Está en la página 1de 25

EL MANTENIMIENTO COMO FUENTE DE RENTABILIDAD

Para evaluar la gestin del mantenimiento, se han de definir claramente


los objetivos que el mantenimiento pretende conseguir. Estos objetivos
se fijarn en funcin de los objetivos de la empresa (rentabilidad, en
mercados competitivos). La mejor manera de saber si dichos objetivos
se consiguen o no y cmo contribuyen a mejorar la competitividad de la
empresa es cuantificarlos en trminos monetarios.
Hoy en da, las estrategias del mantenimiento estn encaminadas a
garantizar la disponibilidad y eficacia requerida de las unidades, equipos
e instalaciones, asegurando la duracin de su vida til y minimizando los
costos de mantenimiento, dentro del marco de la seguridad y el medio
ambiente.
Los factores crticos de xito de la gestin del mantenimiento son la
Disponibilidad y la Eficiencia, que van a indicarnos la fraccin de tiempo
en que las unidades o equipos estn en condiciones de servicio
(Disponibilidad) y la fraccin de tiempo en que su servicio resulta
efectivo para la produccin.
La disponibilidad se ha de tener slo cuando se requiere, lo cual no
quiere decir que haya de ser por igual en todos los recursos (unidades),
pues depende mucho de la criticidad de los mismos, y esa criticidad
puede variar segn las condiciones del mercado. Tener una
disponibilidad demasiado elevada en recursos (unidades) que no la
necesitan slo ocasiona un exceso de costos, al hacer un uso excesivo
de los recursos de mantenimiento.
La mejora en los dos ratios de Disponibilidad y eficiencia y la
disminucin de los costos de mantenimiento suponen el aumento de la
rentabilidad de la empresa y por tanto tiene influencia directa sobre las
utilidades.
4.1 Evolucin del concepto de Mantenimiento

Antes de esta mirada a aspectos del mantenimiento revisemos


algunas definiciones bsicas:
Mantenimiento
Preventivo: Tarea
que
involucra
cambios/reconstrucciones de partes/equipo bajo una base regular, sin
importar el estado de las mismas.
Mantenimiento Predictivo: Busca mediante inspecciones peridicas
determinar cundo cambiar o reconstruir una parte/equipo en funcin
del estado actual de los mismos.
Mantenimiento Detectivo: Busca detectar la ocurrencia de fallas
ocultas en equipos de proteccin y/o respaldo.
Mantenimiento Correctivo: Restitucin del equipo al estado operativo
ptimo despus de la ocurrencia de una falla.
Riesgo: Dado matemticamente por el producto de la probabilidad de
ocurrencia de un evento y sus consecuencias
El objetivo fundamental del mantenimiento, es preservar la funcin y
la operabilidad, optimizar el rendimiento y aumentar la vida til de los
activos, procurando una inversin ptima de los recursos. Este enfoque
del mantenimiento es resultado de una evolucin importante a travs
del tiempo. La literatura [1] distingue entre tres generaciones diferentes
de mantenimiento. Cada una de las cuales representa las mejores
prcticas utilizadas en una poca determinada.
En los ltimos aos se ha vivido un crecimiento muy importante de
nuevos conceptos de mantenimiento y metodologas aplicadas a la
gestin del mantenimiento.
Hasta finales de la dcada de los 90, los desarrollos alcanzados en la
3 generacin del mantenimiento incluan:

Herramientas de ayuda a la decisin, como estudios de riesgo,

modos de falla y anlisis de causas de falla.


Nuevas tcnicas de mantenimiento, como el monitoreo de

condicin
Equipos de diseo, dando mucha relevancia a la confiabilidad y
mantenibilidad.

Un cambio importante en pensamiento de la organizacin hacia la

participacin, el trabajo en equipo y la flexibilidad


A estos usos, se han ido aadiendo nuevas tendencias, tcnicas y
filosofas de mantenimiento hasta nuestros das, de tal forma que
actualmente se puede hablar de una cuarta generacin del
mantenimiento.
El nuevo enfoque se centra en la eliminacin de fallas utilizando
tcnicas proactivas. Ya no basta con eliminar las consecuencias de la
falla, sino que se debe encontrar la causa de esa falla para eliminarla y
evitar as que se repita.
Asimismo, existe una preocupacin creciente en la importancia de la
mantenibilidad y confiabilidad de los equipos, de manera que resulta
clave tomar en cuenta estos valores desde la fase de diseo del
proyecto. Otro punto importante es la tendencia a implantar sistemas de
mejora continua de los planes de mantenimiento preventivo y predictivo,
de la organizacin y ejecucin del mantenimiento.
A parte de estas caractersticas descritas anteriormente, existen
otros dos temas importantes dentro del mantenimiento actual cuya
importancia ha aumentado de manera muy importante en los ltimos
aos:

La Gestin del Riesgo: Cada da cobra ms importancia la


identificacin y control de los posibles sucesos que presentan una
baja probabilidad pero consecuencias graves, sobre todo en
organizaciones que operan en industrias con riesgo. El
mantenimiento se est viendo como un participante clave en este
proceso. En el pasado, este tipo de sucesos se controlaban
simplemente con una extensin de los Sistemas de Gestin de
Seguridad y Medio Ambiente implantados en cada empresa. Sin
embargo, existe una creciente percepcin de que la aplicacin de
estos sistemas de gestin a los sucesos de baja probabilidad /
consecuencias graves no es efectiva, por lo que es necesario
desarrollar otras metodologas.

Patrones de Falla: Las nuevas investigaciones estn cambiando


muchas de las tradicionales creencias sobre la relacin existente en
una mquina entre el envejecimiento y la falla. En particular, se ha
demostrado que para muchos equipos existe muy poca relacin entre
el tiempo de operacin y la probabilidad de falla. El enfoque inicial del
mantenimiento supona que la probabilidad de que una mquina falle
aumenta segn el tiempo de operacin, siendo mayor la probabilidad
de falla en la vejez de la mquina. La segunda generacin de
mantenimiento introdujo el concepto de mortalidad infantil. De esta
forma la tasa de fallas de una mquina puede ser representada con
una curva de baera, existiendo, por tanto, ms probabilidad de falla
durante el principio y el final de su vida til

Sin embargo, en el mantenimiento actual se ha demostrado que


podemos definir seis patrones diferentes de tasa de fallas, segn el tipo
de mquina que estemos utilizando.
Tener en cuenta el patrn al que se ajusta cada elemento es
fundamental si se quiere conseguir una ptima planificacin del
mantenimiento.
Debemos estar seguros de que el mantenimiento que ha sido
planificado es el adecuado, ya que de nada sirve realizar el trabajo
planificado de manera correcta, si ste no es el ms adecuado.

Figura 4.1: Nuevos patrones de tasas de falla.

Para los patrones de falla A, B y C, la probabilidad de falla aumenta


con la edad hasta alcanzar un punto en el que es conveniente
reemplazar el componente antes de que falle y as reducir su
probabilidad de falla. En el caso de los componentes que presentan una
probabilidad de falla del modelo E, reemplazar el componente no
mejorar en ningn caso su confiabilidad, ya que el nuevo elemento
tendr la misma probabilidad de falla que el antiguo.
Si el patrn de falla al que se ajusta el componente es el F,
reemplazar el elemento a intervalos fijos por un componente nuevo, no
slo no mejorar la confiabilidad, sino que aumentar la probabilidad de
falla, ya que en la infancia presenta ms mortalidad que en la vejez.
En el grfico se observa que ms del 50% de los componentes
presentan fallas en la infancia. Esto quiere decir que cada vez que se
repara o reemplaza un equipo, las posibilidades de falla prematura
debido a esa operacin de mantenimiento son muy elevadas. Alguna de
las posibles explicaciones que se pueden dar a este hecho, son errores
humanos, errores del sistema, errores de diseo o errores de piezas.
Por lo visto anteriormente, est claro que el mantenimiento actual
debe centrarse en reducir las operaciones de mantenimiento provocadas
por fallas que se ajustan al modelo F. Es decir, fallas ocurridos en la
infancia de los equipos. Para los elementos que ajusten su tasa de
fallas a este patrn F, un mantenimiento planificado a intervalos fijos
aumentar las posibilidades de falla, ya que el equipo nuevo presentar
ms probabilidad de falla que el antiguo. Por ese motivo existe una
tendencia generalizada a mantener lo mnimo posible, debido a que
cualquier operacin de mantenimiento realizada puede aumentar la
probabilidad de falla.
Otra posibilidad, es centrarse en reducir de manera global las
probabilidades de falla sobre todos los modelos. La forma de realizar
esto, es mediante la utilizacin de un Mantenimiento Proactivo, es decir
buscar la forma de eliminar los fallas, ms que eliminar sus
consecuencias.

Para eliminar las fallas, hay que eliminar sus causas, lo que implica
conocerlas. Existen herramientas como el Anlisis Causa-Raz que
ayudan a identificar y eliminar las causas de los fallas, aunque en
muchas ocasiones se utiliza como una herramienta reactiva ms que
proactiva.
A modo de resumen, en las siguientes grficas se presenta como han
ido evolucionando las expectativas y tcnicas del mantenimiento
durante el ltimo siglo:

Figura 4.2: Objetivos del Mantenimiento.

Figura 4.3: Evolucin de las Tcnicas de Mantenimiento.

4.2 Tcnicas de Mantenimiento


Hoy en da existen infinidad de diferentes herramientas, tcnicas,
metodologas y filosofas de mantenimiento. Algunas de las ms
utilizadas entre otras pueden ser:

Mantenimiento Autnomo / Mantenimiento Productivo Total (TPM)


Mejoramiento de la Confiabilidad Operacional (MCO)
Mantenimiento Centrado en la Confiabilidad (RCM)// (MCC)
Mantenimiento Basado en el Riesgo (MBR)
Asset Integrity
Mantenimiento Centrado en Confiabilidad en Reversa (MCC-R)
Anlisis Causa raz (ACR)
Anlisis de Criticidad (AC)
Optimizacin Costo Riesgo (OCR)
Inspeccin Basada en Riesgo (RBI)(IBR)

En efecto los mtodos para mejorar la confiabilidad se podran dividir


en dos:

Mtodos Proactivos: Buscan la mejora de la confiabilidad

mediante la utilizacin de tcnicas que permitan la paulatina


eliminacin de las fallas tanto crnicas como potenciales. Claros
ejemplos son el Mantenimiento Centrado en la Confiabilidad y el
Mantenimiento Productivo Total.
Mtodos Reactivos: Buscan de una manera rpida y eficaz la
solucin de problemas cotidianos y evitar repeticin de eventos
mayores. En lneas generales se trata de mtodos sobre todo "postmorten". Actualmente su mejor exponente es el Anlisis Causa Raz.
Nos referiremos a continuacin muy brevemente a algunas de ellas:

4.2.1 Mantenimiento Centrado en la Confiabilidad (RCM)


Esta tcnica surge a finales de los aos sesenta como respuesta al
incremento de costos y actividades del mantenimiento de las aeronaves
(bsicamente preventivo). En esta industria demuestra ser muy valioso,

no slo bajando los costos y actividades de mantenimiento, sino que


adems mejora los niveles de confiabilidad, disponibilidad y seguridad.
Estos xitos lo hicieron apetecible a otras industrias, como la militar,
petrolera y de generacin de electricidad.
Esta tcnica se basa en seleccionar mantenimiento slo donde las
consecuencias de las fallas as lo requieren, para esto se necesita hacer
un estudio exhaustivo de todas las funciones, fallas, modos y
consecuencias de las fallas, para luego decidir dnde y que tipo de
mantenimiento hacer. Establece un orden de prioridades: la seguridad y
ambiente, produccin, costos de reparacin. Esto ha hecho que sea una
herramienta valiosa en las industrias que requieren elevados niveles de
seguridad, generando a cambio de los esfuerzos, buenos resultados.
Bajo su enfoque tradicional resulta muy difcil de aplicar en grandes
industrias debido a que no resuelve algunas interrogantes mayores
como Cundo hacer el mantenimiento? y Cmo generar una jerarqua
de implantacin?
Es una tcnica bastante analtica, lo cual ha trado problemas de
implantacin, debido a que a veces resulta difcil pasar del papel a la
realidad. Conduciendo esto a fuertes prdidas de dinero y esfuerzos,
degenerando al final en frustracin de los equipos de trabajo. Se trata de
una prctica recomendada por el Energy Power Research Institute (EPRI)
para sistemas elctricos.
4.2.2 Mantenimiento Productivo Total (TPM)
Conocido por los grandes beneficios que ha obtenido en empresas
manufactureras. Demostr su poder en Japn y ha comenzado a
diseminarse a lo largo del mundo. Hace un gran esfuerzo en el trabajo
en equipos. Se apoya fuertemente en limpieza y lubricacin como
fuentes que eliminan problemas crnicos. Requiere de una profunda
cultura de trabajo en equipo y sentido de propiedad de los bienes por
parte de los trabajadores.

De no poseer estos se requiere de un fuerte trabajo en el cambio


cultural. Est muy ligado a los conceptos de mejoramiento continuo de
la calidad y filosofas cero defectos. Difcil de aplicar en empresas de
procesos, debido en muchos casos a lo ambiguo que resultan los
conceptos de calidad y defectos, por otra parte el problema cultural
puede entorpecer la implantacin a niveles de frustracin.
Donde se ha logrado su implantacin exitosa, se han tenido grandes
logros respecto a seguridad, ambiente, confiabilidad, disponibilidad y
costos de mantenimiento. Tampoco responde a las interrogantes
Cundo hacer el mantenimiento? y Cmo generar una jerarqua de
implantacin?
4.2.3 Anlisis Causa Raz (ACR)
Tcnica poderosa que permite la solucin de problemas, con enfoque
a corto y mediano plazo. Usa tcnicas de investigacin bastante
exhaustivas, con la intencin de eliminar las causas de los
problemas/fallas. Su valor no slo reside en la eliminacin de grandes
eventos, sino en la eliminacin de los eventos crnicos, que tienden a
devorar los recursos de mantenimiento. Al eliminar paulatinamente los
problemas crnicos y pequeos, este genera tiempo para anlisis ms
profundos (RCM, por ejemplo).
4.3 Mejoramiento de la Confiabilidad Operacional (MCO)
El mejoramiento en la confiabilidad operacional desarrollada en U.K.
con la intencin de agrupar las mejores prcticas de mantenimiento y
operaciones con una orientacin al negocio. Reconoce las limitaciones
que el mantenimiento como funcin tiene para lograr una confiabilidad
adecuada de las instalaciones.
La figura ilustra un poco ms la idea:

Figura 4.4: Confiabilidad Operacional.


Para mejorar los 4 sectores nombrados en la grfica anterior, el MCO
divide las tcnicas de mejoramiento:

Diagnstico Aqu mediante uso de tcnicas asociadas al manejo


de riesgo se cuantifican las oportunidades a corto plazo (reactivas) y
mediano largo plazo (proactivas). Como resultado se obtiene una
jerarqua de implementacin. Aqu se hace uso de herramientas de
anlisis de criticidad y de oportunidades perdidas (a modo de
ejemplo), estas permiten establecer las oportunidades de
mejoramiento y que herramientas de control podran usarse para
capitalizar las oportunidades halladas

Control Aqu se usa el RCM+ (que combina algunas ventajas del


TPM con el RCM) como tcnica proactiva y el ACR como tcnica
reactiva, tambin se puede hacer uso del IBR para equipos estticos.
Como resultado se obtienen una serie de tareas de mantenimiento,
operaciones, rediseo a ejecutar para mejorar el desempeo.

Estas tcnicas de control por lo general son tcnicas del tipo cualitativo
y basadas en reglas fijas para la toma de decisin (por ejemplo:
diagramas lgicos).

Optimizacin Aqu mediante el uso de herramientas avanzadas


de clculo costo riesgo se hallan los intervalos
mantenimiento, paradas de planta, inspecciones, etc.

ptimos

de

Se trata de tcnicas del tipo numrico e involucran el modelado de


los equipos y/o sistemas.
Los resultados de implementar estas herramientas de esta manera
son impresionantes en diversas industrias, logrando en algunos casos
incluso la transformacin de las empresas llevndolas a la
implementacin de Gerencia de Activos (Asset Management)
Grandes resultados se han encontrado en Centrales Elctricas con la
implantacin del Mantenimiento Centrado en la Confiabilidad y con el
Anlisis Causa Raz. Un requisito que no debe dejarse de cumplir es el
establecimiento previo de prioridades antes de la ejecucin de ambas
tcnicas (simultaneas). Se han desarrollado herramientas como el
anlisis de criticidad y el anlisis de oportunidades perdidas que pueden
resolver dicha inquietud eficazmente.
Por otra parte normalmente ambas tcnicas generarn soluciones
que podran ser agrupadas en:

Cambios de diseo.
Tareas preventivas.
Tareas de Inspeccin (Deteccin y Prediccin).
Tareas correctivas.

La respuesta a cuando ejecutar dichas tareas no es simple, y en


muchos casos no puede ser fijada por la ley del dedo. Grandes
beneficios econmicos han sido reportados con el uso de software, que
pueden calcular el punto de ejecucin con menor costo/riesgo posible
para las tareas anteriores.
4.4 Inspeccin Basada en Riesgo

Un captulo especial se abre con esta tcnica, que establece patrones


de inspeccin de equipos estticos (calderas, lneas de transmisin, etc.)
en funcin de su riesgo asociado, nuevas aproximaciones permiten usar
software para tomar en cuenta tambin el estado actual del equipo, lo
que desencadena una continua optimizacin por costo/riesgo y no una
frecuencia de inspeccin fija. Los reportes econmicos han sido
cuantiosos, adems de los beneficios por disponibilidad y produccin.
Tambin es posible optimizar con este tipo de tcnicas la frecuencia de
bsqueda de fallas ocultas (pesquisa de fallas, mantenimiento
detectivo), dejndose de usar entonces frmulas mgicas que no
generan una frecuencia ptima por costo/riesgo, pudindose simular
factores como probabilidad de xito de la prueba y probabilidad de
destruccin del equipo probado.
4.5 Modelos de Optimizacin del Mantenimiento
Los modelos de optimizacin de mantenimiento se definen [3] como
aquellos modelos matemticos cuyo objetivo es encontrar el equilibrio
ptimo entre los costos y beneficios de ste, tomando en cuenta todo
tipo de restricciones. En casi todos los casos, las ventajas del
mantenimiento consisten en ahorros de costos en los cuales de otro
modo se incurrira (por ej, menor costo de fallas). Esta definicin no
incluye todos los modelos de investigacin de operaciones aplicados en
el mantenimiento. La programacin de interrupciones de plantas de
energa elctrica para mantenimiento no es considerada, a menos que
los aspectos de mantenimiento tpicos (como el deterioro) sean
modelados explcitamente. Se excluyen tcnicas de direccin de
proyecto, aunque algunas sean usadas en la planificacin de cierre de
instalaciones principales en la industria de proceso, cuando stos
carecen de los aspectos costo-beneficio del mantenimiento.
Tambin se excluye los modelos de reemplazo de repuestos cuando
stos se enfocan principalmente en el control de inventario.
En general, los modelos de optimizacin de mantenimiento cubren
cuatro aspectos:

1.

Una descripcin de un sistema tcnico, su funcin y su


importancia,
2.
Un modelado del deterioro del sistema en el tiempo y
consecuencias posibles para el sistema,
3.
Una descripcin de la informacin disponible acerca del sistema y
las acciones dispuestas por la direccin
4.
Una funcin objetivo y una tcnica de optimizacin que ayuda en
el descubrimiento del mejor equilibrio.
En [4] los modelos se clasifican segn la modelacin del deterioro
en:

Modelos determinsticos
Modelos estocsticos
o
En Riesgo
o
Bajo Incertidumbre

Ellos distinguen entre un sistema simple (componente nico) y un


sistema complejo. La diferencia entre riesgo e incertidumbre es que en
caso del riesgo se asume que una distribucin de probabilidad del
tiempo de falla est disponible, lo que no ocurre en el caso de la
incertidumbre. Este por lo tanto incluye modelos con polticas
adaptativas. Los mtodos de optimizacin empleados incluyen
programacin lineal y no lineal, programacin dinmica, mtodos de
decisin de Markov, tcnica de anlisis de decisin, tcnica de bsqueda
y metodologa heurstica.
Los modelos de optimizacin de mantenimiento proporcionan varios
resultados. En primer lugar, las polticas pueden ser evaluadas y
comparadas con respecto a las caractersticas de confiabilidad y
rentabilidad. En segundo lugar, los resultados pueden ser obtenidos en
la estructura de monitoreo (vigilancia) ptimas, como la existencia de
una poltica optima en los lmites de control. En tercer lugar, los modelos
pueden asistir en el aspecto del tiempo: con qu frecuencia inspeccionar
o mantener. Todos estos resultados se refieren al concepto de
mantenimiento; el ltimo tambin se refiere adicionalmente a la
planificacin del mantenimiento. Finalmente, los modelos tambin

pueden ayudar en la determinacin efectiva y eficiente de programas y


planes, tomando en cuenta todos los tipos de restricciones.
Cuando la direccin de un departamento de mantenimiento se
encuentra en una condicin de mantenimiento reactivo. Una de las
mejores maneras de afrontar los inicios de la gestin para pasar a la
condicin de mantenimiento planificado es utilizando mtodos
sencillos de optimizacin de cadenas de valor como la teora de
restricciones y los modelos de colas La teora de restricciones [5 ]se
centra, bsicamente, en la bsqueda del flujo perfecto de bienes o
servicios a travs de una cadena de valor balanceada, coordinada y
sincronizada de estaciones de trabajo, logrando as, bajar los costos de
operacin, reducir los inventarios y aumentar las ventas.
En el caso de un departamento de mantenimiento aplica todo lo
anterior, ya que por un lado, la funcin mantenimiento no es otra cosa
que un conjunto ordenado de actividades que agregan valor a un
servicio prestado, desde una condicin inicial conocida hasta una
condicin final que debe cumplir con los parmetros de calidad y
seguridad establecidos o convenidos entre el ente encargado de agregar
valor (Departamento de Mantenimiento) y el que lo recibe (clientes
internos) en un tiempo determinado. Siendo el servicio prestado un
bien intangible podemos tomar la solicitud de trabajo como elemento
tangible del servicio en su condicin inicial, la orden de trabajo en
proceso como elemento tangible del servicio en trnsito y la orden de
trabajo culminada como elemento tangible del servicio en su condicin
final.
Por otro lado, en cuanto a los resultados esperados, podemos
establecer una relacin directa, ya que, los costos de operacin son los
gastos de mantenimiento, los inventarios estaran representados por las
ordenes de trabajo (sin atender y en trnsito) y las ventas se pueden
asociar directamente con el nivel de servicio (cantidad de solicitudes
atendidas en una cantidad de tiempo determinada).
Segn la teora de restricciones, el primer paso para la implantacin
es identificar los cuellos de botella (estaciones de servicio que

determinan la velocidad del flujo en el sistema), luego se asignan las


prioridades a los trabajos a ser ejecutados y finalmente se balancea el
sistema. Este proceso es reiterativo, ya que al cambiar las condiciones
externas o internas del sistema, van apareciendo nuevos cuellos de
botella, lo que trae consigo nuevas acciones correctivas.
4.6
Relacin
entre
Mantenimiento,
Disponibilidad
y
Rentabilidad
Anlisis de un caso particular 1
Relacin entre el Mantenimiento Programado y las salidas forzadas, su
impacto Econmico en la eleccin de Metas de Disponibilidad [7].
Las tcnicas para estimar la Disponibilidad Optima Econmica (OEA)
de una unidad generadora se ha enfocado en la comparacin del costo
"frontera" [8] de la unidad por el porcentaje de mejora de su valor
marginal. Aunque ha sido normalmente aceptado que la cantidad de
salidas no planeadas que una planta experimenta es, en parte, una
funcin de la cantidad del mantenimiento programado, aquella relacin
no ha sido bien determinada. El estudio [7] explora aquella relacin y
examina su impacto econmico en la eleccin de metas de
disponibilidad.
Anlisis
Usando una base de datos del Edison Electric Institute (un predecesor
del actualGADS system administered by the North American Electric
Reliability Council) para grandes unidades carbn de 1971 a1978, fue
deducida una relacin lineal entre la indisponibilidad planeada y la
indisponibilidad no planeada. El coeficiente de correlacin fue 0.895,
informando de una fuerte relacin. Como los datos tienen ahora ms
aos y la disponibilidad de la industria ha mejorado considerablemente
desde aquel tiempo, la constante en la ecuacin ya no es acertada o
verdadera. Sin embargo, se considera que la pendiente (slope) de la
curva permanece cerca del original calculado en un valor de -0.5897
[6]. Esto significa que por cada punto porcentual adicional que
aumentamos nuestras salidas programadas (el total planeado, salidas

por mantenimiento y derating equivalent) las salidas forzadas


derating equivalent decrecern en 0.5897 puntos porcentuales.
Maximizar Disponibilidad

Como se puede ver fcilmente, a fin de maximizar disponibilidad


usando la ecuacin deducida de estos datos, se debera minimizar la
cantidad de interrupciones programadas dado que, por cada punto
porcentual que se reducen las interrupciones planeadas, se podra
esperar un aumento de la disponibilidad de la unidad en 0.4103 puntos
porcentuales (1-0.5897) (Obviamente este se aplica slo dentro de los
lmites de los datos; fuera de aquellos lmites la relacin es
probablemente no- lineal).
Si maximizar disponibilidad fuera la tarea de una compaa de
generacin, entonces este modelo o estrategia sera ptima. Sin
embargo, no se est simplemente encargados de maximizar la
disponibilidad, sino ms bien de minimizar los costos de producir y
distribuir energa para satisfacer la demanda de los clientes (o
maximizar la ganancia de la compaa en caso de sistemas
desregulados). Aunque maximizar disponibilidad a usualmente sido
considerado sinnimo de minimizar costos, el anlisis siguiente
demuestra que esta aseveracin no es necesariamente vlida.
Minimizar Costos
Ha sido siempre reconocido que una hora o da o un porcentaje de
salida programada es normalmente mucho menos costoso (en trminos
de reemplazar el costo de la energa) que una hora o da o porcentaje de
estos de salida forzada, ya que una compaa de generacin intenta
programar sus interrupciones durante perodos de demanda mnima (o
de costos mnimos para la empresa- otra forma de verlo es en que lo
que se deja de ganar sea mnimo). Durante muchos aos algunas
compaas de generacin han estado calculando estos costos por hora,
diariamente, semanalmente y estacionalmente. Un anlisis de estos
costos ha mostrado que para grandes unidades a carbn base-carga la
razn "promedio" entre el costo de salidas forzadas y el costo de

salidas programadas vara entre 3.0 y 4.5 (excepcionalmente durante


condiciones ajustadas" entre la oferta y demanda esta razn puede ser
mucho ms alta y la volatilidad puede ser mucho mayor durante peaks
estacionales). Tambin, esta razn de costos para unidades cclicas y
unidades de punta es mucho mayor (al menos uno a dos rdenes de
magnitud mayor).
Por lo tanto, cuando se calcula el costo de interrupciones y se usa la
razn ms baja para grandes unidades de carbn, sea 3.0 segn lo
dicho anteriormente, en efecto se cambia la pendiente de la ecuacin
(en trminos monetarios, no porcentuales) en un factor de 3.0 de modo
que
ahora:
Pendiente(Slope) = 3.0 x -0.5897 =-1.7691
Esto significa que por cada dlar que se "ahorra" reduciendo el
mantenimiento programado, se puede esperar gastar o pagar" un
promedio de 1.7691 dlares extra por efecto de interrupciones forzadas
incrementadas. Entonces si el objetivo es minimizar el costo total se
debera obviamente aumentar la programacin y salidas por
mantenimiento a efectos de reducir nuestro costo de salidas no
programadas, sin tener en cuenta el efecto que podra tener en nuestra
disponibilidad.
Nueva Medida
Algunas compaas que han identificado el problema de utilizar el
Factor de Disponibilidad Equivalente (EAF) para evaluar el rendimiento
de la planta han comenzado a usar el trmino Disponibilidad Comercial
(CA), anteriormente analizado, que intenta enfrentar el tema
"ponderando o pesando" las medidas de disponibilidad tradicionales
por algn indicador de costo marginal o costo de mercado. Entre tanto
se mantienen estas grandes promesas de medir adecuadamente el
verdadero impacto econmico de las interrupciones de una planta en el
rendimiento financiero (rentabilidad) de la compaa, ninguna definicin
nica ha sido adoptada por la industria y an hay otras implicaciones
que no han sido totalmente resueltas [9]y[10].

Anlisis de un caso particular 2


Optimizar Costos de O&M para Maximizar Rentabilidad [11]
A menudo en la proforma de una central elctrica propuesta, los
costos O&M son tratados como un commodity (activo); un nmero para
ser reducido tanto como sea posible. Sin embargo, varias estudios de la
industria han mostrado que hay una correlacin directa entre un cambio
en el gasto de O&M en una central elctrica dada y el resultante
desempeo de aquella planta. El objetivo entonces, sera encontrar el
nivel ptimo de gasto O&M que minimice el coste TOTAL ($ diseo + $
O&M + $ desempeo) y que maximice la rentabilidad.
Este proceso es muy difcil porque la relacin entre el gasto de O&M
y el desempeo de la planta no est bien determinado o cuantificado.
Varios estudios han mostrado que numerosos factores afectan esta
relacin, extendindose hacia atrs por todas partes a las decisiones
iniciales de diseo (tecnologa, equipamiento, calidad y configuracin,
tipo de combustible y calidad, etc.) y a travs de la construccin, puesta
en servicio y operaciones de ciclo de vida y mantenimiento, y decisiones
de renovacin o reemplazo.
O&M es especialmente importante ya que como se mostrar, como el
75% de una variacin en la confiabilidad de la planta es influido por la
calidad de la O&M, slo el 25% es influido por el diseo o modo de
operacin. Todos estos factores interrelacionados y la filosofa de O&M
ptimo debe tomar en cuenta todas sus influencias, incluyendo factores
near-term como ciclo de vida.
Pero, no es suficiente determinar simplemente el mejor plan de O&M
una vez que el diseo esta determinado. Debera haber un dilogo
activo entre el equipo de diseo y el equipo de O&M para encontrar la
mejor combinacin que producir el mxima beneficio para cualquier
proyecto en particular.
Antecedentes
La Southern Company es una de las grandes compaas privadas de
servicios en los Estados Unidos. Establecido en Atlanta, Georgia, tiene

activos por sobre los 25 mil millones de dlares y opera


aproximadamente 35.000 MW. En 1993, sus plantas generaron ms de
144 billones de kWh de electricidad con un 78 % de plantas de carbn,
17% nuclear, 14 %hidro y 1 % gas y petrleo. Sus unidades de carbn y
nucleares tienen una confiabilidad promedio de 96 % (1- ndice de
Interrupcin Forzado equivalente - EFOR), este valor experiment un
incremento de 19 puntos porcentuales desde 1976 en que era de 77%.
(Figura 1a)., Muchos factores se combinaron para conseguir esta
importante mejora [12], un aumento significativo en gastos de capital en
O&M y mejoras . Muchas de las plantas ms viejas experimentaron el
mismo patrn en distintos grados. Esto es, que al principio se disminua
el gasto en O&M, seguido por un deterioro en la confiabilidad; se
dispona entonces el dinero para las mejoras de la planta e invertir en
incrementar la confiabilidad, aunque a menudo los gastos se
postergaban por aos. Esto condujo a analistas de la Compaa en un
esfuerzo por intentar cuantificar la relacin gastos/confiabilidad de las
centrales elctricas de la Southern Company.

Unidad Beanchmarking par


En 1991, el North American Electric Reliability Council (NERC) and
Southern Electric Internacional (SEI) (el brazo desregulado de
la Southern Company) desarroll una metodologa para determinar
segn estadsticas las caractersticas de diseo y operacin, ms
significativas, para comparar el desempeo de unidades de generacin
similares [13]
El proceso de la unidad par beanchmarking actualmente empleado
en NERC/SEI join ventures es el resultado de una evolucin de ideas
asociadas con el objetivo comn de predecir o pronosticar el desempeo
de las unidades de generacin elctrica. Los sistemas de planificacin de
las organizaciones confan en estas predicciones, y la exactitud o la
inexactitud de tales proyecciones pueden ahorrar o bien costar
millones de dlares en utilidades.
Por aos, el mtodo utilizado para hacer estas proyecciones en
el Southern electric system fue una especie de fuzzy trending, donde

los datos histricos y la informacin acerca de los planes de


mantenimiento futuros de la unidad, modificaciones, y nivel de la
utilizacin estan todos considerados en la prediccin del desempeo de
la unidad en el futuro. En un paper presentado en 1988 en la American
Power Conference titulado, "Trends in Generating Unit Performance and
the 1990's Power System," la General Electric Company desarroll una
ecuacin para predecir la disponibilidad de unidades trmicas basada en
la operacin histrica y en la estructura o patrn de gastos de
mantenimiento. Este paper nos condujo a preguntarnos si una
metodologa con una base matemtica estadstica podra producir
resultados ms exactos que el mtodo fuzzy trending usado en el
pasado. La ecuacin fue aplicada a datos a nivel de sistema
del Southern electric systemcon buenos resultados; sin embargo, los
resultados eran errticos cuando la ecuacin fue aplicada a datos a
nivel de unidades. En un esfuerzo para conseguir datos mas adecuados
a nivel de unidades, el siguiente paso fue desarrollar una nueva
ecuacin usando anlisis de regresin y datos de 85 unidades termicas
del Southern electric system (25,000 MW). Ms que asumir desde el
comienzo que los factores principales que afectan la disponibilidad de la
unidad eran ya conocidos, el proceso que fue desarrollado evaluaba el
desempeo de la unidad (EFOR) relativo a numerosas caractersticas de
diseo y de operacin a fin de determinar los factores ms importantes.
La ecuacin de regresin que resulta incluy algunos aos recientes y
variables operacionales anteriores (EFOR, factor de servicio, y factor de
interrupciones planeadas), algunas caractersticas de diseo (tipo de
combustible, fabricante de la caldera, y fabricante de la turbina), y
histricos desembolsos de O&M. Una comparacin de la exactitud de las
proyecciones hechas con el nuevo modelo matemtico versus el viejo
mtodo fuzzy trending mostr que el modelo matemtico fue superior.
Aproximadamente el 80 % de las proyecciones del viejo mtodo fueron
altas, mientras que las proyecciones con el nuevo mtodo fueron ms
cercanas a valores reales tanto con estimaciones bajas como altas. Fue
alentador que aun en sus inicios, el modelo matemtico apareci
superior al mtodo previamente usado. (Fig. b y c)
Hasta este punto, la metodologa result en una gran ecuacin que
se aplic a todas las unidades incluidas en la base de datos.

Adicionalmente, el mtodo usado para incorporar variables nominales en


el anlisis de regresin, como tipo de combustible, fabricante de la
caldera y fabricante de la turbina fue un proceso engorroso. Fue
decidido que el mismo, o an mejor, los resultados podran ser logrados
sub-agrupando los datos por variables nominales importantes y
aplicando el anlisis de regresin a nivel de subgrupo. Este es el punto
en cual la primera generacin de unidades benchmarking pares se
desarrolla. NERC y SEIfirmaron un joint ventur para dar servicio a
clientes en benchmarking de desempeo de sus unidades versus el de
las unidades par. Los grupos pares para las unidades del cliente
fueron desarrollados usando el anlisis estadstico para determinar la
caracterstica que tena el mayor impacto en el desempeo de la unidad,
y dividiendo la base de datos en subgrupos basados en esta
caracterstica. El proceso fue seguido a niveles de subgrupo, con una
divisin tras otra, hasta que ninguna caracterstica restante fuera
significativa para aquella divisin, o hasta que el nmero de unidades de
par en la divisin cayera a un nivel mnimo aceptable. El resultado
divide las 1213 unidades trmicas de la industria en 19 grupos de
unidades par generales, con las caractersticas ms significativas que
son crticas, vintage, modo de operacin, tamao, tipo de diseo, tipo
de combustible y el fabricante de caldera (Fig d). El diseo y los datos
operacionales de las unidades de clientes fueron usados para localizar
cada una de las unidades de clientes dentro de los 19 grupos de par, y
fueron proporcionadas distribuciones mostrando el desempeo de las
unidades del cliente con relacin a aquel de sus pares.
Nuevas Perspectivas
Cuando los resultados de los estudios anterior de benchmarking
fueron examinados en profundidad, nuevas relaciones fueron reveladas.
Cuando los mejores exponentes (EFOR) en cada grupo par (10
percentil) fueron comparados uno a otro, la funcin densidad de
probabilidad resultante tena una anchura relativamente estrecha ( Fig
e) en otras palabras, la diferencia entre el mejor exponente en el mejor
grupo par tena un EFOR de slo 5 puntos porcentuales ms abajo que
el mejor exponente en el peor grupo par (la seleccin del grupo par est
basada slo en parmetros de diseo o modo de operacin).

Si ahora comparamos a los exponentes ms pobres uno a otro (90


percentil) en cada grupo par, conseguimos la funcin de densidad de
probabilidad mostrada en la Fig f. Finalmente, cuando sacamos el mejor
exponente EFOR del peor exponente EFOR en cada grupo, podemos ver
el rango o la variabilidad entre el mejor y el peor (Fig g). De esta curva,
se puede ver que la diferencia entre los mejores exponentes y los
peores con los mismos factores estadsticamente significativos de
diseo/modo de operacin es de aproximadamente 20 %. Por lo tanto, la
percepcin de los analistas es que slo entre el 20 y 25% de la
variacin en la confiabilidad de unidades generadoras, en general puede
ser explicado debido a diferencias en el diseo o modo de operacin. El
75-80% restante de la variacin es debido a otros factores. Se estima
que la mayora de aquel impacto es debido a la calidad de los
programas de Operacin y Mantenimiento de las unidades
(entrenamiento, procedimientos, staffing lavels, herramientas, equipo,
datos, etc.) as como los gastos de O&M.
La relacin entre parmetros de diseo, operacin, y calidad de
O&M debe ser bien entendida a fin de determinar la mejor combinacin
que conducir al costo ms bajo del producto. Las figuras h e i muestran
como esta interrelacin afecta el costo total y la rentabilidad de las
plantas.

Figura 4.5:Southern Company SystemFossil Fired Units Reliability .