Está en la página 1de 61

MANUAL DE

Confiabilidad
¡De las detenciones al máximo
tiempo de utilización!
John D. Campbell, Editor
Líder Global, Gestión de Activos Físicos
.
MANUAL DE
Confiabilidad
CONTENIDO
INTRODUCCION ♦ Políticas de reemplazo por edad
22 ¿Es RCM la herramienta correcta ♦ Cuando usar reemplazo por
3 Confiabilidad: pasado, presente y para usted? bloque sobre el reemplazo por
futuro Por Jim V. Picknell edad
Por John D. Campbell Determine sus necesidades de ♦ Definir políticas de mantenimiento
Establece el marco de trabajo histórico y confiabilidad basadas en el tiempo
teórico del RCM (Mantenimiento basado ♦ Los 7 pasos del proceso RCM
en la confiabilidad) ♦ El “producto” del RCM CAPÍTULO SEIS
♦ ¿Qué puede lograr el RCM?
CAPÌTULO UNO ♦ ¿Qué se necesita para aplicar 54 Optimizar el mantenimiento
RCM? sintomático
5 La evolución de la confiabilidad ♦ ¿Cuánto va a costar? Por Murray Wiseman
Por Andrew K.S. Jardine ♦ Razones para el fracaso del RCM Aprovechar el equipo al máximo antes de
El desarrollo de RCM como un enfoque ♦ Las “versiones” del RCM una reparación
viable de mantenimiento ♦ RCM dirigido por capacidad ♦ Primer paso: Preparar la
♦ ¿Cómo se decide? información
CAPÍTULO DOS ♦ La lista de verificación de ♦ Datos de eventos e inspecciones
7 Haga un inventario de su operación decisiones del RCM ♦ Una muestra de datos de
inspección
Por Leonard Middleton y Ben Stevens
CAPÍTULO CUATRO ♦ Gráficos cruzados
Medir y comparar (“benchmarking”) la
♦ Limpiar los datos
confiabilidad de su planta 39 El problema de la incertidumbre ♦ Transformaciones de datos
♦ Los beneficios del benchmarking Por Murray Wiseman ♦ Segundo paso: Construir modelo
♦ ¿Que debería medir? Que hacer cuando sus planes de de riesgo proporcional (PHM)
♦ Relacione el desempeño de confiabilidad no se ven muy confiables ♦ Tercer paso: Probar el PHM
mantenimiento con los objetivos ♦ Las cuatro funciones básicas ♦ Cuarto paso: El modelo
del negocio ♦ Resumen probabilístico de transición
♦ Negocios con exceso de capacidad ♦ Distribuciones Típicas ♦ Discusión sobre la probabilidad de
(limitaciones de costos) ♦ Un ejemplo transición
♦ Negocios limitados por capacidad ♦ Consideraciones de la vida real – el ♦ Quinto paso: La decisión óptima
♦ Cumplimiento de requerimientos problema de los datos ♦ Sexto paso: Análisis de
♦ ¿Cuan efectivo es su desempeño? ♦ Datos censurados o suspensiones sensibilidad
♦ Las conclusiones y el compartir los
♦ Conclusión
resultados CAPÍTULO CINCO
♦ Fuentes externas de datos
♦ Buscar datos secundarios 47 Optimizar mantenimiento basado APÉNDICE
♦ Consideraciones generales del en tiempo 69 Navegar la red en búsqueda de
benchmarking Por Andrew K.S. Jardine información de confiabilidad
♦ Benchmarking interno Las herramientas para formular una Por Paul Challen
♦ Benchmarking a nivel de industria estrategia de reemplazos para sus ¿Está buscando páginas útiles en
♦ Benchmarking con industrias componentes críticos Internet? Aquí tiene donde empezar
comparables ♦ Aumentar la confiabilidad vía el ♦ Centro de Análisis de
reemplazo preventivo Confiabilidad
CAPÍTULO TRES ♦ Políticas de reemplazo por bloque ♦ Libros y material impreso
♦ Formulación del problema ♦ Organizaciones profesionales
♦ Resultado ♦ Información general
Una Palabra de
Para bien o para mal, la industria minera es una industria intensiva en bienes de capital, donde parte muy significativa de su potencial
rentabilidad depende de la disponibilidad y utilización extraída de sus activos físicos o equipos. No deja de sorprender así la tradicional poca
atención prestada en la industria al tema del mantenimiento de esos activos – actividad que típicamente involucra alrededor de un tercio de la
dotación y entre 35-40% de los gastos operativos de la empresa. Aún más, si consideramos el costo asociado a las pérdidas de producción
resultantes de interrupciones operacionales por falla de equipos en terreno, vemos rápidamente que este es un tema trascendental y estratégico
para una industria sumergida en una competitividad global con productos sometidos a constantes presiones de precios. Por estos motivos, John
Campbell y su equipo de expertos en el Centro de Excelencia en Mantenimiento en Toronto han hecho el esfuerzo de generar una guía resumida
y ágil sobre las principales tendencias de punta en tecnología de mantenimiento, tendencias aplicadas y probadas en diversas industrias que
comparten la dependencia crítica de servicio de activos que caracteriza a la industria minera. Esta guía se centra particularmente en el tema de
confiabilidad de equipos, o lo que termina siendo lo mismo, en el aseguramiento de la continuidad operativa, vía el enfoque de Mantenimiento
Basado en Confiabilidad, más típicamente conocido por sus siglas en inglés RCM. El objetivo es proveer a los lectores con información
reciente y directa acerca del tema RCM, en conjunto con algunos TIPS que pudieran necesitar para poner esta información en práctica. Lo que
verán en las próximas páginas representa lo último en investigación de confiabilidad e implantación de técnicas proveniente de una firma que es
una de las proveedoras líderes de este tipo de información a profesionales de planta alrededor de todo el mundo. ¡Esperamos que la disfruten y
la usen bien! – Peter Grundy

Sobre los autores:


JOHN D. CAMPBELL es socio de PricewaterhouseCoopers y LEN MIDDLETON es gerente en la práctica de
director de la práctica de consultoría en gestión de mantenimiento de consultoría de gestión de activos físicos. Tiene más de veinte
la firma. Especialista en mantenimiento y gestión de materiales, años de experiencia profesional en una variedad de industrias,
tiene más de veinte años de experiencia mundial en lo que es incluyendo práctica independiente en gestión de proyectos y
evaluación/implantación de estrategia, gestión y sistemas para el servicios de ingeniería. Su experiencia incluye una variedad
mantenimiento, los materiales y funciones de ciclo de vida de los de proyectos técnicos en plantas de manufactura y en talleres
activos físicos. Escribió los libros: El Máximo tiempo de de reparación, y proyectos que involucran la introducción de
utilización: Estrategias para la Excelencia de Gestión de nuevos productos a una planta operativa existente. Lo pueden
Mantenimiento (1955), y es coautor de Planificación y Control de contactar en el 416-941-8383, anexo 62893 o al correo
Sistemas de Mantenimiento: Modelo y Análisis (1999). Lo pueden electrónico leonard.g.middleton@ca.pwcglobal.com.
contactar el 416-941-8448, o por correo electrónico a
john.d.campbell@ca.pwcglobal.com. BEN STEVENS es gerente del Centro de Excelencia de
Consultoría de Gestión de Mantenimiento. Tiene más de 30
ANDREW JARDINE es profesor en el Departamento de años de experiencia incluyendo los últimos doce dedicados al
Ingeniería Mecánica e Industrial en la Universidad de Toronto e marketing, ventas, desarrollo, justificación e implantación de
investigador principal en el Laboratorio de Mantenimiento Basado Sistemas Computarizados de Gestión de Mantenimiento. Su
en la Condición del Departamento donde ha sido desarrollado el experiencia previa incluye el desarrollo, construcción e
software EXAKT. También actúa como consultor senior asociado implantación de sistemas de monitoreo de producción, gestión
en el Centro Internacional de Excelencia de Gestión de gerencial de mantenimiento, finanzas, funciones
Mantenimiento de PricewaterhouseCoopers. El Dr. Jardine escribió administrativas, y gestión de reingeniería para un importante
el libro Mantenimiento, Reemplazo y Confiabilidad, publicado por banco canadiense. Lo pueden ubicar en el 416-941-8383 o al
primera vez en 1973 y actualmente en su sexta edición. Lo pueden correo electrónico ben.stevens@ca.pwcglobal.com.
contactar al 416-869-1190 anexo 2475 a al correo electrónico
andrew.k.jardine@ca.pwcglobal.com. MURRAY WISEMAN es gerente de
PricewaterhouseCoopers y ha estado en el área de
JAMES PICKNELL es gerente en el Centro de Excelencia de mantenimiento por más de 18 años. Ha sido ingeniero de
Consultoría de Gestión de Mantenimiento. Tiene mas de 21 años de mantenimiento en una fundición de aluminio, y
experiencia en ingeniería y mantenimiento incluyendo consultoría superintendente de mantenimiento en una importante
internacional en gestión de mantenimiento de planta e instalaciones, cervecería. También fundó un laboratorio de análisis de aceite
desarrollo e implantación de estrategias, ingeniería de confiabilidad, donde desarrollo un sistema en red de Análisis de Criticidad
gestión de inventario de repuestos, costeo y análisis de ciclo de vida de de Modos de Falla y sus Efectos, incorporando un sistema
activos, benchmarking para mejores prácticas, rediseño de procesos de experto y conexiones a dos bases de datos de tasa de
mantenimiento e implantación de Sistemas Computarizados de Gestión falla/distribución de modos en el Centro de Análisis de
de Mantenimiento (CMMS). Lo pueden ubicar en el 416-941-8360 o al Confiabilidad. Lo pueden contactar al 416-815-5170 o al
correo electrónico James.V.Picknell@ca.pwcglobal.com. correo electrónico murray.z.wiseman@ca.pwcglobal.com.
Introducción
Confiabilidad: pasado, presente y futuro
Establecer el marco de trabajo histórico y teórico del RCM
(Mantenimiento basado en la Confiabilidad)
Por John D. Campbell

Hace no mucho tiempo atrás, el diseño del equipamiento y de los ciclos de


producción creaban un ambiente en el cual el mantenimiento del equipo era
relativamente secundario al mantener la operación continua entre eventuales fallas
del equipo. Hoy en día, sin embargo, el sintomático y el avance del Mantenimiento
Basado en la Confiabilidad han cambiado las reglas del juego.

En el comienzo de este nuevo milenio, es lógico que enfoquemos una discusión acerca del
mantenimiento. Hace medio milenio, Galileo descubrió que la tierra orbitaba alrededor del sol. Hace mil
años, el diseño de ruedas eficientes para girar en torno al eje de carrozas era de alta sofisticación. Cuatro
mil años atrás, el telar era la última maravilla de la ingeniería. Un poco más recientemente, hemos visto
una evolución substancial de la gestión de mantenimiento con el pasar del último siglo.

La función de mantenimiento no estaba ni siquiera contemplada por los primeros diseñadores de


equipo, probablemente debido a la poco compleja y robusta naturaleza de la maquinaría. Pero a medida
que hemos adoptado la obsolescencia incorporada, hemos visto una evolución desde el mantenimiento
planificado y preventivo en la Segunda Guerra Mundial, al sintomático, la computarización y la gestión del
ciclo de vida en los noventas. Hoy, la evolución de características del equipo está dictando prácticas de
mantenimiento con tácticas predominantes, pasando desde correr-a-la-falla a la prevención y ahora a la
predicción. ¡Hemos recorrido un largo camino!

La gestión de confiabilidad es muchas veces mal entendida. La confiabilidad es muy específica -


es el proceso de administrar el tiempo entre fallas. Si la disponibilidad es una medida del tiempo en marcha
del equipo, o a la inversa, la duración de las detenciones, la confiabilidad puede entenderse como una
medida de la frecuencia de las detenciones.

Veamos un ejemplo. En el caso 1, su máquina de moldaje por inyección está detenida por un
trabajo de reparación de 24 horas en el medio de lo que se suponía iba a ser una sólida corrida de 5 días.
Por ende, su disponibilidad es de 80 por ciento ((120 hrs – 24hrs) / 120hrs). La confiabilidad de la máquina
es de 96 horas (96 horas / 1 falla). En el caso 2, su máquina se detuvo 24 veces por una hora cada vez. Su
disponibilidad sigue siendo del 80% ((120hrs – 24hrs) / 120hrs), pero ¡Su confiabilidad es de sólo cuatro
horas (96hrs / 24fallas)!

Ambas medidas, sin embargo, están íntimamente relacionadas:

Disponibilidad = Confiabilidad .
Confiabilidad + Mantenibilidad

donde la mantenibilidad es el tiempo promedio de reparación.

Uno de los enfoques más robustos para administrar la confiabilidad es adoptar el Mantenimiento
Basado en la Confiabilidad. El recientemente liberado estándar SAE para RCM es un buen lugar para
comenzar a ver si uno está listo para adoptar esta metodología. A pesar de que el SAE define el RCM
como “un proceso lógico y técnico... para alcanzar la confiabilidad de diseño,” esto requiere del insumo de
todos los involucrados con el equipo para hacer que el programa de mantenimiento resultante funcione.
Aún así estamos manejando un gran nivel de incertidumbre.
Lidiar con la incertidumbre en el equipo es de alguna forma como tratar con personas. Si por las
últimas tres generaciones sus antepasados han vivido hasta la edad de 95, existe una gran posibilidad de
que Ud. también lo haga. Hay sin embargo una cantidad de eventos fortuitos que podrían ocurrir entre
ahora y ese entonces, y que modificarían la expectativa. A pesar de este azar que enfrentamos, podemos
hacer uso de las estadísticas para que nos ayuden a saber qué tareas realizar (y no realizar) y cuando
realizarlas para maximizar la duración de nuestras vidas. Haga ejercicio tres veces a la semana y no fume –
y análogamente haga monitoreo de vibraciones mensualmente y no un “overhaul” anual.

Cuando integramos el costo a esta ecuación, comenzamos a entrar al reino de la optimización.


Para esto, existen varias técnicas de modelamiento que han probado ser útiles para balancear el correr-a-la-
falla, el reemplazo basado en el tiempo y el mantenimiento sintomático. Nuestro objetivo es minimizar
costos y maximizar la disponibilidad y la confiabilidad.

Nuestro equipo de Gestión de Activos Físicos en Chile se complace en entregarles esta


introducción a la gestión de confiabilidad y la optimización del mantenimiento. Si usted está interesado en
una discusión más a fondo en estos temas, contactarse con consultores@mrq.cl
capítulo uno
La Evolución de la Confiabilidad
El desarrollo de RCM como un enfoque viable de mantenimiento
Por Andrew K.S. Jardine

Las matemáticas y la ingeniería de confiabilidad se desarrollaron realmente durante


la Segunda Guerra Mundial, como parte del diseño, desarrollo y uso de misiles.
Durante este período, el concepto de que una cadena era sólo tan fuerte como el más
débil de sus eslabones claramente no aplicaba a sistemas que sólo funcionaban
correctamente si primero funcionaba un número de subsistemas. Esto resultó en “la
ley de producto para sistemas en serie,” la cual demuestra que un sistema altamente
confiable requiere de subsistemas altamente confiables.
Para ilustrar esto, considere un sistema que consta de tres subsistemas (A, B y C) que deben
trabajar en serie para que el sistema completo funcione (como ilustrado en figura n° 1).

Entrada Subsistema Subsistema Subsistema salida


A B C

Figura 1: Confiabilidad de sistemas en serie

En este sistema, donde los subsistemas tienen valores de confiabilidad de 97%, 95% y 98%
respectivamente, el sistema completo tiene una confiabilidad de 90% (se obtiene de 0.97 x 0.95 x 0.98). No
es de 95% como indicaría la teoría del eslabón más débil.

Claramente, para sistemas realmente sofisticados donde la configuración de diseño es


dramáticamente más compleja que la de la figura 1, el cálculo de la confiabilidad del sistema es asimismo
más complejo. Hacia finales de la década de los cuarentas, los esfuerzos para mejorar la confiabilidad de
sistemas se enfocaron a mejorar la ingeniería de diseño, usando materiales más fuertes y superficies más
duras y de desgaste más parejo.

Por ejemplo, General Motors extendió la vida útil de motores a tracción usados en locomotoras, de
250,000 millas a 1,000,000 de millas, mediante el uso de mejor aislamiento, pruebas de altas temperaturas,
y rodamientos cónicos mejorados.

En los años cincuenta, hubo un extenso desarrollo de las matemáticas de la confiabilidad por parte
de los especialistas en estadística, con el Departamento de Defensa de EEUU coordinando el análisis de
confiabilidad de sistemas electrónicos por medio del establecimiento del AGREE (Grupo Consultor de la
Confiabilidad del Equipo Electrónico).

La década de los sesenta vivió un gran interés en las aplicaciones aerospaciales, y esto condujo al
desarrollo de diagramas de bloques de confiabilidad (tales como los de la figura n°1) para el análisis de
sistemas. El profundo interés en la confiabilidad de sistemas continuó hacia los años setenta,
principalmente impulsado por la industria nuclear. También en los sesenta creció el interés en la
confiabilidad de sistemas en la industria de la aviación civil, de la cual surgió el Mantenimiento Basado en
la Confiabilidad (RCM) que será cubierto en el capítulo 3 de este manual.

Como resultado de los éxitos iniciales del RCM, éste se ha convertido en la metodología
predominante de empresas (militares, industriales, etc.) en los setenta, ochenta y noventa para establecer
operaciones confiables de planta.

El próximo milenio verá al RCM continuar jugando un rol significativo en lo que es el


establecimiento de programas de mantenimiento, pero con una característica nueva que será el enfoque de
profesionales de mantenimiento a examinar minuciosamente los planes que resulten del análisis RCM y a
usar procedimientos que permitan que estos planes sean optimizados.

Otras secciones (Capítulo 5, “Optimizar el mantenimiento basado en el tiempo”, y Capítulo 6,


“Optimizar el mantenimiento sintomático”) de este manual se refieren a procedimientos ya disponibles para
apoyar este avance hacia la optimización del mantenimiento. Ambas cubren herramientas, políticas,
métodos de análisis y técnicas de preparación de la información para apoyar la implantación de una
estrategia de RCM.

Referencias
Ingeniería de Confiabilidad y Análisis de Riesgos, Henley y Komamoto, Prentice Hall, 1981.
capítulo dos
Haga un inventario de su Operación
Medir y comparar (“benchmarking”) la confiabilidad de su planta
Por Leonard G. Middleton y Ben Stevens

¿Opera su negocio basado en el “manejo de caja”? Esto es cuando usted cuenta su


dinero al comienzo y final de cada mes. Si tiene más cuando llega el final del mes,
entonces está bien. Si no, bueno, tratará de hacerlo mejor el próximo mes – o por lo
menos hasta que se acabe el dinero. Ningún negocio verdaderamente exitoso opera
usando este modelo; sin embargo, el mantenimiento a menudo se organiza y lleva a
cabo sin usar mediciones pertinentes para determinar su impacto en el éxito del
negocio. El uso de mediciones de desempeño está creciendo rápidamente en áreas
de mantenimiento alrededor del mundo. Esto nace de un concepto bastante simple:
no se puede administrar lo que no se puede medir. La medición del desempeño es
así un elemento crucial de la gestión de mantenimiento. Las metodologías para
determinar el desempeño son de vital importancia, ya que mediciones poco
confiables llevan a conclusiones poco confiables y, por ende, a acciones deficientes.
Los beneficios del benchmarking

El benchmarking refuerza el comportamiento positivo y la asignación efectiva de recursos.


Facilita el progreso más rápido hacia metas aportando experiencias, vía el ejemplo del participante y el
mayor compromiso. Usando estándares externos de desempeño, una organización puede mantenerse
competitiva al disminuir el riesgo de ser sobrepasada por el desempeño de sus competidores, y por los
requerimientos de clientes.

Primordialmente, el benchmarking satisface las necesidades de información de “stake-holders” y


alta gerencia al enfocarse a los procesos críticos que agregan valor, logrando al mismo tiempo una visión
integrada del negocio. El benchmarking es un proceso que genera demandas a todos los participantes, pero
es una de las mejores maneras de encontrar prácticas que funcionen bien dentro de situaciones
comparables.

¿Que debería medir?

No hay nada místico acerca de la medición del desempeño – la clave está en la manera de usar los
resultados para generar acciones requeridas. Esto depende de que se den un número de condiciones –
incluyendo información confiable y consistente, análisis de alta calidad, una clara y persuasiva presentación
de la información, y un ambiente de trabajo receptivo (vea figura 2).
ENTRADAS
♦ Mano de obra capacitada
♦ Equipo y herramientas
SALIDAS
♦ Disponibilidad
♦ Materiales y suministros
♦ Tasa de proceso
♦ Servicios contratados
♦ Calidad
♦ Indirectos técnicos
♦ Mantenibilidad
♦ Indirectos de gestión
♦ Confiabilidad
♦ Facilidades y talleres
♦ Efectividad del equipo
♦ Utilización
♦ Costo ciclo de vida
♦ Retorno sobre la inversión

Medidas de la Efectividad del Proceso


♦ Carga de trabajo pendiente por especialidad
♦ Tiempo de anticipación de ordenes de trabajo
♦ % de trabajo que corresponde a mantenimiento preventivo
♦ % de mantenimiento preventivo completado según programa
♦ % de trabajo que es planificado
♦ Número de ordenes de trabajo de emergencia
♦ % de trabajo que corresponde a mantenimiento predictivo
♦ % uso de sintomático
♦ rotación de inventario
♦ nivel de servicio de la bodega
♦ Frecuencia y severidad de accidentes
♦ Tasa de ausentismo

Figura 2: Entradas, salidas y medidas de efectividad de proceso

En línea con la proposición que la optimización de mantenimiento es tema de la alta gerencia y


directorio, es esencial que los resultados se muestren como reflejo de la ecuación básica del negocio: El
mantenimiento es un proceso de negocio que convierte insumos en productos aprovechables. La figura 3
muestra los tres elementos principales de esta ecuación – las entradas, las salidas y el proceso de
conversión con ejemplos de medidas de desempeño.

La medición de las entradas se traduce en los recursos que asignamos al proceso de


mantenimiento. La medición de las salidas son los resultados del proceso de mantenimiento. Las
mediciones de efectividad del proceso de mantenimiento determinan en que lugar deben hacerse mejoras.
Métricas específicas de confiabilidad incluyen TMEF (Tiempo medio entre falla), TMPR (Tiempo medio
para reparar.).

ENTRADAS PROCESO SALIDAS

Si tiene Si tiene
limitaciones de limitaciones de
costos, producción,
empiece aquí empiece aquí

Figura 3: optimización de mantenimiento – el punto de partida


Relacionar la medición del desempeño con los objetivos del negocio

Hay tres escenarios operacionales básicos de negocio que impactan en el enfoque y estrategias de
mantenimiento. Estos son:
♦ 1. Capacidad operacional excedente;
♦ 2. Capacidad operacional limitada;
♦ 3. Foco de cumplimiento a requerimientos de servicio, calidad o reglamentación.

Las mediciones de benchmarking deben reflejar el escenario operacional predominante del


negocio en el momento. Aún cuando algunas métricas son comunes a los tres escenarios, el enfoque de
mantenimiento debe alinearse con el enfoque actual de la organización. El escenario operacional puede
cambiar debido a cambios en la economía. Por ejemplo, una economía fuerte o una baja en las tasas de
interés podrían causar un aumento de la demanda de materiales de construcción. Como consecuencia, las
industrias de materiales de construcción (como fábricas de ladrillos o de paneles de yeso) cambiarán del
primer escenario (capacidad excedente) al segundo (capacidad limitada).

La mayoría de las entradas en la figura 1 son familiares al departamento de mantenimiento y


fácilmente medidas – como la mano de obra, materiales, equipos y contratistas. También hay entradas que
son más intangibles, más difíciles de medir con precisión – tales como experiencia, técnicas, trabajo en
equipo, historial de trabajo – sin embargo, cada una puede tener impacto muy significativo en resultados.

De la misma forma, algunas de las salidas son fácilmente reconocibles e igualmente fáciles de
medir; otras presentan más dificultades para medirlas efectivamente. Así como con las entradas, algunas
son intangibles, tal como la contribución al espíritu del equipo que viene después de completar según
programa una tarea difícil. Las mediciones de asistencia al trabajo y de ausentismo son substitutos muy
inexactos para estos intangibles, e indicadores generales del desempeño del mantenimiento son demasiado
amplios como para resolverlos. No obstante la contribución de los intangibles al mosaico del desempeño
general de mantenimiento, el enfoque de este manual se centrará en medición de los tangibles.

El proceso de convertir las entradas de mantenimiento en salidas requeridas es la parte esencial del
trabajo del gerente de mantenimiento – sin embargo la tasa de conversión absoluta es pocas veces de gran
interés por sí sola. Convertir las horas de mano de obra utilizada en confiabilidad, por ejemplo,
probablemente haga poco o nada de sentido – hasta que pueda ser usada como una medida de comparación,
a través del tiempo o con otra empresa o división similar. Asimismo, el consumo promedio de materiales
por orden de trabajo es poco significativo – a menos que se vea, digamos, que la prensa A ocupa el doble
de materiales de reparación que la prensa B para el mismo rendimiento de producción. De hecho, una
manera simple de reducir el consumo de materiales por orden de trabajo es de dividir los trabajos y por
tanto aumentar el número de ordenes de trabajo.

Así, el foco debe estar en la posición comparativa de una empresa o división, o el mejoramiento de
efectividad de mantenimiento de un año al otro. Estas comparaciones resaltan otro notable valor de la
medición del mantenimiento – es decir, su uso en comparaciones regulares de progreso hacia objetivos y
metas específicas. Este proceso de benchmarking – a través del tiempo, con otras divisiones u otras
empresas – está siendo utilizado cada vez más por la alta gerencia como indicador clave de la buena gestión
de mantenimiento, y frecuentemente revela sorprendentes discrepancias en desempeño. Un reciente
ejercicio de benchmarking (vea figura 4) entregó interesante información sobre la industria de la celulosa.

Figura 4: Costos de mantenimiento según benchmarking en industria de celulosa


Una mirada rápida a los resultados muestra algunas discrepancias significativas – no solamente en
la estructura general de costos, sino que también en la manera en que la “compañía X” hace negocios – por
ejemplo, una estructura gerencial de más peso y un uso mucho menor de contratistas. Lo que queda claro
de este benchmarking de alto nivel es que algo se tendrá que hacer para conservar la competitividad de
mercado de la compañía X. Sin embargo, para determinar exactamente lo que hay que hacer es necesario
un análisis más detallado.

Como uno podría prever, el número de mediciones potenciales de desempeño excede por mucho la
habilidad (o voluntad) del gerente de mantenimiento para recolectar, analizar y actuar basado en la
información. Por esto, una parte importante de cualquier programa para implantar medición del desempeño
es un entendimiento pleno de los pocos, pero claves indicadores de desempeño. Potenciar al máximo debe
ser siempre la primera prioridad; es decir, uno primero debe identificar los indicadores que muestran
resultados y progreso en aquellas áreas que tienen una necesidad más crítica de mejoramiento. Como un
punto de partida, considere la figura 3 en página anterior.

Una parte importante de cualquier programa para implementar la medición del desempeño
es el entendimiento pleno de los indicadores claves de desempeño – con un especial énfasis a los
indicadores que muestran progreso en las áreas que necesitan el mayor apoyo dentro de las
operaciones de mantenimiento de una empresa.

Si un negocio es capaz de vender una mayor cantidad de productos o servicios si baja sus precios,
entonces diremos que ese negocio es “limitado en costo”. Bajo estas circunstancias, es muy posible que la
mayor ganancia venga de concentrarse en el control de las entradas – es decir mano de obra, materiales,
costos de los contratistas y los indirectos. Si un negocio puede vender lucrativamente todo lo que produce,
entonces lo denominamos un negocio “limitado en producción”, y es probable que alcance su mayor
ganancia si se enfoca a maximizar las salidas mediante la confiabilidad, disponibilidad y mantenibilidad de
los activos.

Negocios con capacidad excedente (limitado en costo)

Las mediciones financieras típicas de mantenimiento podrían incluir:


1. Presupuesto de mantenimiento versus gastos (es decir, predictibilidad de costos);
2. Flujo de caja de gastos de mantenimiento (es decir, capacidad de pagar los gastos);
3. Gastos de mantenimiento relativos a salidas (es decir, costo de mantenimiento por unidad de
producción);
4. Mediciones derivadas de gastos describiendo las actividades para las cuales se destinaron:
reparación de emergencia, sintomático, trabajo correctivo planificado, paros de planta,
eficiencia de procesos, porcentajes de tiempos de ciclo, o porcentajes de tasa de producción
(no tasa absoluta de producción).

Negocios con capacidad operacional limitada

Mediciones típicas de la productividad o salida de mantenimiento pueden incluir:


1. Efectividad general de equipo, y cada uno de sus componentes de disponibilidad, tasa de
producción y tasa de calidad de equipos particulares como medidas primarias;
2. TMEF y TMPR, como medidas secundarias usadas para analizar problemas con respecto a la
disponibilidad.

El análisis RCM (véase capítulo 3) debería incluir todos los cuellos de botella operacionales y
equipo crítico (considerando el impacto de redundancias de equipos o sistemas, o de procesos
paralelos) en las evaluaciones de tácticas.
Cumplimiento de requerimientos

Los factores críticos de éxito de una organización generalmente dependen fuertemente en


cumplimiento de un conjunto de requerimientos determinados por agencias regulatorias o por clientes. El
cumplimiento puede tener relación con la operación, como es el caso de un equipo de monitoreo de
efluente. Los servicios públicos regulados, productos farmacéuticos o para el cuidado de la salud, o los
productos de prestigio son negocios cuyos márgenes y naturaleza son tal que el cumplimiento es su aspecto
operacional más crítico. Las mediciones financieras y las de salidas siguen siendo importantes, pero pasan
a un nivel secundario.

Las mediciones típicas del mantenimiento en este escenario operacional pueden incluir:
1. Tasa de calidad;
2. Disponibilidad (por ejemplo, requerimiento regulado de cumplimiento)
3. Precisión o repetitibilidad del equipo o sistema.

El análisis RCM debería entonces enfocarse a los aspectos críticos de cumplimiento, tal como es
requerido por los “stakeholders” externos.

¿Cuán efectivo es su desempeño?

Los 10 ítems de medición del proceso de mantenimiento en la figura 5 (abajo) resultan del
ejercicio de benchmarking y un análisis subsecuente. Proveen los objetivos globales y la capacidad de
medir progreso hacia el logro de metas establecidas.
Referencia Lo mejor
Referencia

Figura 5: Midiendo la brecha

Las conclusiones y el compartir de los resultados

Las “mejores prácticas” son identificadas por organizaciones que realizan benchmarking, tomando
en cuenta las limitaciones que puedan existir. Se desarrolla entonces un plan de implantación para hacer
que las “mejores prácticas” formen parte del proceso de mantenimiento de la organización que realiza el
benchmarking (véase figura 6). En el espíritu de benchmarking, los resultados del estudio se comparten
con los participantes. Reciben un informe que detalla las conclusiones del estudio de benchmarking, pero
sin las recomendaciones específicas particulares a la organización que generó el estudio. Este informe es
crítico, ya que es el valor esencial que reciben por el esfuerzo desarrollado.
Figura 6: Actuar sobre los resultados del benchmarking

Fuentes externas de datos

Vías legales de obtener datos adicionales para comparación requieren búsqueda de información
secundaria (más abajo) y benchmarking. El benchmarking puede ser de uno o más de los siguientes tipos:
1. Benchmarking interno;
2. Benchmarking dentro de la industria;
3. Benchmarking con organizaciones comparables fuera de la industria.

Una vez obtenida, un tema importante con información externa es ver cuan comparable es. La
información financiera es particularmente difícil de comparar, ya que tanto prácticas financieras (incluye
restricciones GAAP) como de contabilidad de costos varían acorde a objetivos de la organización.

Las preguntas que se debería hacer cuando esté analizando información contable pueden incluir:
¿Están los repuestos, materiales y servicios externos incluidos en el presupuesto de mantenimiento o en el
de compras? ¿Están los convenios de sustitución y rotación de componentes incluidos en el presupuesto de
mantenimiento o de capital? ¿Al calcular disponibilidad de equipo, se considera todo tiempo de detención,
o solamente el no programado? Las respuestas van a depender de lo que la organización esté intentando
medir con el cálculo.

Búsqueda de información secundaria

Información secundaria es información recolectada para otros propósitos. Típicamente son


informes gubernamentales, de asociaciones industriales, o informes anuales de empresas transadas
públicamente. La información tiene cierto número de limitaciones. Es probable que los datos sean
cuantitativos y haya poca información adicional para entender contexto. Puede no estar actualizada.
Métricas comparables de desempeño pueden no estar disponibles porque los datos base no se recolectaron.
Consideraciones generales en benchmarking

Benchmarking es compartir información similar entre participantes. Este puede ser extensivo,
cubriendo a toda la organización, o enfocado a proceso o conjunto de métricas particular (véase figura 7).

Figura 7: Comparaciones de benchmarking

El benchmarking puede tomar diferentes formas. Información específica, aunque generalmente


cualitativa, puede obtenerse vía encuestas telefónicas cortas (15 a 30 minutos). Se puede obtener
información detallada mediante uso de cuestionarios exhaustivos; pero aquí la participación se convierte en
un tema importante. Un estudio de benchmarking focalizado puede centrarse en intereses específicos, pero
el contenido debe ser lo suficientemente amplio como para poder obtener participación (véase figura 8).

Referencia:
♦ Particulari- Completar el
Cuestionario Programa de
zar enfoque
♦ Definición Entrevistas:
para cumplir Análisis, validación
acordada de todas ♦ Llevado a cabo una
requerimientos y revisión de datos Retroalimentar a los
las preguntas vez que ha sido
♦ Convenir
completado el • Los datos se participantes
♦ Apoyo en línea
metas y énfasis
para personal cuestionario consolidan • Una evaluación
específico.
♦ Compruebe el • Los datos se cualitativa y
♦ Definir
durante la
entendimiento validan cuantitativa
completación
recursos y el
♦ Diagrame los • Ingresados a la • Resumen y
♦ Mejorado cada
cronograma base de datos de evaluación general
año para reflejar las procesos claves
♦ Acuerde
necesidades ♦ Identifique los nuestro modelo y • Recomendaciones
alcance y analizados
cambiantes de la impulsadores y de las áreas claves a
objetivos
industria medidas claves de • Benchmarks a atacar y próximos
desempeño. través de distintos pasos
Entreviste personas a procesos son
través y a todo nivel comparados para
en la organización comprender
relaciones casuales
ETAPA 1
ETAPA 2
ETAPA 3
ETAPA 4
ETAPA 5
Figura 8: Etapas del benchmarking

Benchmarking interno

La mayor dificultad en benchmarking es la obtención de datos críticos necesarios para la


comparación. El benchmarking interno resuelve este tema comparando datos de otras organizaciones y
divisiones dentro de la empresa. Información puede ser libremente intercambiada ya que no presenta
ventaja a un competidor. Datos intercambiados mediante un programa de benchmarking interno son
típicamente cuantitativos, ya que información cualitativa requiere de un análisis de mayor envergadura.

La limitación del benchmarking interno es que el conocimiento del desempeño con relación a
empresas externas no se establece. Sin comparaciones externas, una empresa no puede determinar si
verdaderamente se está desempeñando de la mejor manera posible.

Benchmarking a nivel industria

En algunas industrias se comparte información por medio de un tercero. Puede ser una asociación
industrial o un externo que haya desarrollado experiencia en la industria y quiera mantenerse como punto
focal en ella (por ejemplo, el informe de benchmarking global de la Industria Forestal de PwC). Este
tercero asegura que la información permanecerá confidencial y que no será directamente atribuida a
ninguna de las organizaciones participantes. La organización formula también el cuestionario, aún cuando
el aporte de los participantes ayuda a dar dirección para asegurar que los resultados sean de la mayor
utilidad. A veces es difícil conseguir participación de todos los entes claves, ya que algunas empresas ven
sus operaciones como ventaja estratégica sobre la competencia. Si en realidad son mejores que sus
competidores y no tienen nada que aprender de ellos, entonces esto se cumple– pero, la verdad es que
siempre hay algo que aprender.

Benchmarking con industrias comparables

Cuando una organización quiere efectuar mediciones específicas, es posible llevar a cabo un
estudio de benchmarking focalizado. Usando un externo para mantener la confidencialidad (es decir, qué
datos le pertenecen a qué empresa), una organización puede medir y comparar partes específicas de sus
procesos con las mejores prácticas reveladas por el ejercicio. Aunque a menudo es difícil obtener
información de competidores directos, generalmente es posible obtenerla de otras industrias que cuentan
con los mismos problemas de producción y las mismas limitaciones. Un beneficio del benchmarking con
industrias comparables es el descubrimiento de nuevas ideas que no constituyen práctica común en la
industria de uno, pero que sí podrían ser adoptadas.

Por ejemplo, un cliente de la industria de refinación de gas & petróleo deseaba hacer
benchmarking de su gestión de mantenimiento eléctrico y de instrumentación. El criterio de selección de
participantes para otras organizaciones fue:
1. El mantenimiento eléctrico y de instrumentos es crítico para operaciones confiables;
2. Producción es un proceso continuo que requiere operar 24 horas diarias, 7 días a la semana;
3. Las ramificaciones de detenciones no programadas son graves, y existe un esfuerzo
considerable y focalización de mantenimiento para evitar las detenciones; y
4. El mantenimiento es proactivo.

La lista de posibles participantes que reunieron todos, o la mayor parte de los requisitos, incluyó
plantas químicas, plantas de generación eléctrica, plantas de tratamiento de aguas servidas, plantas
siderúrgicas, así como también otras refinerías de gas & petróleo.

El mantenimiento es parte esencial del negocio de una organización, y debe por tanto ajustarse a
los objetivos y directrices de esa organización. El mantenimiento no puede operar en aislamiento. El ciclo
de mejoramiento continuo que es clave para mejorar mantenimiento debe ser impulsado por, y
complementarse con, el ciclo de planificación, ejecución y retro-alimentación propio de la empresa.

Frecuentemente ocurren incongruencias debido a la falla de mantenimiento de alinearse desde el


nivel corporativo al nivel de departamento – por ejemplo, si la empresa establece una moratoria de nuevos
gastos de capital, esto debe alimentar la estrategia de mantenimiento y reemplazo de equipos del
departamento de mantenimiento. De la misma manera, si la misión corporativa es producir el producto de
mayor calidad posible, entonces probablemente no estará de acuerdo con objetivos del departamento de
mantenimiento de minimizar costos. Este tipo de incongruencias aparece generalmente dentro del
departamento de mantenimiento en sí; si la misión del departamento de mantenimiento es ser el de mejor
desempeño en la industria, entonces es poco probable que una estrategia que excluya el mantenimiento
sintomático y la confiabilidad alcance los resultados deseados (véase figura 9). Asimismo, si el
planteamiento de estrategia proyecta un incremento de 10% en confiabilidad, deben estar disponibles datos
confiables y consistentes para poder hacer las comparaciones.

Figura 9: El ciclo de mejoramiento continuo del mantenimiento

Prioridades incompatibles para el gerente de mantenimiento

En la industria moderna, todo departamento de mantenimiento enfrenta el mismo dilema – ¿Cual


de las tantas prioridades es la número uno de la lista? (Atrévase uno a sumarle “... esta semana?”) ¿Debería
la organización minimizar los costos de mantenimiento o maximizar el rendimiento de la producción?
¿Minimizar el tiempo de detenciones o concentrarse en la satisfacción del cliente? ¿Debería gastar dinero
en el corto plazo en un programa de confiabilidad para reducir los costos en el largo plazo?

Las prioridades corporativas son fijadas por el gerente general y ratificadas por la junta directiva.
Una vez ratificadas, estas prioridades deberían fluir a todas las partes de la organización. La tarea del
gerente de mantenimiento es adoptar estas prioridades y convertirlas en prioridades, estrategias y tácticas
correspondientes de mantenimiento para lograr los resultados; luego debe investigarlas y mejorar basado en
ellas.
Benchmark 1. Costos de Mantenimiento por
MACRO Externo tonelada están por sobre el estándar
de la industria en un 15%

1. Fijación objetivos de reducción


2. Implantación medios para asignar
costos a equipos y tareas
Acciones 3. Analizar el desglose de los costos
MICRO Internas entre equipos, tareas y tipos de
costos
4. Examinar y comparar los métodos
5. Aplicar “mejores prácticas” en
todas las áreas

Figura 10: Relacionando mediciones macro con tareas micro

La figura 10 muestra un ejemplo de cómo las prioridades corporativas pueden fluir hacia las
tácticas de mantenimiento que controlan el trabajo diario del departamento. Así, si la prioridad corporativa
es maximizar la venta de productos, entonces esto puede ser legítimamente convertido en prioridades de
mantenimiento que se enfoquen a maximizar el rendimiento y por tanto la confiabilidad del equipo. Como
resultado, las estrategias de mantenimiento también reflejarán esto, y podrían incluir (por ejemplo) la
implantación un programa formal de aumento de la confiabilidad apoyado por un programa sintomático.
De estas estrategias surgen las tácticas diarias, semanales y mensuales – suministrando las listas de tareas
individuales que se convertirán en los trabajos que aparecerán en ordenes de trabajo del EAM o CMMS. El
uso de la orden de trabajo como el aviso para asegurar que las inspecciones se lleven a cabo ya ha sido
difundido; donde las organizaciones fallan frecuentemente es en asegurar que el análisis de seguimiento y
los informes sean completados regular y oportunamente. El método más efectivo para lograr esto es de
asignarlas como tareas semanales de ordenes de trabajo, las cuales están entonces sujetas al mismo
seguimiento de desempeño que las ordenes de trabajo de reparaciones y de mantenimiento preventivo.

Al buscar maneras de mejorar el desempeño, un gerente de mantenimiento se enfrenta a muchas


alternativas que parecen incompatibles. Hay diversas técnicas de análisis disponibles para establecer donde
se encuentran organizaciones con relación a estándares de la industria o mejores prácticas de
mantenimiento. Las mejores técnicas son aquellas que también indican la ganancia que será derivada de la
mejora y, por ende, de las prioridades. Las técnicas de análisis tienden a ser divididas en enfoques macro
(cubriendo todo el departamento de mantenimiento y su relación con el negocio) y micro (focalizado en
una parte del equipo en particular o en sólo un aspecto de la función de mantenimiento).

Las técnicas líderes comprenden:


1. Evaluaciones de efectividad de mantenimiento: cubren la efectividad general de la función de
mantenimiento y su relación con estrategias de negocio de la organización. Pueden ser llevadas a
cabo interna o externamente, y generalmente cubren áreas tales como:
♦ Estrategia de mantenimiento y comunicación;
♦ Organización de mantenimiento;
♦ Recursos humanos y el empoderamiento de los empleados;
♦ Uso de tácticas de mantenimiento;
♦ Uso de ingeniería de mantenimiento y enfoques basados en confiabilidad para equipos;
♦ Monitoreo y mejoramiento de desempeño de equipos;
♦ Tecnología de información y sistemas de gestión;
♦ Uso y efectividad de planificación y programación;
♦ Gestión de materiales en apoyo a mantenimiento.
2. Benchmarking externo: hace analogías con otras organizaciones para establecer posición de la
organización en relación con estándares de la industria. La confidencialidad es un factor clave, y
resultados se presentan generalmente como rangos de indicadores de desempeño y el
posicionamiento propio dentro de ese rango. Algunos de los temas cubiertos en el benchmarking
se sobrepondrán con el análisis de efectividad del mantenimiento; algunos temas adicionales
incluyen:
• Naturaleza de las operaciones del negocio
• Estrategias y prácticas actuales de mantenimiento
• Planificación y programación
• Prácticas de gestión de inventarios y bodegas
• Presupuesto y costos
• Desempeño de mantenimiento y métricas
• Uso de CMMS y otras herramientas TI
• Reingeniería del proceso de mantenimiento
3. Comparaciones Internas: Estas medirán un conjunto de parámetros similares al benchmark
externo, pero serán obtenidos de distintos departamentos o plantas dentro de la misma
organización. Como tal, son generalmente más baratos y, si los datos son consistentes, pueden
ilustrar diferencias en las prácticas de mantenimiento en plantas similares. Estas diferencias luego
se convierten en la base de experiencias compartidas y eventual adopción de las mejores prácticas
obtenidas de estas experiencias.
4. Evaluación de mejores prácticas: toma los estándares de proceso y operación del departamento
de mantenimiento y los compara con los mejores en la industria. Esto es generalmente el punto de
partida de programas de mejoramiento del proceso de mantenimiento, y enfoca áreas tales como:
• Mantenimiento preventivo;
• Inventarios y compras;
• Flujo de trabajo de mantenimiento;
• Involucramiento de operaciones;
• Mantenimiento predictivo;
• Mantenimiento basado en confiabilidad;
• Mantenimiento productivo total;
• Optimización financiera;
• Mejoramiento contínuo.
5. Efectividad General del Equipo (OEE): métrica global de la efectividad operacional de planta
luego de restar las pérdidas causadas por detenciones programadas y no programadas, desempeño
del equipo, y calidad. En cada caso, los sub-componentes habrán sido definidos meticulosamente
para proveer uno de los pocos indicadores de desempeño del equipo razonablemente objetivo y de
uso común. Al ver el resumen de resultados de una empresa (ver figura 11), recuerde que los
valores de cada categoría se multiplican en el cálculo para llegar al resultado final. Así, la
empresa Y que logra 90% o más en cada categoría (que parecen ser muy buenos valores),
solamente tendrá un OEE de 74%. Esto significa que al incrementar el OEE, digamos a un 95%,
la compañía Y puede aumentar su producción en un 28% ((95 – 74)/74 = 28) con mínimos gastos
de capital. Logrando esto en tres plantas hace innecesaria la construcción de una cuarta.

Figura 11: Efectividad general del equipo


Estos entonces son algunos de los indicadores de alto nivel que sirven para dar a la gerencia una
perspectiva general de la efectividad y posición competitiva del departamento de mantenimiento. Son muy
útiles para destacar los temas claves a nivel gerencial, pero requieren una evaluación más detallada para
generar acciones específicas. Estas típicamente también requerirán apoyo de la alta gerencia y
financiamiento corporativo.

Afortunadamente, existen muchas medidas que pueden (y deben) ser implantadas dentro del
departamento de mantenimiento que no requieren de aprobación externa o de financiamiento corporativo.
Estas son importantes para los mantenedores ya que pueden ser usadas para estimular un clima de
mejoramiento y progreso. Algunos de los indicadores a nivel micro son:
1. Evaluación de los beneficios que siguen a la compra o implantación de un sistema (EAM) o
equipo en comparación con los resultados planificados o la justificación inicial de los costos.
2. Análisis de confiabilidad/tasas de fallas de la maquinaria: enfocado a máquinas individuales o
líneas de producción.
3. Análisis de efectividad de la mano de obra: medir la asignación de mano de obra a trabajos o
categorías de trabajos en comparación con el año anterior.
4. Análisis del uso de materiales, disponibilidad de equipo, utilización, productividad, pérdidas,
costos, etc.

Todos estos indicadores proporcionan información útil relativa al negocio de mantenimiento y a


cuan bien se están realizando las tareas. Un gerente de mantenimiento efectivo tendrá que ser capaz de
seleccionar aquellos que contribuyan de la manera más directa tanto al logro de las metas del departamento
de mantenimiento como al de las metas generales del negocio.
capítulo tres
¿Es RCM la herramienta correcta para
Ud.?
Determinando sus necesidades de confiabilidad
Por Jim V. Picknell

En este capítulo definimos Mantenimiento Basado en la Confiabilidad (RCM) como


un “proceso lógico, técnico para determinar los requerimientos apropiados de
tareas de mantenimiento para lograr la confiabilidad de diseño de sistema bajo
condiciones operacionales específicas en un ambiente operacional específico.”

El recientemente liberado estándar SAE, JA1011, “Criterio para la Evaluación de los Procesos de
Mantenimiento Basados en Confiabilidad (RCM)” establece un conjunto de criterios que cualquier proceso
debe cumplir para ser calificado como RCM. Aún cuando la intención es que se use este nuevo estándar
para determinar si un proceso califica como RCM, no especifica el proceso en sí. El estándar presenta siete
preguntas que el proceso debe responder. Este capítulo describe ese proceso y algunas variaciones. Una
revisión del estándar SAE provee un entendimiento exhaustivo de todos los criterios RCM.

No podemos alcanzar una confiabilidad mayor que aquella que fue diseñada en los sistemas por
sus diseñadores. Cada componente tiene sus propios y únicos modos de falla con sus respectivas tasas de
falla. Cada combinación de componentes es única y la falla de un componente puede llevar a la falla de
otros. Cada “sistema” opera en un ambiente único que comprende su ubicación, altura, profundidad,
atmósfera, presión, temperatura, humedad, salinidad, exposición a productos o fluidos del proceso,
velocidad, aceleración, etc. Cada uno de estos factores puede influenciar los modos de falla haciendo
algunos más dominantes que otros. Por ejemplo, el switch de nivel en un estanque de aceite de lubricación
sufrirá menos corrosión que el mismo switch en un tanque de agua salada. Es probable que una aeronave
que opere en un ambiente marítimo temperado sufra más corrosión que una operando en un desierto árido.

Generalmente, los manuales técnicos recomiendan un programa de mantenimiento para el equipo


y los sistemas. En lo posible, a veces toman en cuenta diferentes ambientes operacionales. Por ejemplo, el
manual de un automóvil especificará distintas densidades del lubricante y del anticongelante que varían con
la temperatura ambiente en la cual se opera. Pero, no especifican acciones de mantenimiento basadas en el
estilo de manejo – digamos, agresivo v/s defensivo – o basadas en el uso del vehículo – como por ejemplo
una flota de taxis vs. viajes semanales a la iglesia o a visitar a los nietos. En un ambiente industrial es muy
poco común ver que los manuales se ajusten específicamente a su ambiente operacional. Su compresor de
aire de instrumentación instalado en una ubicación subártica puede tener los mismos manuales y
especificaciones de punto de rocío que uno instalado en un clima tropical húmedo. El RCM es un método
para controlar su propio destino con respecto al mantenimiento de flota, planta e instalaciones.

Los 7 pasos del proceso RCM

El RCM tiene siete pasos básicos:


1. Identificar el equipo/sistema a ser analizado;
2. Determinar sus funciones;
3. Determinar que es lo que constituye falla de esas funciones;
4. Identificar los modos de falla que causan esas fallas funcionales;
5. Identificar los impactos o efectos de ocurrencia de esas fallas;
6. Usar lógica RCM para seleccionar tácticas apropiadas de mantenimiento; y
7. Documentar su programa final de mantenimiento (sujeto a perfeccionamiento conforme vaya
obteniendo experiencia operacional).
Estos siete pasos tienen como intención responder las siete preguntas propuestas en el nuevo
estándar SAE. La figura 12 ilustra todo el proceso RCM.

Próximo equipo para análisis


Seleccione equipo
para el análisis

Determine y especifique FMEA


las funciones que
desempeña

Describa las fallas de


esas funciones
Describa COMO Nuevos modos de falla
ocurren esas fallas
(modos de falla) descubiertos

Describa los
efectos de esas
fallas
Use lógica RCM para seleccionar
acciones de mantenimiento o refinamientos
ingeniería apropiadas y determine
la frecuencia de las tareas

Documente sus resultados y


comience el monitoreo de su
programa de mantenimiento

Figura 12: Visión general del proceso RCM

Como primer paso, el profesional de RCM debe decidir qué analizar. Las partes o equipos más
críticos son los que requieren mayor atención. Hay muchos criterios posibles y aquí sugerimos algunos:
♦ Seguridad del personal
♦ Cumplimiento con normas ambientales
♦ Capacidad de producción
♦ Calidad de la producción
♦ Costos de producción (incluyendo costos de mantenimiento) e;
♦ Imagen pública

Cuando ocurre una falla en algún sistema, el equipo o dispositivo puede tener distintos grados de
impacto en estos criterios, desde “ningún impacto” hasta “alto riesgo” y desde “impacto menor” hasta
“impacto mayor”. A cada uno de estos criterios e impactos se le puede asignar un peso. Los partes o
equipos con mayor impacto combinado sobre todos los criterios deberían ser analizados primero.

Las funciones de cada sistema son lo que los sistemas hacen – de una manera activa o pasiva. Las
funciones activas son generalmente aquellas obvias por las que nombramos al equipo. Por ejemplo, un
centro de control de motores es usado para controlar las operaciones de varios motores. Algunos sistemas
también tienen funciones secundarias o hasta protectoras menos obvias. Un ciclo químico recuperativo y
un horno tienen ambos funciones secundarias de contención, y puede que también tengan funciones
protectoras dadas por propiedades de aislamiento térmico o de resistencia a la corrosión química.
Es importante notar que algunos sistemas no desempeñan su rol activo hasta que ocurre algún otro
evento, como los sistemas de seguridad. Este estado pasivo de sistemas hace que las fallas sean difíciles de
encontrar, y que se encuentren cuando ya es demasiado tarde. Cada función tiene también su conjunto de
límites operacionales. Estos parámetros definen la operación “normal” de la función. Cuando el sistema
opera fuera de los parámetros “normales”, se considera que ha fallado. La definición de fallas funcionales
sigue estos límites. Se puede dar que las fallas de nuestros sistemas estén caracterizadas por condiciones
altas, bajas, abiertas cerradas, de encendido, de apagado, de ruptura, de inestabilidad, de bloqueo, etc.

Figura 13: ¿Que está en juego cuando


falla?

Funciones se determinan con mayor facilidad para las partes de un ensamble que para el ensamble
en sí. Existen dos enfoques para determinar funciones, que dictan la manera en que se llevará a cabo el
análisis. Una alternativa es mirar las funciones del equipo. Para considerar todos los modos de falla es
necesario imaginarse todo lo que puede fallar en este ensamble de relativamente alto nivel. Este enfoque es
bueno para determinar los principales modos de falla pero puede omitir algunos menos obvios. Otra
alternativa es mirar las funciones de las “partes”. Esto se hace dividiendo el equipo en ensambles y piezas,
muy parecido a cuando se desarma el equipo. Cada parte tiene sus propias funciones y modos de falla.

Figura 14: ¿Cuan complejo? ¿Cuales funciones son más fácilmente definidas?
Un modo de falla es “como” el sistema falla al desempeñar su función. Un cilindro puede estar
atascado en una posición debido a falta de lubricación por parte del fluido hidráulico que está siendo usado.
La falla funcional es la falla en suministrar movimiento lineal, pero el modo de falla es la pérdida de
propiedades lubricantes del liquido hidráulico. Por supuesto, hay muchas causas posibles para este tipo de
falla que debemos considerar al determinar la acción de mantenimiento correcta para evitar la falla y sus
consecuencias. Las causas pueden incluir: uso del fluido incorrecto, la ausencia de fluido por fuga, mugre
en el fluido, corrosión en la superficie debido a humedad en el líquido, etc. Cada una de estas puede
revisarse al hacer un chequeo, cambiar, o acondicionar el fluido. Estas son intervenciones de
mantenimiento.

No todas las fallas son iguales. Las consecuencias de fallas son sus efectos en el resto del sistema,
planta y ambiente operacional en las cuales están sucediendo. La falla del cilindro (planteada arriba) puede
causar un flujo excesivo de efluente hacia un río, si es que está activando una válvula de compuerta o un
vertedor en una planta de tratamiento – es decir, un impacto severo. Los efectos pueden también ser tan
menores como la falla en liberar el freno por “peso-muerto” en un cargador frontal que va a ser usado para
apilar pallets en una bodega – un impacto relativamente menor. En uno de los casos el impacto es al medio
ambiente y en el otro es posible que sólo sea una molestia de mantenimiento.

Al conocer las consecuencias de cada falla, podemos determinar si la falla es merecedora de


prevención, esfuerzos para predecirla, algún tipo de intervención periódica para evitarla, rediseño para
eliminarla, o simplemente ninguna acción.

La figura 15 muestra gráficamente la lógica RCM. RCM ayuda a clasificar fallas como ocultas o
Modo de falla y efectos

¿Es este modo de ¿Generalmente hay suficiente Describa el


falla detectable por tiempo de advertencia para Si monitoreo y asigne
Si
medio del hacer acciones planeadas? frecuencia

Inputs plan de mantenimiento


monitoreo?
No

¿Existe otra tecnica de


No Si
monitoreo disponible?

No
¿La reparación o acciones de Describa acción de
¿Es la frecuencia de reparación
reacondicionamiento devolveran un
la falla predecible con Si Si reacondicionamiento y
desempeño de tan bueno como
certeza ? asigne frecuencia
nuevo?
Describa la tarea de
¿El reemplazo del ítem Si reemplazo y asigne su
No
No devolvera la función a "tal frecuencia
como nueva"?

¿Hay alguna tarea buscadora Describa la prueba y


¿Esta el modo de
de falla o una prueba de Si asigne una frecuencia
falla escondido? Si
desempeño que revele este a esta
problema?

No Rediseñe para
No revelar o eliminar el
Proceso de ingeniería
de cambio requerido

¿La falla resulta en modo de falla


un riesgo, impacto o
accidente de Rediseñe para
seguridad o de eliminar el modo
medio ambiente? Si
de falla y sus
No consecuencias

Examine la
economia de la ¿El rediseño produce
Si Si Rediseñe
falla vs. el un beneficio?
rediseño

No Corra-a-la-falla

Figura 15: Lógica de decisión RCM


no, y a ver si tienen impactos en la seguridad, el medio ambiente, la producción o el mantenimiento. Para
simplificar el diagrama clásico de la lógica RCM, hemos mostrado las preguntas clasificadoras de fallas
más cercanas al final del árbol de lógica. Investigaciones de modos de fallas revelan que la mayoría de las
fallas de sistemas complejos compuestos de componentes mecánicos, eléctricos e hidráulicos se darán de
una manera aleatoria – es decir, que no son predecibles con algún grado de confianza.

Muchas de estas fallas sin embargo serán detectadas antes de que lleguen a un punto donde la falla
funcional pueda ser considerada como dada. Por ejemplo, la falla de una bomba booster en rellenar un
embalse en uso para proporcionar presión de trabajo para un sistema municipal de agua, puede no causar
una pérdida de funcionalidad del sistema. Puede ser detectada antes que perdamos presión de agua potable,
sin embargo, si le estamos haciendo seguimiento - esa es la esencia del sintomático. Buscamos la falla que
ya ha ocurrido pero que no ha progresado hasta el punto de degradar la funcionalidad del sistema.
Encontrando estas fallas en este estado fallido “temprano”, podemos evitar las consecuencias en el
desempeño general. Dado que la mayoría de las fallas son de naturaleza aleatoria, la lógica RCM primero
pregunta si es posible detectarlas a tiempo para evitar la pérdida de función del sistema. Si la respuesta es
afirmativa, entonces el resultado es la necesidad de un sintomático.

Para evitar el evento de falla funcional debemos monitorear con frecuencia suficiente para tener
confianza de detectar el deterioro con bastante anticipación para actuar antes de perder la función. Por
ejemplo, en el caso de la bomba booster podríamos revisar una vez al día si está funcionando correctamente
ya que sabemos que demoramos un día en repararla y que toma dos días vaciar el embalse. Eso nos da por
lo menos 24 horas entre la detección de falla en la bomba y la restauración de servicio sin pérdida de
función del sistema del embalse. La optimización de estas decisiones está cubierta mas adelante en el
capítulo 7.

Si la falla no es detectable con suficiente tiempo como para evitar la falla funcional, la lógica nos
pregunta si es posible reparar el modo de falla de la parte o equipo para reducir la tasa de falla.

Algunas fallas son bastante predecibles aún si no pueden ser detectadas oportunamente. Por
ejemplo, podemos predecir con seguridad el desgaste de frenos, correas, neumáticos, erosión, etc. Puede
que estas fallas sean difíciles de detectar mediante el monitoreo sintomático con suficiente tiempo como
para evitar la falla funcional, o pueden ser tan predecibles que el monitoreo para aquello que es obvio sea
innecesario. ¿Cuál es la razón para suspender trabajo de un equipo para monitorear desgaste de correa si
sabemos que es muy probable que no aparezca en por lo menos dos años? Podríamos monitorear todos los
años, pero en algunos casos sería más lógico simplemente reemplazar las correas cada dos años sin revisar
su condición. Existe un riesgo de que la falla ocurra anticipadamente y también un riesgo de que se
cambien correas que ni siquiera estén desgastadas. Estas decisiones serán cubiertas más adelante en el
capítulo 6.

Si no es práctico reemplazar componentes o devolverles su condición original por medio de alguna


acción basada en el tiempo, entonces puede que sea posible cambiar el equipo entero. Generalmente esto
hace sentido si la pérdida de la función es demasiado critica, ya que implica una política de repuestos para
apoyar este enfoque. Quizás el costo de la producción perdida en el tiempo de detención asociado con el
reemplazo de partes es muy caro, y el costo del reemplazo completo es menor. De nuevo, este tipo de
decisiones será cubierto en el capítulo 6.

En el caso de los modos de falla ocultos en sistemas de protección o de seguridad puede no ser
posible el monitoreo del deterioro ya que el sistema está normalmente inactivo. Si el modo de falla es
aleatorio, puede que no tenga sentido reemplazar el componente sobre la base de tiempo porque se podría
estar reemplazando con otro componente similar que falle apenas recién instalado.

Uno no puede saber. En estos casos la lógica RCM nos pide explorar el uso de pruebas de
detección de fallas funcionales. Estas son pruebas que podemos efectuar para causar que el dispositivo se
active, mostrando la presencia o ausencia de un funcionamiento correcto. Si una prueba como ésta no
puede efectuarse, se debe rediseñar el componente o sistema para eliminar la falla oculta.
En el caso que las fallas no sean ocultas, no se puedan predecir con suficiente tiempo como para
prevenir la falla funcional, y no se pueda prevenir la falla mediante reemplazos basados en tiempo o en uso,
se puede rediseñar o aceptar la falla y sus consecuencias. En caso de consecuencias de seguridad o medio
ambiente, se debería rediseñar. En caso de consecuencias relacionadas con la producción, se puede elegir
el rediseño o el correr-a-la-falla dependiendo de los términos económicos asociados con las consecuencias.
Si no se presentan consecuencias en la producción, pero sí hay costos de mantenimiento que considerar,
entonces hay una elección similar. En estos casos la decisión está basada en factores económicos – es
decir, el costo de rediseño vs. el costo de aceptar las consecuencias de falla (como la producción perdida,
costos de reparación, sobretiempo, etc.)

La frecuencia de las tareas es generalmente difícil de determinar con seguridad. Los capítulos 6 y
7 discuten este problema en detalle, pero para los propósitos aquí basta con reconocer que el historial de la
falla es uno de los principales determinantes. Uno debería reconocer que las fallas no ocurrirán
exactamente en el momento que uno predice, por lo que hay que aceptar un margen de error. También hay
que reconocer que la información en la que uno se basa para tomar las decisiones puede ser deficiente o
incompleta. Para simplificar el próximo paso, que vincula la agrupación de tareas similares, tiene sentido
predeterminar un número de frecuencias aceptables, tales como diarias, semanales, por turno, anuales,
unidades producidas, distancias viajadas o número de ciclos de operación, etc. Seleccione aquellas que
estén más cercanas a las frecuencias que su historial de operaciones o de mantenimiento le indican tienen
más sentido.

Luego de haber pasado los modos de falla por la lógica mostrada arriba, el profesional debe
consolidar las tareas en un plan de mantenimiento para el sistema. Este es el “producto final” de RCM.
Cuando esto ha sido producido, el mantenedor y el operador deben continuamente buscar las posibles
mejoras del producto. Las frecuencias de tareas que sean originalmente seleccionadas pueden ser muy
conservadoras o muy largas.

Si se experimentan demasiadas fallas que deberían estarse previniendo, entonces probablemente


no se están realizando intervenciones de mantenimiento proactivo con la suficiente frecuencia. Si ya no se
ven nunca las fallas comunes que tenían pequeñas consecuencias, o si los costos preventivos son mayores
de los que se tenían cuando no se hacía mantenimiento preventivo, entonces es posible que se esté
manteniendo la unidad con demasiada frecuencia. Aquí es donde entran las técnicas de optimización.
(Véanse los capítulos 6 y 7 para una discusión completa.)

El “producto” de RCM

El “producto” RCM es un plan de mantenimiento. Este documento contiene listados consolidados


con descripciones de las intervenciones sintomáticas, reemplazos basados en tiempo o uso, tareas
detectoras de fallas, decisiones de rediseño, y decisiones de correr-a-la-falla. Este documento no es un
“plan” en el verdadero sentido; no contiene la información típica de planificación de mantenimiento tal
como la duración de tareas, herramientas y equipo de prueba, requerimientos de repuestos y materiales,
requerimientos de mano de obra y la secuencia detallada de pasos.

En un sistema complejo se pueden identificar miles de tareas. Para tener una idea del tamaño del
producto, considere una típica planta de proceso que tiene repuestos para más o menos el 50% de sus
componentes. Cada uno de ellos puede tener varios modos de falla. Esta planta probablemente mantiene
entre 15,000 y 20,000 números individuales de partes (SKUs) en inventario. Esto significa que habrá algo
como 40,000 partes con uno o más modos de falla y decisiones de tareas.

Afortunadamente hay un número limitado de técnicas de monitoreo sintomático disponibles, y


estas cubrirán gran parte de la lista de tareas ya que la mayoría de modos de falla son aleatorios. Estas
tareas pueden ser agrupadas según la técnica (por ejemplo, análisis de vibraciones), según la ubicación (por
ejemplo, sala de máquinas), y según la sub-ubicación en una ruta. Puede ser posible agrupar decenas y
hasta centenas de modos de falla individuales para así reducir el número de tareas para la planificación
detallada de mantenimiento. Es necesario considerar las frecuencias con que los grupos de tareas fueron
especificados.
Las tareas basadas en uso o en tiempo son fáciles de agrupar. Todas las tareas de reemplazo o
reacondicionamiento para equipos particulares pueden ser agrupadas por frecuencia de tareas en una sola
tarea de “overhaul”. De la misma manera, múltiples “overhauls” en un área específica de planta pueden ser
agrupados en un solo plan de paro.

Otra manera de agrupar las tareas es según el responsable de ellas. Tareas asignadas a operadores
se efectúan generalmente usando sentidos del tacto, vista, olfato u oído. Estas a menudo se agrupan
lógicamente en listas de chequeo diarios o por turno o de rondas de inspección.

Al final, uno debería tener una lista completa que nos diga qué tiene que hacer mantenimiento y
cuando debe hacerlo. El planificador tiene el trabajo de determinar los detalles necesarios para ejecutar el
trabajo.

¿Qué puede lograr el RCM?

El RCM ha estado rondando por aproximadamente 30 años. Comenzó con los estudios de fallas
de aviones comerciales en los años sesenta, para reducir la cantidad de trabajo de mantenimiento requerida
para lo que en ese momento era la nueva generación de aeronaves más grandes de fuselaje ancho. A
medida que las aeronaves crecieron y aumentó su número de partes y por ende había mas cosas que podían
fallar, era evidente que los requerimientos de mantenimiento iban a crecer de forma similar y consumir
tiempo de vuelo necesario para generar utilidades. En el extremo, la seguridad podría haber sido muy
costosa de lograr y habría hecho el volar un mal negocio. Al éxito de la industria de aerolíneas en aumentar
el número de horas de vuelo, drásticamente mejorar su registro de seguridad, y demostrarle al mundo que el
uso de un enfoque de mantenimiento casi enteramente proactivo es posible, se puede atribuir al éxito de
RCM.

El éxito de la industria de las aerolíneas fue un espaldarazo altamente visible del éxito de RCM, y le
demostró al mundo los beneficios de un enfoque casi enteramente proactivo de mantenimiento.

Las nuevas aeronaves que tenían su mantenimiento determinado por el uso de RCM requerían
menos horas-hombre de mantenimiento por hora de vuelo. Desde los sesenta, el desempeño de seguridad
de las aeronaves ha ido mejorando dramáticamente.

Figura 16: Las aeronaves son ahora más confiables que hace varios
años atrás y eso se debe en parte al RCM.

Fuera de la industria aeronáutica, el RCM también ha sido usado con éxito. Proyectos militares
generalmente decretan el uso de RCM porque permite a usuarios finales gozar del tipo de alto desempeño
de confiabilidad de equipo que tienen las aerolíneas. El autor participó en un proyecto de construcción de
buques donde la carga total de trabajo de mantenimiento de la tripulación se redujo en casi un 50% de lo
que era común en otros buques de similar clase y tamaño. Al mismo tiempo, la disponibilidad de servicio
se mejoró en un 60 a 70% por medio de reducción del tiempo de detención para intervenciones de
mantenimiento.

La industria minera se encuentra operando típicamente en lugares remotos lejanos de proveedores


de repuestos y materiales y de mano de obra de reemplazo. Consecuentemente, las mineras quieren alta
confiabilidad y disponibilidad del equipo - tiempo mínimo de detenciones y productividad máxima de los
equipos. RCM ha sido un gran aporte para mejorar disponibilidad de flotas de camiones y otros equipos, al
mismo tiempo que reduce los costos de mantenimiento en repuestos y mano de obra y el tiempo de
detención planificado de mantenimiento.

RCM también ha tenido éxito en plantas químicas, refinerías de petróleo, plantas de gas,
estaciones remotas de compresión y bombeo, refinerías y fundiciones de mineral, plantas siderúrgicas, de
aluminio, papel y celulosa, operaciones de transformación de papel tissue, procesamiento de alimentos y
bebidas, y cervecerías. Cualquier lugar en el que alta disponibilidad y confiabilidad sean importantes, es un
lugar potencial de implantación de RCM.

¿Que se necesita para llevar a cabo el RCM?

El RCM no es una sigla. Debe ser aprendido y practicado para obtener la pericia y acceder a los
beneficios que pueden ser obtenidos. La implantación del RCM significa:
• Selección de equipo de profesionales con disposición;
• Su capacitación en RCM;
• Enseñar a otros “stakeholders” en la operación y mantenimiento de planta lo que es RCM y lo que
puede lograr para ellos;
• Selección de un proyecto piloto para mejorar la pericia del equipo y demostrar el éxito, y
• Replicación del proceso a todas las otras áreas de la planta.

Una clave del éxito en RCM es su demostración. Antes de comenzar el análisis, el equipo RCM
debe establecer las métricas de referencia de confiabilidad y disponibilidad de planta, así como la cobertura
y cumplimiento del programa de mantenimiento. Estas mediciones serán usadas posteriormente en
comparaciones de lo que ha cambiado y del éxito que se está obteniendo.

Figura 17: ¡El RCM puede significar mucho trabajo!

El equipo de trabajo debe ser multi-disciplinario y capaz de hacer uso del conocimiento de
especialistas cuando sea necesario. Requiere del conocimiento de las operaciones cotidianas de planta y
equipo, en conjunto con el conocimiento detallado del equipo en sí. Esto hace necesaria la incorporación
de por lo menos un operador y un mantenedor. El conocimiento de planificación, de programación y de
operaciones y capacidades generales de mantenimiento, son también necesarios para asegurar que las tareas
sean verdaderamente realizables en el ambiente de la planta, así como representación gerencial de
operaciones y mantenimiento. Finalmente, el conocimiento detallado de diseño del equipo también es
importante para el equipo de trabajo. Este requerimiento de conocimiento genera la necesidad de un
ingeniero o técnico senior / tecnólogo del área de mantenimiento o producción, generalmente de sólidos
antecedentes en disciplinas eléctrica o mecánica.

El equipo lleva ahora cinco personas, y la experiencia muestra que esto es el óptimo. Demasiada
gente demora el progreso, y muy pocos significa que se va a gastar mucho tiempo buscando respuestas a las
tantas preguntas que inevitablemente surgen.

Inicialmente el equipo de trabajo va a necesitar ayuda para empezar. La capacitación puede


demorar entre una semana a un mes dependiendo del enfoque que se use. Esta es generalmente seguida por
el proyecto piloto. El piloto es una parte de la capacitación que se usa para generar un producto real.

La capacitación del equipo de trabajo debería llevarse a cabo en una semana. La capacitación de
otros “stakeholders” puede demorarse tan poco como un par de horas o un día o dos dependiendo de su
grado de interés y de su “necesidad de saber”.

La duración del proyecto piloto puede variar ampliamente dependiendo de la complejidad del
equipo o sistema seleccionado para el análisis. Una buena pauta es permitir un mes de análisis piloto para
asegurar que el equipo conozca bien el RCM y se sienta cómodo al usarlo. Cada modo de falla puede
tomar cerca de una media hora de análisis. Usando el ejemplo anterior de la planta de proceso, un análisis
exhaustivo de todos los sistemas involucrando por lo menos 40,000 partes (muchas con más de un modo de
falla) consumiría más de 20,000 horas-hombre (es decir, aproximadamente 10 años-hombre para una planta
entera). Si uno se restringe a sólo un equipo de trabajo, dividiendo la carga de trabajo entre los cinco
miembros del equipo implicaría que el esfuerzo de análisis tomara hasta dos años para una planta de esa
envergadura. En términos prácticos, el equipo inicial sirve como semillero de equipos adicionales que
propagan el análisis a través de sus áreas; así, un período de un año sería más típico del tiempo involucrado.

¿Cuánto va a costar?

Entonces, ¿cuánto espera pagar por la capacitación, software, apoyo de consultores, y el tiempo de
su personal? Se puede ver del ejemplo que en una planta de proceso grande se requerirá un esfuerzo
substancial para hacer el análisis. Este esfuerzo tiene un cierto precio. Diez años-hombre a, digamos
US$50,000 por persona, asciende a la suma de US$500,000 solamente por el tiempo de su personal. La
capacitación del equipo y de otras personas requerirá un par de semanas y un tercero experto. El experto
también debería permanecer como parte del proyecto durante la duración del piloto – y ese es otro mes.
Dependiendo del apoyo esperado del tercero, dichos servicios pueden variar de US$20,000 a US$200,000
para un piloto focalizado; el nivel de apoyo deseado está obviamente dictado por el grado de aseguramiento
de una buena plataforma de lanzamiento necesario para lograr la efectiva propagación a través de la planta.

Existen varias herramientas de software que lo conducen a través del proceso RCM y registran
todas sus respuestas y resultados a medida que los genera. Algunos de los softwares se pueden comprar por
sólo unos pocos miles de dólares para unas pocas licencias de usuario. Ciertos paquetes vienen con la
capacitación RCM incluida, y otros se adquieren como parte de grandes sistemas computarizados de
gestión de mantenimiento. Los precios de estos sistemas de ultima generación que incluyen RCM están
generalmente en los cientos de miles de dólares.

Para asistir en la determinación de frecuencias de tareas va a ser necesario tener conocimiento de


historiales de fallas de planta, o ser capaz de acceder a bases de datos de tasas de falla. El historial de falla
de planta debería estar disponible a través de su sistema de gestión de mantenimiento. Se puede requerir
apoyo en la construcción de consultas e informes de historial, y esto puede requerir tiempo del personal de
programación. Hay bases de datos externas de confiabilidad disponibles, aunque no siempre fácilmente
localizables, y su acceso puede requerir el pago de derechos de uso o de una licencia.

El RCM ha tenido un alto grado de éxito y amplia aceptación en algunas industrias donde la
seguridad y elevados niveles de confiabilidad son importantes. Sin embargo, hay que reconocer que ha
fracasado en otros intentos.
Razones para el fracaso de RCM

Hay muchas razones para el fracaso de RCM que incluyen, pero no necesariamente se limitan, a:
♦ Falta de liderazgo y apoyo de la gerencia;
♦ Falta de “visión” del resultado final del programa RCM;
♦ Falta de enunciación clara de las razones para llevar a cabo RCM (se convierte simplemente
en otro “plan mensual”);
♦ Falta de los recursos humanos adecuados para llevar a cabo el esfuerzo, especialmente en
ambientes minimalistas de operación;
♦ Choque entre las bases proactivas de RCM y la cultura tradicional y altamente reactiva de
planta;
♦ Darse por vencido antes de completar;
♦ Errores continuados en el proceso y resultados que no concuerdan con la mentalidad práctica
de mantenedores. La mala composición del equipo de trabajo o la falta de entendimiento
contribuyen a esto;
♦ Falta de información disponible sobre el equipo / sistema bajo análisis. En la realidad, esto no
tiene por qué ser un obstáculo relevante pero generalmente detiene por completo a las
personas;
♦ Se genera desilusión cuando las tareas generadas por RCM parecen ser las mismas que ya se
encontraban en el programa PM en uso desde hace bastante tiempo. Surgen críticas que
apuntan a que éste es un ejercicio que está simplemente demostrando lo que ya se está
haciendo;
♦ Falta de éxito temprano medible en el programa RCM. Esto es porque no se tomaron
mediciones iniciales, no existía una meta, y no se fueron registrando o tomando mediciones a
lo largo del camino;
♦ Los resultados no llegan con suficiente rapidez. Generalmente los impactos de hacer el PM
correcto no aparecen inmediatamente y toma tiempo para que aparezcan – típicamente 12 a 18
meses;
♦ No hay ninguna razón apremiante para mantener el impulso o incluso comenzar con el
programa;
♦ Se acaban los fondos destinados al programa;
♦ A la organización le falta la habilidad de implementar los resultados del análisis RCM (por
ejemplo, falta de un sistema funcional de ordenes de trabajo que gatille ordenes PM en una
base predeterminada).

Hay un número de soluciones para estos problemas. Una que generalmente funciona es el uso de
un facilitador o consultor externo. Un consultor de conocimiento y experiencia ayudará al cliente a navegar
estos problemas y mantener el impulso. También se han desarrollado diversos atajos y soluciones prácticas
para ayudar a las empresas a superar estos problemas.

Las “versiones” de RCM

En una de las versiones metodológicas de RCM, la lógica se usa para probar la validez de un
programa PM existente. Un inconveniente de este enfoque es que omite reconocer lo que ya está faltando
en su programa PM. Por ejemplo, si su programa PM actual hace uso extendido de análisis de vibración y
de análisis termográfico pero de nada más, va a captar adecuadamente todos los modos de falla que resulten
en vibraciones o en calor; pero no va a reconocer otros modos de falla que se manifiesten por fisuras,
reducción de espesor, desgaste, degradación de propiedad lubricante, deposición de residuos de metal por
desgaste, deterioro de acabado de superficie o dimensional, etc. Claramente este programa no cubre todas
las posibilidades.

En otra de las versiones de RCM, la criticidad se usa para filtrar previamente modos de falla del
análisis. Típicamente, los modos de falla ignorados aparecen ya sea en componentes del equipo
considerados como no-críticos o los modos de falla y sus efectos son considerados no-críticos, y la lógica
RCM no se aplica. En estos casos, el programa está pasando por alto fallas porque no exceden algún
criterio de impacto. Los ahorros surgen porque se reduce el esfuerzo de análisis. Cuando la criticidad se
aplica a los modos de falla mismos, el riesgo de causar un problema crítico es relativamente menor. La
desventaja de este enfoque es que uno gasta la mayor parte del esfuerzo y costos para llegar a una decisión
de no hacer nada – recuerde que estamos aquí en el paso cinco de siete. Por tanto, lo que se ahorra es
relativamente poco.

Cuando se aplica un filtro de criticidad al equipo, las decisiones de reducir el análisis pueden
tomarse antes de que se haga la mayor parte del análisis (en el paso uno). Algunos, pero no necesariamente
todos los modos de falla van a ser intuitivamente conocidos por los que están llevando a cabo el análisis de
criticidad, pero no van a ser documentados en este momento. Se gasta así poco esfuerzo y se pueden
ahorrar costos considerables del programa. Este método va a ser atractivo para aquellas empresas que estén
limitando sus presupuestos para estos esfuerzos proactivos.

Esta última versión de RCM puede ser totalmente aceptable si las consecuencias de posibles fallas
son conocidas y son aceptables para las áreas de producción, mantenimiento, costos, medio ambiente y
recursos humanos. Por ejemplo, muchas fallas no tienen más que consecuencias relativamente menores
adicionales a la pérdida de producción y discontinuidad del proceso operacional, y sus costos asociados.

Los puristas podrían alegar que cualquier otra cosa menos que un RCM completo es irresponsable,
porque sin el análisis completo uno está potencialmente ignorando fallas reales y críticas, aun cuando sea
inadvertidamente. Esto es de hecho cierto, y es la preocupación que impulsó al SAE a desarrollar el
estándar JA-1011.

Desgraciadamente también es cierto que muchas empresas sufren de una o más de las razones
descritas para el fracaso. Sin la fuerza de ley, los estándares RCM tales como SAE JA-1011, Nowland &
Heap y otros son meras guías que pueden o no ser adheridas dependiendo de decisiones tomadas en cada
empresa. A menudo estas decisiones las toman aquellos que, aunque a nivel gerencial, no tienen un
conocimiento extenso de RCM.

Profesionales conocedores o partidarios entusiastas de ser proactivos pueden reconocer cuando sus
respectivas plantas exhiben una o más de estas potenciales causas de fracaso. Deberíamos hacer lo posible
para mitigar las posibles consecuencias y evitar el riesgo. Como ingenieros y mantenedores responsables,
nos podemos encontrar en una situación que exija que comencemos lentamente y vayamos creciendo hasta
llegar al RCM completo.

El simple hecho de revisar un programa MP existente usando la lógica RCM no va a lograr


mucho. Analizar solamente equipo crítico logra más y lo hace cuando más cuenta. Revisar el equipo
crítico primero y después ir bajando por la escala de criticidad de nuevo logra más, y es posible que cumpla
con todos los objetivos del RCM.

Si al verlo de una perspectiva realista llevar a cabo RCM es simplemente demasiado para su
empresa, puede que un enfoque alternativo sea más accesible y represente su mejor alternativa. De alguna
forma esto reducirá el riesgo y será mucho mejor que quedarse de manos cruzadas.

El RCM dirigido por capacidad

Si la lógica RCM progresa desde el equipo a los modos de falla, y después vía la lógica de
decisiones a un resultado, ¿podrá ser que el proceso opuesto no contemple muchas de las fallas aún cuando
no estén claramente identificadas? ¿Porqué no empezar con las soluciones (de las cuales hay un número
finito) y buscar buenos lugares para aplicar esas soluciones?

Vale la pena revisar las siguientes preguntas:


♦ ¿Qué tiene de malo usar técnicas existentes de monitoreo sintomático y extender su uso a
otras partes del equipo? Si se puede hacer análisis de vibración a algún equipo ¿porqué no
hacerlo a otros?
♦ ¿Qué tiene de malo fijarse específicamente en fallas de desgaste y simplemente decidir hacer
reemplazos basados en el tiempo? Si uno puede identificar las principales áreas de problemas
de desgaste ¿porqué no usar esta técnica?
♦ ¿Qué tiene de malo operar equipo stand-by (redundante) para asegurar que funcione cuando
sea requerido, y así llevar a cabo una “tarea de detección de falla”?

Las respuestas concretas a estas tres preguntas son: se corre el riesgo de excederse en el
mantenimiento de algunas partes del equipo; se puede no tomar en cuenta algunos modos de falla y sus
acciones de mantenimiento debido a la falta de rigor; se pierden oportunidades de rediseño. Sin embargo,
sí aprovecha sus capacidades para efectuar MP y se apega de cerca a principios RCM como vía para escalar
hacia la implantación completa de RCM. Denominamos este enfoque RCM dirigido por capacidad o CD-
RCM.

Un mantenedor puede dar pasos basado en lo anterior que ayudarán a mitigar consecuencias de
fallas. Cuando se demuestre el éxito, esos pasos pueden conducir a que el mantenedor gane suficiente
influencia como para extender su enfoque proactivo hacia incluir análisis RCM. Este enfoque no está
orientado a evitar, o actuar como atajo para el RCM, sino más bien es un paso preliminar que generará
resultados positivos que no son inconsistentes con RCM y sus objetivos.

El enfoque CD-RCM que logrará esto es el siguiente:


♦ Asegúrese que su sistema de Ordenes de Trabajo MP realmente funciona – es decir, que las
ordenes de trabajo MP puedan ser gatilladas automáticamente, que las ordenes de trabajo se
liberan, y que se ejecutan según programa. (Si esto no ocurre, pare de leer aquí. Necesita
ayuda más allá del alcance de este manual);
♦ Identifique su inventario de equipo / activos (esto es parte del primer paso del RCM),
♦ Identifique las técnicas de monitoreo sintomático disponibles que puedan ser usadas (lo que
está probablemente limitado por la capacidad de su planta),
♦ Determine los tipos de modos de fallas que cada una de estas técnicas pueden revelar;
♦ Identifique los equipos donde estos modos de falla son dominantes;
♦ Decida cuales son las frecuencias apropiadas para estas tareas de monitoreo e impleméntelas
en su sistema de ordenes de trabajo MP;
♦ Identifique el equipo que tiene modos de falla de desgaste dominantes;
♦ Programe el reemplazo periódico de estos componentes de desgaste y de aquellos otros que se
ven comprometidos en reemplazos como mantenimientos basados en tiempo usando su
sistema de órdenes de trabajo MP;
♦ Identifique todo su equipo stand-by y sistemas de seguridad (alarmas, sistemas de paro,
equipo stand-by redundante, sistemas de respaldo, etc.). Estos son equipos y sistemas que
están normalmente inactivos hasta que ocurre algo que gatilla su uso;
♦ Determine pruebas apropiadas para operar periódicamente este equipo tal que se revelen las
fallas detectables, e impleméntelas en su sistema de ordenes de trabajo MP;
♦ Examine las fallas que se presentan luego de poner en marcha el programa de mantenimiento,
para determinar la causa-raíz de las fallas y llevar a cabo acciones apropiadas para eliminar
esas causas o sus consecuencias.

El resultado de aplicar este enfoque CD-RCM puede parecerse a lo siguiente:


♦ Uso extensivo de técnicas sintomáticas como: análisis de vibración, análisis de lubricante /
aceite, inspecciones visuales y algunas pruebas no-destructivas.
♦ Uso limitado de reemplazos por tiempo y “overhauls”.
♦ En plantas que tengan altos niveles de redundancia, cambios cotidianos entre equipos, del A
al B y de vuelta, posiblemente combinado con nivelación de las horas operativas.
♦ Programa extendido de pruebas de sistemas de seguridad.
♦ Captura sistemática de información de fallas que ocurren y el análisis de esa información y las
fallas en sí para determinar sus causas-raíces y las acciones para eliminarlas.
Aún cuando este enfoque no logra todos los resultados que lograría el análisis RCM completo,
está basado en los principios RCM y pondrá a la organización en el camino a ser más proactiva. CD-RCM
está orientado a construir sobre éxitos iniciales con métodos probados enfocados en áreas donde hacen
sentido, tal que se gane credibilidad e incremente la viabilidad de implantación de RCM completo.

¿Cómo se decide?

Se puede ver que RCM significa mucho trabajo y que llevarlo a cabo puede ser costoso. Existen
alternativas que son menos rigurosas. Puede que sea enfrentado al desafío de justificar los costos asociados
a un programa completo RCM, y que no sea capaz de decir con seguridad cuáles serán los ahorros que se
van a lograr. Esta es una situación difícil de afrontar, y cada situación tendrá sus propias peculiaridades y
personalidades con las que haya que lidiar.

RCM es el enfoque más exhaustivo y completo que podría tomarse para determinar los enfoques
correctos de mantenimiento proactivo para lograr alta confiabilidad de sistemas. Es costoso y consume
bastante tiempo – los resultados, aunque impresionantes, pueden tardar en aparecer. Generalmente este
tiempo es suficiente para que RCM no exceda los ciclos de decisión acostumbrados en el mundo moderno
de inversiones de negocio.

La simple revisión de su programa MP con enfoque RCM no es una alternativa real para un
gerente responsable - se arriesga a omitir demasiadas cosas que podrían ser críticas, o significativas para el
medio ambiente o la seguridad.

RCM simplificado (o “Lite”) puede ser apropiado para ambientes industriales en los cuales se
reconoce y usa la criticidad para guiar esfuerzos de análisis usando los recursos o tiempo limitados de que
se dispone. Esto logrará los resultados RCM deseados en un subconjunto menor pero bien dirigido de
modos de falla en los equipos y sistemas críticos.

Donde la inversión RCM no sea opción, la alternativa es llegar a ella usando CD-RCM que le
agrega un poco de lógica al enfoque tradicional de conseguir una nueva tecnología y aplicarla en todas las
áreas. En CD-RCM tomamos una medida de lo que podemos hacer ahora, nos aseguramos que lo estamos
aplicando lo más ampliamente posible, y demostramos el éxito cumpliendo con el nuevo programa.
Después de demostrar el éxito, se puede expandir el programa usando ese éxito como “evidencia” de que
funciona y produce los resultados deseados. Eventualmente, RCM podrá usarse para asegurar que el
programa está completo.

La lista de verificación de decisiones del RCM

Se deben responder un número de preguntas y evaluar varias alternativas para determinar si RCM
es lo correcto para usted. Estas preguntas están planteadas a lo largo de este capítulo, pero están resumidas
aquí para tenerlas como referencia:
1. ¿Puede su planta u operación vender todo lo que produce? Si la respuesta es sí, entonces alta
confiabilidad es importante, RCM debería ser considerado, y debería saltar a la pregunta
cinco. Si la respuesta es no, entonces necesita enfocarse a medidas de reducción de costos.
2. ¿Hay un desempeño inaceptable en seguridad o impacto ambiental? Si la respuesta es sí,
entonces RCM es probablemente para usted – avance a la pregunta cinco.
3. ¿Tiene ya un extenso programa de mantenimiento preventivo en operación? Si la respuesta es
afirmativa, puede beneficiarse de RCM si los costos del programa son inaceptablemente altos.
Si la respuesta es no, también puede beneficiarse de RCM si sus costos de mantenimiento son
relativamente altos con relación a la competencia.

Cuando la inversión RCM completo no es opción, hay otras opciones como “RCM Lite” o RCM
por capacidad (CD-RCM) que pueden ser solución para su operación en el corto plazo.
4. ¿Son altos sus costos de mantenimiento en relación con otros en su negocio? Si su respuesta
es afirmativa, entonces avance a la pregunta cinco. Si no lo es, entonces probablemente no se
beneficiará de RCM y puede parar aquí.

En este punto, ya tiene una o varias de las siguientes:


♦ Una necesidad de alta confiabilidad;
♦ Problemas de seguridad o medio ambientales;
♦ Un programa MP costoso y de bajo rendimiento o;
♦ Ningún programa significativo de PM y altos costos generales de mantenimiento.

5. RCM es para usted. Necesita asegurarse que su organización está lista para ello. ¿Tiene ya
un ambiente de mantenimiento “controlado”, donde la mayor parte del trabajo es predecible y
planificado y en el cual puede esperar confiadamente que trabajo planificado, como MP o
MPd, se va a efectuar según programa? Si la respuesta es sí, pasa la prueba básica para ver si
está listo – su ambiente de mantenimiento está bajo control – y puede seguir a la pregunta
seis. RCM no funcionará bien si no lo puede llevar a cabo en un ambiente controlado. Si no
puede, necesita ayuda más allá de lo que RCM por sí solo puede hacer. Busque ayuda para
tomar control de sus actividades de mantenimiento antes de seguir adelante.

Necesita RCM y su organización está ya bajo control – está listo. Ahora necesita aprobación para
llevarlo a cabo. Si puede directamente aprobar, entonces hágalo. Si no:

6. ¿Puede conseguir el apoyo de la alta gerencia para la inversión de tiempo y dinero en la


capacitación y piloto e implantación de RCM? Si es así, entonces está listo para RCM y RCM
está preparado para su caso – pare aquí, su decisión está hecha. Si no, entonces necesita
considerar alternativas al RCM completo – proceda a la pregunta 7.
7. ¿Puede conseguir el apoyo de la alta gerencia para la inversión de tiempo y dinero en la
capacitación y piloto de RCM “Lite”? Esta inversión requerirá cerca de un mes de tiempo de
su equipo de trabajo (5 personas), más un consultor por el mes. Si puede, entonces debería
considerar el uso del método RCM “Lite” para demostrar éxito antes de implantar RCM en
toda la organización. Puede parar aquí – su decisión ya está hecha. Si no es así, enfrentará el
desafío de demostrar éxito con un enfoque menos exhaustivo que requiera poca inversión
inicial y use capacidades existentes. La alternativa que aún queda es la de CD-RCM y un
crecimiento gradual del éxito y credibilidad para expandirlo.
capítulo cuatro
El problema de la incertidumbre
Que hacer cuando sus planes de confiabilidad no se ven muy confiables
Por Murray Wiseman

Cuando se está enfrentado la incertidumbre nuestra reacción humana instintiva es a


menudo la indecisión y angustia. Todos preferiríamos que la oportunidad y
resultado de nuestras decisiones fuesen conocidos con certeza. Puesto de otra
manera, nos gustaría que todo problema y su solución fuese determinístico. Los
problemas en los cuales la oportunidad y resultado de una acción dependen del azar
se conocen como probabilísticos o estocásticos. Sin embargo, en mantenimiento no
podemos ignorar dichos problemas ya que la incertidumbre es inevitable. Más bien,
nuestra meta es cuantificar incertidumbres asociadas con 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 más que como a un enemigo.
A cuántos nos han dicho desde la niñez que “el fracaso es la madre del éxito” y que “a partir de los
errores se aprende”. En ningún otro lugar es esta sabiduría popular más valorada que en un departamento
de mantenimiento que usa herramientas de ingeniería de confiabilidad. En un ambiente tan iluminado, las
fallas – un hecho impersonal de la vida – pueden ser tratadas y convertidas a conocimiento valioso seguido
de acción productiva. Para obtener esta elevada, pero alcanzable meta en las operaciones, requerimos un
sólido enfoque cuantitativo para lidiar con incertidumbre en mantenimiento. Por esta razón, comencemos
el ascenso en tierra sólida – el fácilmente conceptuado histograma de frecuencia relativa de fallas pasadas.

Las cuatro funciones básicas

En esta sección descubriremos el Histograma de Frecuencia Relativa y las cuatro funciones


básicas: 1) la función de Densidad de Probabilidad; 2) la función de Distribución Acumulativa; 3) la
función de Confiabilidad; y 4) la función de Riesgo.

Asuma que de una población de 48 ítems comprados y puestos en servicio a principio del año
todos han fallado al llegar Noviembre.

Haga una lista de fallas según oportunidad como se muestra en figura 18. Agrúpelas en segmentos
convenientes de tiempo, en este caso meses. Diagrame el número de fallas en cada segmento como en la
figura 19. Las barras altas del centro representan los tiempos más “populares” o probables de falla.
Sumando el número de fallas que ocurrieron antes de abril, 14, y dividiendo por el número total de la
población, 48, podemos estimar que la probabilidad acumulativa de que el ítem falle en el primer trimestre
del año es de 14/48. La probabilidad de que todos los ítems fallen antes de Noviembre es 48/48 o 1.

Figura 18: Fallas mensuales para 48 ítems en servicio


Número de fallas

Tiempo de la falla

Figura 19: Histograma de edades de las fallas

Para transformar el número de fallas en probabilidades, el histograma de frecuencias relativas


puede ser convertido a una forma matemática más útil llamada la función de densidad de probabilidad
(PDF). Para lograrlo, los datos son diagramados nuevamente tal que el área bajo la curva represente la
probabilidad acumulativa de falla como se muestra en la figura 20. (La manera en que se calcula la PDF y
como se dibuja será discutida de manera más extensa en el capítulo 5.)

El área total bajo la curva de la función de densidad f(t) es 1, ya que tarde o temprano el ítem
fallará. La probabilidad de que el componente falle antes de o en el tiempo t es igual al área bajo la curva
entre 0 y el tiempo t. Esta área es F(t), la función de distribución acumulativa (CDF). Es conclusión
directa entonces que el área restante (sombreada) es la probabilidad de que el componente sobreviva hasta
el tiempo t, y es conocida como la función de confiabilidad, R(t). La R(t) puede ser trazada por sí sola en
función del tiempo. Si se hace así, el tiempo medio entre falla (TMEF) es el área bajo la curva de
Confiabilidad o ∫R(t)dt [ref. 1]. De la función de confiabilidad R(t) y la función de densidad f(t) podemos
derivar una cuarta función útil, la tasa de falla o función de riesgo, h(t) = f(t)/R(t), que puede ser
representada gráficamente como en la figura 21. La función de riesgo es la probabilidad instantánea de
falla a un tiempo dado t.

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.

Figura 20: Densidad de Probabilidad, probabilidad


acumulativa y función de confiabilidad
Resumen

En sólo 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). Conociendo cualquiera de
éstas, podemos derivar las otras tres. Armados con estos conceptos estadísticos fundamentales, podemos
salir a combatir con el azar de la ocurrencia de fallas a través de nuestra planta. A pesar de que las fallas
son eventos aleatorios, podremos, no obstante, descubrir cómo determinar los mejores momentos para
realizar mantenimiento preventivo y las mejores políticas de mantenimiento de largo plazo. Habiendo
estimado “con confianza” (es decir con un nivel dado y aceptable de confianza estadística) la PDF (por
ejemplo), nos basaremos en ella o en sus funciones hermanas para construir modelos de optimización. Los
modelos describen situaciones típicas de mantenimiento representándolas en ecuaciones matemáticas. Esto
es muy conveniente si deseamos optimizar el modelo. El objetivo de optimización es generalmente lograr
el menor costo global, promedio, y de largo plazo de mantenimiento de nuestro equipo de producción.
Discutiremos y crearemos modelos en los capítulos 5 y 6.

Distribuciones típicas

En la sección anterior definimos las cuatro funciones claves que podemos aplicar a nuestros datos
cuando de alguna forma los hemos transformado en una distribución de probabilidad. El paso requerido
para convertir o ajustar los datos es el tema de esta sección.

¿Cómo encuentra uno la PDF apropiada para un componente o sistema real? Hay dos enfoques
posibles para este problema:
1. Trace la curva de mejor ajuste a datos obtenidos del ciclo de vida del equipo, o
2. Haga una hipótesis de que será una cierta función paramétrica, 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.

Afortunadamente, encontramos de observaciones de fallas en el pasado que las funciones de


densidad de probabilidad (y por tanto sus funciones derivadas de confiabilidad, distribución acumulativa y
función de riesgo) de datos reales generalmente satisfacen alguna de un conjunto de formulas matemáticas
cuyas características ya son familiares para los ingenieros de confiabilidad. Estas distribuciones conocidas
incluyen la exponencial, la de Weibull, la Lognormal y la Normal. Estas pueden ser completamente
especificadas si podemos estimar sus parámetros.

Por ejemplo, la CDF de Weibull es:

F(t) = 1 – e-(t/η)β, donde t ≥ 0

Los parámetros β y η pueden estimarse de los datos usando métodos a describir. Una vez
estimados con confianza sus parámetros, podremos procesar nuestros datos de falla y reemplazo vía alguna
de las distribuciones conocidas. Hacemos esto manipulando las funciones estadísticas que aprendimos en
la sección anterior para: a) entender nuestro problema; y b) pronosticar fallas y analizar riesgos para tomar
mejores decisiones de mantenimiento. Estas decisiones van a impactar la oportunidad que elijamos para
reparar, reemplazar o reacondicionar maquinaria, así como ayudarnos a optimizar muchas otras decisiones
de mantenimiento.

La clave es triple: 1) recolectar 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 este proceso fácil y
entretenido. El software de confiabilidad sin embargo es mucho más que un juguete para ingenieros, ya que
nos entrega la capacidad de comunicar y compartir con nuestra gerencia la meta común de negocio – idear
y seleccionar procedimientos que minimicen costos y riesgo a la vez que mantienen o incrementan el
volumen y calidad de productos.

Las cuatro funciones de tasa de falla o funciones de riesgo correspondientes a las cuatro funciones
de densidad (exponencial, Weibull, lognormal, y normal) se muestran en la figura 21.

Exponencial Weibull Lognormal Normal

Figura 21: Curvas de función de riesgo para las distribuciones de fallas comunes

De las cuatro funciones, los datos observados generalmente se aproximan más a la distribución de
Weibull. Esto es afortunado – y fue subestimado por el mismo Waloddi Weibull quien dijo al presentar su
ensayo clave en 1951 “...puede que alguna vez rinda un buen servicio”. La reacción a su ensayo varió del
escepticismo hasta el rechazo directo. A la larga, como con todas las buenas ideas que caen en tierra fértil
y florecen, la Fuerza Aérea de Estados Unidos reconoció y financió la investigación de Weibull por los
posteriores 24 años hasta 1975. Hoy el Análisis Weibull es el método líder en el mundo para cálculos
sobre datos de ciclo de vida [ref. 3].

El objetivo de este capítulo es atraer la atención de profesionales de mantenimiento hacia tales


métodos de toma de decisiones, y mostrar que son esfuerzos válidos y provechosos para la administración
de activos físicos de su empresa.

Un ejemplo

Concretemos estos conceptos usando un ejemplo que ilustra como uno puede extraer información
significativa de datos de fallas. Asúmase que hemos determinado (usando métodos a discutir más adelante
en este capítulo y en el capítulo 7) que cierto componente eléctrico tiene una función de distribución
acumulativa exponencial, F(t) = 1- e-λt, donde λ = 0.0000004 hrs. – 1.

Tenemos entonces que responder lo siguiente:


(a) ¿Cuál es la probabilidad de que una de estas piezas falle antes de 15,000 horas de uso?
(b) ¿Cuánto tiempo debemos esperar para alcanzar un 1% de fallas?

(a) F(t) = 1- e-λt = 1 – e-0.0000004 x 15,000 = 0.001 = 0.6%

Reordenando

(b) t = -ln(1 – F(t))/λ = ln(1 - .01)/.0000004 = 25.126 hrs.

(c) ¿Cuál sería el tiempo medio entre falla (TMEF)?

(c) TMEF = ∫R(t)dt = ∫ e-λtdt = 1/λ = 250,000 hrs.


(d) ¿Cuál sería la mediana del tiempo medio entre falla (el tiempo en el cual la mitad de la
población ha fallado)?

(d) F(T50) = 0.5 = 1- e-λt50

T50 = ln2/λ = 0.693/.0000004 = 1,732,868 hrs.

Este es el tipo de información que podemos esperar examinando los datos vía principios de
ingeniería de confiabilidad incorporados en el software. Continúe la lectura para ver como hacerlo.

Consideraciones de la vida real – el problema de los datos

Irónicamente, a menudo dejamos que la poca información requerida para gestión de confiabilidad
se nos escape entre los dedos mientras perseguimos implacablemente el siempre elusivo control sobre los
costos de mantenimiento de nuestra planta y equipo productivo. La administración de los datos es el
primer paso hacia una gestión de activos físicos exitosa. Buenos datos personifican una rica experiencia de
la cual uno puede aprender – y por ende mejorar – el actual proceso de gestión de mantenimiento de su
empresa. Un rol esencial de la alta gerencia es poner amplios recursos computacionales y métodos
científicos en manos de profesionales de mantenimiento que han sido entrenados para recolectar, filtrar, y
procesar datos con el propósito explícito de guiar las decisiones. La intención de este capítulo es inspirar a
mantenedores, planificadores, ingenieros, y gerentes a recolectar de manera seria y continua sus propios
datos de mantenimiento y reemplazo, con un renovado entendimiento de su alto valor para el resultado final
de su organización.

Irónicamente, a menudo dejamos que la poca información requerida para gestión de confiabilidad se
nos escape entre los dedos mientras perseguimos implacablemente el siempre elusivo control sobre
los costos de mantenimiento de nuestra planta y equipo productivo.

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 subsecuentes que pueden
parecer triviales por comparación. La historia de la humanidad es una de progreso construido sobre la base
de sus experiencias. Sin embargo, han habido incontables momentos en que se han derrochado
oportunidades por omitir la recolección y procesamiento de datos que estaban disponibles. Hoy,
desgraciadamente, muchos departamentos de mantenimiento caen en esa categoría. Por esto una de las
métricas más importantes usadas en el Centro de Excelencia de Gestión de Mantenimiento de
PricewaterhouseCoopers para hacer benchmarks relativos a mejores prácticas clase mundial de la industria,
es la medida en que datos son retro-alimentados para guiar sus decisiones, tácticas y políticas de
mantenimiento.

A continuación se dan ejemplos de decisiones basadas en gestión de datos de confiabilidad:


♦ Un planificador de mantenimiento detecta tres fallas durante operación de un componente en
un período de tres meses. Para prever la planificación de suficiente mano de obra disponible
el superintendente pregunta, “¿Cuántas fallas va a tener en el próximo trimestre?”
♦ Para ordenar repuestos y programar la mano de obra de mantenimiento, ¿Cuántas cajas de
cambio van a ser devueltas a bodega para reacondicionamiento por cada modo de falla en el
próximo año?
♦ Un sistema de tratado de efluente requiere una detención regulatoria para
reacondicionamiento cada vez que el nivel contaminante excede un límite tóxico por más de
60 segundos en un mes. ¿Qué nivel y frecuencia de mantenimiento se requiere para evitar
interrupciones de producción de este tipo?
♦ Después de una modificación de diseño para eliminar un modo de falla, ¿Cuántas unidades
deben probarse y por cuánto tiempo para verificar que ese modo de falla ha sido eliminado, o
significativamente mejorado con una confianza de 90%?
♦ Las transmisiones de una flota de camiones de extracción se reacondicionan rutinariamente a
las 12,000 horas según lo estipulado por el fabricante. Un número de fallas ocurre antes del
reacondicionamiento. ¿Por cuanto se debería adelantar o retrasar el reacondicionamiento para
reducir los costos promedios de operación?
♦ El costo de producción perdida es cuatro veces el costo de reemplazo preventivo de un
componente desgastado. ¿Cuál es la frecuencia óptima de reemplazo?
♦ Los valores fluctuantes de hierro y plomo en el análisis trimestral de aceite de transmisiones
de 35 camiones de extracción, así como los tiempos de falla de las 35 unidades en los últimos
tres años, están disponibles en la base de datos. ¿Cuál es el momento óptimo de reemplazo,
dadas las edades de las unidades y los últimos resultados de laboratorio de los niveles de
hierro y plomo? (Este problema será examinado en el capítulo 6.)

Vale la pena sin duda, por tanto, implantar procedimientos que registren datos de vida a nivel de
sistema y, donde se justifique, a nivel de componente. Los datos de vida de un componente o sistema dado
comprenden los registros de reemplazo preventivo y la temporalidad de fallas. Cuando un mantenedor
reemplaza un componente, digamos una bomba hidráulica, una de las tantas idénticas de un equipo cuya
disponibilidad es crítica para la operación de la empresa, debería indicar cuál fue la bomba específica que
falló. Más aún, debería especificar como falló (el modo de falla), por ejemplo “fugando” o una
“insuficiencia de presión o volumen”. Dado que las horas de operación del equipo se conocen, la vida útil
de componentes individuales críticos puede ser calculada y monitoreada vía software. Esta información se
convertirá en parte valiosa del activo intelectual de la empresa – la base de datos de confiabilidad.

Datos censurados o suspensiones

Un problema inevitable en el análisis de datos es que al momento de hacer nuestras observaciones


y análisis, no todas las unidades habrán fallado. Conocemos la edad de las unidades que actualmente no
han fallado, y sabemos también que todavía están en un estado de no-falla, pero no sabemos (obviamente)
la edad a la que van a fallar. Algunas unidades pueden haber sido reemplazadas de manera preventiva. En
estos casos tampoco sabemos la edad de falla. Se dice que estas unidades están suspendidas o simplemente
censuradas. Si bien no es estadísticamente ideal, aún podemos hacer uso de estos datos, ya que sabemos
que las unidades han durado por lo menos todo este tiempo. Buenos softwares de confiabilidad, como
Winsmith para Windows, RelCode, y EXAKT descritos en el capítulo 5 y 6, pueden manejar en forma
apropiada el tema de datos suspendidos.

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 edad de falla.

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.
capítulo cinco
Optimizar mantenimiento por tiempo
Herramientas para diseñar un sistema de reemplazos para sus
componentes críticos
Por Andrew K.S. Jardine
La meta de este capítulo es introducir herramientas que pueden ser usadas para
deducir decisiones óptimas de mantenimiento y reemplazo. Se pondrá especial
atención en establecer el período óptimo de reemplazo para componentes críticos
(también conocidos como unidades de reemplazo, o LRUs) dentro de un sistema.
Miraremos también estrategias de reemplazo por edad y por bloques a nivel de LRU. Esto permite
introducir el paquete de software RelCode como herramienta para ayudar a gerentes de mantenimiento a
optimizar sus decisiones de mantenimiento de LRU. Además daremos una mirada a los criterios de
optimización de minimización de costos, maximización de disponibilidad, y requerimientos de seguridad.

Aumentar la confiabilidad vía el reemplazo preventivo

La confiabilidad del equipo puede incrementarse reemplazando en forma preventiva componentes


críticos dentro en momentos apropiados. Determinar cuál es el momento apropiado depende del objetivo
general, tal como la minimización de costos o la maximización de disponibilidad. Aún cuando el mejor
momento para reemplazo preventivo puede ser el mismo para ambos casos, la minimización de costos y la
maximización de disponibilidad, no es necesariamente así. Hay que obtener y analizar los datos antes de
poder identificar el mejor momento de reemplazo preventivo. En este capítulo se presentarán varios
procedimientos de optimización que pueden usarse fácilmente para establecer tiempos óptimos de
reemplazo preventivo de componentes críticos.

Políticas de reemplazo por bloques

La política de reemplazo por bloques es algunas veces denominada política de grupo o de


intervalo constante, ya que el reemplazo preventivo ocurre en intervalos fijos de tiempo con reemplazos por
falla ocurriendo cada vez que sea necesario. La política se ilustra en la figura 22, en la cual Cp y Cf son los
costos totales asociados con reemplazo preventivo y por falla respectivamente, y tp es el intervalo fijo entre
reemplazos preventivos. En la figura se puede ver que durante el primer ciclo no hay fallas, mientras que
hay dos en el segundo, y ninguna en el tercero o cuarto.

Nuevo
Cf Cf
Item Cp Cp Cp Cp

tp tp tp tp t

La política de reemplazo preventivo por intervalo

Figura 22: Política de reemplazo por bloques


A medida que se incremente el intervalo entre reemplazos preventivos habrá mayor cantidad de
fallas en cada intervalo, y la optimización se logra al obtener el mejor balance entre la inversión en
reemplazos preventivos y las consecuencias de falla. Este caso se ilustra en la figura 23 para un criterio de
minimización de costos, donde C(tp) es el costo semanal total asociado a la política de reemplazo
preventivo de componentes en un intervalo fijo de tiempo tp, con reemplazos por falla cada vez que sea
necesario. La ecuación de la curva de costo total puede encontrarse en varios textos, incluyendo Duffuaa,
Raouff, y Campbell [ref. 1].

Costo total por semana C(tp)

Reemplazo por falla


$ / Semana

Reemplazo preventivo

Intervalo optimo de reemplazo preventivo

Conflictos de costos del reemplazo preventivo

Figura 23: Política por bloques: líneas optimas de reemplazo

El próximo problema se ha resuelto usando el paquete de software RelCode, que incorpora el


modelo de costos para establecer el mejor intervalo entre reemplazos preventivos.

Enunciado del problema

Se ha determinado que la ocurrencia de fallas del rodamiento de ventilador usado en los motores
diesel se comporta según una distribución de Weibull, con una vida media de 10,000 Km y una desviación
estándar de 4,500 km. La falla del rodamiento en operación es costosa y, en total, un reemplazo por falla es
10 veces más caro que un reemplazo preventivo. Necesitamos determinar el intervalo óptimo de reemplazo
preventivo (o política de bloque) para minimizar el costo total por kilómetro. ¿Cuál es el ahorro de costos
asociado a la política óptima vs. una política de correr-a-la-falla?

Dado que el costo de falla es de $200,000, ¿cuál es el costo por kilómetro asociado a la política
óptima?

Resultado

La figura 24 muestra un “pantallazo” de RelCode, donde se puede apreciar que el período óptimo
de reemplazo preventivo es de 4,140 km. La figura provee además mucha información adicional que puede
ser valiosa para el planificador de mantenimiento. Por ejemplo:
Figura 24: Salida de RelCode: reemplazo por bloques

♦ El ahorro comparado a una política de correr-a-la-falla es: $0.1035/km (55.11%)


♦ El costo por kilómetro asociado a la mejor política es: $0.0843/km

Políticas de reemplazo por edad

La política de reemplazo por edad es donde el tiempo de reemplazo preventivo depende de la edad
del componente. Si ocurre un reemplazo por falla, entonces el reloj registrador vuelve a cero, lo que difiere
con la política de reemplazo por bloques. La figura 25 ilustra una política por edad, donde podemos ver
que no hay fallas en el primer ciclo. Después de la primera falla, el reloj vuelve a cero y el componente
alcanza su edad de reemplazo preventivo planeado, tp. Después de este segundo reemplazo preventivo, el
componente nuevamente sobrevive hasta la edad de reemplazo preventivo planificado.

Nuevo
Cf
Item Cp Cp Cp

tp tp tp t

La política de reemplazo preventivo por intervalo

Figura 25: Política de reemplazo por edad


Las consecuencias de costo en conflicto asociadas con esta política son idénticas a aquellas
mostradas en la figura 23, excepto que el eje de abscisas - x mide la edad real (o utilización) del ítem, en
vez de un intervalo fijo de tiempo.

El próximo problema se ha resuelto usando el paquete de software RelCode, que incorpora el


modelo de costos para establecer el mejor intervalo entre reemplazos preventivos.

Enunciado del problema

La centrífuga de una refinería de azúcar es una máquina compleja compuesta de muchas partes y
sujeta a fallas repentinas. Un componente en particular, el brazo seleccionador, es considerado candidato a
reemplazo preventivo. La política que hay que considerar es por edad, con reemplazos preventivos que
ocurran cuando el brazo seleccionador alcance una edad específica. ¿Cuál es la política óptima para
minimizar el costo por hora?

Para resolver este problema se han reunido los siguientes datos:


1. Los costos de mano de obra y materiales asociados con un reemplazo preventivo o por falla
son de $2000;
2. El valor de pérdidas de producción asociadas con reemplazo preventivo es de $1000, mientras
que con reemplazo por falla es de $7000;
3. La distribución de fallas del brazo seleccionador se describe adecuadamente por una
distribución Weibull con vida media de 152 horas y desviación estándar de 30 horas.

Resultado

La figura 26 muestra un “pantallazo” de RelCode, donde la edad óptima de reemplazo preventivo


de la centrífuga es de 112 horas. La figura también entrega información clave que puede ser usada por el
planificador de mantenimiento. Por ejemplo, podemos ver que la política óptima cuesta un 45.13% del
costo asociado a una política de correr-a-la-falla, y por tanto está claro que reemplazo preventivo es una
táctica de mantenimiento muy útil. Además, la curva de costo total es relativamente plana en la región
entre las 90 y las 125 horas, y de esta manera concede flexibilidad al programador de mantenimiento para
planificar reemplazos preventivos.

Figura 26: Salida de RelCode: reemplazo basado en la edad


Cuándo usar reemplazo por bloques en vez de por edad

El reemplazo por edad puede parecer más atractivo que el reemplazo por bloque, ya que un
componente recién instalado nunca es reemplazado de manera preventiva. Siempre se permite que el
componente permanezca en servicio hasta su edad programada de reemplazo preventivo.

Sin embargo, la implantación de una política por edad requiere que se mantenga un registro de la
edad real de componentes, y que si ocurre una falla el tiempo esperado de reemplazo preventivo sea
cambiado. Claramente, para componentes costosos va a ser económicamente justificable monitorear la
edad de un ítem y aceptar la reprogramación del tiempo de reemplazo. Para componentes que no son
costosos, puede ser apropiado adoptar una política de fácil implantación como la de reemplazo por bloques;
sabiendo que al momento de efectuar los reemplazos preventivos la unidad que esté siendo reemplazada
pueda ser bastante nueva debido a su reciente instalación a causa de un reemplazo por falla. Este
compromiso es obviado por software moderno de gestión de activos, que puede convenientemente hacer
seguimiento de edades operativas de componentes si es notificado de eventos de falla y reemplazo.

Establecer políticas de mantenimiento basadas en tiempo

Restricciones de seguridad: hasta ahora, la discusión ha presumido que el objetivo era establecer
el mejor momento para reemplazar un componente de manera preventiva, tal de minimizar el costo total.

Si la meta es asegurar que la probabilidad de falla antes del próximo reemplazo preventivo no
exceda un valor particular, como por ejemplo un cinco por ciento, entonces el tiempo para programar un
reemplazo preventivo puede obtenerse de la distribución de falla como se ilustra en la figura 27. Es decir,
simplemente necesitamos identificar en el eje de las abscisas el tiempo que corresponde a un valor de cinco
por ciento en el eje de las ordenadas.

Figura 27: Edad óptima de reemplazo: mantenimiento basado en riesgo


Minimización de costos y maximización de disponibilidad: En la discusión de arriba, el
objetivo era la minimización de costos. La maximización de disponibilidad simplemente requiere que, en
los modelos, el costo total de reemplazos preventivos o por falla sea reemplazado por el tiempo total de
detención asociado con reemplazos preventivos o el tiempo total de detención asociado a reemplazo por
falla. La minimización del tiempo total de detención es, entonces, equivalente a la maximización de
disponibilidad. Los lectores que deseen trabajar con una variedad de problemas usando RelCode pueden
hacerlo obteniendo una versión de demostración del software contactando al autor [ref. 2].

Referencias:
1. Duffuaa S.O., Raouff A., Campbell J.D., Planificación y Control de Sistemas de Mantenimiento,
Wiley 1998.
2. Lectores pueden contactar al autor vía correo electrónico a andrew.k.jardine@ca.pwcglobal.com.
capítulo seis
Optimizar mantenimiento sintomático
Aprovechando el equipo al máximo antes de una reparación
Por Murray Wiseman

El Mantenimiento Sintomático o Basado en Condición (CBM) es obviamente una


muy buena idea. Surge del supuesto lógico de que las reparaciones o reemplazos
preventivos de equipos o sus componentes estarían óptimamente programadas si se
dieran justo antes de la ocurrencia de falla. Nuestro objetivo es obtener la máxima
vida útil de cada uno de los activos físicos antes de sacarlo de servicio para efectuar
reparaciones preventivas.
La traducción de esta idea en un programa de monitoreo efectivo se ve bloqueada por dos
dificultades. La primera es: cómo seleccionar de la multitud de parámetros de monitoreo aquellos que con
más certeza pueden indicar el estado de salud de la máquina. La segunda es: cómo interpretar y cuantificar
la influencia de mediciones en el resto de vida útil (RUL) de maquinaria. En este capítulo tomaremos en
cuenta ambos problemas.

Las preguntas esenciales que se hacen al implementar un programa sintomático (CBM) son:
1. ¿Porqué monitorear?
2. ¿Cuáles componentes del equipo monitorear?
3. ¿Cómo monitorear (qué parámetros)?
4. ¿Cuándo monitorear?
5. ¿Cómo interpretar y actuar basado en los resultados del monitoreo de condición?

Según la descripción del capítulo tres, el mantenimiento basado en confiabilidad (RCM) nos
ayuda a responder las preguntas 1 y 2. Se requieren métodos adicionales de optimización para responder
las preguntas 3, 4 y 5. En los capítulos 4 y 5 aprendimos que la manera de enfrentar estos problemas es
construir un modelo que describa los costos de mantenimiento y la confiabilidad de un ítem. En el capítulo
5 lidiamos únicamente con situaciones en que las vidas de componentes eran consideradas variables
aleatorias independientes, lo que implica que para programar el mantenimiento preventivo solo se debería
utilizar la edad del equipo. El CBM introduce nueva información, llamadas covariadas, que influencian la
probabilidad de falla en el tiempo t. Por ende, los modelos del capítulo cinco serán ampliados para incluir
el impacto de estas covariadas (por ejemplo, las partes por millón de hierro en una muestra de aceite, la
amplitud de la vibración a 2 x rpm, etc.) en la vida útil restante del equipo o sus componentes. El detallado
método para modelar que introducimos en este capítulo, que toma en cuenta datos medidos, se conoce
como Modelamiento de Riegos Proporcionales (PHM).

Desde el documento pionero de D.R. Cox [ref. 1] en 1972 sobre la materia de PHM, la gran
mayoría de usos reportados del modelamiento de riesgos proporcionales ha sido para el análisis de datos de
supervivencia en el campo médico. Desde 1985 ha habido un creciente número de referencias que incluyen
aplicaciones a turbinas marinas a gas, generadores, reactores nucleares, motores de aeronaves y frenos de
disco en trenes de alta velocidad. En 1995, en la Universidad de Toronto, A.K.S. Jardine y V. Makis
iniciaron el Laboratorio del Consorcio CBM [ref. 2], cuya misión era desarrollar software de propósitos
generales para el análisis de modelos de riesgos proporcionales. El software fue diseñado para ser
integrado a la operación del sistema de información de mantenimiento de una planta, con el propósito de
optimizar las actividades de CBM. En 1997 el resultado fue un programa llamado EXAKT (producido por
Oliver Interactive), el cual, a la fecha de este escrito, estaba en su segunda versión y rápidamente
capturando atención como una metodología de optimización de CBM. El ejemplo, gráficos, y cálculos
asociados presentados aquí han sido elaborados usando el programa EXAKT. Lectores que quieran trabajar
con los ejemplos usando el programa pueden hacerlo obteniendo una versión de demostración vía el autor.
Ingenieros de mantenimiento, planificadores y gerentes tratamos de efectuar mantenimiento
sintomático recolectando datos que creemos están relacionados con el estado de salud del equipo o
componente. Estos indicadores de condición (o covariadas, como son llamadas en PHM) pueden tomar
diversas formas. Pueden ser continuas, tales como temperatura operativa, o tasa de alimentación de materia
prima. Pueden ser discretas, tales como mediciones de análisis de aceite o vibración. Pueden ser
combinaciones aritméticas de datos medidos, tales como tasas de cambio de mediciones, medias móviles, o
proporciones. Dado que raramente poseemos un entendimiento profundo de los mecanismos de falla
implícitos, las alternativas de indicadores de condición son interminables. Sin una manera sistemática de
discriminar y rechazar datos superfluos y no-influyentes, el CBM pudiera ser mucho menos útil como
táctica de decisión de mantenimiento que si el caso fuera otro. El modelamiento de riesgos proporcionales
es un enfoque efectivo para el problema de sobrecarga de información, ya que filtra un gran número de
datos históricos de condición y fallas, y entrega una óptima recomendación de decisión fundamentada en el
estado de salud real del equipo.

En este capítulo descubrimos el modelamiento de riesgos proporcionales, describiendo cada uno


de los pasos por medio de ejemplos. La prueba estadística de varias hipótesis en el recorrido es parte
integral del proceso. Esto nos ayudará a evitar la trampa de seguir ciegamente un método sin la
verificación adecuada de los supuestos, o de si el modelo es apropiado para la situación y los datos.

Dividimos el problema de optimizar el mantenimiento sintomático en seis pasos:


1. Estudiar y preparar los datos.
2. Estimar los parámetros del modelo de riesgos proporcionales.
3. Probar cuan “bueno” es el modelo PHM.
4. Construir el modelo probabilistico de transición.
5. Hacer la decisión optima para tener el menor costo de mantenimiento de largo plazo.
6. Análisis de sensibilidad.

Primer Paso: Preparación de los datos

Estén o no disponibles herramientas o programas computacionales, el modelador debería siempre


“mirar” los datos de varias maneras [ref. 4]. Por ejemplo, muchos conjuntos de datos pueden tener la
misma media y desviación estándar, pero aún ser muy distintos – y eso puede ser de importancia crítica.
Modeladores de mantenimiento deben estar involucrados con sus aplicaciones y entender el contexto.

Se ha dado muy poca atención al proceso de recolectar datos, a pesar del creciente uso de
sofisticados y poderosos sistemas computarizados de gestión de mantenimiento (CMMS) y de gestión de
activos empresariales (EAM). Estrategias de gestión del cambio que promueven la educación y el sentido
de propiedad, y la alteración de comportamientos y actitudes relativas al reconocimiento del valor de los
datos, inspirarán una recolección meticulosa por mantenedores cuando retiren y reemplacen componentes
que hayan fallado. En el nuevo mundo industrial del Mantenimiento Productivo Total (TPM), pueden ser
considerados como los verdaderos custodios de datos y sus modelos derivados.

Datos de eventos e inspecciones

Los datos requeridos son de dos tipos – datos de eventos y datos de inspecciones. Se requieren
como mínimo, tres tipos de datos de eventos para definir la vida de un componente. Ellos son:
1. El Principio (B) de la vida del componente o el momento en que fue instalado.
2. El Termino por Falla (EF).
3. El Termino por Suspensión (ES) debido a reemplazo preventivo.

Se deben incluir eventos adicionales en el modelo si se sabe que influyen directamente en los
datos medidos. Uno de esos tipos de eventos puede ser un cambio de aceite (designado como “OC” en la
figura 29). Uno debería “decirle” al modelo que con cambios de aceite se espera que algunas de las
covariadas, tales como desgaste del metal, sean regresadas a cero. La inteligencia adicional va a evitar que
el modelo se “engañe” por disminuciones periódicas en desgaste de metales. Esto se ilustra en la figura 28.
B

ppm de hierro
No esto

C
tiempo
A Intervalo de
cambio de aceite

Figura 28: la transición verdadera es A-B-C-D, NO A-B-D.

El apriete, alineación, balanceo, o recalibración periódica del equipo puede tener efectos similares
en valores medidos (tales como mediciones de vibración) y deben ser tomadas en cuenta por el modelo.

Una muestra de datos de inspección

La figura 29 muestra un conjunto parcial de datos de transmisiones de una flota de cuatro


camiones de extracción. El conjunto completo está disponible en un archivo de base de datos MSAccess
del autor [ref. 3]. Se necesitan tales datos para construir un modelo de riesgos proporcionales (y
eventualmente una política de decisión optima). En este caso, las inspecciones son los resultados de
análisis de aceite y están designadas con asterisco (*) en la columna de “Evento”. Los datos incluyen el
historial entero de cada unidad identificada con designaciones HT-66, HT-67, HT-76, y HT-77, entre
diciembre de 1993 y febrero de 1998, y están organizados cronológicamente según el número del equipo.
Datos de inspección y eventos de transmisiones de camiones de
Figura 29 extracción
Gráficos cruzados

Los datos en la figura 29 deben ser comprendidos por el modelador. La fase de preparación de
datos incluye actividades en las cuales el modelador puede familiarizarse con los datos usando un número
de herramientas gráficas de software. El gráfico cruzado (figura 30) es una muy conveniente para el
análisis gráfico estadístico. Por ejemplo, muestra la posible correlación entre variables de diagnóstico. La
correlación entre dos variables se hace evidente cuando los puntos están agrupados en torno a una línea
recta. Si los puntos están dispersos como en la figura 30 (que es un gráfico de hierro vs. plomo), uno puede
ver fácilmente que no hay correlación entre las dos variables. Si la correlación fuera evidente, sería
conocimiento útil en los siguientes pasos del modelamiento.

Datos de inspección y eventos de transmisiones de camiones de


Figura 29 extracción (continuación)

Limpiar los datos

El termino técnico usado por los estadísticos cuando datos contienen eventos y valores engañosos
y no apropiados es “sucios”. Los datos sucios deben ser limpiados antes de sintetizarlos en el modelo que
se usará para decisiones y políticas futuras. Esto incluye verificar la validez de datos inapropiados que se
encuentran en la serie de datos de inspección.

Transformaciones de los datos

El modelador necesita tener a su disposición, no solo los datos en sí, si no que además cualquier
combinación (transformación) de datos que crea puedan ser covariadas influyentes.

Un área obvia de interés en el terreno de datos transformados es la edad del aceite de lubricación,
que no está directamente disponible en la base de datos pero que puede calcularse sabiendo las fechas de
cambios de aceite (OC). En el presente ejemplo uno esperaría que el nivel de los “metales de desgaste”
hierro y plomo fuese bajo justo después de un cambio de aceite, y que aumentara linealmente mientras este
envejece y las partículas se acumularan y quedaran residentes en el sistema de circulación de aceite. Un
gráfico cruzado (figura 31) de la edad de aceite y el hierro niega esta teoría excepto para edades muy bajas
del aceite lubricante. Por ende, el modelador puede concluir que la edad del aceite, en este sistema, no es
una covariada significativa.

Datos de inspección y eventos de transmisiones de camiones de


Figura 29 extracción (continuación)

Segundo paso: construir el modelo de riesgos proporcionales


Este paso lo realiza en su totalidad el software. Los parámetros de la ecuación del PHM son
estimados.

Ecuación 1:

h(t) = (β / η)(t / η) β-1 eγ1Z1(t)+γ2Z2(t)+...+γnZn(t)

Datos de inspección y eventos de transmisiones de camiones de


Figura 29 extracción (continuación)

Al examinar la ecuación (1) podemos ver que esta amplía la función de riesgo de Weibull descrita
en el capítulo 4 y aplicada en el capítulo 5. La nueva parte incluye (en forma de expresión exponencial) las
covariadas Zi(t) que son la serie de ítems CBM medidos, como por ejemplo, las partes por millón de hierro
y otros metales de desgaste presentes en una muestra de aceite. Los parámetros de las covariadas γi
especifican la “influencia” relativa que tiene cada covariada en la función de riesgo (o tasa de falla). Un
valor muy bajo de γi tendería a indicar que la covariada correspondiente tiene poca influencia y no vale la
pena medirla. El software que prueba si cada covariada es significativa o no, usa una prueba estadística.
De hecho, una variedad de pruebas estadísticas dentro del software (estimaciones de probabilidad máxima,
Wald, Chi cuadrado, residuos Cox-generalizados, Kolmogorov-Smirnov) proveen criterios sistemáticos
para probar diversas hipótesis relativas a la confianza y significancia del modelo.

Los algoritmos del software ajustan el modelo de riesgos proporcionales a los datos, entregando
estimaciones no solo del parámetro de forma β y parámetro de escala η como era el caso en los ejemplos de
Weibull del capítulo 5, sino que también estimaciones del parámetro γi de cada covariada.

Datos de inspección y eventos de transmisiones de camiones de


Figura 29 extracción (continuación)

Tercer Paso: Probar el PHM

Revisemos nuestros objetivos. Estamos buscando un mecanismo de decisión que en el largo plazo
resultará en el menor costo total de mantenimiento. Recuerde que el costo total de mantenimiento incluye
el costo de reparación de fallas (que típicamente incluyen una variedad de costos adicionales tales como el
costo de producción perdida). Por lo tanto, es esencial que estemos confiados en que el modelo refleje de
una manera adecuada y realista las características de las fallas de nuestro equipo o sistema. El análisis de
los residuos es un procedimiento que nos dice cuan bien se ajustan los datos al modelo PHM. El modelo de
residuos Cox-generalizados se aplica para probar el ajuste del modelo. El método genera matemáticamente
números que son conocidos como “residuos”. Luego los residuos son analizados gráficamente.
Hay una variedad de tipos de diagramas usados para evaluar cuan bien se adecúa el modelo. Uno
de ellos es el gráfico de “Residuos en Orden de Apariencia”, figura 32. Este método gráfico diagrama los
residuos en el mismo orden de los historiales que aparecen en la figura 29. El valor residual promedio debe
ser igual a 1 para obtener, si el modelo se ajusta bien a los datos, que la dispersión aleatoria de los puntos
sea en torno a la línea y = 1. (Los datos censurados fueron discutidos en el capítulo 4.) Para ayudar a
examinar los residuos, los límites inferiores y superiores están incluidos en el gráfico. Si el PHM se ajusta
bien a los datos se espera que por lo menos el 90% de los residuos se encuentre dentro de estos límites. El
modelador usa una variedad de herramientas matemáticas y gráficas para desarrollar, probar, comparar, y
ganar confianza en su modelo.

Figura 29
Datos de inspección y eventos de transmisiones de camiones de
extracción (continuación)
Plomo

Hierro

Figura 30: Gráfico cruzado de ppm de hierro vs. ppm de plomo

Figura 31: Hierro vs. edad del aceite

Residuos en orden de aparición


Residuo

Historia

Figura 32: El modelo probabilistico de transición


Cuarto paso: El modelo probabilistico de transición

En este punto del proceso de optimización de CBM, el PHM habrá sido desarrollado y probado
por el modelador por medio de las herramientas de software descritas en las secciones anteriores. Estará
presuntamente satisfecho o confiado que el modelo se ajusta a los datos limpios de una buena manera. Para
cada una de las covariadas en el modelo, el modelador debe ahora definir rangos de valores o estados, por
ejemplo bajo, medio, alto, o niveles normales, marginales o críticos. Los rangos de las covariadas son
fijados por el modelador según su instinto, experiencia en planta, sus revisiones de datos, o mediante el uso
de algún método estadístico tal como poner el límite a dos desviaciones estándar de la media para definir el
nivel medio, y a tres desviaciones estándar para definir el nivel alto en el rango de valores.

Discusión sobre la probabilidad de transición

Una vez que el modelador ya ha establecido el rango de las covariadas (límites superiores e
inferiores), el software calcula la Matriz de Probabilidad de Transición del Modelo en Cadena de Markov
(figura 33), que es una tabla que muestra las probabilidades de ir de un estado (por ejemplo, contaminación
leve, contaminación media, contaminación alta) a otro entre intervalos de inspección. Dicho de una manera
más formal, “la tabla provee una estimación cuantitativa de la probabilidad de que el equipo se encontrará
en un estado en particular durante la próxima inspección, dado su estado de hoy.”

Figura 33: La matriz de probabilidad de transición del modelo en cadena de


Markov

Esto significa que dado el presente rango de valores de una variable, podemos predecir (basados
en el historial), con una cierta probabilidad, su rango de valores para la próxima inspección. Por ejemplo,
si la última inspección mostró un nivel de hierro menor que 13 partes por millón (ppm) podemos, en este
ejemplo, predecir que el próximo registro estará entre 13 y 26 partes ppm con una probabilidad de 12%, y
en más de 26 ppm con una probabilidad de un 1.6%. Probabilidades tales como 12% y 1.6% son llamadas
probabilidades de transición.

Quinto Paso: La decisión óptima

En este paso le “decimos” al modelo (consistente hasta ahora del PHM y el modelo probabilistico
de transición) los costos respectivos de reparaciones o reemplazos preventivos y generados por falla.

El gráfico de la decisión de reemplazo, figura 34, es la culminación del proceso de modelamiento.


Este combina los resultados del modelo de riesgos proporcionales, del modelo probabilistico de transición,
y de la función de costos, para mostrar la mejor política de decisión con relación al componente o sistema
en cuestión.

La ordenada es la covariada compuesta, Z – una suma ponderada de aquellas covariadas que se ha


determinado estadísticamente que influencian la probabilidad de falla. Cada covariada medida en la más
reciente inspección habrá contribuido su valor a Z. Esa contribución va a haber sido ponderada de acuerdo
a su grado de influencia en el riesgo de falla en el próximo intervalo de inspección.
Decisión de reemplazo

(No reemplace antes de la próxima inspección).

(Espere reemplazar antes de la próxima inspección).


(Reemplace inmediatamente.)
Covariada Compuesta

(No reemplace)

Edad Operativa

Figura 34: El gráfico de la decisión optima de reemplazo

La ventaja es evidente. En un solo gráfico se ha obtenido la información filtrada sobre la cual se


basará una decisión de reemplazo. La alternativa hubiera sido examinar gráficos de tendencias de docenas
de parámetros de condición y “adivinar” si se debe reparar o reemplazar el componente inmediatamente o
esperar un poco más. Al aceptar la recomendación del Gráfico de la Decisión Optima de Reemplazo, se
actúa acorde a la mejor política para minimizar los costos de mantenimiento de largo plazo.

Sexto paso: Análisis de sensibilidad

Queda un paso por completar. ¿Cómo sabemos que el Gráfico de Decisión Optima de Reemplazo
verdaderamente constituye la mejor política a la luz de la situación siempre cambiante de nuestra planta?
¿Son los supuestos que usamos aún validos, y si no, cuál va a ser el efecto de esos cambios? ¿Sigue siendo
óptima nuestra decisión? Estas preguntas se contestan vía el análisis de sensibilidad.

El supuesto que hicimos al construir la función de costos se centró en los costos relativos de un
reemplazo planificado vs. los de un reemplazo forzado por una falla repentina. Esa proporción de costos
puede haber cambiado. Puede que nuestros métodos contables no puedan actualmente proporcionar los
costos precisos de reparación, y por tanto, hemos tenido que estimarlos para construir nuestra función de
costos. En cualquiera de los casos, dudamos si la política dictada por el Gráfico de la Decisión Optima de
Reemplazo está bien fundada dada la incertidumbre de los costos sobre los cuales fue construida.

El propósito del análisis de sensibilidad es mitigar aquellos temores cuando no se justifican, y


dirigir al modelador a que gaste un poco de esfuerzo para obtener estimaciones más precisas de los costos
de mantenimiento donde sea necesario.

La figura 35, el gráfico de la Sensibilidad de Riesgo de la Política Optima, nos muestra la relación
entre el nivel de riesgo óptimo y la razón de costos. Si la razón de costos fuera baja, menor que tres,
entonces el nivel óptimo de riesgo aumentaría exponencialmente. Por tanto, tenemos que seguir los costos
de cerca para así asegurarnos de los beneficios calculados por el modelo.
Sensibilidad de riesgo de la política optima

Planificar menos reemplazo preventivo


Planificar más reemplazo preventivo
Nivel optimo de riesgo

Proporción de costo de reemplazo

Figura 35: Sensibilidad de la política optima a la proporción de costos

Conclusión

A medida que la intensa competencia del mercado global llega a la industria, la visibilidad de cada
aspecto del proceso productivo, en particular éste de confiabilidad de equipos, se convertirá en un
requerimiento urgente de negocio. La integración y fluidez de la cadena de abastecimiento a través de
múltiples empresas en asociación y conectadas electrónicamente, forzarán a que la información de
mantenimiento, disponibilidad, y confiabilidad pase a ser crítica para la misión.

Software amigable al usuario, pero sin embargo sofisticado, potenciará a los profesionales de
mantenimiento para responder con agilidad a la continuamente fluctuante demanda de fuerzas de mercado.
Modelos matemáticos estadísticos tales como los desarrollados con ayuda de herramientas de software
discutidas en este capítulo, en conjunto con sistemas expertos fundados en los principios del mantenimiento
basado en confiabilidad, serán los “perros guardianes” operando silenciosamente dentro del sistema
computarizado de gestión de mantenimiento de una empresa. Su función – monitorear continuamente datos
entrantes de condición y edad. Cuando los datos de condición gatillen una alerta respecto al modelo de
política óptima de mantenimiento, deberá tomarse y ejecutarse rápidamente una clara y apropiada decisión.
El escenario está fijado y los actores de mantenimiento, en distintos estados de preparación, deberán
enfrentar desafíos completamente nuevos a medida que sube el telón sobre una cultura de negocio en veloz
transformación. La gestión de este cambio girará necesariamente alrededor de la meticulosa recolección y
análisis de datos.

El escenario está fijado y los actores de mantenimiento, en distintos estados de preparación, deberán
enfrentar desafíos completamente nuevos a medida que sube el telón sobre una cultura de negocios
en veloz transformación.

Sistemas de información y base de datos de gestión de mantenimiento existentes tienen baja


utilización y población inadecuada de datos, principalmente porque los operarios y empleados de
mantenimiento no están convencidos de que hay una relación entre el registro preciso de datos de vida de
un componente y su efectividad para mantener funcionando los activos físicos de su organización. La
esperanza del autor es que los métodos descritos aquí apoyen al personal de mantenimiento en sus procesos
de toma de decisiones mientras progresan hacia la máxima confiabilidad al menor costo.
Referencias:
1. Métodos Estadísticos en la Teoría y Práctica de la Confiabilidad, Brian D. Bunday, Ellis
Horwood Limited, 1991.
2. www.mie.utoronto.ca/labs/cbm.
3. Murray.z.wiseman@pwcglobal.com
4. Confiabilidad Aplicada, Paul A. Tobias, David C. Trinidade, 1995 Van Nostrand Reinhold.
5. El Nuevo Manual de Weibull, Robert E. Abernethy, Segunda edic. Dr. Robert B. Abernethy
SAE TA 169 A35 1996X C.1 Engi.
6. “La aplicación de modelos de optimización de mantenimiento: revisión y análisis”, Rommert
Dekker, Ingeniería de Confiabilidad y Seguridad de Sistemas 51, 1996, 229-240 Elsevier
Science Limited.
7. “Sobre la aplicación de modelos matemáticos en el mantenimiento”, Phillip A. Scarf,
Periódico Europeo de Investigación Operacional, 1997 Elsevier Science.
8. “Sobre el impacto de los modelos de optimización en la toma de decisiones de
mantenimiento: el estado del arte”, Rommert Dekker, Phillip A. Scarf, Ingeniería de
Confiabilidad y Seguridad de Sistemas, 1998 Elsevier Science Limited.
9. Planificación de Mina y Selección de Equipo, A.A. Balkema, Acta de sesión del Tercer
Simposio Internacional Sobre la Planificación de Minas y la Selección de Equipos,
Estambul/Turquía.
apéndice
Navegar la red en búsqueda de
información de confiabilidad
¿Está buscando páginas útiles en Internet? Aquí tiene donde empezar
Por Paul Challen

En las páginas anteriores de este Manual de Confiabilidad hemos visto una completa
discusión de las maneras en que profesionales del mantenimiento pueden aumentar
el tiempo máximo de utilización en sus plantas. Parte de esta discusión se basa en la
necesidad de usar tecnología para recolectar el tipo de información necesaria para
implantar decisiones de confiabilidad. Junto a los diversos paquetes de software y
bases de datos que nuestros autores han recomendado, existen innumerables otros
recursos disponibles para la gente en búsqueda de información de confiabilidad – y
uno de los lugares de búsqueda más útiles es Internet.

Lo siguiente no es, de ninguna manera, un listado exhaustivo de recursos que encontrará


disponibles en la red. Aconsejamos a los lectores explorar estas páginas y seguir los vínculos (links) que
emanan de ellas.

Centro de análisis de Confiabilidad

Ubicado en la dirección http://rac.iitri.org, esta página se hace llamar el “centro de excelencia en


confiabilidad y mantenimiento en los últimos 30 años”. El RAC (centro de análisis de confiabilidad) es
operado por el Instituto de Investigación ITT en Estados Unidos, y provee información a la industria por
medio de bases de datos, manuales de metodología, revisiones del estado del arte de la tecnología, cursos
de capacitación y servicios de consultoría. Su misión es proveer experiencia técnica e información en las
disciplinas de ingeniería de confiabilidad, mantenibilidad, capacidad de apoyo y calidad, y facilitar su
implantación efectiva y económica en todas las fases del producto o el ciclo de vida del sistema.

La página web del RAC contiene recursos de información útiles, que incluyen una base de datos
bibliográfica de libros, estándares, artículos de periódicos, documentos de simposios, y otros documentos
sobre confiabilidad, mantenibilidad y capacidad de apoyo. También mantiene un calendario de eventos
venideros en toda la industria, información sobre vínculos a otras bases de datos, un “consorcio para
compartir datos” con información sobre datos de confiabilidad de partes no electrónicas, distribuciones de
modos de falla, y datos de susceptibilidad a descargas electrostáticas.

El RAC también ha compilado dos importantes listas, una de siglas frecuentemente usadas en el
mundo de confiabilidad y otra (en la dirección http://rac.iitri.org/cgi-rac/sites?0) de vínculos (links)
navegables hacia otras páginas en Internet sobre temas relacionados.

Libros y material impreso

Para aquellos profesionales que estén buscando buen material impreso, aunque un poco pasado de
moda, sobre el tema, hay una lista general de libros ubicada en http://www.quality.org/Bookstore. Para
libros sobre la confiabilidad que usted pueda comprar en-línea por medio de Amazon (www.amazon.com)
o intentar en: http//www.quality.org/Bookstore/Reliability.htm.
También hay una bibliografía completa de documentos de confiabilidad del gobierno de Estados
Unidos en la dirección http://www.incose.org/lib/sebib5.html, que cubre una gran variedad de temas
técnicos.

Organizaciones Profesionales

La página del RAC también contiene una inmensa lista de organizaciones profesionales relevantes
en la dirección http://rac.iitri.org/cgi-rac/sites?00013.

Una de las más útiles, desde el punto de vista de confiabilidad, es la página de la Sociedad para
Profesionales de Mantenimiento y Confiabilidad (SMRP), ubicada en la dirección http://www.smrp.org.
Esta organización es una sociedad independiente sin fines de lucro dedicada a los profesionales en los
campos del mantenimiento y la confiabilidad.

La sociedad está, de acuerdo a su misión, “dedicada a la excelencia en el mantenimiento y la


confiabilidad en todo tipo de organizaciones manufactureras o de servicios y a promover la excelencia
mundial del mantenimiento.” También contiene vínculos a otras organizaciones sobre temas de
mantenimiento y confiabilidad.

La página de la Sociedad de Ingenieros de Confiabilidad (SRE) en la dirección http://www.sre.org


es otro recurso útil que se relaciona con la confiabilidad. De particular interés será el boletín de la sociedad
“Lambda Notes,” y su directorio de servicios públicos de confiabilidad.

Para una perspectiva global, puede ver la página web de la Organización Mundial de
Confiabilidad en la dirección http://www.world5000.com. La página de la organización describe su plan
para implantar un Indice Internacional de Confiabilidad, en el cual cada país será clasificado según un
número de índices que conforman una puntuación general de confiabilidad.

Información general

La Revista de Confiabilidad conocida como “la primera revista dedicada específicamente a la


industria del mantenimiento predictivo, de análisis de falla & causa-raíz, mantenimiento centrado en la
confiabilidad y CMMS,” tiene su página en la dirección http://www.reliability-magazine.com.

El Centro de Mantenimiento & Confiabilidad de la Universidad de Tennessee (MCR) es una


nueva página que usa investigación y tecnología de punta para ayudar a empresas miembros a reducir las
pérdidas causadas por el tiempo de detención de los equipos. Puede visitar al MRC en la dirección
http://www.engr.utk.edu/mrc.

El Centro para la Gestión de Confiabilidad y Costo-efectividad, ubicado en la Universidad de


Exeter en Inglaterra, promueve la colaboración nacional e internacional con instituciones industriales y
otras académicas o de investigación en las áreas de confiabilidad y el mantenimiento. Su página web está
en la dirección http://www.ex.ac.uk/mirce.

El Instituto de la Vibración (ubicado en la dirección http://www.vibinst.org/) es una organización


sin fines de lucro dedicada al intercambio de información práctica sobre maquinaria y estructuras. Las
actividades del instituto también incluyen publicación de la revista Vibraciones, Acta de Sesión de sus
Reuniones Anuales, y “apuntes de cursos cortos”.