Está en la página 1de 13

OPTIMIZACIN DE FRECUENCIAS DE MANTENIMIENTO MEDIANTE MODELOS

DE CONFIABILIDAD

1. OBJETIVO GENERAL
Optimizar las frecuencias de mantenimiento
2. OBJETIVOS SECUNDARIOS
Disminuir los tiempos de parada de la maquinaria
Aumentar la confiabilidad de la vida til de los inyectores
Ahorros en costos de mantenimiento
3. ESTADSTICAS DE MANTENIMIENTO TRADICIONAL
La mayora de las fallas (60%)dan aviso antes de su falla funcional
Aproximadamente el 40% son ocultas
80% de las fallas ocultas requieren tareas de identificacin de falla
Inspeccin/testeo, chequeo
20% a 35% de las fallas son relativas al monitoreo basado en condicin
30% a 40% de las fallas son atribuidas al modo de operar equipos
Ms del 75% de las frecuencias del PM son incorrectas comparadas con el
intervalo P-F
Obtener un correcto intervalo de mantenimiento generalmente reduce entre
un 40% a 70% las tareas de mantenimiento
Mejorar en la confiabilidad puede incrementar la capacidad de
equipamientos entre un 35% a 60%
La informacin arriba mencionada est basada en RCM II
implementation findings John Moubray, Aladon Ltd.

Fuente: ABB

3.1 Sistema basado en la confiabilidad

Existe una presin competitiva que viene creciendo en los ltimos aos, los
gerentes generales admiten que la confiabilidad de sus activos y procesos
es crtica para la excelencia operacional.

Para lograr excelencia operacional se requiere de un sistema basado en


confiabilidad
Fuente: ABB
3.2 Etapas de un sistema basado en confiablidad

Fuente: ABB
4. CONFIABILIDAD
La probabilidad de que un dispositivo, sistema o proceso pueda desarrollar su
funcin por un determinado tiempo sin fallar dentro de un contexto operacional.
Para la organizacin la funcin principal del anlisis de confiabilidad es el
control de costos de la NO confiabilidad provenientes de las fallas de

equipamientos y procesos, generando prdidas y menos margen para los


beneficios

5. Qu es una falla?- Curva P-F

Fuente: ABB

6. Parmetros de confiabilidad
Las plantas requieren que sus equipos y procesos sean:
Confiables
Libre de fallas (TMEF, )
Disponibles
Listo para operar (D)
Mantenibles
Cuan rpido se restaura (TMPR)

7. Herramientas para anlisis de confiabilidad


Grfico de Pareto
Anlisis estadstico de fallas utilizando distribucin Weibull
Simulacin de Montecarlo
Anlisis de diagrama de bloques
Anlisis de rbol de fallas y FMEA
Anlisis de causa raz (RCFA)
8. Por qu es importante implementar el RCM? (Mantenimiento Centrado
en la Confiabilidad)
Es un proceso que determina lo que se debe de hacer para asegurar que un
activo fsico contine haciendo lo que los usuarios quieren que haga en el
contexto operativo actual.
La mejor forma de analizar y optimizar estrategias actuales de mantenimiento.
El RCM se normaliza:
La SAE JA1011- Criterios de evaluacin para procesos de RCM.
Esta norma establece criterios contra los cuales se puede comparar un
proceso. Si el proceso cumple con los criterios, entonces si se le puede llamar
un proceso RCM.

8.1 BENEFICIOS- OBJETIVOS DEL RCM


Mayor grado de seguridad del personal y del ambiente.

Mayor grado de confiabilidad operacional de los equipos. Menos tiempos


muertos y sus consecuencias.
Mejor desempeo operacional de los equipos.
Reduccin del costo total de mantenimiento.
Incremento en la vida til de los activos.
Optimizacin de frecuencias de mantenimiento preventivo y predictivo
basados en anlisis de costo/riesgo utilizando modelos probabilsticos.

9. ESTADO DEL ARTE


Mencionaremos algunas herramientas de la ingeniera de la confiabilidad que
nos permiten tomar las mejores decisiones cuando se est cumpliendo la
expectativa de vida de un sistema o componente. Nuestro enfoque se limita a
aquellos componentes que presentan Desgaste por uso.
El tiempo a la falla para cualquier componente o sistema no puede ser predicho
exactamente. Si es posible obtener informacin de la transicin entre el estado
operativo al de falla.
La Ocurrencia de la Falla puede nicamente ser caracterizada por las
propiedades Probabilsticas de la populacin Total.
Para algunos sistemas la Falla no es Tolerada, puede ser un evento
catastrfico, ah es mandatorio considerar metodologas de confiabilidad del
sistema.
9.1 CONFIABILIDAD
La calidad del Ciclo de Vida de una maquina o de sus componentes debe
ser evaluada con respecto a la duracin esperada, a la complejidad de las
tareas de mantenimiento, a la cantidad y gravedad de fallas ocurridas.
Partiendo del estudio de leyes de ocurrencia de fallas, la ingeniera de la
confiabilidad es el conjunto de teoras y mtodos matemticos que se
traducen en procedimientos de gestin orientados a la solucin de
problemas de estimacin y optimizacin de las probabilidades de
supervivencia, vida media y porcentaje de tiempo de buen funcionamiento
de un sistema.

10. Ingeniera de Confiabilidad Pilar Fundamental del Mantenimiento


Se define Diagnstico proactivo e integrado como un proceso que busca
caracterizar el estado actual y predecir el comportamiento futuro de equipos,
sistemas y/o procesos, mediante el anlisis del historial de fallas, los datos de
condicin y datos tcnicos, con la finalidad de identificar las acciones
correctivas y proactivas que puedan efectivamente optimizar costos a travs de
la sistemtica reduccin de la ocurrencia de fallas y eventos no deseados, y
minimizar en consecuencia, su impacto en el negocio medular. Adicionalmente,
se destaca a la Ingeniera de Confiabilidad como el marco terico-conceptual
en el que conviven las metodologas y tcnicas para lograr este fin; y
adicionalmente se define Confiabilidad Operacional como un proceso de

mejora continua, que incorpora, en forma sistemtica, avanzadas herramientas


de diagnstico, metodologas basadas en confiabilidad y el uso de nuevas
tecnologas, en la bsqueda de optimizar la planificacin y la toma de
decisiones. Ingeniera de Confiabilidad; porque una de las mejores formas
para agregar valor; es evitar que se destruya

10.1 Modelos de Decisin en Mantenimiento


En aos recientes, grandes corporaciones especialmente del sector de
hidrocarburos y de la industria de procesos, han volcado su atencin hacia
el modelo de decisin Costo Riesgo, debido a que el mismo permite
comparar el costo asociado a una accin de mantenimiento contra el nivel
de reduccin de riesgo o mejora en el desempeo debido a dicha accin.;
en otras palabras, el modelo permite saber cuanto obtengo por lo que
gasto.
El anlisis Costo-Riesgo resulta particularmente til para decidir en
escenarios con intereses en conflicto, como el escenario Operacin
Mantenimiento, en el cual el operador requiere que el equipo o proceso
opere en forma continua para garantizar mxima produccin, y
simultneamente, el mantenedor requiere que el proceso se detenga con
cierta frecuencia para poder mantener y ganar confiabilidad en el mismo. El
modelo Costo-Riesgo es el indicado para resolver el conflicto previamente
mencionado, dado que permite determinar el nivel ptimo de riesgo y la
cantidad adecuada de mantenimiento, para obtener el mximo beneficio o
mnimo impacto en el negocio.
La figura se muestra grficamente el modelo mencionado, y en el
mismo pueden destacarse tres curvas que varan en el tiempo:
La curva del nivel de riesgo (riesgo = probabilidad de falla x
consecuencia), asociado a diferentes periodos de tiempo o
frecuencias de mantenimiento
La curva de los costos de mantenimiento, en la cual se simulan los
costos de diferentes frecuencias para la accin de mantenimiento
propuesta

La curva de impacto total, que resulta de la suma punto a punto de la curva de riesgos
y la curva de los costos de mantenimiento. El mnimo de esta curva, representa la
frecuencia para la cual la suma de los costos de la poltica de mantenimiento con el
nivel de riesgo asociado a esta poltica son mnimos; es decir hay el mnimo impacto
posible en el negocio Este mnimo esta ubicado sobre el valor que puede traducirse
como el periodo o frecuencia ptima para la realizacin de la actividad de
mantenimiento. Un desplazamiento hacia la derecha de este punto implicara asumir
mucho riesgo y un desplazamiento hacia la izquierda del mismo implicara gastar
demasiado dinero.
La dificultad para el uso del modelo, se centra en la estimacin o modelaje de la curva
del riesgo, ya que la misma requiere la estimacin de la probabilidad de falla (y su
variacin con el tiempo), y las consecuencias En la prxima seccin, se detallan las
herramientas para lograr el correcto modelaje y estimacin del riesgo.

10.2 Riesgo, un indicador para el Diagnstico Integrado


El riesgo R(t), base fundamental del modelo de decisin descrito en la
seccin anterior, es un trmino de naturaleza probabilstica, que se define
como egresos o prdidas probables consecuencia de la probable
ocurrencia de un evento no deseado o falla, y comnmente se expresa en
unidades monetarias, (Bs. o $). Matemticamente, el riesgo se calcula con
la siguiente ecuacin:
Riesgo(t)=Probabilidad de Falla(t) x Consecuencias

El anlisis de la ecuacin del riesgo, permite entender el poder de este


indicador para el diagnstico y la toma de decisiones, debido a que el
mismo combina probabilidades o frecuencias de fallas con consecuencias,
permitiendo la comparacin de unidades como los equipos rotativos, que
normalmente presentan alta frecuencia de fallas con bajas consecuencias,
con equipos estticos, que normalmente presentan patrones de baja
frecuencia de fallas y alta consecuencia.
La figura refleja grficamente lo expresado en el prrafo anterior

El riesgo, se comporta como una balanza, que permite pesar la influencia


de ambas magnitudes (Probabilidad de Falla y Consecuencia de la Falla)
en una decisin particular.

El mantenimiento moderno, sustentado en la Ingeniera de Confiabilidad,


requiere de un cuidadoso proceso de diagnstico de equipos y sistemas. El
diagnstico, basado en el riesgo, puede entenderse entonces como un
proceso que busca caracterizar el estado actual y predecir el
comportamiento futuro de equipos y sistemas.
Para el logro de un diagnstico integrado, el riesgo debe calcularse usando
toda la informacin disponible; es decir, debe incluir el anlisis del historial
de fallas, los datos de condicin y datos tcnicos. De esta forma, se podrn
identificar las acciones correctivas y proactivas que puedan efectivamente
optimizar costos y minimizar su impacto en el negocio medular.

La figura muestra el proceso de Diagnstico Integrado

Entendiendo entonces que el riesgo es el indicador para un diagnstico


integrado, se analizar a continuacin en detalle, el proceso para
estimarlo.

10.3

Estimacin de Riesgo

Como se mencion en el punto 2, el clculo del riesgo, involucra la


estimacin de la Probabilidad de Fallas y/o la Confiabilidad, (Confiabilidad =
1 Probabilidad de Fallas), y de las Consecuencias. La figura 4 muestra la
descomposicin del indicador riesgo en sus componentes fundamentales.
En ella se muestra claramente que para calcular riesgo, deben establecerse
dos (2) vas, una para el calculo de la confiabilidad y/o la probabilidad de
fallas, en base a la historia de fallas o en base a la condicin; y otra para el
clculo de las consecuencias.

10.3.1 Estimacin de la Probabilidad de Fallas y/o la Confiabilidad.


Para la estimacin de la confiabilidad o la probabilidad de fallas,
existen dos mtodos que dependen del tipo de data disponible;
estos son:
Estimacin Basada en Datos de Condicin, altamente
recomendable para equipos estticos, que presentan
patrones de baja frecuencia de fallas y por ende no se tiene
un historial de fallas que permita algn tipo de anlisis
estadstico.

Estimacin Basada en el Historial de Fallas: recomendable


para equipos dinmicos, los cuales por su alta frecuencia de
fallas, normalmente permiten el almacenamiento de un
historial de fallas que hace posible el anlisis estadstico.

10.3.2 Estimacin de Confiabilidad Basada en Condicin


El anlisis tradicional de confiabilidad, basado en el anlisis
estadstico del tiempo para la falla, ha sido exitosamente utilizado
para mejorar el mantenimiento preventivo y traer los equipos y
sistemas hasta los actuales niveles de desempeo. Sin embargo,
buscando la mejora continua de sus procesos, en las tres ltimas
dcadas, algunas industrias han hecho grandes esfuerzos en la
recoleccin de data diferente a la data de falla, a travs de
programas de monitoreo de la condicin (mantenimiento predictivo)
con la finalidad de optimizar las frecuencias de mantenimiento de
sus equipos y tomar acciones proactivas para evitar la ocurrencia de
la falla.

La mencionada data de condicin, ha sido usada principalmente en


forma determinstica, es decir, para hacer diagnsticos puntuales,
debido a la falta de una adecuada metodologa de anlisis
probabilstica. En esta seccin se establecen las bases
conceptuales para el clculo de confiabilidad y probabilidad de falla
de equipos basado en la data de condicin. La columna vertebral de
este mtodo es el anlisis Carga-Resistencia [1].

a. Anlisis Carga-Resistencia
El anlisis Carga-Resistencia tiene como premisa el hecho de que
las fallas son el resultado de una situacin donde la carga aplicada
excede la resistencia. Carga y Resistencia son usados en el sentido
ms amplio de la palabra; es decir, la carga pudiera ser la presin
de operacin, mientras la mxima presin de operacin permisible
sera la resistencia. Similar anlisis se hace para cualquier otro
parmetro relevante de la condicin como vibracin para equipos
dinmicos, o reduccin de espesor para el caso de equipos
estticos.
En todos los casos existir un valor actual de la condicin que se
monitorea, el cual representar la carga, y un valor lmite de la
condicin que representara la resistencia. Esta ltima normalmente
esta regulada por normas y estndares de la ingeniera.
Contrario a la creencia general, en la mayora de los casos ni la
carga ni la resistencia son valores fijos, por el contrario, sus valores
son estadsticamente distribuidos. Cada distribucin tiene su valor
medio, denotado por Y para la carga y X para la resistencia y sus
desviaciones estndar Y y X respectivamente. Esto es ilustrado
en la figura.

Cuando la distribucin de la condicin medida o monitoreada en el


equipo tiene algn solape con la distribucin de la condicin lmite o
criterio de rechazo, en ese momento existe probabilidad de falla.
Esta situacin es mostrada en la figura.

La confiabilidad de un elemento bajo la aplicacin de una carga es


la probabilidad de que su resistencia exceda la carga. Dicha
confiabilidad puede calcularse con la siguiente expresin:
Confiabilidad = Probabilidad (Resistencia>Carga) [1],[5],[8],[9],[10]

Donde Y y X son las medias de las distribuciones de la


resistencia o criterio lmite y el esfuerzo o condicin monitoreada
respectivamente, y Y y X las respectivas desviaciones estndar.

NOTA: El operador , indica que con el resultado obtenido de la ecuacin entre


parntesis, debe buscarse el valor de probabilidad correspondiente en una tabla de la
distribucin normal

b. Estimacin de la confiabilidad basada en la condicin


Un parmetro de condicin (PC) es cualquier variable fsica que
revele informacin acerca de las caractersticas de desempeo de
un equipo o componente. Un Parmetro Relevante de Condicin
(PRC) es un parmetro cuyo valor numrico caracteriza y cuantifica
la condicin de un equipo o componente en cualquier instante de su
vida operativa.

11. Prediccin del Nmero de Fallas Basado en el Historial de Fallas


En este punto, se presenta la metodologa y la plataforma matemtica para
predecir la disponibilidad en sistemas reparables, a travs del tratamiento
estadstico de su historial de fallas y reparaciones. En otras palabras, los
equipos son caracterizados usando su distribucin probabilstica del tiempo
para fallar y el tiempo para reparar.

Este tipo de anlisis es particularmente valioso para equipos dinmicos, los


cuales tienen una frecuencia de falla relativamente alta. Normalmente, la data
de fallas y reparaciones est disponible.
Para equipos reparables existen cinco posibles estados en los que ellos
pueden quedar, una vez reparados despus de una falla:

Tan bueno como nuevo


Tan malo como antes de fallar.
Mejor que antes de fallar pero peor que cuando estaba nuevo.
Mejor que nuevo.
Peor que antes de fallar.

Los modelos probabilsticos tradicionalmente usados en anlisis de


confiabilidad, se basan en los estados 1 y 2 (estados lmites), sin tomar en
cuenta los estados 3, 4 y 5 a pesar de que el estado 3 es ms realista en la
prctica. La razn para esto radica en la dificultad de desarrollar una solucin
matemtica para modelar este estado.[3],[6]

Este trabajo muestra el modelo probabilstico desarrollado, el cual se denomina


Proceso Generalizado de Restauracin (PGR) [3],[6]. Este modelo elimina las
limitaciones antes mencionadas porque toma en cuenta todos los posibles
estados de un equipo despus de una reparacin. Esto da como resultado una
nueva plataforma conceptual para anlisis de confiabilidad en equipos
reparables, la cual se ajusta en mayor grado a lo que sucede en la realidad,
eliminando las desviaciones derivadas del uso de los anlisis tradicionales,
especialmente en cuanto a la prediccin del nmero esperado de fallas y el
tiempo para la prxima falla.

También podría gustarte