Conferencia II - 1a.

Jornada Colombiana de Ductos

Título:
¿Es la estadística la única forma de predecir el fallo de un equipo?... ¡No!....

Sub-título:
...... ¡Gestar y Operar del Mantenimiento a partir de indicadores futuros utilizando modelos de desgaste
internacionales basados en los materiales........!
Ejemplo de estudio de Investigación GEMI EAFIT Bombas COLCIENCIAS Colombia.

Temario # 1. Mantenimiento - Numeral 2 – Planeación.

Autores:

Alberto Mora G. – Ph.D. en Ingeniería Industrial de Mantenimiento – Coordinador Especialización en Mantenimiento

Universidad EAFIT – Medellín Colombia - [email protected] –Teléfono 094 2619349 – Fax 094 2682599

Leonel Francisco Castañeda Heredia – Ingeniero Mecánico –Magister en Ingeniería de Máquinas Rotativas
Polonia – Investigador y Profesor postgrado Universidad EAFIT.

1. Resumen:
La presentación esboza la metodología desarrollada por los Autores para establecer correctamente y en forma
anticipada al futuro el tipo de operación adecuada para el las acciones correctivas, modificativas, preventivas y/o
predictivas en ductos o máquinas; determinando en el momento actual la táctica futura recomendada entre TPM,
RCM, TPM&RCM, reactiva, proactiva, core competences, de clase mundial, etc.; definiendo la estrategia correcta
desde el presente mediante el pronóstico del valor futuro de los parámetros e indicadores técnico-económicos
fundamentales internacionales de mantenimiento, mundialmente aceptados como son: FCMD (F Fiabilidad
(dependabilidaty), C confiabilidad (reliability), M mantenibilidad (maintainabilty), D disponibilidad (availability)
- ßeta Bm Eta  Am λ µ MTTR MTTB cronología de tiempos y números de fallos y reparaciones, LCC costo
económico del ciclo integral de vida; siguiendo normas mundialmente aceptadas como: MILITARY STANDARD
HANDBOOK 470 471 472 473, Británica BS3811, países nórdicos OREDA, EIREDA, ESREDA, americana
SAE JA1011, JA1012, ISO 14224, francesa AFNOR 60X110; utilizando procedimientos internacionales de
pronósticos; para poder manejar integralmente la gestión y operación del mantenimiento a partir del valor futuro de
los indicadores estratégicos de mantenimiento de ductos o equipos.

A la fecha los modelos más comunes para determinar el comportamiento de fallas y reparaciones pasadas y ya
ocurridas en los equipos, han sido las diferentes distribuciones estadísticas como Weibull, Log-normal,
Exponencial, Normal, Rayleigh, Chi Cuadrada, Gumbell, Binomial, etc; que tratan de diagnosticar el futuro a partir
de sus análisis de comportamiento de función de densidad de probabilidad de fallos f (t), función de confiabilidad
R(t), función de fallas acumuladas F (t), etc., más sin embargo aparecen desde hace algunos años modelos
matemáticos que precisan el desgaste y la vida funcional de ductos, o de los elementos y equipos basados en la
ingeniería y en el comportamiento empírico y experimental de los mismos, los cuales parecen ser mucho más
exactas que los anteriores, pero estando en desarrollo son menos divulgados, la presentación apunta a mostrar esta
nueva alternativa viable y segura para analizar el comportamiento futuro de los elementos de máquinas y equipos,
basadas netamente en la investigación, para lo cual se presenta el caso de la investigación que se lleva a cabo por
GEMI – Grupo de Estudios de Mantenimiento Industrial – EAFIT registrado por COLCIENCIAS Colombia donde
se experimentan avanzados modelos para el análisis de fallos y reparaciones, tratando de modelar el
comportamiento futuro. Esta alternativa abre un mundo de posibilidades para el control futuro adecuado en la
gestión y operación del mantenimiento de equipos de alta criticidad o con una significativa importancia técnica y/o
económica para la industria.

Autores:
LUIS ALBERTO MORA G.(Colombia-Venezuela-Ecuador): Ingeniero en Ciencias Mecánicas Universidad
Pontificia Bolivariana, Especialista en Márketing y Master en Administración Universidad EAFIT, Especialista en
Gestión Logística y Ph.D. en Gestión Empresarial de Mantenimiento en Ingeniería Industrial Universidad Politécnica
de Valencia (España). Ha laborado en cargos de Gerencia General en Industrias Alimenticias Lara-Carabobo e
Industrias Lácteas y de Jugos del Yocoima en Venezuela, Gaseosas Lux (Pepsi-Postobón) Barranquilla, Industria de
Plásticos de Lloreda Grasas S.A. Cali Barranquilla, COLDI Limitada. – Ha dirigido el Departamento y la Carrera de
Ingeniería Mecánica y el D.E.P.P. en la Universidad EAFIT. Actualmente Director de Línea de Investigación GEMI
CMD EAFIT, director de postgrado en Ingeniería de Mantenimiento EAFIT - Profesor Investigador T.C. en la
Universidad EAFIT

1
Leonel Francisco Castañeda Heredia, Master en Ciencias de la universidad de Minería y Metalúrgica de Cracovia –
Polonia, Actualmente profesor de tiempo completo de la universidad EAFIT. Las investigaciones realizadas en los
últimos años se concentra principalmente en el desarrollo de sistemas de monitoreo para determinar la condición de
estado de sistemas técnicos. Producto de estas aplicaciones han sido implementadas en el medio industrial del sector
papelero y textil. La última aplicación se realizó en el vehículo de Pasajeros del Metro de Medellín. Actualmente
dirige un proyecto de investigación que consiste en el desarrollo de un modelo computacional predictivo para bombas
centrífugas y pertenece al Grupo de investigación GEMI de la universidad de EAFIT, Medellín - Colombia.

2
 2. Introducción: Z(t)
Z(t)
Z(t)
Z(t) = f(t)
f(t) / P (t)

Fallos en etapa
de madurez,
La situación más normal es que se registren los datos vida útil o fallos
aleatorios
iempo

históricos de fallos y reparaciones de los equipos f (t) f (t) = λe-λt

Fase II
durante su funcionamiento, a partir de los cuales se iempo
deducen todos los índices de cálculo derivados de la
F (t) = 1 - e-λt
distribución matemática hallada para tales casos, F (t)

estableciendose de esta manera todas las condiciones iempo

P (t) = e-λt
definidas para sus indicadores MTBF, MTTR, P (t)

MTBF, Beta, etc. iempo

Z(t)
Z(t)
Z(t)
Z(t)
Fallos en etapa
de
envejecimiento, iempo
vejez o desgaste
f (t) f (t)
Fase III

iempo

F (t) F(t)
F(t)

iempo

P (t)
P (t)

iempo

Ilustración 2 - Comportamiento de las diferentes curvas

CMD1 en las tres zonas de la bañera.
Con ellas se definen claramente todas las actuaciones
de mantenimiento y operación sobre los equipos.

Más sin embargo durante las últimas décadas se

Ilustración 1 - Cruva de Davies o de la Bañera. vienen cuestionando seriamente estas acciones de
mantenimiento sobre todo el preventivo, cuando
Entre las mmaneras de utilizar estas técnicas basadas creyendo y queriendo que el elemento en cuestión o
en la distribución de Weibull, exponencial negativa, el equipo estudiado, se vaya a una fase II de
normal, Rayleight, gamma, etc. mantenimiento donde se tiene una probabilidad de
falla constante o a la zona III donde el
envejecimiento o la edad van incidiendo
profundamente en el desgaste y en la pérdida de
funcionamiento. Pero la experiencia ha mostrado que
no hay relaciones directas entre el tiempo y el tipo de
fallas que se presentan en los equipos, es decir que
no es directamente y a veces ni siquiera
indirectamente proporcional el no funcionamiento y
el desgaste a los períodos de tiempo en que se usen
los equipos; por ejemplo se han caracterizado
algunos tipos de fallas de la siguiente manera:

Tipo general:

Probabilidad
condicional de
falla
Fase III -
Fase II - Vida útil Envejecimiento o
o madurez de desgaste

A partir de ellas se van caracterizando cada una de

las fases de la curva de la bañera, así: X
Fallos en etapa
de rodaje, Z(t)
Z(t) = f(t)
f(t) / P (t)
mortalidad Z(t)
Z(t)
infantil o de
infancia
iempo

Fase I Edad o nú
número
f (t)
f (t) 2% de ciclos de vida

iempo

F (t)
F (t) Ilustración 3 - Elemento que funciona entre Fases II y III.
iempo

P (t) P (t)

1
CMD Confiabilidad Mantenibilidad Disponibilidad
iempo

3
La situación muestra que es de esperarse que el Otro caso es donde, la etapa de niñez es inversa, la
elemento o equipo funciona bien en la zona II probabilidad de falla es pequeña, aumenta
durante el período X, pero de allí en adelante gradualmente y luego de allí en adelante se petrifica
empieza a crecer su probabilidad de fallo; este tipo su probabilidad de falla para las fases II y III.
de comportamiento asume que el elemento es
predecible en cuanto al momento que va a fallar y de Probabilidad
condicional de
falla
ahí se toman acciones preventivas con antelación, Fase II - Vida útil
Fase III -
Envejecimiento o

pero esto no sucede en todos, donde más ocurre es en

o madurez de desgaste

los que están en contacto con el producto, se puede

decir que en la fase III hay correspondencia entre la
edad y la probabilidad de falla aumentando; casos de
éstos es factible encontrarlos en impulsores de
7% Tiempo - Edad o

bombas, refractarios de hornos, recubrimiento de número de

ciclos de vida

trituradoras, asientos de válvulas, transportadores de

tornillo, etc. Los fallos asociados con la edad están Ilustración 6 - Creciente - constante.
relacionados con la fatiga y corrosión. Cuando la vida útil presenta en todo su desarrollo
una probabilidad constante de fallo se constituye en
Sin embargo en la actualidad y debido al estudio otro ejemplar atípico frente a la curva de la bañera
detallado y particular de muchos equipos y tradicional.
elementos, se ha logrado demostrar que no hay una
correlación directa entre tiempo y desgaste en todos Probabilidad
condicional de
los casos, siendo mucho más compleja y aleatoria la falla
Fase III -
situación del fallo. Fase I - Niñ
Niñez
o rodaje
Fase II - Vida útil
o madurez
Envejecimiento o
de desgaste

A continuación se presentan diferentes ejemplos

eléctricos y mecánicos donde el desgaste y la pérdida
de función no es directamente proporcional al tiempo
de utilización: Tiempo - Edad o
14% número de
ciclos de vida

Clásica de la bañera, con probables fallos al inicio,

etapa de funcionamiento con baja probabilidad y al Ilustración 7- Constante.
final en la vejez aumenta notoriamente su Cuando solo presenta dos comportamientos, uno de
probabilidad de fallo. mortalidad infantil típico y potro bajo, constante o
ligeramente creciente en las dos últimas etapas.
Probabilidad
condicional de
falla
Probabilidad
Fase III -
Fase II - Vida útil condicional de
Envejecimiento o falla
o madurez de desgaste
Fase III -
Fase II - Vida útil Envejecimiento o
Fase I - Niñ
Niñez o madurez
o rodaje de desgaste

Edad o nú
número
4% de ciclos de vida

68% Tiempo - Edad o

número de
ciclos de vida
Ilustración 4 - Curva de la Bañera con tres fases.
Algunos elementos tienen un período levemente Ilustración 8 - Decreciente al inicio en la infancia y baja
creciente continuo en las tres fases y no hay un sitio constante o levemente creciente en la II y III.
específico de incremento: Estudios realizados en la aviación civil por John
Probabilidad
Moubray indican que estos tipos atípicos de
condicional de
falla
distribución de fallas e presentan en los siguientes
Fase II - Vida útil
Fase III -
Envejecimiento o
porcentajes inscritos en un círculo en cada figura:
o madurez de desgaste

Bañera clásica 4%
Constante creciente 2%
Creciente leve integral 5%
Creciente y constante 7%
Constante 14%
Edad o nú
número
2% de ciclos de vida Decreciente constante 68%

Ilustración 5 - Tasa de falla levemente creciente.

Este convive en las etapas en simultáneo. Menciona Moubray, que si bien estos porcentajes
son en aviación, se irá tendiendo a nivel industrial
por la complejidad de los equipos a curvas tipo
4
ilustración 7 (en parte por la desechabilidad de los Otro caso donde se logran efectos inversos:
elementos y su corta vida útil comercial) o tipo 8
donde apuntan la mayoría. Antes
Probabilidad
condicional de

3. Estrategias diferentes a las

falla
Fase III -
Fase II - Vida útil Envejecimiento o
Fase I - Niñ
Niñez o madurez
clásicas. o rodaje de desgaste

Parece ser entonces un poco temerario utilizar

técnicas preventivas o de restauración en la medida
que se asume un comportamiento tipo constante
después de la falla, pues en algunos casos la Se interviene con restauración para
Tiempo - Edad o
número de

restauración integral nos puede conducir a que prevenir fallos o disminuir su

ciclos de vida

probabilidad
aumente la probabilidad de ocurrencia, es decir en el
ejemplo clásico de la bañera, si se encontrase el Después de
equipo en el borde la Fase II a la III, sería un error,
pues a partir de la restauración se reiniciaría la Probabilidad
condicional de
Punto de
intervenció
intervención
para restaurar

infantilidad del equipo con lo cual estaríamos

falla
Fase II - Fase III -
Fase I - Vida útil Envejeci
o Fase II - Vida útil
nuevamente aumentando drásticamente la
Niñ
Niñez o madurez
miento o
rodaje Fase I - o madurez de
desgaste
Niñ
Niñez o
probabilidad de fallo, más bien en estos casos es más rodaje

útil recurrir al análisis histórico detallado y profundo

de las fallas, a pronósticos de los mismos o a técnicas
más avanzadas en investigación como la aquí
propuesta donde se estudia desde la óptica de la Tiempo - Edad o
número de
ciclos de vida
ingeniería las causas de fallos hasta patronarlas
técnica y científicamente a partir de la investigación Ilustración 10 - Decreciente creciente leve con
y la experimentación. restauración.
Se interviene con
Ejemplo clásico: restauración para prevenir
fallos o disminuir su Igual que la clásica se consigue un efecto negativo.
probabilidad
Antes de restauración
Es indispensable entonces plantear nuevas
Probabilidad
condicional de
alternativas, para estudiar el fenómeno, si acepta que
falla
Fase III -
directamente los fallos no dependen del tiempo,
Fase II - Vida útil
o madurez
Envejecimiento o
de desgaste
quedan varias alternativas a ejecutar.

1.1. Pronósticos:
Si se logra predecir el comportamiento de todos los
indicadores que controlan el mantenimiento, los
fallos y las reparaciones se pueden prevenir con
Edad o nú
número
de ciclos de vida antelación, lo que acompañado de un serio análisis
de fallos permitirá ejecutar las acciones planeadas
adecuadas de mantenimiento.
Intervención y comportamiento esperado
Valores Beta*10000 y MTBF de Confiabilidad
Fase III -
Probabilidad Punto de Envejeci
condicional de intervenció
intervención miento o 17000
falla para restaurar de
desgaste 16000
Fase I - Fase II - Vida útil 15000
Niñ
Niñez o o madurez
rodaje 14000

13000

12000

11000 Fase III del beta Curva de Davies > 1

10000

Fase I del beta Curva de Davies

Valores

9000

8000

7000

6000

Tiempo - Edad o 5000

número de
4000
ciclos de vida
3000

2000
Pronóstico

Ilustración 9 - Bañera clásica con restauración.

1000 s
0
26000 36000 46000 56000 66000 76000 86000 96000 106000 116000 126000 136000 146000 156000

Horas de servicio máquina

Con lo cual se logra un efecto totalmente contrario.
En vez de disminuir la probabilidad de falla, lo que
se logra es aumentar su probabilidad, situación
similar se logra en el caso ilustración tipo 8 cuando
también sucedida la etapa I se entra a restaurar o
mantener en forma anticipada para evitar fallos o
disminuir su probabilidad.

5
 6.90 Para ello es necesario entender que es un sistema
6.40
complementario, exhaustivo y excluyente, al método
5.90
Mantenibilidad clásico de fallos.
Porcentaje maintainability 5.40

4.90
Acciones planeadas: Acciones no planeadas:
4.40 Pronósticos preventivas y correctivas y
predictivas.
predictivas. modificativas.
3.90 Fallos y reparaciones Fallos y reparaciones
planeadas. crónicas o esporádicas
3.40

2.90 Condiciones tétécnicas y de

ingenierí
ingeniería de la operació
operación; se
estudian, investigan y se
2.40 analizan con ciencias como:
hidrá
hidráulica, neumá
neumática,
1.90 electró
electrónica, mecá
mecánica,
tribologí
tribología, robó
robótica,
mecatró
mecatrónica,
nica, etc.
1.40

0.90
26000 37900 49800 61700 73600 85500 97400 109300 121200 133100 145000 156900
Horas cronómetro máquina

100.000%

99.950%
Disponibilidad Ilustración 12 - Sistemas técnicos internos y externos de un
equipo o elemento.
99.900%

99.850% Se toman apuntes de uno de los mejores autores del

tema, Joel Nachlas, quien aborda el tema de
99.800% Pronósticos
parametrizar los fallos en función de sus
Availability

99.750% características.
99.700%

99.650% 26000 36000 46000 56000 66000 76000 86000 96000 106000 116000 126000 136000 146000 156000

Horas cronómetro máquina

Ilustración 11 - Parámetros CMD proyectados en febrero

hasta junio de 2004, de la Unidad 1 de San Carlos ,
propiedad de la firma ISAGÉN.
Y así sucesivamente se puede pronosticar todo con
exactitud inferior a errores del 8% utilizando técnicas
de series temporales.

Es bueno recordar que existen otros enfoques para

estudiar las distribuciones o funciones de distribución de
fallos o reparaciones.

El método se acoge al método científico con lo cual

se consiguen excelentes resultados futuros que
permiten predecir cualquier situación subestándar.

4. Determinar parámetros de
desgaste:
Se trata en este método alterno de estudiar en forma
específica el comportamiento del elemento o equipo,
mediante el cual se puedan parametrizar los
algoritmos que permitan predecir su comportamiento
en términos de desgaste o función a partir de sus
características o variables de estado o del tiempo
mismo.

6
Ilustración 13 - Importantes apuntes de Joel Nachlas sobre
la parametrización de máquinas y elementos con relación a
funciones de fallo, desgaste y función relativas a no
necesariamente el tiempo.

En cuanto a Instituciones, diferentes entidades a

nivel mundial vienen trabajando y desarrollando
algoritmos y funciones que permiten determinar el
nivel de fallo en función de las características
particulares de los elementos.

Ilustración 14 - Diferentes ejemplos de Military Handbook

Standard con relación a funciones eléctricas, mecánicas y
electrónicas de diferentes componentes, a partir de las
características funcionales de sus compuestos que permiten
estudiar su fiabilidad en términos diferentes a su relación
directa con el tiempo.

La demostración que hasta ahora se ha hecho se

fundamenta en que se pueden estudiar y configurar
algoritmos específicos de funcionamiento que no
necesariamente conservan una relación directa con el
tiempo, constituyéndose en una excelente alternativa
de estudio y evaluación del ciclo de vida en
mantenimiento.
7
 5. Bombas GEMI
El Grupo de Estudios de Mantenimiento Industrial
único en su tipo en Colombia, registrado y avalado
por Conciencias de la Universidad EAFIT, del cual
el Autor principal es el Director, viene trabajando en
el tema con el monitoreo permanente de un sistema
de bombeo del cual se registran fallos en tiempo real
y se le analizan todas sus variables de condición de
estado, con un fuerte acompañamiento de un grupo
de Investigadores de postgrado en Mantenimiento
que conforman Grupo Caza fallos que permite
erradicar sus fallos crónicos y esporádicos, dicha
investigación ya lleva 18 meses y pretenden unificar
los sistemas de análisis de fallos como servir de
garante de la medición de CMD en tiempo real que
realiza.

En el momento ya se cuentan con diferentes

algoritmos que determinan el estado futuro del
comportamiento de algunos de sus elementos en
tiempo real.

8
Ilustración 15 - Diferentes fotos de fallos y monitoreo del Ilustración 17. Parámetros de diagnóstico, Zlotowski,
sistema de Bombas GEMI EAFIT Colciencias, estudio 1996.
CMD 2002-2004.
Los algoritmos desarrollados para estudiar la Algunos de estos parámetros del sistema tienen la
evolución del desgaste en bombas centrifugas se propiedad de cambiar su valor en el momento que
fundamenta principalmente en el modelo de surgen un fallo, estos parámetros se denominan
diagnóstico de los sistemas técnicos (ilustración 16), síntomas. Que expresan a través de señales si la
que es una descripción vectorial estructural del condición de la máquina se encuentra en estado de
sistema, sus entradas: alimentación, control y alerta o peligro. Teniendo claro como se conecta las
perturbaciones y sus salidas energéticas (útiles y variables de estado con los síntomas (señales de
residuales), que permite establecer las siguientes diagnóstico) y los modos de fallo, para el sistema en
posibles relaciones vectoriales entre el conjunto de cuestión se elaboraron unas matrices que y que
variables de entrada UT (señales de entrada), permiten realizar un histograma, que define que
conjunto de variables de salida (señales de síntomas describen y detectan en mayor porcentaje y
diagnóstico) YT, conjunto de variables de estado X T y efectividad los modos de fallos. Este modelo de
el conjunto de instantes ordenados T. diagnóstico permite estudiar la evolución la
degradación de las curvas de operación y desgaste de
los materiales y principalmente tomar decisiones que
permita tomar acciones efectivas de mantenimiento
y elevar la disponibilidad de los sistemas de bombeo.

PROCESOS
FUNDAMENTALES
CONTROL E G (S, X, Z,E,N) = 0

PRODUCTO

PERTURBACIONES
N ESTÁTICA Y DINÁMICA
{ tiempos t , 
PROCESOS RESIDUALES
espacio r} X,S,E, Z,N =  ()

ALIMENTACIÓN
Z DESGASTE
{tiempo de vida , estado X
()}
REALIMENTACIÓN DE DESTRUCCIÓN

Ilustración 17. Modelo de diagnóstico de Sistemas

Técnicos. Zlotowki, 1996.

Es obvio deducir que las relaciones anteriores exigen

colocar en limpio las variables de estado, Ilustración 18. Histograma de las variables de estado
denominadas también parámetros del sistema, vs. Modos de falla.
porque son estas las que determinan si el sistema se Una vez definida las variables mas relevantes del
encuentra en un estado utilizable/inutilizable. Las sistema de bombeo se utilizó un sistema de
cuales se deducen a partir de los conceptos físicos monitoreo, denominado VIBRAFIN, tecnología de la
de la dinámica de los fluidos que gobiernan los universidad EAFIT que permitió sacar las curvas de
sistemas hidráulicos (tipo de flujo, conservación de operación del sistema y medición de variables como;
masa, conservación de energía, leyes del movimiento vibración, corriente, RPM (ver ilustración 19).
de Newton, etc.) y de los procesos que se derivan del
proceso principal, tales como; vibración, ruido,
estado térmico, desgaste, envejecimiento (ver
ilustración 17).

DIRECCIÓN VERTICAL (Z)

50,0

45,0

40,0

35,0

30,0
RMS (m/s2)

25,0

20,0

15,0

10,0

5,0

0,0
0
10
20
30
40
50
60
70
80
90
100
110
120
130
140
150
160
170
180
190
200
210
220
230
240
250
260
270
280
290
300
310
320
330
340
350
360
370
380
390
400

NÚMERO ARCHIVO

Ilustración 19. Medición de la severidad de la

vibración.

La idea principal es detectar el modo de falla en su

etapa incipiente por medio de la medición de la
condición estado del sistema y prolongar de esta
forma los intervalos del mantenimiento preventivo.
9
 22. MONTGOMERY, Douglas C. Design and Analysis of
Experiments. 5 ed. New York, NY, USA: John Wiley &
6. Conclusión: 23.
Sons, Inc. 1997.
MONTOYA, José A. Y LOPEZ, Juan C. Modos de Falla
y Análisis de Efectos (FMEA). Medellín, Colombia,
En la medida que desee tener un sistema de Proyecto de grado, Ingeniería Mecánica Universidad
EAFIT, 2001
mantenimiento planeado y sin contratiempos se 24. MORA, Luis Alberto; ARISTIZABAL; Sergio y
deben complementar los sistemas de estudios de RODRIGUEZ Carlos A. Dirección y Sistematización del
Mantenimiento. Medellín: Centro de Educación
fallos, pronósticos y parametrización de su funciones Continua, Universidad EAFIT. 1989.
de daños y comportamiento si desean tener valores 25. MORA, Luis Alberto; TORO, Juan C. y CESPEDES,
óptimos de costo, confiabilidad, mantenibilidad , Pedro. Gestión de Mantenimiento de Quinta Generación.
II Congreso Bolivariano de Ingeniería Mecánica, II
disponibilidad y dependabilidad. COMBI. Ecuador, Julio 23. 2001.
26. O’CONNOR, Patrick D.T. Practical Reliability
Engineering. New York, NY, USA: 2nd ed. John Wiley
Situación esta que se puede lograr con estudios e & Son Ltd, 1985
investigaciones científicas sobre los elementos en sí 27. ORTIZ, German. Gestión de Mantenimiento Orientada
por la Terotecnología. Medellín, Colombia: 2001 Tesis
como casos particulares. magister en administración, Universidad EAFIT.
28. RAMAKUMAR, Ramachandra. Engineering Reliability.
Funadamentals and Applications. New Jersey, NJ, USA:
7. Bibliografía Prentice-Hall, 1993.
29. RELIASOFT. System Analysis Reference. Reliabilitu,
Availability & Optimization. Tucson. AZ, USA.
1. AVALLONE, A. Eugene y BAUMEISTER III,
ReliaSoft Publishing. 1999
Theodore. Marks manual del ingeniero mecánico. 3 ed.
30. REY, Francisco. Hacia la Excelencia en Mantenimiento.
Colombia : McGraw-Hill, 1997.
Madrid, España. Editorial TGP Hoshin: 1996.
2. BARLOW, Richard E. Engineering Reliability. Editorial
31. SMITH, Charles O. Introduction to Reliability in
Board, USA: 1998.
Design. Malabar, Fl, USA. Robert E. Krieger Publishing
3. BARLOW, Richard E.; PROSCHAN, Frank y
Company: 1986
HUNTER, Larry C. Mathematical Theoryof Reliability.
32. SOTSKOV, B. Fundamentos de la Teoría del Cálculo de
New York, NY, USA. John Wiley & Sons, Inc. 1995
la Fiabilidad de Elementos y Dispositivos de
4. BARRINGER H. Paul. Availability, Reliability,
Automatización y Técnica del Cálculo. Moscu, Rusia.
Maintainability, and Capability. , P.E. Barringer &
Editorial MIR: 1972.
Associates, Inc. Humble, TX. 1996.
33. TORO, Juan Carlos y CESPEDES, Pedro Alejandro.
5. BAZOVSKY, Igor. Reliability theory and practice.
Metodología para Medir Confiabilidad, Mantenibilidad y
Prentice-Hall. New Jersey. United States of America.
Disponibilidad en Mantenimiento. Medellín, Colombia:
1961.
2001. Proyecto de grado (Ingeniería Mecánica).
6. BERENSON, Mark L. y LEVINE, David M. Estadística
Universidad EAFIT.
Básica, Conceptos y Aplicaciones. Mexico, Mexico.
34. WIREMAN, T. ¿Who Will Feed the Monster?. Engineer
Prentice Hall. S.A. 1992
´s Digest. USA. Noviembre, 1994.
7. BILLINTON, Roy y ALLAN, Ronald. Reliability
35. bibliografía internet
Evaluation of Engineering Systems. London, Great
36. ARTEOLOGIA. Análisis Cuantitativo [online],
Britain. Pitman Advanced Publishing Program. 1983.
Diciembre 1998 [cited 20 June 2003].
8. BLANCHARD, Benjamin S.; VERMA, Dinesh y
http://usuarios.iponet.es/casinada/arteolog
PETERSON Elmer L. Mantainability: A Key to
37. CDASERVICES. FMEA Studies [online], Junio 2000
Effective Serviceability and Maintenance Management.
[cited 5 June 2003].
New York, NY, USA: John Wiley & Sons, Inc. 1995
http://www.cdaservices.com/java/fmea.htm
9. DEPARTMENT OF ENERGY: OFFICE OF FIELD
38. Designing for Reliability, Maintainability, and Safety.
MANAGEMENT, OFFICE OF PROJECT AND FIXED
George Novacek. Circuit Cellar [online], Diciembre
ASSET MANAGEMENT. Reliability, Maintainability,
1998 [cited 16 Abril 2003]. http://www.circuitcellar.com
Availability (RMA). Planning. New Jersey, NJ, USA:
39. EVANS, James y otros. Two and three parameter
1996.
Weibull goodness of fit. Noviembre 1989
10. EMI. ESPECIALIZACIÓN EN MANTENIMIENTO
40. FERNANDEZ, Pita y DÍAS, Pertega. Estadística
INDUSTRIAL. Departamento de Ingeniería Mecánica,
Descriptiva de los Datos [online], Marzo de 2001 [cited
Universidad Eafit. Medellín, Colombia. 2001.
20 June 2003].
11. IRESON, W. Grant. Reliability Handbook. New York,
http://www.fisterra.com/material/investiga/10descriptiva
NY, USA: Editorial McGraw-Hill Companies, Inc.
/10descriptiva.htm.
1966.
41. Ingeniería estadística. Prueba Anderson-Darling.
12. GIBRA, Isaac N. Probability and Statistical Inference
[online] Agosto de 2000. [cited 25 Abril 2003]
for Scientists and Engineers. New Jersey, NJ, USA:
http://www.statisticalengineering.com/goodness.htm
Prentice-Hall, Inc, 1973.
42. J.O. FMECA [online], 1999 [cited 7 Mayo 2003]
13. GNEDENKO, Boris y USHAKOV, Igor. Probabilistic
http://www.fmeca.com
Reliability Engineering. New York, NY, USA: John
43. MALAGUERA, José. Aspectos técnicos del
Wiley & Sons, Inc. 1995.
mantenimiento [online]. Diciembre de 2001 [cited 20
14. GONZALEZ, Claudio Julian y ZAMBRANO,
Abril 2003].
Alejandro. Aproximación al Control Estrategico de
http://www.cienciafisica.com/html001/aspectecni.html
Mantenimiento Mediante Indicadores CMD Estandares
44. MANTENCION. Enfoque Moderno de Mantención
Inernacionales. Medellín, Colombia: 2002. Proyecto de
[online]. Junio de 2000. [cited 1 Mayo 2003]
grado (Ingeniería Mecánica). Universidad EAFIT.
http://www.mantencion.com/articulos/rev1art4.php3
15. HANKE, John E. REITSH, Arthur G. Pronósticos en los
45. NIST/SEMATECH. E-Handbook of Statistical Methods
Negocios. Barrena.éxico,México. Editorial Prentice
[online] Septiembre de 1999. [cited 29 Abril 2003]
Hall, S.A: 1995
http://www.itl.nist.gov/div898/handbook/
16. KELLY A. HARRYS M.J. Gestión del Mantenimiento
46. Reliability Magazine. Presentación [online] Junio 2001
industrial. Madrid, España:Fundaciones REPSOL,1998
[cited 16 Abril 2003]
17. LEEMIS, Lawrence M. Reliability: Probabilistic Models
http://www.reliability-magazine.com
and Statistical Methods. New Jersey, NJ, USA: Prentice-
47. ReliaSoft. Life Data Analysis On-Line Reference.
Hall, 1995.
[online] Julio de 2000. [cited 1 Mayo 2003]
18. LEWIS, Elmer E. Introduction to Reliability
http://www.weibull.com/lifedatawebcontents.htm
Engineering. New York, NY, USA: John Wiley & Sons,
48. ReliaSoft. System Reliability On-Line Reference.
Inc. 1987.
[online] Junio de 2000. [cited 1 Mayo 2003]
19. LEVIN, Richard. Estadística para Administradores.
http://www.weibull.com/systemrelwebcontents.htm
Mexico, Mexico: Prentice-Hall. 1988.
49. TAVARES, Augusto. Indices de Mantenimiento.
20. MAKRIDAKIS, Spyros y WHEELWRIGHT, Steven C.
Revista de Mantenimiento [online]. Chile. #32, 2000.
Métodos de pronósticos. México, México. Editorial
[cited 20 Abril 2003]
Limusa Noriega Editores: 1998
http://www.mantencion.com/articulos/rev32/indices.htm
21. McCLAVE, Jomes T. & Scheaffer, Richard L.
l
Probabilidad y Estadistica Para Ingenieros. Mexico DF:
50. Zlotowski Bogdan, Bases del Diagnóstico técnico,
Editorial Iberoamerica, 1993.
Edición ATR, Bydgoszcz, Polonia. 1996

10
11