Professional Documents
Culture Documents
Introducción
El objetivo de realizar un “análisis de confiabilidad” para trazar estas curvas es el
de descubrir el verdadero comportamiento de la falla de un ítem con respecto a cada
uno de sus modos de falla significativos [1], sin importar el plan de mantenimiento
implementado. ¿Cómo es esto posible? ¿Acaso, no estamos basando nuestro
análisis en datos de los equipos que se han mantenido según las actuales estrategias
del mantenimiento?
La respuesta es que al momento del mantenimiento (digamos, renovación
preventiva de un componente) seguramente hacemos algunas observaciones sobre
el estado de los ítems mantenidos. En ese momento es improbable que hayamos
observado que todos los ítems renovados estuvieran al borde de la falla. De igual
manera, es posible (a menos que el plan de mantenimiento preventivo (PM) sea muy
conservador) que algunos ítems hayan fallado antes del momento PM. Es decir, que
la falla se haya presentado durante el servicio. Por otra parte, puede que algunos de
los ítems renovados no hayan estado en estado de falla al momento PM sino por el
contrario, hubieran estado en condiciones excelentes. Finalmente, es posible
también encontrar algunos de los ítems a punto de fallar funcionalmente. En este
caso podemos considerar el PM como “oportuno”.
Figure 2 Conditional
probability of failure curve for an item that ages – Failure Pattern B
La figura 2 gráfica la rata de riesgo o la Probabilidad Condicional de falla [2] contra
la edad de trabajo de un ítem. Quisiéramos estar en posición de declarar (a nuestro
gerente) que nuestro mantenimiento ha sido optimizado, queriendo decir que
fuimos capaces de realizar el mantenimiento a la edad de trabajo representada por
la vida útil. La vida útil es el mejor criterio para determinar la realización de un PM.
Tal estrategia prevendría la mayoría de las fallas y disminuiría la renovación de
componentes que se encuentren en buen estado. Está estrategia conducirá las
acciones PM en el momento de máximo beneficio para la organización.
Obviamente, el gráfico de la Figura 2 debe representar la relación inherente entre la
edad y la confiabilidad del ítem si intentamos utilizarlo para determinar la vida útil
y la estrategia óptima del mantenimiento preventivo. La pregunta es, “¿Cómo
graficar esta curva del equipo mantenido con datos reales?”
Los “datos reales” implican que nuestros cálculos deben tener en cuenta los datos de
“suspensiones” los cuales reflejan el programa de mantenimiento preventivo en
curso.[3]El método estadístico efectivo más popular para describir la relación de
confiabilidad y edad está basado en el modelo Weibull para los datos de vida. Este,
es un modelo empírico descubierto en los años 1950 por Walodi Weibull, quien
presentó la siguiente ecuación ante una distinguida sociedad (que reaccionó en un
principio con escepticismo) que luego se convertiría en la sociedad de ingeniería de
confiabilidad.
Distribución Weibull – tres de sus formas
Distribución Acumulada (Eqn. 1)
Riesgo (Eqn. 2)
Dónde:
β (beta) es el parámetro de “forma”,
η (eta) es el parámetro de “escala”, y
t es la edad de trabajo del ítem o modo de falla que está siendo modelado.
Para poder graficar la relación confiabilidad – edad (por ejemplo, la Figura 1) solo
necesitaremos determinar (calculo a partir de datos históricos) los valores de los
parámetros β y η. Estos gráficos nos ayudan a comprender el comportamiento
histórico de falla de los componentes y de los modos de falla de interés. Weibull
desarrolló un método gráfico para calcular los parámetros β y η de un conjunto
histórico de datos de falla. Hoy en día, no necesitamos usar este método gráfico de
Weibull ya que existen algoritmos numéricos que calculan los valores β y η y trazan
los gráficos requeridos de forma automática.
Ejemplo
Por ejemplo, asuma que tenemos los siguientes ítems idénticos [4] A, B, C, D y E y las
edades en las que fallaron.
Tabla 1:
Según lo anterior, es claro que necesitamos una mejor manera de calcular la CDF,
especialmente para muestras pequeñas de vida, con el fin de poder utilizarla en la
solución numérica de Weibull para graficar la relación edad – confiabilidad. La
propuesta más conocida para calcular la CDF a partir de los datos de falla se conoce
como rango medio. [6] La fórmula, conocida como “estimador de probabilidad de
Bernard”, proporciona un cálculo de rango medio para muestras pequeñas y está
descrita por la Ecuación 4.
Estimador de Probabilidad de Bernard
(Eqn. 4)
Dónde:
i= el orden secuencial de la falla; y
N= el tamaño de la muestra (número de ciclos de vida)
Estimado CDF = El estimado de la Función Acumulada de Distribución o rango
medio.
http://www.livingreliability.com/wordpress/posts/el-verdadero-significado-de-las-6-curvas-rcm/