Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tema X
ÍNDICE
TEMA X
1 MANTENIMIENTO CORRECTIVO....................................................................4
1.1 Mantenimiento Correctivo en la Edificación......................................................4
1.2 Mantenimiento Correctivo en el Sector Aeronáutico.........................................5
1.3 Mantenimiento Correctivo en el Sector Industrial..............................................6
1.4 Mantenimiento Correctivo en el Sector Informático..........................................7
1.5 Modelado del Mantenimiento Correctivo...........................................................7
1.6 Programa de Mantenimiento Correctivo. Aplicación: sector de la construcción8
2 MANTENIMIENTO PREVENTIVO..................................................................10
2.1 Gestión Del Mantenimiento Preventivo............................................................11
2.2 Plan De Mantenimiento....................................................................................12
3 GAMAS Y RUTAS DE MANTENIMIENTO PREVENTIVO...........................14
4 MANTENIMIENTO PREDICTIVO Y MANTENIMIENTO BASADO EN LA
CONDICIÓN...................................................................................................................18
4.1 Introducción......................................................................................................18
4.2 Mantenimiento Predictivo.................................................................................18
4.3 Análisis De Vibraciones....................................................................................18
4.4 Análisis De Lubricantes....................................................................................21
4.5 Termografía Infrarroja......................................................................................23
4.6 Ensayos No Destructivos..................................................................................25
4.7 Aplicación En Otros Sectores...........................................................................28
4.8 Órigen Del CBM...............................................................................................29
1 MANTENIMIENTO CORRECTIVO
El mantenimiento correctivo es la política más común y más antigua de
mantenimiento y reparación. La ventaja de este enfoque es que no se requiere análisis o
planificación y por ello no se necesitan costes de implementación, inicialmente
(Azadeh, A., 2015).
Se trata de reparar la máquina cuando ésta ha dejado de funcionar. Este tipo de
mantenimiento tiene un alto coste debido a: mano de obra, materiales usados y
evidentemente las pérdidas por lo que se deja de fabricar porque la máquina está parada.
A continuación, vamos dar un repaso del mantenimiento correctivo desde el punto
de vista de los sectores aeronáutico, edificación, industrial e informático.
Figura 1. (a) Pieza fabricada por impresión 3D, (b) pieza instalada en el cilindro.
(Fuente: Wits, W. W. et al., 2016)
1
λ=
MTBF
2 MANTENIMIENTO PREVENTIVO
Para cada uno de ellos se han de especificar las tareas a realizar y su periodicidad.
A continuación se muestra un ejemplo por medio de un sistema neumático.
Sistema neumático. Periodicidad diaria
o Comprobar visualmente el nivel de aceite en lubricantes o Revisar visualmente las
fugas de aire o Purgar condensadores de filtros
Sistema neumático. Periodicidad semanal
Comprobar que el lubricador no está obstruido
Tabla 6.1.
Las gamas anuales suelen suponer revisiones del equipo completo y la ejecución
de tareas que no requieren ser llevadas a cabo con menor regularidad, como es el caso
del cambio de rodamientos, limpiezas interiores de bombas, medida del espesor de los
depósitos, etc.
4.1 Introducción
El mantenimiento predictivo o mantenimiento basado en la condición posee los
aspectos tecnológicos más fuertes respecto a otros tipos más enfocados a la gestión. De
hecho para llevarlo a cabo se basa en el análisis de diferentes elementos todos de ámbito
tecnológico, como pueden ser las vibraciones, los lubricantes, la temperatura, así como
otro tipo de características o defectos que pueden ser detectadas mediante ensayos no
destructivos.
Ilustración 4.
- Fallos de refrigeración
- Daños en asilamientos térmicos
- Incorrecta generación de calor
- Depósitos de materiales
- Daños en rodamientos
- Fallos en componentes eléctricos
-
Figura 12. La monitorización del ala señala un daño leve en la zona 1 y uno severo en la 2. (Fuente:
Boer, R. et al. (2015))
cadena de suministro y gestión de flotas. El CBM es una estrategia inteligente que usa
algoritmos de predicción para pronosticar el fallo.
Así el CBM hace uso de la información de monitoreo de las condiciones
disponibles para revelar el estado de salud del sistema y predecir el sistema de vida útil
restante (You MY, et al., 2010). Esta estrategia de mantenimiento puede reducir
significativamente los costes de mantenimiento al reducir las ocurrencias de
mantenimientos preventivos prematuros.
Sin embargo, también cuenta con desventajas como son los altos costes de
implantación y formación del personal. Por otro lado, las tecnologías y métodos
técnicos son relativamente nuevos y pueden conducir a pronósticos y diagnósticos
erróneos (Shin, JH., 2015).
Grall et al. (2002) propusieron un enfoque en general aplicable a cualquier sistema
degradable. Desarrollaron un enfoque con ciertas limitaciones y dependencias que no
parecen ser muy prácticas en aplicaciones de la vida real.
Lu et al. (2007) investigaron la capacidad predictiva del CBM para predecir la
condición futura de un sistema que se deteriora. Los estados de degradación se modelan
como estados continuos y la probabilidad del fallo depende de variables aleatorias.
Específicamente cuando se aplica CBM a los sistemas críticos es fundamental detectar y
predecir las condiciones de fallo dentro de intervalos muy pequeños.
Yam et al. (2001) desarrolló un sistema inteligente de apoyo a la decisión para
CBM. Este sistema se basa en una red neuronal que predice futuras condiciones de fallo.
Los enfoques de redes neuronales son eficientes, pero relativamente lentos. Estos
enfoques también requieren gran conjunto de datos de partida que resultan ser una gran
restricción para una aplicación en tiempo real.
Baruah et al. (2006) presentaron un marco genérico para el diagnóstico y
pronósticos. Diseñaron un enfoque online que no requiere interacción con el sistema
físico que a su vez, reduce la mano de obra. Tiene algunos inconvenientes debido a la
tendencia a la subjetividad causada por los inputs de la decisión humana. Kwon (2009)
también propuso una metodología similar a Baruah, se trataba de analizar los datos
disponibles a través de internet para aplicarlos en los sistemas situados a distancia.
Principalmente el accionamiento armónico del robot está conectado a la red y todos los
datos de tiempo reales están disponibles para un analizador off-line remoto. Un modelo
matemático ha sido desarrollado para predecir el fallo de cualquier subsistema del robot.
Chen y Trivedi (2005) utilizan procesos de decisión semi-Markov (Semi-Markov
Decision Process - SMDP) para optimizar una política de CBM. SMDP es una
estrategia buena para el modelado de numerosos escenarios de fallo. Sin embargo, se
requiere un gran conjunto de datos para que sea eficaz y no es muy adecuado para
degradaciones dependientes del tiempo. Por ello, hace que el SMDP no sea muy útil
para aplicaciones CBM, especialmente para tipos de fallos muy críticos y variables en el
tiempo.
Schmitigal y Moyer (2005), discutieron un sistema de monitoreo de condición de
aceite para motores diesel. Este proyecto de investigación, se basaba en monitorizar la
acumulación de hollín y oxidación del aceite mediante un sistema de sensores de a
bordo. Los resultados encontraron que este sistema de sensores podría utilizarse para
Con respecto al estado de degradación del sistema, se puede dar un solo proceso
de degradación (Asadzadeh SM, 2014) o múltiples procesos de degradación, también
conocidos como múltiples modos de fallo (Liu X, 2013). Para sistemas con múltiples
componentes, estos componentes pueden ser dependientes o independientes en su
proceso de degradación (Azadeh A, 2014) o dependientes (Hong HP, 2014). Además, en
los sistemas con múltiples componentes, las tareas de mantenimiento pueden ser
completamente independientes entre componentes o pueden tener un esquema
oportunista (Xia T, 2007). Según este esquema, el mantenimiento se ejecutará cuando
surja una oportunidad para todo el sistema, por ejemplo, cuando haya parada de las
máquinas por cambio de turnos.
Las herramientas de pronóstico que usa el CBM pueden ser: la opinión de
expertos, herramientas estadísticas (Cadini F, 2009), transformada inversa (Asadzadeh
SM, 2014) o las redes neuronales (WuB, 2013). Es justo apuntar que estos métodos
estadísticos pueden conllevar errores. Estos errores conducir a realizar un
mantenimiento preventivo innecesario debido a que se ha subestimado el
comportamiento del sistema o pueden desembocar en fallos del sistema indeseados
debido a la sobreestimación de la vida restante del sistema. A día de hoy, no existe la
certeza de si estos errores estadísticos son mayores que los beneficios del CBM
(Carrasco, M, 2006). El motivo de ello es que se ha escrito poco sobre el impacto de los
errores estadísticos en la aplicación del CBM (Xiang Y, 2012).
En ocasiones, las herramientas de pronóstico están sujetas a error estadístico.
Basándose en ello, Cassady (2006) investigó los efectos que tenían estos errores sobre la
fiabilidad del sistema. Por otro lado, Xiang (2012) estudió el beneficio económico que
implicaba la implantación de la política CBM, así como el impacto económico que tenía
el error en el pronóstico de naturaleza aleatoria cometido al estimar la condición del
sistema (salud). Concluyeron que según aumenta el error de pronóstico, disminuye el
rendimiento del CBM (en comparación con el mantenimiento programado (A.Azadeh
et al., 2015).