Tesis Analisis de Weibull

UNIVERSIDAD NACIONAL DEL CALLAO
FACULTAD DE INGENIERIA MECANICA - ENERGIA
ANLISIS DE WEIBULL EN LA GESTIN DE

MANTENIMIENTO DE EQUIPOS TRACKLES
(MINERIA SUBTERRANEA)
INFORME DE EXPERIENCIA LABORAL PARA OPTAR EL
TITULO PROFESIONAL DE INGENIERO MECANICO
PRESENTADO POR.
CARLOS AMILCAR ZAMORA LOPEZ
ASESOR
ING. ARTURO GAMARRA CHINCHAY
CALLAO PERU
2012
DEDICATORIA:
A mi Madre Graciela, Esposa Roxana,
mis hijos Alondra y Leonardo, por ser el
motor de mi vida.
INDICE
1. INTRODUCCION Pg.
2. OBJETIVOS
2.1 OBJETIVO GENERAL.
2.2 OBJETIVO ESPECIFICO.
3. ATLAS COPCO
3.1 VISION.
3.2 VALORES FUNDAMENTALES.
3.3 ATLAS COPCO EN EL MUNDO.
3.4 PRINCIPALES EVENTOS HISTORICOS.
3.5 ORGANIZACIN MUNDIAL DE ATLAS COPCO.
4. DESCRIPCION DETALLADA DEL PROYECTO DE

INGENIERIA.
4.1 FLOTA DE EQUIPOS SELECCIONADOS PARA EL PROYECTO.
4.1.1 FLOTA EQUIPOS DE PERFORACION.
4.1.2 FLOTA EQUIPOS DE ACARREO (SCOOPTRAM).
4.2 SELECCIN DE SISTEMA PARA EL ANALISIS DE WEIBULL.

4.2.1 ANALISIS JACK KNIFE FLOTA EQUIPOS DE
PERFORACION.
4.2.2 ANALISIS JACK KNIFE FLOTA EQUIPOS SCOOPTRAM.
4.3 SELECCIN DE FALLA PARA EL ANALISIS DE WEIBULL.

4.3.1 EQUIPOS DE PERFORACION.
4.3.2 EQUIPOS DE ACARREO (SCOOPTRAM).
4.4 DATOS DE FALLA EQUIPOS DE PERFORACION.
4.4.1 ROTURA DE CABLES DE AVANCE
4.4.2 TABLA Y GRAFICO DE LOS DATOS DE FALLA.
4.4.3 CALCULO DE LOS PARAMETROS DE FORMA DE LA
DISTRIBUCION DE WEIBULL.
4.4.4 TABLA Y GRAFICA DE CONFIABILIDAD
4.5 DATOS DE FALLA EQUIPOS DE ACARREO (SCOOPTRAM).

4.5.1 ROTURA DE PERNOS CILINDRO VOLTEO.
4.5.4 TABLA Y GRAFICA DE CONFIABILIDAD
4.6 COSTOS DE FALLA EQUIPOS DE PERFORACION.

4.6.1 COSTO GLOBAL MANTENIMIENTO CORRECTIVO (Cgc).
4.6.2 COSTO GLOBAL MANTENIMIENTO PREVENTIVO (Cgp).
4.7 COSTOS DE FALLA EQUIPOS DE ACARREO (SCOOPTRAM).

5. EVALUACION TECNICA-ECONOMICA.
5.1 CASO ROTURA DE CABLE DE AVANCE EQUIPOS DE
PERFORACION.
5.1.1 HORAS TRABAJADAS DE LA FLOTA EQUIPOS DE
PERFORACIN.
5.1.2 COSTO DE MANTENIMIENTO GLOBAL PARA UNA
POLTICA CORRECTIVA.
POLTICA PREVENTIVA.
5.1.4 MTBF
5.1.5 MTBI (MEAN TIME BETWEEN INTERVENTIONS) TIEMPO
MEDIO ENTRE INTERVENCIONES.
5.1.6 COSTO GLOBAL HORARIO PARA UNA POLTICA
CORRECTIVO.
PREVENTIVA.
5.1.8 GRAFICO DE CONFIABILIDAD VS COSTOS.
5.1.9 CALCULO AHORRO USANDO POLTICA PREVENTIVA.
5.2 CASO ROTURA PERNOS CILINDRO VOLTEO SCOOPTRAM.

ACARREO (SCOOPTRAM).
POLTICA CORRECTIVA.
POLTICA PREVENTIVA.
5.2.4 MTBF.
CORRECTIVO.
PREVENTIVA.
6. CONCLUSIONES Y RECOMENDACIONES.
PERFORACION.
6.1.1 CONCLUSIONES.
6.1.2 RECOMENDACIONES.
6.2.1 CONCLUSIONES.
6.2.2 RECOMENDACIONES.
7. INFORMES TECNICOS.
7.1 ANALISIS CAUSA RAIZ (FALLA BOMBA AGUA BOOMER 282).
7.2 FALLA EN SISTEMA DE DIRECCION ST1030 NUMERO
INTERNO S-604, CON N/S AVO 10 X 083.
7.3 ANALISIS COSTO BENEFICIO LABIO CUCHARA VS UAS EN
SCOOPTRAM ST-1030.
7.4 ROTURA CARDAN Y TRANSVERTER SCOPTRAM ST-7 S-406.
7.5 ANALISIS JACK NIFE EN EQUIPO DE PERFORACION S1D J-
124.
7.6 ANALISIS CONFIABILIDAD PEDAL ACELERACION EN PRUEBA
EN SCOOPTRAM ST-7.
7.7 FALLA EN MOTOR DIESEL CAMION MT2010 AVO 11X005 D-
207.
8. BIBLIOGRAFIA.
9. APENDICES Y ANEXOS.
9.1 INTRODUCCION A LA INGENIERIA DE CONFIABILIDAD.
9.2 FUNDAMENTO ESTADISTICO.
9.3 DATOS Y TIPOS DE DATOS.
9.4 LIMITES DE CONFIANZA.
9.5 LA DISTRIBUCION DE WEIBULL.
1. INTRODUCCION.
El presente informe muestra cmo se aplica el Anlisis de Weibull

a la Gestin de Mantenimiento de Equipos Trackles (minera
subterrnea), este trabajo fue realizado por el Residente del Contrato de
Servicio de Mantenimiento que tiene Atlas Copco Peruana, en la
Compaa Minera CIA VOLCAN , en la actualidad las Compaas
Mineras buscan producir ms con los mismos activo, esto solamente es
posible si los equipos son ms confiables, para eso se tiene que mejorar
el planeamiento de mantenimiento, siendo muy importante ingresar la
informacin al sistema con data confiable, que nos ayude analizar la
informacin y plantear mejoras en los procesos de mantenimiento, la
tendencia actual es aplicar conocimientos de Ingeniera de
Mantenimiento (por ejemplo, Anlisis de Weibull, Diagrama Dispersin
de Tiempos Jack - Knife, Diagrama Dispersin de Costos, etc.), en
nuestro pas son conceptos nuevos que se esta adicionando a la Gestin
de Mantenimiento, pases vecinos como Chile y Colombia estn muy
avanzados, por eso es que me motivo empezar aplicar el Anlisis de
Weibull y Dispersin de Tiempos y Costos, en la minera subterrnea, en
este informe explicaremos a detalle la Aplicacin del Anlisis de Weibull
para poder ver el comportamiento de las fallas (falla prematura, falla
aleatoria y falla por desgaste), normalmente las fallas de los equipos
mineros son por desgaste, pero se debe calcularlo, primero recomiendo
realizar mnimo un Pareto para ver que sistema esta con mayor
frecuencia de fallas o si tienes conocimientos de Diagrama de dispersin
de tiempos es mejor utilizar esta herramienta, porque se puede realizar
una sola grafica donde se encontrara la Indisponibilidad Mecnica,
Mantenibilidad y Confiabilidad, para posterior ingresar al sistema critico y
analizar las fallas con mayor incidencia, dependiendo que es lo que la
Compaa Minera quiera, se puede realizar una anlisis para ganar mas
disponibilidad mecnica o para reduccin de costos.
Lo mas interesante de usar estas nuevas herramientas en la
Gestin de Mantenimiento es que es mas fcil demostrar a nuestra
Gerencia de Mantenimiento, que es mejor invertir en costos directos y
as obtener grandes beneficios en costos indirectos, si me explico lo mas
costoso para una compaa minera es la perdida de produccin, pero
cuando tengamos que calcular los costos de perdida de produccin
debemos tener mucho cuidado, muchas veces los mineros
convencionales creen que si la maquina dejo de trabajar unas 100 horas
calendarios, el equipo dejo de producir 100 horas, eso es falso pues
tenemos que aplicar la probabilidad de falla, es decir las 100 horas
tienen que multiplicarse por la eficiencia global del equipo (disponibilidad
x utilizacin x rendimiento).
Puede confirmar que estas nuevas herramientas de Gestin en

nuestro pas si funcionan, solamente que tenemos que empezar a
aplicarlas, pues nos ayudan a que nuestros equipos mineros que
gestionamos sean ms confiables y por ende mayor produccin y a un
bajo costo.
Finalmente el beneficio entre nuestra compaa Atlas Copco

Peruana con la minera CIA VOLCAN es mutua (ganar-ganar), porque
CIA VOLCAN produce mas con los mismos activos y Atlas Copco gana
imagen como marca vendiendo mas equipos Atlas Cocpo en el mercado
peruano.
2. OBJETIVOS
1. OBJETIVO GENERAL
Mejorar la imagen del rea de Mantenimiento Mecnico Mina,

normalmente el rea de mantenimiento es vista como una rea que
solamente genera gasto, porque muchas veces somos incapaces de
sustentar el presupuesto e inversiones, el Anlisis de Weibull nos ayuda
a realizar sustentos matemticos econmicos donde se puede
observar que para pequeas inversiones en los costos directos, trae
consigo un ahorro muy importante en los costos indirectos.
2. OBJETIVOS ESPECIFICOS.
Dar mas confiablidad a los Equipos Trackles, eso significa que

dependiendo de lo quiera nuestro cliente, se debe dar confiabilidad a una
falla, por ejemplo si nuestro cliente acepta que una falla en particular
tenga una confiabilidad de 80%, eso significa que tenemos un 20% de
probabilidad de falla.
Reduccin de costos globales de mantenimiento, normalmente

estamos acostumbrados a calcular los costos de mantenimiento,
considerando solamente los costos directos (mano de obra y materiales),
pero nos olvidamos que cuando un equipo falla deja de producir, por lo
tanto debemos sumar tambin estos costos indirectos.
Cumplir con la disponibilidad mecnica mnima 85%, En nuestro

contrato entre Atlas Copco Peruana y La Compaa Minera Volcan,
establece que es obligacin de Atlas Copco Peruana dar una
disponibilidad mecnica mnima de 85%.
Cumplir con el plan de produccin, diario, mensual y anual de la

Compaa Minera VOLCAN.
3. ATLAS COPCO
3.1 VISION.
La visin del Grupo Atlas Copco es ser la Primera Opcin y la Primera
Eleccin para todos nuestros clientes.
Esto significa ser lderes, debemos ser la primera opcin y la primera

eleccin en la mente de nuestros clientes cuando estos necesiten un
servicio y/o producto.
A nivel empresarial debemos ser considerados como un grupo innovador

que establece estndares y supera las expectativas ms exigentes de
nuestros clientes.
3.2 VALORES FUNDAMENTALES.
Los principales valores de Atlas Copco son:
Interaccin
Compromiso
Innovacin
Interactuamos con nuestros clientes cuando los escuchamos y

entendemos sus necesidades para crear nuevas y mejores soluciones.
Atlas Copco se encuentra Comprometido con su gente y clientes al

encontrar la mejor solucin que podamos ofrecer.
La Innovacin es el principal motor del crecimiento, es por eso que Atlas

Copco cree que siempre existe una mejor manera de hacer las cosas.
3.3 ATLAS COPCO EN EL MUNDO.
AC es un proveedor lder a nivel mundial de soluciones para la
productividad industrial.
Los productos y servicios que abarcan son aire comprimido y
equipos de gas, generadores, equipos para minera y construccin,
herramientas industriales y sistemas de ensamblaje, con relacin a
aftermarket y el alquiler.
En cooperacin cercana con sus clientes y socios, Atlas Copco
innova para una superior productividad.
Su sede central se ubica en Suecia, el Grupo alcanza a ms de

170 mercados.
En el 2011 Atlas Copco alcanz los 34,500 empleados y un
ingreso anual de aproximadamente 9000 MEUR)
El Grupo Atlas Copco, fundado en 1873, es un grupo internacional
de empresas con sede en Estocolmo, Suecia. El Grupo Atlas Copco
fabrica productos en ms de 20 pases.
Las compaas de Atlas Copco desarrollan y fabrican
herramientas industriales, equipos de aire comprimido y equipos de
construccin y minera, con sus correspondientes servicios tcnicos y
alquiler de maquinaria. Los productos se venden y alquilan con distintas
marcas a travs de una red mundial de ventas y servicio tcnico que
abarca 170 pases, la mitad de los cuales son atendidos por compaas
de ventas (CC).
El Grupo desarrolla sus actividades a travs de tres reas de
negocio: Tcnicas de Energa Comprimida, Tcnicas de
Aplicaciones Industriales y Tcnicas de Construccin y Minera.
Atlas Copco Peruana es la representante en el Per de esta
empresa transnacional y se dedica a la venta, reparacin y servicio
tcnico de estos equipos.
3.4 PRINCIPALES EVENTOS HISTORICOS.
3.5 ORGANIZACIN MUNDIAL ATLAS COPCO.

TECNICAS DE ENERGIA COMPRIMIDA (CT)
El rea de negocio, Tcnicas de Energa Comprimida,

desarrolla, fabrica, comercializa y presta servicio de compresores de
aire estacionarios exentos de aceite y lubricados, compresores de aire
transportables, compresores de gas y proceso, turbo expansores,
grupos electrgenos, equipos de tratamiento del aire (como secadores
de aire comprimido, refrigeradores y filtros).
El rea de negocios antes mencionado, tiene recursos internos
para el desarrollo bsico en sus tecnologas especficas. Adems,
ofrece servicios de alquiler, principalmente de compresores y
generadores.
TECNICAS DE CONSTRUCCION Y MINERIA (CMT)
Las lneas de Construccin y Minera desarrolla, fabrica y

comercializa herramientas para perforacin de rocas, equipos de
perforacin subterrnea para excavacin de tneles y minera, equipos
de perforacin de superficie, equipos de carga, equipos de perforacin
para exploracin y herramientas de construccin.
TECNICAS DE APLICACIONES INDUSTRIALES (IT)
El rea de negocio: Tcnicas de Aplicaciones Industriales,

desarrolla, fabrica y comercializa herramientas industriales, sistemas de
montaje as como productos de postventa y servicios de alta calidad.
Atiende las necesidades de sectores industriales avanzados, como el
sector automovilstico y aeronutico, la fabricacin y mantenimiento
industrial general as como servicio de vehculos.
4. DESCRIPCION DETALLADA DEL PROYECTO DE
INGENIERIA.
4.1 FLOTA DE EQUIPOS SELECCIONADOS PARA EL
PROYECTO.
4.1.1 FLOTA EQUIPOS DE PERFORACION.
Se ha seleccionado esta flota por ser los equipos crticos de las

Operaciones Mineras, son los equipos que inician el proceso de
extraccin de mineral (Perforacin, Voladura, Ventilacin, Limpieza y
Acarreo de Mineral), adems por ser equipos complejos lo hacen menos
confiables.
4.1.2 FLOTA EQUIPOS DE ACARREO (SCOOPTRAM).
Despus de los equipos de perforacin, son los scooptram los que

le siguen en importancia, por ser crticos en el proceso productivo del
mineral, se encargan de la limpieza de los frentes de perforacin y
carguo del mineral hacia los camiones mineros.
4.2 SELECCIN DE SISTEMA PARA EL ANALISIS DE WEIBULL.
4.2.1 ANALISIS JACK KNIFE FLOTA EQUIPOS DE

PERFORACION.
Se realiza un anlisis Jack Knife, para la flota de equipos de

perforacin, considerando las fallas de los ltimos seis meses.
Se observa el sistema de avance (0,0280; 4,78) uno de los mas

crticos, nos generan mucha indisponibilidad de equipo, 13.39 %
Del anlisis estadstico seleccionamos el sistema de avance por

ser uno de los ms crticos.
4.2.2 ANALISIS JACK KNIFE FLOTA EQUIPOS SCOOPTRAM.
Similar que la flota de los equipos de perforacin se realiza un

anlisis Jack Knife para la flota de scooptram ST7, considerando lo
ocurrido en los ltimos seis meses.
Se observa el sistema hidrulico (0,0290; 2,1667) uno de los mas

crticos, nos generan mucha indisponibilidad de equipo, 6.3 %
Del anlisis estadstico vamos a seleccionar el sistema
hidrulico, por ser un sistema que nos quita confiabilidad en la flota de
scooptram.
4.3 SELECCIN DE FALLA PARA EL ANALISIS DE WEIBULL.
4.3.1 EQUIPOS DE PERFORACION.
En la seccin anterior se selecciono el sistema de avance para

analizar con mayor detalle porque las fallas que suceden en este
sistema esta ocasionando alta indisponibilidad de la flota de los equipos
de perforacin, vamos analizar la rotura de cables de avance y retorno
en el sistema de avance, esto ocasiona indisponibilidad del equipo, por
lo tanto si controlamos esta falla podemos recuperar hasta 13.39 % de
disponibilidad mecnica, lo que significa mucho dinero que mas adelante
calcularemos.
Sistema de Avance
de un Equipo de
Perforacin.
Dentro del sistema de avance encontramos los cables de avance

y retorno, por ser dos componentes distintos, el anlisis se tiene que
realizar por separado, porque el Anlisis de Weibull funciona para una
falla, es decir para el mismo componente que cumple la misma funcin y
bajo las mismas condiciones de operacin.
La figura # 16 pertenece al cable de avance N/P 3128 0647 02, la
funcin de este cable es comunicar al cilindro de avance con la
perforadora, para avanzar en conjunto con la columna de perforacin y
realizar el agujero en la roca.
La figura #17 pertenece al cable de retorno N/P 3128 0551 02, su

funcin principal es comunicar el retorno del cilindro hidrulico con la
perforadora, retirando el barreno del agujero.
4.3.2 EQUIPOS DE ACARREO (SCOOPTRAM)
En la seccin anterior se selecciono al sistema hidrulico como

uno de los mas crticos de los equipos de acarreo, este sistema es
importante analizar porque nos esta quitando 6,30 % de disponibilidad
mecnica, cuando se realiza el anlisis estadstico se observa la alta
incidencia de la rotura de pernos de los cilindros de volteo, lo que ha
significado paradas largas de los scooptram ST-7, por lo tanto nuestra
falla seleccionada seria Rotura de Pernos del Cilindro de Volteo, los
scooptram Atlas Copco ST-7 llevan 02 cilindros hidrulicos de direccin,
dos cilindros hidrulicos de levante y 01 cilindro hidrulico de volteo, a
continuacin mostraremos figuras del sistema hidrulico de un
scooptram ST-7 y ubicaremos los pernos del cilindro de volteo.
CILINDRO DE DIRECCION N/P 5580 0175 99
CILINDRO DE DIRECCION N/P 5580 0175 99
CILINDRO DE LEVANTE N/P 5580 0175 97

CILINDRO DE LEVANTE N/P 5580 0175 97
CILINDRO DE VOLTEO N/P 5580 0175 98

En el siguiente grafico mostraremos el despiece del cilindro
de volteo, para poder identificar el perno de la tapa cilindro volteo
y as llegar a la falla.
Fig. #17 muestra el perno de sujecin de la

tapa Cilindro Volteo N/P 3218 2006 90
Esta foto muestra una falla Rotura de

Perno Cilindro de Volteo
4.4 DATOS DE FALLA EQUIPOS DE PERFORACION.
4.4.1 ROTURA DE CABLES DE AVANCE
La siguiente informacin se obtiene de la base de datos Power

Maint, sistema diseado por Atlas Copco Peruana, para la Gestin de
Mantenimiento de los Contratos que tiene la Compaa en nuestro pas,
a continuacin presentamos las fallas de los cables de avance por rotura
de los equipos de perforacin lneas arriba seleccionados.
Para poder realizar el anlisis de Weibull, primero es necesario

ordenar los datos de falla en forma ascendente, por lo tanto empezamos
ordenando los datos de falla, para posterior graficarlos en un papel
logartmico.
Con los datos de falla, en papel logartmico podemos realizar la
siguiente grafica, este grafico nos ayudara a calcular los parmetros de
forma de la distribucin de Weibull.
Se obtiene la ecuacin:
Y = 1.8486 x 10.37 (1)

DISTRIBUCION DE WEIBULL PARA LA FALLA ROTURA
DE CABLES DE AVANCE.
Primero vamos a recordar la funcin acumulativa de Weibull

(mayor detalle se encuentra en los anexos), esto nos ayudara a calcular
los parmetros de forma y la vida media entre fallas (MTTF) para la
rotura de los cables de avance en los equipos de perforacin.

t

F (t ) 1 e (2)
Tomando el logaritmo natural de ambos lados de la ecuacin:

t
ln1 F (t )

t
ln ln1 F (t ) ln

o:
ln ln1 F (t ) ln ( ) ln(t ) (3)
Luego, considere que:

y ln ln1 F (t ) (4)
a ln( )
Y:
b
Lo que resulta en una ecuacin lineal:
y a bx (5)
Y = 1.8486 x 10.37 (1)

Realizando la comparacin la ecuacin (5) y (1) se puede calcular
fcilmente los parmetros de forma de la ecuacin de Weibull, usando
nuevamente el Excel tenemos lo siguiente:
Donde:
N : Es el numero de datos o fallas.
: Este factor nos indica si la falla es prematura, aleatoria o
por desgaste.
: Este factor nos indica la vida caracterstica.
: Este factor indica cuanto tiempo el componente puede
trabajar sin falla, es decir con una confiabilidad de 100%.
MTBF : Es el tiempo promedio entre fallas.
4.4.4 TABLA Y GRAFICA DE CONFIABILIDAD (ROTURA DE
CABLES DE AVANCE).
A continuacin vamos a graficar la curva de confiabilidad con los

parmetros de forma obtenidos, para entender mejor se grafica la
siguiente ecuacin de Weibull, donde los parmetros de Weibull, ya
fueron calculados en la seccin anterior para la falla Rotura de Cables
de Avance.

t

R(t ) e
Esta tabla y grfico, nos representa la curva de confiabilidad para

los cables de avance de los equipos de perforacin, a continuacin
usaremos este grfico de la confiabilidad para poder calcular el punto
optimo de cambio, al costo mnimo y una alta confiabilidad.
4.5 DATOS DE FALLA EQUIPOS DE ACARREO (SCOOPTRAM)
4.5.1 ROTURA DE PERNOS CILINDRO VOLTEO.
Similar que los equipos de perforacin, la estadstica de falla de

los cilindros de volteo se obtiene de la base de datos del Power Maint
(Sistema diseado por Atlas Copco para la Gestin de Mantenimiento), a
continuacin mostramos las estadsticas de falla.
Esta data estadstica de falla, para poder trabajar con la

distribucin de Weibull tenemos que ordenarlo en forma ascendente
todos los rendimientos, a continuacin ordenamos estos datos de falla
en forma ascendente.
Con los datos de falla ordenados de menor a mayor en la seccin

anterior, podemos graficarlo en una distribucin de Weibull, tener mucho
cuidado con los datos suspendidos o censurados, a continuacin
tenemos la tabla y grafica de los datos de falla.
Con esta grafica obtenemos la siguiente ecuacin:
Y=1,1354 X - 9,0609 (1)

Esta ecuacin nos ayudara a calcular los parmetros de forma y
el MTBF de la falla.

En esta seccin calcularemos los parmetros de forma para poder

introducirlo en la distribucin de Weibull.

t

R(t ) e
A continuacin presentamos los parmetros de forma, con los

datos de falla Rotura de Pernos de Cilindro de Volteo.
Donde:
N : Nro. de datos (fallas y censurados).
: Indica si la falla es prematura, aleatoria o por desgaste.
: Indica la vida caracterstica.
: Indica el periodo que el componente puede trabajar sin
falla.
Podemos afirmar que la falla sucede por desgaste porque el > 1

(1,14 > 1) pero cuando tener cuidado porque el factor est muy cerca a
uno, el MTBF est muy por debajo de lo que fabrica Atlas Copco
garantiza, para esta falla Fbrica garantiza un MTBF mnimo de 6000
horas, para nuestro caso el MTBF es 2791,70 menos del 50% del STD,
por lo tanto ac tenemos una gran oportunidad de mejora y analizar lo
que esta pasando en esta falla, para mejorar el STD.
4.5.4 TABLA Y GRAFICA DE CONFIABILIDAD PARA LA

ROTURA DE PERNOS CILINDRO DE VOLTEO.
Con los parmetros de forma calculados en la seccin anterior

para la falla Rotura de Pernos de Cilindro de Volteo, introduciremos
en la ecuacin de la distribucin de Weibull, para poder obtener la tabla
y posterior grafica de confiabilidad para esta falla.
Al observar la grafica, podemos afirmar que perdemos bastante

confiabilidad en las primeras 1200 horas de trabajo, por ejemplo a las
1200 horas de trabajo tenemos una confiabilidad de aprox. 70% (69,49%),
es decir una probabilidad de falla de aproximadamente del 30%.
4.6 COSTOS DE FALLA EQUIPOS DE PERFORACION.
En esta seccin vamos a calcular los costos globales siguiendo
una poltica preventiva y correctiva.
Calcularemos el costo de falla, rotura de cables de avance si la

compaa decide con su poltica correctiva, es decir esperar que el cable
de avance se rompa y recin proceder con el cambio.
Cgc = C materiales + C mano obra + Impacto a la produccin.
Costo de Materiales, es el precio del cable de avance, para

nuestro caso el cable tiene un precio de $ 232.00.
C materiales = $232.00 (1)
Costo de Mano de Obra, es el precio del personal requerido para

realizar el trabajo, Atlas Copco por tcnico cobra $ 3 500.00, el
costo por hora ser de $3 500,00 / 30 / 10.25, esto nos da un costo
horario de $ 11.4.
C mano obra = #tcnicos x tiempo parada x costo hora tcnicos.

C mano obra = 01 x 03 x 11.4
C mano obra = $34.10 (2)
Impacto a la Produccin, para calcular este impacto a la

produccin debemos conocer que tiempo nos tomara realizar este
cambio de cable de avance, segn nuestro STD el cambio de cable
avance por rotura toma un tiempo mximo de 03 horas, adems lo
mnimo que produce este equipo por hora es 50 TON, y segn
informacin de CIA VOLCAN el costo de mineral es de $180. 00 $/TON,
por lo tanto el Costo de Impacto a la produccin sera.
C impacto produccin = (Tiempo Inoperativo)*(Produccin
hora)*(Costo Mineral).
C impacto produccin = 03*50*180 = $ 27 000.00
Pero a este costo de impacto a la produccin esta pendiente

aplicar la eficiencia global del equipo, pues si bien es cierto que el
equipo pierde tres horas de produccin, pero en esas 03 horas hay una
probabilidad de falla, por lo tanto segn nuestro sistema Power Maint,
podemos calcular la eficiencia global del equipo, para eso se necesita la
disponibilidad mecnica, utilizacin y rendimiento.
Disponibilidad Flota Equipos de Perforacin : 85%

Utilizacin Flota Equipos de Perforacin : 35%
Rendimiento Flota Equipos de Perforacin : 90%
Eficiencia Global Equipo 0.85 x 0.35 x 0.90

Eficiencia Global del Equipo : 26.78%
Con esta eficiencia global del equipo, se puede corregir el Impacto

a la produccin durante la parada de equipo.
C impacto produccin = $ 27 000.00 x 0.2678

C impacto produccin = $ 7 229.30 (3)
Finalmente podemos calcular el costo global de mantenimiento

correctivo, sumando los resultados de (1), (2) y (3).

Cgc = $ 232.00 + $ 34.10 + $ 7 229.30
Cgc = $ 7 495.70 (4)
En una hoja Excel el clculo del costo global de mantenimiento
correctivo se puede entender mejor.
Produccin de Equipo (TON/hora) 50,0

Costo Mineral ($/TON) 180,0
Tiempo Parada Equipo por preventivo (hora) 1,0
Tiempo Parada Equipo por correctivo (hora) 3,0
Costo Horario Mano Obra ($/hora) 11,4
Costos Mantenimiento Correctivo ($) $7.495,7

Materiales ($) 232,0
Mano Obra /$) 34,1
Eficiencia Global del Equipo (%) 26,78%
Impacto a la Produccin ($) 7229,3
4.6.2 COSTO GLOBAL MANTENIMIENTO PREVENTIVO

(Cgp).
En esta seccin calcularemos el costo del cambio de cable de

avance por una poltica preventiva.
Cgp = C materiales + C mano obra + Impacto a la produccin.
Costo de Materiales, es el precio del cable de avance, para

nuestro caso el cable tiene un precio de $ 232.00
C materiales = $232.00 (1)
Costo de Mano de Obra, es el precio del personal requerido para

realizar el trabajo, el costo horario es el mismo que en el correctivo, pues
se usa la misma mano de obra, pero a diferencia del correctivo bastara
una sola hora para realizar el cambio.
C mano obra = # tcnicos x tiempo parada x costo hora tcnicos.

C mano obra = 01 x 01 x 11.4
C mano obra = $11.40 (2)
Impacto a la Produccin, para calcular este impacto a la
produccin debemos conocer que tiempo nos tomara realizar este
cambio de cable de avance, segn nuestro STD el cambio de cable
avance por preventivo nos toma 01 hora, sin embargo el cambio tiene
que ser oportunista, es decir aprovechar la hora muerta (horario de
refrigerio, abastecimiento de combustible, etc.), o durante un
mantenimiento preventivo, esto traer consigo que no tengamos un
impacto en la produccin, por lo tanto el impacto a la produccin es cero.
C impacto produccin = (Tiempo Inoperativo)*(Produccin

hora)*(Costo Mineral).
C impacto produccin = $ 0.0 (3)

preventivo, sumando los resultados de (1), (2) y (3).

Cgp = $ 232.00 + $ 11.40 + $ 0.00
Cgp = $ 243.40 (4)
A continuacin realizamos un resumen en la hoja Excel, para el

costo global de mantenimiento preventivo.
Produccin de Equipo (TON/hora) 50,0

Costo Mineral ($/TON) 180,0
Tiempo Parada Equipo por preventivo (hora) 1,0
Tiempo Parada Equipo por correctivo (hora) 3,0
Costo Horario Mano Obra ($/hora) 11,4
Costo Mantenimiento Preventivo ($) $243,4

Materiales ($) 232,0
Mano Obra /$) 11,4
Impacto a la Produccin ($) 0,0
4.7 COSTOS DE FALLA EQUIPOS DE ACARREO (SCOOPTRAM).

Calcularemos el costo global de mantenimiento de la falla, Rotura de
Pernos de Cilindro de Volteo.
Costo de Materiales, El costo de materiales para esta falla no solamente

son los pernos rotos, porque la rotura de los pernos ocasiona dao
prematuro del kit de sellos y tapa del cilindro hidrulico, estos costos se
sacan del sistema Power Maint.
C materiales = $ 1 116,18 (1)
Costo de Mano de Obra, es el precio del personal requerido para realizar

el trabajo, Atlas Copco por tcnico cobra $ 3 500.00, el costo por hora ser
de $3 500,00 / 30 / 10.25, esto nos da un costo horario de $ 11.4, la falla de
rotura de pernos toma 12 horas para la reparacin y dos tcnicos.

C mano obra = 02 x 12 x 11,4
C mano obra = $ 273,16 (2)
Impacto a la Produccin, para calcular este costo, necesitamos el tiempo
que el equipo esta inoperativo (12 horas), la eficiencia global del equipo, la
produccin por hora (40 Ton) y el costo de mineral (180 $/Ton segn
informacin de CIA VOLCAN).
C impacto produccin = (Tiempo Inoperativo)*(Eficiencia Global del

Equipo)*(Produccin hora)*(Costo Mineral).
Vamos a calcular la eficiencia global del equipo.
Disponibilidad Flota Equipos de Perforacin : 85%

Utilizacin Flota Equipos de Perforacin : 78%
Rendimiento Flota Equipos de Perforacin : 90%
Eficiencia Global Equipo 0.85 x 0.78 x 0.90

Eficiencia Global del Equipo : 59,67%
Ahora vamos a calcular el impacto a la produccin.
C impacto produccin = (12hr)*(0,5967)*(40Ton/hr)*(180$/Ton)

C impacto produccin = $ 51 554,88 (3)
Finalmente podemos calcular el costo global de mantenimiento correctivo,

sumando los resultados de (1), (2) y (3).

Cgc = $ 273,16 + $ 1 116,18 + $ 51 554,88
Cgc = $ 52 944,66 (4)

A continuacin presentamos en una hoja Excel.
En esta seccin calcularemos el costo global de la falla si

decidimos por una poltica preventiva, es decir cambiar los pernos del
cilindro de volteo antes de la rotura.
Costo de Materiales, el costo de materiales se reduce porque si

se cambian los pernos antes de la falla, esto significa que nos
ahorraremos la tapa y kit de sellos del cilindro hidrulico, porque estos
repuestos se deterioran despus de la rotura de pernos.
C materiales = $ 61,92 (1)
Costo de Mano de Obra, este costo tambin se reduce porque el
cambio de pernos preventivo implica que no se desmonte totalmente el
cilindro hidrulico para realizar una reparacin, por lo tanto el tiempo de
parada se reduce a 06 horas y la participacin de dos tcnicos.

C mano obra = 02x06x11,40
C mano obra = $ 136,80 (2)
Impacto a la Produccin, este costo tambin se reduce porque la

parada es de solo 06 horas, por lo tanto podemos calcular este costo
porque cuando calculamos el costo correctivo ya se calculo la eficiencia
global del equipo.
C impacto produccin = (Tiempo Inoperativo)*(Eficiencia Global

del Equipo)*(Produccin hora)*(Costo Mineral).
C impacto produccin = 06*0,5967*40*180

C impacto produccin = $ 25 777,44 (3)

preventivo, sumando los resultados de (1), (2) y (3).

Cgp = 61,92 + 136,80 + 25 777,44
Cgp = $ 25 976,16 (4)

A continuacin realizamos un resumen en la hoja Excel, para el
costo global de mantenimiento preventivo.
5. EVALUACION TECNICA-ECONOMICA.
PERFORACION.
Para poder realizar la evaluacin tcnico econmico, lo que se

debe evaluar al ms bajo costo y con una buena confiabilidad para la
falla, para este anlisis es necesario conocer lo siguiente:
Horas Trabajadas del Equipo o Flota en Estudio.
Costo de Mantenimiento Global para una poltica correctiva.
Costo de Mantenimiento Global para una poltica preventiva.
MTBF de la falla, para una distribucin Weibull, se aplica
solamente a poltica correctiva.
MTBI (Tiempo Medio entre Intervenciones), se aplica para una
poltica preventiva.
Costo Horario Global para una poltica correctiva.
Costo Horario Global para una poltica preventiva.
Grafico de Confiabilidad vs Costos.
Ahorro por usar poltica preventiva.
PERFORACIN.
Este dato se obtiene de la base de datos Atlas Copco del sistema

Power Maint, de los ltimos seis meses, es una muestra muy
representativa.

POLTICA CORRECTIVA.
Este dato se calculo anteriormente.
Cgc = $ 7 495.70

POLTICA PREVENTIVA.
Este dato se calculo anteriormente.
Cgc = $ 243.40
5.1.4 MTBF
Para la distribucin Weibull de tres parmetros, el MTBF se
calcula as:
Pero recordamos que cuando se calculo los parmetros de

forma de los datos de falla para el cable de avance, tambin se
calculo el MTBF de la falla y es el siguiente:
MTBF 242,5

MTBI (T s) = TsR(T s) + TfF(Ts)

Ts Ts
MTBI 0
R(t )dt Ts R(Ts ) tf (t )dt
0
Para una distribucin Weibull de dos parmetros tenemos

lo siguiente:

Ts Ts 1 1
0
R(t )dt inc ,

A continuacin daremos una formula practica para la

distribucin Weibull de dos parmetros, esto nos ayudara en el
clculo en las hojas Excel.
MTBI = / * DISTR.GAMMA ((Ts/)^;1/;1;1) *
EXP(GAMMA.LN(1/))
A continuacin daremos una formula practica para una

distribucin Weibull de tres parmetros, esto nos ayuda a calcular
el MTBI en las hojas Excel.
Para Ts <
MTBI (Ts) = Ts
Para Ts >
MTBI = + / * DISTR .GAMMA (((Ts- )/)^;1/;1;1) *

EXP(GAMMA.LN(1/))
(T ) 1 1
MTBI * DISTR.GAMMA(( s ) ; ;1;1) * EXP (GAMMA.LN ( ))

Ahora con esta introduccin al MTBI podemos calcular y

graficar el MTBI para nuestra falla de los cables de avance, para
eso vamos a recordar los parmetros de forma y el MTBF
calculados anteriormente.
Curva MTBI como
mximo tiene que
alcanzar el MTBF es
decir 242.50 horas.
CORRECTIVO.
El costo global para una poltica correctiva, significa que la
empresa decide que suceda la falla para cambiar el cable de
avance, matemticamente lo podemos expresar como la divisin del
costo global correctivo con el MTBF, ambos ya se calcularon, por lo
tanto tenemos.
CostoTotalCorrectivo
C gc
MTBF
$7495.70
C gc
242.50
$
C gc 30,91
hr
A continuacin presentamos los mismos resultados en las

hojas de calculo Excel.
Por lo tanto podemos decir que la rotura de cables de

avance tiene un costo horario de $30,91 para una poltica de
mantenimiento correctivo. Este costo horario es muy importante
para poder comparar con el costo horario de la poltica preventiva.
PREVENTIVA.
Este costo se calculara en funcin al MTBI, por lo tanto para
poder entender vamos a graficarla y seleccionaremos el mas bajo
costo.
C gp xR (Ts ) C gc xF (Ts )
Cg
MTBI (Ts )
Con esta ecuacin tenemos lo siguiente:
El costo mas
bajo lo
tenemos con
Aplicar una
una poltica
poltica
preventiva en
preventiva con
50 horas, a
una frecuencia
11,19 $/hr
de 125 horas
tambin tiene
sentido, pues
nuestro costo
horario seria
15,33 $/hr.
Muy por
debajo de los
30,91 $/hr que
cuesta una
poltica
correctiva.
Tomando los datos de la tabla anterior podemos graficar la

confiabilidad de la falla VS el costo global de la falla (rotura de cables de
avance).
En esta zona
podemos aplicar
nuestro plan
preventivo, a bajo
costo y alta
confiabilidad.
En esta seccin vamos a calcular el ahorro usando poltica
preventiva, para eso vamos a comparar el costo horario global de
usar poltica correctiva ($30,91 $/hr) menos el costo global para
una poltica preventiva, dependiendo de la frecuencia que
seleccionemos, para entender mejor se adjunta la siguiente tabla.
En la tabla podemos observar que el mximo ahorro

tenemos cuando decidimos cambiar los cables con una
frecuencia de 50 horas, estaramos ahorrando 19,72 $/hr, eso
significara que debemos implementar un control por cada cable
de avance, por ahora nuestro sistema de mantenimiento Power
Maint no tiene esta opcin, por lo tanto vamos a decidir la poltica
preventiva cada 125 horas, porque los equipos de perforacin
salen al taller para su Mantenimiento Preventivo con una
frecuencia de 125 horas, vamos aprovechar esa parada para
cambiar el cable de avance, con esta poltica preventiva tenemos
un ahorro mensual de 15,58 $/hr y una confiabilidad de
78,98% para esta falla, a continuacin vamos a presentar la
grfica del ahorro ($/hr).
Zona de mximo
ahorro y alta
confiabilidad.
Por lo tanto si elegimos una poltica preventiva de cambiar

los cables con una frecuencia de 125 horas podemos calcular el
ahorro mensual y ahorro anual.
Finalmente podemos decir que con la poltica preventiva de
cambiar los cables de avance a una frecuencia de 125 horas
tenemos un ahorro anual de $105 214,53 en la flota de
equipos de perforacin.

ACARREO (SCOOPTRAM).
Esta informacin se obtiene del sistema Power Maint de Atlas

Copco, segn estadstica de horas trabajadas para los scooptram ST-7
tenemos lo siguiente.
Por lo tanto podemos afirmar que la flota de Scooptram ST-7

trabaja en promedio 1240 horas por mes.

POLTICA CORRECTIVA.
Este costo ya fue calculado en la seccin anterior.
Cgc = $ 52 944,66

POLTICA PREVENTIVA.
Este costo ya fue calculado en la seccin anterior.
Cgp = $ 25 976,16
5.2.4 MTBF.
El Tiempo Medio entre Fallas de la Rotura de Pernos de Cilindro

de Volteo tambin fue calculado.

El detalle como se calcula el tiempo medio entre intervenciones se

explico detalladamente en el anlisis de rotura de cables de avance de
los equipos de perforacin, por lo tanto en este segundo anlisis de falla
vamos a presentar directamente los clculos de Confiabilidad y MTBI
para la Falla Rotura de Pernos de Cilindro de Volteo.
Curva MTBI como

mximo tiene que
alcanzar el MTBF es
decir 2791,70 horas.
CORRECTIVO.
El costo horario para una poltica correctiva viene a ser la divisin

entre el costo total y el MTBF de la falla Rotura de Pernos Cilindro de
Volteo.
CostoTotalCorrectivo
C gc
MTBF
$52 944,66
C gc
2791,70
$
C gc 18,97
hr
Por lo tanto el costo horario para una poltica correctiva de cambio
de pernos de cilindro de volteo es de 18,97 $/hr.
PREVENTIVA.
Este costo se calculara en funcin al MTBI, por lo tanto para poder

entender vamos a graficarla y seleccionaremos el mas bajo costo.
C gp xR (Ts ) C gc xF (Ts )
Cg
MTBI (Ts )
Como podemos observar no encontramos un costo mnimo en la

primeras 8000 horas, esto se debe a que el factor , esta muy cerca a 1
(1,14) por lo tanto no podemos aplicar poltica preventiva basada en el
uso, porque cuando el factor =1 significa que la falla es aleatoria, es
decir puede fallar en cualquier momento.
Como podemos observar en la curva de costo horario, no

encontramos un costo horario mnimo en las primeras 8000 horas, pues
sigue bajando muy lentamente, esto se debe a que el factor esta muy
prximo a 1 (1,14), por lo tanto esta falla debe modelarse como una falla
aleatoria (falla en cualquier momento), para este tipo de falla aleatoria no
se puede aplicar Mantenimiento Preventivo Basado en el Uso.
En esta seccin vamos a calcular el ahorro si seguimos una

poltica preventiva, pero se observara que durante las primeras 8000
horas no hay un ahorro mximo, esto confirma una vez mas que para
este caso no se puede aplicar poltica de Mantenimiento Basado en el
Uso.
Finalmente durante las primeras 8000 horas el costo horario de
una poltica preventiva no es menor a una poltica correctiva, por lo tanto
confirmamos una vez ms que no podemos aplicar poltica de
mantenimiento basado en el uso, porque la falla es aleatoria.
6. CONCLUSIONES Y RECOMENDACIONES.

PERFORACIN.
1. CONCLUSIONES.
El anlisis de falla utilizando la distribucin de Weibull, nos ayud

a demostrar que la falla sucede por desgaste, es decir podemos
aplicar mantenimiento preventivo basado en el uso.
El factor , nos indica si la falla es prematura (<1), falla aleatoria
(=1) y falla por desgaste (>1), para nuestra falla Rotura de
Cables de Avance se calcul =1,85 por lo tanto se demostr
que la falla se da por desgaste.
Aplicando una poltica preventiva de cambiar los cables de avance
con una frecuencia de 125 horas, se obtiene un ahorro de
$105 214,53 cada ao en la flota de equipos de perforacin.
2. RECOMENDACIONES.
Cambiar los cables de avance con una frecuencia de 125 horas,

de preferencia cuando el equipo sale a su mantenimiento
preventivo.
Realizar un anlisis similar para la rotura de cables de retorno de
los equipos de perforacin.
1. CONCLUSIONES.
Para esta falla de rotura de pernos de cilindro de volteo, no
podemos aplicar mantenimiento preventivo basado en el uso
porque el factor (1,14) se encuentra muy cerca de 1. Es mejor
modelarlo como falla aleatoria.
Comunicar al fabricante Atlas Copco del desgaste prematuro,
pues el MTBF (2791,70 horas) es menor al MTBF que
recomienda fabrica 6000 horas.
Despus de este informe Fabrica realiz una campaa de cambio
de cilindro de volteo, con la tapa mejorada, esperemos mejoras
en el MTBF.
2. RECOMENDACIONES.
Realizar un plan de inspecciones semanales para los pernos del
cilindro de volteo, porque la falla es aleatoria (puede suceder en
cualquier momento), las inspecciones nos ayudara a ver el estado
del cilindro hidrulico.
Redisear cilindro de volteo, por parte de fbrica Atlas Copco
Suecia (est en ejecucin cambio de cilindros de volteo).
7. INFORMES TECNICOS.
En esta seccin vamos a presentar los informes ms
resaltantes, que han originado cambios en la Gestin de Mantenimiento
durante mi experiencia profesional.
7.1 ANALISIS CAUSA RAIZ (FALLA BOMBA AGUA BOOMER

282).
Por medio del presente se informa del anlisis de causa raz de la
FALLA DE LA BOMBA DE AGUA DEL BOOMER 282.
QUE OCURRIO?
La Bomba de agua, presenta sonido extrao y no genera presin.
CUANDO OCURRIO?
El da 09-01-2011 a las 15:15 horas.
DONDE OCURRIO?
En el NV 920 BY 02 ACC 12.
FRECUENCIA.
02 en el ao.
IMPACTO.
Perdida de produccin, 123.10 TON / HORA.
Prdida de Bomba de Agua.
Menor productividad del equipo.
Menores indicadores de gestin de mantenimiento.
ANALISIS CAUSA RAIZ BOMER 282 BAJA PRESION AGUA PERFORACION.
BOOMER 282 BAJA
PRESION AGUA
PERFORACION.
NO HAY AGUA INGRESO DE AGUA BOMBA DE AGUA MOTOR ELECTRICO INSTALACIONES.

SATURADO. AVERIADA.
SELLOS EJE PRINCIPAL MALA CALIDAD DISEO DE

DE AGUA BOMBA NO ES
ADECUADO PARA
EL EQUIPO
MEJORAR LA BOMBA ESTA

CAPTACION DE DISEADO PARA
AGUA, LLEGA 2900 Y TRABAJA
MUY CON MOTOR DE
CONTAMINADA 3500 RPM
AL EQUIPO.
CAMBIAR POR
BOMBA
DISEADA PARA
3500 RPM, 440
VOLTIOS Y 60 HZ.
RECOMENDACIONES Y CONCLUSIONES.
Cambiar de diseo de la bomba FLY actual.
Si no es posible cambiar de diseo la bomba, regresar con la marca
anterior, para disminuir la frecuencia de fallas de 03 @ 01 por cada ao.
El cliente por este tipo de bomba est perdiendo en productividad $117
094.06 cada ao.
68
7.2 FALLA EN SISTEMA DE DIRECCION ST1030 NUMERO
INTERNO S-604, CON N/S AVO 10 X 083.
Por medio del presente se informa los trabajos realizados por la

FALLA EN EL SISTEMA DE DIRECCION, del scooptram S-604.
DATOS TECNICOS EQUIPO.

MARCA : ATLAS COPCO
MODELO : SCOOPTRAM ST1030
NUMERO SERIE : AVO 10 X 083.
HOROMETRO DIESEL : 2 687.50
HORAS ACUMULADAS DIESEL : 2 687.50
FECHA DE ENTREGA DEL EQUIPO : 11 AGOSTO 2010.
ANTECEDENTES:
13-08-2010, Se entrega el equipo con los parmetros generales
del equipo segn los STD de fbrica.
En diciembre 2010, Personal tcnico de Lima, Eliot Vargas
sugiere cambiar el Block de vlvulas quedando la maquina
inoperativa del 25-12-2010 @ 04-01-2011.
04-01-2011, El taller de Lima presta 01 Block de direccin,
dejando el equipo operativo, sin embargo el operador segua
reportando fallas en la direccin.
20 y 21-01-2011, Se realiza MP de 2000 horas, en esta parada de
equipo se cambia el Block de vlvulas completo y nuevo, se
entrega la maquina operativa.
03-02-2011, El operador Mamani reporta que la direccin sigue
con los mismos problemas a pesar que se haba cambiado el
Block de vlvulas nuevo, personalmente ingreso a mina con los
tcnicos Abraham Sarzo, Ivn Quiquia y Carlos Cortabrazo,
encontramos al equipo trabajando en el NV1020, prob la
maquina en mnimo y a su rpm mximo, efectivamente cuando
69
estaba girando a la derecha se perdi la direccin a medio
recorrido de los cilindros, se probo tambin la maquina sin carga y
presentaba el mismo problema, en ese instante decid parar el
equipo realizamos pruebas que indica fabrica y todos los
resultados hidrulicos indican que la maquina esta dentro del
STD, sin embargo el problema de direccin persiste.
04 y 05-02-2011, En mina se encontraban dos tcnicos de Lima
(Manuel Cisneros y Jhon Llamoca) entregando equipos (ST1030 y
MT2010), nos dan el apoyo realizando algunas pruebas, al inicio
tenan la percepcin que era un problema del operador, sin
embargo cuando empezaron a realizar mas pruebas con nuestro
tcnico Javier Camarena la falla se presento, verificaron
presiones de todo el sistema hidrulico encontrndose dentro del
STD, sacaron los cilindros hidrulicos y las lainas pero el
problema persiste.
06-02-2011, La maquina continua inoperativa, estamos revisando
la articulacin central.
A continuacin detallo los parmetros que se tomaron cuando se
instalo el Block de vlvulas que enviaron de Lima, este trabajo se
realizo el 04-01-2011 con los tcnicos Abraham Sarzo y Aquilino
Aguedo.
70
71
CAUSA FISICA DE LA FALLA
La direccin se pierde por unos instantes, siendo un equipo de muy alto

riesgo trabajar as, porque puede ocasionar accidentes inclusive la
muerte.
CONCLUSIONES.
La presin del sistema de direccin esta dentro del STD 3250 PSI, el
caudal de las bombas esta tambin dentro del STD, inclusive muy por
encima de lo que dice fabrica, por ejemplo segn fabrica a 750 rpm el
caudal debe ser de 33.86 LPM, con nuestro caudalmetro da 40 LPM.
Finalmente solicitamos el apoyo de tcnicos especialistas en
SCOOPTRAM ST1030 a nuestra central en Lima.
72
7.3 ANALISIS COSTO BENEFICIO LABIO CUCHARA VS UAS EN
SCOOPTRAM ST-1030.
Por medio del presente un estudio del porque usar UAS en

reemplazo de los LABIOS DE CUCHARA convencionales de los
scooptram ST-1030
DATOS TECNICOS DE LOS EQUIPOS ESTUDIADOS

MARCA : ATLAS COPCO
MODELO : ST-1030 / S-604
SERIE : AVO 10 X 083
INICIO DE OPERACIONES : 11-08-2010
HORAS ACUM : 5 932.30
MARCA : ATLAS COPCO

MODELO : ST-1030 / S-605
ANTECEDENTES
EL 01-06-2011 en coordinacin con la Jefatura de Mantenimiento
Equipo Pesado (Ing. Lucio Lara) se decide instalar un juego de uas al
scooptram S-605 con la finalidad de realizar un estudio y ver si era ms
rentable que los labios de cuchara.
CONSIDERACIONES BASICAS QUE SE HAN TOMADO EN EL

ESTUDIO.
1. Se ha aplicado herramientas de anlisis de confiabilidad, los clculos
se ha realizado para una confiabilidad >= 80%.
2. La frecuencia de fallas o cambio de labios de cuchara o uas, se ha
realizado para un ao por ser ms representativo.
73
3. Se est considerando el precio del metal a $180.00 TON, este precio
es variable de acuerdo al metal que procesan las compaas mineras
y al mercado externo.
4. La produccin de la maquina se considera variable, en el desarrollo
del estudio presentamos una grafica de Beneficio VS la produccin.
5. Se ha considerado una distribucin normal para los datos
estadsticos, porque las fallas por desgaste se aproximan mucho a
esta distribucin, sin embargo para una mayor precisin se puede
usar la distribucin de Weibull, pero necesitamos ms datos (min 20).
6. No se ha trabajado con los promedios (media) porque para una
distribucin normal significa el 50% de probabilidad que esto pase,
por eso es que se ha ajustado los valores menores al promedio para
trabajar con una mayor confiabilidad.
7. Se ha considerado monto fijo del soldador $ 2300.00 mensual y un
solo soldador para realizar el trabajo.
Para poder realizar la comparacin de costo beneficio

necesitamos conocer las siguientes variables:
1. Frecuencia de fallas al ao o frecuencia de cambios labios o uas al
ao.
2. Costos de mano de obra.
3. Costo de materiales (repuestos e insumos)
4. Tiempo de Reparacin
5. Impacto a la Produccin
CALCULO DE FRECUENCIAS DE FALLAS

Para el clculo de la frecuencia necesitamos dos datos:
1. La frecuencia de cambio.
2. Horas trabajadas de los equipos.
74
CASO 01: CAMBIO DE LABIO CUCHARA
Segn datos de cambio de labio de cuchara tenemos los
siguientes datos:
Vamos a calcular la probabilidad de que los labios de cuchara se

cambien a una frecuencia de 1 950.00 horas.
P(x>=1 950.00) = P(z (1950-2045.17)/83.66) = P(z -1.13) = 1-

P(z 1.13)
Buscando en tablas de la distribucin normal se obtiene lo siguiente:
P(x>=1 950.00) = 1-0.1292 = 0.8708
P(x>=1 950.00) = 87.08 %
Significa que cambiar un labio de cuchara a las 1950.00 horas es

87.08 % probable, trabajaremos con este valor en nuestros clculos.
Calculo Horas Trabajadas de los Equipos.

Segn datos estadsticos tenemos los siguientes datos:
75
Vamos a calcular la probabilidad de que los equipos trabajen 400
horas por mes.
P(x>=400.00) = P(z (400-450.56)/60.63) = P(z -0.83) = 1-P(z 0.83)

P(x>=400.00) = 1-0.20 = 0.80
P(x>=400.00) = 80.00%
Significa que la probabilidad de que los equipos trabajen 400.00

horas es 80.00% confiable, trabajaremos con este valor en nuestros
clculos.
Ahora ya podemos calcular la frecuencia de cambio de labios de

cuchara para una confiabilidad no menor de 80%
Frecuencia = (400 x 12)/1 950.00

Frecuencia = 2.46
CASO 02: CAMBIO DE UAS DE CUCHARA

Para este caso tenemos solamente 01 dato estadstico, segn
nuestra data el primer cambio de uas tuvo una duracin de 1 447.90
horas, usaremos este dato en nuestros clculos, por lo tanto podemos
calcular la frecuencia de cambio al ao.
Frecuencia = (400 x 12)/1 447.90

Frecuencia = 3.32
COSTO DE MANO DE OBRA

Para el clculo de mano de obra necesitamos los siguientes datos.
1. Costo monto fijo del personal tcnico
2. Horas de parada de equipo por parada
76
Segn datos de cambio de labio de cuchara el cambio de labio de
cuchara nos tomo los siguientes tiempos (hrs).
Vamos a calcular la probabilidad de que la parada del equipo por

cambio de labio de cuchara dure 19.50 horas.
P(x>=19.50) = P(z (19.50-22.78)/3.85) = P(z -0.85) = 1-P(z 0.85)

P(x>=19.50) = 1-0.1977 = 0.8023
P(x>=19.50) = 80.23%
Significa que la parada por cambio de labio de cuchara sea 19.50

horas es 80.83% probable, por lo tanto trabajaremos con este valor en
nuestros clculos.
Por lo tanto el costo de mano de obra para el cambio de labio

cuchara seria.

nuestra data el primer cambio de uas tuvo una parada mecnica de 04
horas, usaremos este dato en nuestros clculos, por lo tanto ya
podemos calcular el costo de mano obra.
77
COSTO MATERIALES (REPUESTOS E INSUMOS)
Segn nuestra data estadstica tenemos los siguientes datos.
Concluimos que el costo de reparacin promedio en el cambio de

labio cuchara es de $ 5974.99
78
Segn nuestra data estadstica tenemos los siguientes datos.
Concluimos que el costo de reparacin promedio en el cambio de

uas de la cuchara es de $ 7940.85
CALCULO TIEMPO REPARACION.

Este valor fue calculado en pasos anteriores y se concluy que el
tiempo de reparacin ser de 19.50 horas, con una probabilidad de
80.23%

nuestra data el primer cambio de uas tuvo una parada mecnica de 04
horas.
CALCULO IMPACTO A LA PRODUCCION.

Para calcular este indicador necesitamos lo siguiente:
1. Produccin (TON/HR) del equipo, que para nuestro caso ser
considerado como P, por ser la produccin variable en funcin a la
distancia de acarreo (ciclo de acarreo)
79
2. Costo del mineral producido, para nuestro caso estamos
considerando que la Tonelada de Zinc tiene un valor de $ 180.00
(ciento ochenta dlares americanos)
Por lo tanto podemos decir que el impacto a la produccin es.
Finalmente podemos reemplazar todos los datos calculados en

nuestra hoja de clculo de Costo Beneficio, que se muestra a
continuacin:
80
Se concluye que los beneficios estn relacionados directamente a
la produccin, eso significa que a mayor produccin de la maquina
(TON/HR) mayor es el beneficio, y nuestra ecuacin de beneficio es la
siguiente:
B=6244.20P-11 332.82
Esta ecuacin ser graficada a continuacin.
Se observa que a mayor produccin del equipo mayor beneficio,

por ejemplo para una produccin de 50 TON/HR el beneficio anual es
de $ 300 877.18
81
1. Usar UAS en reemplazo de los LABIOS DE CUCHARA, para una

produccin de 50 TON/HR tenemos un beneficio de $300 877.18
cada ao.
2. Disminuye el tiempo de exposicin a los trabajos en caliente, por lo
tanto disminuye el riesgo de accidentarse por altas temperaturas.
3. Este estudio se ha realizado para mineral de Zinc, para otros
minerales con mayor precio en el mercado internacional, el beneficio
seria mayor.
82
7.4 ROTURA CARDAN Y TRANSVERTER SCOPTRAM ST-7 S-406.
Por medio del presente se informa de la falla de ROTURA DEL

CARDAN Y TRANSVERTER del scooptram ST-7 S-406
DATOS TECNICOS DEL EQUIPO.

MARCA : ATLAS COPCO
MODELO : SCOOPTRAM ST-7
HOROMETRO ACTUAL : 2 597.70
DATOS TECNICOS DE TRANSVERTER

MARCA : FUNK
MODELO : DF15044M300A
SERIE : YZTF15C124275
NUMERO DE PARTE : 5580 0059 14
HOROMETRO : 2 597.70
HORAS ACUM. : 2 597.70
DATOS TECNICOS DEL CARDAN

NUMERO DE PARTE : 5572 2651 00
HORAS TRABAJADAS : 2 597.70
REGISTRA CAMBIO : Ninguno es original de fbrica.
ANTECEDENTES
25-10-2011 A las 2:45 p.m. reportan rotura de cardan, el tcnico Juan
Solano al inspeccionar la maquina observa que el cardan de salida del
transverter esta empotrado en el transverter, intenta retirar el cardan y
en su evaluacin final observa que el cardan y transverter estn
averiados, presentan rotura.
26-10-2011 @ 27-10-2011 No se puede trasladar equipo a taller por falta
de apoyo de scooptram.
83
28-10-2011 Se remolca equipo a superficie y se desmonta
TRANSVERTER, realizado por Javier Camarena, Martin lvarez y Ral
Almonacid.
CAUSA FISICA DE LA FALLA.

Rotura perno de cruceta.
Rotura de yugo de cruceta.
Rotura de TRANSVERTER.
CAUSA RAIZ DE LA FALLA.

Vas en mal estado, afectan a todo el tren de potencia.
Se coloca barrenos a las cucharas esto afecta a todo el tren de potencia
y aumenta el riesgo de desgaste prematuro.
No hay programa de cambio de crucetas.
Diseo de mquina, no est protegido el block y carcaza del Trasnverter.
Falta de capacitacin a operadores en la operacin de la maquina.
RECOMENDACIONES
Mejorar estado actual de las vas.

No colocar barrenos a las cucharas.
Cambiar todas las crucetas cada 2000 horas.
Reforzar a operadores con una capacitacin por parte de Atlas Copco,
con instructor especialista.
Mejorar diseo de proteccin del transverter, es necesario colocar un
protector, Atlas Copco Suecia tiene que disear esta proteccin.
Enviar TRANSMISION a su reparacin de la carcaza a nuestros talleres
en Atlas Copco Peruana en la ciudad de Lima.
A continuacin presentamos como sucedieron los eventos.
84
SEGUNDO, SE
ROMPIO ESTE
PERNO
PRIMERO, SE
ROMPIO ESTE
PERNO
TERCERO, SE ROMPIO
YOKE DEL CARDAN N/P
5572 2651 00
CUARTO, LA
ROTURA DEL
CARDAN OCASIONO
LA ROTURA DEL
TRANSVERTER
85
ZONA DE LA FALLA
CARDAN N/P 5572

2651 00 FALLA POR
ROTURA, SE
OBSERVA QUE NO
LLEVA PROTECTOR
86
7.5 ANALISIS JACK NIFE EN EQUIPO DE PERFORACION S1D J-
124.
Por medio del presente se realiza un informe del anlisis de fallas

ms frecuentes del equipo de perforacin J-124, lo que nos ayudara en
la toma de decisiones y mejorar nuestros ndices de Gestin de
Mantenimiento.
DATOS TECNICOS DEL EQUIPO.

MARCA : ATLAS COPCO
MODELO : BOOMER S1D
SERIE : AVO 10 A 292
INICIO OPERACIONES : 14-01-2011
HORAS PERFORACION : 590.50
HORAS DIESEL : 427.50
ANTECEDENTES
En el ao 2011 la flota de equipos de perforacin ha sido la ms
desfavorable con los indicadores de gestin (disponibilidad mecnica,
utilizacin, MTBF, MTTR) por eso es que se est realizando un estudio
de las fallas que se han presentado durante el ao 2011 y presentar un
plan de accin para las mas criticas.
A continuacin presentamos un resumen de los sistemas que

fallaron en el 2011 del equipo de perforacin J-124.
87
A continuacin Presentamos el Grafico de Dispersin de Tiempos
(Jack Knife).
Cuadrante ms
Crtico por prdida
de Disponibilidad,
Confiabilidad y
Mantenibilidad.
Se observa dos puntos en el cuadrante crtico, por perder

disponibilidad mecnica, confiabilidad y mantenibilidad.
Por las coordenadas del punto (0.0041, 17.97) pertenece al Motor
Diesel, es nuestro punto ms crtico porque influye en la perdida de
confiabilidad, mantenibilidad y disponibilidad.
88
Antecedentes:
Si observamos el detalle de las fallas del motor diesel se observa que en
Mayo el equipo estuvo inoperativo por 194.75 horas y a fines de
Octubre @ primer da de Noviembre estuvo inoperativo 265.50 horas.
PLAN DE ACCION RESPONSABILIDAD CIA VOLCAN.

Mejorar calidad y abastecimiento de combustible.
PLAN DE ACCION RESPONSABILIDAD ATLAS COPCO.

Instalar Separador de Agua (esta aprobado por CIA VOLCAN).
En coordinacin con fbrica evaluar si es posible disear el sistema de
inyeccin considerando nuestra realidad nacional, donde el combustible
es de mala calidad (evaluar la calidad de inyectores y bomba de
inyeccin muy probable no sea la aplicacin correcta para el
mercado peruano).
En coordinacin con fbrica se recomienda reubicar el tanque de
combustible para poder realizar lavados de tanque de combustible con
mayor frecuencia (frecuencia 01/mes).
Entregar herramientas de precisin a sus tcnicos especialistas en
motores, Probador de Inyectores, Compresimetro, Pirmetro,
Tacmetro, Manmetro Presin aceite, Manmetro presin
combustible, con la finalidad de realizar diagnsticos oportunos.
Por las coordenadas del segundo punto ms crtico (0.0065, 3.95)

pertenece al sistema Elctrico Electrnico.
Antecedentes:
Este equipo est trabajando en la zona baja en el NV920 Bypass 02,
zona con problemas de alimentacin de energa.
89
Si observamos el detalle de las fallas en abril 2010 el equipo estuvo
inoperativo 70 horas por cambio de motor elctrico y en julio estuvo
inoperativo 28 horas por cambio de motor elctrico.

Mejorar calidad de alimentacin de energa, el equipo debe trabajar con
440 @ 460 voltios a plena carga.
Mantener siempre 01 motor elctrico de stand by.

Evaluar en coordinacin con fbrica si se puede sobreproteger al motor
elctrico para bajos voltajes.
El tercer punto de nuestro inters es el sistema Hidrulico, es una

falla crnica.
Antecedentes:
Esta falla crnica nos est haciendo perder confiabilidad y disponibilidad
(la mantenibilidad est debajo del promedio), sin embargo como la
mantenibilidad es baja nos hemos acostumbrado a pensar que la falla
est controlada, pero no es as, porque si vemos el detalle de las fallas,
se observa un buen porcentaje de cambio de mangueras hacindonos
perder confiabilidad.

Gestionar que el proveedor de mangueras SIRSA, baje a interior mina
con su prensadora de mangueras y mangueras.
Gestionar cambio de camionetas marca TOYOTA, son ms confiables
que las camionetas actuales MAZDA.
90
Capacitacin a los operadores en el manejo defensivo (evitar
accidentes).

Mejorar inspeccin de mangueras y cambiarlas antes de la rotura.
Proteger las mangueras de acuerdo al STD de fbrica.
Finalmente el cuarto punto a considerar seria el Brazo de Perforacin.
Antecedentes:
Esta falla tambin podramos considerarlo como crnica, porque est
bajo control, sin embargo nos est quitando mantenibilidad, si
observamos el detalle de las fallas se observa que las mangueras se
cambian por rotura y se han cambiado en promedio 3.50 horas, si el
taller de mangueras estara en mina se cambiaria como mximo en 2
horas, mejorando nuestra mantenibilidad, por ende la disponibilidad
mecnica.

Gestionar que el proveedor de mangueras SIRSA, baje a interior mina
con su prensadora de mangueras, para disminuir los tiempos de cambio
de mangueras de 3.50 horas @ 02 horas.
Gestionar cambio de camionetas marca TOYOTA, son mas confiables
en minera, para poder cumplir nuestro plan de inspecciones.
Capacitacin a los operadores en el manejo defensivo (evitar
accidentes).

Mejorar inspeccin de mangueras y cambiarlas antes de la rotura.
Proteger las mangueras de acuerdo al STD de fbrica.
91
7.6 ANALISIS CONFIABILIDAD PEDAL ACELERACION EN
PRUEBA EN SCOOPTRAM ST-7.
Por medio del presente un ANALISIS DE CONFIABILIDAD

PEDAL ACELERACION EN PRUEBA EN SCOOPTRAM ST-7.
DATOS TECNICOS DE LOS EQUIPOS.

MARCA : ATLAS COPCO
MODELO : ST-7 / S-406
SERIE : AVO 10X305
INICIO OPERACIONES : 10 ABRIL 2011.
MARCA : ATLAS COPCO

MODELO : ST-7 / S-407
SERIE : AVO 11X034
INICIO OPERACIONES : 15 ABRIL 2011.
DATOS TECNICOS PEDAL ACELERACION
SENSOR PEDAL
ACELERACION N/P
5580 0065 81
ANALISIS WEIBULL PEDAL ANTIGUO

Para realizar este anlisis de Weibull se necesita los rendimientos
de falla del pedal aceleracin y est relacionado con el cambio del
Sensor Pedal Aceleracin N/P 5580006581, los cambios prematuros
sern considerados datos censurados, sin embargo a la fecha estos
92
pedales de aceleracin no han fallado, por lo tanto simularemos que han
fallado para poder calcular su curva de confiabilidad.
93
Con estos datos podemos calcular los parmetros de forma y el
tiempo medio entre fallas.
De este anlisis podemos concluir lo siguiente:

1. > 1 (1.99 > 1) Falla por desgaste, significa que podemos usar
mantenimiento preventivo para su control.
2. MTBF de la falla, 2210.50 horas.
ANALISIS WEIBULL PEDAL NUEVO

Para este caso si tenemos datos de falla, pues desde que se
cambio los pedales de aceleracin en prueba en los scooptram S-406 y
S-407 se ha cambiado un Sensor Pedal Aceleracin N/P 5580006581,
a cada equipo, a continuacin presentamos los resultados de este
anlisis.
94
A continuacin presentamos los parmetros de forma y el tiempo
medio entre fallas, para el nuevo pedal de aceleracin.
De este anlisis podemos concluir lo siguiente:

1. < 1 (0.84 < 1) Falla prematura, significa no podemos usar
mantenimiento preventivo para su control, adems este tipo de fallas
est relacionado con la calidad (Fabrica).
2. MTBF de la falla, 1042.60 horas.
Comparacin de Confiabilidad Pedal Aceleracin Antiguo vs Pedal

Aceleracin Nuevo
La tabla de datos y grafica que presentamos a continuacin
podemos interpretar de la siguiente manera.
1. Para 800 horas de trabajo, el pedal antiguo nos da una confiabilidad
de 90%, es decir hay 10% de probabilidad de falla, mientras que el
95
pedal nuevo para 800 horas de operacin nos da una confiabilidad de
42% es decir hay 58% probabilidad de falla.
2. Y as sucesivamente podemos observar cada punto de la grafica.
> 1, falla por

desgaste
< 1, falla
prematura
96
A continuacin calcularemos la perdida que le ocasionaremos a
nuestro cliente, si continuamos usando el nuevo pedal de aceleracin,
salvo se corriga algunas problemas tcnicos, para mejorar la
confiabilidad de nuestro nuevo pedal de aceleracin, necesitamos dos
datos para poder calcular la perdida.
Costos de Falla, segn nuestros clculos podemos concluir que

el costo de falla por cambio de sensor pedal aceleracin es de $ 3
849.60.
Horas Trabajadas de los Equipos, segn datos estadsticos

podemos concluir que la flota de scooptram ST-7 trabajan en promedio 1
222.00 horas por mes.
97
Ahora estamos en capacidad de calcular los costos horarios para
cada caso.
Si seguimos usando este nuevo pedal de aceleracin ocasionaremos

una prdida anual de $28 607.00 a nuestros clientes.
Del Anlisis de weibull podemos decir que los pedales nuevos en
prueba, presentan falla prematura ( < 1), eso significa que la falla est
relacionado con la calidad del producto, para este caso influye bastante
el diseo de la posicin del sensor.
El principal problema es el ingreso de agua por la posicin del sensor,
ahora hemos invertido el sensor por eso es que uno de los sensores de
los pedales en prueba (S-406) ha superado las 1000.00 horas y todava
no falla.
Finalmente fabrica debe modificar la posicin del sensor en los pedales
de aceleracin en prueba, similar a los pedales antiguos.
98
7.7 FALLA EN MOTOR DIESEL CAMION MT2010 AVO 11X005 D-
207.
Por medio del presente se informa de LA FALLA DEL MOTOR
DIESEL montado en el CAMION MT2010 D-207.
DATOS TECNICOS DEL EQUIPO

MARCA : ATLAS COPCO
MODELO : MINE TRUCK MT2010 D-207
SERIE : AVO 11X005
INICIO OPERACIONES : 21 MARZO 2011
DATOS TECNICOS DEL MOTOR

MARCA : CUMMINS
MODELO : QSL9
SERIE : 73132220
INICIO OPERACIONES : 21 MARZO 2011
ANTECEDENTES
29-09-2011 Se realiza servicio de 2000 horas por personal de

MITSUI a las 2 064.50 horas.
21-12-2011 Se realiza MP de 250 horas, trabajo realizado por los
tcnicos Vctor Mercado, Ral Almonacid y Hugo Robles.
25-12-2011 Recibimos reporte de la central de emergencias que el
Camin MT2010 no arranca por falta de nivel de aceite, los tcnicos
Luis Cndor y Gelacio Ramos atienden el equipo, pero al revisar los
niveles de aceite se observa que se encuentra en buen estado,
intentan prender el motor diesel pero se observa una alarma roja en
el tablero, se deja pendiente para que el turno noche contine con la
evaluacin.
99
25-12-2011 en el turno noche los tcnicos Juan Sosa (especialista
motores Deutz), Marco ngel (Capacitado en motores Cummins)
y Roger Guivin, adems se entrego programa INSITE para una
mejor evaluacin, detectando baja presin de aceite con el programa
INSITE, intentan arrancar el motor para ver qu valor de presin de
aceite est registrando pero el motor no arranca y se detecta un ruido
extrao en el turbocompresor, al inspeccionar el turbocompresor se
detecta que la turbina esta averiada, se deja el equipo inoperativo por
falta de turbocompresor y baja presin aceite motor diesel (alarma
roja).
26-12-2011 CIA VOLCAN nos entrego 01 turbocompresor usado de
ST1030 (usan el mismo modelo de motor QSL9), los tcnicos Ral
Almonacid y Vctor Mercado montan el turbocompresor, al intentar
dar arranque el motor se observa dos advertencias 01 mbar y 01
roja, se analiza nuevamente con el Insite dndonos cdigo activo
0143 (baja presin aceite motor), se intenta resetear cdigo de falla
pero no se puede permanece activo, posteriormente se verifico filtro
de aceite, vlvula termosttica de aceite y by pass del filtro
encontrndose en buen estado, se verifico ingreso de aceite al filtro y
se observo que no tiene aceite, se comunica a la Jefatura de
Mantenimiento que la falla del motor se ha complicado y es necesario
remolcar a superficie, paralelo a ello se gestiona subida de tcnicos
especialistas en motores CUMMINS.
27-12-2011 Los tcnicos Vctor Mercado y Aquilino Aguedo remolcan
el equipo al taller de superficie.
28-12-2011 A las 2:30 p.m. llegan los tcnicos de MITSUI Oscar
Nolasco Corpus y Carlos Torres Martnez, se comunica los trabajos y
evaluacin que hemos realizado, a final de guardia me comunican
que destaparan toda la sincronizacin para poder sacar la bomba de
aceite, porque el filtro de aceite estaba sin aceite.
28-12-2011 A las 7:00 p.m. se consulta al jefe de guardia Ismael
Untiveros por los operadores, donde me informa que el da 25-12-
2011 dio orden al operador Abel Inga que trabaje con el camin de
100
4:00 @ 12:00, el operador Inga no trabajo hasta las 11:15 a.m.
cuando decide prender el camin y sacarlo a superficie, a las 13:00
horas el operador entrante Percy Huaroc arranca el motor diesel y al
observa que la alarma roja no se apagaba decide apagar el motor,
despus de unos minutos intenta nuevamente arrancar el motor
diesel y observa que la alarma sigue prendida reportando a la central
de emergencias para un auxilio mecnico por parte de Atlas Copco.
29-12-2011 Personal de MITSUI da con la falla, al desmontar la
bomba de aceite se detecta que esta averiada, el eje de la bomba se
desplazo ocasionando que no exista transferencia de movimiento del
cigeal hacia la bomba, se observa que no hay juego axial en el
cigeal y partculas metlicas en el aceite, por eso recomiendan
demonstrar el motor diesel.
CAUSA FISICA DE LA FALLA.

Falta presin aceite
Bomba de aceite averiada.
CAUSA RAIZ DE LA FALLA.

Mal ajuste de eje de la bomba de aceite.
Calidad de bomba de aceite.
Enviar motor a los talleres de Atlas Copco Lima para su

reparacin.
Evaluacin e cigeal.
Cambiar bomba de aceite.
Cambiar turbocompresor.
Campaa de cambio de bombas de aceite, considerando nmero de
serie de los motores y lotes de fabricacin (tiene que indicar el
fabricante CUMMINS).
101
Eje de engranaje de
bomba de aceite fuera
de su lugar.
Rpm cero, por no

recibir movimiento.
Ingreso Rpm del

motor (cigeal), este
movimiento no es
transferido al
engranaje de la bomba
de aceite.
A continuacin presentamos fotos de una bomba de aceite nueva.
102
8. BIBLIOGRAFIA.
El Arte de Mantener, autor Rodrigo Pascual.
Manual de Partes y Servicio Boomer 281, marca Atlas Copco.
Manual de Partes y Servicio Scooptram ST-7, marca Atlas Copco.
Manual de Partes y Servicio Camiones MT2010, marca Atlas Copco.
Manual de Partes y Servicio Scooptram St-1030, marca Atlas Copco.
Sistema Power Maint, software diseado por Atlas Copco Peruana
para la Gestin de Mantenimiento.
103
9. APENDICES Y ANEXOS.
9.1 INTRODUCCION A LA INGENIERIA DE CONFIABILIDAD.
9.1.1 LA INGENIERIA DE CONFIABILIDAD
Desde el principio de la historia, la humanidad ha intentado predecir

el futuro. Mirar el vuelo de los pjaros, el movimiento de las hojas en
los rboles y otros mtodos han sido algunas de las prcticas
usadas. Afortunadamente, los ingenieros de hoy no tienen que
depender de una bola de cristal para predecir el futuro de sus
productos. A travs del uso del anlisis de datos de vida, los
ingenieros de Confiabilidad usan los datos de vida del producto para
determinar la probabilidad y capacidad de partes, componentes, y
sistemas para realizar sus funciones requeridas para los perodos
deseados de tiempo sin falta, en los ambientes especificados.
Los datos de vida pueden ser vidas de productos en el mercado,

como el tiempo que el producto trabaj con xito o el tiempo que el
producto trabaj antes de que fallara. Estas vidas pueden medirse en
horas, kilmetros, ciclos para la falla, ciclos de tensin o cualquier
otra forma de medida de la vida o exposicin de un producto. Pueden
abarcarse todos los datos de vidas del producto en el trmino datos
de vida o, ms especficamente, datos de vida de producto. Se
describen el anlisis subsiguiente y la prediccin como el anlisis de
datos de vida (LDA). Para propsito de esta referencia, limitaremos
nuestros ejemplos y discusiones a las vidas de objetos inanimados,
como equipos, componentes y sistemas cuando aplican a la
ingeniera de Confiabilidad.
Antes de realizar el anlisis de datos de vida, debe especificarse y

estar claramente definido el modo de falla y las unidades de vida
(horas, ciclos, kilmetros, etc.). Adicionalmente, es necesario definir
exactamente lo que constituye una falta. En otras palabras, antes de
realizar el anlisis debe estar claro cuando se considera que el
producto realmente ha fallado. Esto puede parecer obvio, pero no es
104
raro encontrar problemas con definiciones de falla o diferencias de
unidad de tiempo que invalidan completamente los resultados de
pruebas y anlisis caros y que consumen bastante tiempo.
9.1.2 ESTIMACION
En el anlisis de datos de vida y la ingeniera de Confiabilidad, el

resultado del anlisis es siempre una estimacin. El verdadero valor
de la probabilidad de falla, la probabilidad de xito (o Confiabilidad),
la vida media, los parmetros de una distribucin o cualquier otro
parmetro aplicable, nunca son conocidos, y permanecern
ciertamente desconocidos a nosotros para propsitos prcticos.
(Nota: Si la Confiabilidad de un producto a t horas es 80%, entonces
la probabilidad de falla del producto por las mismas t horas es 100% -
80% = 20%.). Esto significa que, una vez que un producto es
fabricado, y luego que todas las unidades que se produjeron en la
vida hayan fallado y todos estos datos se han registrado y analizado,
uno podra recin calcular el verdadero valor de la Confiabilidad del
producto. Obviamente, sta no ocurre comnmente.
El objetivo de la Ingeniera de Confiabilidad y el anlisis de datos de

vida es estimar estos verdaderos valores con precisin. Por ejemplo,
asumamos que nuestro trabajo es estimar el nmero de bolas negras
en una piscina que ha sido llenada totalmente con bolas negras y
blancas. Un mtodo es tomar una muestra pequea de bolas y
contar cuantas bolas negras hay. Suponga que la muestra fue de
diez bolas y contamos cuatro bolas negras.
Basado en esta muestra, la estimacin sera que 40% de las bolas

en la piscina son negras. Si retornamos las diez bolas en la piscina y
repetimos este paso nuevamente, podramos obtener por ejemplo
cinco bolas negras, con lo que cambia la estimacin a 50% de bolas
negras. El rango de nuestra estimacin para el porcentaje de bolas
negras en la piscina es 10%. Si repetimos el experimento ahora y
105
tomamos 1,000 bolas, podramos obtener los siguientes resultados
para el nmero de bolas negras: 44.5% y 49.5% en cada ensayo. En
este caso, notamos que nuestra estimacin para el porcentaje de
bolas negras tiene un rango mas angosto, 5%. Usando esto,
podemos ver que cuanto ms grande es el tamao de la muestra,
ms angosto es el rango de la estimacin y, probablemente, ms fina
es la estimacin del verdadero valor.
9.1.3 INTRODUCCION BREVE A LA CONFIABILIDAD
La Ingeniera de Confiabilidad proporciona las herramientas tericas

y prcticas para especificar, disear, predecir, probar y demostrar la
probabilidad y capacidad de partes, componentes, equipos,
productos y sistemas para realizar sus funciones requeridas para los
perodos deseados de tiempo sin falla, en los ambientes
especificados y con la confianza deseada.
9.1.3.1 INGENIERIA DE CONFIABILIDAD Y PLANES DE

NEGOCIO.
La evaluacin de la Ingeniera de Confiabilidad esta basada en los

resultados de pruebas internas (finas) en los laboratorios y de datos
que pertenecen a los resultados del trabajo del producto en el
campo. Los datos obtenidos de estas fuentes se utilizan para medir
con precisin y mejorar la Confiabilidad de los productos que se
estn produciendo. Esto es particularmente importante por la
preocupacin del mercado respecto a la constante presin para la
reduccin del costo. Sin embargo, uno debe poder mantener una
perspectiva de todo el panorama en lugar de buscar meramente el
cambio rpido.
Es a menudo una tentacin cortar las esquinas y ahorrar los costos

iniciales usando partes ms baratas o eliminando programas de
prueba. Desgraciadamente, las partes ms baratas normalmente son
106
menos confiables e inadecuados programas de prueba pueden
originar productos con fallas ocultas que se presentarn en el campo.
Un ahorro rpido en el corto plazo por el uso de componentes ms
baratos o por tamao de muestras de prueba pequeos normalmente
producirn costos ms altos a largo plazo en forma de costos de
garanta o prdida de confianza del cliente. Debe lograrse un
equilibrio apropiado entre la Confiabilidad, la satisfaccin del cliente,
tiempo en el mercado, ventas y rasgos. En la figura 1.1 se ilustra este
concepto. El polgono en la izquierda representa un proyecto
apropiadamente equilibrado. El polgono en la derecha representa un
proyecto en el que se ha sacrificado la Confiabilidad y satisfaccin
del cliente por causa de las ventas y tiempo en el mercado.
Figura 1.1: Representacin Grfica de proyectos equilibrados y

desequilibrados.
A travs de una prueba apropiada y el anlisis en los laboratorios

de prueba internos, as como la recoleccin de datos adecuados y
significativos del trabajo de un producto en el campo, la Confiabilidad
de cualquier producto puede medirse, rastrearse y mejorarse,
llevando a una organizacin equilibrada con una perspectiva
financieramente saludable para el futuro. (nota: Ms informacin
sobre planificacin de la Confiabilidad y desarrollo de un programa
de Confiabilidad en la estructura de las metas comerciales de una
organizacin puede encontrarse en la siguiente direccin web:
http://www.weibull.com/articles/rellntro/index.htm
107
9.1.3.2 RAZONES CLAVES DE LA INGENIERIA DE
CONFIABILIDAD.
Tener xito en un ambiente ultra competitivo y tecnolgicamente

complejo de hoy, es esencial para una compaa que conoce la
Confiabilidad de su producto y poder controlarlo para producir los
productos a un nivel de Confiabilidad ptimo. Esto produce el
mnimo costo del ciclo de vida para el usuario y minimiza los
costos del fabricante del producto sin comprometer la
Confiabilidad del producto y la calidad.
Nuestra dependencia creciente de la tecnologa requiere que los

productos que componen nuestras vidas diarias, trabajen con
xito en el perodo de tiempo diseado, como lo deseamos. No es
suficiente que un producto trabaje durante un tiempo ms corto
que la duracin de su misin, ni tampoco hay necesidad de
disear un producto que trabaje mucho ms del tiempo de vida
especificado, desde que esto implicara gastos adicionales para el
fabricante. En el mundo complejo de hoy, dnde se realizan
muchas operaciones importantes con equipos automatizados,
somos dependientes del funcionamiento exitoso de estos equipos
(es decir su Confiabilidad) y, si fallan, de su restauracin rpida
para funcionar (es decir su Mantenibilidad).
Las fallas del producto tienen efectos variables, yendo desde

aquellos que causan molestias menores, como la falla del control
remoto de una televisin (qu puede volverse una molestia
mayor, si no una catstrofe, dependiendo del horario del ftbol del
da), a fallas catastrficas que involucran prdida de vidas y
propiedades, como un accidente areo. La Ingeniera de
Confiabilidad nace de la necesidad por evitar tales eventos
catastrficos y, con ello, la prdida innecesaria de vidas y
propiedades. No es sorpresa que Boeing fuera una de las
primeras sociedades comerciales en adoptar e implementar la
108
Ingeniera de Confiabilidad, xito que puede verse en la seguridad
del viaje areo-comercial de hoy.
Hoy, la Ingeniera de Confiabilidad puede y debe aplicarse a

muchos productos. El ejemplo anterior del control remoto fallado
no tiene mayores consecuencias sobre la vida o muerte del
consumidor. Sin embargo, puede proponer una vida y riesgo de
muerte a una entidad no-biolgica: la compaa que lo fabric. El
consumidor de hoy es ms inteligente y mas consciente del
producto que el consumidor de hace aos. El consumidor
moderno ya no tolera productos que no realicen su funcin de
manera confiable, o como se prometido o anunci. El descontento
del cliente con la Confiabilidad de un producto puede tener
consecuencias financieras desastrosas al fabricante.
La estadstica muestra que cuando un cliente est satisfecho con
un producto l podra decirlo a otras ocho personas; sin embargo,
un cliente descontento le dir a 22 personas, en promedio.
Las aplicaciones crticas que se confan a muchos productos

modernos hacen que la Confiabilidad sea un factor de importancia
clave. Por ejemplo, la falla de un componente de computadora,
tendr ms consecuencias negativas hoy que hace veinte aos.
Esto es porque hace veinte aos la tecnologa era relativamente
nueva y no muy extendida, y probablemente se tena una copia
de respaldo en alguna parte. Ahora, cuando las computadoras
son a menudo el nico medio en que se realizan muchas
funciones administrativas y de clculo, la falla de un componente
de computadora tendr un efecto mucho mayor.
9.1.3.3 DISCIPLINAS CUBIERTAS POR LA INGENIERIA DE

CONFIABILIDAD.
La Ingeniera de Confiabilidad cubre todos los aspectos de la vida

de un producto, desde su concepcin, subsiguiente diseo y el
109
proceso de produccin, a travs de su vida de uso prctica, con el
apoyo de mantenimiento y disponibilidad. La Ingeniera de
Confiabilidad cubre:
La Confiabilidad.
La Mantenibilidad.
La Disponibilidad.
Las tres reas pueden cuantificarse numricamente con el uso de
los principios y anlisis de datos de vida de la Ingeniera de
Confiabilidad.
9.1.3.4 APLICACIONES DE SENTIDO COMUN.
La Curva de la Baera de Confiabilidad

La mayora de los productos (as como los humanos) exhiben
caractersticas de falla como se muestra en la curva de la baera de
la figura 1.2. (Note, sin embargo, que esta figura se ha idealizado un
poco).
Esta curva se traza con la vida del producto en el eje X y con la tasa
de fallas en el eje Y. La vida puede estar en minutos, horas, aos,
ciclos, actuaciones o cualquier otra unidad cuantificable de tiempo o
uso. La tasa de falla esta dada como las fallas entre las unidades
sobrevivientes por unidad de tiempo. Como puede verse de esta
grfico, muchos productos empezarn sus vidas con un tasa de falla
alta (debido a los defectos de fabricacin, pobre habilidad del
personal que lo utiliza, control de calidad pobre de partes entrantes,
etc.) y exhibe una tasa de falla decreciente. La tasa de falla
normalmente se estabiliza a una tasa aproximadamente constante
en la regin de vida til dnde las fallas observadas son fallas de
oportunidad. Cuando los productos experimentan ms uso y
desgaste, la tasa de falta empieza a subir ya que la poblacin
empieza a experimentar fallas relacionadas al desgaste. En el caso
de mortalidad humana, la tasa de mortalidad (la tasa de falla), es
ms alta durante el primer ao de vida, luego cae a un nivel
110
constante bajo durante nuestra adolescencia y la vida adulta
temprana y luego se eleva cuando progresamos en aos.
Trabajo Inicial
Mirando esta curva de la baera particular, debe ser bastante obvio

que sera mejor colocar un producto en el mercado al principio de la
regin de vida til, en lugar de seguir toda la lnea de vida;
previniendo as al cliente de experimentar fallas tempranas. Esta
prctica normalmente se llama trabajo inicial, y frecuentemente se
realiza para los componentes electrnicos. La determinacin del
tiempo correcto de trabajo inicial, requiere el uso de metodologas
de Confiabilidad, as como la optimizacin de costos que involucran
(es decir los costos de fallas tempranas vs. el costo de trabajo
inicial), para determinar la tasa de falla ptima del embarque.
Minimizando el Costo del Fabricante
La figura 1.3 muestra la Confiabilidad del producto en el eje X y el

costo del fabricante en el eje Y.
Si el fabricante aumenta la Confiabilidad de su producto, aumentar

el costo del diseo y/o produccin del producto. Sin embargo, un
costo bajo de produccin y de diseo no implica un costo bajo del
producto global. El costo global del producto no debe calcularse
meramente como el costo del producto cuando deja la fabrica, sino
como el costo total del producto a travs de su vida. Esto incluye
garanta y costos de reemplazo para los productos defectuosos,
costos incurridos por la prdida de clientes debido a los productos
defectuosos, prdida de ventas subsecuentes, etc.
Aumentando la Confiabilidad del producto, puede aumentar los

costos iniciales del producto, pero disminuye los costos de soporte.
El costo total mnimo ptimo del producto puede determinarse y e
111
implementarse calculando la Confiabilidad ptima de tal producto. La
figura 1.3 describe tal escenario. El costo del producto total es la
suma del costo de produccin y diseo as como los costos post-
despacho. Puede verse que a un nivel de Confiabilidad ptimo, el
costo del producto total es mnimo. El nivel de Confiabilidad ptimo
es el que coincide con el costo total mnimo durante toda la vida del
producto.
9.1.3.5 VENTAJAS DE UN PROGRAMA DE INGENIERIA DE

CONFIABILIDAD.
La siguiente lista muestra informacin til que puede obtenerse con

la aplicacin de un programa de Confiabilidad legtimo:
Tiempo ptimo de trabajo inicial o perodo de rotura.
Perodo de garanta ptimo y costo de garanta estimado.
Tiempo de reemplazo preventivo ptimo para los
componentes en un sistema reparable.
Tasa de requerimientos de repuestos y produccin, resultado
de un control de inventario mejorado a travs de una
prediccin correcta de requerimientos de repuestos.
Buena informacin sobre los tipos de fallas experimentados
por las partes y sistemas que ayudan al diseo, esfuerzos de
investigacin y desarrollo por minimizar estas fallas.
Establecimiento de que fallas ocurren, en qu momento de la
vida de un producto y una buena preparacin para prevenirlos.
Estudios de los efectos de la edad, duracin de la misin y
aplicacin y el nivel de esfuerzo de funcionamiento sobre la
Confiabilidad.
Una base para comparar dos o ms diseos y escoger el
mejor diseo desde el punto de vista de la Confiabilidad.
Evaluacin de la cantidad de redundancia presente en el
diseo.
Estimaciones de la redundancia requerida para lograr la
Confiabilidad especificada.
112
Gua con respecto a las decisiones de accin correctiva para
minimizar las fallas y reducir los tiempos de mantenimiento y
reparacin que se eliminarn antes y despus del diseo.
Ayuda proporcionando pautas sobre prcticas de control de
calidad.
Optimizacin de la meta de Confiabilidad que debe disearse
en los productos y sistemas para un costo total mnimo de
propiedad, operacin y mantenimiento durante la vida.
Habilidad para dirigir estudios de intercambio entre parmetros
como la Confiabilidad, Mantenibilidad. Disponibilidad, Costo,
Peso, Volumen, Operatividad, Serviciabilidad y Seguridad
obtener el diseo ptimo.
Reduccin de costos de garanta o, por el mismo costo,
aumento en el periodo y monto de garanta.
Establecimiento de pautas por evaluar a los proveedores
desde el punto de vista de la Confiabilidad del producto.
Promocin de ventas en base a los ndices de Confiabilidad y
mtrica a travs de los departamentos de ventas y
comercializacin.
Aumento de la satisfaccin del cliente y un aumento de ventas
como resultado de la satisfaccin del cliente.
Aumento de las ganancias o, para la misma ganancia,
provisin de ms productos y sistemas confiables.
Promocin de imagen positiva y reputacin de la compaa.
9.1.3.6 RESUMEN: LAS RAZONES CLAVES PARA

IMPLEMENTAR UN PROGRAMA DE INGENIERIA DE
CONFIABILIDAD.
El fabricante tpico realmente no sabe que tan satisfactoriamente

estn funcionando sus productos. Esto es normal debido a la
falta de un sistema viable adecuadamente confiable que informe
113
sobre las fallas. Es importante tener un sistema de anlisis til,
de interpretacin y de realimentacin en todas las reas de la
compaa que se tratan con el producto desde su nacimiento
hasta su muerte
Si los productos del fabricante estn funcionando

satisfactoriamente, podra ser porque se esta sobre
dimensionando innecesariamente, por esta razn no se disean
ptimamente. Por consiguiente, los productos pueden estar
costando ms de lo necesario y las ganancias son menores.
Los productos son cada vez ms complejos, con la adicin de

ms componentes y caractersticas para igualar los productos de
la competencia. Esto significa que los productos con
confiabilidades actualmente aceptables necesitan
constantemente ser supervisados ya la adicin de ms
caractersticas y componentes puede degradar la confiabilidad
global del producto.
Si el fabricante no disea sus productos con la confiabilidad y

calidad requerida, ALGUIEN LO HAR.
114
9.1.4 LA CONFIABILIDAD Y EL CONTROL DE LA CALIDAD.
Aunque el trmino Confiabilidad y Calidad se usan a menudo

intercambiablemente, hay una diferencia entre estas dos disciplinas.
Mientras la confiabilidad se preocupa por la actuacin del producto
durante toda su vida, el control de calidad se preocupa en un
momento dado de tiempo por la actuacin de un producto,
normalmente durante el proceso de fabricacin. Como se declar en
la definicin, la confiabilidad asegura que los componentes, equipos
y sistemas funcionen sin fallas para los perodos deseados durante
toda su vida de diseo, desde la concepcin (nacimiento) hasta el
desecho (muerte). El control de calidad es un simple, aunque vital,
enlace en el proceso de confiabilidad total. El control de calidad
asegura la conformidad a las especificaciones. Esto reduce la
variacin del proceso que puede degradar la confiabilidad. El control
de calidad tambin chequea que las partes entrantes y componentes
alcancen las especificaciones, que los productos sean
inspeccionados y probados correctamente, y que los productos
enviados tengan un nivel igual o mayor de calidad que lo
especificado. El nivel de calidad especificado debe ser uno que es
aceptable para los usuarios, el consumidor y el pblico. Ningn
producto puede trabajar confiablemente sin la intervencin de control
de calidad porque la calidad de las partes y componentes son
necesarios que estn en el producto para que su confiabilidad est
asegurada.
115
9.2 FUNDAMENTO ESTADISTICO.
Ahora daremos una introduccin elemental breve a las ecuaciones

estadsticas ms comunes y fundamentales y las definiciones usadas en
la ingeniera de confiabilidad y el anlisis de datos de vida. Se usarn las
ecuaciones y conceptos presentados en este captulo extensivamente en
los captulos que siguen en el presente texto.
9.2.1 DEFINICIONES ESTADISTICAS BASICAS.
Variables aleatorias
En general, la mayora de los problemas en ingeniera de
confiabilidad tratan con medidas cuantitativas, como el tiempo para la
falla de un componente, o si el componente falla o no falla. Para juzgar si
un componente es defectuoso o no, slo hay dos resultados posibles.
Podemos denotar una variable aleatoria X como representante de estos
posibles resultados (es decir defectuoso o no defectuoso). En este caso,
X es una variable aleatoria que slo puede asumir estos valores.
En el caso de tiempo para la falla, la variable aleatoria X puede

asumir el tiempo para la falla (o el tiempo para un evento de inters) del
producto o componente y puede estar en un rango de 0 al infinito (ya
que no sabemos el tiempo exacto a priori).
En el primer caso, dnde la variable aleatoria toma slo dos

valores discretos (digamos defectuoso = 0 y no defectuoso = 1), se dice
que la variable es una variable aleatoria discreta. En el segundo caso, el
producto puede encontrarse fallado en cualquier tiempo despus de 0,
es decir a las 12.4 horas o a las 100.12 horas, etc., as X puede asumir
algn valor en este rango. En este caso, la variable aleatoria X es una
variable aleatoria continua. En este texto, trataremos casi
exclusivamente con las variables aleatorias continuas.
116
9.2.1.1 DENSIDAD DE PROBABILIDAD Y LAS FUNCIONES DE
DENSIDAD ACUMULADAS.
De la probabilidad y estadstica, dada una variable aleatoria

continua X, denotamos:
- La funcin densidad de probabilidad, pdf como f(x). (nota: Esta
funcin tambin es conocida como la funcin de distribucin de
probabilidad y la funcin de probabilidad de masa, pero se
utilizar de aqu en adelante como la funcin de densidad de
probabilidad.)
- La funcin de distribucin cumulativa, cdf, como F(x).
La pdf y cdf dan una descripcin completa de la distribucin de

probabilidad de una variable aleatoria.
Definiciones
Si X es una variable aleatoria contina, entonces la funcin de
densidad de probabilidad, pdf, de X, es una funcin f(x) tal que
para dos nmeros, a y b (a < = b) se representa con:
b
P(a X b) f ( x)dx and f ( x) for all x
a
(1)
Es decir, la probabilidad que X asuma un valor en el
intervalo [a, b] es el rea bajo la funcin de densidad.
La funcin de distribucin cumulativa, cdf, es la funcin

F(x) de una variable aleatoria, X, y est definido para un nmero x
por:
x
F ( x) P( X x) o, f (s) ds
(2)
Es decir, para un valor dado x, F(x) es la probabilidad que
el valor observado de X ser a lo sumo x.
117
Note que los lmites de integracin dependen del dominio
de f(x). Por ejemplo, para todas las distribuciones consideradas,
este dominio sera 0, , , o y, En el caso de
y, usaremos la constante y para denotar un punto arbitrario

diferente de cero (o una situacin que indica el punto de partida
para la distribucin). La figura 1.4 ilustra la relacin entre la
funcin de densidad de probabilidad y la funcin de distribucin
cumulativa.
La relacin matemtica entre la pdf y cdf est dada por:
x
F ( x) f ( s)ds

(3)
Por otro lado:

d ( F ( x))
f ( x)
dx
El valor de la cdf en x depende el rea b ajo la funcin de

densidad de probabilidad hasta x, en ese caso. Tambin debe
sealarse que el rea total bajo la pdf siempre es igual a 1, o
matemticamente:

f ( x)dx 1
Un ejemplo de una funcin de densidad de probabilidad es

la distribucin normal, muy conocida, por cuya pdf es:
1 t
1 ( )2
f (t ) e 2 p
2
118
Dnde es la media y es la desviacin estndar. La
distribucin normal es una distribucin de dos parmetros, es
decir con dos parmetros y .
Otra distribucin de dos parmetros es la distribucin log

normal, cuya pdf es:
1 t ' '

1 2 '
f (t ) e
t . 2
Dnde t es el logaritmo natural del tiempo para la fallas,

es la media de los logaritmos naturales del tiempo para la falla y
' es la desviacin estndar de los logaritmos naturales de los
tiempos para la falla, t.
9.2.1.2 FUNCION DE CONFIABILIDAD.
La funcin de Confiabilidad puede derivarse usando la

definicin anterior de la funcin de distribucin acumulativa, la
ecuacin (3). La probabilidad de un evento que sucede en el
tiempo t esta da por:
t
F (t ) f ( S )ds
0,
(4)
En particular, representa la probabilidad de una unidad que

falla en el tiempo t.
De esto, obtenemos la funcin de confiabilidad que

representa la probabilidad de xito de una unidad realizando una
misin de una duracin prescrita.
Para demostrarlo matemticamente, definimos la funcin
no confiabilidad, Q(t), que es la probabilidad de falla, o la
119
probabilidad que el tiempo para la falla est en la regin de 0 (o y)
y t. As de la Ecuacin (4):
t
F (t ) Q(t ) f ( s)ds
o,
En esta situacin, hay slo dos estados que pueden ocurrir:

xito o falla. Estos dos estados tambin son mutuamente
exclusivos. Desde que a confiabilidad y la no confiabilidad son las
probabilidades de dos estados mutuamente exclusivos, la suma
de estas probabilidades siempre es igual a la unidad. As:
Q(t ) R(t ) 1
R(t ) 1 Q(t )
t
R(t ) 1 f ( s)ds
,

R(t ) t f ( s)ds
Recprocamente
d ( R(t ))
f (t )
dt
Funcin de Confiabilidad Condicional

La funcin de confiabilidad discutida previamente asume
que la unidad est empezando la misin sin tiempo acumulado, es
decir articulo nuevo. Los clculos de confiabilidad condicional
permiten determinar la probabilidad de una unidad que completa
con xito una misin de una duracin particular dada, y que ya ha
completado con xito una misin de una cierta duracin. Podra
considerarse que la funcin de confiabilidad condicional es a
confiabilidad del equipo usado.
120
MISSION: Mission 1 Mission 2
TIME:
time = t time = t
RESULT: SUCCESS UNKNOWN
La funcin de confiabilidad condicional est da por la ecuacin,
R(T t )
R(t / T )
R(T )
Donde t es la duracin de la nueva misin y T es la

duracin de la misin anterior completada con xito.
En otras palabras, el hecho que el equipo ya ha

completado con xito una misin, T, nos dice que el producto
recorri el camino de tasa de falla con xito para el perodo 0 T
y estar fallando segn la tasa de falta desde T T+t. (nota: Si la
distribucin subyacente tiene una tasa de falta constante, esto no
tiene efecto). Esto se usa al analizar tos datos de garanta.
9.2.1.3 FUNCION DE TASA DE FALLAS.
La funcin tasa de falla permite la determinacin del

nmero de fallas que ocurren por unidad de tiempo. Omitiendo la
derivacin (ver capitulo Datos & Tipos de Datos), la tasa de falla
est dada matemticamente como,
f (t )
(t )
t
1 f ( s )ds
0, y
f (t )

R (t )
La funcin tasa de falta tiene unidades de fallas por unidad
de tiempo entre sobrevivientes, por ejemplo 1 falla por mes.
121
9.2.1.4 FUNCION DE VIDA MEDIA.
La funcin de vida media, que proporciona una medida del

tiempo promedio de funcionamiento hasta la falta esta da por:

m t * f (t )dt (5)
0,
Debe notarse que ste es el tiempo para la falla esperada o

promedio y se denota como MTBF (Tiempo promedio antes de la
falla) y tambin MTTF (tiempo para la falla). (nota: El trmino
MTBF tambin se ha traducido ampliamente como el tiempo
promedio entre fallas. Para la funcin de vida media, el nico
tiempo para que la traduccin tiempo promedio entre fallas sea
correcta es cuando la distribucin subyacente tiene una tasa de
falla constante (por ejemplo la funcin exponencial). En este caso,
el tiempo para la falla y el tiempo promedio entre fallas es
idntico; sin embargo, si la tasa de falla no es constante, entonces
estas condiciones no son iguales.)
9.2.1.5 FUNCION DE VIDA MEDIANA
La vida mediana, es el valor de la variable aleatoria que

tiene exactamente la mitad del rea bajo la pdf a su izquierda y la
otra mitad a su derecha. La mediana se obtiene de:
_
T

f (t )dt 0.5 (6)
Para los datos de la muestra, por ejemplo 12, 20, 21, la

mediana es el valor del punto medio, o 20 en este caso.
122
9.2.1.6 FUNCION DE MODO
La vida modal (o moda), F, es el valor mximo T que

satisface:
d f (t )
0 (7)
dt
Para una distribucin continua, la moda es el valor de la
variable que corresponde a la densidad de probabilidad mxima
(el valor dnde la pdf tiene su valor mximo).
9.2.2 DISTRIBUCIONES
Una distribucin estadstica se describe totalmente por su

pdf (funcin de densidad de probabilidad). En las secciones
anteriores, usamos la definicin de la pdf para mostrar como
pueden derivarse todas las otros funciones comnmente
utilizadas en la ingeniera de confiabilidad y el anlisis de datos de
vida, denominadas la funcin de Confiabilidad, la funcin de tasa
de falla, funcin de tiempo medio, la funcin de vida mediana,
etc., Todos stos pueden determinarse directamente de la
definicin de la pdf, o f(t).
Existen diferentes distribuciones, como la funcin normal,

exponencial, etc., que tienen una forma predefinida de f(t). Las
definiciones de estas distribuciones pueden encontrarse en
muchas referencias. De hecho, se han dedicado textos enteros
para definir familias de distribuciones estadsticas. Estas
distribuciones fueron formuladas como modelos matemticos por
estadsticos, matemticos e ingenieros. Por ejemplo, la
distribucin Weibull fue formulada por Walloddi Weibull y por ello
lleva su nombre. Algunas distribuciones tienden a representar
bien los datos de vida y normalmente son llamadas distribuciones
de tiempo de vida.
123
Una de las distribuciones ms simples y ms comnmente
utilizadas (y a menudo errneamente utilizada debido a su
simplicidad), es la distribucin exponencial.
La pdf de la distribucin exponencial est matemticamente
definida como:
fi (t ) e t
En esta definicin, note que t es la variable aleatoria la cual

representa el tiempo y la letra (lambda) representa lo que
normalmente se denomina parmetro de la distribucin.
Dependiendo del valor de N, f(t) variar su representacin.
Para cualquier distribucin, el parmetro o parmetros de la

distribucin se estiman a partir de los datos. Por ejemplo, la
distribucin ms conocida, la distribucin normal (o Gausiana),
est da por:
1 t 2

1
f (t ) e 2
2
Donde sus parmetros son, la media ( ) y la desviacin

estndar ( ). Ambos parmetros se estiman desde los datos, es
decir la media y desviacin estndar de los datos. Una vez que
estos parmetros se han estimado, la funcin f(t) est totalmente
definida y podemos obtener algn valor de fCt) dado cualquier
valor de t.
Dado la representacin matemtica de una distribucin,

tambin podemos derivar todas las funciones necesarias para el
anlisis de datos de vida que de nuevo slo depender del valor
de t despus de que el valor del parmetro de la distribucin o
parmetros, se han estimado a partir de los datos. (Nota: no se
124
preocupe sobre cmo se estiman estos parmetros, esto se
discutir en las siguientes secciones). Por ahora, asuma que
podemos asignar valores a estos parmetros basados en los
datos.
Por ejemplo, sabemos que la pdf de-la distribucin

exponencial se da por:
fi (t ) e t
As, la funcin de Confiabilidad exponencial puede
derivarse como:
t s
R(t ) 1 o e ds

1 1 e * t
e *t
La funcin de tasa de falla exponencial es:
f (t )
(t )
R(t )
e (t )

e (t )
El tiempo promedio para la falla exponencial (MTTF) se da por:

t f (t ) dt
0
125

t e t dt
0
Esta misma metodologa se puede aplicar a cualquier

distribucin dada su pdf, con varios grados de dificultad
dependiendo de la complejidad de f(t).
Tipos del parmetro
Las distribuciones pueden tener cualquier nmero de

parmetros. Note que si el nmero de parmetros aumenta, la
cantidad de datos requerida para un anlisis apropiado debe
aumentar. En general, la mayora de las distribuciones que se
usan para la confiabilidad y anlisis de datos de vida,
normalmente estn limitadas a un mximo de tres parmetros.
Estos tres, parmetros normalmente son conocidos como el
parmetro de escala, el parmetro de forma y el parmetro de la
ubicacin.
Parmetro de Escala
El parmetro de escala es el tipo ms comn de parmetro.

Todas las distribuciones tienen un parmetro de escala. En el
caso de distribuciones de un parmetro, el nico parmetro es el
parmetro de escala. Este parmetro define donde queda el
volumen de la distribucin, o cmo se estir la distribucin. En el
caso de la distribucin normal, el parmetro de escala es la
desviacin estndar.
126
Parmetro de Forma
El parmetro de forma, como implica el nombre, ayuda a
definir la forma de una distribucin. Algunas distribuciones, como
la exponencial o normal, no tiene un parmetro de forma ya que
tienen una forma predefinida que no cambia. En el caso de la
distribucin normal, la forma es siempre la forma de una
campana. El efecto del parmetro de forma en una distribucin se
refleja en las formas de la pdf, la funcin de confiabilidad y la
funcin tasa de fallas.
Parmetro de Ubicacin
El parmetro de ubicacin se usa para cambiar la posicin
de una distribucin en una u otra direccin a lo largo del eje
horizontal. El parmetro de ubicacin, normalmente se representa
como y, y define la situacin del origen de una distribucin y
puede ser positivo o negativo. En trminos de las distribuciones
de tiempo de vida, el parmetro de ubicacin representa un
cambio de tiempo.
.
Esto significa que la inclusin de un parmetro de ubicacin
para una distribucin cuyo dominio normalmente es 0,
cambiar al dominio y, , dnde y puede ser positivo o
negativo. Esto puede tener algunos efectos profundos en trminos

de Confiabilidad. Para un parmetro de ubicacin positivo, esto
indica que la confiabilidad para esa distribucin particular siempre
ser 100% hasta ese punto y. En otras palabras, una falla no
puede ocurrir antes de este tiempo y. Muchos ingenieros se
sienten incmodos diciendo que absolutamente ninguna falla
suceder antes de cualquier tiempo dado. Por otro lado, se puede
argumentar que casi todas las distribuciones de vida tienen un
parmetro de ubicacin, aunque muchos de ellos pueden ser
despreciablemente pequeos. De igual forma, muchas personas
127
se sienten incmodas con el concepto de un parmetro de
ubicacin negativo, el cual establece que el estado de falla ocurre
tericamente antes del tiempo cero. Realmente, el clculo de un
parmetro de ubicacin negativo es indicativo de fallas inmviles
(fallas que ocurren antes de que un producto se use por primera
vez) o de problemas con la fabricacin, empaquetado o durante el
proceso de envo. Se debe prestar ms atencin al concepto del
parmetro de ubicacin en las siguientes discusiones de la
distribucin exponencial y Weibull que son las distribuciones de
tiempo de vida que ms emplean el parmetro de ubicacin.
9.2.2.1 DISTRIBUCIONES MS UTILIZADAS.
Hay muchas distribuciones de tiempo de vida diferentes

que pueden usarse para modelar los datos de Confiabilidad.
Leemis [22] y otros autores presentan una buena apreciacin
global de muchas de estas distribuciones. En este texto, nos
concentraremos en las ms utilizadas y las distribuciones de
mayor aplicacin en el anlisis de datos de vida, como se ver en
las secciones siguientes.
Distribucin de Weibull.
La distribucin Weibull es una distribucin de Confiabilidad
de propsito general utilizada para modelar la resistencia del
material, el tiempo para la falla de componentes electrnicos y
mecnicos, equipo o sistemas. En su caso ms general, la pdf
Weibull de tres parmetros est definido por:

1 t
t
f (t ) e

+
Con parmetros , y y, dnde = parmetro de forma,
= parmetro de escala y y = parmetro de ubicacin.
128
Si el parmetro de ubicacin y, se asume cero, la
distribucin se convierte en una distribucin Weibull de dos
parmetros o:

1 t
t
f (t ) e

Una forma adicional es la distribucin de Weibull de un

parmetro, que asume que el parmetro de ubicacin y, es cero, y
el parmetro de forma es una constante conocida, o (3 =
constante = C; as:
C
t
C 1
Ct
f (t ) e

Distribucin Exponencial
La distribucin exponencial normalmente se usa para
componentes o sistemas que exhiben una tasa de falla constante
y est definido en su caso ms general por:
f (t ) e (t )
(8)
(Tambin conocido como exponencial de dos parmetros),
con dos parmetros, a saber y y.
Si el parmetro de ubicacin y, se asume cero, la
distribucin se vuelve exponencial de un parmetro o,
f (t ) e t
Se presentan la distribucin exponencial y sus
caractersticas en ms detalle en el captulo correspondiente.
129
Distribucin normal
La distribucin normal se utiliza para el anlisis de
Confiabilidad general, el tiempo para la falla de componentes
electrnicos y mecnicos simples, equipo o sistemas.
La pdf de la distribucin normal esta da por:
1 t 2

1
f (t ) e 2
2
f (t ) 0, t , 0
(9)
Donde = media de los tiempos normales para falla, =
desviacin estndar de los tiempos para la falla.
Se presenta la. distribucin normal y sus caractersticas en
ms detalle en el captulo correspondiente.
9.2.2.2 OTRAS DISTRIBUCIONES.
Adems de las distribuciones mencionadas, existen

distribuciones adicionales, aunque utilizada con poca frecuencia
en el Anlisis de Datos de Vida, que tienen una variedad de
aplicaciones y puede encontrare en muchas referencias
estadsticas.
Distribucin de Weibull Bayesiana.
Otro enfoque es el modelo Weibull Bayesiano que asume

que el analista tiene algn conocimiento previo sobre la
distribucin del parmetro de forma ( ) de la distribucin Weibull.
Hay muchas aplicaciones prcticas para este modelo,
particularmente cuando se trata con tamaos de muestra
pequeos y/o est disponible algn conocimiento previo para el
parmetro de forma. Por ejemplo, cuando se realiza una prueba,
hay a menudo una buena comprensin sobre el comportamiento
130
del modo de falla bajo investigacin, principalmente a travs de
datos histricos o fsicos de falla.
Note que esto no es igual que el llamado modelo

WeiBayes. El llamado modelo WeiBayes realmente es una
distribucin Weibull de un parmetro. Asume un valor fijo
(constante) para el parmetro de forma y resuelve para el
parmetro de escala.
La Distribucin Weibull Mixta.
La distribucin Weibull mixta normalmente se usa para

modelar el comportamiento de componentes o sistemas que
exhiben modos de falla mltiples (poblaciones mixtas). Da una
visin global de la vida de un producto mezclando diferentes
distribuciones Weibull para diferentes estados de la vida del
producto y est definido por:
S t t
fs (t ) pi i i 1e ( i ) i
i 1 i i
Donde el valor de S es igual al nmero de sub-poblaciones.

Note de que de esto resulta un total de (3 S - 1) parmetros. En
otras palabras, cada poblacin tiene un p, porcin o peso de la
mezcla para la poblacin i-esima, a o parmetro de forma para la
poblacin i-esima y un n,, o parmetro de escala para la poblacin
i-esima. Note que los parmetros se reducen (3 S - 1), dado el
hecho que tambin puede usarse la siguiente condicin:
131
Distribucin Log normal
La distribucin log normal se usa para el anlisis de
Confiabilidad general, ciclos para la falla en la fatiga, resistencia
de materiales y en el diseo probabilstico de cargas variables.
Cuando los logaritmos naturales del tiempo para la falla

estn normalmente distribuidos, decimos que los datos siguen la
distribucin log normal.
La pdf de la distribucin log normal est dada por:

2
1 T ' '

1 2 T1
f (t ) e
t T ' 2
f (t ) O, t O, T ' O
T ' 1n (t )
(10)
Donde ' = media de los logaritmos naturales del tiempo para la

falla.
T = desviacin estndar de los logaritmos naturales de los
tiempos de falla.
Distribucin Gamma Generalizada
La distribucin gamma generalizada no es utilizada

frecuentemente para modelar los datos de vida como las
distribuciones discutidas previamente, sin embargo tiene la habilidad
de imitar los atributos de otras distribuciones, como Weibull o log
normal, basado en los valores de los parmetros de la distribucin y
tambin ofrece un compromiso entre dos distribuciones de tiempos
de vida. La funcin gamma generalizada es una distribucin de tres
132
parmetros, con parmetros , y . La pdf de la distribucin esta
dada por,
ln(t )
1 *
ln( t ) e
* 2

i 1
f (t ) * * e if 0
* t T 1
2

1 ln(t ) 2

1 2
e if 0
t * 2
Dnde (x) (x) es la funcin gamma, definida por:

x 1 s
( x) 0
s e ds
Esta distribucin se comporta como las otras distribuciones basadas

en los valores de los parmetros. Por ejemplo, si 1, la
distribucin es idntica a la distribucin Weibull. Si ambos 1 y
1 , la distribucin es idntica a la distribucin exponencial y para
0 , es idntica a la distribucin log normal. La distribucin
gamma generalizada no se usa a menudo para modelar los datos de
vida por si sola, su habilidad de comportarse como otras
distribuciones de vida es normalmente usada para determinar cual de
las distribuciones de vida debera utilizarse para modelar un juego
particular de datos.
133
Distribucin Gamma
La distribucin gamma es una distribucin flexible que

puede ofrecer una buena aproximacin a algn juego de datos de
vida. A veces llamada distribucin Erlang, la distribucin gamma
tiene aplicaciones en el anlisis Bayesiano como una distribucin
anterior y tambin se usa normalmente en la teora de colas.
La pdf de la distribucin gamma esta dada por:

z
e kz e
f (t )
t ( k )
z ln(t )
(11)
Donde parmetro de escala, k= parmetro de forma;
0 < t < ,- < < y k > 0.
Distribucin Logstica
La distribucin logstica tiene una forma muy similar a la

distribucin normal (es decir forma de campana), pero con las colas
ms pesadas. Desde que la distribucin logstica ha dado soluciones
ms precisas para la Confiabilidad, la cdf y las funciones de tasa de
falla, a veces se prefieren en vez de la distribucin normal, dnde
estas funciones slo pueden obtenerse numricamente.
La pdf de la distribucin logstica est dada por:
ez
f (t )
(1 e z ) 2
134
t
z

0
(12)
Donde:
parmetro de ubicacin (tambin denotado como F),
parmetro de escala.
Distribucin Loglogistic.
Como puede resumirse del nombre, la distribucin

loglogistic es similar a la distribucin logstica. Especficamente, los
datos siguen una distribucin loglogistic cuando los logaritmos
naturales del tiempo para la falla siguen una distribucin logstica. De
ello, las distribuciones loglogistic y log normal tambin comparten
muchas similitudes.
La pdf de la distribucin loglogistic esta da por:
ez
f (t )
t (1 e z ) 2
T ' '
z

f (t ) 0, t 0, T 0,
T ' ln (t )
(13)
Donde,
' = parmetro de escala, T = parmetro de forma
135
Distribucin Gumbel
La distribucin Gumbel, tambin llamada distribucin del valor
extremo ms pequeo (SEV o del tipo 1), es apropiada para modelar
esfuerzos que a veces se sesgan a la izquierda (pocas unidades
dbiles fallan a baja tensin, mientras que las restantes fallan a
tensiones ms altas). La distribucin Gumbel tambin podra ser
apropiada para modelar la vida de productos que experimentan un
desgaste muy rpido luego de alcanzar una cierta edad.
La pdf de la distribucin Gumbel esta da por:

1 z e z
f (t ) e

t
z

f (T ) 0, 0
(14)
Donde = parmetro de ubicacin, = parmetro de escala.
9.2.2.3 ESTIMACION DE PARAMETROS.
Una vez que una distribucin ha sido seleccionada, se necesita

estimar sus parmetros. Estn disponibles varios mtodos de
estimacin de parmetros. Esta seccin presentar una visin global
de estos mtodos, comenzando con el mtodo relativamente ms
simple, el trazado de probabilidad y continuando con los ms
sofisticados como el mtodo de los mnimos cuadrados y el mtodo
de mxima probabilidad.
Trazado de probabilidad
El mtodo menos intensivo matemticamente hablando para la
estimacin de parmetros es el mtodo de trazado de
probabilidad. Como implica el trmino, el trazando de probabilidad
136
involucra plotear los datos de probabilidad en un papel construido
especialmente para este fin. Este mtodo se realiza a mano.
El mtodo de trazado de probabilidad toma la cdf de la distribucin

-e intenta linealizarla, empleando un papel construido
especialmente. Por ejemplo, en el caso de la distribucin Weibull
de dos parmetros, la cdf y la no confiabilidad Q(T), puede
mostrarse como:

T

F (T ) Q(T ) 1 e
Esta funcin puede ser linealizada (es decir ponerla en la forma
comn y = a + bx) como sigue:

T

Q(T ) 1 e
T

ln(1 Q (T ) ln e

T
ln(1 Q(T )

T
ln( ln(1 Q(T ) ) ln

1
ln ln ln (T ) 1n( )
1 Q (T )
(15)
Reemplazando y por:
1
y ln ln
1 Q (T )
y:
137
x ln(7' )
La ecuacin puede volverse a escribir como,
y x ln( )
La cual es ahora una ecuacin lineal con una pendiente y una
interseccin con el eje y de ln ( ) .

El siguiente paso es dibujar en un papel con un apropiado eje x e
y. El clculo del eje x es fcil ya que es un simple logaritmo. El eje
y, sin embargo, tiene que representar,
1
y ln ln
1 Q (T )
Donde Q(T) es la no confiabilidad (o el doble logaritmo en una

escala recproca). Los papeles han sido creados por los diferentes
proveedores y se les llama papeles para trazado de la
probabilidad. (nota: puede obtener los diferentes papeles en
www.weibull.com.).
Para ilustrar, considere el siguiente ploteo de probabilidad en un

papel de probabilidad Weibull.
Este papel esta construido basado en las transformaciones de los

ejes x - y mencionados dnde el eje y representa la no
confiabilidad y el eje x representa el tiempo de vida. Los dos
valores deben conocerse porcada punto del tiempo para la falla
que queremos trazar.
Entonces, dado los valores de x e y para cada punto, los puntos

pueden ponerse fcilmente en el grafico. Una vez que los puntos
se han puesto en el grfico, se traza la mejor lnea recta posible a
travs de estos puntos. Una vez que la lnea ha sido trazada,
puede obtenerse la pendiente de la lnea (algunos papeles de
138
probabilidad incluyen un indicador de la pendiente para simplificar
este clculo). El valor de la pendiente es el parmetro .
Para determinar el parmetro de escala (tambin llamado vida

caracterstica), simplemente debe poner t en la ecuacin de la
cdf. Note de la anterior ecuacin:

T

Q(T ) 1 e
As a T :

Q(T ) 1 e
1 e 1
0.632
63.2%
As, si nosotros entramos en el eje y a Q(T) = 63.2%, el valor

correspondiente de T ser igual a . As, usando esta simple pero
tediosa metodologa, pueden estimarse los parmetros de la
distribucin Weibull.
Determinando la posicin x e y de los puntos ploteados
Los puntos en el grfico representan los datos o, ms

especficamente, los datos del tiempo para la falla. Por ejemplo, si
probramos cuatro unidades que tallaron a las 10, 20, 30 y 40
horas, usaramos estos tiempos como los valores x o valores de
tiempo. Determinar cual es la posicin y apropiada, o el valor de la
no confiabilidad, es un poco ms complejo. Para determinar la
posicin y, debemos determinar primero un valor que indique la no
confiabilidad correspondiente para esa falla. En otras palabras,
139
necesitamos obtener el porcentaje cumulativo de falla para cada
tiempo de falla. En este ejemplo, y para 10 horas, el porcentaje
cumulativo de falla es 25%, para 20 horas es 50%, y as
sucesivamente. Este es un simple mtodo que ilustra la idea. El
problema con este mtodo simple es el hecho que el punto 100%
no est definido en la mayora de ploteos de probabilidad, as que
debe usarse una alternativa y un enfoque ms consistente. El
mtodo ampliamente utilizado para determinar este valor es el
mtodo del rango medio para cada falla. Este mtodo se discute
luego.
El rango medio
Se usa el rango medio para obtener una estimacin de la no
confiabilidad, Q(Tj), para cada falla. Es el valor que da la
verdadera probabilidad de falla, Q(Tj), que debe tener al fallar la j-
esima falla de una muestra de N unidades a un 50% nivel de
confianza. Esto significa esencialmente que sta es nuestra
estimacin ptima para la no confiabilidad. La mitad del tiempo el
verdadero valor ser mayor que el 50% estimado de confianza, la
otra la mitad del tiempo, el verdadero valor ser menor. Esta
estimacin esta basada en la solucin de la ecuacin binomial.
El rango puede encontrarse para cualquier punto porcentual, P,

mayor que cero y menor que uno y resolviendo la ecuacin
binomial cumulativa para Z. Esto representa el rango, o la no
confiabilidad estimada, para la falla j-esima [15; 16] en la siguiente
ecuacin para la binomial cumulativa:
kN Z k (1 Z ) N k
N
P
k j
Donde N es el tamao de la muestra y j el nmero de orden de la

falla.
140
El rango medio se obtiene resolviendo esta ecuacin para Z a P =
0.50.
kN Z k
N
0.50 (1 Z ) N k
k j
(16)
Por ejemplo, si N = 4 y tenemos cuatro fallas, resolveramos la

ecuacin del rango medio, Ecuacin (16), cuatro veces; una vez
para cada falla con j = 1, 2, 3 y 4, para el valor de Z. Este resultado
puede usarse entonces como la no confiabilidad estimada para
cada falla o la posicin ploteada y. (En el captulo de la distribucin
Weibull se presenta un ejemplo paso a paso de este mtodo). La
solucin de la ecuacin (16) para Z requiere el uso de mtodos
numricos.
Un mtodo ms directo y fcil de estimar el rango medio es

aplicando dos transformaciones a la ecuacin (16), primero a la
distribucin beta y luego a la distribucin F, resultando las
expresiones [12;13},
1
MR
N j 1
1 F0.50; m; n
j
m 2( N j 1)
n 2j
F0.50;m;n denota la distribucin E en el punto 0.50, con m y n grados

de libertad, para la falla j-esima de N unidades. Otro mtodo
rpido, pero menos exacto, es la aproximacin del rango medio
dada por [15]:
j 0.3
MR
N 0.4
(17)
141
Esta aproximacin del rango medio tambin es conocida como la
aproximacin de Benard.
Algunas deficiencias en el ploteo manual de la Probabilidad
Adems de la desventaja ms obvia del ploteo de la probabilidad

que es el esfuerzo requerido para trazar el grafico, el ploteo
manual de la probabilidad no siempre ofrece resultados
consistentes. Dos personas que trazan una lnea recta a travs de
un juego de datos no siempre dibujarn esta lnea de la misma
manera, y as propondrn resultados ligeramente diferentes. Este
mtodo se usa como una primera aproximacin antes de utilizar
una computadora, la cual podra realizar fcilmente los clculos
para los mtodos de estimacin de los parmetros ms
complicados, como los mtodos de los mnimos cuadrados y de
mxima probabilidad.
9.1.3.2 Estimacin de Parmetros por el mtodo de los

Mnimos cuadrados (Anlisis de regresin).
Utilizando la idea del trazado de la probabilidad, un anlisis

matemtico de regresin logra la mejor lnea recta para un juego
de puntos, en un esfuerzo por estimar los parmetros.
Esencialmente, es una versin matemtica de trazado de la
probabilidad basada en el mtodo discutido previamente.
Teora fundamental
El mtodo lineal de mnimos cuadrados se usa para todo anlisis

de regresin; salvo los casos de las distribuciones Weibull de tres
parmetros, Weibull mixto, gamma y gamma generalizada, dnde
se emplea una tcnica de regresin non- lineal. Los trminos
regresin lnea/y mnimos cuadrados se utilizan similarmente en
este texto. El trmino rango de regresin se usa en lugar de los
142
mnimos cuadrados, o regresin lineal, porque la regresin se
realiza en los valores del rango, ms especficamente, los valores
del rango medio (representado en el eje y).
El mtodo de mnimos cuadrados requiere que una lnea recta

encaje en un juego de datos, tal que la suma de los cuadrados de
la distancia de los puntos a la lnea trazada sea mnima. Esta
minimizacin puede realizarse en la direccin vertical u horizontal.
Si la regresin es en el eje X, entonces la lnea es trazada tal que
las desviaciones horizontales de los puntos a la lnea se
minimicen. Si la regresin est en el eje Y, entonces esto significa
que la distancia de las desviaciones verticales de los puntos a la
lnea se minimice. Esto se ilustra en la figura siguiente.
Rango de regresin en Y
Asuma que un juego de pares de datos (x1,y1), (x2,y2),..., (XN,YN) se
obtienen y trazan, y que los valores X son conocidos exactamente.
Entonces, segn el principio de los ,mnimos cuadrados, que
minimiza la distancia vertical entre los datos y la lnea recta
trazada, la mejor lnea recta para estos datos es la lnea

recta y a b
x (donde los smbolos introducidos ( ) indican que
ese valor es una estimacin) tal que:
N N
(a b xi y2 ) 2 min( a, b) (a bxi yi ) 2
i 1 i 1

Y donde a y b son las estimaciones de los mnimos cuadrados de
a y b, y N es el nmero de puntos trazados. Estas ecuaciones se

minimizan estimando a y b tal que:
143
N N
yi xi _ _
a i 1 b i 1 y b x
N N
N N
N xi yi
xi yi i 1 i 1
N
b i 1
2
N
xi
N
2 i 1
xi N
i 1
Rango de regresin en X
Asuma que un juego de pares de datos (x1, y1), (x2,y2),..., (XN,YN)

se obtienen y trazan, y que los valores Y son conocidos
exactamente. Entonces, segn el principio de los mnimos
cuadrados, que minimiza la distancia horizontal entre los datos y la
lnea recta trazada, la mejor lnea recta para estos datos es la

b
lnea recta y a y tal que:
N N
(a b yi xi ) 2
min( a, b) (a byi xi ) 2 +
i 1 i 1

b
De nuevo, a son las estimaciones de los mnimos cuadrados
de a y b, y N es el nmero de puntos. Estas ecuaciones se

minimizan por las estimaciones de y b tal que:
144
N N
xi yi _ _
a i 1 b i 1 x b y
N N
(19)
N N
N xi yi
N i , yi i 1 i 1
N
b i 1
2
N
yi
N
i 1
yi N
2
i 1
(20)
Las relaciones correspondientes por determinar los parmetros
para las distribuciones especficas (es decir Weibull, exponencial,
etc.), se presenta en los captulos correspondientes.
El Coeficiente de correlacin
El coeficiente de correlacin es una medida de qu tan bien
la regresin lineal carga los datos y normalmente se denota por .
En el caso de anlisis de datos de vida, es una medida de la
fuerza de la relacin lineal (correlacin) entre el rango medio y los
datos. El coeficiente de correlacin de la poblacin est definido
como sigue:
xy

x y
Dnde xy covarianza de x e y, x desviacin estndar de x, y
y = desviacin estndar de y.
El estimador de es el coeficiente de correlacin de la muestra,
dado por,
145
N N
N xi y i
xi yi i 1 i 1
N
i 1
N
2
N
2
xi yi
N N
x 2 i 1 y 2 i 1
i N i N
i 1 i 1

El rango de, es 1< = < = 1.
Cuanto ms cerca est el valor a 1, mas lineal es el conjunto de

datos. Note que +1 indican una estimacin perfecta (los pares de
valores ( xi , yi ) caen en una lnea recta) con una inclinacin positiva,
mientras -1 indican una estimacin perfecta con una inclinacin

negativa. Un valor del coeficiente de correlacin cero indicara que
los datos se esparcen al azar y no tienen un modelo o correlacin
respecto al modelo de lnea de regresin.
Comentarios del Mtodo de los Mnimos cuadrados
El mtodo de estimacin de mnimos cuadrados es bastante bueno

para funciones que pueden ser linealizadas. (nota: la mayora de las
distribuciones usadas en el anlisis de datos de vida pueden ser
linealizadas). Para estas distribuciones, los clculos son
relativamente fciles y directos, teniendo soluciones parecidas que
pueden presentar una respuesta rpida sin tener que acudir a
tcnicas numricas o tablas. Adicionalmente, esta tcnica
proporciona una buena medida de la confianza de la estimacin de la
distribucin escogida en el coeficiente de correlacin. Generalmente
se usa mejor los mnimos cuadrados en conjuntos de datos que
contienen datos completos, es decir, datos que slo consisten en
tiempos para la falla sin censura o datos en intervalo. El captulo de
Datos y tipo de Datos detalla los diferentes tipos de datos, incluyendo
146
datos completos, censurados a la izquierda, censurados a la derecha
(o suspendidos) y datos en intervalo.
9.2.3.3 MLE (Mxima Probabilidad) Estimacin de parmetros

para datos completos.
Desde un punto de vista estadstico, el mtodo de estimacin de

mxima probabilidad es considerado, con algunas excepciones,
como el ms robusto de las tcnicas de estimacin de parmetros.
Este mtodo se presenta en esta seccin para datos completos, es
decir, datos que slo consisten en tiempo para la falla.
Teora fundamental
La idea bsica detrs del MLE es obtener valores de los parmetros
ms probables, para una distribucin dada que describan mejor los
datos.
Como un ejemplo, considere los siguientes datos (-3, 0, 4) y asuma

que est intentando estimar la media de los datos. Ahora, si tiene
que escoger el valor ms probable para la media de -5, 1 y 10, cul
escogera?. En este caso, el valor ms probable es 1 (dado lo
limitado de las opciones). Similarmente, bajo el MLE, uno determina
el valor ms probable para los parmetros de la distribucin
supuesta.
Esto se formula matemticamente como sigue:
Si x es una variable aleatoria contina con la pdf:
f ( x;1 , 2 , ...., k )
Donde 1 , 2 , ...., k son los k parmetros desconocidos que

necesitan ser estimados, con R observaciones independientes,
147
x1, x2 , ... x R que corresponde en el caso de anlisis de datos de vida
a tiempos de falla. La funcin de probabilidad esta da por:
R
L(1 , 2 , .... k x1 , x2 , ...., x R ) L f ( xi ,1 , 2 , ... k )
i 1
i = 1, 2, , R
R
ln L ln f ( xi ; 1, 2 , ...., k )
i 1
El estimador de mxima probabilidad (o valores del parmetro) de

1, 2 , ..., k son obtenidos maximizando L o .
Maximizando , que es mucho ms fcil de trabajar que con L, los

estimadores de mxima probabilidad (MLE) de 1 , 2 , ..., k son las
soluciones simultneas de las ecuaciones de k, tales que:

0, j 1,2, ..., k
j
Aunque es prctica comn trazar las soluciones de MLE usando

rangos medios (se trazan los puntos segn el rango medio y la lnea
segn las soluciones de MLE), esto no es completamente
representativo. Como puede verse de las ecuaciones anteriores, el
mtodo MLE es independiente de cualquier rango. Por esta razn, la
solucin MLE parece a menudo no rastrear los datos en el trazado de
la probabilidad. Esto es absolutamente aceptable desde que los dos
mtodos son independientes, y de ninguna manera sugiere que la
solucin est equivocada.
148
Comentarios sobre el Mtodo MLE
El mtodo MLE tiene muchas propiedades en muestras

grandes que hacen atractivo su uso. Es consistente asintticamente,
lo que significa que cuando el tamao de la muestra es ms grande,
las estimaciones convergen a los valores correctos. Es
asintticamente eficaz, lo que significa que para muestras grandes,
produce las estimaciones ms precisas. Es asintticamente
imparcial, lo que significa que para grandes muestras se espera
conseguir el valor correcto en promedio. La distribucin de las
estimaciones por si mismas es normal, si la muestra es bastante
grande, y sta es la base para el uso de los lmites confianza de la
Matriz de Fsher, discutida despus. Estas son todas las excelentes
propiedades de la muestra grandes.
Desgraciadamente, el tamao de la muestra necesaria para

lograr estas propiedades debe ser bastante grande: treinta a
cincuenta a ms de cien tiempos de falla exactos, dependiendo de la
aplicacin. Con menos puntos, los mtodos pueden desviarse mal.
Por ejemplo, es conocido que el MLE estima el parmetro de forma
para la distribucin Weibull lejos del valor correcto para tamaos de
la muestra pequeos, y el efecto puede aumentarse dependiendo de
la cantidad de datos censurados. Este prejuicio puede causar
diferencias mayores en el anlisis.
Hay tambin situaciones anmalas cuando las propiedades
asintticas del MLE no se aplican. Uno de stos es la estimacin del
parmetro de ubicacin para la distribucin Weibull de tres
parmetros cuando el parmetro de forma tiene un valor cerca de 1.
Estos problemas, tambin, pueden causar diferencias mayores.
Sin embargo, el MLE puede manejar las suspensiones y

datos del intervalo mejor que el rango de regresin, particularmente
al tratar con un conjunto de datos pesadamente censurados con
pocos tiempos de falla exactos o cuando los tiempos censurados
149
estn irregularmente distribuidos. Tambin puede proporcionar
estimaciones con una o ninguna falta observada, lo que el rango de
regresin no puede hacer.
Como una regla de aproximacin, se recomienda usar las

tcnicas de rango de regresin cuando los tamaos de la muestra
son pequeos y sin fuerte censura (la censura se discute en el
captulo Datos y tipos de datos). El mtodo MLE se prefiere cuando
est presente una censura fuerte o desigual, cuando una proporcin
alta de datos del intervalo est presente y/o cuando el tamao de la
muestra es suficiente.
150
9.3 DATOS Y TIPOS DE DATOS.
Los modelos estadsticos se basan en los datos para hacer las

predicciones. En nuestro caso, los modelos son las distribuciones
estadsticas y los datos son los tiempos de vida o datos del tiempo para
la falla del producto. La exactitud de cualquier prediccin es
directamente proporcional a la calidad, la exactitud y la integridad de los
datos proporcionados. Datos buenos, junto con la seleccin apropiada
del modelo, normalmente resulta en una buena prediccin.
[nota: Al usar el anlisis de datos de vida (as como la estadstica),

uno debe ser muy cauto al calificar los datos. Lo primero que debe
satisfacerse y que est por encima de toda asuncin es que los datos, o
la muestra, sean verdaderamente representativos de la poblacin de
inters. Ms anlisis estadstico asume que los datos son obtenidos de
la poblacin de inters, al azar. Por ejemplo, si nuestro trabajo fuera
estimar la vida media de un ser humano, esperaramos que la muestra
tenga la misma composicin que la poblacin general, es decir debe
tener un nmero igual de hombres y mujeres, un porcentaje
representativo de fumadores y personas que no fuman, etc., Si en este
caso usramos una muestra de diez fumadores masculinos, se
tergiversara el anlisis resultante y la prediccin sera inexacta. Debe
satisfacerse en todos los anlisis, que la asuncin que la muestra sea
verdaderamente representativa de la poblacin y que la prueba o las
condiciones de uso sean verdaderamente representativas de las
condiciones de uso en el campo].
Datos errneos o insuficientes, casi siempre producirn

predicciones errneas. (nota: Esto cumple completamente con el dicho:
Entra basura, sale basura).
En el anlisis de datos de vida, queremos usar todos los datos

disponibles que a veces estn incompletos o incluyen incertidumbre
acerca de cuando ocurre una falla. Para lograr esto, separamos los
151
datos de vida en dos categoras: completos (est disponible toda la
informacin) o censurados (alguna informacin no est). Este captulo
detalla los mtodos de clasificacin de datos.
9.3.1 DATOS COMPLETOS
Datos completos significa que el valor de cada unidad de la

muestra se observa o se conoce. Por ejemplo, si tuviramos que
computar el valor promedio de la nota para una muestra de diez
estudiantes, datos completos consistira en tener las notas que cada
estudiante. Igualmente en el caso de anlisis de datos de vida, el
conjunto de datos (si son completos) se compondra d& tiempo para
la falla de todas las unidades de la muestra. Por ejemplo, si
probramos cinco unidades y todas fallaron (y su tiempo de falla fue
registrado), tendramos la informacin completa acerca del tiempo de
cada falla en la muestra.
Los datos completos son mucho ms fciles de trabajar que con los
datos censurados. Por ejemplo, sera mucho ms difcil calcular el
promedio de las notas de los estudiantes si el conjunto de datos no
estuviera completo, es decir el promedio de las notas 30, 80, 60, 90,
95, tres notas mayor que 50, una menor de 70 y una nota que est
entre 60 y 80. (nota: = 70.8 para este conjunto de datos.)
9.3.2 DATOS CENSURADOS
En muchos casos cuando se analizan los datos de vida,

puede ser que todas las unidades en la muestra no hayan fallado (es
decir el evento de inters no fue observado) o no se conoce el tiempo
exacto para la falla de todas las unidades. Este tipo de datos se
llama datos censurados. Hay tres tipos de posibles esquemas de
censura, censura a la derecha (tambin llamado datos suspendidos),
cesura en el intervalo y censura a la izquierda.
152
Censura a la derecha (Suspendido)
El caso ms comn de censura es lo que se denomina

datos censurados a la derecha, o datos suspendidos. Para el caso de
datos de vida, este conjunto de datos est compuesto de unidades
que no fallaron. Por ejemplo, si probramos cinco unidades y slo
tres fallan al final de la prueba, tendramos datos suspendidos (o
datos censurados a la derecha) para las dos unidades que no
fallaron. El trmino censura a la derecha implica que el evento de
inters (es decir el tiempo para la falla) esta a la derecha del tiempo
en el que se analizan los datos. En otras palabras, si las unidades
siguieran operando, la falla ocurrir en algn momento despus del
momento en que se tomaron los datos (o a la derecha en la escala
de tiempo).
Censura en intervalo
El segundo tipo de censura normalmente se denomina

datos censurados en intervalo. Los datos con censura en intervalo
reflejan la incertidumbre acerca de los tiempos exactos en que las
unidades fallaron dentro de un intervalo. Este tipo de datos
frecuentemente viene de pruebas o situaciones dnde los objetos de
inters no se supervisan constantemente. Si estamos ejecutando una
prueba a cinco unidades y se inspeccionan cada 100 horas, slo
sabemos que una unidad fall o no fall entre las inspecciones. Ms
especficamente, si inspeccionamos una cierta unidad a 100 horas y
encontramos que est operando y luego se realiza otra inspeccin a
200 horas y encontramos que la unidad ya no est trabajando,
sabemos que la falla ocurri en el intervalo entre 100 y 200 horas. En
otras palabras, la nica informacin que tenemos es que fall en un
cierto intervalo de tiempo. Este tipo de datos tambin se denominan
datos de inspeccin.
153
Censura a la izquierda
El tercer tipo de censura es similar a la censura en intervalo

y se denomina datos censurados a la izquierda. En este tipo de
datos, el tiempo de falla slo se conoce antes de un cierto tiempo.
Por ejemplo, podemos saber que una cierta unidad falt en algn
momento antes de 100 horas pero no exactamente cuando. En otras
palabras, podra fallar entre 0 y 100 horas. Esto es idntico a los
datos censurados en intervalo, siendo cero el tiempo de inicio para el
intervalo.
9.3.3 TIPOS DE DATOS.
El software le permite usar todos los tipos de datos

anteriores en un solo conjunto de datos. En otras palabras, un
conjunto de datos puede contener datos completos, datos
censurados a la derecha, datos censurados en intervalo y datos
censurados a la izquierda. Se presenta una apreciacin global a
continuacin. Se ha tomado como ejemplo el software Weibull ++7
de Reliasoft (www.reliasoft.com.br).
Datos agrupados
Todos los tipos de datos previamente mencionados

tambin pueden ponerse en grupos. Esto simplemente es una
manera de recolectar datos con idnticas fallas o tiempos de
censura. Si se pusieran en prueba diez unidades y las primeras
cuatro unidades fallan a las 10, 20, 30 y 40 horas respectivamente, y
se termina la prueba despus de la cuarta falla, pueden agruparse
las ltimas seis unidades como un grupo de seis suspensiones a 40
horas. El software Weibull++7 le permite ingresar todos los tipos de
datos como grupos, como se muestra en la figura siguiente.
154
Dependiendo del mtodo de anlisis escogido, es decir de regresin
o de mxima probabilidad, Weibull++ trata de agrupar los datos
diferentes.
9.3.4 ANALISIS Y METODOS DE ESTIMACION DE

PARAMETROS PARA DATOS CENSURADOS.
En el captulo 1 discutimos los mtodos de estimacin de

parmetros para datos completos. En este capitulo extenderemos
ese enfoque incluyendo los mtodos de estimacin para los
diferentes tipos de censura. Los mtodos bsicos todava estn
basados en los mismos principios cubiertos en el captulo 1, pero
modificado para tener en cuenta el- hecho que algunos de los datos
son censurados. Por ejemplo, asuma que le pidieron que encontrara
la media (el promedio) de 10, 20, un valor que est entre 25 y 40,
un valor que es mayor que 30 y un valor que es menor que 50. En
este caso, el mtodo ms comn para determinar el promedio no es
aplicable y se necesitar un mtodo especial para manejar los datos
censurados en este conjunto de datos. (nota: Asumiendo una
distribucin normal y usando MLE en el software Weibull++, la
media de este conjunto de datos es 24.563).
2.2.1 Anlisis de datos censurados a la derecha

(Suspendidos).
Todos los datos disponibles deben ser considerados en el anlisis

de datos de tiempos para la falla. Esto incluye el caso cuando una
unidad particular en una muestra ha sido removida de la prueba
antes de la falla. Un artculo, o unidad que ha sido removida en una
prueba de confiabilidad antes de la falla o una unidad que est en el
campo y todava est operando en el momento en el que ser
determinada la confiabilidad de estas unidades, se llama un artculo
suspendido o censurado a la derecha o una observacin censurada a
la derecha o un punto de los datos censurados a la derecha. El
155
anlisis de los artculos suspendidos tambin sera considerado
cuando:
o Necesitamos hacer un anlisis de los resultados disponibles antes

de la realizacin de la prueba.
o Los modos de falla que estn ocurriendo son diferentes a que
aqullos se anticiparon y se retiraron de la prueba.
o Necesitamos analizar un solo modo y el conjunto de datos real
comprende modos mltiples.
o Se considera un anlisis de garanta de todas las unidades en el
campo (las que fallan y las que no fallan). Se considera que las
unidades no falladas son suspendidas (o censuradas a la
derecha).
Ploteo de probabilidad y anlisis del rango de regresin de

datos censurados -
Al usar el ploteo de probabilidad o mtodo de rango de

regresin para acomodar el hecho que las unidades en el conjunto
de datos no fallaron, o fueron suspendidos, necesitamos ajustar su
probabilidad de falla, o de no confiabilidad. Como se discutido en
el captulo 1, la estimacin de. la no confiabilidad para los datos
completos se obtiene usando el enfoque del rango medio. La
metodologa siguiente ilustra cmo se computa el rango medio
ajustado para evaluar los datos censurados a la derecha.
Para ilustrar la metodologa, considere el siguiente ejemplo,

donde se prueban cinco artculos resultando tres fallas y dos
suspensiones.
La metodologa para plotear los artculos suspendidos,

involucra ajustar las posiciones del rango y el trazado de los datos
basado en las nuevas posiciones, determinados por la ubicacin
156
de las suspensiones. Si consideramos estas cinco unidades, se
utilizar la siguiente metodologa:
El primer artculo debe ser la primera falla; por ello se le

asigna el orden de falla j = 1.
El nmero de orden real (o posicin) de la segunda falla,
F2, est en duda. Podra estar en posicin 2 o en posicin 3. S1 no
ha sido retirado de la prueba a las 9,500 horas y podra operar
exitosamente ms de 15,000 horas, poniendo as a F 2 en posicin
2. Alternativamente S1 tambin podra fallar antes de las 15,000
horas, poniendo as a F2 en posicin 3. En este caso, el nmero de
orden de la falla para F2 ser algn nmero entre 2 y 3. Para
determinar este nmero, considere lo siguiente:
Podemos encontrar el nmero de maneras que puede

ocurrir la segunda falla en cualquier orden, sea el nmero 2
(posicin 2) o el nmero 3 (posicin 3). Las posibles maneras se
listan a continuacin:
Puede verse que F2 puede estar en la segunda posicin, de

seis maneras y en la tercera posicin de dos maneras. La posicin
ms probable es el promedio de estas maneras posibles, o el
nmero de orden medio (MON), dado por:
(6 x 2) (2 x3)
F2 MON 2 2.25
62
Usando la misma lgica para la tercera falla, sta puede

localizarse en la posicin nmero 3, 4 y 5 de las posibles maneras
listadas a continuacin.
Entonces, el nmero de orden medio para la tercera falla,

F3 (artculo 5) es:
(2 x3) (3 X 4) (3x5)
MON 3 4.125
233
157
Una vez que se ha establecido el nmero de orden medio
para cada falla, obtenemos las posiciones del rango medio para
estas fallas a su nmero de orden medio. Especficamente,
obtenemos el rango medio del orden de los nmeros 1, 2.25 y
4.125 de la muestra de 5, como se dada a continuacin.
Una vez que se han obtenido los valores del rango medio,
el anlisis de la probabilidad trazada es idntico a lo presentado
anteriormente. Como podra haber notado, esta metodologa es
bastante laboriosa. Se han desarrollado otras tcnicas y atajos
para reestructurar este procedimiento. Ms detalles sobre este
mtodo, ver Kececioglu [20].
Deficiencias del Mtodo de rango ajustado
Aunque el mtodo de rango ajustado es el mtodo mas

utilizado por realizar el anlisis de artculos suspendidos, nos
gustara sealar la siguiente limitacin.
Como puede haber notado de este anlisis de artculos

suspendidos, slo se tiene en cuenta la posicin dnde ocurre la
falla, y no el tiempo exacto de la suspensin. Por ejemplo, esta
metodologa dar exactamente los mismos resultados para los dos
casos siguientes:
Esta deficiencia es significativa cuando el nmero de fallas

es pequeo y el nmero de suspensiones es grande y no estn
extendidos uniformemente entre las fallas, como estos datos. En
estos casos, se recomienda usar la estimacin de mxima
probabilidad (MLE) para estimar los parmetros en lugar de usar el
mtodo de los mnimos cuadrados, ya que la mxima probabilidad
no mira el rango ni las posiciones de ploteo, sino considera cada
tiempo para la falla o suspensin.
158
Para los datos dados sobre los resultados es como sigue:
Los parmetros estimados usando el mtodo descrito son los
mismo para ambos casos (1 y 2):
0.81
11,417 hr
Sin embargo, el resultado con el mtodo MLE para el caso 1 es:
1.33
6,900 hr
y para el caso 2 es:

0.9337
21,348 hr
Como podemos ver, hay una diferencia apreciable en los

resultados de los dos juegos calculados usando el mtodo MLE y
los resultados utilizando el mtodo de regresin. Los resultados
para ambos casos son idnticos cuando se usa la tcnica de
estimacin de regresin, ya que este mtodo considera slo las
posiciones de las suspensiones. Los resultados del mtodo MLE
son bastante diferentes para los dos casos, teniendo en el
segundo caso un valor de q ms grande, debido a los valores ms
altos de los tiempos de suspensin en el caso 2. Esto es porque la
tcnica de mxima probabilidad, a diferencia del rango de
regresin, considera los valores de las suspensiones al estimar los
parmetros. Esto se ilustra en la seccin siguiente.
159
9.4 LIMITES DE CONFIANZA.
9.4.1 QUE ES UN LIMITE DE CONFIANZA
Uno de los conceptos ms confusos para un ingeniero de

Confiabilidad principiante es estimar la precisin de una estimacin.
Este es un concepto importante en el campo de la ingeniera de
Confiabilidad, principalmente en el uso de intervalos de confianza (o
lmites). En esta seccin, intentaremos brevemente presentar el
concepto en trminos relativamente simples pero basados en un
slido sentido comn.
Las bolas negras y blancas
Para ilustrar, considere el caso dnde hay millones de

bolas negras y blancas absolutamente mezclados en una piscina de
natacin bastante grande y nuestro trabajo es estimar el porcentaje
de bolas negras. La nica manera de tener certeza completa sobre
el porcentaje exacto de bolas en la piscina es contar cada bola con
precisin y calcular el porcentaje. Sin embargo, esto tomara
demasiado tiempo y requerira excesivos recursos para ser una
opcin viable, por lo que necesitamos proponer otra manera de
estimar el porcentaje de bolas negras en la piscina. Para hacer esto,
tomaremos una muestra relativamente pequea de bolas de la
piscina y luego contamos cuntas bolas negras hay en la muestra.
Tomando una muestra pequea de bolas
Primero, escoja una muestra pequea de bolas y cuente

las negras. Suponga que Basado en esto, su estimacin escogi
diez bolas y cont cuatro bolas negras. sera que el 40% de las
bolas son negras.
160
Si vuelve a poner las diez bolas en la piscina y repite de
nuevo el proceso, podra conseguir seis bolas negras, lo que cambia
su estimacin a 60% de bolas negras. Cul de las dos es correcta?
Ambas estimaciones son correctas! Repitiendo este experimento
una y otra vez, podra averiguar que esta estimacin normalmente
est entre X1% y X2%, y puede asignar un porcentaje al nmero de
veces que su estimacin cae entre estos lmites. Por ejemplo, nota
que el 90% de veces esta estimacin est entre X1% y X2%
Tomando una muestra ms grande de bolas
Si repite ahora el experimento y escoge 1,000 bolas, podra

conseguir los resultados para e) nmero de bolas negras como 545,
570, 530, etc., para cada ensayo. El rango de las estimaciones en
este caso ser mucho mas angosto que antes. Por ejemplo, observa
que el 90% de veces, el nmero de bolas negras estarn entre Y 1%
e Y2%, dnde X1% < Y1% y X2% > Y2%, dndole as un intervalo de
estimacin ms angosto. El mismo principio es correcto para los
intervalos de confianza; a mayor tamao de la muestra, ms
estrecho sern los intervalos de confianza.
De regreso a la confiabilidad
Ahora veremos cmo este fenmeno se relaciona con la

confiabilidad. En principio, la tarea del ingeniero de confiabilidad es
determinar la probabilidad de falla, o confiabilidad de la poblacin de
unidades en cuestin. Sin embargo, uno nunca sabr el valor exacto
de la confiabilidad de la poblacin a menos que pueda obtener y
analizar los datos de falla para cada unidad de la poblacin. Desde
que esto normalmente no es una situacin realista, la tarea es
entonces estimar la confiabilidad basada en una muestra, de manera
similar a la estimacin del nmero de bolas negras en la piscina. Si
realizamos diez pruebas diferentes de confiabilidad para las
unidades y analiza los resultados, obtendremos parmetros
161
ligeramente diferentes para la distribucin cada vez, y as los
resultados de confiabilidad ligeramente diferentes. Sin embargo,
empleando lmites de confianza, obtenemos un rango dentro del cual
estn los valores ms probables de confiabilidad a un cierto
porcentaje del tiempo. Esto nos ayuda a calibrar la utilidad de los
datos y la exactitud de las estimaciones resultantes. Adems,
siempre es til recordar que cada parmetro es una estimacin del
verdadero parmetro, el cual es desconocido para nosotros. Este
rango de valores crebles se llama intervalo de confianza.
Lmites de Confianza unilaterales y bilaterales

Generalmente se describen los lmites de confianza como
unilaterales o bilaterales.
Lmites bilaterales
Cuando usamos intervalos de confianza bilaterales (o

intervalos), estamos mirando un intervalo cerrado dnde es probable
que este un cierto porcentaje de la poblacin. Es decir,
determinamos los valores, o lmites, entre los cuales esta un
porcentaje especifico de la poblacin. Por ejemplo, cuando tratamos
con lmites de confianza bilaterales al 90% de (X, Y), estamos
diciendo que el 9O% de la poblacin est entre X y Y con un 5%
menor de X y un 5% mayor que Y.
Limites unilaterales
Los lmites de confianza unilaterales son esencialmente

una versin abierta de lmites bilaterales. Un lmite unilateral define el
punto dnde un cierto porcentaje de la poblacin o es mayor o es
menor que el punto definido. Esto significa que hay dos tipos de
lmites unilaterales: superior e inferior. Un lmite unilateral superior
define un punto que un cierto porcentaje de la poblacin es menor.
162
Recprocamente, un lmite unilateral inferior define un punto que un
porcentaje especifico de la poblacin es mayor.
Por ejemplo, si X es un lmite unilateral superior al 95%,
esto implicara que el 95% de la poblacin es menor que X. Si X es
un lmite unilateral inferior al 95%, esto indicara que el 95% de la
poblacin es mayor que X.
Se debe tener cuidado al diferenciar limites de confianza

unilaterales y bilaterales, ya que estos lmites pueden asumir valores
idnticos a diferentes niveles de porcentaje. Por ejemplo, en las
figuras anteriores vemos lmites de una distribucin hipottica.
Asumiendo que es la misma distribucin en todas las figuras, vemos
que X marca el lugar debajo del 5% donde est la poblacin de la
distribucin. Similarmente, Y representa el lugar sobre el cual el 5%
de la poblacin esta. Por consiguiente, X e Y representan los lmites
bilaterales al 90%, ya que el 90% de la poblacin esta entre los dos
puntos. Sin embargo, X tambin representa el lmite de confianza
unilateral inferior a 95%, ya que el 95% de la poblacin esta bajo ese
punto; e Y representa el lmite de confianza unilateral superior al
95%, ya que el 95% de la poblacin est debajo de Y. Es importante
estar seguro del tipo de lmites con los que esta tratando,
particularmente cuando pueden desplegarse ambos lmites
unilaterales simultneamente.
163
4.5 LA DISTRIBUCION DE WEIBULL.
La distribucin Weibull es una de las distribuciones mas

utilizadas en la ingeniera de confiabilidad. Es una distribucin verstil
que puede tomar las caractersticas de otros tipos de distribuciones,
basado en el valor del parmetro de forma . Este captulo
proporciona un fundamento breve sobre la distribucin Weibull,
presenta y deriva la mayora de las ecuaciones aplicables y presenta
ejemplos que requieren clculos manuales y el uso del software
Weibull++.
4.5.1 FUNCION DE DENSIDAD PROBABILIDAD WEIBULL.
4.1.1 Distribucin Weibull de tres parmetros
La pdf de la distribucin Weibull de tres parmetros esta dada por:

T
T 1

f (T ) e

donde,
f (T ) 0, T 0 or , 0, 0,
y,
parmetro de escala,
= parmetro de forma (o de inclinacin)
Y parmetro de ubicacin
4.1.2 Distribucin Webull de dos parmetros
La pdf de la distribucin Weibull de dos parmetros se obtiene

poniendo y =0, y esta dada por:

1

T 1
f (T ) e (1)

164
4.1.3 Distribucin Webull de un parmetro
La pdf de la distribucin Weibull de un parmetro se obtiene

poniendo y =0, y asumiendo =C= constante = valor supuesto y
esta dada por:
C
1

C T C 1
f (T ) e

(2)
Dnde el nico parmetro desconocido es el parmetro de escala,
. Note que en la formulacin de la distribucin Weibull de un
parmetro, asumimos que el parmetro de forma es conocido a
priori de una experiencia anterior en productos idnticos o similares.
La ventaja de hacer esto es qu puede analizarse el conjunto de
datos con alguna o ninguna falla.
4.5.2 PROPIEDADES ESTADISTICAS DE WEIBULL.
La Media o MTTF

La media de la pdf de Weibull, T , (tambin llamada MTTF o MTBF
por algunos autores) esta da por:
_
1
T * 1

(3)
1 1
donde 1 es la funcin gamma evaluada al valor de 1 .

La funcin gamma est definida como:

(n) e x x n 1dx
0
Esta funcin esta considerada dentro de Weibull++ para calcular los
valores de (n) a cualquier valor de n.
165
Para el caso de dos parmetros, la ecuacin (3) puede reducirse a:
1
T * 1

Note que algunas personas asumen errneamente que es igual al
MTBF o MHF. Esto es verdad para el caso de =1 desde que
1
1 (2) 1 1.
1
La Mediana
La mediana, T, esta da por:
1
T (ln 2)
(4)
La Moda
La moda, ~
T, se da por:
1
~T 1 1

(5)
La Desviacin estndar
La desviacin estndar, T , est da por:
2
2 1
T * 1 1

166
Funcin Confiabilidad Weibull
La ecuacin para la funcin de densidad cumulativa Weibull
de tres parmetros, cdf, esta da por:

T

F (T ) 1 e
Recordando que la funcin de confiabilidad de una

distribucin es simplemente uno menos la cdf, la funcin confiabilidad
para la distribucin Weibull de tres parmetros esta da por:

T

R(T ) e
Funcin Confiabilidad Condicional Weibull.

La funcin confiabilidad condicional Weibull de tres
parmetros esta dada por:

T t

R(T t ) e
R(t T )
R(T )
T

e
(6)
o:

T t T

R(t T ) e
La ecuacin (6) da la confiabilidad para una nueva misin

de duracin t, despus de haber acumulado T horas de
funcionamiento hasta comenzar esta nueva misin, y las unidades se
comprueban para asegurar que empezarn la prxima misin en
buen estado. Se llama condicional porque puede calcular la
167
confiabilidad de una nueva misin basada en el hecho que la unidad
o unidades ya acumularon T horas de operacin con xito.
Vida confiable Weibull
La vida confiable, TR, de una unidad para una confiabilidad

especificada, empezando la misin a la edad cero, esta dada por:
TR * ln R(TR )
1
(7)
sta es la vida a la cual la unidad estar funcionando con

xito con una confiabilidad de R(T R). Si R(TR) = 0.50 entonces
TR Z , la vida media, o la vida a la cual la mitad de las unidades
sobrevivirn.
Funcin Tasa de Fallas Weibull

La funcin tasa de fallas Weibull N(T), esta da por:
1
f (T ) T
(T )
R(T )
4.5.3 CARACTERISTICAS DE LA DISTRIBUCION DE WEIBULL
Como se mencion previamente, la distribucin Weibull se

usa ampliamente en el anlisis de la confiabilidad y de los datos de
vida debido a su versatilidad. Dependiendo de los valores de los
parmetros, la distribucin Weibull puede usarse para modelar una
variedad de comportamientos de vida. Examinaremos cmo los
valores del parmetro de forma, , y el parmetro de escala, ,
afecta las caractersticas de la distribucin como la forma de la curva
pdf, la confiabilidad y la tasa de fallas. En el resto de este capitulo
asumiremos la forma ms general de la distribucin Weibull, es decir
la forma de tres parmetros. Se pueden hacer fcilmente las
168
sustituciones apropiadas para obtener las otras formas, como la
forma de dos parmetros, dnde Y = 0, o de la forma de un
parmetro dnde = C = constante.
4.5.3.1 EFECTOS CARACTERISTICOS DEL PARAMETRO DE

FORMA, , PARA LA DISTRIBUCION WEIBULL.
El parmetro de forma Weibull, , tambin es conocido

como la pendiente. Esto es porque el valor de es igual a la
pendiente de la lnea de regresin en un grfico de probabilidad. Los
valores diferentes del parmetro de forma pueden haber marcado
los efectos en el comportamiento de la distribucin. De hecho,
algunos valores del parmetro de forma causarn que las
ecuaciones de la distribucin se reduzcan a otras distribuciones. Por
ejemplo, cundo = 1, la pdf Weibull de tres parmetros se reduce
a la distribucin exponencial de dos parmetros o:
T

1
f (T ) e

Donde 1 / tasa de falla.
El parmetro es un nmero, es decir es adimensional.
Efecto de sobre la pdf
La figura 4-1 muestra el efecto de diferentes valores del parmetro

de forma , sobre la forma de la pdf. Puede verse que la pdf puede
asumir una variedad de formas basado en el valor de .
Para 0 1 : :
o Como T 0 (o y), f (T )
o Como T , f (T ) 0
169
o f(T) disminuye montonamente y es convexo cuando T aumenta
ms all del valor de y.
o La moda no existe.
Para 1 :
o f(T) 0 para T = 0 (o y).

o f(T) aumenta cuando T T (la moda) y disminuye despus.
o Para < 2.6 la pdf de Weibull se sesga positivamente (cola a la

derecha), para 2.6 < < 3.7 su coeficiente de asimetra se aproxima
a cero (ninguna cola). Por consiguiente, puede aproximar a la pdf
normal, y para > 3.7 se sesga negativamente (cola a la izquierda).
La manera como el valor relaciona el comportamiento

fsico de los artculos que estn siendo modelados es ms claro
cundo observamos cmo sus diferentes valores afectan a la
funciones de confiabilidad y de tasa de falla. Note que para =
0.999, f(0)= , pero para = 1.001, f(0) 0. Este cambio abrupto es lo
que complica la estimacin MLE cundo est cerca de uno.
Efecto de en la cdf y la funcin de confiabilidad
La figura 4-2 muestra el efecto del valor en la cdf, como

se manifiesta en el grafico de la probabilidad Weibull. Es fcil ver por
qu este parmetro a veces se llama pendiente. Note que los
modelos representados por las tres lneas tienen el mismo valor de
. La figura 4-3 muestra los efectos de los diversos valores de en
el grfico de confiabilidad que es una lnea anloga al grfico de la
probabilidad.
o R(T) disminuye rpida y monotonicamente para 0 1 y es
convexo.
170
o Para 1, R(T ) disminuye monotonicamente pero menos aguda
que para 0 1 y es convexo.
o Para 1, R(T ) disminuye cuando T aumenta. Como hay

desgaste, la curva pasa por un punto de inflexin y disminuye
rpidamente.
Efecto de en la funcin tasa de falla Weibull.
El valor de tiene un marcado efecto en la tasa de falla

de la distribucin Weibull y pueden realizarse inferencias sobre las
caractersticas de falla de una poblacin considerando slo si el valor
de es menor, igual, o mayor que uno.
Como se indica en la figura 4-4, poblaciones con < 1

exhiben una tasa de falla que disminuye con el tiempo, poblaciones
con = 1 tiene una tasa de falta constante (consistente con la
distribucin exponencial) y poblaciones con > 1 tiene una tasa de
falta que aumenta con el tiempo. Pueden modelarse las tres fases
de vida de la curva de la baera con la distribucin Weibull y los
diferentes valores de .
La tasa de fallas Weibull para 0 1 es ilimitada en T = 0
(o y). Luego, la tasa de falta, (T ) , disminuye monotonicamente y

es convexa, mientras se acerca al valor cero cuando
T o () 0' Este comportamiento lo hace conveniente para
representar la tasa de falta de unidades que exhiben fallas
tempranas para las cuales la tasa de falla disminuye con la edad. Al
encontrar tal comportamiento en un producto, puede ser indicativo
de la existencia de problemas en el proceso de produccin,
inadecuado burn-in, partes y componentes debajo del estndar, o
problemas con el embalaje y envo.
171
Para 1, (T ) , (T) tiene un valor constante de 1 / o:
1
(T )

Esto lo hace conveniente para representar la tasa de falta en el
periodo de vida til de las unidades.
Para 1, (T ) aumenta a medida que T aumenta y llega a ser
conveniente para representar la tasa de falta de unidades que

exhiben faltas del tipo de desgaste por uso. Para 1 2, , la curva
de (T) es cncava, por consiguiente la tasa de falta aumenta y

luego decrece a medida que T aumenta.
Para = 2 hay (T) = O a 1 consiguiente, la

una relacin lineal entre (T) y T, empezando por un valor de (T)
= 0 a T = y, y aumentando despus con una pendiente 2 / 2 . Por

tasa de faltas aumenta constantemente a medida que aumenta
T. Adems, si = 1 la pendiente llega a ser igual a 2, y

cundo y = 0, (T) se vuelve una lnea recta que pasa por el origen
con una pendiente de 2. Note que para = 2, las ecuaciones de la
distribucin Weibull se reducen a la distribucin de Rayleigh.
Cundo >2, la curva (T) es convexa, con una pendiente que

aumenta cuando aumenta T. Por consiguiente, la tasa de falta
aumenta cuando T aumenta indicando un periodo de vida de
desgaste.
172
ESCALA, , PARA LA DISTRIBUCION WEIBULL.
Un cambio en el parmetro de escala tiene el mismo

efecto en la distribucin como un cambio de escala de la abscisa.
Aumentando el valor de mientras se mantiene constante
tiene el efecto de estirar hacia afuera la pdf. Desde que el rea
bajo la curva de la pdf es un valor constante Igual a uno, el pico
de la curva pdf tambin disminuir con el aumento de , como se
ve en la figura 4-5.
o Si aumenta mientras y y permanecen constantes, la

distribucin se estira hacia la derecha y su altura disminuye,
mientras su forma y ubicacin permanecen constantes.
o Si disminuye mientras y y permanecen constantes, la
distribucin es empujada hacia la izquierda (es decir hacia el
origen o hacia y), y su altura aumenta.
o tiene las mismas unidades que T, como horas, kilmetros, ciclos,
actuaciones, etc.

UBICACION, , PARA LA DISTRIBUCION WEIBULL.
El parmetro de ubicacin, y, como el nombre lo implica,

localiza la distribucin a lo largo de la abscisa. Cambiar el valor de
y tiene el efecto de resbalar la funcin de distribucin a la derecha
(si y > 0) o a la izquierda (si y < 0).
o Cundo y O, la distribucin inicia a T = 0 o en el origen.

o Si y > 0, la distribucin inicia en la ubicacin y a la derecha del
origen.
o Si y < 0, la distribucin inicia en la ubicacin y a la izquierda del
origen.
173
.0 Y proporciona una estimacin del tiempo para la falla ms
temprano de tales unidades.
o El perodo de vida 0 a +y es un periodo de operacin libre de
fallas de tales unidades.
o El parmetro y puede asumir todo los valores y proporciona una
estimacin del tiempo ms temprano que una falla puede
observarse. Un y negativo puede indicar que las fallas han
ocurrido antes de comenzar la prueba, puede ser durante la
produccin, en el almacenamiento, en trnsito, durante el
chequeo previo al inicio de la misin, o antes del uso real, o y
tiene las mismas unidades que T, como horas, kilmetros,
ciclos, actuaciones, etc.
4.5.4 ESTIMACION DE LOS PARAMETROS DE WEIBULL.
Las estimaciones de los parmetros de la distribucin

Weibull pueden encontrarse grficamente va el trazado de la
probabilidad en el papel, o analticamente, o usando los mtodos
de mnimos cuadrados o de mxima probabilidad.
4.5.4.1 USO DEL TRAZADO DE PROBABILIDAD PARA

CALCULAR LOS PARAMETROS DE LA
Un mtodo para calcular los parmetros de la distribucin

Weibull es usando el trazado de la probabilidad. Para ilustrar bien
el procedimiento, considere el siguiente ejemplo de Kececioglu
[20].
Ejemplo 1
Asuma que a seis unidades idnticas se les est haciendo
una prueba de confiabilidad a la misma aplicacin y niveles de
tensin de funcionamiento. Todas estas unidades fallan durante la
prueba despus de operar el siguiente nmero de horas, T: 93,
174
34, 16, 120, 53 y 75. Estime los valores de los parmetros para la
distribucin de Weibull de dos parmetros y determine la
confiabilidad de las unidades a las 15 horas de operacin.
Solucin del Ejemplo 1

Los pasos por determinar los parmetros de la pdf Weibull
que representa los datos, usando el trazado de probabilidad, se
indican en las siguientes instrucciones. Primero, coloque el tiempo
para la falla en orden ascendente como se muestra a
continuacin.
Obtenga las posiciones del rango medio. Las posiciones

del rango medio se usan en lugar de otros mtodos de
clasificacin jerrquica porque el rango medio est en un nivel de
confianza especfico (50%). Pueden encontrarse los rangos
medios tabulados en muchos libros de confiabilidad. Tambin
pueden estimarse usando la siguiente ecuacin:
i 0.3
MR% * 100
N 0.4
Donde i es el nmero de orden de la falla y N es el tamao

del total de la muestra.
El rango medio exacto se encuentra utilizando el software
Weibull++ resolviendo para MR.
kN (MR) k (1 MR) N k
N
0.50 50%
k i
Dnde N es el tamao de la muestra e i el nmero de

orden.
Los tiempos para la falla, con sus correspondientes rangos
medios, se me muestran a continuacin.
175
En un papel de probabilidad Weibull, trace los tiempos y
sus correspondientes rangos medios. Una muestra de un papel
de probabilidad Weibull se da en la figura 4-7 y el grfico de los
datos del ejemplo en la figura 4 8.
Dibuje la mejor lnea recta posible a travs de estos puntos,

como se muestra debajo, entonces obtenga la pendiente de esta
lnea dibujando una lnea paralela, a travs del indicador de
pendiente. Este valor es la estimacin del parmetro de forma ,
en este caso 1.4.
Al punto de la ordenada Q(t) = 63.2w/o, dibuje una lnea

recta horizontal hasta que corte la lnea recta trazada. Dibuje una
lnea vertical a travs de esta interseccin hasta que cruce la
abscisa. El valor de la interseccin en la abscisa es la estimacin
de . Para este caso, = 76 horas. (Esto siempre es correcto al
632% ya que:

Q(T ) 1 e 1 e 1 0.632 63.2%)
Ahora puede obtenerse cualquier valor de confiabilidad

durante cualquier tiempo de la misin t. Por ejemplo, puede
obtenerse ahora la confiabilidad para una misin de 15 horas, o
cualquier otro tiempo, del grfico o analticamente.
Para obtener el valor a partir del grfico, dibuje una lnea

vertical desde la abscisa, a t = 15 horas, a la lnea de datos.
Dibuje una lnea horizontal desde la interseccin a la ordenada y
lea Q(t), en este caso Q(t) = 9.8%. As, R(t) 1 - Q(t) 90.2%.
176
Esto tambin puede obtenerse analticamente de la funcin
confiabilidad Weibull ya que las estimaciones de los dos
parmetros es conocida o:
15 15 1.4

R(t 15) e e 76
90.2%
Trazado de la probabilidad para el parmetro de ubicacin y
El tercer parmetro de la distribucin Weibull se utiliza

cuando los datos no caen en una lnea recta, pero caen en una
curva cncava hacia arriba o hacia abajo. Pueden hacerse las
siguientes precisiones con respecto al valor de y:
Caso 1: Si la curva para MR vs T1 es cncava hacia abajo

y la curva para MR vs (T j - T1) es cncava hacia arriba, entonces
existe un y tal que 0 <y < T1, o y tiene un valor positivo.
Caso 2: Si las curvas para MR vs Tj y MR vs (Tj - T1) son

ambos cncavos hacia arriba, entonces existe un y negativo qu
endereza la curva de MR vs T.
Caso 3: Si ninguno de los dos casos anteriores sucede,

entonces se rechaza la pdf Weibull como una funcin capaz de
representar los datos, o se procede con el anlisis de poblacin
mltiple (Weibull mixta).
Para obtener el parmetro de ubicacin y:
o Restar el mismo valor arbitrario y, de todos los tiempos de falla y

vuelva a trazar el grfico.
o Si la curva inicial es cncava hacia arriba, reste un y negativo a
cada tiempo de falla.
o Si la curva inicial es cncava hacia abajo, restar un y positivo a
cada tiempo de falla.
177
o Repita hasta que los datos ploteados estn en una lnea recta
aceptable.
o El valor de y es el valor del substractor (positivo o negativo) que
pone los puntos en una lnea recta aceptable.
Los otros dos parmetros se obtienen usando las tcnicas

descritas. Tambin, es importante notar que usamos el trmino
restar un valor y positivo o negativo dnde restar un valor y
negativo es equivalente a sumarIo. Note que cundo se ajuste por
y, a escala del eje x para la lnea recta se vuelve (T -y).
Ejemplo 2
Asuma que se estn realizando un test de prueba de
confiabilidad de seis unidades idnticas bajo las mismas
tensiones y condiciones. Todas las unidades se prueban hasta la
falla y se han registrado los siguientes tiempos de falla: 48, 66, 85,
107, 125 y 152 horas. Encuentre los parmetros de la distribucin
Weibull de tres parmetros usando el mtodo de ploteo de la
probabilidad.
Solucin del ejemplo 2
La figura 4.9 muestra los resultados. Note que el conjunto

de datos original era cncava hacia abajo, por lo que se rest
17.26 a todos los tiempo de falla y se volvi a dibujar, resultando
una lnea recta, as y =17.26.
(Se us Weibull+ + para obtener los resultados. Realizar

esto a mano, implicar/a probar con diferentes va/ores de y,
usando una metodologa de prueba y error, hasta encontrar una
lnea recta aceptable. Cuando realice el procedimiento
manualmente, no espere exactitud decimal.)
178
4.5.4.2 USO DEL RANGO DE REGRESION EN Y PARA
Utilizar el rango de regresin en Y requiere que una lnea

recta encaje matemticamente a un juego de datos tal que la
suma de los cuadrados de las desviaciones verticales de los
puntos a la lnea sea mnima. Esto es en esencia la misma
metodologa que el mtodo de trazado de la probabilidad, slo
que usamos el principio de mnimos cuadrados para determinar la
lnea a travs de los puntos.
El primer paso es convertir la funcin a una forma lineal.

Para la distribucin Weibull de dos parmetros, la cdf (la funcin
de densidad cumulativa) es:
T

F (T ) 1 e
(8)
Tomando el logaritmo natural de ambos lados de la ecuacin:

T
ln 1 F (T )

T
ln ln 1 F (T ) ln

o:
ln ln 1 F (T ) ln ( ) ln(T )
(9)
Luego, considere que:

y ln ln 1 F (T )
(10)
a ln( )
179
y:
b
(12)
Lo que resulta en a ecuacin lineal:
y a bx
El mtodo de mnimos cuadrados para estimar los

parmetros (tambin conocido como anlisis de regresin) se
discuti en el captulo 1 y en el anexo A se derivaron las siguientes
ecuaciones para la regresin en Y:
N N
yi xi __ __
i 1 i 1
a b y bx
N N
(13)
N N
N xi yi
xi y i i 1
N
i 1
i 1
b 2
N
xi
N
2 i 1
xi N
i 1
(14)
En este caso las ecuaciones para y e x son:

yi ln ln 1 F (Ti )
y:
xi ln (Ti )
Los F(TI) son estimados de los rangos medios.

Una vez que a y b son obtenidos, entonces se pueden obtener

fcilmente y de las ecuaciones (11) y (12).
180
El coeficiente de correlacin.
El coeficiente de correlacin est definido como sigue:
XY

X y
Dnde xy = covarianza de x e y, x = desviacin estndar de x, y
y = desviacin estndar de y.
El estimador de es el coeficiente de correlacin de la muestra,

dado por:
N _ _
( xi x) ( yi y)
i 1

N _ N _
( xi x) 2 * ( yi y) 2
i 1 i 1
(15)
Ejemplo 3
Considere los datos del ejemplo 1, dnde se probaron seis unidades

hasta la falla y se registraron los siguientes tiempos de falla: 16, 34,
53, 75, 93 y 120 horas. Estimar los parmetros y el coeficiente de
correlacin usando el rango de regresin en Y, asumiendo que los
datos siguen la distribucin Weibull de dos parmetros.

Construya la tabla como se muestra a continuacin.
_ _
b
Utilizando los valores de la tabla 4.1, calcule a y usando las
ecuaciones (13) y (14);
181
6 6 6
(ln Ti ) yi ( (ln Ti )( yi ) / 6
i 1 i 1 i 1
b 6 6
(ln Ti ) 2 ( (ln Ti ) 2 / 6
i 1 i 1
8.0699 (23 .9068 ) (3.0070 ) / 6

b
97.9909 (23 .9068 ) 2 / 6
o:

b 1.4301
y:
N N
__ __ yi ln Ti
i 1
a y b T b i 1
N N
(3.0070 ) 23.9068
a (1,4301) 6.19935
6 6
Por la consiguiente, de la ecuacin (12):

b 1.4301
y la ecuacin (11):

a (6.19935)

e b
= e 1.4301
o:

76,318 hr
El coeficiente de correlacin puede estimarse usando la ecuacin

(15):

0.9956
182
El ejemplo anterior puede resolverse utilizando software. Si desea, la
pdf de Weibull que representan estos datos puede escribirse como:

1 1

T
f (T ) e

o:
1.4302
1
0.4302
1.4302 T
f (T ) e 70317
76 .317 76 .317
4.5.4.3 USO DEL RANGO DE REGRESION EN X PARA

Realizar una regresin en X es similar al proceso que para

la regresin en Y, con la diferencia que las desviaciones horizontales
de los puntos a la lnea son los que se minimizan en lugar de la
vertical.
De nuevo, la primera tarea es convertir la funcin cdf,

ecuacin (8), en una forma lineal. Este paso es exactamente igual
que en el anlisis de la regresin en Y y las ecuaciones (9), (10), (11)
y (12) tambin se aplican en este caso. La derivacin del anlisis
anterior empieza en que los mnimos cuadrados encaje en la parte
dnde en este caso tratamos x como la variable dependiente e y
como la variable independiente.
La lnea recta que mejor contiene a los datos, para la

regresin en X (ver el captulo 1), es la lnea recta:

x a b y
(16)

b
Las ecuaciones correspondientes para a y son:
183
N N
__ __ xi y2
i 1 i 1
a x b y b
N N
Y
N N
N xi y i
xi yi i 1 i 1
N
i 1
b 2
N
yi
N
i 1
x1 N
2
i 1
donde:
yi ln ln 1 F (Ti
Y:
xi ln (Ti )
y los valores F(Ti) se obtienen de nuevo de los rangos medios.
_ _
Una vez que s obtienen a y b , resuelva la ecuacin (16) para y, la que
corresponde:

a 1
y

x
b b
Resolviendo para los parmetros de las ecuaciones (11) y (12)
conseguimos

a
a
ln( )
b
(17)
1
b

b
(18)
184
El coeficiente de correlacin se evala como antes usando la ecuacin
(15).
Ejemplo 4
Repita el Ejemplo 1 usando la regresin en x.

Tabla 4.1, construida en el ejemplo 3, tambin puede aplicarse a este
ejemplo, Usando los valores de esta tabla conseguimos:
6 6
6 ln Ti yi
(ln Ti ) yi i 1
6
i 1
i 1
b
6
yi
6
i 1
yi 6
2
i 1
8.0699 (23 .9068 ) (3.0070 ) / 6

b
7 1502 (3.0070 ) 2 / 6
o:

b 0.6931
y:
6 N
__ __ ln Ti yi
i 1
a x b y b i 1
6 6
O:
23.9068 (3.0070 )
a (0.6931 ) 4.318
6 6
Por la consiguiente, de la ecuacin (18):

1 1

1.4428
0.6931
b
185
Por consiguiente, de la ecuacin (18):
1 1

1.4428
0.6931
b
Y de la ecuacin (17)

a 1
*
4.3318
*
1
e b
e 0.6931 1.4428
760811 hr
El coeficiente de correlacin se encuentra usando la ecuacin (15):

0.9956
186

Tesis Analisis de Weibull

Cargado por

Copyright:

Formatos disponibles

Tesis Analisis de Weibull

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tesis Analisis de Weibull

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL DEL CALLAO

FACULTAD DE INGENIERIA MECANICA - ENERGIA

ANLISIS DE WEIBULL EN LA GESTIN DE

4. DESCRIPCION DETALLADA DEL PROYECTO DE

4.2 SELECCIN DE SISTEMA PARA EL ANALISIS DE WEIBULL.

4.3 SELECCIN DE FALLA PARA EL ANALISIS DE WEIBULL.

4.5 DATOS DE FALLA EQUIPOS DE ACARREO (SCOOPTRAM).

4.6 COSTOS DE FALLA EQUIPOS DE PERFORACION.

4.7 COSTOS DE FALLA EQUIPOS DE ACARREO (SCOOPTRAM).

5.2 CASO ROTURA PERNOS CILINDRO VOLTEO SCOOPTRAM.

El presente informe muestra cmo se aplica el Anlisis de Weibull

Puede confirmar que estas nuevas herramientas de Gestin en

Finalmente el beneficio entre nuestra compaa Atlas Copco

Mejorar la imagen del rea de Mantenimiento Mecnico Mina,

Dar mas confiablidad a los Equipos Trackles, eso significa que

Reduccin de costos globales de mantenimiento, normalmente

Cumplir con la disponibilidad mecnica mnima 85%, En nuestro

Cumplir con el plan de produccin, diario, mensual y anual de la

Esto significa ser lderes, debemos ser la primera opcin y la primera

A nivel empresarial debemos ser considerados como un grupo innovador

Interactuamos con nuestros clientes cuando los escuchamos y

Atlas Copco se encuentra Comprometido con su gente y clientes al

La Innovacin es el principal motor del crecimiento, es por eso que Atlas

Su sede central se ubica en Suecia, el Grupo alcanza a ms de

3.5 ORGANIZACIN MUNDIAL ATLAS COPCO.

El rea de negocio, Tcnicas de Energa Comprimida,

Las lneas de Construccin y Minera desarrolla, fabrica y

El rea de negocio: Tcnicas de Aplicaciones Industriales,

4.1.1 FLOTA EQUIPOS DE PERFORACION.

Se ha seleccionado esta flota por ser los equipos crticos de las

Despus de los equipos de perforacin, son los scooptram los que

4.2.1 ANALISIS JACK KNIFE FLOTA EQUIPOS DE

Se realiza un anlisis Jack Knife, para la flota de equipos de

Se observa el sistema de avance (0,0280; 4,78) uno de los mas

Del anlisis estadstico seleccionamos el sistema de avance por

Similar que la flota de los equipos de perforacin se realiza un

Se observa el sistema hidrulico (0,0290; 2,1667) uno de los mas

4.3 SELECCIN DE FALLA PARA EL ANALISIS DE WEIBULL.

4.3.1 EQUIPOS DE PERFORACION.

En la seccin anterior se selecciono el sistema de avance para

Dentro del sistema de avance encontramos los cables de avance

La figura #17 pertenece al cable de retorno N/P 3128 0551 02, su

4.3.2 EQUIPOS DE ACARREO (SCOOPTRAM)

En la seccin anterior se selecciono al sistema hidrulico como

CILINDRO DE DIRECCION N/P 5580 0175 99

CILINDRO DE LEVANTE N/P 5580 0175 97

CILINDRO DE VOLTEO N/P 5580 0175 98

Fig. #17 muestra el perno de sujecin de la

Esta foto muestra una falla Rotura de

4.4.1 ROTURA DE CABLES DE AVANCE

La siguiente informacin se obtiene de la base de datos Power

Para poder realizar el anlisis de Weibull, primero es necesario

Y = 1.8486 x 10.37 (1)

Primero vamos a recordar la funcin acumulativa de Weibull

Luego, considere que:

Y = 1.8486 x 10.37 (1)

A continuacin vamos a graficar la curva de confiabilidad con los

Esta tabla y grfico, nos representa la curva de confiabilidad para

4.5.1 ROTURA DE PERNOS CILINDRO VOLTEO.

C impacto produccin = (12hr)(0,5967)(40Ton/hr)*(180$/Ton)

C impacto produccin = 060,596740*180