre signos de mal funcionamiento. De este modo se intenta conseguir que la tasa de fallos se mantenga constante en la etapa de operacin normal o de fallos aleatorios, antes de la entrada en

la etapa final de desgaste o envejecimiento. Por ejemplo, un cojinete al que se le supone una vida til de 1000 horas, se le sustituye al cabo de 1000 horas de funcionamiento auqnue muestre signos de desgaste. El mantenimiento preventivo puede realizarse de tres formas. Potencial fijo de revisin de componentes con intervalos de tiempos iguales entre revisiones, donde el componenete se desmonat antes de haber fallado y se restaura a cero horas. Segn condicin de los componentes en inspecciones periodicas. Es decir se revisan cuando exceden los limites de operacin. Control de actuaciones donde se realizan operaciones de desmonatje de componente para su examen. En estos, se utilizan sistemas complejos electrnicos. Algunos parmetros interesantes del mantenimiento preventivo son: Tiempo medi entre fallos (MTBF) es funcin de la vida media del componente, del tiempo entre revisiones y d ela fiabilidad alcanzda en laultima revisin. Es la inversa de la rasa de fallos con mantenimiento preventivo (p) cuando el tiempo es infinito. Su valor es :

La tasa de fallos con mamntenimiento preventivo es:

Siendo:

Estas ecpresiones aplicadas a una distribucin de Weibull resultyan:

- Tiempo medio entre revisiones (MTBO). Las revisiones d elos componentes se efectan a intervalos regulares especificados, o bien aprovechando el desmontaje del equipo donde van mntados, ya que es econmico realizarlas en este momento. De este modo, siendo K la proporcin del numero de desmontajes prematuros efectuados por razones econmicas, resulta:

Curvas de densidad de fallos del mantenimiento preventivo

El mantenimiento preventivo comparado con el mantenimeinto correctivo es mucho mas efectivo. En el caso de una distribucin de tipo Weibull con n=1, =2 y considerando un instrumento de vida media de 1/0,2= 5 aos, la tasa de fallos con mantenimiento correctivo sera de:

Los resultados del mantenimiento preventivo son espectaculares, aumentando mucho la vida til del componente, dependiendo de la fiabilidad que se desea alcanzar, de la que depende el tiempo que ha de especificarse entre las revisiones.

Weibull: Evala datos de la curva de crecimiento y su gradiente. Tiene una finalidad de atributo que evaluar las estimaciones inciales de los parmetros Asym , Drop ,lrc , y pwr para un determinado conjunto de datos.

El crecimiento exponencial: (incluyendo disminucin exponencial ) se produce cuando la tasa de crecimiento de una funcin matemtica es proporcional a la del valor actual de la funcin. En el caso de un dominio discreto de definicin con intervalos iguales que tambin se conoce como crecimiento geomtrico o deterioro geomtricas (los valores de funcin de formar una progresin geomtrica ). El modelo de crecimiento exponencial es tambin conocido como el modelo de crecimiento maltusiano .

La funcin de densidad de probabilidad

Weibull variable aleatoria x es [ 1 ] :

donde k > 0 es el parmetro de forma y > 0 es el parmetro de escala de la distribucin. Su funcin de distribucin acumulativa complementaria es una funcin exponencial estirada . La distribucin de Weibull se relaciona con una serie de otras distribuciones de probabilidad, en particular, se interpola entre la distribucin exponencial ( k = 1) y ladistribucin de Rayleigh ( k = 2). Si la cantidad x es un "tiempo de salida al fracaso", la distribucin de Weibull proporciona una distribucin para que latasa de fallos es proporcional a una potencia de tiempo. La forma de parmetros, k , es que el poder ms uno, por lo que este parmetro puede interpretarse directamente como sigue:
Un valor de k <1 indica que la tasa de fallos disminuye con el tiempo. Esto sucede si no es significativa "la

mortalidad infantil", o los artculos defectuosos en su defecto temprano y la tasa de fallos disminuye con el tiempo, los artculos defectuosos son eliminados de la poblacin.
Un valor de k = 1 indica que la tasa de fallos es constante en el tiempo. Esto podra sugerir al azar los

acontecimientos externos son causa de mortalidad, o el fracaso.

 Un valor de k > 1 indica que la tasa de fracaso aumenta con el tiempo. Esto sucede si hay un "envejecimiento" del

proceso, o partes que tienen ms probabilidades de fallar con el tiempo.

En el campo de la ciencia de los materiales , el parmetro de forma k de una distribucin de los puntos fuertes que se conoce como el mdulo de Weibull .

La funcin de distribucin acumulada

para la distribucin de Weibull para x 0, y F ( x , k , ) = 0 para x <0. La tasa de fallo h (o tasa de riesgo) est dada por

 Limitaciones de los modelos

Modelos de crecimiento exponencial de los fenmenos fsicos slo se aplican dentro de las regiones limitadas, como el crecimiento sin lmites no es fsicamente realista. Aunque el crecimiento inicial puede ser exponencial, los fenmenos modelados finalmente entrar en una regin en la que previamente ignorados retroalimentacin negativa factores son significativos (que conduce a un crecimiento logstico modelo) u otros supuestos bsicos del modelo de crecimiento exponencial, como la continuidad o retroalimentacin instantnea, descanso hacia abajo.
Tipos de curvas de pruebas de vida curva de crecimiento logstico Es una forma de S (sigmoidal) curva que se puede utilizar para las funciones del modelo que aumentan poco a poco al principio, ms rpidamente en el perodo de crecimiento medio, y poco a poco al final, estabilizndose en un valor mximo despus de un perodo de tiempo. La parte inicial de la curva es exponencial, la tasa de crecimiento se acelera a medida que se acerca al punto medio de la curva. En el punto medio (K / 2), la tasa de crecimiento comienza a desacelerarse, pero sigue creciendo hasta alcanzar una asntota, K, que se llama la "capacidad de carga" para el medio ambiente. Este tipo de curva se utiliza con frecuencia para modelar patrones biolgicos de crecimiento, donde hay un perodo inicial de crecimiento exponencial seguida de una estabilizacin a medida que ms de la poblacin est infectada o como el suministro de alimentos o algn otro factor que limita el crecimiento an ms. La forma de la funcin de crecimiento logstico es simtrica: y K = / (1 + exp (a + b * x)) donde K, A y B son parmetros que dan forma y la escala de la funcin. El valor de b es negativo. El siguiente programa se ajusta a un programa NLREG curva logstica con el nmero de nuevos casos de SIDA reportados en los Estados Unidos durante el perodo comprendido entre 1981 y 1992. La funcin calcula ajusta a los datos muy bien que muestran que la tasa de infeccin del SIDA sigue una curva logstica clsica y se estabiliz en alrededor de 47.500 nuevos casos al ao (en los Estados Unidos). La opcin de dominio en el estado de las causas programa NLREG parcela para extrapolar el argumento de la funcin hasta 1995. Tenga en cuenta, debido a los recientes avances en medicamentos que en gran medida frenar la progresin del SIDA, la curva de morbilidad no sigue su forma natural a travs de los ltimos aos. Este es el programa programa NLREG para el montaje de la curva de crecimiento logstico: Ttulo de "nuevos casos de SIDA en los Estados Unidos"; Variable Ao; / / Ao de nuevos casos Newcases variable; / / Total de casos nuevos durante el ao Childcases variable; / / Los nuevos casos de nios menores de 13 Parmetro K = 50000; estimacin / / inicial de casos max

Parmetro a = 5; El parmetro b =-. 8; ao de base constante = 1980; newcases funcin = K / (1 + exp (a + b * (ao-ao de base))); Parcela de dominio = 1980,1995, ylabel = "casos nuevos"; Datos; [Valores de datos haga clic aqu] Esta es la trama generada por programa NLREG de la funcin ajustada a los datos:

Curva S-N:

Estas curvas se obtienen a travs de una serie de ensayos donde una probeta del material se somete a tensiones cclicas con una amplitud mxima relativamente grande (aproximadamente 2/3 de la resistencia esttica a traccin). Se cuentan los ciclos hasta rotura. Este procedimiento se repite en otras probetas a amplitudes mximas decrecientes. Los resultados se representan en un diagrama de tensin, S, frente al logaritmo del nmero N de ciclos hasta la rotura para cada una de las probetas. Los valores de S se toman normalmente como amplitudes de la tensin . Se pueden obtener dos tipos de curvas S-N. A mayor tensin, menor nmero de ciclos hasta rotura. En algunas aleaciones frreas y en aleaciones de titanio, la curva S-N se hace horizontal para valores grandes de N, es decir, existe una tensin lmite, denominada lmite de fatiga, por debajo del cual la rotura por fatiga no ocurrir.

Ejemplo con un aluminio libiano:

Curva caracterstica de la seal de induccin generada sobre la pieza sencilla a travs del imn permanente del cuerpo de impacto.

Efectividad del enmascaramiento temporal de un tono

Curva Edad e Inteligencia Si dividimos la poblacin total en segmentos de edades diferentes, podemos ver claramente las diferencias de Inteligencia entre los diferentes segmentos. Es evidente que un nio menor de 5 aos todava no tienen la Inteligencia de un adulto. Obviamente, un anciano de 90 aos no es tan inteligente como cuando tena 40 aos. As que claramente la Inteligencia sube despus del nacimiento, pero a una cierta edad disminuye.

La curva de Inteligencia-Edad, reflejada aqu, es sorprendente para muchos.

Ciclo de vida del producto

Uniendo la disciplina dinmica con el producto, lo que estamos haciendo es dotar de vida a ese producto. Lo transformamos en un ser viviente y, como tal, va a transitar por todas las etapas que todo ser viviente cumple inexorablemente, desde su nacimiento hasta su muerte, pasando por las intermedias. En nuestro caso, vamos a analizar la curva del ciclo de vida del producto. Este ciclo, al ser el producto una variable controlable, se puede planificar con una fecha de introduccin y muerte, o bien, con una fecha cierta de introduccin y prolongando al mximo su vida. No se puede decir cunto tiempo durar este ciclo de vida para un producto determinado; ello depender de una serie de factores que son impredecibles, tales como los adelantos tecnolgicos, las modas, las costumbres, el rechazo o la aceptacin del mercado, etctera.

El objeto de la presente ponencia es proponer un Sistema de Mantenimiento ptimo, a las industrias que tienen alta experiencia en PM (Mantenimiento Preventivo), que involucre algunas tcnicas del TPM, RCM y PMO, para mejorar la productividad de la organizacin, basado en el estado real de la maquinaria y su historial de fallas, utilizando la estadstica como una poderosa herramienta de apoyo a la toma de decisiones gerenciales. Se incluye un anlisis de los puntos comunes de las tres tcnicas planteadas, y se presenta la metodologa estadstica para determinar el comportamiento de los equipos y su frecuencia ptima de intervencin, necesaria para lograr el costo total mnimo de Mantenimiento.

Introduccin
Un sistema de mantenimiento eficaz incluye todas las actividades dirigidas a conservar las caractersticas de diseo de los equipos, para evitar fallas imprevistas, prolongar su ciclo de vida til y mantener su ptima operacin. Las dos tcnicas de mantenimiento, que estn dando los resultados ms eficaces, para lograr la implementacin de procesos de optimizacin industrial, son el Mantenimiento Productivo Total (TPM), que persigue el mejoramiento continuo de la Productividad Industrial, con la participacin integral de los trabajadores de la empresa, y el Mantenimiento Centrado en la Confiabilidad (RCM) que optimiza la ejecucin del Mantenimiento Preventivo, basado en la conservacin de la Confiabilidad Operacional, de los equipos. La aplicacin de las tcnicas estadsticas de apoyo a estos sistemas bsicos, ha dado origen a una nueva tecnologa de mantenimiento denominada Optimizacin de Mantenimiento Preventivo (PMO). La Confiabilidad Operacional (CO) es una de las recientes tecnologas que genera grandes beneficios a quienes la han aplicado. Se basa en anlisis estadsticos orientados a mantener la confiabilidad de los equipos, con la activa participacin del personal de empresa. La confiabilidad de un sistema o equipo es la probabilidad de que dicha entidad pueda operar durante un determinado periodo de tiempo sin prdida de su funcin [1]. El fin ltimo del anlisis de confiabilidad es cambiar el mantenimiento correctivo, no programado y altamente costoso, por actividades preventivas planeadas que dependan del historial de los equipos, y permitan un adecuado control de costos. El comportamiento histrico de las fallas de los equipos se puede hallar estadsticamente por medio del Anlisis de Confiabilidad basado en la Distribucin de Weibull [2]. Partiendo del historial de fallas se proyecta la influencia del Mantenimiento Preventivo sobre algunos ndices de gestin de los equipos, tales como Confiabilidad, Mantenibilidad, Disponibilidad y Efectividad Global (OEE).

El TPM
El Mantenimiento Productivo Total (TPM) es un moderno sistema gerencial de soporte al desarrollo de la industria, que permite con la participacin total del personal tener equipos de produccin siempre listos. Su metodologa, soportada por tcnicas de gestin, establece las estrategias adecuadas para mejorar la productividad

empresarial, con miras a lograr afrontar con xito y competitividad, el proceso de globalizacin y apertura de la economa. La filosofa del TPM hace parte del enfoque hacia la Calidad Total. Mientras la Calidad Total pasa de hacer nfasis en la inspeccin y seleccin, a hacer nfasis en la prevencin; el TPM pasa del nfasis en la simple reparacin al nfasis en la prevencin y prediccin de las averas y del mantenimiento de las mquinas. El TPM incluye las cinco metas siguientes [3]: Mejora de la Eficacia de los Equipos Mantenimiento Autnomo por operadores Planeacin y programacin ptima de un sistema Preventivo - Predictivo Mejoramiento de la habilidad operativa Gestin Temprana de Equipos para evitar problemas futuros.

En el TPM todos los problemas de operacin de los equipos se consideran perdidas de su funcin, las cuales deben ser monitoreadas y agrupadas en las seis grandes perdidas: Prdidas por Averas Prdidas de Preparacin y Ajustes Inactividad y Paradas Menores Prdidas de Velocidad Reducida Prdidas de Puesta en Marcha Defectos de Calidad y Repeticin de Trabajos.

El indicador de gestin clave del TPM es la Eficacia Global del Equipo (OEE), cuyo valor esta definido como el producto de tres factores: la disponibilidad, el rendimiento del ciclo y la tasa de calidad [4]. Los operarios y personal de mantenimiento se capacitan para identificar los problemas relacionados con la eficacia de los equipos y realizar anlisis para determinar las perdidas. Sintetizando los aportes del TPM a un sistema de mantenimiento podemos decir que: El TPM mejora la eficiencia y eficacia del Mantenimiento. El TPM trabaja para llevar al equipo a su condicin de diseo. El TPM busca la gestin del equipo y la prevencin de averas y prdidas. El TPM requiere que el mantenimiento se lleva a cabo en cooperacin activa con el personal de produccin. El TPM necesita capacitacin continua del personal. El TPM usa efectivamente las tcnicas de mantenimiento Preventivo y Predictivo. El TPM mejora la moral del personal y crea un autntico sentido de pertenencia. En el TPM el ciclo de vida til del equipo se extiende, y se reducen los costos totales de operacin.

El RCM
El Mantenimiento Centrado en Confiabilidad (RCM) es un proceso desarrollado inicialmente por la industria de la aviacin civil en la USA. Su fin primordial es ayudar al personal de mantenimiento, a determinar las mejores prcticas para garantizar la confiabilidad de las funciones de los activos fsicos, y para manejar las consecuencias

de sus fallas. El objetivo primario del RCM es conservar la funcin de sistema, antes que la funcin del equipo. La metodologa lgica del RCM, que se deriva de mltiples investigaciones, se puede resumir en seis pasos: Identificar los principales sistemas de la planta y definir sus funciones. Identificar los modos de falla que puedan producir cualquier falla funcional. Jerarquizar las necesidades funcionales de los equipos usando Anlisis de Criticidad. Determinar la criticidad de los efectos de las fallas funcionales. Emplear el diagrama de rbol lgico para establecer la estrategia de mantenimiento. Seleccionar las actividades preventivas u otras acciones que conserven la funcin del sistema. El RCM es un enfoque sistmico para disear programas que aumenten la Confiabilidad de los equipos con un mnimo costo y riesgo; para ello combina aplicaciones de mantenimiento Autnomo, Proactivo, Preventivo y Predictivo, mediante estrategias justificadas tcnica y econmicamente. La informacin almacenada en las hojas de trabajo de RCM minimiza los efectos de rotacin de personal y de falta de experiencia. De acuerdo con la norma SAE-JA1011 editada en agosto de 1999, un programa de RCM debe asegurar que las siete preguntas bsicas sean contestadas satisfactoriamente en la secuencia mostrada [5]: Cules son las funciones asociadas al activo en su actual contexto operacional (funciones)? De qu manera puede no satisfacer sus funciones (fallas funcionales)? Cul es la causa de cada falla funcional (modos de fallo)? Qu sucede cuando ocurren las diferentes fallas (efectos de las fallas)? De qu manera afecta cada tipo de fallas (consecuencias de las fallas)? Qu puede hacerse para prevenir / predecir cada falla (tareas probables e intervalos de las tareas)? Qu debe hacerse si no se encuentra una tarea proactiva adecuada (acciones preestablecidas)? El resultado de cada anlisis de RCM, de un equipo, es una lista de responsabilidades de mantenimiento que permiten aumentar la Disponibilidad, Confiabilidad y rendimiento operativo del equipo, con un alto nivel de eficacia en costos.

EL PMO
El sistema de Optimizacin de Mantenimiento Preventivo (PMO) es un mtodo diseado para revisar los requerimientos de mantenimiento, el historial de fallas y la informacin tcnica de los activos en operacin. El proceso de Optimizacin del Mantenimiento Preventivo, facilita el diseo de un marco de trabajo racional y rentable, cuando un sistema de MP est consolidado y la planta est bajo control. Esto implica una buena experiencia en mantenimiento planeado. A partir de ah, las mejoras se pueden alcanzar fcilmente con la adecuada asignacin de recursos; y el personal de mantenimiento puede enfocar sus esfuerzos

en los defectos de diseo de la planta, o en las limitaciones operativas. Un sistema PMO es base para una Ingeniera de Confiabilidad efectiva, y para la adecuada eliminacin de defectos, teniendo en cuenta que [6]: Se reconocen y resuelven los problemas con la informacin exacta. Se logra un efectivo uso de los recursos. Se mejora la productividad de los operarios y del personal de mantenimiento. El sistema se adapta a las situaciones y los objetivos especficos de cada cliente. La optimizacin del PM motiva al personal.

Mientras que PMO utiliza el historial de fallas existente como una entrada en la revisin de las actividades de PM, reconoce que en la gran mayora de las organizaciones, la informacin contenida en sistemas CMMS, tiende a ser inexacta e incompleta y busca corregirla. La fuerza fundamental de un programa de PMO es que todas las acciones de mantenimiento tienen valor agregado, y que el sistema motiva mejoras en muchos otros aspectos del manejo de los activos fsicos de la empresa, aparte de los anlisis de mantenimiento. El Anlisis de Confiabilidad con base en el historial de fallas de los equipos, permite determinar el comportamiento real durante su vida til, con el fin de: Disear las polticas de mantenimiento a utilizar en el futuro. Determinar las frecuencias ptimas de ejecucin del mantenimiento preventivo. Optimizar el uso los recursos fsicos y del talento humano. Calcular intervalos ptimos de sustitucin econmica de equipos. Minimizar los costos del departamento.

La Distribucin de Weibull
La distribucin de Weibull es una funcin de estadstica mltiple, cambia fcilmente, es asimtrica y presenta diferentes valores para la media y la mediana. Se presenta como una aproximacin de la distribucin normal, o como una representacin de la exponencial [2]. La expresin matemtica de la funcin que define la Confiabilidad R(t), es el complemento de la funcin de Probabilidad de falla F(t). La expresin matemtica recibe el nombre de distribucin de tres parmetros:

Estos parmetros son: b [Beta] = Parmetro de forma o geomtrico (b > 0). [Theta] = Parmetro de escala o valor caracterstico ( T0).

T0 = Parmetro de localizacin, que es el valor garantizado de t (T0 0). La distribucin de Weibull est limitada por T0 en la cota inferior, que en el caso de la Confiabilidad significa el mnimo tiempo que el equipo funcionar con seguridad antes de fallar. La variable caracterstica es similar a la media y representa un valor de t debajo del cual se encuentra el 63.2% de los datos. El parmetro de forma o geomtrico b, controla la asimetra de la distribucin. Con frecuencia la nueva teora estadstica que maneja la distribucin Weibull, reemplaza el parmetro , por su valor a partir del valor garantizado, y lo representa por (Eta), es decir, se asigna como segundo parmetro de Weibull a este valor, que corresponde a:

Por lo cual la ecuacin de Weibull para tres parmetros se convierte en:

El Anlisis de la Confiabilidad, basado en la distribucin de Weibull, se obtiene de los datos histricos de fallas de los equipos, utilizando diversos programas de software, o mediante procedimientos grficos con ayuda de Excel como el descrito en Shigley Mischke [7]. El objetivo final es relacionar la Confiabilidad de los equipos y predecir su comportamiento, con estos datos.

Optimizacin de Costos
El objetivo del proceso de optimizacin de los costos del mantenimiento, es determinar los intervalos ptimos de mantenimiento, para aumentar la productividad de los equipos y minimizar el costo total del departamento. Ahora bien, el nivel ptimo es el punto en el que los costos totales, que combinan costos directos, tiempo perdido y deterioro excesivo, son mnimos, lo cual se presenta cuando el costo directo se aproxima al costo indirecto [3]. El anlisis de los costos del mantenimiento programado y del no programado, sirve para resolver el problema de optimizar el proceso de mantenimiento, cuando se utiliza un sistema asistido por computador. El costo del mantenimiento programado Cs(t) en un tiempo dado to se expresa como [8]:

Donde el t es el trmino i del tiempo medio para falla, y el Ci es el trmino i de la accin de mantenimiento. El costo de mantenimiento no programado Cu (t) se estima por [3]:

Donde el fi es el trmino i del periodo de accin de mantenimiento no programada durante el tiempo to. Ambos la probabilidad de supervivencia de un equipo y la probabilidad de ocurrencias de fallas se presentan en el mismo tiempo. Con base en esta consideracin, el costo total de mantenimiento Cm(t) asociando los dos tipos de mantenimiento puede determinarse por:

El problema es minimizar Cm(t) para calcular el ciclo de mantenimiento ptimo t*. Este problema se puede resolver diferenciando Cm(t) con respecto a t, e igualando a cero. Esta ecuacin para un periodo de estudio dado se puede generalizar, planteando que el ciclo de mantenimiento ptimo es igual a la frecuencia seleccionada por la raz cuadrada de la razn de costos de mantenimiento programado sobre costos de mantenimiento no programado [2]:

El anlisis de costos permite adicionalmente, realizar el estudio tcnico - econmico de los dems ndices de gestin y determinar el nivel de mantenimiento ptimo para la operacin econmica de los equipos.

Mantenimiento ptimo
Un Sistema de Mantenimiento ptimo implica el uso de ms de una de las tcnicas modernas de mantenimiento. Muchas plantas han usado eficientemente el TPM y otras el RCM, pero la mayora tienen la necesidad de mejorar sus comunicaciones y

el trabajo de equipo, y esto se posibilita usando un sistema mixto. El TPM implica que todas las actividades de mantenimiento deben ser productivas, y por tanto generar utilidades. Los operadores de los equipos son el enfoque central del TPM, estos adquieren conocimientos valiosos, y asumen roles para mejorar la disponibilidad de sus mquinas. El RCM prioriza las tareas de mantenimiento basadas en el impacto que la causa de la falla tiene sobre el sistema, antes que tratar todas las fallas con la misma importancia. Se busca asegurar que se hagan las acciones correctas de mantenimiento y eliminar aquellas tareas que no producen impacto en la frecuencia de fallas. La combinacin del TPM y RCM, ha generado una nueva metodologa de trabajo de equipo en las labores de mantenimiento, que mejora la confiabilidad de las mquinas y el proceso de produccin, con costos compatibles. El PMO se basa en la experiencia del personal de planta y su conocimiento tcnico. Esto crea un alto grado de responsabilidad y pertenencia para hacer el trabajo de mantenimiento. La diferencia fundamental entre RCM y PMO es la forma en la cual son obtenidos los modos de falla. El RCM busca analizar cada modo de falla en cada equipo dentro del sistema que es analizado. El PMO genera una lista de modos de falla del programa de mantenimiento real, hace una evaluacin de las fallas, y el anlisis de riesgos sobre la documentacin tcnica. La primera etapa para integrar TPM, RCM y PMO, es desarrollar el anlisis funcional con base en RCM, de un sistema de produccin de la planta. Se identifican las fallas funcionales y en lo posible la causa y efectos de cada una de ellas. A continuacin se analizan los modos de falla para determinar cuales pueden eliminarse con actividades de mantenimiento autnomo o con rutinas preventivas y cuales requieren otras tcnicas y procesos ms sofisticados, y de esta forma lograr una clasificacin conveniente. En forma simultanea con la implementacin de las tcnicas de RCM, se usa la distribucin de Weibull para determinar la Confiabilidad de los equipos basada en el historial de fallas, y as determinar la curva de comportamiento real durante su vida til. El siguiente paso es aplicar los principios del TPM para aumentar la efectividad global de los equipos, y por ende su confiabilidad; y fijar las estrategias ms apropiadas para la mejora continua, iniciando con las prcticas modernas del mantenimiento autnomo y las tcnicas de inspeccin, preventivas y predictivas. La accin del operador del equipo representa la mejor vigilancia bsica de su condicin, pero frecuentemente necesita el apoyo de tcnicas de prediccin y solucin de problemas. Esto se facilita por la integracin de los mtodos de TPM, RCM y PMO. La base comn de los tres sistemas tiene como punto de partida la actitud del

personal con relacin a la seguridad, la calidad, la eficiencia y el manejo ambiental. El esfuerzo principal se enfoca donde se alcancen mayores beneficios, con lo cual se logra un mejor funcionamiento operacional de los activos fsicos existentes. Estos sistemas a su vez estn fundamentados en procesos continuos de capacitacin, a todo nivel, que generan en el personal una mayor motivacin y sentido de pertenencia, y un mejor desarrollo del trabajo en equipo. La metodologa propuesta para desarrollar el Modelo Mixto de Confiabilidad, en el proceso de optimizacin del mantenimiento industrial, se puede sintetizar en las siguientes etapas: Desarrollar un procedimiento detallado de previsin y planeacin de actividades tipo RCM. Determinar y clasificar, de acuerdo con la metodologa PMO, los principales modos de falla. Implementar el proceso para determinar la Confiabilidad estadstica de los equipos. Analizar la influencia del Mantenimiento Preventivo en la tasa de fallas del equipo y en la mejora de su Confiabilidad. Implementar el Mantenimiento Autnomo y los principios del TPM para aumentar la efectividad global de los equipos. Realizar peridicamente anlisis de costos, para establecer el ciclo de mantenimiento ptimo. Desarrollar un sistema de asignacin de recursos, tanto fsicos como humanos, para llevar a cabo programas ms ajustados al logro de los objetivos de productividad y competitividad. Propiciar planes de mejoramiento continuo mediante programas de capacitacin para toda la vida. El resultado de implementar un sistema mixto de Confiabilidad debe ser un mantenimiento ms armonioso, ms eficiente, seguro y eficaz, que logre minimizar los costos totales, y que incremente la productividad y competitividad de la organizacin.

Conclusiones
La Gestin de Mantenimiento de hoy, est cambiando viejos principios por nuevos paradigmas de excelencia. Las prcticas de Ingeniera de la Confiabilidad, Gerencia de Activos, Indicadores de Gestin y anlisis de los costos totales de mantenimiento constituyen los objetivos centrales de las empresas enfocadas a la Competitividad Internacional. Se presenta un sistema para mejorar la programacin de todas las actividades de mantenimiento. El anlisis de fallas es la etapa ms importante en la determinacin de un programa de mantenimiento ptimo, y ste depende del historial de fallas de

los equipos durante su vida til. Metodologas tales como TPM, RCM, PMO, RCFA, etc., trabajan muy bien cuando se aplican coherentemente. Combinndolas se gestiona un mejor proceso, se potencia el trabajo en equipo y se disminuye el costo de operacin. Optimizando el ciclo de mantenimiento del equipo se logra aumentar su vida til, su disponibilidad y confiabilidad, y se mejora la productividad de la empresa.