Introducción: Para resolver mochos problemas en el ámbito de la gestión del mantenimiento u la Confiabilidad en Activos Físicos es resuelta mediante el análisis de datos a través de procesos estadísticos, una de estas aplicaciones es la distribución de Weibull. Objetivos: El presente estudio tiene como objetivo citar algunas aplicaciones de la distribución de Weibull y su aplicación en el campo de la fiabilidad. Aplicando la versatilidad de la distribución de Weibull, se presenta el modelo de cálculo   de los estimadores de la fiabilidad para equipos reparables y no reparables, para ello utiliza el método de los mínimos cuadrados tomando en cuenta la ecuación bi-paramétrica de Weibull. Metodología: Se utilizo una muestra de 119 fallos de cuarenta grupos electrógenos de la misma marca, se describen claramente los pasos para el cálculo de los parámetros de la distribución con el método de los mínimos cuadrados utilizando el software Excel, se graficaron las funciones de densidad de probabilidad, de probabilidad de fallo acumulado, de supervivencia y de la tasa de fallos instantánea, finalmente se ensayaron varios tiempos de ensayo para las demostraciones las estimaciones futuras de la fiabilidad. Como segunda aplicación de despejo el tiempo de la ecuación de la Fiabilidad R(t) con ello se puede obtener para un determinado modo de fallo el tiempo de frecuencia de cambio de un activo reemplazable después de la ocurrencia de un fallo. La tercera aplicación es la determinación del tercer parámetro de la distribución de Weibull con un método gráfico, para ello se tomó una muestra de 130 fallos, se utilizó inicialmente la agrupación de datos mediante los rangos de clase definidos en un historial de frecuencias, luego se seleccionaron valores aleatorios cercanos a la primera falla para probarlos mediante un contraste de datos entre el ultimo datos de cada rango de clase con cada uno de los datos estimados, al graficarlos se determina cuál de ellos se aproxima de mejor manera a una recta. Resultados: se obtuvieron tres aplicaciones donde de aplica la distribución de Weibull, utilizando diferentes bases de datos para el análisis de cada caso. Conclusiones: La distribución de Weibull es muy adaptable, puede abarcar a otras distribuciones como las distribuciones Exponencial y Normal, además puede trabajar pocos o muchos datos y en base a ella se han desarrollado múltiples aplicaciones en el ámbito de la Fiabilidad

Los fallos en la infraestructura hospitalaria tienen consecuencias inestimables debido a que involucra la vida humana, por lo que los riesgos potenciales que contribuyen al fallo de equipos médicos e infraestructura hospitalaria, tienen que ser identificados, reducidos o eliminados; para ello el mantenimiento y su gestión es una herramienta que se enfoca en asegurar el funcionamiento de un equipo. El propósito de este trabajo fue el obtener una valoración cuantitativa de la gestión del mantenimiento en los hospitales del Instituto Ecuatoriano de Seguridad Social de la Zona 3 del Ecuador. La metodología empleada consta de cinco fases, empezando por la selección de criterios de evaluación, ponderación de criterios, desarrollo del instrumento de evaluación, la validación del instrumento aplicándolo a cuatro hospitales de la Zona 3 del Ecuador; finalmente, la identificación de aspectos con bajo desempeño. Los resultados muestran que la gestión de mantenimiento de los hospitales de la Zona 3, alcanzaron una valoración cuantitativa promedio de 55,5/100 puntos. En tres hospitales se evidencian debilidades estructurales que comprometen el logro de los objetivos del departamento de mantenimiento, pero existen procesos viables que pueden ser implantados para superar las deficiencias e incrementar el nivel de cumplimiento de las exigencias. Se concluye que la planificación, programación y control del mantenimiento es el criterio con más potencial para mejorar.

El presente estudio está enfocado en proporcionar una serie lógica de pasos necesarios para el cálculo de los indicadores de fiabilidad, mantenibilidad y disponibilidad, para el ejemplo se tomaron los registros de una base de datos de 51 generadores prime, se recolectaron los tiempos operativos entre fallos y los tiempos de reparación de dichos fallos por un período de 11 meses. La fiabilidad de un equipo depende de su diseño y construcción, para medir la fiabilidad es necesario registrar los tiempos operativos entre fallos, con estos tiempos calcular su tiempo medio, conocido por sus siglas en ingles MTBF (mean time between failure).  El análisis de los tiempos de reparación de estos fallos y su media MTTR (mean time to repair) es la base de los estudios de la mantenibilidad. Las estrategias de mantenimiento deben enfocarse para extender los tiempos medios entre fallos y reducir los tiempos medios de reparación, con la finalidad de conservar la fiabilidad intrínseca de los equipos. Cabe mencionar que el mantenimiento preventivo no puede aumentar la fiabilidad por diseño de un dispositivo, si se realiza una buena planificación del mantenimiento podemos conservarla. Con la relación de estos indicadores mencionados se puede calcular la disponibilidad intrínseca. Otro aspecto importante es poder pronosticar la fiabilidad y la mantenibilidad, para ello es necesario tener un tratamiento estadístico con el estudio de funciones de distribución. El análisis de la fiabilidad, mantenibilidad y disponibilidad (análisis RAM por sus siglas en inglés) es una herramienta fundamental para predecir el rendimiento de equipos, provee información adecuada para anticiparnos a eventos de falla, esto proporcionará tiempo de reacción suficiente para tomar estrategias adecuadas. El pronóstico de la fiabilidad además es una herramienta muy útil cuando se requiere diseñar y construir equipos.

Introducción. De todos los equipos que conforman el sistema eléctrico, el transformador de potencia es uno de los equipos más importantes debido a su criticidad, los elevados costos de mantenimiento, los prolongados tiempos de reparación y el impacto que causa un fallo, tanto en la reducción de la fiabilidad del sistema, como en las pérdidas generadas a los usuarios; conducen a que evitar la ocurrencia de los fallos sea un tema de vital importancia, para ello el mantenimiento desempeña un rol fundamental. Objetivo. Identificar los algoritmos de optimización del mantenimiento que sean aplicables a transformadores de potencia, a través de un estudio del estado del arte. Metodología. Consistió en una revisión sistemática de literatura publicada en bases de datos como Scopus, desarrollándose en tres etapas generales: búsqueda, selección y análisis. Resultados. Como resultado de la etapa de búsqueda, se obtuvieron 40 artículos, finalmente 11 artículos pasaron al proceso de análisis; donde se identificaron que los algoritmos de optimización más empleado fueron: el que se basa en la Simulación de Montecarlo (27%) y Programación Lineal (18%). El 64% de las investigaciones arrancan el proceso de optimización, sobre la implementación de alguna estrategia de mantenimiento sea preventiva y/o correctiva. Conclusión. Los procesos de optimización buscan minimizar los costos de mantenimiento, maximizar la fiabilidad, minimizar el deterioro del activo o una combinación de ellos.

El presente estudio tiene como propósito determinar los pasos necesarios para el cálculo de los indicadores de fiabilidad en equipos no reparables, el estudio se lo realizó en una muestra de 250 lámparas de sodio de 100 watios destinadas al alumbrado público. Siendo el tiempo para la falla TTF el parámetro más importante para realizar un análisis de fiabilidad en equipos no reparables, (tiempos desde la instalación del equipo hasta la falla), en este caso los equipos no se pueden reparar, por consiguiente, deben ser reemplazados después del fallo, la recolección óptima de estos datos es fundamental para realizar un análisis correcto de los indicadores de fiabilidad. Se debe buscar cuál de las funciones paramétricas es la que mejor se ajusta a los datos recolectados, para esto es necesario hallar la Función F(t) que representa a la distribución paramétrica tiempo acumulado hasta la falla y compararla con la función no paramétrica o función empírica. Se deben calcular los parámetros de todas las distribuciones hipotéticas seleccionadas con los datos recolectados en este estudio. Para cada distribución se calcula el valor de prueba el que es comparado con el valor crítico de la prueba de ajuste de bondad de Kolmogorov–Smirnov, definiendo de esta manera si las hipótesis son rechazadas o no, el rechazo significa que el valor de la prueba es mayor que el valor crítico de la prueba, caso contrario las hipótesis son aceptadas y el valor más bajo decide la distribución paramétrica que mejor se ajusta a los datos de la muestra. Una vez seleccionada la distribución se puede estimar los indicadores de la fiabilidad como la función de probabilidad de fallas acumulada F(t), la Función de Supervivencia R(t) y la función de la tasa de fallos conocida también como función de riesgo λ(t). El método proporcionará una herramienta muy útil para el cálculo de la fiabilidad en equipos reparables y su futura evaluación que proporcionará ideas para la toma de decisiones en función de la una mejora continua.