Zapata - Confiabilidad en Ingenieria Es2011

ConfiabilidadenIngeniera
CarlosJ.Zapata

UniversidadTecnolgicadePereira
ConfiabilidadenIngeniera PrimeraEdicin 2011
CarlosJ.Zapata
ProfesorAsociado UniversidadTecnolgicadePereira Pereira,Colombia

ConfiabilidadenIngeniera Primeraedicin:Ao2011 ISBN: Autor: CarlosJ.Zapata,ProfesorAsociado, 2011 UniversidadTecnolgicadePereira,Pereira,Colombia Impresin:PubliprintLtda Primeraimpresin ImpresoenColombia,PrintedinColombia Prohibida la reproduccin parcial o total de esta obra, por cualquier mtodo sin la autorizacinescritadeleditor. CentroComercialLaPopa,Local14 Dosquebradas,Colombia publiprint@epm.net.co UniversidadTecnolgicadePereira,Pereira,Colombia
Carlos Julio Zapata Grisales es ingeniero electricista de la Universidad Tecnolgica de Pereira (1991), magster en ingeniera elctrica de la Universidad de Los Andes (1996) y doctoreningenieradelaUniversidaddeLosAndes(2010).Deenerode1991aenerode 2002 labor para Consultora Colombiana S. A Concol S. A. Desde diciembre de 2001 laboracomodocenteeinvestigadorenlaUniversidadTecnolgicadePereira. Paracomentariosopreguntasalautor,enviarunemailalcorreocjzapata@utp.edu.co
TabladeContenido

1 2 3 4 5 6 7 8 Conceptosgenerales Tiposdecomponentesysistemas Componentesnoreparables Componentesreparables Sistemasnoreparables Sistemasreparables Sistemasesfuerzoresistencia Arbolesdefallaydeeventos
Pgina 1 12 25 41 62 70 80 90
Presentacin

Confiabilidad en Ingeniera corresponde a las notas de clase de los cursos de postgrado que el autor ha dictado en la Universidad Tecnolgica de Pereira (Pereira, Colombia) y enlaUniversidaddelosAndes(Bogot,Colombia). El principal objetivo de este documento es presentar los conceptos de confiabilidad de componentesysistemasnoreparablesyreparablesdentrodelmbitodelaingeniera. Eneldesarrollodeestetemaseenfatizaenlossiguientesaspectos:Ladiferenciaentreel modelamiento de componentes y sistemas reparables y no reparables, la informacin requerida para el modelamiento y los mtodos para construir modelos de confiabilidad decomponentesreparablesynoreparables. Elenfoque de este textoeshacialas aplicaciones prcticas, ya que existen muchos libros donde la confiabilidad se aborda solamente desde el punto de vista terico sin ensear cmoesquesehacelaaplicacindeestosconceptosasituacionesreales.As,elautorha querido incorporar en estas notas la experiencia adquirida en los estudios de confiabilidadenquehatuvolaoportunidaddeparticipar. En este documento se asume el conocimiento por parte del lector de los conceptos bsicosdeprobabilidad,estadstica,procesosestocsticosysimulacindeMontecarlo.

CarlosJ.Zapata Cartago,Febrerode2011
ConfiabilidadenIngenieraCarlosJ.Zapata
Captulo1ConceptosGenerales
CAPTULO1CONCEPTOSGENERALES
1.1NECESIDADDELACONFIABILIDAD
Figura1.1Algunosproductosyserviciosutilizadosporlaspersonasenlavidadiaria
Enlavidadiariadelassociedadesmodernasseutilizanmuchosproductosyservicios:
Ejemplos Productos Bombillaelctrica Televisor Generadorelctrico Bicicleta Computador(hardware) Software Diodo Jeringaplstica Lentedecontacto Servicios Electricidad Gasdomiciliario Televisin Telefona Aguapotable Alumbradopblico Radiodifusin Correo Transportepblico
Los productos pueden ser simples o complejos, dependiendo de la cantidad de subcomponentes o partes que los conformen. En realidad, un componente puede ser un sistema de muchos subcomponentes. Los subcomponentes pueden ser clasificados funcionalmente por subsistemas. Sin embargo, sin importar la cantidaddesubcomponentes,usualmenteelproductoseconsideraexteriormenteunsolocomponente.
Ejemplo
Una unidad de generacin elctrica est conformada por el sistema de suministro de combustible, el sistema mecnico que transforma la energa primaria en energa rotacional, el generador sincrnico, los controles de velocidad y voltaje, los servicios auxiliares, etc. Externamente, todo esto puede ser considerado un solo componente.
Los servicios son suministrados por sistemas conformados por muchos componentes ms las personas encargadas de su operacin. Dado el gran tamao y complejidad de algunos sistemas, stos suelen subdividirseporzonasfuncionalesosubsistemas.
Ejemplo
Elserviciodeelectricidadesprovistoporelsistemaelctricodepotencia,elcualsuelesubdividirseparasuestudio yoperacinensistemadegeneracin,sistemadetransmisinysistemadedistribucin.
2011
A su vez, un sistema puede ser considerado desde un sistema mayor o ms importante como un componente.Porlotanto,enestetextolaspalabrascomponenteysistemasonintercambiables. Sedenominafallaalasituacinenque[5],[6]:
1 2 Elcomponenteosistemadejacumplirparcialmenteototalmentesufuncin Existeunadiferenciainaceptableentreeldesempeoesperadoyelobservado
Lasfallaspuedenocurrirdebidoa[6]:
1 2 Defectostcnicosofsicos Erroresoperativosoprocedimentales. Incluye el diseo, materiales, manufactura, construccin, ensamblajeymantenimiento Administracin y control de calidad, lo cuales estn relacionadosconfactoreshumanos.
La fallas de los componentes o sistemas pueden causar efectos que van desde molestias e inconvenientes paraalgunosdelosusuarioshastaunseveroimpactoenlasociedad. Lasfallastambinpuedenllevarasituacionespotencialmentepeligrosasoderiesgoparalosusuarioso elmedioambiente,diferentesalasaceptadasopermitidas. Porlotanto,serequierequetodocomponenteosistemaofrezcacalidad,seguridadyconfiabilidad:
Serefiereasudesempeorespectoaunasnormastcnicas.Ejemplo:Calidaddelagua,calidadde laimagendetelevisin,calidaddelarecepcindelaunasealdeaudio,calidaddelmaterial. Quesuusonoimpliquepotencialespeligrosoriesgosparalosusuariosoelmedioambiente Seguridad diferentesalosaceptadosopermitidos. Que cumpla su funcin durante el tiempo requerido bajo unas condiciones operativas Confiabilidad especificadas Calidad
Debe aclararse que las definiciones presentadas corresponden al contexto de la ingeniera pudindose encontrar otras definiciones particulares para otras reas de aplicacin y an para subreas de la ingeniera.
Ejemplos
Confiabilidad en el rea de las noticias: Se refiere al grado de veracidad de las mismas lo cual depende de factores comolasfuentesdelainformacinysugradodedetalle.
Seguridad en las transacciones bancarias: Se refiere al grado de proteccin existente para evitar el acceso de personasnoautorizadas.
Seguridad en sistemas elctricos de potencia: Se refiere a la habilidad para operar establemente ante disturbios comocortocircuitos,prdidadecomponentes,etc.
En la definicin de confiabilidad aparece el aspecto temporal durante el cual se requiere que el componente cumpla su funcin. Las condiciones operativas especificadas incluyen el rango de utilizacin (capacidadnominal,condicionesambientales,etc.)ylosrequerimientosdecalidadyseguridad.
2011
Existeunaestrecharelacinentrelosaspectosdeconfiabilidad,calidadyseguridad:lasmejorasenlasdos ltimasconllevanalamejoradelaconfiabilidad. El garantizar un nivel dado de calidad, seguridad y confiabilidad abarca todas las etapas de un componenteosistema:Planeamiento,diseo,fabricacin,instalacinyoperacin. No es econmicamente posible disear, fabricar y operar un componente o sistema que ofrezca una confiabilidad del 100% (cero fallas) bajo todas las condiciones pues los eventos internos y externos que afectan a los componentes y producen las fallas son aleatorios; es decir, no puede conocerse en forma exacta el tiempo de su ocurrencia. Por lo tanto, la llegada de fallas a un componente o sistema es un fenmenoaleatoriooconincertidumbre. 1.2DEFINICIONES 1.2.1Confiabilidad Eslaprobabilidaddequeuncomponenteosistemapuedacumplirsufuncinenlascondicionesoperativas especificadasduranteunintervalodetiempodado
Esta es la definicin general de confiabilidad. Aplica a los componentes o sistemas orientados a una misinysedesignaporlaletraR(Reliability). Esta definicin no tiene sentido para los componentes o sistemas reparables puesto que stos toleran las fallas;paraestossistemasseutilizaladisponibilidad. 1.2.2Disponibilidad
Eslaprobabilidaddequeuncomponenteosistemapuedacumplirsufuncinenlascondicionesoperativas especificadasenuninstantedetiempodado
Se designa por la letra A (Availability). El complemento de la disponibilidad se denomina indisponibilidadysedesignaporlaletraU(Unavailability). 1.2.3Seguridad
Eslaprobabilidaddeevitaruneventopeligroso
SedesignaporlaletraS(Security)eincluye:
1 2 Laprobabilidaddequeocurraeleventopeligroso Lagravedaddelevento,esdecir,sugradodepeligropotencial
Elnivelderiesgoesfuncindeestosdostems,talcomosemuestraenlaFigura1.2
UniversidadTecnolgicadePereira 2011 3
($)
Gravedad Riesgo inaceptable
Probabilidad del evento Figura1.2Funcinderiesgoenunanlisisdeseguridad

Riesgo aceptable
La gravedad de los eventos no proviene de la naturaleza de su origen sino de sus consecuencias para los usuarios, el medio ambiente y para el mismo componente o sistema. En un anlisis de riesgos se hace inventario de todas las situaciones potencialmente peligrosas debido a la presencia y utilizacin del componente o sistema y se establece su gravedad como costo econmico o en otro tipo de escala cualitativaocuantitativa. 1.2.4Mantenibilidad
Eslaprobabilidaddequeunaoperacindadademantenimientopuedaserrealizadaenunintervalodetiempo dado
Se designa por la letra M (Maintainability). El mantenimiento puede ser correctivo (Salidas no planeadas) opreventivo(Salidaplaneada). 1.3OTRASMEDIDASPARALACONFIABILIDAD La probabilidad es la medida clsica para valorar la confiabilidad. Sin embargo, existen muchas otras medidas utilizadas extensamente, por lo cual, confiabilidad es un trmino genrico que describe todas estasmedidassinquenecesariamenteestnrelacionadasconlaprobabilidad. Gran parte de estas medidas corresponden a promedios estadsticos o valores esperados que se denominanndicesdeconfiabilidad.Algunosejemplossepresentanacontinuacin.
ndicedeconfiabilidad Vidamedia Frecuenciadefallasporao Indisponibilidad Prdidadecarga Tiempomediodereparacin LOLE
Definicin Tiempoesperadoparaqueocurraunafalla enuncomponentenoreparable Nmerodefallasesperadasporao Nmeroesperadodehorasde indisponibilidadporao Valoresperadodecarganoatendidapor ao Tiempomedioesperadoparacada reparacin Nmeroesperadodehorasporaoenque nosepodratenderlademanda
2011
Ejemplo 10000horas 0.1fallas/ao 20horas/ao 180.2kW 4horas/reparacin 0.1horas/ao

4
Endurance
Nmerodeoperacionesquepuederealizar uncontactor,interruptoroseccionador antesdeentrarensuperiodode obsolescencia
6000operaciones
De otra parte, no existe una medida nica que pueda aplicarse a todos los tipos de componentes o sistemas. 1.4CMOMEJORARLACONFIABILIDAD Existen dos formas bsicas mediante las cuales puede mejorarse la confiabilidad de un componente o sistema:
Redundancia Se colocan elementos de respaldo. Si un componente Serefierealacalidaddelosmaterialesutilizadosyasu falla o sale, su funcin es asumida por componente de fabricacin,pruebas,calibracin,transporte ypuestaen respaldo. servicio. Existendostiposderedundancia: Activa: El componente redundante siempre est conectado en paralelo con el componente al cual da respaldo.

Calidad
Standby: El componente redundante se conecta en el momento en que el componente al cual da respaldofallaosale.
Otrosmtodosson:elmantenimientopreventivo,ladiversidaddecomponentes,elstockderepuestos.La mejora de la confiabilidad conlleva a inversiones adicionales y cambios en el diseo que pueden afectar lasprestacionesdelcomponenteosistema. 1.5COSTODELACONFIABILIDAD Costo ($) Costo de inversin
Costo de las fallas o R* Valor aceptado ptimo matemtico Confiabilidad
Figura1.3Funcindecostosdelaconfiabilidad
2011
Conformeseaumentaelniveldeconfiabilidad,seaumentaelniveldeinversinrequeridoyviceversa. Elcostodelaconfiabilidaddebecompararseconlosbeneficiosglobalestantoparaelusuariocomoparala sociedad. El nivel aceptable de confiabilidad depende de lo que los usuarios y la sociedad en su conjunto estn dispuestos a pagar por esta. Este nivel aceptable de confiabilidad puede ser diferente del ptimo matemtico. Para justificar las inversiones en mejora de la confiabilidad se deben definir los costos asociados a las fallasointerrupcionesdelservicio(salidas)paralosusuarios,lasempresasdistribuidorasylasociedad. Elcostodeinterrupcinsedefinecomoelvalordelasprdidaseconmicasdebidasalafallaosalida. Paraelcasodelserviciodeelectricidadloscostosdeinterrupcindelserviciopuedenser:
Empresadistribuidora

Usuarios Dependende:
Disminucindeutilidadesporenerganovendida Pagodepersonalcesante Pagodemultasysanciones Pagodecompensacinalosusuarios Imagencorporativa
Criticidaddelacarga Duracindelainterrupcin Tiempodesdelaltimainterrupcin Horadeldaypocadelao Oportunoavisodelainterrupcin Experienciaenelmanejodeestetipodesituacin
Mientras a nivel de empresas del sector elctrico y usuarios industriales existen estudios de los costos asociadosalasinterrupciones,pocoesloquehahechoconrespectoalosotrostiposdeusuarios. Estudios realizados en los pases desarrollados muestran que el costo de las interrupciones en el servicio deelectricidaddependeengranmaneradeltipodeusuarioydeladuracindelainterrupcin. ($) Costo de la interrupcin
Usuario 2 Usuario 1 30 60 90 120 150 180
[minutos]
Duracin de la interrupcin
Figura1.5Ejemplosdefuncionesdecostodelasinterrupcionesversuseltiempo

En la Figura1.5 se muestra un ejemplode la variacin del costo de las interrupciones versus el tiempo de la interrupcin para dos tipos diferentes de usuario. Esta funcin se conoce como funcin de dao del usuario(customerdamagefunction). Basados en el costo de las interrupciones, la empresa distribuidora y los usuarios deben definir cul es el niveldeconfiabilidadqueestndispuestosaofreceryapagar,respectivamente. 1.6ENTIDADESQUEREGULANLACONFIABILIDAD A nivel de componentes, la confiabilidad est regulada por las normas tcnicas que cubren su diseo, fabricacinyoperacin(Entornodeaplicacin,rangosdeuso).Ejemplodeestasentidadesson:
Entidad InternacionalElectrotechnicalCommision NationalFireProtectionAssociation InstituteofElectricalandElectronics Engineers UL UnderwriterLaboratories ASME AmericanAssociationofMechanical Engineers ICONTEC InstitutoColombianodeNormasTcnicas IEC NFPA IEEE Alcance Equipoelctrico Instalacioneselctricas,equipocontraincendio Equipoelctrico Equiposmecnicos Materiales,equiposelctricos,postesdeconcreto,etc
A nivel de sistemas, la confiabilidad est regulada por las normas tcnicas, leyes y resoluciones de entidades encargadas de regular y vigilar la calidad del servicio desde los puntos de vista tcnico y comercial.Ejemplodeestasentidadesson:
ComisiondeRegulacindeEnergayGas ComisinNacionaldeTelevisin ComisinNacionaldeTelecomunicaciones SuperintendenciadeServiciosPblicos NationalElectricReliabilityCouncil Serviciosdeelectricidadygas Serviciodetelevisin Serviciosderadiodifusinytelefona Todoslosserviciospblicosdomiciliarios ServiciodeelectricidadenNorteamrica
1.7TIPOSDEANLISISESTUDIOSENCONFIABILIDAD 1.7.1Cualitativocuantitativo
Cualitativo

Cuantitativo
Es una valoracin subjetiva. No se establecen ndices Es una valoracin objetiva. Se establecen ndices numricos. numricos, que pueden ser determinsticos o probabilsticos. Ejemplos: Ejemplos: Nofallar Probabilidaddefalladel50% Esmuyconfiable Confiabilidaddel0.995 Esteequipoesmejorqueaqul Margendel20% No sirve para comparar alternativas o hacer anlisis Sin embargo, la probabilidad puede ser establecida econmico. medianteunjuiciodeingenieraporlocualtambinsera Seconocecomojuiciodeingeniera subjetivo.

2011
1.7.2Determinsticooprobabilstico
Determinstico

Probabilstico
Las variables se consideran fijas o con funciones que Las variables se consideran aleatorias, es decir no tienen determinan su valor para cualquier instante del un valor fijo ni existe una funcin que permita tiempo. determinarsuvalorenuninstantedetiempodado.

Ejemplo:Potenciadisponibleenungenerador
P=100[MW]
La ocurrencia de determinados valores de la variable se expresaentrminosdeprobabilidad.
P=125*sin2(377*t*38)[MW]
Ejemplo:Potenciadisponibleenungenerador
Demanda=(Potenciaactiva)1.2
P[ MW x] =
1 2 * *10
( x 100)2 x e 2*102
dx
Generalmente, se selecciona el peor escenario lo cual En este tipo de anlisis se puede determinar el riesgo conllevaasobrediseo. del anlisis, que en este caso es la probabilidad de que lo Se conocen todos los factores de las ecuaciones que queseasumeocurraono. modelanloscomponentesoelsistema. Existe incertidumbre con respecto al modelamiento del No existeincertidumbre con respecto alas ecuaciones fenmenofsicobajoestudio. autilizarniconrespectoalvalordesusparmetros.
El tipo de modelamiento a utilizar depende de la informacin de que se disponga para estudiar el fenmenooprocesodeinters. En los problemas reales de ingeniera se encuentra que lo ms comn es que no existe la suficiente informacin o la certidumbre como para establecer los modelos determinsticos. Sin embargo, esta es la formaclsicademodelamientoqueesenseadoenlasuniversidades[2],[3],[8]. Sin incertidumb Determinstica
Figura1.4Conjuntodeinformacinpara estudiarunfenmenooproceso
Con incertidumbre Aleatoria, ambigua, vaga, imprecisa Cuando se analiza la informacin disponible para estudiar los fenmenos fsicos o procesos, se encuentra que solo una pequea fraccin de sta es determinstica o sin incertidumbre, tal como se muestra en la Figura1.4[6]. Laincertidumbreenlainformacinaparecepor[6]:
1 2 3 4 5
Lafaltadeconocimientorespectoalfenmenooprocesobajoestudio Laincapacidadparamediruobservarenformaprecisaelfenmenooprocesobajoestudio Laambigedadovaguedadenlainformacin Lacomplejidaddelprocesoofenmenobajoestudio Laaletoriedadnaturaldelfenmeno
Con el anlisis probabilstico se modelan aquellos fenmenos fsicos en los cuales existe o se asume que hayincertidumbredebidoalaaletoriedadenlainformacin. Otros mtodos de estudio se utilizan para estudiar fenmenos con incertidumbre, por ejemplo, la lgica difusa.Porlocual,elanlisisprobabilsticoessolaunaformademodelamiento. Finalmente, debe mencionarse lo manifestado por Albert Einstein: Las grandes leyes de la naturaleza son determinsticas [7], lo cual quiere decir que es nuestra falta de conocimiento o nuestra incapacidad para medir u observar en forma precisa los fenmenos fsicos lo que hace que aparezca la incertidumbre y tengamosqueutilizarmodelamientocomoelprobabilstico.
Ejemplo
Eltiempoparaqueseformeogesteunserhumano.
Este fenmeno fsico o proceso es determinstico pues ha funcionado y funciona de la misma forma desde que se tiene conocimiento. Sin embargo, no existe un modelo matemtico que permita determinar en forma exacta el momentoenquehadenacerelbeb.Lonicoqueseconoceempricamenterespectoaestetiempoesquetieneun valorpromediode9meses,porlocual,lasobservacionespuedensermayoresomenoresaestedato.
Entonces,estefenmenofsicotieneincertidumbreysepuedemodelarmedianteunadistribucindeprobabilidad para el tiempo de nacimiento del beb. Esta distribucin, se construye a partir de los registros de datos de tiempo paravariosnacimientos.
1.7.3Analticoodesimulacin
Analtico

Simulacin Se simula el comportamiento aleatorio del componente o sistema y se evalan los ndices de confiabilidad en formaindirectapormediodetcnicasnumricas.
Se representa el componente o sistema bajo estudio por medio de un modelo matemtico (ecuacin o conjunto de ecuaciones) y se evalan los ndices de confiabilidad por medio de soluciones matemticas directas.
Ejemplo:
Ejemplos:
SimulacindeMontecarlo.
0.25*t
P[t falla t ] = 1 e
Diagramasdebloques
Este mtodo requiere conocer los modelos matemticos de los componentes o de algunas variables del proceso aleatoriobajoestudio.
ProcesodeMarkov
Lo que se obtiene artificialmente es la solucin de una o varias variables que son funcin de las variables conocidasydeloscambiosenelprocesodelsistema.

1.7.4Histricoopredictivo
Histrico

Predictivo
Se estudia el componente o sistema basado en los Mediante un estudio se predicen u obtienen los ndices datosdesucomportamientooperativopasado. del componente o sistema para un instante de tiempo o periododetiempofuturo. Con estos datos se establecen ndices histricos o medidas de desempeo que generalmente son Se determinan los valores esperados de los ndices de confiabilidadolasfuncionesdeprobabilidad. estadsticas.

Ejemplo:
Ejemplo:
Frecuencia de fallas promedia: 8 por ao por Frecuencia de fallas esperada: 9 por ao por circuito circuitoprimario primario
Tiempopromedioporinterrupcin:4horas
Tiempoesperadoporinterrupcin:3horas
LOLE:0.3dasporao
La prediccin es la funcin del planeamiento de sistemas depotencia.
Los registros histricos se utilizan para construir los modelos probabilsticos con los cuales se hace la prediccindevaloresfuturosdelasvariablesaleatoriasbajoestudio.
2011
10
1.8BIBLIOGRAFA [1] Billinton R, Allan R, Reliability evaluation of engineering systems Concepts and Techniques, segundaedicin,PlenumPress,1992. [2] Torres A, Probabilidad, variables aleatorias, confiabilidad y procesos estocsticos en ingeniera elctrica,UniversidaddelosAndes,1996. [3] AndersG,Probabilityconceptsinelectricpowersystems,WileyandSons,1990. [4] Cabau E, Introduccin a la concepcin de la garanta de funcionamiento, Cuaderno Tcnico No. 144,SchneiderElectric,2000.Disponibleenwww.schneiderelectric.es [5] Sotskov B, Fundamentos de la teora y del clculo de fiabilidad de elementos y dispositivos de automatizacinytcnicadeclculo,EditorialMir,1972. [6] Tan Y, Damage of a distribution transformer due to throughfault currents: An electrical forensics viewpoint,IEEETrans.IndustryApplications,Vol.38,No.1,Enero/Febrero,2002. [7] WhitrowG.J,EinsteinThemanandhisachievement,Doverpublications,1973. [8] RossT.J,Fuzzylogicwithengineeringapplications,McGrawHill,1995. [9] BillintonR,AllanR,Reliabilityevaluationofpowersystems,PlenumPress,1996. [10] CIGRE,PowersystemreliabilityanalysisApplicationguide,1987. [11] IEEE,Powersystemreliabilityevaluation,tutorialcourse82EHO1958PWR,IEEE,1982. [12] AscherH,FeingoldH,Repairablesystemsreliability:Modeling,inference,misconceptionsandtheir causes,MarcelDekker,1984.
2011
11
Captulo2Tiposdecomponentesysistemas
CAPTULO2TIPOSDECOMPONENTESYSISTEMAS
2.1QUESUNCOMPONENTE Y QU ES UN SISTEMA
Modelamientocomocomponente Bombilla
Modelamientocomosistema Bombilla Conector Filamento Cristal
Figura 2.1 Ejemplo de modelamiento de un tem como componente o sistema
La confiabilidad de untem dado depende de la confiabilidad delos componentes quelo conforman y de suconfiguracinoperativa,esdecir,desusmodosdefalla. Si para un tem dado interesa estudiar el efecto sobre su confiabilidad de la confiabilidad individual de cadaunodesuscomponentesydesuconfiguracinoperativa,eltemdebesertratadocomounsistema. S por el contrario, solo se desea estudiar la confiabilidad del tem como un todo sin detallar en lo que sucedeinternamente,stepuedesertratadocomouncomponente. EnlaFigura2.1sepresentaunejemplodeuntemqueestratadocomocomponenteycomosistema. AscheryFeingoldenlaReferencia[1],presentanlassiguientesdefiniciones:
Parte Socket Sistema Untemquenoessujetoadesensamblajeysedescartalaprimeravezquefalla. Una posicin en un circuito o equipo que en un momento dado porta una parte de un tipodado. Una coleccin de dos o ms sockets con sus partes asociadas los cuales estn interconectados para realizar una o ms funciones. Un sistema puede ser considerado comounapartedeunsistemamayor.
Enestedocumentoseadoptanlassiguientesdefiniciones:
Sedenominacomponenteaunaparte,subsistemaosistemaquesermodeladocomountemquehacepartede unsistemaoqueseestudiaraisladoenformaglobal.
Sedenominasistemaaunaconjuntodecomponentesosubsistemas
As, las definiciones de componente y sistema son intercambiables, su uso depende del tipo de estudio a realizar.
2.2CLASIFICACINDECOMPONENTESYSISTEMASPORTIPODEFUNCIONAMIENTO 2.2.1Orientadosaunamisin Deben operar sin falla durante un tiempo estipulado que se denomina tiempo de misin. Se aceptan fallasdealgunosdelossubcomponentessiempreycuandoelcomponenteosistemacontinecumpliendo sufuncin. Enestetipodecomponentesysistemas,existendosformasoperativas: Elcomponenteosistemaempiezaaoperarunavezsechequeayseencuentraoperable. Estado Operativo
Inactivo/fallado
tmisin
tfalla
Figura2.2Ciclooperativodeun componenteosistemaorientadoauna misin
Ejemplos Avin,cohete;enestoscasoseltiempodemisineseltiempodevuelo
El componente o sistema queda activo (idle) una vez se chequea y se encuentra operable. Despus deuntiempoaleatorioempiezasumisin.
Estado Operativo Activo
tmisin
Figura2.3Ciclooperativodeun componenteosistemacuyamisin empiezadespusdeuntiempoaleatorio

t
Fallado/inactivo 0 taleatorio tfalla
Ejemplos Rels de proteccin, alarma; En el primer caso, el tiempo de misin es el tiempo para disparo o setting del rel. El tiempoaleatorioenqueseinicialamisineseltiempoenqueocurrelafallaenelcomponenteosistemaprotegido (noenelrel)
Para estos componentes o sistemas se establece la funcin de vida con la cual se puede determinar el tiempo esperado para falla o vida media del componente. Como las fallas son eventos de naturaleza aleatoria,lafuncindevidaesunafuncindeprobabilidad. Estos componentes o sistemas pueden someterse a procesos de reparacin una vez fallan, o de mantenimientopreventivounavezcumplensumisin.Generalmente,estosprocesosnoseincluyenenel
modelamiento que del componente o sistema se hace para la misin, por lo cual, se consideran no reparables. Sin embargo, no siempre tiene que ser as, pues tambin se puede modelar toda la vida operativadelcomponenteosistema(procesodenacimientoymuerte). 2.2.2Continuamenteoperados Operan en forma continua. Se toleran los estados de indisponibilidad siempre y cuando estos no sean muyfrecuentesomuyprolongados. Estado s1 si
Disponible
Indisponible
Figura2.4Ciclooperativodeun componenteosistemacontinuamente operado

0 T ttoi ttrsi t
Ejemplos Sistemaelctricodepotencia,SistemadeTVporcable,radiodifusin,sistemadeaguapotable,refrigerador.
En estos componentes y sistemas se habla en general de las salidas que afectan su disponibilidad. Las salidaspuedenser:
Tipodesalida Noplaneadas Descripcin Noseconocecundoocurrirn Seconocedeantemanocundo ocurrirn.Sepuedenposponer Ejemplo Fallaspropiadecomponenteosistema Vandalismo Incendios,inundaciones,terremotos,etc Mantenimientopreventivo Ampliacin/mejoramientodelsistema Solicituddeentidadexterna
Planeadas
Las salidas definen la secuencia operativa o secuencia de estados de disponibilidad e indisponibilidad mostradaenlaFigura2.4. No se consideran en la secuencia mostrada: salidas simultneas, que el componente pueda ser reparado mientrasopera(fallaparcial),niqueelcomponentevuelvaafallarmientrasesreparado. Cadasalida(si)tieneasociadountiempoparasalida(ttoi)yuntiempopararestauracin(ttrsi),loscuales sonindependientesentresencuantoasuduracin. Losttodelassalidasnoplaneadassonaleatorios;paralassalidasplaneadassondeterminsticos,almenos paraelcortoplazo. Los tiempospararestauracin se denominan tiempos para reparacinsila salidaes no planeada; para las salidasplaneadassedenominatiempoparareconexin.
En general, los tiempos para restauracin son aleatorios sin importar que la salida sea planeada o no planeada pues dependen del tipo de falla, la ubicacin del componente que fall, la cantidad de personal yequipoparalasactividadesdemantenimiento,elentrenamientodelpersonaldemantenimiento,etc. Elceroenlasecuenciaoperativaeselmomentoenelcualelcomponenteiniciasuoperacinnuevo.Sin embargo, usualmente solo se dispone de una muestra de datos registrados durante un periodo de tiempo T.ElnmerodefallasenunperiododetiempoTesaleatorio. Estos componentes o sistemas pueden tener subcomponentes de tipo orientado a una misin los cuales, cuandofallan,sereparanmedianteelreemplazo. En este tipo de componente o sistema interesa conocer paraun periodo de tiempo dado, generalmente de unao,culeslafraccindetiempoenlacualseencuentracumpliendosufuncinuoperando. Enelmodelamientodelcomponenteseincluyenlosprocesosderestauracindelassalidas,porlocual,se consideranreparables. 2.2.3Reparablesynoreparables
Sistemaocomponente noreparable
Aquelquesedescartalaprimeravezquedejadeoperarsatisfactoriamente(falla).
Ejemplos:Pastilladefrenos,empaqueplstico,aisladorelctrico

Sistemaocomponente reparable
Aquelqueunavezfallaencumpliralmenosunadesusfuncionespuedeserrestaurado para que cumpla todas sus funciones mediante cualquier mtodo (reparacin, ajuste, etc.)exceptoelreemplazodelcomponenteosistemacompleto.
Ejemplos:Planchaelctrica,sistemaelctricodepotencia
Un sistema no reparable puede ser considerado como una parte de un sistema mayor no reparable o reparable;asuvez,elsistemanoreparabletambinpuedetenertrayectoriasreparables. Unsistemareparablepuedetenerpartesosubsistemasreparablesynoreparables. Comoseobserva,estasdefinicionesnopermitenunaclasificacinnica;unmismotempuedesertratado como parte, como sistema reparable o como sistema no reparable; la aplicacin de cada una de estas definicionesydelcorrespondientetipodemodelamientoquecadaunadeellasimplicadependeentonces deltipodeestudiodeconfiabilidadquesepretenderealizar,esdecir,desuniveldedetalleyobjetivos. 2.2.4Cultipodemodelamientoutilizar? Un componente o sistema se puede considerar como orientado a una misin, continuamente operado, reparableonoreparabledependiendodeltipodeestudioaadelantar.
Tipodecomponenteosistema
Modelo
Tipodeestudio En estudios donde interesa la vida esperada del componenteosistemadentrodeunamisin.
Modelonoreparable Orientadoaunamisin
Por ejemplo, para determinar la garanta que un fabricantepuedeofrecersobreelproductooparaqueel usuario determine el tiempo para reemplazo del componente.
Modeloreparable
Estudios donde interesa el nmero esperado de misionesquepuedeservirantesdedescartarlo.
Continuamenteoperado
Modeloreparable
Interesaestudiarladisponibilidaddelcomponenteysu efectosobreelsistemaalquepertenece.
Ejemplo:Untransformadordedistribucin
El fabricante lo estudia con un modelo no reparable para determinar su vida esperada y ofrecer la garanta delproducto.Elmodelorepresentarvarioscomponentesiguales. El operador del sistema lo estudia con un modelo reparable para incluirlo en los estudios de fallas o de disponibilidad a nivel de sistema. Si las reparaciones se hacen con reemplazo, el modelo considera componentesqueprocedendediversosfabricantesytienendiferenteedad.
2.3TIPOSDEANLISISDECONFIABILIDAD Pasado
Evaluar el desempeo histrico
Presente Plantear medidas correctivas
Futuro
Clculo de ndices de confiabilidad
Registros operativos
Simular el comportamiento pasado
Construir modelos probabilsticos
Prediccin Simular el comportamiento futuro
Simular el comportamiento presente
Figura2.5Tiposdeanlisisdeconfiabilidaddecomponentes
Basados en los registros operativos de un componente o grupo de componentes idnticos se pueden realizarlassiguientesactividades:
Calcularndicesdeconfiabilidadquesonestadsticasdescriptivas;porejemplo,eltiempopromediopara falla,lashorasdeindisponibilidadporao,etc.

Construirmodelosprobabilsticosquerepresentenalcomponente
Conlosndicesdeconfiabilidadsepuedenhacerlossiguientesanlisis:
1 2
Evaluareldesempeodelcomponenteconrespectoavaloresdereferenciauobjetivo

Plantearmedidascorrectivasparamejorarlaconfiabilidaddelcomponente.
Conlosmodelosprobabilsticossepuedenhacerlossiguientesanlisis:
1 2
Simularlaoperacinpasadaypresentedelcomponente

Predecirelcomportamientofuturodelcomponente
Enestecasosimularserefierealhechodequeelmodeloesunarepresentacindeunfenmenoreal,no aqueelmtododesolucinseanumrico. 2.4TIPOSDEMODELOSPROBABILSTICOS 2.4.1Internooexterno

Modelointerno

Modeloexterno
Se plantea un modelo probabilstico en trminos de las Se plantea un modelo probabilstico nicamente en variables que describen el fenmeno fsico, fsico trminosdeltiempodetransicindelestadobuenoal qumico, biofsico etc que produce la transicin del estadofallado. estadobuenoalestadofallado. Este modelo es externo pues no se ocupa de lo que Esdecirseestudialoquepasadentrodelcomponente. sucede internamente en el componente para que pase delestadobuenoalestadofallado. Estetipodemodeloescompletamenteestadstico.
Enestedocumentosolosetrataeltipodemodelamientoexterno;paraejemplosdelmodelamientointerno consultarlaReferencia[5].
2011
17
2.4.2Dosestadosomultiestado Bueno Fallado 1 2 (a) No reparable dos estados 2 1 Desgaste aceptable Equipo nuevo

Bueno
Fallado
(b) Reparable dos estados
(c) No reparable tres estados
Obsoleto
(d) Reparable tres estados
Equipo bueno 10 MW
Salida parcial 5 MW
Salida total 0 MW
Figura2.6Ejemplosdediagramasdeestadosparacomponentesreparablesynoreparables
Modelodedosestados

Modelomultiestado
En este modelo solo existen dos estados operativos de En este modelo se definen varios estados operativos de inters: el estado de operacin satisfactoria y el estado inters. defalla. Cuando solo es posible la transicin entre estados adyacentes, este modelo se denomina proceso de Eselmodelamientomsutilizado. nacimientoymuerte. Seutilizandistribucionesdeprobabilidadsencillaspara el componente no reparable y procesos estocsticos Seutilizanprocesosestocsticos. paraelcomponentereparable
Enlafigura2.6sepresentanvariosejemplosdeestostiposdemodelos.
2011
18
2.5REGISTROSOPERATIVOSREQUERIDOS Realidad Poblacin de Inferencia componentes idnticos Componentes que fallan Estimacin del Muestra de n datos modelo
(Registros operativos)
Idealizacin
Modelo probabilstico
Estadsticas descriptivas
Distribuciones de probabilidad Procesos de Markov Procesos estocsticos puntuales
Figura2.7Procedimientoparaconstruirmodelosprobabilsticosdecomponentes
En la Figura 2.7 se presenta el procedimiento de construccin de modelos probabilsticos y clculo de los ndicesdeconfiabilidad;losregistrosoperativosrequeridosson:
Componentenoreparable

Componentereparable Una muestra de n tiempos para falla ttf1 , ttf 2 , , ttf n con sus correspondientes tiempos
Unamuestrade n tiemposparafalla ttf1 , ttf 2 , , ttf n . Esta muestra corresponde a n componentes idnticos de unapoblacindadaquefallaron.
parareparacin ttr1 , ttr2 , , ttrn .
Esta muestra puede corresponder a un componente que fall n veces a n fallas observadas en un grupodecomponentesidnticos.
Sinembargo,escomneldisponernicamentedelasiguientemuestra:
Componentenoreparable

Componentereparable El reporte de que un componente un grupo de componentes idnticos de una poblacin de tamao N fall fallaron n veces durante un periodo de observacin T y los correspondientes tiemposparareparacin ttr1 , ttr2 , , ttrn .
El reporte de que n componentes idnticos de una poblacin de tamao N fallaron durante un periodo de observacin T .
Nota: Si los componentes bajo estudio son de tipo lineal como lneas de transmisin, cables, tuberas, etc, unidadeslongitudinales,porejemplo,en[km].
se expresa en
Este ltimo tipo de muestra slo permite calcular estadsticas descriptivas aproximadas que implican asumirladistribucinexponencial,yporlotanto,queloscomponentesestnensuperiododevidatil.
2011
19
Escomnelagruparlainformacindevarioscomponentessimilaresporlassiguientesrazones:

Seaumentalamuestradedatos.Estoesespecialmentetilencomponentesquetienentasasdefalla muybajasodondelostiemposderegistrodisponiblessonpequeos

Se desea obtener ndices de confiabilidad modelos probabilsticos para un solo componente que represente al grupo, no para cada uno de los componentes. Esta situacin es comn en sistemas con grandes cantidades de componentes del mismo tipo; por ejemplo, los sistemas de distribucin de energaelctrica
Algo muy importante a verificar cuando se hacen estas agrupaciones es la homogeneidad de la poblacin ydelosdatos. 2.6TASADEFALLASDURANTELAVIDADEUNCOMPONENTEOSISTEMA Tasa de fallas Obsolescencia
Periodo infantil Vida til
t
Figura2.8Tasadefallasdeuncomponenteosistema
Sedenominatasadefallas deuncomponenteosistemaalarelacinentreelnmerodefallasqueexperimenta elcomponenteporunidaddetiempoenqueseencuentraoperando
En confiabilidad es comn asumir que la tasa de fallas durante la vida operativa de un componente reparable o no reparable sigue la curva en forma de tina (bathtub) presentada en la Figura 2.8. La Referencia[3]citaque,alparecer,elorigendeestacurvaseremontaa1693.Estacurvatienetresperiodos:
Infantil

Vidatil
Obsolescencia
La tasa de fallas decrece con el La tasa de fallas es constante y Latasadefallascrececoneltiempo. tiempo. tieneelvalormsbajo. Otrosnombres:wearoutperiod. Las fallas ocurren debido a errores de Las fallas ocurren en forma diseoofabricacin. completamentealeatoria.

Unavezse revisa el diseo oseajusta Entonces, el asumir que un elcomponenteempiezasuvidatil. componente tiene tasa de fallas constante implica asumir que est Otros nombres: early life, debugging ensuvidatilyviceversa. time,breakinperiod,burninperiod.

2011
20
Si se asume que un componente tiene una tasa de fallas constante su funcin de vida ser la distribucin exponencialoelprocesodePoissonhomogneoyviceversa. Dependiendo de la tasa de fallas encontrada en los registros operativos debe escogerse la distribucin de probabilidadquemodelelostiemposparafalladelcomponente. Algunos investigadores cuestionan la validez de esta curva [1], [3], sin embargo esta profusamente difundidaenlaliteraturatcnicayesampliamenteutilizada. 2.7DIAGRAMASDERED Un sistema se puede representar por medio de un diagrama de red, bloques o lgico en el cual, cada componente se representa como un bloque independiente de los otros componentes; la conexin entre componentes depender de la configuracin operativa del sistema. Este tipo de modelamiento se puede aplicarsielsistemaesunaestructuramonotnica,aquelladondesecumpleque:
1 2 3 4 5 6 Cadacomponentesolotienedosestados:buenoyfallado,disponibleeindisponible,etc. Elsistemasolotienedosestados:buenoyfallado,disponibleeindisponible,etc. Elsistemaestoperandositodosloscomponentesestnoperando. Elsistemaestfalladooindisponiblesitodosloscomponenteshanfalladooestnindisponibles Lafalladeuncomponenteenunsistemayafalladonopuederestaurarelsistemaalaoperacin Lareparacindeuncomponenteenunsistemaoperativonopuedecausarlafalladelsistema.
Un diagrama de red indica cules combinaciones de fallas de los componentes resultarn en la falla del sistema. Si un componente falla o est indisponible, se remueve del diagrama de red. Si se retiran suficientes bloques del diagrama de red de tal forma que se interrumpe la conexin entre los puntos de entradaysalida,elsistemahafalladooquedaindisponible. Paramodelarunsistemapormediodeundiagramaderedsesigueelsiguienteprocedimiento:
Los modos de falla de las secciones o subsistemas del sistema que se representen como bloques del diagrama de red tienen que ser independientesentres. 1 Dividirelsistemaencomponentes
Debido a la dependencia entre los modos de falla de los componentes y a lo complejo de las configuraciones operativas, a veces, puede ser difcil establecer el diagrama de red de un sistema.

Conectarentresloscomponentes segnlaconfiguracinoperativadel sistema
Sedefinenlasconexionesbsicasserieyparalelodesdeelpuntode vista de confiabilidad. Otras conexiones ms complejas tambin sonposibles.
Lostiposbsicosdeconexindelosbloquesdeundiagramaderedson:
Conexinserie 1 2 Dos componentes estn en serie desde el punto de vistadeconfiabilidadsiambosdebenoperarparaque el sistema opere. Si uno de los componentes falla, el sistemafalla.
Conexinparalelo 1 2 Dos componentes estn en paralelo desde el punto de vistadeconfiabilidadsinicamenteuncomponentedebe operar para que el sistema opere. Todos loscomponentes debenfallarparaqueelsistemafalle.
Estaconexinrepresentaunsistemanoredundante.
Estaconexinrepresentaunsistemaredundante.
Tenerencuentaque:
Eldiagramaderedyelsistemarealnotienennecesariamentelamismatopologa.
La topologa fsica indica cmo estn conectados entre s los componentes en el sistema real, mientras que latopologadeldiagramadebloquesrepresentalaconfiguracinoperativadelsistema,esdecir,susmodos defalla.

Unsistemafsicoconunaestructuratopolgicadefinidapuedetenerdiferentestopologasderedencuanto aconfiabilidaddependiendodelosrequerimientosaloscualesessometido.
EJEMPLO2.1
Lnea 1
Lnea 2
Figura2.9diagramaderedparadoslneasdedistribucininstaladassobrelamismaestructura
Unsistemaelctricocuentacondoslneasdedistribucindemediatensinlascualessalendeunamisma subestacinyvanadospuntosdeproduccindiferentes.EnlaFigura2.9semuestraeldiagramaelctrico y la configuracin fsica. Aunque las lneas de distribucin estn elctricamente en paralelo, en cuanto a confiabilidad estn conectadas en serie pues al compartir las mismas estructuras cualquier falla en stas implicalasalidadeambaslneas.Adems,laslaboresdereparacinomantenimientoenunadelaslneas requerirnladesconexindelaotra.
EJEMPLO2.2 Fuente T1 T2
3 T1 T2 T3
T1 T3 2 T1 T2
T2 T3 T3
Carga 1 Transformadores requeridos para atender la carga
T1 T2 T3
Figura2.10Diagramasderedparaunsistemaelctricoconvariosrequerimientosoperativos
Un sistema elctrico cuenta con tres transformadores de distribucin conectados en paralelo para atender unacarga.EnlaFigura2.10semuestraeldiagramaelctricoylosdiagramasdereddeconfiabilidadpara diferentesrequerimientosoperativos.
2011
23
2.8BIBLIOGRAFA [1] Billinton R, Allan R, Reliability evaluation of engineering systems Concepts and Techniques, segundaedicin,PlenumPress,1992. [2] Torres A, Probabilidad, variables aleatorias, confiabilidad y procesos estocsticos en ingeniera elctrica,UniversidaddelosAndes,1996. [3] AndersG,Probabilityconceptsinelectricpowersystems,WileyandSons,1990. [4] Cabau E, Introduccin a la concepcin de la garanta de funcionamiento, Cuaderno Tcnico No. 144,SchneiderElectric,2000.Disponibleenwww.schneiderelectric.es [5] Sotskov B, Fundamentos de la teora y del clculo de fiabilidad de elementos y dispositivos de automatizacinytcnicadeclculo,EditorialMir,1972. [6] Tan Y, Damage of a distribution transformer due to throughfault currents: An electrical forensics viewpoint,IEEETrans.IndustryApplications,Vol.38,No.1,Enero/Febrero,2002. [7] WhitrowG.J,EinsteinThemanandhisachievement,Doverpublications,1973. [8] RossT.J,Fuzzylogicwithengineeringapplications,McGrawHill,1995. [9] BillintonR,AllanR,Reliabilityevaluationofpowersystems,PlenumPress,1996. [10] CIGRE,PowersystemreliabilityanalysisApplicationguide,1987. [11] IEEE,Powersystemreliabilityevaluation,tutorialcourse82EHO1958PWR,IEEE,1982. [12] AscherH,FeingoldH,Repairablesystemsreliability:Modeling,inference,misconceptionsandtheir causes,MarcelDekker,1984.
2011
24
Captulo3Componentesnoreparables
CAPTULO3COMPONENTESNOREPARABLES
3.1MODELODEDOSESTADOS Bueno Fallado
1 2
Bueno
Estadooperativo Falla
Fallado
ttf
Figura3.1Diagramadeestadosdeuncomponentenoreparableysusecuenciaoperativaeneltiempo
El modelo de confiabilidad bsico y tradicional para componentes no reparables es el de dos estados que se muestra en la parte izquierda de la Figura 3.1. A la derecha de esta figura, se muestra la secuencia operativa del componente. La transicin del estadobuenoalestadofallado ocurre enun tiempo para fallaaleatorio ttf (timetofailure),elcualindicacuntoviveelcomponente. La variable t representa el tiempo de operacin del componente. En t = 0 el componente se pone en servicioestandonuevoybueno.En t = elcomponentehabrfallado. El tiempo de operacin t siempre se refiere a un periodo de tiempo que se encuentra referenciado con respectoalcero.Nodebepensarseque t esuninstantedetiempo. Lafalladeunsolocomponentenoreparableda:
1 2 Undatodetiempoparafalla Elregistrodequeocurriuna fallaenunperiododadodeobservacin T ,sinquenecesariamente,sehaya registradoeltiempoparafalladelcomponente
As, no es posible medir ni modelar la confiabilidad de un solo componente no reparable. Para esto, se requiere una muestra aleatoria representativa de tiempos para falla tomada de una poblacin con N componentes idnticos al que interesa estudiar y en la cual n componentes fallaron. Esta muestra permitehallarelmodelodeconfiabilidadylosndicesestadsticosdeconfiabilidad,talcomoseilustraen laFigura3.2.
Poblacinde N componentesidnticos Muestra de datos Modelode confiabilidad
, ttfn ttf1 , ttf2 , ndicesestadsticosde confiabilidad Figura3.2Muestradetiemposparafalladecomponentesnoreparables
Elmodelodeconfiabilidaddelcomponentenoreparableeslafuncindedistribucindeprobabilidaddel tiempoparafalla F ( t ) olacorrespondientefuncindedensidaddeprobabilidad f ( t ) .

3.2TOMADELAMUESTRADEDATOS Lamuestradedatosaleatoriayrepresentativapuedetomarse:
1 Observando el proceso de fallas en la poblacin de N En este caso, no se sabe cul ser el tiempo del componenteshastaqueseregistren n fallas. estudio T . Observando el proceso de fallas en la poblacin de N En este caso, no se sabe cul ser el tamao de muestra n . componentesduranteunperiodo T .
Enamboscasos,esimportanteconocerelerrordeestimacinqueexisteparaeltamaodemuestra n . Tal como se muestra en la figura 3.3, cada ttf se mide con respecto al instante en el cual el componente fallado fue puesto en servicio estando nuevo. Es decir, no es necesario que todos los componentes se ponganaoperarenelmismoinstantedetiempo. ttf1 ttf 2 ttf 3 ttf 4 ttf n t
Figura3.3Muestradetiemposparafalladecomponentesnoreparables
En la prctica, es usual que la muestra de datos se tome de registros operativos y en muchas ocasiones aparecenlossiguientesproblemas:
1 Se tiene el registro de que n fallas ocurrieron en un En este caso, no se puede hallar el modelo de periodo T pero no se cuenta con los tiempos para falla de confiabilidad del componente, slo ndices estadsticosdeconfiabilidad. cadaunodeloscomponentesquefallaron. Se tienen el registro del instante en que n componentes En este caso, no se puede hallar el modelo de fallaron en un periodo T , pero no se conoce el instante en confiabilidad del componente, slo ndices estadsticosdeconfiabilidad. queestoscomponentesfueronpuestosenservicio. En este caso, se puede hallar el modelo de Se tienen los tiempos para falla de n componentes que confiabilidad del componente y los ndices fallaronenunperiodo T peronoseconoceeltamaodela estadsticos de confiabilidad, pero no se puede poblacin de componentes que estaba en servicio en este establecer si esta muestra es representativa ni periodo. elerrordeestimacinalutilizarla.
2011
26
3.3CMOCONSTRUIRELMODELOPROBABILSTICO Para hallar el modelo de confiabilidad de un componente no reparable, se recomienda aplicar el procedimientomostradoenlaFigura3.4. Muestrade datos Pruebade aleatoriedad No Revisarcausasdeno Aleatoriedad aleatoriedad ? Si Pruebade tendencia No Revisarcausasdeno Estacionario estacionariedad ? Si
Pruebade independencia No Revisarcausasde Independencia dependencia ? Si Pruebadebondadde ajusteadistribucin No Revisarhomogeneidaddela Ajuste muestra ? Si Gamma,etc.) (DistribucinExponencial,Lognormal, Figura3.4Procedimientoparahallarelmodelodeconfiabilidaddeuncomponentenoreparable
2011
27
La aleatoriedad, tendencia e independencia se pueden hallar por medio de pruebas estadsticas o del anlisis de las condiciones bajo las cuales se desarrolla el proceso de fallas de los componentes no reparables(razonamientopuro). Enlaprctica,loquehasidorecomendadoendiversasreferencias,esdirectamenteprobarelajustedelos datosaunadistribucin,porque:
1 2 3 Lostiemposparafallasondenaturalezaaleatoria Lafalladeuncomponenteesindependientedelafalladeotroscomponentes S los componentes bajo estudio son idnticos, tienen la misma distribucin de probabilidad (homogeneidad)
Sinembargo,nosemencionaenestosargumentoselconceptodetendencia. Algo importante a tener en cuenta cuando se aplican las pruebas para la aleatoriedad, tendencia e independencia, es que si stas se realizan sobre una muestra de tiempos para falla referenciados a un mismo origen, dichas pruebas fallan porque los datos aparecen cronolgicamente ordenados en forma creciente.As,enestecaso,unprocedimientoaseguirantesdeaplicarestaspruebases: Obtenerlostiemposinterarribodefallas tbf (Timebetweenfailures).VerlaFigura3.5. 1
2 Aplicar a la muestra de tiempos interarribo de fallas las pruebas de aleatoriedad, tendencia e independencia.Recordar,queparaestaspruebasesobligatorioconservarelordencronolgicodelosdatos.
ttf1 ttf 2 ttf 3 ttf 4

Falla de los componentes no reparables

ttf n
Arribodefallasala poblacindecomponentes f1 f2 f3 f4 fn tbf1 tbf 2 tbf 3 tbf tbf n 4 t Figura3.5Calculodelostiemposinterarribodefallas
La muestra de tiempos interarribo de fallas tambin permite estudiar el proceso de llegada de fallas a la poblacindecomponentesnoreparables.
3.4ELMODELODECONFIABILIDADDELCOMPONENTE Elmodelodeconfiabilidaddelcomponentenoreparablesedefinemediante:
F(t)
Lafuncindedistribucinde probabilidaddeltiempoparafalla Lafuncindedensidaddeprobabilidad deltiempoparafalla
F(t ) = P[ttf t ] f (t ) = dF(t ) / dt
F (0) = P[ttf 0] = 0 F ( ) = P[ttf ] = 1
f (t)
F(t ) = f (t )dt
0
Deestemodelotambinsedefinen:
E(ttf )
Elvalormediooesperadodetiempo parafalladelcomponente.Tambin,es lavidamediaoesperada. Lavarianzadeltiempoparafalladel componente
+ E(ttf ) = 0 t f (t ).dt
VAR(ttf )
+ VAR(ttf ) = 0 [t E(t )]2 f (t ).dt
El valor esperado es un pronstico sobre cunto vivir el componente no reparable, no es el valor ms probablenielmsfrecuente. La varianza indica cuanto se desviaran los tiempos para falla de los componentes con respecto al valor esperado.Esdecir,indicaloacertadoopobredelpronsticodadoporelvaloresperado. Laconfiabilidaddelcomponentenoreparablesedefinecomo:
R (t )
Eslaprobabilidaddesobreviviraun tiempodado
R(t ) = 1 F(t ) = P[ttf > t ]
R(0) = P[ttf > 0] = 1 R() = P[ttf > ] = 0
El modelo probabilstico obtenido corresponde a un componente medio o tpico que representa a cualquieradeloscomponentesdelapoblacin.
Larelacinentrelasfunciones F (t ) y f (t ) tambinsepuedeexpresardelasiguienteforma:
f (t ) = lim
t 0
F(t + t ) F(t ) P[t < ttf (t + t )] = t t
Dedondeseobtieneque:
P[t < ttf (t + t )] f (t )t
2011
29
3.5LATASADEFALLAS Considere un componente no reparable que ha operado hasta un tiempo t y se quiere conocer cul es la probabilidaddequefalleenunperiodosubsiguiente t . Definiendo: A :Eleventodequeelcomponentefalleen t B :Eleventodequeelcomponentesobrevivahasta t Setieneque: P[ B] = P[ttf > t ] = 1 P[ttf t ] = 1 F(t ) = R(t ) P[ A B] = P[t ttf (t + t )] = F(t + t ) F(t) = R(t ) R(t + t ) P[ A| B] = P[t < ttf (t + t )|ttf > t ]
P[ A| B] = P[ A B] F(t + t ) F(t ) R(t ) R(t + t) = = 1 F(t ) P[ B] R(t )
Dividiendoestaprobabilidadcondicionalpor t yhaciendoque t 0 : P[t < ttf (t + t )|ttf > t ] P[ A| B] F(t + t ) F(t ) 1 = lim = lim (t ) = lim t 0 t 0 t 0 1 F(t ) t t t Seobtienelatasadefallas (t ) :
(t ) =
f (t ) f (t ) = 1 F(t ) R(t )
Lasunidadesde (t ) son[1/unidaddetiempo]peroseleasigna[fallas/unidaddetiempo]. Nteseque: P[t < ttf (t + t )|ttf > t ] (t )t EnlaTabla3.1sepresentalaecuacindelatasadefallasparavariasdistribucionesdeprobabilidad.Enla Fig. 3.6 se presenta la forma de estas tasas de fallas. Como se observa, solo para la distribucin exponencial (t ) esconstante.

Distribucin Exponencial Uniforme Normal Weibull Gamma
Tabla3.1Tasadefallasparaalgunasdistribucionesdeprobabilidad f (t ) (t ) Parmetros
e t
1 / 1 / (b t )
a b
1 / ( b a)
1 2
( t )2 2* 2
Hallarlanumricamente
t 1 e * t
t 1 e ( )
t
* * t 1
Hallarlanumricamente

a b
Pareto
a b a +1 *( ) b t
a/t
(t )
Exponencial
(t )
Uniforme
1 ba
t
t
(t )
(t )
Normal
<1
>1
Weibull
=1
(t )
<1
Gamma
(t )
>1
Pareto
=1
t
b
Figura3.6Formadelatasadefallasparavariasdistribucionesdeprobabilidad
2011
31
La funcin general de confiabilidad de un componente no reparable es la relacin entre la confiabilidad y sutasadefallas.Estafuncinseobtienedelasiguientemanera:
(t ) =
f (t ) dF(t ) 1 d(1 R(t )) 1 dR(t ) 1 = = = R(t) dt R(t ) dt R(t ) dt R(t )
(t )dt =
dR(t ) R(t )
t
Ln( R(t )) = (t )dt

0
R(t ) = e
( t ) dt
0
Algunoserroresdeconceptoconrespectoalatasadefallasdeuncomponentenoreparableson:
(t ) es una tasa de Esto no es cierto, ya que un componente no reparable no puede soportar varias
ocurrenciadeeventos fallas. Esto no es cierto, ya que (t ) no es adimensional y sus valores pueden superar 1.0enmagnitud.
(t ) esunaprobabilidad
Latasadefallasserefierealosusceptiblequesehaceelcomponentealafallaconformapasamstiempo enoperacin.As, (t ) indicasuestadodeconfiabilidad:deterioro,mejora,operiododevidatil.
2011
32
EJEMPLO3.1 Setienelasiguientemuestradelostiemposdefallade40baterasdeunmismotipo:
Tiemposparafalla[aos] 1.0132 0.9047 0.9161 1.0665 0.8575 1.1172 1.0853 0.8767 0.9602 0.8218 0.6697 1.148 0.9222 1.0491 1.0351 1.0032 0.8494 0.8579 0.9438 0.8221 0.8416 1.2209 1.0084 0.8174 0.9938 0.8307 0.7976 0.9608 1.143 1.0193 1.0985 0.8248 0.9309 0.9606 0.818 0.8021 1.1397 1.0017 0.9032 1.1209
AlgunasdistribucionesdeprobabilidadqueseajustanmediantelapruebaKomogorovSmirnovconnivel deconfianzadel95%: = 0.9538 aosy = 0.1246 aos Normal = 1.0064 aosy = 9.1630 Weibull = 58.5928 y = 0.0163 aos Gamma
Uniforme Lognormal
a = 0.6697 aosy b = 1.2209 aos = 0.0557 aosy = 0.1301
Comoseobserva,todosestosmodelostienentasadefallascreciente. Cualquiera de ellos es una representacin vlida desde el punto de vista estadstico, pero cul se selecciona? EJEMPLO3.2 La funcin de vida de un transformador de distribucin es la distribucin exponencial con parmetro = 0.2 fallas/ao. Cmoseinterpretaquelatasadefallasseaconstante? Culeseltiempoesperadoparafalla? La tasa de fallas constante significa que el componente est en su periodo de vida til ya que su confiabilidadnomejoranisedeteriora.
E (ttf ) = 1 / 0.2 = 5 [aos]

Culeslaprobabilidaddequeuntransformadordeestosfalleduranteelprimerao?
P [ttf 1] = F (1) = 1 e 0.2*1 = 18.12%

Culeslaprobabilidaddequeuntransformadordeestosfalledurantelosprimeroscincoaos?
P [ttf 5] = F (5) = 1 e 0.2*5 = 63.21%

Aunque la vida media esperada es de 5 aos, existe una probabilidad muy alta de que el transformadorfalleantesdedichotiempo. CuleslaprobabilidaddequeuntransformadordeestosNOfalledurantelosprimeros10aos?
P [ttf > 10] = R (10) = e 0.2*10 = 13.53%

EJEMPLO3.3 Uncomponentetieneunafuncindevidauniformementedistribuidaduranteuntiempodevidamximo de2400horas Cmoeslatasadefallasdelcomponenteyqusignifica? La tasa de fallas es creciente y significa que el la confiabilidad del componente se deteriora desde el iniciodesuvida. Culeseltiempoesperadoparafalla? 0 + 2400 = 1200 [horas] E (ttf ) = 2 Culeslaprobabilidaddequeuncomponentedeestosfalledurantelasprimeras1200horas? 1200 P [ttf 1200] = F (1200) = = 50% 2400 Aunque la vida media esperada es de 1200 horas aos, existe una probabilidad muy alta de que el componentefalleantesdedichotiempo. EJEMPLO3.4 LafuncindevidadeunabateraesladistribucinWeibullconparmetros = 0.1 horasy = 0.5 .
Cmoeslatasadefallas? Como < 1 , la tasa de fallas es decreciente. Esto indica que la confiabilidad del componente mejora conformepasaeltiempo. Culeselvidaesperadadeestabatera?
E (ttf ) = (1/ ) * (1 + 1 ) = 0.12.0 * (1 + 2) = 0.12.0 * (3) = 0.12.0 * 2 = 200 [horas]
Culeslaprobabilidaddequeunabateradeestasfalledurantelasprimeras200horas?
P [ttf 200] = F (200) = 1 e *x = 1 e 0.1*(200) = 75.68%

Culeslaprobabilidaddequeunabateradestasvivamsde300horas?
0.5
0.5
P [ttf > 300] = R (300) = e *x = e 0.1*(300) = 17.7% EJEMPLO3.5 Unapersonacompraunabombillaconlassiguientescaractersticas: 100W 120V 700Lmenes 1000horas Si el valor esperado de vida de la bombilla es 1000 horas, cul es la probabilidad de que la bombilla se daedurantelasprimeras1000horas? 1000 horas es la vida media esperada, para evaluar la probabilidad de que la bombilla falle antes de este valorsedebeconocerlafuncindevidadelcomponente,porejemplo: SiesGausiana: Laprobabilidaddefallaantesdelavidaesperadaesdel50% Siesexponencial: Laprobabilidaddefallaantesdelavidaesperadaesdel63.21% Siesuniforme: Laprobabilidaddefallaantesdelavidaesperadaesdel50% EJEMPLO3.6 Una persona instala una cortina de luces navideas que consta 2000 bombillas con una funcin de vida Gausianadevalormedio1000horasyunadesviacinestndarde200horas. Cmoeslatasadefallasdelcomponenteyqusignifica? La tasa de fallas es creciente y significa que este componente, desde el inicio de su vida, sufre deterioro. Cuntasbombillaspuedeesperarsequefallenenlasprimeras1000horas? t 700 1000 z = = = 1.5 F (t = 700) = P [z = 1.5] = 6.68% 200
n = 2000 * 0.0668 = 133.6 134 bombillas. La probabilidad de que fallen 134 de las 2000 bombillas debe hallarse por medio de la distribucin binomialolaaproximacindeladistribucinGausianaalabinomial. Cuntasbombillaspuedeesperarsequefallenentrelas900y1300horas? z1 =
t1 1300 1000 = = +1.5 F (t = 1300) = P [z = +1.5] = 0.9332 200

t 2 900 1000 = = 0.5 F (t = 900) = P [z = 0.5] = 0.3085 200
z2 =
F (900 t 1300) = F (1300) F (900) = P [z1 ] P [z 2 ] = 0.9332 0.3085 = 0.6247 n = 2000 * 0.6247 = 1249.4 1250 bombillas. La probabilidad de que fallen 1250 de las 2000 bombillas debe hallarse por medio de la distribucin binomialolaaproximacindeladistribucinGausianaalabinomial. Despusdequperiododetiemposeesperaquehayafalladoel10%delasbombillas? HayquedeterminarelvalordezparaelcualP[z]=0.1 Detablas: Interpolando:
z = 1.28 P = 0.1003 z = 1.29 P = 0.0985

P [z = 1.2817] = 0.1
t = 743.7 horas
1.2817 =
t 1000
200
2011
36
3.6NDICESESTADSTICOSDECONFIABILIDAD 3.6.1Tasapromediadefallas = n / (N * T )
= ( nj ) / ( N j * Tj )
j =1 j =1
La primera ecuacin se aplica cuando se ha registrado que durante un tiempo de estudio T , fallaron n componentes en una poblacin de tamao N pero no se tienen los tiempos de falla de cada uno de los componentes. La segunda ecuacin se aplica cuando la poblacin de componentes bajo estudio vara y en cada subperiodo Tj seinicicon N j componentesenoperacinydestos nj fallaron.
tieneunidadesde[fallas/aocomponente][fallas/aokm]paracomponenteslongitudinales.
3.6.2Tiempopromedioparafalla ttf
ttf = 1 n ttf n i =1 i
Para aplicar esta ecuacin se requiere tener una muestra de tiempos para falla ttf1 , ttf 2 , , ttfn ; no se requiereconocereltamaodelapoblacindecomponentes.
(ttf ) . La calidad de este estimador ttf es el estimador del tiempo esperado para falla, es decir, ttf = E
dependedeltamaodelamuestra(LeyFuertedelosGrandesNmeros). 3.6.3Relacinentre ttf y Sisetieneelclculode ttf o ,elotrondicepuedehallarsemediantelarelacin:

ttf = 1 / = 1 / ttf
Los valores de ttf obtenidos mediante esta ecuacin son muy altos ya que se asume que la tasa de eventosdelcomponenteesconstante. 3.6.4Calculodelosndicesporsubperiodos Obsrvese que mientras la tasa de fallas del modelo probabilstico puede ser una funcin creciente o decrecienteeneltiempo,latasadefallaspromediasiempreesunaconstante. Porlotanto,esrecomendablecalcularlatasadefallaspromediaparavariossubintervalosdelperiodode observaciones T para observar en una grfica su comportamiento y as poder seleccionar el modelo probabilsticoqueincorporeapropiadamenteestecomportamiento.
EJEMPLO3.7 Lasestadsticasparafalladetransformadoresenunsistemaelctricocon100deestosequiposson:
Ao 1 2 3 4 5 6 aos=6
Fallas 17 15 25 22 18 23 fallas=120
= n / ( N * T ) = 120 / (100 * 6) = 0.2 fallas/aotransformador

ttf = 1 / = 1 / 0.2 = 5 [aos]parafalladeuntransformador
Algunoscomentariosrespectoaestosclculos:
1 2 3 4 Noseconocenlostiemposparafalla,porlocual,nosepuedeobtenerelmodeloprobabilstico. Latasadefallascalculadaesunestimadopuesnosetienenlostiemposparafalla Latasadefallascalculadaserefiereaunequipotpicoopromedioquerepresentaatodalapoblacin Eltiempopromedioparafallacalculadoesunestimadoqueasumequelatasadefallasesconstante
EJEMPLO3.8 Paraunrodamientodadosetienenlossiguientesregistrosparafalla:
Ao 2005 2006 2007 2008 2009 Poblacin 100 125 98 110 115 548 Fallas 5 7 4 6 6 28
n )
j =1 j
N
j =1
* Tj
5+7+4+6+6 100 * 1 + 125 * 1 + 98 * 1 + 110 * 1 + 115 * 1
28 = 0.05109 [fallas/aorodamiento] 548
ttf = 1 / = 1 / 0.05109 = 19.57 [aos]parafalladeunrodamiento
2011
38
3.7VIDARESIDUAL
f (t )

t + t
t
Figura3.7Vidaresidualdeuncomponentenoreparable
Considereuncomponentenoreparablequehaoperadohastauntiempo t . La probabilidad de falla en un intervalo de tiempo subsiguiente t es dependiente del comportamiento hastaeltiempo t . Haydosformasdevalorarlavidaresidualdelcomponente:
Probabilidaddefalla Sean: A :Eleventodefallarenelperiododetiempo t B :Eleventodefuncionarhastaeltiempo t Confiabilidad Sean: A :Eleventodesobrevivirunperiododetiempo t B :Eleventodesobreviviraltiempo t
P[ A | B ] =
t +t t t
P( A B ) = F ( t ) P( B )
P[ A | B ] =
P( A B ) = R ( t ) P( B)
F ( t ) =
f (t )dt F (t + t ) F (t ) = f (t )dt 1 F (T )
R( t ) =
t +t t
f (t )dt R(t + t ) = f (t )dt R(t )
Elanlisispresentadotambinsedenominaprobabilidaddefallaaposteriori.
2011
39
EJEMPLO3.9 UntransformadordepotenciatpicotieneunafuncindevidaGausianacon = 45 aosy = 10 aos. Cmoeslatasadefallasdeestecomponente? Latasadefallascreciente,locualquieredecirqueelcomponenteestensuetapadeobsolescencia. Si el transformador no ha fallado en los primeros 30 aos, cul es la probabilidad de que falle en los siguientes20aos?
F (20) =
F (t + t ) F (t ) F (30 + 20) F (30) 0.6915 0.0668 = = = 0.6694 1 F (t ) 1 F (30) 1 0.0668
Sieltransformadornohafalladoenlosprimeros30aos,culeslaprobabilidaddequesobreviva20 aosms?
R(20) =
R(t + t ) 1 F (t + t ) 1 F (30 + 20) 1 0.6915 = = = = 0.3306 R (t ) 1 F (t ) 1 F (30) 1 0.0688
Si el transformador no ha fallado en los primeros 40 aos, cul es la probabilidad de que falle en los siguientes20aos?
F (20) =
F (t + t ) F (t ) F (40 + 20) F (40) 0.9332 0.3085 = = = 0.9043 1 F (t ) 1 F (40) 1 0.3085
Si el transformador no ha fallado en los primeros 50 aos, cul es la probabilidad de que falle en los siguientes20aos?
F (20) =
F (t + t ) F (t ) F (50 + 20) F (50) 0.9938 0.6915 = = = 0.9799 1 F (t ) 1 F (50) 1 0.6915
Conformeeltransformadorestmstiempoenservicio,laprobabilidaddefallarenlossiguientes20aos escadavezmayor.Estosucedeporquelatasadefallasescreciente.
2011
40
EJEMPLO3.10 Para un componente dado se encuentra que su funcin de vida es exponencial con valor esperado de 5 aos. Modelodevida
F (t ) = 1 e
1 t
E (ttf ) =
(t ) = 1 /
= 1 / E ( x ) = 1 / 5 = 0.2 aosparafalla
La tasa defallas esconstante, lo cual indicaque el componente no presentaenvejecimiento ni mejora ensuconfiabilidad. Si un componente de stos no ha fallado en 3 aos, cul es la probabilidad de que falle en los siguientes2aos?
F (2) =
F (t + t ) F (t ) F (3 + 2) F (3) 0.6321 0.4512 = = = 0.3297 1 F (t ) 1 F (3) 1 0.4512
Si un componente de stos no ha fallado en 4 aos, cul es la probabilidad de que falle en los siguientes2aos?
F (2) =
F (t + t ) F (t ) F (4 + 2) F (4) 0.6988 0.5507 = = = 0.3297 1 F (t ) 1 F (4) 1 0.5507
Si un componente de stos no ha fallado en 5 aos, cul es la probabilidad de que falle en los siguientes2aos?
F (2) =
F (t + t ) F (t ) F (5 + 2) F (5) 0.7534 0.6321 = = = 0.3297 1 F (t ) 1 F (5) 1 0.6321
La probabilidad de fallar en los dos siguientes aos es la misma sin importar cunto ha vivido el componente! Estosoloocurreconelmodeloexponencialysedebeaquelatasadefallasesconstante. Porestosedicequeladistribucinexponencialesunmodelosinmemoria.
2011
41
3.8MODELODELLEGADADEFALLASALGRUPODECOMPONENTES Muestradetiemposdearribo defallasalapoblacinde f f f f f

componentes
tbf1
tbf 2
tbf 3
tbf 4
tbf n
G (t )
Poblacinde componentesno reparables
t Figura3.8Llegadadefallasalapoblacindecomponentesnoreparables
La muestra de tiempos interarribo de fallas se puede ajustar a un modelo puntual con funcin de intensidad G (t ) elcualrepresentaelarribodefallasalapoblacindecomponentesnoreparables.Estose presentaesquemticamenteenlaFigura3.8. Enestecaso, G (t ) sedefinecomo:
G (t ) =
dE[n(t )] dt
Esdecir, G (t ) siesunatasadeeventos,locual,escontrarioaloquesucedecon (t ) . Estetipodemodelamientoesdeespecialinterscuando:

1 Se tiene una poblacin infinita de componentes no reparables, por lo cual, el proceso de llegada de fallas a lapoblacinesinfinito Se tiene una poblacin finita de componentes no reparables y se quiere comparar la funcin de intensidad dellegadadefallasconlatasadefallasdeloscomponentes.
2011
42
EJEMPLO3.11 Paraelgrupode40baterasdelejemplo3.1setomanlostiemposentrefallasyserealizaelprocedimiento deajusteaunmodelopuntual: EstadsticodeLaplace: U L = 5.9632 Por lo cual, con un 95% de confianza se rechaza la hiptesis de que la tendencia de la muestra de tiemposinterarribodefallastienelatendenciadeunprocesodePoissonhomogneo Por lo cual, con un 95% de confianza se acepta la hiptesis de que la tendencia de la muestra de tiemposinterarribodefallastienelatendenciadeunprocesoderenovacin Lamuestradetiemposentrefallasesindependiente(Probaresto) Aplicando la prueba de bondad de ajuste a procesos de renovacin, se encuentra que con un 95% de confianzaelmodelopuntualqueajustaes: Proceso de renovacin Lognormal con parmetros = 4.7744 y = 1.6032 y funcin de intensidad EstadsticodeLewisRobinson: U LR = 1.7166
G (t ) = 32.7627 fallas/ao.

2011
43
Captulo4Componentesreparables
CAPTULO4COMPONENTESREPARABLES
4.1MODELODEDOSESTADOS
Estado f1 tbfi
Bueno
Fallado
Disponible Indisponible 0 ttr1 T ttfi
fi
t ttri
Figura4.1Diagramadeestadosdeuncomponentereparableysusecuenciaoperativaeneltiempo
El modelo clsico para componentes no reparables es el de dos estados que se muestra en la parte izquierdadelaFigura4.1. A la derecha de la Figura 4.1 se muestra la secuencia operativa del componente que es definida por las fallasyreparaciones;estaesunasecuenciadeestadosdedisponibilidadeindisponibilidad. Noseconsideranenestemodelamiento:
1 2 3 Fallassimultneas Queelcomponentepuedaserreparadomientrasopera(fallaparcial) Queelcomponentevuelvaafallarmientrasesreparado
Cada falla (fi) tiene asociado un tiempo para falla (ttfi) y un tiempo para reparacin (ttri), los cuales son aleatorios e independientes entre s, en cuanto a su duracin. Otra medida en la secuencia operativa es el tiempoentrefallas(tbfi). El nmero de fallas n f en un periodo de tiempo T es aleatorio. Por consiguiente, el nmero de reparaciones nr enunperiododetiempo T tambinloes. Elcero,enlasecuenciaoperativa,eselmomentoenelcualelcomponenteiniciasuoperacinnuevo. Paraelmodelamientoserequierenmuestrasaleatoriasrepresentativasde: 1 Tiemposparafalla( ttf 1 ,ttf 2 ,,ttf n )
2 Tiemposparareparacin( ttr1 ,ttr2 ,,ttrn )
Estasmuestrassetomande:
1 2 Elcomponentequesequieremodelar Unapoblacindecomponentesidnticosalquesequieremodelar(Datapooling)
2011
41
4.2MODELODEDOSESTADOSCOMOUNACADENADEMARKOV (t )
2 Fallado (t ) Figura4.2ModelodeCadenadeMarkovdedosestadosparauncomponentereparable
Bueno 1
La secuencia de fallas y reparaciones de un componente reparable define un proceso aleatorio que se puede representar como una cadena de Markov de dos estados discretos y tiempo continuo cuya representacinsemuestraenlaFigura4.2. Lastasasdetransicinentreestadossedefinencomo: dE[n f (t )] De1a2 Tasadefallas (t ) = 1/ E (ttf ) = dt dE[nr (t )] (t ) = 1 / E (ttr ) = De2a1 Tasadereparaciones dt 4.2.1Deduccindelmodelomatemtico Considere un intervalo de tiempo dt el cual es muy pequeo de tal manera que la probabilidad de que ocurran ms de una falla o ms de una reparacin sea muy pequea y por lo tanto pueda despreciarse la ocurrenciadeestoseventos.As:
Probabilidaddeunafallaen t =Probabilidaddeunafallaen ( t + dt ) = ( t )dt Probabilidaddeunareparacinen t =Probabilidaddeunareparacinen ( t + dt ) = ( t )dt
La probabilidad de estar en el estado operativo despus de un intervalo de tiempo dt es igual a la probabilidad de estar operativo en t y no haber fallado en dt + probabilidad de estar fallado en t y habersidoreparadoen dt :
P1 (t + dt ) = P1 (t )[1 (t )dt ] + P2 (t )[u(t )dt ]

La probabilidad de estar en el estado de reparacin (fallado) despus de un intervalo de tiempo dt es igual a la probabilidad de estar fallado en t y no haber sido reparado en dt + probabilidad de estar no falladoen t yhaberfalladoen dt :
P2 (t + dt ) = P2 (t )[1 (t )dt ] + P1 (t )[(t )dt ]

As,reorganizandotrminosenambasecuaciones:
P1 (t + dt ) = P1 (t )[1 (t )dt ] + P2 (t )[u(t )dt ] P1 (t + dt ) = P1 (t ) (t )dtP1 (t ) + u(t )dtP2 (t ) P1 (t + dt ) P1 (t ) = [(t ) P1 (t ) + u(t ) P2 (t )]dt P1 (t + dt ) P1 (t ) = (t ) P1 (t ) + u(t ) P2 (t ) dt P1 (t + dt ) P1 (t ) = (t ) P1 (t ) + u(t ) P2 (t ) dt dt 0 dP1 (t ) = (t ) P1 (t ) + u(t ) P2 (t ) dt
P2 (t + dt ) = P2 (t )[1 (t )dt ] + P1 (t )[(t )dt ] P2 (t + dt ) = P2 (t ) (t )dtP2 (t ) + (t )dtP1 (t ) P2 (t + dt ) P2 (t ) = [(t ) P1 (t ) u(t ) P2 (t )]dt P2 (t + dt ) P2 (t ) = (t ) P1 (t ) u(t ) P2 (t ) dt P2 (t + dt ) P2 (t ) = (t ) P1 (t ) u(t ) P2 (t ) dt dt 0 dP2 (t ) = (t ) P1 (t ) u(t ) P2 (t ) dt
Locualresultaenelsiguientesistemadeecuacionesdiferencialesordinarias:
dP1 (t ) = (t )P1 (t ) + u(t )P2 (t ) dt
dP2 (t ) = (t )P1 (t ) u(t )P2 (t ) dt

Elcualsepuedeexpresarenalgunadelassiguientesformas:
dP1 (t ) (t ) u(t ) P (t ) 1 dt = dP2 (t ) (t ) u(t ) P2 (t ) dt (t ) (t ) u(t ) P (t ) P 1 1 P = (t ) u(t ) P (t ) (t ) 2 2

(t ) = H t P(t ) P
H eslamatrizestocsticadetasasdetransicinentreestados.

4.2.2Cmoobteneryresolverestemodelo Para definir cmo se resuelve el modelo matemtico de la cadena de Markov de dos estados, antes es necesario analizar la tendencia e independencia de las muestras de tiempos para falla y de tiempos para reparacin,segnelprocedimientomostradoenlaFigura4.3. Muestrade datos Pruebade tendencia No CadenadeMarkov Hallarmodelodela Estacionario nohomognea tasa de eventos ? Pruebade independencia No Revisarcausasde Independencia dependencia ?
Pruebadebondadde ajusteadistribucin No Revisarhomogeneidaddela Ajuste muestra ? Si (DistribucinExponencial,Lognormal, Gamma,etc.) CadenadeMarkovhomognea Figura4.3Procedimientodeanlisisdelasmuestrasdetiemposparafallayreparacinparaajusteamodelode cadenadeMarkov
El resultado de aplicacin de este procedimiento es una distribucin de probabilidad o la funcin que modelalatasadeeventos(tasadefallasotasadereparaciones).
As,trescasosaparecenparalasolucindeestemodelo:
Condiciones Los tiempos para falla y de reparacin 1 son estacionarios, independientes y exponencialmentedistribuidos. Los tiempos para falla y de reparacin son estacionarios, independientes, pero 2 ambos no estn exponencialmente distribuidos. Los tiempos para falla o los de reparacinsonnoestacionarios Modelo Cadenade Markov homognea exponencial Cadenade Markov homognea general Cadenade Markovno homognea Caractersticas Mtododesolucin 1.Analtica 2.Mtodosnumricos 3.SimulacindeMontecarlo 1.SimulacindeMontecarlo 2.Mecanismodelasetapas 3.Adicindevariables
(t ) constante (t ) constante (t ) constante (t ) constante (t ) y (t ) son
variables o uno 1.Analticaparaalgunoscasos variable y el otro 2.Mtodosnumricos constante.
4.2.3Modelamientodetasasdeeventosnoconstantes Para el caso de procesos de fallas o de reparaciones no estacionarios, el modelo de la tasa de eventos puede hallarse haciendo el ajuste, con el mtodo de mnimos cuadrados, de una funcin a los valores de tasa de eventos en subperiodos (das, semanas, meses, aos, etc.) del periodo T cubierto por la muestra dedatos.EnlaFigura4.4seilustraesteprocedimiento,donde h(t ) denotatasadeeventos.
h (t ) h(t ) = 0.2 + 0.05 t

t
1 2 3 4 5
[Aos]
Figura4.4Grficasdelatasadeeventosconrespectoaltiempo
Lastasasdeeventosparaunsubperiodo k sepuedenhallardelasiguienteforma: n n fk n fk n 1 1 k = fk = = k = rk = = ttf T ttr ttr T ttf ttf ttr k k k k

k k k k
Donde: n fk : Eselnumerodefallasqueocurrieronenelsubperiodo k .
nrk :
Eselnumerodereparacionesqueserealizaronocurrieronenelsubperiodo k .
: Es la sumatoria delos tiempos asociados a las fallas oreparacionesque ocurrieron o se realizaron duranteelsubperiodo k .
2011
45
4.2.4Interpretacindelaformadelastasasdeeventos Segnlaformadelastasasdeeventos,setienenlassiguientesinterpretaciones:
Forma Constante Creciente Decreciente Tasadefallas Nohaydeterioronimejoradela confiabilidaddelcomponente Deterioroenlaconfiabilidaddelcomponente Mejoraenlaconfiabilidaddelcomponente Tasadereparaciones Nohaymejoranideterioroeneldesempeo delpersonalquerealizalasreparaciones Deterioroeneldesempeodelpersonalque realizalasreparaciones Mejoraeneldesempeodelpersonalque realizalasreparaciones
4.2.5Interpretacindelasolucin La solucin de la cadena de Markov son las probabilidades de ocurrencia de los estados 1 y 2 como una funcindeltiempo:
P1 (t ) = A(t )
Es la disponibilidad instantnea Es la probabilidad de encontrar el componente en el delcomponente. estadobuenoenalgninstantedeltiempo. Es la indisponibilidad instantnea Es la probabilidad de encontrar el componente en el delcomponente. estadofalladoenalgninstantedeltiempo.
P2 (t ) = U (t )
Sielprocesoaleatoriodefallasyreparacionesconvergeaunestadoestable,tambinsedefinen:
P1 ( ) = A
La disponibilidad componente. La indisponibilidad componente. del Es la probabilidad de encontrar el componente en el estadobuenoenellargotiempo. del Es la probabilidad de encontrar el componente en el estadofalladoenellargotiempo.
P2 ( ) = U
La notacin A yU vienen de los trminos en ingles paradisponibilidad (Availability) e indisponibilidad (Unavailability),respectivamente. La disponibilidad A y la indisponibilidad U presentadas se denominan inherentes pues solo consideran la salida del componente debido a fallas, aunque la disponibilidad tambin est afectada por otrotipodesalidasplaneadasynoplaneadas. Si las muestras de datos se tomaron de varios componentes, el modelo probabilstico obtenido correspondeauncomponentequerepresentaotipificaatodosloscomponentesdelapoblacin.
2011
46
4.2.6CadenasdeMarkovhomogneas Si los procesos de fallas y de reparaciones del componente reparable son estacionarios, independientes y ajustan a distribuciones de probabilidad, se podr entonces utilizar como modelo de confiabilidad una cadenadeMarkovhomognea. Comolastasasdefallasydereparacinsonconstantes,stassepuedenescribircomo:
(t ) = = 1/ E (ttf )
LacadenadeMarkovhomogneasedefineentoncespor:
Fttf (t )
(t ) = = 1/ E (ttr )
La funcin de distribucin de probabilidad de los Tambin se puede utilizar la correspondiente funcindedensidaddeprobabilidad f ttf (t ) tiemposparafalla La funcin de distribucin de probabilidad de los Tambin se puede utilizar la correspondiente funcindedensidaddeprobabilidad f ttr (t ) tiemposparareparacin
Fttr (t )
Conbaseenestosmodelostambinsedefinen:
E (ttf )
Elvaloresperadodetiempoparafalla
(ttf ) ttf E (ttf ) = 1 / E (ttf ) = f ttf (t )t dt E

0
E (ttr )
El valor esperado de tiempo de reparacin
(ttr ) = ttr E (ttr ) = 1 / E (ttr ) = f ttr (t )t dt E

0
Una cosa importante, es que este proceso aleatorio de fallas y reparaciones es de renovacin ya que cada vez que el componente es reparado ste vuelve al mismo estado de confiabilidad que tena antes de fallar ya que la tasa de fallas permanece igual. Por esta razn, las reparaciones se denominan mnimas; silasreparacionesnofueranmnimas,entoncescambiaranelvalordelatasadefallas. 4.2.7SolucinanalticadelacadenadeMarkovhomogneaexponencial
(t ) = H t P(t ) del modelo de confiabilidad de dos La solucin del sistema de ecuaciones diferenciales P
componenteses:
(t ) u P (t ) P 1 1 = P2 (t ) u P2 (t )
P1 (t ) = A(t ) =
( + )t + e + +
P2 (t ) = U(t ) =
( + )t e + +
2011
47
Seobservaqueestasolucintieneunapartetransitoriayotradeestadoestableyqueentodoinstantedel tiempo,lasumadeprobabilidadesesiguala1.0. Enelestadoestablesetiene:

A = P1 ( ) =
+
U = P2 ( ) =
4.2.8SimulacindeMontecarlopararesolverunacadenadeMarkovhomognea Puede resolverse la cadena de Markov homognea de dos estados, con cualquier combinacin de distribuciones,conelsiguientealgoritmodesimulacindeMontecarlosecuencial: Aliniciodelasimulacin: t = 0 , i = 0 Paso1:Incrementeelcontadordeiteracioneshaciendo i = i + 1 Paso2:Genereuntiempoparafalla ttf i utilizandoladistribucindelostiemposparafalla Paso3:Genereuntiempoparafalla ttri utilizandoladistribucindelostiemposparareparacin Paso4:Incrementeelrelojdelasimulacinhaciendo t i = t i 1 + ttf i + ttri Paso5:Evaleelcriteriodeparada.Sistesecumpleterminar;delocontrario,regresaralpaso1 Alterminarlasimulacincalcular: ttf ttr P1 ( ) = A = P2 ( ) = U = t t Como criterio de parada se puede utilizar un nmero preespecificado de iteraciones o la convergencia a A U . 4.2.9SolucinestadsticadeunacadenadeMarkovhomognea Si se tiene evidencia de que las muestras de tiempos para fallas y de tiempos para reparacin son estacionarias,tambinesposiblecalcularenformaestadsticalasdisponibilidadeseindisponibilidadesde estado estable y las tasas de eventos del modelo de confiabilidad del componente reparable de dos estados,delasiguienteforma: ttf ttr P1 ( ) = A = P2 ( ) = U = T t
=
T ttr
nf
nf = 1 / ttf ttf
nr nr = = 1 / ttr T ttf ttr
Obviamente,lacalidaddeestosclculosdependedeltamaodelamuestra.
4.2.10SolucindeunacadenadeMarkovnohomognea En este caso, solo es posible hallar soluciones analticas para ciertas formas de las funciones matemticas utilizadas para las tasas detransicin entre eventos. El mtodo de solucin aaplicar dependeentonces de la forma de estas funciones. Otra limitacin con este tipo de proceso es que no hay un mtodo analtico generalparaanalizarlaestabilidadmatemticadelasolucin.Aslorecomendadoenestetextoesutilizar mtodosnumricosparaecuacionesdiferencialescomoRungeKutta. Otro aspecto importante a analizar al aplicar este modelamiento es si las tasas de transicin entre estados
(t ) = H t P(t ) considera que es en varan con el tiempo global o con un tiempo local, ya que el modelo P
formaglobal. Paraalgunostiposdecomponentespuedeargumentarselosiguiente:
Latasadefallasdelamayoradecomponentesseincrementaconsuuso.As,staesfuncindeltiempode operacin del componente. Entonces, si el componente est inactivo o bajo mantenimiento, la tasa de fallas 1 no crece durante esos periodos. En este caso, la tasa de fallas sera entonces funcin de un tiempo local f referido a la operacin, no del tiempo global t de observacin del proceso el cual es la suma de los tiemposdefallayreparacin.

La tasa de reparaciones de la mayora de componentes depende de factores propios del proceso de reparacin: la carga de trabajo de los operarios, la prdida de rendimiento de los operarios debido al envejecimiento,lafaltadeincentivoslaborales,etc.Enestecaso,latasadereparaciones serafuncindeun tiempo local r , referido al tiempo de labor, no del tiempo global t de observacin del procesoel cual es lasumadelostiemposdefallayreparacin.
As, si las tasas de transicin varan con un tiempo local y no con el tiempo global, al aplicar el
(t ) = H t P(t ) se obtiene una prediccin sobreestimada de las probabilidades de modelamiento P ocurrenciadelosestadosdelproceso. EJEMPLO4.1
Silastasasdeeventosdelprocesodefallasyreparacionesson:
(t) = 9 t 0.5 [Fallas/ao]
(t) = 146 [Reparaciones/ao]
Elmodelomatemticodelsistemaes:
(t ) 9 t 0.5 P 1 P = 0.5 (t ) 2 9t
UniversidadTecnolgicadePereira 2011
146 P1 (t ) 146 P2 (t )
49
Lasolucinnumrica(MtodoRungeKutta)paradiezaoses:
Figura4.5Resultadosparaelproblema4.1
Como se observa en la Figura 4.5, si las fallas aumentan con el tiempo y los recursos para reparar se mantienen constantes, la probabilidad de que el componente est en el estado de indisponible crece a un valormuyalto(18%).
2011
50
4.3MODELOSMULTIESTADO h12 (t ) 1 h21 (t )

Equipo nuevo
h23 (t )
2 3
h34 (t )
4
h32 (t )
Desgaste mayor Obsolescencia
Desgaste aceptable
100 MVA No fallas 1
h12 h21
2
h13 h31
3
80 MVA Falla parcial
0 MVA Falla que implica desconexin
Figura4.6Ejemplosdemodelosmultiestado
Tambinsepuedendefinirmodelosmultiestadoparaloscomponentesreparables.LaFigura4.6presenta dosejemplosdeestetipodemodelamiento. En este caso, los estados se refieren a situaciones de desgaste o estados operativos relacionados con la capacidaddeproduccindelcomponente. Todoslosestadosnotienenqueestarconectadosentres. Las tasas de transicin entre estados i y j se refieren a diversos tipos de fallas y reparaciones y se definenenformageneralcomo:
hij (t ) = 1 / E(tij ) =
dE[nij ] dt
Para construir este tipo de modelos se requiere de una muestra de datos para cada uno de los tiempos de transicinentreestados.Acadaunadeestasmuestras:
1 2 SeleaplicaelprocedimientodeanlisisdetendenciaeindependenciamostradoenlaFigura4.3 Para el caso de procesos no estacionarios, se halla el modelo de la tasa de eventos, tal como se indic en el numeral4.2.3
2011
51
4.4MODELOMULTIESTADOCOMOUNACADENADEMARKOV 2 h 12 ( t )
h 21 ( t )
1
h 23 ( t )
3
h 32 ( t )
h 13 ( t ) h 31 ( t ) h1 n ( t ) hn1 (t )

n
Figura4.7CadenadeMarkovcontinuaeneltiempo
EnlaFigura4.7semuestraunarepresentacindeestetipodemodelo. Trescasosaparecenenelestudiodeesteprocesoestocstico:
Todos Condiciones
t ij
son
estacionarios,
1 independientes y exponencialmente distribuidos. Todos los
t ij
son
estacionarios,
2 independientes, pero no todos estn exponencialmentedistribuidos.
Nombre Cadenade Markov homognea exponencial Cadenade Markov homognea general Cadenade Markovno homognea
Caractersticas Todoslos hij sonconstantes
Mtododesolucin 1.Analtica 2.Mtodosnumricos 3.SimulacindeMontecarlo 1.SimulacindeMontecarlo 2.Mecanismodelasetapas 3.Adicindevariables 1.SimulacindeMontecarlo 2.Mecanismodelasetapas 3.Adicindevariables
Todoslos hij sonconstantes Algunoso todoslos hij varanconel tiempo
2 Algunos t ij sonnoestacionarios
4.4.1Modelomatemtico Generalizandoelsistemadeecuacionesobtenidoen4.2.1para n estadossetiene:
(t ) = H t P(t ) P
Donde:
P ( t ) : Eselvectorfiladelasprobabilidadesdecadaunodelosestadoscomofuncindeltiempo
2011
52
(t ) : Eselvectorfiladelasderivadasconrespectoaltiempodelasprobabilidadesdecadaunodelos P
estadoscomofuncindeltiempo
H :
Es la matriz estocstica de tasas de transicin entre estados. Es el generador infinitesimal de la cadena.Sustrminossedefinencomo:
h11 (t) h12 (t) h1n (t) h (t) h22 (t) h2 n (t) H = 21 h (t) h (t) h (t) n2 nn n1

hii (t) : Eselnegativodelasumatoriadetodaslastasasdetransicinquesalendelestado i hii (t) : Eslatasadetransicinquesaledelestado i alestado j
Lasfilasdelamatriz T debensumar0.0.
T nonecesariamenteessimtricayaque hij (t) notienequeseriguala h ji (t ) .

La solucin del sistema de este sistema de ecuaciones diferenciales entrega las probabilidades de cada estadoenfuncindeltiempo. 4.4.2SolucinanalticadelacadenadeMarkovhomogneaexponencial En este modelo todos los tiempos de transicin entre estados estn distribuidos exponencialmente, por lo cual, todas las tasas de transicin entre estados son constantes ya que los tiempos de transicin entre estadossonestacionarioseindependientes.As, T esunamatrizdecoeficientesconstantes:
h11 h H = 21 h n1
h12 h1n h22 h2 n hn 2 hnn
(t ) = H t P(t ) corresponde a un sistema de ecuaciones diferenciales ordinarias, El modelo matemtico P

linealesdecoeficientesconstantescuyasolucinesindependientedelascondicionesiniciales. Este sistema se resuelve cualquiera de los mtodos que se ensean en los cursos de ecuaciones diferenciales.
El anlisis de valores propios de la matrz H indica si el modelo implementado tiene solucin convergente o divergente.
EJEMPLO4.2 Para un transformador de potencia 220/115 kV, 80/100 MVA, ONAN/ONAF se definen los siguientes estadosoperativos:
Estado 1 2 3 Descripcin Equiposinfalla Falladelsistemadeaireforzado(ventiladores) Fallasqueimplicanladesconexindelequipo CapacidadenMVA 100 80 0
Diagramadetransicindeestados 100MVA Nofallas 1 h12
h13 h31

h21
2
Figura4.8Diagramadetransicindeestados paraeltransformadordepotenciadelEjemplo4.2
3
80MVA 0MVA Fallasistemadeaireforzado Fallaqueimplicadesconexin Lostiemposdetransicinentreestadosestnexponencialmentedistribuidosconlossiguientesvalores esperados:

1 2 3 4 Eltiempoesperadoparaqueseproduzcaunafalladelsistemadeaireforzadoes3meses(0.25aos). Eltiempoesperadopararepararunafalladelsistemadeaireforzadoes5das(0.0137aos) El tiempo esperado para que se produzca una falla que implique la salida total del equipo es 6 meses (0.5 aos). Eltiempoesperadopararepararunafallaqueimplicalasalidatotaldelequipoesde20das(0.0548aos).
Tasasdetransicinentreestados hij = 1 / E(tij )

Tasadetransicin Descripcin Eslatasadefallasdelsistemadeaireforzado Eslatasadereparacindelsistemadeaireforzado Eslatasadefallasqueimplicandesconexindelequipo Es la tasa de reparacin del las fallas que implican desconexindelequipo Valor
h12 h21 h13 h31

12 = 4 [fallas/ao] 21 = 73 [reparaciones/ao] 13 = 2 [fallas/ao]

31 = 18.25
[reparaciones/ao]
2011
54
Matrizdetasasdetransicinentreestados
6.00 +4.00 +2.00 H = +73.00 73.00 0.00 +18.25 0.00 18.25

Asumiendoqueelsistemacomienzalaoperacinenelestado1(sinfallas): P (0) = ( 1.0 0.0 0.0 ) Lasolucinesdelsistemadeecuacionesdiferencialeses:
P1 (t ) = +0.0554e 77.1406*t + 0.8588e 0.0*t + 0.0858e 20.1094*t = 0.8588 + 0.0554 e 77.1406*t + 0.0858e 20.1094*t P2 (t ) = 0.0535e 77.1406*t + 0.0471e 0.0*t + 0.0065e 20.1094*t = 0.0471 0.0535e 77.1406*t + 0.0065e 20.1094*t P3 (t ) = 0.0019e 77.1406*t + 0.0941e 0.0*t 0.0922e 20.1094*t = 0.0941 0.0019e 77.1406*t 0.0922e 20.1094*t
EnlaFigura4.9semuestralaevolucindeestasprobabilidadeseneltiempo. Enestasecuacionesseobservaque: Encualquierinstantedetiempolasumadelastresprobabilidadeses1.0. Las tres ecuaciones constan de un trmino constante y un trmino transitorio que decrece con el tiempo.Lostrminosconstantessonlasprobabilidadesdeestadoestable. P1 () = 0.8588 . El primer estado (Transformador sin fallas) es el que tiene mayor probabilidad de ser encontradoencualquierinstantedetiempo.Estocorrespondealodeseadoparacualquierequipo. Laindisponibilidaddeltransformadoresiguala P3 () = 0.0941
2011
55

Figura4.9SolucindelEjemplo4.2 4.4.3FrecuenciayduracinencadenasdeMarkovhomogneas EnelestadoestabledeunacadenadeMarkovhomogneasepuedenobtener:
Es la probabilidad de ocurrencia del estado i por la sumatoria delastasasdesalidadesdeeseestado. Lafrecuenciadeocurrenciadeunestado i
fi = Pi ( ) * hij
ji
Tambin se puede calcular como la probabilidad de NO encontrar el estado i por la sumatoria de las tasas de entrada a eseestado.

Laduracinmediaenunestado i
El tiempo medio gastado en un estado i o duracin media en este estado es el inverso de sumatoria de las tasas de salida desdeeseestado.
mi = 1/ hij
j i
Adems,secumpleque
f
i =1
*mi = t
Donde t eseltiempodereferenciadelestudioolaunidadquesemideeltiempo. Para hallar la frecuencia de ocurrencia de un estado acumulado o la duracin media en este estado acumulado,solosetomanencuentalosestadosquesecomunicanatravsdelafronteradeacumulacin.
EJEMPLO4.3 ParaeltransformadordepotenciadelEjemplo4.2hallarlafrecuenciayduracindecadaestado.
Estado i 1 2 3
Pi ()
0.8588 0.0471 0.0941
f i [Veces/ao] f1 = 0.8588 * (4 + 2) = 5.1529 f 2 = 0.0471 * 73 = 3.4353 f 3 = 0.0941 * 18.25 = 1.7176
mi [Das] m1 = 1/(4 + 2) * 365 = 60.8333 m2 = 1/ 73 * 365 = 5.0 m3 = 1/ 18.25 * 365 = 20.0
La probabilidad de que el transformador se encuentre disponible para operar a su mxima capacidad nominal (100 MVA) es de 85.88%. Esta condicin operativa se da 5.1529 veces por ao y tiene una duracinmediade60.8333das. La probabilidad de que el transformador solo se encuentre disponible para operar a una capacidad mximade80MVAesde4.71%.Estacondicinoperativaseda3.4353vecesporaoytieneunaduracin mediade5das(Elmismotiempopromedioparareparacindedaosdelsistemadeenfriamiento). La probabilidad de que el transformador no se encuentre disponible para operar es de 9.41%. Esta condicin operativa se da 1.7176 veces por ao y tiene una duracin media de 20 das (El mismo tiempo promedioparareparacindedaosqueimplicanladesconexindelequipo). Obsrveseque: m1 f1 + m2 f 2 + m3 f 3 = 5.1529 * 60.8333 + 3.4353 * 5 + 1.7176 * 20 = 365 [das]
Es decir, un ao que corresponde al tiempo de referencia del estudio a la referencia para la medida de lasunidadesdetiempo. 4.4.4SimulacindeMontecarlopararesolverunacadenadeMarkovhomognea Definiendo: t : Tiempodelasimulacinquecorrespondealtiempooperativodelproceso t i : Tiempoenqueelprocesoestenelestado i ni : Nmerodevecesqueelprocesoentraalestado i Aliniciarlasimulacin: t = 0
t i = 0 i
ni = 0 i
Lospasosdelasimulacinson:
1. Ubqueseenelestado k dondeiniciaelprocesoysmele1alcontador n k (smele1) 2. Para los estados a los cuales hay conexin desde el estado actual genere un tiempo de transicin entre estadosutilizandolascorrespondientesdistribucionesdeprobabilidad. 3. Seleccioneelmenortiempodetransicindelestadoactualalosestadosaloscualesexisteconexin. Elprocesopasaalestado j paraelcualhayelmenortiempodetransicin t kj . Smele1alcontador n j Cuenteunatransicinentreestados;estatransicincorrespondeaunaiteracindelasimulacin. 4. Smele t kj altiempodelasimulacin( t )yalcontadordetiempodelestado k ( t k ) 5. Ubqueseenelestado j paraelcualsehizolatransicinyvuelvaalpaso2 6. Repetirhastaunnmeropreespecificadodeiteracionesuotrocriteriodeparada 7. Calculelassalidasdelasimulacin:
Probabilidaddeencontrarelestado k Tasadesalidasdesdeelestado k Frecuenciadeencontrarelestado k Tiempomedioenelestado k

Pk = t k / t

k = nk / t k

fk = k * pk

mk = 1 / k
Conestemtodosoloseobtienenlasprobabilidadesdeestadoestabledelproceso. Nodebeconfundirseelestadotransitoriodelasimulacin(estadosenloscualeslamuestradedatosnose haestabilizadoenunadistribucin)conelestadotransitoriodelasolucineneltiempodelproceso.
2011
58
EJEMPLO4.4
60MVA Nofallas 1
Figura4.10Diagramadetransicindeestados paraunaunidaddegeneracin
2
40MVA Fallasmenores
0MVA Fallaqueimplicadesconexin
Unaunidaddegeneracinhidrulicatienelossiguientesestadosoperativos:
Estado 1 2 3 Descripcin Equiposinfalla Fallasmenoresenturbina,generadoreinstalacioneshidrulicas Fallasqueimplicanladesconexindelequipo CapacidadenMVA 60 40 0
Lasdistribucionesdeprobabilidadquedefinenelprocesoestocsticoson:
DistribucindeProbabilidad Gammaconparmetros = 1.5 y = 0.0548 aos(20das), E(t12 ) = 30 das Gammaconparmetros = 2.5 y = 0.1315 aos(48das), E(t13 ) = 120 das Gammaconparmetros = 0.8 y = 0.0103 aos(90horas), E(t21 ) = 3 das Gammaconparmetros = 2.5 y = 0.1315 aos(48das), E(t13 ) = 120 das Gammaconparmetros = 0.7 y = 0.0274 aos(240horas), E(t23 ) = 7 das Gammaconparmetros = 0.8 y = 0.0068 aos(60horas), E(t21 ) = 2 das
t12 t13 t21 t23 t31 t32
Hallarlasprobabilidadesdeestadoestabledecadaunodelosestados,lastasasdesalidadesdecadauno delosestados,eltiempomediogastadoencadaestadoylafrecuenciaesperadadeencontrarcadaunode losestados.

Resultadoscon1000,000deiteraciones Estado 1 2 3
Pk
0.9017 0.0945 0.0038
[eventos/ao] 13.0439 121.7060 265.1824
[veces/ao] 11.7623 11.4963 1.0071
fk
[aos] 0.0767 0.0986 0.0038
mk
2011
59
4.5MODELODEDOSESTADOSCOMOUNPROCESOSPUNTUAL (t ) (t ) 2 1 t t fallas (t ) bueno fallado

fallas
(t )
reparaciones
(t ) t
Figura4.11Modelodefallasdeuncomponentereparablededosestadosmedianteprocesopuntual
El proceso de Markov de 2 estados discretos, continuo en el tiempo, es producido por dos fuentes de eventospuntuales(FuentesdePoisson). Para el caso de los componentes reparables, cuando la magnitud de los tiempos de las reparaciones es muy pequea comparada con respecto a la magnitud de los tiempos para falla, es usual desacoplar el proceso de Markov y estudiar nicamente el proceso de llegada de las fallas; tambin se puede estudiar enformaindependienteelprocesodellegadadelasreparacionesaunqueestoesmenosusual. Elmodelarelcomponentereparablemedianteunprocesoestocsticopuntualdelasfallasimplica:
1 Lasfallasocurrenunaalavez Algunos investigadores argumentan que esto es vlido pues en trminos prcticos es difcil probar que dos fallas ocurren enelmismoinstantedetiempo.
La indisponibilidad del componente es Esto se cumple para muchos componentes; sin embargo, se despreciable recomiendaverificarloparacadacasobajoestudio. Lasreparacionessonmnimas En este tipo de modelamiento se asume que las reparaciones nocambianelestadodeconfiabilidaddelcomponente
Ntese que aunque solo se est estudiando el proceso de fallas del componente, implcitamente se consideraqueestetienedosestadosoperativos. En el proceso puntual se cuenta la cantidad de fallas n f que ocurren en un periodo de tiempo t . Es comn asumir que el periodo de inters inicia en un tiempo cero correspondiente al instante de tiempo donde empiezan los registros operativos o datos estadsticos que documentan el proceso; en este caso t = t 0 = t ,y,entonces,soloaparecer t enlasecuacionesdelproceso.Nodebeconfundirseentoncesa t conuninstantedetiempo.
4.5.1Modelomatemtico El modelo matemtico de este proceso se define mediante la tasa de fallas ( t ) o funcin de intensidad del proceso de fallas.
Segn la forma de esta tasa de fallas (constante, creciente en el tiempo, decreciente en el tiempo) se interpreta el estado de confiabilidad del componente, en igual forma como se indic en la seccin 2.4.4. Esta funcin de intensidad permite calcular: Elvaloresperado
(t ) = E[n f (t )] = t0 (t )dt
Lavarianza
VAR( t ) = ( t )
Lafuncindeprobabilidaddemasa
La probabilidad de que en un periodo dado t lleguen o ocurran exactamente k fallas est dada por:
P[n f (t ) = k ] =
1 [(t)]k * e (t ) para k = 0,1,2, k!
Funcindedistribucindeprobabilidad
k 1 P[n f (t ) k ] = [ (t )]i * e (t ) i =1 i !
En este modelo matemtico se cumple que:

1 2 3 4 5 Loseventoslleganunoalavez
n f (t ) esunvalorentero n f (0) = 0 n f (t ) 0
Si s < t , n f (t ) n f ( s) esigualalnmerodeeventosquehanocurridoenelintervalo ( s , t )
2011
61
4.5.2Cmoobtenerestemodelo Para obtener el modelo matemtico de proceso puntual, es necesario analizar la tendencia e independenciadelasmuestrasdetiemposparafalla,segnelprocedimientomostradoenlaFigura4.12. Muestrade datos Pruebadetendencia No Pruebadebondaddeajustea Estacionario modelonohomogneo ? No Probarotros Ajuste modelos Pruebadeindependencia ? Si No ProcesodePoisson Revisarcausasde Independencia nohomogneo dependencia ?
Pruebadebondaddeajustea distribucindeprobabilidad homogeneidaddela No Revisar Ajuste muestra ? Si Procesoderenovacin Figura4.12Procedimientodeanlisisdelasmuestrasdetiemposparafallaparaajusteaunmodelopuntual
ElresultadodeaplicacindeesteprocedimientoesunprocesoderenovacinounprocesodePoissonno homogneo. En la Figura 4.13 se presentan algunos de modelos puntuales. El proceso de renovacin exponencial tambinseconocecomoprocesodePoissonhomogneo.
2011
62
Procesoestacionario homogneo
Procesosde renovacin
Exponencial Gamma Weibull Etc.
(t) =
1 Constante E( x)
PowerLaw (t ) = t 1 Loglinear(CoxLewis) (t ) = e ( a + bt ) GoelOkumoto (t ) = abe MusaOkumoto (t ) = a /( at + b) Alternating (t ) = + a sin( t + b)

bt
Procesonoestacionariono homogneo
Procesosde Poissonno homogneos
Etc. Figura4.13Clasificacindelosprocesosestocsticospuntuales( , , a , b , sonconstantes)
4.5.3Cmoseleccionarunmodelopuntualnohomogneo Para el caso de procesos de falla con tendencia, previo a escoger el modelo puntual, es necesario analizar la forma de la tasa de eventos de la muestra de datos, para seleccionar el modelo puntual con funcin de intensidadquelarepresentebien. Paraesto,secalculalatasadefallasporsubperiodotalcomoseindicenlaseccin4.2.3 4.5.4Procesodefallassegnelorigendelamuestradedatos Algomuyimportanteesentenderaquserefiereelmodelopuntualdefallasobtenidosegnelorigende lamuestradedatosdetiemposparafalla:
En este caso el modelo de falla y su funcin de intensidad se refieren a las fallasquelleganaunnicocomponente. EstatasadefallasesigualalaqueseobtendraenunacadenadeMarkov.
Uncomponentereparable
En este caso el modelo de falla y su funcin de intensidad se refieren a las fallasquelleganalapoblacindecomponentesreparablesdelacualsetomo lamuestradedatos. Sisedeseaelmodelopuntualolatasadefallasporcomponente,esnecesario Un grupo de componentes descomponer elmodeloolafuncindeintensidadobtenidosparaelgrupo. reparablesidnticos Recordar que solo para el proceso de Poisson homogneo es posible descomponer fcilmente la funcin de intensidad dividindola entre el nmero de componentes en la poblacin. El proceso de fallas de cada componenteindividualtambinesunprocesodePoissonhomogneo.

EJEMPLO4.5 Para un transformador de distribucin se ha verificado que el proceso de llegadas de las fallas es un proceso de Poisson homogneo (Proceso de renovacin exponencial) con una tasa de ocurrencia de eventos = 0.2 fallas/ao.
Valoresesperadosdefallas: E[ N (t )] = 0.2 * t t [aos]

1 5 10
E[ N (t )] [fallas]
0.2 1 2
Conforme se aumenta el periodo de tiempo en que el equipo permanece en funcionamiento, mayor nmerodefallasseesperaqueocurran. Probabilidaddellegadadefallasendiferentesperiodosdetiempo:
P[ N (t ) = k ] =
k
[Fallas] 0 1 2 3 4 5 6 7 8 9 10 1 0,818731 0,163746 0,016375 0,001092 0,000055 0,000002 0,000000 0,000000 0,000000 0,000000 0,000000
1 [0.2t ]k * e 0.2 t k!
t [aos]
5 0,367879 0,367879 0,183940 0,061313 0,015328 0,003066 0,000511 0,000073 0,000009 0,000001 0,000000 10 0,135335 0,270671 0,270671 0,180447 0,090224 0,036089 0,012030 0,003437 0,000859 0,000191 0,000038
Como se observa, las probabilidades de ocurrencia de un nmero dado de fallas cambian conforme se cambiaelperiododetiempo. Tambin se observa que son bajas las probabilidades de que ocurran los valores esperados de fallas calculadosenelpasoanteriorparaperiodosde5(1falla)y10aos(2fallas). Esto ltimo ilustra sobre el cuidado que se debe tener al tomar valores esperados para los procesos de decisin,puesengeneral,estosvalorestienenpocaprobabilidaddeocurrir.
2011
64
Probabilidaddeteneralmenosunafallaendiferentesperiodosdetiempo:
P[ N ( t ) = 1, 2,] = 1 P[ N ( t ) = 0]
t [aos]
1 5 10
P[ N (t ) = 1, 2,]
0.181269 0.632121 0.864665
Probabilidaddequelaprimerafallaocurraenuntiempomenoroigualdado t
Ft1 (t ) = P[t1 t ] = 1 e 0.2 t

t [aos]
1 5 10
P[t1 t ]
0.181269 0.632121 0.864665
Comoseobserva,lasprobabilidadesdequeocurralaprimerafallaenuntiempomenoroiguala1,5y10 aos corresponden a los mismos resultados de probabilidad de que ocurra al menos una falla en estos mismosperiodosdetiempoenelHPP,quesecalcularonenelpasoanterior.

2011
65
4.6MODELOMULTIESTADOSMEDIANTEPROCESOSPUNTUALES 80MVA 100MVA 1 (t ) ONAN ONAF 2 (t ) 1 2 2 (t ) Daoensistema 1 (t ) 1 (t ) derefrigeracin 2 (t )

3 0MVA Salidaforzada
Figura4.14Componentereparablecondosmodosdefalla
Para un componente reparable con varios estados operativos tambin se puede utilizar el modelamiento medianteprocesospuntuales.Paraesto,sedefineunprocesopuntualporcadamododefallaotiempode transicinentreestados,talcomosemuestraenelejemplodelaFigura4.14. Los modelos puntuales de cada modo de falla se obtienen de las respectivas muestras de tiempos de transicinentreestadosalascualesselesaplicaelprocedimientomostradoenlaFigura4.12. Obviamente, se mantienen aqu las condiciones para modelamiento con procesos puntuales que se indicaronenlaseccin4.5.
2011
66
4.7MODELODEFRECUENCIAYDURACIN
,r

Figura4.15Modelodefrecuenciayduracindeuncomponente
En este mtodo, el componente se considera como un bloque que se define con los siguientes parmetros:
Unatasadefallasconstante Untiempomedioparareparacinconstante
Estos parmetros se obtienen de estadsticas (Seccin 4.2.9) o de los modelos de cadenas de Markov homogneas. Laindisponibilidaddelcomponenteen[%]o[horas/ao]secalculacomo:
U = *r
Este tipo de modelamiento se denomina de frecuencia y duracin pues se deriva de la tcnica del mismo nombre del proceso de Markov homogneo y porque es la frecuencia de fallas y r es la duracindelasfallas. Este modelo se desarrolla como una aproximacin a la solucin de una cadena de Markov exponencial para combinaciones serie y paralelo de componentes, por lo tanto, no tiene mayor sentido utilizarlo aislado. Solo se recomienda utilizar este tipo de modelamiento si la indisponibilidad anual del componente es menoral10%[6]. Las soluciones de este mtodo solo dan valores esperados, pues son una simplificacin a la solucin exactadadaporlacadenadeMarkovhomognea. Como este modelo se deriva de la cadena de Markov homognea exponencial, una condicin o supuesto es que los tiempos para falla y reparacin estn exponencialmente distribuidos. Esto debera verificarse antesdeaplicarestetipodemodelamiento.
2011
67
4.8OTRASSALIDASQUEAFECTANAUNCOMPONENTEREPARABLE Hastaelmomentoslosehanconsideradolasfallasparaelmodelamientodeloscomponentesreparables. Sinembargo,ladisponibilidaddeestoscomponentesseveafectadaporlossiguientestiposdesalidas:

1 Otrassalidasno planeadas

Vandalismo,accidentes, fenmenosatmosfricos, temblores
Son de naturaleza aleatoria en cuanto a su ocurrenciayduracin.
Salidasplaneadas
Mantenimientopreventivo, inspeccin,tomade medidas
Son determinsticas en cuanto a su ocurrencia peroaleatoriasencuantoasuduracin.
Una caracterstica muy importante de las salidas planeadas es que pueden postponerse si afectan severamente la seguridad o desempeo del sistema.
Lasotrassalidasnoplaneadastambinpuedenincorporarsealosmodelosyavistos. Lassalidasplaneadaspuedentratarsedelasiguientemanera:
1
Determinarlaprogramacin desalidasplaneadasdel componente
En este caso al estudiar o generar la secuencia operativa del componente se debe mirar en que periodos de tiempo estar indisponible segn el programademantenimientopreventivo.
Incorporarlasalmodelo probabilstico
Implica asumir que se conoce que el componente tendr salidas planeadas,peronoseconocesuprogramacin.
Valido para estudios de largo plazo o para componentes donde el mantenimientopreventivonoobedeceaunprogramariguroso.
Otro asunto, es que las otras salidas no planeadas y las salidas planeadas deben incorporarse en los ndices de confiabilidad pues para algunos componentes del sistema elctrico stas salidas pueden tener unaparticipacinmuyalta.
2011
68
4.9NDICESDECONFIABILIDADESTADSTICOS Definiendo: Tiempodeestudiooperiododelosregistros,generalmente[aos] T NmerototaldesalidasenelperiodoT n NmerodefallasenelperiodoT nf
N X Xpr tto r MTTRS
Nmerodecomponentesolongitudtotaldel(os)componente(s) Longituddesconectadaenunasalidaofalladada Longitudpromediadesconectadaenunasalidaofalla Tiempoparasalidaplaneada,noplaneadaofalla Tiempomedioparareparacin Tiempomediopararestauracin(reconexindesalidasplaneadasynoplaneadas) Tasasdesalidas Ecuacin Observacin Tasasdefallas Ecuacin Observacin Aplicaaunoovarioscomponentesnolongitudinales Aplicaaunoovarioscomponenteslongitudinales,sencada fallasedesconectatodalalongitud. Aplicaaunoovarioscomponenteslongitudinales,sencada fallasedesconectaunalongituddiferente. Aplicaaunoovarioscomponenteslongitudinales,sencada fallasedesconectaunalongitudpromedia. Expresinaproximada,muyutilizadaenlaprctica Aplicaaunoovarioscomponentesnolongitudinales Aplicaaunoovarioscomponenteslongitudinales,sencada salidasedesconectatodalalongitud. Aplicaaunoovarioscomponenteslongitudinalessencada salidasedesconectaunalongituddiferente. Aplicaaunoovarioscomponenteslongitudinales,sencada salidasedesconectaunalongitudpromedia.
o = n /(N * T ttri )
i =1
o = n /(N (T ttri ))
i =1
o = n /(NT ttri X i ))
i =1
o = n /(NT Xpr ttri )

i =1
o = 1 / MTTRS
= nf /(N * T ttri )
i =1
= nf /(N (T = nf /(NT
i falla
nf
ttri ))
ttri X i )) i falla

nf
= nf /(NT Xpr
ttri ) i falla
nf
=1/ r = nf / ( NT )
Tasasderestauracinyreparacin Ecuacin o = 1 / MTTRS Observacin Tasaderestauracin Tasadereparacin
= 1/ r

2011
69
Tiemposmedios Tiempomedio parasalida
MTTO =
tto i i
=1
Aclarar si los tto se refieren a un componenteoaungrupodecomponentes. Se aplica cuando no se tienen los tiempos parasalida Aclararsilosttfserefierenauncomponente oaungrupodecomponentes. Se aplica cuando no se tienen los tiempos parafalla
MTTO = 1 / o
Tiempomedio parafalla Tiempomedio pararestauracin Tiempomedio parareparacin
MTTF = m =
nf
ttf i i
=1
nf
MTTF = 1 / MTTRS = ( ttri ) / n

i =1 n
MTTR = r = (
ttri ) / nf i falla
nf

Disponibilidadeseindisponibilidades Disponibilidad operacional Indisponibilidad operacional anual Disponibilidad inherente
Ao = (1 ttri /(N * T )) *100%

i =1
Aplicaparacomponentesnolongitudinales Aplica para componentes no longitudinales. Est expresada en horas; tambin puede expresarsecomo%probabilidad. Aplicaparacomponentesnolongitudinales Aplica para componentes no longitudinales. Est expresada en horas; tambin puede expresarsecomo%probabilidad.
Ao = (1 U o / 8760) *100% U o = ( ttri ) /(N * T ) * 8760

i =1 n
U o = o * MTTRS AI = (1 ttri /(N * T )) *100%

i =1 nf
AI = (1 U I / 8760) *100%
Ui = (
i falla
Indisponibilidad inherenteanual
nf
ttri ) /(N * T ) * 8760
UI = *r
Otros ndices de confiabilidad pueden definirse. Se presentan aqu solo algunos de los ms comunes y prcticos. Otrasecuacionessepuedenplantearpararesolverlosndicesdeconfiabilidadpresentados. Cuando se calculan ndices de confiabilidad basados en los tto, ttf, tbo tbf es necesario revisar si con la informacindisponibleelndiceaplicaauncomponenteoaungrupodecomponentes,puesesusualque estetipodeinformacinnopuedaserdesagregadaaniveldecomponentesindividuales.
2011
70
EJEMPLO4.6 Unsistemadedistribucinurbanocuentacon790transformadoresmonofsicosde13.2kV. Enunperiodode4aosseregistraron31fallasenestosequipos. La sumatoria de los tiempos de reparacin es de 86.5833 horas y el tiempo promedio de las reparaciones esde2.7930horas.
ndice MTTF r AI UI Valor 0.0098 102.0050 2.7930 3136.4 99.9997 0.0274 Unidad Fallas/aocomponente Aos/falla Horas/reparacin Reparaciones/ao % Horas/ao
Estos ndices se refieren a un componente tpico o medio que representa a cada uno de los 790 transformadores. El MTTF es el estimador de la vida media del componente o es el tiempo esperado para que un componentedeestossufraunafalla. EJEMPLO4.7 Unsistemadedistribucinurbanocuentacon263.17kmderedsecundariasubterrnea. La cantidad de red secundaria que en promedio maneja cada transformador de distribucin es de 2.392 km; esta es la cantidad de red desconectada cada que se presenta una salida, pues los dispositivos de maniobra y proteccin consisten en cortacircuitos con fusibles montados en el lado de media tensin del transformador. En un periodo de 4 aos se registraron 368 salidas planeadas y no planeadas s con una sumatoria delos tiempos de restauracin de1201.6 horas. El tiempo promediode lasrestauraciones es de 3.2651horas.
ndice o MTTO Uo Ao MTTRS o Valor 0.3495 2.8616 1.1410 99.9870 3.2651 2682.9 Unidad Salidas/aokm Aoskm/salida Horas/aokm % Horas/restauracin Restauraciones/ao
Estos ndices se refieren a un km de red tpico o media que representa a cada uno de los 263.17 km. El MTTO es el estimador de la vida media operativa de un km de red o es el tiempo esperado para que un kmdeestetipoderedsufraunasalidaplaneadaonoplaneada.
EJEMPLO4.8 Un sistema de distribucin urbano cuenta con 4 circuitos primarios de distribucin subterrneos. Las estadsticasdelasfallasaclaradasenlasubestacinenunperiodode3aosson:
Circuito 1 2 3 4 Total Longitud[km] 5.5 4.5 6.5 3.5 20 Valor 1.4019 0.7133 1.6786 5218.72 99.9731 2.3532 Totalfallas 32 28 15 9 84 Tiemposinservicio [Horas] 28 32 41 40 141 Unidad Fallas/aokm Aoskm/falla Horas/reparacin Reparaciones/ao % Horas/ao
ndice MTTF r AI UI
Estos ndices se refieren a un km de red tpico o medio que representa a cada uno de los 20 km de red primariasubterrnea.ElMTTFeselestimadordelavidamediaoperativadeunkmderedoeseltiempo esperadoparaqueunkmdeestetipoderedsufraunafalla.
2011
72
4.10CMO CONSTRUIR MODELOS CUANDO NO HAY DATOS O LA MUESTRA DE DATOS ES MUYPEQUEA 4.10.1Justificacin En estudios de confiabilidad, el conseguir datos para construir los modelos probabilsticos de los componentespresentalossiguientesproblemas:
Las fallas son fenmenos aleatorios, por lo tanto, se debe esperar a que ocurran para registrar los datos asociadosaestoseventos. Esto difiere de otras reas de estudio como el mercadeo o la demografa, donde se puede consultar tantos individuosdelapoblacinbajoestudiocomoserequieraparaobtenerunniveldeerrordado

Algunos de los componentes del sistema elctrico tienen tasas de fallas muy bajas durante su periodo de vida til; al observar su operacin por largos periodos de tiempo es posible que registren muy pocas fallas onoseregistreninguna. Esto es comn en equipos que no tienen partes mviles como pararrayos, transformadores de instrumentacin,reactores,condensadores,etc.
Pararesolverestosproblemas,escomnagruparlosdatosdecomponentessimilares.Sinembargo,pesea laagrupacin,escomnquesepresentenlassiguientessituaciones:
Nohayfallasenelperiododetiempodelosregistros

Se dispone de un solo dato, por lo cual no pueden utilizarse los mtodos clsicos de estimacin de parmetrosoajusteaunadistribucindeprobabilidad.

Existen muy pocos datos y su grfica en forma de histograma tiene una o muy pocas clases por lo cual, no puede aplicarse el procedimiento de ajuste a una cadena de Markov o proceso puntual, aunque ste procedimientoseaplique,nosecumplenlapruebasdebondaddeajuste.
Comonoesrealistaasumirqueexistencomponentes100%confiables,sedebenestudiarlosmtodospara construir modelos probabilsticos ante situaciones de cantidades limitadas o ausencia de datos de falla. A continuacin,sepresentanunmtodo. 4.10.2Solucinmedianteunprocesopuntualderenovacin Para un componente que durante un largo periodo de tiempo T ha registrado muy pocas fallas o ninguna, se asume que est en su periodo de vida til pues nicamente durante este periodo de vida el componentepuedetenerunabajatasadefallas. Sea x la variable aleatoria del nmero de fallas de un componente en un periodo de tiempo t, en un procesodederenovacin.
Laprobabilidaddequeocurrankfallasestdadapor:
P[ x = k ] = ( * t ) k / k !* e *t
Laprobabilidadacumuladaoprobabilidaddequeocurrankomenosfallasestdadapor:
P[ x k ] = ( * t )i / i !* e *t
i =0
Utilizando la muestra de n fallas en un periodo de tiempo T , se determina el valor de la tasa de fallas estimadaparaelcualsealcanzalaprobabilidadcrticaoderechazo( ):
* T )i / i !* e *T = 1 = (
i =0
. Es decir, existe un intervalo de confianza Entonces, con un % de confianza se puede afirmar que < eslacotasuperioraproximadadel % deconfianza. unilateralparaestimar donde Slo es fcil resolver esta ltima ecuacin para el caso de cero fallas. En el resto de los casos es necesario con = 5% y varios valores de T y utilizar mtodos numricos. La Tabla 4.1 presenta resultados para n .LaFig.4.16presentalagrficadealgunosdeestosvalores.
Tabla4.1
[fallas/ao]para = 5% utilizandounprocesoderenovacin Valoresde

n [fallas] 0 1 2 3 4 5 6 7 8 5 0.5991 0.9488 1.2592 10.1 10.1 10.1 10.1 10.1 10.1 10 0.2996 0.4744 0.6296 0.7754 6.2738 10.1 101 10.1 10.1 T[aos] 15 0.1997 0.3163 0.4197 0.5169 0.6102 4.5643 10.1 10.1 10.1 20 0.1498 0.2372 0.3148 0.3877 0.4577 1.3932 4.0297 10.1 10.1 25 0.1198 0.1898 0.2518 0.3101 0.3661 0.4205 1.4449 3.9056 10.1
2011
74
Figura4.16Variacindelatasadefallasestimadaconunprocesoderenovacin
4.10.3Gruposdecomponentes Si durante un periodo de tiempo T se observan n fallas en un grupo de X componentes similares, entonces:
= n /( X * T ) = n / T ' = ' / X
se refiere a un componente tpico o promedio que representar a cada uno de los En este caso, componentes del grupo. Artificialmente, se obtienen registros operativos del componente promedio para unperiododetiempo T ' = X * T enelcualsufre n fallas. Si se cumple, o se asume, que todos los componentes del grupo estn en su periodo de vida til y que el proceso de llegada de las fallas a cada uno de ellos es un proceso de Poisson homogneo, se pueden aplicarlosdosmtodospresentadosanteriormente. Bajoestascondiciones,elprocesodellegadadelasfallasalgrupodecomponentes,tambinesunproceso * X . dePoissonhomogneoconparmetro ' =
2011
75
EJEMPLO4.9 Revisando bitcoras que comprenden un perodo de 5 aos (19982003), solo se encontraron registradas 2 fallasparaunbancodetransformadores115/33kV75MVA. Estimadorespuntuales = = n / T = 2 / 5 = 0.4 Fallas/ao (ttf ) = 1 / = 1 / 0.4 = 2.5 Aosparafalla E
Intervalodeconfianzaunilateral
= 1.2592 Fallas/aopara = 5% (Tabla4.1) (ttf ) = 1 / = 1 / 1.2592 = 0.7942 E
Aosparafalla
Entonces,conun95%deconfianzasepuedeafirmar:
1.2592 Fallas/aoy E (ttf ) 0.7942 Aos/falla

Modeloprobabilsticodelcomponente EstemodelosedefineconeltiempoparafallasenunprocesodePoissonhomogneo
* e *t = 1.2592* e 1.2592*t f ttf (t ) =
Fttf (t ) = 1 e1.2592*t
Tambin es vlido definir este modelo utilizando los otros valores del intervalo de confianza unilateral. Existeaquelsupuestoqueelprocesoderenovacinesexponencial.Podraserotro!
2011
76
EJEMPLO4.10 Revisando las rdenes de reparacin emitidas por el sistema de atencin a los usuarios de la Empresa de Energa de Pereira, se encontr una sola falla en un periodo de cuatro aos (20002003) para un grupo de 37transformadoresdedistribucinde33kV. Estimadorespuntuales = = n /( X * T ) = 1/(4*37) = 0.006756 Fallas/ao (ttf ) = 1 / = 1 / 0.006756 = 148 Aosparafalla E
Intervalodeconfianzaunilateral
= 0.0321 fallas/ao
(ttf ) = 1 / = 1 / 0.0321 = 31.1526 E
Aosparafalla

Modeloprobabilsticodelcomponentetpicoquerepresentaalgrupodecomponentes:
* e *t = 0.0321* e0.0321*t f ttf (t ) =
Fttf (t ) = 1 e0.0321*t
Existeaquelsupuestoqueelprocesoderenovacinesexponencial.Podraserotro!
2011
77
EJEMPLO4.11 Revisando bitcoras que comprenden un periodo de 11 aos (19932003), no se encontraron registros de fallasparaungrupode12TPsde13.2kV. Estimadorespuntuales:Nosepuedencalcular. Intervalodeconfianzaunilateral = 0.0227 fallas/ao (ttf ) = 1 / = 1 / 0.0227 = 44.0529 Aosparafalla E

Modeloprobabilsticodelcomponentetpicoquerepresentaalgrupodecomponentes:
* e *t = 0.0227* e 0.0227*t f ttf (t ) =
Fttf (t ) = 1 e0.0227*t
Existeaquelsupuestoqueelprocesoderenovacinesexponencial.Podraserotro!
2011
78
4.11BIBLIOGRAFA [1] Ascher H, Feingold H, Repairable systems reliability: Modeling, inference, misconceptions and theircauses,MarcelDekker,1984. [2] Ellis K. E, Gibson Gregory J, Trend Analysis of repair times, IEEE Proceedings of Annual ReliabilityandMaintainabilitySymposium,1991. [3] Hale P. S, Arno R. G, Survey of reliability and availability information for power distribution, powergenerationandHVACcomponentsforcommercial,industrialandutilityinstallations,IEEE Trans.IndustryApplications,vol.37,pp.191196,Feb.2001. [4] IEEE standard 493, Recommended Practice for the Design of Reliable Industrial and Commercial Systems,IEEE,1990. [5] C. J. Zapata,Estimacindetasadefallas de componentesen casosdeausencia de datos o cantidades limitadasdedatos,RevistaScientiaetTechnica,ISSN01221701,No.27,2005. [6] Billinton R, Allan R. N, Reliability evaluation of engineering systems Concepts and Techniques, PlenumPress,1992. [7] MillerI.R,FreundJ.E,JohnsonR,Probabilityandstatisticsforengineers,PrenticeHall,1992. [8] Zapata C. J, Catao D, Surez H. F, ndices de confiabilidad de transformadores de distribucin, RevistaMundoElctrico,No.57,2004. [9] Zapata C. J, Garcs L. P, Gmez O, Modelamiento de componentes de sistemas compuestos generacintransmisinparaestudiosdeconfiabilidad,RevistaScientiaetTechnica,No.25,2004. [10] Zapata C. J, Garcs A. M, Restrepo W, ndices de confiabilidad de acometidas, Revista Mundo Elctrico,No.60,2005. [11] ZapataC.J,CardonaM.C,ZapataJ.E,ndicesdeconfiabilidaddecontadoresdeenerga,Revista MundoElctrico,No.60,2005. [12] Zapata C. J, Giraldo A, ndices de confiabilidad de pararrayos de distribucin, Revista Mundo Elctrico,No.63,2006. [13] Zapata C. J, Gmez J. A, Garzn Lus E, ndices de confiabilidad de redes secundarias de distribucin,RevistaMundoElctrico,No.64,2006.
2011
79
Captulo5Anlisisdesistemaspordiagramasdered
CAPTULO5ANLISISDESISTEMASPORDIAGRAMASDERED
5.1 TIPOSDECOMPONENTESENCUANTOALOSMODOSDEFALLA Loscomponentesdeunsistemareparableonoreparablesepuedenclasificaren:
Componentes independientes
La falla de un componente no afecta la probabilidad de falla de otros componentesdelsistema. Nohayfallasqueafectensimultneamenteavarioscomponentes
Componentes dependientes
La falla de uncomponenteaumentao disminuye laprobabilidaddefallade otros componentes. El caso de estudio ms importante es, obviamente, cuando la falla deuncomponenteaumentalaprobabilidaddefalladeotroscomponentes. Existenfallasqueafectansimultneamenteavarioscomponentes.
Lasfallasdependientessepuedenclasificaren:
Salidasdemodo comnocausa comn Salidasencascada
Varios componentes salen simultneamente o en un intervalo de tiempo muy corto debidoaunamismacausa.

Lafalladeuncomponentedesataunasecuenciadefallasdeotroscomponentesenun efectodomin
5.2SISTEMASQUEPUEDENSERMODELADOSCOMOUNARED Un sistema reparable o no se reparable de componentes independientes se puede representar por medio deundiagramadered,bloquesolgicosicumplelascondicionesdeunaestructuramonotnica:
1 2 3 4 5 6 Cada componente solo tiene dos estados operativos: bueno y fallado, disponible e indisponible, etc. Elsistemasolotienedosestadosoperativos:buenoyfallado,disponibleeindisponible,etc. Elsistemaestoperandoodisponiblesitodosloscomponentesestnoperando. Elsistemaestfalladooindisponiblesitodosloscomponenteshanfalladooestnindisponibles. Lafalladeuncomponenteenunsistemayafalladonopuederestaurarelsistemaalaoperacin. Lareparacindeuncomponenteenunsistemaoperativonopuedecausarlafalladelsistema.
En un diagrama de red, cada componente se representa como un bloque independiente de los otros componentes;laconexinentrecomponentesdependerdelaconfiguracinoperativadelsistema. Lostiposbsicosdeconexindelosbloquesdeundiagramaderedson:
Conexinserie 1 2 Dos componentes estn en serie desde el punto de vistadeconfiabilidadsiambosdebenoperarparaque elsistemaopere. Siunodeloscomponentesfalla,elsistemafalla.
Estaconexinrepresentaunsistemanoredundante.
Conexinparalelo 1 2 Dos componentes estn en paralelo desde el punto de vistadeconfiabilidadsinicamenteuncomponentedebe operarparaqueelsistemaopere. Todos los componentes deben fallar para que el sistema falle.
Estaconexinrepresentaunsistemaredundante.
Un diagrama de red indica cules combinaciones de fallas de los componentes resultarn en la falla del sistema. Si un componente falla o est indisponible, se remueve del diagrama de red. Si se retiran suficientes bloques del diagrama de red de tal forma que se interrumpe la conexin entre los puntos de entradaysalida,elsistemahafalladooquedaindisponible. Paramodelarunsistemapormediodeundiagramaderedsesigueelsiguienteprocedimiento:
Los modos de falla de las secciones o subsistemas del sistema que se representen como bloques del diagrama de red tienen que ser independientesentres. 1 Dividirelsistemaencomponentes
Debido a la dependencia entre los modos de falla de los componentes y a lo complejo de las configuraciones operativas, a veces, puede ser difcil establecer el diagrama de red de un sistema.

Conectarentresloscomponentes segnlaconfiguracinoperativadel sistema
Sedefinenlasconexionesbsicasserieyparalelodesdeelpuntode vista de confiabilidad. Otras conexiones ms complejas tambin sonposibles.
Tenerencuentaque:
Eldiagramaderedyelsistemarealnotienennecesariamentelamismatopologa.
La topologa fsica indica cmo estn conectados entre s los componentes en el sistema real, mientras que latopologadeldiagramadebloquesrepresentalaconfiguracinoperativadelsistema,esdecir,susmodos defalla.

Unsistemafsicoconunaestructuratopolgicadefinidapuedetenerdiferentestopologasderedencuanto aconfiabilidaddependiendodelosrequerimientosaloscualesessometido.Verelejemplo5.1.
2011
EJEMPLO5.1 En la Figura 5.1 se muestra el diagrama elctrico y los diagramas de red de confiabilidad para diferentes requerimientosoperativos. 3 T1 T2 T3 Fuente T1 T2
T1 T2 T3 2 T1 T2 T1 T2 T3 T3 T3
Carga 1
Transformadoresrequeridos paraatenderlacarga
Figura5.1Diagramasderedparaunsistemaelctricoconvariosrequerimientosoperativos
5.3PARMETROSDELOSCOMPONENTES Cada componente i de un diagrama de red que representa un sistema reparable o no reparable se caracterizaconalgunodelossiguientesparmetros:
Componentenoreparable Laprobabilidaddefalla Fi olaconfiabilidad R i Ladisponibilidad Ai olaindisponibilidadU i Componentereparable Laprobabilidaddefalla Fi olaconfiabilidad R i
Engeneral,estosparmetrossonfuncionesdeltiempo,peropuedenaparecercomovalorespuntualessi:
1 2 3 Seevalanenformaestadstica Laprobabilidaddefallaylaconfiabilidadseevalanparaunperiododetiempodado Ladisponibilidadeindisponibilidadcorrespondenalestadoestable( t = )
A continuacin se desarrollan las ecuaciones para valorar la confiabilidad para sistemas serie, paralelo y complejos. En estas ecuaciones se utilizan Fi y R i ; los resultados obtenidos aplican de igual forma si estosparmetrossereemplazanporU i y Ai ,respectivamente.
5.4CONFIABILIDADDEUNSISTEMASERIE
Figura5.2Sistemadedoscomponentesindependientesenserie
Considere un sistema conformado por dos componentes independientes A y B conectados en serie desde elpuntodevistadeconfiabilidad: Sean: A: EleventodequeelcomponenteAesteenelestadooperativo B: EleventodequeelcomponenteBesteenelestadooperativo Paraqueelsistemafuncione,amboscomponentesdebenfuncionar,entonces: RSISTEMA = P [ A B ] = P [ A ]P [B ] = R A R B
R A y R B son las confiabilidades individuales de los componentes A y B, como funcin del tiempo o
comounvalornumrico. Enformageneral,paraunsistemade n componentesnoreparablesenseriesetiene:
RSISTEMA (t ) = in=1 Ri (t )

FSISTEMA (t ) = 1 in=1 Ri (t )
Se puede concluir que la confiabilidad de un sistema conformado por componentes conectados en serie siempresermenorquelaconfiabilidaddelcomponentemenosconfiable. La confiabilidad de un sistema de componentes conectados en serie se puede mejorar de las siguientes maneras:
Reduciendoelnmerodecomponentes
Aumentando la confiabilidad individual de cada Equivaleamejorarlacalidaddeloscomponentes,lo componente cualimplicaunaumentoenloscostos.

2011
EJEMPLO5.2 Unsistemaconsistentede2componentesrequierequeambosfuncionenparaqueelsistemafuncione. Las confiabilidades individuales para un periodo de 5 aos son R1 (t = 5aos ) = 0.98 y
R2 (t = 5aos ) = 0.95 .
Confiabilidaddelsistemaenunperiodode5aos
R (t = 5aos ) = 2 i =1 R i (5aos ) = 0.98 * 0.95 = 0.9310

Probabilidaddefalladelsistemaenunperiodode5aos
F (t = 5aos ) = 1 R (t = 5aos ) = 1 0.9310 = 0.069

EJEMPLO5.3 Eldiseodeunsistemarequiereque10componentesidnticosfuncionenparaqueelsistemafuncione. La confiabilidad del sistema en un periodo de 20 aos no puede ser menor a 0.98. Cul debe ser la confiabilidadmnimadeloscomponentes? 20 R (t = 20aos ) = 20 0.98 R i 0.981 / 20 R i 0.997981 i =1 R i (20aos ) = R i
2011
5.5CONFIABILIDADDEUNSISTEMAPARALELO
A B
Figura5.3Sistemadedoscomponentesindependientesenparalelo
Considere un sistema conformado por dos componentes independientes A y B conectados en paralelo desdeelpuntodevistadeconfiabilidad: Sean: A: EleventodequeelcomponenteAnofuncione B: EleventodequeelcomponenteBnofuncione Paraqueelsistemafalle,amboscomponentesdebenfallar,entonces: FSISTEMA = P [ A B ] = P [ A ]P [B ] = F A FB
F A y FB sonlasprobabilidadesdefallaindividualesdeloscomponentesAyB,comofuncindeltiempo
ocomounvalornumrico. Enformageneral,paraunsistemade n componentesnoreparablesenparalelosetiene:
FSISTEMA (t ) = in=1 Fi (t )

RSISTEMA (t ) = 1 in=1 Qi (t )
Se puede concluir que la confiabilidad de un sistema conformado por componentes conectados en paraleloseaumentaconformeseaumentaelnmerodecomponentes. Sinembargo,elaumentarelnmerodecomponentesredundantestienelassiguientesdesventajas:
Seaumentaelcostodelsistema
Costodeinversinyoperativo Elaumentoenpesoyvolumenpuedeafectarlasprestaciones delsistema.
Seaumentanlasdimensionesdelsistema
2011
EJEMPLO5.4 Un sistema consta de 2 componentes redundantes. Las confiabilidades individuales para un periodo de 5 aosson R1 (t = 5aos ) = 0.98 y R2 (t = 5aos ) = 0.95 . Confiabilidaddelsistemaenunperiodode5aos
R (t = 5aos ) = 1 2 i =1 Q i (5aos ) = 1 (1 0.98)(1 0.95) = 0.9990

Probabilidaddefalladelsistemaenunperiodode5aos
F (t = 5aos ) = 1 R (t = 5aos ) = 1 0.9990 = 0.001 EJEMPLO5.5 Uncomponentedeunsistematieneunaconfiabilidadindividualde0.8enunperiododetiempodado. Evaleelefectosobrelaconfiabilidaddelsistemaalaadircomponentessimilaresredundantes.

#Componentes delsistema 1 2 3 4 5 Confiabilidaddel sistema 0.80000 0.96000 0.99200 0.99840 0.99968 Incrementoen confiabilidad 0.160000 0.032000 0.006400 0.001280 % Incremento 20.000 3.333 0.645 0.128
Conclusin: La mayor ganancia en confiabilidad se obtiene al colocar el primer componente redundante. EJEMPLO5.6 El diseo de un sistema requiere una confiabilidad total en un periodo de 20 aos de 0.96. Se utilizarn componentes individuales con una confiabilidad de 0.7 en 20 aos. Cul es el nmero mnimo de componentesredundantesrequerido? F (20aos ) = 1 0.96 = 0.04 = n i =1 (1 R i (20aos ))
(1 0.7)n = 0.04 0.3n = 0.04
n * Ln(0.3) = Ln (0.04)
n = 2.6735 3
Conclusin:Serequierenmnimo3componentesenparalelo.
2011
5.6REDUCCINDEUNAREDMEDIANTECOMBINACIONESSERIEYPARALELO Los sistemas serie y paralelo forman la base para analizar configuraciones ms complicadas que estn formadasporcombinacionesdeellas. El mtodo general es reducir secuencialmente la red haciendo combinaciones de componentes en serie y paralelohastaobtenerunsoloelementoequivalente. Elelementofinalqueseobtienedespusdehacerlareduccinderedrepresentaalsistema. Si una red o una parte de ella no puede reducirse mediante combinaciones serie y paralelo, se deben aplicarotrosmetodologas,algunasdelascualessepresentanacontinuacin. EJEMPLO5.7 R1 R2 R3 R4 R5 R6 R7 = R1 R2 R3 R7 R 8 = R 4 R5 R 6 R 8 R 9 = R 7 + R 8 R7 R 8 R9 R SISTEMA = R1 R 2 R3 + R4 R5 R6 R1 R 2 R3 R 4 R5 R6
Figura5.4Ejemplodereduccindeunsistemamediantecombinacionesserieyparalelo
2011
5.7SOLUCINDEREDESCONTOPOLOGASCOMPLEJAS
Figura5.5Estructuratipopuente
Cuando un sistema o una parte de este no pueden reducirse mediante combinaciones serie o paralelo de suscomponentes,sedicequeelsistematieneunatopologacompleja. UnejemploclsicodeestetipodesistemaseslaestructurapuentemostradaenlaFigura5.5 Paravalorarlaconfiabilidaddeestetipodesistemassedebeaplicaralgunodelossiguientesmtodos:
rbolesdeeventos

rbolesdefalla

Conjuntosdecortes
Conjuntosdelazos
Matrizdeconexin
Probabilidadcondicional
SimulacindeMontecarlo
Enestecaptulosepresentarnlosmtodosdeconjuntosdecortesyconjuntosdelazos. Losrbolesdeeventosyrbolesdefallassepresentanenelcaptulo8. Los algoritmos de simulacin de Montecarlo son diferentes para sistemas reparables y sistemas de reparables. As, stos son presentados en los captulos de confiabilidad de sistemas reparables y no reparables.
2011
5.8CONJUNTOSDECORTES
C1
C2
C3
A
C4
B
C A E B
C E D D C E
Figura5.6Conjuntosdecortesdeunaredtipopuente
Uncorte(Cut)esaquellacombinacindecomponentesquesifallan,hacenfallaralsistema. Todos los componentes de un corte deben fallar para causar la falla del sistema, por lo cual, su conexin estenparalelo. Loscortesdeunsistemaseconectanentresenserieyaquelafalladecualquieradeellosproducelafalla delsistema.As,seobtieneelconjuntodecortes(Cutsets)delsistema. EnlaFigura5.6sepresentaelconjuntodecortesmnimosparalaredtipopuente. EJEMPLO5.8 HallarlaprobabilidaddefallaparaelsistemamostradoenlaFigura5.6medianteelmtododeconjuntos mnimosdecortes. FC 1 = F A FB FC 2 = FC FD FC 3 = F A FE FD FC 4 = FB FE FC FSISTEMA = F [C 1 C 2 C 3 C 4 ] = F [C 1 ] + F [C 2 ] + F [C 3 ] + F [C 4 ] F [C 1C 2 ] F [C 1C 3 ] F [C 1C 4 ] F [C 2C 3 ] F [C 2C 4 ] F [C 3C 4 ] + F [C 1C 2C 3 ] + F [C 1C 2C 4 ]
+ F [C 1C 3C 4 ] + F [C 2C 3C 4 ] F [C 1C 2C 3C 4 ]
Aplicandolassiguientesecuaciones: P [x 1 x 2 ] = P [x 1 ] + P [x 2 ] P [x 1x 2 ]
P [ x 1 x 2 x 3 ] = P [x 1 ] + P [x 2 ] + P [x 3 ] P [x 1x 2 ] P [ x 1x 3 ] P [ x 2 x 3 ] + P [x 1x 2 x 3 ]
Seobtiene: S Fi = F
FSISTEMA = F A FB + FC FD + F A FD FE + FB FC FE F A FB FC FD
F A FB FD FE F A FB FC FE FB FC FD FE + 2F A FB FC FD FE
FSISTEMA = 2F 2 + 2F 3 5F 4 + 2F 5
2011
10
5.9CONJUNTOSDELAZOS
A A C
T1
T2
T3
T4
Figura5.7Conjuntosdelazosdeunaredtipopuente
Unlazo(Tie)esaquellacombinacindecomponentesquesioperan,garantizanlaoperacindelsistema. Si alguno de los componentes de un lazo fallan no se garantiza la operacin del sistema mediante esa trayectoriaocombinacin,porlocual,laconexindesuscomponentesestenserie. Los lazos de un sistema se conectan entre s en paralelo ya que la operacin de cualquiera de ellos garantizalaoperacindelsistema.As,seobtieneelconjuntodelazos(Tiesets)delsistema. EnlaFigura5.7sepresentaelconjuntodelazosmnimosparalaredtipopuente. EJEMPLO5.9 HallarlaprobabilidaddefallaparaelsistemamostradoenlaFigura5.7medianteelmtododeconjuntos mnimosdecortes. RT 1 = R A R B RT 2 = RC R D RT 3 = R A R E R D RT 4 = R BTETC
R [T2T3 ] R [T2T4 ] R [T3T4 ] + R [T1T2T3 ] + R [T1T2T4 ]
R SISTEMA = R [T1 T2 T3 T4 ] =R [T1 ] + R [T2 ] + R [T3 ] + R [T4 ] R [T1T2 ] R [T1T3 ] R [T1T4 ]

+ R [T1T3T4 ] + R [T2T3T4 ] R [T1T2T3T4 ] Aplicandolassiguientesecuaciones: P [ x 1 x 2 ] = P [ x 1 ] + P [ x 2 ] P [ x 1 x 2 ]
Seobtiene: S R i = R
R SISTEMA = R A R B + RC R D + R A R D R E + R B RC R E R A R B RC R D
R A R B R D R E R A R B RC R E R B RC R D R E + 2R A R B RC R D R E
R SISTEMA = 2R 2 + 2R 3 5R 4 + 2R 5
2011 11
5.10MTODODEENUMERACINDEESTADOS
Si un sistema reparable o no reparable de componentes puede ser representado por un diagrama de red, estoquieredecirqueelsistematiene 2 n estadosoperativos. Los estados operativos del sistema resultan de las combinaciones de estados operativos y de falla de los componentes. Elconjuntodeestadosoperativosdelsistemasedenominaelespaciodeestado. La probabilidad de ocurrencia de uno de los estados operativos se puede hallar mediante la frmula de probabilidaddeocurrenciasimultneadeeventosindependientes:
P[ E1 E 2 En ] = P[ E1 ]P[ E2 ] P[ En ] = P[ Ei ]
i =1
Dondeloseventos Ei puededefinirsedelasiguientemanera:
Ei = Fi Ei = Ui Ei = Ri Ei = Ai
La probabilidad de falla del sistema se halla sumando las probabilidades de ocurrencia de todos aquellos estadosoperativosqueimplicanfalladelsistema. Ntese que para aplicar este mtodo debe realizarse una enumeracin exhaustiva de todos los estados operativos posibles, lo cual, puede ser una tarea complicada incluso para sistemas con pocos componentes. EJEMPLO5.10 Considereelsistemareparablemostradoenlafigura5.8. C2 C2 C1 C3 C1 C3
Figura5.8Sistemaelctricoysumodelodeconfiabilidad
Carga
Latabladeestadosdeoperacindelsistemamostradoenlafigura5.8es:
i 1 2 3 4 5 6 7 8
Componentesdisponibles C1 SI SI SI NO NO NO SI NO C2 SI SI NO SI NO SI NO NO C3 SI NO SI SI SI NO NO NO
P[estadoi] AC 1 AC 2 AC 3 AC 1 AC 2 UC 3 AC 1 UC 2 AC 3 UC 1 AC 2 AC 3 UC 1 UC 2 AC 3 UC 1 AC 2 UC 3 AC 1 UC 2 UC 3 UC 1 UC 2 UC 3
Ladisponibilidadeindisponibilidaddelsistemasehalladelasiguienteforma: ASISTEMA = P[ estado 1] + P[ estado 2] + P[estado 3]
USISTEMA = P[ estado 4] + P[ estado 5] + P[ estado 6] + P[ estado 7] + P[ estado 8]
En este ejercicio se asume que cualquiera de las dos lneas de transmisin puede transportar toda la energarequeridaporlacarga.
2011
13
Captulo6Sistemasnoreparables
CAPTULO6SISTEMASNOREPARABLES
6.1MTODOSDESOLUCIN Paravalorarlaconfiabilidaddeunsistemanoreparablesepuedenaplicarlossiguientesmtodos:
1 2
Diagramasdered SimulacindeMontecarlo
6.2DIAGRAMASDERED Estemtodoysusformasdesolucinseexplicaronenalcaptuloanterior. Recordar que este mtodo solo aplica para sistemas de componentes independientes que cumplen las condicionesdeunaestructuracoherente. Enelcaptulo3seexplicacmoobtener R y F parauncomponentenoreparable. 6.3SIMULACINDEMONTECARLO El mtodo de simulacin de Montecarlo permite valorar la confiabilidad de un sistema no reparable de cualquier nmero de componentes, cualquier topologa y cualquier tipo de distribucin de la funcin de vidadeloscomponentes. Laconfiabilidadsevaloraparauntiempodeinters T . PROCEDIMIENTOGENERAL 1. Representeelsistemaporsuredserie,paralelo,conjuntomnimodecortesolazos. 2. Genere un tiempo para falla ttf para cada uno de los componentes a partir de su correspondiente distribucindelafuncindevida. 3. Evaluar: Sitodoslostiemposparafallasonmayoresque T cuenteesteeventocomounxito. Sistemaserie: Si alguno de los tiempos para falla es menor que T cuente este evento comounfracaso. Si alguno de los tiempos para falla es mayor que T cuente este evento comounxito. El tiempo para falla de cada conjunto de corte ser el del componente con mayor tiempo de falla. El tiempo de falla del sistema ser el menor tiempo parafalladelosconjuntosdecorte.
2011 1
Sistemaparalelo:
Sistemacomplejo:
Captulo6Sistemasnoreparables
El tiempo para falla de cada conjunto de lazos ser el del componente con menor tiempo de falla. El tiempo de falla del sistema ser el mayor tiempo parafalladelosconjuntosdelazos.
4. 5.
Si el tiempo para falla del sistema es mayor o igual a T cuente este evento como un xito, de lo contrarioesunfracaso. Repitalospasos1a3hastauncumplirelcriteriodeparada. Evale: R = # exitos / N F = # fracasos / N
t falla =
# fallas i =1
ttf
# fallas
Donde N eselnmerodeiteracionesrealizado. Para hallar la distribucin de probabilidad del tiempo para falla del sistema, se debe correr el anterior algoritmoparadiversosvaloresde T .
2011
Captulo7Sistemasreparables
CAPTULO7SISTEMASREPARABLES
7.1MTODOSDESOLUCIN Paravalorarlaconfiabilidaddeunsistemareparablesepuedenaplicarlossiguientesmtodos:
1 2 3 4
Diagramasdered Latcnicadebloquesdefrecuenciayduracin CadenasdeMarkov SimulacindeMontecarlo
Algo muy importante a tener en cuenta es que un sistema reparable puede tener componentes reparables ynoreparables. Los componentes no reparables se consideran que son reparables mediante reemplazo. As, el tiempo de reparacindeestoscomponentessereltiemporequeridoparasureemplazo.
7.2DIAGRAMASDERED Estemtodoysusformasdesolucinseexplicaronenalcaptuloanterior. Recordar que este mtodo solo aplica para sistemas de componentes independientes que cumplen las condicionesdeunaestructuracoherente. Enelcaptulo4seexplicacmoobtener A yU parauncomponentereparable. La probabilidad de falla y la confiabilidad en un periodo t para un componente que es modelado medianteunprocesoestocsticopuntualconfuncindeintensidaddefallas (t ) sehallandelasiguiente forma: 1 F = P[n f (t ) > 1] = [ (t )]1 * e ( t ) 1! 1 R = P[n f ( t ) = 0] = [(t )]0 * e ( t ) 0! Donde:
( t ) = E[ n f ( t )] = t0 (t )dt
2011
7.3TCNICADEBLOQUESDEFRECUENCIAYDURACIN Este mtodo es una aproximacin derivada de la cadena de Markov homogneo exponencial y en el cual cadacomponenteseconsideracomounbloquequesedefineconlossiguientesparmetros:
Latasadefallas,generalmenteexpresadaen[fallas/ao] Eltiempomedioparareparacin,generalmenteexpresadoen[horas]
eslafrecuenciadefallasy r esladuracindelasfallas. Lasecuacionesparareducirlaredson:
Conexinserie

Conexinparalelo
1,r1 p,rp 2,r2
1,r1
2,r2
s,rs
( r + 2 r2 ) = 1 + 2 rs = 1 1 s ( 1 + 2 )
p = 1 2 ( r1 + r2 ) r p =
r1 r2 ( r1 + r2 )
Laindisponibilidaddecualquiercomponenteodelsistemasecalculacomo:
U = r
U generalmenteseexpresaen[horasdeindisponibilidad/ao].Siesteresultadosedividepor8760horas
seobtendrsuvalorenprobabilidad Tambinsepuedeaplicarestemtodoconjuntosdecortesolazosmnimos. Algunasconsideracionesconrespectoaestemodelamiento:
1 Al utilizar tasas de fallas y reparacin constantes, se considera que los procesos de fallas y reparaciones de los componentes y, por consiguiente del sistema, son estacionarios. Esto debera verificarse antes de aplicar estemtodo. Como este mtodo se deriva de la cadena de Markov homognea exponencial, los tiempos para falla y reparacindebenestarexponencialmentedistribuidos.Estodeberaverificarseantesdeaplicarestemtodo. Las soluciones de este mtodo para , r ,U solo dan valores esperados, pues son una simplificacin a la solucinexactadadaporlacadenadeMarkovhomogneaexponencial. Como ste mtodo es una simplificacin derivada de la cadena de Markov homognea exponencial, la distribucinasociadaalostiemposparafallayreparacindelsistemanosonexponenciales. Solo se recomienda utilizar este tipo de modelamiento si la indisponibilidad anual de los componentes es menoral10%. Como este mtodo opera sobre un diagrama de red, entonces, los componentes tienen que ser independientesycumplirselascondicionesdeunaestructuracoherente.
2011 2
2 3 4 5 6
DEMOSTRACINDELASECUACIONESPARAELSISTEMASERIE Para un componente reparable con dos estados discretos y distribuciones exponenciales para los tiempos de falla y reparacin, la probabilidad de encontrar el componente en el estado bueno en untiempofuturoes:
PUP ( ) =
+
Para un sistema de dos componentes reparables en serie, cada uno con dos estados discretos y distribucionesexponencialesparalostiemposdefallayreparacionessetiene: 1 Sistema
Estado 1 2 3 4 Componente 1 2 bueno bueno fallado bueno bueno fallado fallado fallado Resultado bueno fallado fallado fallado
bueno 1 2
1 2 2
3 Sistema fallado
2
4
1 1
Probabilidaddeencontrarelsistemabueno: Tasadesalidadelestadobueno:
PUP ( ) =
12 ( 1 + 1 )( 2 + 2 )
= 1 + 2
Haciendo:
1,r1
2,r2
S 12 = ( 1 + 1 )( 2 + 2 ) S + S
s,rs
Reemplazandolastasasdereparacinporsusinversosysolucionandopara rs :
1 1 = ) 1
r1 r2 ( 1 +
r1
)( 2 +
r2
rs ( s +
rs
1 1 = ( 1 r1 + 1)( 2 r2 + 1) ( s rs + 1)
( 1 r1 + 1)( 2 r2 + 1) = ( s rs + 1)
( 1 r1 + 1)( 2 r2 + 1) = ( s rs + 1) s rs = 1 r1 2 r2 + 1 r1 + 2 r2 s = 1 + 2 y rs = ( 1 r1 + 2 r2 ) /( 1 + 2 )
n
s rs + 1 = 1 r1 2 r2 + 1 r1 + 2 r2 + 1
Haciendo 1 r1 2 r2 << ( 1 r1 + 2 r2 )
Generalizandopara n componentes: s = i y rs = ( i ri ) / s
i =1 i =1
2011
DEMOSTRACINDELASECUACIONESPARAELSISTEMAPARALELO Para un componente reparable con dos estados discretos y distribuciones exponenciales para los tiempos de falla y reparacin, la probabilidad de encontrar el componente en el estado fallado en untiempofuturoes:
PDOWN ( ) =
+
Para un sistema de dos componentes reparables en paralelo, cada uno con dos estados discretos y distribucionesexponencialesparalostiemposdefallayreparacionessetiene: 1
Estado 1 2 3 4 Componente 1 2 bueno bueno fallado bueno bueno fallado fallado fallado Resultado bueno bueno bueno fallado
1 2
1 2
3
Sistema bueno
2
4
1 1
Probabilidaddeencontrarelsistemafallado: Tasadesalidadelestadofallado:
PDOWN ( ) =
Sistema fallado
1 2 ( 1 + 1 )( 2 + 2 )
1,r1
= 1 + 2
Haciendo:
p,rp 2,r2
1 2 P = ( 1 + 1 )( 2 + 2 ) P + P
Reemplazandolastasasdereparacinporsusinversosysolucionandopara rs :
1 2 P = 1 1 1 ( 1 + )( 2 + ) P +
r1
r2
rp
p rp 1 2 r1 r2 = ( 1 r1 + 1)( 2 r2 + 1) ( p r p + 1)
p = 1
r1
r2
rp =
r1 r2 r1 + r2
1 2 r1 r2 = ( 1 r1 2 r2 + 1 r1 + 2 r2 + 1)
p r1 r2 r1 r2 + 1)( r1 + r2 ) ( p r1 + r2
p 1 2 = 1 r1 2 r2 + 1 r1 + 2 r2 + 1 p r1 r2 + ( r1 + r2 )
1 r1 << 1 , 2 r2 << 1 , 1 r1 2 r2 << 1 y p r1 r2 << ( r1 + r2 )

UniversidadTecnolgicadePereira 2011
p = 1 2 ( r1 + r2 )
EJEMPLO7.1 34.5 kV
T1
L1 T2
Componente 1 2 3 4 L1 T1 T2 L2
13.8 kV
L2
r [Fallas/ao] [Horas/reparacin] 6.0 2.0 0.5 6.0 1.0 4.0 12.0 2.0
13.8 kV Valorarlaconfiabilidaddelsistemaelctricomostradoenlafigura. 1. Reduccinsecuencialdered: 2,r2 1,r1 3,r3 4,r4 Combinandoloscomponentes2y3enunnuevocomponentex: x = 2 3 ( r2 + r3 ) / 8760 = 0.000571 [Fallas/ao]
rx = r2 r3 /( r2 + r3 ) = 2.4 [Horas/reparacin]
Combinandoloscomponentes1yxenunnuevocomponentey:
y = 1 + x = 6.000571 [Fallas/ao]
ry = ( 1 r1 + x rx ) /( 1 + x ) = 2.0000385 [Horas/reparacin]
Combinandoloscomponentesyy4:
SISTEMA = y 4 ( ry + r4 ) / 8760 = 0.03288 [Fallas/ao]
rSISTEMA = ry r4 /( ry + r4 ) = 1.000010 [Horas/reparacin]
U SISTEMA = 0.03288 [Horas/ao]

Losresultadosobtenidoscorrespondenavaloresesperados.
2011
EJEMPLO7.2 ResolverelEjemplo7.2utilizandoconjuntosdecortes. Conjuntodecortesmnimos 2,r2 ,r 1 1 3,r3 ,r 4 4 4,r4 Combinandoloscomponentes1y4enunnuevocomponentex: x = 1 4 ( r1 + r4 ) / 8760 = 0.03287 [Fallas/ao]
rx = r1 r4 /( r1 + r4 ) = 1.000000 [Horas/reparacin]
Combinandoloscomponentes2y3enunnuevocomponentey: y = 2 3 ( r2 + r3 ) / 8760 = 0.000571 [Fallas/ao]
ry = r2 r3 /( r2 + r3 ) = 2.40000 [Horas/reparacin]
Combinandoloscomponentesyy4enunnuevocomponentez: z = y 4 ( r y + r4 ) / 8760 = 0.000005 [Fallas/ao]
rz = ry r4 /( ry + r4 ) = 1.090909 [Horas/reparacin]
Combinandoloscomponentesxyz:
SISTEMA = x + y = 0.032881 [Fallas/ao]
rSISTEMA = ( x rx + z rz ) /( x + z ) = 1.000011 [Horas/reparacin]

U SISTEMA = 0.032881 [Horas/ao]

Losresultadosobtenidoscorrespondenavaloresesperados. Comoseobserva,seobtienenlosmismosresultadosqueconelmtodoanterior.
2011
7.4CADENASDEMARKOV Esteeselmtodomsutilizadoparavalorarlaconfiabilidaddesistemasreparables. Estapreferenciasedebeaqueconestemtodo:

1 2 3 4 Sepuedenconsiderarcomponentesconcualquiernmerodeestadosoperativos Sepuedenconsiderarcomponentesindependientesyconmodosdefalladependientes Sepuedenutilizartasasdefallasyreparacionesconstantesovariableseneltiempo Se representa la secuencia de estados operativos de los componentes que llevan a un determinado estado operativodelsistema
Elprocedimientoaaplicares:
Definirlosestadosoperativosdelsistemayhacersudiagrama. Dependiendo de la forma de las tasas de transicin entre estados (constantes o variables en el tiempo) y de la distribucin de probabilidad asociadas a las tasas de transicin constantes, seleccionar el mtodo de solucinparaelsistemadeecuacionesdiferencialesquedescribenelsistema. Determinarculesestadossignificandisponibilidadeindisponibilidaddelsistema Acumularestadosparahallarlaindisponibilidadodisponibilidaddelsistema
3 4
Para un sistema de n componentes con dos estados operativos el nmero de estados del operativos del sistemaestiene 2 n estadosoperativos. Ntese que para aplicar este mtodo debe realizarse una enumeracin exhaustiva de todos los estados operativos posibles, lo cual, puede ser una tarea complicada incluso para sistemas con pocos componentes. Este modelo tambin puede ser resuelto mediante simulacin de Montecarlo, sin embargo, con ste mtodosoloseobtieneelestadoestable.
2011
EJEMPLO7.3 Considereelsistemareparablemostradoenlasiguientefigura C2
C1 C3
Carga
Latabladeestadosdeoperacindelsistemaes:
i 1 2 3 4 5 6 7 8 Componentesdisponibles C1 SI SI SI NO NO SI NO NO C2 SI SI NO SI NO NO SI NO C3 SI NO SI SI SI NO NO NO
Diagramadeestados: 1 3 (t ) 2 (t ) 2 (t ) 1 (t ) 3 (t ) 1 (t ) 2 3 4 3 (t ) 3 (t ) 2 (t ) 2 (t ) 1 (t ) 1 (t ) 7 6 5 3 (t ) 2 (t ) 1 (t ) 1 (t ) 2 (t ) 3 (t ) 8 Ntese que en este diagrama de transicin de estados se est considerando que las fallas de los componentesocurrendeauna.Esdecir,noexistenfallasdemodocomn.
2011
En este mtodo tambin pueden considerarse modos de falla comn que afecten de a dos o tres componentes a la vez. Por ejemplo, un modo de falla comn para las dos lneas de transmisin y un modelodefallacomnparalostrescomponentes: 1 3 (t ) 2 (t ) 1 (t ) 2 (t ) 3 (t ) 1 (t ) 2 3 4 3 (t ) 3 (t ) 2 (t ) 2 (t ) 1 (t ) 1 (t ) 7 6 5 3 (t ) 2 (t ) 1 (t ) 1 (t ) 2 (t ) 3 (t ) 8 Paralosmodosdefallacomnhayquedefinirlastasasdefallaydereparacin.
2011
7.5SIMULACINDEMONTECARLO Estemtodopermitemezclardiversostiposdemodelamientodeloscomponentes,modosdefallacomn, secuenciasoperativas,diversaslogsticasparareparacin,operacinbalanceadaodesbalanceadayloms importante, se puede combinar con otros procesos iterativos como algoritmos genticos, flujos de carga, etc. SumayordesventajaradicaenelaltotiempocomputacionalycapacidaddememoriaRAMrequeridos,lo cualseagravaensistemasquetienencomponentescontasasdefallasmuybajas. A continuacin, se presenta un algoritmo bsico para realizar estudios de confiabilidad en sistemas reparablesconsiderandoelcriteriodeprdidadecomponentes n 1 . Enestealgoritmosesimulalaoperacindeunsistemareparableduranteunperiododetiempodeinters T, generalmente 1 ao, el cual se denomina un escenario. Este procedimiento se repite n veces o realizaciones con las cuales se obtiene una muestra para cada una de las salidas. En la siguiente figura se esquematizaesto. Realizacin1 0 t 1 ao Realizacin2 0 t 1 ao . . . . . . 0 t Realizacinn 1ao PROCEDIMIENTO 1. ti = 0
2. 3. 4.
Generar un tiempo para falla ttf para cada uno de los componentes a partir de su correspondiente modelodefalla Determinarelcomponente x conmenortiempoparafallayhacer t = t + m in( ttf ) Si t esmayoroiguala1ao,nohayfallaenelsistemaenestaiteracin.Iralpaso8.
2011
10
5. 6. 7.
Generar un tiempo para reparacin ttr para el componente x utilizando el correspondiente modelo dereparacin Calculareltiempoacumuladodeoperacindelsistema: ti = ti 1 + ttf + ttr Determinar el efecto de la falla sobre el sistema: Usuarios desconectados, demanda no servida (MW, MWh), prdida de produccin, violacin de las condiciones operativas (calidad de la potencia, seguridad, sobrecargas, etc.). La valoracin de este ltimo aspecto puede requerir ejecutar otras funcionescomoflujodecarga,flujodecargaarmnico,etc. Acumular los ndices de desempeo del sistema: Nmero de fallas en los puntos de carga, horas de indisponibilidad en los puntos de carga, prdida de produccin, demanda no servida, nmero de violacionesdevoltaje,etc. Si ti < 1 aovolveralpaso2
8.
10. Si ti 1 aosehasimuladounaodeoperacindelsistema.Seconsideraqueestaesunaiteracin. Ajustarelltimo ttf o ttr paraqueeltiempototal t seaiguala1aoyvolveralpaso1.
11. Repetirhastaunnmeropreespecificadodeiteracionesuotrocriteriodeparada 12. Procesardatosdecadasalida:histograma,estadsticasdescriptivas,ajusteaunadistribucin. EJEMPLO7.4

C6 115 kV
C4
C5
34.5 kV
34.5 kV
C1
C2
C3
POZO 1
POZO 2
POZO 3
FUTURO
Considereelsistemaelctricodeuncampopetroleroquetienetrespozosloscualesproducen,cadauno,5 barrilesdepetrleoporhora.
Lasdistribucionesdeprobabilidaddelosequiposson: t falla Equipo

C1,C2,C3 C4,C5 C6 Exponencial h = 2 fallas/ao Gamma = 2 = 3 aos Uniforme a = 0 aos b = 1 ao
treparacion
Exponencial r = 24 horas Gamma = 1.5 , = 10 8 horas Exponencial r = 48 horas
Para un periodo de un ao, estimar para cada pozo: el nmero de fallas del sistema elctrico las horas de indisponibilidadanual,lacantidaddebarrilesquesedejandeproducir. Paraelcampo,estimarlasprdidasanualessicadabarrildepetrleosevendeaUS$50. Esteproblemanotienesolucinanalticaycorrespondeaunasimulacinsecuencial. Existeuneventodefinalizacindelasimulacinqueescuandosealcance1ao Aplicar el criterio n1 (Prdida de un solo componente, no salidas simultneas) para las salidas de los componentes.
EjecuteenMatlabelprogramaprobejesim8.mparavariosnmerosdeiteracionesycambiandolainstruccinde reiniciodelageneracindelosnmerosaleatorios.
2011
12
Captulo8rbolesdeeventosydefallas
CAPTULO8RBOLESDEEVENTOSYDEFALLAS
8.1INTRODUCCIN Contrario a los mtodos de anlisis de confiabilidad basados en diagramas de red, los rboles de eventos yrbolesdefallaspermitenanalizar:
1 2 3 Sistemasdondeexistedependenciaentreloscomponentes Sistemasdondeimportalasecuenciaenlacualocurrenlasfallas Componentesosistemasconmsdedosestadosoperativosodiversosmodosdefalla
Una de las aplicaciones ms importantes de estas dos tcnicas es el anlisis de confiabilidad de los sistemas o componentes cuya misin es garantizar la seguridad en un equipo, sistema o proceso (Safety systems)talescomo:
1 Sistemasdeproteccin Proteccionesdeequipososistemaselctricosomecnicos Proteccionesdeprocesosindustriales Etc Sistemacontraincendio y Sistemacontraroboointrusin Sistemacontrainundaciones Etc.
Sistemas de seguridad
vigilancia
Paraestostiposdesistemassedefinenlossiguientesaspectosdeconfiabilidad:
Dependencia (Dependency) Seguridad (Security) Que el equipo o sistema opere cuando es Este aspecto es generalmente analizado requeridoqueopereoesllamadoaoperar mediantearbolesdeeventos. Que el equipo o sistema no produzca falsas Este aspecto es generalmente analizado operaciones mediantearbolesdefallas.
2011
8.2RBOLESDEEVENTOS
C2
C1
C2
C3 C3OK Elsistemaopera
C2OK C3Falla C1OK C3OK C2Falla Elsistemafalla Elsistemaopera Elsistemaopera
C1
C3
C3Falla C3 OK C2 OK Carga C3 Falla C1Falla C3 OK C2Falla C3 Falla Figura8.1Ejemploderboldeeventos
Elsistemafalla
Elsistemafalla
Elsistemafalla
Elsistemafalla
Unrboldeeventosesunarepresentacingrficadeloseventosquepuedenocurrirleauncomponenteo sistemaysurelacinconlosestadosoperativosdeinters.Verelejemplodelafigura8.1 La representacin grfica se denomina rbol de eventos porque cada evento se conecta a otros eventos comolasramasenunrbol. Se inicia el rbol de eventos con un evento o situacin y esta se conecta a los siguientes eventos que pueden ocurrir hasta llegar a los resultados operativos para el sistema. As, se parte de un evento y se llegaalassituacionesoperativasqueresultanenelsistema. Los eventos se conectan entre s, de acuerdo con la secuencia operativa que existe en el sistema, si es que esta tiene algn efecto sobre los estados operativos del sistema. Cabe recordar que no para todos los sistemasimportalasecuenciaenqueseproducelafalladeloscomponentes. Dependiendo del propsito del anlisis de confiabilidad, el rbol de eventos se construye de la siguiente forma:
2011
Se inicia el rbol de eventos considerando que el sistema est sin falla y se contina considerando los eventos de falla y xito de los Sistemas donde no importa la componentes. secuenciaoperativa
Noimportalasecuenciaenqueseconsiderenloscomponentes. Para sistemas donde importa analizar varios estados operativos, se inicia el rbol con un evento de falla, situacin insatisfactoria o decisin y se contina con la secuencia de eventos que lleva a los Sistemas donde si importa la estadosoperativosdeinters. secuenciaoperativa Cuando el rbol se construye en base a decisiones, se denomina rboldedecisiones
Las probabilidades de los eventos finales en el rbol de eventos se evalan multiplicando las probabilidades en los diversos caminos que conforman las ramas del rbol, esto puede hacerse con los datospuntualesdeprobabilidadoobteniendounaexpresinbooleana. Las probabilidades de los estados operativos de inters para el sistema se obtienen sumando las probabilidadesdetodoscaminosquellevanadichasituacinoperativa. Elrboldeeventosesunatcnicaderazonamientoinductiva.
2011
EJEMPLO8.1 ParaelsistemamostradoenlaFigura8.1evaleladisponibilidad C2 C1 C2OK AC 2 C1OK AC 1 C2Falla UC 2 C2
C3 C3OK
AC 3
Elsistemaopera
AC 1 AC 2 AC 3
C3Falla
UC 3
Elsistemaopera
AC 1 AC 2 UC 3
C3OK
AC 3
Elsistemaopera
AC 1 UC 2 AC 3
C3Falla
UC 3
Elsistemafalla
AC 1 UC 2 UC 3
C3OK C1 C3 AC 3 Carga C2OK AC 2 C3Falla UC 3 C1Falla UC 1 C3OK AC 3 Asistema= A A A + A A U + A U A C1 C2 C3 C1 C2 C3 C1 C2 C3 C2Falla UC 2 C3Falla UC 3 Figura8.2Ejemplodeevaluacindeunrbol de eventos
Elsistemafalla
UC 1 AC 2 AC 3
Elsistemafalla
UC 1 AC 2 UC 3
Elsistemafalla
UC 1 UC 2 AC 3
Elsistemafalla
UC 1 UC 2 UC 3
Enestecaso,seanalizaelxitoofracasodelsistemaparaoperar. Todosloscomponentessonindependientesynoimportalasecuenciaenqueseproduzcansusfallas. Seconsideraquecadalneadetransmisinpuedetransportartodalaenergageneradahastalacarga.
2011
EJEMPLO8.2 Para el sistema mostrado en la Figura 8.1, se presenta ahora en la figura 8.3 el rbol de eventos para la situacinenqueexisteunmododefalladesalidacomnMparalaslneasdetransmisin. C2 C1 C3 M SI
OK OK NO Falla Carga SI Falla OK NO Falla Figura8.3Ejemplodeevaluacindeunrbol de eventos
OK Falla
M C2
OK Falla
C1
C3
OK Falla
OK Falla
Enestecaso,eleventodequeocurralafallademodocomnMseescribeprimeroqueloseventosdefalla yoperacindeloscomponentesC2yC3aunquerealmenteelordennoimportaenestesistema. Ntese que M es un evento, no un componente. S M ocurre, ya no es relevante si ocurren las fallas independientesdeC2yC3;estofacilitaevaluarelrboldeeventos.
EJEMPLO8.3 Considere el sistema de proteccin para un circuito primario de distribucin areo mostrado en la figura 8.4. Este consta de un transformador de corriente (CT), un interruptor de potencia (CB), un rel multifuncin(R)yunsistemadeserviciosauxiliares(AUX).
Falla R AUX Figura8.4Sistemadeproteccinparauncircuitoprimariodedistribucin
CT CB
Requerimientosoperativos: Serequierenlosserviciosauxiliaresparaalimentarelrelyelinterruptordepotencia. Eltransformadordecorrientedebetomarcorrectamentelasealdecorriente. Elinterruptordepotenciadebeabrirocerrar. Elreldebedarlaordendeaperturayrecierre. Modosdefalladeloscomponentes: Serviciosauxiliares: Operanofallan. Interruptor:Fallaparaabrir,fallaparacerrar,falsaaperturayfalsocierre. Rel:Fallaparaabrir,fallapararecerrar,falsaaperturayfalsocierre. CT:Circuitoabierto,nolectura,errordelecturaporsaturacin. En la figura 8.5 se presenta el rbol de eventos para el caso de desconexin de una falla en el circuito primario. Ntese que en este caso, los eventos en los componentes se analizan empezando en orden descendente de importancia en cuanto al xito del sistema para operar: servicios auxiliares, CT, rel, interruptor. En la figura 8.6 se presenta el rbol de eventos para el caso de recierre en un solo intento luego de una aperturaexitosa.
AUX
CT
CB OK
OK Falla OK OK Falla Falla OK OK Falla Falla OK Falla OK
Falla Fallaenelcircuitoprimario OK OK Falla OK OK Falla Falla Falla OK OK Falla Falla OK Falla Falla Figura8.5rboldeeventosdelsistemadeproteccinparaelcasodedesconexindeunafalla
En este caso la llamada a operar al sistema de proteccin es la falla que se presenta en el circuito primario,lacualesuneventodenaturalezaaleatoria.
AUX
CB
OK OK Falla OK OK Falla Falla Aperturaexitosadeunafalla OK OK Falla Falla OK Falla Falla Figura8.6rboldeeventosdelsistemadeproteccinparaelcasoderecierre
En este caso la llamada a operar al sistema de proteccin es la orden de recierre programada en el rel porunoperariodelsistemadepotencia.Estallamadaaoperaresuneventodeterminstico.
2011
EJEMPLO8.4 Considereelsistemadeproteccinparaunalneadetransmisinmostradoenlafigura8.7.Esteconstade un sistema de proteccin (SP) en cada terminal y un medo de comunicacin (CM) que puede ser un sistemademicroondas,fibraptica,powerlinecarrier,etc.
Rels Rels CM T/R T/R Figura8.7Sistemadeproteccinparaunalneadetransmisin
SP1
SP2
Elesquemaoperativoesdedisparopermisoencadaterminal,esdecir,cadaqueenunextremosedetecta unafallaseverificasienelotroextremotambinsedetectaunafalla,estoparaevitardisparosparafallas fueradelalnea.Siambosrelsdetectanunafalla,entoncesseproduceaperturadelalnea. En la figura 8.8 se presenta el rbol de eventos para el caso de desconexin de una falla. El medio de comunicacinentreambosextremosesenestecasoelprimercomponentequesedebeanalizar. SP1 SP2 CM
Operacincorrecta OK Falla Operacinparcial OK OK Operacinparcial Falla Falla Fallatotal Fallatotal Fallaenlalneadetransmisin OK OK Falla Fallatotal Falla OK Fallatotal Falla Falla Fallatotal Figura8.8rboldeeventosdelsistemadeproteccindeunalneadetransmisinparaelcasodeaperturadeuna falla OK
8.3RBOLESDEFALLASESTTICOS
Falladelsistema
C1
M C2 C3 Carga FallaC2 FallaC3 FallaC1 Fallaenmodo comndeC2yC3 Figura8.9rboldefallasparaelsistemadeproteccindeunalneadetransmisin
UnrboldefallasesunarepresentacingrficamediantecompuertasANDyORdelascombinacionesde eventosquepuedenllevaralafalladeunsistemaocomponente. El evento de falla de inters en el sistema o componente bajo estudio se denomina top event. Ver el ejemplodelafigura8.1 A partir del evento de falla de inters, se analiza en orden jerrquico las combinaciones o secuencias de eventos o causasque producen elevento defalla de inters. As, este orden deconstruir elrbol de fallas esinversoalaplicadoparaunrboldeeventos. Elrboldeeventosesunatcnicaderazonamientodeductiva. La probabilidad del evento de falla de inters se evala a partir de la expresin booleana que relaciona todos los eventos o causas que lo producen. Esta evaluacin puede ser analtica o numrica mediante simulacindeMontecarlo En muchos casos, previo a la solucin analtica o numrica, el rbol de eventos es transformado a una representacin de conjuntos de cortes mnimos, lo cual, permite aplicar las tcnicas de solucin para cortesmnimos.
2011
10
8.3.1Solucinenformaanaltica Existendosformaspararesolverenformaanaltica: 1. Se obtiene la expresin booleana de la probabilidad de ocurrencia del evento top y se reemplazan en ella las probabilidades puntuales o funciones de distribucin de probabilidad de los eventos bsicos (bottomevents). El obtener la expresin booleana de la probabilidad de ocurrencia del evento top generalmente requiere la aplicacin de las reglas y propiedades del algebra booleana con el fin de obtener una expresindondenoserepitanloseventosbsicos. Siexisteneventosrepetidos,estosdebeneliminarseaplicandoalgebraBooleana. 2. Se reemplazan las probabilidades puntuales de los eventos bsicos y se evala secuencialmente el rbol de abajo hacia arriba hasta obtener la probabilidad de ocurrencia del evento top. Esto evita resolver la expresin booleana de probabilidad de ocurrencia del evento top, lo cual, en la mayora de loscasosesunalaborbastantetediosa. Las probabilidades puntuales pueden obtenerse evaluando la distribucin para un tiempo de inters dado. Enlascompuertasconmsdedosentradassedescomponelavaloracinenformarecursivautilizando lasleyesasociativasdelalgebraBoolena:
A + B + C = A + [B + C ] = [ A + B ] + C
ABC = A[ BC ] = [ AB ]C
2011
11
EJEMPLO8.5 Obtengalaexpresindelaprobabilidaddeencontrarindisponibleelsistemadelafigura8.9. Sistemaindisponible E1 E3 E2 E4 E5 C2 C1 C2yC3indisponiblesdebidoa C3 fallademodocomn indisponible indisponible indisponible

P[ sistema indisponible] = P[ E1 E2 E3 ]
Loseventos E4 y E5 son independientesentresperonomutuamenteexclusivos. Loseventos E1 y E2 sonindependientesentresperonomutuamenteexclusivos. Loseventos E2 y E3 sonindependientesentresperonomutuamenteexclusivos. Loseventos E1 y E3 pueden considerarse independientesentresymutuamenteexclusivos. As,aplicando:
Seobtiene: P [sistema indisponible ] = P [E 1 ] + P [E 2 ] + P [E 3 ] P [E 1E 2 ] P [E 1E 3 ] P [E 2E 3 ] + P [E 1E 2E 3 ] Resolviendo:
2011
12
P [sistema indisponible ] = P [E 1 ] + P [E 2 ] + P [E 3 ] P [E 1E 2 ] P [E 1E 3 ] P [E 2E 3 ] + P [E 1E 2E 3 ]

P [sistema indisponible ] = P [ E 4 ] P [ E 5 ] + P [ E 2 ] + P [ E 3 ] P [ E 1E 2 ] P [ E 1E 3 ] P [ E 2E 3 ] + P [E 1E 2E 3 ]

P [ falla sistema ] = P [ E 4 ] P [ E 5 ] + P [ E 2 ] + P [ E 3 ] P [ E 1 ]P [ E 2 ] P [ E 1E 3 ] P [E 2E 3 ] + P [E 1E 2E 3 ]

P [sistema indisponible ] = P [E 4 ] P [E 5 ] + P [E 2 ] + P [E 3 ] P [E 1 ]P [E 2 ] 0 P [E 2E 3 ] + P [E 1E 2E 3 ]

P [sistema indisponible ] = P [ E 4 ] P [ E 5 ] + P [ E 2 ] + P [ E 3 ] P [ E 1 ]P [ E 2 ] 0 P [ E 2 ]P [ E 3 ] + P [ E 1E 2E 3 ]

P [sistema indisponible ] = P [ E 4 ] P [ E 5 ] + P [ E 2 ] + P [ E 3 ] P [ E 1 ]P [ E 2 ] 0 P [ E 2 ]P [E 3 ] + P [ E 1 ]P [ E 2E 3 ]

P [sistema indisponible ] = P [ E 4 ] P [ E 5 ] + P [ E 2 ] + P [ E 3 ] P [ E 1 ]P [ E 2 ] 0 P [ E 2 ]P [ E 3 ] + P [ E 1 ]* 0

P [sistema indisponible ] = P [E 4 ] P [E 5 ] + P [E 2 ] + P [E 3 ] P [E 1 ]P [E 2 ] 0 P [E 2 ]P [E 3 ] + 0

P [sistema indisponible ] = P [ E 4 ] P [ E 5 ] + P [ E 2 ] + P [ E 3 ] P [ E 1 ]P [ E 2 ] P [ E 2 ]P [ E 3 ]

P [sistema indisponible ] = U C 2 U C 3 + U C 1 + U M U C 2 U C 3U C 1 U C 1U M
U M eslaindisponibilidaddeC2yC3debidoalasfallasdemodocomn.
S:
U C 1 = 0.35 U C 2 = U C 3 = 0.20 U M = 0.10
P [sistema indisponible ] = U C 2 U C 3 + U C 1 + U M U C 2 U C 3U C 1 U C 1U M
P [sistema indisponible ] = 0.20 * 0.20 + 0.35 + 0.10 0.20 * 0.20 * 0.35 0.35 * 0.10
P [sistema indisponible ] = U SISTEMA = 0.4410
2011
13
EJEMPLO8.6 Obtenga la probabilidad del evento top en el rbol de fallas del ejemplo anterior realizando evaluacin secuencialdelascompuertasdeabajohaciaarriba.
U SISTEMA
UC 2 UC 3
U X = U C 2U C 3 = 0.20 * 0.20 = 0.040
UX
UC1
U Y = Ux + U C 1 UxU C 1 U Y = 0.040 + 0.35 0.040 * 0.35 U Y = 0.3760
UY
UC 2 UC 3
UC1 U M
UM
U SISTEMA = U Y + U M U Y U M U SISTEMA = 0.3760 + 0.10 0.3760 * 0.10 U SISTEMA = 0.4384
Nodalomismoqueenelcasoanterior!Porqu? CambiandoelordendeevaluacindeloseventosenlacompuertaOR: U SISTEMA UC 2 U X = U C 2U C 3 = 0.20 * 0.20 = 0.040 UC 3 UX U Y = Ux + U M UxU M UM U Y = 0.040 + 0.10 0.0 U Y = 0.14 UY U SISTEMA = U Y + U C 1 U Y U C 1 U U UC1 UC1 U M C2 C3 U SISTEMA = 0.14 + 0.35 0.14 * 0.35 U SISTEMA = 0.4410 Ahorasidalomismo!Porqu? Si existen eventos mutuamente exclusivos, la evaluacin en la compuerta OR debe hacerse de tal forma queseevalecorrectamenteestasituacin.
2011
14
EJEMPLO8.7 Considereelsiguienterboldefallasquetieneuneventobsicorepetidoqueaparecealaizquierda.
f
x1
x2
E1 E 2
E1 E 3
E4
E1
E2 E3
E4
x1 = E1 + E 2
x 2 = E1 + E 3
y = x 1x 2 = ( E 1 + E 2 )(E 1 + E 3 )
f = yE 4 = (E 1 + E 2 )(E 1 + E 3 )E 4
Aplicando: ( A + B )( A + C ) = A + BC f = ( E 1 + E 2 )( E 1 + E 3 )E 4 = ( E 1 + E 2E 3 )E 4 Elsistemaequivalenteaparecealaderecha. Ahoraevaleambosrbolesutilizandolassiguientesprobabilidades P [ E 1 ] = 0.30
P [ E 2 ] = 0.20
P [E 3 ] = 0.15
P [E 3 ] = 0.40
Seconsideraquetodosloseventossonindependientesperonomutuamenteexclusivos.
0.1782 * 0.40 = 0.0713 0.44 * 0.4045 = 0.1782 0.40 0.30 + 0.20 0.30 * 0.20 = 0.44 0.30 + 0.15 0.30 * 0.15 = 0.4045 0.30 0.20 0.30 0.15 0.3210 * 0.40 = 0.1284 0.30 + 0.030 0.30 * 0.030 = 0.3210 0.40 0.20 * 0.15 = 0.030 0.30 0.20 0.15 Comoseobserva,ambasrepresentacionesdanresultadosdiferentes. Larespuestacorrectaeslaqueseobtienealresolverelsistemareduciendoloseventosrepetidos.
2011
16
8.3.2SolucinmediantesimulacindeMontecarlo ParaunperiodoTdeanlisisserealizanlossiguientespasosencadaiteracin: 1. Para cada evento bsico se genera un tiempo para falla utilizando su correspondiente distribucin de probabilidad 2. En cada compuerta AND se toma como tiempo de falla de salida el mayor tiempo de falla de los eventosdeentrada 3. EncadacompuertaORsetomacomotiempodefalladesalidaelmenortiempodefalladeloseventos deentrada 4. Seaplicasecuencialmentelospasos2y3atodaslascompuertashastaobteneruntiempoparafalladel sistema. 5. ElsistemafallaenestaiteracinsisutiempoparafallaesmenorqueT. 6. Repetirlospasos1a5Rveces 7. Alfinalizarcalcular: P [ falla sistema ] = # fallas / R
ttf = ttf / R
= 1 / ttf = R / ttf En este algoritmo se asume que no hay reparaciones, ya sea porque el sistema est conformado por componentes no reparables o porque las fallas permanecen ocultas hasta que el sistema es llamado a operaroproduceunafalsaoperacin.
2011
17
8.3.3Algoritmoparaobtenerlarepresentacinendiagramadebloques Estealgoritmoestbasadoenlosiguiente: 1. CadaeventoasociadoaunacompuertaORconstituyeunelementoenserie As,cadacompuertaORincrementarelconjuntodecortes. S la salida de la compuerta OR es una entrada a una compuerta AND, entonces incrementar el tamaodelcorrespondientelazo. E1 E2 E3 E1,E2yE3constituyenunconjuntodecortes E1 E2 E3 2. CadaeventoasociadoaunacompuertaANDconstituyeuncomponenteenparalelo As,cadacompuertaANDincrementarelconjuntodelazos. Sla salida de la compuerta AND es laentrada a una compuerta OR, entonces incrementarel tamao delcorrespondientecorte.
E1
E2
E3
E1 E2 E3 E1,E2yE3constituyenloscomponentesdeuncorte
El procedimiento en este algoritmo es recorrer el rbol de fallas del evento top hacia los eventos bsicos obteniendolarepresentacindelascompuertascomoelementosdeundiagramadebloques.
2011
18
EJEMPLO8.8 Obtengalarepresentacinenconjuntodecortesdelrboldefallasmostradoenlafigura8.9. Paso1:
Paso2: Resultado:
E1
E2
E3
E1,E2yE3constituyenunconjuntodecortes E1 E2 E3
E4
E5
E4
E5
E4yE5constituyenloscomponentesdelcorte1
E4
E1 E2
E3
E5
E2
E3
E4
E5
E2
E3
2011
19
Laindisponibilidaddelsistemasecalculadelasiguienteforma:
UC 2
UC1 UC 3
U CM
U C 2U C 3
UC1
U CM
U SISTEMA = 1 (1 U C 2 U C 3 )(1 U C 1 )(1 U M )
U SISTEMA = 1 (1 0.20 * 0.20)(1 0.35)(1 0.10) = 0.4384

Nodalomismoqueenlosejemplos8.6y8.7!Porqu? EstesistemaenparticularNOsepuederepresentarmedianteundiagramadebloques,porqueelmodode falla simultneo de C1 y C2 es mutuamente exclusivo con el modo de falla M, lo cual quiere decir, que C1C2yMsondependientesyaquenopuedendarsealmismotiempo!
2011
20
EJEMPLO8.9 Obtengalarepresentacinencomodiagramadebloquesparaelsistemadelejemplo8.7. Paso1: f Paso2: Paso3:

Y
X
E4
E4
E1
E1yYsonloscomponentesdeX E1 Y
Resultado:
E2
E3
E2
E3
E2yE3sonloscomponentesdeY
y
E1
E2
E3
E4
P [ f ] = [1 (1 0.30)(1 0.20 * 0.15)] * 0.40 P [ f ] = 0.1284
E1
E2 E3
E4
2011 21
8.3.4Medidasdeimportancia Algomuyimportanteparaelanalistaydiseadoresvalorarculesefectodelaocurrenciadeloseventos bsicosdeunrboldefallassobreeleventotop. Lasmedidasparavalorarestosedenominanmedidasdeimportancia. Algunasdeestasmedidasson:

Valordereduccindelriesgo (RRW=RiskReductionWorth) Se observa el decremento en la probabilidaddeocurrenciadelevento top si se asegura que algn evento bsicodeintersnoocurrir. Se observa el incremento en la probabilidaddeocurrenciadelevento top si se asegura que algn evento bsicodeintersocurrir. Es la tasa de cambio en la probabilidaddeocurrenciadelevento top con respecto al cambio en la probabilidad de ocurrencia de un eventobsicodeinters Se coloca en cero la probabilidad de ocurrencia del evento de inters y se valora la probabilidad de ocurrencia deleventotop. Se coloca en uno la probabilidad de ocurrencia del evento de inters y se valora la probabilidad de ocurrencia deleventotop.
Valordelogrodelriesgo (RAW=RiskAchievementWorth)
Medidadeimportanciade Birbaum (BM=BirbaumMeasure)
BM =
dP [ f ] dP [ E i ]
BM = RAW RRW
EJEMPLO8.10 Obtengalasmedidasdeimportanciaparaelsistemadelejemplo8.6.
P [ f ] = U C 2 U C 3 + U C 1 + U M U C 2 U C 3U C 1 U C 1U M
U C 1 = 0.35
Evento
U C 2 = U C 3 = 0.20
RRW P[f] 0.1400 0.4150 0.4150 0.3760 P[f]% 68.2540 5.8957 5.8957 14.7392
U M = 0.10
P [f ] = U SISTEMA = 0.4410
RAW P[f]% +126.7574 +23.5828 +23.5828 +132.6531 BM
P[f] 1.000 0.5450 0.5450 1.0260
C1indisponible C2indisponible C3indisponible Mocurre
f f f f
' = 1.0 U C 2 U C 3 U M = 0.86 ' = U C 3 U C 3U C 1 = 0.13 ' = U C 2 U C 2 U C 1 = 0.13 ' = +1.0 U C 1 = 0.65
Como se observa, los eventos ms importantes para el sistema son, en orden descendente, la indisponibilidad del generador, la ocurrencia de una falla de modo comn en las lneas de transmisin y lasalidadelaslneasdetransmisinenformaindependiente.
2011
22
8.3.5Tasasdefallasytiemposmediosparareparacin Lamedidabsicadeleventotopdeunrboldefallasesunaprobabilidaddefallaounaindisponibilidad. Sinembargo,enalgunoscasosesdeintersobtener:

1 2 Latasadefallasofrecuenciadefallasensistemasnoreparablesyreparables Eltiempomediodereparacinensistemasreparables
A continuacin, se presentan los mtodos para obtener estas medidas en forma analtica. Sin embargo, otraformadeobtenerlasesaplicandosimulacindeMontecarlo. Tasadefallasenunsistemanoreparable Enestecasoseasumelosiguiente:
1 2 3 Lostiemposparaocurrenciadeloseventosbsicosestnexponencialmentedistribuidos Nohayeventosbsicosrepetidos Loseventosbsicossonindependientes
Como se explic anteriormente, cada compuerta OR corresponde a una conexin en serie de eventos y cadacompuertaANDaunaconexinenparalelodeeventos. E1 E2 En n ( i )t E E i t n n P [ f ] = 1 i =1 R i (t ) = 1 i =1 e =1e i 1 n n 1 n ( t ) t = serie i i =1 i t n E1 P [f ] = n ) i =1 F i (t ) = i =1 (1 e E2 i t P [f ] = 1 n ) = R (t ) i =1 (1 e 1 dR (t ) En paralelo (t ) = E1 E n R (t ) dx 1 n n i ( z i 1) paralelo (t ) = i =1n i =1 ( z i 1)
=1
1 / z i = (1 e i t )
2011
23
Tasadefallasytiempomedioparareparacinenunsistemareparable Enestecasoseasumelosiguiente:
1 2 3 4 Losprocesosparafallayreparacinsonestacionarios Nohayeventosbsicosrepetidos Loseventosbsicossonindependientes Lasindisponibilidadesindividualesdeloscomponentessonpequeas(<10%anual)
Seaplicansecuencialmentelasfrmulasdelmtodosimplificadodefrecuenciayduracin: E1 E2 En ( r + 2 r2 ) serie = ( 1 + 2 ) rserie = 1 1 E ( 1 + 2 ) 1 E n 1 n r1 rn E1 ( r1r2 ) rparalelo = paralelo = 1 2 ( r1 + r2 ) E2 ( r1 + r2 ) En E E 1 n 1 n r r 1 n En la literatura tcnica se encuentran otras formulas para calcular la tasa de fallas y el tiempo medio de reparacindesistemasreparables,lascualesseaplicancuandonosecumplelacondicin4.
Captulo9RedesBayesianas
CAPTULO9REDESBAYESIANAS
9.1INTRODUCCIN Una red bayesiana o red de creencia es un modelo probabilstico que relaciona un conjunto de variables aleatorias mediante un grafo dirigido que indica la influencia causal. Como ejemplo, en la figura 9.1 se presentaunaredBayesianaparaunsistemadeproteccin. X1 X2 Poco Riguroso Mantenimientopreventivo Fallasocultas Y2 Y1 Muchas Pocas
Z2 Z1 Z2 Operacindelsistema Correcta Fallapara Falsa operar operacin Figura9.1EjemploderedBayesianaparaunsistemadeproteccin
Una red Bayesiana es similar a un rbol de fallas o diagrama causaefecto con la ventaja de que los eventosnotienenqueserbinarios. El modelamiento con redes Bayesianas est basado en los teoremas de la probabilidad total y de Bayes y esenslaextensindestosalcasomultivariable.
Los eventos en cada nivel o capa de la red Bayesiana tienen que ser independientes entre s y definir un espacio muestral. Debe tenerse especial cuidado en cumplir este requerimiento al plantear el modelo. Tambin,sedeberecordarqueloseventosencadanivelocaparequierenunaperfectadefinicin,esdecir, nopuedenservagosoimprecisos. Una red Bayesiana es un modelo Markoviano (sin memoria), ya que la ocurrencia de un evento en una capadadasoloestdependedeloseventosdelacapainmediatamenteanterior.
2011
9.2TEOREMASDELAPROBABILIDADTOTALYDEBAYES B1 A
Bn Figura9.2Conceptodeeventocondicionalsobrelaocurrenciadeotroseventos
B2
Considere un evento dado A que est definido sobre la ocurrencia de otros n eventos independientes entres B i ,talcomosemuestraenlaFigura9.2. 9.2.1Teoremadelaprobabilidadtotal
P ( A ) = P ( A |B i ) * P ( B i )
i =1
P ( A | B i ) :
Define en trminos probabilsticos el grado de participacin o influencia del evento B i sobre la ocurrencia del evento A . Se obtiene de definiciones de frecuencia relativa o del anlisisfsicodelfenmenoosistemabajoestudio.
P ( B i ) :
Es la probabilidad de ocurrencia del evento B i . Es un dato puntual que se puede obtener dedefinicionesdefrecuenciarelativaodelmodeloprobabilsticodelevento B i .
Elteoremadelaprobabilidadtotaltambinsepuedeescribircomo:
P ( B1 ) P (B2 ) P ( A ) = ( P ( A |B1 ) P ( A |B 2 ) P ( A |B n )) = M A|B P ( B ) P (B ) n
Ntese que el teorema de la probabilidad total permite hacer inferencias hacia adelante, de las causas al resultado.Estaactividaddedenominaprediccin. Prediccin B A P (B ) P ( A ) = M A|B P ( B )
9.2.2TeoremadeBayes Desarrollado por Thomas Bayes y publicado en 1763, permite calcular la probabilidad de una causa sabiendo el efecto que ha producido. Es decir, se identifica en trminos probabilsticos el grado de participacindeunacausasobrelaocurrenciadeuneventodado.
P ( A |B i ) P (B i |A ) = P (Bi ) P (A)
P ( B i ) eslaprobabilidadaprioridelaocurrenciadelevento B i .
Una vez ocurre el evento A , P ( B i | A ) actualiza la probabilidad de ocurrencia del evento B i ; as,
P ( B i | A ) eslaprobabilidadaposterioride B i .
Elteoremadelaprobabilidadtotaltambinsepuedeescribircomo:
P ( A |B1 ) P ( B1 ) P ( B1 | A ) P ( A ) P ( B1 ) P ( A |B 2 ) P ( B | A ) P (B2 ) 1 P ( B ) t 2 2 = P (A ) = = ( P ( A |B1 ) P ( A |B 2 ) P ( A |B n )) P (A ) P (B | A ) P (B ) n n P ( A |B ) n P (Bn ) P (A )
M B|A
M B|A
1 = M A|B t P ( B ) P (A )
P ( A , B ) = P ( B , A ) = M A|B t P ( B )
Donde: :
M B|A = P ( A , B ). / P ( A )
Indica la operacin matricial de multiplicacin congruente, es decir, trmino a trmino por fila.
./: Indicadivisintrminoatrmino Ntese que el teorema de Bayes permite hacer inferencias hacia atrs, del resultado hacia las causas. Esta actividadsedenominadiagnstico Diagnstico B A P ( B ) = M B|A P ( A ) P (A )
EJEMPLO9.1 En un sistema elctrico se conocen las probabilidades de dao de los aisladores de las lneas de transmisin debido a diferentes causas. Adems, se conocen las probabilidades de ocurrencia de los eventosquecausanlosdaos.
Bi 1 2 3 4 5 6 Causas Descargaatmosfrica Contaminacin Sobrevoltajepormaniobra Ferroresonancia Vandalismo Otrascausas Participacino probabilidaddedao 0.3502 0.3157 0.1498 0.0922 0.0576 0.0346 1.000 Probabilidaddequese produzcalacausa 0.25 0.15 0.15 0.05 0.10 0.05
Total
SeanAeleventodedaodelaisladoryBieleventoiquepuedenproducireldaodelaislador Culeslaprobabilidaddequeseproduzcaeldaodelaisladordebidoatodasestascausas? Aplicandoelteoremadelaprobabilidadtotal: P ( A ) = P ( A |B i ) * P ( B i )

i =1
6
P ( A ) = 0.3502 * 0.25 + 0.3157 * 0.15 + 0.1498 * 0.15 + 0.0922 * 0.05 + 0.0576 * 0.10 + 0.05 * 0.0346 = 0.169475
Siunaisladorsedaa,culeslaprobabilidaddequeesteeventosedebaalacontaminacin? AplicandoelTeoremadeBayes: P ( B 2 | A ) = P ( A |B 2 ) * P ( B 2 ) / P ( A )
P ( B 2 | A ) = 0.3157 * 0.15 / 0.169475 = 0.2794
Siunaisladorsedaa,culeslaprobabilidaddequeesteeventosedebaaunadescargaatmosfrica? AplicandoelTeoremadeBayes: P ( B1 | A ) = P ( A |B1 ) * P ( B1 ) / P ( A )

P ( B1 | A ) = 0.3502 * 0.25 / 0.169475 = 0.51659
La probabilidad de que un aislador se dae debido a una descarga atmosfrica sube de 0.3502 a 0.51659unavezseconocelaprobabilidaddequeproduzcaunadescargaatmosfrica.
2011
9.3MODELOMATEMTICODEUNAREDBAYESIANA En la Figura 9.3, donde se presenta una red bayesiana de un solo nivel causaefecto con n causas denotados X y m resultadosdenotados Y . Causas X2 X3 Xn X1 Resultados Y1 Y2 Y3 Ym
Figura9.3ConceptoderedBayesiana
ElmodelomatemticodeunaredBayesianasedefinemediantelamatrizdeprobabilidadescondicionales de los resultados dadas las causas MY|X . As, conocidas las probabilidades de ocurrencia de las causas
P( X ) sepuedenhallarlasprobabilidadesdeocurrenciadelosresultados P(Y ) delasiguienteforma:
P (Y ) = M Y|X P ( X )
Donde:
MY|X :
Matriz de dimensin m * n con las probabilidades condicionales de ocurrencia de los resultadosdadaslascausas,lacualtienelasiguienteestructura:
MY|X
P(Y1 | X1 ) P(Y1 | X2 ) P(Y2 | X1 ) P(Y2 | X2 ) = P(Y | X ) P(Y | X ) m 1 m 2
P(Y1 | Xn ) P(Y2 | Xn ) P(Ym | Xn )
P(Y ) :
Vector columna de dimensin m con las probabilidades de ocurrencia de los m resultados
Y dadoelconocimientoaprioridelaprobabilidaddeocurrenciadelas n causas X .
P ( X ) :

Vectorcolumnadedimensin n conlasprobabilidadesdeocurrenciadelas n causas X .
2011
Laprobabilidaddeocurrenciasimultneadelascausasylosresultadosestdadapor:
P ( X , Y ) = P (Y , X ) = M Y|X t P ( X )
P(Y1 , X1 ) P (Y1 , X 2 ) P( X , Y ) = P (Y , X ) 1 n P(Y2 , X1 ) P(Y2 , X 2 ) P(Y2 , X n ) P(Ym , X1 ) P(Y1 | X1 ) P ( X1 ) P(Ym , X 2 ) P(Y1 | X 2 ) P ( X 2 ) = P(Ym , X n ) P (Y1 | X n ) P ( X n ) P (Y2 | X1 ) P( X1 ) P(Y2 | X 2 ) P ( X 2 ) P (Y2 | X n ) P( X n ) P(Ym | X1 ) P( X1 ) P(Ym | X 2 ) P( X 2 ) P(Ym | X n ) P ( X n )
Donde: P ( X , Y ) : t : :
Matrizdedimensin n * m Indicalaoperacinmatricialdetransposicin. Indica la operacin matricial de multiplicacin congruente, es decir, trmino a trmino por fila.
Una vez se tiene MY|X tambin se puede inferir la ocurrencia de las causas dados los resultados en la siguienteforma: P ( X ) = M X|Y P (Y ) Donde MX|Y sehalladelasiguienteforma:
M X|Y P( X1 |Y1 ) P( X 2 |Y1 ) = P( X |Y ) n 1 P( X1 |Ym ) P( X 2 |Ym ) = P( X , Y ). / P(Y )t P( X n |Y2 ) P( X n |Ym ) P( X1 |Y2 ) P( X 2 |Y2 )
Elsmbolo./indicadivisintrminoatrminodelasiguienteforma:
M X|Y
P(Y1 , X1 ) / P(Y1 ) P(Y2 , X1 ) / P(Y2 ) P(Y1 , X2 ) / P(Y1 ) P(Y2 , X2 ) / P(Y2 ) = P(Y , X ) / P(Y ) P(Y , X ) / P(Y ) 1 n 1 2 n 2
P(Ym , X1 ) / P(Ym ) P(Ym , X2 ) / P(Ym ) P(Ym , Xn ) / P(Ym )
As, en una red Bayesiana se pueden hacer inferencias de las causas a los resultados y de los resultados a lascausas,esdecir,prediccionesydiagnsticos.
2011
Si en una red Bayesiana existen varios niveles de relacin causal, el modelo matemtico se hace encadenando los modelos de cada nivel. Por ejemplo, en la Figura 9.4 se muestra una red de dos niveles derelacincausal,donde X eslacausaqueproduce Y y Y eslacausaqueproduce Z .
Prediccin
P( X )
P(Y ) = M Y|X P ( X )
P ( Z ) = M Z|Y P (Y ) = M Z|Y M Y|X P ( X )
Diagnstico
P( X ) = M X|Y P(Y ) = M X|Y M Y|Z P( Z )
Y P (Y ) = MY|Z P ( Z )
P( Z )
Figura9.4RedBayesianadedosnivelesderelacincausal
Algunasconsideracionesparalaaplicacindeestetipodemodelamiento:
1 Aunque las probabilidades de los eventos bsicos y las probabilidades condicionales aparecen en forma puntual en los ejemplos de este texto, tambin pueden expresarse mediante una distribucin de probabilidadoprocesoestocstico. Si se utilizan probabilidades puntuales calculadas mediante la definicin de frecuencia relativa o equi probabilidad,debeverificarsequeelprocesoaleatoriobajoestudioseaestacionario. Las probabilidades condicionales se pueden obtener mediante la definicin de frecuencia relativa, contabilizando cuantas veces se produjo un efecto dada una causa y dividiendo este dato por el nmero deensayosuobservaciones Las probabilidades de ocurrencia de las causas de una capa de la red se pueden obtener mediante la definicin defrecuencia relativa, contabilizando cuantas vecesse produjola causa y dividiendo estedato porelnmerodeensayosuobservaciones Loseventosencadacapaoniveldebenconstituirunespaciomuestral;as,lasumadesusprobabilidades tienequeseriguala1.0.
2011
EJEMPLO9.2 A continuacin se presentan las probabilidades condicionales para los eventos de cada capa del sistema deproteccinmostradoenlafigura9.1 X1 X2 Poco Riguroso
0.95 0.05 0.10 0.90 Z2 Falsa operacin Mantenimientopreventivo
Y1 Muchas 0.40 0.10 0.50 0.90
Y2 Pocas 0.04 0.06
Fallasocultas
Z1 Correcta
Z2 Fallapara operar
Operacindelsistema
Elmodelomatemticoes:
P(Y ) = MY|X P( X ) P(Y1 ) 0.95 0.10 P( X1 ) = P(Y2 ) 0.05 0.90 P( X2 )
P(Z) = MZ|Y P(Y ) = MZ|Y MY|X P( X ) P(Z1 ) 0.10 0.90 0.10 0.90 P(Y1 ) 0.95 0.10 P( X1 ) P(Z2 ) = 0.50 0.06 P(Y ) = 0.50 0.06 0.05 0.90 P( X ) 2 2 P(Z ) 0.40 0.04 0.40 0.04 3
Ntesequelasumaporcolumnasiempreesuno.
Si las probabilidades de que en las subestaciones se haga el mantenimiento preventivo a los sistemas de proteccinson:
P( X1 ) 0.80 = P( X2 ) 0.20
Entonces:
P(Y1 ) 0.95 0.10 0.80 0.78 = = P(Y2 ) 0.05 0.90 0.20 0.22

P(Z1 ) 0.10 0.90 0.2760 0.78 P(Z2 ) = 0.50 0.06 0.22 = 0.4032 0.3208 P(Z ) 0.40 0.04 3
Ntese el gran efecto que tiene sobre la operacin correcta del sistema la situacin en que se hace poco mantenimiento preventivo: las probabilidades de que hayan muchas fallas para operar o muchas falsas operacionesesmuyalta(0.3204+0.4032=0.7236). EJEMPLO9.3 En la empresa donde se tiene el modelo para fallas de los sistemas de proteccin, se encuentra que para lassubestacionesdelazonanortelasprobabilidadesdeoperacindelasproteccioneselctricasson:
P( Z1 ) 0.80 P( Z2 ) = 0.08 P(Z ) 0.12 3

Entoncesculessonlasprobabilidadesdelostiposdemantenimientoenestassubestaciones? Paso1:Conlosdatosdelejercicioanteriorseobtienen P(Y , Z) y P( X , Y )
P (Y , Z ) = P ( Z , Y ) = M Z|Y t P (Y )
0.10 0.90 0.78 0.10 0.50 0.40 0.78 0.0780 0.3900 0.3120 P(Z , Y ) = 0.50 0.06 = = 0.40 0.04 0.22 0.90 0.06 0.04 0.22 0.1980 0.0132 0.0088

P ( X , Y ) = P (Y , X ) = M Y|X t P ( X )
0.95 0.10 0.80 0.95 0.05 0.80 0.76 0.04 P( X , Y ) = = = 0.05 0.90 0.20 0.10 0.90 0.20 0.02 0.18
Paso 2: Con P(Z , Y ) y P( X , Y ) y las probabilidades de los eventos en el ejercicio anterior hallar
P(Y |Z) y P( X |Y )
M Y|Z = P(Y , Z ). / P( Z )t
MY|Z
0.2760 0.0780 0.3900 0.3120 0.0780 0.3900 0.3120 = . / 0.4032 = . / ( 0.2760 0.4032 0.3208 ) 0.1980 0.0132 0.0088 0.3208 0.1980 0.0132 0.0088
0.2826 0.9673 0.9726 MY|Z = 0.7174 0.0327 0.0274
M X|Y = P( X , Y ). / P(Y )t
MX|Y
0.76 0.04 0.78 0.76 0.04 0.9744 0.1818 = . / = . / ( 0.78 0.22 ) = 0.02 0.18 0.22 0.02 0.18 0.0256 0.8182
Obsrvese que MY|Z y MX|Y se calculan utilizando las probabilidades de ocurrencia P( Z) y P(Y ) obtenidas en el ejercicio anterior; es decir, utilizando un conocimiento previo. Este es precisamente el concepto de la inferencia Bayesiana, el utilizar un conocimiento previo para establecer los modelos de inferencia. Paso3:Hallarlasprobabilidadesdeloseventosenelsentido Z Y X
P(Y ) = MY|Z P(Z) P(Z1 ) 0.80 P(Y1 ) 0.2826 0.9673 0.9726 0.2826 0.9673 0.9726 0.42018 = = P Z ( ) 0.08 = 2 P(Y2 ) 0.7174 0.0327 0.0274 P(Z ) 0.7174 0.0327 0.0274 0.12 0.57982 3
P( X ) = MX|Y P(Y ) P( X1 ) 0.9744 0.1820 P(Y1 ) 0.9744 0.1820 0.42018 0.51482 = = = P( X2 ) 0.0256 0.818 P(Y2 ) 0.0256 0.818 0.57982 0.48518
10
2011
Captulo10Sistemasesfuerzoresistencia
CAPTULO10SISTEMASESFUERZORESISTENCIA
10.1INTRODUCCIN 0
Esfuerzo
Riesgo
Resistencia
Magnitud
Figura10.1Anlisisdeesfuerzoresistenciaenconfiabilidad
En el planeamiento y diseo en ingeniera se presentan situaciones en las cuales se debe especificar el nivelderesistenciaoaguantedeuncomponenteosistemaparaunesfuerzodado.
Ejemplos Esfuerzo(Q) Fuerzamecnica Sobrevoltaje Demandaelctrica Temperatura Demandadeunproductooservicio Gasto Resistencia(R) Resistenciaestructural Niveldeaislamiento Generacin Resistenciatrmica Oferta Ingreso
El evento de falla se define como la situacin en que el esfuerzo es mayor que la resistencia y el componente o sistema se daa o no puede cumplir totalmente su funcin. Por lo tanto, se debe cumplir que: Re sistencia > Esfuerzo Tal como se muestra en la Figura 10.1 el riesgo de falla es la distancia existente entre el esfuerzo y la resistencia.Esteriesgosepuedeexpresarenformadeterminsticaoprobabilstica. Enestetipodeanlisisnoseconsideraelefectodeproteccionesocontrolesquepuedanevitareldaodel componenteosistemaporque:
1 2 Noexistenproteccionesnicontroles Laespecificacindelaresistenciaeslasegundalneadedefensaencasodequelasproteccionesocontroles nooperenolohaganincorrectamente
Ntese que este tipo de anlisis de confiabilidad es de tipo interno ya que se involucran las variables fsicas que definen el esfuerzo y la resistencia, contrario al anlisis de tipo externo (Actuarial) donde solo seconsideraeltiempocomovariableexplicativa.Elanlisisesfuerzoresistenciasepuedehacer:
1 2 Determinstico Probabilstico Sitantoelesfuerzocomolaresistenciatienenvaloresfijos(sinincertidumbre) Si una de las variables del problema (esfuerzo o resistencia) es aleatoria (con incertidumbre)
10.2ENFOQUEDETERMINSTICO Esfuerzo 0
Resistencia
Magnitud
Figura10.2Anlisisdeesfuerzoresistenciadeterminstico
Enestecasolaespecificacindelaresistenciaseespecificacomo:
Re sistencia = k * Esfuerzo
Lavariablekseconocecomofactordediseo,factordeseguridad,etc.Sinembargo,esteesunfactorde ignorancia con el cual se trata de cubrir la incertidumbre que se tiene sobre los valores que puede tomar elesfuerzo.Peseaesto,eselmtododediseoyespecificacinmasutilizado. 10.3ENFOQUEPROBABILSTICO Resistencia Esfuerzo Esfuerzo Resistencia Riesgo=P[Resistencia<Esfuerzo] Riesgo=P[Esfuerzo>Resistencia] Magnitud Magnitud Esfuerzoprobabilsticoyresistenciadeterminstica Esfuerzodeterminsticoyresistencia probabilstica Esfuerzo Resistencia Riesgo=convolucin Esfuerzoprobabilsticoyresistencia probabilstica
Magnitud
Figura10.3Casosdelanlisisdeesfuerzoresistenciaprobabilstico
En la Figura10.3 se presentan los casos quese presentan en elanlisis probabilstico. Cuando solo unade lasvariablesinvolucradasesprobabilstica,elclculodelriesgoconsisteendeterminarlaprobabilidadde que esta variable sea mayor o menor a un valor fijo dado, lo cual se puede hacer analticamente o mediantetablasdevaloresdeprobabilidaddeladistribucin.
2011
10.4CONVOLUCINDEDISTRIBUCIONESDEPROBABILIDADCONTINUAS FQ(x) FR(x) 1.0 fQx) Riesgo x x+dx x

Figura10.4Conceptoprobabilsticodelriesgo
FR(x)
Riesgo
Sambasvariablessonaleatorias,continuaseindependientesentres:
R ie s g o =
x 0 0
f R ( x ) fQ ( x )d x d x =
F
0
( x ) fQ ( x )d x
De tenerse cuidado de que los factores de escala y localizacin de ambas distribuciones de probabilidad estnenlasmismasunidadesdemagnitud. El riesgo depende de las posiciones relativas de las funciones de densidad (Q, R) y de sus grados de dispersin(Q,R). Sielesfuerzoolaresistenciaseconformandelasumademuchas(>30)otrasvariablesaleatorias,segnel teoremadellmitecentral,ladistribucinsepuedeaproximaraladistribucinnormal.Ejemplos:
1 2 3 La demanda de un producto o servicio est conformada por la suma de las demandas individuales de muchosusuarios La generacin disponible en un sistema elctrico es la suma de las capacidades de generacin de muchas unidades. Elgastodeunaentidaddadaeslasumademuchostiposdegastos
En el caso en que tanto el esfuerzo como la resistencia tienen distribucin Gausiana, la Referencia [1] presentaelsiguientemtodoaproximadoparacalcularelriesgo: D = G Riesgo = 1 ( z = ) 2 G 2 D Donde denotaladistribucinGausianaestndar.Enlamayoradeloscasosdeberecurrirseamtodos deintegracinnumricapararesolverlaintegraldeconvolucin.
2011
EJERCICIO10.1 En un sistema de potencia dado, la generacin y la demanda estn normalmente distribuidas con los siguientesparmetros: Generacin: G = 1300 [MW] G = 10% Demanda:
D = 1000 [MW] D = 20%
Culeselriesgodenopoderatenderlademandamxima?
= G D ( G G )
2 2
1300 1000 (0.1 *1300)2 + (0.2 *1000)2
= 1.25766542
Riesgo = 1 (z = 1.25766542) = 1 0.8962 = 10.38%
EJERCICIO10.2 En un sistema de potencia dado, la demanda estn normalmente distribuidas con parmetros = 1000 [MW] y = 20% . Si la generacin tiene un valor fijo de 1200 MW, cul es el riesgo de no poder atender la demandamxima? FD(x) Riesgo = P [ Demanda > 1200] Riesgo
z =
1200 1000 = 1.0 1000 * 02
Riesgo = 1 (z = 1.0) = 1 0.8413 = 15.87% 1000 [MW] 1200 10.5SOLUCIONMEDIANTESIMULACINDEMONTECARLO Unsistemaesfuerzoresistenciadefinidomediantecualquiertipodedistribucindeprobabilidad,puede resolversefcilmentemediantesimulacindeMontecarlo.Acontinuacin,sepresentandosalgoritmosde solucin.
1 2 3 4 Algoritmo10.1Obtenerladistribucindeprobabilidaddelriesgoenunidadesreales Generarunamuestrade N datosdeesfuerzoutilizandolarespectivadistribucin de probabilidad. Cada dato de esta muestra se denomina Qi Generarunamuestrade N datosdelaresistenciautilizandolarespectivadistribucin de probabilidad. Cada dato de esta muestra se denomina R i Utilizandolasdosmuestrasanteriores,hallarunamuestradelriesgo( riesgo i = R i Qi ) Ajustarlamuestradedatosderiesgoaunadistribucindeprobabilidad
Algoritmo10.2Obtenerelriesgocomounaprobabilidadpuntual 1 Generar una muestra de N datos de esfuerzo utilizando la respectiva distribucin de probabilidad. Cada datodeestamuestrasedenomina Qi Generar una muestra de N datos de la resistencia utilizando la respectiva distribucin de probabilidad. Cadadatodeestamuestrasedenomina R i Paracadavalordelasmuestrasanteriores,comparar:
Si R i > Qi marcaresteeventoconuncero(nofalla)
Si R i Qi marcaresteeventoconununo(falla) 4 5 Contarelnmerodeeventosdefalla nf Laprobabilidaddefallaoriesgosecalculacomo: riesgo i =
nf N
En ambos algoritmos tener en cuenta que si el esfuerzo o la resistencia son determinsticos, no hay que generarunamuestradedatos.
2011

Zapata - Confiabilidad en Ingenieria Es2011

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Zapata - Confiabilidad en Ingenieria Es2011

Transféré par

Droits d'auteur :

Formats disponibles

ConfiabilidadenIngeniera

ConfiabilidadenIngeniera PrimeraEdicin 2011

1 2 3 4 5 6 7 8 Conceptosgenerales Tiposdecomponentesysistemas Componentesnoreparables Componentesreparables Sistemasnoreparables Sistemasreparables Sistemasesfuerzoresistencia Arbolesdefallaydeeventos

Se designa por la letra A (Availability). El complemento de la disponibilidad se denomina indisponibilidadysedesignaporlaletraU(Unavailability). 1.2.3Seguridad

Gravedad Riesgo inaceptable

Probabilidad del evento Figura1.2Funcinderiesgoenunanlisisdeseguridad

Ejemplo 10000horas 0.1fallas/ao 20horas/ao 180.2kW 4horas/reparacin 0.1horas/ao

Nmerodeoperacionesquepuederealizar uncontactor,interruptoroseccionador antesdeentrarensuperiodode obsolescencia

Standby: El componente redundante se conecta en el momento en que el componente al cual da respaldofallaosale.

Costo de las fallas o R* Valor aceptado ptimo matemtico Confiabilidad

Disminucindeutilidadesporenerganovendida Pagodepersonalcesante Pagodemultasysanciones Pagodecompensacinalosusuarios Imagencorporativa

Criticidaddelacarga Duracindelainterrupcin Tiempodesdelaltimainterrupcin Horadeldaypocadelao Oportunoavisodelainterrupcin Experienciaenelmanejodeestetipodesituacin

La ocurrencia de determinados valores de la variable se expresaentrminosdeprobabilidad.

Lafaltadeconocimientorespectoalfenmenooprocesobajoestudio Laincapacidadparamediruobservarenformaprecisaelfenmenooprocesobajoestudio Laambigedadovaguedadenlainformacin Lacomplejidaddelprocesoofenmenobajoestudio Laaletoriedadnaturaldelfenmeno

La prediccin es la funcin del planeamiento de sistemas depotencia.

Modelamientocomosistema Bombilla Conector Filamento Cristal

Figura 2.1 Ejemplo de modelamiento de un tem como componente o sistema

Figura2.2Ciclooperativodeun componenteosistemaorientadoauna misin

Figura2.3Ciclooperativodeun componenteosistemacuyamisin empiezadespusdeuntiempoaleatorio

Fallado/inactivo 0 taleatorio tfalla

Figura2.4Ciclooperativodeun componenteosistemacontinuamente operado

Tipodeestudio En estudios donde interesa la vida esperada del componenteosistemadentrodeunamisin.

Estudios donde interesa el nmero esperado de misionesquepuedeservirantesdedescartarlo.

Presente Plantear medidas correctivas

Clculo de ndices de confiabilidad

Simular el comportamiento pasado

Construir modelos probabilsticos

Prediccin Simular el comportamiento futuro

Simular el comportamiento presente

Enestecasosimularserefierealhechodequeelmodeloesunarepresentacindeunfenmenoreal,no aqueelmtododesolucinseanumrico. 2.4TIPOSDEMODELOSPROBABILSTICOS 2.4.1Internooexterno

(b) Reparable dos estados

(c) No reparable tres estados

(d) Reparable tres estados

Distribuciones de probabilidad Procesos de Markov Procesos estocsticos puntuales

parareparacin ttr1 , ttr2 , , ttrn .

Sedenominatasadefallas deuncomponenteosistemaalarelacinentreelnmerodefallasqueexperimenta elcomponenteporunidaddetiempoenqueseencuentraoperando

Conectarentresloscomponentes segnlaconfiguracinoperativadel sistema

Sedefinenlasconexionesbsicasserieyparalelodesdeelpuntode vista de confiabilidad. Otras conexiones ms complejas tambin sonposibles.

Carga 1 Transformadores requeridos para atender la carga

, ttfn ttf1 , ttf2 , ndicesestadsticosde confiabilidad Figura3.2Muestradetiemposparafalladecomponentesnoreparables

Elmodelodeconfiabilidaddelcomponentenoreparableeslafuncindedistribucindeprobabilidaddel tiempoparafalla F ( t ) olacorrespondientefuncindedensidaddeprobabilidad f ( t ) .

ttf1 ttf 2 ttf 3 ttf 4

Arribodefallasala poblacindecomponentes f1 f2 f3 f4 fn tbf1 tbf 2 tbf 3 tbf tbf n 4 t Figura3.5Calculodelostiemposinterarribodefallas

F(t ) = P[ttf t ] f (t ) = dF(t ) / dt

F (0) = P[ttf 0] = 0 F ( ) = P[ttf ] = 1

+ VAR(ttf ) = 0 [t E(t )]2 f (t ).dt

R(t ) = 1 F(t ) = P[ttf > t ]

R(0) = P[ttf > 0] = 1 R() = P[ttf > ] = 0

F(t + t ) F(t ) P[t < ttf (t + t )] = t t

Distribucin Exponencial Uniforme Normal Weibull Gamma

La funcin general de confiabilidad de un componente no reparable es la relacin entre la confiabilidad y sutasadefallas.Estafuncinseobtienedelasiguientemanera:

f (t ) dF(t ) 1 d(1 R(t )) 1 dR(t ) 1 = = = R(t) dt R(t ) dt R(t ) dt R(t )

Ln( R(t )) = (t )dt

Latasadefallasserefierealosusceptiblequesehaceelcomponentealafallaconformapasamstiempo enoperacin.As, (t ) indicasuestadodeconfiabilidad:deterioro,mejora,operiododevidatil.

a = 0.6697 aosy b = 1.2209 aos = 0.0557 aosy = 0.1301

E (ttf ) = 1 / 0.2 = 5 [aos]

P [ttf 1] = F (1) = 1 e 0.2*1 = 18.12%

P [ttf 5] = F (5) = 1 e 0.2*5 = 63.21%

P [ttf > 10] = R (10) = e 0.2*10 = 13.53%

E (ttf ) = (1/ ) * (1 + 1 ) = 0.12.0 * (1 + 2) = 0.12.0 * (3) = 0.12.0 * 2 = 200 [horas]

P [ttf 200] = F (200) = 1 e *x = 1 e 0.1*(200) = 75.68%

t1 1300 1000 = = +1.5 F (t = 1300) = P [z = +1.5] = 0.9332 200

z = 1.28 P = 0.1003 z = 1.29 P = 0.0985

dependedeltamaodelamuestra(LeyFuertedelosGrandesNmeros). 3.6.3Relacinentre ttf y Sisetieneelclculode ttf o ,elotrondicepuedehallarsemediantelarelacin:

P [ttf 200] = F (200) = 1 e x = 1 e 0.1(200) = 75.68%