MANTENIMIENTO Y

CONFIABILIDAD
Modelos de Optimizacin
Universidad AUSTRAL-Facultad de Ingeniera-ARGENTINA
Programa de Ingeniera y Gestin del Mantenimiento
Prof.: Ing. Roberto Bottini
Paradigmas
En la industria los equipos y sistemas
crecen en complejidad.
Existen mayores exigencias a la eficiencia
de los costos del ciclo de vida til de las
maquinas de produccin.
Cada fabricante intenta llegar al objetivo de
calidad exigido por el mercado al mnimo
costo posible.
Desde el diseo existe la necesidad de
entregar equipos o sistemas que tengan
las prestaciones deseadas por el cliente y
que adems sean Confiables, de fcil
mantenimiento y con funcionamiento
seguro y econmico durante su vida til.
Objetivo de Confiabilidad y Mantenibilidad
Como Incorporar Caractersticas de
Confiabilidad
Realizando un anlisis Cualitativo
Que indicara el tipo y clase de fallas que van
a presentarse en los componentes del
sistemas. (Camino del RCM).
O Bien ampliarse a un campo Cuantitativo
Proporcionando las probabilidades
numricas correspondientes.
Las Teora de la Confiabilidad Incorporan
la incertidumbre a la Ingeniera.
Podramos decir que la certeza de un hecho (en
nuestro contexto Falla de Maquina), es un
acontecimiento DETERMINISTA con un
resultado finito.
En cambio la incertidumbre de un hecho seria
un acontecimiento INDETERMINISTA con un
resultado probabilstico.
Desde el punto de vista de la ingeniera, la
confiabilidad es la probabilidad de que un
aparato, dispositivo o persona desarrolle una
determinada funcin bajo condiciones fijadas
durante un periodo de tiempo determinado.
La confiabilidad de un elemento puede ser
caracterizada a travs de distintos modelos de
probabilidades.
Podemos describir varias distribuciones de
fallas comunes y ver qu podemos aprender de
ellas para gestionar los recursos de
mantenimiento. Convirtiendo el conocimiento
ganado de ellas en acciones PROACTIVAS de
Mantenimiento.
Confiabilidad y Mantenimiento
MES ENERO FEBRERO MARZO ABRIL MAYO JUNIO JULIO AGOSTO SEPTIEMBRE OCTUBRE TOTAL
FALLAS 2 5 7 8 7 6 5 4 3 1 48
HISTOGRAMA
0
2
4
6
8
10
1 2 3 4 5 6 7 8 9 10
MESES
F
A
L
L
A
S
Serie1
Veamos, a partir de un histograma podemos desarrollar las cuatro funciones de
importancia para la caracterizacin de la confiabilidad :
1- pdf Probability Density Function
En estudios de mantenimiento necesitamos pasar del anterior histograma a
funciones continuas, debido que la variable tiempo a la falla es continua.
Esta funciones nos dan una idea clara de la distribucion de fallas.
Empezamos por la funcin llamada pdf que indica la densidad probable de
fallas en cada intervalo t, cuyo total ser el rea encerrada bajo la curva e
igual a: pdf = 48/48 =1
FUNCIONES
0
5
10
1 2 3 4 5 6 7 8 9 10
meses
f
(
t
)
Pudiendo llamar a t1 y t2, -y respectivamente
2- cdf Cumulative Density Function aqu de - a Tiempo t,
seria la probabilidad de que falle en tiempo t. Representando
el rea bajo la curva - a t, la acumulacin de fallas
transcurrido t (el fracaso)
cdf= 14/48
FUNCION cdf
0
5
10
1 2 3 4 5 6 7 8 9 10
meses
f (t)
Tiempo t
3- R (t) Reliability. Esta es la probabilidad de xito o
sea que sobrevivan sin falla transcurrido el mismo
tiempo t. Representando el rea bajo la curva t a
infinito.
R(t)= 1- cdf
FUNCION R (t)
0
2
4
6
8
10
1 2 3 4 5 6 7 8 9 10
meses
f
(
t
)
Tiempo t
El ultimo tipo de funcin que tenemos derivada de las anteriores
funciones es la Funcin Riesgo, tambin llamada tasa de falla en
determinados contextos como el de mantenimiento.
4- h (t) Funcin riesgo = pdf/1-cdf
EL modelamiento de las probabilidades de falla esta condicionado a la
etapa de vida en que se encuentre el elemento. Con la curva de la
baera es posible modelar el comportamiento en cada una de las tres
etapas de la tasa de falla a travs de leyes conocidas de
probabilidades.
1- Mortalidad Infantil
Inadecuada Instalacin.
Error armado-reparacin.
Problemas de Calidad
Tasa de Falla <1
2- Fallas Aleatorias
durante la vida til.
Independientes del Tiempo.
Errores de Mantenimiento.
Electrnica
Mezcla de Errores.
Tasa de Falla = cte
3- Desgaste Temprano
Low Cicle Fatiga
4- Desgaste por
envejecimiento
Rodamientos.
Corrosin
Tasa de Falla > 1
La distribucion de fallas de diferentes tipos de maquinaria no son las
mismas. Aun variando en una misma maquina su operacin. Sus
definiciones en trminos de las funciones pdf, cdf y tasa de falla de los
datos reales de mantenimiento dan forma a determinadas expresiones
matemticas conocidas como distribuciones obteniendo:
Dist. Exponencial
Dist. Normal
Dist. Lognormal
Dist. Weibull
Que representan familias de
ecuaciones (o curvas graficas)
cuyos miembros varan en forma,
porque difieren sus parmetros.
Con estos conceptos probabilsticos podemos iniciar la
batalla contra la incertidumbre de las fallas en las
plantas complejas.
Podemos describir varias distribuciones de fallas
comunes y ver qu podemos aprender de ellas para
gestionar los recursos de mantenimiento. El
conocimiento ganado de ellas es convertido en acciones
proactivas.
Prediciendo cuando las fallas probablemente ocurran
nosotros podemos determinar el mejor momento para el
mantenimiento Preventivo (Reemplazo Preventivo) y las
polticas de mantenimiento relacionadas con el
PERIODO OPTIMO para operar hasta la falla o
inspeccin
Often "Preventive Maintenace"
Programs include all these activities
Schedule
Component
Repalcement
Scheduled
Overhaul
Cleaning
- during operation
- prior to maintenance
Lubrication
- routine while running
- start/end of shift
Minor
Adjustments
Preventive
Maintenance
Interval Based
Tactics
"Time or other
Unit of Measure"
Run to failure
Vibration
- monitoring
- analysis
Lubricant Analysis
- Oil Condition
- Wear Particles
Electrical
- Current analysis
- Motor condition
N.D.T.
- thermography
- ultra sonics
- X- ray
Inspections
- by Operators
- by Maintenance
(Daily/Weekly)
Condition Monitoring
Activities
Condition Based
Tactics
Redundency
Spare
Equipment Installed
Redesign
Ad hoc
Maintenance
Other
Tactics
Proactive
Maintenance
De acuerdo a lo mostrado las funciones
descriptas son transformadas en Distribucin
de Probabilidades ploteando DATOS
histricos o utilizando Bases de Datos como
las OREDA. Para encontrar la distribucion
apropiada para un componente o sistema
real tenemos dos posibilidades:
1. Por testeo extensivo de datos histricos de
Vida.
2. Estimar parmetros por muestreo
estadstico.
En Sntesis:
Utilizar datos histricos de fallas.
Utilizar la funcin apropiada que representa nuestra
situacin.
Construir un modelo matemtico que represente el
problema en estudio.
Con los datos histricos analizamos los resultados
grficos del modelo matemtico empleado.
Con ste anlisis tomamos las decisiones de
mantenimiento ptimas.
El objetivo es entender el problema,
pronosticar fallas y analizar riesgos para
tomar mejores decisiones de
mantenimiento.
Estas decisiones impactan el momento
elegido para reemplazo, reparacin o
Overhaull de Maquinaria, como as
tambin optimizar cualquier otra tarea de
gestin del mantenimiento principalmente
las inspecciones y gestin de repuestos.
Modelos
Una de las principales herramientas en este
avance cientfico hacia la optimizacin de las
decisiones de Gestin son los modelos
matemticos como simple representacin del
problema en estudio.
En la aplicacin de tcnicas cuantitativas de
gestin, el tipo de modelo usado es
frecuentemente un modelo simblico donde los
componentes del sistema estn representados
por smbolos y la relacin de estos
componentes esta representada por ecuaciones
matemticas.
Reemplazo Preventivo Optimo de un
item sujeto rotura
Construccin del Modelo
Decimos que el costo total de reemplazo es
C(tp)=
Costo Total esperado del Reemplazo por ciclo
Tiempo Esperado del ciclo.
Modelo Matemtico utilizado
Cp: costo del Reemplazo Preventivo.
R(tp): es la confiabilidad. Aqu el xito en llegar al
reemplazo preventivo.
Cf: costo total del Reemplazo por Falla. (por el
fracaso)
tp: tiempo medio del Reemplazo Preventivo.
es el tiempo medio MTTF.
t f(t): tiempo medio del Reemplazo por Falla.
f(t): es el pdf para la distribucion de Weibull.
Aplicacin Practica del Modelo
Propuesto
Ejemplo: Anlisis de Reemplazo en Motor
4000 KVA, Trifsico, 60 ciclos.
Comentarios
Algunos motores han servido a la planta por 18 aos.
Fallas anteriores a esta fecha ponen en duda
expectativa de vida.
La siguiente tabla muestra los datos de falla.
Costo falla imprevista Cf = $1725 (lucro cesante +
rebobinado).
Costo rebobinado Preventivo Planificado Cp= $100
Costo rebobinado imprevisto $ 125
Aplicacion distribuciones de fallas para caso de grandes Aplicacion distribuciones de fallas para caso de grandes
motores. motores.
Tabla 3.2. Fallas en bobinados de grandes motores: datos de falla y clculos de riesgo
7.69
16.03
25.12
36.23
48.73
63.01
7.69
8.33
9.09
11.11
12.58
14.29
8
8
8
8
8
8
10
11a
12a
13a
13
15a
16a
17a
17
17
18b
18
18
18
20
19
18
17
16
15
14
13
12
11
10
9
8
7
6
5
4
3
2
1
C-70
C-71A
C-71B
P-70A
P-70B
P-71
C-25
C-11
C-52
C-13
C-31
C-53
C-41
C-91
C-32A
C-32B
C-01
C-30
C-50
C-51
Riesgo
acumulado
Riesgo Aos Rango Motor
a
Fallas en bobinados
b
Remplazo preventivo
de los bobinados
Ploteo de datos en papel de
Weibull
El procedimiento
es convertir los
datos de falla
representativos
de cdf , esto es
realizado
ploteando en
Weibull tiempo a
la falla contra
funcion cdf
Resultado de clculos utilizando
modelo matemtico
Grfico Resultante
Costos esperados de reemplazo en funcion del tiempo para
Costos esperados de reemplazo en funcion del tiempo para
Motor Electrico Falla Bobinado
Motor Electrico Falla Bobinado
Costo del
mantenimiento
preventivo por
downtime
Costo del
recurso de
mantenimiento
preventivo
Costo del mantenimiento
correctivo por downtime
(paradas imprevistas)
Costo del recurso de
mantenimiento correctivo
Curva de
costo total
=)
Tp
Costo
Remplazo Optimo
Ctp MINIMO
Tp optimo ReBobinado =12 /13 aos
Modelos Matemticos para el
intervalo Optimo de Inspeccin y
sus Beneficios
El propsito bsico es determinar el
estado del equipo, obteniendo el mximo
beneficio y las mnimas perdidas.
Palabras que describen genricamente el
llamado LEAN Mantenaince-
Mantenimiento delgado como smbolo de
salud y no de falta de alimentacin.
1. FRECUENCIA DE INSPECCION: Para
equipamiento que es continua operacin
y sujeto a falla.
2. INTERVALOS DE INSPECCION: Para
equipamiento usado solamente en
condiciones de emergencia.
3. MONITOREO DE CONDICION.
Beneficio por frecuencia optima
1. Mientras que con el reemplazo preventivo nos
centramos en la ltima parte de la curva de la
baera, con las inspecciones estamos actuando en
la parte de Vida til, donde las fallas son aleatorias
y responden a la exponencial negativa.
MTTF = 1/
2. Tiempo de reparacin 1/ N reparaciones
/unidad de tiempo
3. Poltica de Inspeccin 1/i N inspecciones/unidad
de tiempo
4. Expresamos con B al valor del beneficio si no hay
paradas.
5. Costo promedio de la Inspeccin por unidad de
tiempo I.
6. Costo promedio de reparacin por unidad de tiempo
no interrumpido R.
B: Beneficio de la operacin no interrumpida por
unidad de tiempo.
Perdida de Beneficio por Reparaciones, donde (n)
es el N de Reparaciones y el tiempo medio de
reparaciones MTTR.
Perdida de Beneficio por inspecciones, donde n es
el N de Inspecciones e i el tiempo medio para las
inspecciones.
R es el costo promedio de reparaciones.
I es el costo promedio de inspecciones.
P(n)=
- B
-B
-R
-I
B
P(n): Valor del Beneficio con operacin interrumpida
por reparaciones en la unidad de tiempo.
= B
- - -
Debemos hallar el n (N de Inspecciones) que resuelva
esta ecuacin).
Asumimos que n es inversamente proporcional a (es
cierto aumenta n disminuye )
= B
- - -
Debemos hallar el n (N de Inspecciones) que resuelva
esta ecuacin).
Asumimos que n es inversamente proporcional a (es
cierto aumenta n disminuye )
K es la relacin entre paradas por emergencia
en la unidad de tiempo cuando realizamos una
inspeccin por unidad de tiempo.
Sustituyendo en 1
La premisa fundamental sobre la que se basa el
Mantenimiento Planificado es muy sencilla, no
basta con reparar la avera una vez ocurrida
sino que es necesario prevenirla. Con este
objetivo nosotros realizamos inspecciones
peridicas de los equipos y rectificamos
cualquier menor defecto. Lgicamente estas
inspecciones tienen costo en trminos de M.O. ,
insumos, materiales y Hs de Produccin.
El Objetivo es determinar la poltica de
Inspeccin que d el balance correcto entre el
nmero de inspecciones y los beneficios
resultantes de su aplicacin.
La importancia de la confiabilidad tambin depende
del alcance que demos a nuestra probabilidad de xito
a veces llamado Factor de Servicio F= 1- R(t).
Pensemos que tener un factor de servicio del 99 %
(eficiencia) seria bastante bueno.
Sin embargo en EEUU ocasionara :
Una hora de agua no potable por mes.
Dos aterrizajes peligrosos por dia en J FK
10.000 piezas de correo perdidas por hora.
20.000 prescripciones incorrectas de
medicamentos por ao.
22.000 cheques deducidos de la cuenta
equivocada por hora.
Preguntas ?
Ing. Roberto Bottini
roberto.bottini@fi.austral.edu.ar
MUCHAS GRACIAS !!!