1 Congreso Nacional de

Estudiantes
INTRODUCCION A LA
de Ingeniera Mecnica
FIABILIDAD, ANALISIS DE
FALLO, APLICACION AL
DISEO Y AL
MANTENIMIENTO

1
 Qu es la
fiabilidad?
Permanencia de la calidad de los
Fiabilidad: productos (o servicios) a lo largo del
tiempo.
Capacidad de desarrollar
adecuadamente su labor a lo largo del
tiempo.
Definicin AFNOR X 06-501
Fiabilidad es la caracterstica de un dispositivo expresada por la probabilidad
de que un dispositivo cumpla una funcin requerida en las condiciones de
utilizacin y para un perodo de tiempo determinado.

Probabilidad: es la relacin nmero de casos favorables nmero de casos

posibles asociada a un tiempo t .

Se denomina R (t) = P (cumplir una misin) = P (buen funcionamiento)

R traduccin del ingls Reliability
2
La Fiabilidad intenta garantizar que el producto permanecer
en buenas condiciones durante un periodo razonable de tiempo

Segn la definiciones se tiene que pensar muy claramente qu

significa
Funcionamiento satisfactorio
Tiempo de funcionamiento (Misin)
Condiciones de funcionamiento

3
 Necesidad de fiabilidad
Desde un punto de vista puramente econmico, es deseable una
alta fiabilidad para reducir los costos totales del producto.
El hecho de que en algunos sistemas militares el costo anual de
mantenimiento sea diez veces el costo original del mismo, pone
de manifiesto esta necesidad. (ciclo vida)
Tambin hay que considerar el aspecto de seguridad (el fallo de
un sistema ABS en un automvil puede ser catastrfico).
Existen otro aspectos como retrasos de horarios, incomodidades,
insatisfaccin del cliente y prdida de prestigio del fabricante.
Cada vez son ms las empresas y organismos que en sus
contrataciones exigen ciertas normas de fiabilidad (MIL HDBK
217 en USA)

4
 Perspectiva histrica de la teora de la
fiabilidad
Estudios para poder evaluar la mortalidad derivada de
las epidemias.
Compaas de seguros, para determinar los riesgos de
Orgenes: sus plizas de seguro de vida.
Tablas de vida: La primera tabla de vida data de 1693 y
es debida a Edmund Halley

se utilizaban los mtodos actuariales tanto para estimar la

supervivencia de pacientes sometidos a distintos
tratamientos como para estudiar la fiabilidad de
Siglo XX: equipamientos, en particular de los ferrocarriles.
En 1939 Waloddi Weibulll, cuando era profesor del Royal
Institute of Technology en Suiza, propuso una distribucin
para describir la duracin de materiales, que ms tarde
llevara su nombre.
En 1951 Epstein y Sobel empezaron a trabajar con la
distribucin exponencial como modelo probabilstico para
estudiar el tiempo de vida de dispositivos
5
 Paradigm
as
En la industria los equipos y sistemas crecen
en complejidad.

Existen mayores exigencias a la eficiencia

de los costos del ciclo de vida til de las
maquinas de produccin.

Cada fabricante intenta llegar al objetivo de

calidad exigido por el mercado al mnimo
costo posible.

6
 Objetivo de Fiabilidad y
Mantenibilidad

Desde el diseo existe la necesidad de

entregar equipos o sistemas que tengan las
prestaciones deseadas por el Cliente y que
adems sean Confiables, de fcil
mantenimiento y con funcionamiento seguro y
econmico durante su vida til.

7
 Las Teora de la Fiabilidad Incorporan la
incertidumbre a la Ingeniera.

Podramos decir que la certeza de un hecho (en nuestro

contexto de Falla de Maquina), es un acontecimiento
DETERMINISTA con un resultado finito.
En cambio la incertidumbre de un hecho seria un
acontecimiento INDETERMINISTA con un resultado
probabilstico.

8
 Fiabilidad y Mantenimiento
Desde el punto de vista de la ingeniera, la fiabilidad es la
probabilidad de que un aparato, dispositivo o persona
desarrolle una determinada funcin bajo condiciones
fijadas durante un periodo de tiempo determinado.
La confiabilidad de un elemento puede ser caracterizada
a travs de distintos modelos de probabilidades.
Podemos describir varias distribuciones de fallas
comunes y ver qu podemos aprender de ellas para
gestionar los recursos de mantenimiento. Convirtiendo el
conocimiento ganado de ellas en acciones PROACTIVAS de
Mantenimiento y aplicarlas en el Diseo.

9
 Herramientas de
Fiabilidad
Se estudia mediante el anlisis
estadstico de datos de supervivencia.
ISO define fiabilidad como la probabilidad de que un
componente o sistema, desarrolle durante un periodo
de tiempo dado, la tarea que tiene encomendada sin
fallos, y en las condiciones establecidas.

Estudiar Duraciones de Procesos que es comn en muchas

ciencias:
Duracin de un componente (Fiabilidad)
Supervivencia de un paciente a un tratamiento (Medicina)
Duracin del desempleo (Economa)
Edad de las personas (Demografa y sociologa) 10
 Veamos, a partir de un histograma podemos desarrollar las
cuatro funciones de importancia para la caracterizacin de la
fiabilidad.
9

MES fallas 7

ENERO 2
FEBRERO 5 6

MARZO 7
ABRIL 8 5
MAYO 7
Fallos

Serie1
Serie2
J UNIO 6 4
J ULIO 5
AGOSTO 4 3
SEP TIEMBRE 3
OCTUBRE 1
2
TOTAL 48
1

0
ENERO FEBRERO MARZO ABRIL MAYO JUNIO JULIO AGOSTO SEPTIEMBRE OCTUBRE
Meses

11
 - pdf. Probability Density Function
En estudios de mantenimiento necesitamos pasar del anterior histograma a
funciones continuas, debido que la variable tiempo de fallo es continua. Esta
funciones nos dan una idea clara de la distribucin de fallos. Empezamos por la
funcin llamada pdf que indica la densidad probable de fallas en cada intervalo
t, cuyo total ser el rea encerrada bajo la curva e igual a: pdf = 48/48 =1
9

t2
f (t ) f (t )d (t )
8

7 t1

f(t)

Serie1
3

0
ENERO FEBRERO MARZO ABRIL MAYO JUNIO JULIO AGOSTO SEPTIEMBRE OCTUBRE
Meses

Pudiendo llamar a t1 y t2, - y 12

respectivamente
 CDF Cumulative Density Function:
aqu de - a Tiempo t, seria la probabilidad de que falle en tiempo t.

t
F (t ) f (t )dt el rea bajo la curva - transcurrido t (Funcin Reparticin )
cdf=14/48
9

f(t)

0
ENERO FEBRERO MARZO ABRIL MAYO JUNIO JULIO AGOSTO SEPTIEMBRE OCTUBRE
Meses

Intervalo - a t, la acumulacin de fallas

Tiempo t 13
 R(t) Reliability (Fiabilidad)
Esta es la probabilidad de xito o sea que sobrevivan sin falla
transcurrido el mismo tiempo t. Representando por el rea
bajo la curva t hasta infinito. R(t)= 1- cdf

9
R (t ) f (t )dt
t
8

f(t)

0
ENERO FEBRERO MARZO ABRIL MAYO JUNIO JULIO AGOSTO SEPTIEMBRE OCTUBRE
Meses

Tiempo t 14
 h (t) Funcin riesgo = pdf/1-
cdf derivada de las anteriores, es la
El ltimo tipo de funcin que tenemos
Funcin de Riesgo, tambin llamada tasa de falla o tasa de
mortalidad h(t).

(t)
DOMINIO
ELECTRONICO

desclasificacin
Hiptesis exponencial
constante

1 2 3
Edad t
desarrollo obsolescencia
Madurez (fallos aleatorios)
Inicio utilizacin

15
 h (t) Funcin riesgo = pdf/1-
cdf
DOMINIO MECANICO

(t)
Influencia del desgaste
Curva debida a los sobre (t)
fallos precoces

desclasificacin

Madurez

1 2 3
Edad t
Puesta en servicio rodaje obsolescencia

f (t ) f (t )
h(t )
R(t ) 1 F (t )

16
 Cuando la tasa de fallo del elemento responde a la curva de la baera
es conveniente realizar un ensayo acelerado del mismo (en condiciones
de stress) para que supere la zona de mortalidad infantil o fallas
infantiles.

determinar cuando comienza la vida til del producto y ofrecer a los clientes
una garanta de funcionamiento durante ese periodo de funcionamiento
problemtico.
Una vez superado el periodo crtico, la empresa est razonablemente 17
segura
de que el producto tiene una posibilidad de fallos reducida
 n i
TBFi
MTBF
0 n

18
La distribucin de fallas de diferentes tipos de maquinaria no son
las mismas. Aun varan en una misma maquina durante su
operacin. Sus formas pueden ser estudiadas a partir de las
funciones pdf, cdf y tasa de falla de los datos reales de
mantenimiento o de ensayos de fiabilidad. Estos dan forma a
determinadas expresiones matemticas conocidas como
distribuciones obteniendo:

Dist. Exponencial
Dist. Normal
Dist. Lognormal
Dist. Weibull

19
 EL MODELO EXPONENCIAL

f (t) = exp (-t), t

pdf 0
cdf F(t) = 1 - exp(-t), t
0
R(t) R(t) = exp (-t ),
0
t = h(t)

20
 EL MODELO DE WEIBULL
f (t) =5
x)

e t
=0, 1
t
5x)
=3,6 f (t )


=1
f
x) =2,
(x)
5x) parmetro de forma > 0;
=2
x) parmetro de escala > 0;
parmetro de posicin - < < +
t

(t) t

=4 F (t ) 1 e
3

2
2
1
1,5
0,
5 1
0,5t
t
21
Ti: 93, 34, 16, 120, 53 y
75

22
Las caractersticas de la distribucin de Weibull

23
Las caractersticas de la distribucin de Weibull

24
 Las caractersticas de la distribucin de Weibull

f(t) -El parmetro de posicin (en unidad de

tiempo)
Se llama tambin parmetro de diferenciacin o de
localizacin.
Significado: indica la fecha de inicio de los fallos.

-- si > 0, hay supervivencia total entre t = 0 y t =
;
2 < 0 t
2 = 0 2 > 0 -- si = 0, los fallos empiezan en el origen del
tiempo;
-- si < 0, los fallos han empezado antes del origen
del tiempo.

25
 Ejemplo
Obtencin de la fiabilidad de neumticos a travs
del Anlisis de la degradacin
Siete marcas de neumticos fueron controlados en su desgaste
cada 5.000 millas, midiendo la profundidad de cada uno. La
tabla que contiene las mediciones desde su inicio hasta las
30.000 millas
f (t) = exp (-t), t
0
F(t) = 1 - exp(-t), t
0
R(t) = exp(-t ), t
0
Degradacin Critica y= 2 mm

26
Ejemplo

27
Ejemplo

28
Ejemplo

29
Ejemplo

30
Ejemplo

31
Ejemplo

32
 Ejemplo
5 ejes templados se ensayan a la resistencia
Ciclos hasta que se rompen.
10263
12187
16908
18042 Grfico de Weibull
23271
99,9
99 Est.: Reg. por Rang
porcentaje acumulado

90 Forma: 3,2502
70
50 Escala: 17999,7
30 Origen: 0,0
20
10 Fracasos: 5
5 Tamao de la mues

1
0,5

0,1
1000 10000 100000
Col_1 90 % = 24000 Ciclos
8 % = 8000 Ciclos
50 % = 17000 Ciclos
33
 Dis tribucin de Weibull
(X 0,00001)
8

4
e
dnsa
idd

0
1000 10000 100000

Col_1
Dis tr ibucin de Weibull Dis tribucin de Weibull
1 1

0,8 0,8

0,6 0,6

0,4 0,4
ia
a

c
iv

n
la

e
t

0,2
m
u

iv

0,2
v
u

er
c

p
a

u
d

s
a

0
ilid

0
d
b

a
a

ilid

1000 10000 100000

ob

1000 10000 100000

b
p

a
r

Col_1
o

Col_1
34
r
p
 Ejemplo
Estado Tiempo
Fo S FoS
S 23
S 25
S 27
S 28
S 29
S 29
S 29
S 31
S 34
F 35
S 36
S 36
S 36
S 37
F 38
S 38
S 38
S 39
S 39
S 39
S 39
S 39
S 39
S 40
S 41
S 41
S 41
S 43
F 46
F 51
S 52
S 53
F 54
S 54
S 55
S 55
F 58
S 59
F 61
S 63
F 64
F 68
F 69
F 72
S 74
F 75
F 77
F 78

35
F 82
F 88
 Ejemplo

Policy Value $100.000,00

Policy Period 1 Year

Analysis Time Range

Start Age 40 Increase by:1

Prima Mensual
Current Age Estimate Lower CL Upper CL
40 $46,65 $23,78 $91,38
41 $51,63 $27,07 $98,36
42 $57,01 $30,69 $105,77
43 $62,80 $34,65 $113,66
44 $69,03 $38,98 $122,05
45 $75,71 $43,69 $131,00
46 $82,86 $48,79 $140,54
47 $90,52 $54,28 $150,73
48 $98,70 $60,18 $161,64
49 $107,42 $66,47 $173,32
50 $116,71 $73,17 $185,85
51 $126,59 $80,27 $199,31
52 $137,08 $87,75 $213,79
53 $148,22 $95,61 $229,37
54 $160,02 $103,83 $246,15
55 $172,51 $112,40 $264,24
56 $185,71 $121,30 $283,73
57 $199,65 $130,51 $304,74
58 $214,36 $140,02 $327,37
59 $229,86 $149,82 $351,74
60 $246,18 $159,89 $377,96

36
 Ejemplo aplicado al
mantenimiento

Frezadora ZAYER 3000 BF. En el ao 1990 se le realiz retrofiting a la mquina

donde se le cambi el c.n.c. Gettys original por uno marca Fagor.

37
 Histrico de Fallos
CAUSA TBF
Mecnicos
F (t)
RANGOS
MARCAS DE
MARCAS DE
F (t) PARA
i TTR [DIAS] MEDIANA CADA 21 CLASE
ASIGNADA [DIAS] INFIABILIDAD CLASE [DIAS] MARCAS
DIAS [MESES]
1 MECANICA 0,458333 15 0,04 0,04
0-21 10 0,33 0,07
2 MECANICA 1,666667 21 0,10 0,10
3 MECANICA 2,416667 22 0,16 0,16 22-42 31 1,03 0,16
4 MECANICA 2,500000 43 0,21 0,21
5 MECANICA 0,625000 45 0,27 0,27 43-63 52 1,73 0,27
6 MECANICA 1,666667 62 0,33 0,33
7 MECANICA 0,500000 69 0,39 0,39
8 MECANICA 0,500000 81 0,44 0,44 64-84 73 2,43 0,44
9 MECANICA 1,666667 82 0,50 0,50
10 MECANICA 0,625000 104 0,56 0,56 85-105 94 3,13 0,56
11 MECANICA 0,458333 109 0,61 0,61
106-126 115 3,83 0,64
12 MECANICA 0,291667 113 0,67 0,67
13 MECANICA 7,541667 147 0,73 0,73 127-147 136 4,53 0,73
14 MECANICA 1,166667 148 0,79 0,79
15 MECANICA 0,666667 163 0,84 0,84 148-168 157 5,23 0,84
16 MECANICA 1,916667 164 0,90 0,90
17 MECANICA 0,250000 204 0,96 0,96 190-210 199 6,63 0,96

MTBF (Terica en meses) 2,37

MTTR (DIAS) 0,33
SUMATORIA TTR DIAS 6,000000 EN 6,5 AOS
38
 RANGOS MARCA DE
TBF F (t) MARCA DE F (t) PARA
MEDIANA CADA 17 CLASE
[DIAS] INFIABILIDAD CLASE DIAS MARCAS
DIAS MESES
13 0,04 0,04
0-17 8 0,27 0,07
16 0,09 0,09
19 0,15 0,15
23 0,20 0,20 18-34 26 0,87 0,20
26 0,26 0,26
38 0,31 0,31
35-51 43 1,43 0,34
53 0,36 0,36
55 0,42 0,42
52-68 60 2,00 0,45
68 0,47 0,47
77 0,53 0,53 69-85 77 2,57 0,53
80 0,58 0,58 86-102 94 3,13 0,58
86 0,64 0,64
87 0,69 0,69
103-119 111 3,70 0,72
93 0,74 0,74
97 0,80 0,80
134 0,85 0,85 120-136 128 4,27 0,85
150 0,91 0,91 137-153 145 4,83 0,91
164 0,96 0,96 154-170 162 5,40 0,96

MTBF (Terica en meses) 2.37

MTTR (DIAS) 0.33
SUMATORIA TTR DIAS 6.000000 EN 6,5 AOS

39
 .
. .
..
.
.
.. ..
. .
. .
.
. .

. .

0,1 1 10 100
1 10 100 MTBF~2,5
0,1 MTBF~3,4
MESES
MESES
40
 PROYECTO DE INVESTIGACION
Estudio probabilstico de Fallos, uso del
Dataminig y Datawarehouse para su aplicacin
al Mantenimiento
1. Introduccin
2. Origen de la Propuesta.
3. Aportes de cada Disciplina: Ing. Fiabilidad y Sistemas de
Informacin.
4. Objetivos
5. Metodologa de Trabajo
6. Impacto esperado/Transferencia al Medio
7. Avance del Proyecto
8. Conclusin
9. Integrantes del Equipo de Trabajo
41
 1. Introduccin

Este proyecto est orientado a estudiar y analizar el impacto

de aplicar TI/SI al estudio probabilstico de los fallos en el
Mantenimiento, como funcin cuyo objetivo es la prolongacin
y/o recuperacin de las funciones de determinado componente
o mquina.
Si las mquinas no fallaran, no habra mantenimiento,
conceptualizando los Fallos como eventos indeseables que
debemos tratar de evitar, prevenir o anticipar a travs del
estudio de su probabilidad de ocurrencia mediante mtodos
probabilsticos automticos.

42
 .
2. Origen de la Propuesta

Trabajo en Equipo de dos ctedras de la carrera:

Fundamentos de Informtica: 1er. Nivel y uno de sus objetivos
es formar elementos de juicio orientados a la resolucin
automtica de problemas, mediante a travs del desarrollo de
destrezas en el uso tanto de Hardware como de Software.
Mantenimiento: 5to. Nivel y cuyo objetivo es gestionar el
mantenimiento a travs de herramientas que permitan
dominar fallos, por metodologas basadas en registros de
confiabilidad del material y su comportamiento; TPM,
Mantenimiento Preventivo, Anlisis de Software y outsourcing.
En todos los casos, el proyecto se desarrolla con actividades
docentes, por lo cual la transferencia al aula es directa.

43
 3. Aportes de cada Disciplina:
Ing. Fiabilidad e Ing. Sist. Informacin

Ingeniera Fiabilidad
Es el estudio de la longevidad y fallo de los equipos, que
investiga sus causas a travs de la aplicacin de una
metodologa basada en dos enfoques:
- Modelos: deductivo, de tendencia, inductivo; utilizado en la
etapa de diseo del material.
- Mtodos para clculo de Fiabilidad son dos: Analtico (frmulas
matemticas, simulacin de escenarios) y Grfico (ensayos de
larga duracin o acelerados).
- Todos los estudios de fiabilidad estn sometidos a su
tratamiento a travs de la variable continua tiempo; en el cual
se analiza la tasa de fallo.

44
 La Informtica como una ciencia de aplicacin interdisciplinaria
se transforma en una excelente herramienta para la Toma de
Decisiones automticas a travs del uso de Base de Datos.
Base de Datos: coleccin de datos y/o documentos digitales
que pueden ser homogneos o no, que disponen de Sistemas
de Gestin de Bases de Datos (relacionales o documentales) y
un conjunto de aplicaciones que hacen posible su publicacin,
integracin y consulta dentro o fuera de Internet
(Telemantenimiento).
Herramientas de Bases de Datos:
- Datawarehouse (DW)
- Datamining (DM)

45
- DW o Almacenes de Datos:
Generan Bases de Datos tangibles con una perspectiva histrica,
utilizando datos de mltiples fuentes (excel, access, sql, etc.) que
se fusionan en forma congruente y son soportados por un motor
de BD fuerte y con gran capacidad de almacenamiento.

- DM o Minera de Datos:
Predicen futuras tendencias y comportamientos, permitiendo en los
negocios tomar decisiones proactivas y conducidas por un
conocimiento acabado de la informacin (knowledge-driven) de los
fallos. Se basan en la extraccin de informacin oculta y
predecible de grandes Bases de Datos; que nos permiten
responder a preguntas sobre el comportamiento del material en los
fallos, que consumen demasiado tiempo para poder ser resueltas y
cuyos usuarios de esta informacin no estn dispuestos a aceptar.
Ej.: Reportes.

46
La Minera de Datos es una disciplina que est influyendo
en nuestros das dentro del mbito del anlisis de datos.

- Es un conjunto de metodologas y herramientas que permiten

extraer el conocimiento til (patrones de comportamiento,
modos de operacin, informacin til para descubrir fallos,
tendencias, etc.) para la ayuda en la toma decisin,
comprensin y mejora de proceso o sistemas, etc; partiendo de
grandes cantidades de datos.
- Esta herramienta no se basa en una metodologa estndar y
genrica que resuelve todo tipo de problemas, sino que
consiste en una metodologa dinmica e iterativa que va a
depender del problema planteado, de la disponibilidad de las
fuentes de datos, del conocimiento de las herramientas
necesarias y de los requerimientos y recursos de la empresa.
- Ej. Campos de aplicacin control, optimizacin y supervisin de
procesos industriales, control de calidad, tendencias de la Bolsa
de Valores, diagnstico de enfermedades,prediccin de ventas,
deteccin de fraudes y evasin de impuestos, lavado de dinero,
etc.

47
 4. Objetivos del Proyecto de Investigacin

Automatizar el tratamiento de fallos a travs del uso de las

Bases de Datos para su estudio de comportamientos que
permitan tomar decisiones proactivas basadas en repositorios
de datos histricos y en la criticidad de los sistemas en
funcionamiento.
Objetivos derivados:
- Determinar si la aplicacin de ambas herramientas (DW y
DM) facilitan no solo anlisis prospectivos automatizados (M.
Preventivo) de los fallos, sino eventos futuros cuyo
comportamiento puede inferirse del anlisis de ciertos
parmetros.
- Crear conciencia en los alumnos, para que a partir del uso de
estas herramientas, en problemas reales y de distinto nivel de
complejidad, apliquen sistemas de Gestin de Informacin al
Mantenimiento.

48
 5. Metodologa de Trabajo

El proceso es realizado en una secuencia de actividades,

algunas de estas superpuestas en el tiempo, pero bsicamente
responden a los siguientes pasos:
- Preparacin del estudio.
- Seleccin del Sistema y de sus lmites (muestra representativa)
- Anlisis del Sistema, datos existentes y medios estadsticos
aplicados al estudio de fiabilidad.
- Evaluacin de consecuencias de fallos.
- Establecer algoritmos que permitan generar un Sistema de
Decisin o respuesta al fallo.
- Aplicarlo a escala piloto y determinar su aplicabilidad.
- Validarlo.
Cabe aclarar que esta Metodologa forma parte de un Plan de
Trabajo a mediano plazo presentado por la U.T.N. F.R.C.

49
 6. Impacto esperado/Transferencia al Medio
Nuestra intencin es que este Proyecto Innovador repercuta
positivamente en tres escenarios:
- Cientfico y/o tecnolgico:
Basado en el uso de un software especializado (enlatado)
desarrollado para satisfacer las necesidad primordiales del rea
Fiabilidad. Algunos son:
- JMPTM (www.jmpdiscovery.com)
- SAS (www.sas.com/statistics)
- ReliaSofts Alta 6 (www.reliasoft.com)
- BQR (analizando factibilidad de adquirir licencia acadmica)
- Formacin de RRHH:
Los Docentes involucrados, en su rol natural de multiplicadores de
conocimiento, motivarn y formarn alumnos con una clara visin
estratgica de la gestin de mantenimiento automatizado a travs
del uso de herramientas Informticas; ya que la transferencia al
aula es directa.
Consolidar en el seno del Dpto. Grupos de I&D, que interactuarn
en forma interdisciplinaria; as como capacitacin en temas
DW/DM para Docentes de la carrera.
50
- Desarrollo Socio-Econmico:
La Fiabilidad y el Mantenimiento protegen tanto el rendimiento
de la Empresa como de sus inversiones; por ello se define la
Fiabilidad como la Calidad a travs del tiempo.
Hoy en da, los costos asociados a los fallos en la Industrias
con muy significativos (relacin costo-beneficio).
Transferencia al medio de resultados obtenidos:
Es muy probable en etapas ms avanzadas, ya que hay
Empresas productivas interesadas en esta investigacin pues
un paro en la produccin por mantenimiento o avera de las
mquinas suponen un coste inadmisible en trminos de
productividad.
La Teleasistencia permite no slo reparar la mquina desde
instalaciones del fabricante sino mantener un control
automtico y preventivo de los equipos.
Y el futuro de la aplicaciones HMI (Human Machine Interface)
en la industria de la automatizacin descansa en la idea de ser
el puente entre el rea de control y el rea de la informacin.

51
 7. Avance del Proyecto de Investigacin
Plan de Trabajo ha sido presentado a tres aos, y est a la
espera de aprobacin como Proyecto Promocional por
Rectorado, para formar parte de la Acreditacin de la carrera
Hoy: estamos avanzando en dos lneas bien definidas:
- Una dedicada al anlisis del Software (enlatado) de Fiabilidad
que mejor se adapte a nuestras necesidades; donde la opcin
BQR posee una versin acadmica que podra ser adquirida
por la Facultad y exige un trabajo de campo concreto de un
alumno de la ctedra pertinente (Mantenimiento).
- Otra referida a cul es el mejor motor de Base de Datos que
se adapte a nuestros requerimientos, y estamos analizando los
siguientes:
a. Motor de Base de Datos SQL 2005: que trae un mdulo de DW
para usuarios de conocimientos medio.
b. Motor de Base de Datos Oracle: que en su versin 10 gi presenta
interesantes ventajas competitivas.
Estamos analizando dos aspectos trascendentes: licencia del Software
y (BD) y capacitacin al equipo de trabajo interdisciplinario.

52
 8. Conclusin

Consideramos que este proyecto innovador y de carcter

interdisciplinario, mejorar la perfomance en lo referido a
disminucin de fallos de los equipos en particular y de una
lnea de produccin en general; a travs de la
automatizacin del proceso de toma de decisiones
mediante un DW o DM.

53
 9. Integrantes del Equipo de Trabajo

Director: Ing. Jorge E. Abet

Co-directora: Ing. Blanca R. Carrizo
Integrantes:
Ing. Gustavo I. Gonzlez
Ing. Cynthia Corso
Ing. Sandra Olariaga
Ing. Clarisa Stefanich

54
Muchas Gracias !!

55