Becerra Ag PDF

UNIVERSIDAD NACIONAL DE INGENIERA
FACULTAD DE INGENIERA MECNICA
EL ANLISIS DE CONFIABILIDAD COMO

HERRAMIENTA PARA OPTIMIZAR LA GESTIN DEL
MANTENIMIENTO PREVENTIVO DE LOS EQUIPOS
DE LA LNEA DE FLOTACIN EN UN CENTRO
MINERO
TESIS
PARA OPTAR EL GRADO ACADMICO DE
MAESTRO EN INGENIERA CON MENCIN EN
GERENCIA E INGENIERA DE MANTENIMIENTO
ELABORADO POR
GILBERTO BECERRA ARVALO Y
JONY MELCHOR PAULINO ROMERO
ASESOR
Mag. Ing. JAVIER FRANCO GONZALEZ
Lima Per
2012
AGRADECIMIENTO
A la Facultad de Ingeniera Mecnica de la Universidad Nacional de Ingeniera

como institucin, y a los docentes y personal administrativo de la Seccin de
Postgrado y Segunda Especializacin de la FIM - UNI, por permitirnos lograr
nuestros anhelos de superacin profesional.
A nuestros colegas de la Maestra en Gerencia e Ingeniera de Mantenimiento,

por su amistad y compaerismo.
Un agradecimiento especial al Magister Javier Franco Gonzales por
su
amistad y valioso asesoramiento, y al seor Pedro Manrique por su apoyo en

gestionar toda la documentacin para la sustentacin de la tesis.
DEDICATORIA
A Dios, por concedernos la vida; por brindarnos salud,

proteccin, sabidura y el conocimiento.
A mi madre Juana por todo su amor; y en memoria de mi
padre Lzaro, quien siempre predic con el ejemplo.
A mi esposa Martha Ysabel y a mis hijos Larry Jackson y
Claudia Margot, por su amor, amistad, tolerancia y
comprensin.
GILBERTO BECERRA ARVALO
A Dios, por darnos la fuerza cuando ms lo necesitamos; por

darnos paciencia, esperanza e inteligencia.
A mis Padres, Flavia Romero Vilca y Florencio Paulino
Quiones, quienes con sus consejos, ejemplo de bondad,
apoyo moral y valores inculcados me ensearon a ser
perseverante para cumplir con mis objetivos y metas.
JONY MELCHOR PAULINO ROMERO
RESUMEN
En la presente investigacin se evala y analiza la relacin causaefecto de las
variables: El Anlisis de Confiabilidad y Optimizar la Gestin del
Mantenimiento de los Equipos de la Lnea de Flotacin de la Planta
Concentradora Berna II en el Centro Minero Casapalca, encontrando como
resultado, una deficiente Gestin del Mantenimiento de los equipos crticos de
la lnea de flotacin, como consecuencia de la falta de conocimiento del
personal de mantenimiento de la planta, referente a las tcnicas cualitativas y
cuantitativas o estadsticas del mantenimiento, que involucran el anlisis de
confiabilidad, mantenibilidad y disponibilidad de equipos y sistemas, entre otros
conceptos. Tambin se ha encontrado, que prcticamente el mantenimiento
predictivo no se toma en cuenta.
En tal contexto, no se conocen cules son los equipos crticos de las diferentes
lneas de produccin de la planta ni en qu etapa de su ciclo de vida se
encuentran; tampoco, se efectan anlisis de modos y efectos de fallos de
dichos equipos; asimismo, no se manejan datos histricos o estadsticos del
tiempo entre fallos de los equipos para evaluar su confiabilidad y determinar el
ciclo ptimo de mantenimiento preventivo de cada equipo crtico basado en el
anlisis de confiabilidad, entre otros aspectos. Todas estas deficiencias, ha
conllevado a poner en prctica inadecuadas frecuencias o ciclos de
mantenimiento de los equipos de la lnea de flotacin de la planta (cada treinta
das), ocasionando prdidas econmicas para la empresa.
Ante tal situacin, en la presente investigacin, para optimizar la Gestin del
Mantenimiento de los equipos de la lnea de flotacin, utilizando como
4
herramienta el Anlisis de Confiabilidad, primero, se determin la relacin de

los equipos crticos de dicha lnea productiva (tcnica cualitativa); y, luego,
utilizando los datos histricos o estadsticos del tiempo entre fallos de los
equipos crticos, y los softwares DISMA y RELEST, que permiten determinar la
mejor distribucin probabilstica de fallos, y los tiempos caractersticos con sus
respectivas probabilidades, se determin el ciclo ptimo para el mantenimiento
preventivo
de los equipos crticos de la lnea de flotacin, basada en el
anlisis de confiabilidad de los mismos.
Asimismo, teniendo en cuenta el ciclo ptimo de mantenimiento, se propone la

planificacin del mantenimiento preventivo para cada equipo crtico, con lo cual
se logra el objetivo de optimizar la Gestin del Mantenimiento de los equipos de
la mencionada lnea productiva.
Palabras claves: Confiabilidad, Mantenibilidad, Disponibilidad, Proceso,
Mantenimiento, Gestin de Calidad, Gestin del Mantenimiento, Tiempo Medio
Entre Fallos, Tiempo Medio de Reparacin.
ABSTRACT
This research evaluates and analyzes the relationship between cause and
effect variables, "Reliability Analysis" and Optimization of Maintenance
Management of the Line of Flotation equipment from the concentrator plant
Berna II at the Casapalca Mining Company, finding a poor maintenance
management of critical equipment for the floating line (waterline), as a result of
a lacking in knowledge by the staff, about plant maintenance, concerning the
qualitative and quantitative techniques or maintenance statistics, which involve
the analysis of reliability, maintainability and availability of equipment and
systems, among other things. We have been found also, that predictive
maintenance is not taken into consideration.
In this context, we do not know which are the critical equipment of different
production lines from the plant or what stage of their life cycle are at, nor are
carried out analysis of failure modes and effects of that equipment, also not
handled historical or statistical historical data between equipment failures to
assess its reliability and determine the optimum preventive maintenance cycle
of each critical equipment based on reliability analysis, among others. All these
shortcomings, has led to inadequate implementation of frequency or cycles of
equipment maintenance of the flotation line of the plant (every thirty days),
causing economic losses for the company.
In this situation, to optimize the management of equipment maintenance of the

waterline, using Reliability Analysis tool, in this research first, we have
investigated the relationship of critical equipment of the production line
6
(qualitative technique) and, then, using time historical data or statistical

between failures of critical equipment, and software RELEST and DISMA, for
determining the best distribution of failures probability, and the characteristic
times with their own probabilities, we determined the Optimal preventive
maintenance cycle of critical equipment for the line of flotation, based on
reliability analysis of them.
Also, bearing in mind the optimum maintenance cycle is proposed preventive

maintenance planning for each critical equipment, thus achieves the goal of
improving or optimizing the Management of Maintenance of equipment of that
production line.
Keywords: Reliability, Maintainability, Availability, Processi, Maintenance,

Quality Management, Maintenance Management, Mean Time Between
Failures, Mean Time To Repair.
NDICE
AGRADECIMIENTO.... 2
DEDICATORIA.. 3
RESUMEN .... 4
ABSTRACT... 6
INTRODUCCIN... 19
CAPTULO I. DESCRIPCIN Y ASPECTOS METODOLGICOS DE

LA INVESTIGACIN
1.1 MBITO DEL DESARROLLO DE LA INVESTIGACIN ... 24
1.2 ANTECEDENTES BIBLIOGRFICOS.. 24
1.3 PLANTEAMIENTO Y FORMULACIN DEL PROBLEMA... 34
1.3.1 PLANTEAMIENTO DE LA REALIDAD PROBLEMTICA.... 34
1.3.2 FORMULACIN DEL PROBLEMA . 36
1.4 OBJETIVOS... 37
1.4.1 OBJETIVO GENERAL .... 37
1.4.2 OBJETIVOS ESPECFICOS... 37
1.5 HIPTESIS....... 38
1.5.1 HIPTESIS GENERAL.... 38
1.5.2 HIPTESIS ESPECFICAS..... 38
1.6 VARIABLES E INDICADORES.. 39
1.7 METODOLOGA DE LA INVESTIGACIN...... 39
1.7.1 TIPO Y NIVEL DE INVESTIGACIN........... 40
1.7.2 TCNICAS DE RECOLECCIN Y PROCESAMIENTO DE
DATOS... 40
1.8 JUSTIFICACIN E IMPORTANCIA DE LA INVESTIGACIN..... 41
CAPTULO II.
MARCO TERICO Y MARCO CONCEPTUAL DE LA

INVESTIGACIN
2.1 FUNDAMENTOS DE LA GESTIN DEL MANTENIMIENTO... 42

2.1.1 EVOLUCIN DEL CONCEPTO DE MANTENIMIENTO
DURANTE EL SIGLO XX Y NUEVAS TENDENCIAS DEL
MANTENIMIENTO 42
2.1.2 CONCEPTUALIZACIN DEL MANTENIMIENTO.. 50
2.1.3 GESTIN Y MANTENIMIENTO. 53
2.1.4 POR QU DEBEMOS GESTIONANAR EL MANTENIMIENTO... 55
2.1.5 TIPOS DE MANTENIMIENTO.... 57
2.2
LA GESTIN DEL MANTENIMIENTO BAJO EL ENFOQUE DE LA

GESTIN DE LA CALIDAD 65
2.2.1 PRINCIPALES COMPONENTES DE LA GESTIN DE
CALIDAD DEL MANTENIMIENTO....70
2.3
ANLISIS DE LA CONFIABILIDAD DE EQUIPOS UTILIZANDO

TCNICAS O HERRAMIENTAS CUALITATIVAS..74
2.3.1 ANLISIS DE CRITICIDAD. 74
2.3.2 ANLISIS DE MODOS Y EFECTOS DE FALLOS (FMEA)...76
2.4
ASPECTOS IMPORTANTES DE LA ESTADSTICA Y DE LA TEORA

DE PROBABILIDES PARA EL ANLISIS DE LA CONFIABILIDAD... 77
2.4.1 POR QU LA ESTADSTICA ES TIL EN LA GESTIN DEL
MANTENIMIENTO O EN LA GESTIN DE UNA EMPRESA?.....77
2.4.2 FUNDAMENTOS SOBRE LA TEORA DE LA PROBABILIDAD,
VARIABLES
ALEATORIAS
DISTRIBUCIONES
DE
PROBABILIDAD... 79
2.4.2.1 EXPERIMENTOS ALEATORIOS Y ESPACIOS
MUESTRALES.... 79
2.4.2.2
OTROS CONCEPTOS Y DEFINICIONES DE

PROBABILIDADES 81
2.4.2.3 VARIABLES ALEATORIAS Y SU CLASIFICACIN.. 84

2.4.2.4
DISTRIBUCIONES DE PROBABILIDAD DE
VARIABLES ALEATORIAS CONTINUAS...87
9
2.4.2.5
MEDIDAS DE TENDENCIA CENTRAL DE

VARIABLES ALEATORIAS.. 92
2.4.2.6
MEDIDAS DE DISPERSIN DE VARIABLES

ALEATORIAS.. 93
2.4.3 FUNDAMENTOS SOBRE CONFIABILIDAD, MANTENIBILIDAD

Y DISPONIBILIDAD DE UN TEM O ARTCULO (EQUIPO,
MQUINA, etc.) 96
2.4.3.1 CONCEPTOS, TRMINOS Y DEFINICIONES MS
FRECUENTES UTILIZADOS EN CONFIABILIDAD,
MANTENIBILIDAD Y DISPONIBILIDAD. 96
2.4.3.2 ANLISIS DE CONFIABILIDAD DE UN TEM:
CONCEPTUALIZACIN
EXPRESIN
MATEMTICA DE LA CONFIABILIDAD. 99
2.4.3.3 TASA DE FALLOS 105
2.4.3.4 FUNCIONES DE DISTRIBUCIN DE FALLOS O
MODELOS PROBALSTICOS DE FALLOS QUE SE
APLICAN
EN
EL
CLCULO
DE
LA
CONFIABILIDAD DE UN DETERMINADO TEM...107

2.4.3.5 CURVA DE LA BAERA O CURVA DE DAVIES O
CURVA DE LA TASA DE FALLOS O CURVA DE
RIESGO. 118
2.4.3.6 PRUEBAS DE BONDAD DE AJUSTE.. 120
2.4.3.7 USO DE SOFTWARE PARA LAS PRUEBAS DE
BONDAD DE AJUSTE 122
2.4.3.8 CONFIABILIDAD DE UN SISTEMA. 125
2.4.3.9 MANTENIBILIDAD... 130
2.4.3.10 DISPONIBILIDAD.... 137
2.5 MARCO CONCEPTUAL.. 139
CAPTULO III.
EVALUACIN DEL ESTADO SITUACIONAL DE LOS

EQUIPOS
PRINCIPALES
DE
LA
LNEA
DE
FLOTACIN EN BASE A TCNICAS CUALITATIVAS

Y CUANTITATIVAS, Y SITUACIN ACTUAL DE LA
10
GESTIN
DEL
MANTENIMIENTO
DE
DICHOS
EQUIPOS
3.1
DESCRIPCIN GENRICA DE LOS PROCESOS PRODUCTIVOS

DEL CENTRO MINERO CASAPALCA.... 144
3.2
LISTADO DE EQUIPOS DE LA LNEA FLOTACIN, DESCRIPCIN

DE
SUS
FUNCIONES
OPERATIVAS
CARACTERSTICAS
TCNICAS DE LOS MISMOS... 147

3.3 DETERMINACIN DE LOS EQUIPOS CRTICOS DE LA LNEA DE
FLOTACIN MEDIANTE EL ANLISIS DE CRITICIDAD... 163
3.4 EVALUACIN DE MODOS Y EFECTOS DE FALLOS (FMEA) DE LOS
EQUIPOS CRTICOS DE LA LNEA DE FLOTACIN.. 169
3.4.1 FUNCIONES, MODOS DE FALLOS Y CAUSAS DEL FALLO
DE CADA EQUIPO CRTICO.. 169
3.4.2 EFECTOS DE LAS FALLAS EN LOS EQUIPOS CRTICOS
DE LA LNEA DE FLOTACIN .. 173
3.5 DATOS HISTRICOS DE FALLOS (AO 2010) Y DE REPARACIN
DE FALLOS DE LOS EQUIPOS CRTICOS DE LA LNEA DE
FLOTACIN...182
3.6 SOFTWARE UTILIZADOS PARA DETERMINAR EL CICLO DE VIDA,
LA CONFIABILIDAD Y MANTENIBILIDAD DE CADA EQUIPO
CRTICO DE LA LNEA DE FLOTACIN
.184
3.7 DETERMINACIN DEL CICLO DE VIDA DE LOS EQUIPOS

CRTICOS DE LA LNEA DE FLOTACIN.. 184
3.8 EVALUACIN DEL TIEMPO MEDIO ENTRE FALLOS (TMEF), DE LA
CONFIABILIDAD,
DE
LA
TASA
DE
FALLOS
CURVAS
CARCTERSTICAS (PARA DICHO TMEF) DE LOS EQUIPOS

3.9 EVALUACIN
DE
LA
CONFIABILIDAD
DE
LA
LNEA
DE
FLOTACIN, TENIENDO EN CUENTA LA CONFIABILIDAD DE LOS

EQUIPOS CRTICOS PARA LOS TIEMPOS MEDIOS ENTRE
FALLOS. 216
3.10 DETERMINACIN DEL TIEMPO MEDIO DE REPARACIN (TMDR =
MTTR) DE CADA EQUIPO CRTICO DE LA LNEA DE FLOTACIN... 217
11
3.11 EVALUACION
DE
LA
DISPONIBILIDAD
DE
LOS
EQUIPOS

3.12 EVALUACIN DEL GRADO DE CONOCIMIENTO DEL PERSONAL
DE MANTENIMIENTO DE LA PLANTA CONCENTRADORA,
REFERENTE
LAS
TCNICAS
CUALITATIVAS
CUANTITATIVAS DEL MANTENIMIENTO... 219

3.13 SITUACIN ACTUAL DE LA GESTIN DEL MANTENIMIENTO DE
LOS EQUIPOS DE LA PLANTA 221
CAPTULO IV.
PROPUESTA DE MEJORA DE LA GESTIN DEL

MANTENIMIENTO DE LOS EQUIPOS CRTICOS DE
LA LNEA DE FLOTACIN EN BASE A UN ANLISIS
DE CONFIABILIDAD. ANLISISDE RESULTADOS Y
CONTRASTACIN DE LAS HIPTESIS
4.1
EVALUACIN DE LA INCIDENCIA DEL ACTUAL CICLO DE

MANTENIMIENTO DE TREINTA (30) DAS EN LA CONFIABILIDAD
DE LOS EQUIPOS CRTICO DE LA LNEA DE FLOTACIN.. 223
4.2
PROPUESTA DEL CICLO PTIMO PARA EL MANTENIMIENTO

PREVENTIVO
DE LOS EQUIPOS CRTICOS BASADA EN EL
ANLISIS DE CONFIABILIDAD DE LOS MISMOS... 227

4.3
LINEAMIENTOS ORIENTADOS A MEJORAR LA GESTIN DEL

MANTENIMIENTO DE LA PLANTA CONCENTRADORA BERNA II... 234
4.4
PLANIFICACIN DEL MANTENIMIENTO PREVENTIVO DE LOS

EQUIPOS CRTICOS DE LA LNEA DE FLOTACIN EN BASE A LA
PROPUESTA DEL CICLO PTIMO.. 235
4.5
COMPARACIN
DE
LOS
COSTOS
ANUALES
DEL
MANTENIMIENTO PREVENTIVO DE LOS EQUIPOS CRTICOS DE

LA LNEA DE FLOTACIN, TENIENDO EN CUENTA EL CICLO
ACTUAL DE MANTENIMIENTO DE 30 DAS Y EL CICLO PTIMO
PROPUESTO................................................................................ 242
4.5.1 COSTOS DEL MANTENIMIENTO PREVENTIVO ACTUAL,
ES DECIR, CADA 30 DAS. 242
12
4.5.2 COSTOS DEL MANTENIMIENTO PREVENTIVO PARA EL

CICLO PTIMO PROPUESTO.. 245
4.5.3 CUADRO RESUMEN DE LA COMPARACIN DE COSTOS
TOTALES DEL MANTENIMIENTO PREVENTIVO POR AO,
TENIENDO EN CUENTA EL CICLO ACTUAL DE 30 DAS Y
EL CICLO PTIMO PROPUESTO. 248
4.6
ANLISIS Y DISCUSIN DE RESULTADOS.. 248
4.7
CONTRASTACIN DE LAS HIPTESIS FORMULADAS.... 250
CONCLUSIONES..... 259
RECOMENDACIONES.... 262
BIBLIOGRAFA..... 264
ANEXOS
ANEXO N 1: COMPORTAMIENTO GRFICO DE LA DISTRIBUCIN DE
WEIBULL DE ACUERDO A LA VARIACIN DE SUS
PARMETROS.. 269
ANEXO N 2: OTRA FORMA DE DETERMINAR EL TIEMPO MEDIO
ENTRE FALLOS (TMEF) DE LOS EQUIPOS CRTICOS DE
LA LNEA DE FLOTACIN.. 270
ANEXO N 3: DETERMINACIN DEL TIEMPO MEDIO DE REPARACIN
(TMDR) DE LOS EQUIPOS CRTICOS DE LA LNEA DE
FLOTACIN UTILIZANDO EL SOFTWARE RELEST 271
ANEXO N 4: FOTOGRAFAS DE ALGUNOS EQUIPOS QUE OPERAN
EN LAS DIFERENTES LNEAS PRODUCTIVAS DE LA
PLANTA CONCENTRADORA BERNA II EN EL CENTRO
MINERO CASAPALCA. 274
ANEXO N 5: DIAGRAMA DE FLUJO DE LA LINEA DE FLOTACION DE
LA PLANTA CONCENTRADORA BERNA II. 285
ANEXO N 6: FOTOGRAFAS DE LOS EQUIPOS CRTICOS DE LA
LNEA DE FLOTACIN... 286
13
FIGURAS
FIGURA 2.1. Primera Generacin del Mantenimiento 43
FIGURA 2.2. Segunda Generacin del Mantenimiento.. 45
FIGURA 2.3. Tercera Generacin del Mantenimiento 47
FIGURA 2.4.Cuarta Generacin del Mantenimiento. 49
FIGURA 2.5. Elementos del mantenimiento bajo enfoque sistmico.. 52
FIGURA 2.6. Tipos de mantenimiento segn la Norma EN-13306.. 58
FIGURA 2.7. Curva de evolucin de una falla. 61
FIGURA 2.8. Mantenimiento basado en las condiciones (Curva potencial
funcional o curva P F) 62
FIGURA 2.9. Calidad de un proceso. 67
FIGURA 2.10. Proceso mantenimiento. 68
FIGURA 2.11. Relacin entre el proceso de produccin y el proceso de
mantenimiento.... 70
FIGURA. 2.12. Tres eventos mutuamente excluyentes. 83
FIGURA 2.13. Concepto de una variable aleatoria. 84
FIGURA 2.14. Distribucin de probabilidad o densidad de probabilidad f(x).. 88
FIGURA 2.15. P(a X b) = rea sombreada bajo la curva f(x) entre a y b.. 89
FIGURA 2.16. Estados de funcionalidad de un tem.. 97
FIGURA 2.17. Representacin grfica de la confiabilidad. 103
FIGURA 2.18. Representacin grfica de la infiabilidad... 104
FIGURA 2.19. Representacin grfica general de las funciones f(t), R(t),
F(t) y (t) que puede ser para un determinado artculo 106
FIGURA 2.20. Funcin de densidad de probabilidad normal para la v.a
14
tiempo hasta el fallo. 110

FIGURA 2.21. Funcin de la probabilidad acumulada de la Distribucin
Normal.. 111
FIGURA 2.22. Funcin de confiabilidad de la Distribucin Normal.. 111
FIGURA 2.23. Funcin de tasa de fallos o funcin de riesgo de la
Distribucin Normal,,.. 111
FIGURA 2.24. Funcin de densidad
de probabilidad de la Distribucin
Exponencial..114
FIGURA 2.25. Funcin de Confiabilidad de la Distribucin Exponencial. 114
FIGURA 2.26. Funcin de probabilidad
acumulada de la Distribucin
Exponencial..114
FIGURA 2.27. Funcin de tasa de fallas o funcin de riesgo de la
Distribucin Exponencial 114
FIGURA 2.28. Funcin de densidad de probabilidad de la Distribucin de
Weibull.. 117
FIGURA 2.29. Funcin de Confiabilidad de la Distribucin de Weibull.... 117
FIGURA 2.30. Funcin de probabilidad acumulada de la Distribucin de
Weibull. 117
FIGURA 2.31. Funcin de tasa de fallos de la Distribucin de Weibull.. 117
FIGURA 2.32. Curva de la baera o curva de confiabilidad de un artculo. 119
FIGURA 2.33. Regiones de aceptacin y de rechazo de los datos
extremos... 124
FIGURA 2.34. Influencia del nmero de equipos en la confiabilidad de un
sistema en serie.. 127
FIGURA 2.35. Influencia del nmero de equipos o componentes en la
confiabilidad de un sistema en paralelo.. 129
FIGURA 2.36. Estimacin del Tiempo Medio entre Fallas (TMEF o MTBF) y
del Tiempo Medio de Reparacin (TMDR o MTTR)..131
FIGURA 2.37. Interpretacin grfica de la Mantenibilidad..... 134
FIGURA 2.38. Curva de Mantenibilidad para la Distribucin Weibull.. 137
FIGURA 2.39. Relacin
entre
Confiabilidad,
Mantenibilidad
Disponibilidad.. 138
FIGURA 3.1. Proceso productivo del centro minero Casapalca 146
15
TABLAS
TABLA 2.1. Determinacin de criticidad por puntuacin ponderada... 75
TABLA 2.2. Relacin de causas y efectos de fallo con los modos de fallo. 77
TABLA 2.3. Clasificacin de las fallas... 98
TABLA 3.1. Relacin de equipos de la lnea de flotacin con sus funciones
operativas correspondientes.... 147
TABLA 3.2. Caractersticas tcnicas de la Celda OK 30 N1 de Bulk..... 149
TABLA 3.3. Caractersticas tcnicas de la Celda OK 30 N2 de Bulk..... 149
TABLA 3.4. Caractersticas tcnicas de la Bomba SRL 10 x 8 N4.....149
TABLA 3.5. Caractersticas tcnicas del Distribuidor de carga. 150
TABLA 3.6. Caractersticas de la Celda RCS 15 N1.... 150
TABLA 3.7. Caractersticas tcnicas de la Celda RCS 15 N2.....150
TABLA 3.8. Caractersticas tcnicas de la Celda 100 pies3......151
TABLA 3.9. Caractersticas tcnicas del Acondicionador 6 x 6.. 151
TABLA 3.10. Caractersticas tcnicas de la Bomba Denver SRL 6 x 6.. 151
TABLA 3.11. Caractersticas de la Celda primera de limpieza de 36 pies3 152
TABLA 3.12. Caractersticas tcnicas de la Celda segunda limpieza de
36pies3 152
TABLA 3.13. Caractersticas tcnicas de la Bomba Denver SRL 10 x 8 N7. 152
TABLA 3.14. Caractersticas tcnicas del Cicln D-26.. 153
TABLA 3.15. Caractersticas tcnicas del Molino de bolas 7 x 10. 153
TABLA 3.16. Caractersticas tcnicas de la Celda RCS 15 N3...153
TABLA 3.17. Caractersticas tcnicas de la Celda DR300 de Bulk..... 154
TABLA 3.18. Caractersticas tcnicas de la Bomba Denver SRL 5 x 4 N1... 154
TABLA 3.20. Caractersticas tcnicas de la Celda OK 30 N1 de Bulk... 155
16

TABLA 3.26. Caractersticas tcnicas de la Bomba Denver SRL 6 x 6
de Zinc... 157
TABLA 3.27. Caractersticas tcnicas de la Celda de primera limpieza
de Zinc 100 pies3..... 157
TABLA 3.28. Caractersticas tcnicas de la Bomba Denver SRL
8 x 6 N1... 157
TABLA 3.29. Caractersticas tcnicas de la Celda DR300 de Bulk..... 158
TABLA 3.31. Caractersticas tcnicas del Nido de ciclones D-15 158
TABLA 3.32. Caractersticas tcnicas del Molino de bolas 6 x 6 N1 159
TABLA 3.33. Caractersticas tcnicas de la Celda de segunda limpieza
de Zinc de 36 pies3... 159
TABLA 3.34. Caractersticas tcnicas del Manifold de distribucin. 159
TABLA 3.35. Caractersticas tcnicas del Molino de bolas 6 x 6 N3 160
TABLA 3.36. Caractersticas tcnicas del Molino de bolas 5 x 10 N1.. 160
TABLA 3.37. Caractersticas tcnicas del Molino de bolas 5 x 5 160
TABLA 3.38. Caractersticas tcnicas de la Celdas ultima limpieza de
18 pies3.. 161
TABLA 3.39. Caractersticas tcnicas del Acondicionador 6 x 6 de Bulk.. 161
TABLA 3.40. Caractersticas tcnicas de la Celda OK 50 N1 de Zinc... 161
TABLA 3.43. Caractersticas tcnicas de la Celda OK50 N2 de Zinc.... 162
TABLA 3.44. Evaluacin de criticidad de la Celda OK 50 N1 de Bulk 164
TABLA 3.45. Evaluacin de criticidad de la Celda OK 50 N2 de Bulk 165
TABLA 3.46. Evaluacin de criticidad de la Bomba
SRL 10 x 8 N4....... 166
SRL 10 x 8 N7 167
TABLA 3.48. Evaluacin de criticidad del Molino 7 x 10.. 168

TABLA 3.49. Funciones de los equipos crticos.. 169
17
TABLA 3.50. Modos de fallo de los equipos crticos.. 169

TABLA 3.51. Causas de fallos de los equipos crticos... 170
TABLA 3.52. Efectos de fallos en la Celda OK50 N1 de Bulk. 173
TABLA 3.53. Efectos de falla de la Celda OK50 N2 de Bulk... 175
TABLA 3.54. Efecto de fallos de la Bomba de pulpa SRL 10 x 8 N4..... 176
TABLA 3.55. Efecto de fallos de La Bomba de pulpa SRL 10 x 8N7...............178
TABLA 3.56. Efecto de fallos del Molino 7 x 10... 180
TABLA 3.57. Datos histricos del tiempo entre fallos y de los tiempos de
reparacin dela Celda OK 50 N1.......... 182
reparacin de la Celda OK 50 N2......... 183
reparacin de la Bomba SRL 10 x 8 N4........ 183
reparacin de la Bomba SRL 10 x 8 N7. 183
reparacin del Molino 7 x 10...........184
TABLA 3.62. Resultados de la encuesta efectuada al personal de
mantenimiento de la planta concentradora 220
TABLA 4.1. Tiempo Medio Entre Fallas (TMEF) y Confiabilidad de los equipos
crticos de la lnea de flotacin para estos tiempos medios 227
TABLA 4.2. Plan de mantenimiento preventivo: Celda OK 50 N1 de Bulk. 236
TABLA 4.3. Plan de mantenimiento preventivo: Celda OK 50 N2 de Bulk. 237
TABLA 4.4. Plan de mantenimiento preventivo: Bomba SRL 10 x 8 N4. 239
TABLA 4.5. Plan de mantenimiento preventivo: Bomba SRL 10 x 8 N7.... 240
TABLA 4.6. Plan de mantenimiento preventivo: Molino 7 X 10...... 241
TABLA 4.7. Valores del parmetro de forma de la Distribucin Probabilstica
de Weibull de cada equipo crtico de la lnea de flotacin... 251
TABLA 4.8. Valores de la confiabilidad de los equipos crticos de la lnea de
flotacin para el ciclo de mantenimiento de 30 das. 252
TABLA 4.9. Ciclo ptimo de mantenimiento y eficiencia de los equipos
crticos de la lnea de flotacin. 257
18
INTRODUCCIN
Debido a la alta competitividad de las empresas industriales, la filosofa de
gestin de estas organizaciones productivas debe de estar orientada hacia una
gestin de calidad, para as ofrecer una entrega oportuna de productos de
calidad, y de esa manera satisfacer las necesidades tanto de los clientes
externos como internos.
Al respecto, este nuevo enfoque en la que actualmente se desenvuelven las

diferentes empresas, han obligado a los gerentes a optimizar todos los
procesos que intervienen en la organizacin, con la finalidad de desarrollar
procesos de calidad. En ese contexto, el mantenimiento como proceso, tiene
una funcin clave en el logro de las metas y objetivos de la empresa.
Contribuye a reducir costos, a minimizar el tiempo muerto de los equipos
(paradas de planta), a mejorar la calidad de los productos, a incrementar la
productividad y a contar con un equipo seguro y bien configurado para lograr la
entrega oportuna de las rdenes a los clientes.
Asimismo, cabe mencionar, que la importancia de la Gestin del Mantenimiento

se fundamenta principalmente en el deterioro de los equipos industriales y en
las consecuencias que este ocasiona en la economa de las organizaciones
productivas. Debido al alto costo que supone este deterioro para las empresas,
es necesario aumentar la confiabilidad de las mquinas, como la seguridad de
los equipos y de las personas.
En ese sentido, la Gestin del Mantenimiento de los equipos en plantas

industriales (con el desarrollo de las actividades de planeacin, organizacin,
programacin y control), juega un papel preponderante en el proceso
productivo, toda vez que permite incrementar la confiabilidad y disponibilidad
de los equipos, minimizando el costo del ciclo de vida de los mismos. Por lo
19
tanto, toda empresa que practica como filosofa una Gestin de Calidad, la
Gestin del Mantenimiento de sus instalaciones tiene que ser tambin de
calidad.
Tambin, cabe destacar, que la solucin estratgica de los problemas que

afectan actualmente a la Gestin del Mantenimiento, est dada en gran medida
en lograr formar y capacitar continuamente a las personas involucradas en esta
actividad, fundamentalmente en las tcnicas ms avanzadas tanto de la
Ingeniera como de la Gestin del Mantenimiento.
Las tcnicas ms avanzadas en lo referente a la Gestin del Mantenimiento

incluyen tanto mtodos cualitativos como cuantitativos. Estos ltimos, son en
muchas ocasiones obviados, por considerarse complejos, o simplificados en
forma arbitraria para ser aplicados aunque sea superficialmente.
Al respecto, cabe mencionar, que dentro de los mtodos cuantitativos, la

Estadstica juega un papel preponderante, en el entendido de que no se puede
gestionar lo que no se mide. Las mediciones son clave. Si no se mide, no se
puede controlar. Si no se puede controlar, no se puede gestionar; y si no se
puede gestionar, no se puede mejorar. La Estadstica permite a la Gestin del
Mantenimiento responder preguntas como: cules son las averas que ms se
han producido en el ltimo trimestre?, en qu etapa del ciclo de vida se
encuentra cada uno de los equipos de la planta?, cul es el tiempo medio entre
fallos de cada equipo?, cul es el tiempo medio de reparacin de cada
equipo?, cul es la frecuencia o ciclo recomendable para realizar el
mantenimiento preventivo de cada equipo?
En ese contexto, cabe precisar, que para efectuar una administracin cientfica
de los equipos en plantas industriales, se debe contar, para cada equipo, con
datos histricos o estadsticos de fallas, y datos estadsticos de reparacin de
fallas. Asimismo se debe disponer de los Software adecuados que permitan
realizar las evaluaciones necesarias.
20
En la presente tesis, para lograr el objetivo de optimizar la Gestin del

Mantenimiento de los equipos de la lnea de flotacin en un centro minero,
utilizando como herramienta el anlisis de confiabilidad, se han combinado las
tcnicas cualitativas y cuantitativas (estadsticas) y se ha utilizado el software
Disma y Relest.
La tesis consta de cuatro (04) captulos y un apartado final dedicado a exponer

las conclusiones y recomendaciones. Se complementa con un listado de
referencias bibliogrficas y con anexos que contribuyen a un mejor
conocimiento de la investigacin.
En el primer captulo titulado Descripcin y Aspectos Metodolgicos de la
Investigacin, se precisa el mbito en el cual se desarroll la investigacin, as
como los antecedentes bibliogrficos. Adems contiene: el planteamiento y
formulacin del problema, los objetivos que se quieren alcanzar, las hiptesis
que se tiene que verificas o contrastar, y la identificacin de las variables e
indicadores. Tambin considera la metodologa de la investigacin, que
contempla: tipo y nivel de investigacin, y tcnicas de recoleccin y
procesamiento de datos. Adems, precisa la justificacin e importancia de la
investigacin.
El segundo captulo, Marco Terico y Marco Conceptual de la Investigacin
presenta aspectos tericos importantes en los cuales que se fundamenta el
desarrollo de
la investigacin, como: la evolucin del concepto de
mantenimiento durante el siglo XX y las nuevas tendencias del mantenimiento;

la conceptualizacin del mantenimiento; por qu debemos gestionar el
mantenimiento; tipos de mantenimiento; la gestin del mantenimiento bajo el
enfoque de la gestin de la calidad; y las principales componentes de la
gestin de calidad del mantenimiento. Asimismo, tambin enfoca el anlisis de
la confiabilidad de equipos utilizando tcnicas o herramientas cualitativas, en
donde se trata: el anlisis de criticidad y el anlisis de modos y efecto de fallos
(FMEA). Adems, considera aspectos importantes de la Estadstica y de la
Teora de Probabilidades para el anlisis de la confiabilidad, en donde se
destaca: la utilidad de la estadstica en el anlisis de la confiabilidad; los
21
fundamentos sobre la teora de la probabilidad; el concepto de variables

aleatorias y su clasificacin; las distribuciones de probabilidad de variables
aleatorias continuas; y las medidas de tendencia central y de dispersin de
variables aleatorias continuas. Asimismo, tambin contempla los fundamentos
sobre confiabilidad, mantenibilidad y disponibilidad de un tem o artculo
(equipo, mquina, etc.); las funciones de distribucin de fallos o modelos
probabilsticos de fallos que se aplican al clculo de la confiabilidad; aspectos
importantes relacionados con curva de la baera o curva de Davies; las
pruebas de bondad de ajuste y el uso de software para dichas pruebas; y los
fundamentos relacionados con la confiabilidad de sistemas en serie, paralelo y
mixtos. Al final del captulo se presenta el Marco Terico de la Investigacin
que contiene el significado conceptual de varios trminos que se utilizan en el
desarrollo de la tesis.
Evaluacin del Estado Situacional de los Equipos Principales de la Lnea de
Flotacin en base a Tcnicas Cualitativas y Cuantitativas, y Situacin Actual de
la Gestin del Mantenimiento de Dichos Equipos, es el ttulo del tercer
captulo de la tesis. En este captulo, en la primera parte, se presenta la
descripcin genrica de los procesos productivos que se desarrollan en la
Planta Concentradora Berna II en el Centro Minero Casapalca; el listado de
equipos de la lnea flotacin, la descripcin de sus funciones operativas y las
caractersticas tcnicas de los mismos. Enseguida, se determinan los equipos
crticos de la lnea de flotacin mediante el anlisis de criticidad; y luego, se
efecta la evaluacin de modos y efectos de fallo (FMEA) de dichos equipos
crticos. Tambin se presentan los datos histricos de fallos (ao 2010) y de
reparacin de fallos de los equipos crticos de la lnea de flotacin, as como los
softwares utilizados para evaluar el ciclo de vida, la confiabilidad, la tasa de
fallos, y las curvas caractersticas de cada equipo crtico de la lnea de
flotacin. Adems, contempla la evaluacin de la confiabilidad de la lnea de
flotacin, teniendo en cuenta la confiabilidad de los equipos crticos para los
tiempos medios entre fallos; la determinacin del tiempo medio de reparacin
(TMDR = MTTR) de cada equipo crtico de la lnea de flotacin; y la evaluacin
de la disponibilidad de dichos equipos crticos. Finalmente, en este captulo, se
consider el clculo del costo total de la no disponibilidad (CTND) de cada
22
equipo crtico; la evaluacin del grado de conocimiento del personal de

mantenimiento de la planta concentradora en el tema de anlisis de
confiabilidad de equipos y sistemas; y la situacin actual de la Gestin del
Mantenimiento de los equipos crticos de la lnea de flotacin.
En el cuarto captulo denominado Propuesta de Mejora de la Gestin del
Mantenimiento de los Equipos Crticos de la Lnea de Flotacin en Base a un
Anlisis de Confiabilidad. Anlisis de Resultados y Contrastacin de las
Hiptesis, en la primera parte, se efectu una evaluacin de la incidencia del
ciclo actual de mantenimiento en la confiabilidad de los equipos crtico de la
lnea de flotacin; para luego, presentar la propuesta del ciclo ptimo para el
mantenimiento preventivo
de los equipos crticos basada en el anlisis de
confiabilidad de los mismos. Adems, contempla, los lineamientos orientados a

mejorar la Gestin del Mantenimiento de la Planta Concentradora Berna II; la
planificacin del mantenimiento preventivo de los equipos crticos de la lnea de
flotacin en base a la propuesta del ciclo ptimo; la comparacin de los costes
anuales del mantenimiento preventivo de los equipos crticos de la lnea de
flotacin, teniendo en cuenta el ciclo actual de mantenimiento de treinta (30)
das y el ciclo ptimo de mantenimiento propuesto. Asimismo, el captulo
contiene el anlisis de resultados y la contrastacin de las hiptesis
formuladas.
La tesis finaliza, presentando las conclusiones y recomendaciones que se

derivan del trabajo de investigacin, as como tambin, la bibliografa que
compila las referencias bibliogrficas, y los anexos correspondientes.
23
CAPTULO I
DESCRIPCIN Y ASPECTOS METODOLGICOS DE LA
INVESTIGACIN
1.1 MBITO DEL DESARROLLO DE LA INVESTIGACIN
La presente investigacin se desarroll en el contexto de la lnea de flotacin

de la Planta Concentradora Berna II en el Centro Minero Casapalca, la misma
que se encuentra ubicada en el Distrito de Casapalca, Provincia de Huarochir,
Departamento de Lima.
1.2 ANTECEDENTES BIBLIOGRFICOS
Hoy, las empresas industriales estn entendiendo que la gestin eficaz del
mantenimiento de sus equipos y/o instalaciones se ha convertido en un arma
poderosa de competitividad de sus productos, en el entendido de que una
gestin de calidad del mantenimiento contribuye a procesos de produccin de
calidad.
Una gestin eficaz del mantenimiento en una planta industrial, conlleva a una
alta confiabilidad y disponibilidad de equipos y/o instalaciones, y por ende a
evitar las paradas de planta, que ocasiona dao econmico a las empresas.
Una eficiente Gestin del Mantenimiento contribuye a elevar la eficiencia del
proceso productivo de la compaa.
Un mantenimiento eficiente, minimiza las fallas de equipos, en tal sentido, las
tcnicas y/o herramientas que se apliquen, juegan un papel preponderante
para prevenir o mitigar dichas fallas.
24
Al respecto, el problema de gestionar eficientemente el mantenimiento, para

lograr una alta confiabilidad y disponibilidad de los equipos en plantas
industriales, viene siendo estudiado y afrontado de una u otra manera por
diferentes personalidades, tales como:
FERNNDEZ (2000)1 manifiesta que la aparicin de fallos y averas en los
equipos de una instalacin industrial es una de las principales causas de
ineficiencia en su explotacin al provocar un incremento de los costes
operativos y una prdida de ingresos o, incluso en algunos casos, originar un
accidente del que se deriven daos importantes para las personas o el entorno.
Tambin, seala, que se ha definido la eficiencia de la explotacin de una
instalacin industrial en un determinado perodo de tiempo mediante el cociente
entre la confiabilidad alcanzada por la instalacin en dicho perodo y la suma
de los costes de confiabilidad y de no confiabilidad en que se ha incurrido.
Precisa, que la Confiabilidad de un dispositivo es la caracterstica operativa que
define la eficacia de su explotacin, integrando de forma global los conceptos
de disponibilidad, mantenibilidad y seguridad.
Asimismo, indica, que se ha discutido la dificultad que presenta la evaluacin
de la eficiencia del proceso de explotacin de una instalacin industrial, en los
trminos planteados, de una manera homognea, simple y objetiva, siendo el
principal obstculo para ello la inexistencia de un mtodo de cuantificacin de
su confiabilidad, al ser sta considerada hasta la fecha como una caracterstica
puramente cualitativa.
Tambin, precisa, que se han analizado las relaciones existentes entre los
elementos que constituyen la confiabilidad de un dispositivo, as como los
costes de confiabilidad y de no confiabilidad asociados a su operacin y la
contribucin de estos costes al coste total de explotacin.
Seala, que estudiados individualmente los elementos integrantes de la
confiabilidad de un dispositivo desde su visin probabilista, se ha propuesto un
1
FERNNDEZ PREZ, ANTONIO JOS: Metodologa para la priorizacin de sistemas,

estructuras y componentes en la optimizacin del mantenimiento de una instalacin industrial.
Tesis doctoral. Universidad Politcnica de Madrid (Espaa). Ao 2000. Disponible en:
http://oa.upm.es/662/1/06200006.pdf
25
proceso de cuantificacin y visualizacin de la confiabilidad alcanzada por un

dispositivo en un cierto perodo de explotacin ya acaecido en funcin de unos
factores
que
caracterizan
los
niveles
de
confiabilidad,
disponibilidad,
mantenibilidad y seguridad logrados. Estos factores son aplicables a cualquier

tipo de dispositivo y tienen en cuenta sus distintas caractersticas de operacin,
mantenibilidad y rgimen de funcionamiento.
Adems, resalta, que una buena gestin de la explotacin de una instalacin
debe basarse en la evaluacin y seguimiento de la eficiencia de su explotacin
y de la de sus componentes a lo largo de toda su vida operativa. Como
herramienta que facilita la realizacin de este proceso, indica, que se ha
propuesto un sistema de indicadores o cuadro de mando. En este sentido,
manifiesta, que ante un planteamiento de optimizacin de la eficiencia de la
explotacin
de
una
instalacin
industrial,
se
han
establecido
los
correspondientes criterios de priorizacin de sus sistemas, estructuras y

componentes.
De otro lado, precisa que el diseo y aplicacin de un programa adecuado de
mantenimiento preventivo en una instalacin constituye una de las opciones
ms interesantes para intentar optimizar la eficiencia de su explotacin. Esto se
debe a la importancia que tiene el mantenimiento preventivo en la consecucin
de unos altos niveles de confiabilidad, sobre todo, cuando las posibilidades de
modificar el diseo de los equipos y sistemas son pequeas o el margen de
actuacin sobre la demanda es escaso. Adicionalmente, indica, que los costes
de mantenimiento constituyen una partida muy significativa del coste total de
explotacin y normalmente se trata de un rea de actividad, en gran medida,
bajo la planificacin y el control de la propia instalacin. Bajo este esquema,
seala, se han establecido los principios rectores de un plan eficiente de
mantenimiento preventivo y se ha diseado un esquema operativo que,
atendiendo a dichos principios, facilite la optimizacin del plan vigente de
mantenimiento en una instalacin industrial, poniendo especial nfasis en la
priorizacin de sus dispositivos y en la seleccin de aqullos que convenga
mantener preventivamente.
26
Tambin, manifiesta, que la tesis tiene por objeto desarrollar una metodologa
para la priorizacin de los sistemas, estructuras y componentes de una
instalacin industrial en funcionamiento, a partir de sus comportamientos
operativos y dentro de un contexto de optimizacin del plan vigente de
mantenimiento preventivo, como va para la mejora de la eficiencia de su
explotacin.
En el planteamiento de la tesis, seala, que la asignacin ptima de los
recursos disponibles es una de las preocupaciones constantes que debe tener
el buen
gestor2 de cualquier empresa, mxime
cuando el entorno
socioeconmico en el que sta desarrolla sus actividades se caracteriza, entre

otros aspectos, por un alto grado de competitividad, una mayor exigencia de
calidad de los productos y servicios, una demanda constante de mejora de las
condiciones laborales, unos adecuados niveles de seguridad para los
trabajadores, consumidores y usuarios y un creciente respeto por el
medioambiente.
En ese sentido, plantea, que la explotacin de las instalaciones debe realizarse

bajo la preocupacin permanente de satisfacer la demanda y obtener el mnimo
coste por unidad de producto.
Al respecto, destaca, que la aparicin de fallos y averas en los equipos

constituye una de las principales causas de ineficiencia en la explotacin de las
instalaciones industriales. Estos fallos pueden impactar negativamente en su
disponibilidad, y traer consigo
incremento de los costes operativos, y una
prdida de ingresos o, incluso en algunos casos, provocar un accidente del que

se deriven daos importantes a las personas o al entorno. De aqu, la creciente
atencin que las empresas, hoy en da, estn prestando a la confiabilidad de
sus instalaciones, sistemas y equipos.
Adems, manifiesta, que el nivel de confiabilidad que una instalacin industrial
alcanza en un determinado perodo de explotacin, condiciona la rentabilidad
de su proceso productivo en dicho perodo, debido a la estrecha relacin
2
Los gestores son aquellos individuos que guan, dirigen o supervisan el trabajo y el
rendimiento de los dems empleados que no estn en el rea de gestin.
27
existente entre la confiabilidad, los ingresos generados y el coste de

explotacin.
De otro lado, menciona, que ante un planteamiento de optimizacin de la
eficiencia de la explotacin de una instalacin industrial, el diseo y aplicacin
de un programa adecuado de mantenimiento preventivo es una de las opciones
ms consideradas actualmente. Esto se debe, indica, a la gran importancia que
el mantenimiento preventivo tiene en la consecucin de unos altos niveles de
confiabilidad en una instalacin y, por consiguiente, en la productividad del
capital inmovilizado, sobre todo, cuando las posibilidades de modificar el diseo
de los equipos y sistemas son pequeas o el margen de actuacin sobre la
demanda es escaso. Por otra parte, seala, que los costes de mantenimiento
constituyen una partida muy significativa del coste total de explotacin y
normalmente se trata de un rea de actividad, en gran medida, bajo la
planificacin y el control de la propia instalacin.
Tambin, precisa, que en un entorno real, donde los recursos siempre son
limitados, la realizacin de un programa eficiente de optimizacin del
mantenimiento de una instalacin industrial requiere, como primera tarea, la
identificacin y priorizacin de los elementos susceptibles de ser mantenidos, al
objeto de distribuir entre ellos los recursos disponibles, de manera que el
beneficio o mejora que se obtenga sobre el conjunto de la explotacin de la
instalacin sea lo mayor posible. Una vez seleccionados los equipos sobre los
que
se
va
mantenimiento
actuar,
que
se
debern
identificarse
consideren
tcnica
aquellas
y
actividades
econmicamente
de
ms
convenientes para proceder a su implantacin y, posteriormente, a su

seguimiento y control, con el fin de evaluar el grado de eficiencia alcanzado.
En ese sentido, resalta, que la tesis plantea un esquema de medida y
seguimiento de la confiabilidad de una instalacin industrial en funcionamiento
y de la de sus equipos, que facilite el anlisis de la eficiencia de su explotacin
y la priorizacin de sus diferentes sistemas, estructuras y componentes en el
contexto de un proceso de optimizacin del programa de mantenimiento
vigente.
28
Es decir, la tesis persigue el desarrollo de una metodologa de priorizacin de

los diferentes dispositivos de una instalacin industrial cualquiera en
funcionamiento, a partir de sus comportamientos operativos y dentro de un
contexto de optimizacin del plan vigente de mantenimiento preventivo como
va para la mejora continua de la eficiencia de su explotacin, en la que la
Confiabilidad constituye el parmetro bsico y objetivo que cuantifica el nivel de
eficacia alcanzado.
CRESPO (2008)3, manifiesta que en la minera y en las industrias de proceso
el principal objetivo econmico consiste en minimizar los costes de operacin y
mantenimiento. Sin embargo, seala, que en muchas ocasiones estos dos
conceptos se analizan de forma totalmente disjunta, sin tener en cuenta las
implicaciones que ambos tienen entre s.
Al respecto, menciona, que todava es ms relevante esta relacin si se tiene
en cuenta, como un coste ms, aquellos relacionados con la seguridad de los
trabajadores y con el respeto al medio ambiente. Puesto que si el
mantenimiento se realiza de forma defectuosa estos costes se pueden elevar
hacia niveles intolerables, e incluso trgicos.
Asimismo, indica que el mantenimiento incide en la eficiencia y seguridad de

las operaciones. Un
sistema bien mantenido ser ms fiable en todas las
funciones que debe realizar; bien sean aquellas estrictamente relacionadas con
la produccin; o bien, aquellas que sean necesarias para mantener el sistema
dentro de unos parmetros de operacin, seguros, y respetuosos con el medio
ambiente.
Tambin, precisa, que el mantenimiento es necesario para un funcionamiento
eficiente de los equipos; pero a su vez, es necesario resaltar que tambin, una
buena operacin puede considerarse como una parte ms del mantenimiento.
CRESPO ROBLES, ELOY. Optimizacin estocstica del mantenimiento de sistemas de

transporte y secado de sustancias minerales. Tesis doctoral. Universidad Politcnica de
Madrid - Escuela Tcnica Superior de Ingenieros de Minas (Espaa). Ao 2008. Disponible en:
http://oa.upm.es/1617/1/ELOY_CRESPO_ROBLES.pdf
29
En ese sentido seala, que si el objetivo es hacer un uso eficiente de los

recursos econmicos disponibles, no puede estudiarse el mantenimiento y la
operacin por separado, sino que su anlisis debe hacerse de forma conjunta.
De tal forma que se puedan cuantificar la influencia de las diferentes polticas
de mantenimiento en la disponibilidad y coste final.
Por lo tanto, menciona que el problema est planteado: Cmo incide el

mantenimiento en la disponibilidad final de los equipos? Cul es la eficiencia
de los recursos empleados en mantenimiento?
Tambin seala, que el mantenimiento es slo una de las diferentes formas en

las que una empresa puede emplear sus recursos. Es decir, los recursos
econmicos se pueden emplear en el mantenimiento de los equipos y sistemas
de produccin, o en otra rea econmica cualquiera; por lo tanto, para decidir
la cantidad de ellos que se asignan a mantenimiento es necesario saber cul
es la eficiencia de esas asignaciones.
Para responder a tales preguntas, menciona, slo existe una respuesta, la
modelizacin. Al respecto, seala, que es a travs de esta tcnica, como se
puede observar el comportamiento de las diferentes variables econmicas en
funcin de los recursos empleados en mantenimiento. Sin embargo, indica, que
no es habitual encontrar trabajos, ms all del marco terico, que traten los
problemas de la gestin del mantenimiento a travs de la modelizacin. Por
otro lado, manifiesta que metodologas como RCM 4 o TPM 5, aportan una gran
informacin descriptiva, pero que sin la ayuda de la modelizacin quedan
limitadas a simples herramientas, o filosofas de mejora continua.
En definitiva, precisa, que esta tcnica (la modelizacin) permite captar la
dinmica del sistema, y lo que es ms importante, permite describir y
RCM acrnimo ingls de (Reliability Centered Maintenance). Se trata de una metodologa

para la gestin del mantenimiento.
TPM acrnimo ingls de (Total Productive Maintenance), al igual que RCM es una
metodologa de gestin del mantenimiento, si bien con una vocacin ms global y puede
entenderse como metodologa de gestin integral.
30
cuantificar los cambios en ste, producidos en respuesta a la modificacin de

las variables controladas por la gestin del mantenimiento.
En la tesis plantea la optimizacin de variables para sistemas de transporte y
secado de sustancias minerales, combinando la metodologa RCM con la
modelizacin estocstica para conseguir optimizar la disponibilidad de sistemas
complejos.
De otro lado, manifiesta, que el objetivo fundamental de la tesis es la

optimizacin de las tareas de mantenimiento de sistemas de transporte y
secado de sustancias minerales; en definitiva, un sistema complejo. Indica que
el mantenimiento y la produccin se integran dentro de un mismo sistema, en el
que las variables de control son las polticas de mantenimiento.
Como aportacin general, destaca, que en la investigacin se combina de una

forma eficaz una metodologa de gestin de mantenimiento, como es RCM, con
la modelizacin matemtica, con el objetivo final de optimizar la disponibilidad
de un sistema complejo. Tambin, precisa, que los datos para la elaboracin de
la tesis han sido recogidos en un sistema de transporte y secado de
concentrado de cobre, formado por cintas transportadoras, arrastradores de
cadena y un sistema de secado.
Indica, que cada uno de los modelos matemticos contemplados en la tesis, se

ha elaborado de forma que la variable de salida sea la disponibilidad y como
variable de entrada, y de control, se contempla cada una de las polticas de
mantenimiento. Precisa, tambin, que para elaborar los modelos se ha utilizado
la teora de sistemas, de esta forma es posible observar de forma dinmica la
evolucin de la disponibilidad para las diferentes polticas de mantenimiento.
Menciona, que los resultados de la tesis, se pueden clasificar en dos grupos.

En primer lugar, el estudio descriptivo del sistema real ha puesto de manifiesto
los fallos significativos para la fiabilidad y disponibilidad. En segundo lugar, los
resultados de la modelizacin han permitido establecer polticas ptimas de
mantenimiento para cada uno de los sistemas. En el sistema de cintas
31
transportadoras, seala que se ha ensayado un modelo para optimizar el

mantenimiento de tareas rutinarias. Por su parte, en el sistema de
arrastradores de cadena, indica, que se plantea un modelo de mantenimiento
basado en condicin, que utiliza como variable bsica de control, el desgaste
de la cadena. Finalmente, precisa, que en el sistema de secado, se han
estudiado ciertos fallos particulares del mismo, y se evala la poltica de
mantenimiento para el elemento fundamental de un secador de vapor: el multicoil. Al respecto, resalta, que los resultados han sido de aplicacin prctica
directa, y adems han permitido comprobar la validez y versatilidad de los
modelos planteados para las cintas y los arrastradores.
Como aportaciones de carcter ms concreto, destaca, que el modelo

planteado para el mantenimiento rutinario de las cintas transportadoras permite
estudiar y evaluar polticas de mantenimiento preventivo para modos de fallo
que generalmente son tratados de forma correctiva. A su vez, precisa que este
modelo es un buen ejemplo de cmo la combinacin de herramientas de
gestin del mantenimiento como el RCM, unidas a la modelizacin matemtica,
permite incrementar la disponibilidad de un sistema complejo.
De otro lado, menciona, que el modelo de mantenimiento basado en condicin,

validado en el sistema de arrastradores de cadena, presenta la originalidad de
conseguir modelizar varias polticas de mantenimiento: correctivo, preventivo
cclico y basado en condicin. Indica, que la versatilidad de ste se ha puesto
de manifiesto en el subsistema de arrastradores de cadena, donde se
comprueba como dos equipos iguales, situados en diferentes puntos del
circuito de transporte de concentrado, tienen diferentes polticas ptimas.
Finalmente, menciona, que la principal limitacin de cualquier trabajo

relacionado con la modelizacin del mantenimiento, est en la cantidad y
calidad de datos. Esta limitacin, seala, tiene dos caractersticas: la primera
es que los datos se obtienen de un sistema real que ya est siendo mantenido.
Esto provoca que las tareas del mantenimiento real estn sesgando los datos.
Por otro lado, indica, en algunas ocasiones, los datos, o no existen, o son de
mala calidad. Esto obliga al modelista a encontrar una proporcionalidad entre
32
diversas fuentes de datos. Una de las ms utilizadas en estos casos,

menciona, que es la opinin de los ingenieros de mantenimiento.
DE LA PAZ MARTNEZ (2011)6, menciona, que la solucin estratgica de los
problemas que afectan actualmente a la Gestin del Mantenimiento, est dada
en gran medida en lograr formar y capacitar continuamente a las personas
involucradas en esta actividad, fundamentalmente en las tcnicas ms
avanzadas, tanto de la ingeniera, como de la gestin del mantenimiento.
Asimismo, seala, que las tcnicas ms avanzadas incluyen tanto mtodos
cualitativos como cuantitativos. Estos ltimos, indica, son en muchas ocasiones
obviados, por considerarse demasiado complejos" o simplificados en forma
arbitraria para que se apliquen aunque sea superficialmente.
Dentro de los mtodos cuantitativos, precisa, un papel preponderante lo juega
la Estadstica.
Respecto a la utilidad de la Estadstica, resalta:
Sin estadsticas una empresa carece de capacidad para reconocer que
actividades o productos le generan utilidades, y cuales slo prdidas.
No se puede gestionar lo que no se mide. Las mediciones son la clave.
Si usted no puede medir, no puede controlar. Si no puede controlar, no
puede gestionar. Si no puede gestionar, no puede mejorar.
La falta sistemtica o ausencia estructural de estadsticas en las
organizaciones impide una administracin cientfica de las mismas.
Peter Drucker afirmaba que pocos factores son tan importantes para la
actuacin de la organizacin como la medicin aunque lamentaba el
hecho de que la medicin sea el rea ms dbil de la gestin en muchas
empresas.
W. Edward Deming, un pionero en mtodos estadsticos para el control
de calidad, seal que en Japn se pona mucho nfasis en las
estadsticas para directores de empresa. En parte fue la aplicacin de
DE LA PAZ MARTNEZ, ESTRELLA MARA: Anlisis y pronstico de tendencia de fallas en

equipos crticos. Curso taller internacional. Instituto Peruano de Mantenimiento (IPEMAN). Ao
2011.
33
las tcnicas estadsticas enseadas por Deming lo que hizo que Japn
pasara de ser un fabricante de imitaciones baratas a lder internacional
en productos de primera calidad.
Tambin manifiesta, que se precisa analizar el comportamiento de las fallas en
el tiempo (histricos) para realizar pronsticos de su tendencia, y as poder
tomar decisiones costo-eficientes sobre los activos.
De otro lado, destaca, que la Estadstica permite a la gestin de mantenimiento

responder preguntas, como:
cules son las averas que ms se han producido en el ltimo
trimestre?
en cul etapa del ciclo de vida se encuentra cada uno de los equipos
de la planta?
cul es el tiempo promedio de estada de sus equipos principales?
cul es el tiempo medio entre fallas de cada equipo? cules son los
tiempos promedios, mximos y mnimos de reparaciones por tipo de
averas?
A partir de estas informaciones, precisa, que se podr:
adoptar a tiempo las medidas tcnicas correctivas;
confeccionar un presupuesto viable y efectivo;
evitar los excesos de stock y la obsolescencia de inventarios;
administrar mejor los recursos humanos de mantenimiento;
detectar la causa raz de un problema y solucionarlo.
Al respecto, seala, que los mtodos cuantitativos, en particular las tcnicas
estadsticas, son muy tiles en la toma de decisiones en el campo del
mantenimiento y en la gestin de activos en general, sin embargo, resalta, que
no se utilizan en la prctica.
34
1.3
PLANTEAMIENTO Y FORMULACIN DEL PROBLEMA
1.3.1 PLANTEAMIENTO DE LA REALIDAD PROBLEMTICA

La planta concentradora Berna II de propiedad de la Compaa Minera
Casapalca, cuenta con diferentes lneas de produccin, tales como: acarreo de
mineral, chancado, molienda, flotacin, espesamiento, filtrado y despacho.
Dicha planta viene procesando principalmente concentrado de cobre-plata, zinc
y plomo, con una produccin aproximada de 7 500 ton/da de mineral fresco,
mineral que viene del proceso de minado.
Al respecto, cabe sealar, que la lnea de flotacin de la planta se encarga
principalmente de la separacin y limpieza de la pulpa de mineral fino que
proviene de la molienda primaria, para lo cual dispone de varios equipos como:
bombas de pulpa, celdas de flotacin, analizadores de leyes en lnea,
sopladores, bombas de reactivos, bombas dosificadoras, entre otros.
Si bien es cierto, se vena teniendo una aceptable produccin de polvos de
concentrado de cobre-plata, zinc y plomo, sin embargo, desde los dos primeros
meses del ao 2010, ha mermado la produccin, como consecuencia de las
fallas de algunos equipos en los procesos de molienda, espesamiento, y
principalmente en el proceso de la lnea de flotacin, las mismas que han
ocasionando paradas de planta no programadas con la consecuente reduccin
del tonelaje de produccin.
De otro lado, se observ que la Planta Concentradora no cuenta con una

Gerencia o Departamento Mantenimiento, sino con 04 ingenieros que
dependen del Departamento de Produccin.
Asimismo, se observaron las principales situaciones siguientes:
1. No se tienen identificados a los equipos crticos de las diferentes lneas

productivas de la planta.
35
2. No se evalan las fallas funcionales de los equipos de la planta; es decir,

no se realiza el Anlisis de Modos y Efectos de Falla (anlisis AMEF =
FMEA) a los equipos de la planta.
3. No se conoce en qu etapa del ciclo de vida se encuentran cada uno de

los equipos principales de la planta.
4. No se dispone de estadsticas del tiempo entre fallas/tiempo hasta el
fallo (historial de fallas) ni del tiempo de reparacin de fallas de los
equipos de las diferentes lneas productivas de la planta concentradora.
5. No se conoce cul es el tiempo medio entre fallas (TMEF o MTBF =
Middle Time Between Failure), ni cules son los tiempos medios de
reparacin de fallas (MTTR = Middle Time To Tepair) de los equipos de
la planta concentradora.
6. El ciclo actual de mantenimiento de los equipos de la planta
concentradora
(30 das) ha sido considerado sin ningn sustento
tcnico.
7. El personal responsable del mantenimiento de los equipos de la planta
carece de conocimiento sobre tcnicas cuantitativas o estadsticas del
mantenimiento, por lo tanto, no sabe como determinar el ciclo ptimo de
mantenimiento preventivo de los equipos crticos ni como planificar el
mantenimiento preventivo de los mismos.
Estos hechos evidencian, que la actual
Gestin del Mantenimiento de los
equipos que se practica en la Planta Concentradora Berna II, en el Centro

Minero Casapalca, es ineficiente, y que por lo tanto, resulta relevante
optimizarlo.
En ese contexto, siendo la lnea de flotacin, la lnea de produccin donde se

presenta la mayor cantidad de fallas crticas en los equipos, la presente
investigacin se desarroll en el mbito de dicha lnea productiva.
36
1.3.2 FORMULACIN DEL PROBLEMA
En qu medida el Anlisis de Confiabilidad se constituye en una herramienta

para optimizar la Gestin del Mantenimiento preventivo de los equipos crticos
de la lnea de flotacin de la Planta Concentradora Berna II, en el Centro
Minero Casapalca?
1.4 OBJETIVOS
1.4.1 OBJETIVO GENERAL
Optimizar en base a un Anlisis de Confiabilidad, la Gestin del Mantenimiento
preventivo de los equipos de la lnea de flotacin de la Planta Concentradora
Berna II, en el Centro Minero Casapalca.
1.4.2 OBJETIVOS ESPECFICOS
1. Determinar los equipos crticos de la lnea de flotacin utilizando la
tcnica del Anlisis de Criticidad.
2. Evaluar las fallas funcionales de los equipos crticos de la lnea de
flotacin utilizando como herramienta el Anlisis de Modos y Efectos de
Falla (anlisis AMEF = FMEA).
3. Evaluar en qu etapa del ciclo de vida se encuentran los equipos
crticos de la lnea de flotacin.
4. Determinar para cada equipo crtico de la lnea de flotacin cul es el
Tiempo Medio Entre Fallas (TMEF), y cul es su confiabilidad y tasa de
fallas para dicho TMEF, y analizar si dicho tiempo es recomendable
para ser considerado como ciclo de mantenimiento preventivo de los
equipos. Asimismo, determinar el tiempo medio de reparacin de cada
equipo crtico.
37
5. Evaluar si el actual ciclo de mantenimiento (30 das) es el ms

conveniente desde el punto de vista de la confiabilidad de los equipos y
costes del mantenimiento de los mismos.
6. Determinar el grado de conocimiento del personal de mantenimiento
de la planta en lo referente a las tcnicas cualitativas y cuantitativas del
mantenimiento.
7. Evaluar las frecuencias o ciclos ms convenientes (ciclos ptimos) para
planificar y programar el mantenimiento preventivo de los equipos
crticos de la lnea de flotacin, en base a un anlisis de confiabilidad
de los mismos, y costos de mantenimiento.
8. Proponer planes de mantenimiento preventivo para los equipos crticos
de la lnea de flotacin, en base a los ciclos ptimos de mantenimiento
de los mismos.
1.5 HIPTESIS
1.5.1 HIPTESIS GENERAL

Aplicando como herramienta el Anlisis de Confiabilidad se optimizar la
Gestin del Mantenimiento preventivo de los equipos de la lnea de flotacin de
la Planta Concentradora Berna II, en el Centro Minero Casapalca.
1.5.2 HIPTESIS ESPECFICAS
2. Los equipos crticos de la lnea de flotacin se encuentran en la etapa

de madurez o de vida til ( = 1).
3. Los Tiempos Medios Entre Fallos de los equipos crticos de la lnea de

flotacin son los ms recomendables para considerarlos como ciclos
para el mantenimiento preventivo de los mismos.
38
4. La frecuencia o ciclo actual de mantenimiento (30 das) que se

considera para los equipos crticos de la lnea de flotacin, conlleva a
una alta confiabilidad de los mismos, pero incide negativamente en
los costos de su mantenimiento.
5. El limitado conocimiento del personal de mantenimiento de la planta

concentradora en lo referente a tcnicas cualitativas y cuantitativas o
estadsticas del mantenimiento, incide negativamente en la Gestin del
Mantenimiento de los equipos crticos de la lnea de flotacin.
1.6 VARIABLES E INDICADORES
VARIABLE INDEPENDIENTE O EXPLICATIVA

X: El Anlisis de confiabilidad.
Indicadores
X1: Criticidad de equipos
X2: Modos de fallos de equipos
X3: Tiempo Medio Entre Fallos de equipos
X4: Tiempo Medio De Reparacin de fallos de equipos
X5: Tasa de fallos de equipos
VARIABLE DEPENDIENTE
Y: Optimizar la Gestin del Mantenimiento preventivo de los equipos de la

lnea de flotacin de la Planta Concentradora Berna II.
Indicadores
Y1: Grado de conocimiento del personal de mantenimiento sobre
tcnicas cualitativas y cuantitativas del mantenimiento
Y2: Disponibilidad de equipos
39
Y3: Planes de mantenimiento de equipos

Y4: Programas de mantenimiento de equipos
Y5: Costo total de no disponibilidad de equipos (CTND)
1.7 METODOLOGA DE LA INVESTIGACIN

En este contexto se busca explicar el proceso que se sigui en el desarrollo de
la investigacin, en el cual se consideraron los aspectos que a continuacin se
indican.
1.7.1 TIPO Y NIVEL DE INVESTIGACIN
Puesto que la pretensin principal de la investigacin es evaluar y analizar las

relaciones causaefecto entre las variables El Anlisis Confiabilidad y
Optimizar la Gestin del Mantenimiento de la lnea de flotacin de la Planta
Concentradora Berna II, entonces, el tipo de investigacin
es de carcter
Analtica Explicativa, y de los siguientes niveles:

a. Descriptiva. Se describi detalladamente los diversos hechos,
razones o causas incidentes en la realidad problemtica, las mismas que se
constituyeron en las causas fundamentales que motivaron la necesidad de
investigar.
b. Explicativa. Se explicaron cada uno de los hechos, causas o
acciones generadas del problema.
c. Correlacional. La investigacin es correlacional por que sigue una
secuencia lgica desde la descripcin de la realidad problemtica, el
planteamiento del problema, los objetivos, las hiptesis, la determinacin de las
variables, hasta la formulacin de los respectivos indicadores y porque
establece correlaciones entre variables.
1.7.2 TCNICAS DE
La
investigacin
se
RECOLECCIN Y PROCESAMIENTO DE DATOS
realiz
fundamentalmente
con
datos
primarios,
provenientes de la informacin proporcionada en forma directa por las

40
personas que trabajan en el rea de mantenimiento de la Planta Concentradora

Berna II en el Centro Minero Casapalca. Dicha informacin consiste en el
historial de fallas y de reparaciones de los equipos crticos de la lnea de
flotacin obtenidos durante el ao 2010. Tambin se utiliz la encuesta como
instrumento para la recoleccin de datos referente al grado de conocimiento del
personal de mantenimiento de la planta sobre la temtica de confiabilidad de
equipos y sistemas as como de tcnicas cualitativas y cuantitativas del
mantenimiento.
Perodo de anlisis: El perodo de anlisis para la presente

investigacin corresponde al ao 2010.
Procesamiento de la Informacin: la informacin recopilada fue
procesada utilizando los Softwares estadsticos denominados RELEST y
DISMA y el Excel, los mismos que utilizando los datos histricos o datos
estadsticos del tiempo entre fallos de los equipos crticos de la lnea de
flotacin, permitieron pronosticar en qu etapa del ciclo de vida se encuentran
dichos equipos crticos y adems permitieron evaluar el tiempo medio entre
fallos (TMEF), como la confiabilidad y la tasa de fallos de cada equipo crtico.
1.8 JUSTIFICACIN E IMPORTANCIA DE LA INVESTIGACIN

La presente investigacin se justifica por que evala y analiza el estado
situacional de los equipos principales de la lnea de flotacin de la Planta
Concentradora Berna II, en base a tcnicas cualitativas (anlisis de criticidad,
anlisis de modos y efectos de fallos) y tcnicas cuantitativas (anlisis
estadstico de fallas); adems, porque evala la gestin del mantenimiento que
se practica para dichos equipos; y es importante, porque teniendo en cuenta el
Anlisis de Confiabilidad de los equipos crticos de la lnea productiva,
se
propone optimizar la Gestin del Mantenimiento de los mismos, en base a la

determinacin de la frecuencia o ciclo ptimo para el mantenimiento preventivo
de cada equipo crtico.
41
CAPTULO II
MARCO TERICO Y MARCO CONCEPTUAL DE LA
INVESTIGACIN
2.1
FUNDAMENTOS DE LA GESTIN DEL MANTENIMIENTO
2.1.1 EVOLUCIN DEL CONCEPTO DE MANTENIMIENTO DURANTE EL

SIGLO XX Y NUEVAS TENDENCIAS DEL MANTENIMIENTO
Desde que el hombre comenz a fabricar objetos para uso personal, le fue
imprescindible llevar a cabo alguna restauracin para volver a utilizarlos. As
fue, que conforme se evolucion en tecnologa, tambin se evidenciaron
avances en las maneras de restaurar objetos, herramientas y mquinas7.
En ese sentido, histricamente a lo largo del desarrollo industrial, la funcin
mantenimiento ha evolucionado a travs del tiempo pasando por diferentes
etapas. Al respecto, muchos autores coinciden en establecer que durante el
siglo XX la evolucin del mantenimiento ha tenido tres (03) grandes etapas
que, aunque no tienen una frontera clara entre ellas desde el punto de vista
temporal, s pueden dar una clara idea de cul ha sido la evolucin de las
tcnicas y organizaciones que se han ido implementando durante dicho siglo.
El hecho de que no exista una frontera clara entre una etapa y otra, se debe
a varios factores. El fundamental, es que cada sector de la industria ha
http://www.pistarelli.com.ar/
42
evolucionado de forma diferente. Por poner un ejemplo, la aeronutica ha ido

siempre muy por delante del sector industrial, naval y ferroviario8.
Cabe sealar, que las tres etapas de evolucin del mantenimiento
generalmente son denominadas: Primera, Segunda y Tercera Generacin8
que a continuacin se desarrollan.
PRIMERA GENERACIN. La Primera Generacin cubre el perodo
aproximadamente entre 1930 y 1950 o la Segunda Guerra Mundial. En esta
poca la industria estaba poco mecanizada, y por tanto, los tiempos fuera de
servicio no eran crticos, lo que llevaba a no dedicar esfuerzos en la
prevencin de fallos de equipos. Adems, al ser la maquinaria muy simple y
normalmente sobredimensionada, los equipos eran muy confiables y fciles
de reparar, por lo que no se hacan revisiones sistemticas, salvo las
rutinarias de limpieza y lubricacin. El nico mantenimiento que se realizaba
era el de reparar cuando se avere, es decir, se practicaba el
mantenimiento correctivo, y generalmente los propios operarios de
produccin se encargaban de las reparaciones de los equipos9.
Objetivos
Reparar cuando se produce el fallo
Tcnicas
Mantenimiento Correctivo
FIGURA 2.1. Primera Generacin del Mantenimiento
SEGUNDA GENERACIN. La Segunda Guerra Mundial, provoc un fuerte

aumento de la demanda de toda clase de bienes. Este cambio, unido al
GONZLEZ FERNNDEZ, FRANCISCO JAVIER (2009): Teora y Prctica del

Mantenimiento Industrial Avanzado (libro). Edita: Fundacin Confemetal. 3ra edicin.
Madrid-Espaa.
GARCA GONZLES-QUIJANO, JAVIER (2004): Mejora en la confiabilidad operacional de

las plantas de generacin de energa elctrica: desarrollo de una metodologa de gestin de
mantenimiento basado en el riesgo (RBM) (Tesis de mster). Universidad Pontificia Comillas.
Madrid (Espaa). Disponible en: http://www.iit.upcomillas.es/docs/TM-04-007.pdf
43
descenso en la oferta de mano de obra que caus la guerra, aceler el

proceso de mecanizacin de la industria9.
Conforme aumentaba la mecanizacin, la industria cada vez ms comenzaba
a depender del buen funcionamiento de la maquinaria. Esta dependencia,
provoc que el mantenimiento se centrara en buscar formas de prevenir los
fallos, y por tanto, de evitar o reducir los tiempos de parada forzada de las
mquinas. Con este nuevo enfoque del mantenimiento, apareci el concepto
de mantenimiento preventivo. En la dcada de los sesenta (60), ste
consista fundamentalmente en realizar revisiones peridicas o cclicas a la
maquinaria a intervalos fijos9.
Adems, se comenzaron a implementar sistemas de control y planificacin
del mantenimiento, con el objetivo de controlar el aumento de los costes de
mantenimiento, y planificar las revisiones a intervalos fijos9.
Cabe sealar, que a partir de los aos setenta (70), a medida que se
generaliz el uso de herramientas informticas, los sistemas de planificacin
y todas las actividades de los sistemas de control, se han ido implementando
en bases de datos informticos, cuyo tratamiento ha optimizado los sistemas
de toma de decisiones. Asimismo, asociado a este auge de la informtica,
aparecieron en el mercado herramientas de software para facilitar a los
responsables de mantenimiento, los trabajos de planificacin y control8.
En la dcada de los ochenta (80), se lleg a la conclusin de que el
mantenimiento de Segunda Generacin, una vez optimizado en cuanto a las
periodicidades y consistencias de las revisiones cclicas preventivas, y una
vez optimizados los sistemas de planificacin y control, se entraba a una
situacin de estancamiento; esto es, los ndices ms definitorios de cualquier
actividad de mantenimiento: la confiabilidad, la disponibilidad y los
costes, se estabilizaban. Ante dicha situacin de estancamiento, en los aos
ochenta (80) se empez a hablar del mantenimiento de Tercera Generacin 8.
Se debe precisar, que la Segunda Generacin cubre el perodo
aproximadamente entre finales de 1950 e inicios de 1980.
44
Objetivos
Mayor disponibilidad de los equipos
Mayor vida de operacin de los equipos
Reduccin de costes
Tcnicas
Revisiones peridicas o cclicas

Mantenimiento planificado
Sistemas de control del trabajo
Utilizacin de la informtica
FIGURA 2.2. Segunda Generacin del Mantenimiento
TERCERA GENERACIN. Segn Garca, 20049, la tercera generacin se

inici aproximadamente a finales de los setenta (70), y primera dcada de los
ochenta (80), cuando se aceleraron los cambios a raz del avance
tecnolgico y de las nuevas investigaciones. La mecanizacin y la
automatizacin siguieron creciendo; se operaba con volmenes de
produccin muy elevados; cobraban mucha importancia los tiempos de
parada, debido a los costos por prdidas de produccin. Alcanz mayor
complejidad la maquinaria, y la produccin en las plantas industriales se
volva cada vez ms dependientes de ellas. Se exigan cada vez productos y
servicios de mayor calidad, considerando aspectos de seguridad y medio
ambiente, y se consolid el desarrollo del mantenimiento preventivo.
En ese sentido, la tercera etapa el mantenimiento fundamenta sus objetivos
en la confiabilidad, disponibilidad y costes, abordando complementariamente
la seguridad (factor muy poco tratado en las anteriores etapas del
mantenimiento), con una gran tendencia a la emisin de normas,
reglamentos, leyes, rdenes, etc. enfocadas hacia este aspecto. La calidad
en los servicios de mantenimiento tambin empez a tomar auge; la
publicacin de la norma ISO 9000 en 1984, en su versin ISO 9002 se diriga
bsicamente a empresas de servicios. La proteccin del medio ambiente,
tambin pas a ser un aspecto crucial en cualquier actividad de
mantenimiento. La publicacin de la norma ISO 14000, igual que para la
calidad fue la ISO 9002, propici un importante avance en el cuidado del
medio ambiente. Asimismo, la duracin de los equipos mediante el anlisis
detallado de los costes del ciclo de vida (LCC, Life Cycle Cost) pas a ser
determinante en las decisiones de compra de los nuevos equipos8.
45
Cabe destacar, que en la Tercera Generacin del mantenimiento, la

observancia normativa adquiere una importancia primordial. Son muchas las
organizaciones
que
abordan
reglamentaciones
especficas
de
mantenimiento; as pues, por ejemplo, aparecen reglamentos de aparatos a

presin, equipos de transporte, ascensores, escaleras mecnicas, etc.8
Por otra parte, la filosofa y tcnicas del mantenimiento de Tercera
Generacin se basan en la incorporacin de nuevos mtodos que conducen
a intervenir los equipos e instalaciones slo cuando es necesario. As pues,
aparece el Mantenimiento segn Condicin o peritado previamente (MOC,
Maintenance on condition), y el Mantenimiento Predictivo, encaminados a
intervenir en las mquinas antes de que se produzca el fallo. En paralelo,
otras muchas tcnicas intentan hacer presencia en el mercado, tal como es
el caso del RCM (Reliability Centered Maintenance), el TPM (Total
Productive Maintenance), entre otros.
Tambin, en esta etapa, el anlisis de riesgos se presenta como una
herramienta importante para las nuevas estrategias de mantenimiento. Si el
fallo de un equipo no supone ningn riesgo, o dicho riesgo es mnimo y
asumible, quizs sea ms rentable dejar que falle. Asimismo, los sistemas
expertos que ofrece el mercado, se incorporan masivamente a los elementos
elctricos, electrnicos y electromecnicos.
Los anlisis de causas y efectos de fallos aparecen tambin sobre el tapete.
No solamente hay que analizar la avera, sino que hay que ver sus causas
dentro de un contexto operacional determinado, que pude ser un sistema de
produccin o la empresa.
Para terminar, esta breve descripcin del mantenimiento de Tercera
Generacin, conviene hablar de los recursos humanos. De la situacin
relativamente totalitaria entre 1950 y 1970-75, en la que los operarios se
deban limitar a hacer lo que se les dijese, se pasa, a partir de
aproximadamente 1980, a abordar metodologas de participacin. Esta
participacin, con independencia del mtodo con que se implemente,
46
provoca un cambio en las relaciones humanas de los departamentos de

mantenimiento.
Por ltimo, en los aos de 1980, tambin aparece en el sector de
mantenimiento, una nueva variable: la externalizacin. La contratacin
externa (outsourcing) de actividades de mantenimiento, se presenta como
una iniciativa interesante para reducir costes, entre otros aspectos8.
Cabe sealar, que la Tercera Generacin del Mantenimiento cubre el perodo
aproximadamente entre inicios de 1980 y finales de 1990.
Objetivos
Tcnicas
Mayor confiabilidad y disponibilidad

Mayor seguridad
Mayor calidad del producto
Respeto al medio ambiente
Mayor vida de los equipos
Ms bajos costes (eficiencia de costes)
Monitoreo de condicin
Diseo basado en confiabilidad y
mantenibilidad
Estudios de riesgos
Descentralizacin de los sistemas
de informacin
Modos de fallo y causas de fallo
(FMEA , FMECA)
Sistemas expertos
Participacin y trabajo en equipo
FIGURA 2.3. Tercera Generacin del Mantenimiento
NUEVAS
TENDENCIAS
DEL
MANTENIMIENTO.
LA
CUARTA
GENERACIN. Segn Gonzales, 20098, en la primera dcada del siglo XXI

se ha tenido un crecimiento muy importante de nuevos conceptos de
mantenimiento y metodologas aplicadas a la gestin del mantenimiento. En
primer lugar, se refleja la necesidad de abordar las actividades de cualquier
departamento o servicio de mantenimiento de forma integrada. Ya no es
cuestin de hablar de una determinada tecnologa, mtodo organizativo,
normativa, etc. Los responsables de mantenimiento debern estructurar
todas las actividades con una visin global e integradora; es decir, es de
necesidad integrar todos los nuevos conceptos de mantenimiento que en los
ltimos decenios del pasado siglo XX se han planteado de forma muy
aislada. As pues, los nuevos conceptos del RCM o los del TPM no se
47
pueden
aplicar
aisladamente
como
filosofas
salvadoras
de
los
departamentos de mantenimiento. En ese sentido, su implementacin debe

contemplarse no de manera exclusiva, sino de manera conjunta con otras
diversas tcnicas. Nunca deben considerarse como tcnicas nicas y
excluyentes. Hay que esforzarse en integrarlas.
Asimismo, Gonzales, 20098, seala, que otro enfoque que toma gran fuerza
en los aos finales del siglo XX y comienzos del siglo XXI es la gestin de
mantenimiento orientada no a resultados tcnicos del departamento de
mantenimiento, sino a los clientes internos y externos.
Tambin, seala, que un aspecto diferenciador con respecto a etapas
anteriores, es que en el presente siglo XXI se profundiza la externalizacin o
contratacin de actividades ya esbozadas. Se profundiza la idea de
contratacin externa como bsqueda de mejora de costes y de mejora del
servicio prestado. El objetivo de los contratos es hacer atractiva la actividad
del mantenimiento, motivando a llevar a cabo procesos de mejora continua.
De otro, indica, que las aisladas certificaciones de calidad y medio ambiente
ya no tendrn un tratamiento individual. Se tiende a alcanzar certificaciones
integradas tanto en los aspectos de aseguramiento y garanta de calidad,
como en proteccin del medio ambiente, seguridad de trabajos y
competencia de los trabajadores.
Adems, precisa, que se va a seguir profundizando la participacin de los
trabajadores, viendo sus resultados, sus avances y retrocesos. El
benchmarking se abordar a todos los niveles. Ello significa que no nos
compararemos solamente con nosotros mismos en cuanto a resultados
anteriores / resultados actuales. Nos tendremos que comparar con las
mejores empresas del sector y saber cmo consiguen mejoras en aquellos
aspectos diferenciadores8.
Tambin, manifiesta, que se seguirn abordando anlisis de consistencias y
de actividades, segn los riesgos que los fallos impliquen, y la reingeniera
seguir siendo una herramienta til para revisar los tres parmetros
48
(confiabilidad, disponibilidad y costos) que siguen siendo en el siglo XXI

bsicos identificadores de la gestin del mantenimiento. No solo se har
reingeniera tcnica de mquinas, se har reingeniera completa de
procesos.
Por ltimo, Gonzales seala, que en este siglo XXI, seguir siendo crucial la
observancia normativa. Las administraciones seguirn elaborando y
redactando normas para cubrir el mximo nmero de aspectos legales, sobre
todo de aquellos que afecten a la seguridad y medio ambiente.
Otro punto importante que considera, es la tendencia a implementar sistemas
de mejora continua de los planes de mantenimiento preventivo y predictivo,
de la organizacin y ejecucin del mantenimiento.
Finalmente, de todo lo descrito en la Cuarta Generacin del Mantenimiento y
dems etapas anteriores, se concluye que el concepto de mantenimiento ha
evolucionado hacia una concepcin global.
Objetivos
Nuevas tendencias
Mayor
confiabilidad
y
disponibilidad
Mayor seguridad
Mayor calidad del producto
Respeto al medio ambiente
Mayor vida de los equipos
Ms bajos costes (eficiencia de
costes)
Mayor mantenibilidad
Patrones
de
fallos
/
Eliminacin de los fallos
Gestin integrada del mantenimiento

basada en nuevos conceptos como el
RCM , TPM , etc.
Gestin orientada a resultados y a
clientes
Externalizacin
de
actividades
compartiendo riesgos y resultados
Motivacin e implicacin en
resultados de los trabajadores
Certificacin integrada de actividades
ISO 9000 / ISO 1400, etc.
Benchmarking a todos los niveles
Gestin del riesgo
Reingeniera permanente para la
mejora continua de confiabilidad,
mantenibilidad, disponibilidad y
costes
Observacin normativa
FIGURA 2.4. Cuarta Generacin del Mantenimiento

49
2.1.2 CONCEPTUALIZACIN DEL MANTENIMIENTO

Referente a la conceptualizacin del mantenimiento existen varias
definiciones, las mismas que se diferencian segn los criterios de cada
autor.
Segn la norma francesa AFNOR 60-010, mantenimiento se define como el
conjunto de acciones que permiten mantener o restablecer un bien a un
estado especificado o en capacidad de asegurar un servicio determinado10
Asimismo, para la norma europea EN-13306 que entr en vigor el 200111, el
mantenimiento se define como la combinacin de todas las acciones tcnicas,
administrativas y de gestin durante el ciclo de vida de un elemento, destinados
a conservarlo o devolverlo a un estado en el cual pueda desarrollar la funcin
requerida.
De idntica forma, para Garca, 200312, el mantenimiento habitualmente se
define como el conjunto de tcnicas destinadas a conservar equipos e
instalaciones en servicio durante el mayor tiempo posible (buscando la ms alta
disponibilidad) y con el mximo rendimiento.
Tambin, Paredes, 201013 menciona, que el mantenimiento industrial busca
la excelencia en la gestin de equipos a travs de actividades estructuradas
y metdicas para alcanzar objetivos que permitan:
garantizar equipos capaces y confiables
optimizar el costo de vida de los equipos
eliminar radicalmente las fallas
contribuir en la construccin de un ambiente de trabajo seguro,
agradable y motivador.
10
PASCUAL J., RODRIGO (2008): El arte de mantener (libro). Universidad de Chile.

Santiago de Chile.
11
Las normas EN son normas estndar europeas, no as las normas AFNOR.

GARCA GARRIDO, SANTIAGO (2003): Organizacin y gestin Integral del mantenimiento
(libro). Ediciones Daz de Santos. Espaa.
13
PAREDES RODRGUEZ, FRANCISCO (2010): Planificacin y Control del Mantenimiento.
Seminario Taller. Organizado por AM Business Capacitacin Corporativa. Lima - Per.
12
50
De las definiciones mencionadas, se deduce que la principal funcin del

mantenimiento es sostener la funcionalidad de los equipos, mquinas o
instalaciones y el buen estado de los mismos a travs del tiempo.
Asimismo, cabe resaltar, que para Mora, 200914, el mantenimiento industrial
bajo el enfoque sistmico, puede definirse como una ciencia, dado que
cumple todos los requisitos definidos por la Real Academia Espaola (RAE),
la cual define que un conjunto de conocimientos obtenidos a travs de la
observacin, el estudio, de la experiencia y del razonamiento, debidamente
estructurados en forma sistmica, y de los cuales se pueden deducir
principios, leyes generales, comportamientos y predicciones, etc., permiten
construir una ciencia.
Por su parte, Grijalbo, 200015 complementa la definicin de ciencia en los
trminos siguientes:
Ciencia: tipo de conocimiento lgicamente estructurado sobre un conjunto grande,
amplio de fenmenos que, enfocados bajo un determinado punto de vista, aparecen
ntimamente relacionados; engloba definiciones, postulados y leyes enmarcadas en
una teora con que se intenta describir la estructura de una parte de la realidad a la
que remite en ltimo extremo su objetividad a travs de la verificacin, la prediccin
y, en algunos casos, la tcnica.
De lo mencionado, se deduce, que el mantenimiento
puede ser
conceptualizado como una ciencia, en el entendido que cumple con todas

las condiciones descritas, ya que posee un amplio y diverso conjunto de
conocimientos derivados de la prctica industrial, del estudio de numerosos
autores mundiales y locales acerca del tema, del establecimiento de
diferentes principios y leyes generales de aceptacin universal, y de
definiciones amplias y especficas sobre los mltiples aspectos relacionados
con ella.
14
MORA GUTIRREZ, ALBERTO (2009): Mantenimiento. Planeacin, ejecucin y control

(libro). Editorial Alfaomega. Colombia
15
GRIJALBO MONDADORI (2000): Gran Diccionario Enciclopdico Ilustrado (libro). Editorial
Grijalbo Mondadori. Vol. 1. Barcelona Espaa.
51
El considerar el mantenimiento como una ciencia, permite su tratamiento

profundo, serio, coherente y estructurado, de tal manera que todos los
conocimientos que se desarrollan sean realizables y tiles.
Cabe sealar, que el enfoque sistmico cuando se utiliza en mantenimiento,
admite el reconocimiento de los tres elementos fundamentales o bsicos que
constituyen un sistema (personas, artefactos y entorno), los mismos que se
interrelacionan entre s, y que para el caso del mantenimiento estos
elementos son: los mantenedores (personas), las mquinas o equipos
industriales o de operacin (artefactos) y los sitios fsicos en donde se
prestan los servicios de mantenimiento (entorno). En la figura 2.5 se
muestran los elementos del mantenimiento basado en el enfoque sistmico.
FIGURA 2.5. Elementos del mantenimiento bajo enfoque sistmico
PERSONAS
Mantenedores
ENTORNO
Industrias
Fbricas
ARTEFACTO
S
Mquinas
Equipos
Fuente: Mora Gutirrez, Mantenimiento, Planeacin, Ejecucin y Control.
En ese contexto, se puede entender que el mantenimiento es una ciencia

que se aplica en equipos, mquinas o sistemas productivos que genera el
ser humano, y cuyo fin es preservar los equipos industriales mediante su
construccin, reparacin o mantenimiento.
52
Asimismo, el enfoque sistmico permite entender que el estudio y el anlisis

del tema de mantenimiento se debe abordar de manera estructural; es decir,
que tiene un orden y una secuencia; de esta manera se facilita su
entendimiento, su aplicacin y la ejecucin de operaciones, las tcticas y
estrategias en la empresa. La estructura se da en el entendido que existen
una
serie
de
elementos
(mantenedores,
productores
mquinas)
organizados e independientes, que se relacionan entre s de manera formal.

Al respecto, cabe sealar, que los elementos mantenimiento, produccin y
mquinas se relacionan entre s a partir de premisas y normas de aceptacin
universal, as: la relacin entre productores (produccin) y mquinas la
establecen los principios de la confiabilidad; la relacin entre mantenedores
(mantenimiento) y mquinas se define por las reglas de la mantenibilidad; la
relacin entre mantenedores y productores se da por una relacin indirecta a
travs de los equipos y est gobernada por los cnones de la disponibilidad.
Cabe destacar, que la confiabilidad, la mantenibilidad y la disponibilidad
son prcticamente las nicas medidas tcnicas y cientficas fundamentadas
en clculos matemticos, estadsticos y probabilsticos que tiene el
mantenimiento para su anlisis y su evaluacin integral y especfica. Por
medio de la confiabilidad, mantenibilidad y disponibilidad es como se puede
planear, organizar, dirigir, ejecutar y controlar totalmente la gestin y la
operacin del mantenimiento.
2.1.3 GESTIN Y MANTENIMIENTO

Para Mora, 200914 la palabra gestin
se relaciona con administracin o
direccin de empresas (pudiendo ser tambin de reas de produccin, reas

de servicio, entre otras), cuya funcin bsica es crear bienes o servicios que
contribuyan a elevar el nivel de vida de la humanidad.
Adems, seala que la expresin empresa se entiende como una

organizacin conformada por personas, mquinas, tecnologa, informacin,
planeacin y recursos financieros que busca alcanzar objetivos establecidos
53
(eficiencia y eficacia), manejando adecuadamente los recursos disponibles

(eficiencia), respetando el medio ambiente con la mayor efectividad.
En ese contexto, para De Miguel, 199016 , la gestin de una empresa (que se
refiere a su administracin), es el conjunto de actividades que implican:
planificar, organizar, dirigir, coordinar y ejecutar, para lograr los objetivos
establecidos, tal como lo establecen las escuelas modernas de gestin.
En relacin al mantenimiento, Mora 200914 manifiesta que es necesario
reconocer dos aspectos bsicos: gestin y operacin. La primera se refiere al
manejo de los recursos, a su planificacin, organizacin y a su control,
mientras que la segunda es la realizacin fsica del servicio de
mantenimiento.
De otro lado, Navarro, Pastor y Mugaburu, 199717 mencionan que la Gestin
del Mantenimiento debe enfocarse en dos direcciones: una de ellas es en la
gestin que realiza mantenimiento con los dems departamentos o reas
enmarcado en los objetivos de la empresa, y el segundo nivel en la gestin
integral e interna, propia del departamento.
Al respecto, indican, la primera de ellas define las pautas que se siguen en
las buenas relaciones que debe tener mantenimiento para operar dentro de
un marco integral de la empresa, con el fin de buscar mejores niveles de
colaboracin y de trabajo en equipo al seguir las pautas de la organizacin.
En el segundo bloque de gestin integral interna, depende exclusivamente
de cmo disponga sus recursos productivos para generar un buen servicio
de mantenimiento al menor costo posible y con la mayor calidad, mediante el
logro de excelentes niveles de satisfaccin al cliente.
16
DE MIGUEL FERNNDEZ, ENRIQUE (1990): Introduccin a la Gestin Management

(libro). Ed. Universidad Politcnica de Valencia. Vols. I y II. Valencia-Espaa.
17
NAVARRO ELOLA, LUIS; PASTOR, ANA CLARA; TEJEDOR Y MUGABURU LACABRERA,
JAIME MIGUEL (1997): Gestin integral del mantenimiento (libro). Ed. Editores Marcombo
Boixareu. Barcelona-Espaa.
54
Asimismo, Lorick, 199818 se refiere a la Gestin del Mantenimiento como la

organizacin de un rea gerencial de mantenimiento que exige la necesidad
de establecer sistemas de gestin y operacin, mediante procesos,
apoyndose en sistemas computarizados para manejar las actividades
inherentes a mantenimiento.
De otra parte, Mora, 200914, expresa que la Gestin del Mantenimiento es
aquel sistema de gestin que planifica, organiza, dirige, controla y administra
todas las actividades inherentes al mantenimiento. A la vez, responde a las
necesidades
de
produccin,
contribuyendo
la
productividad
competitividad de la empresa.
Cabe precisar, que las limitaciones del mantenimiento varan con el tipo de
industria, pero dependen de la disponibilidad financiera, polticas de
utilizacin del parque industrial, niveles de productividad, fiabilidad de los
equipos, vida til de los equipos, obsolescencia tecnolgica de las mquinas
y calificacin del personal de mantenimiento19.
2.1.4 POR QU DEBEMOS GESTIONAR EL MANTENIMIENTO

Al respecto, cabe formularse las siguientes preguntas: Por qu debemos
gestionar el mantenimiento?, acaso, No es ms fcil y ms barato acudir a
reparar un equipo cuando se avere y olvidarse de planes de mantenimiento,
18
LORICK, HARRY y VARELA, STEVE (1998): Infraestructure Maintenance System (libro).

Ed. Review Public Works. Estados Unidos.
19
La alta interrelacin de mantenimiento y produccin se ratifica en el hecho de que la

gestin del mantenimiento depende de la tecnologa de los equipos y del tipo de actividad
industrial y organizacin, a la que pertenecen.
55
estudio de fallas, sistemas de organizacin, etc. que incrementan

notablemente la mano de obra indirecta? (Garca, 200320).
A continuacin se describen las razones por qu es necesario gestionar el
mantenimiento:
1. Porque practicando una eficiente Gestin del Mantenimiento, las empresas
se vuelven ms competitivas, en el entendido que un ptimo mantenimiento,
conlleva a sistemas de produccin ms sostenidos, contribuyendo a
satisfacer las necesidades de los clientes.
2. Porque existen varias tcnicas de mantenimiento que al ser implantadas

adecuadamente, previo anlisis, mejoran la calidad de los productos y la
productividad de la empresa: Entre algunas tcnicas de mantenimiento se
puede
mencionar
las
siguientes:
el
mantenimiento
preventivo,
el
mantenimiento predictivo (anlisis vibracional, termografas, deteccin de

fugas por ultrasonidos, anlisis amperimtricos, etc.), el RCM, el TPM, entre
otras.
3. Porque la calidad, la seguridad, y las interrelaciones con el medio ambiente
son aspectos que han tomado una extraordinaria importancia en la gestin
industrial. Es necesario gestionar estos aspectos para incluirlos en las
formas de trabajo de los departamentos de mantenimiento.
4. Porque resulta relevante analizar la influencia que tiene cada uno de los
equipos que constituyen las lneas de produccin de las plantas industriales.
5. Porque es importante aumentar la disponibilidad de los equipos, no hasta el
mximo posible, sino hasta el punto en que la indisponibilidad no interfiera
en el plan de produccin de las empresas.
6. Porque la aplicacin de tcnicas cualitativas (anlisis de criticidad, anlisis
de modos y efectos de fallos, entre otros) y cuantitativas o estadsticas
(anlisis de confiabilidad de equipos, determinacin del ciclo ptimo para el
mantenimiento preventivo de equipos, etc.) del mantenimiento, conlleva a
20
GARCA GARRIDO, SANTIAGO (2003): Organizacin y Gestin Integral del Mantenimiento

56
una eficiente Gestin del Mantenimiento de equipos en plantas industriales, y

por ende a procesos productivos de calidad.
2.1.5
TIPOS DE MANTENIMIENTO
Los tipos de mantenimiento surgieron como consecuencia de la evolucin del

concepto de mantenimiento. El orden cronolgico se corresponde con el grado
de complejidad y efectividad del mantenimiento. A las formas ms primitivas
siguen otras ms elaboradas. Sin embargo, aquellas no se dejan de usar sino
que complementan a las posteriores (Callar-Pontelli, 200921).
Sin embargo, existen diversos autores y normas que clasifican de diversas

formas al mantenimiento. Tal es as, que segn la Norma EN-13306 (norma
estndar europea), el mantenimiento tiene nicamente dos (02) subdivisiones
principales: mantenimiento preventivo y mantenimiento correctivo.
El mantenimiento preventivo, a su vez, se subdivide en solo dos tipos:
mantenimiento predictivo (o basado en condicin) y mantenimiento
preventivo sistemtico (o predeterminado).
Asimismo, el mantenimiento correctivo, como segundo aspecto a resaltar,
tiene dos divisiones a un nivel inferior: mantenimiento diferido (o
programable) y mantenimiento inmediato (o urgente). En la figura 2.6 se
muestra esquemticamente los diferentes tipos de mantenimiento segn la
Norma EN-13306.
FIGURA 2.6. Tipos de mantenimiento segn la Norma EN-13306
MANTENIMIENTO
21
CALLAR, IVAN PONTELLI, DANIEL (2009): Mantenimiento Industrial (libro). Editorial

UNIVERSITAS. Primera edicin. Crdova-Argentina.
57
MANTENIMIENTO
PREVENTIVO
Mantenimiento
predictivo o a
condicin
Programado
Continuo o
a solicitud
MANTENIMIENTO
CORRECTIVO
Mantenimiento
sistemtico o
predeterminado
Programado
Continuo o
a solicitud
Diferido o
Programable
o
Inmediato
Fuente: Gonzlez Fernndez, Teora y Prctica del Mantenimiento Industrial

Avanzado.
A continuacin se describen cada uno de los tipos de mantenimiento

mencionados.
a. MANTENIMIENTO PREVENTIVO.
Sin duda, este tipo de
mantenimiento es el pilar fundamental de todos los departamentos de

mantenimiento y, es definido como el conjunto de actividades o tareas
planificadas previamente, que se llevan a cabo con la finalidad de: 1)
contrarrestar con anticipacin los fallos de los activos, y de esa manera
garantizar que los equipos, mquinas, instalaciones, etc. cumplan con las
funciones requeridas durante su ciclo de vida til dentro del contexto
operacional donde se ubican, 2) alargar el ciclo de vida de los activos, y 3)
mejorar la eficiencia de los procesos22.
En ese sentido, Duffuaa, Raouf y Dixon, 201023 manifiestan que el
mantenimiento preventivo implica, en primer lugar, que todos los recursos
22
http://www.slideshare.net/blacksaturn/mantenimiento-preventivo-1819125
DUFFUAA, SALIH O.; A. RAOUF; DIXON CAMPBELL, JOHN (2010): Sistemas de
mantenimiento. Planeacin y control. Editorial LIMUSA, S.A. de C.V. Grupo Noriega Editores.
Mxico.
23
58
necesarios para realizar las tareas han sido planeados y estn disponibles, y
en segundo lugar, que el trabajo se llevar a cabo de acuerdo con un programa
establecido; es por ello, que al mantenimiento preventivo tambin se le conoce
como mantenimiento planificado, y tiene lugar antes de que ocurra una falla o
avera.
Como su nombre lo indica, el mantenimiento preventivo se dise con la idea de
prever y anticiparse a los fallos de las mquinas, equipos, lneas de produccin, etc.,
utilizando para ello una serie de datos sobre los distintos sistemas, sub-sistemas e
inclusive partes o componentes. Haciendo uso de los datos, se hace la planeacin,
esperando con ello evitar los paros y obtener as una alta disponibilidad y efectividad
de la planta. El mantenimiento preventivo se refiere a las acciones tales como:
reemplazos, adaptaciones, restauraciones, inspecciones, evaluaciones, etc. realizadas
en perodos de tiempos por calendario o uso de los equipos. En ese sentido, el
mantenimiento preventivo puede variar de simples rutas de lubricacin o inspeccin
hasta el ms complejo sistema de monitoreo en tiempo real de las condiciones de
operacin de los equipos24.
Entre las ventajas o beneficios que brinda el mantenimiento preventivo se pueden
mencionar las siguientes24:
1. reduce las fallas y tiempos muertos (incrementa la disponibilidad de
equipos e instalaciones),
2. incrementa la vida de los equipos e instalaciones,
3. reduce los niveles del inventario,
4. produce ahorros econmicos a la empresa. Un dlar ahorrado en
mantenimiento son muchos dlares de utilidad para la compaa.
De acuerdo a la Norma EN-13306, el mantenimiento preventivo, a su vez, se

subdivide en solo dos tipos: mantenimiento predictivo (o basado en condicin) y
mantenimiento preventivo sistemtico (o predeterminado).
a.1) MANTENIMIENTO PREDICTIVO O A CONDICIN. Para
Gonzlez, 20098 el mantenimiento predictivo es
aquella metodologa que
basa las intervenciones en una mquina o instalacin, teniendo en cuenta la

24
http://www.mantenimientoplanificado.com/j%20guadalupe%20articulos/MANTENIMIENTO%2
0PREVENTIVO%20parte%201.pdf
59
evolucin de una determinada variable o parmetro que sea realmente

identificadora de su funcionamiento y fcil de medir (temperatura, ruido,
partculas en el aceite, etc.). En ese sentido, tal como lo sealan GallarPontelli, 200921, el mantenimiento predictivo predice la ocurrencia de una falla a
travs de la apreciacin de sntomas o seales que la mquina emite y segn
la complejidad de las mismas, stas sern detectadas con los sentidos
humanos o con instrumentos.
As mismo, Gallar-Pontelli mencionan, que en un mantenimiento predictivo
especializado, la deteccin de futuras fallas se efecta por medio de
instrumentos y ensayos de cierta complejidad, basados en desarrollos
tecnolgicos y siguiendo una serie de procedimientos normalizados. Se fijan
secuencias de control de los puntos crticos segn el tipo de ensayo y se lleva
un historial de los resultados. De esta manera se tiene una idea de cundo
ocurrir la falla y, por lo tanto, permite planificar las intervenciones. Esto
implica, que el mantenimiento predictivo se encuadra dentro del mantenimiento
planificado.
En ese contexto, se puede mencionar, que el mantenimiento predictivo se basa
fundamentalmente en detectar la falla de una mquina, equipo o instalacin
antes de que suceda, realizando mediciones peridicas de algunas variables o
parmetros fsicos inherentes a la mquina como vibracin, temperatura,
amperaje, contaminantes en el aceite de lubricacin o nivel de ruido, para luego
planificar las acciones correctivas oportunas, sin necesidad de parar o
desmontar la mquina ni detener la produccin.
En ese sentido, el mantenimiento predictivo es una tcnica que permite
pronosticar el punto futuro de falla de alguna componente de una mquina, de
tal forma que dicho componente pueda repararse o reemplazarse, en base a un
plan, justo antes de que falle. As, el tiempo muerto del equipo se minimiza y el
tiempo de vida del componente se maximiza. Es decir, el mantenimiento
predictivo identifica y monitorea las fallas de las componentes de una mquina,
para planificar de manera conveniente su reparacin o cambio.
60
Se debe tener en cuenta, que la gran mayora de las fallas no se presentan de

manera brusca, en general las fallas son el resultado de un periodo de
desgaste progresivo, este proceso de desgaste es cuantificable y desde el
momento de la deteccin inicial de la falla, puede evaluarse su progreso y
predecirse el momento del colapso con semanas, meses o aos de
anticipacin. En la figura 2.7 se muestra una curva donde se ilustra la evolucin
de la falla de una mquina o equipo, desde su inicio hasta llagar a la falla
funcional (el equipo ya no cumple con su funcin) pasando por diferentes
situaciones de condicin como: ruido ultrasnico, cambios en la vibracin,
partculas de desgaste en el aceite, anormalidades termogrficas, ruido audible
y alta temperatura25.
FIGURA 2.7. Curva de evolucin de una falla
Fuente: Estrategias de Mantenimiento Predictivo.

http://www.confiabilidad.com.ve/pdf/SERVICIOS_DE_MANTENIMIENTO_PREDICTIVO__GTS_CONFIABILIDAD.pdf
Cabe destacar, que segn Duffuaa, Raouf y Dixon, 201023, el mantenimiento

predictivo o mantenimiento basado en la condicin del equipo, es tcnicamente
factible:
Si es posible detectar condiciones o funcionamiento degradado de la mquina
(vibracin, incremento de la temperatura, incremento del nivel de ruido, etc.),
25
http://www.confiabilidad.com.ve/pdf/SERVICIOS_DE_MANTENIMIENTO_PREDICTIVO__GTS_CONFIABILIDAD.pdf (Estrategias de Mantenimiento Predictivo)
61
Si existe un intervalo de inspeccin prctico, y

Si el intervalo de tiempo (desde la inspeccin hasta la falla funcional) es
suficientemente grande para permitir acciones correctivas o reparaciones (ver
figura 2.8).
Cabe sealar, que muchos autores intentan explicar el mantenimiento

predictivo con la curva de fallos P- F, en la que simbolizan cmo la variable o
parmetro medido va evidenciando un determinado nivel de deterioro de la
mquina a partir del punto P (fallo potencial), para que, antes de que sta
falle, punto F (fallo funcional), se produzca la intervencin (ver figura 2.8).
FIGURA 2.8. Mantenimiento basado en las condiciones
(Curva potencial funcional o curva P - F)
Fuente: Duffuaa, Raouf y Dixon, Sistemas de Mantenimiento Planeacin y

Control, Pg. 80
a.2) MANTENIMIENTO SISTEMTICO. Es aquel mantenimiento
preventivo que se efecta de acuerdo a un plan, estableciendo intervenciones
peridicas y sistemticas segn el tiempo, segn las horas de trabajo, segn
las horas de vuelo, etc. Es decir, en este tipo de mantenimiento se planifican
las intervenciones de manera constante y en base a una periodicidad concreta
como: nmero de horas de funcionamiento, nmero de kilmetros recorridos,
etc., pero siempre las mismas. A la postre, se usa una variable independiente a
62
las intrnsecas a la propia mquina, para realizar la programacin de

intervencin (por ejemplo: el cambio de aceite de un transformador de potencia
por prdida de rigidez dielctrica por tiempo de operacin).
Cabe sealar, que el mantenimiento sistemtico tiene diversas fuentes de
origen, y segn estas, su revisin y modificacin podr o no ser posible; en
unos casos, por que se haya corroborado la eficacia de la periodicidad definida,
como puede ser en las sustituciones peridicas de aceites y lubricantes y, en
otros casos, porque dichas periodicidades sean de obligado cumplimiento por
legislaciones o reglamentos o, quizs, porque los departamentos de
mantenimiento (para salvaguardar la responsabilidad ante un percance) hayan
credo conveniente estipular y definir de manera inamovible un determinado
mantenimiento de seguridad.
b. MANTENIMIENTO CORRECTIVO. Es el conjunto de actividades o
tareas destinadas a corregir las fallas o defectos que se presentan en las
mquinas o equipos de manera inmediata o programando la detencin del
equipo para momentos de menor actividad, como un fin de semana, das
feriados, etc.
En ese sentido, se puede considerar dos divisiones para el mantenimiento
correctivo (Norma EN-13306): mantenimiento inmediato (o urgente) y
mantenimiento diferido (o programable).
b.1) MANTENIMIENTO CORRECTIVO
INMEDIATO O URGENTE (O
21
A ROTURA). Segn Callar-Pontelli, 2009 , este tipo de mantenimiento

tiene por misin intervenir de manera inmediata para restablecer la paralizacin
de la mquina a como d lugar. Es decir, es una actividad reactiva, o sea,
acta una vez ocurrida la falla, y debe realizarse con la mayor celeridad para
evitar que se incrementen los costos, dado que da lugar a las temidas prdidas
por paradas de produccin. Tiene la caracterstica de ser intempestivo y
desorganizado y, por lo tanto, est lejos de ser planificado. As fueron los
comienzos del mantenimiento. Pese a todo, este tipo de mantenimiento nunca
63
desaparecer, pero si deber ser reducido al mnimo, planificando el

mantenimiento de las mquinas o instalaciones.
Este tipo de mantenimiento resulta aplicable en:
Sistemas complejos, normalmente en componentes electrnicos o en

aquellos donde no es posible prever fallas, y en los procesos que
admiten ser interrumpidos en cualquier momento y durante cualquier
tiempo, sin afectar la seguridad.
Equipos en funcionamiento que tiene cierta antigedad. En estos casos

puede suceder que la falla se presente en forma imprevista, y por lo
general en el momento menos oportuno, debido justamente a que el
equipo es exigido por necesidad y se le requiere funcionando a sus
plenas caractersticas.
Un inconveniente en este tipo de mantenimiento es que debe preverse un

capital inmovilizado y disponible para las piezas y elementos de repuesto, visto
que la adquisicin de los mismos puede no ser resuelta con rapidez, y requiere
de una gestin de compra y entrega que no coincide con los tiempos reales
para poner en marcha nuevamente los equipos en el ms corto tiempo posible,
con el agravante que puedan ser piezas discontinuadas, importadas o que ya
no se fabriquen ms.
b.2) MANTENIMIENTO CORRECTIVO DIFERIDO O PROGRAMABLE.
El mantenimiento correctivo diferido prev lo que se har antes que se
produzca el fallo, de manera que cuando se detiene el equipo para efectuar la
reparacin, ya se dispone de los recursos de manera racional como repuestos,
instrumentos, documentos necesarios y del personal tcnico asignado con
anterioridad en una programacin de tareas. Al igual que el anterior, corrige la
falla y acta ante un hecho cierto, en un plazo establecido y sin afectar la
produccin.
Este tipo de mantenimiento difiere del inmediato o urgente en el sentido de
que se evita ese grado de apremio, porque los trabajos han sido programados
con antelacin.
64
Para llevarlo a cabo se programa la detencin del equipo, pero previo a ello, se
realiza un listado de tareas a realizar sobre el mismo y se programa su
ejecucin en dicha oportunidad, aprovechando para realizar toda reparacin,
recambio o ajuste que no sera factible hacer con el equipo en funcionamiento.
Suele hacerse en los momentos de menor actividad, horas en contra turno,
perodos de baja demanda, durante la noche, en los fines de semana, perodos
de vacaciones, das feriados, etc.
Bajo esta modalidad la gestin del mantenimiento correctivo es ms eficaz y
eficiente permitiendo a sus conductores realizar presupuestos de operacin y
llevar registros de las intervenciones.
2.2
LA GESTIN DEL MANTENIMIENTO BAJO EL ENFOQUE DE LA

GESTIN DE LA CALIDAD26
La Gestin de la Calidad (GC) se ha convertido en el paradigma ms

importante del contexto global en el desarrollo de las organizaciones
contemporneas, porque es un sistema de gestin que continuamente busca
mejorar
la competitividad de las mismas. En ese sentido, Nava 200527
manifiesta que, ms que una moda,

la Gestin de la Calidad constituye una filosofa y estrategia para emprender cambios
que mejoren el desempeo de las organizaciones y de sus agremiados, con el propsito de
que sus procesos arriben a resultados de calidad para satisfacer las necesidades de sus
clientes.
As mismo, Claver 200428 seala que,
la Gestin de la Calidad es un sistema de gestin que comprende un conjunto de
principios y mtodos que se implantan en toda la empresa como medio para conseguir los
26
Lic. Manuela de la C. Abreu y Lic. Rubn Caedo Andalia: Gerencia total de la calidad en
las organizaciones. Artculos 1998. Disponible en:
http://bvs.sld.cu/revistas/aci/vol6_2_98/aci02298.htm
27
VICTOR MANUEL NAVA CARBELLIDO (2005): Qu es la calidad? Conceptos, gurs y
modelos fundamentales. Editorial Limusa S.A. de C.V. Mxico.
28
ENRIQUE CLAVER CORTES, JOSE FRANCISCO MOLINA & JUAN JOSE TARI GUILLO
(2004): Gestin de la calidad y gestin medioambiental. Ediciones Pirmide. Pgs. 25-27
Madrid-Espaa.
65
objetivos de calidad, caminando hacia la mejora continua en todos los niveles

organizativos y utilizando todos los recursos disponibles al menor coste posible.
En ese contexto, la Gestin de la Calidad involucra a todas las personas de la
organizacin, buscando que todos sus miembros operen con el inters de
perfeccionar continuamente su trabajo para lograr satisfacer las necesidades
de sus usuarios/clientes. Su objetivo central radica en obtener resultados con
un alto nivel de calidad en todos los aspectos del trabajo individual o de las
operaciones de la organizacin en su conjunto. Asimismo, la Gestin de la
Calidad considera la satisfaccin simultnea de todos aquellos a los que el
trabajo de la organizacin afecta: accionistas, clientes y empleados, ya sean
administrativos o no, as como del ambiente de la institucin. Los accionistas
buscan un rendimiento en sus inversiones, los clientes esperan productos y
servicios de calidad, mientras que los empleados se empean en mejorar su
nivel de vida.
De las definiciones antes mencionadas se desprende que, toda empresa o

cualquier organizacin que practica como modelo de gestin, una Gestin de
Calidad, sus procesos29 y actividades que desarrolla, son de calidad30, las
mismas que conllevan a mejorar su competitividad y satisfacer las necesidades
de los clientes internos y externos (ver figura 2.9).
29Se
entiende por proceso al conjunto de actividades que se realizan sucesivamente
con el objeto de transformar una serie de recursos o insumos (entradas o input) en un

resultado especfico con valor agregado que puede ser un producto o servicio (salida u
output). En ese sentido, son procesos, por ejemplo la enseanza, las negociaciones para
un contrato, un estudio de mercado, una investigacin estadstica, el mantenimiento de
un equipo o instalacin, la oficina de personal de una empresa, etc.
30La
palabra calidad ha desencadenado una serie de definiciones, por lo que no existe
una definicin especfica que pueda calificarse como la ms correcta o la mejor. Cada
29
FEA GUGLIELMETTI, UGO (1995): Competitividad es calidad total. Editorial Alfaomega

S.A. de C.V. 2da. Edicin. Pgs. 174 183. Mxico.
30
CSAR CAMISN, SONIA CRUZ y TOMS GONZLES (2007): Gestin de la calidad:
Conceptos, enfoques, modelos y sistemas (libro). PEARSON EDUCACIN, S.A. MadridEspaa.
66
empresa ha de desarrollar su propia definicin especfica para la compaa. Sin embargo,

se puede considerar la siguiente definicin: calidad es la totalidad de los rasgos y las
caractersticas de un producto o servicio que se refieren a su capacidad para satisfacer
las necesidades y expectativas de los clientes o de cualquiera que entre en contacto con el
producto o servicio. Calidad implica buscar la mejora continua en todos los procesos
para mejorar la competitividad de la organizacin.
FIGURA 2.9. Calidad de un proceso
Fuente: Elaboracin propia

En ese sentido, como en toda empresa industrial, generalmente se tiene el
proceso mantenimiento, entonces si la organizacin industrial practica como
modelo de gestin, la Gestin de Calidad, entonces el proceso mantenimiento
tiene que ser de calidad, y debe gestionarse teniendo en cuenta las actividades
(o funciones) fundamentales de planeacin, organizacin y control (ver figura
2.10), y todas las componentes y principios que establece la Gestin de
Calidad, que son: liderazgo, el compromiso de los trabajadores, el
reconocimiento y la recompensa, el adiestramiento, el enfoque al cliente, el
benchmarking, la recoleccin de datos y su anlisis, el mejoramiento continuo,
el trabajo en equipo, entre otros.
67
En tal contexto, bajo el enfoque de la Gestin de la Calidad, se puede precisar

que:
la gestin del proceso mantenimiento es aquel Sistema de Gestin que basado en la
mejora continua de sus actividades de planeacin, organizacin y control tiene como
propsito principal satisfacer las necesidades de los clientes y asegurar la competitividad
de la organizacin industrial por medio de: 1) garantizar la disponibilidad y
confiabilidad planeadas, 2) satisfacer todos los requisitos del sistema de calidad de la
organizacin, 3) cumplir todas las normas de seguridad y medio ambiente, y 4)
minimizar costos para maximizar el beneficio de la empresa. (Cursiva propia).
FIGURA 2.10. Proceso mantenimiento
AREA DE MANTENIMIENTO
INSUMOS
Gestin del Mantenimiento
RESULTADO
Mquinas
Instalaciones
Mano de obra
Equipo
Herramientas
Finanzas
Informtica
y/o
equipos
Planeacin
Organizacin
Control
en
operacin
Fuente: Elaboracin propia

Tambin, cabe precisar, que la calidad del proceso mantenimiento influye
directamente en la calidad de los productos y la productividad. El equipo con un
buen mantenimiento produce menos desperdicios que el equipo con un
mantenimiento deficiente. En tal sentido, la Gestin del Mantenimiento puede
utilizarse
como
una
estrategia
para
una
competencia
exitosa.
Las
inconsistencias en la operacin del equipo de produccin dan por resultado una

variabilidad excesiva en el producto y, en consecuencia, ocasionan una
produccin defectuosa. Para producir con un alto nivel de calidad, el equipo de
produccin debe operar dentro de las especificaciones, las cuales pueden
68
alcanzarse mediante acciones oportunas de mantenimiento, a travs de una

Gestin de Calidad23.
Al respecto, debe destacarse que, el mantenimiento31:
no es un costo;
no se reduce a un conjunto ms o menos discreto de personas con

habilidades mecnicas, elctricas, electrnicas y/o de computacin;
requiere excelencia en su manejo gerencial y profesional;
implica tenerlo presente desde el momento que se disea y monta una

planta industrial o que se modifica total o parcialmente, etc.;
requiere de insumos y produce resultados, es decir el mantenimiento es un

proceso tal como se ilustra en la Figura 2.10.
Asimismo, se debe tener en cuenta, que las actividades del proceso

mantenimiento se realizan en paralelo con las actividades del proceso de
produccin. En la figura 2.11 se muestra un diagrama de las relaciones entre el
proceso de produccin y el proceso mantenimiento. El proceso de produccin
generalmente se ocupa de convertir entradas o insumos, como materias
primas, mano de obra y procesos, en productos que satisfacen las necesidades
de los clientes. La principal salida de un proceso o sistema de produccin son
los productos terminados; una salida secundaria es la falla de un equipo. Esta
salida secundaria genera una demanda de mantenimiento. El proceso
mantenimiento toma esto como una entrada y le agrega conocimiento experto,
mano de obra, refacciones, etc., y produce un equipo en buenas condiciones
que ofrece una capacidad de produccin.
FIGURA 2.11. Relacin entre el proceso de produccin y el
proceso de mantenimiento
Entradas
Proceso de
Produccin
Salidas
Retroalimentacin
31
http://www.elprisma.com/apuntes/curso.asp?id=12618
69
Capacidad de
produccin
Proceso
mantenimiento
Demanda de
mantenimiento
Fuente: Duffuaa, Raouf y Dixon, Sistemas de Mantenimiento, pg. 30
La principal meta de un proceso de produccin es elevar al mximo las

utilidades a partir de las oportunidades disponibles en el mercado, y la meta
secundaria tiene que ver con los aspectos econmicos y tcnicos del proceso
de conversin. El proceso mantenimiento tambin contribuye al logro de estas
metas al incrementar las utilidades y la satisfaccin del cliente. stas se logran
reduciendo al mnimo el tiempo muerto (DOWN TIME) de la planta,
mejorando
la
calidad,
incrementando
la
productividad
entregando
oportunamente los pedidos a los clientes.

2.2.1 PRINCIPALES COMPONENTES DE LA GESTIN DE CALIDAD DEL
MANTENIMIENTO
Para conducir y operar de manera exitosa el rea de mantenimiento de una
empresa industrial utilizando como modelo de gestin la Gestin de la Calidad,
que implica mejora continua para la competitividad, se requiere de los
siguientes principios o elementos32:
a) Liderazgo
El liderazgo es la base catalizadora para obtener la participacin de todos los
integrantes del rea de mantenimiento a la hora de lograr un objetivo. La clave
de esto radica en un liderazgo genuino, de manera tal que sea capaz de
trasmitir la direccin y la inspiracin necesaria para mantener y potenciar el
32
http://www.scielo.org.ve/scielo.php?script=sci_arttext&pid=S131648212005000100007&lng=pt&nrm=iso
70
compromiso de los trabajadores. Al respecto, cabe sealar, que la principal

diferencia entre lderes y directivos radica en que los primeros ponen su nfasis
en los recursos emocionales y espirituales de una organizacin, as como en
sus valores y operaciones, mientras que los directivos lo hacen en sus recursos
fsicos tales como las materias primas, la tecnologa y el capital. En ese
sentido, el liderazgo se convierte en un elemento importante en la Gestin del
Mantenimiento en las plantas industriales, dado que, permite potenciar el
aporte de cada uno de los trabajadores del rea de mantenimiento mejorando
los niveles de productividad que se traduce en una ventaja competitiva.
El liderazgo que se necesita implantar en las reas de mantenimiento implica
las siguientes consideraciones:
respetar, considerar y, sobre todo, valorar a cada trabajador, por muy

bajo que sea su rango, en la conviccin de que ste puede aportar ideas
importantes para el mejoramiento continuo de las actividades de
mantenimiento.
establecer un ambiente laboral en el cual cada trabajador realice su

trabajo con orgullo y con sentido de pertenencia hacia la empresa.
capacitar y adiestrar constantemente a los trabajadores.
romper las barreras comunicacionales que tradicionalmente han existido

en las organizaciones.
hacer consciente a cada trabajador del impacto de la calidad de su

trabajo en el futuro del rea de mantenimiento y de la organizacin.
Asimismo, en cuanto a liderazgo organizacional, las normas ISO 9000, en sus

principios de Gestin de la Calidad, establecen que los lderes de la
organizacin deberan crear y mantener un ambiente interno, en el cual el
personal pueda llegar a involucrarse totalmente en el logro de los objetivos de
la organizacin.
b) El compromiso de los empleados
Comprometer a los trabajadores con la actividad que realizan en el rea de
mantenimiento, con sus objetivos, su visin y su misin, lo cual no
71
necesariamente significa implantar una serie de imposiciones. Es hacer que

interioricen los objetivos en todas sus dimensiones, facetas y matices en
beneficio de la empresa.
c) El reconocimiento y la recompensa
El reconocimiento al trabajo bien realizado, y la implantacin de ideas
novedosas (creatividad), son detalles que el nuevo enfoque de la calidad no
deja escapar. Las instituciones que han adoptado el modelo de la Gestin
de la Calidad incluyen un programa de estmulos y recompensas en sus
costos. Se est convencido de que incurrir en estos gastos, es una forma de
alcanzar logros y compromisos por parte de los trabajadores.
d) El adiestramiento
La motivacin y la formacin son aspectos esenciales para ayudar a los
trabajadores a comprender su papel en la satisfaccin de los usuarios/clientes.
El xito a largo plazo puede garantizarse de esta forma.
e) El enfoque al cliente
La Gestin de la Calidad comienza con el enfoque al cliente (interno y externo)
y termina con su satisfaccin. En ese sentido, los trabajadores del rea de
mantenimiento deben ser consientes que los clientes son las personas ms
importantes para la empresa. Cuando las organizaciones comprendan que el
cliente es la persona ms importante en cualquier negocio, que dependen de
l, que es su objetivo, que no se relaciona con la afirmacin segn la cual el
cliente siempre tiene la razn, que no es una interrupcin al trabajo y que no se
le est haciendo un favor al atendrsele, entonces se estarn dando los
primeros pasos en busca de la calidad.
f) El benchmarking
Este es un proceso estructurado y continuo en el que se evalan de forma
sistemtica los productos, servicios y procesos de trabajo de instituciones
lderes o de excelencia, similares, con el fin de incorporar sus prcticas y
experiencias a la organizacin o empresa para perfeccionar la calidad de su
trabajo.
72
Una vez analizada la diferencia que separa a la empresa de las prcticas de

estas instituciones lderes, se debe estudiar su posible asimilacin o integracin
a los objetivos y planes de perfeccionamiento. Es una de las tcnicas ms
importantes que se aplican para solucionar problemas e introducir mejoras en
las diferentes reas de las empresas, como por ejemplo en las reas de
mantenimiento.
g) La recoleccin de datos y su anlisis
El mejoramiento continuo del rea de mantenimiento est relacionado con la
evaluacin permanente de indicadores de Gestin del Mantenimiento. En este
propsito es insoslayable la utilizacin de datos cualitativos y cuantitativos que
indiquen cmo se comporta el rea de mantenimiento. La recoleccin de datos
y su anlisis son
elementos importantes para determinar indicadores de
gestin que permitan orientar adecuadamente los esfuerzos, los recursos, las
inversiones que conllevarn a alcanzar los resultados que se aspiran y se
pueden alcanzar.
h) El mejoramiento continuo
Es el principio rector del trabajo de las organizaciones que aplican la filosofa
de la Gestin de la Calidad. Dichas entidades se orientan al aprendizaje
continuo y dependen cada vez ms de la competencia y creatividad de sus
componentes. En ese sentido, toda empresa que practica como modelo de
gestin, la Gestin de la Calidad, las personas que trabajan el departamento
de mantenimiento, y en las dems reas, deben estar continuamente
capacitndose.
i) El trabajo en equipos
Es el vehculo fundamental para el planeamiento y la solucin de problemas.
j) Las relaciones abiertas
73
La transparencia de la comunicacin entre sus miembros y en todos los niveles

de la empresa u organizacin, es una condicin esencial para el xito de la
misma.
2.3
ANLISIS DE LA CONFIABILIDAD DE EQUIPOS UTILIZANDO

TCNICAS O HERRAMIENTAS CUALITATIVAS
2.3.1 ANLISIS DE CRITICIDAD

Cuando se tiene que realizar, bajo un enfoque cualitativo, un anlisis de
confiabilidad y/o mantenibimidad, o cuando se tenga que efectuar una serie de
trabajos programados de mantenimiento preventivo o predictivo en varios
equipos distintos de una lnea de produccin o de una instalacin, se hace
necesario contar con una herramienta que ayude a priorizar la jerarqua de
dichos equipos, teniendo en cuenta que no todos los equipos tienen la misma
importancia en los procesos de produccin en las plantas industriales33.
Al respecto, cabe mencionar, que el anlisis de criticidad, es una herramienta
o metodologa que permite en una planta industrial o lnea de produccin,
determinar la prioridad de los equipos, en funcin de su impacto global, con la
finalidad de facilitar la toma de decisiones y mejorar la confiabilidad
operacional, entendiendo por confiabilidad como la probabilidad de que un
equipo o sistema opere sin fallar un determinado periodo de tiempo, bajo unas
condiciones de operacin previamente establecidas.
Asimismo, se debe tener en cuenta, que no todos los equipos tienen la misma
importancia en una planta industrial o en una lnea de produccin, normalmente
unos equipos son ms importantes que otros. En ese sentido, se debe destinar
la mayor parte de los recursos a los equipos ms importantes, dejando una
pequea porcin del reparto a los equipos que menos influyen en los
resultados de la empresa a de la lnea de produccin.
33
ROSENDO HUERTA MENDOZA: El anlisis de criticidad, una metodologa para mejorar la

confiabilidad operacional (artculo). Disponible en:
http://confiabilidad.net/articulos/el-analisis-de-criticidad-una-metodologia-para-mejorar-laconfiabilidad-ope/
74
Para determinar el grado de criticidad de un equipo, mquina o instalacin, se

toman ciertos criterios que estn asociados (generalmente) con la frecuencia
de
fallas,
impacto
operacional,
flexibilidad
operacional,
costo
del
mantenimiento, seguridad, medio ambiente, entre otros.

Por otro lado, la determinacin de la criticidad de un equipo, se facilita
considerablemente al utilizar un procedimiento numrico creado para tal efecto.
Consiste en la asignacin de un puntaje a aspectos o variables que estn
relacionadas con el equipo y su impacto global, luego, se pondera y se suman
los resultados. Despus, se determina el rango en el que se encuentra el valor
de la suma, que a su vez, indica la categora y la criticidad que le debe
corresponder al equipo.
El puntaje utilizado para la ponderacin de cada aspecto o variable relacionada
al equipo, est comprendido entre los valores de 1 y 5, donde 1 significa que
incide en menor grado (leve), y el 5, que incide en mayor grado (muy grave).
Una vez obtenida la suma ponderada de todas las incidencias, se compara con
los rangos establecidos en la tabla 2.1 que se muestra a continuacin.
TABLA 2.1. Determinacin de criticidad por puntuacin ponderada

RANGO
CATEGORA
CRITICIDAD
Suma: de 16 a
Crtica
Importante
Suma: de 6 a 10
Regular
Suma: de 00 a
Opcional
20
Suma: de 11 a
15
05
En
la
presente Tesis, el grado de criticidad de los equipos de la lnea de produccin,

se determin tomando en cuenta los siguientes aspectos o variables
relacionados con los equipos (ver tablas del tem 3.4 del Captulo III):
75
Efecto sobre el servicio a operaciones y medio ambiente,
Valor tcnico econmico del equipo,
Probabilidad de falla (confiabilidad),
Flexibilidad del equipo en el sistema,
Dependencia logstica de los repuestos,
Dependencia del mantenimiento (mano de obra),
Facilidad de reparacin
2.3.2 ANLISIS DE MODOS Y EFECTOS DE FALLOS (AMEF=FMEA)

El anlisis de los modos y efectos de fallos (FMEA), desde el punto de vista del
mantenimiento industrial, es una herramienta o metodologa muy til que
permite (de manera sistemtica), reconocer y/o identificar las fallas funcionales
de un equipo (en la actividad de planificacin), antes de que estas ocurran, con
la intencin de eliminarlas o mitigarlas, con lo cual se asegurar su operatividad
y, por lo tanto, su confiabilidad. Es decir, el FMEA se utiliza para identificar los
modos de fallo funcionales, determinar sus efectos que estos provocan, y
asimismo, identificar acciones que conlleven a atenuar dichas fallas. En ese
sentido, el FMEA es una metodologa orientada a lograr el aseguramiento de la
funcionalidad y por ende la confiabilidad de una mquina o equipo34.
A continuacin se presenta las definiciones de modo y efecto de falla.
Modo de fallo. Es definido como cualquier situacin o evento que pueda
causar la falla de un activo fsico (o sistema o proceso). Por ejemplo, para un
motor, los modos de fallo pueden ser: calentamiento, vibracin, fallo al
arrancar, etc.
Causa de fallo. Una causa de fallo es una razn potencial de un modo de fallo.
En el anlisis FMEA, para cada modo de fallo se debe listar todas las posibles
causas de fallo.
34
LEONARDO MONTAA RIVEROS (2006): Diseo de un sistema de mantenimiento con

base en anlisis de criticidad y anlisis de modos y efectos de falla en la Planta de Coque de
fabricacin primaria en la Empresa Aceras Paz del Ro S.A. Tesis de titulacin profesional..
Universidad Pedaggica y Tecnolgica de Colombia. Disponible en:
http://www.monografias.com/trabajos-pdf/sistema-mantenimiento/sistema-mantenimiento.pdf
76
Efecto de fallo. Describe las consecuencias que provocan la ocurrencia del

modo de fallo que se est analizando. Esta descripcin debe incluir toda la
informacin necesaria para apoyar la evaluacin de la mquina.
En la tabla 2.2 se muestra un ejemplo como la causa y el efecto del fallo se
relaciona con los modos de fallo, para el caso de una bomba.
TABLA 2.2. Relacin de causas y efectos de fallo con los modos de fallo
BOMBA
Causas del fallo
Modos de fallo
Fallo al arrancar Instalacin defectuosa
Falta de energa elctrica
Vibracin
Rotura de rodamientos
Rotura de eje
Efectos de fallo
Parada del equipo
Parada de la planta
Parada del equipo
Parada de la planta
En la presente Tesis, en el tem 3.5 del captulo III, se muestran tablas donde
se indican los modos de fallo, las causas y los efectos de fallo, para cada
equipo crtico de la lnea de produccin que se ha estudiado.
2.4 ASPECTOS IMPORTANTES DE LA ESTADSTICA Y DE LA TEORA DE
PROBABILIDADES PARA EL ANLISIS DE CONFIABILIDAD
2.4.1 POR QU LA ESTADSTICA ES TIL EN LA GESTIN DEL
MANTENIMIENTO O EN LA GESTIN DE UNA EMPRESA?
Por lo siguientesiguientes6:
Sin estadstica una empresa carece de capacidad para reconocer que
actividades o productos le generan utilidades, y cuales solo prdidas.
No se puede gestionar lo que no se mide. Las mediciones son la clave. Si
usted no puede medir, no puede controlar. Si no puede controlar, no puede
gestionar. Si no puede gestionar, no puede mejorar.
77
La falta sistemtica o
ausencia
estructural
de
estadsticas
en las
organizaciones, impide una administracin cientfica de las mismas.

Peter Drucker afirma que pocos factores son tan importantes para la actuacin
de la organizacin como la medicin, aunque lamenta el hecho de que la
medicin sea el rea ms dbil de la gestin en muchas empresas.
W. Edward Deming, un pionero en mtodos estadsticos para el control de
calidad, seal que en Japn se pona mucho nfasis en las estadsticas para
directores de empresa. En parte fue la aplicacin de las tcnicas estadsticas
enseadas por Deming lo que hizo que Japn pasara de ser un fabricante de
imitaciones baratas a lder internacional en productos de primera calidad.
As mismo, se debe tener presente, que el punto de partida para realizar un

anlisis de confiabilidad de un equipo, mquina, componente o instalacin bajo
una concepcin cientfica,
es la informacin cuantitativa que sobre las fallas
se tenga a disposicin de dicho equipo, mquina, componente, etc. (estadstica

de fallas o historial de fallas). Cabe mencionar, que existen diversos formatos
para su recoleccin, pero lo ms importante es recopilarla.
Al respecto, la estadstica permite dar respuesta a preguntas como6:
cules son las averas que ms se han producido en el ltimo

trimestre?
qu tipo de reparaciones han generado mayores egresos?
en cul etapa del ciclo de vida se encuentra cada uno de los

equipos de la planta?
cul es el tiempo promedio de estada de sus equipos principales?
cul es el tiempo medio entre fallos de cada equipo?
cules son los tiempos promedios,
mximos y mnimos de
reparaciones por tipo de averas?

A partir de estas informaciones se podr:
adoptar a tiempo las medidas tcnicas correctivas;
confeccionar un presupuesto viable y efectivo;
evitar los excesos de stock y la obsolescencia de inventarios;
administrar mejor los recursos humanos de mantenimiento;

78
detectar la causa raz de un problema y solucionarlo.
De lo mencionado, se desprende, que las tcnicas cuantitativas o

estadsticas, son muy tiles en el anlisis de confiabilidad y por ende en
la toma de decisiones en el campo del mantenimiento y en la gestin de
activos en general; sin embargo, muy poco se utiliza en la prctica.
2.4.2 FUNDAMENTOS SOBRE LA TEORA DE LA PROBABILIDAD,
VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD
La Teora de las Probabilidades ofrece un modelo matemtico para el estudio
de los fenmenos o experimentos aleatorios (experimentos casuales o al azar).
Algunos ejemplos son: el lanzamiento de una moneda, el tiempo hasta la falla
de un motor elctrico, el tiempo de reparacin de un equipo o de un tem en
general, entre otros.
2.4.2.1 EXPERIMENTOS ALEATORIOS Y ESPACIOS MUESTRALES35
La Teora de la Probabilidad juega un papel importante en situaciones de la
vida real en las que se realizan experimentos y donde el investigador no puede
predecir con certeza el resultado del experimento (por ejemplo al lanzar un
dado el investigador no sabe qu resultado va a obtener). A estos
experimentos se les llama experimentos aleatorios.
Es decir, un experimento aleatorio es aquel experimento donde los resultados u

observaciones que se obtienen no pueden predecirse con certeza (son
resultados al azar).
A menudo se consideran los experimentos idealizados. Por ejemplo, cuando se
arroja una moneda, se puede descartar la posibilidad de caiga de canto. Esto
es ms por conveniencia que por necesidad. El conjunto de resultados u
observaciones posibles de un experimento aleatorio se llama espacio
muestral, y estos resultados definen el experimento idealizado en particular.
35
JAY L. DEVORE (2008): Probabilidad y Estadstica para Ingeniera y Ciencias (libro). D.R.
Cengage Learning editores, S.A. de C.V. Sptima edicin. Mxico.
79
Los smbolos E y S se utilizan para representar el experimento aleatorio y el

espacio muestral asociado.
Los espacios muestrales (y con ellos los experimentos aleatorios) se clasifican
en: 1) espacios muestrales discretos, son aquellos en el que hay un nmero
finito de resultados o, en otras palabras, un nmero finito contable (numerable)
de resultados, y 2) espacios muestrales continuos, son aquellos que tienen
resultados incontables; stos podran ser nmeros reales en un intervalo, o
pares reales contenidos en el producto de intervalos, donde las mediciones se
realizan respecto de dos variables en un experimento aleatorio.
Para ilustrar experimentos aleatorios con su espacio muestral asociado,
consideremos los siguientes ejemplos:
Ejemplo 1:
E1 = Lanzar tres veces una moneda y observar la secuencia de caras y
escudos
S1 = { CCC, CCE, CEC, CEE, ECC, ECE, EEC, EEE }
En donde: C = cara, E = escudo
Observe que este conjunto es finito
Ejemplo 2:
E2 = En una fbrica de productos qumicos, el volumen diario de produccin de
cierto lquido vara entre un valor mnimo, b, y valor mximo, c. Se elige
un da al azar y se observa la cantidad producida.
S2 = { x: x R, b x c } , Observe que este conjunto es incontable.
2.4.2.2 OTROS CONCEPTOS Y DEFINICIONES DE PROBABILIDADES

A continuacin se resumen algunos conceptos y definiciones importantes
relacionadas con probabilidades6:
80
a) Punto muestral. Es cada uno de los posibles resultados u observaciones de

un experimento aleatorio.
b) Espacio muestral. Es el conjunto de todos los puntos muestrales de un
experimento aleatorio. Se denota por S.
c) Evento. Teniendo en cuenta que el espacio muestral S es el conjunto
universal, entonces, un evento
es el conjunto de puntos muestrales que
representa un subconjunto del espacio muestral S. Observar que tanto como

S son subconjuntos de S. Un evento se suele denotar por una letra mayscula
(A, B,.). Ejemplo: suponga el experimento aleatorio correspondiente al
lanzamiento de un dado perfectamente balanceado de 6 caras. Si el espacio
muetral correspondiente a dicho experimento aleatorio es: S = { 1, 2, 3, 4, 5, 6
}, entonces, el evento A: que salga par, es: A = { 2, 4, 6 }; asimismo, el evento
B: que salga un nmero mayor que 2, es: B = { 3, 4, 5, 6 }.
d) Ocurrencia de un evento. Sea A un evento de cierto experimento E. Diremos
que el evento A ocurre cuando al realizar el experimento E, el resultado que
obtenemos es un punto muestral de A.
e) lgebra de eventos. Son Operaciones que pueden realizarse entre eventos
tales como: suma ( + ), el producto ( . ) el complemento de un evento (A o Ac
o A ).
Al respecto, si A y B son dos eventos cualesquiera de un espacio muestral S,
entonces:
A + B: subconjunto de S que contiene todos los elementos de A y de B.

A. B: subconjunto de S que contiene los elementos que estn a la vez en
A y en B.
c
A = A : es el subconjunto de S que contiene todos los elementos que no

estn en A.
Cabe sealar, que las operaciones entre eventos pueden representarse
tambin mediante Diagramas de Venn.
f)
Definicin clsica de probabilidad (Probabilidad a priori). Descansa en la

nocin de equiprobabilidad o igual posibilidad (Laplace, 1812) y plantea que la
81
probabilidad de que un evento ocurra es la razn entre casos favorables y

todos los casos que puedan ocurrir; es decir, si A es un evento definido en el
espacio muestral S de un experimento aleatorio E, entonces, la probabilidad de
ocurrencia del evento A que se denota como P(A) es:
P( A)
m
n
donde:
m: casos favorables a la ocurrencia del evento A (puntos
muestrales de evento A).
n: todos los casos que puedan ocurrir (puntos muestrales de
S, espacio muestral finito y equiprobable).
Ejemplo. Suponga el siguiente experimento aleatorio: lanzamiento de un
dado perfectamente balanceado de 6 caras". Si el espacio muetral
correspondiente a dicho experimento aleatorio es: S = { 1, 2, 3, 4, 5, 6 },
entonces, la probabilidad de ocurrencia del evento A: que salga par, es:
P(A) = 3/6 = 0.5 = 50%. Asimismo, si se considera el evento B: que
salga un nmero mayor que 2, entonces la probabilidad de ocurrencia
del evento B es: P(B) = 4/6 = 0.6667 = 66.67%.
g) La definicin frecuencial o estadstica de la probabilidad. Se basa en el
concepto de frecuencia relativa de ocurrencia de un evento, la que a su vez
presupone la repeticin del experimento aleatorio un nmero considerable de
veces. De manera que:
P(A) = fr (A) = lm f(A) / n
n
Donde:
fr(A) : frecuencia relativa de ocurrencia del evento A.
f(A) : cantidad de veces que ocurri el evento A en las
pruebas realizadas.
n : cantidad de pruebas realizadas.
Ejemplo. Ciertas pruebas muestran que 294 de 300 aislantes de
cermica probados podran resistir un choque trmico. Cul es la
82
probabilidad de que uno de ellos seleccionado aleatoriamente pueda

resistir el choque? Considerando el evento A : que el aislante resista el
choque trmico, entonces: P(A) = 294/300 = 0.98 = 98%.
h) Axiomas de las probabilidades:
1. La probabilidad de cualquier evento A es un nmero real positivo o cero; es

decir: 0 P(A) 1 para cada evento A de S.
2. Todo espacio muestral tiene la probabilidad 1; es decir: P(S) = 1.
3. Si A y B son dos eventos mutuamente excluyentes cualesquiera definidos
en S, entonces se cumple que:
P(A+B) = P(A) + P(B)
si A.B = (eventos A y B se excluyen; es decir, no
tienen elementos comunes, ver figura 2.12).
FIGURA. 2.12. Tres eventos mutuamente excluyentes

C
B
A
i)
Algunos corolarios:
1. P() = 0
2. P(A) = 1 P(A)
3. P(A+B) = P(A) + P(B) P(A.B) si A.B (cuando los eventos A y B no
son excluyentes)
4. P(A.B) = P(A) P(A.B)
2.4.2.3 VARIABLES ALEATORIAS Y SU CLASIFICACIN

Si S es el espacio muestral de un experimento aleatorio, entonces, X ser una
variable aleatoria (v.a) si es una funcin que asigna a cada punto muestral o a
cada resultado u observacin (o medida) del espacio muestral, un nmero real.
Es decir, toda variable aleatoria toma un valor numrico para cada resultado u
observacin (o evento) de un espacio muestral S. En la figura 2.13 se muestra
el concepto de una variable aleatoria35.
83
FIGURA 2.13. Concepto de una variable aleatoria
espacio muestral con
espacio del rango o sim-
cuatro puntos mues-
plemente rango de la v.a
trales (DOMINIO)
X (son nmeros reales)
Ejemplo 1. Considere el siguiente experimento aleatorio: lanzamiento de tres

veces una moneda.
Si X: v.a nmero de caras que se presentan, entonces:
Si: E = escudo y C = cara, entonces, el espacio muestral con eventos simples
es:
S = { EEE, EEC, ECE, CEE, CCE, CEC, ECC, CCC }
Luego, los valores numricos que toma la variable aleatoria, son:
X(EEE) = 0, X(EEC) = 1, X(ECE) = 1, X(CEE) = 1, X(CCE) = 2, X(CEC) = 2,
X(ECC) = 2, X(CCC) = 3. Por lo tanto, el espacio del rango de la v.a X es:
RX = { x: x = 0, 1, 2, 3 }
Ejemplo 2.
Considere el muestreo de 20 consumidores a quienes se les
pregunta su preferencia por el envase A o B.
Si X: v.a nmero de
consumidores que prefieren el envase A, entonces, la variable aleatoria puede

tomar cualquiera de los siguientes valores: 0, 1, 2, 3, ,20. Se observa que
cada uno de estos valores corresponde a un resultado posible del experimento
consistente en la extraccin de una muestra de 20 consumidores y el
consiguiente registro del nmero de ellos que prefiere el envase A.
La variable X mencionada resulta ser una v.a, ya que el valor que tomar al
llevar a cabo el experimento no puede predecirse con certeza; esto es, el
hecho de que X tome un valor determinado, por ejemplo el 3, es en s, un
evento aleatorio.
84
Ejemplo 3. X: v.a cantidad de fallas de un equipo en un ao.

Cabe sealar que, para identificar variables aleatorias se suele utilizar letras
maysculas X, Y, T,, y las respectivas letras minsculas (x, y, t,.) para
denotar un valor particular de dichas variables aleatorias; as, la notacin
X(e) = x significa que x es el valor de la v.a X para el punto muestral e.
Si un experimento con espacio muestral S, tiene asociada la v.a X, es natural
que se planteen preguntas como: Cul es la probabilidad de que X tome un
determinado valor?, esto lleva a establecer la siguiente notacin:
(X = x) representa el suceso: la variable aleatoria X toma el valor x", y P(X = x)
representa la probabilidad de que la v.a X tome un valor igual a x.
(X < x) representa el suceso: "la variable aleatoria X toma un valor menor a x",
y P(X < x) representa la probabilidad de que la v.a. X tome un valor menor a x.
(X x) representa el suceso: "la variable aleatoria X toma un valor menor o
igual a x", y P(X x) representa la probabilidad de que la v.a. X tome un valor
menor o igual a x.
CLASIFICACIN DE LAS VARIABLES ALEATORIAS35
Las variables aleatorias se clasifican en dos tipos: 1) variables aleatorias
discretas, y 2) variables aleatorias continuas.
a) VARIABLES ALEATORIAS DISCRETAS. Una v.a X ser discreta cuando los
valores que toma es una cantidad numerable de valores distintos; es decir, los
valores que toma la variable se pueden contar.
El hecho de que la cantidad de valores que puede tomar la variable aleatoria
sea numerable quiere decir que estos valores se pueden asociar a los enteros
1, 2, 3, 4, , en otras palabras, que se pueden numerar y contar. En ese
sentido, esta v.a suele estar asociada a experimentos en que se mide el
nmero de veces que sucede algo.
85
Ejemplo 1. Y: v.a nmero de errores que un mecnico comete en una lnea de

ensamblado. En este caso Y es una v.a discreta ya que el mecnico solo
puede cometer un nmero finito de errores, 0, 1, 2, 3,N.
Ejemplo 2. T: v.a cantidad de fallas de un equipo en un ao de operacin.
Las propiedades de la v.a discreta X son:

0
P ( xi )
1 : Las probabilidades de cada uno de los valores que
toma la v.a X son mayores o iguales a cero pero menores o iguales a 1.

P( xi ) = 1: la sumatoria de las probabilidades de todos los valores que
toma la v.a X es igual a 1.
b) VARIABLES ALEATORIAS CONTINUAS. Muchas variables aleatorias que se
observan en la vida real no son variables aleatorias discretas,
porque la
cantidad de valores que puede tomar la variable no se puede contar pero se

puede medir. Por ejemplo, el tiempo de espera T (en minutos) para reparar un
equipo fallado puede asumir cualquier valor de tiempo entre el nmero infinito e
incontable de puntos que hay en uno o ms intervalos sobre la lnea real de
tiempos (en general 0 < T < infinito).
En ese sentido, una v.a X ser continua cuando puede tomar cualquier valor
de entre todos los contenidos en un intervalo de la recta de los nmeros reales
(puede tomar valores enteros o fraccionarios); es decir, es aquella variable
cuyos valores no se pueden contar pero se pueden medir; por lo tanto, la v.a
continua puede tomar un nmero infinito no numerable de valores dentro de un
intervalo que se encuentra en la recta de los nmeros reales, esto significa que
el conjunto de valores posibles que puede tomar una v.a continua es un
intervalo completo de nmeros reales.
Otros ejemplos de v.a continuas son: X: v.a tiempo de vida til de un artefacto;
T: v.a tiempo entre fallas o tiempo hasta el fallo de un equipo reparable; Y: v.a
concentracin de gramos de plata en alguna muestra de mineral (14.5 gr., 5.2
gr., 18.6 gr., 24.3 gr., 0.8 gr, 11 gr, etc.), etc.
Es importante la diferencia que se hace entre las variables aleatorias discretas
y continuas ya que se requieren modelos probabilsticos distintos para cada
una de ellas. Las probabilidades asociadas a cada valor posible de una
variable discreta suman 1, y eso no es posible para las continuas, dado que
86
resulta imposible asignar probabilidades a cada valor de la v.a continua en un

intervalo de la recta de manera que la suma de estas sea uno (1).
2.4.2.4
DISTRIBUCIONES
DE
PROBABILIDAD
DE
VARIABLES
ALEATORIAS CONTINUAS
Una distribucin de probabilidad es un modelo matemtico que relaciona el
valor de la v.a con la probabilidad de ocurrencia de ese valor de la poblacin.
Cabe sealar, que en los estudios de ingeniera se tiene mltiples
distribuciones probabilsticas, cuya adopcin depende del grado de ajuste de
los datos a la funcin considerada y del tipo de fenmeno que se analiza. Estas
distribuciones pueden ser discretas o continuas atendiendo al tipo de v.a. a la
que estn asociadas.
Asimismo, se debe tener en cuenta que las distribuciones de probabilidad
asociadas a las v.a. pueden ser de diferentes tipos: funciones o distribuciones
de probabilidad (para v.a discretas), funciones de densidad probabilstica (para
v.a continuas) y funciones de distribucin acumulativas (para v.a discretas y
continuas).
Observacin. Teniendo en cuenta que en la presente tesis se estudia en
especfico la variable aleatoria continua tiempo, en el entendido que se
profundiza el anlisis de fallas que ocurren en el tiempo, o de la reparacin de
fallas en el tiempo, entonces, resulta importante conocer el significado de la
funcin de densidad probabilstica f(x) y de la funcin de distribucin
acumulativa Fx(t).
Funcin de densidad probabilstica f(x) de una v.a continua X. Si X es una v.a
continua y x un valor cualquiera de dicha v.a que se encuentra en la recta de los
nmeros reales (x es cualquier nmero real de la recta numrica), entonces,
la
distribucin de probabilidad o la densidad de probabilidad de la v.a X, que vara con

x, se puede representar por cualquier frmula matemtica f(x), tal como se ilustrada
grficamente en la figura 2.14. Se debe tener en cuenta, que la grfica de la densidad
de probabilidad proporciona un modelo matemtico para el histograma de frecuencias
relativas asociado a una clase particular de una poblacin; por lo tanto, la funcin de
87
densidad de probabilidad f(x) no representa probabilidad alguna, slo es un tramo

continuo que indica una distribucin de frecuencias de una muestra.
FIGURA 2.14. Distribucin de probabilidad o densidad de probabilidad f(x)
Por lo tanto, se puede afirmar, que el modelo probabilstico para la distribucin

de frecuencias de una v.a continua se representa por una curva continua que
corresponde a la llamada funcin de densidad de probabilidad o funcin de
densidad probabilstica. A pesar, de que estas densidades pueden tomar una
gran variedad de formas, es importante hacer notar que muchas de las
variables aleatorias observadas en la naturaleza tienen una distribucin de
frecuencias de forma aproximadamente acampanada, o como dira un
estadstico, tienen una distribucin de probabilidad normal.
De otro lado, cabe sealar, que la probabilidad es el rea bajo la curva de una
funcin de densidad probabilstica f(x). Por lo tanto, al integrar la funcin de
densidad de probabilidad para todos sus valores de la v.a en la recta de
nmeros reales, obtendremos como resultado uno (1), ya que uno (1) es la
probabilidad del espacio muestral S de la v.a en cuestin; por lo tanto, para el
caso de la figura 2.14 se tendr:
f ( x)dx 1
En ese sentido, si la funcin de densidad de probabilidad f(x) de una v.a

continua
es una
expresin matemtica o modelo matemtico cuya
representacin grfica es la mostrada en la figura 2.15, entonces, para
88
cualquier intervalo en la recta numrica [ a , b ] , con a < b, el rea bajo la

curva de f(x) es la probabilidad de ese intervalo; luego, se cumple que:
b
P(a X b) f ( x)dx
a
Es decir, la probabilidad de que la v.a X asuma un valor en el intervalo [ a , b ]

es el rea sobre este intervalo y bajo la grfica de la funcin de densidad f(x),
como se ilustra en la figura 2.15.
FIGURA 2.15. P(a X b) = rea sombreada bajo la curva f(x) entre a y b
De lo mencionado, se concluye, que la funcin de densidad de probabilidad f(x)

no representa probabilidad alguna, slo es un tramo continuo que indica una
distribucin de frecuencias de una muestra, y que slo cuando dicha funcin
f(x) se integra entre dos puntos produce una probabilidad.
As mismo, cabe destacar que para que f(x) sea una funcin de densidad de
probabilidad legtima de una v.a X, debe satisfacer las dos siguientes
condiciones:
1.
f ( x) 0
La curva, que es la representacin de f(x), no tiene puntos por
debajo del eje de abscisas (en el eje negativo de abscisas)
2.
f ( x)dx = rea bajo la curva f(x) = 1
Adems, por ser f(x) una funcin integrable, la probabilidad de un punto es

nula; es decir:
P(X a) P(a X a) f ( x)dx 0

a
89
Cabe resaltar, que la funcin de probabilidad f(x), puede ser una curva continua
de cualquier forma; sin embargo, en la prctica, de acuerdo a los datos
estadsticos que se tenga, se asocia a un modelo que resulte ms apropiado
para un fenmeno que est representado por una v.a continua, como es el
caso de una distribucin normal o una distribucin exponencial, etc.
En tal sentido, el hecho de adoptar un modelo para la densidad de probabilidad

f(x), del cual slo se espera que represente de forma aproximada a la curva de
frecuencias relativas de una poblacin, merece comentarse. Desde luego, si el
modelo fuese escogido con un conocimiento insuficiente del fenmeno en
consideracin, se puede obtener conclusiones invlidas. Por otro lado, el uso
de una funcin de densidad de probabilidad f(x) para aproximar la distribucin
de frecuencias relativas de una v.a continua, cuando resulta apropiada, facilita
mucho la investigacin. Las ecuaciones, frmulas y expresiones numricas
usadas en la ciencia son solamente modelos que representan con cierta
aproximacin la realidad36.
Funcin de distribucin acumulativa F(x) o funcin acumulativa de la
variable aleatoria X. Sea x cualquier nmero real de la recta numrica que
puede tomar la v.a X, entonces la funcin de distribucin acumulativa F(x) se
define como la probabilidad de que la v.a X sea menor o igual que x, y se
obtiene integrando la funcin de densidad de probabilidad f(y) entre los lmites
- y x (Devore, 200835); es decir:
F ( x) P( X x)
f ( y)dy
Esto significa, que la funcin de distribucin
acumulativa F(x)
permite
acumular probabilidades hasta el valor x de la v.a X.
Utilizacin de F(x) para calcular probabilidades. La importancia de la

funcin de distribucin acumulativa para el caso de variables aleatorias
36
WILLIAM MENDENHALL y JAMES E. REINMUTH (2000): Estadstica para Administracin y

Economa (libro). Grupo Editorial Iberoamrica. Mxico.
90
continuas (como discretas), es que, las probabilidades de varios intervalos

pueden ser calculados con una frmula o una tabla de F(x).
Ahora bien, si X es una v.a continua con funcin de densidad de probabilidad
f(x) y funcin de distribucin acumulativa F(x), entonces, para cualquier nmero
real a se cumple que:
P( X a) 1 F (a)
y para cualquier intervalo [ a , b ] , con a < b se cumple que:
b
P(a X b) f ( x)dx
a
Es decir, la cantidad
f ( x)dx f ( x)dx F (b) F (a)
F(b) F(a)representa
la masa de probabilidad
extendida a lo largo de dicho intervalo (diferencia de reas). Si dividimos esta

cantidad por la longitud del intervalo, tenemos la masa media de probabilidad
por unidad de longitud en [a, b], es decir, su densidad media de probabilidad; y
si hacemos tender a hacia b, entonces se tiene el siguiente lmite:
Lim
ab
F (b) F (a)
F (b) f (b)
ba
La cual representa la densidad de probabilidad del punto b (que como

hemos mencionado no se debe confundir con la probabilidad de b).
Luego,
en general, si X es una v.a continua con funcin de densidad de
probabilidad f(x) y funcin de distribucin acumulativa F(x), entonces la funcin

de densidad de probabilidad de dicha v.a se puede obtener como:
f ( x)
2.4.2.5
dF( x)
F ( x)
dx
MEDIDAS
DE
TENDENCIA
CENTRAL
DE
VARIABLES
ALEATORIAS37
37
IRWIN MILLER y JOHN E. FREUND (2001): Probabilidad y Estadstica para Ingenieros

(libro): Editorial Revert Mexicana, S.A. Mxico.
91
Las medidas de tendencia central se conocen muchas veces como medias o

promedios. Un promedio o media es un valor tpico o valor caracterstico de
una serie de datos u observaciones, en el sentido de que en ciertas ocasiones
se emplea para representar todos los valores individuales de las mismas o las
de una variable. Entre las medidas de tendencia central se encuentra el Valor
Esperado o Esperanza Matemtica o Valor Medio.
En ese sentido, si
X es una v.a continua y f (x) su funcin de densidad de
probabilidad, entonces, el valor esperado o esperanza matemtica o valor

medio de dicha la v.a continua, se define por la siguiente expresin:
E( X )
x. f (x)dx
De esta manera, la vida media de un equipo, artculo o componente, viene

definida por la integral del producto del tiempo de vida por la funcin de
densidad probabilstica de este tiempo de vida, es decir:
vm t. f (t )dt
0
De igual forma, una aplicacin muy importante del valor esperado o de la

esperanza matemtica en el campo del mantenimiento industrial es el clculo
del Tiempo medio entre fallas (TMEF) de un equipo, mquina, componente o
instalacin, que a continuacin se detalla.
EL TIEMPO MEDIO ENTRE FALLAS (TMEF o MTBF) COMO MEDIDA DE
TENDENCIA CENTRAL O VALOR PROMEDIO
Dada la v.a continua T: tiempo entre fallas (TEF) o tiempo hasta la falla de un
equipo o componente; entonces, el valor esperado de dicha v.a ser el tiempo
medio entre fallas (TMEF o MTBF); por lo tanto, para calcularlo teniendo en
cuenta la expresin del valor esperado de una v.a, ser necesario conocer la
funcin de densidad probabilstica
f (t ) correspondiente a la v.a tiempo T, y la
expresin de clculo ser:

92
TMEF MTBF t. f (t )dt

0
Cabe sealar, que el tiempo medio entre fallas es considerado como uno de
los ndices de Clase Mundial del Mantenimiento y es adems uno de los
ndices de Operatividad dentro de las llamadas: cifras de mrito de la
fiabilidad.
2.4.2.6 MEDIDAS DE DISPERSIN DE VARIABLES ALEATORIAS

La importancia de los promedios a menudo se exagera, un promedio sin
salvedades puede carecer virtualmente de significado. En otras palabras, un
promedio puede ser muy engaoso, a menos que sea identificado y vaya
acompaado de otra informacin que nos diga algo sobre la dispersin de los
datos de una muestra; la dispersin nos indica que tan concentrados o
desparramados estn los datos de la muestra de un experimento. Cuanto
ms desparramados o desconcentrados estn los datos o valores de una
muestra, el valor promedio de dichos datos pierde significancia. Darell Huff en
su libro How To Lie With Statitics (Cmo mentir con estadsticas) nos expresa
la importancia de la variacin: ...deposite poca fe en un promedio, en un
grfico, o en una tendencia cuando dichas cifras importantes brillan por su
ausencia. De otro modo, se encuentra usted tan ciego como un hombre que
escoge lugar para acampar guindose por un informe de la temperatura media
solamente. Puede usted considerar 61o F como una media anual agradable,
dndole a elegir en California entre lugares tales como el Desierto Interior y la
Isla de San Nicols, frente a la Costa Sur. Pero puede usted congelarse o
asarse si ignora la variacin. Para San Nicols es de 47 a 87o F para el
Desierto es de 15 a 104o F (De la Paz Martnez, 20116).
Entre las medidas de dispersin o variabilidad se encuentran la varianza y la

desviacin estndar. En ese sentido, si X es una v.a continua, entonces, la
varianza se denota como:
2( X )
y la desviacin estndar como:
(X )
En general la varianza puede calcularse a partir del valor esperado como:

93
2( X ) E( X 2) E( X )2
Por lo tanto, la desviacin tpica o estndar ser:
( X ) 2( X )
Al respecto, se debe tener en cuenta que un valor pequeo de
indica poca
dispersin de los datos de una muestra, por lo tanto, en este caso el valor
promedio de los datos de la muestra
tiene importancia. Tambin se debe
observar, que para saber cuan dispersos estn los datos de una muestra, lo
que interesa es el valor de la desviacin estndar de dichos datos y no el valor
de la varianza.
Ejemplo: Considere que X: v.a tiempo hasta el fallo de cierto componente (en
aos), con la siguiente ley de probabilidad (funcin de densidad de
probabilidad):
0 para x 0
f (x)
2 x para 0 x 1
0 para x 1
Calcular el tiempo medio hasta el fallo (TMHF) del componente y una medida
de la variabilidad del tiempo hasta el fallo (desviacin estndar o tpica).
Solucin:
a) Clculo del tiempo medio hasta el fallo del componente o tiempo medio
de vida de operatividad del componente sin que falle.
Sea: X: v.a tiempo hasta el fallo en aos, y

f(x) la funcin
de densidad
probabilstica
de la
v.a
proporcionada como dato.
Luego se cumple que: TMHF = E(X) = E(TMHF) =
x. f (x)dx
2
x
.
2
x
.
dx
aos 0.666aos
0
3
94
Por lo tanto, se espera que el componente opere sin fallar 0.666 aos.
b) Clculo de la medida de la variabilidad del tiempo hasta el fallo (clculo

de la varianza).
Primero se calcula la varianza de la v.a X hasta el fallo:
2(X) = 2(THF) = E(X2) - [E(X)]2

1
x .2x.dx 0.666 0.0644 aos al cuadrado

2
Por lo tanto, la desviacin estndar hasta el fallo es: = 0.255 aos.

Luego, el intervalo de tiempo en aos que se espera que el componente
no falle es: [0.666 0.255] aos = [0.411, 0.921] aos.
Tal como se observa, no resulta suficiente slo tener el valor promedio
de la v.a, sino que tambin es importante la dispersin o desviacin
estndar.
2.4.3 FUNDAMENTOS SOBRE CONFIABILIDAD, MANTENIBILIDAD Y

DISPONIBILIDAD DE UN TEM O ARTCULO (EQUIPO, MQUINA,
etc.)
En relacin a la confiabilidad, mantenibilidad y disponibilidad de un aparato,
una mquina, un equipo, o en general de un tem, Mora, 2 00914 manifiesta,
que
son
prcticamente
las
nicas
medidas
tcnicas
cientficas
fundamentadas en clculos matemticos, estadsticos y probabilsticos que

tiene el mantenimiento para su anlisis y su evaluacin integral y especfica.
As mismo, seala, que por medio de la confiabilidad, mantenibilidad y
disponibilidad es como se pueden planear, organizar, dirigir, ejecutar y
controlar totalmente la gestin y la operacin del mantenimiento.
Adems, menciona, que la confiabilidad se mide a partir del nmero y la
duracin de fallas; la mantenibilidad se cuantifica a partir de la cantidad y de la
95
duracin de las reparaciones; mientras que la disponibilidad se determina

teniendo en cuenta la confiabilidad y la mantenibilidad de un determinado tem.
A continuacin se tratarn ms ampliamente los trminos confiabilidad,
mantenibilidad y disponibilidad.
2.4.3.1 CONCEPTOS, TRMINOS Y DEFINICIONES MS FRECUENTES
UTILIZADOS
EN
CONFIABILIDAD,
MANTENIBILIDAD
DISPONIBILIDAD
a) Activo. Recurso que tiene valor y cuyo desarrollo genera un ciclo de vida
(fsicos, humanos, financieros, intangibles).
b) tem o Artculo. Es una componente, un dispositivo, un elemento, un aparato,
un equipo, una mquina, una instalacin, etc. a quien se le har el anlisis de
confiabilidad, mantenibilidad y disponibilidad, para fines de mantenimiento.
c) Falla o fallo. Concepto bsico de la Teora de la Confiabilidad que se define
como el hecho o evento que provoca la prdida total o parcial de la capacidad
de un tem para realizar las funciones para las cuales fue diseado; es decir, es
el cese del estado de capacidad de trabajo de un artculo. Tambin, se puede
decir, que una falla o un fallo es la terminacin o degeneracin de la propiedad
de un artculo para realizar su funcin para lo cual fue diseado.
Al respecto, todo tem, se puede encontrar en uno de los dos posibles estados
(mutuamente excluyentes): en estado operativo o en estado de falla (ver figura
2.16). Por lo tanto, durante el tiempo de vida til, el estado de un tem se
alterna entre estado operativo y estado de falla. Los estados de un tem se
denominan perfil de funcionalidad.
FIGURA 2.16. Estados de funcionalidad de un tem
96
Se debe tener en cuenta, que no se estiman como fallas, la realizacin de tareas

planeadas de mantenimiento38 , ni la interrupcin de la funcionalidad de un tem
causada por un factor externo y exgeno a la operacin de dicho tem.
Para analizar la naturaleza de los fallos, as como para elaborar las medidas
encaminadas a pronosticarlos o preverlos, estos se clasifican atendiendo a
diversos criterios tal como se muestra en la Tabla 2.3 adjunta.
TABLA 2. 3. Clasificacin de las fallas
CRITERIO DE CLASIFICACIN
Por su influencia en la capacidad de trabajo
Por su interaccin con otros fallos
TIPO DE FALLO
Total o falla completa (al
perder disponibilidad y
funcionalidad)
Parcial (no genera la
prdida
total
de
disponibilidad)
Dependiente
Independiente
38
Otra cosa es si durante el mantenimiento planeado aparece una falla, en cuyo caso se
consideran eventos independientes, cada uno con su respectivo tiempo de prevencin o
prediccin y de reparacin.
97
Por las causas que lo provocan

Por su modo de manifestacin respecto al tiempo
Por el perodo de la vida del artculo en que se

manifiestan
Constructivos
Tecnolgicos
De explotacin
Por desgaste
Repentino
Gradual
Prematuro
Casual
De desgaste
Leve
Marginal
Crtico
Catastrfico
Frecuente
Probable
Ocasional
Remoto
Extremadamente
o envejecimiento
Por su severidad
Por su frecuencia de ocurrencia
remoto
Se debe tener en cuenta, que la ocurrencia de un fallo ocasiona costos de los
siguientes tipos:
Directos (debidos a la reparacin).
Indirectos (por prdidas de produccin y recursos ociosos).
Potenciales (por deterioro de partes relacionadas y por aumento de
inventarios de repuestos por prdidas de confiabilidad en el equipo).
Otros (incumplimiento de entregas al cliente, deterioro de imagen por prdidas
del nivel competitivo).
d) Efectividad de un sistema. Si la efectividad de un sistema es definida como la
probabilidad de que el sistema pueda satisfacer exitosamente una demanda
operacional dentro de un tiempo dado cuando opera bajo condiciones
especificadas, entonces, se convendr en que la Confiabilidad es uno de los
mejores atributos para determinar la efectividad del sistema, a partir de tres
elementos:
1. La aceptacin de la nocin probabilstica de Confiabilidad.
2. Los problemas asociados con la definicin de un adecuado
desempeo, particularmente para parmetros del sistema que se
deterioran poco con el tiempo.
3. El criterio requerido para determinar el verdadero estado de las
condiciones de operacin.
98
2.4.3.2.
ANLISIS
DE
LA
CONFIABILIDAD
DE
UN
TEM:
CONCEPTUALIZACIN Y EXPRESIN MATEMTICA DE LA

CONFIABILIDAD
La teora de la confiabilidad es el conjunto de teoras y mtodos matemticos y

estadsticos, procedimientos y prcticas operativas, que mediante el estudio de
las leyes de ocurrencia de fallos, estn dirigidos a resolver problemas de
previsin, estimacin y optimizacin de la probabilidad de supervivencia, duracin de
vida media y porcentaje de tiempo de buen funcionamiento de un tem o sistema. A
continuacin, se aborda, el concepto de confiabilidad de un tem y la expresin
matemtica caracterstica de dicha confiabilidad.
a) CONCEPTO DE CONFIABILIDAD
Comnmente, al afirmar que algo es confiable, se pretende expresar la

seguridad que se tiene en que cumplir correctamente con la finalidad que
tiene asignada. Con relacin a esto, el trmino confiabilidad, referido a alguna
cosa, se utiliza en el leguaje corriente o coloquial para expresar el grado de
cumplimiento o de verificacin de ciertas caractersticas, inherentes o

funcionales, que le son propios o se le atribuyen39.
Sin embargo, el trmino confiabilidad, dentro de la terminologa propia de la

ingeniera,
adems
de
las
connotaciones
semnticas
comentadas
anteriormente, tiene un significado mucho ms concreto, que hace referencia a

la probabilidad de buen funcionamiento del tem, en cuestin.
En ese sentido, el concepto de confiabilidad que se maneja en el

mantenimiento industrial, concreta un poco ms la idea coloquial de dicho
concepto, que se encuentra ms ligada a la intuicin o, si se quiere, a la
prediccin. Sin embargo, cabe mencionar, que en el campo del mantenimiento
39
GMEZ DE LEN, FLIX CESREO (1998): Tecnologa del Mantenimiento Industrial

(libro). Editorial: UNIVERSIDAD DE MURCIA. Vol. 1. Espaa.
99
la confiabilidad no es, en modo alguno, una prediccin, sino un valor

probabilstico de accin correcta de un artculo durante un perodo de tiempo
determinado; es decir, entre 0
t. En otras palabras, los fabricantes no
garantizan en absoluto que el artculo trabaje durante h horas, slo dan la

probabilidad de su funcionamiento correcto durante las
horas. En ese
contexto:
La confiabilidad se define como la probabilidad de que un tem cumpla una
determinada funcin, sin fallar, bajo condiciones de operacin determinadas en un
perodo de tiempo especfico (es decir entre 0
t). Ms especficamente, la
confiabilidad de un tem es la probabilidad de que desempee satisfactoriamente las

funciones para las que fue diseado, durante el perodo de tiempo especificado y bajo las
condiciones de operacin dadas. En ese sentido, la confiabilidad es una medida que
resume cuantitativamente el perfil de funcionalidad de un artculo39.
Esta definicin, no obstante, resultara ambigua si no se concreta, para cada

circunstancia, qu se entiende por determinada funcin. Es preciso, pues,
establecer algn criterio para medir o valorar la funcionalidad en cuestin, y
concretar los mrgenes de funcionalidad admisibles.
En ciertos artculos, esta funcionalidad slo tiene dos estados posibles: todo o
nada; como sucede, por ejemplo, en el funcionamiento de un foco
incandescente, o en la continuidad de un circuito elctrico conductor. En otros,
por el contrario, se puede observar una degradacin paulatina de la misma, lo
que afecta negativamente a los resultados esperados de dicho tem; tal es el
caso, por ejemplo, del nivel de carga de una batera, del estado de un
lubricante o del estado superficial de un rodamiento.
En el primero de los casos la prdida de funcionalidad queda de manifiesto
claramente, mientras que en el segundo caso es preciso establecer un valor, o
estado, lmite a partir del cual dejan de cumplirse las caractersticas funcionales
requeridas. As, por ejemplo, en un foco incandescente se perdera la
funcionalidad al fundirse el filamento; mientras que en un lubricante sera
preciso establecer para cada caso concreto-
un determinado nivel de
contaminacin o degradacin para determinar cunto pierde su funcionalidad.

100
El concepto de confiabilidad en la ingeniera aparece por primera vez antes de

la segunda guerra mundial, ligado a la aviacin y a otras aplicaciones militares.
Sin embargo, con anterioridad ya se haban realizado estudios acerca de la
esperanza de vida de distintos equipos industriales, aunque sin referirse
directamente al trmino de confiabilidad.
La confiabilidad como valor de la probabilidad de buen funcionamiento de un
artculo, comienza a utilizarse realmente durante la segunda guerra mundial.
As, el matemtico Erich Pieruschka expuso que la probabilidad de xito de un
sistema vena dada por el producto de las probabilidades individuales de cada
una de sus componentes. Formulacin que ya haba sido abordada doscientos
aos antes por el matemtico suizo Jakob Bernouilli quien, en su ley del
producto de probabilidades, expuso que la probabilidad de ocurrencia de dos
sucesos independientes viene dada por el producto de las probabilidades de
ocurrencia de cada uno de ellos.
En 1953, Boodman, en un estudio realizado sobre la confiabilidad de radares
para aviacin, encontr que el tiempo de fallo segua una ley exponencial; y en
1958, J. Kao demostr las ventajas de la utilizacin de las distribuciones de
Weibull para caracterizar la vida media en lmparas de incandescencia. Por
otra parte, Acheson (1956) present un estudio sobre la utilizacin de distintos
tipos de curvas para representar la tasa de fallos de distintos sistemas.
Desde entonces, la utilizacin de las tcnicas de confiabilidad se ha venido

incrementando en la actividad industrial, principalmente para conocer la
confiabilidad de sistemas complejos a partir de la confiabilidad de sus
componentes. Al respecto, cabe mencionar, que actualmente el concepto de
confiabilidad se viene aplicando en los diversos componentes o equipos de los
procesos industriales.
Llegados a este punto, es preciso resaltar que la confiabilidad de estos
componentes individuales slo puede obtenerse por la experimentacin,
mediante ensayos especficos o a travs de estudios realizados sobre la
experiencia real, y que, por tanto, de la bondad de estos ensayos y de los datos
101
recopilados depender el acierto del modelo matemtico adoptado y,

consecuentemente, la exactitud de los resultados posteriormente obtenidos.
En ocasiones, la confiabilidad de un determinado dispositivo o componente
suele venir dada indirectamente a travs de su valor de vida nominal o de vida
media. As, por ejemplo, la vida nominal de un rodamiento (denotado como
L10) est asociada con un valor de confiabilidad de 0.9, lo que indica que sobre
una poblacin suficientemente representativa de estos elementos, el 90% de
los mismos no han fallado antes de alcanzar el valor L10. Expresado en otros
trminos, existe una probabilidad de 90% que el rodamiento en cuestin
alcance el tiempo de funcionamiento dado por L10 sin fallar.
b) EXPRESIN MATEMTICA DE LA CONFIABILIDAD DE UN ARTCULO
Para Creus, 200540, si T es la v.a tiempo de operacin del artculo hasta antes
del fallo o tiempo previo a la falla, t cualquier valor de tiempo que puede
tomar la v.a T y f(t) es la funcin densidad de probabilidad de fallo de dicho
artculo o probabilidad de ocurrencia para el instante
, entonces, la
confiabilidad de dicho artculo para un tiempo t cualquiera, denotada por R(t)

(del trmino ingls Reliability) se define por la probabilidad de que se mantenga
funcionando sin fallar ms all del tiempo t considerado, es decir:
R(t ) P(T t ) f (t )dt

t
Al respecto, por ejemplo, si para un lote de artculos idnticos, un artculo en

particular tiene una confiabilidad en el tiempo t1 de R (t1) = 0.9, esto significa
que aproximadamente el 90% de tales artculos, usados en ciertas condiciones,
funcionan despus de un tiempo t1.
Una representacin grfica de dicha confiabilidad se muestra en la figura 2.17
adjunta.
FIGURA 2.17. Representacin grfica de la confiabilidad

40
ANTONIO CREUS SOLE (2005): Fiabilidad y Seguridad. Editorial Marcombo S.A. 2da.
Edicin. Espaa.
102
As mismo, si f(t) es la funcin de densidad de probabilidad de fallo de un

artculo y F(t) es la funcin de distribucin acumulativa de fallos de la v.a T,
entonces, F(t) representa la probabilidad de que el dispositivo falle entre 0 y t;
en ese sentido, de la Figura 2.17 se deduce que la probabilidad de fallo del
artculo para cualquier tiempo t ser:
F (t ) 1 R(t )
Por esta razn, a la funcin de distribucin acumulativa de fallos (o
simplemente funcin de distribucin de fallos o probabilidad de fallo) tambin
se le denomina infiabilidad o no fiabilidad o inconfiabilidad.
De lo mencionado, la probabilidad de fallo o infiabilidad de un artculo
tambin se puede expresar matemticamente de la siguiente manera general:
F (t ) P(T t )
f (t )dt
Una representacin grfica de dicha infiabilidad o probabilidad de fallo

tomando como referencia la figura 2.17, es la que se muestra en la figura 2.18
adjunta.
FIGURA 2.18. Representacin grfica de la infiabilidad
103
Al respecto, se puede mencionar el siguiente ejemplo: si para un lote de

artculos idnticos, un artculo en particular, tiene una probabilidad de falla
F (t1) = 0.8, esto significa que aproximadamente el 80% de tales artculos estn
sin vida o estn fallados (inoperativos) hasta antes del tiempo
t1 o inclusive
hasta el tiempo t1.
2.4.3.3 TASA DE FALLOS

Adems de la funciones de confiabilidad R(t) e infiabilidad F(t), la tasa de fallos
(t) (denominada tambin funcin de riesgo h(t) o funcin de frecuencia de
fallos), es otra funcin importante a tener en cuenta en el anlisis de fallos. La
tasa de fallos instantnea (t) asociada con la v.a. T tiempo de operacin del
artculo previo a la falla o tiempo hasta el fallo puede expresarse mediante la
siguiente igualdad41:
(t ) h(t )
f (t )
f (t )
R(t ) 1 F (t )
fallas/ tiempo (1 falla / 2aos)
41
WILLIAM HINES; DOUGLAS MONTGOMERY; DAVID GOLDSMAN (2010): Probabilidad y

Estadstica para Ingeniera (libro). Grupo Editorial PATRIA. 4ta. Edicin. Mxico.
104
As mismo, Hines y Montgomery, 201041 sealan, que un resultado til es que

la funcin de confiabilidad R(t) puede expresarse en trminos de la tasa de
fallos como:
t
R(t ) e
( x ).dx
Por lo tanto, la funcin de densidad de probabilidad de fallos
f(t)
puede
expresarse mediante la tasa de fallos, a travs de la siguiente expresin:

t
f (t ) (t ).e
( x ).dx
Adems, como:
F (t ) 1 R(t )
Entonces:
t
F (t ) 1 e
( x ).dx
En resumen, las funciones que desempean un papel importante en el anlisis

de fallos son los siguientes:
1. Tasa instantnea de fallos:
(t )
f (t )
f (t )
R(t ) 1 F (t )
2. Densidad de probabilidad de fallos:

t
( x ).dx
f (t ) (t ).e
3. Funcin de Confiabilidad:
105
R(t ) e
( x ) dx
4. Funcin de Infiabilidad o de probabilidad de fallos:

t
F (t ) 1 e
( x ).dx
En la figura 2.19 se muestran las representaciones grficas de estas funciones:
FIGURA 2.19. Representacin grfica general de las funciones f(t), R(t),

F(t) y (t) que puede ser para un determinado artculo
De la figura 2.19 se observa por ejemplo que la frecuencia de fallas o tasa de

fallas para el artculo en cuestin es 4 fallas/48 das; tambin se observa que la
probabilidad de que el artculo falle durante el tiempo de 62 das es F(62) = 0.4
= 40% y la confiabilidad o supervivencia del artculo para un tiempo de 85 das
es R(85) = 0.4 = 40%, es decir, la probabilidad de que el artculo opere sin
fallar durante 85 das es 40%.
Tambin, existe una relacin importante entre la funcin confiabilidad R(t) y el

tiempo promedio de falla E(T) de la v.a T. Luego, si E(T) es finito, entonces,
una expresin til alternativa para determinar el tiempo medio entre fallas es:
106
E(T )
R(t )dt
0
O tambin, en general:
E(T ) t. f (t ).dt
0
2.4.3.4 FUNCIONES DE DISTRIBUCIN DE FALLOS O MODELOS

PROBALSTICOS
DE
FALLOS
QUE
SE
APLICAN
EN
EL
CLCULO DE LA CONFIABILIDAD DE UN DETERMINADO TEM
La aparicin de un fallo en cualquier sistema, en un determinado instante de

tiempo, es algo que no puede preverse de forma exacta, sino que responde a
la accin de mltiples variables de tipo aleatorio: calidad de cada uno de los
componentes del sistema y del montaje, condiciones de la instalacin,
interaccin con otros sistemas, influencia de agentes externos, condiciones
ambientales y operativas, rgimen de carga, envejecimiento de los materiales,
etc. Se trata, en definitiva, de un fenmeno estocstico y, como tal, slo puede
estudiarse siguiendo mtodos probabilsticos.
Puesto que el instante de tiempo en el que va a producirse un fallo no puede

averiguarse por mtodos deterministas, entonces, desde un punto de vista
cuantitativo slo podr hablarse de la probabilidad de ocurrencia del fallo en
dicho instante de tiempo. La funcin que da la probabilidad de que se produzca
un fallo antes de sobrepasar un instante de tiempo dado, se denomina funcin
de distribucin probabilstica de fallo.
La adopcin de un modelo matemtico para la funcin de distribucin

probabilstica de fallo, que se corresponda o se ajuste a la distribucin de
frecuencias del THF de un equipo, depender del grado (o bondad) de ajuste
de la distribucin de frecuencias del THF con el modelo en cuestin39.
Es decir, en el anlisis de las fallas de artculos o tems, donde T es la v.a

tiempo hasta el fallo de un artculo, los datos histricos o estadsticos del THF
107
(frecuencias del tiempo hasta el fallo del equipo) se traducen en una

determinada distribucin probabilstica o funcin de densidad de probabilidad
f(t) de la v.a T. Ante tal situacin, cabe hacerse la siguiente pregunta qu tipo
de distribucin (modelo) probabilstica o qu tipo de funcin de densidad de
probabilidad f(t) se debe utilizar para representar de la mejor manera a los
datos histricos del THF de un artculo? o lo que es lo mismo preguntarse qu
tipo de distribucin (modelo) probabilstica o qu tipo de funcin de densidad de
probabilidad f(t) se debe utilizar para describir de la mejor manera el
comportamiento de la v.a T tiempo THF de un artculo?
Cabe sealar, que en el estudio de confiabilidad se analizan varios tipos de

distribuciones probabilsticas cuya adopcin depende del grado de ajuste
(bondad de ajuste) de los datos a la funcin considerada. Entre las
distribuciones (modelos) probabilsticas ms frecuentes que se utilizan en el
anlisis de fallos o estudio de confiabilidad, y por ende en el mantenimiento de
equipos, se encuentran:
la Distribucin Normal
la Distribucin Exponencial
la Distribucin de Weibull
la Distribucin Logartmica, entre otras.
Al respecto, es importante mencionar, que para determinar la distribucin

probabilstica de fallas que mejor se ajusta a la distribucin de frecuencias del
THF (datos histricos de fallas), se utilizan las pruebas de bondad de ajuste,
donde sobresalen: las pruebas chi-cuadrado, Kolgomorov-Smirnoff y ShapiroWills. Para ello se pueden utilizar paquetes estadsticos como el DISMA, el
RELEST, el MINITAB o algunos paquetes de simulacin como ARENA42.
A continuacin se describen cada una de las principales
distribuciones o
modelos de probabilidad de fallos mencionados.

a)
LA DISTRIBUCIN NORMAL O LEY GAUSSIANA O LEY NORMAL DE

FALLAS
42
JORGE ACUA ACUA (2003): Ingeniera de Confiabilidad (libro). Editorial Tecnolgica de

Costa Rica. Primera edicin. Costa Rica.
108
La Distribucin o Ley Normal, encuentra una amplia aplicacin en la solucin de

distintos problemas ingenieriles y econmicos. Utilizada en la teora matemtica
de la confiabilidad, esta ley describe muy bien los fallos progresivos de los
artculos originados por la salida de explotacin de diferentes elementos del
mismo.
Al respecto, si T es la v.a tiempo de duracin de un artculo sin fallar o tiempo
hasta el fallo, entonces, las expresiones matemticas de la funcin de
densidad probabilstica f(t) y de la funcin acumulada F(t), son respectivamente:
1 t 2
1
f (t )
exp
. 2
2
F (t ) f (t ).dt
a
Donde: y 2 son parmetros de la distribucin normal que representan la

media y la varianza de la v.a T respectivamente ( = desviacin estndar).
La notacin que se utiliza para la distribucin normal es: T
~ N (, 2)
la
v.a T sigue una distribucin probabilstica normal cuyos parmetros son la

media y la varianza.
Adems, para la distribucin normal, el valor esperado de la v.a T es E(T) =
y su varianza es: 2(T) = 2.
La distribucin probabilstica normal tiene forma de campana (campana de
Gauss). En la figura 2.20 se muestra el comportamiento grfico de la
distribucin normal (funcin de densidad probabilstica normal f(t) para la v.a T
tiempo hasta el fallo). Otras propiedades importantes de esta distribucin son:
La distribucin est definida de a
El rea bajo la curva es 1; por lo tanto:
f (t ).dt 100% ; es decir, el rea
bajo la campana de Gauss representa una probabilidad de 100%.
Es simtrica, lo que implica que la mitad del rea bajo la curva a la izquierda
representa una probabilidad de 50% y la mitad del rea bajo la curva a la
derecha representa una probabilidad de 50%.
La media, la moda y la mediana son iguales.
109
Las funciones densidad f(t) y acumulada F(t) son para t
FIGURA 2.20. Funcin de densidad de probabilidad normal para la v.a T

tiempo hasta el fallo
Un aspecto importante a tener en cuenta, es que para facilitar el clculo de

probabilidades utilizando la distribucin normal, se estandariza la variable
utilizando el estadstico:
Luego, fcilmente se recurre a la Tabla de la Distribucin Normal Estndar.

Estandarizando la variable, la f.d.p queda definida como:
f ( z)
1 12 z 2
e
2
Notacin: z N (0,1)
El valor esperado: E(T)= 0
La varianza: 2(T)= 1
110
Una vez estandarizada la variable se podr buscar el valor de la probabilidad

que deseamos en la Tabla Estadstica correspondiente. Tambin es
conveniente recordar que esta distribucin es simtrica respecto a su valor
esperado y que esta propiedad de simetra nos puede ser til en el clculo de
probabilidades.
As mismo, en las figuras 2.21, 2.22 y 2.23 se muestran el comportamiento
grfico de la funcin acumulada de fallos o funcin de probabilidad de fallo, de
la funcin de confiabilidad y de la funcin de riesgo, para la Distribucin
Probabilstica Normal o Ley Normal de Fallos:
Ejemplo. Un fabricante concluye que el tiempo que transcurre antes de que se

funda un bombillo sigue una distribucin Normal. Se prueba una muestra de 50
de ellos y se encuentra que la vida promedio es de 60 das con una desviacin
estndar de 20 das.
Cul es la probabilidad de que un bombillo seleccionado aleatoriamente de un
lote de estos, falle:
a) antes de los 60 das de vida?
b) entre los 80 y los 100 das de vida?
Solucin: Sea T: v.a tiempo hasta el fallo (THF) en das:
a) P(t< 60)?
111
Primero se estandariza la variable (la variable t se debe convertir en Z):
P(
60
) P(Z
60 60
) P(Z 0)
20
De la Tabla Estadstica correspondiente se obtiene que: P( Z< 0 ) = 50%

tal como tambin se observa en la figura adjunta.
b) P(80 < t < 100)?
Primero se estandariza la variable (la variable t se debe convertir en Z):
P(
80 60
100 60
Z
) P(1 Z 2)
20
20
Pero: P(1 < Z< 2) = P(Z < 2) P(Z < 1)

De la Tabla Estadstica correspondiente se obtiene que:
P(Z < 2) = 0.9772 y P(Z < 1) = 0.8413
Por lo tanto: P(1 < Z < 2) = 0.9772 0.8413 = 13.59% (probabilidad de
fallo en un intervalo).
Una interpretacin grfica de la probabilidad P(1 < Z < 2) = 13.59% es:
b)
LA DISTRIBUCIN EXPONENCIAL
112
La Distribucin Exponencial es la ms ampliamente utilizada en los estudios de

confiabilidad. En general, esta distribucin representa la fase normal de
operacin de un artculo, en la cual se producen fallos repentinos debidos a
choques, exceso de carga, exceso de tensin elctrica, etc. Se emplea para
determinar el tiempo hasta el fallo de un tem o de un sistema.
Si T: v.a tiempo hasta el fallo de un artculo, entonces, las principales
caractersticas de la Distribucin Exponencial en trminos de dicha v.a son las
siguientes:
Notacin: T
E ()
la v.a T sigue una distribucin probabilstica de falla
exponencial cuyo parmetro es la tasa de fallos .
El valor esperado de la v.a (valor medio o promedio) es: E(T) = 1/
La varianza de la v.a es: 2(T)= 1/2
As mismo, la funcin de densidad probabilstica f(t), la funcin de confiabilidad

R(t), la funcin de probabilidad acumulada F(t) y la funcin tasa de fallos o
funcin de riesgo (t) = h(t) de la Distribucin Exponencial, son las siguientes:
f (t ) .e.t ,
para t 0 y es igual a cero en otros casos.
R(t ) P(T 0) e .t , para t 0

t
F (t ) f (t ).dt 1 e .t , para
t0
(t ) h(t )
f (t )
R(t )
para t 0
El comportamiento grfico de dichas funciones se muestra en las figuras 2.24,

2.25, 2.26 y 2.27 respectivamente.
113
FIGURA 2.24. Funcin de densidad
FIGURA 2.25. Funcin de
de probabilidad
Confiabilidad
FIGURA 2.26. Funcin de probabilidad
FIGURA 2.27. Funcin de tasa
acumulada
de fallas o funcin de riesgo
Tambin cabe mencionar, que si la v.a T: tiempo hasta la falla de un equipo,

sigue una Distribucin Exponencial, entonces, para cualquier tiempo t, la
funcin de densidad de probabilidad de dicha v.a tambin puede expresarse de
la siguiente manera:
f (t )
Donde el parmetro
.e
para
t 0
es el tiempo medio entre eventos, que en el caso del
estudio de confiabilidad, corresponde al tiempo medio entre fallos (TMEF o

MTBF); por lo tanto, la funcin de densidad tambin puede expresarse como:
f (t )
c)
1
t
.e TMEF
TMEF
Para
t 0
LA DISTRIBUCIN DE WEIBULL
114
La Distribucin de Weibull, debido a su alta flexibilidad, es el modelo

probabilstico mayormente utilizado en aplicaciones de confiabilidad, dado que
permite modelar de manera eficaz los tiempos de fallos de equipos o sistemas
en plantas industriales. Describe muy bien los fallos progresivos de los artculos
originados por su envejecimiento. Su aplicabilidad a diferentes situaciones de
falla fue presentada por Weibull en 1951 y se utiliz para describir fallas en
rodamientos.
Una de las grandes ventajas que presenta la Distribucin de Weibull frente a la
Distribucin Exponencial es que considera una tasa de fallo no constante y
sigue una clara tendencia creciente o decreciente (falla temprana o tarda). En
ese sentido, teniendo en cuenta que la mayor cantidad de fallas en campo,
especialmente las partes mecnicas, muestran un aumento en la tasa de fallos
(debido a desgaste o deterioro del material), la Distribucin de Weibull es muy
til para describir patrones de fallos de este tipo. Es decir, contrariamente al
modelo exponencial, la Ley de Weibull cubre los casos en que la tasa de fallo
es variable y permite por tanto ajustarse a los perodos de juventud y a las
diferentes formas de envejecimiento (curva baera de (t)).
Al respecto, si T es la v.a tiempo hasta el fallo de un equipo, la cual sigue una
Distribucin de Probabilidad de Weibull, entonces, en su forma ms general, la
funcin de densidad de probabilidad de fallas (falla instantnea en el tiempo t),
viene dada por la siguiente expresin:
f (t ) . (t t 0) 1.e .(tt0)
Donde: t t0; > 0; > 0
Adems, las funciones ms generales de la confiabilidad R(t), infiabilidad o

funcin acumulativa de fallos F(t) y de la tasa de fallos (t), correspondientes a
la Distribucin de Weibull son las siguientes:
R(t ) e (t t0)
F (t ) 1 R(t ) 1 e (t t 0)
115
(t) . (t t 0) 1
Cabe sealar, que las expresiones de Weibull mencionadas solo son vlidas
para valores de (t t0) 0. Cuando el valor (t t0) 0, la funcin de densidad
de probabilidad de fallas f(t) (funcin de falla instantnea) y la tasa de fallas (t)
valen cero.
As mismo, se observa, que en su forma general, la Distribucin de Weibull
posee tres parmetros variables (t0, y ), los mismos que pueden ser
ajustados adecuadamente. Esto demuestra, que una de las grandes bondades
de la Distribucin de Weibull frente a otras distribuciones probabilsticas de
fallos, es su alto grado de flexibilidad. Dichos parmetros se describen de la
siguiente manera:
t0 es un parmetro de posicin o parmetro inicial de localizacin; es decir,
representa el origen de tiempos, a partir del cual est definida la funcin, por lo
tanto, es un tiempo de referencia, y define el punto de partida u origen de la
distribucin.
(alfa) es el parmetro que indica la escala de la distribucin; es decir,

muestra que tan aguda o plana es la funcin; por lo tanto, representa la
extensin de la distribucin a lo largo del eje de los tiempos (Anexo N1).
(beta) es el parmetro de forma ( > 0); es decir, este parmetro determina la

forma o perfil de la distribucin, la misma que depende del valor que tenga (ver
Anexo N 1).
Teniendo en cuenta que en el anlisis de confiabilidad de los equipos o

sistemas que intervienen en los procesos de las plantas industriales se asume
como tiempo de referencia o tiempo de vida mnima t 0 = 0, entonces, las
expresiones simplificadas de Weibull que se utilizan para el anlisis de fallos
son las siguientes:
f (t ) . (t ) 1.e .(t )
R(t ) e .(t )
F (t ) 1 R(t ) 1 e .(t )
(t ) . (t ) 1
116
El comportamiento grfico de las funciones densidad de probabilidad f(t),

confiabilidad R(t), inconfiabilidad o probabilidad de fallos F(t) y de la tasa de
fallos o funcin de riesgo (t) se muestran en las figuras 2.28, 2.29, 2.30 y 2.31
respectivamente.
FIGURA 2.28. Funcin de densidad de
FIGURA 2.29. Funcin
Probabilidad
de Confiabilidad
FIGURA 2.30. Funcin de
FIGURA 2.31. Funcin de tasa
probabilidad acumulada
de fallos
Debido a que el parmetro beta tiene la posibilidad de cambiar la forma de la

distribucin, la Distribucin de Weibull resulta ser muy flexible y puede
comportarse de diferentes formas: cuando es inferior a 1 se dice que se est
en la denominada fase de mortalidad infantil (tasa de fallos decreciente);
cuando toma valores cercanos a uno, se describe la fase con el nombre de vida
til (tasa de fallos constante y aleatoria), y cuando toma valores mayores que 1,
se dice que se est en la denominada fase de envejecimiento o de desgaste
(tasa de fallos creciente). Tambin, modulando el parmetro Beta, la
Distribucin de Weibull se puede aproximar a la Distribucin Exponencial, a la
117
Normal y a la Chi-cuadrada. En tal sentido, la Distribucin de Weibull resulta

ser un modelo probabilstico muy til para modelar eventos de confiabilidad y
sobrevivencia.
El conocimiento de las leyes de evolucin de (t) en funcin del tiempo puede
ser til para establecer la poltica de mantenimiento ms adecuada para cada
tipo de componente de los equipos. En contraste, en componentes de tasa de
fallo constante, un cambio de pieza no aporta una mayor confiabilidad, es ms,
presentara un valor de confiabilidad menor al principio de su puesta en
servicio, por posibles defectos de fabricacin.
2.4.3.5
CURVA DE LA BAERA O CURVA DE DAVIES O CURVA DE LA

TASA DE FALLOS O CURVA DE RIESGO
La curva de la baera, es una cueva que permite analizar los fallos durante el
perodo de vida til de un artculo. Tiene forma de baera debido a que la vida
til de los artculos tiene un comportamiento que viene reflejado por tres etapas
bien diferenciadas, tal como lo muestra el grfico de la figura 2.31. La curva de
la baera o curva de confiabilidad de un artculo representa la curva de la tasa
de fallos o la curva de riesgo de dicho artculo.
La curva de la baera, se fundamenta, en la funcin de la tasa de fallos o
funcin de riesgo de la Distribucin Probabilstica de Weibull, para diferentes
valores del parmetro de forma ( < 1; = 1 y > 1), tal como se muestra en
la figura 2.32 adjunta.
FIGURA 2.32. Curva de la baera o curva de confiabilidad de un artculo
118
Fuente: Mora Gutirrez: Mantenimiento: planeacin, ejecucin y control.
De la curva de la baera se desprende que:

las fallas en la ETAPA I se deben normalmente a: defectos de materiales,
diseos deficientes, montajes inadecuados, mantenimientos incorrectos,
calidad deficiente en elementos y repuestos, etc. Zona del debugging.
Las fallas en la ETAPA II se originan bsicamente por: operacin indebida de
los equipos, sobrecarga en la capacidad de produccin, cambios constantes
en las condiciones de funcionamiento, etc. En general, se debe a causas
inmediatas o bsicas causadas por condiciones tcnicas de equipos o del
recurso humano.
Las fallas en la FASE III se fundamentan en el desgaste de los artculos,
envejecimiento o la prdida de funcionalidad de los mismos. Son causadas por
el exceso de uso, desuso o abuso: se generan por el tiempo o por las
inclemencias del entorno. Es la etapa de sustitucin y reposicin de los
dispositivos y mquinas cuando su mantenimiento es ms costoso que
reemplazarlos, o cuando su funcionalidad es ms cara que sustituirlos por
nuevos.
Tal como se observa de la figura 2.32, conociendo el valor real de para una
muestra de datos de fallos de un artculo, se puede determinar en qu etapa
119
de su ciclo de vida se encuentra dicho artculo, y con ello se puede establecer

la estrategia de mantenimiento del artculo.
2.4.3.6 PRUEBAS DE BONDAD DE AJUSTE

Al respecto, cabe hacerse la siguiente pregunta qu distribucin de
probabilidad o modelo de fallos (Distribucin Normal, Distribucin Exponencial,
Distribucin de Weibull, etc.) se ajusta mejor a una distribucin de frecuencia de
la v.a T: THF (conjunto de datos estadsticos del THF) de un tem?
Referente a lo mencionado, se puede sealar, que las pruebas de bondad de
ajuste son herramientas que permiten determinar si una muestra de datos de
fallos de un tem se corresponde con alguna distribucin probabilstica
especfica de fallos; es decir, la bondad de ajuste no es ms que el grado de
concordancia entre los datos de fallos de un artculo con alguna de las
distribuciones probabilsticas (Distribucin Normal, Distribucin Exponencial,
Distribucin de Weibull, etc.).
Las pruebas de bondad de ajuste buscan comprobar una hiptesis, segn la
cual los datos que se observan (datos de fallos) corresponden o no a una
distribucin probabilstica seleccionada bajo los parmetros estimados.
Al respecto, si se pretende comprobar el ajuste de los datos a una distribucin
normal, la hiptesis a plantear es: Ho: los datos de la v.a T tiempo hasta el
fallo siguen una distribucin normal (t ~ N); o, si se quiere hacer la prueba de
concordancia con una Distribucin Exponencial, la hiptesis sera: Ho: los datos
de la v.a T tiempo hasta el fallo siguen una distribucin exponencial (t ~ E).
Cabe mencionar, que existen dos pruebas estadsticas bien conocidas para
probar el ajuste o concordancia de una determinada distribucin probabilstica:
Prueba de J - Cuadrado (Chi-Cuadrado) X2
Prueba de Kolmogrov-Smirnov (prueba K-S)
120
Al respecto, cabe mencionar que estas pruebas estadsticas se justifican para

muestras que tengan grandes o pequeas cantidades de datos; sin embargo,
cuanto mayor cantidad de datos tenga la muestra, es mejor. A continuacin se
describen cada una de estas pruebas de bondad de ajuste.
PRUEBA DE J CUADRADO (CHI CUADRADO) o X2
La prueba J-Cuadrado se usa para probar si una muestra de datos de fallo
proviene de una poblacin con distribucin de probabilidad especfica. Esta
prueba suele emplearse para datos agrupados en intervalos de clase.
El estadstico o estadgrafo para la prueba X2 es el siguiente:
( ni E i ) 2
x
Ei
i 1
k
Donde:
n i Frecuencia observada
E i n. pi (Frecuencia terica o esperada)
n Cantidad total de observaciones
p i = probabilidad asociada al intervalo correspondiente de la distribucin a la

cual se prueba el ajuste.
La hiptesis de ajuste se rechaza si:
x 2 x 2 ;
PRUEBA DE KOLMOGROV-SMIRNOV (PRUEBA K-S)

La prueba Kolmogrov-Smirnov se usa para decidir si una muestra de datos de
fallo proviene de una poblacin con distribucin de probabilidad especfica; la
prueba est basada en la funcin de distribucin acumulada emprica.
La prueba K-S es una medida definida como el mximo valor de la diferencia
absoluta entre dos funciones de distribucin acumulada.
El estadstico de la prueba Kolmogrov-Smirnov es:

Dn = mx I Fe Fi I
121
Donde:
Fe = frecuencia relativa acumulada esperada o terica
Fi = Frecuencia observada acumulada
Regla de decisin: Si Dn > Dn* se rechaza la hiptesis de ajuste.
El valor de Dn * se encuentra en tablas de K-S
2.4.3.7
USO DE SOFTWARE PARA LAS PRUEBAS DE BONDAD DE

AJUSTE
Es importante tener en cuenta, que los clculos de las pruebas estadsticas de

ajuste J-cuadrada o Kolmogrov-Smirnov, se simplifican considerablemente
utilizando software especficos, tales como: el SPSS, el DISMA, el BESTFIT o
el RELEST, entre otros. Cabe sealar que el software RELEST tambin brinda
la estimacin de la confiabilidad de un artculo. En la presente Tesis, se utiliz
los software DISMA y el RELEST, que a continuacin se describen.
a) Software DISMA (Distribucin de Mejor Ajuste). Las pruebas estadsticas
que se realizan en el programa computacional DISMA, son las pruebas ChiCuadrado, Kolmogorov-Smirnov y de Renyi. Con este software se comprueba
el ajuste de la curva de densidad de probabilidad de una muestra de datos
estadsticos, con diez (10) distribuciones probabilsticas: Weibull, Normal,
Exponencial, Logartmica Normal, Uniforme o Rectangular; Gamma, Triangular,
Pareto, Rayleigh y Erlang. Asimismo, este software tambin permite calcular
los parmetros de la distribucin de Weibull, sobre todo, el parmetro de forma
, cuyo valor nos indicar en qu etapa del ciclo de vida se encuentra el
artculo que se encuentra bajo anlisis.
En la prueba Chi-Cuadrado: se indica un nivel de significacin de 0.05 (5%) o
0.01 (1%) y se decide dar o no un nmero de clases. Para la seleccin de la
distribucin de mejor ajuste se tiene en cuenta el coeficiente de precisin (H).
Si H < 2, el ajuste se considera satisfactorio, y dentro de ese rango la
distribucin que brinde un H menor, ser la de mejor ajuste, si sta resulta ser
una distribucin poco tratada en la literatura y difcil en el clculo de sus
tiempos medios, se puede tomar la distribucin que sigue, si se encuentra
dentro del intervalo mencionado y si resulta ms fcil su procesamiento.
122
En la prueba de Kolmogrov-Smirnov: el mejor ajuste tambin ser para el

menor coeficiente K-S, siempre que resulte menor que 1 (K-S < 1).
El Software DISMA, adems de comprobar el ajuste a las distribuciones de
probabilidad de fallos sealadas, calcula algunos de los ndices de
confiabilidad, en particular los de operatividad: probabilidad de trabajo sin fallos
(funcin de confiabilidad) y la probabilidad de fallo (funcin de inconfiabilidad);
sin embargo, para esto, se recomienda utilizar el Software RELEST.
b) Software RELEST. Los objetivos principales de este software son: 1)

realizar la prueba para datos raros o valores extremos de los datos
estadsticos de fallo de la muestra, 2) estimar la confiabilidad, y 3)
ajustar las distribuciones de probabilidad a datos de tiempos de fallo.
Un primer aspecto importante de este software, es que realiza el anlisis
de la muestra completa de fallos y ejecuta la prueba para datos raros o
valores extremos, de tal manera que los datos de fallo que intervengan
en el anlisis de confiabilidad
sean los ms representativos. Para
realizar la prueba de valores extremos, se sugiere utilizar la opcin M y

seleccionar la distribucin exponencial. Si el nivel de significancia de los
valores extremos de los datos de fallo, es mayor (>) del 10 %, se
aceptan dichos datos extremos, y por lo tanto, se aceptan todos los
datos de fallo. En la figura 2.33 se ilustran la regin de aceptacin y de
rechazo de los datos extremos.
Asimismo, este software ofrece una serie de ayudas para escoger el
modelo de distribucin probabilstica que mejor se ajusta a los datos de
fallo, para ello, se utiliza la opcin probability plot. Con esta opcin, se
analizan los datos de fallos para cada distribucin; luego, la distribucin
que presente datos que se ajustan ms a una lnea recta, ser la
distribucin de mejor ajuste, y por lo tanto, ser la distribucin
seleccionada, para realizar el anlisis de confiabilidad. Si bien es cierto,
con el Software RELEST se puede determinar la distribucin
probabilstica de mejor ajuste; sin embargo, para determinar la
123
distribucin que mejor se ajusta a los datos de fallos de un tem, se

recomienda utilizar el Software DISMA.
FIGURA 2.33. Regiones de aceptacin y de rechazo de los datos extremos
Adems, para la distribucin seleccionada, a parte de los valores

medios, el sistema proporciona tanto estimaciones puntuales de los
parmetros de la distribucin como intervalos de confianza para dichos
parmetros. Para ello, debe utilizarse la opcin Distribution Fitting.
Despus de determinar los parmetros de la distribucin, el software
puede mostrar los grficos de la funcin de densidad probabilstica f(t), la
funcin de confiabilidad R(t), la tasa de fallos (t) = h(t) y la funcin de
distribucin acumulativa de fallos F(t). Tambin determina el tiempo
medio entre fallos (MTTF) del artculo bajo el estudio.
Otra importante bondad que tiene el software RELEST, es que, para la

distribucin probabilstica seleccionada, proporciona los valores de
confiabilidad R(t) para diferentes tiempos (tiempos caractersticos). As
mismo, permite calcular la confiabilidad y la tasa de fallos para un valor
de tiempo (t) el valor de tiempo para la confiabilidad que nos interesa
con la distribucin o modelo seleccionado.
Finalmente, cabe sealar, que el punto de partida es la pantalla principal

que aparece cuando RELEST se inicia. La pantalla principal contiene
los campos para la entrada de la informacin necesaria para caracterizar
124
la muestra de los datos de fallo que se analizar. Tambin contiene las

opciones del anlisis.
2.4.3.8 CONFIABILIDAD DE UN SISTEMA

Obtener la confiabilidad de un artculo puede resultar relativamente sencillo,
siempre y cuando se cuente con una muestra de datos de fallo suficientemente
amplia. Sin embargo, para un sistema o una lnea de produccin industrial,
donde existen equipos combinados de distintas formas, resulta complicado
formular una expresin generalizada para obtener exactamente la confiabilidad
de dichos sistema a partir de las confiabilidades de sus componentes. Puede
darse el caso, que el fallo de un equipo puede venir provocado por el fallo de
otro, por lo que, en el clculo de la confiabilidad del sistema deber tenerse en
cuenta la aparicin de probabilidades condicionadas entre sus componentes.
Adems, lo que es an ms grave, puede ocurrir que el modelo de confiabilidad
que se est utilizando para un equipo del sistema, no es exactamente vlido
para las condiciones funcionales del sistema.
Una vez hechas las salvedades anteriores, el clculo de la confiabilidad en
sistemas complejos puede abordarse partiendo de las dos formas bsicas que
existen para acoplar los equipos o artculos: serie y paralelo, que a
continuacin se detallan.
a)
CONFIABILIDAD DE UN SISTEMA PRODUCTIVO EN SERIE
Si un sistema productivo (o subsistema) est compuesto por n tems que

funcionan de manera independiente, acoplados en serie; es decir, operando
uno a continuacin de otro, de tal manera que el comportamiento de alguno de
ellos, no afecta la confiabilidad de los restantes, entonces, la falla en cualquier
equipo genera la paralizacin de todo el sistema productivo. Por lo tanto, la
probabilidad de que el sistema en serie no falle antes de un instante de tiempo
dado; es decir, su confiabilidad,
vendr dada por el producto de las
confiabilidades de los distintos equipos que constituyen dicho sistema; esto

implica, que
la confiabilidad del sistema es menor o igual que la confiabilidad
de cualquier equipo que lo compone; es decir:

125
R S (t ) R i (t )
i 1
Ejemplo. Consideremos un sistema productivo compuesto por tres tems

independientes dispuestos operativamente en serie los cuales tienen una
confiabilidad (puede ser tambin tiempo medio entre fallos) para cumplir su
funcin durante 100 horas de 99.5%, 98.7% y 97.3% respectivamente. Cul
es la confiabilidad del sistema productivo durante esas 100 horas?
Solucin.
Rsist. = R1 . R2 . R3
Rsist. = 0,995 x 0,987 x 0,973
Rsist. = 95,555%
OBSERVACIONES:
1. En un sistema productivo en serie, el equipo con menor confiabilidad tiene
mayor influencia en la confiabilidad del sistema.
2. A mayor nmero de equipos en serie, menor ser la confiabilidad del sistema
productivo en serie.
En la figura 2.34 adjunta se muestra la influencia del nmero de equipos en la

confiabilidad de un sistema en serie.
FIGURA 2.34. Influencia del nmero de equipos en la confiabilidad de un
sistema en serie
126
Fuente: Fermn Mallor y Javier Santos (fiabilidad

http://www.unavarra.es/estadistica/LADE/M.O.C./Tema4.PDF
de
sistemas):
b) CONFIABILIDAD DE UN SISTEMA PRODUCTIVO EN PARALELO
Si un sistema productivo (o subsistema) est compuesto por n tems que

funcionan de manera independiente acoplados en paralelo, entonces, la falla
en cualquier equipo no genera la paralizacin de todo el sistema productivo, y
basta que al menos un equipo siga operando para que el sistema productivo
tambin contine operando; es decir, el sistema productivo en paralelo dejar
de operar (entrar en falla) cuando todos los equipos entran en falla. Por lo
tanto, la probabilidad de que el sistema en paralelo falle antes de sobrepasar
un
instante de tiempo dado, vendr dado por el producto de las
probabilidades de fallo de cada uno de los equipos es decir:

n
F (t ) F i (t )
i 1
Lo que expresado desde el punto de vista de la confiabilidad, es:

n
R(t ) 1 (1 R i (t ))
i 1
127
Ejemplo. Consideremos un sistema productivo con tres equipos en paralelo,

cada una de ellas con una confiabilidad de 99,5%, 98,7% y 97,3%,
respectivamente, para cumplir su funcin durante 100 horas. Cul es la
confiabilidad del sistema durante esas 100 horas?
Solucin.
Rsist. = 1- [(1- 0,995) x (1- 0,987) x (1- 0,973)]
RP = 0,99999 = 99,9998%
Cabe tener en cuenta que a los equipos o componentes de un sistema en

paralelo se le suele denominar componentes redundantes. La redundancia es
uno de los mtodos utilizados para mejorar la confiabilidad de un sistema.
Asimismo, tambin cabe destacar, que un caso especialmente interesante y

frecuente dentro de los sistemas con componentes en paralelo, es aquel en el
que stos no funcionan simultneamente sino que algunos de ellos se tienen
de reserva, en previsin del fallo de otro. De esta forma, un componente de
reserva entrar en funcionamiento cuando algunos de los que estaba
funcionando hasta entonces haya fallado. Simplificando el problema a dos
componentes, la confiabilidad del sistema ser igual a la confiabilidad del
componente que est funcionando, ms el producto de la probabilidad de que
128
este componente falle en el instante t1 por la probabilidad de que no falle el de

reserva (confiabilidad del componente de reserva) durante el intervalo (t t1);
es decir39:
R(t) R1(t) (1 R1(t)).R2 (t t1)

OBSERVACIONES:
1. En un sistema en paralelo la componente ms importante de cara a la
confiabilidad es aquella que tiene la mayor confiabilidad de todas.
2. A mayor nmero de artculos independientes operando en paralelo, mayor ser
la confiabilidad del sistema productivo en paralelo. En la figura 2.35 adjunta se
observa tal situacin.
FIGURA 2.35. Influencia del nmero de equipos o componentes en la
confiabilidad de un sistema en paralelo
Fuente: Fermn Mallor y Javier Santos (confiabilidad

de
sistemas):
c) SISTEMAS MIXTOS: COMBINACIN DE SUBSISTEMAS EN SERIE Y EN

PARALELO
129
La confiabilidad del sistema resultante de un sistema mixto se calcula

evaluando primero la confiabilidad de cada subsistema para posteriormente
combinarlos de manera adecuada.
Ejemplo. Consideremos el siguiente sistema compuesto por 3 unidades.
Cul es la fiabilidad de este sistema si R1 = 99,5%; R2 = 98,7%; R3 = 97,3%?

Solucin:
Rsistema = 0,9995157 = 99.95157%
2.4.3.9 MANTENIBILIDAD
En cualquier instalacin industrial, tan importante como que un equipo no falle
es que, cuando ste falla, se repare, y vuelva a ponerse en servicio lo antes
posible. Aparece, pues, un nuevo concepto que intenta reflejar el tiempo que
tarda un equipo que ha fallado, en volver a estar en condiciones operativas, lo
que se denomina Tiempo Tcnico de Reparacin (tiempo que demora la
reparacin), o simplemente tiempo de reparacin, y se denota como TTR
(del ingls Time To Repair).
Al respecto, del mismo modo que se estima el Tiempo Medio entre Fallas
(TMEF o MTBF) a partir de la medida de los tiempos de operacin normal (TO)
o tiempos entre fallas (TEF o TBF) obtenidos de los datos histricos, en la
130
prctica tiene gran inters conocer el valor medio del tiempo de reparacin de
un artculo o sistema, al cual se le denomina Tiempo Medio de Reparacin
(tiempo promedio en que el equipo es reparado) y se denota como MTTR (en
ingls Mean Time To Repair). El MTTR es un ndice clave para la
mantenibilidad, por que representa un lmite para el tiempo mximo de
reparacin. En la figura 2.36 se muestran los estados de funcionalidad de un
equipo, a partir del cual se pueden estimar el Tiempo Medio entre Fallas
(tiempo promedio en que el equipo no falla) y el Tiempo Medio de Reparacin
de las fallas.
FIGURA 2.36. Estimacin del Tiempo Medio entre Fallas (TMEF o MTBF) y
del Tiempo Medio de Reparacin (TMDR o MTTR)
De la figura 2.36 se desprende que el Tiempo Medio entre Fallos (TMEF =

MTBF) y el
Tiempo Medio de Reparacin (TMDR = MTTR) tambin se
pueden estimar a travs de las siguientes expresiones:
131
TMEF(MTBF)
TO1 TO2 TO3

, o en general:
3
n
TMEF
TO
i 1
N .Eventos.tiles
De igual forma, para el Tiempo Medio de Reparacin se tiene:
TMDR MTTR
TFS1TFS2TFS3
3
,
n
O en general:
TMDR MTTR
TFS
i 1
N .Correctivos
Cabe mencionar, que el tiempo de reparacin (TTR) necesario para volver a

llevar a un equipo a su estado de buen funcionamiento se puede subdividir en
una serie de tiempos parciales, correspondientes a los diferentes estados de
operacin requeridos. Principalmente son los siguientes:
Tiempo de comprobacin o verificacin de la existencia de fallo.
Tiempo de confirmacin del diagnstico.
Tiempo de desmontaje y transporte desde el lugar de operacin al lugar de
reparacin.
Tiempo de reemplazo o tiempo de reparacin.
Tiempo de montaje y transporte desde el lugar de reparacin al lugar de
operacin.
Tiempo de comprobacin de la eliminacin de fallo.
Al respecto, en el cmputo del TTR no deben contabilizarse los tiempos

muertos, entendindose por tales, todos aquellos tiempos que no intervienen
directamente en la reparacin, como son: paros de trabajo, tareas burocrticas,
y tiempos de espera por ausencia de personal, por falta de los tiles o
herramientas o por carecer de los recambios necesarios.
No obstante, tambin puede ser de inters conocer algunos de estos tiempos
muertos, ya que si se constata que son elevados, o incluso llegasen a superar
sistemticamente a los tiempos de reparacin, debera pensarse en la
132
existencia de un fallo del soporte logstico. La suma del TTR y de los tiempos
muertos ser el tiempo total durante el cual el equipo en estudio est averiado.
Este tiempo se suele denotar como TA (tiempo de Avera), y al valor medio de
estos tiempos, se le denomina Media de los Tiempos de Avera, que se
denota como MTA.
Desde el punto de vista formal, si se representa por
m(t ) la densidad de
probabilidad de la v.a tiempo de reparacin, entonces el Tiempo Medio de

Reparacin (MTTR) ser la esperanza matemtica de la v.a que representa el
tiempo invertido en efectuar una reparacin, y por lo tanto, vendr dada por la
siguiente expresin:
MTTR t.m(t ).dt

0
CONCEPTO DE MANTENIBILIDAD
Se denomina mantenibilidad a la probabilidad de que un tem o artculo,
despus de un fallo o avera sea restaurado completamente a su estado de
funcionamiento normal, dentro de un tiempo dado. Se asume que para
restaurar el nivel de funcionamiento normal del artculo, la reparacin se hace
con personal y herramientas adecuadas y con los datos e informacin tcnica
pertinente.
De la definicin se desprende, que la mantenibilidad es una funcin de

distribucin de probabilidad, la cual viene dada por la siguiente expresin
matemtica:
t
M (t ) P(T t ) m(t ).dt

0
Donde:
M (t ) : Es la funcin mantenibilidad, que representa la probabilidad de que

la reparacin comience en el tiempo t = 0 y sea concluida
satisfactoriamente en el tiempo t (probabilidad de duracin de la
reparacin).
133
m(t ) :
Es la funcin de densidad de probabilidad de la v.a T: tiempo de
reparacin o tiempo para reparar.

En la figura 2.37 se observa la interpretacin grfica de la mantenibilidad.
FIGURA 2.37. Interpretacin grfica de la Mantenibilidad
Se observa que la funcin mantenibilidad es similar a la funcin probabilidad de

fallo o distribucin acumulativa de fallo (infiabilidad).
Cabe sealar, que en el estudio de mantenibilidad, en forma similar a la
confiabilidad se analizan varios tipos de distribuciones probabilsticas cuya
adopcin depende del grado de ajuste (bondad de ajuste) de los datos a la
funcin considerada. Entre las distribuciones (modelos) probabilsticas ms
utilizadas en el anlisis de mantenibilidad, de manera semejante que en el
estudio de confiabilidad, se encuentran:
la Distribucin Normal
la Distribucin Exponencial
la Distribucin de Weibull
la Distribucin Logartmica, entre otras.
Al respecto, es importante destacar, que para determinar si un conjunto de

datos de reparacin de un artculo se distribuyen por algunas de las
134
distribuciones probabilsticas mencionadas, se utilizan las pruebas de bondad

de ajuste, de manera similar que para el caso de la confiabilidad.
A continuacin se muestran las funciones de mantenibilidad de cada una de
las principales distribuciones mencionadas (Mora, 200914):
a)
CASO DE DISTRIBUCIN NORMAL. La funcin de mantenibilidad en

trminos de la v.a T tiempo de reparacin de un artculo cuyos datos
estadsticos siguen una Distribucin Normal o Gausseana, viene dada por
la siguiente expresin:
1
e
t . 2
M (t ) m(t ).dt
t
(t )2
2
2.
.dt
Donde: es la media y la desviacin estndar de mantenibilidad.
As mismo, la expresin matemtica del tiempo medio de reparacin

(MTTR) teniendo en cuenta la Distribucin Normal es:
MTTR E(T ) M (t ).dt

0
b) CASO DE DISTRIBUCIN EXPONENCIAL. La funcin de mantenibilidad,

basada en el criterio de tiempos de recuperacin exponencial, en la cual
MTTR es el tiempo medio entre tareas de reparacin o mantenimiento,
est dada por la siguiente expresin:
M (t ) 1 e( t / MTTR) 1 e.t
Donde:
1
MTTR
y se denomina tasa de reparaciones
(nmero total de reparaciones efectuadas con relacin al total de

horas de reparacin del equipo).
135
As mismo, la expresin matemtica del tiempo medio de reparacin

(MTTR) teniendo en cuenta la distribucin exponencial es:

0
c) CASO DE DISTRIBUCIN DE WEIBULL. La funcin de mantenibilidad basada

en el criterio de que los tiempos de reparacin o mantenimiento de un equipo
se representan por medio de una distribucin de Weibull, est dada por la
siguiente expresin:
M (t ) 1 e
( t / )
Donde:
= parmetro de escala de la distribucin
= parmetro de forma de la distribucin
Luego, el tiempo medio de reparacin (MTTR) teniendo en cuenta la

distribucin de Weibull, es:

0
Adems, una expresin prctica que se utiliza para calcular el MTTR con
la funcin mantenibilidad siguiendo la distribucin de Weibull, es la
siguiente:
MTTR * (1
Donde:
1
)
1
es el parmetro de escala y el parmetro de forma, con
funcin Gamma para la estimacin.

As mismo, una curva aproximada de mantenibilidad M(t) para la
distribucin de Weibull se muestra en la figura 2.38 adjunta.
136
FIGURA 2.38.
Curva de Mantenibilidad para la Distribucin Weibull
Fuente: Mora (2009): Mantenimiento. Planeacin, ejecucin y

control.
Del grfico se lee que existe una probabilidad del 85% de que una reparacin
que se haga en el equipo no dure ms de 40 horas. Tambin se puede leer que
el 85% de las reparaciones deben realizarse en tiempos inferiores a 40 horas.
Cabe anotar, que mientras la confiabilidad representa la probabilidad de que un
evento no ocurra, la mantenibilidad representa la probabilidad de que el evento
ocurra; por esta razn, es equivalente a la distribucin acumulativa de fallos
F(t).
2.4.3.10 DISPONIBILIDAD
La disponibilidad es el principal parmetro o indicador asociado a la Gestin del
Mantenimiento, dado que limita la capacidad de produccin.
En general, la disponibilidad se define como la probabilidad de que un tem
est apto para el trabajo en un momento arbitrariamente escogido, excepto en
los perodos de mantenimiento en los que la utilizacin del artculo no se prev.
En ese sentido, tambin se puede decir, que la disponibilidad es la probabilidad
de que un artculo realice la funcin asignada cuando sea requerido.
137
Cabe sealar, que el grado de disponibilidad de un artculo ser el resultado

del comportamiento de la confiabilidad y la mantenibilidad de dicho artculo. En
la figura 2.39 se muestra la relacin entre confiabilidad, mantenibilidad y
disponibilidad.
FIGURA
2.39.
Relacin
entre
Confiabilidad,
Mantenibilidad
Disponibilidad
Vida de un artculo
Tasa de fallo (t)
Tasa de reparacin (t)
CONFIABILIDAD R(t)
Probabilidad de buen
funcionamiento
MANTENIBILIDAD M(t)
Probabilidad de duracin de
la reparacin
TMEF o MTBF
TMDR o MTTR
Tiempo promedio de
buen funcionamiento
Tiempo promedio de
de reparacin
DISPONIBILIDAD D(t)
Probabilidad de asegurar un
servicio requerido
Fuente: Gonzlez (2009): Teora y Prctica del Mantenimiento Industrial

Avanzado (3ra. edicin).
Es decir, la falta de disponibilidad de los equipos o artculos en general, es la
resultante de dos fenmenos: 1) falta de confiabilidad y, 2) mantenimiento
insuficiente. La falta de confiabilidad explica la frecuencia elevada de averas e
incidencias. El mantenimiento defectuoso se traduce en plazos largos de
reparaciones y de puesta a punto.
En ese sentido, la expresin matemtica generalmente aceptada para
determinar la disponibilidad (disponibilidad intrnseca) es la siguiente8:
138
MTBF
MTBF MTTR
Los perodos de tiempo para el clculo de la disponibilidad no incluyen paradas

planificadas, ya sea por mantenimientos planificados o por paradas de
produccin, dado a que estas no son debidas al fallo de la mquina.
De la expresin matemtica de la disponibilidad se observa, que su valor
depende de cun frecuente se producen las fallas (confiabilidad) y de cunto
tiempo se requiere para corregir el fallo (mantenibilidad); a menor tiempo de
correccin de fallos, la disponibilidad es cada vez ms alta, de tal manera que,
si el tiempo de correccin de fallos es cero, entonces la disponibilidad es uno
(1) 100%.
En tal contexto, se observa, que una alta confiabilidad (pocas fallas) y una alta
mantenibilidad (tiempos de reparacin o de mantenimiento cortos) de los
equipos en las plantas industriales, implican una alta disponibilidad (alto tiempo
de operacin) de los mismos.
2.5 MARCO CONCEPTUAL
a)
Activo. Es un recurso que es utilizado en la produccin de bienes o
servicios. Los activos pueden ser: fsicos, humanos, financieros, tangibles, intangibles,
etc.
b)
Activo fsico.
Un activo fsico es un bien de una empresa ya sea
tangible o intangible, necesario para el funcionamiento de la misma. Son ejemplos de

activos fsicos: bienes inmuebles, los equipos, las mquinas, las instalaciones,
el
material de oficina, las inversiones en acciones, los bonos, los valores emitidos por
empresas afiliadas, etc.
Los activos fsicos tangibles son elementos que pueden ser
tocados materialmente, tales como los terrenos, los edificios, la maquinaria, etc. y los
activos fsicos intangibles son elementos que no pueden ser tocados materialmente,
tales como los derechos de una patente, etc.
c)
Calidad. Es la totalidad de los rasgos y las caractersticas de un
producto o servicio que se relacionan con su capacidad para satisfacer necesidades

expresas o implcitas. Esta definicin sugiere que la calidad debe ajustarse a los
139
requerimientos establecidos para satisfacer las necesidades de los usuarios o de

cualquiera que entra en contacto con el producto o servicio. Por lo tanto, la calidad
implica satisfacer las expectativas y requerimientos del cliente (tanto externo como
interno). El cliente es un ser humano que como tal, no puede ser reducido a ningn
esquema y tiene siempre la ltima palabra.
d)
Ciclo de vida. Plazo de tiempo durante el cual un activo, un proceso,
un producto, o
una actividad
conserva su capacidad de utilizacin; es decir,
contempla toda la huella de su existencia hasta que cesa su uso.

e)
Concentrado de mineral.
Sustancia resultante de un proceso de
filtrado, secado u otro, con un alto porcentaje de elementos valiosos como el cobre,
plata, plomo, zinc, oro, molibdeno, etc., y tambin contaminantes como el arsnico,
amoniaco, roca estril.
f)
Confiabilidad o fiabilidad. Es la probabilidad de que un tem
(artculo) realice satisfactoriamente su funcin especfica durante un perodo

especificado y bajo un conjunto dado de condiciones operativas. La confiabilidad no es
una prediccin, sino que es la probabilidad de accin correcta de un tem.
g)
Disponibilidad. Es la probabilidad de que un tem est apto para el
trabajo en un momento arbitrariamente escogido, excepto en los perodos de

mantenimiento en los que la utilizacin del artculo no se prev. En ese sentido,
tambin se puede decir, que la Disponibilidad es la probabilidad de que un artculo
realice la funcin asignada cuando sea requerido.
h)
Efectividad de un sistema. Es definida como la probabilidad de que el
sistema pueda satisfacer exitosamente una demanda operacional dentro de un tiempo

dado cuando opera bajo condiciones especificadas, entonces, se convendr en que la
confiabilidad es uno de los mejores atributos para determinar la efectividad del
sistema.
i)
Falla o fallo. Concepto bsico de la Teora de la Confiabilidad que se
define como el hecho o evento que provoca la prdida total o parcial de la capacidad
de un tem para realizar las funciones para las cuales fue diseado; es decir, es el
cese del estado de capacidad de trabajo de un artculo. Tambin, se puede decir, que
una falla o un fallo es la terminacin o degeneracin de la propiedad de un artculo
para realizar su funcin para lo cual fue diseado.
140
j)
Ganga. Material intil que se separa de los minerales.
k)
Gestin. Es el proceso emprendido por una o ms personas para
coordinar las actividades laborales de otras personas, con la finalidad de lograr

objetivos o resultados de calidad, que cualquier otra persona, trabajando sola no
podra alcanzarlo.
l)
Gestin de Calidad. Es aquel modelo de gestin que comprende un
conjunto de principios y mtodos que se implantan en toda empresa u organizacin, y

que en base a las actividades de planeacin, organizacin, programacin, control y
coordinacin, busca siempre la competitividad en todos los niveles de la organizacin,
para lograr objetivos de calidad.
m)
Gestin del Mantenimiento. Sistema de gestin que contempla las
etapas o actividades de planificar, programar, organizar, coordinar y controlar,

conducentes a un ptimo manejo de los diferentes recursos para lograr un
mantenimiento eficiente de los activos fsicos en plantas industriales.
n)
tem o Artculo. Es una componente, un dispositivo, un elemento, un
aparato, un equipo, una mquina, etc. considerado en el clculo de la confiabilidad

como una parte autnoma separada que posee su ndice cualitativo general de
confiabilidad.
o)
Mantenimiento. Son todas las acciones tcnicas, organizativas y
econmicas encaminadas a conservar o restablecer el buen estado de los activos fijos

o tems, a partir de la observancia y reduccin de su desgaste, y con el fin de alargar
su vida til econmica, con una mayor disponibilidad y confiabilidad para cumplir con
calidad y eficiencia su funcin productiva y/o de servicio, conservando el medio
ambiente y la seguridad del personal.
p)
Mantenibilidad. Es la probabilidad de que un tem o artculo despus
de un fallo o avera sea restaurado completamente a su estado de funcionamiento

normal, despus de un tiempo dado.
q)
Mena. Mineral sin limpiar, tal como se extrae de la mina. Materia bruta
de un filn o criadero de la cual se beneficia un metal.
141
r)
Mineral. Parte til de una exploracin minera. Compuesto inorgnico no
producido por los seres vivos que se encuentra en la corteza de la tierra y que est
formado por uno o ms elementos qumicos.
s)
Organizacin. Es aquella estructura administrativa y funcional que
puede ser tan pequeo como para contar con una sola persona, o tan grande que
llegue a contar con muchos empleados. Son organizaciones las compaas,
corporaciones, empresas, o instituciones, o parte o combinacin de stas, sean
colectivas o no, pblicas o privadas.
t)
Pulpa de mineral.
Masa hmeda que se obtiene despus de los
procesos productivos de una planta concentradora diferencindose por la cantidad de

elementos valiosos.
u)
Proceso. Conjunto de operaciones o actividades que se realizan
sucesivamente con el objeto de transformar una serie de recursos (entradas o input)

en un resultado especfico que puede ser un producto o servicio (salida u output). En
ese sentido, son procesos, por ejemplo, la enseanza, las negociaciones para un
contrato, un estudio de mercado, el mantenimiento de un equipo, una investigacin
estadstica, el departamento de mantenimiento de una empresa, etc.
v)
Recursos. Son elementos que son utilizados en la produccin de
bienes o servicios, o que son transformados en stos. Los recursos pueden ser:
financieros
(dinero en efectivo, cuasidinero);
informacin
las actitudes del consumidor, tendencias del mercado);

primas, materiales indirectos);
(necesidades, cambios en
materiales (insumos, materias
servicios (agua, energa elctrica); humanos (operarios,
ejecutivos, directores).
w)
Relave de mineral. Masa hmeda resultante de todo el proceso
productivo de una planta concentradora, la cual se desecha por su alto contenido de

roca estril, productos qumicos utilizados para la separacin de los elementos que se
encuentran en el mineral, reactivos y un muy bajo porcentaje de elementos valiosos.
x)
Tiempo Medio Entre Fallas (TMEF). Es el tiempo promedio de
funcionamiento u operacin continua de un tem (sin fallar) en un periodo de tiempo T,

que se obtiene como consecuencia de que por efectos de fallas del tem, en el tiempo
T se dan varios tiempos de operacin (tiempo entre fallas o tiempo hasta el fallo). Es
142
uno de los indicadores ms importantes de la confiabilidad del tem y se determina por

la relacin entre la suma de todos los tiempos de operacin (tiempos entre fallas) del
artculo y la cantidad de fallas que suceden durante el periodo de tiempo T.
y)
Tiempo Medio de Reparacin (TMR=MTTR). Es el tiempo promedio
de reparacin de un tem durante un periodo de tiempo T, que se obtiene como

consecuencia de que por efecto de fallas, se dan varios tiempos fuera de servicio del
tem en el periodo de tiempo T, que son los tiempos para la reparacin del artculo. Es
un indicador relevante del mantenimiento y se determina por la relacin entre la suma
de todos los tiempos empleados para la reparacin (tiempos fuera de servicio) y la
cantidad de fallas que suceden durante el perodo de tiempo T.
143
CAPTULO III
EVALUACIN DEL ESTADO SITUACIONAL DE LOS
EQUIPOS PRINCIPALES DE LA LNEA DE FLOTACIN
EN
BASE
CUANTITATIVAS,
TCNICAS
Y
SITUACIN
CUALITATIVAS
ACTUAL
DE
Y
LA
GESTIN DEL MANTENIMIENTO DE DICHOS EQUIPOS

3.1
DESCRIPCIN GENRICA DE LOS PROCESOS PRODUCTIVOS DEL

CENTRO MINERO CASAPALCA
La Compaa Minera Casapalca a travs de su Planta Concentradora Berna II,

produce polvos de concentrado de cobre-plata, zinc y plomo; para lo cual, se
siguen los siguientes procesos (figura 3.1). En el Anexo N 4 se muestran
fotografas de algunos equipos que operan en las diferentes lneas productivas
de la Planta Concentradora Berna II en el Centro Minero Casapalca.
a) Proceso de Minado Subterrneo. En este proceso, se obtiene el
mineral mediante corte (dinamitado) y relleno (relleno hidrulico) con
rocas de aproximadamente entre 30 y 4 pulgadas (mineral fresco).
b) Proceso de Acarreo del mineral fresco, en este proceso se

trasladan las rocas obtenidas en el proceso de minado hacia la tolva
de grueso de la planta, mediante Camiones Volvo de 35 ton. de
capacidad.
c) Proceso de Chancado del mineral, en este proceso, se obtienen

diferentes tamaos de roca, mediante los siguientes subprocesos:
chancado primario (se obtiene mineral de tamao promedio 5),
144
chancado secundario (se obtiene mineral de tamao promedio 1),

chancado terciario (se obtiene mineral de tamao promedio 5/8) y
chancado cuaternario (se obtiene mineral de tamao promedio 3/8).
d) Proceso de Molienda Primaria, corresponde al proceso de la

molienda del mineral que proviene del chancado cuaternario, luego
el producto molido es enviado a travs de un sistema de bombeo,
hacia los equipos clasificadores de alta frecuencia, para separar la
pulpa de mineral grueso y fino.
e) Proceso de Flotacin, en este proceso, la pulpa de mineral fino que

proviene del proceso de la molienda primaria, llega a las celdas de
flotacin de la denominada lnea de Bulk, la cual separa la pulpa de
cobre-plata de la pulpa zinc. Los dos productos obtenidos, son
enviados separadamente a lneas de limpieza, las mismas que estn
formada por bancos de celdas. Despus de dicha limpieza, se
desecha el relave para obtener pulpas de cobre-plata y zinc de alta
concentracin (75% cobre-plata y 90% de zinc).
En el Anexo N 5 se muestra el diagrama de flujo de la lnea de
flotacin de la Planta Concentradora Berna II.
f) Proceso de Espesamiento, en este proceso, la pulpa de alta

concentracin de cobre-plata y zinc pasa a sus respectivos
espesadores, en donde se elimina una considerable cantidad de
agua de los concentrados, obteniendo un porcentaje de slidos del
60%.
g) Proceso de Filtrado, en este proceso, la pulpa de slidos

provenientes
del
proceso
de
espesamiento,
son
enviados
separadamente a lneas de filtros prensa, en donde se obtiene una

pulpa de cobre-plata con 8% de humedad y de pulpa zinc con 9% de
humedad.
145
h) Despacho, los concentrados obtenidos en el proceso de filtrado

(polvos con las humedades indicadas), pasan al proceso de
despacho, donde a travs de camiones hermticos, se distribuyen a
los clientes.
FIGURA 3.1. Proceso Productivo en el Centro Minero Casapalca
146
3.2 LISTADO DE EQUIPOS DE LA LNEA FLOTACIN, DESCRIPCIN DE

SUS FUNCIONES OPERATIVAS Y CARACTERSTICAS TCNICAS DE
LOS MISMOS
En la tabla 3.1, se presenta la relacin de equipos de la lnea de flotacin y sus
funciones operativas correspondientes, y en las tablas desde la 3.2 hasta la
3.43 se presenta las caractersticas tcnicas de los mismos.
TABLA 3.1. Relacin de equipos de la lnea de flotacin con sus

funciones operativas correspondientes
Cant.
10
11
12
13
14
15
16
17
18
19
EQUIPO
FUNCIONES OPERATIVAS
Celda OK30 N1 de Bulk
Separar (separa el zinc del cobre-plomo)

Bomba 10 x 8 N4
2da Separacin (sigue separando el zinc del

cobre-plomo)
Bombear, bombea la pulpa
Distribuidor de carga
Distribuir, reparte la carga
Celda RCS 15 N1
Limpiar, limpieza de la pulpa de zinc
Celda RCS 15 N2
Limpiar; limpieza de la pulpa de zinc
Celda de limpieza de Bulk 100

pies3
Acondicionador Bulk 6 x 6
Bomba Bulk 6 x 6
Acondicionar, acondicionamiento de la pulpa

cobre-plomo
Bombear, bombeo de la pulpa
Celda de primera limpieza de

Bulk 36 pies3
Celda de segunda limpieza de
Bulk 36 pies3
Bomba 10 x 8 N7
Limpiar, limpieza de la pulpa cobre-plomo
Cicln D-26
Molino de bolas 7 x 10
Clasificar, clasificacin de la pulpa fino y

grueso
Moler, remolienda de la pulpa de Bulk
Celda RCS 15 N3
Acondicionar la pulpa
Celda DR300 de Bulk
Bomba SRL 5 x 4
Bombear, bombeo de pulpa
Bomba SRL 5 x 4
Bomba SRL 10 x 8

Bombear, bombeo de la pulpa de zinc
147
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
Celda OK 50 N1 de Zinc
Separar, separacin de la pulpa zinc y relave
Bomba 6 x 6 circuito de Zinc
Celdas de 1ra limpieza de Zinc

100 pies3
Bomba 8 x 6
Celda DR300 Bulk de Zinc
Limpiar, limpieza del concentrado de zinc
Bomba 8 x 6
Nido de ciclones D-15
Clasificar, clasificacin de pulpa grueso y

fino
Moler, molienda de la pulpa del circuito de
Bulk
Molino de bolas 6 x 6 N2
Comesa
Celda de segunda limpieza de
zinc de 36 pies3
Manifold de distribucin
Molino de bolas 6 X 6 N3
Comesa Stand by
Distribuir, distribucin de la pulpa a varios

circuitos
Moler, molienda de pulpa para cualquier
circuito de zinc o Bulk
Moler, molienda de pulpa
Moler, molienda de pulpa
Celdas
Limpiar, limpieza de pulpa
Acondicionador Bulk 6 x 6
Acondicionar, acondiciona la pulpa
OK-50 Bulk N1
Separar, separacin del zinc y cobre-plomo
OK-50 Bulk N2
OK-50 Zinc N1
OK-50 Zinc N2
A continuacin, se presentan, en tablas, las caractersticas tcnicas de los

diferentes equipos que constituyen la lnea de flotacin.
148
TABLA 3.2. Caractersticas tcnicas de la Celda OK 30 N1 de Bulk
Equipo
Celda OK 30 N1 de Bulk
Marca
Outotec
Procedencia
Brasil
Tipo
Tanque
Modelo
OK
Serie
14523
Potencia motor / Capacidad
60 HP
Tensin de motor
440 V
Equipo
Marca
Outotec
Procedencia
Brasil
Tipo
Tanque
Modelo
OK
Serie
14524
60 HP / 30 m3
Tensin de motor
440 V
TABLA 3.4. Caractersticas tcnicas de la Bomba SRL 10 x 8 N4
Equipo
Bomba 10 x 8 N4
Marca
Fima
Procedencia
Per
Tipo
De pulpa
Modelo
SRL
Serie
4DH124
150 HP / 3000 GPM
Tensin de motor
440 V
149
TABLA 3.5. Caractersticas tcnicas del Distribuidor de carga
Equipo
Distribuidor de carga
Marca
FYM
Procedencia
Per
Tipo
Tanque
Modelo
S/M
Serie
56721
-------
Tensin de motor
No tiene
TABLA 3.6. Caractersticas de la Celda RCS 15 N1
Equipo
Celda RCS15 N1
Marca
Denver
Procedencia
Brasil
Tipo
Tanque
Modelo
RCS15
Serie
89-124
60 HP / 530 pies3
Tensin de motor
440 V
TABLA 3.7. Caractersticas tcnicas de la Celda RCS 15 N2
Equipo
Celda RCS15 N2
Marca
Denver
Procedencia
Brasil
Tipo
Tanque
Modelo
RCS
Serie
89-125
60 HP / 530 pies3
Tensin de motor
440 V
150
TABLA 3.8. Caractersticas tcnicas de la Celda 100 pies3
Equipo
Celda 100 pies3
Marca
Fima
Procedencia
Per
Tipo
Banco
Modelo
SUB A 30
Serie
125-2001
100 HP /100 pies3
Tensin de motor
440 V
TABLA 3.9. Caractersticas tcnicas del Acondicionador 6 x 6
Equipo
Acondicionador 6 X 6
Marca
Fima
Procedencia
Per
Tipo
Tanque
Modelo
S/M
Serie
5623-12
40 HP / 36 pies3
Tensin de motor
440 V
TABLA 3.10. Caractersticas tcnicas de la Bomba Denver SRL 6 x 6
Equipo
Bomba Denver SRL 6 x 6
Marca
Fima
Procedencia
Per
Tipo
De pulpa
Modelo
SRL
Serie
94123
60 HP / 2000 GPM
Tensin de motor
440 V
151
TABLA 3.11. Caractersticas de la Celda primera de limpieza de 36 pies3
Equipo
Celda primera limpieza de 36 pies3
Marca
Fima
Procedencia
Per
Tipo
Banco
Modelo
SUB A 18
Serie
8456-23
20 HP / 36 pies3
Tensin de motor
440 V
TABLA 3.12. Caractersticas tcnicas de la Celda segunda limpieza de 36

pies3
Equipo
Celda segunda limpieza de 36 pies3
Marca
Fima
Procedencia
Per
Tipo
Banco
Modelo
SUB A18
Serie
8456-24
20 HP / 36 pies3
Tensin de motor
440 V
TABLA 3.13. Caractersticas tcnicas de la Bomba Denver SRL 10 x 8 N7
Equipo
Bomba Denver SRL 10 x 8 N7
Marca
Metso
Procedencia
Brasil
Tipo
De pulpa
Modelo
SRL
Serie
45689
150 HP / 3000 GPM
Tensin de motor
440 V
152
TABLA 3.14. Caractersticas tcnicas del Cicln D-26
Equipo
Cicln D-26
Marca
Krebs
Procedencia
EUA
Tipo
Nido
Modelo
DS-26-1716
Serie
23-2001
30 m3/h
Tensin de motor
S/M
TABLA 3.15. Caractersticas tcnicas del Molino de bolas 7 x 10
Equipo
Molino de bolas 7 X 10
Marca
Kurimoto
Procedencia
Japn
Tipo
Bolas
Modelo
S/M
Serie
568-123
175 HP / 140 tn/h de pulpa
Tensin de motor
440 V
TABLA 3.16. Caractersticas tcnicas de la Celda RCS 15 N3
Equipo
Celda RCS 15 N3
Marca
Denver
Procedencia
Brasil
Tipo
Tanque
Modelo
RCS
Serie
89-127
Potencia motor
60 HP / 530 pies3
Tensin de motor
440 V
153
TABLA 3.17. Caractersticas tcnicas de la Celda DR300 de Bulk
Equipo
Celda DR300 de Bulk
Marca
Denver
Procedencia
Brasil
Tipo
Banco
Modelo
DR300
Serie
562-452
60 HP / 300 pies3
Tensin de motor
440 V
Equipo
Marca
Metso
Procedencia
Brasil
Tipo
Para pulpa de sello hmedo
Modelo
SRL
Serie
1123
30 HP / 1200 GPM
Tensin de motor
440 V
Equipo
Marca
Metso
Procedencia
Brasil
Tipo
Modelo
SRL
Serie
1124
Potencia motor / capacidad
30 HP / 1200 GPM
Tensin de motor
440 V
154
Equipo
Marca
Metso
Procedencia
Brasil
Tipo
Modelo
SRL
Serie
1526
150 HP / 3000 GPM
Tensin de motor
440 V
Equipo
Marca
Outotec
Procedencia
Brasil
Tipo
Tanque
Modelo
OK
Serie
14556
100 HP / 50 m3
Tensin de motor
440 V
Equipo
Marca
Outotec
Procedencia
Brasil
Tipo
Tanque
Modelo
OK
Serie
14557
100 HP / 50 m3
Tensin de motor
440 V
155
Equipo
Marca
Outotec
Procedencia
Brasil
Tipo
Tanque
Modelo
OK
Serie
14558
100 HP / 50 m3
Tensin de motor
440 V
Equipo
Marca
Outotec
Procedencia
Brasil
Tipo
Tanque
Modelo
OK
Serie
14559
Potencia motor
100 HP
Tensin de motor
440 V
Equipo
Marca
Outotec
Procedencia
Brasil
Tipo
Tanque
Modelo
OK
Serie
14560
100 HP / 50 m3
Tensin de motor
440 V
156
TABLA 3.26. Caractersticas tcnicas de la Bomba Denver SRL 6 x 6 de

Zinc
Equipo
Bomba Denver SRL 6 x 6 de Zinc
Marca
Fima
Procedencia
Per
Tipo
Modelo
OK
Serie
5621
60 HP / 2000 GPM
Tensin de motor
440 V
TABLA 3.27. Caractersticas tcnicas de la Celda de primera limpieza de

Zinc 100 pies3
Equipo
Celda de primera limpieza de Zinc 100

pies3
Marca
Fima
Procedencia
Per
Tipo
Banco
Modelo
SUB A 30
Serie
17891
100 HP / 100 pies3
Tensin de motor
440 V
Equipo
Marca
Fima
Procedencia
Per
Tipo
Banco
Modelo
SRL
Serie
56145
100 HP / 2300 GPM
Tensin de motor
440 V
157
TABLA 3.29. Caractersticas tcnicas de la Celda DR300 de Bulk
Equipo
Celda DR300 de Bulk
Marca
Fima
Procedencia
Per
Tipo
Banco
Modelo
DR300
Serie
14523
60 HP / 300 pies3
Tensin de motor
440 V
Equipo
Marca
Fima
Procedencia
Per
Tipo
Para pulpa de sello seco
Modelo
SRL
Serie
56146
100 HP / 2300 GPM
Tensin de motor
440 V
TABLA 3.31. Caractersticas tcnicas del Nido de ciclones D-15
Equipo
Nido de ciclones D-15
Marca
Krebs
Procedencia
EUA
Tipo
Vertical
Modelo
DSLB-10,5-2152
Serie
45796
20 m3/h
Tensin de motor
s/motor
158
TABLA 3.32. Caractersticas tcnicas del Molino de bolas 6 x 6 N1
Equipo
Marca
Comesa
Procedencia
Per
Tipo
De bolas
Modelo
Serie
512-128
150 HP / 80 tn/h
Tensin de motor
440 V
TABLA 3.33. Caractersticas tcnicas de la Celda de segunda limpieza de

Zinc de 36 pies3
Equipo
Celda de segunda limpieza de Zinc de

36 pies3
Marca
Fima
Procedencia
Per
Tipo
Banco
Modelo
SUB A18
Serie
2381
30 HP / 36 pies3
Tensin de motor
440 V
TABLA 3.34. Caractersticas tcnicas del Manifold de distribucin
Equipo
Manifold de distribucin
Marca
Fima
Procedencia
Per
Tipo
Tanque
Modelo
MS-2000
Serie
6364-25
25 m3/h
Tensin de motor
440 V
159
Equipo
Marca
Comesa
Procedencia
Per
Tipo
De bolas
Modelo
OK
Serie
512-129
150 HP/ 50 tn/h de pulpa
Tensin de motor
440 V
Equipo
Marca
Kurimoto
Procedencia
Japn
Tipo
Tanque
Modelo
OK
Serie
789-124
Tensin de motor
440 V
TABLA 3.37. Caractersticas tcnicas del Molino de bolas 5 x 5
Equipo
Molino de bolas 5 X 5
Marca
Comesa
Procedencia
Per
Tipo
De bolas
Modelo
Serie
412-815
Tensin de motor
440 V
160
TABLA 3.38. Caractersticas tcnicas de la Celdas ultima limpieza de 18

pies3
Equipo
Celdas ultima limpieza de 18 pies3
Marca
Fima
Procedencia
Per
Tipo
De banco
Modelo
SUB A10
Serie
14789
20 HP / 18 pies3
Tensin de motor
440 V
TABLA 3.39. Caractersticas tcnicas del Acondicionador 6 x 6 de Bulk
Equipo
Acondicionador Bulk 6 X 6
Marca
Fima
Procedencia
Per
Tipo
Tanque
Modelo
Serie
11148
Potencia motor
50 HP
Tensin de motor
440 V
TABLA 3.40. Caractersticas tcnicas de la Celda OK 50 N1 de Zinc
Equipo
Celda OK50 N1 de Zinc
Marca
Outotec
Procedencia
Brasil
Tipo
Tanque
Modelo
OK
Serie
14581
Potencia motor
100 HP
Tensin de motor
440 V
161
Equipo
Marca
Outotec
Procedencia
Brasil
Tipo
Tanque
Modelo
OK
Serie
14582
Potencia motor
60 HP
Tensin de motor
440 V
Equipo
Marca
Outotec
Procedencia
Brasil
Tipo
Tanque
Modelo
OK
Serie
14582
Potencia motor
100 HP
Tensin de motor
440 V
TABLA 3.43. Caractersticas tcnicas de la Celda OK50 N2 de Zinc
Equipo
Marca
Outotec
Procedencia
Brasil
Tipo
Tanque
Modelo
OK
Serie
14584
Potencia motor
100 HP
Tensin de motor
440 V
162
3.3
DETERMINACIN DE LOS EQUIPOS CRTICOS DE LA LNEA DE

FLOTACIN MEDIANTE EL ANLISIS DE CRITICIDAD
Para determinar el nivel de criticidad de los equipos de la lnea de flotacin se

consider los siguientes criterios (ver Captulo II, tem 2.3.1):
1. efecto sobre el servicio a operaciones y medio ambiente (lo afecta

parndolo, lo reduce o no lo para),
2. valor tcnico econmico del equipo (alta, media y baja),
3. La falla afecta al equipo en si, al servicio, al operador o a la seguridad en
general,
4. Flexibilidad del equipo en el sistema (es nica, by pass o stand by),
5. Dependencia logstica (repuestos se tienen que importar, algunos se
consiguen localmente o en el exterior o los repuestos se consiguen
localmente),
6. Dependencia de la mano de obra, el mantenimiento requiere
contratacin de terceros o el mantenimiento se realiza con personal
propio.
7. Facilidad
de
reparacin-mantenibilidad
(mantenimiento
difcil
mantenimiento fcil).
Luego, utilizando una Tabla de Prioridades para Evaluar los Equipos, se
obtuvieron los siguientes equipos crticos para la lnea de flotacin, cuyas
fotografas se muestran el anexo N 6.
1. Celda OK50 N1 del circuito de Bulk (ver tabla 3.44);

2. Celda OK50 N2 del circuito de Bulk (ver tabla 3.45);
3. Bomba SRL 10 x 8 N4 (ver tabla 3.46)
4. Bomba SRL 10 x 8 N7 (ver tabla 3.47), y
5. Molino 7 X 10 (ver tabla 3.48)
163
TABLA 3.44. Evaluacin de criticidad de la Celda OK
50 N1 de Bulk
164
TABLA 3.45. Evaluacin de criticidad de la Celda OK 50
N2 de Bulk
165
SRL 10 x 8 N4
166
SRL 10 x 8 N7
167
TABLA 3.48. Evaluacin de criticidad del Molino 7 x 10
168
3.4 EVALUACIN DE MODOS Y EFECTOS DE FALLOS (FMEA) DE LOS

EQUIPOS CRTICOS DE LA LNEA DE FLOTACIN
3.4.1 FUNCIONES, MODOS DE FALLOS Y CAUSAS DEL FALLO DE CADA
EQUIPO CRTICO
TABLA 3.49. Funciones de los equipos crticos
EQUIPO
Celda OK50
N1 de Bulk
Celda OK50
N2 de Bulk
Bomba
Denver SRL
10X8 N4
BOMBEAR
Bomba
Denver SRL
10X8 N7
BOMBEAR
Molino Kurimoto
7 x 10
Funcin
SEPARAR
SEPARAR
Funcin
estndar
Separar el
zinc del cobreplomo
Separar el
zinc del
cobre-plomo
Bombear la
pulpa
Bombear la
pulpa
Moler la pulpa
Nivel de
funcionamiento
Se debe
mantener con
un nivel de
carga de 50
3
m
Se debe
mantener
con un nivel
de carga de
3
50 m
Se debe
mantener con
una altura de
carga de 2.5
m. para evitar
la cavitacin
Se debe
mantener
con una
altura de
carga de 2.5
m. para
evitar la
cavitacin
Se debe mantener
con un porcentaje
de bolas del 45%
del volumen total.
Se debe mantener
con un flujo de
carga de 140 tn/h
de pulpa
Subfunciones
Almacenamiento de
pulpa
Almacenamiento de
pulpa
Distribucin de
la pulpa
Distribucin
de la pulpa
Mejorar la
metalurgia y
granulometra
MOLER
TABLA 3.50. Modos de fallo de los equipos crticos

Celda
OK50
N1 de Bulk
Modos
Celda
OK50
N2 de Bulk
Bomba
pulpa
de
SRL
Bomba
pulpa
de
SRL
Molino
Kurimoto
10 x 8 N4
10 x 8 N7
7 X 10
- Fallo al
arrancar
- Fallo al
arrancar
- Fallo al
arrancar
- Fallo al
arrancar
- Fallo al
arrancar
-Fallo mientras
est
funcionando
-Fallo mientras
est
funcionando
-Fallo mientras
est
funcionando
-Fallo mientras
est
funcionando
-Fallo mientras
est
funcionando
- Vibracin
- Vibraciones
- Vibraciones
- Vibraciones
- Vibraciones
- Soltura
- Soltura
- Soltura
- Soltura
- Soltura
-Calentamiento
- Calentamiento
- Calentamiento
- Calentamiento
- Calentamiento
de fallo
- Fallo de
estructura
-Fallas
externas
- Fallo de
estructura
- Fallo de
estructura
- Fallas
externas
- Fallo de
estructura
-Fallas
externas
- Fallo de
estructura
-Fallas
externas
-Fallas
externas
169
TABLA 3.51. Causas de fallos de los equipos crticos
Modos de fallo
Causa de fallo
Fallo al arrancar
- Rotura de fajas de
transmisin
Fallo mientras est funcionando
- Rotura de impulsor
- Rotura de estator
Vibracin
- Rotura de eje superior

- Rotura de eje inferior
- Pernos de anclaje del rack
sueltos
- Pernos de sujecin de las
vigas principales
Soltura
Calentamiento
- Falla en rodamientos
Fallo de estructura
- Rotura de rack
- Rotura de wearplate
Fallas externas
- Arenamiento
Modos de fallo
Causa de fallo
Fallo al arrancar
transmisin
Fallo mientras est funcionando
Vibraciones
Soltura
- Rotura de estator
- Sobrecorriente en motor
- Rotura de eje superior
- Rotura de eje inferior
- Pernos de anclaje del rack
sueltos
- Pernos de sujecin de la
viga principal
Calentamiento
- Rodamientos de eje
superior
Fallo de estructura
- Rotura de rack
- Rotura de wearplate
Fallas externas
- Arenamiento
170
Bomba SRL 10 x 8 N4
Modos de fallo
Fallo al arrancar
Fallo mientras est

funcionando
Vibraciones
Soltura
Calentamiento
Fallo de estructura
Fallas externas
Causa de fallo
transmisin
- Falla en tablero de arranque
- Falta de energa
- Rotura de forro lado succin
- Rotura de eje
- Rajadura de bocina
- Rotura de cuello de succin
- Rotura de eje
- Rotura de rodamientos
- Rotura de botador de agua
- Rajadura de frame
- Pernos de anclaje del frame
- Rodamientos de botella
- Falta de aceite
- Rajadura de frame
- Arenamiento
- Atoro de tubo de succin
- Ingreso de objeto extrao
Bomba SRL 10 x 8 N7
Modos de fallo
Fallo al arrancar
Fallo mientras est

funcionando
Vibraciones
Soltura
Calentamiento
Fallo de estructura
Fallas externas
Causa de fallo
transmisin
- Falla en tablero de
arranque
- Falta de energa
- Rotura de forro lado
succin
- Rotura de eje
- Rajadura de bocina
- Rotura de cuello de succin
- Rotura de eje
- Rotura de rodamientos
- Rotura de botador de agua
- Rajadura de frame
- Pernos de anclaje del
frame
- Rodamientos de botella
- Falta de aceite
- Rajadura de frame
- Arenamiento
- Atoro de tubo de succin
- Ingreso de objeto extrao
171
Molino 7 x 10
Modos de fallo
Causa de fallo
Fallo al arrancar
- Rotura de fajas de transmisin

- Falla en tablero de arranque
- Falta de energa
Fallo mientras est

funcionando
Vibraciones
Soltura
Calentamiento
Fallo de estructura
Fallas externas
- Calentamiento de rodamiento
de contraeje
- Rotura de forro lado succin
- Rotura de eje
- Rotura de forros de cilindro
- Rotura de forros de tapas
- Falla en sensor de temperatura
- Bajo aislamiento del bobinado
del motor
- Falla en rodamientos de bomba
de lubricacin
- Desgaste de engranajes de
bomba de lubricacin
- Rajadura de contraeje
- Rajadura de rodamientos
- Rajadura de dientes del pin
- Rajadura de dientes de la
catalina
- Desalineamiento
- Pernos de anclaje de las
chumaceras principales
- Pernos de anclaje del contraeje
- Pernos de anclaje del motor
- Pernos de anclaje de los
soportes de la polea
- Rodamientos de contraeje
- Rodamientos de Polea
- Rodamientos de Muones
principales
- Falta de aceite
- Rajadura de casco de cilindro
- Rajadura de tapas
- Rajadura de pedestales de
concreto
- Arenamiento
- Atoro en cajn de descarga
- Atoro en cajn de carga
172
3.4.2
EFECTOS DE LAS FALLAS EN LOS EQUIPOS CRTICOS DE LA

LNEA DE FLOTACIN
TABLA 3.52. Efectos de fallos en la Celda OK50 N1 de Bulk

Componente
Falla
Efecto de la falla
Polea del motor
Rotura de canales
Parada de equipo,
planta
Rotura
Parada de equipo, parada de

planta
Rotura
Parada del equipo, parada de

planta
Volteo
Parada de equipo
Calentamiento

planta
Rotura

planta
Calentamiento

planta
Rotura

planta
Polea de eje superior

Fajas
Rodamiento superior de
upper shaft
Rodamiento inferior de
upper shaft
Carcasa de upper shaft
Eje inferior
Impulsor
Rotura
parada de

planta
Desalineamiento

planta
Rajadura en la
soldadura

planta
Flexionado

planta
Rotura de pernos de
amarre al impulsor

planta
Rotura del alma de

acero
Parada de planta
Desprendimiento del
revestimiento

planta
Arenamiento
Parada de equipo
173
Estator
Rotura del alma de

acero
Parada de planta
Desprendimiento del
revestimiento

Planta
Arenamiento
Parada de equipo
Rajadura
soldadura
Rack
Vigas principales
en
la
Rotura de pernos de
anclaje a la viga
principal
Parada de equipo para cambiar

perno
Rotura de pernos de
fijacin
Parada de equipo
Flexionado
No hay parada
Rotura
Parada de equipo
Rajadura de plancha

planta por derrame de carga
Tanque
Rotura de pernos de
amarre
de
los
subsectores

planta
Rotura

Planta
Calentamiento

Planta
lado
Rotura
Carcasa del motor
Bobinado del motor
Parada de equipo
Calentamiento
Rodamiento lado polea
del motor
Rodamiento
ventilador del motor
Parada de equipo para soldarlo

Planta
Fisurado

planta
Cortocircuito

planta
Falla a tierra

planta
Sobrecarga

planta
174
TABLA 3.53. Efectos de falla de la Celda OK50 N2 de Bulk

Componente
Falla
Efecto de la falla
Polea de motor
Rotura de canales
Parada de equipo, parada

de planta
Polea de eje superior
Rotura

de planta
Rotura
Parada del equipo, parada

de planta
Parada de equipo
Fajas
Volteo
Calentamiento
Rodamiento
upper shaft
superior

de planta
de

de planta
Rotura
Calentamiento

de planta
de planta
Rodamiento inferior de upper

shaft
Rotura
Carcasa de upper shaft
Rotura

de planta
Desalineamiento

de planta
de planta
Rajadura en la soldadura
Eje inferior
Flexionado
Rotura de pernos
amarre al impulsor
Impulsor
Estator
Rack
Vigas principales

de planta
de

de planta
Rotura del alma de acero
Parada de planta
Desprendimiento
revestimiento

de planta
del
Arenamiento
Parada de equipo
Rotura del alma de acero

Desprendimiento
del
revestimiento
Arenamiento
Parada de planta
de planta
Parada de equipo
Rajadura en la soldadura
Parada de equipo para

soldarlo
cambiar perno
Rotura de pernos de
anclaje a la viga principal
Rotura de pernos
fijacin
Flexionado
Rotura
de
Parada de equipo
No hay parada
Parada de equipo
175
Tanque
Rodamiento lado polea del

motor
Rodamiento lado ventilador

del motor
Carcasa del motor
Bobinado del motor
Rajadura de plancha

de planta por derrame de
carga
Rotura de pernos de
amarre
de
los
subsectores
Parada de equipo
Calentamiento

de planta
Rotura

de planta
Calentamiento

de planta
Rotura

de planta
Fisurado

de planta
Cortocircuito

de planta
Falla a tierra

de planta
Sobrecarga

de planta
TABLA 3.54. Efecto de fallos de la Bomba de pulpa SRL 10 x 8 N4

Componente
Falla
Efecto de la falla
Polea de motor
Rotura de canales

de planta
Polea de eje
Rotura

de planta
Rotura

de planta
Volteo
Parada de equipo
Calentamiento

de planta
Rotura

de planta
Calentamiento

de planta
Rotura

de planta
Calentamiento

de planta
Rotura

de planta
Fajas
Eje
Rodamiento de eje lado polea
Rodamiento de
prensaestopas
eje
lado
176
Desalineamiento
Rajadura
soldadura
Prensaestopas
Bocina
en

de planta
la
Flexionado

de planta
Rotura de pernos de
amarre al impulsor
Parada de equipo parada

de planta
Rotura
acero
de
Parada de Planta
del

de planta
del
alma
Desprendimiento
revestimiento
Arenamiento
Rotura
acero
Anillo de succin
del
Parada de equipo
alma
Desprendimiento
revestimiento
de
Parada de planta
del

de planta
Arenamiento
Rajadura
soldadura
Forro lado prensaestopas
Forro lado carga
Parada de equipo
en
la

soldarlo
Rotura de pernos de
anclaje
a
la
viga
principal

cambiar perno
Rotura de pernos de
fijacin
Parada de equipo
Flexionado
No hay parada
Rotura
Parada de equipo
Rajadura de plancha

carga
Parada de equipo
Impulsor
Rotura de pernos de
amarre
de
los
subsectores
Calentamiento
Botador de agua
Rotura
Calentamiento
Anillo hidrulico
Rotura
Carcasa de la bomba
Fisurado
Cortocircuito
Estopas

de planta
Falla a tierra
Sobrecarga

de planta
Parada de
de planta
Parada de
de planta
Parada de
de planta
Parada de
de planta
equipo, parada
equipo, parada
equipo, parada
equipo, parada

de planta
de planta
de planta
177
Rodamiento lado polea de

motor elctrico

de motor elctrico
Carcasa de motor elctrico
Bobinado de motor elctrico
Calentamiento

de planta
Rotura

de planta
Calentamiento

de planta
Rotura

de planta
Rotura

de planta
Falta de aislamiento

de planta
A tierra

de planta
Rotura

de planta
TABLA 3.55. Efecto de fallos de La Bomba de pulpa SRL 10 x 8 N7

Componente
Falla
Efecto de la falla
Polea de motor
Rotura de canales

de planta
Polea de eje
Rotura

de planta
Rotura

de planta
Volteo
Parada de equipo
Calentamiento

de planta
Rotura

de Planta
Calentamiento

de planta
Rotura

de planta
Calentamiento

de planta
Rotura

de planta
Fajas
Eje
Rodamiento de eje lado polea
Rodamiento de
prensaestopas
eje
lado
178
Desalineamiento
Rajadura
soldadura
Prensaestopas bocina
Anillo de succin
Forro lado prensaestopas
Forro lado carga
en

de planta
la
Flexionado

de planta
Rotura de pernos de
amarre al impulsor

de planta
Rotura del alma de

acero
Desprendimiento
del
revestimiento
Parada de planta
Arenamiento
Parada de equipo
Rotura del alma de

acero
Desprendimiento
del
revestimiento
Arenamiento
Parada de planta
Rajadura
en
la
soldadura
Rotura de pernos de
anclaje
a
la
viga
principal
Rotura de pernos de
fijacin
Flexionado

soldarlo
cambiar perno
Rotura
Parada de equipo
Rajadura de plancha

carga
Impulsor
Rotura de pernos de
amarre
de
los
subsectores
Calentamiento
Botador de agua
Rotura
Estopas

de planta

de planta
Parada de equipo
Parada de equipo
No hay parada
Parada de equipo
de planta
de planta
Calentamiento

de planta
Rotura

de planta
Fisurado

de planta
Cortocircuito

de planta
Falla a tierra

de planta
Sobrecarga

de planta
Anillo hidrulico
Carcasa de la bomba

de planta
179
Rodamiento lado polea de

motor elctrico

de motor elctrico
Calentamiento

de planta
Rotura

de planta
Calentamiento

de planta
Rotura

de planta
Rotura

de planta

de planta
A tierra

de planta
Rotura

de planta
TABLA 3.56. Efecto de fallos del Molino 7 x 10

Componente
Falla
Efecto de la falla
Polea de motor
Rotura de canales

de planta
Polea de eje conducido
Rotura

de planta
Rotura

de planta
Volteo
Parada de equipo
Rotura de eje

de planta
Rotura de dientes

de planta
Rotura de dientes

de planta
Calentamiento

de planta
Rotura

de planta
Calentamiento

de planta
de planta
de planta
Fajas
Contra eje
Catalina
Rodamiento de eje de polea

lado descarga
Rodamiento de eje de polea

lado carga
Rotura
Calentamiento
Rodamiento de contraeje lado

descarga
Rotura
Calentamiento
Rodamiento de contraeje lado

carga
Rotura

de planta
de planta
de planta
180
Acople
Cilindro
Rotura de pernos de
amarre
Parada de planta
Rotura de chaveta

de planta
Desalineamiento
Parada de equipo
Rajadura del cuerpo

soldarlo; parada de planta
Rajadura del cuerpo

soldarlo
Rotura de pernos de
amarre
Parada de planta
Rajadura del cuerpo

soldarlo
Rotura de pernos de
amarre
Parada de planta
Rajadura

de planta
Desgaste prematuro

de planta
Rajadura

de planta
Desgaste prematuro

de planta
Rajadura

de planta
Desgaste prematuro

de planta
Rajadura

de planta
Desgaste prematuro

de planta
Rajadura

de planta
Desgaste prematuro

de planta
Rotura de pernos de
amarre
Desgaste prematuro del
cuerpo

de planta
de planta
Desgaste prematuro de
casquillo

de planta
Rotura de pernos de
sujecin de la tapa
superior
Desprendimiento
del
babbitado del casquillo

de Planta
Rajadura del cuerpo

de la planta
Tapa lado carga
Tapa lado descarga
Forros del cilindro
Forro tapa carga
Forro tapa descarga
Forro trunion carga
Forro trunion descarga
Tromel
Chumacera
carga
principal
lado

de la planta
181
Chumacera
descarga
principal
lado
Pernos de anclaje de motor

electrico
Desgaste prematuro de
casquillo

de planta
Rotura de pernos de
sujecin de la tapa
superior

de planta
Desprendimiento
del
babbitado del casquillo

de planta
Rajadura del cuerpo

de planta
Rajadura

de planta

de planta
A tierra

de planta
Rotura

de planta
Rotura

de planta
Cortocircuito
lneas
Tablero elctrico de arranque
del motor
de
las

de planta
Pegado de contactos

de planta
Interruptor a tierra

de planta
3.5 DATOS HISTRICOS DE FALLOS (AO 2010) Y DE REPARACIN DE

FALLOS DE LOS EQUIPOS CRTICOS DE LA LNEA DE FLOTACIN
reparacin de la Celda OK 50 N1
Ordenamiento TEF=THF
TDR
de las fallas
(das)
(horas)
1
2
3
4
5
6
7
62
75
58
35
80
91
53
10
9
8
1
8
2
TEF= Tiempo entre fallos
Descripcin de la falla
Rotura de eje inferior
Rotura de impulsor
Rotura de estator
Rotura de fajas de transmisin
Rotura de eje superior
Rajadura de rack
Rotura de pernos de fijacin de rack
TDR= TTR Tiempo de reparacin

182
reparacin de la Celda OK 50 N2
TDR
de fallas
(das)
(horas)
75
10
Rotura de eje inferior
62
Rotura de pernos de sujecin de rack
81
Falla por sobrecorriente en motor de 100 HP
94
Rotura de eje superior
40
Rotura de impulsor
71
Rotura de estator
66
Rotura de wearplate
reparacin de la Bomba SRL 10 x 8 N4
TDR
de fallas
(das)
(horas)
1
120
Rotura de impulsor
153
Rotura de eje
78
Rajadura de botador de agua
192
Falla en rodamiento lado polea
202
Falla en rodamiento lado prensaestopas
178
Falla en forro lado prensaestopas
144
Rotura de cuello de succin
reparacin de la Bomba SRL 10 x 8 N7
Ordenamiento TEF=THF TDR
de fallas
(das)
(horas)
98
Rotura de eje
173
Rotura de bocina
180
Falla en rodamiento lado prensaestopas
167
Rotura de cuello de succin
205
Falla de estopas
154
Rotura de forro lado polea
230
Rotura de perno de anclaje
183
reparacin del Molino 7 x 10
TDR
de fallas
(das)
(horas)
1
126
Falla por calentamiento de rodamiento de contraeje

lado carga
Rotura de fajas de transmisin
136
73
167
12
Falla por calentamiento en mun principal lado

carga
Falla en bomba de lubricacin
183
11
Falla en forros internos de tapas
193
Falla en sensor de temperatura de motor
178
Falla en motor
3.6 SOFTWARE UTILIZADOS PARA DETERMINAR EL CICLO DE VIDA, LA

CONFIABILIDAD Y MANTENIBILIDAD DE CADA EQUIPO CRTICO DE
LA LNEA DE FLOTACIN
Los softwares que se utilizaron en la presente investigacin para determinar el
ciclo de vida, la confiabilidad y mantenibilidad de los equipos crticos de la lnea
de flotacin son los siguientes:
El Software DISMA
El Software RELEST
3.7 DETERMINACION DEL CICLO DE VIDA DE LOS EQUIPOS CRTICOS

DE LA LNEA DE FLOTACIN
En general, para determinar en qu etapa del ciclo de vida se encuentran los
equipos crticos de la lnea de flotacin, se determin el parmetro de la
Distribucin de Weibull para cada equipo crtico, ingresando en el software
DISMA el tiempo entre fallos; luego, el valor obtenido de se analiz en la
curva de la baera (ver captulo II, tem 2.4.3.5 y figura 2.32).
A continuacin, se determin el ciclo de vida de cada equipo crtico de la lnea
de flotacin:
184
a. Ciclo de vida de la Celda OK 50 N1
Ingresando en el software DISMA los datos histricos del tiempo entre fallos
(TEF) de este equipo, se observa que su valor de es 4,3259. Este valor
indica que la Celda OK50 N1se encuentra en la etapa de envejecimiento (ver
figura 2.32).
b. Ciclo de vida de la Celda OK 50 N2
185
Para este equipo se observa que el es de 5,2961; por lo tanto, se concluye

que la Celda OK 50 N2 se encuentra en la etapa de envejecimiento.
c. Ciclo de vida de la bomba SRL 10 x 8 N4
Se observa que el valor de de para este equipo es 4.6311. Esto implica que
la bomba SRL 10 x 8 N4 tambin se encuentra en la etapa de envejecimiento.
d. Ciclo de vida de la bomba SRL 10 x 8 N7
186
Tal como se observa, para este equipo el valor de es 2,6853; en tal sentido,
la bomba SRL 10 x 8 N7 se encuentra en la etapa de envejecimiento.
e. Ciclo de vida del molino 7 x 10
Se observa que para este equipo el valor de es 4,9727; por lo tanto, al igual
que los dems equipos anteriores, el molino 7 x 10 tambin se encuentra en la
etapa de envejecimiento.
3.8
EVALUACIN DEL TIEMPO MEDIO ENTRE FALLOS (TMEF), DE LA

CONFIABILIDAD,
DE
LA
TASA
DE
FALLOS
CURVAS
CARCTERSTICAS (PARA DICHO TMEF) DE LOS EQUIPOS

CRTICOS DE LA LNEA DE FLOTACIN
En general, para determinar el TMEF, la confiabilidad y la tasa de fallos (para
el TMEF obtenido) de los equipos crticos de la lnea de flotacin, se utiliz el
SOFTWARE RELEST, ingresando los datos histricos del tiempo entre fallos
de cada equipo crtico (en el Anexo N 2 se muestra otra forma de determinar
el TMEF de los equipos crticos de la lnea de flotacin).
Cabe sealar, que con el Software RELEST y realizando la prueba de bondad
de ajuste con el software DISMA, se logra seleccionar la mejor distribucin
187
probabilstica para los datos histricos del tiempo entre fallos, con la cual se
determina el valor del tiempo medio entre fallos (TMEF), y por ende su
confiabilidad y tasa de fallos de cada equipo crtico. Asimismo, tambin se debe
destacar, que una de las principales bondades que tiene el Software Relest es
validar los datos histricos del tiempo entre fallos de cada equipo, verificando
los valores extremos (prueba de valores extremos).
Se debe resaltar que el Software Relest analiza cinco (05) distribuciones
probabilsticas de fallo que son las siguientes: la Distribucin Exponencial, la
Distribucin Weibull, la Distribucin Lognormal, la Distribucin Gamma, y la
Distribucin Lineal Exponencial
a.
EVALUACIN DEL TMEF, DE LA CONFIABILIDAD, DE LA TASA DE

FALLOS Y CURVAS CARACTERSTICAS (PARA DICHO TMEF) DE
LA CELDA OK 50 N1 DE BULK
Para determinar los valores del TMEF, de la confiabilidad, de la tasa de fallos y

las curvas caractersticas de este equipo, se utiliz los Software Relest y
Disma, siguiendo el siguiente procedimiento:
a.1) Ingreso de datos histricos del tiempo entre fallos en el Software
Relest
188
a.2) Prueba de valores extremos de los datos histricos (validacin de

los datos) utilizando el Software Relest
La prueba de los valores extremos de los datos histricos del tiempo entre
fallas, es decir, la validacin de la data, se realiza utilizando la Distribucin
Exponencial con un intervalo de confianza del 90% para dichos valores
extremos (nivel de significancia para el rechazo de los valores extremos es
10%). Ver figura 2.33.
Se observa, que el primer dato tiene un nivel de significancia de 0.9457

(94.57%) y el ltimo dato tiene un nivel de significancia de 0,4616 (46,16%), por
lo tanto, los datos extremos estn comprendidos dentro del intervalo de
confianza del 90%, esto demuestra que la data del tiempo entre fallos para la
Celda OK 50 N1 de Bulk queda validada.

a.3) Seleccin de la mejor distribucin probabilstica de fallos con el
Software Relest
Con las opciones Analysis y Probability Plots, el Software RELEST muestra
las grficas para las diferentes distribuciones probabilsticas que se ajustan a
los datos histricos del tiempo entre fallos; luego, la curva que mejor se ajusta
a dichos datos ser aquella cuyos puntos se acercan ms a una lnea recta.
189
190
Se observa que la distribucin probabilstica que mejor se acerca a una lnea

recta es la Distribucin de Weibull, por lo tanto, esta distribucin es la que sera
seleccionada para realizar el anlisis de confiabilidad del equipo; sin embargo,
para tener mayor seguridad sobre la eleccin de la mejor distribucin
probabilstica que se ajustan a los datos del tiempo entre fallos del equipo, se
realiz la Prueba de Bondad de Ajuste K-S utilizando el Software DISMA.
a.4)
Prueba de bondad de ajuste K-S (Kolmogorov-Smirnov) para

determinar la mejor distribucin probabilstica de fallos
Aplicando el software DISMA, se verifica
la distribucin probabilstica que
mejor se ajusta a los datos histricos del tiempo entre fallos que se obtuvo con
el software Relest; para lo cual se utiliza un nivel de significancia de 0.05.
Cabe sealar, que la mejor distribucin probabilstica que se ajusta a los

datos histricos del tiempo entre fallos del equipo que se viene
analizando, es la que tiene el coeficiente de K-S menor que uno (1); pero
si hubieran varias distribuciones probabilsticas que cumplen con esta
caracterstica, preferentemente se selecciona la que tiene menor valor
del coeficiente de K-S. Sin embargo, si la Distribucin probabilstica de
Weibull cumple con la condicin de presentar un coeficiente de K-S menor
que uno (1), se suele escoger esta distribucin, por ser la ms fcil de
analizar sus parmetros.
191
Luego, ingresando al Software Disma los datos histricos del tiempo entre
fallos del equipo, se obtienen para las diferentes distribuciones
probabilsticas de fallos, los siguientes valores del coeficiente de K-S:
Se observa, que con la prueba de bondad de ajuste K-S, la distribucin

probabilstica que mejor se ajusta a los datos del tiempo entre fallos para
la Celda OK 50 N1 de Bulk, es la Log Normal que tiene un coeficiente
de K-S = 0,3075; sin embargo, tal como se seal anteriormente, para el
192
equipo que se viene analizando, se seleccion la Distribucin

Probabilstica de Weibull, por tener un coeficiente de K-S = 0,4032, que
es menor que uno (1).
a.5) Obtencin del Tiempo Medio Entre Fallos (TMEF), de la confiabilidad,
de la tasa de fallos y curvas caractersticas (para dicho TMEF) de la
Celda OK 50 N1 de Bulk, utilizando el Software Relest.
Una vez definida la Distribucin Probabilstica de Weibull como la mejor

distribucin para los datos histricos de fallos, se realiz el anlisis de
confiabilidad del equipo, para lo cual se ingres al Software Relest los datos
validados del tiempo entre fallos del equipo, con lo cual se determina el TMEF.
Se observa que el TMEF, es decir, el tiempo promedio de buen funcionamiento

del equipo (es decir sin fallar) es de 62,81 das. Tambin se observa que la
confiabilidad de 0,9 no corresponde al TMEF sino al tiempo de 36,198 das.
Adems, para el tiempo de 1 da se tiene una confiabilidad de 1 y una tasa de
fallos de 1,6816x10-6.
Luego, para determinar el valor de la confiabilidad y de la tasa de fallos del
equipo, se ingresa el valor del TMEF (62,81 das) en reemplazo de 1 en el
recuadro de t , y se ordena calcular:
193
Se observa que para el TMEF = 62,81 das, la confiabilidad que presenta la

celda OK 50 N1 es de 0.49964 (49,964 %) y la tasa de fallos es de 0,03778
(3,778 %).
Asimismo, el Software Relest proporciona los grficos de la funcin de
densidad probabilstica, de la confiabilidad, de la tasa de fallos y de infiabilidad
de los equipos. Luego, para el caso de la Celda OK50 N1, son los siguientes:
194
b. EVALUACIN DEL TMEF, DE LA CONFIABILIDAD, DE LA TASA DE

FALLOS Y CURVAS CARACTERSTICAS (PARA DICHO TMEF) DE LA
CELDA OK 50 N2 DE BULK
b.1) Ingreso de datos histricos del TEF y validacin de dichos datos
(prueba de valores extremos) utilizando el Software Relest
Se observa que los datos extremos estn comprendidos dentro del intervalo de
confianza del 90%, por lo tanto, la data del tiempo entre fallos queda validada.
195
b.2) Seleccin de la mejor distribucin probabilstica de fallos y Prueba de

bondad de ajuste K-S
Grficas de las distribuciones probabilsticas de fallos

(Software Relest)
196

recta es la Distribucin de Weibull; sin embargo, para tener mayor seguridad
sobre la eleccin de la mejor distribucin probabilstica que se ajustan a los
datos del tiempo entre fallos del equipo, se realiz la Prueba de Bondad de
Ajuste utilizando el Software Disma.
Prueba de bondad de ajuste K-S (Software Disma)
Se consider un nivel de significancia de 0,05 (5%)
197
Por lo tanto, la distribucin probabilstica que mejor se ajusta a los datos

histricos del tiempo entre fallas para la Celda OK 50 N2 de Bulk es la
Distribucin Weibull, la cual se utiliz para realizar el anlisis de confiabilidad
del equipo.
198
b.3) Obtencin del TMEF, de la confiabilidad y de la tasa de fallos (para

dicho TMEF) de la Celda OK 50 N2 de Bulk, utilizando el Software
Relest.
Se observa que el TMEF o el tiempo que se estima que no fallar la Celda OK

50 N2 de Bulk es de 67,826 das.
Luego, evaluando la confiabilidad y la tasa de fallos para este valor del TMEF:
Se observa, que la confiabilidad y la tasa de fallas para la Celda OK 50 N2 de

Bulk resultan ser: 0,51173 (51,173%) y 0,04137 (4,137%) respectivamente.
199
b.4) Curvas Caractersticas de la funcin de densidad de probabilidad, de

la confiabilidad, de la tasa de fallos y de la infiabilidad del equipo
para el TMEF
c. EVALUACIN DEL TMEF, DE LA CONFIABILIDAD, DE LA TASA DE

BOMBA DE PULPA SRL 10 X 8 N4

c.1) Ingreso de datos histricos del TEF y validacin de dichos datos
(prueba de valores extremos) utilizando el Software RELEST
200
c.2) Seleccin de la mejor distribucin probabilstica de fallos y Prueba de

(Software RELEST)
201

recta es la Distribucin de Weibull; sin embargo, para tener mayor seguridad
sobre la eleccin de la mejor distribucin probabilstica que se ajustan a los
datos del tiempo entre fallos del equipo, se realiz la Prueba de Bondad de
Ajuste utilizando el Software DISMA.
Prueba de bondad de ajuste K-S (Software DISMA)

202
203
Por lo tanto, la distribucin probabilstica que mejor se ajusta a los datos

histricos del tiempo entre fallas para la Bomba de Pulpa SRL 10 X 8 N4 es
la Distribucin Weibull, la cual se utiliz para realizar el anlisis de
confiabilidad del equipo.
c.3) Obtencin del TMEF, de la confiabilidad y de la tasa de fallos (para
dicho TMEF) para la Bomba de Pulpa SRL 10 X 8 N4, utilizando el
Software Relest.
Se observa que el TMEF o el tiempo que se estima que no fallar la Bomba de

Pulpa SRL 10 X 8 N4 son de 148,247 das.
Luego, se evala la confiabilidad y la tasa de fallos para este valor del TMEF:
204
Se observa, que la confiabilidad y la tasa de fallas para la Bomba de Pulpa SRL

10 X 8 N4 resultan ser: 0,50396 (50,396%) y 0,01693 (1,693%)
respectivamente.
c.4) Curvas Caractersticas de la funciones de densidad probabilstica, de

la confiabilidad, de la tasa de fallos y de la infiabilidad del equipo
para el TMEF
d. EVALUACIN DEL TMEF, DE LA CONFIABILIDAD, DE LA TASA DE

BOMBA DE PULPA SRL 10 X 8 N7

d.1) Ingreso de datos histricos del TEF y validacin de dichos datos
(prueba de valores extremos) utilizando el Software RELEST
205
d.2) Seleccin de la mejor distribucin probabilstica de fallos y Prueba de

(Software RELEST)
206
207
208
Se observa que la distribucin probabilstica que mejor se ajusta a los datos

histricos del tiempo entre fallos
de la Bomba SRL 10 x 8 N7
es la
Distribucin Uniforme (coeficiente de K-S = 0,37796449); sin embargo, por la

facilidad del manejo de sus parmetros, se seleccion la Distribucin de
Weibull que tiene un coeficiente de K-S < 1 (coeficiente de K-S = 0,45996984).
d.3) Obtencin del Tiempo Medio Entre Fallos (TMEF), de la confiabilidad

y de la tasa de fallos (para dicho TMEF) de la Bomba de Pulpa SRL 10
X 8 N7, utilizando el Software RELEST.
209
Se observa que el TMEF o el tiempo que se estima que no fallar la Bomba de

Pulpa SRL 10 X 8 N7 son 167,513 das.
210
Se observa, que la confiabilidad y la tasa de fallas para la Bomba de Pulpa SRL

10 X 8 N7 resultan ser: 0,51227 (51,227%) y 0,01689 (1,689%)
respectivamente.
d.4) Curvas Caractersticas de las funciones densidad de probabilidad,
confiabilidad, tasa de fallos y de la infiabilidad de la Bomba SRL 10 x 8
N7 para el TMEF
e. EVALUACIN DEL TMEF, DE LA CONFIABILIDAD, DE LA TASA DE

FALLOS Y CURVAS CARACTERSTICAS (PARA DICHO TMEF) DEL
MOLINO 7 X 10
e.1) Ingreso de datos histricos del TEF y validacin de dichos datos
utilizando el Software RELEST
211
e.2) Seleccin de la mejor distribucin probabilstica de fallos y Prueba de

(Software RELEST)
212
213
214
Se observa que la distribucin probabilstica que mejor se ajusta a los datos

histricos del tiempo entre fallos del Molino 7 x 10 es la Distribucin de
Weibull (coeficiente de K-S = 0,33272691), la cual se utiliz para realizar el
anlisis de confiabilidad del equipo.
e.3) Obtencin del TMEF, de la confiabilidad y de la tasa de fallos (para

dicho TMEF) del Molino 7 x 10, utilizando el Software RELEST.
215
Se observa que el TMEF o el tiempo que se estima que no fallar el
Molino
7 x 10 es de 147,22 das.
Se observa, que la confiabilidad y la tasa de fallas para el molino 7 x 10

resultan ser: 0,50818 (50,818%) y 0,01808 (1,808%) respectivamente.
216
e.4) Curvas Caractersticas de las funciones de densidad de probabilidad,

de la confiabilidad, de la tasa de fallos y de la infiabilidad del equipo
par el TMEF
3.9 EVALUACIN DE LA CONFIABILIDAD DE LA LNEA DE FLOTACIN,

TENIENDO EN CUENTA LA CONFIABILIDAD DE LOS EQUIPOS
CRTICOS PARA LOS TIEMPOS MEDIOS ENTRE FALLOS
La lnea de flotacin es una lnea productiva cuyos equipos crticos estn
acopados en serie, por lo que la confiabilidad de la lnea se calcula de la
siguiente forma:
Rs= R1*R2*R3*R4*R5
(ver tem 2.4.3.8 parte a) del
Captulo II)
Celda N1
R1 = 0,49964
Celda N2
R2 = 0,51173
Bomba N4
R3 = 0,50396
Bomba N7
R4 = 0,51227
Molino 7 X 10
R5 = 0,50818
Confiabilidad de lnea
Rs = 0,03354
En porcentaje
Rs = 3,354 %
217
Tal como se observa, la confiabilidad de de la lnea de flotacin es de 3,354%

lo cual resulta ser una confiabilidad muy baja, esto debido a que la confiabilidad
de los equipos crticos que lo conforman no es buena.
3.10 DETERMINACIN DEL TIEMPO MEDIO DE REPARACIN (TMDR =

MTTR) DE CADA EQUIPO CRTICO DE LA LNEA DE FLOTACION
En general, para determinar el Tiempo Medio de Reparacin (TMDR) de un
equipo, que es un ndice clave para la mantenibilidad,
se puede utilizar la
siguiente expresin (ver expresiones matemticas de la figura 2.36):

n
TMDR MTTR
TDR TFS
i 1
N .deCorrectivos
Luego, para el caso de cada equipo crtico de la lnea de flotacin, se tiene:
TMDR
TDR1 TDR2 TDR3 TDR4 TDR5 TDR TDR6

6
N de reparacin de
correctivos
Celda OK Celda OK Bomba SRL Bomba SRL Molino

50 N1 de 50 N2 de 10 x 8 N4 10 x 8 N7 7 X 10
Bulk
Bulk
TDR=TFS
(horas)
TDR=TFS
(horas)
TDR=TFS
(horas)
TDR=TFS
(horas)
TDR=TFS
(horas)
10
10
12
11
38
41
15
15
43
6,333
6,833
2,5
2,5
7,166
Horas
Horas
Horas
Horas
Horas
TDR
N total de
reparaciones
de correctivos
TMDR=MTTR
de cada
equipo
218
De los resultados de la tabla se observa, que el tiempo (promedio) que se

estima para reparar cada uno de los equipos crticos de la lnea de flotacin
resulta ser un tiempo pequeo, siendo el Molino 7 X 10 el equipo crtico que
estima un mayor tiempo para su reparacin (7,166 horas), que tal como se
observa resulta ser un tiempo pequeo.
OBSERVACIN
Cabe resaltar, que el TMDR de cada equipo crtico de la lnea de flotacin
tambin se puede determinar utilizando el historial de datos del tiempo de
reparacin (TDR) de cada equipo y la
distribucin de probabilidad de la
mantenibilidad M (t ) que mejor se ajusta a dichos datos histricos. Es decir, se

procede de idntica forma que para el caso de la determinacin del Tiempo
Medio entre Fallas (TMEF), utilizando los SOFTWARE RELEST (ver anexo N
3)
3.11 EVALUACION DE LA DISPONIBILIDAD DE LOS EQUIPOS CRTICOS

DE LA LNEA DE FLOTACIN
Teniendo en cuenta el fundamento terico de la Disponibilidad formulado en el
tem 2.4.3.10 del Captulo II, la expresin matemtica que se utiliza para
determinar el valor de la Disponibilidad de cada equipo crtico de la lnea de
flotacin es la siguiente:
TMEF
x100%
TMEF TMDR
Celda OK 50 Celda OK 50 Bomba SRL Bomba SRL Molino

N1 de Bulk N2 de Bulk 10 x 8 N4 10 x 8 N7 7 X 10
TMEF
(horas)
1 507,44
1 627,824
3 557,928
4 020,312
3 533,28
Horas
Horas
Horas
Horas
Horas
TMDR
(horas)
6,333
6,833
2,5
2,5
7,166
Horas
Horas
Horas
Horas
Horas
99,58199%
99,92978%
99,93785%
99,79759%
Disponi99,58183%
bilidad en
porcentaje
219
Se observa, que para los tiempos medios entre fallos, todos los equipos crticos
de la lnea de flotacin presentan alta disponibilidad, esto implica que cada uno
de los cinco (05) equipos tiene alta probabilidad de estar aptos o listos para
trabajar. Esta alta disponibilidad de cada equipo crtico se debe
a que los
TMDR de cada equipo son pequeos comparados con los TMEF; es decir, la
reparacin de cada equipo toma poco tiempo.
3.12 EVALUACIN DEL GRADO DE CONOCIMIENTO DEL PERSONAL DE

MANTENIMIENTO DE LA PLANTA CONCENTRADORA, REFERENTE
A
LAS
TCNICAS
CUALITATIVAS
CUANTITATIVAS
DEL
MANTENIMIENTO
En la Planta Concentradora Berna II, el Departamento de Produccin es la
encargada de realizar el mantenimiento de los equipos de las diferentes lneas
productivas de la planta. Para tal fin, este departamento, encarga a cuatro (4)
profesionales (ingenieros), realizar las diferentes actividades que demanda el
mantenimiento de los equipos de la planta. Al respecto, con la finalidad de
conocer el grado de conocimiento en lo referente a las tcnicas cualitativas y
cuantitativas del mantenimiento, se realiz una encuesta a cada una de las
cuatro (04) personas
encargadas del mantenimiento de la planta. La
informacin obtenida, sirvi para ver el estado actual de capacitacin del

personal de mantenimiento en las temticas mencionadas, indicador importante
a tener en cuenta en la evaluacin del estado situacional de la Gestin del
Mantenimiento de los equipos de la lnea de flotacin.
Teniendo en cuenta que solo cuatro (04) profesionales son los encargados del
mantenimiento de los equipos de la planta concentradora, y por ende de los
equipos de la lnea de flotacin, entonces, por ser una poblacin pequea, no
fue necesario determinar muestra alguna, sino se realiz directamente la
encuesta a cada una de dichas personas.
Al respecto, en la tabla 3.62 adjunta, se aprecian las preguntas formuladas y el

promedio de los resultados obtenidos para cada pregunta.
220
TABLA 3.62. Resultados de la encuesta efectuada al personal de

mantenimiento de la planta concentradora
DEPARTAMENTO DE PRODUCCIN DE LA PLANTA

CONCENTRADORA BERNA II
RESULTADO DE LA ENCUESTA REALIZADO AL PERSONAL DE
MANTENIMIENTO
AO: 2010
TEMA: EVALUACIN DEL CONOCIMIENTO EN TECNICAS
CUALITATIVAS Y CUANTITATIVAS DEL MANTTO.
Numeral
PREGUNTA
Conoce el significado del RCM?
Ha realizado la implementacin de este tipo de

mantenimiento?
Conoce el significado del tiempo medio entre

fallos (TMEF) y sabe como determinarlo?
Conoce el significado del tiempo medio de

reparacin de fallos (TMDR) y sabe como
determinarlo?
Conoce el significado del anlisis criticidad y

sabe cmo aplicarlo?
Conoce el significado de fallas funcionales?
Conoce el significado del anlisis de los modos y

efectos de fallos?
Conoce el significado del anlisis de las causas

de las fallos?
Conoce el significado de la etapa del ciclo de vida

de un equipo y sabe como determinarlo?
10
11
Conoce las distribuciones probabilsticas que se

utilizan para analizar cuantitativamente la
confiabilidad, mantenibilidad, disponibilidad y tasa
de fallos de un equipo?
Conoce el significado del costo total de la no
disponibilidad (CTND) de un equipo y sabe como
determinarlo?
Respuesta
Promedio
en %
Si
25
No
75
Si
No
100
Si
25
No
75
Si
25
No
75
Si
No
100
Si
No
100
Si
No
100
Si
50
No
50
Si
No
100
Si
No
100
Si
25
No
75
221
De los resultados de la tabla 3.62 se observa que el promedio en porcentaje de

cada pregunta respondida por personal de mantenimiento referente al
conocimiento de las tcnicas cualitativas y cuantitativas del mantenimiento, es
muy bajo, lo cual demuestra que el personal de mantenimiento de la planta
concentradora no est capacitado en estos temas fundamentales del
mantenimiento,
y por lo tanto, incide negativamente en la Gestin de
Mantenimiento de los equipos de la planta y por ende de los equipos de la lnea

de flotacin.
3.13
SITUACIN ACTUAL DE LA GESTIN DEL MANTENIMIENTO DE

LOS EQUIPOS DE LA PLANTA
En la actualidad, se realiza cada treinta (30) das el mantenimiento preventivo a

los equipos principales de las diferentes lneas productivas de la planta, sin una
planificacin adecuada, como consecuencia de que el departamento de
produccin es quien define el ciclo de mantenimiento de los equipos,
preocupndose ms por el tonelaje de produccin que por una eficiente
Gestin del Mantenimiento de equipos.
Al respecto, cabe resaltar, que la compaa no cuenta con una Gerencia o

Departamento de Mantenimiento especfico y con personal calificado. El
personal
dedicado
al
mantenimiento
Departamento de produccin y
de
los
equipos
pertenece
al
son cuatro (04) profesionales que tienen
limitado conocimiento en materia de Gestin del Mantenimiento de equipos,

dado
que
desconocen
las
tcnicas
cualitativas
cuantitativas
del
mantenimiento.
Por los motivos sealados, la Gestin del Mantenimiento de los equipos en las
diferentes lneas productivas de la Planta Concentradora Berna II, es deficiente.
222
CAPTULO IV
PROPUESTA DE MEJORA DE LA GESTIN DEL
MANTENIMIENTO PREVENTIVO DE LOS EQUIPOS
CRTICOS DE LA LNEA DE FLOTACIN EN BASE A UN
ANLISIS
DE
CONFIABILIDAD.
ANLISIS
DE
RESULTADOS Y CONTRASTACIN DE LAS HIPTESIS

La propuesta de mejora o de optimizacin de la Gestin del Mantenimiento de
los equipos crticos de la lnea de flotacin de la Planta Concentradora Berna II
se fundamenta principalmente en los siguientes aspectos:
1.
en determinar el tiempo o ciclo ptimo para la planificacin y programacin del

mantenimiento preventivo de dichos equipos, en base a una confiabilidad
proyectada de valor prximo o mayor al 85% para los mismos, con lo cual se
garantiza una alta probabilidad de operatividad,
2. en formular lineamientos que orienten a mejorar la Gestin del Mantenimiento

de los equipos de la Planta Concentradora Berna II, y por ende de los equipos
principales de la lnea de flotacin, y
3. en proponer planes de mantenimiento preventivo para cada uno de los equipos

crticos de la lnea de flotacin, en base a la propuesta del tiempo o ciclo
ptimo para el mantenimiento.
Sin embargo, antes de analizar cul ser el tiempo o ciclo ms recomendable

para realizar el mantenimiento preventivo de los equipos crticos de la lnea de
223
flotacin, se evalu la incidencia del actual ciclo de mantenimiento (30 das) en

la confiabilidad de dichos equipos.
4.8
EVALUACIN
DE
LA
INCIDENCIA
DEL
ACTUAL
CICLO
DE
MANTENIMIENTO DE TREINTA (30) DAS EN LA CONFIABILIDAD DE LOS

EQUIPOS CRTICOS DE LA LNEA DE FLOTACIN
En este apartado se evalu el nivel de confiabilidad de los equipos crticos de la lnea

de flotacin, para el ciclo de mantenimiento de treinta (30), que es como se viene
efectuando actualmente en la planta concentradora. Para ello, se utiliz el Software
RELEST, y se tom en cuenta la Distribucin Probabilstica de Weibull que es la
distribucin que mejor se ajusta a los datos histricos del tiempo de fallos de los
equipos crticos. Luego, para cada equipo se determin el valor de la confiabilidad
para el ciclo de mantenimiento de 30 (treinta) das; enseguida, se analiz la
conveniencia o no de considerar los 30 (treinta) das como ciclo de mantenimiento,
teniendo en cuenta la implicancia de los costes del mantenimiento del equipo
proyectados a un (1) ao. A continuacin se evalu y se analiz tal situacin para cada
equipo crtico de la lnea de flotacin.
a) Caso de la Celda OK 50 N1 de Bulk (ciclo de mantenimiento, 30 das)
224
Se observa que para el ciclo de mantenimiento de 30 das, la probabilidad de

confiabilidad del equipo es de 0,94608 (94,608%), el cual es un valor alto, ya
que la probabilidad de falla del equipo es solamente de 5,392% . Sin embargo,
con la finalidad de reducir costes de mantenimiento del equipo proyectados a
un (1) ao, se debe buscar un mayor tiempo como ciclo de mantenimiento,
teniendo en cuenta la confiabilidad proyectada de valor prximo o mayor al
85% para dicho ciclo de mantenimiento.
b) Caso de la Celda
OK 50 N2 de Bulk
(ciclo de mantenimiento, 30 das)
Al igual que el caso anterior, para el ciclo de mantenimiento de 30 das la

probabilidad de confiabilidad de este equipo es alta (97,824%), incluso la
probabilidad de falla del equipo es menor (2,176); por lo tanto, con la finalidad
de reducir costos de mantenimiento del equipo, se debe buscar un mayor
tiempo como ciclo de mantenimiento, teniendo en cuenta la confiabilidad
proyectada
de valor prximo o mayor al 85% para dicho ciclo de
mantenimiento.
c) Caso de la Bomba SRL 10 x 8
N4
225
Se observa que para el ciclo de mantenimiento de 30 das, la probabilidad de

confiabilidad del equipo es de 0,99803 (99,803%), el cual es un valor muy alto,
dado que la probabilidad de falla del equipo es de solo 0,197%; por
consiguiente,
para reducir costos de mantenimiento del equipo, se debe
considerar un mayor tiempo como ciclo de mantenimiento, teniendo en cuenta

la confiabilidad proyectada de valor prximo o mayor al 85% para dicho ciclo
de mantenimiento.
d) Caso de la
Bomba SRL 10 x 8 N7
226
Al igual que el caso anterior, para el ciclo de mantenimiento de 30 das, la

probabilidad de confiabilidad de este equipo es prcticamente ideal (99,954%),
por lo tanto, para reducir costos de mantenimiento del equipo, no conviene
utilizar como ciclo de mantenimiento los treinta (30) das, sino se debe buscar
un mayor tiempo, pero teniendo en cuenta la confiabilidad proyectada de valor
prximo o mayor al 85% para dicho ciclo de mantenimiento.
e) Caso del Molino 7 X 10 (ciclo de mantenimiento, 30 das)
Al igual que en todos los casos anteriores, para el ciclo de mantenimiento de 30

das, la probabilidad de confiabilidad de este equipo tambin resulta ser alta
(99,87%), por lo tanto, con la finalidad de reducir costos de mantenimiento del
equipo, se debe buscar un mayor tiempo como ciclo de mantenimiento,
teniendo en cuenta la confiabilidad proyectada de valor prximo o mayor al
85% para dicho ciclo de mantenimiento.
De otra parte, de la evaluacin realizada a los equipos crticos de la lnea de
flotacin referente al TMEF y a la confiabilidad para este tiempo como ciclo de
mantenimiento, se obtuvieron los siguientes resultados (ver Captulo III):
227
TABLA 4.1. Tiempo Medio Entre Fallas (TMEF) y Confiabilidad de los

equipos crticos de la lnea de flotacin para estos tiempos
medios
EQUIPO
TMEF
62,81 das
CONFIABILIDA
D
49,964 %
67,826 das
51,173%
Bomba SRL 10 x 8 N4
148,247 das
50,396%)
Bomba SRL 10 x 8 N7
167,513 das
51,227%)
Molino 7 X 10
147,22 das
50,818%
De los valores de la tabla, se deduce, que no es conveniente considerar a los

TMEF de los equipos como los ciclos o periodos para planificar y programar el
mantenimiento preventivo de cada uno de ellos, dado que las confiabilidades
que presentan los equipos para dichos tiempos medios, no son las ms
recomendables. En ese sentido, conviene analizar y determinar cul es el
tiempo o ciclo ptimo que se debe recomendar para planificar y programar el
mantenimiento preventivo de cada equipo crtico.
4.2
PROPUESTA DEL CICLO PTIMO PARA EL MANTENIMIENTO

PREVENTIVO
DE LOS EQUIPOS CRTICOS BASADA EN EL
ANLISIS DE CONFIABILIDAD DE LOS MISMOS
En general, para poder proponer cul es el tiempo o ciclo ptimo para el

mantenimiento preventivo de los equipos crticos de la lnea de flotacin, se
analiz para cada equipo crtico, los tiempos caractersticos y las
probabilidades de confiabilidad correspondientes que se obtiene con el
Software RELEST, teniendo en cuenta la Distribucin Probabilstica de Weibull
que se seleccion con el software DISMA. Al respecto, cabe sealar, que el
valor que se ha proyectado para la probabilidad de confiabilidad de los equipos
crticos de la lnea de flotacin es prximo o mayor al 85% (valor de clase
228
mundial relacionado con la OEE); por lo tanto, el rango de probabilidades que

se consider en el anlisis ser las que estn alrededor del 75 al 90%.
A continuacin se muestra el procedimiento correspondiente para cada equipo

crtico.
a) Caso de la Celda OK 50 N1 de Bulk
Observando la lectura de los tiempos caractersticos, vemos que hay una confiabilidad
del equipo entre 75 y 90% para tiempos de operacin entre 48 y 36 das de trabajo,
respectivamente. En tal sentido, se propone hacer un plan de inspeccin y ajustes del
equipo, es decir, se propone planificar y programar el mantenimiento preventivo de la
cada 40 das.
En seguida, utilizando el Software Relest, se determin el nuevo valor de la

confiabilidad de la
Celda OK 50 N1 de Bulk ,
para el tiempo de los 40 das
propuestos.
229
Se observa, que hay una probabilidad de confiabilidad del equipo del 0,86221
(86,221%) para el tiempo de operacin de 40 das de trabajo, la cual resulta ser un
valor aceptable.
b) Caso de la Celda
OK 50 N2 de Bulk
230
cada 50 das.
A continuacin se determin el nuevo valor de la confiabilidad de la
Celda OK 50 N2
de Bulk , para el tiempo de los 50 das propuesto.
Se observa, que hay una confiabilidad del equipo de 0,82958 (82,958%) para el tiempo
de operacin de 50 das de trabajo, la cual resulta ser un valor aceptable.
c) Caso de la Bomba SRL 10 x 8
N4
231
Bomba SRL 10 x 8 N4
cada 100 das.
En seguida, utilizando el Software RELEST, se determin el nuevo valor de la

confiabilidad de la Bomba SRL 10 x 8
N4, para el tiempo de los 100 das propuesto.
de operacin de 100 das de trabajo, lo cual resulta ser un valor aceptable.
d) Caso de la
Bomba SRL 10 x 8 N7
232
Bomba SRL 10 x 8 N7
cada 120 das.
A continuacin se determin el nuevo valor de la confiabilidad de la
Bomba SRL 10 x
8 N7, para el tiempo de los 100 das propuesto.
233
e) Caso del Molino 7 X 10
234
equipo, es decir, se propone planificar y programar el mantenimiento preventivo del
Molino 7 X 10
cada 100 das.
En seguida, utilizando el Software Relest, se determin el nuevo valor de la

confiabilidad del Molino 7 X 10, para el tiempo de los 100 das propuesto.
4.3
LINEAMIENTOS
ORIENTADOS
MEJORAR
LA
GESTIN
DEL
MANTENIMIENTO DE LA PLANTA CONCENTRADORA BERNA II
Los lineamientos que a continuacin se proponen, estn dirigidas a mejorar la gestin

del mantenimiento de la Planta Concentradora, enmarcndose en los propsitos de la
compaa y en las expectativas y necesidades de los clientes.
Entre los principales lineamientos se pueden mencionar las siguientes:
235
1.
Planificar, programar y ejecutar el mantenimiento preventivo de los equipos

crticos de la planta concentradora, en base al anlisis de confiabilidad de los
mismos.
2. La logstica y dems requerimientos necesarios para realizar el mantenimiento

preventivo de los equipos crticos de la planta
concentradora, deben
planificarse
el
programarse
teniendo
en
cuenta
ciclo
ptimo
de
mantenimiento.
3. Impulsar, planificar y programar la capacitacin continua del personal de
mantenimiento en temtica de confiabilidad de equipos y sistemas y dems
temas de actualidad sobre mantenimiento.
4. Brindar educacin ambiental y de seguridad a todo el personal de
mantenimiento de la planta.
5. Impulsar el benchmarking en el departamento de mantenimiento y en todos los
niveles de la organizacin, ello conllevar a la mejora continua en diferentes
aspectos.
6. Establecer auditorias peridicas en el departamento de mantenimiento, con el
propsito de identificar anomalas y/o problemas para luego hacer las mejoras
o correcciones necesarias.
7. Promover e impulsar la certificacin de la compaa en diferentes normativas
mundiales, como: en gestin de la calidad (ISO 9001), gestin del medio
ambiente (ISO 14001), seguridad industrial (ISO 18000), entre otros.
8. Cumplir la legislacin y otros requisitos que suscriba la gerencia de la
compaa, en materia de mantenimiento, seguridad y medioambiente.
4.4 PLANIFICACIN DEL MANTENIMIENTO PREVENTIVO DE LOS

EQUIPOS CRTICOS DE LA LNEA DE FLOTACIN EN BASE A LA
PROPUESTA DEL CICLO PTIMO
A nivel industrial, todo departamento o gerencia de mantenimiento dentro de

una organizacin debe estar orientada a preservar y garantizar que los equipos
que pertenecen al proceso productivo de la empresa estn constantemente
disponibles para operar, ya que de esto depende el xito y la existencia de la
organizacin.
En ese sentido, con el propsito de garantizar una alta disponibilidad de los
equipos crticos de la lnea de flotacin, se debe planificar y programar el
236
mantenimiento preventivo segn los requerimientos de cada equipo crtico,

teniendo en cuenta la propuesta del ciclo ptimo para el mantenimiento.
A continuacin se presenta la propuesta de los planes de mantenimiento

preventivo de los equipos crticos de la lnea de flotacin, los mismos que
contienen: nombre del equipo, la frecuencia ptima de mantenimiento del
equipo, condicin operacional del equipo, las actividades de mantenimiento a
ejecutar
y la
frecuencia
de
mantenimiento
para
cada
actividad
de
mantenimiento.
TABLA 4.2. Plan de mantenimiento preventivo: Celda OK 50 N1 de Bulk
PLAN DE MANTENIMIENTO
CICLO PTIMO DE
MANTENIMIENTO
DEL EQUIPO:
40 das
Condicin
operacional
del equipo
Actividades de mantenimiento
Frecuencia de
mantenimiento
Detenido
Revisin del revestimiento y estructura del

impulsor
40 das
Detenido

estator
40 das
Operando
Realizar anlisis vibracional a eje superior o

upper shaft
15 das
Detenido
Verificacin de alineamiento de eje inferior

o lower shaft
40 das
Operando
Realizar anlisis de termografa a

rodamientos de eje superior y de motor
elctrico
15 das
Detenido
Revisar pernos de amarre de impulsor
40 das
Detenido
Revisar pernos de amarre de eje superior e

inferior
40 das
Detenido
Revisar fajas de transmisin
40 das
Detenido
Revisar poleas conductora y conducida
40 das
237
Detenido
Revisar alineamiento de poleas conductora

y conducida
40 das
Detenido
Realizar medicin de espesores de tanque,

cilindro y base
40 das
Operando
Revisar pernos de amarra de rack
5 das
Operando
Revisar rack, soldadura, estructura
5 das
Operando
Revisar pernos de puente principal
20 das
Detenido
Revisar puente principal, incluye soldadura,

estructura
40 das
Detenido
Revisar filtros, actuadores neumticos

acoples, dardos, eje del sistema automtico
de apertura y cierre de compuertas de
carga y descarga
40 das
Detenido
Revisar controlador automtico
40 das
Detenido
Revisar aislamiento de motor elctrico
40 das
Detenido
Medicin de puesta a tierra
100 das
TABLA 4.3. Plan de mantenimiento preventivo: Celda OK 50 N2 de Bulk
CICLO PTIMO DE
MANTENIMIENTO
DEL EQUIPO:
50 das
Condicin
operacional
del equipo
Frecuencia de
mantenimiento
Detenido

impulsor
50 das
Detenido

estator
50 das
Operando
Realizar anlisis vibracional a eje superior o

upper shaft
15 das
Detenido
Verificacin de alineamiento de eje inferior

o lower shaft
50 das
238
Operando
Realizar anlisis de termografa a

rodamientos de eje superior y de motor
elctrico
15 das
Detenido
Revisar pernos de amarre de impulsor
50 das
Detenido
Revisar pernos de amarre de eje superior e

inferior
50 das
Detenido
Revisar fajas de transmisin
50 das
Detenido
Revisar poleas conductora y conducida
50 das
Detenido
Revisar alineamiento de poleas conductora

y conducida
50 das
Detenido
Realizar medicin de espesores de tanque,

cilindro y base
50 das
Operando
Revisar pernos de amarra de rack
5 das
Operando
Revisar rack, soldadura, estructura
5 das
Operando
Revisar pernos de puente principal
25 das
Detenido
Revisar puente principal, incluye soldadura,

estructura
50 das
Detenido
Revisar filtros, actuadores neumticos

acoples, dardos, eje del sistema automtico
de apertura y cierre de compuertas de
carga y descarga
50 das
Detenido
Revisar controlador automtico
50 das
Detenido
Revisar aislamiento de motor elctrico
50 das
Detenido
Medicin de puesta a tierra
100 das
239
TABLA 4.4. Plan de mantenimiento preventivo: Bomba SRL 10 x 8 N4
CICLO PTIMO DE
MANTENIMIENTO
DEL EQUIPO:
BOMBA SRL 10 X 8 N4
100 das
Condicin
operacional
del equipo
Frecuencia de
mantenimiento
Detenido

impulsor
100 das
Detenido
Revisin de los forros lado prensa y succin
100 das
Operando
Realizar
bomba)
25 das
Detenido
Revisin de bocina prensa
100 das
Operando
Realizar anlisis de termografa (motor y

bomba)
25 das
Detenido
Revisin de expulsor
100 das
Detenido
Revisin del botador de agua
100 das
Detenido
Lubricacin de rodamientos de eje principal
100 das
Detenido
Revisin de estopa
100 das
Operando
Revisin y anlisis del aceite de lubricacin

de los rodamientos
25 das
Operando
Medicin de temperatura a rodamientos
5 das
Detenido
Revisin de anillo de succin
100 das
Detenido
Revisin de eje impulsor
100 das
Detenido
Revisin de fajas de transmisin
100 das
Detenido
Revisin de poleas, lado motor y bomba
100 das
Detenido
Revisin de terminaciones de alimentacin

elctrica
100 das
Detenido
Revisin de aislamiento del motor
100 das
anlisis
vibracional
(motor
240
Detenido
Revisin de
velocidad
tablero
con
variador
de
100 das
Detenido
Revisin de la puesta a tierra
100 das
Detenido
Revisin del controlador de nivel
50 das
Detenido
Revisin del cajn de alimentacin
50 das
Detenido
Revisin del tubo de succin
50 das
TABLA 4.5. Plan de mantenimiento preventivo: Bomba SRL 10 x 8 N7

CICLO PTIMO DE
MANTENIMIENTO
DEL EQUIPO:
BOMBA SRL 10 X 8 N7
120 das
Condicin
operacional
del equipo
Frecuencia de
mantenimiento
Detenido

impulsor
120 das
Detenido
Revisin de los forros lado prensa y succin
120 das
Operando
Realizar
bomba)
25 das
Detenido
Revisin de bocina prensa
120 das
Operando
Realizar anlisis de termografa (motor y

bomba)
25 das
Detenido
Revisin de expulsor
120 das
Detenido
Revisin del botador de agua
120 das
Detenido
Lubricacin de rodamientos de eje principal
120 das
Detenido
Revisin de estopa
120 das
Operando
Revisin y anlisis del aceite de lubricacin

de los rodamientos
25 das
Operando
Medicin de temperatura a rodamientos
5 das
anlisis
vibracional
(motor
241
Detenido
Revisin de anillo de succin
120 das
Detenido
Revisin de eje impulsor
120 das
Detenido
Revisin de fajas de transmisin
120 das
Detenido
Revisin de poleas, lado motor y bomba
120 das
Detenido
Revisin de terminaciones de alimentacin

elctrica
120 das
Detenido
Revisin de aislamiento del motor
120 das
Detenido
Revisin de
velocidad
Detenido
Revisin de la puesta a tierra
120 das
Detenido
Revisin del controlador de nivel
50 das
Detenido
Revisin del cajn de alimentacin
50 das
Detenido
Revisin del tubo de succin
50 das
tablero
con
variador
de
120 das
TABLA 4.6. Plan de mantenimiento preventivo: Molino 7 X 10
MOLINO 7 X 10
CICLO PTIMO DE
MANTENIMIENTO
DEL EQUIPO:
100 das
Condicin
operacional
del equipo
Detenido
Revisin de forros de caucho lado tapa y

cilindro, incluye lifter, placas, anillos,
medicin del espesor, pernos
Frecuencia de
mantenimiento
100 das
Detenido
Revisin de alineamiento del contra eje,

polea y cilindro del molino
100 das
Operando
Realizar anlisis vibracional rodamientos

del contra eje y eje de polea principal
25 das
Detenido
Revisar estado de las fajas de transmisin
100 das
Operando
Realizar anlisis de termografa de motor
25 das
242
4.5
Detenido
Realizar medicin de aislamiento de motor
50 das
Detenido
Realizar medicin de puesta a tierra
100 das
Detenido
Revisin de forro tromel carga y descarga
50 das
Detenido
Revisin de chumaceras principales
50 das
Operando
Anlisis de aceite de lubricacin de pin

catalina
50 das
Detenido
Revisin de dientes, backlash, fondo de

diente de pin y catalina
100 das
Detenido
Revisin de cajn de alimentacin
50 das
Detenido
Revisin de Spout feeder
50 das
Operando
Medicin de temperaturas de casquillos de

chumaceras principales, rodamientos de
contra eje, rodamientos
05 das
Operando
Revisin de pernos de anclaje
25 das
COMPARACIN DE LOS COSTOS ANUALES DEL MANTENIMIENTO

PREVENTIVO DE LOS EQUIPOS CRTICOS DE LA LNEA DE
FLOTACIN, TENIENDO EN CUENTA EL CICLO ACTUAL DE
MANTENIMIENTO DE 30 DAS Y EL CICLO PTIMO PROPUESTO
4.5.1 COSTOS DEL MANTENIMIENTO PREVENTIVO ACTUAL, ES DECIR,

CADA 30 DAS
A continuacin se muestran en tablas los costos del mantenimiento preventivo
de los equipos crticos de la lnea de flotacin que actualmente se practica,
cada treinta (30) das, en la Planta Concentradora Berna II.
a) Equipo critico: Celda
OK50 N1 de Bulk
Mes
Costo directo
Costo Indirecto
Costo total/mes
Enero
($)
2 124
($)
2 320
($)
4 444
243
Febrero
1 950
2 156
4 106
Marzo
1 889
3 240
5 129
Abril
1 980
3 150
5 130
Mayo
2 060
2 800
4 860
Junio
1 960
3 050
5 010
Julio
2 589
3 689
6 278
Agosto
2 345
3 456
5 801
Setiembre
2 169
2 756
4 925
Octubre
2 067
2 560
4 627
Noviembre
2 130
3 450
5 580
Diciembre
2 100
3 560
5 660
COSTO TOTAL POR AO DE MANTTO. $61 550
b) Equipo critico: Celda
Mes
OK50 N2 de Bulk
Costo Directo
Costo Indirecto
Costo total/ mes
($)
($)
($)
Enero
2 130
3 045
5 175
Febrero
1 987
2 967
4 945
Marzo
2 340
3 280
5 620
Abril
2 040
3 120
5 160
Mayo
2 023
3 890
5 913
Junio
2 600
3 450
6 050
Julio
2 300
2 890
5 190
Agosto
1 994
3 007
5 001
Setiembre
1 890
2 956
4 846
Octubre
2 050
3 167
5 217
Noviembre
2 120
3 289
5 409
Diciembre
2 278
3 456
5 734
244
c) Equipo Critico: Bomba
SRL 10 x 8 N4
Costo directo
Costo Indirecto
Costo total/mes
($)
($)
($)
Enero
456
578
1 034
Febrero
478
580
1 058
Marzo
445
589
1 034
Abril
439
594
1 033
Mayo
412
598
1 010
Junio
423
578
1 001
Julio
456
556
1 034
Agosto
478
564
1 042
Setiembre
462
569
1 031
Octubre
428
532
960
Noviembre
472
596
1 068
Diciembre
451
554
1 005
Mes
COSTO TOTAL POR AO DE MANTTO.

d) Equipo critico: Bomba
$12 310
SRL 10 x 8 N7
Mes
Costo directo
Costo Indirecto
Costo total/mes
Enero
($)
431
($)
545
($)
976
Febrero
425
567
992
Marzo
489
520
1 009
Abril
467
538
1 005
Mayo
434
560
994
Junio
478
578
1 056
Julio
445
589
1 034
Agosto
432
558
990
245
Setiembre
495
584
1 079
Octubre
439
573
1 012
Noviembre
420
594
1 014
Diciembre
414
587
1 001

e. Equipo crtico: Molino 7 x
Mes
10
Costo directo
Costo Indirecto
Costo total/mes
($)
($)
($)
Enero
2 345
3 278
5 623
Febrero
2 200
3 689
5 889
Marzo
2 756
3 789
6 545
Abril
2 564
3 545
6 109
Mayo
2 467
3 720
6 187
Junio
2 648
3 825
6 473
Julio
2 634
3 367
6 001
Agosto
2 745
3 895
6 640
Setiembre
2 789
3 980
6 769
Octubre
2 994
4 105
7 099
Noviembre
2 543
3 980
6 523
Diciembre
2 490
3 567
6 057
4.5.2
$12 162
$75 915
COSTOS DEL MANTENIMIENTO PREVENTIVO PARA EL CICLO

PTIMO PROPUESTO
A continuacin se muestran en tablas los costos del mantenimiento preventivo

de los equipos crticos de la lnea de flotacin para el ciclo ptimo de
mantenimiento.
a) Equipo critico: Celda
OK 50 N1
(cada 40 das)
246
Ciclo ptimo de
mantto. en das
(comenzando
del 01 de enero
del 2 010)
Costo directo
Costo Indirecto
($)
($)
Costo total por

ciclo ptimo de
mantenimiento
($)
40
2 650
3 120
5 770
80
2 260
3 240
5 500
120
2 168
3 369
5 537
160
2 289
3 400
5 689
200
2 020
3 345
5 365
240
2 305
3 590
5 895
280
2 578
3 456
6 034
320
2 234
3 389
5 623
360
2 167
3 126
5 293

b) Equipo critico: Celda
Ciclo ptimo de
mantto. en das
(comenzando
del 01 de enero
del 2 010)
OK50 N2
(cada 50 das)
Costo directo
Costo Indirecto
($)
($)
Costo total por

ciclo ptimo de
mantenimiento
($)
50
2 450
3 200
5 650
100
2 520
3 540
6 060
150
2 645
3 645
6 290
200
2 367
3 756
6 123
250
2 739
3 658
6 397
300
2 567
3 867
6 434
350
2 893
3 998
6 891
COSTO TOTAL POR AO DE MANTTO. $ 43 845

c) Equipo Critico: Bomba
SRL 10 x 8 N4
(cada 100 das)
247
Ciclo ptimo de
mantto. en das
(comenzando
del 01 de enero
del 2 010)
Costo directo
Costo Indirecto
($)
($)
Costo total por

ciclo ptimo de
mantenimiento
($)
100
1 230
1 975
3 205
200
1 389
1 890
3 279
300
1 288
1 990
3 278

d. Equipo critico: Bomba
Ciclo ptimo de
mantto. en das
(comenzando
del 01 de enero
del 2 010)
SRL 10 x 8 N7
(cada 120 das)
Costo directo
Costo Indirecto
($)
($)
Costo total por

ciclo ptimo de
mantenimiento
($)
120
1 245
1 978
3 223
240
1 356
1 904
3 260
360
1 279
1 889
3 168
d) Equipo critico: Molino
Ciclo ptimo de
mantto. en das
7 x 10
(cada 100 das)
Costo directo
Costo Indirecto
($)
($)
(comenzando
del 01 de enero
del 2 010)
Costo total por

ciclo ptimo de
mantenimiento
($)
100
6 523
8 500
15 023
200
6 734
8 856
15 590
300
6 890
8 500
15 390
248
4.5.3
CUADRO RESUMEN DE LA COMPARACIN DE COSTOS TOTALES

DEL MANTENIMIENTO PREVENTIVO POR AO, TENIENDO EN
CUENTA EL CICLO ACTUAL DE 30 DAS Y EL CICLO PTIMO
PROPUESTO
En la tabla adjunta se hace la comparacin de costos totales anuales entre el

ciclo de mantenimiento actual con el ciclo ptimo de mantenimiento propuesto
Equipo critico
Costo total anual Costo total anual

con el ciclo actual con ciclo ptimo
de mantto. de 30
de mantto.
das
propuesto
($)
($)
Ahorro por ao
de mantto.
cuando se
considera el ciclo
ptimo propuesto
($)
Celda OK 50
N1 de Bulk
Celda OK 50
N2 de Bulk
Bomba
SRL
10 x 8 N4
Bomba
SRL
10 x 8 N7
Molino 7 x 10
61 550
50 706
10 844
64 260
43 845
20 415
12 310
9 762
2 548
12 162
9 651
2 511
75 915
46 003
29 912
249
TOTAL DE AHORRADO ANUAL POR EL MANTTO. PREVENTIVO

DE LOS CINCO (5) EQUIPOS CRTICOS DE LA LNEA DE
FLOTACIN
CONSIDERANDO
MANTENIMIENTO PROPUESTO:
EL
CICLO
PTIMO
DE
$ 66 230,00
4.6 ANLISIS Y DISCUSIN DE RESULTADOS
De la evaluacin efectuada
a la actual Gestin del Mantenimiento de los
equipos de la Planta Concentradora Berna II, se desprende, que prcticamente

no existe preocupacin de la compaa por tener una Gerencia o Departamento
de Mantenimiento con personal capacitado en las diferentes tcnicas de
mantenimiento que permita manejar adecuadamente los diferentes aspectos
que requiere la Gestin del mantenimiento; este hecho, se fundamenta en que
solo existen cuatro personas que tienen como funcin principal programar cada
treinta (30) das el mantenimiento de los equipos de la planta, sin haber
previamente efectuado una planificacin de los mismos, en base a
conocimientos de confiabilidad de equipos (o sistemas) o de tcnicas modernas
de mantenimiento.
Como no se planifica adecuadamente el mantenimiento, tampoco se planifica

adecuadamente la logstica o los requerimientos necesarios para realizar el
mantenimiento preventivo de los equipos, lo cual viene trayendo problemas, en
el entendido que muchas veces no se dispone de los repuestos y/o
instrumentos necesarios para efectuar la reparacin de los equipos.
Un aspecto importante a tener en cuenta, es que si se toma como referencia

los equipos crticos de la lnea de flotacin analizados en la presente Tesis, se
infiere que la mayora de los equipos principales de la Planta Concentradora
Berna II se encuentran en la etapa de envejecimiento, por lo que se requiere
priorizar un anlisis de criticidad de equipos en las diferentes lneas de
produccin de la planta, para identificar a los equipos crticos, para luego,
planificar y programar el mantenimiento predictivo a cada uno de ellos. Es
250
decir, es de prioridad hacer un seguimiento o monitoreo de condicin a los

equipos principales de la planta.
Otro aspecto relevante, a tener en cuenta, es que sin estudio alguno se viene
tomando como perodo o ciclo para efectuar el mantenimiento de los equipos
de la planta, treinta (30) das. Al respecto, del anlisis efectuado en la presente
investigacin se deduce, que si bien es cierto, con este ciclo de mantenimiento
se tiene para los equipos crticos de la lnea de flotacin una muy baja
probabilidad de falla (menor del 5,4%), sin embargo, este ciclo de
mantenimiento no es el ms recomendable, debido a que conlleva a mayores
costos de mantenimiento de los equipos por ao, en el entendido que los ciclos
de mantenimiento recomendables son mayores que treinta (30) das, y
adems, no todos los equipos crticos requieren de un nico
ciclo
de
mantenimiento. De este anlisis efectuado en lnea de flotacin, se infiere que

la compaa viene perdiendo dinero por la ineficaz Gestin del Mantenimiento
de los equipos de la planta concentradora.
De otra parte, cabe mencionar, que el coso de la no disponibilidad (CND) de los

equipos crticos de la lnea de flotacin, para el tiempo medio entre fallas
(TMEF), es alto, debido a que para estos tiempos o ciclos de mantenimiento de
los equipos, la probabilidad de falla de los mismos es alto (alrededor del 50%).
De este anlisis efectuado en la lnea de flotacin, se desprende, que no es
recomendable utilizar como ciclo de mantenimiento para los diferentes equipos
principales de los diferentes lneas productivas de la planta concentradora, los
tiempos medios entre fallos de dichos equipos, sino se debe buscar un ciclo
ptimo para planificar y programar el mantenimiento, basado en un anlisis de
confiabilidad de cada equipo.
4.7 CONTRASTACIN DE LAS HIPTESIS FORMULADAS

En general, cabe sealar, que la verificacin o contrastacin de la hiptesis
principal es la razn de todo trabajo de investigacin, dado que est
relacionada con el objetivo que se persigue.
251
Al respecto, en la presente investigacin, la contrastacin de la hiptesis

principal, se sustenta en la verificacin de las hiptesis especficas que se han
formulado en el primer captulo.
En ese contexto, en el Captulo III se evalu la criticidad de los equipos de la

lnea de flotacin y se encontr que cinco (05) son crticos, y que por lo tanto,
merecen especial atencin, siendo estos los siguientes: la Celda OK 50 N1 de
Bulk , la Celda OK 50 N2 de Bulk , la Bomba SRL 10 x 8 N4 , la Bomba SRL 10

x 8 N7 y el Molino 7 X 10.
Asimismo, ingresando la data histrica del tiempo entre fallos de cada equipo
crtico en el SOFTWARE DISMA, se determin el valor del parmetro de forma
de la Distribucin Probabilstica de Weibull de cada equipo crtico de la lnea
de flotacin. Dichos valores ayudaron a interpretar en qu etapa del ciclo de
vida se encuentra cada equipo crtico de la mencionada lnea productiva (ver
pginas desde la 184 hasta la 187 del Captulo III).
Los valores de obtenidos para cada equipo, son los que se muestran en la
tabla 4.7 adjunta:
TABLA 4.7. Valores del parmetro de forma de la Distribucin
Probabilstica de Weibull de cada equipo crtico de la lnea
de flotacin
EQUIPO
VALOR DE
4,3259
5,2961
Bomba SRL 10 x 8 N4
4,6311
Bomba SRL 10 x 8 N7
2,6853
Molino 7 X 10
4,9727
252
Luego, considerando el aspecto terico de la curva de la baera (pginas 118 a

la 120 del Captulo II) que se fundamenta en la funcin de la tasa de fallos o
funcin de riesgo de la Distribucin Probabilstica de Weibull, para diferentes
valores del parmetro de forma ( < 1; = 1 y > 1), tal como se muestra en
la figuras 2.31 y 2.32, se llega a la conclusin que los cinco (05) equipos
crticos de la lnea de flotacin se encuentran en la etapa de envejecimiento,
dado que todos presentan un valor de mayor que uno ( > 1).
De lo analizado, se deduce, que la primera hiptesis especfica que menciona:

Los equipos crticos de la lnea de flotacin se encuentran en la etapa de
madurez o de vida til, por que presentan parmetros de forma de la
distribucin probabilstica de Weibull = 1, no es cierta, dado que los equipos
principales de la lnea de flotacin se encuentran en la etapa de
envejecimiento.
De otro lado, teniendo en cuenta el anlisis efectuado en las pginas 225, 226
227 y 228 de este captulo, se deduce, que para el actual ciclo de
mantenimiento que es de treinta (30) das se obtiene para los equipos crticos
de la lnea de flotacin, una alta confiabilidad tal como se muestra en la tabla
4.8 adjunta:
TABLA 4.8. Valores de la confiabilidad de los equipos crticos de la lnea

de flotacin para el ciclo de mantenimiento de 30 das
CONFIABILIDAD PARA EL
CICLO DE MANTENIMIENTO
DE 30 DAS
94,608%
97,824%
Bomba SRL 10 x 8 N4
99,803%
Bomba SRL 10 x 8 N7
99,954%
Molino 7 X 10
99,870%
EQUIPO
Sin
embargo, con el propsito de reducir costos de mantenimiento de dichos
equipos por ao, se debe buscar un mayor tiempo como ciclo de
253
mantenimiento (ciclo ptimo), fundamentada en una confiabilidad adecuada

para cada equipo.
Con el anlisis efectuado queda verificada la segunda hiptesis especfica, que

seala: La frecuencia o ciclo de mantenimiento de treinta (30) das que
actualmente se considera para los equipos crticos de la lnea de flotacin,
conlleva a una alta confiabilidad de los mismos, pero incide negativamente en
los costos de mantenimiento de cada equipo.
Asimismo, de acuerdo a los resultados de las encuestas efectuadas al personal

encargado del mantenimiento de los equipos de la planta concentradora, que a
continuacin se grafican (ver tabla 3.62):
254
255
256
257
Se llega a la conclusin que el personal de mantenimiento de la planta

concentradora, y por ende de la lnea de flotacin, conocen muy poco sobre la
temtica de confiabilidad de equipos y de sistemas, y de tcnicas cualitativas
y cuantitativas del mantenimiento; este escaso conocimiento, conlleva a una
ineficiente Gestin del Mantenimiento de los equipos de la lnea de flotacin y
de todas las lneas productivas de la planta.
En tal sentido, con la evaluacin y anlisis efectuado, queda contrastada la

tercera hiptesis especfica, que menciona: El limitado conocimiento del
personal de mantenimiento de la planta concentradora en lo referente a las
tcnicas cualitativas y cuantitativas del mantenimiento, incide negativamente en
la Gestin del Mantenimiento de los equipos crticos de la lnea de flotacin.
De otra parte, de la evaluacin que se efectu para obtener el TMEF y la

confiabilidad de cada equipo crtico de la lnea de flotacin, cuyos resultados se
muestran en la Tabla 4.1, se concluye, que los tiempos medios entre fallos de
los equipos crticos, no representan ciclos adecuados para planificar y
programar el mantenimiento preventivo de los mismos, dado que conducen a
bajas probabilidades de confiabilidad para cada equipo. Al respecto, es
evidente que se tiene que optimizar el ciclo de mantenimiento para cada uno de
los equipos crticos de la lnea de flotacin.
En ese sentido, en las pgina desde la 229 a la 236 de este IV Captulo, se

efectu la evaluacin para determinar el ciclo ptimo de planificacin y
programacin del mantenimiento preventivo de cada equipo crtico, teniendo en
cuenta que 85% es una razonable confiabilidad para cada uno de los
resultados se muestran en la Tabla 4.9 adjunta.
TABLA 4.9. Ciclo ptimo de mantenimiento y eficiencia de los equipos

crticos de la lnea de flotacin
258
EQUIPO
Bomba SRL 10 x 8 N4
Bomba SRL 10 x 8 N7
Molino 7 X 10
CICLO PTIMO
DE
EFICIENCIA
MANTENIMIENTO
40 das
86,221%
50 das
82,958%
100 das
85,039%
120 das
84,946%
100 das
86,247%
Tambin, cabe resaltar, que los ciclos ptimos propuestos para el

mantenimiento preventivo de los equipos crticos de la lnea de flotacin
producen un significativo ahorro anual de costos de mantenimiento frente al
coste anual de mantenimiento de treinta (30) das que se viene practicando
actualmente (ver tabla del tem 4.5.3 pgina 250 de este Captulo IV).
De la evaluacin y anlisis realizado, se concluye que la cuarta hiptesis
especfica que establece: Los tiempos medios entre fallos de los equipos
crticos de la lnea de flotacin son los ms recomendables para considerarlos
como ciclos para el mantenimiento preventivo de los mismos, no es cierta.
Finalmente, habiendo contrastado las cuatro (04) hiptesis especficas en las

cuales se sustenta la hiptesis principal de la investigacin que menciona:
Aplicando como herramienta el Anlisis de Confiabilidad se optimizar la

Gestin del Mantenimiento de los equipos de la lnea de flotacin de la Planta
Concentradora Berna II, en el Centro Minero Casapalca,
se concluye, que dicha hiptesis principal queda verificada.
259
CONCLUSIONES
1.
Efectuado el anlisis de criticidad a los equipos de la lnea de flotacin,

se determin que existen cinco (05) equipos crticos, los cuales son:
la celda OK 50 N1 del circuito de Bulk,
la celda OK 50 N2 del circuito de Bulk,
la Bomba SRL 10 x 8 N4,
la Bomba SRL 10 x 8 N7, y
el molino 7 X 10
2.
Utilizando como herramientas: el historial de datos de los tiempos entre

fallos de los equipos crticos, el Software DISMA,
la Distribucin
Probabilstica de Weibull y la Curva de la Baera, se determin que los

cinco (05) equipos crticos, mencionados en el tem anterior, se
encuentran en la etapa de envejecimiento, dado que presentan un valor
de > 1.
3.
De las diferentes Distribuciones Probabilsticas de fallos que proporcionan

los Software RELEST y DISMA, la mejor distribucin probabilstica a las
que se ajustaron los datos histricos del tiempo entre fallos de los equipos
crticos de la lnea de flotacin, es la Distribucin Probabilstica de
Weibull, la misma que se comprob utilizando la prueba estadstica de
bondad de ajuste de Kolmogorov-Smirnov (prueba K-S).
4.
Los valores de los tiempos medios entre fallos (TMEF) encontrados para
los cinco (05) equipos crticos de la lnea de flotacin,
no son
recomendables para ser considerados como frecuencias o ciclos para el

mantenimiento preventivo de los mismos, dado que para dichos tiempos
260
medios, la probabilidad de falla de los equipos es alta, ya que bordea el

50%, tal como se indica en la tabla adjunta:
EQUIPO
5.
TMEF
62,81 das
CONFIABILIDA
D
49,964 %
67,826 das
51,173%
Bomba SRL 10 x 8 N4
148,247 das
50,396%)
Bomba SRL 10 x 8 N7
167,513 das
51,227%)
Molino 7 X 10
147,22 das
50,818%
Los tiempos medios de reparacin (TMDR) de los equipos crticos de la
Celda OK 50 Celda OK 50 Bomba SRL Bomba SRL Molino 7

N1 de Bulk N2 de Bulk 10 x 8 N4
10 x 8 N7
X 10
TMEF
(horas)
1 507,44
1 627,824
3 557,928
4 020,312
3 533,28
Horas
Horas
Horas
Horas
Horas
TMDR
6,333
6,833
2,5
2,5
7,166
Horas
Horas
Horas
Horas
Horas
(horas)
Dispon
i99,58%
99,58%
99,93%
99,94%
99,79%
bilidad
lnea de flotacin, son pequeos, comparados con los tiempos medios
entre fallos (TMEF). Esto conlleva a una alta probabilidad de
disponibilidad de dichos equipos, tal como se muestra en la tabla adjunta:
Sin embargo, de estos resultados, se llega a la conclusin, de que una

alta disponibilidad de los equipos crticos de la lnea de flotacin no
necesariamente implica que dichos equipos presenten alta confiabilidad.
6.
Del diagnstico efectuado a la actual Gestin del Mantenimiento de los

equipos en la Planta Concentradora Berna II se llega a la conclusin de
que por falta de conocimiento del personal de mantenimiento en el
manejo de tcnicas cualitativas y cuantitativas, dicha
Gestin del
Mantenimiento es ineficiente, lo que conlleva a serias prdidas

261
econmicas para la compaa, teniendo en cuenta que cada parada de

planta por falla de los equipos principales de los procesos productivos,
implica una prdida econmica de aproximadamente 7 500 ton/da.
7.
El actual ciclo de mantenimiento de treinta (30) das que se practica para

los equipos crticos de la lnea de flotacin y por ende para los equipos
principales de las dems lneas productivas de
la planta concentradora,
no es el ms recomendable, porque incide en mayores costos anuales de

mantenimiento, en comparacin con los costes anuales de mantenimiento
al considerar los ciclos ptimos recomendados.
8.
De lo analizado en la presente Tesis y de los resultados obtenidos, se

llega a la conclusin que empleando la combinacin de las tcnicas
cualitativas y cuantitativas del mantenimiento, y utilizando como
herramientas: los datos histricos del tiempo entre fallos de equipos, el
Software DISMA el Software RELEST y el Anlisis de Confiabilidad, se
logra optimizar la Gestin del Mantenimiento de los equipos.
9.
Se ha comprobado que la Estadstica es una herramienta importante para

la Gestin del Mantenimiento de equipos en plantas industriales, porque
facilita la toma de decisiones en este campo.
262
RECOMENDACIONES
1.
Se recomienda realizar un anlisis de criticidad a los equipos de todas

las lneas productivas de la Planta Concentradora Berna II, con la
finalidad de determinar los diferentes equipos crticos, para luego analizar
en qu etapa de su ciclo de vida se encuentran. Este aspecto es
importante dado que permitir definir los planes de mantenimiento
preventivo y predictivo para dichos equipos crticos.
2.
Teniendo en cuenta que el actual personal de mantenimiento tiene escaso

conocimiento
de
las
tcnicas
cualitativas
cuantitativas
del
mantenimiento, se recomienda capacitar a dicho personal en los temas

indicados, esto permitir mejorar la Gestin del Mantenimiento de los
equipos de la planta concentradora.
3.
Para cada equipo crtico de la planta concentradora, se recomienda

determinar su ciclo ptimo de mantenimiento en base a los tiempos
caractersticos y a la probabilidad de
confiabilidad que determina el
Software RELEST, esto conlleva a reducir costos de mantenimiento y por

ende a optimizar su Gestin de Mantenimiento.
4.
Para realizar una eficiente Gestin del Mantenimiento de los equipos

crticos de las diferentes lneas productivas de la planta concentradora, se
recomienda efectuar a cada equipo crtico el Anlisis de Modos y Efectos
de fallo (AMEF).
5.
Se
recomienda
realizar
auditoras
peridicas
al
personal
de
mantenimiento, con el propsito de identificar anomalas, para luego

hacer las correcciones necesarias.
6.
Para viabilizar las recomendaciones sealadas, es necesario implementar

una Gerencia de Mantenimiento, con personal calificado en la materia.
263
BIBLIOGRAFA
1.
ACUA, J. (2003): Ingeniera de Confiabilidad (libro). Editorial

Tecnolgica de Costa Rica. Primera edicin. Costa Rica.
2.
ABREU, M. Y CAEDO, R. (1998): Gerencia total de la calidad en las

organizaciones. Disponible en:
http://bvs.sld.cu/revistas/aci/vol6_2_98/aci02298.htm
3.
CAMISN, C. ;
CRUZ, S. & GONZLES, T. (2007): Gestin de la
calidad: Conceptos, enfoques, modelos y sistemas (libro). PEARSON

EDUCACIN, S.A. Madrid-Espaa.
4.
CLAVER, E. ; MOLINA, J. & TARI, J. (2004): Gestin de la calidad y

gestin medioambiental (libro). Ediciones Pirmide. Madrid - Espaa.
5.
CALLAR, I. ; PONTELLI, D. (2009): Mantenimiento Industrial (libro).

Editorial UNIVERSITAS. Primera edicin. Crdova-Argentina.
6.
CRESPO, E. (2008): Optimizacin estocstica del mantenimiento de

sistemas de transporte y secado de sustancias minerales. Tesis doctoral.
Universidad Politcnica de Madrid - Escuela Tcnica Superior de
Ingenieros de Minas. Espaa. Disponible en: http://oa.upm.es/1617/1/
ELOY_CRESPO_ROBLES.pdf
7.
CREUS, A. (2005): Fiabilidad y Seguridad (libro). Editorial Marcombo

S.A. 2da. Edicin. Espaa.
264
8. DE LA PAZ, E. (2011): Anlisis y pronstico de tendencia de fallas en

equipos
crticos.
Curso
taller
internacional.
Instituto
Peruano
de
Mantenimiento (IPEMAN). Lima Per

9. DE MIGUEL, E. (1990): Introduccin a la Gestin Management (libro).
Ed. Universidad Politcnica de Valencia. Vols. I y II. Valencia-Espaa.
10. DEVORE, J. (2008): Probabilidad y Estadstica para Ingeniera y
Ciencias (libro). D.R. Cengage Learning editores, S.A. de C.V. Sptima
edicin. Mxico.
11. DUFFUAA, O. ; RAOUF, A. ; DIXON, J. (2010): Sistemas de
mantenimiento. Planeacin y control. Editorial LIMUSA, S.A. de C.V.
Grupo Noriega Editores. Mxico.
12. FEA, U. (1995): Competitividad es calidad total (libro). Editorial
Alfaomega S.A. de C.V. 2da. Edicin. Mxico.
13. FERNNDEZ, A. (2000): Metodologa para la priorizacin de sistemas,
estructuras y componentes
en la optimizacin del mantenimiento de una
instalacin industrial. Tesis doctoral. Universidad Politcnica de Madrid.

Espaa. Ao 2000. Disponible en: http://oa.upm.es/662/1/06200006.pdf
265
14. GARCA, J. (2004): Mejora en la confiabilidad operacional de las plantas

de generacin de energa elctrica: desarrollo de una metodologa de
gestin de mantenimiento basado en el riesgo (RBM) .Tesis de mster.
Universidad Pontificia Comillas. Madrid - Espaa. Disponible en:
http://www.iit.upcomillas.es/docs/TM-04-007.pdf
15. GARCA, S. (2003): Organizacin y gestin integral del mantenimiento
16. GMEZ DE LEN, F. (1998): Tecnologa del Mantenimiento Industrial
(libro). Editorial: UNIVERSIDAD DE MURCIA. Vol. 1. Espaa.
17. GONZLEZ, F. (2009): Teora y Prctica del Mantenimiento Industrial
Avanzado (libro). Edita: Fundacin Confemetal. 3ra edicin. Madrid Espaa.
18. GRIJALBO, M. (2000): Gran Diccionario Enciclopdico Ilustrado (libro).
Editorial Grijalbo Mondadori. Vol. 1. Barcelona Espaa.
19. HINES, W. ; MONTGOMERY, D. ; GOLDSMAN, D. (2010): Probabilidad
y Estadstica para Ingeniera (libro). Grupo Editorial PATRIA. 4ta. Edicin.
Mxico.
20. HUERTA, R.: El anlisis de criticidad, una metodologa para mejorar la
confiabilidad operacional (artculo). Disponible en:
http://confiabilidad.net/articulos/el-analisis-de-criticidad-una-metodologiapara-mejorar-la-confiabilidad-ope/
21. LORICK, H. & VARELA, S. (1998): Infraestructure Maintenance System
(libro). Ed. Review Public Works. Estados Unidos.
22. MALLOR,
F.
&
SANTOS,
J.
(fiabilidad
de
sistemas):
23. MENDENHALL,
W.
&
REINMUTH,
J.
(2000):
Estadstica
para
Administracin y Economa (libro). Grupo Editorial Iberoamrica. Mxico.

266
24. MILLER, I. & FREUND, J. (2001): Probabilidad y Estadstica para

Ingenieros (libro): Editorial Revert Mexicana, S.A. Mxico.
25. MONTAA, L. (2006): Diseo de un sistema de mantenimiento con base
en anlisis de criticidad y anlisis de modos y efectos de falla en la Planta
de Coque de fabricacin primaria en la Empresa Aceras Paz del Ro
S.A.
Tesis
de
titulacin
profesional.
Universidad
Pedaggica
Tecnolgica de Colombia. Disponible en:

http://www.monografias.com/trabajos-pdf/sistema-mantenimiento/sistemamantenimiento.pdf
26. MORA, A. (2009): Mantenimiento. Planeacin, ejecucin y control (libro).
Editorial Alfaomega. Colombia.
27. NAVA, V. (2005): Qu es la calidad? Conceptos, gurs y modelos
fundamentales (libro). Editorial Limusa S.A. de C.V. Mxico.
28. NAVARRO, L. ; PASTOR, A. ; TEJEDOR Y MUGABURU, J. (1997):
Gestin integral del mantenimiento (libro). Ed. Editores Marcombo
Boixareu. Barcelona-Espaa.
29. PAREDES, F. (2010): Planificacin y Control del Mantenimiento
Implementacin de un programa moderno de mantenimiento para la
optimizacin del ciclo de vida de los activos. Seminario Taller.
Organizado por AM Business Capacitacin Corporativa. Lima - Per.
30. PASCUAL, R. (2008): El arte de mantener (libro). Universidad de Chile.
Santiago de Chile.
31. http://www.pistarelli.com.ar/
32. http://www.slideshare.net/blacksaturn/mantenimiento-preventivo-1819125
33. http://www.mantenimientoplanificado.com/j%20guadalupe%20articulos/M
ANTENIMIENTO%20PREVENTIVO%20parte%201.pdf
267
34. http://www.confiabilidad.com.ve/pdf/SERVICIOS_DE_MANTENIMIENTO_
PREDICTIVO_-_GTS_CONFIABILIDAD.pdf
(Estrategias
de
Mantenimiento Predictivo)
35. http://www.elprisma.com/apuntes/curso.asp?id=12618
36.
http://www.scielo.org.ve/scielo.php?script=sci_arttext&pid=S131648212005000100007&lng=pt&nrm=iso
ANEXOS
268
ANEXO N 1
COMPORTAMIENTO GRFICO DE LA DISTRIBUCIN DE WEIBULL DE
ACUERDO A LA VARIACIN DE SUS PARMETROS
(alfa) es el parmetro que indica la escala de la distribucin; es decir,
muestra que tan aguda o plana es la funcin; por lo tanto, segn su
valor, comprime o expande la distribucin, tal como se muestra en la
figura adjunta ( < 1).
(beta)
es el parmetro
de forma
( > 0); es decir,
este
parmetro
determina la forma o perfil de la distribucin, la misma que depende del

valor que tenga. Si 1 la Distribucin de Weibull es prcticamente un
269
Distribucin Exponencial, si 4 se comporta como una Distribucin

Normal, etc., tal como se muestra en la figura adjunta.
ANEXO N 2
OTRA FORMA DE DETERMINAR EL TIEMPO MEDIO ENTRE FALLOS
(TMEF) DE LOS EQUIPOS CRTICOS DE LA LNEA DE FLOTACIN
De la figura 2.36 se desprende que el Tiempo Medio entre Fallos (TMEF =
MTBF) tambin se pueden estimar a travs de la siguiente expresin:
n
TOi
TO1 TO2 TO3

i 1
TMEF
3
N .Eventos.Utiles
Luego, para el caso de cada equipo crtico de la lnea de flotacin, se tiene:
TMEF
TO1 TO2 TO3 TO4 TO5 TO6 TO7

7
En la tabla adjunta se muestra el valor del TMEF de cada equipo crtico:

N de falla
1
2
3
4
5
6
7
TDR
N de fallas
Celda OK
50 N1 de
Bulk
Celda OK
50 N2 de
Bulk
Bomba
SRL 10 x 8
N4
Bomba
SRL 10 x 8
N7
Molino
7 X 10
TEF
(das)
62
75
58
35
80
91
53
454
7
TEF
(das)
75
62
81
94
40
71
66
489
7
TEF
(das)
120
153
78
192
202
178
144
1067
7
TEF
(das)
98
173
180
167
205
154
230
1207
7
TEF (das)
64,86
69,86
(das)
152,43
172,43
150,86
(das)
(das)
(das)
126
136
73
167
183
193
178
1056
7
TMEF
de cada
equipo
(das)
270
De la tabla se observa, que si bien es cierto, los valores obtenidos para el

TMEF de cada equipo crtico de la lnea de flotacin no son iguales a los
obtenidos con el Software Relest, sin embargo, estos valores no difieren mucho
a los obtenidos con el software, por lo tanto, pueden considerarse vlidos.
ANEXO N 3
DETERMINACIN DEL TIEMPO MEDIO DE REPARACIN (TMDR) DE LOS
EQUIPOS CRTICOS DE LA LNEA DE FLOTACIN UTILIZANDO EL
SOFTWARE RELEST
Se observa que el TMDR para este equipo crtico es de 6,157 horas, muy
aproximado al valor obtenido en la tabla de la pgina 217 que es de 6,333
horas.
271
similar al valor obtenido en la tabla de la pgina 217 que es de 6,833 horas.
Bomba SRL 10 x 8 N4
Bomba SRL 10 x 8 N7
Molino 7 X 10
272
ANEXO N 4
FOTOGRAFAS
DE
ALGUNOS
EQUIPOS
QUE
OPERAN
EN
LAS
DIFERENTES LNEAS PRODUCTIVAS DE LA PLANTA CONCENTRADORA

BERNA II EN EL CENTRO MINERO CASAPALCA
a. Recepcin del mineral que llega de la mina mediante volquetes en
el tolvin de gruesos
Volquetes que transportan el mineral
273
Descargue
mineral
de
b. Ingreso a la lnea de chancado (primario, secundario, terciario y

cuaternario)
Cortinas
274
Alimentador Vibratorio
Chancadora de Quijada
275
Chancadora Cnica
Zaranda
276
Fajas Transportadoras
c. Stock Pile de recepcin de la carga fina que proviene de la lnea de

chancado
Stock Pile
277
d. Molienda Primaria, recibe el mineral fino del stock pile
Molino de Bolas Primario
e. Clasificacin primaria, en las Zarandas de alta frecuencia
Zarandas de Alta Frecuencia
278
f. Lnea de Flotacin
Pulpa
Celdas de Flotacin
279
280
Bombas
Molinos de Remolienda
281
g. Lnea de espesamiento
Espesadores
282
h. Lnea de filtrado
Filtros Prensa
i. Lnea de despacho de concentrado
Concentrado
283
ANEXO N 5
DIAGRAMA DE FLUJO DE LA LINEA DE FLOTACION DE LA PLANTA
CONCENTRADORA BERNA II
284
ANEXO N 6
FOTOGRAFAS
DE
LOS
EQUIPOS
CRTICOS
DE
LA
LNEA
DE
FLOTACIN
285
Bomba SRL 10 x 8 N4
286
Bomba SRL 10 x 8 N7
Molino 7 X 10
287
288

Becerra Ag PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Becerra Ag PDF

Uploaded by

Copyright:

Available Formats

UNIVERSIDAD NACIONAL DE INGENIERA

FACULTAD DE INGENIERA MECNICA

EL ANLISIS DE CONFIABILIDAD COMO

A la Facultad de Ingeniera Mecnica de la Universidad Nacional de Ingeniera

A nuestros colegas de la Maestra en Gerencia e Ingeniera de Mantenimiento,

Un agradecimiento especial al Magister Javier Franco Gonzales por

amistad y valioso asesoramiento, y al seor Pedro Manrique por su apoyo en

A Dios, por concedernos la vida; por brindarnos salud,

GILBERTO BECERRA ARVALO

A Dios, por darnos la fuerza cuando ms lo necesitamos; por

JONY MELCHOR PAULINO ROMERO

herramienta el Anlisis de Confiabilidad, primero, se determin la relacin de

de los equipos crticos de la lnea de flotacin, basada en el

anlisis de confiabilidad de los mismos.

Asimismo, teniendo en cuenta el ciclo ptimo de mantenimiento, se propone la

In this situation, to optimize the management of equipment maintenance of the

(qualitative technique) and, then, using time historical data or statistical

Also, bearing in mind the optimum maintenance cycle is proposed preventive

Keywords: Reliability, Maintainability, Availability, Processi, Maintenance,

CAPTULO I. DESCRIPCIN Y ASPECTOS METODOLGICOS DE

MARCO TERICO Y MARCO CONCEPTUAL DE LA

2.1 FUNDAMENTOS DE LA GESTIN DEL MANTENIMIENTO... 42

LA GESTIN DEL MANTENIMIENTO BAJO EL ENFOQUE DE LA

ANLISIS DE LA CONFIABILIDAD DE EQUIPOS UTILIZANDO

ASPECTOS IMPORTANTES DE LA ESTADSTICA Y DE LA TEORA

OTROS CONCEPTOS Y DEFINICIONES DE

2.4.2.3 VARIABLES ALEATORIAS Y SU CLASIFICACIN.. 84

MEDIDAS DE TENDENCIA CENTRAL DE

MEDIDAS DE DISPERSIN DE VARIABLES

2.4.3 FUNDAMENTOS SOBRE CONFIABILIDAD, MANTENIBILIDAD

CONFIABILIDAD DE UN DETERMINADO TEM...107

EVALUACIN DEL ESTADO SITUACIONAL DE LOS

FLOTACIN EN BASE A TCNICAS CUALITATIVAS

DESCRIPCIN GENRICA DE LOS PROCESOS PRODUCTIVOS

LISTADO DE EQUIPOS DE LA LNEA FLOTACIN, DESCRIPCIN

TCNICAS DE LOS MISMOS... 147

3.7 DETERMINACIN DEL CICLO DE VIDA DE LOS EQUIPOS

CARCTERSTICAS (PARA DICHO TMEF) DE LOS EQUIPOS

FLOTACIN, TENIENDO EN CUENTA LA CONFIABILIDAD DE LOS

CRTICOS DE LA LNEA DE FLOTACIN.. 218

CUANTITATIVAS DEL MANTENIMIENTO... 219

PROPUESTA DE MEJORA DE LA GESTIN DEL

EVALUACIN DE LA INCIDENCIA DEL ACTUAL CICLO DE

PROPUESTA DEL CICLO PTIMO PARA EL MANTENIMIENTO

DE LOS EQUIPOS CRTICOS BASADA EN EL

ANLISIS DE CONFIABILIDAD DE LOS MISMOS... 227

LINEAMIENTOS ORIENTADOS A MEJORAR LA GESTIN DEL

PLANIFICACIN DEL MANTENIMIENTO PREVENTIVO DE LOS

MANTENIMIENTO PREVENTIVO DE LOS EQUIPOS CRTICOS DE

4.5.2 COSTOS DEL MANTENIMIENTO PREVENTIVO PARA EL

ANLISIS Y DISCUSIN DE RESULTADOS.. 248

CONTRASTACIN DE LAS HIPTESIS FORMULADAS.... 250

tiempo hasta el fallo. 110

TABLA 3.23. Caractersticas tcnicas de la Celda OK 50 N3 de Bulk... 156

SRL 10 x 8 N4....... 166

TABLA 3.47. Evaluacin de criticidad de la Bomba

TABLA 3.48. Evaluacin de criticidad del Molino 7 x 10.. 168

TABLA 3.50. Modos de fallo de los equipos crticos.. 169

Al respecto, este nuevo enfoque en la que actualmente se desenvuelven las

Asimismo, cabe mencionar, que la importancia de la Gestin del Mantenimiento

En ese sentido, la Gestin del Mantenimiento de los equipos en plantas

Tambin, cabe destacar, que la solucin estratgica de los problemas que

Las tcnicas ms avanzadas en lo referente a la Gestin del Mantenimiento