Professional Documents
Culture Documents
1. Introduccin
2. El Teorema de Bayes
Para ilustrar esta aplicacin, analicemos una variable aleatorias X; que puede tomar diversos
valores xi y que depende de un parmetro que es tambin una variable aleatoria y puede
tomar diversos valores j (1;2;3;..m).
respecto al comportamiento del parmetro. Luego, cuando se obtiene una evidencia muestral
de tamao n de la variable X, es decir un conjunto de observaciones x1,x2,x3.xn, la
distribucin a priori g(), es modificada a la luz de esta evidencia muestral y surge una
La ecuacin 1 se modifica para estos casos tomando la forma que se expresa en la ecuacin
2
L( X )g ( )
f( / X ) =
(2)
L( X )g( )d
donde:
2.1.1 Generalidades
( t )dt
Confiabilidad: C( t ) = e 0
(5)
( t )
Disponibilidad: D( t ) = (6)
( t ) + ( t )
Para equipos cuyos tiempos para la falla siguen o se ajustan a una distribucin exponencial,
puede decirse que la tasa de fallas es una constante; es decir , (t)= . En este caso,las
ecuaciones 5 y 6 se transforma en:
Confiabilidad: C( t ) = e .t (7)
( t )
Disponibilidad: D( t ) = (8)
( t ) +
En este punto vale la pena hacer nfasis en lo siguiente: asumir tiempos para la falla
exponencialmente distribuidos o, lo que es lo mismo, asumir una tasa de fallas constante, es
razonable cuando el anlisis se hace a nivel de equipos; y no lo es, cuando se hace a nivel de
componentes. Por ejemplo; consideremos un tipo de equipo que tiene 5 componentes internos;
cada uno de los cuales, al fallar produce la falla o parada del equipo. Si observamos por un
largo perodo de tiempo una poblacin de este tipo de equipos; con alta probabilidad
encontraremos lo siguiente:
Si analizamos todos los tiempos para la falla para la poblacin de equipos, sin discriminar
por el componente que causo la falla, encontraremos que los tiempos para la falla, en la gran
mayora de los casos, siguen la distribucin exponencial;, es decir, la tasa de falla es constante.
[2],[4],[10]
La ecuacin (2), mostrada en la seccin 2, nos dice que para estimar la mencionada tasa de
fallas (), en casos donde la evidencia o muestra es nula o no es representativa; se requiere
hallar la distribucin posterior o actualizada de la tasa de fallas f(/X). Para ello es necesario
por una parte definir una distribucin previa de la tasa de fallas g() (Conocimiento Previo) y
por la otra, construir la funcin de verosimilitud o probabilidad de la evidencia L(X/) a partir de
Que es evidencia muestral para el caso de tasas de falla; y como construimos la funcin de
verosimilitud L(X/)?
La Figura 1 contesta la tercera pregunta ya que la misma muestra como se combinan ambas
fuentes de informacin para obtener una informacin mejorada o conocimiento
actualizado. Este conocimiento actualizado (Posterior knowledge) es una distribucin
modificada de la tasa de Fallas; de la cual tomaremos la media o valor esperado como valor
representativo. Este estimado es mucho mas robusto que el conocimiento previo o la
experiencia tomados por separado y de manera excluyente.
Notese que la figura 1 explica el caso en que el conocimiento previo ha sido tomado de la Base
de Datos OREDA; por lo tanto la ecuacin que se muestra en la figura; solo aplica para este
caso.
Informacin Mejorada
Teorema
de
Bayes
Existen dos fuentes primarias de informacin para construir la distribucin previa de la tasa de
fallas g(l) ; estas fuentes son:
Opinin de Expertos.
Como ya se mencion, existe una gran cantidad de bases de datos genricas que contienen
tasas de fallas y tiempos de reparacin, para diferentes tipos de equipos. Algunos de los mas
famosos bancos de este tipo de informacin son
MIL-STD-217
A continuacin se har una breve resea de los bancos de informacin genrica mas
importantes usados en la industria del gas y del petrleo.
La 4ta. Edicin OREDA 2002 constituye la mas actualizada y robusta fuente de informacin
sobre tasas de fallas por modo de falla y tiempos de reparacin, para equipos utilizados en
instalaciones costa-afuera en la industria.
OREDA 2002 cubre un amplio espectro de equipos rotatorios y recipientes a presin, entre los
cuales se encuentran:
Tiempo de reparacin
Tablas de Item Mantenible vs. Modo de falla, y Descriptor de Falla/Causa vs. Modo de falla.
Este documento describe los estudios realizados para el United Kingdom Offshore Operators
Association (UKOOA), el Institute of Petroleum (IP), y el UK Health and Safety Executive (HSE)
en relacin a la prdida de contenimiento (fugas) de tuberas costa afuera que operan en el Mar
del Norte. El objetivo principal de este estudio continuo es actualizar y mejorar la confianza en
la informacin estadstica disponible para analizar la frecuencia genrica de prdida de
contenimiento asociada a la operacin de tuberas en el Mar del Norte. La informacin
recopilada durante los estudios anteriores PARLOC 90, 92, 94 y 96, ha sido actualizada y en
esta versin se incluye la informacin recopilada hasta el final del ao 2000. La cantidad total
de tuberas, incluyendo de acero y flexibles, incluidas en la base de datos es 1.567 al final del
ao 2000. La longitud total instalada al final del ao 2000 calculada a partir de la base de datos
es de 24.837 Kms. equivalentes a 328.858 Km-aos de experiencia operacional.
Los informacin que presenta este documento est discriminada segn los factores que se
determinaron como significativos al considerar la frecuencia de prdida de contenimiento. Ellos
son: A) Causa del incidente, B) Ubicacin en la tubera C) Dimetro, D) Longitud; y E)
Contenido. El estudio reconoce ciertas limitaciones. Si bien la base de datos est 99%
completa en relacin a informacin sobre dimetro, longitud, contenido y fecha de instalacin;
se reconoce que otra informacin como espesor de pared, condiciones de entierro y el tipo de
acero de la tubera de elevacin (riser) alcanza solamente un 70-90% de completacin.
IEEE Std 493-1997 GOLD BOOK- RECOMMENDED PRACTICE FOR THE DESIGN OF
RELIABLE INDUSTRIAL AND COMMERCIAL POWER SYSTEMS
El IEEE (Institute of Electrical and Electronics Engineers Inc.) y sus predecesores la AIEE
(American Institute of Electrical Engineers) y la IRE (Institute of Radio Engineers) disponen de
esta amplia base de datos genrica de distribuciones de probabilidad de las tasas de falla, por
modos de fallas y tiempos entre fallas de equipos elctricos, electrnicos y de instrumentacin
al igual que un centenar de publicaciones tiles para estudios de confiabilidad. Estas
publicaciones son estndares en la industria elctrica y electrnica y sirven de fuente para la
prediccin de fallas y la estimacin de confiabilidad.
Reliability and Risk Management (R2M) 2004 10
Yaez Medardo. Semeco Karina. Medina Nayrih.
Informacin detallada sobre tiempo promedio para la falla (TPPF) y de la tasa de fallas por
modo de fallas (incluyendo lmites de confidencia del 90%)
Como se mencion en la seccin previa, la mayora de las bases de datos genricas presentan
la informacin de tasas de fallas de los equipos, discriminada por modo de fallas. En otras
palabras; estas bases de datos nos entregan una distribucin de probabilidades de la tasa de
Z
PREVIAEQUIPO = MF i
(10)
i =1
Donde MFi es la tasa de ocurrencia del modo de falla i; para i desde 1 hasta Z
Son posibles en el contexto operacional que analizamos todos los modos de falla i (para i
desde 1 hasta Z), considerados en la base de datos?.
Muy posiblemente nos daremos cuenta que no todos estos modos de falla considerados en la
informacin genrica aplican; y en consecuencia, no debemos tomar todos los trminos de la
ecuacin (10) en nuestra sumatoria; sino aquellos que realmente apliquen, a los que
llamaremos relevantes. La figura 2 ilustra el comentario anterior.
Las razones para no considerar algunos de los modos de falla que estn en las bases de datos
genricas son mltiples; pero pueden resumirse en dos; estas son:
VALVULA
BASE DE DATOS
GENERICA
INFORMACION
INFORMACIONGENERICA
GENERICA
SOBRE
SOBREFALLAS
FALLAS MF1 MF3 MFZ
Well
WellMaster,
Master,2.5
2.5
OREDA
OREDA2002
2002
PSA-2001-039
PSA-2001-039 Valve =MF1+MF3+MFZ
PARLOC
PARLOC96 96
Expert TASA DE FALLAS GENERICA ADECUADA
ExpertOpinion
Opinion AL CONTEXTO OPERACIONAL
BASE DE
DATOS DE
FALLAS HE=modo1+modo2+modo3+modoZ
GENERICA
INTERCAMBIADOR (HE)
HE=modo2++modoZ
Accin Mitigacin
IBR modo 1 HE adecuada
al entorno operacional
Figura 3: Adecuacin de la tasa de fallas genrica tomando en cuenta planes de mantenimiento e inspeccin
Una vez eliminados los modos de falla que no aplican en el contexto operacional bajo anlisis,
la ecuacin (10) se transforma en la ecuacin (11).
W
PREVIAEQUIPO = GENERICA = MFR i
(11)
i =1
Donde MFRi es la tasa de ocurrencia de cada modo de falla relevante i; para i desde 1 hasta
W.
W es el total de modos de fallas que aplican o son relevantes en el contexto operacional bajo
anlisis.
Como punto adicional, es importante recordar, que cada MFRi es en realidad una distribucin
de probabilidades (mayormente Lognormal o Gamma) y en consecuencia, la ecuacin (11) es
en realidad una sumatoria de distribuciones; que dar como resultado una distribucin de
probabilidades de la tasa de fallas del equipo. Para realizar esta operacin matemtica, es
[2],[4],[10]
necesario hacerlo con Simulacin de Montecarlo ., o utilizando el Mtodo de los
[2],[4],[10]
Momentos . Este ltimo nos permite obtener la media (mlPREVIA-EQUIPO) y la desviacin
W
PREVIA EQUIPO = GENERICA = MFR i
(12)
i =1
W
PREVIAEQUIPO = GENERICA = (
i =1
MFRi )2 (13)
donde:
Ejemplo:
La tabla 1 presenta la informacin sobre Intercambiadores de calor (Fin Fan Cooler) que se
encuentra en la fuente de informacin genrica (Pg 380. Oreda 2002).
OREDA contiene informacin sobre modos de fallas crticos, por degradacin e incipientes.
Como se observa en la tabla, de izquierda a derecha se presentan en columnas lo siguiente:
modo de falla, codificacin segn la norma ISO 14224, nmero de fallas analizadas, tasa de
falla (nmero de fallas por cada milln de hora en * tiempo calendario +tiempo en operacin),
tiempo de la actividad y tiempo de reparacin (horas/hombre).
Es importante resaltar que el OREDA presenta la tasa de falla en forma distribuida, a travs de
una distribucin gamma, note que presenta los siguientes parmetros estadsticos: valor
mnimo (Percentil 5), valor medio o esperado (media), valor mximo (Percentil 95), desviacin
estndar
Evidencia
Como evidencia se tienen tiempos de operacin hasta la falla (Datos fallados) y tiempo de
operacin de equipos que no han fallado (Datos censados), provenientes de los registros
histricos de falla de equipos operando bajo similares condiciones.
Tiempo de
Tiempo de Operacin de
Operacin hasta la falla Equipos que no
(failure data) han fallado
(Censored data)
65700 120000
75300
75300
75300
45000
43200
Total (hrs) 379800 120000
Procedimiento:
PASO 1
El primer paso en la actualizacin consiste en definir los modos de falla que aplican, en funcin
del contexto operacional. Supongamos para el ejemplo, que de acuerdo a resultados de
estudios previos (IBR, MCC) y la experiencia de un grupo de expertos los modos de falla que
aplican son:
PASO 2
El segundo paso consiste en calcula la tasa de falla genrica equivalente considerando solo los
modos de falla que apliquen, como sigue:
Oreda = 1 + 2 + 3
Es importante recordar que la tasa de falla en Oreda viene expresada a travs de una
distribucin gamma, por ello es necesario recurrir al uso de las siguientes ecuaciones para
calcular la media y la desviacin estndar equivalente (Mtodo de los Momentos).
Para el ejemplo
PASO 3
Calcular la tasa de falla actualizada haciendo uso de la ecuacin del Teorema de Bayes:
( )2
r + oreda
2
( oreda )
mejorada =
t N r oreda
t i + t cj +
i =1 j =1 ( oreda )2
(0.00001368 )2
6+
(0.00000684 )2
mejorada = = 0.0000126228 fallas/hr
[379800 + 120000 ] + 0.00001368
(0.00000684 )2
Para calcular el tiempo promedio entre fallas, utilizamos la siguiente ecuacin, asumiendo que
el tiempo para la falla es representado a travs de una distribucin exponencial.
1 1
TPEF = = = 79221 horas
mejorada 0.0000126228
Esto nos indica que el equipo fallar en promedio cada 79221 horas.
REFERENCIAS