1

CLCULO DE TASA DE FALLAS Y ANLISIS DE SUPERVIVENCIA PARA EQUIPOS

DE SUBESTACIONES, SPAT Y LNEAS


Edgar Eduardo Ortiz Valencia

Analista Gestin Mantenimiento
SPAT
Gestin Mantenimiento
ISA - Colombia
eeortiz@isa.com.co


Pedro Fabin Lozada Ayala

Analista Anlisis Operativo
Estudios Operativos
Gestin de la Operacin
ISA - Colombia
pflozada@isa.com.co


Luz Dary Carvajal Mendoza

Auxiliar de Ingeniera Elctrica
Evaluacin del Mantenimiento
Gestin Mantenimiento
ISA - Colombia
ldcarvajal@isa.com.co


RESUMEN. Una excelente evaluacin tcnica
sobre los equipos empleados en el negocio de
Transporte de Energa requiere la realizacin de
diferentes tipos de anlisis dentro de los cuales se
encuentran el de tasa de fallas predictiva y el
anlisis de supervivencia. El clculo de tasas de
fallas de los equipos es un insumo adicional para
disear o replantear una estrategia de
mantenimiento, ya que estadsticamente facilita
conocer a futuro la cantidad de eventos que
podran ocurrir y consecuentemente permitir estar
preparado para ellos, replantear la forma y/o
periodicidades en que se realizan acciones
preventivas y estar preparados para la ocurrencia
de dichos eventos en los procesos de Plan
Optimizacin Activos (POA) e inventarios. Dado el
potencial y los beneficios que se pueden obtener al
realizar un clculo de tasa de falla de equipos se
implement una metodologa para poder
determinar el nmero de fallas esperado a lo largo
de diez aos y su probabilidad de ocurrencia
asociada, aplicada sobre un grupo de activos
usados en el transporte de energa. La
metodologa utiliza el software SPLIDA que
permite realizar anlisis mediante el proceso de
Poisson y posteriormente con los resultados
obtenidos se realiza un tratamiento matemtico.
Las ventajas de este mtodo son: minima cantidad
de variables necesarias para realizar el clculo y
baja dependencia a las inconsistencias de la base
de datos.

PALABRAS CLAVES. Proceso de Poisson, Regla
de la Potencia, Tasa de Fallas, S-PLUS, Calidad,
Mantenimiento.


INTRODUCCIN. En un mundo donde da tras
da se incrementan los desarrollos tecnolgicos y
la competitividad entre las empresas, la efectividad
y eficiencia en el accionar cobra fundamental
importancia debido a las expectativas de los
clientes por tener un mejor servicio con altos
estndares de calidad, lo cual requiere un buen
uso de todos los recursos y por ende una
planeacin estricta. En particular, para el negocio
del transporte de energa se tienen indicadores
para cuantificar la confiabilidad del servicio y es
por esto que las estrategias de mantenimiento
deben actualizarse y as cumplir con las nuevas
necesidades.
Poder contar con una metodologa para calcular la
tasa de fallas y su probabilidad de ocurrencia
asociada es una ventaja competitiva que impacta
muchos procesos en la empresa, desde el
inventario hasta el planteamiento de la estrategia
de mantenimiento.
Este documento tiene como fin presentar la
metodologa que se basa fundamentalmente en el
tratamiento de la informacin histrica compilada
en la base de datos de la empresa y a travs de
una herramienta computacional realiza el clculo
de la tasa de fallas con probabilidades de
ocurrencia asociadas para diferentes equipos
elctricos y lneas de transmisin.


2

1. REFERENCIAMIENTO TERICO

1.1 PROCESOS ESTOCSTICOS PUNTUALES

Un proceso estocstico puntual (PEP) es un
proceso aleatorio en el cual se cuenta el nmero
de eventos N que ocurren en un periodo de tiempo
t con la condicin de que slo un evento puede
ocurrir en cada instante de tiempo. La fecha que
se toma como referencia cuando empieza la
observacin del proceso es t=0.




Fuente: Tomada de Anlisis Probabilstico y simulacin

Grfica 1. Concepto del Proceso Estocstico Puntual

El modelo matemtico de un proceso estocstico
puntual es definido usando la funcin de intensidad
(t), la cual es una tasa de cambio del nmero
esperado de eventos. Con base en dicha funcin
se est en capacidad de realizar los siguientes
clculos:
El nmero esperado de eventos
| |
}
= A =
t
dt t t t N E
0
) ( ) ( ) (
(1)
La varianza del nmero esperado de eventos
| | ) ( ) ( t t N VAR A = (2)
La probabilidad de ocurrencia de los eventos

L k for e t
k
k t N P
t k
, 3 , 2 , 1 , 0 * )] ( [
!
1
] ) ( [
) (
= > A = =
A
(3)
La probabilidad de ocurrencia de k o menos
eventos
k i for e t
i
k t N P
t i
k
i
, 3 , 2 , 1 , 0 * )] ( [
!
1
] ) ( [
) ( *
1
= > A = s
A
=

(4)
La tendencia o cambio con el tiempo del nmero
de eventos que ocurren es una caracterstica muy
importante de un PEP.
La tendencia es definida como el cambio en el
tiempo del nmero de eventos que ocurren.
Existen tres tipos de tendencia:
Tendencia Positiva: el nmero de eventos
aumenta con el tiempo.
Tendencia Cero: el nmero de eventos no
aumenta ni disminuye con el tiempo.
Tendencia Negativa: el nmero de eventos
disminuye con el tiempo.
1.2 CLASIFICACIN DE LOS PROCESOS
ESTOCSTICOS PUNTUALES

Un proceso estocstico puntual con tendencia cero
es estacionario u homogneo, esto quiere decir
que los intervalos de tiempo entre los eventos son
independientes e idnticamente distribuidos.
Un proceso estocstico puntual con tendencia es
lo opuesto, es decir, los eventos son dependientes
entre s y no son idnticamente distribuidos.


Proceso estacionario
homogneo
Proceso estacionario
no homogneo
Procesos de
renovacin
Procesos de
Poisson no
homogneo
Exponencial
Gamma
Weibull
Etc
) (
1
) (
x E
t =
Power Law
Log-linear
1
) (

=
|
| t t
) (
) (
bt a
e t
+
=


Fuente: Tomada de Anlisis probabilstico y simulacin

Grfica 2. Clasificacin de procesos estacionarios

Cuando se habla de un sistema reparable, se hace
referencia a un sistema que puede ser reparado
cuando es afectado por fallas, como los
interruptores. Contrariamente, un sistema no
reparable es un sistema que es descartado o
reemplazado al fallar, por ejemplo, las tarjetas
electrnicas.
Para modelar sistemas reparables y no reparables
se puede utilizar el proceso de Poisson
homogneo (HPP) y el proceso de Poisson no
homogneo (NHPP). Sin embargo, se ha
encontrado que el HPP no es totalmente apropiado
para modelar los sistemas reparables y a
diferencia de stos los procesos NHPP s permiten
realizar un modelamiento adecuado.

1.2.1 Proceso de Poisson homogneo

Se presenta cuando la ocurrencia de los eventos
no es dependiente del tiempo, es decir, el nmero
de los eventos en un intervalo depende solamente
de la longitud del intervalo. La probabilidad de la
ocurrencia de los eventos en cualquier periodo es
independiente de lo ocurrido en el periodo previo.
Las caractersticas de este proceso son: tiempos
entre fallas independientes e idnticamente
distribuidos, generalmente modelamiento con
distribucin Weibull y reparaciones cuyas

3

intervenciones se asumen perfectas y dejan el
sistema como nuevo (As Good As New).


Fuente: Elaboracin propia

Grfica 3. Reparaciones perfectas

1.2.2 Proceso de Poisson No homogneo

La diferencia con respecto al HPP es que la tasa
de fallas es dependiente del tiempo; por lo tanto el
proceso no es estacionario. Se caracteriza por lo
siguiente: los tiempos entre fallas no son ni
independientes ni idnticamente distribuidos, los
sistemas o equipos reciben reparaciones
imperfectas, lo que deja a los equipos entre los
estados como nuevo y tan viejo como antes de
la intervencin (As Good As New exclusive y As
Bad As Old).



Fuente: Elaboracin propia

Grfica 4. Reparaciones imperfectas

Regla de la Potencia

Proceso que pertenece a los NHPP usado para
representar el proceso de falla de los componentes
o equipos reparables. Las caractersticas que
posee son: cuenta con varios mtodos para poder
determinar los parmetros de estimacin y para
realizar pruebas de bondad de ajuste; permite
representar un proceso que tenga o no tendencia y
tambin permite representar procesos de Poisson
homogneos HPP. Poder modelar un proceso que
presente tendencia es de suma importancia a la
hora de estudiar equipos reparables, ya que
permite tener en cuenta el efecto del
envejecimiento de los componentes.

La funcin de intensidad o tasa de ocurrencia de
eventos de este proceso es:
1
) (

=
|
| t t
(5)
Donde:

: Parmetro de escala mayor a cero.

|
: Parmetro de forma mayor a cero.

El parmetro de forma es el que controla la
tendencia y su significado es el siguiente:
Si
1 | >
: tendencia Positiva
Si
1 | <
: tendencia Negativa
Si
1 | =
: tendencia Cero; lo que significa que es
un HPP.

Al ser la regla de la potencia una distribucin que
no tiene una caracterstica de forma definida puede
modelar cualquier comportamiento. Es por esta
razn que este proceso juega un papel muy
importante en el anlisis de datos reales.


2. HERRAMIENTA COMPUTACIONAL

El software usado para estimar los parmetros de
forma () y escala () que caracteriza la Regla de
la Potencia y la distribucin Weibull es SPLIDA con
la librera S-PLUS, la cual es un potente entorno
extensible para el anlisis de datos y grficos. S-
PLUS es una librera de SPLIDA utilizada para
analizar datos y realizar estudios de confiabilidad.


3. METODOLOGA

3.1 DEFINICIN DE EQUIPOS A ESTUDIAR

El objetivo de esta fase fue definir los equipos para
el anlisis de tasa de falla y de supervivencia. Se
seleccionaron familias de equipos de los tres
grupos que ISA tiene como referente para realizar
el mantenimiento, stos son: familias de equipos
de subestaciones, de SPAT y de lneas.




4

EQUIPOS SPAT

Se realiz el estudio para los rels de una funcin
especifica y clasificndolos de acuerdo al
fabricante (dos fabricantes) y al tipo (cinco tipos
para un fabricante y todos los tipos instalados en
ISA del otro fabricante). La razn para seleccionar
estos fabricantes fue la gran cantidad de equipos
que se tienen instalados de cada uno. Dado lo
anterior, se espera que los resultados obtenidos en
el estudio puedan ser fcilmente extendidos al
comportamiento real de todo el conjunto de
equipos.

Tambin se analizaron todas las Remote Terminal
Unit (RTU) clasificadas de acuerdo a los
fabricantes (cinco fabricantes).

Por ltimo se analizaron las teleprotecciones
clasificadas de acuerdo al medio en que funcionan
y al fabricante (seis fabricantes para un medio de
transmisin de datos y cinco fabricantes para el
otro tipo de medio de transmisin de datos).

EQUIPOS SUBESTACIONES

Se realiz el estudio para cinco familias de
interruptores clasificados de acuerdo al tipo de
accionamiento y al fabricante.

Adicionalmente se analizaron dos tipos de
transformadores.

LNEAS

Se realiz el estudio para nueve diferentes lneas
de transmisin de diferentes niveles de tensin.

3.2 RECOLECCIN DE INFORMACIN

El objetivo de esta fase fue obtener la informacin
histrica de los equipos a los cuales se les hizo el
estudio; abarcaba todos los avisos en la base de
datos SAP referentes a la aparicin de una falla
funcional, desde su fecha de puesta en servicio
hasta la fecha de corte del anlisis.
Especficamente, la informacin que se extrajo de
cada aviso fue: inicio de avera, falla funcional,
modo de falla y parte.
Nuevamente se enfatiza que la calidad de la
informacin es de gran importancia para que los
resultados tengan mayor veracidad.


3.3 TRATAMIENTO DE LA INFORMACIN

Se realiz una revisin para verificar que toda la
informacin de los datos del aviso fuera correcta.
Esta revisin se realiz con el apoyo de una
persona experta en la familia de equipos segn
correspondiera.

3.4 DATOS DE ENTRADA S-PLUS

Los datos necesarios para obtener los valores de
y fueron: las fechas de puesta en servicio, las
fechas de ocurrencia de las fallas y la fecha de
corte del anlisis. Con base en estos datos se
realiza el ajuste mediante la regla de la potencia
(NHPP) y la distribucin Weibull (HPP). En los
numerales 3.5 y 3.6 se presenta la explicacin del
uso de ambos modelos en los anlisis.



Fuente: Elaboracin propia mediante S-PLUS

Grfica 5. Caracterizacin del comportamiento de
falla rels de un fabricante mediante la regla de la
potencia



Fuente: Elaboracin propia mediante S-PLUS

Grfica 6. Caracterizacin del comportamiento de
falla rels de un Fabricante mediante la distribucin
Weibull


5

3.5 CLCULO DE TASA DE FALLAS

Usando la herramienta computacional antes
mencionada y parametrizada para realizar el
anlisis mediante el proceso estocstico NHPP,
se hallaron los parmetros de escala () y de
forma () para cada uno de los casos de estudio,
luego se procedi a realizar el tratamiento
matemtico correspondiente con las ecuaciones
presentadas en el numeral 1.1 para obtener los
siguientes resultados: tasa de fallas o nmero de
eventos esperados proyectado hasta 10 aos,
probabilidades de ocurrencia para los eventos
esperados, nmero de fallas acumuladas en un
intervalo de tiempo y su probabilidad de ocurrencia
asociada, probabilidad de ocurrencia de N o
menos eventos para un ao determinado y para un
intervalo de tiempo, probabilidad total de
ocurrencia de cualquier nmero de fallas,
probabilidad de que un equipo no tenga fallas,
fallas con mayor probabilidad de ocurrencia.
Adicional a esto, se realiz un anlisis para
determinar qu modos de falla tienen mayor
probabilidad de ocurrencia con el fin de
retroalimentar la estrategia de mantenimiento en
un futuro.

3.6 ANLISIS DE SUPERVIVENCIA

Al igual que para el clculo de tasas de falla, para
determinar la supervivencia a fallas tambin se us
S-PLUS, pero en este caso, parametrizada para
realizar anlisis HPP.
Este anlisis permite inferir acerca de la vida
media y la vida til de una familia de equipos que
fuese instalada y sometida a las mismas
condiciones tanto operativas como medio
ambientales de la familia que sirvi como base de
datos. Este anlisis equivale a tomar un punto de
referencia en la vida til de la familia de equipos,
que sera su puesta en servicio (la cual puede
ocurrir en cualquier instante de tiempo), para
determinar cuntos equipos son capaces de
sobrevivir despus de un tiempo determinado sin
presentar falla alguna. Estos resultados pueden
ser un insumo para el proceso de renovacin de
equipos en la empresa y de igual manera podran
dar indicios de que algunas familias de equipos
estn bajo condiciones operativas inapropiadas al
realizar la comparacin entre el resultado obtenido
y el dato terico de la vida til del equipo que el
fabricante suministra.
Finalmente, se aclara que no existe contradiccin
alguna con respecto a los datos obtenidos en el
clculo de tasa de fallas y este resultado, puesto
que se trata de dos anlisis distintos, cuyos
resultados deben ser interpretados teniendo muy
presente el anlisis y el mtodo usado para cada
caso.

4. RESULTADOS

EQUIPOS SPAT

A continuacin se muestran los resultados de
algunos rels bajo estudio:

Clculo de Tasa de Fallas



Fuente: Elaboracin propia

Tabla 1. Nmero de fallas por equipo y probabilidad
de ocurrencia acumulada para los rels de un
fabricante particular.

De acuerdo a la tabla 1, se observa que el rel tipo
1 para el ao 2010 tiene una probabilidad de
68,68% de no presentar alguna falla, para el 2011
tiene una probabilidad de 46,61% de que no
presente alguna falla; para el 2012 tiene una
probabilidad de 36,35% de presentar una falla
acumulada; para el 2013 tiene una probabilidad de
32,62% presentar una falla acumulada, por lo que
es ms probable que esta falla se presente en el
ao 2012.


Fuente: Elaboracin propia

Tabla 2. Probabilidad de falla para los rels de un
fabricante particular.

6

En la tabla 2 se puede observar la probabilidad de
ocurrencia de cualquier nmero de fallas por
equipo a lo largo del tiempo proyectado en el
estudio. El rel tipo 1 tiene la mayor probabilidad
de falla en comparacin con los rels de otros
tipos.

Anlisis de supervivencia



Fuente: Elaboracin propia

Grfica 7. Supervivencia de un tipo de rel

La grfica 7 indica que esta familia de equipos
presentar fallas desde su fecha de puesta en
servicio. A los seis aos, el 50% de los equipos de
esta familia habrn presentado por lo menos una
falla, y a los dieciocho aos todos habrn fallado
por lo menos una vez.




Fuente: Elaboracin propia

Grfica 8. Supervivencia de un tipo de rel particular.

De la grfica 8 se infiere que a los siete aos de
vida el 50% de los rels de esta familia habrn
presentado fallas y a los veintin aos de vida,
todos los rels de esta familia habrn presentado
por lo menos una falla. Realizando una
comparacin con la grfica 7, se puede concluir
que un tipo presenta una vida til que supera en
tres aos al otro tipo, siendo ambos del mismo
fabricante. De igual forma se encuentran
diferencias en cuanto a la vida media, pero sta no
es tan marcada como en la vida til.


EQUIPOS SUBESTACIONES

A continuacin se muestran los resultados de los
interruptores bajo estudio:

Clculo de Tasa de Fallas




Fuente: Elaboracin propia

Tabla 3. Nmero de fallas por equipo y probabilidad
de ocurrencia de Interruptores

De acuerdo a la tabla 3, el interruptor tipo 1 para el
ao 2010 tiene una probabilidad de 45,92% de no
presentar alguna falla; para el 2011 tiene una
probabilidad de 32,27% de presentar una falla
acumulada; para el 2012 tiene una probabilidad de
46,65% de presentar dos fallas acumuladas. Los
resultados anteriores indican que se espera una
falla del equipo en 2011, pero si esto no ocurre
podran presentarse las dos fallas en el 2012.



Fuente: Elaboracin propia

Tabla 4. Probabilidad de falla de Interruptores


7

En la tabla 4 se presenta la probabilidad de
ocurrencia de cualquier nmero de fallas por
equipo a lo largo de la proyeccin del estudio. El
interruptor tipo 5 tiene la mayor probabilidad de
falla en comparacin con los otros equipos.


Anlisis de supervivencia




Fuente: Elaboracin propia

Grfica 9. Supervivencia de un tipo de interruptor

De la grfica 9 se obtiene que para esta familia de
equipos no se esperen fallas durante los primeros
cinco aos. A los doce aos despus de su fecha
de puesta en servicio el 50% de los equipos
habrn presentado al menos una falla, y a los
veintin aos todos los equipos habrn fallado por
lo menos una vez.


5. IMPACTO Y APLICACIN A DIFERENTES
ENTORNOS

Este proyecto impacta directamente en el proceso
de evaluacin dando seales en la definicin de
acciones en el ciclo de vida del activo. Conocer
con anticipacin cmo va a ser el desempeo de
los equipos en un intervalo de tiempo permite que
el proceso de POA realice una mejor planeacin
en su proceso de renovacin de activos.




Fuente: Mapa de procesos de ISA

Grfica 10. Impacto en el proceso

Seguidamente se presentan los diferentes
impactos que puede tener la implementacin de la
metodologa en el proceso Mantener la Red los
cuales pueden ser directos o indirectos:

Directos:

Clasificacin cuantitativa de fallas funcionales
por probabilidad de ocurrencia.
Prediccin del ciclo de vida de una familia de
equipos y su probabilidad de supervivencia.
Retroalimentacin a MCC de tareas y
periodicidades.
Retroalimentacin a POA e inventarios.

Indirectos:

Calidad del servicio.
Asignacin eficiente de recursos en los planes
de mantenimiento.
Productividad y rentabilidad.
Producto adicional para tener en cuenta en las
diferentes reglas de diagnstico aplicadas en
la evaluacin de los equipos.
Optimizacin del presupuesto del rea de
mantenimiento y de compras.

Este proyecto puede ser aplicado a todas las
filiales del Grupo Empresarial ISA, ya que la nica
condicin necesaria para realizar este tipo de
proyecto es contar con la informacin histrica de
desempeo de los equipos y sus datos de
informacin tcnica.




8

6. CONCLUSIONES Y RECOMENDACIONES

- Esta metodologa no considera las
reparaciones de lo equipos, es decir, no existe
tiempo de reparacin.

- La calidad de los resultados depende
directamente de la calidad de informacin
ingresada en los avisos.

- El mtodo es verstil, por lo cual puede ser
aplicado sobre cualquier caso en el que se
quiera definir una tasa de fallas o una
probabilidad de ocurrencia de eventos,
simplemente debe haber coherencia en la
forma en que se interpretan los resultados.

- Todos los resultados obtenidos en este
anlisis son slo una herramienta adicional
para tomar decisiones acerca de la estrategia
y/o de plan de optimizacin de activos.

- La metodologa usada en este proyecto es la
que menor dependencia tiene de la
informacin ingresada, por ende su nivel de
error es bajo.

- Conocer cundo va a fallar un equipo permite
tomar acciones para garantizar el ciclo de vida
de los activos, de manera que se recuperen
las inversiones y que las tareas de
mantenimiento sean cada vez menos costosas
y ms efectivas, lo que se traduce en mejores
niveles de calidad ofrecidos al cliente.

- Calcular la tasa de falla permite tener un stock
de repuestos suficientes para que las fallas
sean reparadas en el menor tiempo posible.

- Desde el rea de Evaluacin del
Mantenimiento se ha comenzado a difundir la
informacin necesaria para que los avisos y
especialmente las fechas de avera y duracin
de paradas sean correctamente diligenciados,
de tal forma que el insumo para la metodologa
del clculo de tasa de fallas sea lo ms veraz
posible.







7. REFERENCIAS

[1] Ascher H, Feingold H, Repairable systems reliability:
Modeling, inference, misconceptions and their causes,
Marcel Dekker, 1984.

[2] Carlos J. Zapata, Anlisis probabilstico y
simulacin.

[3] Crow L. H, Evaluating the reliability of repairable
systems, IEEE Annual Reliability and Maintainability
Symposium, 1990.

[4] IEC Power law model Goodness-of-fit test and
estimation methods, Standard 61710, 2000.

[5] Klefsjo B, Kumar U, Goodness-of-fit tests for the
power law process based on the TTT plot, IEEE
Transactions on Reliability, Vol. 41, No. 4, December
1992.

[6] Manotas. Eva Cristina, Lopera. Carlos Mario,
Metodologa para el anlisis de datos de recurrencia
aplicada a los interruptores FL245, Documento ISA
DGM-2004-Y-S-ET-023-V1, Marzo 2004.

[7] Park W. J, Kim Y. G, Goodness-of-fit tests for the
power law process, IEEE Transactions on Reliability,
Vol. 41, No. 1, March 1992.

[8] Park W. J, Kim Y. G, More goodness-of-fit tests for
the power law process, IEEE Transactions on
Reliability, Vol. 43, No. 2, June 1994.

[9] R. Pascual. El Arte de Mantener (draft). Universidad
de Chile, 2007.

[10] Rausand, M., Hoyland, A., System Reliability
Theory, 2nd ed., Wiley, New York, 2004.

[11] Roy Billinton, Ronald N.Allan, Reliability Evaluation
of Engineering Systems, 2nd ed, 1992.

[12] Statistical Methods for Reliability Data, William Q.
Meeker, Luis A Escobar, 1998.


Edgar Eduardo Ortiz Valencia

Naci en Bogot D.C. Es ingeniero electrnico (2007) e
ingeniero elctrico (2008) de la Universidad de Los
Andes. Ingres a ISA a formar parte del grupo de
Profesionales en Desarrollo en el mismo ao. Ha hecho
parte de la Direccin Gestin Mantenimiento en el rea
de Evaluacin de Mantenimiento y actualmente se
desempea como Analista del grupo de gestin de
Sistemas de Proteccin, Automatizacin y
Telecomunicaciones (SPAT) de la misma direccin.

9


Pedro Fabin Lozada Ayala

Naci en Barranquilla, Atlntico. Se gradu de la
Universidad del Norte como ingeniero electricista en
2008. Ingres a ISA a formar parte del grupo de
Profesionales en Desarrollo en el mismo ao. Ha hecho
parte de la Direccin Gestin Mantenimiento en el rea
de Gestin de Equipos de Subestaciones y actualmente
se desempea como Analista de Anlisis Operativo de la
Direccin Gestin de la Operacin.


Luz Dary Carvajal Mendoza

Naci en Bucaramanga, Santander. Actualmente es
estudiante de ltimo semestre de Ingeniera Elctrica de
la Universidad Industrial de Santander. Actualmente se
desempea como auxiliar de Ingeniera Elctrica en la
Direccin Gestin Mantenimiento en el rea de
Evaluacin del Mantenimiento.