Gmez de la Vega H., Medina N., Semeco K, Yanez M.

Anlisis de Confiabilidad, Disponibilidad y Mantenibilidad en

Sistemas Productivos
Hernando Gmez de la Vega, Nayrih Medina, Medardo Yanez
Reliability and Risk Management S.A.
Telfonos: (58)-261-7923891
E-mail: hernando.gomezdelavega@reliarisk.com, nayrih.medina@reliarisk.com,
karina.semeco@reliarisk.com, medardo.yanez@reliarisk.com

RESUMEN
Este trabajo sobre el Anlisis de Confiabilidad, Disponibilidad y Mantenibilidad de Sistema
de Produccin, se enfoca en la descripcin de un estudio proactivo de diagnstico de la
disponibilidad y el factor de servicio de un proceso de produccin para un perodo
determinado de tiempo, que busca caracterizar el estado actual de un proceso, sistema o
equipos y predecir su comportamiento futuro basado en la configuracin y confiabilidad de
sus componentes y en la filosofa de mantenimiento, mediante el anlisis del historial de
fallas y reparaciones, los datos de las condiciones operacionales y datos tcnicos. Su
finalidad es revelar problemas, definir y desarrollar alternativas de soluciones, reasignar
recursos y presupuestos para mejorar efectivamente la productividad del proceso o sistema,
a travs de la sistemtica reduccin de la ocurrencia de fallas y eventos no deseados y
minimizar su impacto en el negocio medular. Durante las diferentes fases de un proyecto
(ingeniera bsica, construccin, puesta en marcha y operacin) este tipo de estudio
proporciona reportes a la medida, que permiten planear, organizar, controlar y comunicar
situaciones presentes en los diferentes escenario analizados permitiendo responder al
instante preguntas como: Que tan productivo es o ser el proceso? Qu mejoras se pueden
introducir? Qu trabajos quedan por hacer? Cuales son las actividades crticas? Dnde
concentrar los esfuerzos y recursos?.
Palabras Claves: Confiabilidad, Disponibilidad, Falla, Mantenibilidad, Probabilidad,

1. INTRODUCCION
El anlisis CDM (Confiabilidad, Disponibilidad y Mantenibilidad), conocido tambin como
anlisis RAM (Reliability, Availability and Mantainability) permite pronosticar para un perodo
determinado de tiempo la disponibilidad y el factor de servicio de un proceso de produccin,
basado en su configuracin, en la confiabilidad de sus componentes y en la filosofa de

Gmez de la Vega H., Medina N., Semeco K, Yanez M.

mantenimiento. La base fundamental de este anlisis es la seleccin de los TPPF, TPEF y

TPPR que mejor caracterizan los diversos equipos del sistema de produccin, tomados de
bancos de datos genricos de la industria, experiencia propia y opinin de expertos.
El anlisis se sustenta en un modelo de simulacin que toma en cuenta la configuracin de
los equipos, las fallas aleatorias, las reparaciones, las paradas parciales y totales y el
mantenimiento planificado.
Una vez construido, el modelo CDM trabaja como un simulador what if (que pasa si),
que permite inferir el impacto que tienen en la disponibilidad y produccin diferida del
sistema: nuevas polticas de mantenimiento, cambios en la mantenibilidad de los equipos,
aplicacin de nuevas tecnologas, cambios en la configuracin de los equipos dentro de los
procesos de produccin, cambios en la poltica de inventarios e implantacin de nuevos
mtodos de produccin.
Durante la ejecucin de un estudio CDM, se realiza la adecuada caracterizacin
probabilstica de los procesos de deterioro que afectarn los equipos, sub-sistemas y
sistemas asociados al citado proceso de produccin a fin de pronosticar la mayora de los
escenarios de paros o fallas. Adicionalmente, se identifican acciones para minimizar la
ocurrencia de estos escenarios y finalmente se identifican las implicaciones econmicas de
cada escenario, comparndolo con el escenario basado en Las Mejores Prcticas (Best
Practices), a fin de contribuir con el establecimiento de estrategias ptimas de
mantenimiento para el manejo del negocio.
Como resultado del proceso se obtiene una lista de criticidad de elementos o equipos, con
base a su impacto a la disponibilidad y factor de produccin diferida, con la finalidad de
establecer las acciones que mitiguen el riesgo, y permitan optimizar la rentabilidad del
negocio.

Gmez de la Vega H., Medina N., Semeco K, Yanez M.

2. MODELO GENERAL PARA ELABORAR UN ANLISIS CDM

La figura 1 muestra un esquemtico del modelo general que se propone para la elaboracin
de un estudio CDM.

Figura 1. Modelo General Anlisis CDM

Como se indica en la figura 1, el anlisis CDM se inicia con la estimacin de las tasas de
falla y reparacin de cada uno de los componentes o equipos que conforman las
instalaciones. Las fuentes fundamentales de informacin para esta estimacin pueden ser
de variada naturaleza, especficas o genricas, y dentro de ellas pueden mencionarse
OREDA (Offshore Reliability Data), PARLOC, WELL MASTER, IEEE, SINTEF

y la

evidencia o informacin propia de fallas de sistemas similares que posea la empresa en la

cual se est ejecutando el estudio. El Teorema de Bayes permite la combinacin, de forma
estructurada y matemticamente soportada, de la experiencia de otros (conocimiento
previo) con la experiencia propia (evidencia), obteniendo de esta combinacin tasas de
fallas mas representativas de la realidad operacional del proceso bajo anlisis (conocimiento
mejorado o actualizado). Ver figura 2.

Gmez de la Vega H., Medina N., Semeco K, Yanez M.

Figura 2. Modelo de Actualizacin de Tasas de Falla

Esta informacin mejorada de las tasa de falla alimenta un modelo de Diagramas de Bloque
de Disponibilidad (DBD); que representa la arquitectura del sistema y la filosofa de
operacin del campo. Este diagrama puede construirse en herramientas computacionales
de simulacin disponibles.
El anlisis requiere un nmero adecuado de entrevistas con el personal de los diferentes
departamentos que intervienen en el proceso bajo estudio, para verificar la representatividad
del modelo, como elemento clave para alcanzar el xito del mismo.
Por otro lado, una vez desarrollada y validada la base de datos y la arquitectura del modelo,
se generan los diferentes escenarios de inters. Estos escenarios pueden corresponder a
cambios de arquitectura (nuevas configuraciones de los equipos, introduccin de nueva
tecnologa, cambios en el diseo), nuevos planes de mantenimiento u optimizacin de los
existentes, nuevas polticas de inventario, adquisicin de equipos de ltima generacin,
nuevas polticas tendientes a mejorar los TPEF y TPPR de los equipos existentes, entre
otras.
La simulacin de los diferentes escenarios permite verificar el impacto de los cambios
propuestos en los resultados de confiabilidad y disponibilidad del sistema bajo estudio.

Gmez de la Vega H., Medina N., Semeco K, Yanez M.

El plan de trabajo para un anlisis CDM, se desarrolla en tres vas fundamentales, tal como
se muestra en la figura 3.
La primera actividad (Etapa I), consiste en la asignacin de las tasas de falla y reparacin
de los componentes o equipos que conforman el sistema, as como la revisin de los planes
de mantenimiento planificados y no planificados. Para esta etapa se realizan los siguientes
pasos:

Figura 3. Plan de Trabajo

Recopilacin de Data Histrica Propia: muchas empresas buscando la mejora

continua de sus procesos han hecho grandes esfuerzos en la recoleccin de
informacin de campo sobre datos de falla (tipo y frecuencia) y datos de reparacin
de sus equipos. La cantidad y calidad de este tipo de informacin son de gran
importancia para este estudio pues reducen los valores de incertidumbre en el
anlisis.

Recopilacin de Opinin de Expertos: existen casos donde no se cuenta con

suficiente informacin de campo, y en ausencia de ella existen metodologas que
permiten la recoleccin de informacin a partir de opinin de experto.

Bsqueda y adecuacin de Informacin Genrica: con la finalidad de obtener

resultados confiables, es extremadamente importante complementar la informacin
de fallas propia del sistema, con datos de confiabilidad genricos provenientes de

Gmez de la Vega H., Medina N., Semeco K, Yanez M.

reconocidas bases de datos internacionales como OREDA, PARLOC, WELL

MASTER, IEEE. Sin embargo, es vital adecuar esta informacin al entorno
operacional bajo anlisis, seleccionando de las bases de datos, solo aquellos modos
de fallas que puedan realmente ocurrir en el entorno bajo estudio.

Figura

Revisin y Validacin de las Bases de Datos: En esta etapa, un equipo de trabajo

dirige sus esfuerzos en validar la informacin de confiabilidad para cada elemento
del sistema (TPPF y TPPR). Esta etapa incluye un conjunto de entrevistas formales
de trabajo con personal asociado al proceso productivo (operadores, mantenedores,
analistas, programadores, ingenieros de procesos), con la finalidad de intercambiar y
aclarar las premisas referentes a la base de datos, y de revisar y definir la filosofa
de operaciones del proceso productivo bajo estudio. Esto incluye la revisin de los
PI&D, diagramas funcionales, diagramas de proceso, registros de operacin y fallas,
planes de mantenimiento y otras fuentes de informacin para complementar el
anlisis.

Estimaciones: la informacin proveniente de los pasos anteriores se utiliza para

obtener una estimacin representativa de las tasas de falla y reparacin
caracterstico del sistema o proceso. Esto se logra formulando relaciones
algebraicas que permita usar distribuciones de probabilidad y fundamentos de
matemtica Bayesiana, para combinar la evidencia con informacin genrica.

La segunda actividad (Etapa II), esta relacionada con la revisin y verificacin de la

arquitectura del modelo; y la misma se realiza en las siguientes etapas:

Gmez de la Vega H., Medina N., Semeco K, Yanez M.

Construccin del Diagrama de Bloque de Disponibilidad: En este primer paso de

la segunda etapa, la configuracin del sistema de produccin debe representarse en
modelos de bloque; lo cual implica la revisin detallada de los PI&D, diagramas
funcionales y diagramas de proceso.

Revisin de la representatividad del modelo: segundo paso de la segunda etapa

consiste en verificar la representatividad que el modelo diagramado tiene del sistema
de produccin bajo estudio. En esta etapa; el modelo se somete a prueba en
reuniones con expertos en dicho proceso productivo.

La tercera actividad (Etapa III), consiste en la combinacin de los resultados obtenidos en

las etapas I y II. La informacin de tasas de falla y reparacin actualizadas proveniente de la
primera etapa se introduce al modelo obtenido en la etapa II.

Figura

A partir de este momento comienza el proceso final de modelaje, con la generacin de un

nmero pre-establecido de escenarios y la realizacin de un anlisis de sensibilidad (en
cada caso), para establecer el impacto de cada componente del sistema en los factores de
disponibilidad y produccin diferida del proceso analizado.
3. RESULTADOS DE UN ANALISIS CDM

Gmez de la Vega H., Medina N., Semeco K, Yanez M.

El resultado de este modelo es una distribucin de probabilidad de la disponibilidad y

produccin diferida del sistema para cada escenario analizado.
Entre los productos que resultan de un anlisis CDM son los siguientes:
1.) Pronstico de la disponibilidad para un perodo determinado de tiempo.
2.) Factor de produccin diferida de un proceso de produccin, basado en su configuracin,
en la confiabilidad de sus componentes y en la filosofa de mantenimiento.
3.) Base de Datos con informacin tcnica, operacional y de confiabilidad del sistema.
4.) Modelo de Confiabilidad, Disponibilidad y Mantenibilidad (Modelo CDM).
5.) Perfil estocstico de la Disponibilidad y Produccin Diferida por Unidad Operativa o
Sistema Productivo (para el ciclo de vida definido).
6.) Lista jerarquizada de los equipos y sistemas crticos, con base a su impacto al factor de
disponibilidad.
7.) Lista de recomendaciones tcnicas para mitigar el riesgo e incrementar la disponibilidad.
Adicionalmente, el modelo permite desarrollar un anlisis de sensibilidad para identificar los
equipos y sistemas de alto impacto en la indisponibilidad del proceso, con el propsito de
proponer acciones de mitigacin, basados en un anlisis costo-riesgo, que permite a la
gerencia del proceso productivo analizado, tener el conocimiento sobre el riesgo asociado y
los costos de los planes de intervencin debido a mantenimiento planificado y no
planificado.
CONCLUSIONES:
Este estudio de diagnstico integral que combina diferentes medologas tradicionales del
rea de confiabilidad tales como: Anlisis de Modos y Efectos de Fallas, Inspeccin Basada
en Riesgos, Mantenimiento Centrado en Confiabilidad, entre otras, permite:

Realizar diagnsticos integrales sustentados en la informacin disponible de los

elementos que integran el proceso, sistema o equipos (data histrica de fallas y
reparaciones, datos de condiciones operacionales y daos tcnicos=.

Gmez de la Vega H., Medina N., Semeco K, Yanez M.

Inferir probabilsticamente todos los escenarios de produccin factibles, a travs de los

perodos de operacin normal y de ocurrencia de eventos o escenarios no deseados,
basados en la configuracin de los sistemas, la confiabilidad de sus componentes y la
filosofa de mantenimiento.

Identificar acciones concretas para minimizar o mitigar la ocurrencia de estos eventos no

deseados y llevar el riesgo a niveles tolerables.

Explorar las implicaciones econmicas de cada escenario de riesgo posible y disear

planes y estratgias ptimas para el manejo del negocio.

Comparar el costo asociado a una accin o estrategia de mantenimiento contra el nivel

de reduccin de riesgo o mejora en el desempeo alcanzado debido a dicha accin.

LECCIONES APRENDIDAS:
El anlisis de Confiabilidad, Disponibilidad y Mantenibilidad de un Sistema Productivo no es
un problema sencillo, para ello se requieren de herramientas y metodologas de clculo con
complejidad acorde a la complejidad del proceso analizado.
Los resultados obtenidos con este estudio dependen en gran medida de la representatividad
que se logre con el modelo desarrollado, el cual debe modelar el comportamiento real del
sistema dentro de su contexto operacional.
El enfoque de Confiabilidad Integral es una herramienta de gran poder para agregar valor a
una empresa o proceso productivo; ya que una de las formas ms importantes de
agregar valor, es evitar que se destruya
REFERENCIAS:
1. Yaez, Medardo Gmez de la Vega, Hernando Valbuena, Genebelin. Ingeniera
de Confiabilidad y Anlisis Probabilstico de Riesgo ISBN 980-12-0116-9. Junio
2003.
2. Modarres, Mohammad; Kaminsky, Mark; Kritsov, Vasily. Reliability Engineering And
Risk Analysis. Marcel Dekker, New York,1999.
3. Martz, H.F.;Walley, R.A. Bayesian Reliability Analysis, John Wiley and Sons, NY,
1982.

Gmez de la Vega H., Medina N., Semeco K, Yanez M.

4. Meeker, William Q.; Escobar Luis A., Statistical Methods For Reliability Data. Jhon
Wiley & Sons, New York, 1998.
5. NASA, Probabilistic Risk Assessment for NASA Managers and Practitioners,
Version 1.1, Agosto 2002
6. SINTEF- Offshore Reliability Data Handbook 4th Edition, (OREDA 2002)
7. Energy Institute - Pipeline And Riser Loss Of Containment Database (PARLOC
2001), London 2003
8. Hoyland, A.; Rausand, M., System Reliability Theory: Models and Statistical
Methods, John Wiley and Sons, NY, 1994.
9. Yaez, Medardo - Joglar, Fancisco - Modarres Mohammad, Generalized Renewal
Process for Analysis of

Repairable Systems with Limited failure experience

Reliability Engineering and System Safety Analysis Journal ELSVIER USA 2002
12. Ebeling, Charles E. An Introduction To Reliability And Maintainability Engineering.
McGraw Hill. New York, 1997.