Vista previa del material en texto
Unidad 6. Confiabilidad y gerenciamiento del Riesgo. Confiabilidad: Introducción. Concepto. Campos de aplicación. Tasa de falla y Vida media Los seis patrones de falla. Distribuciones teóricas de falla utilizadas en confiabilidad: Normal, Exponencial. Estudio y Aplicación de la Distribución Weibull: Función de distribución acumulativa FDA. Estimación de parámetros y de confiabilidad R(t). Linealización de la distribución Weibull. Concepto de Vida “B”. Construcción, empleo e interpretación de resultados del papel probabilístico Weibull. Diagrama de decisión Weibull. Herramientas de Asignación de Riesgos: Análisis de modo de fallas y sus efectos (AMFE). Ing. Mónica Paiva- Ing. Bárbara Villanueva Ing. Silvana Castillo Facultad de Ingeniería Universidad Nacional de Salta 2021 Confiabilidad Es calidad a largo plazo. Es la probabilidad de que un equipo cumpla sus funciones requeridas sin fallar, durante un período de tiempo, bajo determinadas condiciones de funcionamiento. Factores relacionados: 1. Valor numérico: probabilidad de que el producto no falle durante determinado tiempo. Para representar la tasa de falla por unidad de producto se utilizan distribuciones probabilísticas. Por ej, el valor de 0,93, significa que 93 de los 100 funcionen en un lapso determinado y 7 fallen antes de ese lapso 2. Función específica que desempeñará el producto: Son diseñados para una determinada aplicación y se espera que se desempeñen para esa función. Por ej, un montacargas levanta peso hasta llevar a su valor de diseño 3. Vida del producto: Cuanto tiempo se espera que dure. La vida de un producto se especifica en términos de uso, tiempo o de ambos. Las llantas de los autos , se espera que funcionen hasta los 36 meses o 70000 km. 4. Condiciones ambientales para las que fue diseñado. Considerar almacenamiento, transporte, etc. Por ej. Un producto destinado a interiores no sirve para exteriores, como las pinturas enzoo Resaltar enzoo Resaltar enzoo Resaltar enzoo Resaltar enzoo Máquina de escribir Cada sistema tiene patrones de falla diferentes enzoo Resaltar enzoo Resaltar enzoo Resaltar enzoo Resaltar La falla de un dispositivo o sistema aparece cuando cesa el funcionamiento satisfactorio del mismo. Es la incapacidad de un dispositivo o sistema para realizar su función dentro de los límites definidos de actuación. Clasificación de las fallas: Clasificación 1: 1. Falla catastrófica: Falla total y súbita, consecuencia de un cambio brusco en una característica operativa o parámetro. 2. Falla por degradación: producida por una degradación progresiva de algún parámetro que se desvía de las tolerancias establecidas. Clasificación 2: 1. Falla de componente: falla de cualquier dispositivo que forma parte de un sistema. 2. Falla del sistema: incapacidad de todo el sistema para realizar su función preestablecida, independientemente de que sus componentes fallen o no. Falla enzoo Resaltar enzoo Resaltar enzoo Resaltar enzoo Resaltar enzoo Resaltar enzoo Resaltar enzoo Resaltar Clasificación 3: 1. Fallas primarias o independientes: falla de uno de sus componentes cuando no se debe a la falla de otro/s componente/s. 2. Falla secundaria o dependiente: la falla de un componente es inducida por la falla de otro/s componente/s. Clasificación 4: Curva de bañera: variación de la tasa de falla en relación con el tiempo 1. Fallas infantiles: producidas por defectos iniciales. 2. Fallas aleatorias o al azar: producidas por picos que pueden afectar tanto a componentes nuevos como a usados. 3. Fallas por desgaste: componentes que han perdido resistencia a la falla por su uso. enzoo Resaltar enzoo Resaltar enzoo Resaltar enzoo Resaltar enzoo Resaltar Mortalidad Infantil Curva de bañera: Los seis patrones de falla t (t) Vida Útil Desgaste Mortalidad Infantil Curva de bañera: Los seis patrones de falla t (t) Vida Útil Desgaste Curva de bañera enzoo Llamada Se cubre con costos de garantia Una prueba de vida es un experimento que se realiza para obtener valores de la duración de vida de componentes obtenidos de una muestra aleatoria y sometidos a prueba bajo determinadas condiciones ambientales. 1. Prueba con reemplazo: Si cada componente que falla se sustituye por uno nuevo 2. Prueba sin reemplazo: Si cada componente que falla no se sustituye por uno nuevo 3. Pruebas censuradas: Si la vida media de los componentes es tan alta que no resulte práctico o que no sea económicamente posible probar todos los componentes hasta que fallen, puede concluirse la prueba antes de que las primeras r fallas hayan ocurrido, o después de transcurrido un periodo fijo (prueba censurada en el tiempo). 4. Pruebas de vida acelerada: diseñadas para investigar el efecto de diversos esfuerzos sobre un componente sometiéndolo a éstos a esfuerzos variables durante las pruebas. Pruebas de vida enzoo Resaltar enzoo Resaltar enzoo Resaltar enzoo Resaltar enzoo Resaltar enzoo Resaltar enzoo Resaltar Cada vez se concede mas importancia a la confiabilidad del producto, debido una parte a la creación de la Ley de Protección al Consumidor y por otra a que los productos son cada vez mas complejos. También es relevante la automatización, ya que actualmente si fallan es imposible operar manualmente los sistemas. Hay cuatro aspectos a tener en cuenta 1. Confiabilidad del sistema mismo: Conforme los productos se vuelven más complejos la posibilidad de que se produzca una falla aumenta. La manera que se dispongan los elementos afecta la confiabilidad del sistema o en combinaciones de ambos. Esta disposición puede hacerse en serie o en paralelo Confiabilidad del sistema enzoo Resaltar enzoo Resaltar i. Disposición en serie: La confiabilidad del sistema es el producto de las confiabilidad de cada uno de los componentes. Por ej. Rp = Ra * Rb * Rc Rp = 0.95*0.75*0.99= 0.71 Al aumentar la cantidad de componentes en serie, menor será la confiabilidad del sistema. La avería de un componentes provoca la avería de todo el sistema, y no puede seguir funcionando. Confiabilidad: Aspectos a tener en cuenta Ra RcRb enzoo Resaltar ii. Disposición en paralelo : La confiabilidad del sistema es el producto de uno menos la confiabilidad de cada uno de los componentes. Por ej. Rp = 1- (1-Ra)(1-Rb). Rp = 1- (1-0.75)(1-84)= 0.96 Redundancia: probabilidad de que falle el sistema Al aumentar la cantidad de componentes en paralelo, aumenta la confiabilidad del sistema. La avería de un componentes no provoca la avería de todo el sistema, ya que puede seguir funcionando. Los productos mas complicados están formados por combinaciones de componentes tanto en serie como en paralelo. Ra Rb Confiabilidad: Aspectos a tener en cuenta 2. Producción: El segundo aspecto mas importante es el proceso empleado en la producción. Las técnicas básicas del control de calidad permiten reducir a un mínimo el riesgo de fallas en los productos. Deberá ponerse mayor énfasis en aquellos componentes que son menos confiables 3. Transporte: Independientemente que tan bueno sea el diseño, y cuanto esmero se haya puesto en la producción, la evaluación final dependerá del desempeño de este cuando lo utilice el cliente. El producto se puede haber afectado gravemente durante el transporte, por lo que es muy importante la manera en la que se lo transporta. Aquí es relevante determinar buenas técnicas de transporte y embalaje. Se establecen procedimientos para el manejo de materiales 4. Mantenimiento: Los diseñadores se esfuerzan por eliminar la necesidad de proporcionar mantenimiento, pero a veces no es posible o no es practico. En estos casos se proporciona al cliente medios que lo pongan sobre aviso. Por ej, una luz de alerta o un timbre para informar la necesidad de lubricar un componente. Confiabilidad: Aspectos a tener en cuenta Confiabilidad, Tasade falla y Vida media El tiempo de falla T varía de un dispositivo a otro y es, por lo tanto, una variable aleatoria. T: tiempo hasta la falla de un dispositivo T [0, ) Si F(t) es la función de distribución de T y f(x) la función de densidad de fallas, tendremos: == t dxxftTptF 0 )()()( 0)0( =F , 1)( =F F(t) es la probabilidad de que el dispositivo falle antes del tiempo t. Su complemento, es decir la probabilidad de que la falla se produzca después de t es la función de Confiabilidad R(t): ==−= t dxxftTptFtR )()()(1)( 1)0( =R , 0)( =R Confiabilidad 1)0( =R , 0)( =R La tasa de falla, tasa de riesgo o probabilidad condicional de falla es la probabilidad de que el dispositivo falle en el tiempo t condicionada a no haber fallado antes de t. Es una medida de la variación de la confiabilidad en el tiempo, se expresa: )t(R )t(f )t(Z = = − t 0 dx)x(z e)t(R La vida media o tiempo medio entre falla (MTBF) se expresa de la siguiente forma: = 0 )( dttRMTBF Confiabilidad, Tasa de falla y Vida media La tasa de falla , tasa de riesgo o la probabilidad condicional de falla , es la probabilidad de que el dispositivo falle en el tiempo t, condicionada a no haber fallado antes de t. Es una medida de la variación de la confiabilidad en el tiempo Aspectos estadísticos Distribuciones teóricas utilizadas en confiabilidad, para modelar los tiempos de fallas Las distribuciones de probabilidad continua que se aplican en los estudios de confiabilidad son la Exponencial , la Normal y la Weibull. También se utilizan la Gamma y la Lognormal, con menor frecuencia En la práctica, la distribución del tiempo de falla es una distribución de frecuencia relativa de las duraciones de vida de un grupo de dispositivos que interesa estudiar. Para determinar la distribución se realizan pruebas de hipótesis en base a los datos de la muestra, se selecciona la función de densidad adecuada para modelar dichos datos. El análisis puede ser cualitativo o empleando alguna técnica cuantitativa como ser una prueba de bondad de ajuste, prueba K-S (Kolmogorov- Smirnov), etc. Curva de vida histórica Es la comparación de la tasa de fallas con respecto al tiempo, se la llama curva de la bañera. Consta de tres fases distintas: la fase de depuración , la fase de falla fortuita y la fase de desgaste Fase de depuración Fase fortuita de falla Fase de desgaste Tiempo (t) Tasa de fallas λ Fase de depuración: Conocida como fase de mortalidad infantil, se caracteriza por partes marginales y de vida corta cuya eliminación produce una rápida disminución de la tasa de fallas. Depende del producto de que se trate. Para describir como se produce las fallas por lo general se usa la distribución de Weibull con parámetro de forma β < 1. Esta fase puede formar parte de las actividades de prueba , que preceden al embarque. En otros productos, es común que esta fase, este cubierta por el periodo de garantía. Fase de falla fortuita: Se muestra como una línea horizontal, donde la tasa de fallas es constante. Las fallas se producen de manera aleatoria. Este periodo se caracteriza por ser la VIDA UTIL del producto. Se utiliza la distribución exponencial o la distribución de Weibull con parámetro de forma β = 1. Fase de desgaste: Se representa mediante un súbito aumento de la tasa de fallas. La distribución normal es la que mejor representa este periodo, también se puede representar con la distribución de Weibull con parámetro de forma β = 3.5. Es importante conocer el tipo de patrón de fallas. Ya que esto permitirá elegir el tipo adecuado de distribuciones de probabilidades para analizar y predecir la confiabilidad del producto Para que un dispositivo falle exponencialmente ha de ser insensible a la edad y al uso. Se aplica en componentes: • de vida útil muy larga, que excede la vida de servicio de los sistemas del que forman parte • que se sustituyen preventivamente antes de que llegue el desgaste. Función de densidad de probabilidad tetf −=)( , 0t , Parámetro 0 (tasa de falla) Función de distribución tetF −−= 1)( Confiabilidad tetR −=)( Tasa de falla =)(tZ Vida media o Tiempo Medio Entre Fallas 1 =MTBF = µ Se emplea para un dispositivo en plena vida útil, es decir sin fallas infantiles y todavía no afectado por el desgaste: Distribución Exponencial Aplicación de la Distribución Exponencial Estimación de sus parámetros El parámetro en la distribución exponencial es la tasa de fallas [fallas/tiempo] Su inverso, el Tiempo Medio entre fallas o vida media es lo que se estima, que dependerá del tipo de prueba a emplear. Cuando la distribución del tiempo de fallas es exponencial la tasa de fallas (probabilidad condicional de fallas) se mantiene constante en el tiempo, como se observa en la parte central de la curva de bañera y en el patrón de fallas E. Las fallas en este periodo son aleatorias. Significa que la probabilidad que falle en un periodo es la misma que tendría de fallar en cualquier otro. Es decir, su probabilidad condicional de fallas es constante. El proceso de falla NO TIENE MEMORIA, (característica de la distribución exponencial). En ningún momento el patrón de fallas E muestra un aumento significativo de la probabilidad condicional de falla, entonces no puede determinarse edad alguna para la cual pudiéramos programar un mantenimiento preventivo. enzoo Resaltar enzoo Resaltar enzoo Resaltar enzoo Resaltar Aunque no se puede predecir cuánto tiempo durará un componente que se ajuste a este patrón de fallas, es posible determinar un TMEF Esto se deduce aplicando la expresión de FDA para t = TMEF= 1/, entonces: • el punto (tiempo) en el cual el 63% de los componentes han fallado (diseño) • la probabilidad de que un componente falle en el t=TMEF es del 63% (mantenimiento). 63212.0111) 1 ( 1 1 =−=−=−= − − − eeeTp t El hecho de que estos elementos tengan un TMEF pero no una “vida útil” significa que debemos ser doblemente cuidadosos cuando hablamos de “vida” de un componente El TMEF provee una base para comparar la confiabilidad de dos componentes: • un componente con un TMEF mayor tendrá una menor probabilidad de falla en cualquier periodo dado. En el caso de elementos que se ajustan al patrón de fallas B, un componente más confiable tiene una “vida útil” mayor que uno que sea menos confiable Una forma de enfrentar las fallas al azar es disponer los componentes en redundancia. enzoo Resaltar Distribución Normal Las fallas por desgaste tienden a distribuirse alrededor de una curva de densidad acampanada. Esta distribución es un modelo razonable de ajuste a este tipo de fallas, sobre todo cuando existe un único mecanismo de desgaste, como suele ocurrir con las lámparas eléctricas. Función de densidad de probabilidad 2)( 2 1 2 1 )( − − = t etf Parámetros : media; varianza Función de distribución dxe 2 1 )t(F 2) x ( 2 1t − − − = Confiabilidad dxe 2 1 )t(R 2) x ( 2 1 t − − = Tasa de falla dxe e tz x t t 2 2 )( 2 1 )( 2 1 )( − − − − = La tasa de falla es creciente, de ahí que la normal pueda utilizarse para describir el periodo de desgaste. Aplicación de la distribución Normal Vida promedio: es la vida promedio de un componente, es lo que comúnmente se conoce como Tiempo Medio Entre Fallas (TMEF). Como observamos en el gráfico de frecuencia de fallas, el punto en que ocurre la falla no se conoce con certeza, responde a una distribución probabilística, normal o gaussiana. Vida útil: define la edad en la que aparece un rápido incremento de la probabilidad condicional de falla. Es importante distinguir vida promedio de vida útil. Se observa que la vida media es mayor que la vida útil. 27/10/2021 21 Tiempo Medio Entre FallasTMEF Vida Útil Mantenimiento Mantenimiento Preventivo Correctivo Vida Útil Cuando hablamos de mantenimiento preventivo nos referimos al reemplazo o a una reparación periódica del componente o equipo. Distribución Weibull En general, los componentes mecánicos y electromecánicos, como engranajes, cojinetes, motores, relés, disyuntores, etc. fallan predominantemente por desgaste, y pueden tener más de un mecanismo de desgaste. En este caso la densidad puede tener asimetría, siendo conveniente utilizar una distribución de Weibull en vez de una normal, debido a su flexibilidad. Función de densidad de probabilidad )(1)()( − − −−= t ettf Parámetros: parámetro de forma parámetro de escala o vida característica parámetro de localización o de origen, o periodo de garantía, o vida mínima, t , es frecuente que =0 (es decir, hay posibilidad de falla desde t=0). Función de distribución Función de distribución )( 1)( − − −= t etF Confiabilidad )( )( − − = t etR Tasa de falla 1)()( −−= ttz Para = y = el efecto de sobre la tasa de falla (curva de bañera) se puede analizar de la siguiente manera: ➢ Para z(t) es decreciente, puede utilizarse en el periodo infantil. ➢ Para = z(t) es constante e igual a 1/ y la distribución de Weibull es exactamente la exponencial con media puede utilizarse en el periodo de vida útil. ➢ Para z(t) es creciente, puede utilizarse en el periodo de desgaste. Para = la función z(t) es lineal y para = la distribución de Weibull se aproxima a la normal. RANGOS FASE DESCRIPCION CURVA 0 < B < 1 FASE I DISTRIBUCION DE FALLAS DECRECIENTE CON EL TIEMPO B = 1 FASE II DISTRIBUCION DE FALLAS EXPONENCIAL, CON TASA CONSTANTE 1 > B >= 4 1 < B < 2 FASE III DISTRIBUCION DE FALLAS CRECIENTE, CONCAVA B = 2 FASE III DISTRIBUCION DE FALLAS CONSTANTE, CONOCIDA COMO RAYLEIGH 2 < B < 3 FASE III DISTRIBUCION DE FALLAS CRECIENTE Y CONVEXA 3 = B = 4 FASE III DISTRIBUCION DE FALLAS CRECIENTE SE APROXIMA A LA DISTRIBUCION NORMAL; SIMETRICA 27/10/2021 24 27/10/2021 25 27/10/2021 26 Aplicación de la Distribución Weibull. La expresión de su FDP permite obtener áreas (probabilidad) bajo la curva. − −= ) t ( e1)t(F Ilustraremos esta expresión mediante un ejemplo: La duración en horas de una broca que se usa en una operación de fabricación tiene una distribución Weibull con parámetros =2 y =100. Calcule la probabilidad de que una broca de taladro falle antes de las 80 horas de uso. 47.0e1e1)80(F)80y(p 64.0 ) 100 80 ( 2 =−=−== − − Como observamos hemos aceptado que los datos corresponden a una distribución Weibull y que conocemos sus parámetros, o en su defecto la estimación de ellos. Estudiaremos cómo decidir si los datos se ajustan a una distribución Weibull y cómo estimar los parámetros correspondientes. La expresión de su FDA permite obtener áreas (probabilidad) bajo la curva Por ejemplo: La duración en horas de una broca que se usa en una operación de fabricación tiene una distribución Weibull, con parámetros β= 2 y ή = 100. Calcule la probabilidad de que una broca de taladro falle antes de las 80 horas de uso. La probabilidad de que falle es del 47% Como observamos hemos aceptado que los datos corresponden a una distribución de Weibull y que conocemos sus parámetros , o una estimación de ellos. La expresión de su FDP permite obtener áreas (probabilidad) bajo la curva. − −= ) t ( e1)t(F Ilustraremos esta expresión mediante un ejemplo: La duración en horas de una broca que se usa en una operación de fabricación tiene una distribución Weibull con parámetros =2 y =100. Calcule la probabilidad de que una broca de taladro falle antes de las 80 horas de uso. 47.0e1e1)80(F)80y(p 64.0 ) 100 80 ( 2 =−=−== − − Como observamos hemos aceptado que los datos corresponden a una distribución Weibull y que conocemos sus parámetros, o en su defecto la estimación de ellos. Estudiaremos cómo decidir si los datos se ajustan a una distribución Weibull y cómo estimar los parámetros correspondientes. 27/10/2021 27 Estimación de los parámetros de una distribución Weibull Estimaremos los parámetros de la distribución Weibull mediante el método de mínimos cuadrados, para ello debemos linealizar la función de distribución Weibull: La función de distribución acumulada viene dada por la siguiente expresión: − −= ) t ( e1)t(F Linealizamos la función, es decir, puesta de la forma y=0 x+ 1: −= =− =− =− lntln) )t(R 1 ln(ln t ln)t(Rlnln ) t ()t(Rln ) t ())t(F1ln( y 0 x 1 En primer lugar debemos estimar la función de confiabilidad R(t) basado en datos de prueba de vida. Esto se puede lograr registrando el número de supervivientes al final de cada unidad de tiempo i (semana, mes, año, etc.) y calculando la proporción de supervivientes en el tiempo i: n n )t(R̂ i= Donde: ni = número de supervivientes al final del i-ésimo tiempo n = Total de componentes sometidos a prueba Existen otros métodos más efectivos para estimar la confiabilidad R(t), el método de Rango Mediano y el método de Nelson, son ejemplos de ello, describiremos a continuación el primero: F(t)=rango mediano i-ésimo= (1+F(0.5;m;n).(n-i+1/i) –1 Donde: F(0.5;m;n) es la mediana de una F-Snedecor con m=2(n-i+1) y n= 2i grados de libertad, recordemos que i es el orden de la falla y n el tamaño muestral. Y R(t) el complemento de F(t) Los programas estadísticos actuales son capaces de realizar todos los cálculos anteriores. Podemos citar por ejemplo el software SPSS, Statgraphic, Minitab,etc. Una vez que se tengan graficados los puntos (x, y) asociados a las observaciones deberá hallarse la recta de regresión cuyos parámetros mejor ajusten a las observaciones. De esta manera podrán estimarse los parámetros 0 y 1 de la recta y por consiguiente estimar los parámetros que realmente nos interesa y por simple despeje. El grado de ajuste lineal puede visualizarse mediante el coeficiente de correlación . Ejemplo: Un fabricante de sellos hidráulicos realizó una prueba de vida durante la cual se sometieron éstos a una presión de fluido dos veces mayor que la presión normal a lo que se usan. Se sometieron 100 sellos a la prueba y se registró el número de supervivientes al final de cada día durante un periodo de 7 días, según se indica en la siguiente tabla: Tiempo Supervivientes 1 69 2 48 3 33 4 21 5 13 6 7 7 4 Tiempo (i) xi=lni Supervivientes R(i) [-lnR(i)] yi=ln[-lnR(i)] 1 0 69 0.69 0.37 -0.99 2 0.69 48 0.48 0.73 -0.31 3 1.10 33 0.33 1.11 0.10 4 1.39 21 0.21 1.56 0.45 5 1.61 13 0.13 2.04 0.71 6 1.79 7 0.07 2.66 0.98 7 1.95 4 0.04 3.22 1.17 y = 1,1102x - 1,051 R2 = 0,9954 -1,50 -1,00 -0,50 0,00 0,50 1,00 1,50 0 0,2 0,4 0,6 0,8 1 1,2 1,4 1,6 1,8 2 De la ecuación de la recta de regresión observamos que 0= 1.1102 y 1=-1.051, por lo tanto, podemos despejar los parámetros de una distribución Weibull: =0= 1.1102 1= - ln => 388.0ee 1102.1 051.1 0 1 === − − − También observamos de la ecuación de la línea recta el valor de coeficiente de determinación R 2 =0.9954 que nos permite concluir que es un muy buen ajuste. La transformación de los ejes aritméticos en el doble logaritmo de 1/[1-R(t)] vs. el logaritmo de los datos, en nuestro caso tiempos, permite disponer de lo que usualmente se conoce como papel probabilístico de la distribución Weibull. En primer lugar debemos estimar la función de confiabilidad R(t) basado en datos de prueba de vida. Esto se puede lograr registrando el número de supervivientes al final de cada unidad de tiempo i (semana, mes, año, etc.) y calculando la proporciónde supervivientes en el tiempo i: n n )t(R̂ i= Donde: ni = número de supervivientes al final del i-ésimo tiempo n = Total de componentes sometidos a prueba Existen otros métodos más efectivos para estimar la confiabilidad R(t), el método de Rango Mediano y el método de Nelson, son ejemplos de ello, describiremos a continuación el primero: F(t)=rango mediano i-ésimo= (1+F(0.5;m;n).(n-i+1/i) –1 Donde: F(0.5;m;n) es la mediana de una F-Snedecor con m=2(n-i+1) y n= 2i grados de libertad, recordemos que i es el orden de la falla y n el tamaño muestral. Y R(t) el complemento de F(t) Los programas estadísticos actuales son capaces de realizar todos los cálculos anteriores. Podemos citar por ejemplo el software SPSS, Statgraphic, Minitab,etc. Otros métodos para la estimación de los parámetros de una distribución Weibull Concepto de Vida B Vida B10: vida durante la cual el 10% de los componentes podrían haber fallado (diseño), o bien, tiempo para el cual existe una probabilidad de 0.1 de que el componente falle (mantenimiento). En la práctica la confiabilidad de los rodamientos se mide por la vida “B10”, esta es la vida bajo la cual un proveedor garantiza que no más del 10% de sus cojinetes fallarán bajo determinadas condiciones de carga y velocidad. De modo que si el cojinete marca Y es dos veces más confiable que el cojinete marca X, la vida B10 de la marca Y sería el doble de la marca X. Esto es útil cuando se toman decisiones para la compra de cojinetes. También se conoce como vida L10 o vida N10 Papel probabilístico de la distribución Weibull Para muestras pequeñas los valores ordenados de la vida útil se ingresan en la gráfica, conjuntamente con las probabilidades acumuladas. Para muestras grandes (más de 50 valores) se disponen los datos en intervalos de clase. Además deberá graduarse la escala de vida útil con los valores convenientes. Ejemplo: Un diseñador de interruptores realiza una prueba de vida de una muestra aleatoria de 20 interruptores, obteniéndose los siguientes resultados: Procedimiento: los datos se vuelcan en un grafico con escala logarítmica de la siguiente manera: • Fijar la escala logarítmica del eje t y de prob acum de falla • Volcar los valores de vida útil en el eje de abscisas y de probabilidad acumulada de falla porcentual en el eje de ordenadas. • Trazar la recta de regresión correspondiente a los puntos hallados. Salida de servicio N° vida util prob acumulada de falla en % 1 1,90E+05 3,1 2 3,34E+05 7,9 3 3,65E+05 12,9 4 4,20E+05 17,9 5 4,72E+05 22,7 6 5,89E+05 27,8 7 6,10E+05 32,6 8 6,62E+05 37,8 9 7,92E+05 42,5 10 8,40E+05 47,6 11 8,50E+05 52,4 12 9,00E+05 57,5 13 9,60E+05 62,2 14 1,10E+06 67,4 15 1,20E+06 72,2 16 1,24E+06 77,3 17 1,30E+06 82,1 18 1,34E+06 87,1 19 1,81E+06 92,1 20 2,06E+06 96,9 Así por ejemplo, podemos obtener de la gráfica los valores de vida B5, B10, etc. Vida B5= 2.25*105 Vida B10= 3.25*105 También podemos calcular la fracción de componentes (interruptores) que habrán fallado al cumplirse determinado tiempo (o maniobras). Por ejemplo, para determinar el porcentaje de interruptores que habrán salido de servicio después de 5*105 maniobras, ingresamos en la gráfica por el eje de vida útil (abscisas) y leemos en el eje de ordenadas el valor correspondiente a su probabilidad acumulada porcentual, en nuestro caso 22%. No hay programa de mantenimiento Programa de mantenimiento inadecuado Decisión gerencial de funcionar hasta la fallaEquipo nuevo, fase de ajustes Servicio y material bueno, equipo mal operado Servicio bueno, material malo Servicio mal hecho, sin calidad próximo a Operación fuera de las condiciones de proyecto Error en la recolección de datos Equipo con tasa de fallas constante (fallas aleatorias) No No Si Si Diagrama de decisión Weibull FACTOR DE FORMA ¿Qué es? Es un método sistemático para evitar fallas. Es aplicable en toda ocasión que se desarrollen productos complejos y se planifiquen procesos. También se adecua para hacer seguimiento de las fallas, pero la aplicación más efectiva es en la prevención. Es efectivo para producciones en serie o individuales. Aplicable en empresas de servicios y administración El AMFE o análisis del modo de fallas y sus efectos es una herramienta de análisis sistémico de procesos y productos (diseño). EL AMFE sistémico de productos estudia las relaciones funcionales del sistema en observación hasta llegar a las características constructivas de los componentes. Debe reconocer y evaluar todos los riesgos en relación con el funcionamiento del sistema. Son de importancia las condiciones de utilización y las expectativas de los clientes. Se emplea en las fases de concepción, desarrollo, diseño y ensayos. AMFE Se confecciona para: nuevos o modificados producto o parte de producto materiales, tecnologías condiciones o finalidades de utilización Requisitos especiales de seguridad El AMFE sistémico de procesos analiza las distintas operaciones para la definición del sistema bajo observación. Debe reconocer posibles influencias perturbadoras que dificulten/impidan el futuro proceso de fabricación. Se emplea en las diferentes fases: Previa a la planificación Planificación Fase de producción Permiten: ◦ Identificar modos de falla potenciales y establecer la severidad de sus efectos. ◦ Identificar características críticas y significativas. ◦ Establecer un "ranking" de las deficiencias potenciales de proceso. ◦ Ayudar al departamento correspondiente para enfocarse en la eliminación de defectos de producto y/o proceso, y ayudar a prevenir problemas antes de su ocurrencia. Finalidad: Que las fallas potenciales y los riesgos sean: ◦ Reconocidos ◦ Evaluados ◦ evitados Pasos de aplicación: Paso 1: Nombre del proceso /producto En la primera columna del formato AMFE se escribe el nombre del proceso/producto sobre el que se va a aplicar. También se incluyen todos los subconjuntos y los componentes que forman parte del proceso/ producto a analizar, desde el punto de vista del producto o del proceso que se vaya a utilizar para la fabricación. Paso 2: Operación o función La segunda columna se completa con información, que para el AMFE de proceso refleja todas las operaciones que se realizan a lo largo de la fabricación incluyendo las operaciones de aprovisionamiento, de producción, de embalaje, de almacenado y de transporte. Paso 3: Modo potencial de falla Un modo de falla significa que un elemento o sistema no satisface o no funciona de acuerdo con la especificación, o simplemente no se obtiene lo que se espera de él. La falla es una desviación o defecto de una función o especificación. Con esa definición, una falla puede no ser inmediatamente detectable por el cliente y sin embargo hemos de considerarla como tal. Paso 4: Efecto/s de la falla Suponiendo que la falla potencial ha ocurrido, en esta columna se describirán los efectos de la misma tal como lo haría el cliente. Los efectos corresponden a los síntomas. Generalmente hacen referencia al rendimiento o prestaciones del sistema. Cuando se analiza una parte o componente se tendrá también en cuenta la repercusión en todo el sistema, lo que ofrecerá una descripción más clara del efecto. Si un modo de falla tiene muchos efectos, a la hora de evaluar, se elegirá el más grave. Puntaje Denominación Concepto 1 Menor El cliente probablemente no notará la falta. 2-3 Baja El cliente probablemente notará un leve deterioro del producto o servicio 4-6 Moderado El cliente se siente incómodo o molesto por la falta. Puede causar el uso de equipos y actividades no programadas 7-8 Alta Alto grado de insatisfacción, debido a la naturaleza de la falla. Producto no operativo puede causar la interrupción del proceso o servicio. 9-10 Muy alta Se la considera así cuando afecta la seguridad o genera el incumplimiento de legislaciones vigentes. Paso 5: Severidad de la falla (S) Este índice está íntimamente relacionado con los efectos del modo de falla. El índice de severidad valora el nivel de las consecuencias sentidas por el cliente. Esta clasificación está basada únicamente en los efectos de la falla. El valor del índice crece en función de: ◦ La insatisfacción del cliente. Si se produce un gran descontento, el cliente no comprará más. ◦ La degradación de las prestaciones. La rapidez de aparición de la avería. ◦ El costo de la reparación. ◦ El índice de severidad es independiente de la frecuencia y de la detección. Para utilizar criterios comunes en la empresa ha de utilizarse una tabla de clasificación de la severidad de cada efecto de falla, Paso 6: Características críticas Siempre que la severidad sea 9 o 10, y que la frecuencia y detección sean superiores a 1, consideraremos la falla y las características que le corresponden como críticas. Estas características se identificarán con un triángulo invertido u otro signo en el documento de AMFE, en el plan de control y en el plano si le corresponde. Aunque el NPR, explicado en el paso 11, resultante sea menor que el especificado como límite, conviene actuar sobre estos modos de falla. Paso 7: Causa potencial de la falla En esta columna se reflejan todas las causas potenciales de fallas atribuibles a cada modo de falla. Para cada uno de los modos de falla se enumeran las posibles causas de la misma. Las causas relacionadas deben ser lo más concisas y completas posibles, de modo que las acciones correctivas y/o preventivas puedan ser orientadas hacia las causas pertinentes. Criterio de Ocurrencia Valor de O Muy escasa probabilidad de ocurrencia. Defecto inexistente en el pasado. 1 Escasa probabilidad de ocurrencia. Muy pocas fallas en circunstancias pasadas similares. 2-3 Moderada probabilidad de ocurrencia. Defecto aparecido ocasionalmente. 4-5 Frecuente probabilidad de ocurrencia. En circunstancias similares anteriores la falla se ha presentado con cierta frecuencia. 6-7 Elevada probabilidad de ocurrencia. La falla se ha presentado frecuentemente en el pasado. 8-9 Muy elevada probabilidad de falla. Es seguro que la falla se producirá frecuentemente. 10 Paso 8: Índice de ocurrencia (O) Ocurrencia se define como la probabilidad de que una causa específica se produzca y dé lugar al modo de falla. El índice de la ocurrencia representa más bien un valor intuitivo más que un dato estadístico matemático, a no ser que se dispongan de datos históricos de fiabilidad o se haya modelizado y previsto éstos. En esta columna se pondrá un valor del índice de ocurrencia de la causa específica. Tal y como se acaba de decir, este índice de ocurrencia está íntimamente relacionado con la causa de la falla, y consiste en calcular un número que indica la probabilidad de ocurrencia, en una escala del 1 al 10. Paso 9: Controles actuales En esta columna se reflejarán todos los controles existentes en la actualidad para detectar la falla o su efecto resultante. Paso 10: Índice de no Detección (D) Este índice indica la probabilidad de que la causa y/o modo de falla, supuestamente aparecido, llegue al cliente. Se está definiendo la "no- detección", es decir el valor de este índice crecerá a medida que el sistema de control sea menos confiable para detectar la falla o su causa. Puntaje Denominación Concepto de no detección 1 Muy baja El control casi con certeza detectará la existencia de la falla. 2-3 Baja El control tiene una buena probabilidad de detectar la existencia de la falla. 4-6 Moderado El control puede detectar la existencia de la falla. 7-8 Alta Alta probabilidad de que el control no detecte la existencia de la falla. 9-10 Muy alta Muy alta probabilidad de que el control no detecte la existencia de la falla. Paso 11: Número de Prioridad de Riesgo (NPR) El Número de Prioridad de Riesgo (NPR) o RPN en inglés, es el producto de la probabilidad de ocurrencia (O), la severidad (S), y la probabilidad (D) de no detección, y debe ser calculado para todas las causas de fallas. El NPR es usado con el fin de priorizar las causas potenciales de falla para posibles acciones correctivas. El NPR también es denominado IPR (índice de prioridad de riesgo). NPR = S x O x D Como todos los índices descriptos se evalúan en una escala de 1 a 10, el NPR tiene una escala de 1 a 1000. Esto permite establecer valores de umbral, para los cuales se considera necesario definir acciones correctivas (por ejemplo: definir acciones si el NPR supera los 200 puntos o si la severidad es 9 ó 10). Paso 12: Acción correctiva En este paso se incluye una descripción breve de la acción correctiva recomendada. Para las acciones correctivas es conveniente seguir un cierto orden de prioridad en su elección. El orden de preferencia en general será el siguiente: ◦ Cambio en el diseño del producto, servicio o proceso general. ◦ Cambio en el proceso de fabricación. ◦ Incremento del control o de la inspección. ◦ Es conveniente considerar aquellos casos cuyo índice de gravedad sea 10, aunque la valoración de la frecuencia sea subjetiva y el NPR menor de 100 o del valor considerado como límite. Paso 13: Definir responsables En esta columna se indicarán los responsables de las diferentes acciones propuestas y, si se cree conveniente, las fechas previstas de implantación de las mismas. Paso 14: Acciones implementadas En esta columna se reflejarán las acciones realmente desarrolladas que pueden, en algunos casos, no coincidir con las propuestas inicialmente recomendadas. Paso 15: Nuevo Número de Prioridad de Riesgo Como consecuencia de las acciones correctivas implementadas, los valores de la probabilidad de ocurrencia (O), la severidad (S), y/o la probabilidad de no detección (O) habrán disminuido, reduciéndose, por tanto, el Número de Prioridad de Riesgo (NPR). Si a pesar de estas acciones correctivas, no se cumplen los objetivos definidos en algunos Modos de Falla, es necesario investigar, proponer e implementar nuevas acciones correctivas, hasta conseguir que el NPR sea menor que el definido en los objetivos. Una vez conseguido que los NPR de todos los modos de falla estén por debajo del valor establecido, se da por concluido el AMFE. Bibliografía 1. Formento, H.- Bradot, N. –Chiodi, F. Equipos de Mejora continua, Guía de Consulta. Tomo 2: Conceptos básicos y metodológicos para la mejora de procesos. SAMECO. 2009 2. Hines- Montgomery. “Estadística para Ingeniería y Administración Juran, Joseph. Análisis y Planeación de la Calidad” 3. Kardec Alan, Nascif Julio, “Mantenimiento, Función estratégica”, Quality Mark, 4. Kenet, Ron S. Zacks S. “Estadística Industrial Moderna- Diseño y Control de la calidad y la confiabilidad”. Ed Thomson. 2000 5. Medina, Roberto “Confiabilidad de Equipos y Sistemas-Aplicación a la Metodología RCM II- 2005 6. Mendenhall W., Sincich T., “Probabilidad y Estadística para ingenierías y ciencias” 4ª Edición. Ed. Prentice Hall 7. Moubray, John. “RCM II, Reliability Centred Maintenance” 8. Pérez, César. “Técnicas Estadísticas con SPSS®”. 9. Santamaría, Ramiro-Braña Aísa, Análisis y reducción de riesgos en la industria química, Fundación MAPRE 10.Silvester, G. y Otros. “Confiabilidad Mantenimiento del producto” Universidad Nacional del Sur