Documentos de Académico
Documentos de Profesional
Documentos de Cultura
incertidumbre
Que hacer cuando sus planes de confiabilidad no se
ven muy confiables
Cuando se esta enfrentado a la incertidumbre nuestra reacción humana
instintiva es a menudo la indecisión y la angustia. Todos preferiríamos
que el timing y el resultado de nuestras decisiones fuesen conocidos con
certeza. Puesto de otra manera, nos gustaría que todos los problemas y
sus soluciones fuesen deterministas. Los problemas en los cuales el timing
y el resultado de una acción dependen del azar se conocen como
probabilisticos ortocásticos. Sin embargo, en el mantenimiento no
podemos ignorar dichos problemas ya que la incertidumbre es inevitable.
De preferencia, nuestra meta es cuantificar las incertidumbres asociadas
con las decisiones significativas de mantenimiento para revelar el curso de
acción más apropiado para lograr nuestro objetivo. Los métodos
descritos en este capítulo no solo lo ayudarán a lidiar con la
incertidumbre sino que pueden, esperamos, persuadirlo a que trate este
fenómeno como a un aliado mas que como a un enemigo.
A cuantos de nosotros nos han dicho desde la niñez que “la falla es la madre del éxito” y
que “a partir de los errores se aprende”. En ningún otro lugar esta sabiduría popular es más
valiosa que en un departamento de mantenimiento que haga uso de herramientas de
ingeniería de confiabilidad. En un ambiente tan iluminado, las fallas – un hecho
impersonal de la vida – pueden ser tratadas y convertidas en conocimiento valioso seguido
de una acción productiva. Para obtener esta elevada, pero alcanzable meta en nuestras
operaciones, nosotros requerimos de un sólido enfoque cuantitativo para lidiar con la
incertidumbre en el mantenimiento. Por esta razón, comencemos nuestro ascenso en tierra
sólida – el fácilmente conceptuado histograma de frecuencia relativa de las fallas pasadas.
Haga una lista de las fallas según la temporalidad de las fallas tal como aparece en la figura
Tiempo de la falla
Area R(t) es la
probabilidad de que
el ítem sobreviva el
tiempo t.
Area f(t) es la
probabilidad de
falla antes de o
en el tiempo t.
Resumen
En solamente unos cortos párrafos hemos aprendido las cuatro funciones básicas en la
ingeniería de confiabilidad: la PDF o función de densidad de probabilidad f(t); la CDF o
función de distribución acumulativa F(t); la función de confiabilidad R(t); y la función de
riesgo h(t). Al saber cualquiera de estas, podemos derivar las otras tres. Armados con estos
conceptos estadísticos fundamentales podemos salir a combatir con el azar de la ocurrencia
de las fallas a través de nuestra planta. A pesar de que las fallas son eventos inciertos
deberíamos, no obstante, descubrir como determinar los mejores momentos para realizar
mantenimiento preventivo y las mejores políticas de mantenimiento de largo plazo.
Habiendo estimado “con seguridad” (es decir con un nivel dado y aceptable de confianza)
la PDF (por ejemplo) debemos basarnos en ella o en sus funciones hermanas para construir
modelos de optimización. Los modelos describen situaciones típicas de mantenimiento
representándolas en ecuaciones matemáticas. Eso lo hace muy conveniente si es que
deseamos optimizar el modelo. El objetivo de la optimización es generalmente lograr el
menor costo promedio de largo plazo del mantenimiento de nuestro equipo de producción.
Distribuciones típicas
En la sección anterior definimos las cuatro funciones claves que podemos aplicar a nuestros
datos cuando de alguna manera los hemos transformado en una distribución de
probabilidad. El paso que es requisito para convertir o ajustar los datos es el tema de esta
sección.
¿Cómo encuentra uno la PDF real para un componente o sistema real? Hay dos enfoques
posibles para este problema:
1. Ajuste los datos obtenidos de las pruebas de ciclo de vida del equipo, o
2. Haga una hipótesis que diga que será una cierta función parametrizada cuyos
parámetros puedan ser estimados por medio de técnicas estadísticas de muestreo y
de la realización de numerosas pruebas de confianza. Este enfoque será el que
adoptaremos.
Los parámetros y pueden ser estimados de los datos usando los métodos que serán
descritos. Una vez que hayamos estimado sus parámetros con certeza podremos procesar,
mediante el uso de una de las distribuciones conocidas, nuestros datos de falla y
reemplazo. Lo hacemos por medio de la manipulación de las funciones estadísticas que
aprendimos en la sección anterior para así: a) entender nuestro problema; y b) predecir
fallas y analizar el riesgo para hacer mejores decisiones de mantenimiento. Esas decisiones
van a producir un impacto en el tiempo en el que elijamos para reparar, reemplazar o
reacondicionar maquinaria así también como ayudarnos a optimizar muchas otras
decisiones de mantenimiento.
El truco está compuesto de tres partes: 1) reunir buenos datos; 2) elegir la función
apropiada que represente nuestra propia situación y luego estimar los parámetros de la
función, y finalmente; 3) evaluar el nivel de confianza que podamos tener en el modelo
resultante. Hay softwares modernos que hacen que este proceso sea fácil y divertido.
Siendo mucho más que un juguete para los ingenieros, el software de confiabilidad nos
entrega la habilidad de comunicar y compartir con nuestra gerencia la meta común del
negocio – idear y seleccionar procedimientos que minimicen los costos y el riesgo mientras
mantengan o aumenten el producto y la calidad de este. Las cuatro funciones de tasa de
falla o funciones de riesgo correspondientes a las cuatro funciones de densidad
(exponencial, Weibull, lognormal, y normal) están mostradas en la figura 21.
Un ejemplo
Concretemos estos conceptos usando un ejemplo que ilustra como uno puede extraer
información significativa de los datos de las fallas. Asuma que hemos determinado (usando
los métodos que serán discutidos más adelante en este capítulo y en el capítulo 7) que un
componente eléctrico tiene la función de distribución acumulativa exponencial, F(t) = 1- et,
donde = 0.0000004 hr – 1.
a) ¿Cuál es la probabilidad de que una de estas partes falle antes de 15,000 horas de uso?
b) ¿Cuánto tiempo debemos esperar para alcanzar un 1% de fallas?
a) F(t) = 1- et = 1 – e0.0000004 x 15,000 = 0.001 = 0.6%
Reordenando
c) ¿Cuál sería la mediana del tiempo medio entre falla (el tiempo en el cual la mitad de la
población ha fallado)?
Este es el tipo de información que podemos obtener al examinar nuestros datos usando los
principios de la ingeniería de confiabilidad incorporados en el software. Siga leyendo para
descubrir como hacerlo.
Sin duda el primer paso en cualquier actividad que mire hacia el futuro es obtener buena
información. En importancia, este paso pesa más que los pasos de análisis subsiguientes
que parecen triviales en comparación. La historia de la humanidad es una de las
experiencias construidas a base del progreso. Sin embargo han habido incontables
momentos en que oportunidades han sido derrochadas por que se ha rechazado la
recolección y el procesamiento de datos que estaban disponibles. Hoy,
desafortunadamente, muchos departamentos de mantenimiento caen en esa categoría. Esa
es la razón por la cual una de las mediciones más importantes usadas por el Centro de
Excelencia en la Gestión de Mantenimiento de PricewaterhouseCoopers para hacer
benchmark a compañías en relación con las mejores prácticas de la industria de clase
mundial es la medida en que los datos son retroalimentados para guiar sus decisiones,
tácticas y políticas de mantenimiento.
Sin duda que vale la pena implementar procedimientos que obtengan y registren datos de
vida al nivel de sistema, y donde se justifique, al nivel de componente. Los datos de vida
de un componente o un sistema dado involucran los registros de reemplazo preventivo y la
temporalidad de las fallas. Cuando un encargado de transacciones reemplaza un
componente, digamos una bomba hidráulica, una de las tantas idénticas en una maquina
cuya disponibilidad es crítica para la operación de la compañía, el o ella debería indicar
cual es la bomba específica que falló. Más aun, el o ella debería especificar como falló (el
modo de falla), por ejemplo “una filtración” o una “insuficiencia de presión o volumen”.
Dado que las horas de operación del equipo son conocidas, las vidas útiles de componentes
individuales críticos pueden ser calculadas y deducidas por el software. Esa información se
convertirá en una parte del activo intelectual de la compañía – la base de datos de
confiabilidad.
Uno de los problemas inevitables de administrar este tipo de datos es que al momento
de nuestras observaciones y análisis, no todas las unidades van a haber fallado.
Conocemos las edades actuales de las unidades que no han fallado, pero no conocemos
la temporalidad de sus fallas.
Referencias:
1. Introducción a la Ingeniería de Confiabilidad y de Mantenibilidad, Charles E.
Ebeling, ISBN 0-07-018852-1, 1997.
2. Confiabilidad de Sistemas y Análisis de Riesgos, Ernst G. Frankel.
3. El Nuevo Manual de Weibull segunda edición, Robert B. Abernethy.
4. www.barringer1.com.