Sistemas Inteligentes de Mantenimiento

Memoria de Ejercicios: RAMS

Guillermo Rodríguez Domínguez

Equation Chapter 1 Section 1

Dpto. Organización Industrial y Gestión de

Empresas I
Escuela Técnica Superior de Ingeniería
Universidad de Sevilla
Sevilla, 2023

1
1 Índice de Contenido
Ejercicio 1 2
Ejercicio 2 2
Ejercicio 3 3
Ejercicio 4 4
Ejercicio 5 4
Ejercicio 6 5
Ejercicio 7 5
Ejercicio 8 6
Ejercicio 9 6
Ejercicio 10 7
Ejercicio 11 8
Ejercicio 12 9
Ejercicio 13 9
Ejercicio 14 10
Ejercicio 15 10
Ejercicio 16 12
Ejercicio 17 13
Ejercicio 18 14
Ejercicio 19 15
Ejercicio 20 16
Ejercicio 21 17
Ejercicio 1
Se tiene una variable aleatoria discreta X con la siguiente función de probabilidad:

X 1 2 3 4 5 6

f(X) 1/6 1/6 1/6 1/6 1/6 1/6

• P(X=4) = 1/6
• P(X<4) = ½
• P(X<=4) = 4/6 = 2/3
• P(X>4) = 2/6 = 1/3
• F(4) = P(X<=4) = 2/3

Ejercicio 2
Se tiene una variable aleatoria discreta X con la siguiente función de probabilidad:

X 1 2 3 4 5 6

f(X) 1/6 1/6 1/6 1/6 1/6 1/6

La media o valor esperado de la distribución se calcula con la siguiente expresión:

𝑛

µ(X) = ∑(𝑋𝑖 ∗ 𝑓(𝑋𝑖 ))

𝑖=1
1
µ(X) = ∗ (1 + 2 + 3 + 4 + 5 + 6) = 3,5
6
La desviación típica de la distribución se calcula con la siguiente expresión:
σ(X) = √(σ(X))2
Siendo la varianza determinada por la siguiente expresión:
𝑛

σ = ∑(𝑋𝑖2 ∗ 𝑓(𝑋𝑖 )) − µ(X)2

2

𝑖=1
1
σ2 = [ ∗ (12 + 22 + 32 + 42 + 52 + 62 )] − (3,5)2 = 2,9167
6
La desviación típica resulta:

σ(X) = √σ2 = √2,9167 = 1,71

2
Ejercicio 3

Según los valores que toma la variable aleatoria discreta, la probabilidad de que un número sea menor que 50
será de la unidad.
F(50) = P(x < 50) = 𝑁45,50 = 1
El segmento con mayor probabilidad de ocurrencia es el comprendido entre los valores 35 y 39, puesto que la
función de densidad de probabilidad toma el máximo valor para dicho intervalo.
𝑀𝑎𝑥 (𝑓𝑖 ) = 𝑓35,40 = 10
La probabilidad de ocurrencia de este segmento se muestra a través de la frecuencia relativa:
𝑛35,40 = 0,25
Expresado porcentualmente será:
𝑛35,40 = 25 %
La media o valor esperado de la distribución se calcula mediante la siguiente expresión:
∑𝑛𝑖=1(𝑋𝑖 ) 1219
µ(X) = = = 30,48
𝑛 40
La desviación típica de la distribución se calcula mediante la siguiente expresión:
σ(X) = √(σ(X))2
Siendo la varianza determinada por la siguiente expresión:
∑𝑛𝑖=1(𝑋𝑖 − µ(X))2 4779,975
σ2 = = = 119,5
𝑛 40

La desviación típica resulta:

σ(X) = √σ2 = √119,5 = 10,93

3
Ejercicio 4

Intervalo fi Fi ni Ni
[50, 60) 8 8 0,12 0,12
[60, 70) 10 18 0,15 0,28
[70, 80) 16 34 0,25 0,52
[80, 90) 14 48 0,22 0,74
[90, 100) 10 58 0,15 0,89
[100, 110) 5 63 0,08 0,97
[110, 120) 2 65 0,03 1,00

Ejercicio 5
• Función de densidad de probabilidad:
2 2
f(x) = ∗ ℮−3∗𝑥
3
• Función de distribución:
2
F(x) = 1 − ℮−3∗𝑥
• Esperanza de X:
1 1 3
E(x) = = = = 1,5
𝜆 2 2
3
• Varianza de X:
1 1 9
σ(x)2 = 2
= 2 = = 2,25
𝜆 2 4
(3)

• Desviación típica de X:

4
 9
σ(x) = √σ(x)2 = √ = 1,5
4

Ejercicio 6
• Función de distribución:
𝑥 𝑥
1 1 1 1
F(x) = ∫ ( ∗ ℮−2∗𝑥 ) = |−℮−2∗𝑥 | = 1 − ℮−2∗𝑥
−∞ 2 −∞

• Probabilidad de que X esté entre 1 y 2:

1 1 1
P(1 ≤ x ≤ 2) = F(2) − F(1) = −℮−2∗2 − (−℮−2∗1 ) = ℮−2 − ℮−1 = 0.24

• Esperanza de X:
1 1
E(x) = = =2
𝜆 1
2
• Varianza de X:
1 1
σ(x)2 = = =4
𝜆2
1 2
( )
2
• Desviación típica de X:

σ(x) = √σ(x)2 = √4 = 2

Ejercicio 7
• Función de densidad de probabilidad:
3 3
f(x) = ∗ ℮−4∗𝑥
4
• Función de distribución:
3
F(x) = 1 − ℮−4∗𝑥
• Probabilidad de que X esté entre 1 y 2:
1 1 3 3 1 3 9
P ( ≤ x ≤ 3) = F(3) − F ( ) = −℮−4∗3 − (−℮−4∗2 ) = ℮−8 − ℮−4 = 0.58
2 2
• Esperanza de X:
1 1 4
E(x) = = = = 1.33
𝜆 3 3
4
• Varianza de X:
1 1 16
σ(x)2 = 2
= 2 = = 1.78
𝜆 3 9
( )
4

5
 • Desviación típica de X:

16
σ(x) = √σ(x)2 = √ = 1.33
9

Ejercicio 8
• El valor de Lambda resulta de la expresión característica de la esperanza de esta distribución:
𝑛
E(x) =
𝜆
Donde:

n=8
E(x) = 40
𝑛 8
𝜆= = = 0.2
E(x) 40
• Función de densidad de probabilidad:
𝜆𝑛
f(x) = ∗ ℮−𝜆∗𝑥 ∗ 𝑥 𝑛−1
(𝑛 − 1)!
0.28
f(x) = ∗ ℮−0.2∗𝑥 ∗ 𝑥 8−1 = 5.079 ∗ 10−10 ∗ ℮−0.2∗𝑥 ∗ 𝑥 7
(8 − 1)!
• Varianza de X:
𝑛 8
σ(x)2 = 2
= = 200
𝜆 (0.2)2
• Desviación típica de X:

σ(x) = √σ(x)2 = √200 = 14.14

Ejercicio 9
Sea la variable aleatoria continua X, que representa el tiempo de vida de un compresor, y sabiendo que sigue
una distribución exponencial de parámetro Lambda.
X~Exp(λ)
Se conoce que la vida media de un compresor se estima en 4.5 años, es decir:
E(X) = 4.5
Entonces, el parámetro Lambda se puede calcular a través de la siguiente expresión característica de la
distribución exponencial:
1
E(x) =
𝜆
1 1
𝜆= = = 0.22
E(x) 4.5
Si se tiene un grupo de compresores iguales, de forma que cuando uno falle se active el siguiente, dicho conjunto
6
seguirá una distribución Erlang de parámetros n y Lambda. Siendo n el número de compresores iguales.
X ′ ~Erl(n, λ)
X ′ ~Erl(n, 0.22)
El promedio o esperanza de esta distribución viene dado por la siguiente expresión:
𝑛
E(x) =
𝜆
El número de compresores necesarios para que el promedio de vida del conjunto sean 25 años se calcula de la
siguiente forma:
𝑛 = E(x) ∗ 𝜆
𝑛 = 25 ∗ 0.22 = 5.5
Por tanto, se necesitarán como mínimo 6 compresores para que el tiempo medio de vida del conjunto sea superior
a 25 años.
La desviación típica del conjunto de compresores se calcula según la siguiente expresión:
σ(x) = √σ(x)2
Estando la varianza calculada por la siguiente expresión:
𝑛 6
σ(x)2 = 2
= = 121.5
𝜆 (0.22)2
La desviación típica resulta:
σ(x) = √σ(x)2 = √121.5 = 11.02 𝑎ñ𝑜𝑠

Ejercicio 10
Sea la variable aleatoria continua Xi, que representa el tiempo de vida de una bombilla, y sabiendo que sigue
una distribución exponencial de parámetro Lambda (λ = 1/3).
Xi~Exp(λ)
1
Xi~Exp ( )
3
Si se tiene un grupo de bombillas iguales, de forma que cuando una falle se encienda la siguiente, dicho conjunto
seguirá una distribución Erlang de parámetros n y Lambda. Siendo n el número de bombillas iguales.
Xi′ ~Erl(n, λ)
1
Xi′ ~Erl(n, )
3
El promedio o esperanza de esta distribución viene dado por la siguiente expresión:
𝑛
E(Xi′ ) =
𝜆
El número de bombillas necesarias para que el promedio de vida del conjunto sean 15 años se calcula de la
siguiente forma:
𝑛 = E(Xi′ ) ∗ 𝜆
1
𝑛 = 15 ∗ =5
3
Por tanto, se necesitarán como mínimo 5 bombillas para que el tiempo medio de vida del conjunto sea igual a

7
15 años.
La función de densidad de la distribución viene dada por la siguiente expresión:
𝜆𝑛
f(Xi′ ) = ∗ ℮−𝜆∗𝑥 ∗ 𝑥 𝑛−1
(𝑛 − 1)!
Sustituyendo los parámetros n y 𝜆 se obtiene la siguiente expresión:
5
1
1
f(Xi = 3
′)
∗ ℮−3∗𝑥 ∗ 𝑥 5−1
(5 − 1)!
f(Xi′ ) = 1.71 ∗ 10−4 ∗ ℮−0.33∗𝑥 ∗ 𝑥 4
La varianza del conjunto de bombillas se calcula según la siguiente expresión:
𝑛 5
σ(Xi′ )2 = = = 45
𝜆2
1 2
(3)
La desviación típica se calcula por la siguiente expresión:
σ(Xi′ ) = √σ(Xi′ )2
σ(Xi′ ) = √45 = 6.71 𝑎ñ𝑜𝑠

Ejercicio 11
Si la degradación del robot sigue un comportamiento de Weibull con β=1, la variable aleatoria que representa el
tiempo de operación hasta el fallo sigue la siguiente distribución:
Xi~Exp(λ)
Donde:
1
λ=
𝛼
Siendo 𝛼 el tiempo promedio de operación.
El tiempo promedio de operación se calcula a partir de los datos de tiempo de operación presentados, aplicando
la siguiente expresión:
𝑛
𝑇𝑂𝑖
𝛼 = TPO = ∑
𝑛º 𝑑𝑒 𝑓𝑎𝑙𝑙𝑎𝑠
𝑖=1
1+2+7+5+8+3+9+2+4+8+1
TPO = = 4.55 𝑚𝑒𝑠𝑒𝑠
11
La frecuencia de fallos vendrá determinada por el parámetro λ o la inversa de alpha:
1 1
λ= = = 0.22 𝑓𝑎𝑙𝑙𝑜𝑠/𝑚𝑒𝑠
𝛼 4.55
La probabilidad de fallo en un año se calculará mediante la expresión de la distribución acumulada de
probabilidad de fallo propia de la distribución exponencial utilizada:
F(Xi) = 1 − ℮−λ∗𝑥
F(Xi) = 1 − ℮−0.22∗𝑥
Se sustituye el valor de Xi por 12 meses y se obtiene el siguiente resultado:
F(12) = 1 − ℮−0.22∗12
F(12) = 0.93 = 93 %
8
Ejercicio 12
Si la degradación del robot sigue un comportamiento de Weibull con β=1, la variable aleatoria que representa el
tiempo de operación hasta el fallo sigue la siguiente distribución:
Xi~Exp(λ)
Donde:
1
λ=
𝛼
Siendo 𝛼 el tiempo promedio de operación.
El tiempo promedio de operación se calcula a partir de los datos de tiempo de operación presentados, aplicando
la siguiente expresión:
𝑛
𝑇𝑂𝑖
𝛼 = TPO = ∑
𝑛º 𝑑𝑒 𝑓𝑎𝑙𝑙𝑎𝑠
𝑖=1
15 + 3 + 24 + 28 + 33 + 35 + 38 + 42 + 43 + 43 + 38 + 36 + 34 +
29 + 25 + 17 + 7 +
34 + 36 + 39 + 44 + 31 + 26 + 20 + 11 + 22 + 27 + 13 + 47 + 39 +
TPO = 37 + 34 + 32 + 35 + 28 + 38 + 41 + 48 + 15 + 32 = 30.48 𝑚𝑒𝑠𝑒𝑠
11
La frecuencia de fallos vendrá determinada por el parámetro λ o la inversa de alpha:
1 1
λ= = = 0.0328 𝑓𝑎𝑙𝑙𝑜𝑠/𝑚𝑒𝑠
𝛼 30.48
La probabilidad de fallo en dos años se calculará mediante la expresión de la distribución acumulada de
probabilidad de fallo propia de la distribución exponencial utilizada:
F(Xi) = 1 − ℮−λ∗𝑥
F(Xi) = 1 − ℮−0.0328∗𝑥
Se sustituye el valor de Xi por 24 meses y se obtiene el siguiente resultado:
F(24) = 1 − ℮−0.0328∗24
F(24) = 0.54 = 54 %

Ejercicio 13
Teniendo en cuenta los datos del ejercicio 11, si se tienen varios robots, de modo que cuando uno falle se active
otro para mantener el sistema en pleno funcionamiento, el sistema seguirá una distribución de tipo Erlang con
parámetros n y λ.
Xi~Erl(n, λ)
Siendo Lambda el valor calculado para el ejercicio 11, a partir de los tiempos de operación:
1 1
λ= = = 0.22 𝑓𝑎𝑙𝑙𝑜𝑠/𝑚𝑒𝑠
𝛼 4.55
Xi~Erl(n, 0.22)
Entonces, el valor esperado o promedio de operación del conjunto se calcula mediante la siguiente expresión:

9
 𝑛
E(Xi) =
𝜆
Para que dicho valor promedio de operación del conjunto sea de un año (12 meses), el número de robots
necesarios será:
𝑛 = E(Xi) ∗ 𝜆
𝑛 = 12 ∗ 0.22 = 2.67
𝑛=3
Por tanto, se necesitan 3 robots iguales para que el promedio de operación del conjunto alcance el valor deseado.

Ejercicio 14
Teniendo en cuenta los datos del ejercicio 12, si se tienen varios robots, de modo que cuando uno falle se active
otro para mantener el sistema en pleno funcionamiento, el sistema seguirá una distribución de tipo Erlang con
parámetros n y λ.
Xi~Erl(n, λ)
Siendo Lambda el valor calculado para el ejercicio 12, a partir de los tiempos de operación:
1 1
λ= = = 0.0328 𝑓𝑎𝑙𝑙𝑜𝑠/𝑚𝑒𝑠
𝛼 30.48
Xi~Erl(n, 0.0328)
Entonces, el valor esperado o promedio de operación del conjunto se calcula mediante la siguiente expresión:
𝑛
E(Xi) =
𝜆
Para que dicho valor promedio de operación del conjunto sea de diez años (120 meses), el número de robots
necesarios será:
𝑛 = E(Xi) ∗ 𝜆
𝑛 = 120 ∗ 0.0328 = 3.94
𝑛=4
Por tanto, se necesitan 4 robots iguales para que el promedio de operación del conjunto alcance el valor deseado.

Ejercicio 15
Para el registro histórico de fallos dado, y utilizando una distribución de Weibull simplificada mediante la
aplicación del NHPP, los parámetros Alpha y Beta se calculan de la siguiente forma:
𝑇𝑛
𝛼
̂𝑛 = 1
𝑛𝛽
𝑛
̂𝑛 =
𝛽
𝑇
∑𝑛𝑖=1 ln ( 𝑛 )
𝑇𝑖
Donde n es el número total de eventos y 𝑇𝑛 es el tiempo acumulado total.
𝑛

𝑇𝑛 = ∑ 𝑇𝑖
𝑖=1

10
Según los datos de histórico de fallos, se calculan n y 𝑇𝑛 .
𝑛 = 22 𝑒𝑣𝑒𝑛𝑡𝑜𝑠
𝑛

𝑇𝑛 = ∑ 𝑇𝑖 = 94 𝑚𝑒𝑠𝑒𝑠
𝑖=1
Se calcula también el sumatorio contenido en el denominador del parámetro Beta:
𝑛
𝑇𝑛
∑ ln ( ) = 23.75
𝑇𝑖
𝑖=1

Por lo tanto, los parámetros característicos de la distribución serán:

22
̂𝑛 =
𝛽 = 0.9264
23.75
94
𝛼
̂𝑛 = 1 = 3.3426
22 0.9264

Para calcular la probabilidad de fallo para un tiempo de 2 meses se utiliza la función de distribución acumulada
de probabilidad de fallo típica de Weibull:
Xi 𝛽
(− )
F(Xi) = 1 − ℮ 𝛼
Sustituyendo los valores calculados queda de la siguiente forma:
0.9264
2
(− )
F(2) = 1 − ℮ 3.3426

F(2) = 0.537
F(2) = 53.7 %
La probabilidad de que no falle en un tiempo de 2 meses será la función inversa a la distribución acumulada
calculada anteriormente.
Xi 𝛽
(− )
R(Xi) = ℮ 𝛼
0.9264
2
(− )
R(2) = ℮ 3.3426

R(2) = 0.463
R(2) = 46.3 %
El tiempo promedio de operación viene determinado por la siguiente expresión:
1
TPO = 𝛼 ∗ 𝐺𝑎𝑚𝑚𝑎 [(1 + ( ))]
𝛽
1
TPO = 3.3426 ∗ 𝐺𝑎𝑚𝑚𝑎 [(1 + ( ))]
0.9264
TPO = 3.3426 ∗ 𝐺𝑎𝑚𝑚𝑎 [2]
TPO = 3.3426 ∗ (1)!
TPO = 3.3426 ∗ 1
TPO = 𝛼
̂𝑛 = 3.34 𝑚𝑒𝑠𝑒𝑠
Para la frecuencia óptima de mantenimiento se puede adoptar la política de realizar la inspección planificada
antes del TPO. Por lo tanto, la frecuencia óptima sería cada 3.34 meses de operación.

11
Ejercicio 16
Para el registro histórico de fallos dado, y utilizando una distribución de Weibull simplificada mediante la
aplicación del NHPP, los parámetros Alpha y Beta se calculan de la siguiente forma:
𝑇𝑛
𝛼
̂𝑛 = 1
𝑛𝛽
𝑛
̂𝑛 =
𝛽
𝑇
∑𝑛𝑖=1 ln ( 𝑛 )
𝑇𝑖
Donde n es el número total de eventos y 𝑇𝑛 es el tiempo acumulado total.
𝑛

𝑇𝑛 = ∑ 𝑇𝑖
𝑖=1

Según los datos de histórico de fallos, se calculan n y 𝑇𝑛 .

𝑛 = 10 𝑒𝑣𝑒𝑛𝑡𝑜𝑠
𝑛

𝑇𝑛 = ∑ 𝑇𝑖 = 53 𝑚𝑒𝑠𝑒𝑠
𝑖=1

Se calcula también el sumatorio contenido en el denominador del parámetro Beta:

𝑛
𝑇𝑛
∑ ln ( ) = 8.7598
𝑇𝑖
𝑖=1

Por lo tanto, los parámetros característicos de la distribución serán:

10
̂𝑛 =
𝛽 = 1.14158
8.7598
53
𝛼̂𝑛 = 1 = 7.05173
10 1.14158

Para calcular la probabilidad de fallo para un tiempo de 3 meses se utiliza la función de distribución acumulada
de probabilidad de fallo típica de Weibull:
Xi 𝛽
(− )
F(Xi) = 1 − ℮ 𝛼

Sustituyendo los valores calculados queda de la siguiente forma:

1.14158
3
(− )
F(3) = 1 − ℮ 7.05173

F(3) = 0.314
F(3) = 31.4 %
La probabilidad de que no falle en un tiempo de 3 meses será la función inversa a la distribución acumulada
calculada anteriormente.
Xi 𝛽
(− )
R(Xi) = ℮ 𝛼
1.14158
3
(− )
R(3) = ℮ 7.05173

R(3) = 0.686
R(3) = 68.6 %
El tiempo promedio de operación viene determinado por la siguiente expresión:

12
 1
TPO = 𝛼 ∗ 𝐺𝑎𝑚𝑚𝑎 [(1 + ( ))]
𝛽
1
TPO = 7.05173 ∗ 𝐺𝑎𝑚𝑚𝑎 [(1 + ( ))]
1.14158
TPO = 7.05173 ∗ 𝐺𝑎𝑚𝑚𝑎 [2]
TPO = 7.05173 ∗ (1)!
TPO = 7.05173 ∗ 1
TPO = 𝛼
̂𝑛 = 7.05 𝑚𝑒𝑠𝑒𝑠
Para obtener el tiempo promedio de reparación se realizan de nuevo los cálculos de una distribución Weibull
simplificada para la colección de datos de tiempos de reparaciones disponibles.
𝑛 = 10 𝑒𝑣𝑒𝑛𝑡𝑜𝑠
𝑛

𝑇𝑛 = ∑ 𝑇𝑖 = 92 ℎ𝑜𝑟𝑎𝑠
𝑖=1

Se calcula también el sumatorio contenido en el denominador del parámetro Beta:

𝑛
𝑇𝑛
∑ ln ( ) = 7.3931
𝑇𝑖
𝑖=1
Por lo tanto, los parámetros característicos de la distribución serán:
10
̂𝑛 =
𝛽 = 1.352619
7.3931
92
𝛼
̂𝑛 = 1 = 16.768
10 1.352619

Una vez calculado el valor de Alpha, y conociendo el valor de Beta, podemos calcular el TPR:
TPR = 𝛼
̂𝑛 = 16.77 ℎ𝑜𝑟𝑎𝑠
Para la frecuencia óptima de mantenimiento se puede adoptar la política de realizar la inspección planificada
antes del TPO. Por lo tanto, la frecuencia óptima sería cada 7.05 meses de operación.

Ejercicio 17
El modo 1 de funcionamiento se representa mediante la siguiente figura:

13
El modo 2 de funcionamiento se representa mediante la siguiente figura:

Ejercicio 18
En primer lugar, se calcula la tasa de fallo de cada uno de los subsistemas, y el tiempo de inactividad:
• Subsistema Molino:
λ𝑒𝑞𝑢𝑖_𝑚𝑜𝑙𝑖𝑛𝑜 = 𝜆𝐶𝑖𝑙𝑖𝑛𝑑𝑟𝑜 + 𝜆𝑐𝑜𝑛𝑗_𝑝𝑖ñ𝑜𝑛
λ𝑒𝑞𝑢𝑖_𝑚𝑜𝑙𝑖𝑛𝑜 = 50 + 30 = 80 fallos/Mh
1000000 1000000
∗4+ 30 ∗ 3 8000 + 100000
𝑀𝐷𝑇 = 50 = = 15428 ℎ = 1.54%
4+3 4+3
• Subsistema Cinta:
λ𝑐𝑖𝑛𝑡𝑎 = 𝜆𝑒𝑥𝑐é𝑛𝑡𝑟𝑖𝑐𝑎 + 𝜆𝑐𝑜𝑗𝑖𝑛𝑒𝑡𝑒
λ𝑐𝑖𝑛𝑡𝑎 = 65 + 45 = 110 fallos/Mh
1000000 1000000
∗5+ ∗ 8 76923.08 + 177777.777
𝑀𝐷𝑇 = 65 45 = = 19592.37 ℎ = 1.96%
5+8 13

• Subsistema Hidrociclones:
λ𝐻𝑖𝑑𝑟𝑜 = 𝜆𝑏𝑟𝑎𝑧𝑜𝑠 + 𝜆𝑚𝑜𝑡𝑜𝑟
λ𝐻𝑖𝑑𝑟𝑜 = 40 + 20 = 60 fallos/Mh
1000000 1000000
∗6+ ∗ 2 150000 + 100000
𝑀𝐷𝑇 = 40 20 = = 31250 ℎ = 3.13%
6+2 8
Con esta tasa de fallo, podemos calcular el MTBF, sabiendo que este equivale a:
1
𝑀𝑇𝐵𝐹 =
𝜆
La fiabilidad de los subsistemas se calculará con la siguiente expresión:
𝑇 𝛽
−( )
𝑅(𝑇) = 𝑒 𝑀𝑇𝐵𝐹

Se obtienen los siguientes valores de fiabilidad (para un año) para los distintos subsistemas:

14
 • Fiabilidad Molino
24∗365 0.5
−( )
𝑅(1) = 𝑒 12500 = 0.43 = 43 %
• Fiabilidad Cinta
24∗365 0.5
−( )
𝑅(1) = 𝑒 9090.91 = 0.37 = 37 %

• Fiabilidad Hidrociclones
24∗365 0.5
−( )
𝑅(1) = 𝑒 16666.67 = 0.48 = 48 %
El sistema de menor fiabilidad para el primer año será la cinta, con un 37 %. El sistema con mayor tiempo de
inactividad son los ciclones, sin embargo, estos cuentan con un 48 % de fiabilidad. Por lo tanto, será la cinta el
subsistema que puede dar más problemas durante el primer año de funcionamiento.

Ejercicio 19
En primer lugar, se calcula la tasa de fallo de cada uno de los subsistemas, y el tiempo de inactividad:

• Subsistema Molino:
λ𝑒𝑞𝑢𝑖_𝑚𝑜𝑙𝑖𝑛𝑜 = 𝜆𝐶𝑖𝑙𝑖𝑛𝑑𝑟𝑜 + 𝜆𝑐𝑜𝑛𝑗_𝑝𝑖ñ𝑜𝑛
fallos
λ𝑒𝑞𝑢𝑖𝑚𝑜𝑙𝑖𝑛𝑜 = 100 + 60 = 160
Mh
1000000 1000000
∗2+ ∗ 1.5 20000 + 25000
𝑀𝐷𝑇 = 100 60 = = 12857.14 ℎ = 1.29%
2 + 1.5 2 + 1.5
• Subsistema Cinta:
λ𝑐𝑖𝑛𝑡𝑎 = 𝜆𝑒𝑥𝑐é𝑛𝑡𝑟𝑖𝑐𝑎 + 𝜆𝑐𝑜𝑗𝑖𝑛𝑒𝑡𝑒
fallos
λ𝑐𝑖𝑛𝑡𝑎 = 65 + 45 = 110
Mh
1000000 1000000
∗4+ ∗ 3 8000 + 100000
𝑀𝐷𝑇 = 50 30 = = 15428 ℎ = 1.54%
4+3 4+3
• Subsistema Hidrociclones:
λ𝐻𝑖𝑑𝑟𝑜 = 𝜆𝑏𝑟𝑎𝑧𝑜𝑠 + 𝜆𝑚𝑜𝑡𝑜𝑟
λ𝐻𝑖𝑑𝑟𝑜 = 80 + 40 = 120 fallos/Mh
1000000 1000000
80 ∗3+ 40 ∗ 1 3750 + 25000
𝑀𝐷𝑇 = = = 7187.5 ℎ = 0.72%
3+1 4

Con esta tasa de fallo, podemos calcular el MTBF, sabiendo que este equivale a:
1
𝑀𝑇𝐵𝐹 =
𝜆
La fiabilidad de los subsistemas se calculará con la siguiente expresión:

15
 𝛽
𝑇
−( )
𝑅(𝑇) = 𝑒 𝑀𝑇𝐵𝐹

Se obtienen los siguientes valores de fiabilidad (para un año) para los distintos subsistemas:
• Fiabilidad Molino
24∗365 1
−( )
𝑅(1) = 𝑒 6250 = 0.246 = 25 %
• Fiabilidad Cinta
24∗365 1
−( )
𝑅(1) = 𝑒 9090.91 = 0.38 = 38 %

• Fiabilidad Hidrociclones
24∗365 0.5
−( )
𝑅(1) = 𝑒 8333.33 = 0.35 = 35 %
El sistema de menor fiabilidad para el primer año será el molino, con un 25 %. Por lo tanto, será dicho molino
el subsistema que puede dar más problemas durante el primer año de funcionamiento.

Ejercicio 20
Tasa de fallo del sistema:
7!
λ= ∗ (6.39 ∗ 10−6 )6 ∗ (3.5)6−1 = 1.5017397 ∗ 10−27 𝑓𝑎𝑙𝑙𝑜𝑠 𝑝𝑜𝑟 ℎ𝑜𝑟𝑎𝑠
(7 − 6)! (6 − 1)!
λ = 1.5017397 ∗ 10−21 𝑓𝑎𝑙𝑙𝑜𝑠 𝑝𝑜𝑟 𝑀ℎ
MTBF del sistema:
10000006
MTBF = 6.39 = 6.6589 ∗ 1026 ℎ𝑜𝑟𝑎𝑠
7! 6−1
∗ (3.5)
(7 − 6)! (6 − 1)!

Disponibilidad del sistema:

7!
A=1− ∗ (1 − A) 6 = 6.6589 ∗ 1026 ℎ𝑜𝑟𝑎𝑠
(6)! (7 − 6)!
Siendo A del subsistema:
1000000
A= 6.39 = 0.99
1000000
+ 3.5
6.39
7!
A=1− ∗ (1 − 0.99)6 = 0.99998 = 99.998 %
(6)! (7 − 6)!
Indisponibilidad del sistema:
UA = 1 − A = 0.00002 = 0.002 %
Tiempo promedio de indisponibilidad del sistema:
𝑀𝐷𝑇 3.5
MDT = = = 0.58 horas
𝑚 6

16
Ejercicio 21
Si cada equipo de planta tiene los datos considerados en el ejercicio anterior, todos los equipos tendrán los
siguientes parámetros:
• MTBF:
1 1
𝑀𝑇𝐵𝐹 = = = 0.1565 𝑀𝑖𝑙𝑙𝑜𝑛𝑒𝑠 𝑑𝑒 ℎ𝑜𝑟𝑎𝑠 𝑒𝑛𝑡𝑟𝑒 𝑓𝑎𝑙𝑙𝑜𝑠
𝜆 6.39
𝑀𝑇𝐵𝐹 = 156494.52 ℎ𝑜𝑟𝑎𝑠 𝑒𝑛𝑡𝑟𝑒 𝑓𝑎𝑙𝑙𝑜𝑠
• UA:
𝑀𝑇𝑇𝑅 3.5
UA = = = 0.002 %
𝑀𝑇𝐵𝐹 + 𝑀𝑇𝑇𝑅 1000000 + 3.5
6.39
• A:
A = 1 − UA = 100 − 0.002 = 99.998 %

17