MANTENIMIENTO CENTRADO EN

CONFIABILIDAD USANDO MÉTODOS DE

SIMULACIÓN DEL CICLO DE VIDA

Juan Carlos Duarte Holguín, CMRP

Asset Management Solutions Ltda.
 Gestión de Mantenimiento

El problema a solucionar en la Gestión de Mantenimiento

consiste en dos elementos claves:

• Conocer claramente que tipo de acciones hay que tomar

sobre los activos (equipos), y

• Estar en capacidad de ejecutarlas oportunamente.

En palabras sencillas: “Saber qué hacer y estar en

capacidad de hacerlo”.
 Requerimientos del Negocio

Los gerentes de planta requieren que las decisiones de

mantenimiento:

• Puedan ser justificados contra los objetivos del negocio

• Puedan responder a ambientes cambiantes
• Sean proactivas, no reactivas
• Puedan ser validadas contra criterios cuantitativos
• Puedan ser desafiadas abiertamente
• Puedan ser medidas y mejoradas
• Puedan ser planeadas e implementadas efectivamente
 Modelo Analítico de Mantenimiento
Estudio de
Requerimiento de Optimización de
Optimización de SCM Inventarios
Inventarios Optimización de
Inventarios

Data Requerimiento
RIM
O&M RAM de ejecución
Gestión de
Modelamiento de de RCA
Información de Reporte
Confiabilidad
Confiabilidad RCA RCA
Análisis de
Causa Raíz
Requerimiento
Información de ejecución
codificada de Estrategia de
de RCM Mantenimiento
mantenimiento RCM Optimizada
Mantenimiento
Centrado en
Confiabilidad
 Enfoque de Análisis
Este enfoque analítico se convierte en una herramienta clave para
asegurar la efectividad de Procesos de Toma de Decisiones que:

• Asignen responsabilidades claras y permitan la valoración

cuantitativa de su cumplimiento y efectividad.
• Identifiquen los ahorros de manera continua y consistente.
• Cuantifiquen riesgos.
• Pronostiquen fallas.
• Sean fluidos y prácticos.
• Aprovechen los beneficios de la tecnología disponible en
Gestión de Activos.
• Se enfoquen en el desempeño y den soporte a requerimientos
futuros
 CONCEPTOS BÁSICOS DE RCM
FUNCIONES

Uno de los conceptos fundamentales del

Mantenimiento Centrado en Confiabilidad (RCM)
es que las tareas de mantenimiento deben ser
enfocadas a soportar las “Funciones del Sistema”.

Con el fin de identificar la necesidad de efectuar

una tarea de mantenimiento necesitamos
determinar cuándo fallan las funciones.
 FALLAS FUNCIONALES

Cuando se ha definido cualquiera de las funciones

de un sistema es necesario conocer los
estándares de desempeño requeridos
asociados con la operación aceptable del sistema.

Una vez definidos estos estándares de desempeño

se puede determinar la manera en que las fallas
de los equipos afectarán la operación de la función
(fallas funcionales).

Estas fallas funcionales pueden ser clasificadas en

fallas parciales o fallas totales.
 FALLAS FUNCIONALES

Capacidad inicial de diseño Capacidad inicial de diseño

Desempeño mínimo aceptable Desempeño mínimo aceptable

Desempeño
Desempeño

Desempeño actual

Desempeño actual

Falla Funcional Parcial Falla Funcional Total

 FALLAS DE EQUIPOS

Con el fin de proteger los sistemas de la

ocurrencia de fallas funcionales, las tareas de
mantenimiento deben ser enfocadas para evitar la
ocurrencia de los modos de falla conocidos del
equipo que soporta la operación de la función.

El tipo de tarea(s) que será más efectivo

dependerá de las características del modo de
falla. La investigación estadística ha permitido
identificar varios patrones de falla.
 Enfoque tradicional de mantenimiento

Desgaste
Probabilidad de Falla

Edad

Mantenga antes que se desgaste

 El problema es que la mayoría de equipos no
se desgasta!!!
Probabilidad de Falla

Mortalidad Infantil

Edad
 Mantenimiento basado en tiempo ≈ Incremento de
Riesgo y Costos!
Probabilidad de Falla

Mantenimiento
 MANTENIMIENTO CENTRADO EN
CONFIABILIDAD

El nacimiento del Mantenimiento Centrado

en Confiabilidad (RCM) fue reconocer la
importancia de conocer la curva de falla de
cada modo de falla antes de decidir cual
tarea de mantenimiento es aplicable.
 PATRONES DE FALLA
Nolan & Heap descubrieron 6 diferentes combinaciones de la curva
Weibull

A D
Incremental seguida de aleatoria 7%
Desgaste normal 2%
Probabilidad de falla

B E
Mortalidad infantil seguida de Probabilidad de falla constante
desgaste normal
4% (Aleatoria) 14%

C Probabilidad de falla incremental

F
Mortalidad infantil seguida de
5% aleatorias 68%

Tiempo en servicio
FALLAS RELACIONADAS CON LA EDAD

Probabilidad de falla A

Industria
de la
B
Aviación

11%
C

Tiempo en servicio
 FALLAS ALEATORIAS

Probabilidad de falla D

Industria
de la
E
Aviación

89%
F

Tiempo en servicio
 FALLAS ALEATORIAS INCIPIENTES

Intervalo P-Fx
Falla potencial detectada - P F - La falla ocurre
X
Px o
Probabilidad de falla

Py o
Intervalo P-Fy
Fx
Fy
o o
Requerimientos mínimos de desempeño

Tiempo en servicio
 FALLAS OCULTAS

Existen dos tipos distintos de fallas funcionales

que podemos esperar en nuestras equipos:

• Fallas evidentes
• Fallas ocultas

Las fallas evidentes serán conocidas para los

operadores y técnicos bajo condiciones normales
de planta.

Las fallas ocultas requieren una falla simultánea

para revelar la falla inicial (fallas múltiples).
 RELACIÓN ENTRE FALLAS Y TAREAS
Tipos de tareas de mantenimiento aplicables para las
diferentes clasificaciones de fallas existentes.

Aleatorias
Tipo de Relación Aleatorias Aleatorias
Evidentes
Tarea con la Edad Ocultas Incipientes
(Súbitas)
Ninguna A A N/A A
CM A N/A N/A A
PDM A N/A N/A A
PM-NI A N/A N/A N/A
PM-T A N/A A N/A
PM-TBI A N/A N/A N/A
OPP A A A A
 MANTENIMIENTO CENTRADO EN
CONFIABILIDAD

Relación entre el comportamiento de las fallas y las

diferentes tareas de mantenimiento

Aceite
Luz trasera

Luz
delantera

Llantas
Frenos
Pintura
 MANTENIMIENTO CENTRADO EN
CONFIABILIDAD

Luz delantera
λ

Luz trasera
Llantas

Pintura

Aceite
Frenos

Edad
 MANTENIMIENTO CENTRADO EN
CONFIABILIDAD

• Inspección visual (CM)

• Cambio pastillas de frenos (PM-TBI)

Frenos

Edad
 MANTENIMIENTO CENTRADO EN
CONFIABILIDAD

• Inspección visual (CM)

Aceite
• Cambio de aceite (PM-TBI)

Edad
 MANTENIMIENTO CENTRADO EN
CONFIABILIDAD

• Inspección Visual (CM)

• Lavado y Encerada (PM-NI)
• Cambio de Pintura (PM-TBI) ???
Pintura

Edad
 MANTENIMIENTO CENTRADO EN
CONFIABILIDAD

λ • Inspección visual (CM)

• Medición de presión (CM)
• Alineación y Balanceo (PM-NI)
• Cambio de llantas / reencauche
(PM-TBI)

Llantas

Edad
 MANTENIMIENTO CENTRADO EN
CONFIABILIDAD

• Inspección visual (CM)

Luz trasera
• Prueba funcional (PM-T)
• Cambio de bombillo (RTF)

Edad
 MANTENIMIENTO CENTRADO EN
CONFIABILIDAD

Luz delantera
λ

• Inspección visual (CM)

• Prueba funcional (PM-T)
• Cambio de bombillo (RTF)

Edad
 Modelo de Optimización de
Estrategias de Mantenimiento

Equipos y FMECA
activos a
Mantener
Modelo
Sistema de
Weibull Respuesta
Mantenimiento
Proceso de
Simulación
Contexto y
Condiciones de RBD
Operación
FTA

Respuesta Implementación
Satisfactoria? y Seguimiento

Reformulación
Estrategia
Alternativa
 Análisis Weibull
La distribución Weibull fue inventada en 1937 por Waloddi
Weibull mientras comparaba las ratas de mortalidad de
diferentes grupos poblacionales

Tiempo de Servicio
Probabilidad de Falla

Mortalidad Aleatorio Desgaste

Infantil

Edad
 Análisis Weibull

Weibull inventó una fórmula que podía describir las diferentes

formas de la curva en cada una de sus tres zonas:

β
⎛t⎞
−⎜⎜ ⎟⎟
⎝η⎠
R(t) = e Weibull de 2 parámetros

R(t) = Confiabilidad en el tiempo t

t = Tiempo considerado
η = Vida Característica
β = Parámetro de Forma
 Análisis Weibull
El Parámetro de Forma (β)

Mortalidad
Aleatorio Desgaste
Infantil

β<1 β>1

β=1

Edad
 Análisis Weibull
La Vida Característica (η)

Para fallas aleatorias con rata de falla constante el 63.2% de los

componentes habrán fallado al alcanzar el MTTF. Este punto es
conocido como Vida Característica (η)

63.2%

η = MTTF
 Análisis Weibull
Si conocemos:

β = la forma de la curva y
η = la vida característica

Podemos predecir el comportamiento del componente en

cualquier momento en el futuro.

Las curvas de falla puede ser determinadas a partir de:

• Información de Ensayos
• Historia
• Juicio de Ingeniería (experiencia)
 Análisis Weibull
Por qué es importante la distribución Weibull?

1. Es una de las más ampliamente utilizadas.

2. Altamente flexible.
3. Se ajusta a la mayoría de aplicaciones del mundo real:

• La distribución Weibull representa la vida de

componentes y partes, mientras que la distribución
Exponencial representa la vida de ensambles y
sistemas.
• Componentes mecánicos: rodamientos, motores,
estructuras simples, fatiga
• Fallas donde factores químicos son los mecanismos
predominantes (corrosión)
Análisis Weibull

β = 0.5 (Hiperexponencial)
β = 1.0 (Exponencial)

β = 3.5 (Normal)

β = 2.0 (Rayleigh)
 Distribución Weibull

Componentes simples
Probabilidad
de Falla
pf

Edad
 Distribución Exponencial

Probabilidad Equipos y Sistemas Complejos

de Falla
pf

Edad
Análisis Weibull

Análisis a las 500 horas de

operación

Bombillo Vida (hr)

1 60
2 150
3 230
4 350
5 500

5 bombillos no han fallado a

las 500 horas!
≈ 5 suspensiones de 500
horas
 Análisis Weibull

Ubicación de tiempos de falla en la Gráfica Weibull

 Análisis Weibull

Gráfica de Probabilidad Acumulativa de Falla

Análisis Weibull

Gráfica de la Rata de Falla (λ)

Diagramas de Confiabilidad de Bloques

Sistema en Serie
Sistema en Paralelo

Sistema Serie / Paralelo

Sistema con votación k de n
Diagramas de Confiabilidad de Bloques

Diagramas para modelar pérdidas de producción

 Diagrama Proceso Mina de Carbón

MINADO DE CARBON PILAS DE CARBON Y MATERIAL DE

TRACTORES CARGADORES L-
INTERFASE
L-1100 CAMIONES CARBONEROS
D-9L 60%
D-10R

MANEJO DE CARBON 40% 55% PLANTA DE LAVADO

DESCARGA

PLANTA DE CARBON LINEA FERREA PUERTO

ALIMENTADORES APILADOR RECLAMADOR

VIBRADORES
TRITURADORAS
SILOS
SAMPLING
SYSTEM

CARGADOR LINEAL
ESTACION DE DESCARGA DEL TREN
RBD Alto Nivel Mina de Carbón
 Simulación Monte Carlo

La simulación Monte Carlo sintetiza el desempeño de un

sistema sobre un número dado de corridas. Cada
corrida de simulación emula la manera como el sistema
puede comportarse en la vida real, basado en
información de entrada suministrada por el usuario.

Los datos de entrada están conformados por un

diagrama lógico del sistema y por parámetros
cuantitativos de falla y de mantenimiento. El diagrama
lógico describe la manera como las fallas de los
componentes interactúan para causar fallas del sistema.
Modelamiento de Confiabilidad

P-1002A/B/C
Bombas Booster

P&ID RBD
Modelamiento de Confiabilidad
Parámetros de Simulación

P-1002A
Distribución Weibull
η = 300 β = 0.7

P-1002B
Distribución Weibull
η = 700 β = 1.0

P-1002C
Distribución Weibull
η = 1391 β = 2.0
Modelamiento de Confiabilidad
Parámetros de Simulación

Mortalidad
Desgaste
Infantil
Fallas
Aleatorias

t
 Modelamiento de Confiabilidad
Simulación Monte Carlo

Ciclo de Vida = 2000 horas

Se deben realizar tantas corridas de

simulación como sean necesarias hasta
alcanzar valores constantes de los
Fin corrida 1… parámetros evaluados.
Modelamiento de Confiabilidad
Resultados (Ciclo de Vida = 2000 horas)

P-1002A
W = 4 fallas
MTBF = 500 hrs

P-1002B
W = 5 fallas
MTBF = 400 hrs

P-1002C
W = 1 falla
MTBF = 2000 hrs
Modelamiento de Confiabilidad
Identificación de Malos Actores

Equipo con mayor

impacto económico
negativo
 Mantenimiento Centrado en Confiabilidad
El estándar SAE JA-1011 presenta los criterios que pueden ser usados para
evaluar procesos de desarrollo de programas de mantenimiento y determinar
si son procesos de RCM.

Las siete preguntas del RCM:

1. Cuales son las funciones y estándares deseados de desempeño del

equipo en su contexto operativo? (Funciones)
2. En que forma puede fallar para cumplir con sus funciones? (Falla
Funcional)
3. Qué causa cada Falla Funcional? (Modos de Falla)
4. Qué pasa cuando cada falla ocurre? (Efectos de la Falla)
5. Cuál es el impacto de la falla? (Consecuencias de la Falla)
6. Que debiera hacerse para predecir o prevenir cada falla? (Tareas
Proactivas)
7. Que debiera hacerse si no se puede encontrar una tarea proactiva
adecuada? (Acciones por Omisión)
RCM Basado en Simulación
Jerarquía Funcional
RCM Basado en Simulación
1. Funciones
RCM Basado en Simulación
2. Fallas Funcionales
RCM Basado en Simulación
3. Modos de Falla
RCM Basado en Simulación
3. Modos de Falla
RCM Basado en Simulación
4. Efectos de la Falla
RCM Basado en Simulación
5. Consecuencias de la Falla
RCM Basado en Simulación
6. Tareas Proactivas (PM)
 RCM Basado en Simulación
6. Tareas Proactivas (CM – PdM)
RCM Basado en Simulación
6. Tareas Proactivas

“Correr a
falla”
RCM Basado en Simulación
6. Tareas Proactivas

Mantenimiento
Preventivo
cada 3 meses
RCM Basado en Simulación
6. Tareas Proactivas

Optimización
intervalo de
Mantenimiento
Preventivo
RCM Basado en Simulación
6. Tareas Proactivas

Mantenimiento
Predictivo
cada mes
RCM Basado en Simulación
6. Tareas Proactivas

Optimización
intervalo de
Mantenimiento
Predictivo
RCM Basado en Simulación
6. Tareas Proactivas

Estrategia
óptima:
Mantenimiento
Predictivo cada
3 meses
RCM Basado en Simulación
7. Acciones por Omisión
RCM Basado en Simulación
Resultados
RCM Basado en Simulación
Resultados
RCM Basado en Simulación
Resultados
 Entregables de los Métodos de
Simulación del Ciclo de Vida

• Pronósticos de indicadores de confiabilidad y mantenibilidad

de equipos y sistemas de la planta.
• Criticidad de Equipos (contribuyentes claves y ocultos a costos
y disponibilidad de sistemas).
• Número promedio futuro de paradas planeadas y no planeadas
(y duraciones).
• Impacto de actividades de mantenimiento programado.
• Pronóstico de consumo de repuestos y mano de obra.
• Recomendaciones para mejorar el desempeño de la planta a
partir de revisión del diseño y de las estrategias de operación y
mantenimiento.
 Desventajas
El mayor problema del uso de métodos estadísticos de
RCM es que en la mayoría de plantas industriales la
información histórica de falla no es muy confiable y
completa, de tal manera que los resultados estadísticos
extraídos de esta información pueden ser imprecisos y
pueden carecer de confianza estadística.

Los algoritmos de análisis también dependen de aspectos

contables tales como costos de los mantenimientos
preventivos, reparaciones y efectos de falla. Todas estas
entradas están sujetas a las inconsistencias de los
sistemas contables existentes.
 Fuentes de Información
• Históricos de falla y mantenimiento de la compañía.
• Información suministrada por técnicos y operadores.
• OREDA – Modos y ratas de falla de la industria petrolera.
• Paul Barringer & Associates – Parámetros Weibull de
componentes genéricos.
• NPRD-95 – Datos de falla de componentes mecánicos.
• Telcordia (Bellcore) TR-332 – Ratas de falla de componentes
electrónicos (telecomunicaciones).
• MIL-HDBK-217 – Ratas de falla de equipos electrónicos
(US DoD).
• RDF 2000 – Ratas de falla de equipos electrónicos (Union
Technique de l'Electricite).
• NSWC 98/LE1 – Datos de falla de componentes mecánicos (US
Navy)
 Beneficios
Los beneficios para las compañías que utilizan estos
métodos de simulación del ciclo de vida son:

• Reducción de las fallas que ocurren actualmente.

• Se establecen enlaces claros entre los planes de
mantenimiento y el desempeño de los equipos de
producción.
• Los niveles de costo de mantenimiento pueden ser
optimizados dependiendo de los efectos y las
consecuencias de las fallas.
• Los niveles de requerimientos de mantenimiento
pueden ser pronosticados sobre un periodo extendido
de tiempo.
 Beneficios

• Enfoque simple poderoso y sistemático para capturar

la experiencia operativa de la compañía.
• Clasificación cuantitativa de modos de falla críticos.
• Predicción del desempeño sobre el ciclo de vida.
• Predicción de requerimientos de recursos.
• Predicción del desempeño de equipos y/o sistemas.
• Actualización constante de los planes de
mantenimiento.
• Soporte de análisis de riesgo y confiabilidad.
 Conclusiones

La simulación computarizada de estrategias de mantenimiento

permite que el proceso de optimización de planes de
mantenimiento pueda integrarse fácilmente a otros procesos de
gestión de activos de las compañías. La simulación permite:

• tomar decisiones efectivas de mantenimiento que puedan ser

evaluadas contra las necesidades del negocio,
• evaluar de manera rápida diferentes alternativas de estrategias
de mantenimiento sobre un tiempo de vida dado,
• actualizar las decisiones con base en información histórica de
mantenimiento actualizada,
• predecir requerimientos de presupuesto (repuestos, mano de
obra) y modelar estrategias de mantenimiento alternativas.
 Muchas Gracias!!!

Juan Carlos Duarte Holguín

AMS GROUP LTDA.
Asset Management Solutions
Email: juan.duarte@amsgroup.com.co
Website: www.amsgroup.com.co
Tel. (+57 1) 3133423