Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Técnicas de Costes Del Ciclo de Vida para La Toma de Decisiones en La Optimización Del Mantenimiento. Caso de Estudio: Industria Del Petróleo y Gas
Técnicas de Costes Del Ciclo de Vida para La Toma de Decisiones en La Optimización Del Mantenimiento. Caso de Estudio: Industria Del Petróleo y Gas
net/publication/347114343
CITATIONS READS
0 704
5 authors, including:
Some of the authors of this publication are also working on these related projects:
Optimización de la Gestión del Mantenimiento y Análisis crítico de Indicadores de Benchmarking bajo el enfoque integral de la Gestión de Activos (ISO 55000). View
project
All content following this page was uploaded by Carlos Parra on 15 December 2020.
1Universidad
de Sevilla. Escuela Superior de Ingeniería. Avda. Camino de los Descubrimientos, s/n. Isla de la Cartuja, Sevilla,
España
parrac@ingecon.net.in adolfo@us.es vgonzalezprida@us.es
ABSTRACT: RESUMEN:
Life Cycle Cost Analysis (LCCA) is a methodology developed to El análisis del Coste del Ciclo de Vida (LCCA) es una metodología
evaluate the variation in the costs of assets during their useful life. desarrollada para evaluar la variación en los costes de los activos
This paper explores aspects related to the impact of reliability on durante su vida útil. Este documento explora aspectos relacionados con
total life cycle costs and describes the basic model of constant el impacto de la fiabilidad en los costes totales del ciclo de vida y
failure rate (Woodward’s model). This model includes within its describe el modelo básico de tasa de fallo constante (modelo de
evaluation process, the estimation of the consequences (low- Woodward). Este modelo incluye dentro de su proceso de evaluación, la
reliability costs) that could be caused by the various failure events estimación de las consecuencias (costes de baja fiabilidad) que podrían
of an asset within a production system. The research considers the ser causados por los diversos eventos de fallo de un activo dentro de un
presentation of a case study for the application of the Woodward’s sistema de producción. La investigación considera la presentación de un
model in the selection and replacement of a compression system caso de estudio para la aplicación del modelo de Woodward en la
in an oil and gas industry company, which allows contrasting the selección y reemplazo de un sistema de compresión en una empresa de
performance of a traditional system versus a system based on la industria del petróleo y gas, el cual permite contrastar el desempeño
technology and tools of industry 4.0, analysing in a real case the de un sistema tradicional versus un sistema basado en tecnología y
strengths, limitations, realities, and myths of the application of this herramientas de la industria 4.0, analizando en un caso real las
type of technology in the case under study. As a final point, this fortalezas, limitaciones, realidades y mitos de la aplicación de este tipo
work concludes by presenting some recommendations aimed at de tecnología en el caso en estudio. Como punto final, este trabajo
consolidating the LCCA methodology within a process of Asset concluye presentando algunas recomendaciones destinadas a consolidar
Management. la metodología LCCA dentro de un proceso de Gestión de Activos.
Key Words: Life Cycle Costs, Reliability, Industry 4.0, Asset Palabras Clave: Costes del Ciclo de Vida, Fiabilidad, Industria 4.0,
Management. Gestión de Activos.
Pag. 1/ 21
Publicaciones DYNA SL -- c) Mazarredo nº69 - 4º -- 48009-BILBAO (ESPAÑA)
Tel +34 944 237 566 - www.revistadyna.com - email: dyna@revistadyna.com
LIFE CYCLE COST TECHNIQUES FOR DECISION MAKING IN
MAINTENANCE OPTIMIZATION. CASE STUDY: OIL AND GAS
INDUSTRY
TECNOLOGÍA DE LA
INDUSTRIA
Carlos Parra M., Pablo Viveros G., Fredy Kristjanpoller, Adolfo Crespo M., Ingeniería del
ARTICULO INVESTIGACION
Vicente González-Prida Mantenimiento
1. INTRODUCCIÓN
En el contexto de la gestión del mantenimiento, es esencial determinar el proceso adecuado de acciones que determinan la
administración eficaz y eficiente de las actividades asociadas a un proceso de mantenimiento. Para ello, se propone el modelo de
gestión del mantenimiento (MGM), que se presenta en la figura 1, el cual sintetiza y mejora la información proporcionada por otros
modelos desarrollados en la literatura [9]. Cada una de las fases propuestas por el modelo está relacionada con un área clave de
decisión dentro del mantenimiento y alineada con un proceso integral de Gestión de Activos y para cada una de las fases del
modelo se relacionan metodologías y técnicas que permiten llevarlas a cabo.
En el MGM, la fase 7 corresponde al análisis del ciclo de vida de los activos y a la optimización del reemplazo, etapa en la que se
calculan y consideran todos los Costes asociados a la vida útil de un activo, desde la investigación, el diseño y la adquisición,
pasando por la fase de operación hasta su eliminación y reemplazo. Aunque algunos Costes son evidentes, el correcto análisis del
ciclo de vida de un activo depende a su vez de la información del análisis de fiabilidad y su relación con aspectos como la tasa de
fallas, los repuestos a considerar para su mantenimiento, y los tiempos y Costes de reparación, aspectos que no son triviales ni
despreciables [9]. Asociado a esta fase del modelo, el Análisis del Coste del Ciclo de Vida del Activo (LCCA) se encuentra como la
principal herramienta de apoyo, y también como una técnica esencial para la investigación desarrollada.
Figura 1. Un modelo integrado del proceso de gestión del mantenimiento (MMM). Fuente: (Parra y Crespo, 2015) [23]
El concepto de análisis del coste del ciclo de vida comenzó a aplicarse de manera estructurada a partir de los años 70,
específicamente en el Departamento de Defensa de los Estados Unidos (DoD), en el área de la aviación militar [2]. Sin embargo, la
mayoría de las metodologías desarrolladas en esta etapa por el DoD estaban orientadas a procesos de adquisición y logística y no
incluían la fase de diseño y producción.
Pag. 2/ 21
Publicaciones DYNA SL -- c) Mazarredo nº69 - 4º -- 48009-BILBAO (ESPAÑA)
Tel +34 944 237 566 - www.revistadyna.com - email: dyna@revistadyna.com
LIFE CYCLE COST TECHNIQUES FOR DECISION MAKING IN
MAINTENANCE OPTIMIZATION. CASE STUDY: OIL AND GAS
INDUSTRY
TECNOLOGÍA DE LA
INDUSTRIA
Carlos Parra M., Pablo Viveros G., Fredy Kristjanpoller, Adolfo Crespo M., Ingeniería del
ARTICULO INVESTIGACION
Vicente González-Prida Mantenimiento
Una vez reconocida la necesidad de aplicar las metodologías del LCCA en el diseño, la planificación y el control de los procesos de
producción, la Fundación Nacional de Ciencias de los Estados Unidos patrocinó una conferencia en 1984, en la que participaron las
principales academias y organizaciones industriales [16], en la que se identificaron 34 áreas de investigación, recibiendo la máxima
prioridad las áreas de evaluación económica en la fase de diseño, análisis del ciclo de vida y diseño asistido por ordenador (CAD -
CAE: computer-aided estimating) [2].
En un intento por mejorar el diseño de los activos y reducir los cambios en el tiempo en la ingeniería concurrente, la ingeniería del
ciclo de vida ha surgido como una técnica efectiva dentro del proceso de optimización de Costes [7]. La ingeniería del ciclo de vida
considera que la fase inicial del desarrollo de un activo comienza con la identificación de su necesidad, y posteriormente se
generarán otras fases como el diseño (conceptual, preliminar, en detalle), la producción (fabricación), el uso (operaciones,
mantenimiento), el apoyo (logística) y la desincorporación (reemplazo).
Kirt y Dellisola [19] definen el LCCA como una técnica de cálculo económico que permite optimizar la toma de decisiones asociadas
a los procesos de diseño, selección, desarrollo y sustitución de los activos que componen un sistema de producción. Esta técnica
propone evaluar cuantitativamente todos los Costes asociados al período de vida económica esperado, expresados en unidades
monetarias equivalentes anuales (dólares/año, euros/año, pesos/año). Alting [1] distingue 6 fases en el ciclo de vida de un activo:
reconocimiento de la necesidad, desarrollo del diseño, producción, distribución, uso y desincorporación. El proceso del ciclo de vida
comienza con la definición de las diferentes tareas de producción para el diseño preliminar. Luego se desarrollan actividades como
el plan de producción, la disposición de la planta, la selección de equipos, la definición de los procesos de fabricación y otras
actividades similares. Posteriormente, se considera la logística previa a la fase de diseño. Esta fase rodea el desarrollo del soporte
necesario para el diseño y las diferentes etapas de soporte de producción para los posibles usuarios, el plan de mantenimiento
previsto para el uso de los activos (ver Figura 1), y el proceso de desincorporación de los activos [8]. La alteración [1] sugiere que
se deben evaluar los siguientes aspectos: fabricación ágil, protección del medio ambiente, condiciones de trabajo, procesos de
mantenimiento y optimización de los recursos humanos y económicos.
En los últimos años, los especialistas en el campo de la ingeniería de valor, el diseño y la organización de la producción han
mejorado la cuantificación del proceso de evaluación de los Costes, incluido el uso de técnicas que cuantifican el factor de fiabilidad
y el impacto de los eventos de fallo en los Costes totales de un sistema de producción a lo largo de su ciclo de vida [28]. Estas
mejoras han permitido reducir la incertidumbre en el proceso de adopción de decisiones en esferas de importancia vital como el
diseño, el desarrollo, la sustitución y la adquisición de activos de producción. Es importante aclarar que en todo el proceso del
LCCA hay muchas decisiones, tanto técnicas como no técnicas, que deben adoptarse a lo largo de la utilización de un activo
industrial. Markeset y Kumar [22] plantean que la mayoría de estas acciones; en particular las que corresponden a la fase de diseño
del sistema de producción tienen un alto impacto en el ciclo de vida del activo e influyen en gran medida en los Costes totales de
producción. Las decisiones relacionadas con el proceso de mejora del factor de "fiabilidad" (calidad del diseño, tecnología utilizada,
complejidad técnica, frecuencia de fallos, Costes de mantenimiento correctivo/preventivo, niveles de mantenimiento y accesibilidad)
tienen un interés particular, ya que estos aspectos tienen una gran influencia en el coste total del ciclo de vida del activo, e influyen
en gran medida en las expectativas de prolongar la vida útil de los sistemas de producción a Costes razonables (véanse los detalles
en [4], [22], [13]).
Las investigaciones recientes amplían y extienden la aplicación del análisis del coste del ciclo de vida, tanto en las consideraciones
relativas a las fallas como a los procesos de mantenimiento, así como en la aplicación de esta técnica en nuevos campos de
investigación.
Para diagnosticar posibles fallos del sistema para realizar un mantenimiento oportuno y minimizar los Costes de mantenimiento del
sistema, Yoon, Youn, Yoo, Kim y Kim [32] proponen considerar en el marco del análisis de los Costes del ciclo de vida la
incorporación de sistemas de control y alarmas en el contexto del diagnóstico de fallos, realizando un método de simulación
estocástica para estimar los Costes de mantenimiento en el ciclo de vida.
Por su parte, la investigación realizada por Liu, Zhao, Liu, y Liu [21] presenta un modelo para el coste del ciclo de vida considerando
que el sistema en estudio está sujeto a múltiples procesos de degradación o modos de fallo dependientes, que se modelan a través
de una función matemática que permita establecer la dependencia estocástica de este proceso; la influencia ambiental por su parte
Pag. 3/ 21
Publicaciones DYNA SL -- c) Mazarredo nº69 - 4º -- 48009-BILBAO (ESPAÑA)
Tel +34 944 237 566 - www.revistadyna.com - email: dyna@revistadyna.com
LIFE CYCLE COST TECHNIQUES FOR DECISION MAKING IN
MAINTENANCE OPTIMIZATION. CASE STUDY: OIL AND GAS
INDUSTRY
TECNOLOGÍA DE LA
INDUSTRIA
Carlos Parra M., Pablo Viveros G., Fredy Kristjanpoller, Adolfo Crespo M., Ingeniería del
ARTICULO INVESTIGACION
Vicente González-Prida Mantenimiento
afecta a los procesos de degradación. Estas consideraciones se incluyen posteriormente en el análisis del ciclo de vida del sistema,
considerando un horizonte de evaluación finito.
Otras investigaciones tratan de incluir los procesos de recuperación en el análisis del coste del ciclo de vida, como la reutilización y
el reciclado una vez que ha terminado la vida útil de los activos [17]. En este contexto, Hasegawa, Kinoshita, Yamada y Bracke [18]
proponen una revisión de las diferentes opciones en el ciclo de vida para seleccionar piezas de los procesos de desmontaje para su
reutilización, reciclaje o eliminación, en diferentes países y por tanto a diferentes valores de mercado, para obtener una tasa de
ahorro de C02 y un coste de recuperación de dichas piezas. Para abordar el problema del calentamiento global y el cumplimiento
de las normativas asociadas a los niveles de carbono atmosférico, Li y Wright [20] elaboran una revisión de las tecnologías de
emisión negativa disponibles, comparando los diferentes resultados tanto por su emisión de gases de efecto invernadero, como por
sus costes, utilizando un análisis tecno-económico y un análisis del ciclo de vida respectivamente.
Pag. 4/ 21
Publicaciones DYNA SL -- c) Mazarredo nº69 - 4º -- 48009-BILBAO (ESPAÑA)
Tel +34 944 237 566 - www.revistadyna.com - email: dyna@revistadyna.com
LIFE CYCLE COST TECHNIQUES FOR DECISION MAKING IN
MAINTENANCE OPTIMIZATION. CASE STUDY: OIL AND GAS
INDUSTRY
TECNOLOGÍA DE LA
INDUSTRIA
Carlos Parra M., Pablo Viveros G., Fredy Kristjanpoller, Adolfo Crespo M., Ingeniería del
ARTICULO INVESTIGACION
Vicente González-Prida Mantenimiento
Pag. 5/ 21
Publicaciones DYNA SL -- c) Mazarredo nº69 - 4º -- 48009-BILBAO (ESPAÑA)
Tel +34 944 237 566 - www.revistadyna.com - email: dyna@revistadyna.com
LIFE CYCLE COST TECHNIQUES FOR DECISION MAKING IN
MAINTENANCE OPTIMIZATION. CASE STUDY: OIL AND GAS
INDUSTRY
TECNOLOGÍA DE LA
INDUSTRIA
Carlos Parra M., Pablo Viveros G., Fredy Kristjanpoller, Adolfo Crespo M., Ingeniería del
ARTICULO INVESTIGACION
Vicente González-Prida Mantenimiento
Figura 3. Oportunidades para la reducción de Costes. Fuente: (Parra y Crespo, 2015) [23]
Los sistemas con cifras pequeñas de MTBF reflejan valores de baja fiabilidad y alta cantidad de fallas
Pag. 6/ 21
Publicaciones DYNA SL -- c) Mazarredo nº69 - 4º -- 48009-BILBAO (ESPAÑA)
Tel +34 944 237 566 - www.revistadyna.com - email: dyna@revistadyna.com
LIFE CYCLE COST TECHNIQUES FOR DECISION MAKING IN
MAINTENANCE OPTIMIZATION. CASE STUDY: OIL AND GAS
INDUSTRY
TECNOLOGÍA DE LA
INDUSTRIA
Carlos Parra M., Pablo Viveros G., Fredy Kristjanpoller, Adolfo Crespo M., Ingeniería del
ARTICULO INVESTIGACION
Vicente González-Prida Mantenimiento
Los sistemas con un MTTR elevado reflejan valores de mantenimiento bajos (sistemas en los que necesitan mucho
tiempo para poder recuperar su función).
Según Woodhouse [29], un factor importante del aumento de los Costes a lo largo del ciclo de vida se debe en muchas ocasiones a
la falta de previsión ante la aparición inesperada de eventos de fallo, escenario provocado por la ignorancia, y a la falta de análisis
en la fase de diseño de los aspectos relacionados con el factor de fiabilidad. Esta situación da lugar a un aumento de los Costes de
explotación (Costes que no se consideraron en las etapas iniciales del proyecto) que afecta de esta manera a la rentabilidad del
proceso de producción. En la siguiente sección se explicarán los detalles de un modelo básico, que permite evaluar el impacto
económico de la fiabilidad a lo largo del ciclo de vida de un activo industrial.
La principal contribución de esta investigación se basa en la aplicación práctica de técnicas del coste del ciclo de vida de los activos
en un problema real, lo que permite apoyar el proceso de toma de decisiones en la industria de una compañía del sector del Gas. El
estudio de caso también considera la comparación de dos alternativas para la sustitución de un activo esencial en el proceso de
producción, incluyendo como una de las alternativas un sistema basado en componentes de la industria 4.0, que permite medir el
impacto económico de la eventual incorporación de esta tecnología en la industria eléctrica.
La investigación se estructura de la siguiente manera: en la sección 2 se establecen los aspectos fundamentales del modelo de
Woodward y su aplicación al estudio de casos para la selección de un sistema de compresión, obteniéndose así los resultados de la
aplicación; en la sección 3 se desarrolla la discusión a partir de los resultados obtenidos; y en la sección 4 se establecen las
conclusiones y consideraciones finales, así como las futuras áreas de trabajo que se extienden a partir del tema de investigación
presentado.
2. MÉTODOS Y RESULTADOS
En los párrafos siguientes se desarrolló un caso práctico de aplicación de la técnica de Análisis del Coste del Ciclo de Vida (LCCA)
para identificar la mejor opción, entre dos tipos diferentes de motocompresor, que se seleccionará dentro del proyecto de instalación
de la estación de compresión de gas PTS1, para la empresa de transporte de gas T-ENERGY. La dirección técnica de la
organización T-ENERGY, seleccionó el modelo Woodward LCCA [23, 30], para llevar a cabo la comparación técnico-económica de
los escenarios entre las dos opciones de motor-compresor, que se enumeran a continuación:
- Opción 1: CA / AR (estación de moto compresión tradicional)
- Opción 2: MOP (estación de moto compresión que incluye tecnologías de la industria 4.0)
La selección del modelo Woodward por la organización T-Energy se justificó por la eficacia y la facilidad de aplicación de esta
técnica en el proceso de selección de nuevos equipos con información limitada sobre los datos de fallos. El modelo Woodward,
permite calcular rápidamente las estimaciones de Costes de las fallas con un nivel matemático poco complejo, lo que puede ayudar
a orientar el proceso de selección (compra) de diferentes alternativas y/o reemplazo de activos. La principal limitación del modelo de
Woodward está asociada al cálculo del impacto económico de la fiabilidad, ya que este modelo propone una frecuencia de fallo
constante a considerar a lo largo del ciclo de vida del activo a evaluar; en la que la realidad no se da de esta manera, ya que
normalmente la frecuencia de fallo cambia con el paso de los años debido a la influencia de diferentes factores (operaciones,
mantenimiento, calidad de los materiales, entre otros). Es importante mencionar que la organización T-Energy entiende y reconoce
las limitaciones técnicas del modelo LCCA de Woodward y su impacto en los resultados finales del estudio de caso presentado en
este informe (en particular, la dirección técnica de la organización T-Energy, considera que la facilidad de implementación del
modelo de Woodward es el criterio más importante para su aplicación en esta fase de selección de equipos) [17], [23, [30].
Para la aplicación del modelo LCCA de Woodward, la organización formó un grupo de trabajo compuesto por las siguientes
personas (4 personas) :
Pag. 7/ 21
Publicaciones DYNA SL -- c) Mazarredo nº69 - 4º -- 48009-BILBAO (ESPAÑA)
Tel +34 944 237 566 - www.revistadyna.com - email: dyna@revistadyna.com
LIFE CYCLE COST TECHNIQUES FOR DECISION MAKING IN
MAINTENANCE OPTIMIZATION. CASE STUDY: OIL AND GAS
INDUSTRY
TECNOLOGÍA DE LA
INDUSTRIA
Carlos Parra M., Pablo Viveros G., Fredy Kristjanpoller, Adolfo Crespo M., Ingeniería del
ARTICULO INVESTIGACION
Vicente González-Prida Mantenimiento
La aplicación del Modelo LCCA de Woodward, se planificó para ser ejecutada en 4 meses desde abril a julio de 2019. Además de
las 4 personas que conforman el grupo principal, se realizaron entrevistas con diferentes especialistas relacionados con las áreas a
ser evaluadas en el proceso de aplicación de la metodología LCCA de Woodward.
Dónde:
(P) = Valor Actual.
LCTC(P) = Costes totales del ciclo de vida en valor presente (P), considerando una tasa de descuento (i) y una vida útil esperada
(T).
IC = Costes de adquisición e instalación, normalmente dados en valor presente.
OC = Costes de operación, normalmente dados como un valor anualizado(**) 1.
PMC = Costes de mantenimiento preventivo, normalmente dados como un valor anualizado(**).
1
(**): Todas las categorías de gastos se convertirán en valor actual (P) a un tipo de interés (i) y a un período de vida útil previsto (T).
Pag. 8/ 21
Publicaciones DYNA SL -- c) Mazarredo nº69 - 4º -- 48009-BILBAO (ESPAÑA)
Tel +34 944 237 566 - www.revistadyna.com - email: dyna@revistadyna.com
LIFE CYCLE COST TECHNIQUES FOR DECISION MAKING IN
MAINTENANCE OPTIMIZATION. CASE STUDY: OIL AND GAS
INDUSTRY
TECNOLOGÍA DE LA
INDUSTRIA
Carlos Parra M., Pablo Viveros G., Fredy Kristjanpoller, Adolfo Crespo M., Ingeniería del
ARTICULO INVESTIGACION
Vicente González-Prida Mantenimiento
RTC = Costes Totales de Fiabilidad (Costes de falla), normalmente dados como un valor anualizado. En este caso, se considera
una tasa de fallos constante, por lo que el impacto en los Costes es el mismo en todos los años(**).
MMC = Costes de Mantenimiento Mayor /especiales), normalmente dado como un valor futuro(**).
En relación con la cuantificación de los Costes de fiabilidad (RTC), el modelo de Woodward propone evaluar el impacto de los
principales fallos en la estructura de Costes del sistema de producción, a partir de un simple proceso que se resume a continuación:
En primer lugar, se determinan los tipos de fallo más importantes, y luego se asigna a cada tipo de fallo un valor constante de
frecuencia de fallo (este valor no cambiará a lo largo de la vida prevista). Posteriormente, se estima el impacto en los Costes
anuales generados por los fallos en la producción, las operaciones, el medio ambiente y la seguridad; y por último, se estima en
valor actual a una tasa de descuento específica. Este valor representa el impacto total de los Costes de los fallos durante los años
de vida útil previstos.
A continuación, se presentan los pasos a seguir para estimar los Costes por fallas según el modelo de Woodward:
1. Define los tipos de fallo (f), donde f = 1... F para los tipos de fallo.
2. Definir la frecuencia de fallo anual esperada 𝛿𝑓 . Se expresa como fallas por año. Se considera que esta frecuencia es un
valor constante anual para el ciclo de vida útil previsto. Se estima como:
𝑁
𝛿𝑓 = (4)
𝑇
Dónde:
N = cantidad total de fallos
T = años de vida útil esperada.
3. Estimación de los Costes relacionados con cada tipo de fallo 𝐶𝑓 (US$/falla). Estos Costes incluyen los Costes de las
piezas de repuesto, la mano de obra, las penalizaciones por pérdida de producción y el impacto operativo.
𝐹
Dónde:
MTTR = tiempo medio de reparación
𝐶𝑝𝑒 = Costes de penalización por hora (producción, mano de obra, repuestos), medidos en (US$/hora).
𝑅𝑇𝐶𝑓 = ∑ 𝐶𝑓 × 𝛿𝑓 (6)
𝑓=1
5. Calcular los Costes por falla en el valor actual 𝑃𝑅𝑇𝐶𝑓 (US$). Dado un valor anualizado 𝑅𝑇𝐶𝑓 su valor monetario se
estima según el número de años de vida útil esperada (T), para una tasa de descuento (i). La ecuación para estimar el
𝑃𝑅𝑇𝐶𝑓 en valor presente es:
(1 + 𝑖)𝑇 − 1
𝑃𝑅𝑇𝐶𝑓 = 𝑅𝑇𝐶𝑓 × (7)
𝑖 × (1 + 𝑖)𝑇
Pag. 9/ 21
Publicaciones DYNA SL -- c) Mazarredo nº69 - 4º -- 48009-BILBAO (ESPAÑA)
Tel +34 944 237 566 - www.revistadyna.com - email: dyna@revistadyna.com
LIFE CYCLE COST TECHNIQUES FOR DECISION MAKING IN
MAINTENANCE OPTIMIZATION. CASE STUDY: OIL AND GAS
INDUSTRY
TECNOLOGÍA DE LA
INDUSTRIA
Carlos Parra M., Pablo Viveros G., Fredy Kristjanpoller, Adolfo Crespo M., Ingeniería del
ARTICULO INVESTIGACION
Vicente González-Prida Mantenimiento
Posteriormente, los costes calculados por fiabilidad se añaden al resto de los costes evaluados (inversión, mantenimiento
planificado, operaciones, etc.). El Coste total se estima en valor presente para el tipo de interés seleccionado y los años de vida útil
previstos; y se compara con el resultado obtenido con los Costes totales de las demás opciones evaluadas. El diagrama presentado
en la figura 4 resume a grandes rasgos los aspectos esenciales de la metodología descrita.
Figura 4. Diagrama de la metodología de los modelos Woodward y LCCA. Fuente: Elaboración propia.
2.3.1 ESTUDIO DE CASO. SELECCIÓN DEL MEJOR SISTEMA DE COMPRESIÓN PARA LA NUEVA ESTACIÓN DE
COMPRESIÓN PTS1
La siguiente aplicación del modelo Woodward LCCA se desarrolló para identificar la mejor opción técnico-económica, entre las
diferentes opciones de motor-compresor, CA/AR versus MOP, para ser seleccionada dentro del proyecto de instalación de la
estación de compresión de gas PTS1, para la compañía de transporte de gas T-ENERGY. Se evaluó un posible escenario.
- Escenario 1: Con penalización por producción. Se estima que la demanda de transporte de gas en la nueva estación de
compresión PTS1 de 270 MMCFD, sería cubierta con las siguientes alternativas:
Pag. 10/ 21
Publicaciones DYNA SL -- c) Mazarredo nº69 - 4º -- 48009-BILBAO (ESPAÑA)
Tel +34 944 237 566 - www.revistadyna.com - email: dyna@revistadyna.com
LIFE CYCLE COST TECHNIQUES FOR DECISION MAKING IN
MAINTENANCE OPTIMIZATION. CASE STUDY: OIL AND GAS
INDUSTRY
TECNOLOGÍA DE LA
INDUSTRIA
Carlos Parra M., Pablo Viveros G., Fredy Kristjanpoller, Adolfo Crespo M., Ingeniería del
ARTICULO INVESTIGACION
Vicente González-Prida Mantenimiento
✓ Opción 1: Tres motocompresores CA/AR (configuración 3 de 3) para cubrir la demanda de transporte de gas.
Incluir sistemas básicos de monitoreo en línea (PAS: Sistema Analizador Portátil) para las variables de
operación más importantes. El PAS mide los datos dinámicos relativos a la posición de los componentes
rotatorios y luego aplica los principios de la termodinámica para evaluar con precisión la condición y el
rendimiento de la maquinaria. El analizador portátil utiliza tecnologías de sensores múltiples para recoger datos
de medición grado a grado con respecto al ángulo de la manivela. Los puntos de medición incluyen la presión
en el cilindro, la vibración en el bastidor, la cruceta y el cilindro, el ultrasonido en las válvulas e inyectores, la
proximidad del movimiento de la varilla y la velocidad angular del cigüeñal. Utilizando las leyes de los gases, las
ecuaciones de diagnóstico de estado y de propiedad, el PAS y el software de simulación son capaces de
evaluar la condición mecánica, el rendimiento y el consumo de los compresores y motores alternativos. El
analizador portátil también incorpora herramientas para evaluar el equipo de forma integral. Además de la
vibración basada en el ángulo del cigüeñal necesaria para la evaluación de la maquinaria, los analizadores
incorporan las herramientas de forma de onda temporal y FFT para la evaluación de la maquinaria rotativa,
como bombas, ventiladores y motores. Se incluyen características avanzadas para analizar la condición de la
turbo maquinaria, ya sea directamente o conectándose a los sistemas de protección existentes.
✓ Opción 2: Dos compresores rotativos MOP (configuración 2 de 2) para cubrir la demanda de transporte de gas.
Incluye un sistema integral de Industria 4.0, digitalización y monitoreo total. El sistema de monitoreo integral
(4.0) incluye algunos módulos de conexión universal periférica (PUC) a cada unidad de compresor. Algunos
PUC pueden monitorear componentes y características de rotación de alta velocidad que incluyen el rotor, los
impulsores, el tren de válvulas, las variables calves del motor eléctrico, los cojinetes principales y la vibración del
bastidor. En este caso se trata de un conjunto de herramientas Internet Industrial de las Cosas (IIoT), servicios y
software en línea para monitorear, administrar y optimizar los compresores rotativos. El análisis de los datos
mediante algoritmos de "aprendizaje" ayuda al sistema a comprender las condiciones normales de
funcionamiento de cada cliente. En caso de cualquier actividad inusual o variación significativa, un ingeniero
especialista es alertado. Entonces revisarán los datos y decidirán si hay algún problema. Luego se contacta con
el cliente y se toman medidas correctivas. Si el cambio observado se considera inusual pero aceptable, se
puede enseñar al sistema a ignorar cualquier repetición del mismo. La vigilancia que se realiza es un proceso
bidireccional, a medida que se profundiza en la comprensión del algoritmo (basado en redes neuronales), puede
actualizar los parámetros dentro del propio controlador de la máquina. La máquina puede entonces alertar
directamente al personal del lugar sobre cualquier indicación de que se esté desarrollando un problema. El uso
de la realidad aumentada también puede proporcionar al personal de mantenimiento apoyo virtual de expertos
remotos que pueden ver lo que el personal de mantenimiento está viendo en tiempo real, lo que añade una
orientación y apoyo adicionales para una máquina. El sistema de vigilancia funciona de la siguiente manera:
▪ Las capacidades de detección se actualizan conectando lo que se describe como módulos de
conexión universal periférica (PUC) a la unidad de compresores.
▪ Los módulos PUC pueden monitorizar los componentes y características del motor de alta velocidad
que incluyen las piezas giratorias, el tren de válvulas, la interfaz eléctrica, los cojinetes principales y la
vibración del bastidor. En un compresor, la monitorización puede controlar la presión, la temperatura
de succión y las vibraciones (voltaje de sesgo de vibración y tiempo bruto de vibración).
▪ Los informes del sistema de compresores comparan los KPI de alto nivel, incluyendo un mapa de
calor de las unidades de mayor y menor rendimiento. Un informe de salud puede hacer que un cliente
cierre dos unidades de bajo rendimiento y ponga en marcha otra que esté operando más cerca del
máximo rendimiento. Los informes diarios generados automáticamente abordan problemas de los
componentes como la estabilidad de la captación magnética, la calibración del transductor, el voltaje
de polarización y los problemas de comunicación del hardware.
▪ El análisis de datos utiliza los datos de tendencias calculados para elaborar un informe diario de salud.
Finalmente, todas las capacidades de los analizadores portátiles, así como los sistemas en línea, se unen en un
software que permite analizar y correlacionar de forma integral todas las variables del equipo rotativo. Esta
aplicación realiza automáticamente cálculos de rendimiento, proporciona herramientas de trazado, ejecuta
escenarios hipotéticos, automatiza la elaboración de informes y proporciona diagnósticos automáticos para
Pag. 11/ 21
Publicaciones DYNA SL -- c) Mazarredo nº69 - 4º -- 48009-BILBAO (ESPAÑA)
Tel +34 944 237 566 - www.revistadyna.com - email: dyna@revistadyna.com
LIFE CYCLE COST TECHNIQUES FOR DECISION MAKING IN
MAINTENANCE OPTIMIZATION. CASE STUDY: OIL AND GAS
INDUSTRY
TECNOLOGÍA DE LA
INDUSTRIA
Carlos Parra M., Pablo Viveros G., Fredy Kristjanpoller, Adolfo Crespo M., Ingeniería del
ARTICULO INVESTIGACION
Vicente González-Prida Mantenimiento
ayudar al analista. También permite a los usuarios transferir fácilmente datos entre colegas y expertos de la
industria para su análisis a distancia, ofreciendo la posibilidad de desarrollar una aplicación de Gemelos
Digitales (Digital Twins (DT)).
En ambas opciones, al perder una unidad, generará una penalización por falta de transporte de gas. Escenario 1.
Análisis ( Con penalización de producción ):
Opción 1: Coste de pérdida de producción: 18.750,00 dólares/hora
Opción 2: Coste de pérdida de producción: 28.125,00 dólares/hora
A continuación se muestra la evaluación económica de las dos alternativas presentadas más arriba, incluidas las repercusiones
económicas de las fallas. Para la estimación de los Costes generados por los eventos de falla, se utilizará el procedimiento
propuesto por el modelo Woodward LCCA. Los datos de fallas del sistema CA / AR fueron suministrados por los usuarios que
utilizan este equipo en las áreas de producción de gas en Colombia y Argentina. Los datos de falla del sistema MOP fueron
suministrados por el fabricante de este equipo, tomando como referencia a usuarios de equipos que trabajan en condiciones
similares a las analizadas en este estudio de caso. Los datos de frecuencia de fallas (δf), MTTR y Costes de penalización por fallas
(Cpe) se muestran en la siguiente tabla
Pag. 12/ 21
Publicaciones DYNA SL -- c) Mazarredo nº69 - 4º -- 48009-BILBAO (ESPAÑA)
Tel +34 944 237 566 - www.revistadyna.com - email: dyna@revistadyna.com
LIFE CYCLE COST TECHNIQUES FOR DECISION MAKING IN
MAINTENANCE OPTIMIZATION. CASE STUDY: OIL AND GAS
INDUSTRY
TECNOLOGÍA DE LA
INDUSTRIA
Carlos Parra M., Pablo Viveros G., Fredy Kristjanpoller, Adolfo Crespo M., Ingeniería del
ARTICULO INVESTIGACION
Vicente González-Prida Mantenimiento
𝜹𝒇 : la frecuencia de los fallos 0,2 fallos/año 𝜹𝒇 : la frecuencia de los fallos 0,1 fallos/año
Pag. 13/ 21
Publicaciones DYNA SL -- c) Mazarredo nº69 - 4º -- 48009-BILBAO (ESPAÑA)
Tel +34 944 237 566 - www.revistadyna.com - email: dyna@revistadyna.com
LIFE CYCLE COST TECHNIQUES FOR DECISION MAKING IN
MAINTENANCE OPTIMIZATION. CASE STUDY: OIL AND GAS
INDUSTRY
TECNOLOGÍA DE LA
INDUSTRIA
Carlos Parra M., Pablo Viveros G., Fredy Kristjanpoller, Adolfo Crespo M., Ingeniería del
ARTICULO INVESTIGACION
Vicente González-Prida Mantenimiento
Tabla 2. Coste de las fallas, fiabilidad y mantenimiento. Estudio de caso, escenario 1. (Continuación)
Opción 1 Opción 2
Datos Datos
CA/AR MOP
Modos de falla Modos de falla
1. Compresor 1. Motor
1.5. Sistema de control ABB-
1.5. Equipo auxiliar
AC S-5000
𝛅𝐟 : la frecuencia de los fallos 0,33 fallos/año 𝛅𝐟 : la frecuencia de los fallos 1 fallo/año
MTTR (horas/fracaso) 720 horas MTTR (horas/fracaso) 24 horas
Cpe1 (por producción) 18.750 US$/hora Cpe1 (por producción) 28.125 US$/hora
Cpe2 (por materiales, mano de Cpe2 (por materiales, mano de
2,78 US$/hora 83,33 US$/hora
obra) obra)
Cpe (Cpe1+Cpe2): Costes de Cpe (Cpe1+Cpe2): Costes de 28.208,33 US$/hora
18.752,78 US$/hora
penalización (US$/hora) penalización (US$/hora)
Pag. 14/ 21
Publicaciones DYNA SL -- c) Mazarredo nº69 - 4º -- 48009-BILBAO (ESPAÑA)
Tel +34 944 237 566 - www.revistadyna.com - email: dyna@revistadyna.com
LIFE CYCLE COST TECHNIQUES FOR DECISION MAKING IN
MAINTENANCE OPTIMIZATION. CASE STUDY: OIL AND GAS
INDUSTRY
TECNOLOGÍA DE LA
INDUSTRIA
Carlos Parra M., Pablo Viveros G., Fredy Kristjanpoller, Adolfo Crespo M., Ingeniería del
ARTICULO INVESTIGACION
Vicente González-Prida Mantenimiento
Opción 1 Opción 2
Datos Datos
CA/AR MOP
2. Motor
2.1 Cabeza de cilindro
𝜹𝒇 : la frecuencia de los fallos 0,33 fallos/año
MTTR (horas/fracaso) 72 horas
Cpe1 (por producción) 18.750 US$/hora
Cpe2 (por materiales, mano de
141,91 US$/hora
obra)
Cpe (Cpe1+Cpe2): Costes de
18.891,91 US$/hora
penalización (US$/hora)
Tabla 2. Coste de las fallas, fiabilidad y mantenimiento. Estudio de caso, escenario 1. (Continuación)
Opción 1 Opción 2
Datos Datos
CA/AR MOP
Modos de falla
2. Motor
2.2 Cilindros
2.5 Turbocompresores
𝜹𝒇 : la frecuencia de los fallos 0,33 fallos/año
Pag. 15/ 21
Publicaciones DYNA SL -- c) Mazarredo nº69 - 4º -- 48009-BILBAO (ESPAÑA)
Tel +34 944 237 566 - www.revistadyna.com - email: dyna@revistadyna.com
LIFE CYCLE COST TECHNIQUES FOR DECISION MAKING IN
MAINTENANCE OPTIMIZATION. CASE STUDY: OIL AND GAS
INDUSTRY
TECNOLOGÍA DE LA
INDUSTRIA
Carlos Parra M., Pablo Viveros G., Fredy Kristjanpoller, Adolfo Crespo M., Ingeniería del
ARTICULO INVESTIGACION
Vicente González-Prida Mantenimiento
Opción 1 Opción 2
Datos Datos
CA/AR MOP
MTTR (horas/fracaso) 24 horas
Cpe1 (por producción) 18.750 US$/hora
Cpe2 (por materiales, mano de
17,23 US$/hora
obra)
Cpe (Cpe1+Cpe2): Costes de
18.767,23 US$/hora
penalización (US$/hora)
2.6 Accesorios
𝜹𝒇 : la frecuencia de los fallos 0,2 fallos/año
MTTR (horas/fracaso) 24 horas
Cpe1 (por producción) 18.750 US$/hora
Cpe2 (por materiales, mano de
115,48 US$/hora
obra)
Cpe (Cpe1+Cpe2): Costes de
18.865,48 US$/hora
penalización (US$/hora)
2.7 Estructural
𝜹𝒇 : la frecuencia de los fallos 2 fallos/año
MTTR (horas/fracaso) Una hora.
Cpe1 (por producción) 18.750 US$/hora
Cpe2 (por materiales, mano de
40,00 US$/hora
obra)
Cpe (Cpe1+Cpe2): Costes de
18.790,00 US$/hora
penalización (US$/hora)
A partir de la información que se muestra en el cuadro 2, los Costes totales por fallas (𝑃𝑅𝑇𝐶𝑓 ) se calculan en valor actual. El coste
total de las fallas por año (𝑅𝑇𝐶𝑓 ) se calcula a partir de las ecuaciones (5) y (6); los Costes totales por fallas(𝑅𝑇𝐶𝑓) se calculan con
la ecuación (7). A continuación, se presentan los resultados de los Costes totales por fallas de las dos opciones evaluadas.
Tabla 3. Resultados del Estudio de Caso de Costes de Falla, Escenario 1
Results Option 1 Option 2
CA/AR MOP
𝑅𝑇𝐶𝑓 :total costs due to failures by 24.619.807,3 US$/year 2.031.052,5 US$/year
year (US$/year)
𝑃𝑅𝑇𝐶𝑓 : total costs in present 145.966.960,5 US$ 12.041.787,1 US$
value (US$) for (i=16%, T =20
years)
Tabla 4. Resultados totales de la LCCA Estudio de caso, escenario 1 (con penalización de producción)
Pag. 16/ 21
Publicaciones DYNA SL -- c) Mazarredo nº69 - 4º -- 48009-BILBAO (ESPAÑA)
Tel +34 944 237 566 - www.revistadyna.com - email: dyna@revistadyna.com
LIFE CYCLE COST TECHNIQUES FOR DECISION MAKING IN
MAINTENANCE OPTIMIZATION. CASE STUDY: OIL AND GAS
INDUSTRY
TECNOLOGÍA DE LA
INDUSTRIA
Carlos Parra M., Pablo Viveros G., Fredy Kristjanpoller, Adolfo Crespo M., Ingeniería del
ARTICULO INVESTIGACION
Vicente González-Prida Mantenimiento
PRTCf (P) total costs by failures in present 145.966.960,5 US$ 12.041.787,1 US$
value
LCTC(P) Life Cycle Total Costs in present 241.095.525,4 US$ 92.091.968,74 US$
value, i: 16%, T: 20 years
PRTCf (P) / LCTC(P) = % (total costs by 61% 13%
failures/life cycle total costs, both in
present value)
3. DISCUSIÓN
Analizando los resultados económicos obtenidos en el LCCA (Tablas 4 y 5), el sistema de compresión MOPIC opción 2 que incluye
herramientas integrales de diagnóstico y análisis de la Industria 4.0, se convierte en la mejor alternativa económica, en comparación
con la opción 1, el sistema de compresión CA/AR. El porcentaje de Costes adicionales por la adición de herramientas inteligentes
de digitalización y monitoreo es del 14,2% de la inversión inicial total del sistema de compresión MOP. La diferencia económica
entre las dos opciones es de aproximadamente 149 MMUS$ (esta cantidad representa el ahorro potencial al seleccionar esta
opción). Un aspecto clave a considerar en este análisis está relacionado con la evaluación de los Costes totales por fallas (𝑃𝑅𝑇𝐶𝑓).
Al incluir esta categoría de Costes en el proceso de evaluación económica, se convierte en el factor con mayor peso económico en
el proceso de comparación de las dos alternativas evaluadas (la posible minimización de los Costes totales debido a las fallas está
en gran parte relacionadas por el uso eficiente que se debe dar a las herramientas de monitoreo y diagnóstico inteligente
Pag. 17/ 21
Publicaciones DYNA SL -- c) Mazarredo nº69 - 4º -- 48009-BILBAO (ESPAÑA)
Tel +34 944 237 566 - www.revistadyna.com - email: dyna@revistadyna.com
LIFE CYCLE COST TECHNIQUES FOR DECISION MAKING IN
MAINTENANCE OPTIMIZATION. CASE STUDY: OIL AND GAS
INDUSTRY
TECNOLOGÍA DE LA
INDUSTRIA
Carlos Parra M., Pablo Viveros G., Fredy Kristjanpoller, Adolfo Crespo M., Ingeniería del
ARTICULO INVESTIGACION
Vicente González-Prida Mantenimiento
propuestas por la Industria 4.0, incluidas en el sistema de compresión MOP). En resumen, la opción 2 (sistema de compresión
MOP) fue la ganadora en el LCCA y la categoría de Costes por fallas (𝑃𝑅𝑇𝐶𝑓) sólo representa el 13% de los Costes totales del
ciclo de vida, en comparación con la opción 1, sistema de compresión CA/AR, en la que la categoría de Costes por fallos representa
el 61% de los Costes totales del ciclo de vida. La opción ganadora, el sistema de compresión MOP, incluye una serie de
herramientas de la Industria 4.0 que permitirán [10]:
- Análisis de integral de información compleja: Procesar la información obtenida en diferentes fechas o en diferentes
lugares.
- Consulta y análisis multidimensional: Para analizar y extraer datos de activos desde diferentes puntos de vista.
- Análisis de los datos de la bitácora operacional: Para controlar la salud del activo durante su funcionamiento.
- Análisis de datos de flujo en tiempo real: Para detectar las tendencias de funcionamiento.
- Procesamiento de eventos complejos: Para detectar fallos antes de que ocurran.
- El análisis de base se utiliza para detectar anomalías, y los datos utilizados suelen ser locales al propio activo cuando
éste opera en condiciones normales de funcionamiento.
- Los análisis de diagnóstico proporcionan resultados muy rápidos y pueden ayudar a identificar de forma rápida las
causas de la falla.
- El análisis de pronóstico de fallos de componentes críticos, se utiliza generalmente para calcular la vida útil restante de
un componente, con un nivel de precisión muy alto.
Otro atributo que presentan las herramientas de mantenimiento 4.0 incluidas en el sistema de compresión MOP son los informes
que se pueden obtener del análisis de los datos de mantenimiento y operaciones. El análisis de la información de los informes que
se elaboren ayudará a [10]:
- Identificar las necesidades de todos los principales interesados (operaciones y mantenimiento) en el suministro y análisis de
información clave para el proceso de compresión de gas.
- Identificar los activos más críticos y luego seleccionar la información que debe tenerse en cuenta para tomar decisiones efectivas.
Por último, es necesario determinar qué datos se necesitan para obtener esta información. Los datos necesarios podrían adoptar
muchas formas diferentes, entre ellas:
- Datos sobre los activos de compresión (condiciones operacionales, niveles de rendimiento, etc.).
- Datos relativos a las actividades que se han realizado con los activos (actividades operacionales, actividades de
mantenimiento y modificaciones, mejoras o sustituciones).
- Datos sobre los impactos financieros o de otro tipo si los activos tienen un rendimiento inferior al previsto o no tienen
ningún rendimiento; datos relativos a incidentes de seguridad, ambientales o de otro tipo; datos relativos al rendimiento de
los Costes y los riesgos previstos de los activos en el futuro; etc.
- Identificar los tipos de decisiones que tendrán el mayor impacto potencial en el logro de los objetivos financieros de la gestión de
activos (organización). Las decisiones pueden adoptarse en muchos niveles organizativos diferentes, entre ellos:
- Decisiones Estratégicas - potencialmente las que tienen el mayor impacto potencial en los negocios, la inversión de
capital y la asignación de decisiones de gastos de operación. Además, aquellas decisiones para las que es más probable
que los datos objetivos sean difíciles de obtener y analizar.
- Decisiones de gestión: como la sustitución o mejora de un activo para satisfacer necesidades empresariales específicas,
sobre el momento en que se producen esos acontecimientos importantes, también las relacionadas con la asignación del
capital de explotación (como en el caso de las existencias de piezas de repuesto), las decisiones relativas a si se deben
contratar servicios externos o internos para determinadas actividades.
- Decisiones operacionales: se trata de decisiones técnicas relacionadas con las operaciones cotidianas que implican el
control a corto plazo de las actividades de mantenimiento y de operaciones.
Teniendo en cuenta la relevancia de los Costes relacionados con el fallo que presenta el estudio de caso analizado, es pertinente
señalar que el modelo de Woodward considera una tasa de fallo constante, es decir, que el impacto de los fallos en los Costes se
mantendrá constante en todos los años a lo largo de todo el horizonte de planificación. Esto revela una limitación del modelo, ya
que este supuesto no suele ser el escenario más probable de comportamiento de los fallos en el equipo. Por lo tanto, es importante
subrayar que los Costes asociados a la ocurrencia de fallos pueden ser tener ciertos niveles de incertidumbre en la estimación. El
Pag. 18/ 21
Publicaciones DYNA SL -- c) Mazarredo nº69 - 4º -- 48009-BILBAO (ESPAÑA)
Tel +34 944 237 566 - www.revistadyna.com - email: dyna@revistadyna.com
LIFE CYCLE COST TECHNIQUES FOR DECISION MAKING IN
MAINTENANCE OPTIMIZATION. CASE STUDY: OIL AND GAS
INDUSTRY
TECNOLOGÍA DE LA
INDUSTRIA
Carlos Parra M., Pablo Viveros G., Fredy Kristjanpoller, Adolfo Crespo M., Ingeniería del
ARTICULO INVESTIGACION
Vicente González-Prida Mantenimiento
modelo puede subestimar o sobreestimar esta partida de costes si el resultado se compara con la modelización de los fallos
utilizando, por ejemplo, una distribución de Weibull, resultado que a su vez dependerá del proceso de estimación y de los valores de
los parámetros obtenidos. En este sentido, el modelo de Woodward debería utilizarse para guiar el proceso de selección de
alternativas de reemplazo, pero no debería utilizarse para tomar decisiones concluyentes [9].
En resumen, los resultados del caso de estudio de LCCA, en el escenario evaluado (con penalización), generaron como mejor
opción el sistema de compresión MOP en comparación con el sistema de compresión CA/AR. Se recomienda hacer un LCCA
mucho más detallado del último caso presentado, para evaluar la renovación de los actuales sistemas de compresión CA/AR, por la
tecnología de compresores MOP, ya que, dependiendo de la información técnico-económica tomada como referencia, los
resultados obtenidos de los costes totales de ciclo de vida del sistema de compresión MOP son mucho más bajos que los
generados por la tecnología tradicional de compresores CA/AR.
A partir de los resultados obtenidos en esta evaluación, es muy fácil comprender el verdadero impacto económico que pueden traer
consigo los fallos de un sistema de producción, por lo que es muy importante, el proceso de evaluación de la fiabilidad propuesto
por el modelo de Woodward e integrarlo con el proceso de evaluación económica (impacto económico de los eventos de fallo). Todo
ello con el fin de optimizar la toma de decisiones (disminuir la incertidumbre) dentro de los procesos requeridos (evaluación,
selección y justificación) para la compra y reemplazo de activos en la organización de T-ENERGY.
La orientación de este informe hacia el estudio y análisis del factor de fiabilidad y su impacto en los Costes se debe a que gran parte
del aumento de los Costes totales durante el ciclo de vida previsto de un sistema de producción, se debe principalmente a la falta de
previsión ante la aparición inesperada de eventos de fallo, escenario causado por el desconocimiento y por la ausencia de un
proceso de evaluación técnica en la fase de diseño de los aspectos relacionados con la fiabilidad. Esta situación conlleva como
resultado un aumento de los Costes operacionales totales (Costes que no se consideraron en las fases iniciales del proyecto) y
afecta de esta manera a la rentabilidad del proceso de producción.
En el proceso de análisis de Costes a lo largo del ciclo de vida de un activo, son muchas las decisiones y acciones que deben
tomarse, siendo de particular interés para este trabajo aquellos aspectos relacionados con el proceso de mejora de la fiabilidad
(calidad del diseño, la tecnología utilizada, la complejidad técnica, la frecuencia de las fallas, los Costes de mantenimiento
preventivo/correctivo, los niveles de mantenibilidad y accesibilidad); ya que estos tienen un gran impacto en el coste total del ciclo
de vida del activo, e influyen en gran medida en las expectativas de extender la vida de los activos a Costes razonables.
Como debate final, se deben proponer importantes esfuerzos para diseñar modelos analíticos que aporten valor mejorando el
rendimiento de los activos. En la mayoría de los activos complejos de ingeniería de hoy en día, a pesar de la existencia de modelos
matemáticos bien desarrollados para evaluar la fiabilidad de un sistema, la complejidad que surge de la combinación de elementos,
y a menudo los cambios en las condiciones ambientales y operacionales, hacen que no sea práctico caracterizar un sistema
complejo mediante expresiones matemáticas cerradas [10]. Las herramientas de aplicación de la Industria 4.0: Inteligencia Artificial
(AI), Machine Learning (ML), Mellizos Digitales (DT), Redes Neuronales (NN), Internet de las Cosas (IOT), etc., proporcionan
inteligencia y flexibilidad a los modelos predictivos actuales y son muy valiosas para descubrir patrones de comportamiento. Ambas
razones hacen que estas técnicas sean cada vez más importantes [10]. En el análisis integral de diagnóstico, los datos deben ser
examinados para responder a la pregunta "¿Por qué sucedió?"; técnicas como la minería de datos, y las correlaciones se utilizan
para echar un vistazo más profundo a los datos para tratar de entender las causas de los fallos. La aplicación objetiva de las
técnicas del LCCA permitirá a las organizaciones seleccionar eficientemente sus activos físicos con un menor nivel de
incertidumbre, contribuyendo a no caer en la simplicidad de seleccionar sus activos teniendo en cuenta únicamente las tendencias
actuales "moda del momento", un escenario que hoy en día, está generando una cantidad de errores, especialmente en el proceso
de justificación de las diversas herramientas propuestas por la llamada Industria 4.0.
Por estas razones, es de suma importancia dentro del proceso de análisis de los Costes del ciclo de vida de los activos evaluar y
analizar en detalle todos los aspectos relacionados con el impacto económico de los factores de fiabilidad y mantenibilidad. En un
futuro próximo, las nuevas propuestas de evaluación de los costes de fiabilidad en los procesos de LCCA aprovecharán el
desarrollo en el campo de las matemáticas y se utilizarán métodos como:
Pag. 19/ 21
Publicaciones DYNA SL -- c) Mazarredo nº69 - 4º -- 48009-BILBAO (ESPAÑA)
Tel +34 944 237 566 - www.revistadyna.com - email: dyna@revistadyna.com
LIFE CYCLE COST TECHNIQUES FOR DECISION MAKING IN
MAINTENANCE OPTIMIZATION. CASE STUDY: OIL AND GAS
INDUSTRY
TECNOLOGÍA DE LA
INDUSTRIA
Carlos Parra M., Pablo Viveros G., Fredy Kristjanpoller, Adolfo Crespo M., Ingeniería del
ARTICULO INVESTIGACION
Vicente González-Prida Mantenimiento
-Técnicas de simulación y automatización avanzadas de la industria 4.0: digitalización, internet de las cosas, monitoreo inteligente,
etc., ver [8], [10], [11], [17], [26].
-Técnicas avanzadas de análisis estadístico de la fiabilidad: ver [5], [10], [23], [31], [6].
Por último, estos métodos tendrán sus características particulares, ya que no es factible desarrollar una única metodología de LCCA
que abarque todas las especificaciones y requisitos técnicos. Sin embargo, es necesario incluir dentro de las actuales metodologías
de LCCA modelos que permitan estimar el impacto de la fiabilidad, pudiendo reducir el nivel de incertidumbre en el proceso de
evaluación de los costes totales esperados en el ciclo de vida útil de un activo de producción.
REFERENCIAS
[1] ALTING, L. Life-cycle design of products: a new opportunity for manufacturing enterprises. In Concurrent Engineering:
Automation, Tools, and Techniques, KUSIAK, A. New York: Wiley, 1993. p. 1- 17. ISBN: 978-0471554929.
[2] ASIEDU, Y. and GU, P. Product lifecycle cost analysis: state of the art review. International Journal of Production
Research, 1998, Vol. 36 No. 4, p. 883-908. DOI: https://doi.org/10.1080/002075498193444
[3] BARLOW, R.E., CLAROTTI, C.A. and SPIZZICHINO, F. Reliability and Decision Making. Chapman & Hall, 1993. ISBN:
978-0412534805.
[4] BLANCHARD, B.S. Maintenance and support: a critical element in the system life cycle. Proceedings of the International
Conference of Maintenance Societies, 2001, Paper 003.
[5] BLOCH-MERCIER, S. Stationary availability of a semi-Markov system with random maintenance. Applied Stochastic
Models in Business and Industry, 2000, Vol. 16, p. 219-234. DOI: https://doi.org/10.1002/1526-
4025(200007/09)16:3<219::AID-ASMB416>3.0.CO;2-4.
[6] CHIU, Y. C., CHENG, F. T., and HUANG, H. C. Developing a factory-wide intelligent predictive maintenance system based
on Industry 4.0. Journal of the Chinese Institute of Engineers, 2017, Vol. 40 (7), p. 562–571. DOI:
https://doi.org/10.1080/02533839.2017.1362357.
[7] CREESE, R. C., AND MOORE, L. T. Cost modeling for concurrent engineering. Cost Engineering, June 1990, Vol. 32, No
6, p. 23- 27.
[8] CRESPO A., GONZÁLEZ-PRIDA V., GÓMEZ J. Advanced Maintenance Modelling for Asset Management. Techniques
and Methods for Complex Industrial Systems. Germany: Springer International Publishing, 2018. ISBN 978-3-319-58045-6.
[9] CRESPO M., A. Ch. 7: A Review of Key Decision Areas in Maintenance Management. In The Maintenance Management
Framework: Models and Methods for Complex Systems Maintenance. London: Springer-Verlag, 2007, p. 93-99. ISBN:
9781846288203
[10] CRESPO MÁRQUEZ, A.; GÓMEZ FERNANDEZ, J.F.; MARTÍNEZ-GALÁN FERNÁNDEZ, P.; GUILLÉN LÓPEZ, A.
Maintenance Management through Intelligent Asset Management Platforms (IAMP). Emerging Factors, Key Impact Areas
and Data Models. Energies 2020, Vol. 13, p. 3762. DOI: https://doi.org/10.3390/en13153762.
[11] CRESPO, A., MACCHI, M., HOLGADO, M., FUMAGALLI, M., BARBERÁ, L. Cyber physical systems implementation for
asset management improvement: A framework for the transition. Journal of Manufacturing Technology Management, 2014,
Vol. 25, p. 568-598. DOI: https://doi.org/10.1201/9781351174664-383.
[12] DOWLATSHAHI, S. Product design in a concurrent engineering environment: an optimization approach. Journal of
Production Research, 1992, Vol.30 No. 8, p. 1803-1818. DOI: https://doi.org/10.1080/00207549208948123.
[13] DURAIRAJ, S. and ONG, S. Evaluation of Life Cycle Cost Analysis Methodologies. Corporate Environmental Strategy,
Jan. 2002, Vol. 9, No. 1, p.30-39. DOI: https://doi.org/10.1016/S1066-7938(01)00141-5.
[14] FABRYCKY, W. J. Análisis del Coste de Ciclo de Vida de los Sistemas. Madrid: ISDEFE. Ingeniería de Sistemas, 1997,
p. 19-33. ISBN: 84-89338-15-9.
[15] FABRYCKY, W. J. AND BLANCHARD, B. S. Life Cycle Costing and Economic Analysis. New Jersey : Englewwod Cliff,
Prentice Hall, Inc., 1991. ISBN: 978-0135383230.
Pag. 20/ 21
Publicaciones DYNA SL -- c) Mazarredo nº69 - 4º -- 48009-BILBAO (ESPAÑA)
Tel +34 944 237 566 - www.revistadyna.com - email: dyna@revistadyna.com
LIFE CYCLE COST TECHNIQUES FOR DECISION MAKING IN
MAINTENANCE OPTIMIZATION. CASE STUDY: OIL AND GAS
INDUSTRY
TECNOLOGÍA DE LA
INDUSTRIA
Carlos Parra M., Pablo Viveros G., Fredy Kristjanpoller, Adolfo Crespo M., Ingeniería del
ARTICULO INVESTIGACION
Vicente González-Prida Mantenimiento
[16] FABRYCKY,W. J. Designing for the life cycle. Mechanical Engineering, January 1987, Vol. 109 No. 1, p. 72- 74.
[17] GONZÁLEZ-PRIDA, V., ZAMORA, J., CRESPO MÁRQUEZ, A., VILLAR-FIDALGO, L., DE LA FUENTE, A., MARTÍNEZ-
GALÁN, P., GUILLÉN, A. An overview on the obsolescence of physical assets for the defense facing the challenges of
industry 4.0 and the new operating environments. In Safety and Reliability – Safe Societies in a Changing World.
Proceedings of ESREL 2018, June 17-21, 2018, Trondheim, Norway. London: Taylor & Francis Group, 2018, p. 2959-
2963. ISBN: 9781351174664. DOI: https://doi.org/10.1201/9781351174664.
[18] HASEGAWA, S., KINOSHITA, Y., YAMADA, T., and BRACKE, S. Life cycle option selection of disassembly parts for
material-based CO2 saving rate and recovery cost: Analysis of different market value and labor cost for reused parts in
German and Japanese cases. International Journal of Production Economics, July 2019, Vol. 213, p. 229-242. DOI:
https://doi.org/10.1016/j.ijpe.2019.02.019.
[19] KIRT, S. AND DELLISOLA, A. Life Cycle Costing for Design Professionals. New York: McGraw Hill, 1996, p. 6-57. ISBN:
978-0070348042.
[20] LI, W., WRIGHT, M. Negative Emission Energy Production Technologies: A Techno-Economic and Life Cycle Analyses
Review. Energy Technology, Oct 2019, No. 1900871. DOI: https://doi.org/10.1002/ente.201900871
[21] LIU, B., ZHAO, X., LIU, G., and LIU, Y. Life cycle cost analysis considering multiple dependent degradation processes and
environmental influence. Reliability Engineering & System Safety, May 2020, 197.
DOI: https://doi.org/10.1016/j.ress.2019.106784
[22] MARKESET, T. AND KUMAR, U. R&M and risk analysis tools in product design to reduce life-cycle cost and improve
product attractiveness. Proceedings of the Annual Reliability and Maintainability Symposium, 22-25 January, Philadelphia.,
Jan. 2001, p. 116-22. ISBN: 0-7803-6615-8. DOI: https://doi.org/10.1109/RAMS.2001.902452.
[23] PARRA, C & CRESPO A. Ingeniería de Mantenimiento y Fiabilidad aplicada en la Gestión de Activos. Sevilla: INGEMAN,
2015, p. 203-226. ISBN: 978-84-95499-67-7.
[24] PARRA, C., CRESPO, A., KRISTJANPOLLER, F., VIVEROS, P. Stochastic model applied to evaluate the economic
impact of the failure in the cycle cost analysis (LCCA). Case Study for the Rail Freight and Oil Industries. Proceedings of
the Institution of Mechanical Engineers Part O-Journal of Risk and Reliability, 2012, 226 (4), p. 392-405.
https://doi.org/10.1177/1748006X12441880
[25] RUFF, D. N., AND PAASCH, R. K. Consideration of failure diagnosis in conceptual design of mechanical systems. Design
Theory and Methodology, ASME, 1993, p. 175-187.
[26] VILLAR-FIDALGO, L., CRESPO MÁRQUEZ, A., GONZÁLEZ PRIDA, V., DE LA FUENTE, A., MARTÍNEZ-GALÁN, P.,
GUILLÉN, A. Cyber physical systems implementation for asset management improvement: A framework for the transition.
In Safety and Reliability–Safe Societies in a Changing World. London: CRC Press, 2018, p. 3063-3069. ISBN:
9781351174664. DOI: https://doi.org/10.1201/9781351174664.
[27] WILSON, R. L. Operations and support cost model for new product concept development. Computers & Industrial
Engineering, 1986, Vol.11, p. 128- 131. https://doi.org/10.1016/0360-8352(86)90063-X.
[28] WOODHOUSE, J. Managing Industrial Risk: Getting Value for Money in Your Business. London: Chapman & Hall Inc,
1993, p.200-241. ISBN: 9780412475900.
[29] WOODHOUSE, J. Turning engineers into businessmen. London: 14th National Maintenance Conference, 1991.
[30] WOODWARD, D. G. Life Cycle Costing - Theory, Information Acquisition and Application. International Journal of Project
Management, Dec. 1997, Vol. 15, No. 6. p. 335-344. DOI: https://doi.org/10.1016/S0263-7863(96)00089-0.
[31] YAÑEZ, M., JOGLAR, F., and MOHAMMAD, M. Generalized renewal process for analysis of repairable systems with
limited failure experience. Reliability Engineering & System Safety, July 2002, Vol. 77, No. 2, p. 167-180. DOI:
https://doi.org/10.1016/S0951-8320(02)00044-3.
[32] YOON, J. T., YOUNG, B., YOO, M., KIM, Y. and KIM, S. Life-cycle maintenance cost analysis framework considering time-
dependent false and missed alarms for fault diagnosis. Reliability Engineering & System Safety, April 2019, Vol. 184, p.
181-192. DOI: https://doi.org/10.1016/j.ress.2018.06.006
Pag. 21/ 21
Publicaciones DYNA SL -- c) Mazarredo nº69 - 4º -- 48009-BILBAO (ESPAÑA)
Tel +34 944 237 566 - www.revistadyna.com - email: dyna@revistadyna.com