Traducido del inglés al español - www.onlinedoctranslator.

com

Disponible en línea en www.sciencedirect.com

ScienceDirect
Procedia Manufacturing 38 (2019) 1427–1435

29a Conferencia Internacional sobre Automatización Flexible y Fabricación Inteligente

(FAIM2019), 24-28 de junio de 2019, Limerick, Irlanda.

Desarrollo de KPI y gestión de obsolescencia en industria

mantenimiento

S. Ferreira, FJG Silva *. RB Casais, MT Pereira, LP Ferreira

ISEP - Escuela de Ingeniería, Politécnica de Oporto, Rua Dr. António Bernardino de Almeida, 431, 4200-072 Oporto, Portugal

Abstracto

Desde la industrialización de mediados del 19th siglo, el papel del mantenimiento se ha vuelto cada vez más importante a medida que pasaba el tiempo. El mantenimiento proactivo ha ganado un papel crucial, aunque muchas organizaciones todavía lo ven como un gasto y no como

una inversión. Este documento destaca el papel de los KPI y la gestión de la obsolescencia en las operaciones de mantenimiento. El primer paso fue crear un nuevo KPI para evaluar el trabajo realizado en mantenimiento, relacionándolo con el trabajo realizado en producción. Aunque la

ISO 15341: 2007 traza ciertos KPI, fue necesaria la creación de uno nuevo. El resultado fue un KPI de dos fases, en el que sus valores se comparan con una matriz de decisión que da una evaluación cualitativa del trabajo realizado. El segundo paso fue crear una herramienta de toma de

decisiones para evaluar la obsolescencia de los componentes electrónicos y elegir el enfoque de mitigación. El IEC 62402: 2007 muestra cierta terminología y algunas condiciones para verificar la obsolescencia, pero no señala si se debe utilizar un enfoque proactivo o reactivo. Al igual

que el KPI desarrollado, también se compone de un proceso de dos fases. La primera fase ayuda a ver qué componentes tienen un mayor riesgo de quedar obsoletos, mientras que la segunda fase evalúa las repercusiones para mitigar su obsolescencia. Los valores obtenidos también

están conectados a una matriz de decisiones para decidir si el enfoque para su mitigación debe ser proactivo o reactivo. El novedoso KPI y el enfoque de obsolescencia fueron probados con éxito en la práctica en una fábrica de procesamiento de lácteos, demostrando que se cumplen

perfectamente los objetivos inicialmente establecidos. también se compone de un proceso de dos fases. La primera fase ayuda a ver qué componentes tienen un mayor riesgo de quedar obsoletos, mientras que la segunda fase evalúa las repercusiones para mitigar su obsolescencia.

Los valores obtenidos también están conectados a una matriz de decisiones para decidir si el enfoque para su mitigación debe ser proactivo o reactivo. El novedoso KPI y el enfoque de obsolescencia fueron probados con éxito en la práctica en una fábrica de procesamiento de lácteos,

demostrando que se cumplen perfectamente los objetivos inicialmente establecidos. también se compone de un proceso de dos fases. La primera fase ayuda a ver qué componentes tienen mayor riesgo de quedar obsoletos, mientras que la segunda fase evalúa las repercusiones para

mitigar su obsolescencia. Los valores obtenidos también están conectados a una matriz de decisiones para decidir si el enfoque para su mitigación debe ser proactivo o reactivo. El novedoso KPI y el enfoque de obsolescencia fueron probados con éxito en la práctica en una fábrica de

procesamiento de lácteos, demostrando que se cumplen perfectamente los objetivos inicialmente establecidos. Los valores obtenidos también están conectados a una matriz de decisiones para decidir si el enfoque para su mitigación debe ser proactivo o reactivo. El novedoso KPI y el

enfoque de obsolescencia fueron probados con éxito en la práctica en una fábrica de procesamiento de lácteos, demostrando que se cumplen perfectamente los objetivos inicialmente establecidos. Los valores obtenidos también están conectados a una matriz de decisiones para

decidir si el enfoque para su mitigación debe ser proactivo o reactivo. El novedoso KPI y el enfoque de obsolescencia fueron probados con éxito en la práctica en una fábrica de procesamiento de lácteos, demostrando que se cumplen perfectamente los objetivos inicialmente establecidos.

© 2019 Los Autores. Publicado por Elsevier BV

Este es un artículo de acceso abierto bajo la licencia CC BY-NC-ND (http://creativecommons.org/licenses/by-nc-nd/4.0/) Revisión por pares bajo
la responsabilidad del comité científico de Automatización Flexible y Fabricación Inteligente 2019 (FAIM 2019)

Palabras clave: Mantenimiento proactivo, Obsolescencia, Indicadores clave de rendimiento, KPI, Mantenimiento, Gestión de mantenimiento.

* Autor correspondiente. Tel .: +351 228340500; fax: +351 228321159.Dirección de

correo electrónico: fgs@isep.ipp.pt

2351-9789 © 2019 Los Autores. Publicado por Elsevier BV

Este es un artículo de acceso abierto bajo la licencia CC BY-NC-ND (http://creativecommons.org/licenses/by-nc-nd/4.0/) Revisión por pares bajo
la responsabilidad del comité científico de Automatización Flexible y Fabricación Inteligente 2019 (FAIM 2019) 10.1016 / j.promfg.2020.01.145
1428 S. Ferreira y col. / Procedia Manufacturing 38 (2019) 1427–1435

1. Introducción

Independientemente del tipo de industria, el mantenimiento ha pasado de ser una tarea inicialmente simple y frívola a una que se
ha vuelto cada vez más importante con el paso del tiempo. Esto ha pasado de simplemente reparar el equipo cuando frena, a un
proceso cada vez más complejo y científicamente impulsado [1]. Además, el papel del mantenimiento se ha vuelto tan importante
que, para sobrevivir en el mercado moderno, la mayoría de las empresas deben esforzarse por tener un proceso y una gestión bien
implementados de esta tarea [2]. Los indicadores pueden tener un papel importante para ayudar a priorizar sectores y tareas a
implementar en cualquier tipo de sistema de producción, así como ayudar con las tareas de mantenimiento [3-5]. El ejército fue el
primer sector realmente afectado por la obsolescencia y, por ello, también fue el primero en desarrollar herramientas para mitigar
esa situación [6,7]. El propósito de este trabajo fue crear un Indicador Clave de Desempeño (KPI) que permita a una empresa evaluar
el trabajo realizado en las actividades de mantenimiento, así como un modelo para evaluar la obsolescencia de los componentes
electrónicos presentes en las máquinas incluidas en una línea de producción. Se desarrollaron estudios de caso para ayudar a validar
el nuevo modelo de enfoque de obsolescencia y KPI.

2. Revisión de la literatura

Según la norma ISO 13306: 2010 [8], el mantenimiento se define como todas las operaciones necesarias para retener o restaurar
la capacidad de un equipo para realizar su tarea. El mantenimiento se puede dividir en dos filosofías principales para su seguimiento.
Estos pueden definirse como proactivos o reactivos. El mantenimiento proactivo se puede definir como todas las operaciones
relacionadas con el mantenimiento que se llevan a cabo antes de que ocurra cualquier avería o parada. mientras que el
mantenimiento reactivo se describe como el acto de realizar dichas operaciones cuando se detecta la avería o parada [9,10]. La figura
1 [9] muestra cómo se ramifican estas dos filosofías principales.

Fig. 1. Diferentes tipos de mantenimiento

A medida que ha aumentado la necesidad de procesos de mantenimiento mejorados y más robustos, ha aumentado la
necesidad de datos más fiables y legibles para esos procesos [11,12]. Con esta recopilación de datos más confiable, los KPI
se han vuelto cada vez más importantes en la gestión del mantenimiento. Los principales indicadores utilizados para el
mantenimiento son el tiempo medio entre fallos (MTBF), el tiempo medio de reparación (MTTR) y, por último, la eficacia
global del equipo (OEE) [3,13]. La ISO 22400-1: 2014 [14] es la norma que enumera los KPI que se pueden utilizar para las
actividades de mantenimiento, separándolos de los técnicos, económicos y organizativos.
La obsolescencia también es un problema que puede afectar a las empresas a largo plazo [15]. La existencia de obsolescencia
puede confirmarse para un determinado componente, si el componente en cuestión no funciona de acuerdo con su diseño o si el
proveedor original ya no lo proporciona [16]. La industria militar es una en la que este es un problema muy recurrente, dado el
cambio de utilizar dispositivos electrónicos especialmente diseñados, que a su vez, tardarían más en volverse obsoletos, a utilizar
principalmente "componentes comerciales de la estantería", o COTS [7 , 17]. Rojoet al. [6] tener
 S. Ferreira y col. / Procedia Manufacturing 38 (2019) 1427–1435 1429

implementó un estudio para realizar una evaluación de obsolescencia basado en dos pasos que calculan la probabilidad y el riesgo, en base a
unas pocas variables de fácil determinación. Grichiet al. [18], por otro lado, han desarrollado un algoritmo de "bosque aleatorio" que utiliza
estadísticas de Baysean para pronosticar la probabilidad de volverse obsoleto.

3. Metodología

La metodología de este artículo se puede dividir en cuatro etapas. La primera etapa resultó en una revisión de la literatura
relacionada con el mantenimiento, la gestión de la obsolescencia y los KPI utilizados en la industria. La segunda etapa consistió en la
recolección de datos de las variables requeridas, tanto del KPI como del modelo de obsolescencia, así como la creación de ambas
herramientas. La tercera etapa consistió en la elaboración de un caso de estudio para evaluar la validez del KPI y modelo creado.
Finalmente, en la cuarta y última etapa, se analizaron los resultados de ambos casos de estudio y se determinaron las conclusiones,
en cuanto a la validez y utilidad de dicho KPI y modelo.

4. Análisis de KPI y Gestión de la Obsolescencia en Mantenimiento Industrial

4.1. Desarrollo de KPI

Se realizó una investigación sobre los KPIs ya desarrollados, buscando uno que permitiera establecer una relación entre el trabajo
realizado por el mantenimiento y el volumen de trabajo realizado por una unidad industrial. Dado que no existía un KPI para
correlacionar las actividades de mantenimiento con el volumen de trabajo realizado por una empresa, fue necesario analizar la
posible recolección de datos en una planta y entender cómo se podrían relacionar, permitiendo una adecuada correlación entre
estos factores. El KPI que se va a desarrollar debe poder calcularse fácilmente utilizando los datos recopilados actualmente por la
función de mantenimiento y por la función de producción. El KPI desarrollado, se puede definir como una operación de dos fases. La
primera fase se relaciona con el trabajo realizado en mantenimiento, comparando las operaciones reactivas y proactivas, en una
ecuación. La segunda fase se realiza de manera similar, en cambio esta vez, el trabajo realizado tanto en las operaciones reactivas
como proactivas se compara con el trabajo realizado en producción. Estas dos fases se pueden llamar, respectivamente, Relación
Reactiva-Proactiva y Relación de Mantenimiento-Producción, o RPR y MPR, respectivamente. El cálculo requerido se puede realizar
como se muestra en las ecuaciones 1 y 2.

Treactivo reactivo
norte Creactivo (1)
RPR = × ×
Tproactivo norteproactivo Cproactivo

=                  +                        +                    +                    (2)

× ×
−       

Sus variables son las siguientes:

• Treactivo: Tiempo total durante las operaciones de mantenimiento reactivo, durante un período de tiempo determinado;

• Tproactivo: Tiempo total durante las operaciones de mantenimiento proactivo, durante un período de tiempo determinado;

• Tproducción: Tiempo total durante el funcionamiento real, durante un período de tiempo determinado;

• nortereactivo: Número de operaciones de mantenimiento reactivo, durante un período de tiempo determinado;

• norteproactivo: Número de operaciones de mantenimiento proactivo, durante un período de tiempo determinado;

• norteconfiguración: Número de configuraciones, durante un período de tiempo determinado;

• Creactivo: Costo de las operaciones de mantenimiento reactivo, durante un período de tiempo determinado;

• Cproactivo: Costo de las operaciones de mantenimiento proactivo, durante un período de tiempo determinado;

• Cproducción: Costo de producción, durante un período de tiempo determinado.

Luego, ambos valores deben evaluarse con respecto al valor que presentan. La Tabla 1 y la Tabla 2 muestran los intervalos en los
que deben evaluarse. Después de calcular tanto RRP como MPR, es necesario hacer coincidir los valores calculados con una matriz de
decisión. La matriz de decisión se muestra en la Fig.2.
1430 S. Ferreira y col. / Procedia Manufacturing 38 (2019) 1427–1435

Tabla 1. Parámetros de evaluación de RPR

RPR Evaluación
0≤RPR≤0,15 Equipo en muy buenas condiciones
Equipo en buenas condiciones, sin embargo, se puede evaluar si el proceso o el equipo pueden tener algunos problemas,
0,15 <RPR≤0,25
dependiendo de los valores de las variables.
Equipo en condiciones razonables. Se debe realizar una evaluación para determinar las posibles causas del equipo
0,25 <RPR≤0,5
o del proceso.
RPR> 0,5 Es obligatorio verificar qué se debe hacer para revertir las fallas que puedan haber ocurrido.

Tabla 2. Evaluación de MPR

MPR Evaluación
0 <MPR≤0,01 La producción avanza sin problemas, con el equipo funcionando como se desea.
0,01 <MPR≤0,03 La producción va bien con el equipo con un rendimiento razonable.
0,03 <MPR≤0,05 Sin embargo, puede ser necesaria una producción con un rendimiento razonable para evaluar posibles mejoras en el proceso. Se
MPR> 0,05 deben evaluar las posibles causas de fallas en el desempeño y tomar acciones inmediatas para mitigar esas mismas causas.

RPR> 0,5 Razonable Malo Muy mal

0,25 <RPR≤0,5 Bien Razonable Malo

0,15 <RPR≤0,25 Muy bien Bien Razonable

0≤RPR≤0,15 Excelente Muy bien Bien

0 <MPR≤0,01 0,01 <MPR≤0,03 0,03 <MPR≤0,05 MPR> 0,05

Fig. 2. Matriz de decisiones de KPI

4.2. Desarrollo del modelo de obsolescencia

El propósito de los modelos es realizar una evaluación del estado de obsolescencia de los componentes electrónicos de los
equipos presentes en la línea de producción. En el caso de estudio desarrollado a continuación, el equipo en cuestión son las
cortadoras de queso y, aunque tienen muchos componentes mecánicos, estos son fácilmente reemplazables. Los componentes
electrónicos, debido a su naturaleza y mercado moderno, pueden no ser tan fáciles de reemplazar.
Al igual que el KPI, este modelo también consta de dos fases. La primera fase evalúa en términos de obsolescencia qué
componente es más crítico para que el equipo realice su función. La segunda fase evalúa las repercusiones de las acciones para
mitigar dicha obsolescencia que puedan tener en el sistema productivo. En este modelo, cada variable asumirá un valor de 1 a 4, de
peor a mejor. Luego, este valor se multiplicará por un peso de decisión, medido como un porcentaje, y luego se agregará a otros
valores de variables para obtener un resultado para esa fase. La Tabla 3 y la Tabla 4, muestran las variables y criterios utilizados para
evaluar los valores a utilizar. Algunos conceptos a retener para este modelo son:
• Valor en libros (BV): El valor financiero del activo, después de compensarlo con su depreciación;
• Valor del activo de reemplazo (RAV): el costo necesario para restaurar un determinado activo a su estado original. Después de
calcular los valores para ambas fases, es necesario comparar los valores con una matriz de decisión. La figura 3 muestra esta matriz de
decisiones. Después de este procedimiento, se debe obtener el enfoque más apropiado para abordar los problemas de obsolescencia en
algunos componentes seleccionados.
 S. Ferreira y col. / Procedia Manufacturing 38 (2019) 1427–1435 1431

Cuadro 3. Variables del modelo de la primera fase

Variable 1 2 3 4 Peso de decisión

Allí están no No hay alternativas El componente solo puede El componente todavía se
Reemplazo alternativas a la al componente en el adquirido en terceros puede adquirira través de su
40%
capacidad componente mercado pero todavía y / o todavía disponible en proveedor principal y / o
analizado. disponible en inventario. stock todavía disponible en stock.
Evaluación de la edad x> 5 años 5≥x> 3 años 3≥x> 2 años 2≥x≥0 años 10%
El equipo hace Trabajos de equipo sobre Equipo obras
Función del equipo en
Máquina no funciona modo automatizado sin sin limitaciones,
modo manual sin 40%
Relevancia sin componente con sin los
el componente.
componente limitaciones. componente.
Relación BV / RAV x <25% 25% ≤x <50% 50% ≤x <75% 75% ≤x 10%

Cuadro 4. Variables del modelo de la segunda fase

Variable 1 2 3 4 Peso de decisión

Equipo
reemplazo x> 5 años 5≥x> 3 años 3≥x> 2 años 2≥x≥0 años 15%
pronóstico
Componente
≥5% del RAV 3% ≤x <5% del RAV 1% ≤x <3% del RAV <1% del RAV 25%
precio
Componente
Componente
reemplazo y
reemplazo también Reemplazo de componentes
considerado cambios Simple reemplazo de
30%
Modernización
como grandes cambios y cambios menores en el
dificultad en el equipamiento componente
en el equipamiento. (ex: equipo.
(ex: algunos recableados
recableado total)
y programación)
Costo de reacondicionamiento ≥10% del RAV 5% ≤x <10% del RAV 2% ≤x <5% del RAV <2% del RAV 30%

Figura 3. Matriz de decisiones del modelo de obsolescencia

5. Resultados y debate

5.1. Implementación de KPI

La prueba de KPI se dividió en diferentes franjas horarias. La primera prueba implicó hacer un análisis mensual tanto para RPR como para
MPR. En cada prueba anterior, el intervalo de tiempo creció, a un cuarto, medio año, hasta un año completo. Esto es para ver los diferentes
resultados que se pueden obtener al usar diferentes escalas de tiempo.
1432 S. Ferreira y col. / Procedia Manufacturing 38 (2019) 1427–1435

La Tabla 5 y la Tabla 6 muestran los datos recolectados para estas pruebas, que se obtuvieron del análisis a una de las
líneas de producción del sector de loncheado de queso, que era el sector más crítico de la fábrica y donde se realizó este
estudio.
La Tabla 7 y la Tabla 8 muestran los resultados obtenidos para los estudios mensuales, trimestrales, semestrales y anuales,
respectivamente. Con respecto a estas pruebas, se puede observar que cuanto mayor es el período de tiempo en estudio, el resultado está
menos sujeto a valores atípicos. Otro aspecto que se puede decir de este KPI, es que puede dar una visión más amplia de los resultados de
mantenimiento y producción en un mismo paso. Por ejemplo, los meses 6, 10, 11 y 12 tienen una evaluación de “Razonable”, a pesar de que su
RPR es superior a 0,5, mientras que por otro lado, el mes 7 tiene una evaluación más pobre que el mes 9, a pesar de que el RPR para el siendo
este último considerablemente superior, debido a los diferentes parámetros de producción de cada mes. Para los otros estudios, se puede ver
que los resultados han sido más nivelados.

Tabla 5. Datos de mantenimiento para el cálculo de RPR y MPR

Número de Tiempo de reactiva Costo de reactivo Número de Tiempo de Costo de proactivo

Mes
reactivo (tu) (mu) proactivo proactivo (tu) (mu)
1 14 265 6 503 19 1068 22 191
2 21 406 9 007 18 1 644 30 862
3 19 309 6 061 28 5 262 95 803
4 43 900 20 349 21 2 280 57 450
5 24 515 10 938 17 690 17 614
6 79 1 854 38 622 21 1 464 27 801
7 101 2 036 39 166 22 4 770 87 447
8 45 1 363 26 859 18 4 248 77 448
9 69 2 463 47 613 23 858 15 884
10 34 988 23 808 19 1 434 27 898
11 29 849 16 024 18 582 10 600
12 69 1 635 33 361 20 900 17 839

Tabla 6. Datos de producción para el cálculo de la TPM

Mes Número de montajes Tiempo de producción (tu) Costo de producción (mu)

1 25 27 510 915 644
2 26 26 458 860 868
3 33 34 228 1157 107
4 21 25 993 776 756
5 31 32 160 929 301
6 31 33 698 930 666
7 28 36 004 1 114 306
8 28 36 103 1 222 894
9 22 25 135 794052
10 24 27 565 929 690
11 32 30 285 1009933
12 29 31 535 1067 314

Tabla 7. Resultados de RPR y MPR para el estudio mensual

Mes RPR MPR Evaluación

1 0,05 0,002 Excelente
2 0,08 0,005 Excelente
3 0,00 0,020 Muy bien
4 0,29 0,037 Razonable
5 0,65 0,002 Razonable
6 6,62 0,023 Razonable
7 0,88 0,094 Muy mal
8 0,28 0,030 Razonable
9 25,81 0,044 Malo
10 1,05 0,011 Razonable
11 3,55 0,002 Razonable
12 11,72 0,012 Razonable
 S. Ferreira y col. / Procedia Manufacturing 38 (2019) 1427–1435 1433

Tabla 8. Resultados de RPR y MPR para el estudio trimestral, semestral y anual

Análisis Tiempo RPR MPR Evaluación

Primero 0,099 0,008 Excelente
Segundo 2.220 0,014 Razonable
Cuarto
Tercera 2.632 0,054 Muy mal
Cuatro 7.234 0,007 Razonable
Primero 0,201 0,011 Bien
Semestre
Segundo 1,663 0,023 Razonable
Anual 0,688 0,017 Razonable

5.2. Modelo de obsolescencia

Para esta etapa, se eligieron componentes de tres de las líneas de corte. Estos componentes habían sido evaluados previamente
por la fábrica como peligros potenciales de obsolescencia. La Tabla 9 muestra los datos recopilados de estas líneas de producción.

Tabla 9. Características de las máquinas rebanadoras

Línea de producción Año de adquisición RAV (mu) BV (mu) Componentes obsoletos

1 2002 243500 2
2 2003 274 000 2
3 2005 306 000 50 997 1

Hay cuatro líneas de producción en la fábrica. Sin embargo, una de las líneas no muestra signos de volverse obsoleta. De los tres
restantes, dos de ellos muestran un valor contable ausente. Esto se debe a que ambas líneas ya se han amortizado por completo. Por
motivos de confidencialidad, los componentes se identificarán mediante un número compuesto por dos dígitos, en el que el primer
número codifica la línea, mientras que el segundo simboliza el componente, separados por un guión. La Tabla 10, Tabla 11 y Tabla 12
muestran los resultados obtenidos para la primera fase, en todas las líneas de producción.

Tabla 10. Resultados de la primera fase de la Línea 1

Variable 1-1 1-2

Capacidad de reemplazo 3 3
Evaluación de la edad 1 1
Relevancia de la máquina 1 1
Relación BV / RAV 1 1
Total 1,8 1,8

Cuadro 11. Resultados de la primera fase de la línea 2

Variable 2-1 2-2

Capacidad de reemplazo 3 3
Evaluación de la edad 1 1
Relevancia de la máquina 1 1
Relación BV / RAV 1 1
Total 1,8 1,8

Cuadro 12. Resultados de la primera fase de la línea 3

Variable 3-1
Capacidad de reemplazo 1
Evaluación de la edad 1
Relevancia de la máquina 1
Relación BV / RAV 1
Total 1
1434 S. Ferreira y col. / Procedia Manufacturing 38 (2019) 1427–1435

Dado el estrecho período de tiempo en el que se compraron estas máquinas, la similitud en función de los componentes y un
valor similar para RAV, sus resultados son exactamente iguales para la primera fase de las líneas 1 y 2. Por otro lado, a pesar de ser
más joven que las otras dos líneas, la línea 3 obtiene un total de 1, porque el componente en cuestión no está disponible ni de su
proveedor original, de terceros o está en stock. En la Tabla 13, Tabla 14 y Tabla 15 se muestran los resultados obtenidos para la
segunda fase en las líneas de producción.

Cuadro 13. Resultados de la segunda fase para la línea 1

Variable 1-1 1-2

Previsión de reemplazo de equipos Precio 3 3
de los componentes 2 2
Dificultad de reacondicionamiento 1 1
Costo de reacondicionamiento 2 2
Total 1,85 1,85

Cuadro 14. Resultados de la segunda fase de la línea 2

Variable 2-1 2-2

Previsión de reemplazo de equipos Precio 3 3
de los componentes 3 2
Dificultad de reacondicionamiento 1 1
Costo de reacondicionamiento 2 2
Total 2,1 1,85

Cuadro 15. Resultados de la segunda fase de la línea 3

Variable 3-1
Previsión de reemplazo de equipos Precio 3
de los componentes 2
Dificultad de reacondicionamiento 1
Costo de reacondicionamiento 3
Total 2,15

Todas las líneas están dentro de al menos 3 años después de ser reemplazadas. Esa es la razón por la que el valor de "Previsión de
reemplazo de equipos" se comparte entre todos los componentes. Dado el estado evaluado en la línea 3 para la primera fase, se requirió
planificar con el proveedor un presupuesto para realizar una modernización en un futuro cercano. La Tabla 16 muestra los resultados al
compararlos con la matriz de decisiones.

Cuadro 16. Resultados del modelo de obsolescencia

Segundo
Componente Primera fase Tipo de abordaje
Fase
1-1 1,8 1,85 Reemplazo proactivo o de equipos
1-2 1,8 1,85 Proactivo o reemplazo de equipos
2-1 1,8 2,1 Proactivo
2-2 1,8 1,85 Reemplazo proactivo o de equipo
4-1 1 1,8 Reemplazo proactivo o de equipo

Todos los componentes evaluados deben tener al menos un enfoque proactivo para su gestión de obsolescencia. Sin embargo, para todas
las líneas evaluadas, tal vez sea necesario reemplazar el equipo por completo. Esta última opción, sin embargo, es demasiado costosa a corto
plazo, por lo que sería preferible, en su lugar, intentar hacer una modificación a todas las máquinas y, con el tiempo, tratar de encontrar
alternativas de reemplazo para esas mismas máquinas.

6. Conclusiones

La principal motivación de este trabajo fue desarrollar dos herramientas que ayudarían a un departamento de mantenimiento en
su gestión diaria. Se puede decir que esto se logró con éxito. A pesar de que estas dos herramientas han sido
 S. Ferreira y col. / Procedia Manufacturing 38 (2019) 1427–1435 1435

creados en una planta de procesamiento de lácteos, se pueden adaptar a cualquier tipo de industria en función de sus necesidades más específicas.

Es más recomendable utilizar el KPI en trimestres. Dado que la evaluación de las mejoras en el mantenimiento puede llevar algún tiempo,
dada su naturaleza aleatoria, de esta manera es menos susceptible a valores atípicos que pueden desproporcionar los resultados. Sin
embargo, esto no significa que no pueda utilizarse en períodos de tiempo más cortos o incluso más largos. Además, los puntos de referencia
establecidos para este KPI se pueden cambiar según la industria en la que se esté aplicando.
Lo mismo puede decirse del modelo de obsolescencia. A pesar de estar aplicado a un conjunto de componentes electrónicos, no
significa que no pueda usarse también con componentes mecánicos. Sin embargo, la muestra utilizada para analizar fue bastante
similar en todas partes, que es la razón principal por la que la mayoría de los valores resultaron ser bastante similares entre sí.
Además, al igual que el KPI, esta herramienta se puede adaptar a los objetivos que pueda tener una organización diferente. Por
ejemplo, una organización puede otorgar un “peso de decisión” mayor o menor a cualquiera de las variables que desee, así como
cambiar las evaluaciones de la matriz de decisiones a una más adecuada a sus necesidades.

Agradecimientos

Los autores desean agradecer la ayuda de Fromageries Bel Portugal, SA por la asistencia en el trabajo informado en este
documento.

Referencias

[1] J. Moubray. Mantenimiento centrado en la confiabilidad. Oxford, Reino Unido: (1997) Butterworth-Heinemann; .
[2] BG Mwanza, C. Mbohwa. Procedia manufacturing, 4, (2015) 461–70 Diseño de un modelo de mantenimiento productivo total para una implementación efectiva:
estudio de caso de una empresa de fabricación de productos químicos. doi: 10.1016 / j.promfg.2015.11.063.
[3] A. Moreira, FJG Silva, AI Correia, T. Pereira, LP Ferreira, F. de Almeida. Procedia manufacturing, 17, (2018) 623–30 Reducción de costes y
mejoras de calidad en la industria de la impresión. doi: 10.1016 / j.promfg.2018.10.107.
[4] A. Van Horenbeek, L. Pintelon. Omega, 42, (2014) 33–46 Desarrollo de un marco de medición del desempeño del mantenimiento, utilizando el proceso de red
analítica (ANP) para la selección de indicadores de desempeño del mantenimiento. doi: 10.1016 / j.omega.2013.02.006.
[5] H. Santos, MT Pereira, FJG Silva, LP Ferreira. Procedia manufacturing, 17, (2018) 631–9Una nueva metodología de cálculo de costos de reelaboración aplicada a una
empresa de fabricación de autobuses. doi: 10.1016 / j.promfg.2018.10.109.
[6] FJR Rojo, R. Roy, S. Kelly. Revista de física: serie de conferencias, 364, (2012) Mejores prácticas del proceso de evaluación de riesgos de obsolescencia. doi: 10.1088 /
1742-6596 / 364/1/012095.
[7] P. Sandborn. Procedia cirp, 11, (2013) 15–22 Diseño para la gestión del riesgo de obsolescencia. doi: 10.1016 / j.procir.2013.07.073.
[8] BSI. EN 13306: 2010 - Mantenimiento - Terminología de mantenimiento. (2010).
[9] M. Ben-Daya, SO Duffuaa, A. Raouf, J. Knezevic, D. Ait-Kadi. Manual de Ingeniería y Gestión de Mantenimiento. Londres: (2009)
Springer London; . doi: 10.1007 / 978-1-84882-472-0.
[10] HB Fakher, M. Nourelfath, M. Gendreau. Ingeniería de confiabilidad y seguridad del sistema, 170, (2018) 191–201 Integración de la producción, el mantenimiento y la calidad: un
modelo de maximización de ganancias de múltiples productos y períodos múltiples. doi: 10.1016 / j.ress.2017.10.024.
[11] DNP Murthy, MR Karim, A. Ahmadi. Ingeniería de confiabilidad y seguridad del sistema, 142, (2015) 100–10 Gestión de datos en la subcontratación de
mantenimiento. doi: 10.1016 / j.ress.2015.05.002.
[12] B. Schmidt, L. Wang, B. Schmidt, L. Wang. Procedia manufacturing, 17, (2018) 118–25 Mantenimiento predictivo de ejes lineales de máquinas herramienta Un caso
de la industria manufacturera. doi: 10.1016 / j.promfg.2018.10.022.
[13] K. Boissie, S. Addouche, M. Zolghadri, D. Richard, K. Boissie. Procedia manufacturing, 16, (2018) 39–46 Mitigación de la obsolescencia en la industria automotriz
mediante el modelo de viabilidad de almacenamiento a largo plazo. doi: 10.1016 / j.promfg.2018.10.156.
[14] Comisión IE. IEC 62402: 2007 - Gestión de la obolescencia - Guía de aplicación. (2007).
[15] C. Josias, JP Terpenny, KJ Mclean, K. Electro-óptico. Congreso internacional de reciclaje de productos electrónicos, (2004) 2–7 Evaluación de riesgos de
obsolescencia de componentes.
[16] Y. Grichi, Y. Beauregard, TM Dao. (2017) 1602–6A Método de bosque aleatorio para el pronóstico de obsolescencia.