EJERCICIOS MANTENIMIENTO CENTRADO EN CONFIABILIDAD
ESPECIALIZACION EN GERENCIA DE MANTENIMIENTO
CARLOS BENITEZ ESCOBAR
ROSTERLING DELANOYS SILGADO
JOSE KOENDERS AGUILAR.
CARLOS TORRES ORTIZ
MODULO:
MANTENIMIENTO CENTRADO EN CONFIABILIDAD
CARTAGENA DE INDIAS D. T. Y C.
MARZO 29 DE 2019
1. Two hundred identical products are being reliability tested for 40 hours with the
following results: ten fail just before completing 10 hours of satisfactory operation,
five fail 20 hours, two at 30 hours, and three at 40 hours.
What is the reliability estimate of this product for a mission of 40 hours?
10 + 5 + 2 + 3
𝑅(𝑡 = 40ℎ𝑟) = 1 −
200
𝑅 (𝑡 = 40ℎ𝑟) = 0.90 ó 90%
What is the reliability estimate for the end of each failure period from time
zero if the failed units are not replaced?
for period from 0 – 10 hr:
10
𝑅 (𝑡 = 10ℎ𝑟) = 1 −
200
𝑅(𝑡 = 10ℎ𝑟) = 0.95 ó 95%
for period from 0 – 20 hr:
10 + 5
𝑅 (𝑡 = 20ℎ𝑟) = 1 −
200
𝑅(𝑡 = 20ℎ𝑟) = 0.925 ó 92.5%
for period from 0 – 30 hr:
10 + 5 + 2
𝑅 (𝑡 = 30ℎ𝑟) = 1 −
200
𝑅(𝑡 = 30ℎ𝑟) = 0.915 ó 91.5%
for period from 0 – 40 hr:
10 + 5 + 2 + 3
𝑅(𝑡 = 40ℎ𝑟) = 1 −
200
𝑅 (𝑡 = 40ℎ𝑟) = 0.90 ó 90%
What is the reliability estimate for each failure period if the failed units are
not replaced, i.e., for 0 to 10, 10 to 20, 20 to 30, and 30 to 40 hours?
for period from 0 – 10 hr:
10
𝑅 (𝑡 = 0 − 10ℎ𝑟) = 1 −
200
𝑅(𝑡 = 10ℎ𝑟) = 0.95 ó 95%
for period from 10 – 20 hr:
5
𝑅(𝑡 = 10 − 20ℎ𝑟) = 1 −
200
𝑅 (𝑡 = 10 − 20ℎ𝑟) = 0.975 ó 97.5%
for period from 20 – 30 hr:
2
𝑅(𝑡 = 10 − 20ℎ𝑟) = 1 −
200
𝑅 (𝑡 = 10 − 20ℎ𝑟) = 0.99 ó 99%
for period from 30 – 40 hr:
3
𝑅(𝑡 = 30 − 40ℎ𝑟) = 1 −
200
𝑅 (𝑡 = 30 − 40ℎ𝑟) = 0.985 ó 98.5%
2. Determine the reliability involved in the following news items that appeared in a
newspaper:
A nuclear submarine successfully launched a rocket 1.500 miles down the
Atlantic test range to chalk up the 43rd success in the last 45 firings.
43
𝑅(𝑡) = = 0.9555 = 95.55%
45
More than 10,000 of a specific solid fuel rocket motor were operated by the
Air force, the Navy, and the Army with 9.998 successes.
9.998
𝑅 (𝑡) = = 0.9998 = 99.98%
10.000
3. If the useful life failure rate of a unit is 2 failures per million hours of operation, what
is the reliability for the following mission times?
𝑡 = 0.5ℎ𝑟
𝑅 (𝑡) = 𝑒 −𝜆∗𝑡
𝑅(𝑡) = 𝑒 −(2∗0.5)
𝑅 (𝑡) = 0.36
𝑡 = 5ℎ𝑟
𝑅 (𝑡) = 𝑒 −(2∗5)
𝑅 (𝑡) = 0.00004539
𝑡 = 10ℎ𝑟
𝑅 (𝑡) = 𝑒 −(2∗10)
𝑅 (𝑡) = 0.0000000021
4.
a. What is the actual useful life failure rate of a variable capacitor whose
generic failure rate is 0.163𝑓𝑟/106 ℎ𝑟, its operating temperature is 40°𝐶, the
operating to rated voltage ratio is 0.9, and the operation stress factor is 8.
𝜆𝑎𝑐𝑡𝑢𝑎𝑙 = 𝜆𝑔𝑒𝑛𝑒𝑟𝑖𝑐 ∗ 𝐾𝑎𝑝 ∗ 𝐾𝑜𝑝
𝐾𝑎𝑝 = 𝐴𝑝𝑙𝑖𝑐𝑎𝑡𝑖𝑜𝑛 𝑠𝑡𝑟𝑒𝑠𝑠 𝑓𝑎𝑐𝑡𝑜𝑟 = 1.5
𝐾𝑜𝑝 = 𝑂𝑝𝑒𝑟𝑎𝑡𝑖𝑜𝑛 𝑠𝑡𝑟𝑒𝑠𝑠 𝑓𝑎𝑐𝑡𝑜𝑟 = 8
𝜆𝑔𝑒𝑛𝑒𝑟𝑖𝑐 = 0.163𝑓𝑟/106 ℎ𝑟
𝜆𝑎𝑐𝑡𝑢𝑎𝑙 = 0.163 × 10−6 ℎ𝑟 × 1.5 × 8
𝜆𝑎𝑐𝑡𝑢𝑎𝑙 = 1.956𝑓𝑟/106 ℎ𝑟
𝑲𝒂𝒑 Se obtiene de la Figura 3.12, página 120 del libro Reliability engineering
handbook vol 1.
b. What is the reliability of such capacitors for a mission of two hours in
generic environment?
𝑅 (𝑡) = 𝑒 −𝜆𝑎𝑐𝑡𝑢𝑎𝑙 ∗𝑡
−6
𝑅 (𝑡) = 𝑒 −(1.956×10 ∗2)
𝑅 (𝑡) = 0.999996088
c. What is the reliability for a mission of two hours while functioning under the
actual application and operation environments?
𝑅 (𝑡) = 𝑒 −𝜆𝑎𝑐𝑡𝑢𝑎𝑙 ∗𝑡
−6
𝑅 (𝑡) = 𝑒 −(0.163×10 ∗2)
𝑅 (𝑡) = 0.999999674
d. What is the actual reliability for a mission of two hours if the operating to
rated voltage ratio is changed to 0.5?
𝐾𝑎𝑝 = 0.33
𝐾𝑜𝑝 = 8
𝜆𝑔𝑒𝑛𝑒𝑟𝑖𝑐 = 0.163𝑓𝑟/106 ℎ𝑟
𝜆𝑎𝑐𝑡𝑢𝑎𝑙 = 0.163 × 10−6 ℎ𝑟 × 0.33 × 8
𝜆𝑎𝑐𝑡𝑢𝑎𝑙 = 0.4303𝑓𝑟/106 ℎ𝑟
𝑲𝒂𝒑 Se obtiene de la Figura 3.12, página 120 del libro Reliability engineering handbook vol 1.
- Calculating reliability
𝑅 (𝑡) = 𝑒 −𝜆𝑎𝑐𝑡𝑢𝑎𝑙 ∗𝑡
−6
𝑅 (𝑡) = 𝑒 −(0.4303×10 ∗2)
𝑅 (𝑡) = 0.9999991394
5. TTF de 84 componentes en múltiplos de 100 horas.
Los siguientes datos en horas fueron tomados de tiempo para fallar de 84
componentes similares. Utilizar la distribución de Weibull y encontrar Beta, Eta,
F(t) y R(t) para 2 ejercicios: hacer ejercicio primero con los datos de falla de 12
componentes señalados y luego un segundo ejercicio, con los datos de falla de los
84 componentes todos, incluyendo los 12.
Comparar para cada ejercicio el Comparar Eta con el TTF (Time To Failure)
puntual, la característica de falla de acuerdo con el Beta dado y explicar las
diferencias con ambos resultados del ejercicio de 12 fallas y el ejercicio con 84
fallas. Dar recomendaciones con base en resultados de ambos ejercicios y que
estrategia propondría para la prevención y/o mitigación de las fallas de estos
componentes.
Puede utilizar un software de apoyo. Dar soporte y referencia de la herramienta
utilizada.
43300 44100 44000 44600 44600 44500 44400 43300 44200 43600 43800 44000 44400
43500 44700 44100 43100 43300 43200 43900 43400 43700 43800 43600 43900 42800
42700 44000 43600 42800 44200 43100 42700 43400 44100 43700 43200 43600 44200
44200 43900 43400 44000 44700 43700 43500 43000 43400 43500 43200 44500 43000
43100 43500 43200 44400 44100 43700 45100 43700 43300 43800 43500 44600 44200
43700 43600 42700 44000 43000 43600 42700 43800 42700 43300 43900 43500 43100
a. Para 12 componentes:
Los parametros de forma β, y de escala η, se obtienen utilizando como herramienta de
Calculo Minitab 181 ® de la siguiente manera:
Fig.1 cálculo de parametros de forma β, y de escala η para los 12 componentes.
1
Minitab es un programa de computadora diseñado para ejecutar funciones estadísticas básicas y
avanzadas.
Fig.2 caracteristicas de la Distribución para los 12 componentes.
Fig. 3 Grafica de probabilidad para tiempos de falla para los 12 componentes.
Gráfica de distribución
Weibull; Forma=88,1664; Escala=43945,3; Valor umbral=0
0,0008
0,0007
0,0006
0,0005
Densidad
0,0004
0,0003
0,0002
0,0001
0,0000
41000 42000 43000 44000 45000
X
Fig. 4 Grafica de distribución de Weibull para los tiempos de falla para los 12 componentes.
ANALISIS: A continuación, calculamos F(t) y R(t), teniendo en cuenta como referencia el
último tiempo de falla del ejercicio, t = 43600
12 datos
0,499148906
R(t) 0,60704709 60,7%
F(t) 0,39295291 39,3%
b. Para 78 componentes:
Los parametros de forma β, y de escala η, se obtienen utilizando como herramienta de
Calculo Minitab 18 ® de la siguiente manera:
Fig.5 cálculo de parametros de forma β, y de escala η para los 78 componentes.
Fig.6 caracteristicas de la Distribución para los 78 componentes.
Fig. 7 Grafica de probabilidad para tiempos de falla de los 78 componentes.
Gráfica de distribución
Weibull; Forma=80,0468; Escala=43953,5; Valor umbral=0
0,0007
0,0006
0,0005
Densidad
0,0004
0,0003
0,0002
0,0001
0,0000
41000 42000 43000 44000 45000
X
Fig. 8 Grafica de distribución de Weibull para los tiempos de falla para los 78 componentes.
ANALISIS: A continuación, calculamos F(t) y R(t), teniendo en cuenta como referencia el
último tiempo de falla del ejercicio, t = 43100
78 datos
0,208333599
R(t) 0,81193613 81,2%
F(t) 0,18806387 18,8%
En conclusiones de los datos obtenidos de los análisis, podemos deducir lo siguiente:
Se observa que con MTTF el tiempo de los componentes sería menor por ende el
costo de mantenimiento en tiempo y mano de obra sería superior, por lo que
realizar la rutina y plan basado en Weibull sería más recomendable. De Igual
manera se propone que las rutinas de mantenimiento se hagan de carácter
preventivo ya que el histórico de datos y análisis Weibull nos permite observar o
predecir cuándo fallaran los componentes.
Comparando la información obtenida con 12 y 78 datos se observa que con mayor
información del proceso se obtiene una mayor confiabilidad del proceso a lo largo
del tiempo, lo que podemos evidenciar con los valores obtenidos de R(t) para
ambos casos, 60% y 80% respectivamente.
Teniendo en cuenta que el valor de Beta fue mayor a uno en ambos casos y
teniendo en cuenta lo que se expone en los conceptos de RCM se infiere que el
equipo se encuentra en el cuadrante de fallas dadas por desgaste de su vida útil.
Al comparar el Beta dado para la situación de los 12 datos (88,16) y los 78 datos
de falla (80,04) es posible determinar que para el caso uno al obtener un Beta
mayor la fiabilidad del sistema se reduce y aumenta la probabilidad de falla. Esto
puede darse debido a la confiabilidad de los datos ya que al tener más datos de
comportamiento de los componentes es posible aplicar herramientas de
mantenimiento con un mayor impacto en la funcionalidad del sistema.
Fig. 9. Curva de la bañera.
6. Los siguientes datos en horas fueron tomados de tiempo para fallar de un equipo
durante un periodo dado. Utilizar distribución de Weibull y encontrar Beta, Eta, F(t)
y R(t). Comparar Eta con el MTTF (Mean Time To Failure) puntual.
¿Para el Beta dado cual es la característica de falla de este equipo y como lo
mitigaría?
1 95
2 680
3 1190
4 1340
5 1420
6 1610
7 1690
8 1780
9 1910
10 2300
Los parametros de forma β, y de escala η, se obtienen utilizando como
herramienta de Calculo Minitab 18 ® de la siguiente manera:
Fig.10 cálculo de parametros de forma β, y de escala η
Fig.11 caracteristicas de la Distribución.
Fig. 12 Grafica de probabilidad para tiempos de falla.
Gráfica de distribución
Weibull; Forma=2,25797; Escala=1547,3; Valor umbral=0
0,0006
0,0005
0,0004
Densidad
0,0003
0,0002
0,0001
0,0000
0 1000 2000 3000 4000
X
Fig. 13 Grafica de distribución de Weibull para los tiempos de falla dados.
A continuación, calculamos F(t) y R(t), teniendo en cuenta como referencia la media del
tiempo de falla del ejercicio, t = 1401,5
Datos
2,446527049
R(t) 0,44916192 44,9%
F(t) 0,55083808 55,1%
Análisis.
Dado que para este ejercicio se obtuvo un factor de forma β = 2,25797, se puede
inferir lo siguiente:
- El equipo tiene una probabilidad de falla por desgaste en el tiempo de operación y
una rentabilidad baja según el R(t) obtenido de 44,9%.
- De acuerdo al analisis se puede corroborar que cuando el β > 1 el MTTF es mayor
al η.
Fig. 14. Curva de la bañera.
