MODO CONFIABILIDADDatos›Método›Decisión

Buscar en Modo Confiabilidad

↑ ↓ para moverse · Enter para abrir · Esc para cerrar

Vista previa dentro de un visor: aquí no funcionan las descargas, la impresión ni los enlaces de correo. En el sitio publicado funcionan.

Biblioteca técnica · Metodologías

Análisis RAM: confiabilidad, disponibilidad y mantenibilidad de sistemas

Cómo modelar un sistema productivo con diagramas de bloques, calcular su disponibilidad y su producción esperada, comparar configuraciones de redundancia y decidir entre cálculo analítico y Monte Carlo.

Documento
CF-GU-05
Revisión
1 · 2026-10-15
Lectura
7 min
Normas de referencia
ISO 20815:2018 · IEC 61078:2016 · IEC 61703:2016

Fundamentos

Un análisis RAM estima cuánto producirá un sistema considerando que sus equipos fallan y se reparan. Combina tres propiedades:

  • Confiabilidad (R): probabilidad de operar un tiempo dado sin fallar.
  • Mantenibilidad (M): rapidez con la que se restituye la función, incluidas las esperas.
  • Disponibilidad (A): fracción del tiempo en condiciones de operar, resultado de las dos anteriores y del soporte.

En petróleo y gas el marco es ISO 20815, que define el aseguramiento de la producción como el conjunto de actividades para alcanzar los objetivos de producción a lo largo del ciclo de vida. Allí aparece una distinción clave: la disponibilidad mide tiempo, la eficiencia de producción mide volumen. Con tres compresores de 50 %, perder uno no reduce la producción porque los otros dos cubren el total. Con dos compresores de 50 %, la planta sigue operando pero a la mitad: disponible en el sentido del tiempo, con la mitad del volumen.

Las preguntas típicas que responde un estudio RAM son: ¿cuánta producción se pierde por fallas?, ¿qué equipos explican esa pérdida?, ¿conviene agregar una unidad de reserva, un tanque pulmón o un repuesto en stock?, ¿qué pasa si se extiende el intervalo de parada general?

Metodología

  1. Definir el sistema y su perfil de producción: límites, capacidad de cada tren, modos degradados y su capacidad parcial.
  2. Construir el diagrama de bloques (RBD) desde el punto de vista de la función, no del plano: bloques en serie si cada uno es necesario; grupos k de n cuando se requieren k de las n unidades instaladas.
  3. Asignar datos de falla y reparación por bloque: tasa de falla o distribución de Weibull por modo, tiempo activo de reparación, demoras logísticas, recursos de reparación y preventivo con parada. Las fuentes, en orden de preferencia: historial propio codificado con ISO 14224, bancos de datos de la industria como OREDA y, por último, datos del fabricante con criterio.
  4. Elegir el método de cálculo: analítico (rápido y transparente, con tasas constantes y estado estacionario) o simulación de Monte Carlo (distribuciones arbitrarias, recursos compartidos, tanques intermedios, mantenimiento preventivo y efectos de secuencia).
  5. Validar el modelo contra el desempeño histórico de una planta similar o de la misma instalación.
  6. Analizar sensibilidad y alternativas: aporte de cada bloque a la pérdida, redundancias, repuestos, tiempos de respuesta.
Diagrama de bloques de confiabilidad de una planta compresoraDos bombas en paralelo (1 de 2), un separador, tres compresores con exigencia 2 de 3 y un aeroenfriador en serie.Bomba ABomba B1 de 2SeparadorCompresor 1Compresor 2Compresor 32 de 3Aeroenfriador
Fig. 1Diagrama de bloques de una planta compresora: bombas 1 de 2, separador, compresores 2 de 3 y aeroenfriador en serie.

Fórmulas clave

Disponibilidad de una unidad y de un grupo k de n con reparación independiente (ver la calculadora RAM):

a=MTBFMTBF+MDTAk/n=∑i=kn(ni)ai(1−a)n−i(1)a = \frac{\text{MTBF}}{\text{MTBF} + \text{MDT}} \qquad A_{k/n} = \sum_{i=k}^{n}\binom{n}{i}a^{i}(1-a)^{n-i} \tag{1}

Sistema en serie y frecuencia de falla del sistema:

As=∏jAjws≈∑jwj∏i≠jAiwk/n=(nk) k λ ak(1−a)n−k(2)A_s = \prod_j A_j \qquad w_s \approx \sum_j w_j \prod_{i\neq j} A_i \qquad w_{k/n} = \binom{n}{k}\,k\,\lambda\,a^{k}(1-a)^{n-k} \tag{2}

Confiabilidad de misión sin reparación, con Ru=e−t/MTBFR_u = e^{-t/\text{MTBF}}:

Rk/n(t)=∑i=kn(ni)Ru i(1−Ru)n−i(3)R_{k/n}(t) = \sum_{i=k}^{n}\binom{n}{i}R_u^{\,i}(1-R_u)^{n-i} \tag{3}

Eficiencia de producción y error estándar de una simulación de Monte Carlo con NN corridas y desvío ss de la disponibilidad entre corridas:

Ep=produccioˊn realproduccioˊn potencialEE=sN(4)E_p = \frac{\text{producción real}}{\text{producción potencial}} \qquad \text{EE} = \frac{s}{\sqrt{N}} \tag{4}

Ejemplo industrial

Ejemplo

Planta compresora de gas con seis subsistemas en serie. Datos ilustrativos; es el ejemplo precargado en la calculadora.

Subsistema Configuración MTBF (h) MDT (h) Aporte a la indisponibilidad
Deshidratación con TEG 1 de 1 8760 24 52,2 %
Aeroenfriadores 2 de 2 17 520 10 21,8 %
Motocompresores 2 de 3 2200 36 14,7 %
Separador de entrada 1 de 1 26 280 12 8,7 %
Generación eléctrica 2 de 3 3000 20 2,5 %
Bombas de condensado 1 de 2 6000 16 0,1 %

La disponibilidad del sistema resulta 99,48 %, con 2,8 paradas por año y 46 h fuera de servicio. Con una pérdida de 4200 USD por hora, el costo esperado es de unos 192 000 USD anuales.

Dos lecturas contradicen la intuición. Los motocompresores, que son los equipos que más fallan, aportan menos del 15 % gracias a su configuración 2 de 3; la deshidratación, sin reserva y con MTBF alto, aporta más de la mitad. Y los aeroenfriadores, configurados como 2 de 2 (ambos necesarios), se comportan como dos equipos en serie: agregar un tercero (2 de 3) prácticamente elimina su aporte.

La misma comparación para el tren de compresión muestra el valor de la redundancia: con un compresor de 100 % la disponibilidad del bloque sería 98,39 % con 3,9 fallas por año; con 3 × 50 %, 99,92 % con 0,37; con 2 × 100 %, 99,97 % con 0,13.

k/n

RAM analítico de sistemas

Subsistemas en serie con redundancias k de n: disponibilidad, confiabilidad de misión, frecuencia de falla y aporte de cada bloque.

Casos documentados

Deepwater Horizon, 2010. El preventor de reventones tenía redundancia en su sistema de control, con dos módulos independientes. Las investigaciones posteriores encontraron deficiencias que afectaban a ambos, lo que anuló en la práctica la redundancia. Es la lección central del análisis RAM sobre fallas de causa común y fallas ocultas: la redundancia vale lo que valen las pruebas que demuestran que cada rama funciona. Ver el caso.

OREDA y la práctica noruega. Desde 1981, un grupo de operadoras petroleras recolecta datos de falla de equipos de producción con una taxonomía común, que dio origen a ISO 14224. Los manuales OREDA son la fuente estándar de tasas de falla para estudios RAM de proyectos cuando no hay historial propio.

Buenas prácticas

  • Modelar la función y sus modos degradados, no el plano de la planta.
  • Documentar cada dato con su fuente y su nivel de confianza.
  • Validar contra historia antes de usar el modelo para decidir.
  • Incluir las demoras logísticas: suelen dominar el tiempo fuera de servicio.
  • Reportar resultados con su dispersión cuando se usa simulación, no solo la media.
  • Repetir el estudio en operación: el modelo del proyecto se convierte en herramienta de gestión.

Errores comunes

  • Suponer independencia entre ramas redundantes que comparten alimentación, control, mantenimiento o fallas ocultas.
  • Usar MTBF de catálogo sin ajustar por contexto operativo.
  • Confundir disponibilidad con eficiencia de producción.
  • Correr pocas simulaciones y reportar decimales que el error estándar no sostiene.
  • Ignorar el preventivo con parada y las paradas generales, que pueden pesar más que las fallas.

Referencias

  1. ISO 20815:2018. Petroleum, petrochemical and natural gas industries — Production assurance and reliability management.
  2. IEC 61078:2016. Reliability block diagrams.
  3. IEC 61703:2016. Mathematical expressions for reliability, availability, maintainability and maintenance support terms.
  4. SINTEF y NTNU (2015). OREDA Offshore and Onshore Reliability Data Handbook, 6.ª ed.
  5. Rausand, M., Barros, A. y Høyland, A. (2020). System Reliability Theory, 3.ª ed. Wiley.
  6. IEC 61165:2006. Application of Markov techniques.