Está en la página 1de 24

TECSUP PFR Ingeniera del Mantenimiento

Unidad IV

OPTIMIZACIN DEL PLAN DE MANTENIMIENTO


(Tomado de Maintenance por Jasper Coetze)

1. FACTIBILIDAD TCNICA VS FACTIBILIDAD ECONMICA

Cada una de las tres tareas bsicas se seleccionan a travs de las preguntas que
estipulan que la tarea debe ser factible tcnica y econmicamente antes de
seleccionarla. La factibilidad tcnica se refiere a la habilidad de la tarea para
prevenir la falla antes que ocurra, mientras que la factibilidad econmica se
refiere a si los beneficios al realizar la tarea son tales que la hacen rentable sobre
los gastos involucrados en implementarla.

1.1. FACTIBILIDAD TCNICA

La factibilidad tcnica depende de las caractersticas tcnicas de los


modos de falla y de la tarea. La tarea debe ser capaz de prevenir el
modo de falla a un nivel de certeza especificado. Esta especificacin
difiere para cada variedad de consecuencia de falla:

Consecuencia de fallas escondidas: la tarea debe reducir el riesgo de


una falla mltiple a un nivel aceptable. Recuerde que en el caso de las
fallas escondidas, la falla misma no tiene efectos negativos, pero si no
es descubierta y reparada puede eventualmente conducir a una falla
mltiple la cual puede o no ser adecuado prevenirla dependiendo del
riesgo involucrado. Si la falla escondida puede conducirnos a una falla
mltiple costosa o insegura, el riesgo es alto. Por otro lado, si la falla
escondida no nos conducir a una falla mltiple o la falla mltiple
resultante no tiene consecuencias entonces el riesgo involucrado es
imperceptible (es decir que el equipo ha sido sobre diseado en esta
rea y la funcin especfica puede ser eliminada en esta situacin). Si
no se tiene una tarea disponible que reduzca el riesgo a un nivel
aceptable, una accin inicial por defecto es una tarea de bsqueda de
fallas programada.
Consecuencias de falla sobre la seguridad y el medio ambiente: la
tarea debera reducir el riesgo de una falla sea total o a un nivel

55
Ingeniera del Mantenimiento TECSUP PFR

aceptable (muy baja). Donde los aspectos sobre seguridad y medio


ambiente estn en riesgo uno no puede comprometerse. Si no se
encuentra una tarea preventiva que reduce el riesgo de falla a un nivel
lo suficientemente bajo, la accin inicial por defecto es redisear.
Consecuencias operacionales y no operacionales: la tarea debera
reducir el riesgo de falla a un nivel lo suficientemente bajo tal que el
beneficio de la accin preventiva sea rentable respecto a los costos de
su implementacin. Si no se encuentra una tarea preventiva
disponible, la accin inicial por defecto es el mantenimiento correctivo
(mantenimiento no programado).

Tareas basadas en la condicin programadas

En muchos casos, los efectos de falla son tan serios que idealmente
deseamos prevenir la falla antes que ocurra. Como el mantenimiento
preventivo basado en el uso frecuentemente no es tcnicamente factible,
necesitamos identificar las fallas antes que ocurran. Llamamos a este tipo
de tareas como tareas preventivas basadas en la condicin porque la
accin preventiva sigue a la identificacin del momento anterior a la falla
por alguna tcnica de monitoreo de condicin, tal como el anlisis
vibracional o el monitoreo del aceite. Reaccionamos a la presencia de
una condicin previa a la falla (una falla potencial). La efectividad (y as
la factibilidad tcnica) de una tarea basada en la condicin para prevenir
una falla antes de que ocurra depende mucho de lo siguiente:

Debe ser posible identificar inequvocamente el potencial de falla a


travs del mtodo de monitoreo de condicin o inspeccin que fue
seleccionado. No debera haber duda en las mentes de los expertos en
monitoreo de condicin y en los gerentes de mantenimiento
involucrados que este nivel del parmetro monitoreado constituye una
falla potencial.
Normalmente cuando la condicin de un componente comienza a
deteriorarse, primero se deteriora bastante lento. Esto es verdad
hasta un punto donde la tasa de deterioro comienza a acelerarse.
Cuando monitoreamos tal proceso de deterioro, es importante que el
espacio de tiempo entre el punto donde nuestro monitoreo establece
que existe una falla potencial y el punto de la falla funcional actual sea
bastante consistente y lo suficientemente grande para tomar una
accin preventiva (esto es prevenir la falla completamente o limitar
suficientemente la consecuencia de falla). Es importante notar que, a
menos que la frecuencia de monitoreo sea demasiado alta, el potencial
de falla es identificado algunas veces con un tiempo

56
TECSUP PFR Ingeniera del Mantenimiento

considerablemente posterior al punto inicial donde la falla potencial


podra haberse identificado primero.
La frecuencia establecida de monitoreo de condicin o inspeccin debe
ser alcanzable prcticamente. El tiempo entre inspecciones (monitoreo
de condicin) debe ser suficientemente menor que el intervalo de
tiempo entre el punto al cual el potencial de falla llega a ser evidente y
el punto de falla funcional para asegurar que el potencial de falla ser
identificado a tiempo. Si el tiempo entre puntos de monitoreo se
establece menor que la mitad del periodo de tiempo para la falla (el
intervalo de tiempo entre la primera indicacin identificable de una
falla potencial y la falla funcional) uno podra estar bastante seguro
que la falla potencial ser identificada a tiempo con certeza para poder
tomar una accin preventiva. En la prctica sera necesario comenzar
un monitoreo a una frecuencia mas alta una vez que la falla potencial
ha sido identificada, para predecir adecuadamente cuando ocurrir la
falla funcional. Esto es as especialmente en el caso donde el lapso de
tiempo para la falla abarca un tiempo largo (algunas veces semanas o
incluso meses).

Tareas de reacondicionamiento programadas

Las tareas de reacondicionamiento programadas (overhaul) son de la


clase de mantenimiento preventivo basado en el uso. Hay dos
prerrequisitos para la factibilidad tcnica de una tarea de
reacondicionamiento programada:

Debe ser posible restaurar el sub-sistema o componente a una


condicin bastante buena a travs del reacondicionamiento. Lo ideal
es una condicin tan buena como una nueva, pero esto no es siempre
asequible.
La funcin de riesgo (riesgo de falla) de un tem aumenta con la edad.
Solo cuando el riesgo aumenta con la edad el reacondicionamiento
producir un tem (sub-sistema o componente) que es menos
propenso a la falla. Esto se ilustra en la figura 4.1.

57
Ingeniera del Mantenimiento TECSUP PFR

TASA DE RIESGO EN LA DISTRIBUCIN


WEIBULL

5,00

4,00
Realizar Ov erhaul o
3,00 reemplazar la unidad
Z(t)

2,00

1,00

0,00
1

11

13

15

17

19

21

23
Tiempo

Figura 4.1 Efecto de la prevencin basada en el uso.

Tareas de reemplazo programadas

Como en el caso de las tareas de reacondicionamiento programadas, las


tareas de reemplazo preventivas programadas son de la clase de
mantenimiento basado en el uso. Como en el caso previo tales tareas
sern tcnicamente factibles si:

Es posible restaurar la funcin a una condicin bastante buena a travs


del reemplazo del sub-sistema o componente. Lo ideal es una
condicin tan buena como una nueva, pero esto no es siempre
asequible.
La funcin de riesgo (riesgo de falla) de un tem esta aumentando con
la edad. Solo cuando el riesgo aumenta con la edad el reemplazo
producir un tem (sub-sistema o componente) que es menos
propenso a la falla. Esto es ilustrado en la figura 4.1.

1.2. FACTIBILIDAD ECONMICA

En cierto sentido, es bastante fcil determinar si una cierta tarea


preventiva es tcnicamente viable. Los ingenieros entienden el lado
tcnico mucho mas fcil que decidir sobre la efectividad de los costos de
un mtodo propuesto. La figura 4.2 se dio para asistir en este proceso.
Pero la vida no es siempre tan simple como usar un diagrama de decisin
tal como el de la figura 4.2. En general uno puede decir que para varias
consecuencias de falla las siguientes guas se aplican para decidir si una
tarea es factible econmicamente:

58
TECSUP PFR Ingeniera del Mantenimiento

Consecuencias sobre la seguridad y el medio ambiente: Aqu la


factibilidad tcnica juega un rol mas grande que la factibilidad
econmica. La razn para esto es que la consecuencia de falla en
esta rea es en muchos casos perjudicial para la salud y la vida de las
personas y/o la planta. As uno normalmente tiene que encontrar la
tarea preventiva que trabaje. Pero uno no puede descuidar totalmente
los costos de la accin propuesta. De alguna u otra manera uno tiene
que establecer si la accin propuesta es la nica manera o la menos
cara de resolver el problema. Esto puede ocasionar que se compare el
costo de acciones preventivas alternativas entre ellas o contra la
posibilidad de redisear para resolver el problema.
Consecuencias operacionales: En el caso de las consecuencias
operacionales la respuesta estndar al problema de si una tarea
preventiva es econmicamente factible es: si el costo de la tarea
preventiva es menor que el costo de las consecuencias operacionales
(en otras palabras el valor de la perdida de produccin) mas el costo
de la reparacin de la falla, entonces la tarea es econmicamente
factible. Como veremos mas adelante, esto es un punto de vista
simplista. Un punto de vista mas balanceado es que la tarea es
econmicamente factible si el costo total (costo de la parada mas el
costo de incurrir en la falla mas el costo de la prevencin) es mnimo,
esto llegar a ser claro mas adelante.
Consecuencias no operacionales: En este caso la respuesta a la
pregunta sobre la factibilidad econmica es la misma que para las
consecuencias operacionales, excepto que el costo de la perdida de
produccin no figura (la falla no afecta la produccin).

El titulo de la presente seccin sugiere que hay un partido de desempate


entre la factibilidad tcnica y la econmica. Este no es realmente el caso.
Pero en muchas situaciones prcticas uno tiene que tomar una decisin
basada mas en una que en otra. Como se estableci anteriormente, en el
caso de los modos de fallas escondidas y de seguridad y medio ambiente,
la factibilidad tcnica frecuentemente juega un rol mas importante que si
la tarea es econmicamente factible. Por otro lado, en el caso de las
consecuencias operacionales y no operacionales, la pregunta de si la
tarea es econmicamente factible es de mxima importancia. Al final la
lnea de referencia esta relacionada siempre con el dinero.

59
Ingeniera del Mantenimiento TECSUP PFR

2. TEORA BSICA DE LA RENOVACIN

Tradicionalmente se asumi que el reacondicionamiento programado y el


reemplazo programado dejaban al tem en condiciones casi nuevas despus de la
accin preventiva. Se desarroll alrededor de esta premisa una teora
denominada Teora de la renovacin. En otras palabras, la teora de la
renovacin es la teora que explica las situaciones de falla donde las acciones
preventivas basadas en el uso conducen hacia una restauracin completa. Esta
teora puede enfocarse desde diferentes ngulos usando diferentes tericas
matemticas bsicas. Frecuentemente el enfoque es por el lado de la
distribucin estadstica. Generalmente se acepta que las fallas (donde se
sostiene la asuncin de renovacin) tiene lugar de acuerdo a una u otra
distribucin. Una de las que se emplea mas frecuentemente en mantenimiento
es la distribucin Weibull, llamada as en honor a su autor. Es una distribucin
muy verstil que puede simular la mayora de las situaciones de falla encontradas
en la prctica del mantenimiento.

Las cuatro funciones de confiabilidad fueron definidas en el capitulo 5. Estas son


la funcin densidad, la funcin de distribucin acumulativa, la funcin de
supervivencia y la funcin de riesgo. Definiciones mas formales se dan en el
anexo A1. Las descripciones de estas funciones dadas en el capitulo 5, con
algunas aclaraciones adicionales se repetirn aqu.

2.1. DENSIDAD DE FALLA

La densidad de falla da una imagen de la probabilidad de falla de un


componente sobre su propia vida. As da, en cualquier punto en
particular la vida del componente, la probabilidad de falla en ese punto
exacto. Es costumbre en el mundo del mantenimiento emplear la
distribucin Weibull para describir el comportamiento de la falla de un
componente. Una funcin densidad de falla Weibull tpica se muestra en
la figura 4.2.

60
TECSUP PFR Ingeniera del Mantenimiento

DISTRIBUCION WEIBULL
Funcion Densidad

0.120

0.100

0.080
f(t)

0.060

0.040

0.020

0.000
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31

Tiempo

Figura 4.2 Densidad de Falla Weibull tpica.

El uso de la funcin densidad f(t) se describe usando los siguientes


ejemplos: la figura 4.2 establece que la probabilidad de falla (del
componente al cual se le aplica la funcin de densidad de la figura 4.2, a
la edad de 5 unidades es del orden de 0.06 o 6%. La suma de todas las
probabilidades esta dado por el rea bajo la curva de la figura 4.2 la cual
es 1 (o 100%). Esto es equivalente a establecer que el componente debe
eventualmente fallar (en el ejemplo antes de 23 unidades) con 100% de
certeza. La probabilidad acumulativa de falla hasta 5 unidades est dada
por el rea total bajo la curva a la izquierda del valor de 5 unidades. Esta
cantidad (acumulada) se conoce como la distribucin de falla acumulativa
F(t). La funcin densidad puede estimarse directamente desde los datos
de falla usando la definicin discreta en el anexo A (ecuacin A1). El uso
de estas definiciones discretas para estimar las cuatro funciones de
confiabilidad directamente de los datos de falla se ilustra en los ejemplos
dados en el anexo A.

2.2. DISTRIBUCIN ACUMULATIVA DE FALLAS

Sumando acumulativamente las probabilidades de falla respecto a su


densidad de falla, obtenemos la distribucin acumulativa de Fallas. Esto
da para cualquier punto en el tiempo de vida de un componente la
probabilidad que el componente fallar antes o a esa edad especfica. La
distribucin acumulativa de falla comienza siempre a una probabilidad de
cero, lo cual es equivalente a establecer que un componente nuevo no
estar en un estado de falla. Esta eventualmente tendr un valor de uno
(100%), indicando que el componente eventualmente fallar con 100%

61
Ingeniera del Mantenimiento TECSUP PFR

de certeza. La distribucin acumulativa de fallas para la densidad de falla


de la figura 4.2 se muestra en la figura 4.3.

DISTRIBUCION WEIBULL
Funcion Acumulada

1.200

1.000

0.800
F(t)

0.600
0.400

0.200

0.000
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31

Tiempo

Figura 4.3 Distribucin de fallas acumulativa.

De la misma manera como se hizo con la funcin densidad, podemos leer


la probabilidad acumulada de falla en la figura 4.3. Por ejemplo podemos
decir que la probabilidad de que el componente fallar antes o a 10
unidades es 0.50 o 50%. La distribucin acumulativa de falla es una
funcin extremadamente manejable para entender las caractersticas de
falla de un componente. Una propiedad muy importante de la funcin de
distribucin acumulativa es que el 63% de todos los componentes falla
antes de la vida esperada del componente (esto es la vida tpica).
Weibull denomina la vida esperada como la vida caracterstica, la cual
esta dada por el parmetro de escala Weibull . El valor de para los
ejemplos anteriores es 10. As para la vida de 11 unidades el valor de
F(t) es 0.63 (o 63%). As, en el caso de la renovacin, 63% de los
componentes falla siempre antes o en la vida caracterstica. Esto no
quiere decir que el componente deber reemplazarse o reacondicionarse
antes de ese tiempo, porque el 37% de los componentes tienen vidas
mayores que la vida caracterstica (algunos de ellos son mayores a 21
unidades o el doble de la vida caracterstica en el ejemplo anterior). La
decisin respecto a cuando reemplazar normalmente involucra las
caractersticas de falla especficas (como se representa en el grfico) y los
aspectos econmicos involucrados, como veremos brevemente.

La funcin de distribucin acumulativa puede nuevamente estimarse


directamente de los datos de falla usando la definicin discreta del anexo

62
TECSUP PFR Ingeniera del Mantenimiento

A (ecuacin A3), como se ilustr en los dos ejemplos en ese capitulo. La


funcin complementaria a la funcin de distribucin acumulativa es
conocida como la funcin de Supervivencia (o funcin de Confiabilidad).

2.3. FUNCIN DE SUPERVIVENCIA

La distribucin acumulativa de falla da la probabilidad de falla antes o a


cierta edad. La diferencia entre ese valor y el 100% (en otras palabras, el
espacio sobre la curva de la figura 4.3) da la probabilidad que el
componente sobrevivir hasta ese punto. Esta es una medida muy til,
ya que da el porcentaje de unidades que sobrevivirn hasta la edad
especificada. La siguiente figura describe la funcin de supervivencia la
cual es el complemento de la funcin de distribucin acumulativa de la
figura 4.3.

DISTRIBUCION WEIBULL
Funcion de Supervivencia

1.200

1.000

0.800
R(t)

0.600
0.400

0.200

0.000
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31

Tiempo

Figura 4.4 Funcin de supervivencia tpica.

Como el caso de la funcin de distribucin acumulativa, podemos de


nuevo leer la curva de probabilidad de supervivencia acumulativa del
grafico 4.4. Podemos decir que la probabilidad que el componente
sobrevivir hasta una vida de 10 unidades es 0.5 o 50%. Como con la
distribucin acumulativa de falla, la funcin de supervivencia es una
funcin extremadamente manejable para entender las caractersticas de
falla del componente. En el caso de la funcin de supervivencia mostrar
siempre que el 37% de los componentes sobrevivirn hasta la vida
esperada del componente (esto es la vida tpica). As, a una vida de 11
unidades el valor de R(t) es 0,37 (o 37%). As, en el caso de la

63
Ingeniera del Mantenimiento TECSUP PFR

renovacin, el 37% de los componentes sobrevivirn hasta la vida


caracterstica.

La funcin de supervivencia puede estimarse directamente de los datos


de falla usando la definicin discreta del anexo A (ecuacin A5), cuyo
mtodo se ilustra en los ejemplos de ese capitulo. La ultima funcin de
confiabilidad que se discutir aqu se conoce como la funcin de riesgo y
es una combinacin entre la funcin densidad y la funcin de
supervivencia como se muestra en el anexo A.

2.4. FUNCIN DE RIESGO

La funcin de riesgo es la mas empleada de las cuatro medidas


cuantitativas (tambin llamadas las cuatro funciones de Confiabilidad).
Tambin es denominada la probabilidad condicional de falla o la
probabilidad instantnea de falla. Esta da la probabilidad de que un
componente fallar a cierta vida, dado que ha sobrevivido hasta esa
edad. Se calcula dividiendo el valor de la densidad de falla a esa edad
entre el valor de la funcin de supervivencia a esa edad. Es una medida
del riesgo de falla de un componente a una edad especfica. Si la funcin
de riesgo decrece con la edad o permanece constante, no habr incentivo
hacia el mantenimiento preventivo basado en el uso ya que el riesgo
despus de la accin de mantenimiento no ser menor que antes. En tal
caso la nica estrategia de mantenimiento disponible ser el
mantenimiento preventivo basado en la condicin. Pero, en el caso de un
aumento de la funcin de riesgo (una situacin encontrada
frecuentemente en los componentes), una opcin ser el mantenimiento
preventivo basado en el uso, ya que disminuir el riesgo de falla. Usar o
no el mantenimiento preventivo basado en el uso en tales circunstancias
depender de aspectos econmicos de tal accin y si el mantenimiento
preventivo basado en la condicin no permite una mejor opcin. La
funcin de riesgo para la situacin de falla de las figuras 4.2 a la 4.4 se
muestra en la figura 4.5.

64
TECSUP PFR Ingeniera del Mantenimiento

DISTRIBUCION WEIBULL
Funcion de Riesgo

1.4
1.2
1
0.8
Z(t)

0.6
0.4
0.2
0

11

13

15

17

19

21

23

25

27

29

31
1

9 Tiempo

Figura 4.5 Funcin de Riesgo tpica de un componente.

Como se estableci antes, esta es ciertamente la mas usada de las cuatro


funciones de confiabilidad. Uno puede leer el riesgo real de falla
directamente del grfico de la funcin de riesgo. As, en el caso descrito
en la figura 4.5, uno puede decir que, si el componente ha sobrevivido
hasta la edad de 17 unidades, la probabilidad de que este falle en el
siguiente instante es 0.5 o 50%. Por otro lado la probabilidad de falla de
un componentes que ha sobrevivido hasta 26 unidades es 1.00 o 100%.

La forma de la funcin de riesgo es de mxima importancia para decidir


sobre la estrategia apropiada de mantenimiento. Un aumento de la
funcin de riesgo permite la posibilidad del mantenimiento preventivo
basado en el uso, mientras una disminucin o tendencia constante de la
funcin de riesgo no.

3. LA DISTRIBUCIN WEIBULL

La distribucin Weibull fue el resultado al que lleg Weibull en 1951 cuando


sugiri una formula emprica que podra manejar muchos datos de falla reales.
Muy importante para nuestro propsito es el hecho que puede manejar la
mayora de las formas de la funcin de riesgo frecuentemente encontradas,
incluyendo las distribuciones Normal y Exponencial. Esto conduce a la posibilidad
de usar solo esta distribucin para la mayora de aplicaciones practicas de
anlisis de falla. Hay dos formas de la distribucin Weibull, a dos versiones de
parmetros y a tres versiones de parmetros. La distribucin Weibull a dos
parmetros se describe en el anexo A.

65
Ingeniera del Mantenimiento TECSUP PFR

El uso de la Distribucin Weibull es por estimacin de los valores para sus


parmetros, tal que la distribucin se parezca bastante a la distribucin de
tiempo para la falla encontrada en los datos observados. Este proceso de
estimacin de parmetros se describe en la seccin A4 (ecuaciones A14 y A15).
Los dos parmetros Weibull (versin de dos parmetros) es y , es el
parmetro de forma y el parmetro de escala. As, la forma depende de , ver
figuras 4.6 hasta 4.9, y la escala de tiempo depende de . A tambin se le
conoce como vida caracterstica, el cual es lo mismo que la vida esperada del
componente. La vida tpica que uno puede esperar de un componente, basado
en su historia, es unidades. Otra caracterstica importante del valor de es
que el 63% de todos los componentes de ese tipo fallar antes de unidades y
el 37% despus. Como vimos en la figura 4.1, solo para valores de mayores
que 1 (aumento del riesgo) esperaramos que el mantenimiento preventivo
basado en el uso vale la pena. As la funcin mas importante en el anlisis de
datos de falla es que, solo cuando conocemos que nuestra funcin de riesgo de
los datos esta aumentando con el tiempo, ser efectivo el mantenimiento basado
en el uso. Pero an no podemos decir que el mantenimiento basado en el uso
ser la de mejor costo. Y tampoco no conocemos cuan frecuente deberamos
hacer el mantenimiento basado en el uso. Estas preguntas sern respondidas en
la siguiente seccin.

DISTRIBUCIN WEIBULL

1.200

1.000

0.800
B=3
f(t)

0.600 B=2
0.400
B=1

0.200

0.000
1

11

13

15

17

19

21

23

25

27

29

31

33

35

37

Tiempo

Figura 4.6 Forma de la funcin de densidad Weibull.

66
TECSUP PFR Ingeniera del Mantenimiento

DISTRIBUCION WEIBULL

1.200

1.000

0.800
B=3
F(t)

0.600 B=2
0.400 B=1

0.200

0.000
10

13

16

19

22

25

28

31

34

37
1

Tiempo

Figura 4.7 Forma de la funcin acumulativa Weibull.

Una nota sobre el tercer parmetro de la distribucin Weibull la hacemos aqu.


Hay un tercer parmetro , el cual es la vida mnima del componente. En
algunos casos un componente nunca falla a una edad menos que una cierta vida.
Esta vida es la vida mnima de un componente. La tarea del tercer parmetro es
mover toda la distribucin hacia la derecha en unidades.

DISTRIBUCION WEIBULL

1.200

1.000

0.800
B=3
R(t)

0.600 B=2
0.400 B=1

0.200

0.000
10

13

16

19

22

25

28

31

34

37
1

Tiempo

Figura 4.8 Formas de la funcin de supervivencia Weibull.

67
Ingeniera del Mantenimiento TECSUP PFR

DISTRIBUCION WEIBULL

12.00

10.00

8.00
B=3
Z(t)

6.00 B=2
4.00 B=1

2.00

-
11
13
15
17
19
21
23
25
27
1
3
5
7
9

Tiempo

Figura 4.9 Formas de la funcin de riesgo Weibull.

4. OPTIMIZANDO EL MANTENIMIENTO BASADO EN EL USO

Como se estableci al final de la seccin anterior, despus de ajustar


adecuadamente una distribucin Weibull a nuestra data de falla, seremos
capaces de decidir si el mantenimiento basado en el uso es finalmente una
opcin (podemos decidir sobre la efectividad de tal estrategia, usando la figura
4.1 como base). Pero an no sabemos si el uso de tal estrategia vale la pena.
Primeramente, para que valga la pena, el costo de reparar la falla debe ser
mayor que la accin preventiva.

4.1. EL COSTO DE LA FALLA VS EL COSTO DE LA PREVENCIN

Al inicio de este capitulo vimos que la factibilidad tcnica juega un rol


mucho mayor que la econmica cuando se trata con modos de falla cuyas
consecuencias son sobre la seguridad y el medio ambiente. Pero en el
caso de las fallas con consecuencias operacionales y no operacionales la
economa juega un rol mayor. Cuando decidimos hacer uso de la
prevencin basada en el uso tanto como los algoritmos de optimizacin
de esta seccin, haremos uso del costo de la prevencin, la cual se
denota Cp y el costo de reparacin despus de la falla Cr.

4.2. CONSECUENCIAS NO OPERACIONALES

Cuando tratamos con los modos de falla con consecuencias no


operacionales, no estamos interesados en las perdidas sufridas debido a
paradas (la parada no tiene consecuencias operacionales). As
definiremos dos cantidades de costo:

68
TECSUP PFR Ingeniera del Mantenimiento

Cr = Costo de repuestos para reparar la falla + costo de la mano de obra


correspondiente.
Cp = Costo de repuestos para la accin preventiva + costo de la mano de
obra correspondiente.

4.3. CONSECUENCIAS OPERACIONALES

Si la falla del componente afecta la produccin de la unidad


(consecuencia operacional) entonces debe tenerse en cuenta el valor
monetario de la perdida de produccin. Las dos cantidades de costo
llegarn a ser:

Cr = Costo de repuestos para reparar la falla + costo de la mano de obra


+ Valor de la perdida de produccin mientras se realiza la reparacin.
Cp = Costo de repuestos para la accin preventiva + costo de la mano de
obra + Valor de la perdida de produccin mientras se realiza la accin
preventiva.

En muchos casos la accin preventiva se realiza durante un turno de


mantenimiento existente, en cuyo caso no se perder produccin debido
a la accin preventiva.

4.4. OPTIMIZACIN BASADA EN EL USO

El modelo matemtico mostrado en el anexo A esta basado en modelos


de optimizacin del beneficio / costo para optimizar el mantenimiento
basado en el uso. Estos modelos se utilizan en el caso de consecuencias
operacionales y no operacionales. Hacen uso de dos cantidades Cp y Cr
para encontrar el valor de tp (el tiempo en el instante de la prevencin
basada en el uso) el cual da el costo mnimo por unidad de tiempo. La
diferencia entre estos dos modelos es que el primero no toma en cuenta
el tiempo tomado por la falla y las acciones preventivas, mientras que el
segundo modelo los toma en cuenta. En muchos casos los dos modelos
no dan resultados con diferencias significativas, pero en casos donde el
tiempo tomado por la reparacin de la falla difiere significativamente de la
de la accin preventiva o donde el tiempo tomado para reparar es una
proporcin significativa del MTBF el segundo modelo dar siempre
mejores resultados. La salida tpica de estos modelos es un grfico de
costo por unidad de tiempo versus el tiempo entre acciones preventivas.
Tal grfico se muestra en la figura 4.10.

69
Ingeniera del Mantenimiento TECSUP PFR

Optimizacin del Costo Weibull

200

195
Costo ($/dia) 190

185

180

175

170

165
7 12 17 22 27 32 37

Vida (dias)

Figura 4.10 Curva tpica de Costo.

De la curva se puede ver que el nivel ptimo de costo ocurre a 12 das a


un costo de $ 177,58. Pero, aparte el modelo nos da la frecuencia ptima
a la cual la prevencin tendra lugar, el grafico nos suministra la siguiente
informacin adicional:

La inclinacin del grfico de costo en ambos lados del punto ptimo,


determina si estamos en el valor ptimo exactamente. En el ejemplo
dado, si mantenemos la frecuencia preventiva entre 10 y 16 das no
tendremos un aumento del costo de mas del 5% del valor ptimo. En
este caso especfico existe un turno de mantenimiento semanal el cual
ser utilizado para el reemplazo preventivo del rodamiento. Esto tiene
el efecto que el tiempo entre reemplazos deber estar entre 10 y 15
das. El costo a 10 das es $ 178,34 por da y 15 das $ 179,26 por da.
As 15 das ser la frecuencia preferida, pero si fuera necesario se
puede adelantar el reemplazo a 15 das sin sobrepasar la barrera del
5% del costo.
En el grfico, el valor del costo en el lado derecho mas alejado da el
costo por unidad de tiempo cuando se realiza una tarea de reemplazo
no preventiva (reparar cuando falla). En nuestro ejemplo este valor es
$ 198,61 a 50 das (el cual no se muestra en el grfico). Esto es 112%
sobre el costo ptimo. As en este caso podemos ver que es de
mxima importancia que hagamos un reemplazo preventivo. Pero hay
casos donde la sensibilidad del grfico del lado derecho es tan baja
que decidiremos por la estrategia del mantenimiento correctivo.

70
TECSUP PFR Ingeniera del Mantenimiento

El tercer modelo del anexo A es un modelo que optimiza la disponibilidad


de los componentes para minimizar la parada por unidad de tiempo. Esto
da un grfico similar al de la figura 4.10, pero en trminos de
disponibilidad. Este modelo se emplea en el caso de modos de fallas
escondidas y consecuencias sobre la seguridad y medio ambiente donde
el costo o beneficio no es el motivo primordial, sino preferentemente la
disponibilidad de la funcin. La figura 4.11 muestra un ejemplo del
resultado al emplear dicho modelo. Como en el caso del modelo de
costo, la sensibilidad del grfico juega un rol importante decidiendo como
uno estrictamente mantendr la frecuencia preventiva ptima.

DISPONIBILIDAD
90

80
Disponibilidad (%)

70

60

50

40

Tiempo (semanas)

Figura 4.11 Grfico ejemplo de disponibilidad.

El cuarto modelo del mantenimiento preventivo basado en el uso se


emplea en el caso de reemplazo en bloque. Se describe completamente
en el anexo A. La estrategia de reemplazo en bloque especfico se
emplea cuando una maquina o sistema tiene mas de un componente
igual, trabajando en circunstancias similares. La estrategia es reemplazar
cualquiera de los componentes cuando fallan, pero reemplazar todos los
componentes del bloque a la frecuencia de cambio, sin tomar en cuenta
cualquier reemplazo de fallas entre reemplazos en bloque. Para
simplificar el desarrollo de la estrategia de bloque se hace una asuncin,
es decir que muy pocas fallas se producirn entre reemplazos en bloque.
Un ejemplo de grfico de costo se muestra en la figura 4.12 La cada de
la cola en el lado derecho no tiene que ser considerado ya que la
asuncin simplificada no es vlida en esta rea.

71
Ingeniera del Mantenimiento TECSUP PFR

Reemplazo en Bloque
500
Costo por unidad de tiempo

400

300

200

100

Tiempo (semanas)

Figura 4.12 Grfico de costo de reemplazo en bloque.

5. OPTIMIZACIN DEL MANTENIMIENTO BASADO EN LA CONDICIN

El segundo modelo en el anexo A describe los modelos de inspeccin. Estos se


emplean para optimizar la frecuencia de mantenimiento basado en la condicin
de la misma manera como fueron optimizadas las frecuencias del mantenimiento
preventivo basado en el uso por los primeros 4 modelos. La nica diferencia es
que, en vez de usar la funcin de supervivencia basada en la historia de falla
para estimar la divisin entre reemplazos preventivos y reemplazos de fallas, se
usa la eficiencia de las inspecciones para capturar fallas antes que sucedan.
Esta eficiencia c se expresa como una funcin del tiempo entre inspecciones.
Nuevamente hay dos modelos, uno optimizando el costo y el otro la
disponibilidad, con una produccin similar a la de las figuras 4.10 y 4.11.

La captura empleada en los modelos de inspeccin es que debe conocerse la


relacin entre la efectividad de las inspecciones y el tiempo entre inspecciones.
Esto se obtiene de la siguiente manera: Calcular la efectividad de la inspeccin
basada en la frecuencia de inspeccin histrica utilizada. Luego modificar la
frecuencia basada en su intuicin para esta situacin. Despus de un ao tendr
(por un nuevo calculo de la efectividad de la inspeccin para ese ao) un
segundo punto en el grfico de la efectividad de la inspeccin versus el tiempo
entre inspecciones. Por regresin puede ahora ajustar una lnea a travs de
estos dos puntos. La funcin resultante puede emplearse en los modelos de
inspeccin para producir una solucin optimizada. Despus de otro ao se
puede agregar otro punto al grfico y se puede construir un nuevo grfico
(probablemente no una lnea recta) entre los tres puntos. Esta nueva lnea
producir una frecuencia de inspeccin optimizada (probablemente mucho

72
TECSUP PFR Ingeniera del Mantenimiento

mejor). De esta manera podr producir una frecuencia de inspeccin optimizada


en pocos aos.

Vimos anteriormente en este capitulo como puede hacerse uso de los datos de
falla a nivel de componente para hacer y optimizar la estrategia de
mantenimiento usando la teora de la renovacin. En el proceso de uso de
esta teora, asumimos que reparar conduce a una condicin tan buena como
una nueva. Pero, como sabemos, las cosas no son siempre tan fciles como
emplear la misma teora para todos los casos. En el nivel de sistemas (maquina
completa) frecuentemente nos situamos con la degradacin de la confiabilidad en
el tiempo. Normalmente no renovamos el sistema a una condicin tan buena
como nueva cuando reparamos. Hacemos algo mas que una mnima
reparacin, por lo cual decimos que reemplazamos o reparamos el componente
que ha fallado. Esto es, reparamos a una condicin tan mala como antigua (la
misma condicin que tena antes de la parada). Por esta razn tenemos otra
situacin. Esta teora es llamada teora de sistemas reparables. Podemos
incluso usar esta teora para tomar decisiones respecto a los tiempos ptimos de
reemplazo de todos los sistemas.

6. TEORA BSICA DE SISTEMAS REPARABLES

En la teora de sistemas reparables hacemos uso de la regresin para modelar la


tendencia a lo largo del tiempo de la vida de un sistema. Un sistema esta
compuesto por muchos componentes, cada uno con sus propias caractersticas
de falla las cuales pueden ser modeladas empleando la teora de la renovacin.
Pero el sistema en si mismo (esto es, si se degenera con el tiempo) debe ser
modelado empleando tcnicas de regresin. Si el sistema no degenera con el
tiempo podemos por supuesto hacer uso de la teora de la renovacin para
modelar las fallas de un sistema. Tales sistemas estables son en efecto raros y
necesitan otra teora para cubrir con el sistema. Podemos modelar dos
cantidades a lo largo del tiempo de vida de un sistema: el tiempo entre fallas y la
tasa de falla. Es costumbre emplear la tasa de falla en el modelamiento de la
tendencia de falla de los sistemas. Una de las clases de modelos que han
emergido para este propsito es el modelo Proceso Poisson No Homogneo
(NHPP). Se presentan en el anexo B dos formatos de modelos NHPP, junto con
modelos de regresin matemtica generales, los cuales pueden emplearse para
modelar la tendencia de la vida, con el propsito de pronosticar la vida promedio
entre fallas de un sistema.

El tiempo en el modelamiento de sistemas esta denotado por T, el termino de


largo tiempo para alcanzar una falla, lo denotamos por t, el tiempo entre
llegadas, en la teora de renovacin. La tasa de falla se denota por (T).

73
Ingeniera del Mantenimiento TECSUP PFR

7. MODELOS DE PROCESO NO HOMOGNEO POISSON

Los dos formatos de modelos NHPP son descritos en el anexo B: la forma 1(T),
la cual es cncava hacia arriba, y la forma 2(T) la cual es convexa. Ambas han
desarrollado adecuadamente la teora para un numero esperado de fallas en un
cierto intervalo, la probabilidad de supervivencia sobre un intervalo y el tiempo
promedio de fallas. Ambos modelos tienen dos parmetros, los cuales pueden
estimarse fcilmente usando la tcnica de la seccin B.2.

8. MODELOS PARA EL MODELAMIENTO DE LOS COSTOS PARA EL NHPP

Como en el caso de la renovacin, tenemos una herramienta para el


modelamiento de los costos en la teora de los sistemas reparables. En este caso
el objetivo es determinar la vida econmica de un sistema, trabajando desde la
tendencia de falla (modelo NHPP) del sistema, el costo promedio de una
reparacin mnima Ct (basado en su historia) y el costo total de sistemas
reparables Cp. La teora de tales modelos de costos se muestran en la seccin
B.3. Un ejemplo de tales grficos de costos se muestra en la figura 4.13.

Costo promedio por hora si se reemplaza en T


CAT 789 - Camin de 180 Ton.

500

400
Costo por hora

300

200

100

Vida acumulada T (horas)

Figura 4.13 Ejemplo de grfico de costos de un sistema reparable.

De acuerdo a la figura 4.13 la mejor edad para el reemplazo de un sistema es a


las 21293 horas de operacin. A esta edad se ha logrado un costo de operacin
para la vida promedio mnima es de $210,00 por hora (este ejercicio fue
realizado para reparticipacin de papel en Australia). Para evaluar esta edad de

74
TECSUP PFR Ingeniera del Mantenimiento

reemplazo adecuadamente, nuevamente tenemos que estudiar el grfico para


evaluar la importancia de reemplazar el sistema a esa edad exactamente (en
otras palabras, tenemos que evaluar la sensibilidad del grfico).

Otros beneficios de los modelos de sistemas reparables son que ellos pueden
modelar precisamente el numero de fallas esperado en un intervalo dado
(futuro), la confiabilidad esperada en tal intervalo, tanto como la vida esperada
futura entre fallas de sistemas.

9. MODELO MATEMTICO GENERAL

En el capitulo 14 se da el procedimiento para ajustar cualquiera de los cinco


modelos matemticos generales para un conjunto de datos. Esto puede
emplearse tambin para modelar la tendencia de vida del sistema:

Curva lineal
Curva cuadrtica
Curva hiperblica
Curva exponencial
Curva geomtrica

Se incluye una prueba (la prueba r) para determinar la bondad del ajuste de
tales curvas. Estas curvas (al igual que las curvas NHPP) pueden usarse para
modelar la tendencia en el tiempo y pronosticar el tiempo promedio entre fallas
esperado sobre los siguientes ciclos de fallas. La tabla 4.14 tambin da un
intervalo de confianza del 95% para el proceso de pronstico, el cual es el ancho
estadstico de una distribucin dentro del cual los tiempos individuales de fallas
sobre los siguientes ciclos de falla se producirn, pero con sus promedios al valor
del pronstico.

10. ANLISIS DE DATOS INTEGRADOS DE FALLA

Tenemos ahora cubierta la teora de la renovacin y la teora de sistemas


reparables con algn detalle. Tenemos ahora que encontrar cuando usar estas
teoras. Esto se describe completamente en el anexo C. Daremos una breve
descripcin del proceso aqu, sin tratar de repetir el trabajo detallado del anexo
C.

En la teora de la renovacin estudiamos el caso donde la asuncin hecha fue


que reparar (o overhaul) resultaba en una situacin tan buena como una nueva.
En la teora de los sistemas reparables por otro lado, estudiamos el caso donde la

75
Ingeniera del Mantenimiento TECSUP PFR

degradacin de la confiabilidad tena lugar en el tiempo y la reparacin no era


hasta la situacin de tan buena como una nueva. Esto se llamaba una situacin
tan mala como la vieja o una situacin de reparacin mnima. En el primer caso
(la renovacin) el componente (o sistema) fue reparado (u overholeado) hasta la
condicin de tan bueno como uno nuevo. En el segundo caso (sistemas
reparables) el sistema (o componente) es reparado mnimamente (u
overholeado) de la falla hasta una condicin tan mala como la vieja. Es este
ltimo caso la reparacin resulta en llevar al sistema (o componente) de retorno
a la condicin justo antes de la falla. Esto no implica que fallar de nuevo
inmediatamente, pero no fue restaurado a la condicin original (nuevo).

Cada una de estas teoras, en si mismas, presentan una alternativa viable para el
anlisis de datos de falla de mantenimiento. El problema ahora es decidir cual
de ellas usar y cuando. Por supuesto, uno puede decidir (asumir) que una u otra
teora es la mas viable, pero esto no necesariamente conducir a una solucin
valida. La mejor manera es usar los datos para guiar el proceso de anlisis. Esto
ser discutido ahora con algn detalle en los siguientes prrafos.

11. DIFERENCIA ENTRE DATOS CON O SIN TENDENCIA

Cul es la diferencia entre datos con o sin tendencia en el largo plazo? Piense
en su salario: si su salario ha sido incrementado anualmente (incluyendo la
correccin por inflacin), no puede hacer un anlisis detallado de la situacin de
su ingreso sobre algunos aos sin al menos hacer algunas correcciones por
inflacin, etc. Porqu es eso?. La razn es que no puede comparar manzanas
con peras. Tiene que comparar manzanas con manzanas. Hubo una tendencia
sobre los aos los cuales no puede ignorar cuando haga el anlisis. Lo mismo
sucede con los datos de falla. Si el sistema (o componente), para el cual esta
haciendo el anlisis, ha experimentado un crecimiento de la confiabilidad (la vida
entre fallas aument) o la degradacin de la confiabilidad (la vida ha sido mas
corta), entonces la vida individual no puede ser lanzada hacia el mismo sombrero
(distribucin) para el anlisis. Esto es, no podemos usar la teora de la
renovacin en tal caso; estamos forzados ha hacer uso de la teora de sistemas
reparables.

Pero Cmo sabemos cuando tenemos tal tendencia?. Conocemos esto, a travs
del uso de la prueba de tendencia. La prueba de tendencia propuesta es la de
Laplace (1773), la cual ha sido probada una y otra vez y es considerada la mejor
prueba para tendencias de falla. La cantidad Laplace, cuando calculamos para
un conjunto de datos de falla sin tendencia, producir un valor con un promedio
de 0 y una desviacin estndar de 1. Esto es, conservadoramente concluiremos
que:

76
TECSUP PFR Ingeniera del Mantenimiento

Si el valor de L cae dentro de 1 y +1, el conjunto de datos no tiene


tendencia inherente y puede usarse la teora de la renovacin para el anlisis.
Si el valor es menor que 2, el conjunto de datos muestra una inclinacin
definitiva hacia el crecimiento de la confiabilidad y puede usarse el modelo de
sistemas reparables para el anlisis de la tendencia (aunque nuestro modelo
de costos para el sistema reparable solo se mantenga para el caso de
degradacin de la confiabilidad)
Si el valor es mayor que +2, el conjunto de datos muestra una inclinacin
definitiva hacia la degradacin de la confiabilidad y puede usarse la teora de
sistemas reparables para el anlisis.
Si el valor esta entre 1 y 2 o entre +1 y +2, estamos en la zona gris donde,
estadsticamente hablando, ambas teoras pueden emplearse.

El proceso de decisin (Asher y Feingold) para decidir cual teora emplear se


muestra en la figura 4.14

77
Ingeniera del Mantenimiento TECSUP PFR

Datos de Falla obtenidos en orden


cronolgico original

Modelo de sistemas
reparables (p.e. modelo
Tendencia?
NHPP) y modelo de
reparacin imperfecto

Tiempos obtenidos identicamente


distribuidos pero no necesariamente
independientes

Brazo del Modelo


Dependencia?
del proceso Poisson

Dato del proceso de


Renovacin

Tcnica de Anlisis
Convencional

Figura 4.14: Estructura de Anlisis de datos.

78

También podría gustarte