Clasificación de las causas de fallo

Causas intrínsecas de fallo, ligadas al propio funcionamiento del sistema, que produce un
deterioro progresivo de sus elementos constitutivos.
En sistemas fundamentalmente mecánicos este envejecimiento se deberá a causas tales
como fatiga, desgaste, corrosión, alteración del lubricante, etc., fenómenos todos ellos
ligados al número de ciclos de funcionamiento o al simple transcurso del tiempo.
Estudiaremos más adelante algunos ejemplos de estas causas intrínsecas que producen
fallos deterministas. La búsqueda de este tipo de fallos en el sistema se debe abordar con
una estrategia de microdiagnóstico.
 Clasificación de las causas de fallo

Causas extrínsecas, o externas, las causas no ligadas al propio funcionamiento del sistema.
Puesto que estas causas no son en principio dependientes de los ciclos de funcionamiento
del
sistema ni del transcurso del tiempo, su aparición, desde el punto de
vista del sistema, es aleatoria y en la mayor parte de los casos producirán fallos aleatorios
cuyo
análisis estará ligado a una estrategia de macrodiagnóstico.

Las causas extrínsecas de fallo provienen de:

a) Sobrecargas fortuitas.
b) Operaciones inadecuadas.
c) Errores del proyecto en cuanto a
• Diseño.
• Fiabilidad de los datos de diseño.
• Estimación de propiedades de materiales y componentes.
• Estimación de las solicitaciones.
 Clasificación de las causas de fallo

d) Errores de construcción en cuanto a

• Fabricación de componentes.
• Materiales utilizados.
• Ajustes y tolerancias.
• Montaje.
• Control de calidad.
e) Errores de Mantenimiento
• Repuestos inadecuados.
• Montaje inadecuado.
• Operaciones inadecuadas.

El carácter aleatorio, desde el punto de vista del sistema, de estas causas extrínsecas de
fallo, hace que necesariamente deban ser evaluadas exclusivamente por procedimientos
estadísticos.
Hay que tener en cuenta que los daños producidos por estas causas extrínsecas pueden
acelerar la aparición de fallos deterministas. Por ejemplo una lubricación defectuosa puede
acelerar el desgaste de una pieza.
 Fiabilidad

La predicción del fallo está ligada al concepto de probabilidad. La acotación estadística de la

posibilidad de fallos en distintos elementos y por distintas causas permite la elaboración de
unas bases teóricas para la evaluación de riesgos de fallo del sistema global, que constituye
la teoría de la fiabilidad, fundamentada en conceptos estadísticos con la que abordar con
suficiente aproximación práctica el cálculo de las posibilidades que el sistema tiene de
permanecer en adecuado estado de funcionamiento.

Como tantas otras formulaciones matemáticas, la teoría de la fiabilidad tiene una doble
utilidad:
• Por un lado es un modelo que permite la resolución numérica de la evaluación del riesgo
de fallo en casos complejos, a partir de los datos conocidos para sus elementos
constitutivos.
• Pero además constituye un marco conceptual para comprender los factores que influyen
en la fiabilidad que afectan a la seguridad del sistema, aún cuando el grado de
conocimiento de sus elementos constitutivos no sea suficiente para que se disponga de
los datos numéricos precisos para un cálculo aproximado.
 Mantenimiento

Para establecer un plan de mantenimiento de los equipos o productos industriales es

necesario determinar su FIABILIDAD, es decir evaluar la probabilidad de que se mantengan
en el tiempo en adecuado estado de funcionamiento.

Las decisiones que hay que tomar sobre las acciones correctoras, y el momento adecuado
para realizarlas, tienen que basarse en la fiabilidad asignada al equipo o producto.

Las decisiones sobre actuaciones tienen costes directos e indirectos y hay que sopesarlos
frente a los riesgos de fallo en que se incurre.

Para una explotación óptima y racional de equipos y productos industriales. Hay que tomar
en cuenta el par Fiabilidad/Coste de Mantenimiento

Según esto, para establecer este óptimo de actuación hay que conocer y sopesar dos
conjuntos de estimaciones:
• - Las ligadas a los costes directos e indirectos de las acciones correctoras.
• - Las ligadas a la fiabilidad del sistema objeto de mantenimiento.
 Fiabilidad

La teoría de la fiabilidad maneja una serie de funciones conceptualmente ligadas a la

posibilidad del fallo y todas ellas definidas en el dominio del tiempo.
Hay cuatro funciones básicas que permiten evaluar el comportamiento de elementos y
sistemas durante su funcionamiento:

Infiabilidad, F(t) (también Función Acumulada de Fallos). Es la probabilidad de que un

elemento falle antes del instante t. (La función F(t) es adimensional).
 Fiabilidad

Fiabilidad, R(t). Es la probabilidad de que un elemento falle después del instante t. (La
función R(t) es también adimensional).
Fiabilidad

Densidad de fallos, f(t). Es la probabilidad de fallo del elemento, por unidad de tiempo, en
cada instante t; es decir, será el cociente de la probabilidad de que el elemento falle en el
intervalo comprendido entre t y t + dt dividida por la magnitud dt del intervalo.

• Tendrá que cumplirse que ∫ f (t)dt = 1

• (La función f (t) tiene dimensión 1/tiempo<>1/T).
 Fiabilidad

Tasa de fallos Z(t). Es la probabilidad, por unidad de elementos supervivientes en t, de que se

produzca un fallo por unidad de tiempo en dicho instante t; es decir, será el cociente de f(t) y R(t).
Lo que nos permite en un conjunto de elementos idénticos poder evaluar la posibilidad de que
existan fallos en un instante t.

• Para un único elemento la tasa de fallos z(t) mide la posibilidad de que el elemento falle en el
instante t, sin haber fallado hasta este momento.
• (La función Z(t) tiene también dimensión 1/tiempo<>1/T).
 Fiabilidad

Vida media, θ. Es la esperanza matemática de vida de un elemento cuya densidad de fallos es

f(t); por lo tanto, será el momento de primer orden, respecto al origen de t, de su densidad de
fallos.
 Fiabilidad

Desviación típica, σ. Es el valor cuadrático medio de las desviaciones de vida útil respecto a la
vida media; por tanto será la raíz cuadrada del momento de segundo orden respecto a θ de la
densidad de fallos..
Distribuciones estadísticas temporales

A partir de datos experimentales, y con el apoyo del conocimiento tecnológico sobre el

comportamiento del deterioro, se puede deducir la distribución idealizada de fallos del
elemento a lo largo del tiempo, y ajustar a ella una función temporal que es la que se utilizará
en para razonamientos matemáticos que permitan modelizar y calcular estadísticamente la
evolución de la probabilidad de fallo a lo largo del tiempo.

Para caracterizar matemáticamente la distribución de fallos en distintos elementos a lo largo

deltiempo se han propuesto numerosas funciones cada una con sus ventajas e inexactitudes
y, por lo tanto, con su campo de aplicación típico.
Distribución exponencial

La distribución exponencial responde a fallos:

- por causas accidentales y
- supone tasa de fallos constante.

Supone Tasa de Fallos, Z(t), constante a lo largo del tiempo y de valor λ. Por lo tanto:

Según esto, la Fiabilidad, R(t) vendrá dada por la expresión:

Y por lo tanto, la Infiabilidad, F(t), (o función acumulada de fallos) será:

Distribución exponencial
La Densidad de Fallos, f(t), (o densidad de probabilidad) por otra parte vendrá determinada:

Otros parámetros, como la Vida Media, θ, (tiempo medio hasta el fallo) será:

En esta distribución no aparece zona de fallos seniles.

Es decir que responde a fallos producidos por causas extrínsecas, independientes del
envejecimiento del sistema, y difíciles de predecir tecnológicamente por su carácter aleatorio,
por lo que se considera el sistema como "caja negra" en que la información sobre fallos se
obtiene del historial con poco o ningún análisis de las motivaciones tecnológicas.
Ejemplo Distribución exponencial
En una flota de automóviles de alquiler se deduce del historial que por cada 250 días de
alquiler se produce una avería o deterioro que aconseja dar de baja un vehículo. Se
comprueba además que los fallos no se deben a causas ligadas al envejecimiento (lo que es
lógico si se trata de coches que, por razones comerciales, se retiran de la flota cuando no
están “como nuevos”), sino a causas externas (como mal uso, accidentes, etc).
Si se compran 100 automóviles en un determinado momento:
a) ¿Cuántos habrá que reponer cada seis meses, si como media su utilización es de 25 días
mensuales?
b) ¿Como cambia la disponibilidad media con una política de reposición cada 2 meses?
c) Sin reposición ¿cuánto tarda la flota en quedar reducida a su cuarta parte?:
Ejemplo Distribución exponencial
Si las razones de nuestras averías se deben a causas aleatorias:
• Usuarios.
• Accidentes.
• Terreno.
• Piezas de repuesto

Optaremos por suponer que nuestro caso se ajusta a una distribución de fallos Exponencial
Esto nos permitirá obtener algunas conclusiones antes de continuar:

• Vida Media del vehículo, θ, corresponde a 250 días. (θ =1/ λ)

• Según distribución Exponencial, la Tasa de Fallos Z(t)= λ =1/250 días.
• Según distribución Exponencial, la Fiabilidad R(t) = e^(λ ·t)
Ejemplo Distribución exponencial

• t1 = 25 d/mes x 6 meses = 150 d (días utilizados por automóvil a los 6 meses)

• t2 = 25 d/mes x 2 meses = 50 d (días utilizados por automóvil a los 2 meses)

• R(t1) = 0.5488 (fiabilidad de los automóviles a los 6 meses)

• R(t2) = 0.8187 (fiabilidad de los automóviles a los 2 meses)

• F(t1) = 1- R(t1) = 0.45 (probabilidad de fallo antes de los 250 días es del 45%, a los 6 meses)
• F(t2) = 1- R(t2) = 0.18 (probabilidad de fallo antes de los 250 días es del 18%, a los 2 meses)

Como tenemos 100 vehículos:

100·F(t1) = 45 vehículos (por lo tanto, existe una probabilidad de que fallen 45 vehículos antes de los
250 días, a los 6 meses)
100·F(t2) = 18 vehículos (por lo tanto, existe una probabilidad de que fallen 18 vehículos antes de los
250 días, a los 2 meses)
Ejemplo Distribución exponencial
-Conclusiones-
Para volver a tener una fiabilidad 100%:
La reposición cada 6 meses será de : 45 vehículos
La reposición cada 2 meses será de : 18 vehículos (54 vehículos cada 6 meses)

A la vista de la última columna podemos observar que comprando 9 vehículos mas al semestre,
tendremos una disponibilidad mucho mayor, es decir, mejora la flota en 13.5 equivalentes.
Por lo tanto, a priori, la solución de reposición bimensual parece la optima .
Ejemplo Distribución exponencial
c) Sin reposición ¿cuánto tarda la flota en quedar reducida a su cuarta parte?
Que la flota quede reducida a una cuarta parte, supondrá:
¼ · 100 vehículos = 25 vehículos en funcionamiento
75 vehículos de baja.
F(t) = 75/100 = 0.75
R(t) = 1- F(t) = 0.25 (la reducción de la flota a la cuarta parte supondrá tener una fiabilidad
del 25%)
Ejemplo Distribución exponencial
Distribución normal

La distribución normal responde

• A fallos que tienden a distribuirse de una forma simétrica alrededor de una vida media y
con una curva de densidad de fallos acampanada.
• Predicciones ajustadas a la distribución real de fallos por deterioro progresivo y senil,
cuando este se produce por causas intrínsecas.

Aquellos dispositivos que presentan un solo mecanismo de envejecimiento claramente

dominante, tales como el desgaste, suelen quedar bien representados por distribuciones de
este tipo.
Distribución normal

La distribución normal supone Densidad de fallos, f(t), según la función:

La expresión así propuesta para la densidad de fallos presenta la anomalía de que f(t) no es nula
para t ≤ 0, lo que físicamente quiere decir que sería posible el fallo antes del instante (t = 0) en
que ponemos en servicio el elemento. Esto no está de acuerdo con la realidad, pero el problema
no es grave si θ y σ son tales que la curva a la izquierda del origen límite un área despreciable, lo
que se cumple aproximadamente si θ es 3 ó 4 veces el valor de σ, como es muy habitual.
Distribución normal

Según esto, la Infiabilidad, F(t), (o función acumulada de fallos) será:

la solución de dicha integral en el intervalo requiere métodos de resolución numéricos. Para

tabular dicha integral en el intervalo usaremos la función Distribución Normal Estandar, (𝜑u).
Distribución normal

Y, por lo tanto, la Fiabilidad, R(t), vendrá determinada:

Otros parámetros, como:

- la Vida Media, θ, (tiempo medio hasta el fallo):

- la Desviación Estándar, σ,
Distribución normal
Distribución normal
Distribución normal
Distribución normal
Ejemplo Distribución normal
En una flota de vehículos de reparto se deduce del historial una vida útil de las pastillas de freno de
5000 horas de funcionamiento como media, con una desviación típica de 250 horas. (∼1 mes).
(Se supone que los vehículos como media realizan recorridos similares y que por tanto el desgaste
progresivo es similar, como se ha ido midiendo y registrando tras cada cambio de pastillas).
Las desviaciones se deben a factores aleatorios como tipo de conducción, recorrido y carga, y se
suponen distribuidas al azar en los vehículos a lo largo de un tiempo suficientemente largo, como es ∼
la vida útil.
Según una distribución normal de las variaciones, se comprueba que casi todos los frenos, es decir un
95%, agotan su vida útil en el intervalo de 4 meses [4σ].
Se han adquirido 30 vehículos en un determinado momento.
Se planifica cambiar las pastillas cuando llegue el momento adecuado, revisando 10 vehículos cada
mes.
Se pretende fijar el momento adecuado para iniciar la revisión considerando:
• Riesgo de fallo (seguridad)
• Disponibilidad
• Coste de Mantenimiento correctivo
• Coste de repuestos y mano de obra
Ejemplo válido en la reposición de cualquier otro elemento con envejecimiento progresivo] [Bujías,
Rodamientos, Aceite].
Ejemplo Distribución normal
-Resolución-
Si suponemos que las causas de nuestras averías se deben a repuesto por deterioro progresivo:
• Pastillas de freno.
• Bujías.
• Rodamientos.
• Aceite.

Optamos por suponer que nuestro caso se ajusta a una distribución de fallos Normal

Esto permitirá obtener algunas conclusiones antes de continuar a la vista del historial:
• Vida Media del vehículo, θ, corresponde a 5000 horas.
• La Desviación Típica, σ, corresponde a 250 horas.
• Según distribución Normal, para un 95% de fallos en ±2 meses.
Ejemplo Distribución normal
Ejemplo Distribución normal
Ejemplo Distribución normal
Ejemplo Distribución normal
Ejemplo Distribución normal