Comparaciones eficaces de valores de MTBF para infraestructuras de centros de datos

Transcripción

1 Comparaciones eficaces de valores de MTBF para infraestructuras de centros de datos Por Wendy Torell y Victor Avelar Informe interno N 112

2 Resumen ejecutivo Al comparar sistemas para infraestructuras de centros de datos, a menudo se propone el Tiempo medio entre fallas (MTBF) como criterio clave para la toma de decisiones. Los fabricantes suelen difundir valores que pueden malinterpretarse, por lo que al usuario le resulta imposible realizar comparaciones útiles. Si se desconocen o malinterpretan las variables y los supuestos en los que se basan las cifras, las malas decisiones son inevitables. En este informe se explica el modo de utilizar el MTBF con eficacia como uno de diversos factores para la especificación y selección de sistemas, explicitando los supuestos detrás de las cifras. 2

3 Introducción Evitar fallas en un centro de datos crítico siempre es prioritario. Cuando apenas unos minutos de inactividad pueden afectar en forma negativa el valor de mercado de una empresa, es crucial que la infraestructura física que sustenta este entorno de red sea confiable. Cómo se puede estar seguro de que se implementan soluciones confiables? El MTBF es el medio más utilizado para comparar niveles de confiabilidad. No obstante, sin una sólida comprensión de este valor, es posible que no se alcancen los niveles de confiabilidad que necesita la empresa. En el Informe interno N 78 de APC, Tiempo medio entre fallas: explicación y estándares, ya se delinearon los principios fundamentales del MTBF. En última instancia, el análisis del MTBF carece de sentido sin una clara definición de falla y con supuestos poco realistas o mal interpretados. En este informe se explica el modo de uso del MTBF y las limitaciones para aplicarlo como herramienta de especificación y selección. Se ofrece una lista de pautas que sirven para garantizar la comparación justa y coherente de varios sistemas. Enfoque realista para el análisis comparativo de valores de MTBF En el Informe interno N 78, se presentan varios métodos para la predicción del MTBF. Con la existencia de tantos métodos, parecería imposible encontrar dos sistemas que utilicen el mismo. Sin embargo, existe uno que presenta características comunes a los diversos procesos que aplican la mayoría de las organizaciones. El Método de medición de datos concretos se vale de datos de campo sobre fallas y, por lo tanto, ofrece tasas de fallas más precisas que las originadas en simulaciones. En el caso de productos nuevos o que se fabrican en volumen reducido, quizá no se disponga de la información, pero debería utilizársela siempre en el caso de productos con una buena cantidad de unidades en funcionamiento concreto. Por lo tanto, constituye un punto de partida más realista y lógico para comparación de sistemas. Tenga presente que este método, como muchos otros, parte del supuesto de que la tasa de fallas es constante, como se explica en el Informe interno N 78. En este informe, se presentan los pasos que componen el método, a la vez que se detallan y describen las variables de cada paso que afectan el resultado. Ante una modificación en cualquiera de las variables o supuestos críticos de los sistemas que se someten a comparación, es fundamental evaluar el posible impacto de esa modificación sobre las estimaciones del MTBF. En la Figura 1 se ilustra la cronología del proceso de medición de datos concretos. Cada uno de los elementos de la cronología se explica en los pasos del proceso detallados a continuación. 3

4 Figura 1 Proceso de medición de datos concretos Continuo para el análisis del MTBF Producto fabricado Rango de población Productos en depósito o inventario Productos en distribución Demora de inventario o distribución Productos en uso por clientes Intervalo de muestra Productos c/ anomalías que vuelven a fábrica Demora de recepción Productos c/ anomalías diagnosticadas Demora de diagnóstico Calcular MTBF t1 t2 t3 t4 t5 t6 t7 Recorrido del producto Cronología del proceso de MTBF Paso 1: Definición y estimación del tamaño de la población El primer paso del proceso para determinar la tasa de fallas anual (AFR) y, en última instancia, el MTBF de un producto, es identificar la población específica de productos que se va a analizar. El cálculo se basará en un modelo en particular o en toda una familia de productos? Cuántos días o meses de la vida del producto fabricado deben incluirse en la población? Cuándo comenzará y finalizará ese plazo de producción? Es importante que los productos seleccionados para constituir la población presenten un nivel de similitud adecuado en cuanto a diseño y que existan en buena cantidad para que los datos recabados tengan validez estadística. Paso 2: Determinación del plazo de la muestra para la recopilación de datos El segundo paso del proceso es determinar el plazo de la muestra para la recopilación de datos sobre fallas en la población. Los datos suelen reunirse cuando los usuarios del producto llaman al fabricante para comunicar que se produjo una falla. El lapso adecuado entre la última fecha de fabricación de la población y el comienzo del período de la muestra varía según el producto, la ubicación geográfica, el proceso de distribución y la posición de inventario. Por ejemplo, si las unidades pasan dos meses en el depósito de la fábrica y dos meses en el canal de distribución, el marco temporal mínimo para el período de la muestra será de cuatro meses a partir del cierre del plazo de producción de la población. En el caso de productos que se comercializan a través de distribuidores, mayoristas o minoristas, se considera que cuatro meses es un plazo realista para contemplar estas variables. Aquí se presentan dos variables importantes: (1) suficiente tiempo entre la última fecha de producción de la población y el comienzo del período de la muestra, y (2) un amplio intervalo de tiempo para recopilar datos que garantice la credibilidad de los resultados. 4

5 Si no transcurre el tiempo necesario desde la última fecha de fabricación de la población y el comienzo del período de la muestra, este podría comenzar antes de que los productos de la población se hayan instalado en su totalidad. Si este es el caso, nos enfrentamos a dos consecuencias. En primer lugar, como las unidades que no están instaladas no pueden fallar, se tiende a subestimar la tasa de fallas. La segunda consecuencia es que el período de la muestra suele incluir una gran cantidad de fallas de instalación o configuración. En el caso de nuevos productos que podrían presentar una tasa de fallas con la clásica curva "en forma de bañera", la inclusión de gran cantidad de instalaciones produce una sobrestimación de la tasa de fallas. Si bien sabemos que estos dos efectos contrarios tienen gran peso, no podemos afirmar que se contrarresten al ciento por ciento uno con otro. El otro factor de importancia con respecto al plazo de la muestra es la duración del intervalo. Cuántos días son adecuados para recabar datos sobre fallas? Debe seleccionarse un intervalo de muestreo bien amplio para eliminar el "ruido" estadístico de la muestra. La duración necesaria para obtener una exactitud razonable depende del tamaño de la población. Por ejemplo, podría ser un mes en el caso de un gran volumen de productos y unos pocos meses para un volumen de productos menor. Paso 3: Definición de falla Antes de contar las fallas, debe definirse bien de qué se tratan para asegurar un proceso de medición congruente. Imaginemos que cada técnico definiera qué es una falla a medida que los productos que fallaron llegan a la fábrica. Un técnico podría tener en cuenta sólo los productos que presentaron anomalías catastróficas y otro podría tener en cuenta todos los productos que presentaron cualquier tipo de anomalías, entre ellas, las catastróficas. Estos dos extremos anularían cualquier posibilidad de medir con precisión la tasa de fallas de un producto en particular. Sin mencionar el efecto que tendrían en el control de procesos de ese producto. Por lo tanto, es fundamental que el fabricante tenga una clara definición de falla antes de proceder al diagnóstico de cualquier producto. A veces, los fabricantes tienen en cuenta varias definiciones de falla para el cálculo del MTBF de eventos específicos. Por ejemplo, los fabricantes de sistemas UPS suelen medir el MTBF teniendo en cuenta fallas de productos que hayan interrumpido el abastecimiento de la carga crítica y otras menos graves en las que la carga continuó en funcionamiento. Paso 4: Recepción, diagnóstico y reparación de los productos Debe pasar un plazo considerable entre el final del período de la muestra y el cálculo del AFR de modo de contar con bastante tiempo para que se reciban, diagnostiquen y reparen las fallas comunicadas. El diagnóstico determina el tipo de falla, mientras que la reparación valida el diagnóstico. En el caso de productos más pequeños, el producto suele enviarse a la fábrica, lo cual deriva en una demora de recepción o tiempo necesario para que la unidad llegue a destino. Una vez que la unidad llega a la fábrica, debe diagnosticarse y repararse, y así se produce otra demora, que se denomina demora de diagnóstico. En el caso de productos de mayor tamaño, los diagnósticos y las reparaciones suelen realizarse en la instalación del cliente; por lo tanto, se produce poca o ninguna demora. En cualquiera de los casos, antes de proceder al cálculo del AFR, es necesario proceder al diagnóstico y reparación de los productos. En el caso de grandes productos con grandes volúmenes es posible llegar al final de la demora de diagnóstico y que las unidades aun no estén reparadas. En estas situaciones, se 5

6 suele utilizar el supuesto de que las unidades que no se hayan reparado presentan la misma tasa de fallas que las unidades que sí se han reparado. Según el volumen de producción y el tipo de productos que se midan, la demoras de recepción de diagnóstico pueden agregar semanas al final del período de la muestra, punto en el cual se puede calcular el AFR. Paso 5: Cómputo de la tasa de fallas anual La tasa de fallas anual se computa para ilustrar la cantidad de fallas esperadas en un año calendario para un producto en particular. El primer paso en el cálculo de este número es anualizar los datos sobre fallas. Para eso, se multiplica la cantidad de fallas producidas en el período de la muestra por la cantidad de períodos de muestra por año. El segundo paso es determinar la proporción de fallas con respecto al total de la población. Para eso, se divide la cantidad de fallas anualizada por la cantidad de unidades construidas durante el período de la población. A continuación, se detalla la Ecuación 1: AFR = Ecuación 1 ( 52 semanas por año Cantidad de semanas del período de la muestra) Fallas en el período de la muestra Cantidad de unidades en la población En esta ecuación se parte de los siguientes dos supuestos: (1) los productos funcionan las 24 horas del día, los 365 días del año; y (2) todos los productos de la población comienzan a funcionar al mismo tiempo. Por eso, aunque esta fórmula puede utilizarse con cualquier producto, es más adecuada para productos que están constantemente en funcionamiento. Para instalaciones donde se sabe que el funcionamiento de los productos es intermitente, es más acertado calcular el AFR con la Ecuación 2. Un ejemplo de este tipo de producto es un sistema generador de respaldo para emergencias. AFR = Ecuación 2 ( 52 semanas por año Cantidad de semanas del período de la muestra) Fallas en el período de la muestra Años de funcionamiento acumulados de la población Por medio de esta fórmula, el AFR tiene en cuenta solo el tiempo en que las unidades están en funcionamiento. En realidad, las Ecuaciones 1 y 2 son una misma ecuación, pero con diferentes series de supuestos. En el siguiente ejemplo hipotético se ilustra el grado de importancia que puede tener la diferencia para el análisis de un producto de funcionamiento no continuo: Se constituye una muestra poblacional con automóviles. En el transcurso de 2 meses (período de la muestra), se recaban datos sobre las fallas de esa población. Un automóvil promedio funciona 400 horas por año. Durante los 2 meses, fallaron 10 automóviles. Con la Ecuación 1: La tasa de fallas es de 10 fallas x (52 semanas al año / 8 semanas del período de la muestra) / unidades de la población = 0,0065 o 0,65% 6

7 Con la Ecuación 2: Suponiendo que los productos hayan comenzado a funcionar al mismo tiempo,* la vida operativa de la población es de x 400 horas al año = 4 millones de horas acumulativas / automóvil o 4 millones / 8760 horas al año = 457 automóviles / año. La tasa de fallas es de 10 fallas x (52 semanas al año / 8 semanas del período de la muestra) / 457 automóviles / años acumulativos = 0,14 o 14% *Este supuesto se elaboró para simplificar el ejemplo. En realidad, los productos se venden durante todo el período de la muestra y, en consecuencia, las horas de funcionamiento disminuyen. Esta disminución da como resultado un AFR más elevado. Si para el ejemplo anterior se hubiese tomado un producto de funcionamiento continuo, las dos cifras del AFR serían iguales. Aun si descartáramos el supuesto de que todas las unidades comienzan a funcionar al mismo tiempo, los valores de AFR seguirían siendo bastante cercanos. Por lo tanto, saber si el funcionamiento del producto será continuo o no continuo es vital para realizar el análisis adecuado. Paso 6: Conversión del AFR en MTBF Convertir el valor de AFR en un valor de MTBF (expresado en horas) es el más sencillo de todos los pasos, pero es el que suele malinterpretarse con más frecuencia. Solo es válido convertir el AFR en MTBF si se parte del supuesto de que la tasa de fallas es constante. La fórmula se presenta a continuación (Ecuación 3): Horas al año MTBF = AFR 8760 = Ecuación 3 AFR Cálculo del MTBF de la muestra mediante el proceso de medición de AFR El siguiente ejemplo hipotético sirve para ilustrar todo el proceso. Paso 1: Se constituye una población con todos los sistemas UPS marca X de 15 kva, fabricados desde la semana 36 hasta la semana 47 de 2003 (del 1 de septiembre al 21 de noviembre), un intervalo de producción de 12 semanas. La población consta de 2000 unidades. Paso 2: Se determina que el intervalo de la muestra comience el 2 de febrero de 2004 y finalice el 16 de julio de 2004 (intervalo de 24 semanas). Así se contemplan 10 semanas de demora para inventario y distribución de los productos. Paso 3: Las fallas se ajustan a la definición de caída de la carga crítica por cualquier razón, incluso error humano. Paso 4: Durante el período de la muestra, se comunicaron veinte fallas. De ellas, nueve se clasificaron como caídas de la carga crítica y las otras once no fueron críticas. Por eso, conforme a la definición de fallas 7

8 establecida en el Paso 3, se utilizaron nueve fallas en el siguiente cálculo. Se recibieron, diagnosticaron y repararon los productos que presentaron fallas antes de calcular el AFR. Paso 5: Se calcula el AFR como: AFR = Paso 6: 9 fallas Se calcula el MTBF como: ( 52 semanas por año 24 semanas del período de la muestra) 2000 unidades en la población MTBF = = = horas AFR 0,00975 = 0,00975 = 0,975% Variables que afectan el AFR A menudo los valores de MTBF que difunden los fabricantes no cuentan con información que los respalden. Como ya se mencionó, al considerar las cifras de MTBF (o valores de AFR) de varios sistemas, es importante comprender los supuestos y variables subyacentes usados en el análisis, en especial el modo en que se definen las fallas. Cuando se hace una comparación sin esta información, aumenta el riesgo de una comparación parcial y puede haber variaciones de 500% o más. En última instancia, las variaciones mencionadas pueden dar origen a gastos empresariales innecesarios e incluso en tiempo de inactividad inesperado. En general, los valores de MTBF entre dos o más sistemas nunca deben compararse sin una definición explícita de las variables, supuestos y definiciones de fallas. Incluso si dos valores de MTBF parecen similares, aun existe el riesgo de una comparación parcial. Por lo tanto, es fundamental ver más allá de los resultados del MTBF, y desgranar y comprender lo que implican esos valores. A continuación, se explica cada variable y se discuten las posibles consecuencias que pueden tener en los resultados sus variaciones. En el Apéndice hallará una lista de cotejo que puede servir como herramienta para la comparación de estas variables entre dos sistemas o más. Una vez completa la lista, debe revisarse para identificar cuántas variables no coinciden entre los sistemas. Con un análisis crítico de estas diferencias y del impacto en el MTBF, es posible determinar si se puede hacer una comparación justa que sirva de base para la especificación de un producto o para una decisión de compra. Función, aplicación y límites de los productos Antes de comparar dos o más valores de MTBF, es importante verificar que los productos que se comparan sean equivalentes. Los productos que se comparan deben ser similares en cuanto a su función, capacidad y aplicación. Si se tratara de un sistema UPS, la función del producto sería brindar energía de respaldo a las cargas conectadas. La aplicación de este producto podría ser alimentar cargas informáticas críticas en un entorno de centro de datos. Sin aplicaciones similares, no es posible realizar una comparación justa. Por ejemplo, sería poco realista comparar un sistema UPS diseñado para uso industrial con uno diseñado para uso informático. 8

9 Y lo que es más importante, los límites de los sistemas que se utilizan en la comparación de MTBF deben ser equivalentes. Si se establece en forma diferente lo que incluye y lo que excluye cada sistema, es inevitable obtener una comparación parcial. Consideremos un sistema UPS con baterías externas. Algunos fabricantes pueden decidir excluir las fallas originadas en las baterías, ya que son externas y no están integradas al sistema. Otros pueden decidir incluirlas porque las baterías son componentes esenciales para el funcionamiento del sistema. En la Figura 2 se ilustra este ejemplo. Entre otros componentes que podrían ser causa de límites incongruentes, se encuentran los disyuntores de entrada y salida, los sistemas en paralelo, los fusibles y los sistemas de control. Los clientes deben consultar a los fabricantes acerca de los componentes o subsistemas que se incluyen en los cálculos del MTBF y no presuponer que todos los fabricantes definen las cosas de la misma manera. Figura 2 Comparación de los límites de un sistema UPS El límite del sistema excluye las baterías El límite del sistema incluye las baterías Bypass de mantenimiento Bypass de mantenimiento Baterías Bypass por interruptor estático Baterías Bypass por interruptor estático Supuesto de tasa de fallas constante A fin de que el método de medición de datos concretos para el cálculo del AFR y el MTBF sea válido, el análisis de los productos debe partir del supuesto de que la tasa de fallas es constante. Es importante considerar si el supuesto es razonable, según el tipo de producto que se compare. Suele ser un supuesto aceptado para sistemas o componentes electrónicos. Los productos pertenecen a esta categoría? Si no, es probable que los valores computados no sean representativos de las fallas esperadas, lo cual reduce al mínimo la posibilidad de hacer una comparación justa. Tamaño de la población Una vez que queda claro que los productos y sus aplicaciones son similares, es importante detenerse en el proceso de recolección de datos concretos. La definición del tamaño de la población (cantidad de unidades producidas) es la primera variable crítica. Si el volumen de productos establecido para la población es demasiado 9

10 pequeño, es muy probable que el MTBF estimado carezca de utilidad. Por lo tanto, al comparar valores de MTBF, es importante asegurarse de que cada uno se base en un tamaño poblacional adecuado. Si bien las tasas de producción de los productos que se van a comparar pueden presentar diferencias, el factor de importancia es la cantidad de unidades que integran la población. Si un producto se fabrica a una tasa inferior, el marco temporal para la fabricación del producto debe ser mayor, de modo de alcanzar el volumen apropiado. Por ejemplo, el fabricante A produce 1000 unidades por mes, mientras que el fabricante B produce 50 unidades mensuales de un producto equivalente. Para que el resultado sea válido en términos estadísticos, la población del fabricante B debe incluir varios meses del producto fabricado, mientras que un mes de producción del fabricante A será suficiente. Tiempo entre la última fecha de fabricación de la población y el comienzo del período de la muestra Si no se asigna el tiempo suficiente entre el final del plazo de producción de la población y el comienzo del período de recolección de datos para la muestra, podrían obtenerse valores de AFR y MTBF equivocados. El fabricante de cada sistema que va a compararse debe dejar transcurrir el tiempo adecuado para que la población atraviese las etapas relativas al inventario y distribución antes de comenzar a reunir los datos sobre fallas. Por ejemplo, si un producto en especial suele permanecer en inventario durante un mes y luego pasa al proceso de distribución que lleva un mes, el plazo mínimo que debe transcurrir antes de medir las fallas es de dos meses. El total de tiempo de espera variará según el tipo de producto. Como los tipos de productos deben ser similares para poder ser comparados, el tiempo entre los períodos de población y muestra deben ser similares. Si es evidente que un fabricante no ha contemplado un tiempo de espera adecuado o no contempló plazo de espera alguno, es probable que el AFR de sus sistemas sea inferior al real y debe tenerse sumo cuidado al comparar los valores. Período de recolección de datos sobre la muestra Como ya se mencionó en el paso 2 del proceso, es importante que se seleccione el período adecuado para reunir los datos de la muestra. Si los sistemas que se someten a comparación tienen el mismo intervalo de muestra con volúmenes de producción y/ o ventas similares, es posible realizar una comparación justa. Sin embargo, podría no ser siempre así. Si la duración del intervalo de recolección varía entre un sistema y otro, es importante evaluar cada uno en forma independiente para determinar si ofrecen una imagen exacta de la tasa de fallas que se generará con el tiempo. Cuanto menor es el volumen de productos, mayor debe ser el intervalo. Por ejemplo, no bastaría que un fabricante con un volumen de productos de 10 unidades mensuales recabe datos sobre fallas solo durante un mes. Como el volumen es tan pequeño, existiría poca certeza de que las fallas comunicadas (si las hubiera) en ese único mes proyectaran la tasa de fallas de los meses siguientes. 10

11 Definición de falla Si la definición de falla entre dos productos comparables fuera distinta, el análisis tendría la misma utilidad que comparar manzanas y naranjas. Por lo tanto, una tarea esencial para llevar a cabo una comparación válida de valores de MTBF es investigar qué constituye exactamente una falla para cada producto que se someta a comparación. Por eso, qué debe considerar como falla el fabricante para calcular el MTBF? Es útil contabilizar las fallas que se producen por un uso incorrecto del cliente? Los diseñadores podrían haber omitido factores humanos, lo que daría lugar a una tendencia de los usuarios a usar mal el producto. En el rubro de la protección de energía, la definición de falla más usada para sistemas UPS es la caída de la carga. Significa que la energía que abastecía la carga quedó fuera de los límites aceptables y provocó que la carga dejara de funcionar. Sin embargo, es útil contar las caídas de carga que ocasiona el técnico del fabricante? Es posible que el diseño del producto en sí aumente la probabilidad de fallas en un procedimiento de por sí riesgoso? Si fallara un indicador LED de una computadora, se consideraría falla aunque no se viera afectado el funcionamiento de la computadora? El desgaste natural de un insumo, como una batería, se consideraría falla si presentara anomalías en forma prematura? Se consideran fallas los daños sufridos durante el transporte? Podrían indicar una deficiencia en el diseño del embalaje. Se tienen en cuenta las fallas recurrentes? En otras palabras, las fallas que le ocurren al mismo sistema del mismo cliente con el mismo diagnóstico se cuentan cada vez o solo una? Las fallas que se producen durante la instalación se cuentan como fallas? Podrían ser producto de la acción del técnico del fabricante. Se cuentan las fallas si el cliente no adquirió el contrato de mantenimiento o sistema de monitoreo recomendados? Si un terremoto produce daños en un edificio, la falla resultante del sistema se cuenta o se excluye como caso fortuito? Se excluyen las fallas de ciertos componentes del sistema? En un sistema UPS, esos componentes podrían ser las baterías o el interruptor de bypass. Si se produce una falla "en cascada", que provoca que se apaguen los sistemas, se cuenta como falla cada sistema o solo el primero? Si un sistema está personalizado de algún modo, la falla de ese sistema queda excluida de la población? La definición de falla que suele utilizarse en la industria para el cálculo del MTBF tiene en cuenta diversas deducciones. La lista anterior solo representa algunas de ellas. Con tantas excepciones a lo que se interpreta como falla, los valores de MTBF presentan el sistema como más confiable de lo que el cliente apreciará en la realidad. A los efectos de brindarles valores de AFR y MTBF a clientes y distribuidores, es necesaria una definición de falla que no presente ambigüedad alguna para la comparación de valores de MTBF. 11

12 Tres de las definiciones más sencillas son: Tipo 0 Tipo 1 Tipo 2 El producto presenta un defecto o falla que impide que se lo ponga en funcionamiento. Finalización de la capacidad de un producto en su conjunto para realizar la función requerida. 1 Finalización de la capacidad de cualquier componente individual para realizar la función requerida, pero sin la finalización de la capacidad de un producto en su conjunto para funcionar. 2 Además de saber qué definiciones seleccionó cada fabricante, es fundamental estar al tanto de si las acciones humanas se incluyen como causal de fallas. En los casos en los que el error humano está incluido en el cálculo del MTBF, la comparación de valores MTBF constituye un desafío mayor. Esto se debe a que existen muchas maneras en que un error humano puede dar origen a una falla, por lo cual el fabricante debe excluir algunas de las fallas relacionadas con errores humanos. Si no todos los fabricantes excluyen los mismos tipos de fallas, la comparación de sistemas sería cuestionable. Para ilustrar este punto, volveremos al ejemplo de la marca X que ya se presentó anteriormente. La Tabla 1 compara los valores de MTBF cuando existen diferentes definiciones de falla. El sistema A es un producto de marca X para el cual las fallas se definen como fallas críticas (de Tipo 1), entre ellas, todo tipo de error humano y fallas de insumos. El sistema B es el mismo producto de marca X para el cual las fallas también son fallas de Tipo 1, pero se excluyen las causadas por errores humanos, las fallas en cascada y las fallas de los insumos. Por las características de la fórmula de MTBF, una diferencia de tan solo una falla durante el período de la muestra podría afectar en forma considerable el resultado del cálculo. En este ejemplo, existe una diferencia de 5 fallas (9 para los sistemas A y 4 para los sistemas B) y el valor de MTBF varía en un 125%. Las definiciones de fallas se malinterpretan fácil y frecuentemente; y como se aprecia en el ejemplo, pueden marcar la diferencia entre una comparación válida y una que no lo es. Si desea obtener mayor información acerca de la herramienta utilizada para calcular los valores de esta comparación, diríjase a asc@apcc.com. 1 IEC-50 2 IEC-50 12

13 Tabla 1 Ejemplo de comparación de valores MTBF con diferentes definiciones de falla Cant. total de fallas en el período de la muestra Cant. de fallas recurrentes en el período de la muestra Sistema A Cant. de fallas "por primera vez" en el período de la muestra Se incluye en el cálculo del MTBF? Comparación de valores de MTBF Tipos de fallas Falla de Tipo 0 = El producto presenta un defecto o una falla que impide que se lo ponga en funcionamiento Se incluye en el cálculo del MTBF? Sistema B Cant. de fallas "por primera vez" en el período de la muestra Cant. de fallas recurrentes en el período de la muestra Cant. total de fallas en el período de la muestra 0 0 FALSE Fallas por daños sufridos durante el transporte FALSE FALSE Fallas provocadas durante una instalación "autorizada" FALSE FALSE Fallas provocadas durante una instalación "no autorizada" FALSE 0 0 Falla de Tipo 1 = Finalización de la capacidad del producto en su conjunto para realizar la función requerida. 0 0 TRUE Las "fallas comunicadas" corresponden al funcionamiento normal TRUE TRUE Fallas "en cascada" (es decir, otro sistema similar provocó que fallara este sistema) FALSE TRUE Fallas provocadas por APC o un técnico autorizado de APC (después de que el sistema entrara en funcionamiento) FALSE TRUE Fallas provocadas por un técnico de terceros (después de que el sistema entrara en funcionamiento) FALSE TRUE Fallas causadas por mala aplicación o uso indebido por parte del cliente FALSE TRUE Fallas de insumos, como las baterías FALSE Fallas de componentes de hardware o firmware que se producen luego de una FALSE TRUE actualización o reparación (pedido de modificación estructural) TRUE * Fallas de componentes de hardware o firmware TRUE Falla de Tipo 2 = Finalización de la capacidad de cualquier componente individual para realizar la función requerida, pero sin la finalización de la capacidad de un producto en su conjunto para funcionar. 2 2 FALSE Las "fallas comunicadas" corresponden al funcionamiento normal FALSE FALSE Fallas "en cascada" (es decir, otro sistema similar provocó que fallara este sistema) FALSE FALSE Fallas provocadas por APC o un técnico autorizado de APC (después de que el sistema entrara en funcionamiento) FALSE FALSE Fallas provocadas por un técnico de terceros (después de que el sistema entrara en funcionamiento) FALSE FALSE Fallas causadas por mala aplicación o uso indebido por parte del cliente FALSE FALSE Fallas de insumos, como las baterías FALSE Fallas de componentes de hardware o firmware que se producen luego de una FALSE FALSE actualización o reparación (pedido de modificación estructural) FALSE FALSE * Fallas de componentes de hardware o firmware Las fallas recurrentes se Las fallas recurrentes son fallas del mismo modo que se registran en un mismo Las fallas recurrentes se FALSE FALSE incluyen en el total? sistema de un mismo cliente incluyen en el total? 9 Fallas totales en el período de la muestra para el cálculo del MTBF 4 Cálculo del MTBF Sistema A FALSE Sistema B Sistema B con la denifición de falla del sistema A Fallas totales en el período de la muestra para el cálculo del MTBF Cantidad de semanas del período de la muestra Cantidad de unidades que conforman la población AFR = [Fallas en el período de la muestra x (52 semanas por año / Cant. de semanas del período de la muestra)] / Cantodad de unidades de la población 0.975% 0.433% 0.975% MTBF = 8760 / AFR 898,462 2,021, ,462 El sistema B presenta un MTBF presunto 125 % mayor que el del sistema A. Esta comparación no es válida porque las definiciones de falla no coinciden. El sistema B presenta un MTBF real 0 % mayor que el del sistema A. 13

14 A fin de mitigar incongruencias como las ilustradas, APC sugiere una mejor práctica para definir lo que se incluye y lo que se excluye en un valor MTBF. Esta mejor práctica se estableció en base al objetivo de presentarles a los clientes todas las fallas razonables posibles. Estas fallas deben representar todos los aspectos que el fabricante puede controlar. Por ejemplo, si el técnico del fabricante provoca la falla, el MTBF debería reflejarlo, ya que fue responsabilidad del fabricante. Por otra parte, si un cliente decide contratar un servicio técnico no autorizado de un tercero y ese servicio provoca la falla, el MTBF no debe reflejarlo, ya que esa situación excedía el control del fabricante. La lista de cotejo incluida en el apéndice detalla las definiciones que forman parte de esta mejor práctica. Siempre que sea posible, debe usarse la definición de falla que responde a la mejor práctica mencionada para comparar productos de distintos fabricantes. Si un fabricante solo puede proporcionar un subconjunto de esta definición, será necesario obtener el mismo subconjunto del fabricante del otro producto que se somete a la comparación. Nuevamente, esta congruencia es imprescindible para lograr una comparación justa. Sin embargo, si bien así podría realizarse una comparación justa, no se obtiene una buena representación de la realidad. Cuanto más pequeño sea el subconjunto de fallas que incluye un fabricante, más alejado de la realidad será el valor de MTBF. Tiempo entre el final del período de la muestra y la fecha de cálculo del AFR Si un fabricante pudiera recibir, diagnosticar y reparar todas las fallas comunicadas dentro del mismo período, podría calcular el AFR de inmediato. De hecho, es posible proceder así con volúmenes de productos menores que se diagnostican y reparan en la instalación del cliente. Sin embargo, no sucede lo mismo cuando el volumen de productos es mayor y las unidades que presentan fallas se envían nuevamente a fábrica. Para una comparación del MTBF de tipos de productos similares, la demora entre el final del período de la muestra y el cálculo del AFR debería ser similar. Por ejemplo, supongamos que el fabricante A calcula el AFR un mes después del cierre del período de la muestra y el fabricante B calcula el AFR cuatro meses después del período de la muestra. Si el producto que se comparará es un producto de gran volumen, es muy probable que el fabricante A informe un AFR más favorable. Eso se debe a que algunos de los productos que presentaron fallas (pendientes de recepción, diagnóstico y reparación) no se contaron en el cálculo del AFR. Existe una circunstancia en la que la diferencia en el rango de tiempo entre sistemas no generaría una comparación no válida (si todas las demás variables son iguales). Esta circunstancia se produce cuando todos los fabricantes parten del supuesto de que las unidades sin reparar presentan la misma tasa de fallas que las unidades reparadas con anterioridad y se han recibido, diagnosticado y reparado la mayoría de los productos devueltos a fábrica. Proceso documentado para la recolección y análisis de los datos Para poder evaluar la credibilidad de una comparación de MTBF, es importante conocer el proceso que cada fabricante aplica para reunir y analizar los datos. Contar con un proceso bien definido y documentado es fundamental para implementar un sólido programa de control de calidad. Así es más fácil asegurarse de que exista congruencia y precisión en todos los pasos del análisis. A continuación, se presentan tres ejemplos de 14

15 problemas de los procesos respecto de los que conviene estar alerta. Si se detectan estos u otros problemas, debe estudiarse en detalle su impacto en el cálculo del MTBF (y en última instancia, en la comparación). El fabricante no tiene la capacidad de rastrear datos precisos en todo el mundo porque en distintas regiones del mundo se utilizan diferentes sistemas de rastreo o de almacenamiento para datos sobre fallas y reparaciones. Los datos faltantes o incorrectos pueden generar errores en el cálculo del AFR de unidades vendidas en distintas partes del mundo. El fabricante no cuenta con procesos definidos con claridad para clasificar los productos que reingresan a la fábrica. Si se clasifican como reingreso por falla los productos sin uso o sin desembalar que reingresan para su reemplazo por otros productos, el AFR resultante estará sobrevaluado. El sistema de rastreo de datos del fabricante es en gran parte un trabajo manual. La mayor dependencia de procesos humanos puede introducir una cantidad de posibles errores en los datos y, en última instancia, en el cálculo del AFR. Cuanto más automatizado está el proceso, mayor precisión suelen tener los resultados. Un ejemplo de automatización es el escaneado de números de serie en vez del ingreso manual en un sistema. Fórmula de AFR utilizada para el cálculo Según el producto, la fórmula de AFR (Ecuación 1 o 2) que utilice cada fabricante puede volver una comparación de valores MTBF inútil. Para comparar productos de funcionamiento continuo (una vez que ingresan en servicio) puede usarse cualquiera de las fórmulas, pero para comparar productos de funcionamiento intermitente, solo puede utilizarse la Ecuación 2; si no, la comparación no será válida. En la Tabla 2 se ilustran las circunstancias en las que puede tener lugar una comparación válida. Tabla 2 Cuadro comparativo de ecuaciones de AFR Comportamiento operativo del producto Comparación de productos de funcionamiento continuo Por ej., UPS A vs. UPS B (ambas en respaldo de cargas críticas) Comparación de productos de funcionamiento intermitente Por ej., computadora portátil A vs. computadora portátil B Con la Ecuación 1 de AFR Comparación válida Comparación no válida Con la Ecuación 2 de AFR Comparación válida Comparación válida 15

16 Horas al año Solo si se parte del supuesto de que la tasa de fallas es constante es válido convertir el valor de AFR en MTBF. En ese caso puede utilizarse la Ecuación 3, pero es importante verificar que para todos los sistemas sometidos a comparación se utilice la misma cantidad de horas al año. Por ejemplo, algunos fabricantes usan 8000 horas por año y otros usan la cantidad correcta: 8760 horas. Criterio para toma de decisiones independientemente del MTBF Si bien el MTBF puede ser una herramienta útil para la selección y la especificación de productos (cuando se usan los mismos métodos, variables y supuestos para todos los sistemas que se sometan a comparación), nunca debe ser el único criterio empleado. Existen muchos otros criterios que deben tenerse en cuenta al evaluar productos de distintos fabricantes. Por ejemplo, qué solidez tienen los procesos generales de control de calidad del fabricante? Qué tipo de volúmenes producen y en qué entorno? Cuentan con la certificación ISO9000? Las certificaciones indican el nivel de estandarización de los procesos para optimizar su calidad y confiabilidad. En qué grado cada producto cubre las necesidades del usuario? Aquí se podrían incluir factores como la flexibilidad y la modularidad del producto, la capacidad de rápida recuperación ante un falla (MTTR) y el costo total de propiedad (TCO) del producto (si desea acceder a un análisis sobre la importancia del TCO, consulte el Informe interno Nº 6 de APC, Cómo determinar el costo total de propiedad de la infraestructura de los centros de datos y las salas de gestión de redes ). Otro medio de comparación podría ser consultar las referencias o evaluaciones de productos que realizan los clientes. Por último, una evaluación de dos o más sistemas en estudio a cargo de terceros imparciales asegura que la especificación del producto y la decisión de compra sean óptimas. Conclusiones Al comparar varios productos, el valor de MTBF suele ser un criterio de decisión clave. Sin embargo, debe tenerse mucho cuidado al hacer comparaciones a partir de ese valor. En primer lugar, el método de predicción de valores de MTBF debe ser el mismo. Además, durante el proceso de recolección y análisis de datos concretos, se recurre a muchas variables y supuestos; cada uno puede representar un impacto significativo en el resultado. No es posible realizar una comparación justa de valores de MTBF si esas variables y supuestos para los distintos productos no concuerdan. La realidad es que, a menudo, esas variables y estos supuestos son diferentes. La lista de cotejo del Apéndice puede ayudar a determinar si esto es así. Además, el calculador online de MTBF puede servir para cuantificar el impacto de las variables críticas en los valores de MTBF. Con la base proporcionada en este informe, es posible comparar valores de MTBF en forma más justa. Cuando se utilizan variables y supuestos similares, y las definiciones de falla son las mismas, puede alcanzarse un grado razonable de certeza en la comparación. 16

17 Acerca de los autores Wendy Torell es Especialista en Disponibilidad en la planta de APC en West Kingston, Rhode Island. Brinda asesoramiento a los clientes respecto de los enfoques científicos sobre disponibilidad y prácticas de diseño para optimizar la disponibilidad de los entornos de los centros de datos. Recibió el título de Bachelor en Ingeniería Mecánica del Union College en Schenectady, Nueva York. Wendy cuenta con una certificación de la ASQ en el campo de la Ingeniería en Confiabilidad. Victor Avelar es Especialista en Disponibilidad en APC. Es el responsable de proveer asesoramiento y análisis sobre la disponibilidad para las arquitecturas eléctricas y el diseño de los centros de datos de los clientes. Victor recibió el título de Bachelor en Ingeniería Mecánica del Rensselaer Polytechnic Institute en 1995 y es miembro de ASHRAE y la American Society for Quality. 17

18 Apéndice: Lista de definiciones de falla para el cálculo del MTBF Mejor práctica Definición de falla de APC Marque toda definición de falla que los fabricantes contemplen en sus valores de MTBF Tipo 0: El producto presenta un defecto o una falla que impide que se lo ponga en funcionamiento Fallas por daños sufridos durante el transporte Fallas provocadas durante una instalación "autorizada" Fallas provocadas durante una instalación "no autorizada" Tipo 1: Finalización de la capacidad de un producto en su conjunto para realizar la función requerida Las "fallas comunicadas" corresponden al funcionamiento normal Dos ejemplos de esta definición de falla: (1) Un sistema UPS conmuta al modo de batería y se agota durante un corte de suministro; por lo tanto, cae la carga; (2) Factores climáticos atípicos provocan que los servidores críticos se cierren porque la unidad de aire acondicionado no logró refrigerar el entorno. Fallas "en cascada" (es decir, otro sistema similar provocó que fallara este sistema) Ejemplo de esta definición de falla: Un bus de salida tiene dos sitemas UPS conectados en paralelo. Un capacitor de uno de los sistemas UPS entra en cortocircuito; la falla se propaga hacia el bus de salida y cae la carga. Fallas provocadas por APC o un técnico autorizado de APC (después de que el sistema entrara en funcionamiento) Fallas provocadas por un técnico de terceros (después de que el sistema entrara en funcionamiento) Fallas causadas por mala aplicación o uso indebido por parte del cliente Dos ejemplos de esta definición de falla: (1) El cliente presiona el botón de apagado en vez del de prueba y así provoca la caída de la carga. (2) El cliente rompe las cañerías de agua enfriada con una elevadora y así provoca que el equipo de aire acondicionado deje de refrigerar. Fallas de insumos, como las baterías Se entiende por "insumo" cualquier elemento agotable que deba reemplazarse antes de que finalice el ciclo de vida útil de un sistema. Se entiende por "falla de un insumo" la finalización de la capacidad del insumo para desempeñar la función requerida antes de que finalice su vida útil. Otros ejemplos son: (1) los capacitores electrólíticos de grandes sistemas; (2) los filtros, como los de aire o aceite; (3) el refrigerante que contienen los aires acondicionados. Fallas de componentes de hardware o firmware que se producen luego de una actualización o reparación (pedido de modificación estructural, ECO) Fabric. A Esta definición de falla incluye cualquier tipo de falla de hardware o firmware de Tipo 1 que no se haya contabilizado anteriormente y que se haya corregido con un proceso ECO u utro método de reparación documentado. Fallas de componentes de hardware o firmware Esta definición de falla incluye cualquier tipo de falla de hardware o firmware de Tipo 1 que no se haya contabilizado anteriormente. Tipo 2: Finalización de la capacidad de cualquier componente individual para realizar la función requerida, pero sin la finalización de la capacidad de un producto en su conjunto para funcionar Las "fallas comunicadas" corresponden al funcionamiento normal Fabric. B Fallas "en cascada" (es decir, otro sistema similar provocó que fallara este sistema) Fallas provocadas por APC o un técnico autorizado de APC (después de que el sistema entrara en funcionamiento) Fallas provocadas por un técnico de terceros (después de que el sistema entrara en funcionamiento) Fallas causadas por mala aplicación o uso indebido por parte del cliente Fallas de insumos, como las baterías Fallas de componentes de hardware o firmware que se producen luego de una actualización o reparación (pedido de modificación estructural) Fallas de componentes de hardware o firmware 18