Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Una semejanza que tiene MPd y CMB se basan en la misma tecnología de monitoreo y analizar los
equipos como son análisis de vibraciones, termografía infrarroja, ente otros. Una de las diferencias
del mantenimiento basado en condiciones, utiliza condiciones o umbrales para determinar cuándo
se debe realizar el mantenimiento. Es como hacer una regla, como, " Cuando este sonido
comienza, necesitamos hacer el mantenimiento". El mantenimiento predictivo, por otro lado, trata
de predecir cuándo el equipo necesitará mantenimiento en el futuro. Predice exactamente cuándo
podría fallar el equipo al incorporar diagnósticos basados en condiciones que miden la vibración, la
temperatura y otras variables con patrones predictivos.
Uno de los mayores problemas que ha generado el programa de MPd y lo ha llevado al fracaso, se
requiere una mayor cualificación laboral para analizar los datos, implica una gran inversión inicial
para diagnóstico, requiere alineación en la empresa para realizar la gestión y análisis, y hoy en día
se esta enfocado mas en encontrar la causa del problema para poder controlarlo y ampliar la vida
de la máquina, pero se busca que esta no falle; y encontrar la forma de que la máquina dure más
tiempo activa, sin tener una para de producción muy larga, y enfocándose en medir, procesar la
información y gestionar esa información, para identificar la causa, y luego el momento en el cual
la máquina inicia un comportamiento anormal para que en su momento se pueda corregir, a
cambio en el mantenimiento predictivo, pronostica cuándo fallará la máquina, pero no evita que
falle, es como que ve los síntomas, pero no se enfoca en las causas.
5.Presente los pasos (tareas) que se deben considerar para diseñar un programa de
mantenimiento predictivo.
PASO 2: Modelización del proceso y mantenimiento dirigido: Cuando ya se tiene el control sobre
la lectura de los parámetros relevantes de los equipos y procesos, da comienzo una etapa
consistente en generar un modelo basado en datos históricos, donde podrá verse qué trayectorias
de comportamiento se han ido siguiendo, y bajo qué circunstancias.
PASO 3: Modelización de escenarios límite: Se entiende por escenarios límite a aquellos entornos
operativos bajo cuyas condiciones será más probable que la maquinaria presente fallos y no pueda
seguir funcionando: con esta definición, se consigue cerrar el círculo y delimitar los escenarios de
operatividad, ya que se cuenta tanto con la «curva normal» como con sus cotas. Una vez más,
cuanta más información se recopile de estos escenarios límite, mayores serán las probabilidades
de detectar las situaciones en las que la maquinaria dejará de funcionar; por consiguiente, se
podrá trazar un modelo funcional con una mayor precisión.
PASO 4: Mantenimiento predictivo: Una vez que se llegue a esta etapa, se tendrá una visión
mucho más certera de las labores de mantenimiento que será necesario desplegar en según qué
máquinas, ya que habremos sido capaces de afinar la probabilidad con la que un equipo no
funcionará, y en qué condiciones dará el fallo. De este modo, será posible priorizar las actuaciones
verdaderamente necesarias o críticas sobre las accesorias o de menor urgencia: este filtrado de
intervenciones permite a la empresa mejorar la coordinación entre los departamentos de
producción y planificación.
Reducción de los costos de mantenimiento: Los costos reales normalmente asociados con
la operación del mantenimiento pueden ser reducidos en más de 50%. La comparación de
los costos de mantenimiento incluye la mano de obra real y el “overhead” del
departamento de mantenimiento, bien como el costo real de materiales de piezas de
reparación, herramientas, y otros equipamientos requeridos para mantener el
equipamiento.
Reducción de fallas en las máquinas: La monitorización regular de las condiciones reales
de las máquinas y sistemas de proceso puede reducir el número de fallas inesperadas y
catastróficas de la máquina en un promedio de 55%. La comparación usa la frecuencia de
fallas inesperadas de la máquina antes de la implementación del programa de
mantenimiento predictivo y la tasa de falla durante el período de dos años después de la
inclusión de la monitorización de condiciones para el programa. Las proyecciones indican
que se puede llegar a reducciones de 90%.
Reducción del tiempo de parada para reparación: El mantenimiento predictivo reduce el
tiempo real necesario para reparar o reacondicionar los equipamientos de la fábrica. Se
puede reducir 60% del tiempo promedio para reparación (MTTR). Para determinar la
mejora promedio, los tiempos reales de reparación, antes del programa de
mantenimiento predictivo, son comparados con el tiempo real para reparación después de
un año de operación usando técnicas de gestión de mantenimiento predictivo.
Reducción en el stock de piezas de repuesto: La capacidad para que se predeterminen las
piezas defectuosas para reparación, herramientas, y las habilidades de mano de obra
requeridas, garantizan la reducción tanto en tiempo de reparación como en costos.
Aumento de la vida de las piezas: La prevención de fallas catastróficas, y la detección
anticipada de problemas de la máquina y de sistemas aumenta la vida operacional útil de
las maquinarias de la planta industrial en un promedio de 30%. El aumento de la vida de la
máquina es una proyección basada en cinco años de operación, después de la
implementación de un programa de mantenimiento predictivo. El cálculo incluye:
frecuencia de reparaciones, severidad de los daños de la máquina, y condición real de la
maquinaria después de la reparación.
Aumento de la producción: La disponibilidad de sistemas de proceso aumenta después de
la implementación de un programa de mantenimiento predictivo basado en condición. El
aumento puede llegar a 30%. La mejora se basa estrictamente en la disponibilidad de la
máquina y no incluye rendimiento mejorado del proceso. Entretanto, un programa
predictivo completo, que incluye monitorización de parámetros de proceso, también
puede mejorar el rendimiento operativo y, por lo tanto, la productividad de las plantas de
manufactura y de proceso.
Mejora en la seguridad del operador: El aviso anticipado de los problemas de la máquina
y sistemas reduce el riesgo de falla destructiva, que puede causar daños personales o
muerte. Este beneficio ha sido apoyado por varias empresas de seguro, que han ofrecido
reducciones en beneficios para fábricas que posean un programa de mantenimiento
predictivo basado en condición.
Verificación de las reparaciones: El análisis de vibración puede ser usado para determinar
si las reparaciones en las maquinarias existentes en la fábrica corrigieron o no los
problemas identificados y/o crearon comportamiento anormal adicional, antes de que el
sistema inicie nuevamente. Esto elimina la necesidad de una segunda parada, que muchas
veces es necesaria para corregir reparaciones inadecuadas o incompletas.
Ganancia global: Los beneficios globales de la gestión de mantenimiento predictivo
mejoran sustancialmente la operación global de las fábricas de manufactura y de proceso.
Los beneficios derivados del uso de la gestión basada en condición compensan el costo de
capital del equipamiento necesario para implementar el programa dentro de los tres
primeros meses. El uso de técnicas de mantenimiento predictivo, basadas en colectores de
datos, reduce aún más el costo operativo anual de los métodos de mantenimiento
predictivo. De esta forma, cualquier fábrica puede obtener implementación efectiva en
costo adoptando este tipo de programa de gestión de mantenimiento.
CASO2: Resumen: En este artículo se realizará una descripción de un análisis predictivo para la
industria y el estudio que se ejecuta para la aplicación del mismo. El mantenimiento predictivo se
utiliza para mejorar la productividad de una empresa, mediante la reducción de los tiempos de
parada por daños, dicho mantenimiento es aplicable para cualquier compañía. Las técnicas
utilizadas en este estudio predictivo: análisis termográfico, vibracional y de aceites, pueden ser
extendidas para llevar a cabo la inspección de otros dispositivos o máquinas de la empresa como
por ejemplo calderos, líneas de vapor, bandas, poleas, rodillos de transmisión, etc., en los cuales
se produce disipación de calor y ruidos; con el propósito de aprovechar al cien por cien el equipo
adquirido para el nuevo laboratorio. Cuando se realicen capturas de imágenes termográficas, de
espectros de vibración y se elaboren los respectivos ferrogramas en aceites, se recomienda llevar
un registro absoluto, de todos estos datos, para conocer el rendimiento de las máquinas y
equipos; y además poder planificar de mejor manera las intervenciones del personal de
mantenimiento cuando el caso así lo amerite.[2]