ML volumen 10 6
MANTENER VIVA LA ESTRATEGIA DE MANTENIMIENTO LLAMADO DE TODAS LAS METODOLOGÍAS LOS PATRONES DE FALLO, LA EDAD Y LA FIABILIDAD ¿QUÉ HA PASADO CON EL LEGADO DE NOWLAN Y HEAP? SISTEMA DE LUBRICACIÓN AUTOMATIZADO RADAR DE MANTENIMIENTO 2018 LIBRO RECOMENDADO
MANTENER VIVA LA ESTRATEGIA DE MANTENIMIENTO
LLAMADO DE TODAS LAS METODOLOGÍAS
LOS PATRONES DE FALLO, LA EDAD Y LA FIABILIDAD
¿QUÉ HA PASADO CON EL LEGADO DE NOWLAN Y HEAP?
SISTEMA DE LUBRICACIÓN AUTOMATIZADO
RADAR DE MANTENIMIENTO 2018
LIBRO RECOMENDADO
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
necesarias para la determinación de la Probabilidad<br />
Condicional de Fallo (PCF), para cualquier valor de edad del<br />
equipo. Muestra de <strong>10</strong>0 datos con distribución exponencial<br />
de tiempos para fallar de un equipo. Demostración con el<br />
Software libre Data Analysis*.<br />
En la figura 3, se observa la curva de probabilidad de fallo, en<br />
función del tiempo de operación. Se evidencia que es<br />
siempre creciente y no constante). Cualquiera que analice sus<br />
datos de fallos y determine las probabilidades de no fallar,<br />
R(t) o de fallar, F(t), conoce de estos resultados de<br />
incremento de la probabilidad de fallo con la edad<br />
operacional.<br />
Por fuerza, si se trata de una distribución exponencial, debe<br />
corresponder al patrón E de fallos aleatorios, pero ¿Y qué ha<br />
pasado con aquella historia que algunos autores nos han<br />
contado enfáticamente que la “probabilidad de fallo” debía<br />
ser constante en este patrón E, y que no crece cuando el<br />
equipo envejece? ¿qué ha pasado con las cuatro<br />
afirmaciones iniciales de ejemplo, que sostienen la idea que<br />
el incremento de la probabilidad de fallo y la edad<br />
operacional no se relacionan en la mayoría de los casos?<br />
• “Probabilidad condicional de fallo (también referida<br />
como “local failure rate”, section 2-7, p43): como la<br />
probabilidad que un componente pueda fallar durante<br />
un particular intervalo de tiempo, dado que sobrevive el<br />
entero intervalo (ver densidad de probabilidad de fallo).”<br />
• “Densidad de Probabilidad de Fallo: es la probabilidad<br />
que un componente pueda fallar en un intervalo<br />
definido, es la diferencia entre la probabilidad de<br />
supervivencia al inicio del intervalo y la probabilidad de<br />
sobrevivir al final del intervalo (ver probabilidad<br />
condicional de fallo).”<br />
• “Probabilidad de supervivencia: probabilidad que un<br />
componente sobreviva, sin fallar, a una determinada<br />
edad operacional, bajo específicas condiciones de<br />
operación (ver curva de supervivencia).” Sería la curva<br />
de fiabilidad, R(t). Recordando que probabilidad de fallo,<br />
F(t)=1-R(t). Nota del autor.<br />
En la tabla 1, se presentan los resultados fiabilísticos<br />
resultantes del procesamiento de las muestras de tiempos<br />
hasta el fallo del motor, para seis (6) tiempos de operación.<br />
La probabilidad condicional de fallo, se obtiene del siguiente<br />
modo: si el motor comienza a trabajar de 0, tiene una<br />
fiabilidad o probabilidad de no fallar a las 200 horas igual a<br />
R(200)=<strong>10</strong>% y la densidad de fallos (FDF) para las próximas 50<br />
horas (a las 250 h) es igual a 0,0007.<br />
Si el motor sobrevive las 200 horas, tiene una probabilidad<br />
condicional de fallo (PCF) entre 200 y 250 horas, igual a<br />
0,0007/0,<strong>10</strong>. Es decir su PCF=0,0065. Resultado que se<br />
mantiene constante para el período de vida útil analizado en<br />
intervalos idénticos como se aprecia en la tabla. Esto es lo<br />
que significa mostrar una tasa de fallos constante. El lector<br />
puede notar que estos valores de probabilidad condicional de<br />
fallo (PCF) se mantienen constantes para todos los intervalos<br />
analizados. Además, si los valores obtenidos de PCF los<br />
aproximamos a dos cifras decimales, coincidirían para todos<br />
los intervalos con la tasa de fallos 0,01 aplicada para simular<br />
la distribución exponencial de probabilidad (caracterizada de<br />
una tasa de fallos constante).<br />
Figura 3. Función Probabilidad de Fallo creciente [F(t),<br />
infiabilidad]. Para datos con tasa de fallos constante y<br />
distribución exponencial. Muestra de <strong>10</strong>0 datos de tiempos<br />
para fallar de un equipo. Simulación con el Software libre<br />
Data Analysis.<br />
La probabilidad condicional de fallo (o tasa de fallos local)<br />
esta relacionada con la probabilidad de sobrevivencia<br />
(función fiabilidad) y con la función densidad de probabilidad<br />
de fallo. Y es esa la razón por la cual determinados la curva de<br />
densidad de probabilidad de fallo en el ejemplo.<br />
En el glosario del report, Nowlan y Heap definen<br />
(textualmente):<br />
Tabla 1. Resultados del análisis fiabilísticos para 6 tiempos<br />
de operación diferentes del motor de ejemplo.<br />
t FDF R(t) F(t) PCF o Tasa de<br />
Fallos Local<br />
1 50 0,0065 56% 44% 0,0065<br />
2 <strong>10</strong>0 0,0036 32% 68% 0,0065<br />
3 150 0,0021 18% 82% 0,0064<br />
4 200 0,0012 <strong>10</strong>% 90% 0,0065<br />
5 250 0,0007 6% 94% 0,0065<br />
6 300 0,0004 3% 97% 0,0065<br />
A continuación, en la figura 4, se demuestran gráficamente<br />
los resultados de comportamiento de cada función<br />
relacionada, a través de las curvas resultantes.<br />
www.mantenimientoenlatinoamerica.com<br />
13