PROBLEMAS DE TRANSPORTE 2021 Volumen 16 Número 1

PROBLEMAS DE TRANSPORTE DOI: 10.21307/tp-2021-001

Palabras clave: mantenimiento preventivo; locomotora de motor diesel;

evaluación de disponibilidad y confiabilidad

Maciej SZKODA, Grzegorz KACZOR*

Universidad Tecnológica de Cracovia
Al. Jana Pawła II 37, 31-864 Cracovia, Polonia
Robert PILCH, Maksymilian SMOLNIK
AGH Universidad de Ciencia y Tecnología
Mickiewicza 30, 30-059 Cracovia, Polonia
Zbigniew KONIECZEK Newag
S.A.
Wyspiańskiego 3, 33–300 Nowy Sącz, Polonia
*Autor para correspondencia. Correo electrónico: [email protected]

EVALUACIÓN DE LA INFLUENCIA DEL MANTENIMIENTO

PREVENTIVO EN
LOS ÍNDICES DE FIABILIDAD Y DISPONIBILIDAD DEL DIÉSEL
LOCOMOTORAS

Resumen. El artículo investiga la influencia del mantenimiento preventivo en los

índices de fiabilidad y disponibilidad de los medios de transporte ferroviarios, que
también determinan los aspectos económicos de su operación y mantenimiento. La
investigación se realizó utilizando el método basado en el análisis del árbol de fallas
(FTA) y la simulación de Monte Carlo. Los autores realizaron un análisis de causa y
efecto de la ocurrencia de eventos indeseables durante la operación de vehículos
seleccionados. Identificaron los componentes más débiles del vehículo ferroviario que
afectan el tiempo de inactividad y la disponibilidad media de manera más significativa.
Se utilizaron software especializado que incluye weibull ++, BlockSim y cálculos
asistidos por MiniTab para ilustrar la aplicación de los resultados de un proyecto de
modernización que involucra una locomotora diesel 6Dg, llevado a cabo en cooperación
con el mayor transportista ferroviario polaco. La aplicabilidad de las herramientas
propuestas se ha verificado en el ejemplo de una muestra seleccionada de 75 locomotoras
diésel empleando datos sobre su uso y mantenimiento adquiridos en el proceso de
operación real. Los resultados obtenidos indican que el enfoque propuesto puede ser
particularmente útil en la práctica a la hora de evaluar la estrategia de mantenimiento de
vehículos ferroviarios aplicada, y al desarrollar nuevas estrategias y seleccionar la mejor
para implementar.

1. INTRODUCCIÓN

El documento presenta un nuevo enfoque para evaluar la eficacia del mantenimiento preventivo de
los vehículos ferroviarios. El método aplicado se basa en el análisis del árbol de fallas (FTA), la
simulación Monte Carlo y los indicadores seleccionados relacionados con la confiabilidad y la
disponibilidad. Los cálculos necesarios se realizaron utilizando el paquete especializado ReliaSoft.
6 M. Muy mal, G. Pato, R. Pilch, M. SmolnikCon. Konieczek

Varios tipos de estrategias de mantenimiento para objetos técnicos se describen en escritos

profesionales [31]. Los dos tipos principales de mantenimiento son el mantenimiento correctivo y el
mantenimiento preventivo [24]. El mantenimiento correctivo consiste en restaurar la idoneidad de un
objeto que ha sido dañado y ponerlo de nuevo en funcionamiento. Las reparaciones realizadas solo
cuando se producen daños no están justificadas económicamente en muchas situaciones. Por lo tanto,
en el caso de objetos técnicos complejos como los vehículos ferroviarios, se aplica el mantenimiento
preventivo, que se lleva a cabo en el marco de un plan de mantenimiento establecido. Su objetivo es
garantizar una alta fiabilidad y un nivel adecuado de seguridad operativa de los vehículos, controlar el
desgaste de sus conjuntos y subconjuntos, y reducir el número de

de daños y desmantelamiento no programado, que se traducen en una menor disponibilidad técnica e

implican costes adicionales. Las estrategias más utilizadas en el mantenimiento preventivo incluyen,
entre otras: estrategia de reemplazo preventivo por edad del objeto, estrategia de reemplazo periódico
y estrategia de reemplazo grupal. Estos y muchos otros modelos se describen en detalle en los escritos
[5, 9, 12, 16, 19, 22, 35]. En el artículo [9] los autores enfatizan que para adoptar la estrategia de
mantenimiento óptima, es necesario conocer diversas características del medio de transporte, como el
tiempo de falla (TTF), el tiempo de renovación (TTR), los costos esperados de falla y los costos
esperados de mantenimiento preventivo y reparaciones preventivas.
Como parte del estudio de los escritos, se analizaron en detalle las publicaciones sobre la
construcción de estrategias de mantenimiento de vehículos ferroviarios. El documento [28] presenta
un método para establecer el plan de mantenimiento óptimo destinado a minimizar los costos totales
de mantenimiento y el alcance de las actividades de mantenimiento. La solución se puede aplicar a
vehículos, infraestructura y sistemas de control de tráfico ferroviario. El documento [34] demuestra
que los cambios en el plan de mantenimiento de un vehículo ferroviario pueden consistir en reducir la
frecuencia de las inspecciones individuales y las reparaciones periódicas, es decir, ampliar la duración
de los intervalos entre ellas. La publicación [6] presenta el problema de optimizar el sistema de
mantenimiento de elementos de tranvía seleccionados teniendo en cuenta el riesgo que conlleva. Los
costes de hacer frente al riesgo y los valores de reducción de riesgos logrados como resultado de
evitar daños a los elementos del objeto se han asumido como componentes de la función objetivo. Los
documentos [1, 2] enfatizan que la seguridad debe ser el factor más importante que se debe tener en
cuenta al elegir una estrategia de mantenimiento para vehículos ferroviarios. A su vez, en el artículo
[33], utilizando tres tipos de indicadores de rendimiento relacionados con la confiabilidad, la
disponibilidad y los costos de mantenimiento, los autores describen un método para cambiar los
tiempos de reparación de vehículos ferroviarios. El método se ha implementado para reducir los
costos de mantenimiento del material rodante para el transportista holandés. Los autores apuntan a la
identificación adecuada de los subconjuntos que afectan a la estrategia de mantenimiento. A su vez, el
documento [11] señala que ya en el momento de la implementación de una estrategia de
mantenimiento, existe una tendencia hacia un aumento en el kilometraje entre actividades de
mantenimiento particulares. Los documentos [21, 37], como parte de los criterios para seleccionar la
estrategia de mantenimiento adecuada, el coste del ciclo de vida (LCC) y el índice de disponibilidad
técnica se tienen en cuenta al determinar los intervalos de mantenimiento para los conjuntos y
subconjuntos de un vehículo ferroviario. Sobre la base de los proyectos de investigación y desarrollo
realizados en el Instituto de Vehículos Ferroviarios de la Universidad Tecnológica de Cracovia en
2006-2019, la proporción de los costos de indisponibilidad en el LCC de las locomotoras diesel
durante el período de operación de 25 años alcanza solo hasta el 13,2% dependiendo del tipo de
vehículo y la participación en los costos de mantenimiento aproximadamente el 25-40% de los costos
totales dependiendo del tipo y las condiciones de operación del vehículo [30, 32].
La disponibilidad técnica es un indicador particularmente importante que permite estimar el
impacto de las diferentes estrategias de mantenimiento en el tiempo de inactividad total de los
vehículos ferroviarios. Estos vehículos son estructuras complejas, con diferentes elementos en
términos de fiabilidad. Por lo tanto, la evaluación del impacto de la estrategia de mantenimiento
elegida en la disponibilidad técnica requiere una presentación correcta de la estructura de
Evaluación de la influencia del mantenimiento preventivo en la fiabilidad... 7.

confiabilidad, por ejemplo, mediante el método FTA, seguido de una simulación de operación y
mantenimiento durante un tiempo preestablecido. Esta simulación debería permitir probar el
comportamiento del TTF y el TTR. El método de simulación de Monte Carlo se propone a menudo en
los escritos, como una herramienta de cálculo aplicada de acuerdo con un árbol de fallas complejo.
Hay pocos artículos centrados en las aplicaciones prácticas de la simulación FTA y Monte Carlo para
los vehículos ferroviarios [4, 7, 15, 26, 36]. El TLC se ha aplicado ampliamente como método de
evaluación cuantitativa y cualitativa de la fiabilidad de los vehículos ferroviarios. En el trabajo [36]
los autores desarrollaron un modelo de árbol de fallas para el accidente de fuga de locomotoras,
ocurrido en el ferrocarril local en China. También propusieron las contramedidas de seguridad
correspondientes para evitar tales accidentes en el futuro. La simulación Monte Carlo es un método
valioso comúnmente utilizado en la solución de diversos problemas de ingeniería [14, 38]. El uso de
la simulación por computadora, en particular la simulación de Montecarlo, para analizar la
confiabilidad de sistemas complejos es descrito por muchas investigaciones, por ejemplo, en artículos
de Kaczor y colegas [8, 13, 15, 18]. El análisis de los datos operativos se puede realizar utilizando la
distribución de Weibull de dos o tres parámetros, lo que permite tener en cuenta escenarios de
operación complejos. La literatura proporciona numerosos ejemplos de la aplicación del método de
Monte Carlo para aprender las propiedades deterministas y aleatorias de la realidad que se
experimenta [3]. Recientemente, este método se ha utilizado cada vez más en el análisis de la
disponibilidad de sistemas técnicos complejos. Por ejemplo, los autores del trabajo [10] propusieron
un método de análisis de disponibilidad para un sistema reparable complicado. Consideraron cinco
estados de cada componente y mostraron una aplicación práctica del método presentado. Młynarski et
al. [17] presentaron la posibilidad de evaluar la fiabilidad de sistemas complejos utilizando la
descomposición estructural multietapa del sistema. El documento [23], por otro lado, contiene un
método para lograr los niveles requeridos de confiabilidad y preparación de los sistemas mediante el
uso de la restauración preventiva de elementos.
El objetivo de este trabajo es evaluar el impacto del proceso de mantenimiento preventivo en la
fiabilidad y disponibilidad de una locomotora diésel 6Dg utilizando los índices de fiabilidad y
disponibilidad seleccionados. El análisis se realizó sobre la base de los datos obtenidos durante el
funcionamiento real de una muestra dada de locomotoras. Los resultados obtenidos mostraron la
escala de los costos de indisponibilidad, que se ven limitados por la introducción de la estrategia de
mantenimiento preventivo. La tarea fundamental en la minimización de costos de indisponibilidad es
identificar los componentes más débiles de la locomotora, que son de la mayor contribución a su
tiempo de inactividad total.

2. CARACTERÍSTICA DEL OBJETO DE INVESTIGACIÓN – LOCOMOTORA DIÉSEL 6Dg

En 2007 NEWAG S.A. realizó la modernización del prototipo del motor diésel 6D, que se ha
utilizado en Polonia durante más de 40 años. 6D es la serie más común de locomotoras en Polonia (en
diciembre de 2012 había 1013 vehículos de este tipo). El trabajo principal de la locomotora es
maniobrar maniobras en patios de joroba. En 2009, después de una prueba de dos años del vehículo
prototipo, la primera locomotora modernizada fue entregada a PKP Cargo S.A., el mayor transportista
ferroviario polaco. Después de la modernización, la locomotora recibió el símbolo 6Dg (Fig. 1a). El
alcance de la modernización incluyó la sustitución del motor diésel a8C22 utilizado hasta entonces
por un nuevo motor diésel Caterpillar C27 de 12 cilindros de 653 kW de potencia (desde 2010 de 708
kW de potencia), cumpliendo con la norma de emisiones de escape según la Directiva 2004/26/WE.
Los parámetros técnicos seleccionados de la locomotora 6Dg se muestran en la Fig. 1b, y su
descripción detallada se da en [32].

a) b)
8 M. Muy mal, G. Pato, R. Pilch, M. SmolnikCon. Konieczek

Parámetro Valor

1 Sistema de ejes Bo-Bo

2 Ancho de vía 1435 [milímetro]
3 Tipo de transmisión AC/DC eléctrico
4 Longitud con búferes 14240 [milímetro]
5 Ancho 3170 [milímetro]
6 Distancia desde la cabecera del ferrocarril 4323 [milímetro]
7 Masa de locomotora en servicio 70 000 [kg]
Capacidad del tanque de combustible
8 2350 [dm3]
9 Potencia efectiva 708 kW Etapa IIIB
10 Rotación nominal/inactiva en funcionamiento 1800 [rpm]
11 Número de cilindros en el sistema V 12
Consumo de combustible al ralentí
12 4,5 [dm3/h]
13 Consumo unitario de combustible 200 [g/kWh]
Cilindrada del motor diésel
14 27 [dm3]
15 Fuerza de tracción en la puesta en marcha 219 [kN]
16
Velocidad máxima 85 [km/h]

Figura 1. a) Locomotora 6Dg, b) Parámetros seleccionados de la locomotora 6Dg

2.1. Características del proceso de mantenimiento

El plan de mantenimiento de una locomotora diésel SM42 6Dg presentado en el cuadro 2 se define
en los registros del sistema de mantenimiento NS/6Dg-B1/2806/14, aprobados por el Presidente de la
Oficina de Transporte Ferroviario mediante la decisión DBK-WUP.443. 229.2015.Akr de 29 de julio
de 2015. Los niveles de mantenimiento se adoptan de conformidad con el Reglamento del Ministro
de Infraestructuras, de 12 de octubre de 2005, sobre las condiciones técnicas generales de explotación
de los vehículos ferroviarios (texto consolidado en: Dz.U. /Diario Oficial/ de 2016, punto 226, en su
versión modificada). Los supuestos para el plan de mantenimiento se presentan en la Tabla 1.
La lista detallada de las actividades incluidas en el alcance de los niveles de servicio individuales
(P1 – P5) realizadas de acuerdo con el plan en la Tabla 2 se presenta en [32].

Tabla
1 Supuestos para el plan de mantenimiento [estudio propio]

Parámetro Unidad Valor

Kilometraje diario [km] 333
Tiempo promedio de operación [h] 20
diaria del vehículo
Tiempo medio diario de [h] 20
funcionamiento del motor
Kilometraje medio anual [km] 121545
Cuadro 2
Plan de mantenimiento de una locomotora diésel tipo SM42 6Dg [estudio propio]

No. Símbolo Unidad Valor*)

1 P1 [días] / [km] 15 días +1 día o máximo 5000 km
2 P2 [años] / [km] 90 días +3 días o máximo 25000 km
3 P3 [años] / [km] max 4 años o max 250000 km
4 P4 [años] / [km] max 8 años o max 500000 km
5 P5 [años] / [km] max 30 años o max 2000000 km
Evaluación de la influencia del mantenimiento preventivo en la fiabilidad... 9.

3. INVESTIGACIÓN OPERATIVA Y TIPOS DE FALLAS DE LOCOMOTORA 6Dg

MODERNIZADA

La evaluación de confiabilidad de la locomotora 6Dg modernizada se basó en los datos de

operación de una muestra seleccionada de setenta y cinco vehículos en servicio en PKP Cargo S.A. en
una duración de 15 meses. Durante este período se observó el funcionamiento de la muestra
seleccionada de locomotoras, que proporcionó datos confiables y extensos para un mayor análisis de
confiabilidad. La investigación se llevó a cabo después de un plan [n, R, t], donde n es el número de
vehículos examinados. Los vehículos que fallaron durante las pruebas fueron sometidos a
reparaciones correctivas con el fin de recuperar el estado de disponibilidad. La investigación se dio
por concluida después del tiempo t. En el análisis de los datos de funcionamiento y mantenimiento,
había que tener en cuenta la aparición de datos censurados por derechos. En el tiempo adoptado solo
una parte de los vehículos falló, el tiempo de duración de la observación se definió estrictamente y el
número de vehículos fallidos fue una variable aleatoria.
Los datos de fiabilidad se recopilaron en los informes internos del transportista y en un sistema
informático que ayudaba a la gestión del potencial de transporte, lo que permitía un registro preciso de
las reparaciones correctivas. La documentación incluía datos detallados sobre: fecha de la falla,
circunstancias de detección de la falla, causas de la falla, características de tiempo de los servicios, es
decir, tiempo de reparación, tiempo de inactividad de la organización, consumo de mano de obra de
las reparaciones correctivas, consumo de mano de obra y duración de las reparaciones preventivas,
materiales y piezas de repuesto utilizadas, y tecnología de operaciones de reparación. La Tabla 3
presenta los datos básicos sobre el proceso de operación de las locomotoras investigadas.
Cuadro 3
Plan de mantenimiento de una locomotora diésel SM42 tipo 6Dg [estudio propio]

Período de Tiempo de trabajo Kilometraje

observación Número de
Total [h] Significar Total [km] Media
[mes] locomotoras
[h/día] [km/día]
15 75 550125 16.3 3564000 105.6

En el periodo de operación analizado se registraron un total de 490 fallos. La estructura de las

fallas después de una división en sus 29 componentes se muestra en la Fig. 2. Notación que sigue a la
Tabla 4 (columna 1 "Código").

4. FALLOS MODELOS DE LOCOMOTORA 6Dg

La fiabilidad y disponibilidad de la locomotora puede ser analizada considerando el buen

funcionamiento de sus subsistemas o componentes.
10 M. Muy mal, G. Pato, R. Pilch, M. SmolnikCon. Konieczek

Figura 2. Estructura de los fallos de la locomotora 6Dg divididos en componentes

Los modelos de fiabilidad se estimaron para todos los componentes de la locomotora 6Dg
utilizando los datos de tiempo hasta la falla y el software Weibull ++. Las pruebas de chi cuadrado
realizadas con un nivel de significancia asumido de 0,05 confirmaron que la distribución de Weibull de
dos parámetros es un modelo adecuado para describir TTF en
cada caso. La función de densidad de probabilidad del modelo aplicado se expresa mediante la
fórmula [20]
β t ! "¡# t!
f(t) =( ) exp − ( ) , t ≥ 0 (1) η η η
donde β – parámetro de forma, η – parámetro de escala.
El tiempo medio hasta el fallo (MTTF) se puede obtener a partir de la ecuación [20]:
∞

MTTF = 4 t ∙ f(t)dt (2)

$
El análisis incluye también los valores de los parámetros de mantenibilidad MTTR (tiempo medio
de reparación) y MLDT (tiempo medio de retardo logístico) obtenidos de la operación técnica de la
locomotora. El MTTR puede calcularse como [25] de la siguiente manera:

MTTR = ∑&%'# r% (3)

𝑛
donde soni – el tiempo de duración de la renovación "i", n – el número total de
renovaciones. MLTD se puede obtener a partir de la siguiente fórmula [25]:
d%
∑&%'# (4)
MLDT =
𝑛
donde di – tiempo de duración de "i" retraso logístico, n – número total de retrasos logísticos.
Las distribuciones de confiabilidad, obtenidas sobre la base de datos censurados a la derecha, junto
con los parámetros de mantenibilidad (MTTR, MLDT), enumerados para los subsistemas y
componentes de la locomotora analizada, se presentan en la Tabla 4.
En el enfoque asumido para estimar los índices de confiabilidad y disponibilidad, se aplicó un
enfoque de reparación perfecto simplificado, y no se consideró el coeficiente del ciclo de trabajo
Evaluación de la influencia del mantenimiento preventivo en la fiabilidad... 11.

teniendo en cuenta el cambio en la carga de los componentes de la locomotora para las fases
operativas individuales.
12 M. Muy mal, G. Pato, R. Pilch, M. SmolnikCon. Konieczek

Tabla 4 Parámetros de distribución de fiabilidad y datos de mantenibilidad

de los componentes y operadores de la locomotora

Parámetros de
Códig Sistema/Subsistema/ Número Distribución de MTTF MTTR MLDT
o Componentes de fallos Weibull (b, h) [h] [h] [h]
B la [h]
1 Locomotora 6Dg

1.1 Operador de locomotora

1.1.1 Fallos causados por un uso inadecuado 45 1.5242 1531.0 1379.5 2.0 1.0
1.2 Sistema de transmisión de potencia de la locomotora

Motor IC (incluido el sistema de

combustible, el sistema de refrigeración
1.2.1 83 1.7098 2811.9 2507.9 12.5 24.0
con ventilador y bomba, el sistema de
lubricación, el intercambiador de calor)
1.2.2 Regulador de velocidad del motor 2 21447 14613.3 12941.7 3.0 24.0
1.3 Sistema eléctrico de la locomotora

1.3.1 Motores ferroviarios 6 1.0975 3567.0 3444.5 14.0 8.0

1.3.2 Generador maestro 3 2.8388 11167.4 9949.3 16.0 24.0
1.3.3 Generador auxiliar 3 6.5558 4395.8 4097.8 10.5 12.0
1.3.4 Convertidor 0 sin sin datos sin datos sin sin
datos datos datos
1.3.5 Contactor 4 1.8212 15556.2 13826.3 2.0 1.0
Otros conectores (controlador de
ejecución,
1.3.6 4 1.6539 17253.2 15425.2 4.0 1.0
interruptor de desconexión, disyuntor,
etc. itp.)
1.3.7 Relé (protector o de control) 9 0.9006 30012.5 31567.2 2.0 1.0
1.3.8 Resistencia de arranque 0 sin sin datos sin datos sin sin
datos datos datos
1.3.9 Conductores (cables, rieles, etc.) 3 2.2063 10916.9 9668.4 2.0 2.0
1.3.10 Baterías de almacenamiento 39 1.2462 6619.2 6169.3 2.5 1.0
1.3.11 Otros componentes de los circuitos 117 1.9503 2275.1 2017.4 1.5 1.0
eléctricos
1.4 Sistemas neumáticos y de frenado de la locomotora

1.4.1 Compresor maestro o auxiliar 27 1.1252 9608.0 9204.0 12.0 24.0

Motor de accionamiento del compresor
1.4.2 3 1.2142 41034.1 38483.2 8.0 12.0
maestro o auxiliar
Válvula neumática (incluida la válvula
maestra o auxiliar del conductor, la
1.4.3 17 1.7262 6010.3 5357.3 4.0 2.0
válvula reductora de presión, la válvula
de parada, la válvula de seguridad)
1.4.4 Protección contra la congelación 4 0.7204 186192.0 229515.0 3.0 1.0
1.4.5 Conductores neumáticos 12 1.0096 22993.4 22901.9 3.5 1.0
1.4.6 Servomotor en el sistema de frenado 2 1.0221 115243.0 114214.0 6.0 2.0
1.4.7 Otros elementos en circuito neumático 10 1.7743 5867.3 5221.5 2.5 1.5
1.5 Sistema mecánico del tren de rodaje de la locomotora
Evaluación de la influencia del mantenimiento preventivo en la fiabilidad... 13.

Rodamientos de ejes (incluidos los

sin sin sin
1.5.1 rodamientos de montaje del motor de 0 sin datos sin datos
datos datos datos
tracción)
1.5.2 Elementos de los conjuntos de ejes 18 1.5193 6336.1 5711.2 12.0 8.0
Elementos de resorte (por ejemplo, sin sin sin
1.5.3 0 sin datos sin datos
resorte de hoja, elementos de goma) datos datos datos
Elementos de freno (por ejemplo,
1.5.4 palancas, barras de freno, pasadores, 6 2.4482 8806.2 7809.6 12.0 8.0
manguitos, conectores, zapatas de freno)
1.5.5 Otros elementos del tren de rodaje 16 2.0962 5820.7 5155.5 8.0 8.0
1.6 Dispositivos de control automático de seguridad de movimiento del
vehículo
Sensores, Instrumentos de medición
1.6.1 (velocímetro, amperímetro), 56 1.0042 6909.6 6897.3 8.0 2.5
radioteléfono
1.7 Otros sistemas de vehículo

1.7.1 Elementos del sistema de calefacción de 0 sin sin datos sin datos sin sin
automóviles datos datos datos
1.7.2 Carrocería del vehículo 5 0.8422 77751.2 85083.7 8.0 1.0

5. ANÁLISIS DE LA FIABILIDAD Y DISPONIBILIDAD DE LOCOMTIVE

5.1. Índices de confiabilidad y disponibilidad

Los medios de transporte ferroviarios se pueden analizar en varios niveles de complejidad

/descomposición. Como se refiere a la locomotora 6Dg investigada en este estudio, los índices de
confiabilidad y disponibilidad se caracterizan en lo que sigue en los ítems (1) - (8): (1) Disponibilidad
de puntos, A(t)
La disponibilidad tiene que ver con dos eventos separados: falla y renovación. La disponibilidad de
puntos A(t) puede describirse mediante la función [29]
(

A(t) = 1 − F(t) + 4[1 − F(t − τ)]h(τ)dτ (5)

$
donde F(t) – función de distribución del tiempo hasta el fallo, h(τ) – función de densidad de
probabilidad de reparación.
(2) Disponibilidad media, A
La fórmula (5) en la práctica no se utiliza con poca frecuencia debido a un grado considerable de
complejidad de cálculo. Lo que se utiliza comúnmente en lugar de él es el llamado índice de
disponibilidad media A, definido como una contribución media del tiempo en el que el vehículo
investigado permanece en el estado de disponibilidad, dividido por el tiempo total de su operación y
mantenimiento [29]. Para un objeto individual, el índice de disponibilidad se define como [12]:

A(t) = ∑ %)'# TZ% + ∑∑)%')%#'T#UBTZ%% + ∑%)'# TUP% (6)

donde TZi – tiempo del vehículo "i" en estado de disponibilidad, TUBi – tiempo del vehículo "i" en
estado de indisponibilidad debido a reparaciones correctivas, TUPi – tiempo del vehículo "i" en estado
de indisponibilidad debido a reparaciones preventivas, N – tamaño de muestra de vehículos tomados
para pruebas.
(3) Tiempo medio entre fallos del vehículo, MTBF [27]:
14 M. Muy mal, G. Pato, R. Pilch, M. SmolnikCon. Konieczek

TT*
MTBF = (7)
N+

donde TTo – tiempo total de operación, NF – número de fallas.

(4) Tiempo medio entre fallos de un componente, MTBFC [27]:

MTBF, = T T*Componente− CFDowntime)+

(8)

TTo – tiempo total de operación, CFDowntime – tiempo de inactividad del componente seleccionado
debido a fallas solamente, ComponenteNF – el número total de fallas de un componente. (5) Tiempo
medio hasta el primer fallo del vehículo, MTTFF [27]:

Χ N
MTTFF = 2$1T.$/- ;1 (9)

donde TS – tiempo de finalización de la simulación, N – número de fallos, Χ$1.$/;1 – es el estadístico chi-

cuadrado con una probabilidad de 0,05 y 2, donde 2 es el número de cantidades estimadas
conjuntamente.
(6) RS DECI (Índice de Criticidad de Eventos de Derribo de ReliaSoft) es un índice relativo que
muestra el porcentaje de veces que un evento de derribo del componente causó que el vehículo fallara
(es decir, el número de eventos de derribo de vehículos causados por el componente dividido por el
número total de eventos de derribo de vehículos). Esto se obtiene de [27]:
C)-34
RS DECI =
(10)
N5667*8&
donde CNSDE – número de eventos de derribo del sistema, que es el número de eventos de derribo para
los vehículos causados por un componente seleccionado, NALLdown – número total de eventos de derribo
de todo el sistema.
(7) RS DTCI (ReliaSoft Downtime Criticality Index) es un índice relativo que muestra la
contribución de los componentes al tiempo de inactividad total del vehículo (es decir, el tiempo de
inactividad del vehículo causado por el componente dividido por el tiempo de inactividad total del
vehículo). Esto se obtiene de [27]: DT93,,
RS DTCI =
(11)
DT93:
donde DTVDCC – duración total de los tiempos de inactividad del vehículo causados por el componente,
DTVDT – tiempo de inactividad total del vehículo.
(8) RS FCI (ReliaSoft Failure Criticality Index) es un índice relativo que muestra el porcentaje de
veces que una falla de un componente causó una falla en el vehículo. Esto se obtiene de [27]:
C)-3+
RS FCI =
(12)
N+
donde CNSDF – número de fallos de un componente causados por un fallo del vehículo, NF – número
total de fallos.
Evaluación de la influencia del mantenimiento preventivo en la fiabilidad... 15.

5.2. Resultados de los cálculos

El análisis del modelo de árbol de fallas de la locomotora 6Dg (Fig. 2) con la aplicación de la
simulación Monte Carlo se realizó con el paquete de análisis de confiabilidad ReliaSoft – BlockSim.
Este software ofrece soluciones avanzadas para la simulación de fiabilidad y disponibilidad de
vehículos ferroviarios.
La simulación Monte Carlo aplicada en el paquete ReliaSoft se basa en generar valores aleatorios
de TTF de acuerdo con los parámetros de la distribución de probabilidad asignada a cada uno de los
componentes del sistema. El generador de números aleatorios se basa en el algoritmo L'Ecuyer con un
barajado post Bays-Durham. A partir de la distribución de Weibull, la ecuación de confiabilidad viene
dada por [27]
T!
R(T) = exp T− ( ) U (13)
η
Luego, para generar un tiempo de operación aleatorio utilizando la distribución de Weibull con
parámetros dados β y η, primero se obtiene un número aleatorio uniforme de 0 a 1, UR[0,1]. El tiempo
aleatorio según la distribución de Weibull se obtiene entonces de [27]:

T; = η ∙ V−lnXU; (14)
La ecuación anterior es válida para 0 < UR < 1. El valor aleatorio del tiempo hasta el fallo T se
determina sobre la base de los parámetros de forma y escala. La simulación Monte Carlo se realizó
utilizando el paquete ReliaSoft y los siguientes datos de entrada:
- tiempo de finalización de la
simulación: 35040 [h], - resultados
de puntos cada: 10 [h], - número de
simulaciones: 10000.

Los cálculos de simulación se realizaron para los datos presentados en la Tabla 4. Estos son datos
obtenidos del proceso real de operación de las locomotoras en consideración, y las distribuciones de
probabilidad presentadas describen el tiempo de operación hasta el fracaso de subconjuntos
individuales. Por razones obvias, las locomotoras en servicio están sujetas a mantenimiento preventivo
y renovación (en el marco de los llamados niveles de mantenimiento, como se describió
anteriormente). Por lo tanto, los resultados de los cálculos presentados como "obtenidos en ausencia de
renovación preventiva" ("CM", Tabla 5) se refieren a fallas que ocurren en el proceso de operación a
pesar de las actividades preventivas realizadas en la realidad. Los resultados de los cálculos se
presentan como "obtenidos teniendo en cuenta la renovación preventiva" ("CM + PM", Tabla 5) se
refieren a un proceso operativo simulado en el que se llevan a cabo otras actividades preventivas (sin
embargo, se utiliza como modelo básico de confiabilidad la misma distribución de probabilidad de
tiempo de operación a falla que en el caso anterior). Tal supuesto de simplificación era necesario
porque no es posible que los vehículos en cuestión sean efectivamente operados (y probados) en
ausencia de medidas preventivas. Sin embargo, los resultados obtenidos (Tabla 5) muestran claramente
que alguna modificación de la estrategia de renovación preventiva inicial (es decir, actual, real) puede
mejorar significativamente la disponibilidad de las locomotoras utilizadas. Este hecho demuestra la
gran importancia práctica de los resultados de las investigaciones y análisis realizados. Los resultados
de los cálculos de simulación en forma de índices caracterizados en la Sección 5.1 se proporcionan en
la Tabla 5 y en las Figs. 4 - 8.
16 M. Muy mal, G. Pato, R. Pilch, M. SmolnikCon. Konieczek

Figura 3. Diagrama del árbol de fallas de la locomotora 6Dg

Los resultados obtenidos y presentados en la Tabla 5 muestran claramente una mejora en las tasas
de disponibilidad y tiempo de inactividad tras la inclusión del mantenimiento preventivo en la
estrategia de mantenimiento de locomotoras. La disponibilidad media aumentó un 4,55%, mientras
que el tiempo de inactividad total disminuyó un 64,73%. Como resultado de la restricción de la
ocurrencia de las fallas esperadas de 168 a 62, el tiempo medio entre fallas se extendió de 209 a 560 h.
Los beneficios de la aplicación del mantenimiento preventivo junto con el mantenimiento correctivo se
traducen directamente en una reducción de los costos de indisponibilidad, que no fueron considerados
dentro del documento presentado.
La Fig. 4 presenta cambios en la disponibilidad de la locomotora en los dos casos afectados. Está
claro que la introducción de otras operaciones de mantenimiento preventivo ha dado como resultado
un valor estable y significativamente mayor del índice de disponibilidad de locomotoras.
RS DECI considera todos los eventos de derribo (fallas y mantenimiento preventivo) que causan
una interrupción en la operación de la locomotora. La Fig. 5 muestra los valores obtenidos por la
aplicación del análisis de simulación para dos estrategias de mantenimiento diferentes. Los resultados
indican que teniendo en cuenta tanto las estrategias de mantenimiento preventivo como el correctivo,
el componente causante de la mayoría de los eventos de derribo es el operador de la locomotora. RS
DECI es igual al 15,53%, lo que implica que el 15,53% de los eventos cuando el vehículo estaba caído
resultaron del uso indebido del mismo.
RS DTCI (Fig. 6) ilustra la gama de componentes que más contribuyen al tiempo de inactividad del
sistema. Se refiere a los tiempos de falla y la duración de las reparaciones. Considerando solo el
mantenimiento correctivo, el elemento más débil es el motor IC (1.2.1) que causó 83 fallas y generó
12.5 h para una sola reparación. Teniendo en cuenta ambos índices, el componente mencionado
anteriormente contribuye al tiempo de inactividad más largo de todo el sistema. La situación puede
mejorarse mediante la introducción de la estrategia de mantenimiento preventivo (Fig. 6a), que
disminuye significativamente el tiempo de inactividad total de 2417 a 863 horas (Tabla 5).
Un resultado similar puede observarse sobre la base de la RS FCI (Fig. 7), que tiene en cuenta las
fallas como la única razón para mantener la locomotora en el estado de derribo. Además, la diferencia
entre el componente más débil y el resto de componentes es mayor que en el caso de que se realice un
mantenimiento preventivo junto con un mantenimiento correctivo.
Evaluación de la influencia del mantenimiento preventivo en la fiabilidad... 17.

Cuadro
5 Resultados de los cálculos de simulación

Parámetro CM + PM CM Cambiar [%]

Disponibilidad media (todos 0.9860 0.9431 +4.55
los eventos):
Disponibilidad de puntos al 0.9753 0.9310 +4.76
35040 [h]:
Tiempo de actividad [h]: 34177 32623 +4.76
Tiempo de inactividad total 863 2417 -64.73
[h]:
Métricas de resumen

MTTFF [h]: 714 591 +20.81

MTBF [h]: 560 209 +167.94
MTTR [h]: 11 14 -21.43
Fallos del sistema

Número esperado de fallos: 62 168 -63.10

Acciones de CM

Número de CM: 63 168 -62.5

Tiempo de inactividad de CM 673 2417
[h]:
Acciones pm

Número de PMs: 95 0 -
Tiempo de inactividad de PM 190 0 -
[h]:

Figura 4. Disponibilidad puntual A(t) de la locomotora: CM+PM – Mantenimiento Preventivo + Correctivo, CM

– Solo Mantenimiento Correctivo
18 M. Muy mal, G. Pato, R. Pilch, M. SmolnikCon. Konieczek

Figura 5. RS DECI: a) Mantenimiento Preventivo + Correctivo, b) Mantenimiento Correctivo solamente

Figura 6. RS DTCI: a) Mantenimiento Preventivo + Correctivo, b) Mantenimiento Correctivo solamente

Figura 7. RS FCI: a) Mantenimiento Preventivo + Correctivo, b) Mantenimiento Correctivo solamente

6. CONCLUSIONES

En el proyecto de investigación presentado en el documento, se realizó una simulación Monte

Carlo para determinar la fiabilidad y disponibilidad de la locomotora 6Dg. Se desarrolló un modelo de
Evaluación de la influencia del mantenimiento preventivo en la fiabilidad... 19.

árbol de fallas de la locomotora para determinar los efectos de las fallas de los componentes en el
proceso de operación de la locomotora. Se realizó una simulación discreta para estimar las
características e índices seleccionados para la evaluación de la fiabilidad y disponibilidad de los
vehículos ferroviarios. Los análisis se realizaron sobre la base de los datos empíricos, derivados de la
operación supervisada de una muestra de setenta y cinco locomotoras 6Dg. De esta manera se
identificaron los componentes más débiles. Además, más del 20% de todos los eventos de derribo de la
locomotora se registraron debido a fallas del operador. Los resultados obtenidos pueden ser una base
para una mayor mejora de la estrategia de mantenimiento preventivo con el fin de mejorar la
fiabilidad, disponibilidad y reducir los costos del mantenimiento de la locomotora analizada. Las
actividades preliminares indican que el MTBF de la locomotora puede mejorarse en alrededor del
168% en el marco del plan de mantenimiento general y el posible ahorro en los costos de
indisponibilidad para toda la serie de locomotoras (119 vehículos) se puede alcanzar por un monto de
387 mil EUR / año.
El análisis tuvo en cuenta la renovación de los componentes para los que el parámetro beta es
inferior a cero. Este enfoque está en línea con la documentación del manual de mantenimiento de la
locomotora; sin embargo, parece racionalmente injustificado. Los resultados obtenidos indican que son
necesarios cambios en el manual de mantenimiento y que la renovación de los componentes cuya
función de tasa de fallos está disminuyendo puede omitirse en el período seleccionado. En estudios
futuros, los autores planean considerar reparaciones imperfectas para los componentes individuales de
la locomotora, así como cambiar el ciclo de trabajo durante la operación de los vehículos.

Referencia

1. Cheng, Y.H. & Tsao, H.L. Selección de la estrategia de mantenimiento del material rodante,
estimación de piezas de repuesto y cálculo del intervalo de reemplazos. Revista Internacional de
Economía de la Producción. 2010. Vol. 128(1). Págs. 404-412.
2. Cheng, Y.H. & Yang, A.S. & Tsao, H.L. Estudio sobre estrategia de mantenimiento de material
rodante y gestión de piezas de repuesto. En: Congreso Mundial de Investigación Ferroviaria.
Montreal. Canadá, 2006.
3. Chłopek, Z. La interpretación cognitiva del método Monte Carlo para las aplicaciones técnicas.
Eksploatacja i Niezawodność – Maintenance and Reliability. 2009. Vol. 3. Nº 43. Págs. 38-46.
4. Durga Rao, K. & Gopika, V. & Sanyasi Rao, V.V.S. & et.al. Análisis dinámico del árbol de fallas
utilizando la simulación Monte Carlo en la evaluación probabilística de la seguridad. Ingeniería
de Confiabilidad y Seguridad del Sistema. 2009. Vol. 94. p. 872-883.
5. Gertsbakh, I. Teoría de la fiabilidad con aplicaciones al mantenimiento preventivo. Springer.
Londres. 2000. 219 p. (Capítulos 4-5).
6. Gill, A. Optimización del sistema de mantenimiento de objetos técnicos teniendo en cuenta los
resultados del análisis de riesgos. Eksploatacja i Niezawodność – Mantenimiento y fiabilidad.
2017. Vol. 19. No. 3. Págs. 420-431.
7. Han, S.H. & Lim, H.G. Evaluación de la probabilidad de eventos superiores de un árbol de fallas
que tiene lógicas circulares mediante el uso del método de Monte Carlo. Ingeniería Nuclear y
Diseño. 2012. Vol. 243. p. 336-340.
8. Kaczor, G. & Młynarski, S. & Szkoda, M. Verificación del nivel de integridad de seguridad con la
aplicación de diagramas de bloques de simulación y fiabilidad Monte Carlo. Revista de
Prevención de Pérdidas en las Industrias de Procesos. 2016. Vol. 41. P. 31 a 39.
9. Karpiński, J. & Firkowicz, S. Zasady profilaktyki obiektów technicznych. 1981. Varsovia: PWN.
296 p. [En polaco: El principio de prevención de objetos técnicos].
10. Lu, H. & Chang, J.H. Un método Monte Carlo de análisis complicado de disponibilidad del
sistema utilizando el seguimiento de estado de componentes. En: 2012 International Conference
on Quality, Reliability, Risk, Maintenance, and Safety Engineering (ICQR2MSE). Chengdu, 2012.
20 M. Muy mal, G. Pato, R. Pilch, M. SmolnikCon. Konieczek

11. Magiera, J. Operación y mantenimiento de vehículos ferroviarios. 1982. Cracovia: Wydawnictwo

Politechniki Krakowskiej. 125 p. [En polaco: Mantenimiento y servicio de vehículos ferroviarios].
12. Manzini, R. & Regattieri, A. & Pham, H. & et al. Mantenimiento de Sistemas Industriales. 2010.
Londres: Springer-Verlag Gmbh. 479 p. (Capítulo 12).
13. Malinowski, J. Un modelo de simulación para sistemas reparables complejos con dependencias
entre componentes y tres tipos de fallas de componentes. En: Advances in Safety, Reliability and
Risk Management - Proceedings of the European Safety and Reliability Conference, ESREL.
Troyes, 2012.
14. Marquez, A.C. & Heguedas, A.S. & Iung, B. Monte Carlo evaluación de la disponibilidad del
sistema. Ingeniería de Confiabilidad y Seguridad del Sistema. 2005. Vol. 88. Págs. 273-289.
15. Merle, G. & Roussel, J.M. & Lesage, J.J. & et. Al. Análisis cuantitativo de árboles de fallas
dinámicas basado en el acoplamiento de funciones de estructura y simulación de Monte Carlo.
Ingeniería de Calidad y Confiabilidad Internacional. 2014. Vol.30. p. 143-156.
16. Migdalski, J. (eds.) Ingeniería de confiabilidad. Guía. 1982. Bydgoszcz: ATR. 793 p. [En
polaco: Ingeniería de fiabilidad].
17. Młynarski, S. & Pilch, R. & Smolnik, M. & et. al. Un concepto de modelo de simulación de
evaluación de confiabilidad utilizando sistemas de descomposición estructural. Revista de
KONBiN. 2018. Vol. 46. Págs. 51-74.
18. Młynarski, S. & Pilch, R. & Smolnik, M. & et. al. Un method para la evaluación rápida del
sistema K-out-of-N . Eksploatacja i Niezawodność - Maintenance and Reliability. 2019. Vol. 21.
No. 1. Págs. 170-176.
19. Nakagawa, T. Modelos de reemplazo y mantenimiento preventivo. 2008. Manual de Ingeniería de
Realizabilidad. Londres: Springer. 1316 p.
20. O'Connor, P. Practical Reliability Engineering, cuarta ed. 2010. West Sussex: Wiley-IEEE. 540
p. (Capítulo 9).
21. Park, G. & Yun, W.Y. & Han, Y.J. & et. al. Intervalos óptimos de mantenimiento preventivo de
un sistema de material rodante. En: Conferencia Internacional sobre Calidad, Confiabilidad.
Riesgo. Ingeniería de Mantenimiento y Seguridad. Xi'an, 2011.
22. Percy, D.F. Modelos de Mantenimiento Preventivo para Sistemas Complejos. Manual de
mantenimiento de sistemas complejos. Serie Springer en Ingeniería de Confiabilidad. Año 2008.
Londres: Springer. 657 págs.
23. Pilch, R. Un método para obtener el nivel de fiabilidad del sistema requerido mediante la
aplicación de mantenimiento preventivo. Simulación: Transacciones de la Society for Modeling
and Simulation International. 2015. Vol. 91. p. 615-624.
24. PN-EN 13306: 2018-01. Mantenimiento -- Terminología operativa. Varsovia: Comité Polaco de
Normalización. 98 p. [En polaco: Mantenimiento. Terminología de mantenimiento. Varsovia:
Comité Polaco de Normalización].
25. PN-EN 61703: 2016-12. Wyrażenia matematyczne dotyczące nieuszkadzalności, gotowości,
obsługiwalności i zapewnienia obsługiwania. Warszawa: Polski Komitet Normalizacyjny. 209 p.
[En polaco: Expresiones matemáticas para la fiabilidad, disponibilidad, mantenibilidad y
términos de soporte de mantenimientos. Varsovia: Comité Polaco de Normalización].
26. Qiu, S. & Sallak, M. & Schön, W. & et. al. Evaluación de la disponibilidad de los sistemas de
señalización ferroviaria con análisis de incertidumbre utilizando Statecharts. Práctica y teoría del
modelado de simulación. 2014. Vol. 47. Págs. 1-18.
27. Corporación ReliaSoft. Referencia de análisis de sistemas: fiabilidad, disponibilidad y
optimización. 2007. Tucson: ReliaSoft Publishing. p. 182. (Capítulo 9).
28. Soh, S.S. & Radzi, N.H.M. & Haron, H. Review on Scheduling Techniques of Preventive
Maintenance Activities of Railway. En: Fourth International Conference on Computational
Intelligence, Modelling and Simulation. Kuantan, 2012.
Evaluación de la influencia del mantenimiento preventivo en la fiabilidad... 21.

29. Szkoda, M. Evaluación de la fiabilidad, disponibilidad y mantenibilidad de los sistemas de cambio

de ancho de vía. Eksploatacja i Niezawodność – Mantenimiento y fiabilidad. 2014. Vol. 16. Págs.
422 a 432.
30. Szkoda, M. & Babeł, M. Mejora de la eficiencia y fiabilidad de las locomotoras diésel como
resultado de la modernización del sistema de control de carga de la unidad de potencia.
Eksploatacja i Niezawodność – Mantenimiento y fiabilidad. 2016. Vol. 18. Págs. 38-49.
31. Szkoda, M. & Satora, M. Evaluación de la permisibilidad del riesgo de cambiar la estrategia para
el mantenimiento de vehículos ferroviarios basada en el ejemplo de un tipo de locomotora
seleccionado. Actas de la Institución de Ingenieros Mecánicos, Parte F: Revista de Ferrocarril y
Tránsito Rápido. 2019. Vol. 233. p. 906-925.
32. Estudio técnico y económico de renovación de la flota de trenes operados por PKP CARGO S.A.
Etapa IV. Modernización de una locomotora de maniobra diésel SM42. Proyecto No. M-
8/631/2006, Universidad Tecnológica de Cracovia, Instituto de Vehículos Ferroviarios (CUT).
Año 2007.
33. Ten, W.M. & Ghobbar, A.A. Optimización de los intervalos de inspección – Confiabilidad y
disponibilidad en términos de un modelo de costos: un estudio de caso sobre transportistas
ferroviarios. Ingeniería de Confiabilidad y Seguridad del Sistema. 2013. Vol. 114. Págs. 137-
147.
34. Wu, J. & Lin, B. Optimización del programa de mantenimiento mayor para unidades eléctricas
múltiples teniendo en cuenta la demanda de transporte de pasajeros. Beijing: Escuela de Tráfico
y Transporte, Universidad de Jiaotong. 2016. Disponible en:
https://arxiv.org/ftp/arxiv/papers/1610/1610.09866.pdf.
35. Wu, S. & Zuo, M.J. Modelos de mantenimiento preventivo lineal y no lineal. Transacciones IEEE
sobre confiabilidad. 2010. Vol. 59. p. 242-249.
36. Xia, M. & Li. X. & Jiang, F. & et. al. Análisis de causa y contramedidas de accidentes de pista de
locomotoras basados en el método de análisis de árboles de fallas. Ingeniería procedia. 2012. Vol.
45. Págs. 38-42.
37. Yun, W.Y. & Han, Y.J. & Park, G. Intervalo óptimo de mantenimiento preventivo y número de
piezas de repuesto en un sistema de material rodante. En: 2012 International Conference on
Quality. Reliability, Riesgo.
Ingeniería de Mantenimiento y Seguridad (ICQR2MSE). Chengdu, 2012.

38. Zio, E. & Marella, M. & Podollini, L. Un enfoque de simulación de Monte Carlo para la
evaluación de la disponibilidad de sistemas multiestatales con dependencias operativas.
Ingeniería de Confiabilidad y Seguridad del Sistema. 2007. Vol. 92. p. 871-882.

Recibido el 19.12.2019; aceptado en forma revisada 16.02.2021