Vista previa dentro de un visor: aquí no funcionan las descargas, la impresión ni los enlaces de correo. En el sitio publicado funcionan.
Reliability Lab
Reliability Lab
Modelos y simulaciones para entender lo que las fórmulas cerradas esconden: la incertidumbre de estimar con pocos datos, la variabilidad de la disponibilidad y el valor económico de cada intervalo.
Módulos
Simulación Weibull
Cuánto varía β estimado con pocas fallas: muestreo repetido, sesgo de MLE y comparación con regresión de rangos.
Monte Carlo de disponibilidad
Sistema con bloques k de n, fallas Weibull y reparaciones lognormales: distribución de la disponibilidad y aporte por bloque.
Optimización de mantenimiento preventivo
Edad óptima de reemplazo, intervalo de búsqueda de fallas e intervalo de inspección con detección imperfecta.
Predicción de fallas en flota
Pronóstico de fallas por edad de cada unidad, distribución exacta del número de fallas y repuestos a nivel de confianza.
Gemelo digital conceptual
Bomba centrífuga con curva de sistema, eficiencia, NPSH y desgaste interno: un modelo físico alimentado con mediciones estima la vida remanente.
Machine learning aplicado
Regresión logística para la probabilidad de falla a 30 días, con curva ROC, umbral por costo y el efecto de las etiquetas mal registradas.
Tablero de ejemplo
Dashboard estilo Power BI
Tablero de mantenimiento con 36 meses de datos sintéticos de 40 equipos: disponibilidad, MTBF, MTTR, cumplimiento del plan, backlog, Pareto de modos de falla y malos actores.
Kit para Power BI
Los mismos datos en CSV, con el modelo estrella, las consultas de Power Query, las medidas DAX y el tema del informe. Cada medida reproduce el indicador del tablero.
Qué es y qué no es este laboratorio
Los módulos calculan en el navegador con generadores aleatorios reproducibles (semilla fija), de modo que dos personas con los mismos parámetros obtienen el mismo resultado. Sirven para formar criterio, comparar alternativas y comunicar incertidumbre. No reemplazan un estudio RAM con datos de planta validados ni un modelo de aprendizaje automático entrenado con el historial propio.