Você está na página 1de 554

PRIMERA EDICIN: NOVIEMBRE, 2011

ASOCIACIN ESPAOLA PARA LA CALIDAD, 2010


Claudio Coello, 92
28006 Madrid
aec@aec.es
www.aec.es

Depsito legal: M-45074-2011

Impreso en Espaa

Queda prohibida la reproduccin de la obra o partes de la misma por cualquier medio sin la
preceptiva autorizacin previa.

Edicin a cargo de Fragma Reprografa, S.L.


PRESENTACIN

En nombre de la Asociacin Espaola para la Calidad (AEC), le presento las


ponencias presentadas en la decimotercera edicin del Congreso de
Confiabilidad, encuentro anual que en esta ocasin se ha celebrado los das
23, 24 y 25 de noviembre de 2011 en Zaragoza.

Ao tras ao, este congreso, organizado por el Comit de Confiabilidad de


nuestra entidad, tiene como objetivo ser el punto de encuentro de los
especialistas en esta rea de la ingeniera, de tal manera que se convierte en el
foro ideal para la presentacin de sus actividades y logros ms recientes, el
intercambio de ideas y la exposicin de sus avances metodolgicos ms
prometedores. Mediante este intercambio de conocimientos, el congreso tiene
por objetivo contribuir a que las empresas espaolas apliquen en mayor grado
estas tcnicas y mtodos de diseo y anlisis con el fin de incrementar su
competitividad mediante la mejora de la calidad de sus procesos y productos.

Este ao adems, el encuentro cobra un especial significado para nosotros, ya


que lo celebramos en el ao en el que tambin celebramos el 50 aniversario de
nuestra entidad. Por este motivo, es un enorme orgullo para nosotros poder
organizar una edicin ms del evento de mayor repercusin a nivel nacional en
el campo de la Ingeniera de Confiabilidad.

Deseo firmemente que este libro de ponencias que ahora tiene en sus manos
sea de gran utilidad en su desempeo profesional.

Atentamente,

Marta Villanueva,
Directora General de la AEC
XIII CONGRESO DE CONFIABILIDAD

NDICE

PONENCIA 1. Mtodo de prediccin de fiabilidad en vehculos


ferroviarios

PONENCIA 3. Plan de mantenimiento dinmico para activos


generadores de energa renovable

PONENCIA 5. El impacto de los manuales tcnicos y el adiestramiento


en la confiabilidad durante el ciclo de vida de los sistemas

PONENCIA 6. Evolucin del modelo de gestin del mantenimiento hacia


la mxima confiabilidad. Caso prctico en empresa de abastecimiento y
saneamiento de agua

PONENCIA 8. La gestin de activos y PAS 55

PONENCIA 9. Control de procesos multivariante. Un paso ms para


mejorar la confiabilidad de los procesos industriales

PONENCIA 10. Estudio de confiabilidad de un parque elico

PONENCIA 12. Importancia de las Competencias en la gestin integral


de activos fsicos Asset Management Competence Framework

PONENCIA 13. Visin general del mantenimiento


XIII CONGRESO DE CONFIABILIDAD

PONENCIA 14. Mantenimiento predictivo por vibraciones en turbinas de


vapor, evolucin tecnolgica y aplicacin prctica

PONENCIA15. Mantenimiento preventivo y fiabilidad, aspectos clave


para el xito en la implantacin

PONENCIA 16. Metodologa para la seleccin de tcnicas predictivas


costo-efectivas

PONENCIA 18. Sistema avanzado para la planificacin del


mantenimiento con un enfoque estratgico e integrador de aplicacin a
entornos industriales

PONENCIA 19. La medicin de la eficiencia de la funcin mantenimiento


a travs de los KPIs financieros

PONENCIA 20. Metodologa de diagnstico en la gestin integral de


activos fsicos en la industria. Caso: industria elctrica

PONENCIA 22. Prediccin de la vida til remanente a travs de


trayectorias entre hiperplanos usando SVM (Support Vector Machines)

PONENCIA 23. Optimizacin informada en el riesgo de la vigilancia y


mantenimiento aplicado al sistema de disparo del reactor

PONENCIA 24. Construccin de un modelo de tiempo de fallo y


reparacin a partir de un conjunto de datos observados
XIII CONGRESO DE CONFIABILIDAD

PONENCIA 25: Optimizacin integral del mantenimiento mediante el uso


de tcnicas heursticas

PONENCIA 26. Funciones de decisin en confiabilidad

PONENCIA 27. Inferencia plausible y fiabilidad estructural lgica

PONENCIA 28. Aplicacin de las TICs en el proceso de gestin de


garantas. Concepto de e-warranty

PONENCIA 29. Tratamiento de las incertidumbres en el anlisis


probabilista de cambios de AOT

PONENCIA 31. Optimizacin de la relacin coste/duracin del


mantenimiento preventivo. Reduccin a coste mnimo

PONENCIA 32. Procesos de trabajo para la gestin del rendimiento de


activos

PONENCIA 34. Utilizacin de tcnicas de optimizacin para la eleccin


del diseo de juntas

PONENCIA 35. Aplicacin del mtodo de elementos finitos (MEF) para


la mejora de la confiabilidad en los procesos de mecanizado

PONENCIA 36. La madurez como factor de xito en la gestin integral


de activos fsicos Asset Management PAS 55
PONENCIA 1

MTODO DE PREDICCIN DE FIABILIDAD EN


VEHCULOS FERROVIARIOS

Piedrafita Orduna, Fco. Javier.


Esteban Lallana, Cristina.
Arteche Gonzlez, Fernando.
Trallero Ferrer, Miguel.
XIII CONGRESO DE CONFIABILIDAD

MTODO DE PREDICCIN DE FIABILIDAD EN VEHCULOS FERROVIARIOS

Piedrafita Orduna, Fco. Javier. Espaa. fjpiedrafita@ita.es


Esteban Lallana, Cristina. Espaa. cesteban@ita.es
Arteche Gonzlez, Fernando. Espaa. farteche@ita.es
Trallero Ferrer, Miguel. Espaa. mtrallero@ita.es

RESUMEN

En el presente artculo se presenta un mtodo de prediccin del cumplimiento de


ciertos requisitos de fiabilidad para vehculos ferroviarios. El mtodo est
orientado a aquellos requisitos en donde existen diversos niveles de averas,
segn cmo afecta la avera al servicio, y con un objetivo de tasas de averas
para cada uno de estos niveles. La complejidad de estas predicciones estriba en
que un fallo en un componente o elemento del vehculo, puede tener varias
consecuencias sobre el servicio, no solo debido al modo en que falla, sino
tambin a los diversos efectos que pueda tener cada uno de los modos de fallo.

El mtodo presentado es un mtodo sistemtico de calcular la tasa de averas


total de cada nivel de avera. El mtodo se basa en un AMFE (Anlisis de los
Modos de Fallo y sus Efectos) con algunas modificaciones, pero la complejidad de
la prediccin radica realmente en que se exige un anlisis exhaustivo, dado el
nivel de detalle exigido en la descomposicin del vehculo.

Aunque no presentadas en este artculo, pues quedan fuera del alcance del
mismo, en las predicciones realizadas basadas en este mtodo, se han utilizado
otras herramientas comunes en los anlisis de fiabilidad, tales como rboles de
fallo, diagramas de bloques de fiabilidad y rboles de eventos. Los diagramas de
bloques de fiabilidad son especialmente tiles para visualizar la relacin entre
elementos cuando aparecen redundancias y paralelismos.

1
XIII CONGRESO DE CONFIABILIDAD

Los rboles de fallos ayudan a analizar las causas que llevan a un determinado
efecto. En el nivel de detalle manejado en el mtodo de este artculo, estas
causas son habitualmente modos de fallo de determinados elementos, por eso es
una herramienta complementaria al AMFE, permitiendo controlar que no haya
modos de fallo no analizados. Los rboles de eventos ayudan a obtener la
probabilidad de ocurrencia de un determinado modo de fallo y sus efectos, en las
situaciones en donde haya una cadena de sucesos compleja.

1 REQUISITOS CONTRACTUALES DE FIABILIDAD

Cuando se examinan los requisitos contractuales de fiabilidad solicitados a los


vehculos ferroviarios (trenes, tranvas, ) que el fabricante ha de suministrar, es
habitual encontrarse con requisitos como el siguiente:

Para el conjunto de la flota, el MKBF (Mean Kilometers Between


Failures) deber ser superior a 35.000 Km., calculndose el MKBF de
la siguiente forma:

Km totales recorridos por la flota

MKBF =

Nmero total de averas

En estos mismos requisitos se explica qu se considera avera, que suele


coincidir con la definicin dada por la norma IEC 60050-191 Vocabulario
electrotcnico internacional Confiabilidad y calidad del servicio:

Avera (apartado 191-05-01): estado de un elemento caracterizado por su


incapacidad para realizar una funcin requerida, excluida la incapacidad debida al
mantenimiento preventivo u otras causas programadas, o por una falta de medios
exteriores.

2
XIII CONGRESO DE CONFIABILIDAD

Los requisitos contractuales suelen dividir las averas en cinco niveles segn la
repercusin que tenga sobre el servicio. Estos cinco niveles son los siguientes:

Nivel 1: Conjunto de incidencias correspondientes al reemplazo prematuro


de piezas que deban ser cambiadas con regularidad (recambios,
fungibles), as como las incidencias que requieran slo un sencillo
diagnstico y la nueva puesta en servicio.

Nivel 2. Averas que fuercen la retirada de servicio del vehculo en final de


lnea.

Nivel 3: Averas que impliquen un tiempo de detencin en lnea superior a 3


minutos.

Nivel 4: Averas que impliquen la evacuacin (inmediata o en la siguiente


parada) del pasaje, y la retirada de servicio del vehculo por sus propios
medios (marcha en vaco).

Nivel 5: Averas de que fuercen un socorro (por vehculo de mantenimiento


u otro vehculo) para efectuar su retirada fuera de servicio (en marcha en
vaco).

En lugar de un requisito de un determinado MKBF, pueden exigirse unos objetivos


de fiabilidad para cada uno de los niveles de avera anteriores. Un ejemplo se da
en la tabla siguiente:

Tasa de averas
Nivel
(Averas/Km)

1 3x10-4

2 3x10-5

3 1x10-5

4 4x10-6

5 8x10-7

Tabla 1 Objetivos de tasas de avera de cada nivel de avera

3
XIII CONGRESO DE CONFIABILIDAD

En el mtodo presentado en este artculo, se supondr que hay un requisito con


objetivos de tasas de avera para cada nivel.

2 DESCRIPCIN DEL MTODO UTILIZADO

2.1 Fallos y averas

En fiabilidad se suele trabajar con tasas de fallos, en lugar de tasas de averas, al


tratarse datos habitualmente conocidos. Por ello, para abordar un estudio de
fiabilidad es necesario distinguir entre fallo y avera, o, ms concretamente, entre
tasa de fallo y tasa de averas:

La tasa de fallo de un elemento o componente es una caracterstica


intrnseca de l, y, de acuerdo al modelo exponencial seguido en el mtodo
explicado en este artculo, es un valor constante. En la tasa de fallo de un
elemento no influye el posible mantenimiento realizado sobre l.

La tasa de avera de un elemento corresponde, por definicin, al nmero


de averas registradas por unidad de tiempo. Una avera es una disfuncin
en el elemento que se produce durante la circulacin del vehculo, que le
impide disponer de sus prestaciones de servicio normales, y que requiere
una intervencin de mantenimiento imprevisible. Por tanto, en la tasas de
averas va a influir el posible mantenimiento preventivo que se realice.

Con esto, cada elemento tendr una tasa de fallos, y sta contribuir a las tasas
de averas, pudiendo darse los siguientes casos:

El fallo del elemento contribuye a una nica tasa de averas.

El fallo del elemento contribuye a varios niveles de averas, segn el modo


en que falle el elemento o a las circunstancias en las que se produce el
fallo.

El fallo del elemento no contribuye a ninguna avera.

4
XIII CONGRESO DE CONFIABILIDAD

En resumen, hay dos factores que contribuyen a la tasa de averas de un


determinado nivel:

Un fallo en uno de los elementos que, bajo determinadas circunstancias,


conduce a una avera en ese nivel.
La tasa de averas puede variarse con el mantenimiento preventivo.

2.2 Cambio de unidades en tasas de averas

Los requisitos contractuales manejan tasas de averas en averas por kilmetro


recorrido. Normalmente, los datos de tasas de fallo se conocen en fallos/hora,
por lo que es necesario convertirlo a fallos/km. Para ello, es necesario conocer
la velocidad media del vehculo; sea sta vmedia (Km/h). Entonces:

(fallos/km) = (fallos/h) / vmedia (km/h) (Ecuacin 1 )

2.3 Redundancias y paralelismos

Las redundancias son elementos duplicados en donde cualquiera de ellos puede


realizar las funciones requeridas por s mismo, y por tanto, el fallo de uno de ellos
no afecta al funcionamiento del vehculo, ya que cuando ocurra ser el otro quien
realice esas funciones.

Los paralelismos son elementos que aparecen dos o ms veces y que cada uno
de ellos desempea parte de una funcin comn, de tal forma que el fallo de uno
de ellos afecta al funcionamiento del vehculo, aunque no implica su
inmovilizacin, sino un funcionamiento degradado.

Las redundancias y paralelismos afectan al nivel de avera al que contribuye el


fallo de uno de los elementos. El fallo de un elemento redundado normalmente
contribuye al nivel 1, ya que el vehculo podr funcionar normalmente. El fallo de
un elemento paralelo contribuye a un nivel inferior al que contribuira el fallo de
todos los elementos simultneamente.

Por otra parte, si se supone que el fallo de un elemento redundante o paralelo se


detecta y se repara cuando regrese a talleres, puede despreciarse la situacin en
la que falla ms de un elemento simultneamente.

5
XIII CONGRESO DE CONFIABILIDAD

2.3.1 Ejemplo de elementos redundantes

El sistema central de control del vehculo es un sistema de seguridad crtico (SIL3


o SIL4), por lo que suele estar duplicado, funcionando solo uno de ellos en un
momento dado, y estando el otro en espera por si el primero falla. Aunque se trata
de un elemento clave para el funcionamiento del vehculo, el fallo de uno de ellos
no afecta al servicio y, por tanto, contribuye al nivel 1.

El fallo simultneo de los dos implicara una avera, en principio, de nivel 5. No


obstante, suponiendo que se repara en seguida, se desprecia por la probabilidad
de fallo simultneo.

2.3.2 Ejemplo de elementos paralelos

Se supone que, por ejemplo, un vehculo tiene ocho motores de traccin. El fallo
de uno de ellos no afecta apenas al funcionamiento del vehculo y puede circular
en modo degradado. El nivel al que contribuira dependera de la poltica del
explotador; por ejemplo, puede tener la poltica de que el vehculo contine hasta
el final de lnea y all se reemplace (nivel 2), o bien, que siga funcionando hasta su
finalizacin del servicio habitual (nivel 1).

2.4 Mtodo de prediccin de las tasas de averas de cada nivel

Para la prediccin del cumplimiento de los requisitos de fiabilidad se utilizar un


AMFE modificado (ver figura 1). Se partir de una descomposicin del vehculo en
elementos, a un nivel tal que sea sencillo obtener el dato de la tasa de fallos de
cada elemento, junto con sus modos de fallo habituales y el porcentaje de
ocurrencia esos modos de fallo.

Figura 1 Tabla para calcular las tasas de averas de cada nivel

6
XIII CONGRESO DE CONFIABILIDAD

En la figura 1 se muestra la plantilla utilizada para la prediccin. El significado de


las columnas no habituales en un AMFE es el siguiente:

%MF (o P(MF)): porcentaje del modo de fallo respecto a la tasa de fallos


total del elemento. El porcentaje de todos los modos de fallo de un
elemento ha de sumar 100%, aunque tenga varias funciones.

P(E): probabilidad de ocurrencia del modo de fallo con ese efecto en


particular. La probabilidad de ocurrencia de un modo de fallo sumar en
principio 100% contando todos los efectos. No obstante, puede ocurrir que
sea inferior a este 100% debido a que haya efectos sin repercusin sobre
el servicio (nivel de severidad 0) y que no estn reflejados en la tabla.

MFE: tasa de fallos del modo de fallo + efecto. Se calcula como:

MFE = elemento x P(MF) x P(E) (Ecuacin 2 )

S: ndice de severidad, segn los niveles de averas, al que se ha aadido


el ndice 0 para indicar que ese modo de fallo + efecto no imputa como
avera (ver tabla 2)

Columnas de tasas de avera: columnas auxiliares para el clculo de las


tasas de averas de cada nivel de severidad. Ser 0 en todas las columnas
salvo en una: la correspondiente a nivel S, o bien en ninguna si S=0.

7
XIII CONGRESO DE CONFIABILIDAD

INDICES DE SEVERIDAD (S)

Nivel Consecuencias sobre el servicio

0 Sin consecuencias sobre el servicio

Conjunto de incidencias imputables al material mvil correspondientes al


reemplazo prematuro de piezas que deban ser cambiadas con
1
regularidad, as como las incidencias que requieran slo un sencillo
diagnstico y la nueva puesta en servicio.

2 Incidencias que fuercen un cambio de vehculo al fin del recorrido actual

Incidencias que impliquen un tiempo de detencin en lnea superior a 3


3
minutos.

Incidencias que impliquen la evacuacin (inmediata o en la siguiente


4
parada) del pasaje.

Averas de que fuercen un socorro (por vehculo de mantenimiento u otro


5 vehculo) para efectuar su retirada fuera de servicio (en marcha en
vaco).

Tabla 2 ndices de severidad S.

Una vez obtenida la descomposicin del vehculo en elementos:

Para cada elemento, obtener sus funciones y su tasa de fallos.

Para cada funcin, obtener los modos de fallo y sus porcentajes de


ocurrencia, P(MF).

Para cada modo de fallo, obtener los efectos locales y sobre el vehculo,
orientados al servicio.

Para cada efecto:

o Porcentaje de ocurrencia respecto del total de ese modo de fallo,


P(E)

o La tasa de fallos del modo de fallo y sus efectos, MFE

o La severidad S.

8
XIII CONGRESO DE CONFIABILIDAD

Una vez obtenidos los datos anteriores, podrn imputarse todas las tasas de fallo
de cada modo fallo a su correspondiente tasa de averas. Posteriormente, se
suman obtenindose la prediccin del total de tasas de avera de cada nivel, i.

Una vez obtenidas las tasas de averas totales de cada nivel, i, se pueden
comparar con los objetivos, i, pudindose dar dos situaciones:

1. i <i: la prediccin indica un cumplimiento del objetivo de fiabilidad para


ese nivel.

2. i >i: la prediccin indica un incumplimiento del objetivo de fiabilidad para


ese nivel. En este caso, o bien se mejora el diseo, disminuyendo las tasas
de fallos de los elementos, o bien se tiene en cuenta el mantenimiento
preventivo. A continuacin se explica un mtodo que tiene en cuenta el
mantenimiento preventivo.

2.5 Consideracin del mantenimiento cuando no se cumplen los requisitos

Para el siguiente mtodo se han hecho las siguientes suposiciones:

Los fallos de los elementos siguen un modelo exponencial: fiabilidad R(t)=e-


t
,  constante.

Se realiza un mantenimiento peridico perfecto, es decir, todos los fallos


se detectan y se reparan, dejando cada elemento en un estado idntico a
como si fuera nuevo.

En la siguiente figura se muestra la curva de probabilidad de fallo sin


mantenimiento (PF(t)) y con mantenimiento (PF(t) mant), as como la probabilidad
de fallo promedio en el intervalo de tiempo considerado (365 das para el
ejemplo). En la curva con mantenimiento, tras cada revisin, la PF es 0, al
considerarse una revisin perfecta.

Si no se hiciera ningn mantenimiento durante el periodo considerado, la


probabilidad de fallo media (Prom) sera superior al caso de considerar
mantenimiento (Prom. mant).

9
XIII CONGRESO DE CONFIABILIDAD

Figura 2 Probabilidad de fallo con mantenimiento y sin mantenimiento preventivo con una nica
tasa de averas

En la figura anterior se ha mostrado el caso de una misma tasa de averas para


situacin con mantenimiento y sin mantenimiento. En el caso prctico, para cada
nivel i, van a manejarse dos tasas de averas:

la de los elementos que intervienen un ese nivel i, que para los clculos se
utilizar la obtenida en la prediccin, i, y

la objetivo segn los requisitos contractuales, i.

La primera es mayor que la segunda (si no, no hara falta a priori mantenimiento
preventivo); es el caso que se observa en la figura 3.

La probabilidad de fallo media en un periodo de tiempo [0, ], PFavg, se obtiene


como sigue:

PF(t) = 1 R(t)

Siendo R(t) la fiabilidad.

10
XIII CONGRESO DE CONFIABILIDAD

Figura 3 Probabilidad de fallo con mantenimiento y sin mantenimiento preventivo con dos tasas
de averas distintas

Aplicando esto al caso presente, sea:

p: periodo de tiempo total de clculo.

PFavg,obj: probabilidad de fallo media en el periodo p, con la tasa de averas


objetivo y sin mantenimiento preventivo.

PFavg,pred: probabilidad de fallo media con la tasa de averas de la


prediccin y con mantenimiento preventivo (independiente de p).

: tasa de averas obtenida en la prediccin.

: tasa de averas objetivo.

T: periodo de mantenimiento preventivo.

Entonces:

Siendo Ravg la fiabilidad media en el periodo p. Se trata de hallar el periodo de


mantenimiento T tal que la probabilidad de fallo media PFavg,pred sea igual a la
probabilidad de fallo media con la tasa de averas objetivo durante el periodo de
clculo, PFavg,obj.

11
XIII CONGRESO DE CONFIABILIDAD

La cuestin ahora surge en seleccionar este periodo de clculo, pues


dependiendo de cul se elija, ser distinta la PFavg,obj (a mayor periodo, mayor
PFavg,obj); no afecta sin embargo a PFavg,pred. Un valor adecuado para este periodo
p es un ao, que es el adoptado finalmente es el presento mtodo. De esta forma,
se va a calcular un periodo de mantenimiento T tal que reducir la probabilidad de
fallo media hasta igualarla con la probabilidad de fallo media durante un ao de la
tasa de averas objetivo. Por tanto:

Siendo Ravg un dato conocido. Se trata de una ecuacin no lineal, y para


resolverla se puede utilizar un mtodo numrico, como por ejemplo el de Newton.

2.5.1 Resolucin de la ecuacin por el mtodo de Newton

Sea f(x)=0 la funcin no lineal de la cual se desea obtener una raz. El mtodo de
Newton es un mtodo iterativo en el que la iteracin n+1 se obtiene mediante la
siguiente ecuacin:

Siendo x la raz buscada, y f(x), la derivada de f(x). Para el presente caso:

El mtodo necesita un valor inicial adecuado para que converja. Tomando los dos
primeros trminos del desarrollo de Taylor de ex, puede obtenerse PFavg de forma
aproximada:

PFavg,pred = 1-Ravg T/2 T 2(1- Ravg) /  ecuacin 10)

Que puede tomarse como valor inicial del clculo de T.

12
XIII CONGRESO DE CONFIABILIDAD

3 EJEMPLO

Para ilustrar el mtodo, se va a aplicar a un elemento de un vehculo ferroviario: el


disyuntor, presente en vehculos elctricos.

El disyuntor se utiliza para interrumpir la entrada de alimentacin del vehculo de


forma que evite daos a los equipos conectados a esta alimentacin. La apertura
puede realizarse de forma manual, o bien, en el caso de que llegue una
sobreintensidad, de forma automtica. El cierre ser siempre manual.

De forma manual, se deber cerrar cuando el vehculo inicie su servicio en


cocheras, y durante el viaje, en determinados puntos. Se deber abrir cuando
finalice su servicio y, durante un viaje, para reanudar la alimentacin previamente
interrumpida.

Un fallo que resulte en la imposibilidad de cerrar los contactos del disyuntor


implicar:

Que el tren no pueda continuar, necesitando ser remolcado (avera de nivel


5).

Que el tren no pueda entrar en servicio (suponiendo que hay vehculos de


reserva, no implica avera).

Un fallo que resulte en la imposibilidad de abrir los contactos del disyuntor de


forma manual implicar:

Que el tren no pueda continuar con su viaje previsto; no obstante, no


quedar inmovilizado (avera de nivel 4).

No evitara desconectar el tren de la alimentacin principal al disponer de


otro mecanismo (pantgrafo).

En ambos modos de fallo, el uso del disyuntor es mucho mayor en viaje que en la
salida o llegada a cocheras. Por tanto, se considerar que el 100% de los fallos
ocurren en viaje.

13
XIII CONGRESO DE CONFIABILIDAD

3.1 Esquema del circuito

En la siguiente figura se muestra un posible circuito de control del disyuntor.

Figura 4 Circuito de control del disyuntor

Dispone de dos pulsadores para abrir y cerrar los contactos del disyuntor. En la
apertura, al pulsar Abrir, se activar el contactor K2, con sus contactor K2.1
(para enclavarlo) y K2.2 para comandar la apertura del disyuntor. Una vez se
suelte el pulsador, el contactor quedar activo gracias al contacto K2.1.

En el cierre, al pulsar Cerrar, se activar K1, abriendo el contacto K1.1,


provocando la desactivacin de K2 y del disyuntor, que har que se cierren los
contactos del disyuntor.

En la tabla 3 se muestra el anlisis realizado sobre tres de los elementos del


anterior circuito: el disyuntor, el contactor K1 y su proteccin D1. Se destaca lo
siguiente:

Hay una tasa de fallos nica para cada elemento. Esta tasa de fallos se ha
obtenido por alguna de las vas comunes: fabricante del elemento,
fabricante del vehculo, bases de datos pblicas (MIL, etc).

14
XIII CONGRESO DE CONFIABILIDAD

El porcentaje de todos los modos de fallo de un elemento ha de sumar


100%, aunque tenga varias funciones (como en el caso del disyuntor del
ejemplo).

La probabilidad de ocurrencia de un modo de fallo sumar en principio


100% contando todos los efectos. No obstante, puede ocurrir que sea
inferior a este 100% debido a que haya efectos sin repercusin sobre el
servicio (nivel de severidad 0) y que no estn reflejados en la tabla.

Una vez analizados todos los elementos del vehculo, por medio de su severidad,
se asignan cada AMFE a la tasa de averas correspondiente: los de S=1, a 1,
los de S=2 a 2, etc. Posteriormente se puede obtener fcilmente el total de las
tasas de avera de cada nivel.

Tabla 3 Anlisis de tres de los elementos del circuito del disyuntor.

15
XIII CONGRESO DE CONFIABILIDAD

En la tabla 4 se muestra de qu forma se ha realizado para el estudio de fiabilidad


objetivo de este artculo. Se han mostrado los totales de todo el vehculo. Se ha
trabajado hasta ahora con tasas de fallos en fallos/hora (que una vez ya
analizadas son averas/hora) pues son las unidades que normalmente se dan las
tasas de fallo. Los objetivos de fiabilidad estn dados en averas/Km, por lo que
convierten a estas unidades en la segunda fila de totales. En la tercera fila se
indican los objetivos de fiabilidad (requisitos contractuales) y en la ltima fila, si
cumple o no con esos objetivos.

Se observa que solo el primer nivel cumple con los objetivos de fiabilidad. Para el
resto de niveles, se van a obtener los periodos mnimos de mantenimiento
preventivo que habra que hacer sobre los elementos que intervienen en cada
nivel, segn el mtodo explicado ms arriba.

16
XIII CONGRESO DE CONFIABILIDAD

Tabla 4 Imputacin de las tasas de fallos a tasas de averas, y resultados totales.


En la siguiente tabla, se resumen los resultados obtenidos al aplicar el mtodo a
los cuatro niveles que no cumplen.

17
XIII CONGRESO DE CONFIABILIDAD

Nivel 2 Nivel 3 Nivel 4 Nivel 5

i (h-1) 1,52E-03 1,22E-03 2,30E-04 3,60E-04

i (h-1) 6,00E-04 2,00E-04 8,00E-05 1,60E-05

Ravg 0,189 0,472 0,719 0,933

Tini (h) 2702 866 2444 372

T (h) 3458 1436 3047 389

T (dias) 144 60 127 16

Tabla 5 Resumen del clculo de los periodos de mantenimiento preventivo mnimo para cada
nivel de avera.

18
XIII CONGRESO DE CONFIABILIDAD

4 CONCLUSIONES

En el presente artculo se ha presentado un mtodo de prediccin de fiabilidad


que permite distinguir diversos niveles de averas, segn qu consecuencias
tengan sobre el servicio. El mtodo se desarroll debido a que esta divisin en
niveles de averas es comn en las especificaciones de los requisitos de fiabilidad
de vehculos ferroviarios, pero el mtodo es igualmente aplicable en otros
campos.

La ventaja del mtodo es que est basado en un anlisis AMFE, ampliamente


conocido, y que utiliza tcnicas y conocimientos bsicos de fiabilidad. Sus
inconvenientes son los mismos que pueda tener un AMFE: requiere un anlisis
exhaustivo y de un equipo de varias personas, lo que lleva a un consumo elevado
de recursos humanos. No obstante, de acuerdo a la experiencia propia, la mayor
parte de los componentes son conocidos, tanto sus modos de fallo, como sus
tasas de fallo; adems, muchos de ellos son bsicos y se repiten dentro de un
mismo vehculo, y aquellos que no son bsicos, aparecen en otros diseos de
vehculos, lo que gran parte del esfuerzo se realiza en el primer diseo.

19
XIII CONGRESO DE CONFIABILIDAD

5 REFERENCIAS

William M. Goble. Control Systems Safety Evaluation and Reliability.

Dr David J Smith. Reliability, Maintainability and Risk. Practical methods for


engineers. 2001.

UNE-EN 60812:2008: Tcnicas de anlisis de la fiabilidad de sistemas.


Procedimiento de anlisis de los modos de fallo y de sus efectos (AMFE).

UNE-EN 61078:2006: Tcnicas de anlisis de la confiabilidad. Mtodo del


diagrama de bloques de la fiabilidad y mtodos booleanos (IEC
61078:2006)

MIL-HDBK-217F: Military Handbook. Reliability Prediction of Electronic


Equipment. 1995

EN 61508: 2010: Seguridad funcional de los sistemas


elctricos/electrnicos/electrnicos programables relacionados con la
seguridad (siete partes).

20
PONENCIA 3

PLAN DE MANTENIMIENTO DINMICO PARA ACTIVOS


GENERADORES DE ENERGA RENOVABLE

Idoia Iceta, Energy Division Manager (NEM Solutions)


Alberto Conde, CEO (NEM Solutions)
XIII CONGRESO DE CONFIABILIDAD

PLAN DE MANTENIMIENTO DINMICO PARA ACTIVOS GENERADORES


DE ENERGA RENOVABLE
AUTORES:
Idoia Iceta, Energy Division Manager (NEM Solutions)
Alberto Conde, CEO (NEM Solutions)

RESUMEN:

Los recursos naturales estn permitiendo que la sociedad sea ms sostenible.


Gracias a ellos, se han originado fuentes de generacin de energa renovable,
como pueden ser la elica, solar u ocenica entre otras.
En el presente artculo se presentar una lnea de trabajo abordada entre
Iberdrola Ingeniera de Explotacin y NEM Solutions, para extraer la mxima
eficiencia de estos recursos naturales, maximizando la produccin de los
activos de generacin de energa.
Se trata de una herramienta que permite generar un plan de mantenimiento
dinmico entre otras posibilidades, en funcin del recurso natural, el estado del
generador de energa y los recursos de operacin y mantenimiento del
operador de los activos.
Gracias a esta herramienta, la eficiencia de la produccin es optimizada en
cada momento, permitiendo una planificacin ptima de las tareas de
operacin y mantenimiento.
Del mismo modo, facilita una previsin de la generacin de energa para los
prximos das, basndose en el recurso elico y estado y eficiencia, as como
el plan de mantenimiento dinmico propuesto para la instalacin de generacin
de energa.
Se presentarn datos reales de explotaciones de energa y se realizar una
extrapolacin a otros sectores con cabida para estas herramientas.

1 INTRODUCCIN
NEM Solutions ofrece soluciones que ayuden al sector de las energas
renovables a superar los desafos actuales relativos al periodo de explotacin
de los activos, principalmente enfocados en la energa elica, fotovoltaica y
marina. Los actores del sector de las energas renovables buscan como
objetivo maximizar el rendimiento de la explotacin de los activos para hacerlas
competitivas frente a otras instalaciones de generacin de energa. Para ello,
las lneas de actuacin principales relativas a la operacin y mantenimiento de
las energas renovables son:
1. Reduccin del CoE (Cost of Energy): Para instalaciones offshore se plantea
una reduccin de hasta el 50% [1].Se plantean lneas de investigacin para
maximizar la produccin de energa por cada MW instalado, reduccin de la
inversin inicial en los activos y la modificacin de la estrategia de
mantenimiento para la reduccin del OPEX (Operational Expedintures) por
MW instalado.

1
XIII CONGRESO DE CONFIABILIDAD
CAPEX (anualizado) + OPEX (anualizado)
CoE =
Pr oduction Energy Anual

2. Conocimiento de los activos: Actualmente existe una barrera en la


transferencia de conocimiento sobre el funcionamiento de los equipos lo
que hace complicado que los operadores y mantenedores puedan disear
una estrategia de explotacin ms eficiente que la establecida inicialmente
por los tecnlogos.
3. Eficiencia de Explotacin: Los operadores deben monitorizar miles de
activos y planificar continuamente tareas de mantenimiento. Dicha
planificacin debe conseguir maximizar la disponibilidad de los equipos en
condiciones ptimas de operacin evitando fallos funcionales potenciales
para maximizar la produccin de energa.
4. Integracin en red: La integracin en la red de estas tecnologas exige a los
operadores que realicen predicciones de produccin de energa cada vez
ms precisas las cuales se obtienen de la combinacin de complejos
modelos de prediccin de recurso, estimaciones de disponibilidad a corto y
medio plazo as como rendimientos reales de cada equipo.

Basndose en estos objetivos, NEM Solutions est investigando y


desarrollando un sistema avanzado de apoyo a la decisin que integra la
prognosis del estado de salud de cada activo y la optimizacin dinmica del
plan de mantenimiento de los equipos bajo monitorizacin. Dicha investigacin
se est realizando gracias al proyecto CENIT (2009-2012) cuyo consorcio lo
forman operadores, tecnlogos y otras empresas de la cadena de suministro
del sector energtico espaol. NEM Solutions, como lder de la Actividad IV,
est trabajando en estrecha colaboracin con Iberdrola Ingeniera de
Explotacin para la especificacin y validacin del sistema. Las lneas
principales de investigacin de dicha actividad son las dos siguientes:
1. Definicin y aplicacin de la metodologa de caracterizacin operacional de
dispositivos de aprovechamiento de energa ocenica: Inicialmente se
realiza un anlisis FMECA sobre la informacin histrica disponible de
sistemas con analoga tecnolgica y operativa de otros dispositivos de
aprovechamiento de energa como los parques elicos para establecer una
primera aproximacin sobre la criticidad de los subsistemas y componentes.
El objetivo de esta tarea es evitar el infra y sobremantenimiento de los
activos y definir la estrategia ptima de explotacin teniendo en cuenta sus
diferentes modos de fallo y su riesgo asociado.
2. Diagnstico inteligente y optimizacin dinmica del plan de mantenimiento
de los activos: Esta tarea realiza la investigacin de todas las
aproximaciones actuales para establecer el estado de salud de los equipos
as como su diagnosis. Incluye el anlisis desde mtodos ms tradicionales
basados en estadstica hasta mtodos ms novedosos como los basados
en inteligencia artificial. Dichos mtodos modelan el comportamiento normal
de los equipos para as estimar desviaciones del mismo que permitan
detectar y diagnosticar fallos potenciales con suficiente antelacin para

2
XIII CONGRESO DE CONFIABILIDAD
planificar la tarea de mantenimiento idnea para maximizar su ciclo de vida
y en la ventana de recurso ms adecuada.

Dado que existen muy pocos dispositivos de aprovechamiento de energas


marinas a escala real conectados a la red e instalados en el mar, en una
primera fase del proyecto se realiza la investigacin sobre explotaciones
elicas dada su analoga. Este artculo explicar a continuacin la metodologa
seguida para el diseo y desarrollo de una herramienta para la gestin
dinmica del plan de mantenimiento que permite al usuario del mismo gestionar
y optimizar el plan de mantenimiento de los aerogeneradores de dos parques
elicos reales.

2 DISEO DE LA HERRAMIENTA
El primer paso ha sido la realizacin de la especificacin de requisitos
funcionales y no funcionales del software (SRS, Software Requirements
Specification) que han sido divididos en cinco bloques principales: generales,
deteccin remota, diagnosis, plan de mantenimiento dinmico y de uso. A
continuacin se muestran en trminos generales los requisitos principales del
sistema:
Adquisicin y procesado de diferentes fuentes y tipos de datos como los
recogidos directamente de los activos como de fuentes externas como
bases de datos, aplicaciones, etc.
Anlisis en tiempo real y bajo demanda.
Evaluar el estado de salud actual y predecir el comportamiento futuro en
base a modelos generados a partir de datos histricos, datos recogidos en
tiempo real y prediccin de recurso
Evaluar la vida remanente de los equipos crticos en base a modelos
generados a partir de datos histricos, datos recogidos en tiempo real y
prediccin de recurso.
Realizar el diagnstico de las anomalas detectadas que permitan
establecer la tarea de mantenimiento ms adecuada de acuerdo a la
estrategia de mantenimiento previamente definida
Optimizacin dinmica del plan de mantenimiento previsto inicialmente para
la maximizacin de la eficiencia de la operacin y mantenimiento de los
equipos basada en el estado de salud, prediccin de recurso y previsin de
recursos humanos y materiales. En el caso de instalaciones en el mar, se
aade la previsin de las condiciones meteocenicas para el clculo de la
ventanas de actuacin.
Una vez definida la especificacin de requisitos, se procede a la definicin de la
arquitectura del sistema que viene definida por el modelo de componentes.
Dichos componentes son la capa de presentacin, servicios, lgica de negocio
y acceso a datos.

Tal y como se ha comentado, este artculo se centra en la parte de


optimizacin dinmica del plan de mantenimiento por tanto, a partir de este
punto se entrar en detalle en el mtodo aplicado para el desarrollo de este
mdulo.

3
XIII CONGRESO DE CONFIABILIDAD
3 MDULO DE OPTIMIZACIN DINMICA DEL PLAN DE
MANTENIMIENTO
Al comienzo de este artculo, se ha citado que uno de los objetivos principales
de los operadores de instalaciones de generacin de energa es aumentar la
eficiencia durante la fase de explotacin de las instalaciones. El mercado
energtico requiere, para asegurar la correcta integracin de las energas
renovables en la red, centralizar la operacin de las instalaciones en centros
especializados 24/7. Ello supone que el personal que trabaja en dicho centro
est monitorizando en tiempo real miles de activos lo que demanda una
continua evolucin de la tecnologa hacia sistemas que permitan analizar en
tiempo real gran cantidad de datos y ofrecer a los operadores herramientas de
soporte a la decisin para ejecutar la operacin y mantenimiento reduciendo
riesgos, costes y maximizando la produccin. Para ello, NEM Solutions, en
colaboracin con Iberdrola Ingeniera de Explotacin, est desarrollando una
herramienta que permita la optimizacin dinmica del plan de mantenimiento
para cumplir con dichos objetivos.
En general, el plan de mantenimiento se establece segn las directrices
establecidas por el fabricante de los equipos y los incidentes que van
ocurriendo durante la fase de explotacin. En la realidad, se sabe que dicho
plan de mantenimiento est basado en un ciclo de vida terico el cual ser
distinto para cada sistema ya que las condiciones de operacin son muy
variables. Por ello, este plan de mantenimiento inicial debe ser adaptado para
cada sistema segn su criticidad, estado actual y vida remanente. Adems,
cada tarea de mantenimiento, en el momento de ser planificada, se deber
ejecutar en aquella ventana de recurso ms adecuada y que minimice la
prdida de energa.
NEM Solutions, en colaboracin con la ULPGC y TECNALIA Sistemas
Industriales, ha diseado un algoritmo gentico multiobjetivo con evolucin
flexible [2][3] que da solucin a la necesidad de tener una herramienta que
automatice la adaptacin continua del plan de mantenimiento de mltiples
activos teniendo en cuenta el estado de salud de cada uno, la prediccin del
recurso, restricciones de la aplicacin as como la disponibilidad real de
recursos humanos y materiales.
Adicionalmente, la evolucin flexible resuelve limitaciones comunes de otros
algoritmos genticos como la dependencia de los parmetros y del problema
especfico ya que incorpora mecanismos de autoadaptacin, independencia de
operadores y del problema especfico. Los componentes principales del
algoritmo son:
Motor de decisin: Existen muchos mtodos para el control del proceso
como sistemas expertos, lgica difusa, mtodos estadsticos, etc.
Motor de aprendizaje: Este componente incluye el criterio de parada y la
evaluacin de las soluciones
Motor de seleccin: Incluye el criterio de seleccin de los mejores individuos
de cada poblacin
Motor de cruce: Incluye los mtodos de cruce que se utilizan como los
operadores de cruce y los operadores de mutacin
Motor de filtrado: Incluye el criterio de filtrado de soluciones no viables

4
XIII CONGRESO DE CONFIABILIDAD

Imagen 1 Algoritmo gentico con evolucin flexible

En colaboracin con Iberdrola Ingeniera de Explotacin, se han definido las


restricciones, las variables de decisin y las funciones objetivo para poder
adaptar dicho algoritmo para el caso concreto de la explotacin de parques
elicos [4]. Las principales ventajas de estos algoritmos son:
Robustez, eficiencia y flexibilidad
Capacidad de converger a soluciones en espacios grandes y complejos de
soluciones
Capacidad de integrar mltiples funciones objetivo incluso en conflicto entre
ellas con multitud de restricciones
El algoritmo y el problema de optimizacin son independientes, por tanto el
primero puede ser aplicado para multitud de problemas de optimizacin

4 PLAN DE MANTENIMIENTO DE ACTIVOS GENERADORES DE


ENERGIA RENOVABLE
Para poder adaptar el algoritmo al caso concreto de la explotacin de parques
elicos se ha seguido la metodologa siguiente:
1. Definicin de las funciones objetivo: generalmente las funciones objetivo
vienen definidas por minimizacin de costes derivados de la ejecucin del
mantenimiento, maximizacin de la disponibilidad tcnica y operativa de los
aerogeneradores, minimizacin de prdida de energa (ejecucin de
mantenimiento durante las ventanas de recurso ptimas), minimizar el
riesgo de fallo (combinacin de la probabilidad de fallo y sus efectos),
maximizacin del ciclo de vida de los aerogeneradores
2. Definicin de las variables de decisin: fecha de ejecucin del
mantenimiento, frecuencia del mantenimiento preventivo, estrategia de
operacin, gestin del stock
3. Restricciones: disponibilidad de material y recursos humanos, limitaciones
de seguridad de ejecucin de mantenimiento, margen de tiempo para mover
cada tipo de mantenimiento, rangos de resultados de las funciones objetivo

5
XIII CONGRESO DE CONFIABILIDAD
viables, tiempo de optimizacin, nmero de aerogeneradores bajo
supervisin
Dado que algunas funciones objetivo entran en conflicto no existe una nica
solucin al problema. El algoritmo gentico busca aquella nube de soluciones,
aquel conjunto de planes de mantenimiento, que mejores resultados obtienen
para dichas funciones. Se aconseja al usuario seleccionar dos o tres funciones
para hacer ms fcil la evaluacin de las soluciones. A continuacin se
describen las fuentes de informacin que han sido necesarias para la
implementacin de este algoritmo en la explotacin de parques elicos:
Variables de operacin: todas las variables medidas por el PLC del
aerogenerador y registradas por el SCADA de parque
Eventos y alarmas: Todas aquellas que hayan sido tanto generadas por el
PLC del aerogenerador como por el SCADA de parque.
Plan de mantenimiento del fabricante de los aerogeneradores
Registro histrico de las tareas de mantenimiento ejecutadas as como los
fallos ocurridos registrados en el GMAO
Configuracin e informacin tcnica del aerogenerador
Previsin de viento: corto, medio y largo plazo obtenidos de herramientas
de modelizacin y registros histricos de la localizacin del parque
Previsin de las condiciones meteocenicas (instalaciones en el mar)
Estrategia de mantenimiento del operador: funciones objetivo, variables de
decisin y restricciones

Como ejemplo, se muestra la optimizacin dinmica del plan de mantenimiento


de dos parques elicos terrestres de aerogeneradores de 2MW utilizando para
ello la herramienta desarrollada por NEM Solutions. Como primer paso, se ha
revisado el plan de mantenimiento del fabricante y el histrico de
mantenimiento ejecutado para demostrar el margen de mejora que existe
actualmente en la explotacin de dichos parques. Se han seleccionado las
funciones objetivo de minimizacin de costes directos de mano de obra y
recursos materiales, minimizacin de la prdida de energa y minimizacin de
la probabilidad de fallo del sistema. Las restricciones introducidas son las
limitaciones de seguridad de ejecucin de las tareas, previsin de cortes en la
red elctrica, disponibilidad de recursos humanos y materiales y compatibilidad
de ejecucin de las tareas de mantenimiento.
Adems, la herramienta adems de conectarse con herramientas de
modelizacin de recurso, permite introducir la previsin de recurso de cada
parque en diferentes formatos
As, en las pantallas siguientes se observan los resultados obtenidos sobre
unos datos simulados. Una vez lanzada la optimizacin, se llega a la pantalla
donde se pueden comparar el plan de mantenimiento previsto inicialmente y los
propuestos por la herramienta. Tal y como se ha explicado, dado que se han
seleccionado tres funciones objetivo, se obtendr un conjunto de soluciones
cuyos resultados se muestran de forma tabulada (Imagen 2).

6
XIII CONGRESO DE CONFIABILIDAD

Imagen 2 Plan de mantenimiento inicial y propuesta de planes de mantenimiento


optimizados

Una vez seleccionado un plan de mantenimiento, el usuario puede ver y editar


cada una de las tareas y su fecha asignada. En la Imagen 3 se puede analizar
el plan de mantenimiento bajo diferentes niveles de zoom, en este caso el de
un mes, donde se distinguen seis estructuras de informacin principales:
1. Grfica de recurso: Esta grfica muestra el recurso previsto para el parque
elico bajo supervisin, los lmites de corte de la curva de potencia del tipo
de aerogenerador (4m/s-25m/s), lmites de seguridad de ejecucin de la
tarea seleccionada, en color naranja la prediccin del modelo de recurso y
en amarillo, el registro histrico disponible.
2. Plan de mantenimiento optimizado por aerogenerador: En cada lnea se
representan las tareas de mantenimiento correctivas (rojo), preventivas
(azul) y predictivas (verde) previstas para cada aerogenerador y durante el
intervalo de tiempo seleccionado. Es aqu donde el usuario con el ratn es
capaz de mover la tarea de fecha siempre que se cumplan las condiciones
de seguridad necesarias as como la disponibilidad de recursos materiales y
humanos. En caso contrario, se lanzar una advertencia de las restricciones
que no se cumplen.
3. Calendario: La funcin principal de este calendario es ofrecer al usuario una
manera rpida de navegar en fechas as como el marcado de las fechas
donde se ejecutar la tarea de mantenimiento seleccionada
4. Ventanas de mantenimiento: Esta parte del software ofrece al usuario la
posibilidad de definir el tamao y el nmero de ventanas para que la
herramienta busque en el rango de fechas actual, la localizacin de dichas
ventanas minimizando la prdida de energa.
5. Descripcin de la tarea: Se muestra informacin de detalle de la tarea
seleccionada incluida la prdida de energa durante su ejecucin.
6. Indicadores de Plan de Mantenimiento: Se muestran los resultados
obtenidos en las funciones objetivos para el plan de mantenimiento previsto,
el plan de mantenimiento optimizado seleccionado del nube de soluciones y
el plan de mantenimiento definido por el usuario tras realizar cambios
manualmente sobre las fechas de ejecucin de las tareas.

7
XIII CONGRESO DE CONFIABILIDAD

Imagen 3 Plan de mantenimiento optimizado

5 CONCLUSIONES
Este artculo identifica la necesidad de la optimizacin continua del plan de
mantenimiento de los activos generadores de energa para aumentar su
competitividad frente a otras fuentes de energa convencionales.
Dicha optimizacin es un problema multiobjetivo, por lo que en este artculo se
muestra como la computacin evolutiva, y ms concretamente los algoritmos
genticos con evolucin flexible, pueden ser una herramienta muy eficaz para
resolver problemas tan complejos y ofrecer al usuario los planes de
mantenimiento con mejores resultados. Este tipo de algoritmo es
independiente del problema de optimizacin, de hecho actualmente se est
adaptando para dar solucin a otros casos tanto del sector de la energa como
del transporte.
Para conseguir una mejora significativa en el rendimiento de la explotacin de
parques elicos, no se debe slo tener en cuenta la optimizacin a corto o
medio plazo sino tener en cuenta la mejor estrategia de mantenimiento que
maximice el ciclo de vida de los activos sin un aumento del coste de operacin
y mantenimiento.
Tal y como se ha dicho, una de las entradas principales de este sistema de
optimizacin continua es la evaluacin del estado de salud de los activos
crticos para lo cual NEM Solutions est trabajando en la investigacin y
desarrollo de una herramienta de diagnosis y prognosis de aerogeneradores [5]
en base a los histricos de operacin y mantenimiento disponibles basndose
en tcnicas como la regresin simblica, redes neuronales y similaridad.

8
XIII CONGRESO DE CONFIABILIDAD
6 REFERENCIAS

[1] Megavind Project Megavinds strategy for offshore wind research, Development and
Demonstration. Denmark. December 2010
[2] Sebastin Martorell (IQN, UPV), Blas Galvn (IUSIANI, ULPGC), Daniel Salazar
(IUSIANI, ULPGC), Utilizacin de algoritmos genticos para resolver problemas de optimizacin
en ingeniera de seguridad. VI CONGRESO DE CONFIABILIDAD Madrid 16 y 17 de noviembre
(2004)
[3] P.S. Shelokar, V.K. Jarayaman and B.D. Kulkarni.: Ant algorithm for single and
multiobjective reliability optimization problems. Quality and Reliability Engineering International,
18(6): 497514 (2002).
[4] Ribrant,J., Reliability performance and maintenance- A survey of failures in wind power
systems. Master Thesis written at KTH School of Electrical Engineering, 2005/2006 School of
Electrical Engineering
[5] Z. Hameed, Y. S. Hong, Y. M. Cho, S. H. Ahn, and C. K. Song, Condition Monitoring
and fault detection of wind turbines and related algorithms: A review, Renewable and
Sustainable Energy Reviews,(2009) 1-39.

9
PONENCIA 5

EL IMPACTO DE LOS MANUALES TCNICOS Y EL


ADIESTRAMIENTO EN LA CONFIABILIDAD DURANTE
EL DICLO DE VIDA DE LOS SISTEMAS

Jos Mara Luquero Snchez


Jefe del Departamento de Ciclo de Vida
NAVANTIA-Sistemas FABA

Antonio J. Vzquez Gutirrez


Departamento de Ciclo de Vida-Seccin de Sistemas de Combate y
Comunicaciones
NAVANTIA-Sistemas FABA
XIII CONGRESO DE CONFIABILIDAD

El Impacto de los Manuales Tcnicos y el


Adiestramiento en la Confiabilidad durante el Ciclo de
Vida de los Sistemas
Jos Mara Luquero Snchez
Jefe del Departamento de Ciclo de Vida
NAVANTIA - Sistemas FABA

Antonio J. Vzquez Gutirrez


Departamento de Ciclo de Vida - Seccin de Sistemas de Combate y Comunicaciones
NAVANTIA - Sistemas FABA

RESUMEN
Si metiramos en una coctelera las mltiples definiciones que se pueden
encontrar de Confiabilidad, podramos obtener un resultado similar a
Confiabilidad es la capacidad de un sistema de realizar la funcin para la que
fue concebido durante el tiempo en que pretende ser explotado.
Parece conveniente poder disponer de tcnicas para establecer de forma
cuantitativa cuanto de confiable es un sistema.
Igualmente es necesario determinar que factores influyen en la confiabilidad de
un sistema de manera que sea posible actuar sobre los mismos para mejorar
los resultados obtenidos.
En el caso de los Sistemas de Defensa, la larga vida que se espera de ellos, en
ocasiones del orden de varias decenas de aos, unido a la rotacin del
personal responsable de su operacin y mantenimiento, convierten a los
Manuales Tcnicos del Sistema y al Adiestramiento de dicho personal en
elementos de soporte bsicos que influirn en la disponibilidad real de dichos
Sistemas durante su Ciclo de Vida haciendo que las caractersticas de
confiabilidad del Sistema adquieran valores ms o menos atractivos.
Si a esto se le aade la rpida evolucin de las tecnologas empleadas y los
cambios a los requerimientos del Sistema, motivados por Modernizaciones,
Obsolescencias, nuevas necesidades operativas, etc., se hace necesario
adoptar mecanismos que ayuden a mantener actualizados, estos elementos de
soporte, de manera eficaz impidiendo as que una degradacin de los mismos
tenga efecto negativo sobre la confiabilidad del Sistema.
Esta ponencia describe las soluciones adoptadas por el departamento de Ciclo
de Vida de NAVANTIA, Sistemas FABA en el campo de la Documentacin y del
Adiestramiento al Cliente, elementos bsicos del apoyo de un sistema, con el

1
XIII CONGRESO DE CONFIABILIDAD

objetivo de dar una respuesta eficiente a la mejora de la confiabilidad de los


Sistemas Complejos durante todo el Ciclo de Vida para el que son diseados.

1 INTRODUCCIN
Un sistema es un conjunto ms o menos complejo de equipos hardware y
componentes software llamados a convivir de un modo integrado para
satisfacer una serie de funciones para el que se disea. El alcance de un
sistema puede ir desde una configuracin ms o menos simple, como es el
caso del ordenador personal con su procesador de texto que est permitiendo
a este autor escribir esta ponencia, hasta una configuracin tan compleja como
puede ser un buque de guerra diseado para un escenario hostil, un avin
comercial que debe poder funcionar a 60C bajo cero o una central nuclear.
Todos los sistemas, en mayor o menor medida, permiten y/o requieren de la
interaccin humana con objeto de su adecuada operacin y mantenimiento.
Existen mltiples elementos sobre los que podemos actuar para mejorar los
parmetros de fiabilidad y mantenibilidad de un Sistema (componentes ms
robustos, empleo de tcnicas de redundancia, etc.). Entre ellos hay un factor
algunas veces olvidado pero que tiene una gran influencia en el resultado final
de las caractersticas de confiabilidad de un sistema. Este elemento es el
Factor Humano.
Qu podemos hacer para mejorar la influencia del factor humano?
La respuesta a esta pregunta es bastante compleja. Aunque existen tcnicas
diversas, a ser aplicadas por la Ingeniera Logstica durante la fase de diseo,
para reducir la influencia del factor humano en la disponibilidad de los sistemas
o la comisin de errores durante su manipulacin (por ejemplo el empleo de
centradores que eviten la instalacin inadecuada de un componente, etc.),
dichas tcnicas contribuyen a reducir sin llegar a eliminar la influencia de ste
factor.
Qu ms se puede hacer? Aunque elementos relacionados con el error
humano (cansancio, problemas familiares, etc.) son difciles de atajar, sin duda,
conseguir personal que pueda operar y/o mantener los sistemas de un modo lo
ms adecuado posible es una buena manera de influir sobre este factor. Es
aqu donde la documentacin que manejan estos operadores y mantenedores,
junto con un alto nivel de formacin, darn el nivel de cualificacin adecuado
para minimizar al mximo el riesgo de la aparicin del error humano.
Es importante recordar que estos sistemas complejos se disean para que
tengan una vida larga, en ocasiones del orden de decenas de aos. Esto, unido
con la rpida evolucin de la tecnologa y los cambios producidos a los
sistemas, motivados por Modernizaciones, Obsolescencias, Nuevas
necesidades operativas, etc. obligan a adoptar mecanismos que permitan
mantener actualizados, estos elementos de soporte, de manera coste eficaz.
Sin olvidar que en estos periodos tan largos se producirn rotaciones en las
plantillas responsables de la Operacin y el Mantenimiento.
En vista a todo lo anterior, el departamento de Ciclo de Vida de Navantia,
Sistemas FABA ha desarrollado una serie de soluciones encaminadas a

2
XIII CONGRESO DE CONFIABILIDAD

mejorar los procesos de elaboracin y mantenimiento de la documentacin


tcnica de los sistemas y a proporcionar herramientas de apoyo al
adiestramiento de los operadores y mantenedores que complementen la
formacin tradicional o puntual que puedan recibir para el desarrollo de sus
responsabilidades.

2 MANUALES DE OPERACIN Y MANTENIMIENTO


El desarrollo de Manuales de Operacin y Mantenimiento se puede abordar
desde dos puntos de vista, claramente relacionados entre s. El primer enfoque
es el relacionado con las necesidades del usuario, en el cual se debe de tener
claro el contenido que hay que aportar a los utilizadores y los formatos del
mismo. En segundo lugar se considerar el procedimiento de produccin que
empleado en Navantia Sistemas FABA para llegar a obtener el producto que
necesitan los usuarios para operar y/o mantener el sistema adecuadamente.

2.1 Necesidades del Usuario: Contenido y Formatos.

A la hora de hablar de Manuales Tcnicos nos podemos encontrar dos grandes


grupos de contenidos a desarrollar, la orientada a los operadores y la que est
pensada para el personal de mantenimiento. Es ms, en ocasiones puede ser
interesante separar estos dos tipos de informacin en publicaciones diferentes.
Vamos a ver a continuacin que alcance debe tener cada tipo de publicacin, y
a continuacin se describirn los tipos de formatos ms empleados para cada
una de ellas.

2.1.1 Manuales de Operacin

Los Manuales de Operacin estn dirigidos al personal responsable de operar


los sistemas y deben permitir a stos llegar a adquirir un nivel de conocimiento
suficiente y constituir un elemento de consulta para operar da a da de un
modo eficiente.
Estos manuales deben incluir, al menos, la siguiente informacin:
Descripcin General del sistema y de los elementos perifricos
asociados. Debe de describir que capacidades tiene el sistema sobre el
que estn operando, as como los equipos que lo componen. Adems,
debe incluir informacin resumida de aquellos elementos con los que el
sistema mantiene interfaz. Por ejemplo, si tenemos una consola que

3
XIII CONGRESO DE CONFIABILIDAD

controla varias bombas, no basta con que se describa la consola, sus


capacidades y su composicin HW y/o SW. Es necesario que los
operadores de la consola conozcan, a grandes rasgos, que dicha
consola tiene interfaz con varias bombas, que informacin intercambia
dicha consola con cada una de ellas y para qu sirven estas.
Descripcin Detallada del Interfaz Hombre Mquina (tambin conocido
como HMI, del ingls Human Machine Interface). Dentro de este
bloque, el operador debe encontrar informacin en detalle de cada uno
de los elementos con los que puede interactuar, ya sea de forma activa
(elementos que permiten al operador enviar rdenes al sistema) como
pasiva (elementos que envan informacin al operador).
Para cada elemento de operacin debe existir una descripcin detallada
de su funcin en el sistema, el rango de valores vlidos, las condiciones
previas para que el elemento est activo, el procedimiento operativo a
utilizar y los resultados de su utilizacin, incluyendo las distintas
consecuencias en funcin de las condiciones iniciales.
Para aquellos elementos a los que se acceda va men es necesario que
describa, adems, el camino a seguir para acceder al elemento
deseado.
Alarmas. Unos elementos muy importantes, que tendrn un captulo
especial en el manual de operacin, son las Alarmas. El operador debe
saber, de un modo inequvoco, el significado de cada indicacin de
alarma y cmo actuar cuando estas aparezcan.
Por ltimo, el operador debe de encontrar en el manual los
procedimientos tpicos de operacin, tanto cuando un sistema est en
modo normal como cuando otro modo soportado por el Sistema
(degradado, mantenimiento, etc.).
Es de suma importancia que el operador se encuentre toda la informacin de
un modo claro y preciso que evite interpretaciones que puedan dar lugar a un
uso inadecuado de los sistemas.
Para sistemas con una operacin compleja,
como puede ser el sistema de combate de un
buque de guerra o podra ser una aeronave, se
recomienda realizar dos tipos de publicaciones,
una de ellas que contenga toda la informacin
relacionada con la operacin del sistema,
que permita a los operadores conocer a
fondo las capacidades de los sistemas que
tienen que operar, as como las limitaciones y el entorno
operativo en el que debe desenvolver y otra, ms
abreviada, a modo de gua de referencia rpida, que permita al
operador acceder a la informacin de manera rpida durante la operacin en el
sistema.

4
XIII CONGRESO DE CONFIABILIDAD

2.1.2 Manuales de Mantenimiento

Los Manuales de Mantenimiento estn


dirigidos al personal responsable de
garantizar la plena funcionalidad de los
sistemas y deben permitir a stos, llegar a
adquirir un nivel de conocimiento suficiente
para mantenerlo da a da del modo ms
eficiente.

Estos manuales deben incluir, al menos, la siguiente informacin:


Descripcin General del sistema y de los elementos perifricos
asociados a ste. Este apartado est enfocado a que el mantenedor
conozca de un modo abreviado el sistema sobre el que tendr que
realizar sus tareas y aquellos elementos con el que este tiene interfaz,
ya sea mecnica, elctrica, etc.
Descripcin Fsica. En este apartado el mantenedor debe encontrar una
descripcin detallada de todos los elementos fsicos, empezando por el
nivel sistema y terminando por las unidades mnimas de reemplazo
(tambin conocidas como LRU, del ingls Lowest Replaceable Unit)
que son los elementos ltimos sobre los que l podr realizar una accin
de mantenimiento. Para cada elemento incluido en este apartado debe
de aparecer informacin sobre todos elementos de interfaz, ya sean
mecnicos (guas, elementos de fijacin, etc.), elctricos (puntos de
masa, conectores, etc.), o cualquier otro existente.
Una parte muy importante de la descripcin fsica es el Catlogo
Ilustrado de Partes, el cual permite al mantenedor determinar de un
modo exacto la pieza (o piezas) de repuesto que necesita.
Descripcin Funcional. Hasta el mismo nivel que se ha desarrollado la
descripcin fsica, es til para el mantenedor conocer, de forma
detallada, las funciones que cumplen cada uno de los elementos que
configuran el sistema. En muchos casos, el encontrar en este apartado
una informacin muy detallada permitir al mantenedor agilizar el
proceso de localizacin de averas, e incluso en ocasiones, definir
averas mltiples que no suelen estar recogidas de esta manera en la
gua de averas.
Diagramas de Conexionado. Como complemento a las descripciones
fsica y funcional, el mantenedor deber disponer de informacin
detallada de las conexiones (elctricas, hidrulicas, neumticas, )
entre los distintos equipos que configuran un sistemas, as como de sus
unidades y componentes.
Localizacin de Averas. En este apartado el mantenedor deber
encontrar, en forma de Tablas Guas de Averas o Diagramas de Flujos,
informacin que le permita aislar el fallo del modo ms rpido posible.

5
XIII CONGRESO DE CONFIABILIDAD

Instrucciones de Mantenimiento. En este apartado, el mantenedor debe


encontrar toda la informacin que necesita para realizar los
mantenimientos, incluyendo los parmetros de programacin (tiempo o
condicin) para los mantenimientos preventivos. El mantenedor debe
encontrar, para cada mantenimiento:
o Una relacin detallada de las herramientas, piezas, equipos de
prueba, etc. que necesitar para realizar el mantenimiento.
o Las caractersticas del personal que puede realizar el mantenimiento
y el nivel mnimo que ha de tener.
o Un resumen de todas las advertencias de seguridad que deber
tener en cuenta durante el desarrollo de la tarea.
o Una descripcin, paso a paso, del procedimiento a seguir para
realizar el mantenimiento. Antes de cada paso en el que se deba
tener en cuenta una medida de seguridad, esta debe ser indicada de
un modo explcito.
o Una descripcin de los mtodos de eliminacin del material
reemplazado que pueda ser peligroso para el medio ambiente.

2.1.3 Formatos de los Manuales

Aunque se tiende a formatos electrnicos como soporte de los manuales, es


necesario recordar que, para aquellos equipos crticos, no se debe descartar el
papel. En el caso de los manuales en papel es altamente recomendable
prescindir del uso del color, salvo en aquellos casos en los que se hace
obligatorio (por ejemplo, cuando hay que identificar zonas peligrosas).
Aparte del formato en papel, cuyo uso sigue justificado en algunos casos segn
acabamos de razonar, el formato por excelencia que se est utilizando para la
distribucin de los manuales es el PDF (Portable Document Format), mxime
teniendo en cuenta que desde 2008 pasa a ser un formato controlado bajo los
auspicios de la ISO (International Standard Organization) Norma ISO 32000
Gestin de documentos / Formato de documento porttil / PDF 1.7 .
No vamos a describir en esta ponencia las caractersticas y ventajas del PDF,
ya que dara para muchas pginas de informacin, pero s vamos a indicar que,
desde el enfoque de esta ponencia, se trata de un formato que se encuentra
dentro de los denominados Manuales Tcnicos Electrnicos Interactivos
(conocidos como IETM, del ingls Interactive Electronic Technical Manual).
El IETM se inicia en agosto de 1989, de acuerdo con la instruccin DODINST
4159.9 TM del Department Of Defense de los Estados Unido. Se distinguen
cinco clases de IETM, en funcin del nivel de interactividad con el usuario que
presenta. De modo resumido, las propiedades principales de cada clase son:
Clase I: Son documentos con estructura y formato de libros impreso, con
ndices y tabla de contenidos vinculado con el contenido del documento.
Se trata de libros escaneados con algunos vnculos (Imgenes
rasterizadas, Postscript o PDF).

6
XIII CONGRESO DE CONFIABILIDAD

Clase II: Son documentos que aade a la clase I ms vnculos (a figuras,


tablas y prrafos). Se trata de documentos PDF completamente
hiperenlazados y con marcadores.
Clase III: La diferencia principal entre la Clase II y la Clase III es anloga
a la diferencia entre el PDF y un sitio web (pginas HTML estticas y
estructura lineal). En esta clase ya no se utiliza la estructura tradicional
de libro, estructurndose el documento en funcin de la lgica del
contenido. La impresin es la permitida por el explorador web. La base
documental se genera con lenguajes de marcado (SGML/XML).
Clase IV: Son documentos en los que los datos se almacenan en una
base de datos documental, obteniendo las ventajas de integridad de
datos y eliminacin de duplicidad de datos. Existen interrelaciones
entre los datos que se usan en el momento de generacin de la
publicacin. La secuencia de presentacin (va explorador web) es
dinmica, siendo posible cambiar el contenido en funcin del usuario.
Se dispone de mecanismos de impresin lineal de los documentos.
Clase V: En esta clase, la documentacin se integra con Sistemas
Expertos (Gestin de Mantenimiento, Sistemas de Diagnstico, etc.), lo
que agiliza el acceso a la informacin en funcin de la necesidad de la
misma y mejorar el proceso de mantenimiento. Adems se le dota de
mecanismos que gestionan la historia de uso de los documentos en
funcin de los usuarios. El comportamiento visual y los mecanismos de
impresin son similares a los de clase IV.

2.2 El Enfoque del Redactor: Proceso de Produccin.

En el apartado de desarrollo de Manuales Tcnicos, debemos tener en cuenta


a que usuario est dirigido el Manual, ya que esto nos
permitir conocer el nivel de profundidad y de
detalle que necesitamos. Es importante no olvidar
que un manual tcnico debe ser la ms
manejable y didctico posible para el usuario, no
debiendo convertirse en modo alguno en un texto
novelado.
Un ejemplo de estos lo podemos encontrar en el
manual de usuario que nos entregan con el coche.
Desde el punto de vista de la operacin, los manuales describen a todo detalle
todos aquellos elementos de interfaz que dispone el usuario, pero, en general,
no su utilizacin. Se nos indican donde estn los interruptores que accionan,
por ejemplo, los intermitentes, pero no se incluyen informacin de como y
cuando usarlos.
Desde el punto de vista del mantenimiento (el conductor es un mantenedor de
primer escaln para su coche), se nos da informacin de como cambiar
elementos bsicos como las lmparas, los fusibles, etc. del coche. Sin
embargo, cuando se enciende algn indicador crtico se nos informa que
acudamos al taller para solventarlo. Para la gran mayora de los usuarios, esta

7
XIII CONGRESO DE CONFIABILIDAD

informacin, til sin lugar a duda en un manual de taller, es innecesaria en su


manual de su coche.
Todo lo que necesita un redactor tcnico para poder desarrollar su cometido
parte de dos fuentes. Por un lado la informacin de diseo de detalle del
producto que est documentando y por otro los anlisis logsticos desarrollados
para dar soporte a ste.
Aunque lo primero es evidente, el redactor debe tener en cuenta que un
manual no es un documento de fabricacin, debiendo de redactar la
informacin de un modo didctico y adaptado a los usuarios del manual.
En relacin con los anlisis logsticos, es importante que los redactores
tcnicos los tengan en cuenta, ya que en estos se encuentra el detalle sobre el
nivel de profundidad del manual (como es el caso del LORA Level Of Repair
Analysis qu indica que tareas puede hacer cada escaln de mantenimiento
de una organizacin), sobre tcnicas de localizacin de fallos (mediante el
FMECA Failure Modes, Effects & Criticality Analysis o el FTA Fault Tree
Analysis ), etc.
Los contenidos desarrollados por el equipo de redactores tcnicos deben ser
verificados contra el sistema, a fin de garantizar la exactitud de toda la
informacin incluida en el manual. Esto, adems de ser necesario por temas de
calidad del producto, se hace imprescindible para evitar problemas legales, ya
que una tarea o actividad recomendada y descrita en detalle en un Manual, si
al ser realizada de forma correcta por un operador o mantenedor conduce a un
deterioro del sistema (ni que decir tiene en el caso que provoque un accidente),
al ser el manual parte del producto, puede ser utilizado para reclamar cualquier
compensacin por dicho deterioro o accidente.
Para redactar un manual se puede utilizar cualquier procesador der texto de los
que nos podemos encontrar en el mercado (Microsoft Word, Adobe
FrameMaker, etc.), aunque el uso de este tipo de
procesadores evita y/o dificulta la reutilizacin de la
informacin y hace costoso el proceso de
mantenimiento de la misma (pensemos en un
documento Word con 500 pginas, 300 400
figuras, bastantes tablas, etc.).
Debido a que en los diseo cada vez se puede
reutilizar ms informacin y que durante la vida de
los sistemas cada vez se requieren ms cambios de
la documentacin, sumado con un proceso de
bsqueda de la eficacia en los costes de ciclo de
vida, Navantia Sistemas FABA ha desarrollado una
suite, denominada SIDOF S1000D (Sistema de
Documentacin de FABA S1000D), basado en este
estndar internacional (ms informacin en
www.s1000d.org).

8
XIII CONGRESO DE CONFIABILIDAD

2.2.1 El Estndar ASD S1000D

El estndar ASD (Aero-Space & Defense) S1000D, que se basa en el uso de


ficheros SGML/XML y en el empleo de una base de datos comn (Common
Source Data Base), comenz en el sector aeronutico europeo para dar
soporte al desarrollo de manuales de operacin y mantenimiento de proyectos
multinacionales (caso del Eurofighter), y se ha ido extendiendo a otros
sectores de la industria de defensa primero (Armada y Ejrcito de Tierra) y
ahora est en plena expansin en el sector Industrial.
Se trata de una norma mantenida por el S1000D Council y el S1000D
Steering Committee. Estos grupos se dedican a establecer criterios comunes
para los mtodos documentales usados por las diferentes partes participantes.

3 FORMACIN
La otra gran columna que da soporte a los Operadores y Mantenedores de los
sistemas es la Formacin, que tiene el objetivo de conseguir que los usuarios
de un sistema, ya sean operadores o
mantenedores, alcancen el suficiente nivel de
conocimiento y habilidad como para poder
realizar su trabajo diario de un modo
eficiente, minimizando el riesgo de errores
humanos.
La formacin se puede clasificar en dos tipos,
la Formacin Tradicional y la Formacin
Asistida por Ordenador (esta ltima ms conocida por la abreviatura CBT, del
ingls Computer Based Training o e-Learning).
Vamos a discutir en este apartado las ventajas e inconvenientes de estos
sistemas que, aunque pueda parecerlos no son autoexcluyentes entre s, sino
complementarios.

3.1 Formacin Tradicional

Bajo el epgrafe de Formacin Tradicional estn aquellos cursos impartidos


directamente por profesores o instructores en aula y sobre equipos reales. En
este tipo de formacin es una pieza clave disponer de
equipos reales donde el alumno
pueda realizar las prcticas
necesarias para adquirir la
habilidad necesaria.
La principal ventaja de este
sistema es que el alumno recibe
informacin de un especialista en
la materia al cual puede realizar
cualquier cuestin que mejore su
conocimiento. Del mismo modo, el
manejo del sistema real le permite

9
XIII CONGRESO DE CONFIABILIDAD

adquirir destreza y que los instructores puedan eliminar posibles vicios


adquiridos.
La principal desventaja est en relacin a que este tipo de cursos suele ser
costosos de repetir cada cierto tiempo.
En el mbito de la industria de
defensa de la mayora de los
pases, salvo excepciones como
son el caso de los Estados Unidos
o el Reino Unido, las series que se
producen son cortas (esto tambin
ocurre en algunos sectores
industriales de maquinaria muy
especfica). Esto hace muy difcil la
formacin sobre equipos reales, a
excepcin de los primeros equipos
de operadores y mantenedores que pueden recibir la formacin sobre los
equipos en fbrica antes de su entrega.
Este ltimo apartado puede ser solventado con el manejo de modelos 3D y el
uso de Realidad Virtual. Este tipo de formatos, aunque seran parte de la
formacin por ordenador, cuando se utilizan supervisados por un instructor,
como reemplazo de un equipo real, se consideran dentro de la formacin
tradicional. Es ms, existe casos en lo que, a pesar de lo indicado
anteriormente, es recomendable el manejo de estos modelos en lugar de los
equipos reales. Un ejemplo de esto es el mantenimiento del asiento de un
piloto de un avin de caza, cuyo mecanismo de eyeccin se basa en un
explosivo. Manipular ste por parte de un personal que est en unas primeras
etapas de formacin aade un riesgo que debe ser prevenido.

3.2 Adiestramiento Asistido por Ordenador

Los sistemas de Adiestramiento Asistido por Ordenador permiten, de un modo


fcil, el reciclaje del conocimiento por parte de los usuarios.
Al igual que nos pasa en el caso de la Formacin Tradicional, la mayora de
lectores de esta ponencia, algunos con ms fortuna que otros, habrn utilizado
y/o sufrido algn curso por ordenador.
Obviamente, aunque es un producto ms
costoso de desarrollar que la Formacin
Tradicional, si se mira desde un enfoque de
Ciclo de Vida total, puede ser de menor
coste, dado que permite un alto nivel de reciclaje
de los usuarios, al mismo tiempo que facilita
que el nuevo personal reciba el conocimiento
necesario sin esperar a formar un grupo que
haga rentable el coste de un curso
tradicional.

10
XIII CONGRESO DE CONFIABILIDAD

Es muy importante que este tipo de cursos incluyan suficiente material


videogrfico, tomado sobre los equipos reales, para minimizar el impacto que
tiene el no manejar estos equipos.
Otra ventaja de estos sistemas es que los mecanismos de evaluacin del
conocimiento permiten conocer a los responsables de planta el nivel de
cualificacin de su personal antes de encomendarles una tarea, lo cual
repercute de forma directa en los costes de ciclo de vida.
Por ltimo, aunque existen muchas ms, otra gran ventaja de esto sistemas es
que, bien implementados, permiten aadir mecanismos de Gestin del
Conocimiento y de las Lecciones Aprendidas, que mejoran de modo notable la
eficiencia de los sistemas.
Dentro de este mundo hay que destacar el estndar SCORM (Shareable
Content Object Reference Model), del cual no vamos a facilitar informacin
detallada en esta ponencia debido a que podramos rellenar pginas y pginas
de ste. Slo mencionar que se trata de un estndar internacional que permite
crear objetos pedaggicos estructurados.
Los sistemas de gestin de contenidos en web originales usaban formatos
propietarios para los contenidos que distribuan. Como resultado, no era
posible el intercambio de tales contenidos. Con SCORM se hace posible crear
contenidos que puedan importarse dentro de sistemas de gestin del
aprendizaje diferentes, siempre que estos soporten la norma SCORM (ms
informacin en www.adlnet.gov y www.adlnet.org).
Los principales requerimientos que el modelo SCORM trata de satisfacer son:
Accesibilidad: capacidad de acceder a los componentes de enseanza
desde un sitio distante a travs de las tecnologas web, as como
distribuirlos a otros sitios.
Adaptabilidad: capacidad de personalizar la formacin en funcin de las
necesidades de las personas y organizaciones.
Durabilidad: capacidad de resistir a la evolucin de la tecnologa sin
necesitar una reconcepcin, una reconfiguracin o una reescritura del
cdigo.
Interoperabilidad: capacidad de utilizarse en otro emplazamiento y con
otro conjunto de herramientas o sobre otra plataforma de componentes
de enseanza desarrolladas dentro de un sitio, con un cierto conjunto de
herramientas o sobre una cierta plataforma. Existen numerosos niveles
de interoperabilidad.
Reusabilidad: flexibilidad que permite integrar componentes de
enseanza dentro de mltiples contextos y aplicaciones.
Estos contenidos formativos son manejados por sistemas informticos de
adiestramiento conocidos como LMS (Learning Management System) que
suministran todos los elementos de gestin y seguimiento de usuarios, del
conocimiento, etc.

11
XIII CONGRESO DE CONFIABILIDAD

Adems de su capacidad de desarrollar Objetos Formativos (LO, del ingls


Learning Object), lecciones y coursewares (nombre que se da a los cursos
por ordenador) Navantia tiene la capacidad de desarrollar productos formativos
completos que incluyen, adems de los
contenidos meramente formativos, los
mecanismos de gestin de alumnos, del
conocimiento, etc. En esta lnea de
actividad, Navantia ofrece dos
productos, diseados tras ms de 20
aos de experiencia formando a
personal de la Armada espaola y de
otros pases. Se trata del SAON
(Sistema de Adiestramiento por Ordenador
de Navantia), y del NOTS (Navantia Operators
Training System).
El primero est ms orientado hacia mantenedores, aunque puede dar soporte
a operadores, mientras que el segundo producto es 100% diseado para
operadores.

4 CONCLUSIONES
A lo largo de esta ponencia hemos podido reflexionar sobre la importancia que
tiene una buena documentacin de apoyo y un buen adiestramiento para
mejorar la eficacia de los sistemas durante su vida operativa convirtiendo al
utilizador (operador y/o mantenedor) en parte fundamental a tener en cuenta
para la determinacin de las caractersticas de confiabilidad del Sistema en su
totalidad.
La solucin que puede complementar a todos los trabajos realizados en fase de
diseo y fabricacin del Sistema para reducir el impacto del factor humano,
clave en la operacin y mantenimiento de los sistemas complejos, son los
Manuales Tcnicos y el Adiestramiento de los usuarios.
Estos elementos no deben olvidarse una vez entregados los Sistemas y deben
ser considerados en los programas de mantenimiento que se apliquen durante
la fase de explotacin/operacin. Es fundamental que durante la vida operativa
de los sistemas se mantenga actualizada la documentacin tcnica y se
mantenga un adecuado nivel de adiestramiento por la influencia que esto
puede tener, no solo en las caractersticas de confiabilidad y disponibilidad del
Sistema sino tambin en el Coste Total del Ciclo de Vida del mismo.

5 BIBLIOGRAFA
[1] ASD S1000D. International Specification for Technical Publications
Utilizing a Common Source Database.
[2] MIL-PRF-28000. Performance Specification: Digital Representation for
Communication of Product Data: IGES Application Subsets and IGES
Application Protocols.

12
XIII CONGRESO DE CONFIABILIDAD

[3] MIL-PRF-28001. Performance Specification: Markup Requirements and


Generic Style Specification for Electronic Printed Output and Exchange of
Text.
[4] MIL-PRF-28002. Performance Specification: Requirements for Raster
Graphics Representation in Binary Format.
[5] MIL-PRF-28003. Performance Specification: Digital Representation for
Communication of Illustration Data: CGM Application Profile.
[6] MIL-STD-38784. Technical Manuals: General Style and Format
Requirements.
[7] MIL-DTL-24784. Detailed Specification for Technical Manuals: General
Acquisition and Development Requirements.
[8] MIL-PRF-87268. Interactive Electronic Technical Manuals: General
Content, Style, Format, and User-Interaction Requirements.
[9] MIL-PRF-87269. Database Revisable: For the Support of Interactive
Electronic Technical Manuals.
[10] MIL-STD-1840, Automated Interchange of Technical Information
[11] MIL-STD-2361, Digital Publication Development.
[12] MIL-STD-40051-1, Preparation of Digital Technical Information for
Interactive Electronic Technical Manuals (IETM)
[13] MIL-STD-40051-2, Preparation of Digital Technical Information for Page-
Based Technical Manuals.
[14] TR 350-70, Systems Approach to Training Management, Processes, and
Products
[15] ICS 35.040, ISO Standards for Character Sets and Information Coding.
[16] ICS 35.240.30, ISO Standards for IT Applications in Information,
Documentation and Publishing includes.
[17] ISO 8879, Information Processing - Text and office systems - Standard
Generalized Markup Language (SGML).
[18] ISO 32000 Gestin de Documentos / Formato de Documento Porttil /
PDF 1.7.
[19] S1000D Web Site (http://public.s1000d.org/Pages/Home.aspx).
[20] Advance Distributed Learning Initiative (http://www.adlnet.gov/ o
http://www.adlnet.org/).
[21] Aviation Industry CBT Committee (http://www.aicc.org/joomla/dev/).
[22] JCA Solutions. The SCORM Authority (http://scormdev.blogspot.com/).

13
PONENCIA 6

EVOLUCIN DEL MODELO DE GESTIN DEL


MANTENIMIENTO HACIA LA MXIMA CONFIABILIDAD.
CASO PRCTICO EN EMPRESA DE ABASTECIMIENTO
Y SANEAMIENTO DE AGUA.

Jos A. Prez Ruiz, Enrique Montero Padilla y Francisco Fernndez Cmara.


Departamento de Mantenimiento e Instalaciones
Empresa Metropolitana de Aguas de Sevilla
XIII CONGRESO DE CONFIABILIDAD

EVOLUCIN DEL MODELO DE GESTIN DEL


MANTENIMIENTO HACIA LA MXIMA CONFIABILIDAD.
CASO PRCTICO EN EMPRESA DE ABASTECIMIENTO Y
SANEAMIENTO DE AGUA.
Jos A. Prez Ruiz, Enrique Montero Padilla y Francisco Fernndez Cmara.
Departamento de Mantenimiento de Instalaciones
Empresa Metropolitana de Aguas de Sevilla

RESUMEN

Siempre bajo la directriz de garantizar en todo momento el servicio a la poblacin, o lo


que es lo mismo, conseguir la mxima disponibilidad de las instalaciones de nuestras
electromecnicas, desde el Departamento de Mantenimiento de Instalaciones de
Emasesa se ha venido ejecutando histricamente una poltica de mantenimiento
programado con unos resultados aceptables. Dicha poltica ha estado caracterizada por
los siguientes atributos:
- Basada exclusivamente en frecuencia.
- Perfil esttico (hacer lo que siempre se ha hecho).

A partir del ao 2006 entran en juego nuevos recursos en la organizacin que permiten
dar un salto cualitativo en el modelo de gestin del mantenimiento. Surge la inquietud
por medir la efectividad de la poltica de mantenimiento, lo cual nos obliga a mejorar el
histrico objetivo de mxima disponibilidad con un importante complemento: la
fiabilidad en sistemas crticos. Se inicia as la transicin desde un modelo estacionario a
otro dinmico en continua realimentacin. Para permitir dicho giro se pone en marcha
desde el seno del Departamento una batera de nuevas lneas de trabajo que son
desarrolladas a lo largo de la ponencia.

Se pretende de esta forma introducir el ciclo de mejora continua en la gestin del


mantenimiento del Departamento con la intencin de alcanzar dos objetivos
estratgicos:
- Potenciar el mantenimiento en base a condicin.
- Optimizar los recursos tcnicos y materiales destinados a mantenimiento.

1
XIII CONGRESO DE CONFIABILIDAD

1. INTRODUCCIN Y OBJETIVO

EMASESA, como empresa de Abastecimiento y Saneamiento de Aguas de Sevilla SA,


comienza su actividad el 23 de octubre de 1974, cuando fue erigida por el
Ayuntamiento de Sevilla como empresa privada municipal, pasando en mayo de 2007 a
denominarse metropolitana.

Desarrolla una actividad empresarial pblica en todas las reas relativas al ciclo integral
del agua, prestando un servicio de calidad al ciudadano con la mxima eficiencia de
todos sus empleados y actuando con criterios en la gestin que permitan el desarrollo
sostenible. Abastece a ms de 1M de habitantes, ms del 50% de la poblacin de la
provincia. Para ello, dispone de 4 embalses (395 Hm3), 3 centrales hidroelctricas, 3
Estaciones de Tratamiento de Agua potable, 35 Estaciones de Bombeo, 28 depsitos,
ms de 3.600 km de red de abastecimiento, 6 Estaciones Depuradoras de Aguas
Residuales, 1 Planta de Compostaje, 24 Estaciones de Bombeo de Agua Residual, 37
Estaciones de Bombeo de Agua Pluvial, 3 Tanques de Tormenta y ms de 2.900 km de
red de saneamiento. En la figura 1 se puede contemplar un esquema del ciclo integral
del agua en EMASESA.

3.600

2.900

-Fig. 1. Ciclo integral del agua en Emasesa-

2
XIII CONGRESO DE CONFIABILIDAD

El Departamento de Mantenimiento de Instalaciones, enmarcado en la Direccin de


Produccin y dependiendo directamente de la Divisin de Sistemas y Control de la
empresa, se encarga del mantenimiento electromecnico de todas las instalaciones
enumeradas anteriormente. Este Departamento a su vez se divide en varias secciones:
Mantenimiento Correctivo, Instrumentacin, Mantenimiento ETAP y Mantenimiento
Preventivo y Seguridad Industrial. Esta ltima, creada en el ao 1999 es la encargada de
realizar el mantenimiento preventivo, predictivo y legal de las instalaciones
electromecnicas que se encuentran bajo su mbito de actuacin. Tambin es labor de la
seccin, velar por el cumplimiento de los reglamentos en materia de Seguridad
Industrial que aplican a las instalaciones. En la figura 2 se pueden observar los
principales hitos asociados al Mantenimiento en EMASESA. Son tales como, la
implantacin del primer GMAO en la empresa (SIGMA), la adquisicin de los primeros
equipos para realizar mantenimiento predictivo, la incorporacin de Seguridad
Industrial al Departamento de Mantenimiento, las certificaciones en Calidad,
implantacin de un nuevo GMAO integrado en el sistema ERP corporativo, la
jerarquizacin de instalaciones, incorporacin de terminales porttiles de campo para
los operarios, aplicacin de tcnicas de ingeniera de mantenimiento como el RCM,
monitorizacin de equipos crticos, etc.

-Fig. 2. Hitos histricos del Dpto. Mantenimiento-

Histricamente la poltica de mantenimiento preventivo del Departamento se ha


caracterizado por:

- Atender el mantenimiento preventivo mediante gamas de mantenimiento


basadas en frecuencia

3
XIII CONGRESO DE CONFIABILIDAD

- Elaboracin de gamas segn criterios de asistencias tcnicas, sin


realimentacin con la realidad de las instalaciones de Emasesa
- Poco anlisis y medida de la eficacia del preventivo
- GMAO utilizado nicamente como gestor de trabajos preventivos.

Esta poltica de mantenimiento destacaba porque consegua una tasa de fallos


generalmente baja, que se mantena a costa de un sobre mantenimiento, o lo que es lo
mismo, un coste excesivamente alto.

A partir del ao 2006 entran en juego nuevos recursos en la organizacin que permiten
dar un salto cualitativo en el modelo de gestin del mantenimiento, se trata de obtener
el mximo rendimiento con los recursos disponibles, siguiendo la implementacin
del ciclo de mejora continua. Adems, surge la inquietud por medir la efectividad de
la poltica de mantenimiento, lo cual nos obliga a mejorar el histrico objetivo de
mxima disponibilidad con un importante complemento: la confiabilidad en
sistemas crticos.

Para ello se han puesto en marcha las siguientes herramientas, que se desarrollan a lo
largo de la ponencia:

- Implantacin de un nuevo GMAO, SAP PM, con un mdulo de desarrollo


propio para anlisis de fiabilidad.
- Puesta en marcha de nuevos proyectos de monitorizacin enfocados a la
realizacin de telemantenimiento.
- Desarrollo de proyectos de RCM sobre instalaciones crticas
- Adquisicin de terminales de campo porttiles para los operarios de
mantenimiento, con conexin a SAP PM y a aplicaciones de gestin
documental.
- Formacin.

2. IMPLANTACIN DE UN NUEVO GMAO, SAP PM, CON UN MDULO DE


DESARROLLO PROPIO PARA ANLISIS DE FIABILIDAD.
En 2007 EMASESA decide agrupar las herramientas informticas usadas por las
distintas reas de gestin de la empresa bajo una misma aplicacin: SAP. El
Departamento de mantenimiento usaba como software de gestin SIGMA, y es a
principios de 2009 cuando se produce la migracin hacia el nuevo GMAO integrado en
SAP, el mdulo Plant Maintenance (PM). Probablemente, no se trate del mejor GMAO
existente en el mercado, pero sin duda era la evolucin lgica tras la apuesta de la
empresa por implantar el nuevo ERP. Adems, cumple sobradamente las funciones del
anterior, a las que no se poda renunciar, y aporta muchas otras nuevas, ya demandadas
por el personal del departamento, que permiten el uso del GMAO como herramienta
para lograr los objetivos fijados.

La transicin de SIGMA a SAP-PM conllev la migracin de ms de 9.000 equipos,


reconvertidos en la nueva aplicacin en estructuras jerrquicas de ubicaciones tcnicas y

4
XIII CONGRESO DE CONFIABILIDAD

equipos, de ms de 50.000 caractersticas y de ms de 800 rutas y gamas, asegurando la


trazabilidad entre ambos sistemas.

A continuacin se enumeran las principales ventajas aportadas por el nuevo sistema:

- El nuevo sistema nos permite montar y desmontar equipos en distintas


ubicaciones tcnicas, arrastrando con el equipo todo su historial de
mantenimiento. Este punto es una importante mejora con respecto a SIGMA.
- Una mejora considerable respecto a SIGMA es el potente motor de bsqueda
que tiene SAP, permitindote realizar consultas por la mayora de campos de los
que dispone, parametrizando la visualizacin de estos informes a nuestras
necesidades y criterios.
- Permite el uso de catlogos de sntomas de avera y causas.
- Permite alimentar contadores y puntos de medida en el sistema de forma manual
y/o automtica para poder realizar mantenimiento preventivo bajo condicin.
- Dispone de la aplicacin DM para la gestin de los documentos vinculados a
gamas y rutas. A travs de ella podemos cargar el documento que queremos que
salga junto a la Orden de Trabajo. De la misma forma, podemos darle
tratamiento a esos documentos para reflejar cualquier actualizacin en forma
local para despus volver a cargarlos en el sistema.
- Cabe mencionar como mejora respecto a SIGMA la integrabilidad de SAP con
muchas aplicaciones.
- SAP presenta un cdigo abierto que permite desarrollar aplicaciones a medida,
mientras que SIGMA era mucho ms rgido para ampliar su funcionalidad con
este tipo de desarrollos.
- SAP facilita el cierre del ciclo del mantenimiento. Con SIGMA nuestro ciclo
terminaba en el cierre de la orden de trabajo, pero con el nuevo sistema podemos
realizar consultas de histrico de actuaciones orientadas a la elaboracin y
anlisis de informes, que permiten cerrar el ciclo realimentando los niveles
estratgicos, tcticos y operativos (ver figura 3).

-Fig. 3. Ciclo de mantenimiento-

5
XIII CONGRESO DE CONFIABILIDAD

Cabe mencionar con algo de ms detalle la posibilidad de realizar planes de


mantenimiento preventivo bajo condicin en vez de sistemtico basado en frecuencia
temporal. Tradicionalmente, las gamas se aplicaban sistemticamente a los distintos
equipos basando estos planes de mantenimiento exclusivamente en frecuencia temporal,
sin tener en cuenta otras condiciones del entorno y funcionamiento del equipo en
cuestin. Mediante el uso de contadores y puntos de medida, podemos tanto establecer
lmites de variables que queramos controlar para que nos avisen cuando se excedan,
como fijar planes de mantenimiento preventivo en funcin del nmero de horas de
funcionamiento de un equipo o una combinacin de esto con frecuencia temporal,
estableciendo dos condiciones, desencadenando la primera que ocurra la ejecucin del
mantenimiento. As por ejemplo, la revisin de grupos de bombeos horizontales en una
de nuestras instalaciones crticas se ha fijado cada 1500 horas de funcionamiento o un
ao. De esta forma aseguramos una revisin anual como mnimo, pero adems nos
aseguramos que si el grupo funciona ms de 1500 horas adelantaremos la aplicacin de
la gama de forma preventiva.

Debido al vasto parque de equipos que se mantienen, esta sistemtica solamente se ha


implantado en aquellos equipos considerado crticos, no descartando ampliarlo al resto
de instalaciones.

Tal y como se ha comentado, la alimentacin de estos contadores y puntos de medida


puede realizarse de forma manual o automtica. En el caso anterior, y haciendo uso de
la red de seales que dispone el centro de control en la aplicacin PhD, se realiza una
alimentacin automtica diaria. La frecuencia de refresco de los datos se puede
parametrizar a las necesidades de funcionamiento.

Un aspecto importante y a destacar fue la actitud de preocupacin de los usuarios ante la


implantacin del nuevo sistema. En la mayora de los casos la pregunta planteada era
porque cambiar algo que funciona bien, al menos, para el departamento de
mantenimiento. Y es que las personas tienen miedo a los cambios en su actividad
cotidiana, llegando incluso a defender aquello que durante aos han considerado
intil. Esta circunstancia con el agravante del entorno del sistema, un poco rudo y
demasiado amplio respecto a funcionalidades para la mayora de usuarios, hacen que
estos no vean las mejoras que el nuevo sistema tarde o temprano conllevarn. Sin
embargo, es obligacin de la empresa explicrselas y darles formacin para llevarlas a
cabo, ya que, el uso indebido de la aplicacin por personas no formadas y no iniciadas
por expertos pueden llevar al desastre en el uso del nuevo sistema, distorsionando la
realidad e introduciendo ruido, lo que no beneficiar de ninguna manera a la
consecucin de las mejoras expuestas.

Como consecuencia de lo anterior, y tras la formacin externa ofrecida por la consultora


encargada de la implantacin, en algunos casos nada adaptada a las necesidades de los
usuarios, se decidi realizar formacin a medida llevadas a cabo por personal interno
del departamento. En ellas, simplemente se trataba de simplificar el uso del sistema
adaptando manuales y aplicaciones del mismo exclusivamente a las funciones que cada
usuario ejecutaba. Esta formacin, tambin estuvo motivada por la adquisicin de

6
XIII CONGRESO DE CONFIABILIDAD

terminales porttiles para el uso en campo de la aplicacin por parte del personal
operario.

Debido a los restrictivos plazos en la implantacin del nuevo sistema, se asume la


migracin de los datos de las estructuras an sabiendo que existen equipos obsoletos y/o
duplicados que no haban sido actualizados en SIGMA. De esta forma, y una vez
realizada la migracin desde SIGMA, se decide reestructurar las distintas instalaciones
en base a los objetos tcnicos que nos proporciona SAP (Ubicaciones Tcnicas y
Equipos), siempre bajo los criterios del Departamento fundamentados en su experiencia
con las instalaciones, siendo el objetivo una estructura operativa que est formada por
aquellos sistemas, subsistemas y equipos sobre los que se realiza mantenimiento.
Debido a esto se crea una Instruccin Tcnica para la reestructuracin y codificacin de
ubicaciones tcnicas en estaciones de bombeo en el que se refleja la estructura deseada.
Se busca tambin con esta reestructuracin dotar a los operarios de los medios para
identificar fcilmente el objeto tcnico sobre el que debe cargar las rdenes de trabajo,
intentando de esta forma solventar uno de los grandes problemas heredados del uso de
SIGMA, la carga sistemtica de la orden de trabajo a la estacin en vez de al sistema,
subsistema o equipo sobre el que realmente estamos actuando.

En 2008, se generaron unas 7.000 rdenes de trabajo, de las cuales tan solo un 5%
fueron correctamente direccionadas al objeto tcnico que se aplic el mantenimiento. El
95% restante fueron cargadas a nivel de instalacin (Estacin), siendo de esta forma
muy complicado la generacin automtica de informes para el anlisis del
mantenimiento llevado a cabo.

-Figura 4. Sinptico de la estacin de bombeo Bellavista-

7
XIII CONGRESO DE CONFIABILIDAD

Tras esta reestructuracin y limpieza de estaciones se procedi a divulgar en algunas


instalaciones pilotos la nueva codificacin de Ubicaciones Tcnicas y Equipos entre el
personal operario mediante el uso de cuadros sinpticos. Se pretenda con esto que se
familiarizarn con la nueva estructura y facilitarles la bsqueda de los objetos tcnicos
sobre los que tenan que cargar las rdenes de trabajo. En la figura 4 se puede observar
uno de estos cuadros sinpticos, en los que se identifican los distintos sistemas por
colores para facilitar la comprensin.

Despus de esta actuacin, puesta en funcionamiento a finales de 2009 y ejecutndose


an en la actualidad, se ha conseguido invertir los datos mencionadas anteriormente.
Ms del 80% de las rdenes se cargan contra el objeto tcnico correcto. De esta forma
conseguimos que la orden de trabajo sea un vehculo eficaz para realimentar al sistema.
Esta accin contribuye a uno de los objetivos buscados con el nuevo GMAO, anlisis de
informacin orientado al desarrollo de la estrategia de mantenimiento.

2.1 Primer evolutivo de SAP PM. Mdulo de fiabilidad.

La finalizacin del proyecto de implementacin de SAP PM en Emasesa estuvo muy


condicionada al estricto cumplimiento de la fecha objetivo, lo cual oblig a cerrar
algunos desarrollos sin cumplir el 100% de las especificaciones demandadas. Aspectos
como el formato de orden de trabajo, la carga masiva de puntos de medida o la conexin
con el sistema de monitorizacin de la informacin, entre otros puntos, quedaron
emplazados a una revisin futura del ERP para ser mejorados.

Aparte, durante los primeros meses de funcionamiento de SAP PM surgieron nuevos


requisitos sobre el sistema, derivados principalmente del avance en la nueva
metodologa de trabajo en campo con los porttiles y de la inherente necesidad de
perfeccionar la capacidad de anlisis de la informacin introducida en SAP. Con el
nuevo sistema, la calidad del dato mejora notablemente respecto a la situacin anterior,
con lo que la veracidad de los informes desde SAP PM aumenta de forma paralela.
Llega un momento en el que los tcnicos del Departamento no cubren sus necesidades
con los informes bsicos, por lo que se hace imprescindible implementar en SAP PM
informes a medida, informes que requieren del procesado de la informacin introducida:
se plantean diversas demandas al Departamento de Sistemas de Negocio para el
desarrollo de informes que combinen obtencin de tiempos fuera de servicio, horas de
trabajo, clculos de desviaciones, costes, presentacin de planificaciones y el
seguimiento de las mismas de forma grfica, etc. A todo lo anterior, se suma la puesta
en produccin de nuevos indicadores de alto nivel (con gran carga de procesado de
datos) del proceso de mantenimiento. Todos estos desarrollos a medida se emplazan a
la, por aquel entonces, tan deseada revisin del sistema.

Para la puesta en marcha de la mencionada revisin, que oficialmente se denomin


Primer Evolutivo de SAP PM, fue crucial la demanda de una aplicacin para el
anlisis de fiabilidad de equipos crticos. Dado que por varios motivos, ajenos al
Departamento de Mantenimiento, no se consider viable la conexin de alguna de las
herramientas existentes en el mercado para anlisis de fiabilidad con SAP PM, se

8
XIII CONGRESO DE CONFIABILIDAD

contrajo el compromiso de dar solucin a nuestra demanda desde el Evolutivo de SAP.


As pues, 15 meses despus de la puesta en produccin de SAP PM, comienzan los
trabajos de definicin del funcional de su primer Evolutivo.

Los desarrollos ms destacados del mismo fueron:

Mdulo de anlisis de fiabilidad

Enfocado para estudiar con mayor resolucin la fiabilidad y mantenibilidad de equipos


crticos, esta utilidad devuelve los parmetros necesarios para poder realizar un anlisis
de confiabilidad: tiempos operativos y tiempos fuera de servicio. Posteriormente, esta
informacin es tratada con una aplicacin externa que nos permite un procesado
estadstico al objeto de afinar, por ejemplo, las frecuencias de los preventivos. Para ello
jugamos con las funciones de distribucin que mejor se ajustan a la tipologa del equipo
(las weibull, exponencial y lognormal han sido las tratadas histricamente; en la
actualidad estamos introduciendo la poison en nuestros estudios).

La alta variedad de tiempos exigidos a este mdulo (ver figura 5), oblig a montar un
entramado de adquisicin de datos bastante complejo. Se combinan por un lado datos
tomados desde las propias rdenes de trabajo y por otro datos capturados desde el
sistema de monitorizacin de nuestras instalaciones, de forma que los diferentes
informes derivados de este desarrollo nos permiten conocer tiempos operativos (T.O),
tiempo fuera de servicio (T.F.S.), tiempo de parada por explotacin (T.E.) y tiempo para
mantenimiento preventivo (T.M.P), por modo de fallo y en el intervalo de estudio que
deseemos. Todo esto se combina con posibilidad de obtener tiempos acumulados,
tiempos promedios, etc. (ver figura 6).

Fallo (m.f. x)
T.O.-1 T.O.-2 T.O.-3 Fallo (m.f. y)
ON

Alimentacin desde phd o


reloj SAP, segn tipo de
equipo.

T.P.E
T.M.P.
OFF

T.F.S.-1
AVERIADO
Hora de inicio real de la O.T.
preventiva
t
Hora de fin real de la O.T.
preventiva
Hora de inicio avera en O.T. Hora de fin real de la O.T.
correctiva correctiva

-Fig. 5. Tiempos obtenidos del mdulo de fiabilidad-

9
XIII CONGRESO DE CONFIABILIDAD

-Fig. 6. Plantilla de uno de los informes del mdulo de fiabilidad-

La puesta en produccin de esta herramienta requiere de la alimentacin de nuevos


campos en las rdenes de trabajo: campos que hasta ahora se recogan nicamente en la
notificacin, como las fechas de inicio y fin de averas, o que ni siquiera se introducan
en el sistema, como el tiempo de parada del equipo o el modo de fallo. La orden de
trabajo de SAP ha sido modificada para poder recoger esta informacin. La
introduccin de estos datos requiere de una actualizacin en el modo de trabajo de
nuestros operarios, que canalizan gran parte de la informacin de la intervencin de
mantenimiento hacia SAP. Actualmente el mdulo de fiabilidad se est utilizando de
forma piloto, estando condicionada su puesta en produccin definitiva a la consecucin
de un grado mnimo de calidad de los nuevos datos introducidos en el sistema.

Conexin de SAP PM con PHD (Process History Database)

PHD es una aplicacin corporativa que permite, entre otras cosas, gestionar el histrico
de datos captados en campo por nuestra red de monitorizacin de procesos. La conexin
de SAP PM con PHD abre de par en par la posibilidad de realizar un mantenimiento
bajo condicin en gran parte de nuestras instalaciones crticas. Con esta conexin se
alcanzan las siguientes mejoras:

- Los planes de mantenimiento preventivo susceptibles de serlo pasan a


gestionarse bajo condicin all donde nuestra red de monitorizacin llega. Por
ejemplo, las revisiones de grupos de bombeo se condicionan a las horas de
funcionamiento (cada X horas) y no a la frecuencia (cada Y meses) como
hasta entonces se haca. Esto es viable porque la alimentacin de cuentahoras en
SAP PM pasa a ser automtica desde el sistema de monitorizacin.
Anteriormente resultaba imposible vincular a cuentahoras dichos planes ya que
requera de la alimentacin manual de estos contadores, sobre decenas de grupos
de bombeo, y de una forma muy poco optimizada (problemtica que tambin se
aborda en el Evolutivo. Vase siguiente punto: Asistencia para la alimentacin
manual de contadores y puntos de medida).
- Se implementa una labor de vigilancia de parmetros de funcionamiento: los
puntos de medida en SAP PM (T, intensidades, tensiones, presiones, caudales,
etc) permiten ser configurados con umbrales mximos y mnimos que si son
superados (por arriba o por abajo respectivamente), generan un aviso de

10
XIII CONGRESO DE CONFIABILIDAD

inspeccin automtico. Por ejemplo, el valor global de vibracin de uno de los


rodamientos en una bomba tiene un umbral superior de 25 mm/s. Si se carga en
SAP un documento de medicin que supere dicho valor, el sistema generar acto
seguido un aviso de inspeccin que identifica el equipo y el parmetro fuera de
rango.

Lo que se solicita en el Evolutivo es el desarrollo de una transaccin que permita


gestionar la adquisicin de datos desde PHD a nivel de usuario (hasta entonces, esta
conexin se consegua de una forma muy rudimentaria y siempre con mediacin de
tcnicos de soporte informtico). La interfaz este desarrollo es una tabla en la que se
relacionan el TAG de la seal, el punto de medida SAP PM y la frecuencia de refresco
con la que se crea el documento de medicin (ver figura 7). Esta tabla se completa con
informacin adicional: descripcin del punto de medida y fecha/hora del ltimo
documento de medida tomado.

-Figura 7. Tabla de mapeo TAG-Pto de medida-

Asistencia para la alimentacin manual de contadores y puntos de medida

La red de monitorizacin de datos no alcanza a todas las instalaciones atendidas por


Emasesa. Y en muchos casos, dada la naturaleza de gestin del proceso que posee dicha
red, no se disponen de los parmetros que se necesitan desde mantenimiento. En estos
casos, la nica forma de alimentar el sistema es captando los datos de forma manual,
principalmente a travs de las rutas de inspeccin y de las gamas de mantenimiento
preventivo.

La dinmica que SAP PM posee de serie para la creacin de documentos de medicin es


muy poco gil: primero debemos localizar el cdigo del punto de medida contra el que
queremos cargar el valor y posteriormente crear el documento de medicin, uno a uno.
Esta labor conlleva la dedicacin de un tiempo considerable, tiempo que no es rentable
invertir si tenemos en cuenta que una gama de mantenimiento preventivo puede llevar

11
XIII CONGRESO DE CONFIABILIDAD

asociada la carga de una veintena de puntos de medida. Imperaba pues el diseo de


alguna solucin que permitiera la creacin masiva de documentos de medicin desde la
OT de la forma ms rpida posible.

Jugando con listas de puntos de medida y con un desarrollo que nos permite vincular
dichas listas con los planes de mantenimiento y las OTs generadas por los mismos,
conseguimos que SAP nos presente desde la OT una tabla que relaciona los diferentes
puntos de medida incluidos en dicha OT (ver figura 8). Es decir, a golpe de click
tenemos un lugar donde meter todas las medidas adquiridas en campo, que
automticamente quedan almacenadas en el sistema como documentos de medicin.

-Figura 8. Acceso a tabla de carga de documentos de medicin desde la OT-

Aparte de los tres desarrollos comentados, se extractan algunos de los otros desarrollos
implementados en el Evolutivo:

- Transaccin para seguimiento del cumplimiento del plan de mantenimiento


preventivo.
- Automatizacin de la comunicacin a los Jefes de Centro de los trabajos a
realizar en sus instalaciones (mejora vinculada con la certificacin de la empresa
en OHSAS 18001).
- Disponibilidad de nueva batera de informes.
- Creacin de nuevas clases de rdenes de trabajo y de actividades PM
- Disponibilidad de nuevos campos de coste en la OT

12
XIII CONGRESO DE CONFIABILIDAD

3. PUESTA EN MARCHA DE NUEVOS PROYECTOS DE


MONITORIZACIN ENFOCADOS A LA REALIZACIN DE
TELEMANTENIMIENTO.

En la gestin de un recurso limitado, como es el agua, EMASESA ha ido introduciendo


las tecnologas ms avanzadas; entre otras, desde 1990 dispone de un SCADA de
Control.

Este sistema permite tener la informacin en tiempo real de las instalaciones que
forman parte de las infraestructuras de Abastecimiento y Saneamiento (Embalses,
Centrales Hidroelctricas, Aduccin, Tomas de Emergencia, ETAP, Instalaciones de
Abastecimiento, EDAR, EBAP, EBAR y parmetros de la Red de Distribucin).

Esta informacin se gestiona travs del Centro Principal de Control, y permite al resto
de la Organizacin disponer de la informacin necesaria para la adecuada toma de
decisiones.

El cometido del Centro Principal de


Control, es el control operacional de las
instalaciones y de las redes hidrulicas;
bsicamente se centra en la
Coordinacin Operativa tanto Interna,
(maniobras, emergencias, equipos de
guardia) como Externa, (Servicios
Municipales, Polica, etc...) y en la
Gestin y Anlisis de la Informacin
(histrica, de incidencias y de
procesos) adems de la ejecucin
remota de maniobras.

El control operacional de las


instalaciones y redes hidrulicas, est
condicionada en Emasesa por el nivel
de automatizacin disponible para
gestionar los dispositivos de control, y
por la fidelidad de la medida y
transmisin de datos al Centro de
Control.

Por su criticidad se trabaja en


configuracin redundante de servidores
y con software agrupado por procesos,
existiendo bsicamente tres.
-Figura 9. Red de Abastecimiento-

Procesos de tiempo real. Gestionan las comunicaciones, alarmas, clculos, etc.

13
XIII CONGRESO DE CONFIABILIDAD

Procesos de Histricos. Cuando han pasado segundos desde que llega la


informacin desde los procesos de tiempo real, esta pasa a la gestin de los datos
histricos a partir de las cuales se calculan los valores estadsticos de medias,
mximos, mnimos agregados en diferentes periodos.

Procesos de Interfaz Hombre-Maquina. Permite trasladar al tcnico de control de


forma amigable y comprensible todas las variables tanto de informacin en
tiempo real como de histricos.

-Figura 10. Red de control-

Estos sistemas estn enfocados a la optimizacin de los procesos productivos.

Por si mismos, estos sistemas son potentes herramientas de informacin (sistemas de


informacin) que con una visin integradora pueden aportar conocimiento a la
organizacin, no solo como tradicionalmente se viene realizando para la optimizacin
en costes, calidad y eficiencia del servicio prestado, sino adems para contribuir con la
funcin del Mantenimiento.

Ante este escenario, se plantean varias lneas de trabajo:

3.1 Potenciar Mantenimiento Basado en Condicin.

Para potenciar el MBC, es preciso planear toda una estrategia de cambio en la


mentalidad sistemtica y estudiar en profundidad la casustica del lanzamiento de un
nmero avisos, concentrado en el mismo espacio temporal que propiciaran la
imposibilidad de abarcar todas las acciones de mantenimiento correspondientes al
cumplimiento de la condicin programada en el GMAO.

14
XIII CONGRESO DE CONFIABILIDAD

En la estrategia, el primer lugar tenamos que disponer de la herramienta de Conexin


de SAP PM con PHD, la cual avisa automticamente notificando al responsable de
mantenimiento del cumplimiento de la condicin alcanzada por el activo, bien en base
al contador, bien al punto de medida.

Establecer planes de mantenimiento preventivo en base a cuenta-horas y/o cuenta-


maniobras.

Para aquellos parmetros que an no estn incluidos en la monitorizacin, fomentar y


facilitar la introduccin manual de datos de contadores/puntos de medida en SAP PM
desde actuaciones de mantenimiento preventivo y predictivo.

Implantar y generalizar el uso de PHD entre los tcnicos de mantenimiento para


anlisis de funcionamiento de las instalaciones a distancia, e instalacin en porttiles del
GUH (Gestor nico de Histricos) para uso por parte de los operarios que permite
analizar tendencias en el funcionamiento de las instalaciones.

Reevaluacin de la frecuencia de recoleccin de datos en los equipos e instalaciones, y


reprogramacin de gamas de vibraciones y termografas, con el fin de mejorar la
eficacia en el diagnstico, (p.ej. en algunos casos eran tan distanciadas las tomas de
vibraciones que variaba la tendencia de los distintos puntos por alguna actuacin
intermedia).

Por ltimo, acometer un ajustado plan de Monitorizacin de Vibraciones en equipos


crticos atendiendo tambin a criterios de criticidad de las instalaciones y la
mantenibilidad de los mismos.
En la actualidad tenemos en marcha el proyecto de monitorizacin de vibraciones de la
Estacin de Bombeo de Mairena (abastecimiento a la poblacin de Mairena del Alcor),
y la Estacin de Bombeo de Camas (abastecimiento de agua bruta procedente del
Embalse de Gergal de las tomas de emergencia, a la ETAP Carambolo).

3.2 Tele-mantenimiento.

La posibilidad de acceder desde un puesto a travs del SCADA de Control hasta el


mismo corazn del PLC, nos ofrece la oportunidad de reducir el nmero de
desplazamientos hasta la estacin para comprobar el estado de los parmetros,
existentes en esa estacin.

De forma piloto, en la actualidad estamos proporcionando parmetros de mantenimiento


en la monitorizacin de la Estacin de Bombeo de Mairena, que abastece a la poblacin
de Mairena del Alcor en la provincia de Sevilla.

La configuracin bsica de una estacin de bombeo, como la que podemos ver en la


figura 11, que se corresponde con la EB Mairena, se compone de:

- 1 Centro de transformacin (2 T x 250 kVA, 15kV/380V)


- 1 Cuadro de potencia (3 grupos de bombeo)

15
XIII CONGRESO DE CONFIABILIDAD

- 3 Motores de 110 kW
- 3 Bombas de cmara partida de 60 l/s, Pa= 0,9 kg/cm2 Pi=12 kg/cm2 a 3000 rpm
- 1 Compresor
- 2 Calderines antiariete (Uno en la aspiracin y uno en la impulsin)
- Instrumentacin de control (caudalmetros, transmisores de presin,
limnmetros, etc...)
- Elementos auxiliares de transporte y comunicaciones (mdems, emisoras, etc...)

-Figura 11. Sinptico de la estacin de bombeo Mairena-

A pesar de tener elementos redundantes (1+2 grupos de bombeo, dos tuberas de


suministro a la poblacin una de 250 mm de fibrocemento y otra de 300 mm de
fundicin), el aumento de la demanda de la poblacin, pese a bombear contra un
depsito regulador, es tal que mantiene en funcionamiento un grupo 20 horas al da.

3.3 Caso prctico: Monitorizacin de la Instalacin de EB Mairena (enfoque


mantenimiento).

En la actualidad los parmetros monitorizados de esta estacin, ascienden a ms de 400


entre los que se encuentran algunos bsicos como: caudal impulsado, presin de
impulsin, presin de aspiracin, altura de depsitos, nmero de grupos en
funcionamiento, nivel de cloro en el agua almacenada, tensin en secundario de
transformadores, corriente consumida, factor de potencia, estado de la electrovlvula de
aporte de aire al sistema neumtico, etc...

El nmero de seales implementadas en PHD es tan alto, que resulta muy laboriosa la
labor de bsqueda de aquellas seales que pueden aportar informacin fiable, pero an
as resultan insuficientes para la accin eficaz de mantenimiento, por ejemplo
necesidad de instalacin de acelermetros para la medida en continuo de vibraciones de
un grupo de bombeo, instalacin de sensores de temperatura (en los cuadros de baja
tensin, control de la temperatura del aceite de transformadores, en ambiente, etc...)

16
XIII CONGRESO DE CONFIABILIDAD

Por otro lado en el captulo de mejoras de la mantenibilidad y de la fiabilidad de esta


instalacin se sustituyeron el sistema de arranque de los grupos (estrella-tringulo) por
la instalacin de arrancadores suaves, que adems permiten su control y ajuste a
distancia a travs del SCADA.

Tambin se ha acometido la instalacin de acelermetros (4 por grupo), para lectura en


continuo de las vibraciones de motores y bombas (acceso a los parmetros de
configuracin y control travs del SCADA), en la que se establecen parmetros de alerta
y alarma, que conectados al GMAO generan un aviso de actuacin (por ejemplo:
comprobacin con el analizador manual de vibraciones, data Pack 1250, o bien generan
un aviso para la planificacin de sustitucin de rodamientos del equipo).

Esta instalacin nos sirve de referente para establecer el objetivo futuro de la accin de
mantenimiento. No obstante, existen activos que no precisan un control continuo a pesar
de su importancia, por ejemplo los interruptores de alta tensin del centro de
transformacin, y por ello, deben tener un plan de mantenimiento sistemtico (anual).

Existen activos, que pese a ser equipos que estn incluidos en el mantenimiento
sistemtico, no deben tener un plan peridico cclico, sino un plan peridico en base a
horas de funcionamiento, como es el caso del compresor neumtico que aporta las
pequeas prdidas de aire en el sistema antiariete. Otros equipos precisan de un control
en continuo, por su importancia y nivel de disponibilidad, por ejemplo los grupos de
bombeo, los extractores de los cuadros elctricos, transformadores de potencia. Y otros
activos que, a pesar de formar parte de una instalacin crtica, no tienen un plan de
mantenimiento determinado, como por ejemplo las vlvulas de aislamiento de los
grupos de bombeo y las vlvulas de retencin.

La calidad de la energa elctrica y del consumo de reactiva se controla mediante los


analizadores de red instalados en baja tensin, a los que tambin podemos acceder a
distancia desde el puesto de tele-mantenimiento habilitado, pudiendo consultar las
lecturas del consumo instantneo de energa activa y reactiva.

-Figura 12. Instalacin de acelermetros en grupo de bombeo-

17
XIII CONGRESO DE CONFIABILIDAD

EJEMPLO DE SEALES DISPONIBLES


E14A058 IMAGEN TERMICA GRUPO1 % E14_MAIRENA ALCALA
E14A059 INTENSIDAD L1 GRUPO1 A E14_MAIRENA ALCALA
E14A060 INTENSIDAD L2 GRUPO 1 A E14_MAIRENA ALCALA
E14A061 INTENSIDAD L3 GRUPO 1 A E14_MAIRENA ALCALA
E14A062 INTENSIDAD DISPARO GRUPO1 A E14_MAIRENA ALCALA
E14A063 IMAGEN TERMICA GRUPO 2 % E14_MAIRENA ALCALA
E14A073 PRESION ALTA IMPULSION mca E14_MAIRENA ALCALA
E14A074 PRESION BAJA IMPULSION mca E14_MAIRENA ALCALA
E14A075 PRESION BAJA ASPIRACION mca E14_MAIRENA ALCALA
E14A076 INTENSIDAD L1 TRAFO 1 A E14_MAIRENA ALCALA
E14A077 INTENSIDAD L2 TRAFO 1 A E14_MAIRENA ALCALA
E14A078 INTENSIDAD L3 TRAFO1 A E14_MAIRENA ALCALA
E14A079 INTENSIDAD MEDIA TRAFO 1 A E14_MAIRENA EQUIPOS
E14A080 TENSION L1-N TRAFO 1 V E14_MAIRENA ALCALA
E14A081 TENSION L2-N TRAFO 1 V E14_MAIRENA ALCALA
E14A082 TENSION L3-N TRAFO 1 V E14_MAIRENA ALCALA
E14A083 TENSION L-N MEDIA TRAFO 1 V E14_MAIRENA EQUIPOS
E14A084 TENSION L1-L2 TRAFO 1 V E14_MAIRENA EQUIPOS
E14A085 TENSION L2-L3 TRAFO 1 V E14_MAIRENA EQUIPOS
E14A086 TENSION L3-L1 TRAFO 1 V E14_MAIRENA EQUIPOS
E14A087 TENSION L-L MEDIA TRAFO 1 V E14_MAIRENA EQUIPOS
E14A088 FRECUENCIA TRAFO 1 Hz E14_MAIRENA ALCALA
E14A092 FACTOR DE POTENCIA L1 TRAFO 1 E14_MAIRENA EQUIPOS
E14A093 FACTOR DE POTENCIA L2 TRAFO 1 E14_MAIRENA EQUIPOS
E14A094 FACTOR DE POTENCIA L3 TRAFO 1 E14_MAIRENA EQUIPOS
E14A095 FACTOR DE POTENCIA TRAFO 1 E14_MAIRENA ALCALA
E14A096 POTENCIA ACTIVA L1 TRAFO 1 kW E14_MAIRENA EQUIPOS
E14A097 POTENCIA ACTIVA L2 TRAFO 1 kW E14_MAIRENA EQUIPOS
E14A098 POTENCIA ACTIVA L3 TRAFO 1 kW E14_MAIRENA EQUIPOS
E14A099 POTENCIA ACTIVA TRAFO 1 kW E14_MAIRENA ALCALA
E14A100 POTENCIA REACTIVA L1 TRAFO 1 kVAr E14_MAIRENA EQUIPOS
E14A101 POTENCIA REACTIVA L2 TRAFO 1 kVAr E14_MAIRENA EQUIPOS
E14A102 POTENCIA REACTIVA L3 TRAFO 1 kVAr E14_MAIRENA EQUIPOS
E14A103 POTENCIA REACTIVA TRAFO 1 kVAr E14_MAIRENA ALCALA
E14A104 POTENCIA APARENTE L1 TRAFO 1 kVA E14_MAIRENA EQUIPOS
E14A105 POTENCIA APARENTE L2 TRAFO 1 kVA E14_MAIRENA EQUIPOS
E14A106 POTENCIA APARENTE L3 TRAFO 1 kVA E14_MAIRENA EQUIPOS
E14A107 POTENCIA APARENTE TRAFO 1 kVA E14_MAIRENA ALCALA
E14A089 DESEQUILIBRIO DE INTENSIDADES TRAFO 1 % E14_MAIRENA EQUIPOS
E14A090 DESEQUILIBRIO DE TENSIONES TRAFO 1 % E14_MAIRENA EQUIPOS
E14A161 ENERGIA REACTIVA GRUPO 3 kVArh E14_MAIRENA EQUIPOS
E14A163 CODIGO 1 FALLO ARRANCADOR GRUPO 3 E14_MAIRENA EQUIPOS
E14A164 CODIGO 2 FALLO ARRANCADOR GRUPO 3 E14_MAIRENA EQUIPOS
E14A165 CODIGO 3 FALLO ARRANCADOR GRUPO 3 E14_MAIRENA EQUIPOS
E14A166 CODIGO 4 FALLO ARRANCADOR GRUPO 3 E14_MAIRENA EQUIPOS
E14A167 CODIGO 5 FALLO ARRANCADOR GRUPO 3 E14_MAIRENA EQUIPOS
E14A157 FACTOR DE POTENCIA GRUPO 3 E14_MAIRENA EQUIPOS

-Figura 13. Algunas de las seales disponibles en EB Mairena (ms de 400)-

18
XIII CONGRESO DE CONFIABILIDAD

4. DESARROLLO DE PROYECTOS RCM SOBRE INSTALACIONES


CRTICAS. CASO PRCTICO: GRUPOS DE BOMBEO VERTICALES EN
E.B. AGUA BRUTA

Uno de los conceptos asumidos histricamente por la organizacin, en lo que a


atenciones de mantenimiento preventivo de nuestras instalaciones se refiere, era el de
caf para todos. Es decir, exista una tendencia a realizar las mismas operaciones de
mantenimiento preventivo a equipos de la misma tipologa con independencia de su
criticidad dentro del sistema. De esta forma, por ejemplo, un grupo de bombeo reciba
una actuacin de revisin integral de motor y bomba, otra de alineacin laser y otra de
medida de vibraciones cada 6 meses. Estas 3 actuaciones preventivas/predictivas se
realizaban para todo el espectro de grupos de bombeo: desde los de 4 kW hasta a los de
1650 kW; desde aquellos que prcticamente estaban funcionando las 24 horas del da
hasta aquellos otros que apenas lo hacan en 6 meses; desde los que tenan 3 equipos
redundantes hasta los que no tenan ninguna redundancia en ciertos perodos de
funcionamiento. En definitiva, una poltica de todo para todos por igual.

La poltica de expansin de la empresa y de mejora del servicio prestado, hace que el


nmero de nuevas instalaciones a atender crezca todos los aos de forma considerable,
lo que supone un incremento constante de la carga de trabajo potencial para el
Departamento que no ha ido acompaado de un aumento proporcional de los recursos
disponibles para atenderla (figura 14). Esta situacin, sumada a la inquietud por mejorar
el proceso de mantenimiento despertada en el Departamento, desencaden en una lnea
de trabajo, an vigente, canalizada a la consecucin de otro enfoque de la poltica de
mantenimiento preventivo: alcanzar mejores resultados de fiabilidad teniendo en cuenta
la criticidad de las instalaciones y optimizando los recursos disponibles.

-Figura 14. Evolucin n operarios vs n instalaciones-

El resultado esperado de este nuevo enfoque es efectuar a los equipos crticos el


mantenimiento preventivo/predictivo que realmente requieran con la frecuencia ptima.
Es decir, pasar de un caf para todos a un mantenimiento cuasi-personalizado. Para el
diseo de estos nuevos planes de mantenimiento preventivo, se ponen en marcha los
grupos de trabajo de Mantenimiento Centrado en Fiabilidad o RCM. Esta metodologa
es ms que conocida a nivel global y su robustez est ms que contrastada de cara a la
definicin de polticas de mantenimiento enfocadas a aumentar la fiabilidad de los

19
XIII CONGRESO DE CONFIABILIDAD

activos. Si adems se tienen en cuenta criterios de criticidad y de coste-riesgo, el


resultado puede mejorar de forma sobresaliente la relacin efectividad-coste de la
poltica de mantenimiento sobre el activo.

El rodaje en proyectos RCM se inici sobre una de nuestras estaciones de bombeo ms


importantes: la estacin de bombeo (E.B.) Agua Bruta. Esta instalacin presida el
ranking derivado de un proyecto previo de jerarquizacin de estaciones del mbito
metropolitano atendidas por nuestro Departamento. La jerarquizacin se obtuvo
teniendo en cuenta factores de criticidad: impacto de averas en estas instalaciones y
consecuencias de las mismas. Es decir, E.B. Agua Bruta era la estacin ms crtica de
las contempladas en el estudio.

Para el desarrollo de este proyecto piloto se cont con un equipo multidisciplinar de


tcnicos, todos involucrados en el mantenimiento de la instalacin objeto de estudio. Es
importante resaltar el respaldo de la jefatura de la Divisin a la que pertenece nuestro
Departamento con este proyecto; ste fue enmarcado dentro del listado de objetivos
anuales de la empresa, con lo que automticamente pasaba a pertenecer al grupo de
actuaciones prioritarias del Departamento.

El desarrollo del proyecto RCM se desglos en los bloques detallados a continuacin:

4.1 Creacin del equipo de trabajo


El equipo de trabajo se mont con un lder, representado por el Jefe de Departamento,
un facilitador, responsable de la preparacin de reuniones y de mantener la base
metodolgica del RCM, y 5 expertos en mantenimiento, principalmente tcnicos.

Acometida AT y
Grupos de
equipos de medida AT

Dosificacin de
Transformador biocida y
1600 kVA biodispersante

Transformadore Sistema de
s 1250 kVA (*) elevacin

Tamices
Grupo
electrgeno (*)

Sistema
neumtico
Interruptores de
acometida BT Vlvulas de
Grupos de Grupos de bombeo impulsin
bombeo verticales sumergibles
CRITICIDAD: Fre

-Figura 15. Desglose de la EB en equipos e instalaciones- Consecuencia = (Impacto op

Frecuencia de eventos:

4.2 Anlisis de criticidad de equipos crticos e instalaciones de EB Agua Bruta


Psimo
Malo
mayor de 10 f/ao
entre 5 f/ao a 10 f/ao
Regular entre 2 f/ao a 4 f/ao

Dada la complejidad y variedad de equipamiento que conforma la E.B. (ver Fig. 15), menor se de 2 f/ao Promedio
Impacto Operacional:
realiz un anlisis de criticidad a nivel de estacin que nos permitiera focalizar
Genera impactola
en el cliente y puesta en marcha normalmente
costosa en terminos de tiempo, personal y costes
Genera impacto en el cliente y puesta en marcha normalmente
sencilla, aunque implica desplazamientos y costes
No genera impacto en el cliente y puesta en marcha de comple
resolucin, implicando desplazamientos y costes
No genera impacto en el cliente, aunque la puesta en marcha
20
normalmente requiere desplazamientos de personal y medios.
No genera impacto en el cliente y puesta en marcha sencilla y
rpida con escaso uso de personal y medios

Flexibilidad Operacional:

No existen alternativas para la prestacin del servicio

Los equipos alternativos prestan servicio pero requieren


XIII CONGRESO DE CONFIABILIDAD

atencin del proyecto. De dicho anlisis derivaron los grupos de bombeo verticales
como equipos ms crticos de la estacin, que automticamente pasaron a ser el objetivo
el proyecto RCM.

4.3 Anlisis funcional del sistema de estudio y creacin de los grupos de trabajo
Se define el alcance del proyecto, entradas y salidas del sistema de estudio y su desglose
en subsistemas (ver figura 16). A continuacin se conforman los diferentes grupos de
trabajo segn subsistemas. La primera labor de los mismos es definir las funciones
principales y secundarias de cada subsistema.

Control y
Mando

Motor Fuerza y
Proteccin

Seales
Agua
Acoplamiento Potencia elctrica
Moluscos
Estructura/
Seales
bancada Agua

Entradas/salidas

Bomba

Subsistemas

-Figura 16. Desglose del sistema de estudio en subsistemas-

4.4 Anlisis de criticidad de los modos y efectos de fallo (FMECA)

Constituy el ncleo del proyecto. Para culminar esta fase fueron necesarias numerosas
reuniones. Como resultado se obtuvieron todos los modos de fallo del sistema de
estudiado (ms de 150) jerarquizados segn su criticidad (ver figura 17). Con este
trabajo, filtramos los modos de fallo menos crticos, que no continuaron en el desarrollo
del proyecto (aproximadamente un 35% de los modos de fallo quedaron fuera en este
punto).

4.5 Aplicacin del rbol de decisin RCM y definicin de propuestas de


actividades de mantenimiento.

Los modos de fallo que pasaron el filtro del FMECA fueron analizados bajo la
perspectiva del anlisis causal. Tras esta labor, y con toda la informacin acumulada, se
procedi a aplicar la matriz de decisin RCM a los diferentes modos de fallo en funcin
de su naturaleza (fallo oculto o no) y de impacto sobre la seguridad del trabajador,

21
XIII CONGRESO DE CONFIABILIDAD

medio ambiente o produccin. Se obtiene de aqu una recomendacin de mantenimiento


respecto al modo de fallo que va desde aplicar tcnicas de mantenimiento bajo
condicin para la deteccin precoz del fallo hasta dejar que dicho fallo ocurra.

Las recomendaciones obtenidas de la aplicacin de la matriz de decisin son analizadas


teniendo en cuenta los medios (tcnicos y humanos) disponibles, as como el contexto
operacional del equipo, fruto del cual deriva una propuesta slida de planes de
mantenimiento preventivo/predictivo que se implementan en nuestro ERP (ver figura
18).
Definicin de modos de fallo Recopilar los efectos de los Anlisis de criticidad
fodos de fallo
Subsistema Funcin Fallo Funcional Modo de Fallo Impacto
Efectos del fallo Frecuencia Criticidad
Cd. Descripcin Cd. Descripcin Cd. Descripcin Cd. Descripcin P S MA Q
Incidencia Duracin Total Prod.
Grupo parado. Implica puesta en marcha de la
estacin (regulacin). Si la parada es larga (30
min) interviene redes (purgas de red) y existe
5 Fuerza y proteccin 1 A desabastecimiento a clientes. Afecciones sobre
Transmitir la potencia elctrica necesaria al subsistema Fallo de suministro elctrico (ocurre Pab. Mnaco (refrigeracin). Sobretensiones en
motor con la calidad (cos ) y las especificaciones simultnemente fallo de Endesa y fallo de reenganches, con posible disparo de
requeridas (V, I) en cada una de las fases. No llega energa al motor 1 G.Electrgeno o su conmutacin) protecciones. 4 2 8 0 0 10 2 36

Grupo parado. Disparo de protecciones. Riesgo


elctrico. Rearme in-situ (si hay redundancia no
tiene porqu ser inmediato). Arcos elctricos,
con los consiguientes daos en bornas,
2 Cableado de alimentacin cortado o suelto aislamiento del cable, con riesgo de incendio. 2 3 6 10 0 0 1 16

Protecciones saltadas de forma Grupo parado. Posible desplazamiento para


3 intespectiva rearme in-situ (no inmediato si hay redundancia). 2 2 4 0 0 0 1 4
Grupo parado. Desplazamiento para rearmar (no
inmediato si hay redundancia). En arranque
Fallo en sistema de arranque: contactores estrella tringulo: posible disparo de
4 y/o variadores protecciones. 2 3 6 0 0 0 1 6

Si hay margen, regulacin del secundario de los


transformadores de potencia. Sobreintensidades
B en caso de baja tensin, con el consiguiente
Llega energa al motor, pero la tensin en bornas disparo de protecciones. Mal funcionamiento de
est fuera del rango admisible 1 Suministro elctrico defectuoso. grupo 2 3 6 0 0 0 1 6
Quemar el motor, quemar separadores
galvnicos, quemar tarjetas o averiarlas, bloqueo
de autmata y de pantalla tctil. Fallo de
comunicaciones con el CPC y/o el autmata con
2 Fallo de protecciones contra sobretensin sus esclavos. 2 5 10 5 0 0 1 15

Llega energa al motor, pero la intensidad es Protecciones de intensidad Quemar el motor. Calentamiento del motor.
C
diferente a la necesaria 1 sobredimensionadas Afeccin a alguna de las fases. 2 5 10 5 0 0 1 15
Quemar el motor. Calentamiento del motor.
2 Fallo en protecciones Afeccin a alguna de las fases. 2 5 10 5 0 0 1 15

3 Baja impedancia del motor Mal funcionamiento del motor. Prdida de fase. 2 5 10 5 0 0 1 15
Ruidos, vibraciones fuera de rango admisible,
posible rotura de eje, dao en rodamientos.
Caractersticas elctricas de las ondas
4 Rotor desequilibrado (intensidad, tensin, ) fuera de rango. 2 5 10 5 0 0 1 15

Trabajo en vaco del grupo de bombeo (por No bombea agua. Calentamiento de rodamiento
5 ejemplo por filtro sucio) de bomba, y del cuerpo de la bomba en general. 2 3 6 5 0 0 1 11

Trabajo en vaco del grupo de bombeo No bombea agua. Calentamiento de rodamiento


(bajo nivel de cmara) de bomba, y del cuerpo de la bomba en general. 4 3 12 10 0 10 1 32

Falta alguna fase (por fallo en contactor,


D Llega energa al motor, pero las fases estn fusible, bornas sueltas, conductor cortado, Motor no funciona. Disparo de protecciones.
desequilibradas 1 etc) Riesgo de quemar el motor. 2 3 6 5 0 0 1 11
Prdida de prestaciones del motor.
Rotor desequilibrado elctricamente (por Envejecimiento prematuro. Prdida de
2 ejemplo, una bobina abierta) aislamiento. Disparo de protecciones. 2 5 10 5 0 0 1 15

Incremento de factura elctrica. Calentamiento


E
La potencia reactiva no se compensa 1 Fallo de condensadores con riesgo de incendio. 0,5 5 2,5 5 0 0 1 7,5
Incremento de factura elctrica. Riesgo de
descarga elctrica, a los trabajadores, por
2 Cableado de reactiva roto contacto directo. 0,5 3 1,5 5 0 0 1 6,5
Fallo en control de funcionamiento de
3 condensadores (rels) Incremento de factura elctrica. 0,5 3 1,5 5 0 0 1 6,5
4 Disparo de protecciones de condensadores Incremento de factura elctrica. 0,5 3 1,5 5 0 0 1 6,5
5 Selector en "0" Incremento de factura elctrica. 0,5 3 1,5 5 0 0 1 6,5
6 Selector averiado Incremento de factura elctrica. 0,5 3 1,5 5 0 0 1 6,5
7 Fallo seal desde autmata Incremento de factura elctrica. 0,5 5 2,5 5 0 0 1 7,5

F
La potencia reactiva se compensa parcialmente 1 Fusible fundido en alguna de las fases Incremento moderado de la factura elctrica. 0,5 3 1,5 5 0 0 1 6,5
Factura elctrica superior a la que le
2 Bateria de condensadores mal dimensionadacorrespondera
(corta) con el dimensionado correcto. 0,5 5 2,5 5 0 0 1 7,5
Incremento de factura elctrica. Riesgo de
Cable del circuito de reactiva cortado en descarga elctrica, a los trabajadores, por
3 alguna fase contacto directo. 0,5 3 1,5 5 0 0 1 6,5
Factura elctrica superior a la que le
correspondera al estado correcto. Riesgo de
que se perforen los condensadores y queden
4 Bateria de condensadores en mal estado fuera de servicio. 0,5 5 2,5 5 0 0 1 7,5
Equipo automtico de compensacin de
5 reactiva mal regulado Incremento moderado de factura elctrica. 0,5 3 1,5 0 0 0 1 1,5
Incremento factura. Chispas, riesgo de incendio,
6 Mal contacto en cogidas circuito reactiva posible fusin de contactos 0,5 3 1,5 5 0 0 1 6,5

-Figura 17. Seccin del documento de trabajo del FMECA-

Mantenimiento bajo condicin Mantenimiento Preventivo

Monitorizacin en SAP de parmetros de funcionamiento Reedicin de gamas de mantenimiento preventivo de grupos


de grupos de bombeo: I, V, f.p, potencia consumida, etc. de bombeo verticales multietapas: PTBM-10 (anual) y
Lanzamiento de rdenes de inspeccin en caso de llegar a PTBM-11 (6 meses)
niveles de alarma.

Reedicin de ruta de inspeccin general de la EB Agua


Bruta: RTXX-46
Programacin de gamas de termografa sobre motores
grupos de bombeo verticales: DEZZ-01 (6 meses)

Programacin de gamas de termografa sobre cuadros de


baja tensin: DEZZ-01 (6 meses)

-Figura 18. Actuaciones de mantenimiento derivadas del RCM-

22
XIII CONGRESO DE CONFIABILIDAD

4.6 Consideraciones a tener en cuenta para el xito de un proyecto RCM

- Compromiso del equipo de trabajo y de su jerarqua con el proyecto: Sin este


compromiso es muy probable que el proyecto se quede estancado en las etapas
densas, por ejemplo en la definicin de modos de fallo.
- Formar un equipo de trabajo multidisciplinar, en el que participen miembros de
la organizacin mezclados de forma vertical (desde operarios a jefes de
departamento) y de forma horizontal (de varios departamentos): del primer
proyecto RCM descrito anteriormente, deriv como opcin de mejora para
futuras actuaciones RCM contar con la perspectiva de: a. el escalafn operario
de mantenimiento, en contacto directo en su labor diaria con los equipos y buen
conocedor de su comportamiento, y b. los explotadores de las instalaciones, que
hacen uso de las mismas para dar cumplimiento a la produccin exigida. Con
este enfoque se ha contemplado la conformacin del equipo de trabajo del
segundo proyecto RCM, actualmente en fase de desarrollo, sobre una
minicentral hidrulica. En ste la aportacin tanto de operarios como de
explotadores est siendo muy valiosa para su desarrollo.
- Tener muy clara la metodologa RCM y aplicar aquella variante que mejor se
ajuste al contexto operacional de la empresa. En nuestro primer proyecto,
tratamos el anlisis causal de los modos de fallo. Tras una labor de reflexin y
de consulta con especialistas en RCM, se lleg a la conclusin de que tal labor
holgaba en nuestras instalaciones, siendo objeto de realizacin en otros sectores
ms crticos como el aeronutico o el nuclear. As pues, con esta consideracin,
el tiempo de ejecucin del primer RCM se habra acortado considerablemente.
- Realizar pocas reuniones de larga duracin: el proyecto sobre el grupo vertical
se plante con varias reuniones de corta duracin (1 hora). En ocasiones, estas
reuniones concluan cuando el grupo de trabajo estaba dando el mximo
rendimiento. En otras ocasiones estas reuniones se encajaban en la ltima hora
de la jornada, con lo que el cansancio menguaba el rendimiento del grupo de
trabajo. En el segundo proyecto RCM se ha optado por reducir el nmero de
reuniones y hacerlas ms largas (3 horas), evitando caer en los fallos antes
comentados. Comparando los 2 planteamientos organizativos, el rendimiento es
notablemente mayor en este ltimo.
- El RCM no debe concluir con la puesta en produccin de las nuevas actuaciones
de mantenimiento sobre el sistema de estudio. Es crucial para el la mejora de los
resultados esperados llevar a cabo una labor posterior de feedback en un
perodo de tiempo suficiente que permita comparar el comportamiento del
sistema antes y despus de los cambios introducidos en su poltica de
mantenimiento con el RCM. En nuestro caso ese perodo fue de 1 ao (an no
transcurrido). De esta realimentacin deben salir los cambios necesarios sobre el
plan de mantenimiento que permitan pulir su eficacia de cara a la consecucin de
los niveles de fiabilidad exigidos.

23
XIII CONGRESO DE CONFIABILIDAD

5. ADQUISICIN DE TERMINALES DE CAMPO PORTTILES PARA LOS


OPERARIOS DE MANTENIMIENTO CON CONEXIN A SAP PM Y A
APLICACIONES DE GESTIN DOCUMENTAL.

Una parte importante del nuevo modelo de gestin del mantenimiento radica en la
fiabilidad de los datos.

El pasado

El ciclo habitual de la Orden de Trabajo tanto en las intervenciones correctivas, como


en las actuaciones preventivas era, un lanzamiento inicial de las actuaciones a llevar a
cabo en soporte papel, y su mecanizacin posterior en el PC para alimentar la base de
datos; en el mejor de los casos este mecanizado de datos para incluirlos en el GMAO, lo
llevaba a cabo personal administrativo 24 horas, despus de haber ejecutado los trabajos
el personal de campo.

La acumulacin de Ordenes de Trabajo pendientes de mecanizar hacan inviable


cualquier consulta, adems de la consiguiente prdida de informacin, (el sistema no se
enteraba de los detalles de la solucin, ni siquiera de los datos tomados en campo y
anotados en la OT), la mayora de las intervenciones correctivas se notificaban contra
un genrico, y cualquier intento de discriminar el tipo de actuacin llevada a cabo,
implicaba una consulta al documento fsico.

El salto cualitativo

En el Departamento se daban todos los ingredientes necesarios para hacer realidad una
demanda de todos los integrantes (personal operario, tcnico y direccin), cmo
sabemos si lo que estamos haciendo, lo hacemos bien a la primera y de forma eficiente?
Con la respuesta a esta pregunta iniciamos el largo camino hacia la mejora continua
PDCA (Plan, Do, Check, Act)

La respuesta tendra que esperar no solo a disponer de la herramienta adecuada SAP PM


y estandarizar el uso de la misma para que nos reporte la informacin ms fiable.

A partir del enero de 2010, se dota al personal de campo con terminales con conexin
en campo a SAP PM, con las miras puestas en la mejora de la fiabilidad del dato
introducido en el sistema, y que ser objeto de tratamiento y anlisis por parte del rea
Tcnica, eliminando tratamientos intermedios de la informacin (administrativos)
recogiendo en la orden de trabajo toda la informacin directamente del operario que
notifica la Orden de Trabajo, trabajos realizados, materiales y tiempos empleados en la
reparacin, tiempos fuera de servicio, etc...

Esto nos ha permitido clasificar las actividades del Departamento (Preventivo,


Predictivo, Correctivo, de Seguridad Industrial, Atencin a Contratas, Actividades de
Limpieza, Nuevos Montajes, y as hasta 17 actividades distintas).

24
XIII CONGRESO DE CONFIABILIDAD

Tambin nos ha permitido, al disponer de conexin a la Red de Emasesa, desde el


terminal de campo, acceder a la informacin alojada en el Gestor Documental, (aunque
se encuentra en fase de mejora), tales como fichas de equipos, esquemas elctricos
actualizados. La dispersin geogrfica de las instalaciones, y las continuas actuaciones
de Automatizacin o Renovacin de las mismas, constituye un hndicap en lo que se
refiere a la distribucin actualizada de la informacin a todos los niveles. Para tal fin, se
dispone de un Sistema de Gestin Documental, que gestiona toda la informacin
Administrativa y del Sistemas Integrado de Gestin.

La conexin de SAP PM con este Gestor Documental, permite la ubicacin ordenada y


actualizada de toda la documentacin, (proyectos de ejecucin de las instalaciones,
esquemas, despieces de bombas, etc...) que pueden consultarse en campo.

Se mejoraron las lneas de comunicacin entre los componentes del Departamento de


Mantenimiento, habilitando un Espacio Colaborativo, en el que se alojan documentos de
alto inters tcnico, como por ejemplo catlogos de equipos, respuestas a dudas
planteadas por los operarios, etc...

La dotacin del terminal porttil, no solo redunda en una mejora de la fiabilidad de los
datos aportados al GMAO, si no que permite fluidez de la informacin (gestor-ejecutor
y ejecutor gestor) y el estmulo de la participacin activa en la identificacin de
oportunidades de mejora.

Conclusin:

La aportacin ms importante de la dotacin de los terminales de campo con conexin a


las aplicaciones corporativas, es que se inicia la alimentacin fiable1 de la base de datos,
y por lo tanto se puede suministrar informacin que sirve a la Direccin para la TOMA
DE DECISIONES con un menor grado de incertidumbre. Por otro lado, resaltar la alta
implicacin del personal de campo en Proyectos de Reestructuracin de Objetos
Tcnicos.

El acceso en campo al programa de gestin, ha permitido realizar internamente un


proyecto de reestructuracin de objetos tcnicos susceptibles de recibir actuaciones de
mantenimiento. Se han depurado y reorganizado la distribucin de 5.000 objetos
tcnicos y se ha podido comprobar y actualizar las caractersticas de los mismos.

-Figura 19. Conexin remota a SAP PM y gestor documental-

1
La estandarizacin de la introduccin de datos, mediante Formacin al personal.

25
XIII CONGRESO DE CONFIABILIDAD

6. FORMACIN

La puesta en marcha de las nuevas herramientas y lneas de trabajo para la consecucin


de la mejora de la eficacia global del Departamento de Mantenimiento debe ir
sustentada por una batera de acciones formativas sin las cuales resultara inviable la
consecucin de nuestro objetivo. Las actuaciones se focalizan sobre todo el equipo
humano que conforma el Departamento: tcnicos y, principalmente, operarios. stas se
agrupan en 4 frentes que se consideran estratgicos y que se detallan a continuacin:

1. Introduccin de los nuevos medios informticos disponibles (ERP, software de


consulta y anlisis de tendencias, espacio colaborativo, etc) como una
herramienta de trabajo habitual. Objetivos: a. Mejorar la calidad en la
alimentacin de datos al ERP; b. Poner a disposicin del tcnico y del operario
herramientas de anlisis y consulta documental que le permitan mejorar el
resultado del proceso de mantenimiento (acortar tiempos de resolucin,
reduccin de fallos de ejecucin, eleccin de la solucin ptima, etc)
2. Mejora de las competencias de los ingenieros del Departamento en tcnicas de
Confiabilidad Operacional a travs de: cursos de formacin con especialistas,
participacin en congresos sobre la temtica del mantenimiento industrial,
actuaciones de benchmarking con empresas del sector y vinculadas, etc.
3. Actualizacin continua del conocimiento sobre equipamiento electromecnico
de ltima generacin disponible en nuestras instalaciones (variadores de
frecuencia, arrancadores suaves, PLC y lgica de control, rels de proteccin
avanzados, etc) as como de las tcnicas de mantenimiento predictivo utilizadas
en el Departamento (anlisis de vibraciones, termografa, etc)
4. Entrenamiento y mejora de equipos para la realizacin de tareas consideradas
crticas en el mbito de la Prevencin de Riesgos Laborales: a. Trabajos en
altura: programa de mejora de habilidades de nuestro personal para trabajos en
apoyos elctricos, elaboracin y estandarizacin de instruccin para trabajos en
apoyos elctricos, entrenamiento peridico gestionado mediante rdenes de
trabajo programadas en SAP; b. Otras reas crticas: trabajos en espacios
confinados y RD 614/2001 (proteccin frente al riesgo elctrico).

La definicin de estos 4 frentes es el resultado de un proceso de anlisis previo


efectuado desde el seno del propio Departamento. En cierta medida se asumen
atribuciones propias del Departamento de Formacin, con un fin: dinamizar la ejecucin
de las acciones formativas que se consideran prioritarias. Por supuesto, para la gestin
de la mayor parte de los cursos se cuenta con la colaboracin de nuestro Departamento
de Formacin.

Para atacar las lneas formativas estratgicas es necesario definir un Plan de Formacin
que pormenorice y permita gestionar de forma ordenada la realizacin de las distintas
acciones formativas. ste se confecciona y desarrolla mediante los siguientes hitos (ver
figura 20):

1. Confeccin de la matriz de necesidades.


2. Organizacin de prioridades.

26
XIII CONGRESO DE CONFIABILIDAD

3. Anlisis de recursos disponibles (internos o externos) para realizacin de cursos


(figura 21).
4. Propuesta y aprobacin de cursos (figura 22).
5. Planificacin, preparacin y ejecucin de los cursos.

-Figura 20. Hitos desarrollo del Plan de Formacin

N Demanda formativa Solucin Evolucin Factible hacerlo?


Plantear preparacin de curso a Jos Antonio y
Juanma Ortega. Quin: Juanma G. y Ceballos o Paco
8 Arrancadores estticos Interno Seccin. Mora? Muy probable
8 Autmatas programables Instrumentacin Probable
Negociar precio con IRM. Adquisicin de sistema
7 Anlisis de vibraciones IRM-Preditec experto de ayuda (paralizado) Pte negociacin
Contactar con comerciales
(ABB, Power Electronics).
Guillermo Pelez plantea
7 Varidadores de frecuencia solucin con Schneider Contactar con Guillermo Pelez o Jorge ABB Probable
Trabajos en altura (apoyos
5 elctricos) Interno Seccin. Gama de pruebas mensual Si
Medidas elctricas y Concretar. Posible curso
4 equipos de medida externo. D+TEC?
Analizador y medida de Concretar. Posible curso
4 calidad de la red externo. D+TEC?
4 SAP PM Interno Seccin. En espera de conclusin de trabajos con evolutivo Si
3 Termografa Realmente hace falta?
Plantear una sistemtica similar a la seguida con las
3 Riesgo elctrico AT Servicio Prevencin prcticas en apoyos elctricos. Probable
3 Alineacin laser
Instrumentacin / Guillermo
3 Compactblock Pelez Probable
Ya gestionado con el Dpto de Formacin. Va a
Trabajos en espacios realizarlo todo el personal, excepto Ceballos y Paco
2 confinados Cursos desde Dpto. Formacin Mora, que lo hicieron en 2009. Ya acordados

-Figura 21. Anlisis de recursos disponibles-

27
XIII CONGRESO DE CONFIABILIDAD

A fecha de elaboracin de esta ponencia, el primer plan de formacin estaba


cumplimentado en un 60%. Tras realizar una labor de anlisis de la experiencia
acumulada en esta andadura, se pueden obtener las siguientes conclusiones:

- Es importante conseguir un compromiso de la Jefatura del Departamento y de


todos las responsables de Secciones afectadas con el Plan de Formacin. No se
puede condicionar su realizacin a la no ejecucin de otras actividades.
- La carga de trabajo de un departamento de mantenimiento es difcil de prever
con un ao de antelacin (perodo que cubre nuestro plan). En nuestro caso, la
carga real ha superado la estimada con lo que nos hemos visto obligados a
posponer cursos para el prximo ejercicio. En un escenario muy favorable
cumpliremos con el 70% de lo inicialmente programado. Es bueno tener
jerarquizados los cursos para que, en este escenario, al menos los ms
prioritarios se aborden.

Alta probabilidad de realizar


CURSO Impartido por
Arrancadores
estticos Interno Seccin
Trabajos en altura
(apoyos elctricos) Interno Seccin
SAP PM Interno Seccin
Trabajos en espacios
confinados Dpto. Formacin - Bomberos
Cierres mecnicos AESSEAL

Probabilidad media de realizar


CURSO Impartido por
Autmatas
programables Instrumentacin
Varidadores de
frecuencia ABB o Schneider
Compactblock Instrumentacin
Rels avanzados de
proteccin de
instalaciones ABB o Schneider
Sepam Schneider
Riesgo elctrico AT Dpto. Formacin

Gestionar cursos
CURSO Impartido por
Vibraciones IRM - Preditec
Medidas elctricas D+TEC

-Figura 22. Propuesta de cursos Plan Formativo 2011-

- Conseguir disponibilidad de medios formativos externos especializados por


parte de la propia empresa agiliza enormemente la consecucin de los objetivos
marcados. Por desgracia no siempre se obtiene respuesta favorable a estas
demandas, generalmente debido al elevado coste que supone formar a un equipo
humano tan nutrido. En estos casos se buscan canales alternativos para la
consecucin de la accin formativa, por ejemplo: especializacin interna de una
o pocas personan que se encarguen de la posterior formacin al resto del grupo
de trabajo, o bien conseguir cursos comerciales impartidos por empresas
proveedoras de equipamiento, etc; a travs de los cuales podemos alcanzar
generalmente el nivel formativo deseado; eso s, a costa de una enorme
dilatacin en el tiempo (debemos ajustarnos a la disponibilidad del personal

28
XIII CONGRESO DE CONFIABILIDAD

tcnico de la empresa proveedora, el operario/tcnico especializado que debe


formar al resto de sus compaeros requiere de tiempo para ello, etc)
- Se ha observado que la formacin es una fuente de motivacin. Dar respuesta a
las demandas en materia tcnica y del mbito de la prevencin de riesgos, tiene
generalmente como respuesta un elevado grado de implicacin durante la
realizacin de las diferentes acciones formativas, as como en la posterior
aplicacin en campo de los conocimientos adquiridos.

En definitiva, la definicin y desarrollo de un Plan de Formacin es una actuacin de


soporte vital para la consecucin de los objetivos de mejora del Departamento, ya que
permitir la correcta puesta en produccin, y por tanto en valor, de las nuevas
herramientas implementadas a tal efecto. O dicho de otra forma: de nada nos sirve
disponer del mejor vehculo deportivo para ganar una carrera si nuestro piloto no sabe
conducirlo.

7. PLANNING DEL DESARROLLO Y RESULTADOS ESPERADOS

En la figura 23 se muestra de forma grfica la evolucin en el tiempo de la


implementacin de las nuevas lneas de trabajo puestas en marcha desde el
Departamento para alcanzar los objetivos marcados.

-Figura 23. Evolucin de la implantacin-

Se puede apreciar cmo el enorme esfuerzo llevado a cabo en el trienio 2009-2011 ha


permitido avanzar de forma muy notable en los diferentes desarrollos, marcndose el
2013 como fecha de consolidacin definitiva de los mismos. Hasta 2013 los esfuerzos
del Departamento se centran en, ms que por buscar resultados cortoplacistas sin tener

29
XIII CONGRESO DE CONFIABILIDAD

las herramientas disponibles al 100%, por consolidar los desarrollos con los
requerimientos exigidos. Es a partir de ese momento cuando se espera comenzar a
obtener de forma palpable el fruto de la puesta en produccin total de las nuevas
herramientas, cuyo principal resultado esperado es la mejora progresiva de la
confiabilidad de nuestras instalaciones crticas (ver figura 24).

-Figura 24. Impacto esperado sobre la confiabilidad en instalaciones crticas-

30
PONENCIA 8

LA GESTIN DE ACTIVOS Y PAS 55

Lpez Campos Mnica A., Parra Mrquez Carlos, Crespo Mrquez Adolfo.
Departamento de Organizacin Industrial y Gestin de Empresas I. Escuela
Superior de Ingenieros. Universidad de Sevilla
XIII CONGRESO DE CONFIABILIDAD

LA GESTIN DE ACTIVOS Y PAS 55

Lpez Campos Mnica A., Parra Mrquez Carlos y Crespo Mrquez Adolfo.
Departamento de Organizacin Industrial y Gestin de Empresas I. Escuela Superior de
Ingenieros. Camino de los Descubrimientos s/n. 41092. Universidad de Sevilla

RESUMEN

A diferencia del mantenimiento tradicional, que tiene como objeto de estudio al


equipo nicamente durante su vida operacional, la gestin de activos
empresariales es una disciplina que surge a finales de los aos 90 y que se
enfoca en la toma de decisiones a travs de todo el ciclo de vida del activo
fsico, desde su creacin o adquisicin, utilizacin, mantenimiento y renovacin
o disposicin final. Para esto, la gestin de activos conjunta conceptos y
tcnicas de diferentes mbitos, tales como finanzas, ingeniera, tecnologa,
operaciones, etc. En el ao 2004, como una respuesta a la necesidad del sector
industrial de contar con un estndar para la aplicacin de la gestin de activos,
se crea en Inglaterra la norma PAS 55, que se ha convertido en referencia
internacional en el rea. El diseo e implementacin de un sistema de gestin
de activos, en consonancia con los requerimientos de PAS 55 es un tema
complejo. En este documento se propone un modelo de procesos orientado al
cumplimiento de dicha norma.

1. INTRODUCCIN
Mientras que las actividades de mantenimiento son operativas, la gestin del
mantenimiento forma parte de la direccin de operaciones y se orienta a la
utilizacin ms econmica de los medios, con la finalidad de conservar y/o restituir
los equipos de produccin a unas condiciones que les permitan cumplir con una
funcin requerida durante unos determinados periodos de tiempo (Crespo, 2006).
Desde hace aproximadamente 3 dcadas las organizaciones se percataron de
que para gestionar adecuadamente el mantenimiento era necesario incluirlo en
el esquema general de la organizacin y manejarlo en interaccin con las dems
funciones (Pintelon y Gelders, 1992). El reto consisti entonces en integrar el
mantenimiento dentro del sistema de gestin de la empresa.
El panorama deseado era, que una vez alcanzada dicha integracin, el
mantenimiento recibiera la importancia merecida y se desarrollara como una
funcin ms de la organizacin: generando "productos" para satisfacer a los
clientes internos, arrojando informacin y datos tiles y contribuyendo al
cumplimiento de los objetivos de la organizacin.
Naci as en la dcada de los ochentas, el concepto de sistema de gestin del
mantenimiento, cuyas actividades estaban orientadas a obtener beneficios de
negocio, en vez de enfocarlas como antiguamente: como un centro de costos
(Prasad et al, 2006).
De manera ms precisa, se puede decir que la moderna gestin del
mantenimiento incluye (UNE-EN 13306, 2001) todas aquellas actividades de

1
XIII CONGRESO DE CONFIABILIDAD

gestin que determinan los objetivos o prioridades de mantenimiento (que se


definen como las metas asignadas y aceptadas por la direccin del departamento
de mantenimiento), las estrategias (definidas como los mtodos de gestin que
se utilizan para conseguir esas metas u objetivos), y las responsabilidades en la
gestin. A las actividades anteriores se deben sumar tambin aquellas que luego,
en el da a da, permiten implementar estas estrategias planificando,
programando y controlando la ejecucin del mantenimiento para su realizacin y
mejora, teniendo siempre en cuenta los aspectos econmicos que resulten
relevantes para la organizacin.

2. LA GESTIN DE ACTIVOS EMPRESARIALES


Sin embargo el esfuerzo de las organizaciones para mejorar el rendimiento de
sus activos no termina con el desarrollo de los sistemas de gestin del
mantenimiento. Durante las actividades para la prevencin y correccin de
fallos, para los expertos es evidente que el diseo, construccin, explotacin y
reemplazo son procesos que tienen mucho que ver con la vida til de los
activos. Es decir, para lograr los objetivos de disponibilidad y eficiencia de los
equipos no basta con realizar las actividades tradicionales del mantenimiento,
sino que toda la vida til del equipo debe gestionarse para optimizar su
desempeo.
As a finales de los 90s surge una nueva disciplina: la gestin de activos
empresariales; que conjunta conceptos y tcnicas de diferentes mbitos, tales
como finanzas, ingeniera, tecnologa, operaciones, etc. Y que se enfoca a la
toma de decisiones a travs del ciclo de vida completo del activo fsico, desde
su creacin o adquisicin, utilizacin, mantenimiento y renovacin o disposicin
final.
El Instituto de Gestin de Activos (IAM por sus siglas en ingls Institute of Asset
Management), organizacin independiente y sin fines de lucro, principal
organismo en la materia, define la gestin de activos como el arte y la ciencia
de tomar las decisiones correctas y optimizar los procesos de seleccin,
mantenimiento, inspeccin y renovacin de los activos (IAM, 2010). Menciona
adems que un objetivo comn es minimizar el costo de vida total de los activos,
pudiendo haber adems otros factores crticos como el riesgo o la continuidad
del negocio, los cuales debern ser considerados objetivamente para la toma de
decisiones.

3. LA NORMA PAS 55 DE GESTIN DE ACTIVOS EMPRESARIALES


Cuando surge este nuevo enfoque de gestin de activos, como ampliacin de
las tareas ms tradicionales del mantenimiento, surge tambin la necesidad
por parte del sector industrial de contar con un estndar para su aplicacin, una
gua de mejores prcticas para la gestin de activos. Respondiendo a esta
necesidad, se crea en Inglaterra la norma PAS 55.
PAS 55 es una especificacin pblica dirigida a optimizar la gestin de activos
fsicos e infraestructura. Los esfuerzos para concebirla inician en 1995 cuando
un comit de gerentes, miembros del Instituto de Gestin de Activos y en el que
se integraron una variedad de representantes de la industria, del gobierno y
organismos regulatorios ingleses, se renen por primera vez para definir la

2
XIII CONGRESO DE CONFIABILIDAD

direccin que tomara esta norma. Su escritura, revisin y publicacin,


realizada a travs del British Standards Institute (BSI) tom 9 aos (BSI, 2010).
Publicada por primera vez en Abril del 2004, es hasta la fecha, la nica norma
existente a nivel mundial para la gestin de activos empresariales (Reyes-
Picknell, 2007).
A partir del 2006, PAS 55 gan reconocimiento y se extendi su uso en la
industria cuando la oficina regulatoria de gas y energa elctrica del Reino Unido
(UK Office of Gas and Electric Markets) recomend fuertemente su uso en las
empresas pblicas que integran su red de operaciones. Para el 2008 la mayora
de las empresas pblicas de gas y electricidad de Reino Unido cumplan con los
requerimientos de PAS 55. Posteriormente esta tendencia lleg tambin a las
reas del transporte, de la gestin de empresas pblicas, de la alimentacin, de
la industria farmacutica, qumica, entre otras. Y por supuesto, tambin fuera de
Reino Unido han aparecido cada vez ms compaas certificadas en PAS 55
(Reyes-Picknell, 2007).
En cuanto a su relevancia y aplicabilidad, incluso es posible realizar la siguiente
analoga: PAS 55 es a la gestin del mantenimiento lo que ISO 9001 es a la
gestin de la calidad o lo que ISO 14000 es a la gestin ambiental (Reyes-
Picknell, 2007).
PAS 55 por s misma define la gestin de activos como las actividades y
prcticas sistemticas y controladas a travs de las cuales una organizacin
gestiona ptimamente sus activos, su desempeo asociado, sus riesgos y
gastos a travs de su ciclo de vida, con el objetivo de cumplir con el plan
estratgico de la organizacin (PAS 22-1, 2004).
PAS 55 puede ser aplicada a cualquier sector de negocios que gestione
infraestructura fsica y es independiente de la funcin o tipo de activo. Algunos
ejemplos de empresas donde ha sido aplicada exitosamente incluyen caminos,
aeropuertos, trenes y complejos petroqumicos.
Basada en el ciclo de Deming de Planificar, Hacer, Revisar y Actuar, esta
norma puede ser utilizada adems para diversos fines: auto-evaluaciones,
benchmarking, mejoras en la planificacin, auditoras independientes,
certificacin, seleccin de contratistas, demostracin de competencia, etc.
Las organizaciones que han adoptado la PAS 55 han reportado mejoras
significativas en cuestiones de costos y desempeo/servicio. PAS 55 provee
clara evidencia de una adecuada gestin de activos a los clientes, inversores,
reguladores y otras partes interesadas.

4. EL MODELO DE GESTIN DE ACTIVOS PROPUESTO POR LA NORMA


PAS 55:2008
Conforme lo estipulado por el BSI, la norma PAS 55:2004 ha sido revisada por
un panel internacional de organizaciones de diversos sectores, dando como
resultado una actualizacin liberada en Diciembre del 2008: la PAS 55:2008.
El estndar se compone de dos partes:
+ PAS 55-1:2008.- especificaciones para la gestin ptima de activos fsicos
+ PAS 55-2:2008.- guas para la aplicacin de las especificaciones PAS 55-
1:2008

3
XIII CONGRESO DE CONFIABILIDAD

La Figura 1 muestra los elementos que integran el sistema de gestin de


activos segn la versin 2008.

Figura 1 Elementos del sistema de gestin de activos segn PAS 55-1:2008 (PAS 55-
1, 2008)

En total la nueva versin de la norma contiene 28 aspectos. Se aprecia que la


actualizacin tiene un orden de elementos ms lgico (ya que est conforme al
marco comn: Planificar-Hacer-Verificar-Actuar); y al tener ms requerimientos
es ms rica en contenido.

5. MODELO DE GESTIN DEL ACTIVOS PROPUESTO PARA LA


IMPLEMENTACIN DE PAS 55
Aunque no existen frmulas simples para la implementacin de un modelo
integral de gestin de activos, ni reglas fijas o inmutables con validez y
aplicabilidad para todos los activos de produccin, a continuacin se propone
como gua el modelo integral de gestin de activos (procesos de
mantenimiento, confiabilidad y riesgo) desarrollado por Crespo y Parra en el
2004. Este modelo genrico integra muchos de los modelos encontrados en la
literatura hasta la fecha, as como los empleados en la prctica en empresas de
amplia tradicin y excelencia en este campo (Crespo, 2006; Parra 2006).

4
XIII CONGRESO DE CONFIABILIDAD

El modelo est compuesto por ocho bloques (ver Figura 2), que distinguen y
caracterizan acciones concretas a seguir en los diferentes pasos del proceso de
gestin de activos. Se trata de un modelo dinmico, secuencial y en bucle
cerrado que intenta caracterizar de forma precisa el curso de acciones a llevar a
cabo para asegurar la eficiencia, eficacia y mejora continua del mismo.

Figura 2. Modelo propuesto para la gestin de activos (Crespo y Parra, 2004)

Los primeros tres bloques del modelo condicionan la eficacia de la gestin, los
siguientes bloques aseguran la eficiencia de las actividades y su mejora continua
de la siguiente forma: los bloques 4 y 5 incluyen acciones para la planificacin y
programacin del mantenimiento, incluyendo por supuesto la planificacin de la
capacidad del departamento de mantenimiento. Los bloques 6 y 7 estn
dedicados a la evaluacin y control del mantenimiento y del costo de los activos
a lo largo de su ciclo de vida. Finalmente el bloque 8 se centra en acciones para
asegurar la mejora continua de la gestin. La Tabla 1 hace una relacin entre las
8 fases del modelo propuesto y los puntos generales de la PAS 55, de manera
que se aprecia cmo la implementacin gradual del modelo genrico cubre poco
a poco los requerimientos del estndar PAS 55.

5
XIII CONGRESO DE CONFIABILIDAD
FASES DEL MODELO DE
REQUERIMIENTOS DE LA NORMA PAS 55 GESTIN DE ACTIVOS
PROPUESTO
4.1. REQUERIMIENTOS GENERALES DE LA PAS 1y2
55
4.2. POLTICA DE GESTIN DE ACTIVOS 1y2
4.3. ESTRATEGIA DE GESTIN DE ACTIVOS, 1y2
OBJETIVOS Y PLANES
4.3.1. Estrategia de gestin de activos 1y2
4.3.2. Objetivos de la gestin de activos 1y2
4.3.3. Planes de gestin de activos 1y2
4.3.4. Planificacin de contingencias 1y2
4.4. HABILITADORES Y CONTROLES PARA LA
GESTIN DE ACTIVOS
4.4.1. Estructura, autoridad y responsabilidades
4.4.2. Subcontratacin de las actividades de
gestin de activos
4.4.3. Entrenamiento, toma de conciencia y
competencias
4.4.4. Consulta, participacin y comunicacin
4.4.5. Sistema de documentacin para la gestin
de activos
4.4.6. Gestin de la informacin
4.4.7. Gestin de riesgos 3y4
4.4.7.1. Procesos de gestin de riesgos 3y4
4.4.7.2. Metodologa de gestin de riesgos 3y4
4.4.7.3. Identificacin y evaluacin de riesgos 3y4
4.4.7.4. Uso y gestin de la informacin de 3y4
riesgos de los activos
4.4.8. Requerimientos legales y otros 3y4
4.4.9. Gestin del cambio 8
4.5. IMPLEMENTACIN DE LOS PLANES DE 3, 4, 5, 6 y 7
GESTIN DE ACTIVOS
4.5.1. Actividades de ciclo de vida 3, 4, 5, 6 y 7
4.5.2. Herramientas, instalaciones y equipo 3, 4, 5, 6 y 7
4.6. EVALUACIN DEL DESEMPEO Y MEJORA 3, 4, 5, 6 y 7
4.6.1. Desempeo y monitorizacin de la 3, 4, 5, 6 y 7
condicin
4.6.2. Investigacin de fallos, incidentes y no 3, 4, 5, 6 y 7
conformidades
4.6.3. Evaluacin de la conformidad 3, 4, 5, 6 y 7
4.6.4. Auditoria 3, 4, 5, 6 y 7
4.6.5. Acciones de mejora 3, 4, 5, 6 y 7
4.6.5.1. Acciones correctivas y preventivas 3, 4, 5, 6 y 7
4.6.5.2. Mejora continua 6y8
4.6.6. Registros 6y8
4.6.7. Revisin de la gestin 6y8
Tabla 1. Relacin entre las fases del modelo de gestin de activos propuesto y los
requerimientos de la PAS 55

6. HERRAMIENTAS DEL MODELO DE GESTIN DE ACTIVOS


PROPUESTO Y GRUPO DE SOPORTE
Para el desarrollo de las diferentes actividades contempladas dentro de cada
uno de los bloques del modelo de gestin de activos propuesto, se propone la

6
XIII CONGRESO DE CONFIABILIDAD

creacin de un grupo de soporte dentro de la organizacin, que promueva y


ejecute las diferentes etapas del modelo de mantenimiento presentado en la
Figura 2.
A continuacin, en la Tabla 2 se describen brevemente las actividades ms
importantes a ser ejecutadas por este grupo de soporte, en relacin con las 8
fases propuestas en el modelo.

HERRAMIENTA
FASE COMENTARIOS
SUGERIDA
1. Definicin de los Cuadro de Mandos El BSC permite la creacin de indicadores
indicadores claves Integral (The Balanced claves del negocio (KPIs) para medir el
del negocio (KPIs) Scorecard BSC) [16] desempeo de la gestin de
e integracin con [18]. mantenimiento, que estn alineados a su
los indicadores vez, con los objetivos estratgicos de la
del proceso de organizacin. Las metas para los
gestin del indicadores se establecen siguiendo un
mantenimiento proceso participativo que requiere del
involucramiento de agentes interiores y
exteriores a la organizacin de
mantenimiento, en todos sus niveles.
2. Jerarquizacin Evaluacin cualitativa Mtodo de jerarquizacin de activos, que
de activos de del Riesgo (frecuencia considera los objetivos y metas de la
produccin de fallas x organizacin. Permite establecer el nivel
consecuencias) [19]. de criticidad de los activos en funcin del
Riesgo.
3. Eliminacin de Mtodo de Anlisis Toma los activos crticos y antes de
puntos dbiles en Causa Raz de Fallas desarrollar los planes de mantenimiento,
equipos/sistemas (Root Cause Failure identifica y analiza los posibles fallos
de alto impacto Anlisis RCFA) repetitivos y de alto impacto. El objetivo
principal es eliminar las causas de estos
fallos y ofrecer un alto retorno inicial a la
inversin del programa de gestin de
mantenimiento. El RCFA encuentra la
causa origen por la cual existe un
determinado modo de fallo y la forma de
corregirla (Parra, 2007).
4. Definicin del Mantenimiento El grupo de soporte, se encarga de definir
plan de Centrado en la las funciones operativas, la forma en que
mantenimiento Confiabilidad (Reliability stas dejan de cumplirse y propone tareas
preventivo para un Centered Maintenance - de mantenimiento basadas en el impacto
determinado RCM) (Parra, 2008, y de los fallos a la seguridad, al ambiente y a
sistema Moubray, 1997). la produccin del sistema.
5. Optimizacin de Los modelos a aplicar Los modelos con largo horizonte temporal
los planes y dependen, por lo se preocupan de aspectos como: la
programas de general, del horizonte capacidad de mantenimiento, el diseo del
mantenimiento de tiempo elegido para almacn de repuestos, o los tiempos ms
el anlisis. Los idneos para realizar las tareas de
enfoques de modelado, mantenimiento. Los modelos de
analticos y empricos, optimizacin a medio plazo de: optimizar la
son muy diversos. secuencia de actividades a realizar en una
parada importante. Los modelos a corto
plazo se centran en la mejora de la
asignacin de recursos y en su control.
6. Evaluacin, Evaluacin de Muchos KPIs, son construidos a partir de
medicin y control desviaciones con otra serie de indicadores tcnicos y
de las actividades respecto a los objetivos econmicos de nivel ms bajo. Por lo tanto,

7
XIII CONGRESO DE CONFIABILIDAD
ejecutadas de de negocio y los valores es muy importante asegurarse que la
mantenimiento. estipulados para los organizacin captura datos convenientes y
KPIs de mantenimiento que estos datos son correctamente
seleccionados agregado/desagregados segn el nivel
requerido de anlisis de operaciones de
mantenimiento.
7. Anlisis de Anlisis de costos de Se analizan aspectos relacionados con los
costos de ciclo de ciclo de vida o Life Cycle costos de adquisicin del equipo que
vida y renovacin Cost Analysis (LCCA) incluyen investigacin, diseo, prueba,
de activos produccin y construccin y son por lo
general de fcil estimacin. Un LCCA es
importante para tomar decisiones sobre la
adquisicin de nuevos equipos y sobre el
reemplazo de los mismos (Parra, 2006).
8. Mejora continua E-maintenance E-Maintenance es un soporte que incluye
e introduccin de recursos, servicios y gestin para permitir
nuevas tcnicas la ejecucin de un proceso proactivo de
de mantenimiento toma de decisiones en mantenimiento.
Este soporte no slo incluye tecnologas
de Internet, sino tambin, actividades e-
maintenance, como e-monitoring, e-
diagnosis, e-prognosisetc.
Tabla 2. Descripcin de las fases y herramientas para la ejecucin del modelo de gestin
del mantenimiento propuesto

Adicionalmente, a todas las actividades a ser desarrolladas por el grupo


propuesto, es importante tener en cuenta el desarrollo o adopcin e
implementacin de alguna plataforma informtica de gestin del mantenimiento
para optimizar las actividades de las fases anteriormente expuestas.

7. CONCLUSIONES
La evolucin de las necesidades empresariales ha trado consigo el desarrollo del
mantenimiento, de la gestin del mantenimiento y en los ltimos aos, de la
gestin de activos empresariales. La norma PAS 55, lanzada su primera versin
en el 2004, es actualmente el nico estndar disponible para orientar la gestin
de activos. La certificacin en PAS 55 se est convirtiendo en un requerimiento
regulatorio en un creciente nmero de industrias. Su cumplimiento proviene de
la evidencia de una gestin sistemtica, multidisciplinaria y optimizada que
responde en corto tiempo a los requerimientos y al cumplimiento de las metas
estratgicas (TWPL, 2011). En este artculo se propone un modelo de gestin de
activos que encamina hacia el cumplimiento de los requisitos de PAS 55,
proponiendo una metodologa de 8 etapas, cada una con ciertas herramientas y
tareas asociadas, las cuales debe realizar un grupo de trabajo de soporte. De
este grupo de soporte depende en gran parte el xito del proceso de
implementacin del modelo propuesto, cumpliendo su cometido de controlar y
auditar el sistema de soporte informtico y analizar la informacin tcnica y
econmica generada por el mismo, con el fin de proponer recomendaciones
(mantenimiento, inspeccin, renovacin, operaciones, re-diseo, etc.) que
permitan optimizar el nivel de rentabilidad de los activos de produccin a lo largo
de todo su ciclo de vida til. Dentro del proceso de implantacin de modelo de
gestin de activos, la organizacin debe tener en cuenta el enmarcar el proceso
de optimizacin dentro de un proceso global de mejora de la Confiabilidad

8
XIII CONGRESO DE CONFIABILIDAD

Operacional (CO) de toda la organizacin, y no como una iniciativa aislada del


rea de mantenimiento.

8. BIBLIOGRAFA
BSI. Brithish Standard Institution en http://www.bsigroup.com/ [consultado en
Septiembre 2010].
Crespo Mrquez A. The maintenance management framework. Models and
methods for complex systems maintenance. London: Springer Verlag (2006).
IAM. Institute of Asset Management en http://www.theiam.org/ [consultado en
Septiembre 2010].
Moubray J. Reliability-Centred Maintenance (2nd ed.). Oxford: Butterworth-
Heinemann (1997).
Parra, C. On the consideration of reliability in the Life Cycle Cost Analysis
(LCCA). A review of basic models. Safety and Reliability for Managing Risk.
Guedes Soares & Zio (eds), Taylor & Francis Group, London, ISBN 0-415-
41620-5, p.2203-2214 (2006).
Parra, C. Aplicacin de la tcnica de Proceso de Anlisis Jerrquico (AHP) en
los sistemas de refinacin y produccin de la industria petrolera Venezolana,
Curso de Doctorado en Ingeniera Industrial / Sistemas Modernos de Gestin de
la Produccin, Universidad de Sevilla, Espaa (2002).
Parra, C. Aplicacin piloto de la tcnica: Anlisis Causa Raz (RCA) en
sistemas de bombeo mecnico, modelo AMERICAN C-456, Informe tcnico
Skanska-Petrobas, Informe tcnico IngeCon: SN-2008-04-CCS-SK-PTB, Talara,
Per (2007).
Parra, C. Implantacin piloto de Mantenimiento Centrado en Confiabilidad
(RCM) en la Llenadora de la Lnea 10, Planta San Joaqun, Empresas Polar,
INGECON, Informe tcnico: SN-09-10-CCS, Caracas, Venezuela (2008).
PAS 55-1:2004. Asset Management. Specification for the optimized
management of physical infrastructure assets. BSI: United Kingdom, (2004).
PAS 55-2:2004. Asset Management. Guidelines for the application of PAS
55-1. BSI: United Kingdom, (2004).
PAS 55-1:2008. Asset management. Specification for the optimized
management of physical assets. BSI: United Kingdom, (2008).
PAS 55-2:2008. Asset management. Guidelines for application of PAS 55-1.
BSI: United Kingdom, (2008).
Pintelon, L.M. & Gelders, L.F. Maintenance management decision making.
European Journal of Operational Research; 58(3):301-317 (1992).
Prasad Mishra, R., Anand, D. & Kodali, R. Development of a framework for
world-class maintenance systems. Journal of Advanced Manufacturing
Systems; 5(2):141-165 (2006).
Reyes-Picknell, J. An introduction to PAS 55 Optimal Management of
Physical Assets. Works Management (2007) en
http://www.worksmanagement.co.uk/
TWPL. The Woodhouse Partnership en http://www.twpl.com/ [consultado
octubre del 2011].

9
PONENCIA 9

CONTROL DE PROCESOS MULTIVARIANTE. UN PASO


MS PARA MEJORAR LA CONFIABILIDAD DE LOS
PROCESOS INDUSTRIALES

Michel Guerra

ANALISIS MEGAVARIANTE.
Aplicacion a la industria plastica.
Michel Guerra

Noviembre 2011

Indice Indice de figuras


1 Introduccion 2
1 Esquema del sistema de
2 Objetivos 2 extrusion, cabezal, sistema
hidraulico y moldes. . . . . 3
3 Mecanismo de formacion de envases 2
2 Boceto del proceso. Se puede
3.1 Proceso . . . . . . . . . . . 2
observar la extrusora, con el
3.2 Variables de proceso . . . . 3
tornillo sinfn, que empuja
3.3 Variables de calidad . . . . 4
el polietileno fundido (masa
4 Recogida de datos 5 verde) hacia el cabezal por
donde fluye hacia el exteri-
5 Estructura de los datos 5 or el macarron. Se ven los
6 puntos de control termico
6 Analisis preliminares 5 (en azul). . . . . . . . . . . 4

7 Analisis de las variables de proceso 6 3 Grafico de control . . . . . 6


7.1 PCA en el espacio X . . . . 6 4 Grafico de control Rm . . . 6
7.2 PCA preliminar . . . . . . . 7
5 Intervalos LSD para la difer-
7.2.1 Analisis de todos los
encia entre medias en el peso
datos (raw data) . . 8
seg
un moldes . . . . . . . . 6
7.3 PCA-X depurado . . . . . . 13
7.4 PCA-X lotes sin anomalo . 19 6 Contribuciones de las vari-
7.4.1 Deteccion de outliers 19 ables a la componente 1 . . 9
7.4.2 Depurado de outliers 22 7 Contribuciones de las vari-
ables a la componente 2 . . 9
8 Control estadstico de calidad
multivariante on-line 23 8 Contribuciones de las vari-
8.1 Planteamiento del control ables a la componente 3 . . 9
on-line . . . . . . . . . . . . 23 9 Contribuciones de las vari-
8.1.1 PCA sobre X . . . . 23 ables a la componente 4 . . 9
8.1.2 PLS-DA . . . . . . . 24
10 Contribuciones de las vari-
ables a la componente 5 . . 9

1
14 Scores coloreados seg un 23 Representacion de scores.
operacion. En rojo calen- Formato 1 rojo, 2 en verde
tamiento, verde enfriamien- y 3 en azul. . . . . . . . . . 19
to, azul pausa y negro 25 Representacion de scores.
operacion. . . . . . . . . . . 10 Los puntos detectados co-
15 Scores coloreados seg un tipo mo outliers estan enmarca-
de envase producido (forma- dos en rojo. . . . . . . . . . 20
to). En azul el formato 1, 24 Grafica biplot con scores y
verde el formato 2 y rojo el loadings. Formato 1 rojo, 2
formato 3. . . . . . . . . . . 10 en verde y 3 en azul. . . . . 20
16 Scores coloreados seg un batch 11 26 Grafico de control para T 2 y
SPE. En rojo el formato 1,
17 Graficos de control para el
en verde el formato 2 y en
analisis PCA-X preliminar.
azul el formato 3. . . . . . . 21
Se pueden observar las fas-
27 Loadings para las variables. 22
es de calentamiento y enfri-
28 Resumen del modelo. Con
amiento como se mueven en
tres componentes se explica
el grafico T 2 . . . . . . . . . 11
cerca del 60 % de la variabil-
11 Contribuciones de las vari- idad. . . . . . . . . . . . . . 22
ables a la componente 6 . . 12 29 Biplot. Arriba separado por
12 Contribuciones de las vari- lotes y abajo separado por
ables a la componente 7 . . 12 formatos. . . . . . . . . . . 22
13 Scores. a) t1 vs t2 b) t1 vs t4 12
18 Biplot representando los 9
lotes de produccion y las
variables. En naranja el lote
numero 7. . . . . . . . . . . 15
19 Biplot del PCA-X depurado
representando los 9 lotes de
produccion y las variables.
En naranja el lote n umero 7. 15
20 Grafico de control T 2 y SPE
para las dos componentes. . 16
21 Grafico de contribuciones
para el lote 7 (figura inferi-
or) y el resto de lotes (figura
superior). . . . . . . . . . . 17
22 Evolucion de las temperat-
uras de proceso en los difer-
entes lotes producidos. Se
observan valores anormal-
mente elevados para el lote
7. . . . . . . . . . . . . . . . 18

2
1. Introduccion datos, altamente correlacionados y en oca-
siones con datos faltantes, recogidos por es-
Es frecuente encontrar instalaciones de tos sistemas [?]; ademas se debe tener en
extrusion-soplado de plastico donde la ex- cuenta que estas matrices, generadas con
plotacion y el control de calidad son lleva- grandes sets de datos y que presentan ele-
das por los operadores; suele estar a cargo vada correlacion, suelen tener un rango es-
el que tiene mayor conocimiento del equipo tadstico bajo [?].
y es quien determina los parametros de op-
eracion y los de aceptacion del producto,
basandose normalmente en la experiencia
2. Objetivos
operativa propia. Se plantean varios objetivos:
Por ese motivo cuando se producen proble-
mas de calidad suele ser difcil averiguar las 1. Analizar los datos de proceso para de-
causas originantes o que parametros de pro- tectar relaciones entre variables con-
ceso modificados son los responsables. ductoras, entendiendo las posibles
En esta situacion incluso el establecimien- causas de variacion del proceso.
to de un sistema de control de calidad es-
2. Analizar distintos lotes de produccion
tadstico clasico suele ser complicado o ine-
para determinar si las condiciones de
ficiente por varios motivos:
operacion estan bajo control o no.
la modificacion constante de los 3. Intentar utilizar PLS para detectar
parametros por parte del operador relaciones entre las variables de pro-
impide que el proceso este bajo con- ceso y el producto obtenido (interpre-
trol. tado este ultimo como la variable res-
puesta).
El SPC clasico solamente detectara En este caso, quizas seria adecua-
cambios en funcion de los atributos do plantear un PLS-DA (Modelo de
seleccionados, que suelen ser el peso analsisi discriminante PLS) en el que
del envase y cuya variacion no tiene la matriz Y es construida a base de
porque ser motivo de incidencia. 0 y 1 para indicar el tipo de formato
producido.
Por los dos motivos anteriores y por las
limitaciones del control de calidad clasico 4. Establecer un sistema de control es-
[?][?] [?], estando bajo este contexto puede tadstico de calidad megavariante para
ser mas interesante establecer un sistema detectar precozmente los desfases en
de control megavariante del proceso es- produccion.
tableciendo mecanismos de deteccion pre-
coz de potenciales problemas de calidad; 3. Mecanismo de formaci on de
ademas, teniendo en cuenta que en los ulti-
mos a nos se ha experimentado una revolu- envases
cion en la capacidad de recogida de datos
3.1. Proceso
para los procesos industriales, las tecni-
cas de PCA/PLS pueden servir para este El proceso productivo bajo estudio con-
proposito, ya que permiten manejar los siste en la extrusion-soplado de polietileno

3
de alta densidad para la formacion de
envases plasticos de diferentes formas y
tama nos.
El polietileno en granza y a temperatura
ambiente es utilizado como materia prima;
mediante aspiracion neumatica es conduci-
do a la unidad extrusora donde se produce
su fusion (temperaturas mayores a 135 o C)
y arrastre mediante tornillo sinfn. En esta
conduccion existen diferentes estaciones de
calentamiento (resistencias electricas) que
permiten fluidificar lo suficiente el mate-
rial plastico, para transportarlo hasta el
cabezal de soplado.
El cabezal de soplado tambien dispone de
sistemas termicos y un dispositivo (valvula
Figura 1: Esquema del sistema de ex-
de control Parison de 30 puntos) que per-
trusion, cabezal, sistema hidraulico y
mite ajustar el espesor de la pared a lo largo
moldes.
del perfil del tipo de envase soplado.
La temperatura de todas las resistencias
electricas es parametrizable y ajustable a uacion se desglosa el conjunto de variables
tiempo real mediante pantalla tactil, con- predictoras:
trolada por el operario.
De este modo el plastico fundido llega has- 1. Intensidad de consumo electrico de la
ta el cabezal, sale al exterior y se fabrica extrusora (amperios) (1 variable).

el macarron. Este es aprisionado por los
2. Tiempo de ciclo (segundos) (1 vari-
moldes, donde posteriormente se procede al
able).
insuflado de aire comprimido que permite
formar el recipiente final. Los moldes dispo- 3. Velocidad de ciclo (1 variable).
nen de un sistema de refrigeracion hidrauli-
co que disminuye la temperatura del en- 4. Temperatura de la extrusora (6 zonas
vase, solidificando de nuevo el polietileno. diferentes) (6 variables).
La unidad extrusora trabaja en continuo,
5. Temperatura ambiente (2 sondas, una
de modo que el macarron plastico fluye sin
descartada por fallo del sensor) (2 vari-
pausa a traves del cabezal. En este punto
ables).
las dos unidades de moldeo, atrapan alter-
nativamente el preformado plastico en cic- 6. Presiones hidraulicas del cabezal dere-
los de una duracion aproximada de 10 a 20 cho (10 variables).
segundos.
7. Presiones hidraulicas del cabezal
3.2. Variables de proceso izquierdo (8 variables).

y para ello se monitorizan de forma au- Debido a un fallo en una de las sondas de
tomatica un total de 29 variables. A contin- temperatura ambiente (T8) este valor va a

4
Las 4 primeras tecnicas son faciles de llevar
a cabo, pero los criterios de aceptacion (ex-
cepto el del peso) son bastante subjetivos,
con lo que es difcil adoptarlos para el anali-
sis en curso. En cambio, la determinacion
del peso es un parametro facilmente realiz-
able pero no esta siempre relacionado con
el fallo del envase. Es decir, se pueden pro-
ducir variaciones en el peso del envase sin
que esto de lugar a una falta de funcional-
idad en la pieza (por lo general incremen-
tos en la cantidad de plastico por envase no
tiene efecto y si lo podra tener una dismin-
ucion excesiva del peso).
Las pruebas de estanqueidad son ensayos
de vida acelerada y suelen tardar en re-
Figura 2: Boceto del proceso. Se puede ob- alizarse aproximadamente 20-25 das. Es-
servar la extrusora, con el tornillo sinfn, to unido al espacio limitado para albergar
que empuja el polietileno fundido (masa los recipientes no permiten analizar todos
verde) hacia el cabezal por donde fluye ha- los lotes ni todos los envases en produc-
cia el exterior el macarron. Se ven los 6 pun- cion, por lo tanto no se puede ejecutar en
tos de control termico (en azul). la practica, llevandose a cabo solo en la
fase de diseno y homologacion del producto
quedar descartado, con lo que el n umero (cuando se fabrica por primera vez). Como
final de variables sera de 28. Ademas de los observacion adicional cabe destacar que las
campos anteriores existe un campo con la incidencias detectadas por esta va no evi-
hora y otro campo adicional con la fecha. tan la produccion de piezas defectuosas, te-
niendo que retirar de los almacenes el lote
fabricado bajo esas circunstancias.
3.3. Variables de calidad Los motivos anteriores originan el problema
La determinacion de la calidad de las de como controlar la calidad del producto
piezas obtenidas suele realizarse mediante mediante u nicamente variables de calidad
diferentes vas: y por esa razon parece ser muy interesante
plantear el control de las variables conduc-
Control de peso del envase. toras del proceso productivo mas que de la
calidad del producto fabricado.
Inspeccion visual de la zona del cuello.
De todos modos, lo que si que se puede in-
Inspeccion visual del aspecto general tentar adoptar como variable de calidad, o
de la pieza. variable del espacio Y, es el tipo de en-
vase producido (para analisis PLS); esta
Palpado para detectar zonas blandas. sera una variable cualitativa que se repre-
sentara mediante un n umero (ver seccion
Pruebas de estanqueidad en camara 8.1.2).
termica para detectar fugas.

5
Durante el periodo de recogida de mues- enfriamiento del equipo una vez des-
tras y datos no se han observado recla- conectado. Si durante el da se finaliza
maciones de calidad correspondientes a las un tipo de envase, se da por finalizado
piezas fabricadas, con lo que se daran como tambien el batch.
validas todas las unidades producidas.
Operaci on: durante un batch se pro-
ducen diferentes fases. Estas estan di-
4. Recogida de datos vididas en pro (produccion), enf (en-
friamiento), cal (calentamiento), pau
Para la recogida de datos se ha modifi- (pausas en el proceso).
cado el programa de la pantalla tactil de
control de la maquina, de modo que realiza Existen aproximadamente 9000 puntos re-
capturas de todas las variables cada minu- gistrados, agrupados en 9 batches y en 3
to. formatos.
Los datos son recogidos y procesados en for-
mato csv para su posterior tratamiento es-
tadstico.
6. Analisis preliminares
La maquina monitorizada dispone de una Previamente a la monitorizacion del pro-
valvula de control Parison con treinta pun- ceso se ha realizado un analisis de la varian-
tos de ajuste. Despues de un analisis pre- za para conocer si existen diferencias signi-
liminar de las 28 variables de proceso, se ficativas en los dos cabezales de produccion.
ha planteado una captura de los valores de Para tal analisis se han recogido 15 pesos de
este dispositivo, que es el que proporciona envases de cada molde y posteriormente se
el reparto del grosor del plastico a lo largo ha realizado un test de hipotesis para cono-
de la forma del envase en curso. cer si hay diferencias entre el peso medio del
Por motivos economicos se ha descartado envase producido en cada molde (el eleva-
su monitorizacion, pero parece ser un pun- do n umero de muestras recogidas se realiza
to interesante a controlar. para garantizar la potencia suficiente del
experimento). A la vista de los intervalos
5. Estructura de los datos LSD (figura 5) se concluye en que no exis-
ten diferencias en los pesos medios de los
Una vez recogidos los datos se trabajan envases producidos seg un el cabezal; poste-
a
nadiendo varios campos adicionales: rioremente el analisis de los residuos mues-
tra que la varianza de los pesos por molde
Formato: representa el tipo de envase
tampoco presenta diferencias significativas
fabricado. En este caso seran 3 tipos
(es decir, la variabilidad que presenta cada
diferentes.
molde no es significativamente diferente).
Batch: indica el lote de produccion Por otro lado se ha intentado realizar un
en curso. Como tal se entiende la control estadstico de calidad mediante un
fabricacion de un formato especfi- grafico de Shewart para monitorizar el peso
co durante un da de trabajo. Esto de los envases producidos.
comprende desde que se enciende la En la figura 3 se puede ver como el proceso
maquina para calentamiento de la ex- no esta bajo control y como se ha comen-
trusora, el periodo de produccion y el tado anteriormente, no se pueden extraer

6
conclusiones que permitan saber las causas. 7. Analisis de las variables de pro-
ceso
7.1. PCA en el espacio X
La realizacion de un analisis por com-
ponentes principales (PCA) permite la re-
duccion de la dimensionalidad mediante un
procedimiento matematico que transforma
un conjunto de variables usualmente cor-
Figura 3: Grafico de control relacionadas en otro conjunto menor de
variables no correlacionadas. El objetivo
del PCA es encontrar el subespacio en el es-
pacio de las variables donde la variabilidad
de los datos es mayor [?]. De esta manera
se pueden conseguir dos objetivos:

a) reducir la dimensionalidad

b) encontrar nuevas variables significativas


subyacentes (siendo estas variables or-
togonales entre s).
Figura 4: Grafico de control Rm La relacion que puede encontrarse entre
las variables latentes podra permitir en-
tender la estructura del conjunto de datos
bajo analisis [?]. De este modo, de la ma-
triz de datos (X) se extrae la informacion
proyectandola sobre sus componentes prin-
cipales (PCs). As se obtiene el vector para
cada componente principal ti que contiene
la proyeccion de los scores de cada indi-
viduo comprimido en un u nico valor. Este
procedimiento se puede repetir sistematica-
mente hasta que el tama no del eigenval-
Figura 5: Intervalos LSD para la diferencia
or asociado con cada eigenvector es tan
entre medias en el peso seg
un moldes
peque no en magnitud, que solo representa
ruido asociado con las observaciones [?]. Lo
mismo se puede realizar para proyectar ca-
da variable sobre un vector pi que contiene
los loadings resumidos en un u nico valor
para cada variable. Estos vectores pi con-
tendran la informacion, de los patrones de
las variables, complementaria a los vectores
ti [?]. Esta tecnica se puede efectuar incluso

7
en situaciones de falta de datos en la ma- Existe cierta analoga entre el modelo an-
triz inicial [?]. terior y un modelo de regresion m ultiple
Procediendo as, se obtienen todas las PCs (cuando A=n, la tecnica converge a la re-
(t1 , t2 , ..., ti ) que explican cada vez en gresion lineal m
ultiple [?]), siendo X la ma-
menor grado la variabilidad residual que triz de observaciones, T y P los vectores
va quedando en la matriz de datos X [?]. de scores y loadings respectivamente y E
La representacion en graficas de los valores la matriz del error de prediccion. Es decir,
de ti vs tj (cumpliendo i 6= j) permite re- una vez obtenidos T y P, podemos multi-
alizar agrupamientos de individuos. Cabe plicarlos para tener la estimacion de X (X)
resaltar que no hay garanta de que la ex- y de aqu se obtiene E (E = X - X).
plicacion para la variabilidad que se busca
se refleje en una primera y segunda com- 7.2. PCA preliminar
ponente [?], pudiendo ser necesario llegar
a componentes que en el Screw Plot ya En la tabla de datos se realiza un primer
estan por debajo de 1 (suele utilizarse co- analisis exploratorio mediante PCA en el
mo criterio extraer solo aquellas compo- que se analizan los N casos (N=8858) con
nentes con eigenvalues mayores a 1). El las 28 variables de proceso, con un centra-
algoritmo NIPALS (non iterative partial do de media y un escalado. El porcentaje
least squares) permite la extraccion secuen- de datos faltantes corresponde a un 0,72 %,
cial de las diferentes componentes [?], y en la zona de presiones izquierdas (fallo de
la determinacion del n umero de PCs rele- lectura del sistema).
vantes para el analisis puede ser determina- El procedimiento seguido para estudiar la
do tambien mediante tecnicas de validacion matriz de valores sera el siguiente:
cruzada [?] [?] [?], que parece ser la opcion
mas fiable seg un Kourti [?] [?]. 1. Determinar el n
umero de componentes
Cabe destacar que cuando el proposito del principales.
PCA es construir un modelo que sera uti-
lizado con futuras observaciones, entonces 2. Porcentaje de variabilidad explicada
el criterio sugerido para obtener el n umero por esas componentes.
optimo de componentes es la validacion
3. Observar los graficos t /t para deter-
cruzada. La validacion cruzada muestra co-
minar outliers y agrupamientos.
mo el poder predictivo del modelo incre-
menta a medida que se a nade una compo- 4. Estudiar el grafico de control de los
nente adicional. [?]. scores (T 2 ).
La aplicacion de la metodologa PCA se
realizara sobre las observaciones de proce- 5. Estudiar el grafico de residuos
so (X), que consiste en n observaciones y k (Dmodx) para determinar outliers.
variables de proceso, consituyendo la ma-
6. Ver graficos de contribuciones a los
triz X (n x k). El modelo de variables la-
anomalos detectados.
tentes, por consiguiente, sera [?]:
7. Estudiar los loadings para ver correla-
ciones entre variables y agrupamien-
X = TPT + E (1) tos.

8
7.2.1. Analisis de todos los datos (raw data) el caso de los scores, las fases de en-
friamiento y calentamiento quedan to-
Una vez analizado el set inicial se puede
talmente reflejadas y explicadas por la
extraer la siguiente informacion:
variacion en las variables conductoras
1. El numero de componentes principales del proceso. En el grafico DModX
detectado por el software es de 9, sien- aparecen otro tipo de anormalidades
do su R2 del 99,6 %. El resumen de ca- que no quedan recogidas por el mode-
da componente aparece en el cuadro 1. lo construido.
La variabilidad explicada por las dos
Cabe tener en cuenta el significado de los
primeras componentes es del 69,8 % y
dos tipos de estadsticos que se emplean
por las tres primeras cercana al 82 %.
para los graficos de control. Por un la-
2. Las contribuciones de las variables a do el grafico de control basado en el D-
cada componente se pueden ver en las estadstico (es el que deriva de la T 2 de
figuras 6, 7, 8, 9, 10, 11, 12 y 13. Se Hotelling para las variables originales, cam-
muestran las graficas de las 8 primeras biando el nombre a D-estadstico para las
componentes, estando ordenadas de la variables latentes), que se utiliza para com-
1 a la 8. parar las proyecciones (scores) en el espacio
de las variables latentes. Por lo tanto si una
3. La representacion de loadings permite proyeccion esta muy alejada del centro del
ver agrupamientos entre las temperat- espacio indicara a una observacion anomala
uras de la extrusora, las presiones del [?][?].
sensor 7 izquierdo y derecho, el resto Por otro lado esta el grafico de control
de presiones, la intensidad con la ve- basado en el SPE, que indica cuan aleja-
locidad y quedan aisladas la tempera- da esta la observacion del plano que con-
tura ambiente y el tiempo de ciclo. tiene el espacio de proyeccion. Si esta obser-
4. Los graficos de scores (representando vacion esta significativamente alejada (val-
las componentes t1 versus t2 ) muestran or del estadstico elevado), entonces la ob-
claramente la existencia de varios lotes servacion es definida pobremente por el
(figura 16), varias operaciones (figura modelo PCA y se ajusta mal al espacio la-
14) y varios formatos (figura 15). Los tente [?][?].
arrastres fuera de los lmites de control Puesto que se pretende construir un mode-
muestran las fases de calentamiento de lo, teniendo en mente los puntos anteriores,
extrusora y enfriamiento de maquina se realiza un cribado en datos y variables
una vez finalizado el turno de trabajo. que no formen parte de las condiciones op-
Los distintos lotes de cada uno de los erativas bajo control o normales (a priori)
formatos presentan una aglomeracion del equipo. A la practica, lo anterior equiv-
de puntos (scores) en regiones proxi- ale a eliminar todos los puntos dentro de
mas. las fases de calentamiento, enfriamiento y
pausa.
5. La observacion de los graficos de con- Por otro lado, en los graficos de contribu-
trol para los scores y para el error en cion para cada componente aparecen nu-
la prediccion permiten ver que exis- merosas variables que no parecen tener in-
ten zonas anomalas. Esta claro que en fluencia en el proceso (R2 =0 y Q2 =1) para

9
ninguna variable latente; sus valores han
permanecido constantes en los 3 formatos
fabricados, por lo tanto pueden excluirse
para continuar con el analisis. Este es uno
de los motivos por los que se ha planteado
monitorizar la valvula de Parison, ya que
segun lo observado podra ser que las pre-
siones tuvieran un efecto menos significati-
vo en la produccion del envase que el con-
trol de espesor de pared (seccion 4).
En las figuras 14, 15 y 16 se puede ver
Figura 8: Contribuciones de las variables a
la representacion de los scores (t1 vs t2 )
la componente 3
coloreados segun operacion (calentamien-
to, enfriamiento, proceso y pausa), formato
(formato 1, 2 y 3) y lote (9 lotes en total).

Figura 6: Contribuciones de las variables a Figura 9: Contribuciones de las variables a


la componente 1 la componente 4

Figura 7: Contribuciones de las variables a


la componente 2
Figura 10: Contribuciones de las variables
a la componente 5

10
Figura 14: Scores coloreados seg
un operacion. En rojo calentamiento, verde enfriamiento,
azul pausa y negro operacion.

Figura 15: Scores coloreados seg


un tipo de envase producido (formato). En azul el for-
mato 1, verde el formato 2 y rojo el formato 3.

11
Figura 16: Scores coloreados seg
un batch

Figura 17: Graficos de control para el analisis PCA-X preliminar. Se pueden observar
las fases de calentamiento y enfriamiento como se mueven en el grafico T 2 .

12
A R2X R2X(cum) Eigenvalues Q2 Limit Q2(cum) Significance Iterations
0 Cent.
1 0,519 0,519 14,5 0,499 0,0346 0,499 R1 16
2 0,179 0,698 5,02 0,218 0,0358 0,608 R1 24
3 0,124 0,822 3,48 0,127 0,0371 0,658 R1 41
4 0,0936 0,916 2,62 0,365 0,0386 0,783 R1 12
5 0,0366 0,952 1,03 0,229 0,0401 0,833 R1 16
6 0,0178 0,97 0,497 0,349 0,0418 0,891 R1 17
7 0,0123 0,982 0,345 0,384 0,0436 0,933 R1 46
8 0,00919 0,992 0,257 -0,083 0,0456 0,927 R2 14
9 0,00464 0,996 0,13 0,211 0,0477 0,943 R1 8

Cuadro 1: Resumen del PCA-X sobre las 28 variables y los 8858 puntos

Figura 11: Contribuciones de las variables


a la componente 6

Figura 13: Scores. a) t1 vs t2 b) t1 vs t4

Figura 12: Contribuciones de las variables


a la componente 7

13
7.3. PCA-X depurado Observaciones correspondientes u nica-
mente a las fases operativas de produc-
Una vez hecha una composicion de lugar cion.
con el analisis PCA previo, se procede a
continuar un analisis mas depurado y con Al observar el grafico de scores (figura
mayor detalle de los datos seleccionados. 18), entre las dos primeras componentes,
se puede apreciar como existe un lote que
La seleccion de variables que deben for- esta fuera de la region bajo control. El
mar parte del analisis puede realizarse lmite de control corresponde al crculo mas
a priori o a posteriori; en el primer interior. El lote 7 (color naranja) esta ale-
caso supone incluir el maximo n umero jado del centro. Se puede observar tambien
disponible y en el segundo caso debe exis- la asociacion entre variables y scores en el
tir un filtro previo basado en la experiencia. grafico biplot (figura 19).
Ambas practicas tienen sus ventajas e in- Para investigar las posibles causas de la
convenientes. En la practica parece ser que anormalidad operativa se utilizan los grafi-
una posicion intermedia suele ser la que da cos de control comentados en el apartado
mejores resultados [?]. anterior. Se pueden observar desviaciones
En el caso que aplica se ha realizado una estadsticamente significativas (figura 20).
seleccion de grupos de propiedades para Por un lado, a partir del D-estadstico, se
medir a priori (ya sea por posible influencia observa como practicamente la totalidad de
en el proceso por experiencia operativa o los puntos del lote n umero 7, estan fuera de
por facilidad de registro de los datos), pero los lmites de control. Se puede explicar de-
a continuacion se ha incluido toda la infor- bido a la variacion de alguna o varias de
macion registrada disponible para ese tipo las variables de proceso modelizadas por el
de magnitud fsica (presion, temperatura, PCA-X. Por otro lado, el DModX mues-
parametros de control). tra que existen algunos otros puntos cuya
La seleccion a posteriori procede del anali- variacion no esta recogida por el modelo,
sis PCA-X preliminar (seccion 7.2). En este pero concretando en las observaciones del
caso caen tanto observaciones (ni ) como lote 7, tambien se observa como los pun-
variables de proceso. tos oscilan alrededor del lmite de control,
A continuaci on se resume el set de con lo que debe existir alguna otra fuente
datos resultante, que consta de 14 de variacion que no esta plenamente mod-
variables y de 4708 observaciones: elizada (de todos modos el modelo PCA
u
nicamente explica el 51,7 % de la varibil-
Velocidad (1 variable). idad del total y con 3 componentes se lle-
gara al 63 %).
Intensidad (1 variable). La interpretacion de los valores de los load-
ings es la siguiente (figura 19); si los datos
Tiempo (1 variable).
han sido centrados en media y escalados
Temperatura de proceso (6 variables). mediante la desviacion estandar (como es
en este caso), entonces los valores de los
Temperatura ambiente (1 variable). loadings varan entre -1 y 1. Por consigu-
iente las relaciones entre variables vienen
Presion hidraulica (4 variables). explicadas por el valor absoluto de los load-

14
ings, de forma que valores altos (absolu- idez. Un dato muy interesante hubiera sido
tos) agrupan variables altamente correla- el obtener pesos de esas piezas o muestras
cionadas y valores peque nos (absolutos) in- fsicas para proceder a observacion, ya que
dican baja correlacion [?]. si el plastico es mas fluido se estira mas, y si
En este caso las seis temperaturas de la se estira mas entonces la masa de plastico
extrusora se hayan en el cuadrante IV, lo que queda atrapada en el interior del molde
que muestra que tienen cierto grado de cor- es menor, pudiendo producir recipientes de
relacion. Ademas se puede observar como menor peso y de pared menos gruesa y mas
T2, T4 y T6 caen encima de los scores debil.
del lote anomalo n umero 7. Por otro lado, En este caso no se han reportado inciden-
las presiones del molde izquierdo y derecho cias de calidad por parte de los clientes, con
(PD07 y PI07) se encuentran solapadas, lo que quizas el efecto anterior no ha sido
mientras que las otras dos presiones estan tan grave como para que el lote fuera con-
en el centro del grafico. Por otro lado, la ve- flictivo. De todos modos se debera tener la
locidad y la intensidad se hayan proximas conciencia de evitar esta zona de trabajo
entre s, y la temperatura ambiente (T7) y en condiciones operativas normales.
el tiempo de ciclo van por su lado. Se muestran los graficos de evolucion de
Desde la perspectiva de la componente temperatura de proceso para los sensores
principal n umero 1, se pueden separar los 2, 4, 5 y 6 (figura 22) y se detectan zonas
lotes buenos del anomalo en funcion de las de trabajo sensiblemente superiores para la
temperaturas 2, 4 y 6, as como de las pre- fabricacion del lote 7. Ademas se observa
siones (PD07 y PI07). como la temperatura oscila de manera muy
Profundizando mas en la cuestion, se real- diferente seg un el lote de produccion. En el
izan dos agrupaciones de puntos separan- caso de la temperatura de la extrusora en
do el lote anomalo (n umero 7) del resto de la zona 2, se puede ver como la oscilacion es
lotes y se analizan los graficos de contribu- similar para los primeros 6 lotes y se incre-
ciones (figura 21). En este caso las vari- menta para los 2 u ltimos lotes. En la tem-
ables que parecen tener mayor influencia peratura de las zonas 4 y 5 se ve algo similar
en el lote 7 son la T4, T5 y T6, estando a lo anterior pero la diferencia en oscilacion
las presiones izquierda 7 y derecha 7 en es mucho mas patente.
negativo. Las conclusiones son similares a En la sonda n umero 6 (cabezal) las difer-
las obtenidas con el grafico biplot, a pesar encias todava son mas claras. No solo hay
de que parece tener mayor contribucion la distintos tipos de variabilidad, sino que la
temperatura 5 que la 2. temperatura de trabajo es distinta para el
Aplicando al proceso industrial estas con- formato 1 (aproximadamente de la obser-
clusiones, parece logico pensar que anor- vacion 1 a la 300) y el 2 (aproximadamente
malidades en las temperaturas mas cer- de la observacion 300 a la 2900).
canas a la zona de soplado (cabezal) ten- Como conclusion mencionar que el regimen
gan influencia importante en los envases de trabajo para el lote 7 (a nivel de tem-
producidos. La traduccion practica corre- peraturas) ha sido claramente superior y la
sponde a entender que el polietileno llega praxis aconseja que no sea adoptado como
mas caliente al cabezal de extrusi on y por estandar de condiciones operativas. Por lo
lo tanto tiene menos viscosidad y mayor flu- tanto se eliminara este grupo de observa-

15
ciones y se volvera a realizar un analisis
PCA sobre el resto de lotes.

Figura 18: Biplot representando los 9 lotes


de produccion y las variables. En naranja
el lote n
umero 7.

Figura 19: Biplot del PCA-X depurado rep-


resentando los 9 lotes de produccion y las
variables. En naranja el lote n
umero 7.

16
Figura 20: Grafico de control T 2 y SPE para las dos componentes.

17
Figura 21: Grafico de contribuciones para el lote 7 (figura inferior) y el resto de lotes
(figura superior).

18
Figura 22: Evolucion de las temperaturas de proceso en los diferentes lotes producidos.
Se observan valores anormalmente elevados para el lote 7.

19
7.4. PCA-X lotes sin anomalo

7.4.1. Deteccion de outliers

Despues de eliminar el lote n umero 7 del


listado de datos, se vuelve a realizar un
analisis PCA sobre los restantes. La ob-
tencion del n umero de componentes, por
validacion cruzada que calcula el progra-
ma informatico, genera una u nica variable
latente. Se fuerza a la obtencion de una se-
gunda componente para poder ver los pun-
tos representados en un sistema grafico de
dos ejes.
El grafico de scores (figura 23) muestra aho-
ra las observaciones mucho mas agrupadas,
que en el analisis PCA-X anterior, y sola- Figura 23: Representacion de scores. For-
mente algunos puntos se hayan fuera de la mato 1 rojo, 2 en verde y 3 en azul.
zona de control. El analisis pormenoriza-
do de dichas observaciones permite ver que
formatos 1 (rojo) y 2 (verde) ocupan may-
presentan un valor para el estadstico SPE
oritariamente la zona de los cuadrantes II
muy elevado; una parte de los puntos tam-
y III. Esto permite diferenciar los envas-
bien estan fuera de los lmites de control
es tipo 3 debido al tiempo de ciclo mayor y
para el D-estadstico. En la figura 26 se
una menor presion hidraulica en los moldes.
pueden observar los individuos enmarcados
En la practica, el envase 3 es una tipologa
en un recuadro rojo para los dos graficos
de pieza de tama no mucho menor que los
de control y tambien se muestra que pun-
otros dos, con lo que el tiempo de ciclo
tos son para un grafico de scores entre las
de trabajo es mas rapido (comprobado en
dos primeras componentes (figura 25).
la realidad industrial) mientras que parece
Observando las graficas de loadings (t1 ver-
ser que las presiones hidraulicas sobre los
sus t2 ) (figura 24) se pueden ver las con-
moldes son menores (no comprobado en la
tribuciones de las variables sobre cada una
practica).
de las componentes. Para la primera vari-
En la segunda componente (donde tienen
able latente el tiempo de ciclo y las pre-
gran contribucion las temperaturas 3, 4 y
siones hidraulicas (agrupadas) son las que
5) no se pueden diferenciar los formatos
tienen mayor peso. La correlaci on entre
ya que quedan solapados entre ellos. Cabe
ambas variables es negativa y observando
destacar que como las temperaturas son
los scores (coloreados seg un formato fab-
similares para todos los lotes parece logi-
ricado) se diferencian claramente por la
co pensar que no se puedan utilizar para
primera componente los distintos tipos de
discriminar formatos.
envases que se producen, o al menos la ca-
A continuacion se van a eliminar todos es-
pacidad de diferenciacion es clara entre 1-2
tos puntos del set de datos para contruir el
y 3. El formato 3 (azul) queda apartado
modelo PCA final.
en los cuadrantes I y IV mientras que los

20
Figura 25: Representacion de scores. Los puntos detectados como outliers estan enmar-
cados en rojo.

Figura 24: Grafica biplot con scores y load-


ings. Formato 1 rojo, 2 en verde y 3 en azul.

21
Figura 26: Grafico de control para T 2 y SPE. En rojo el formato 1, en verde el formato
2 y en azul el formato 3.

22
7.4.2. Depurado de outliers
Una vez eliminados los 127 puntos
anomalos se vuelve a ejecutar el analisis.
Esta vez el software genera tres variables
latentes que explican hasta el 60 % de vari-
abilidad.
Llegados a este punto quizas sera intere- Figura 28: Resumen del modelo. Con tres
sante plantear un modelo sobre cada tipo componentes se explica cerca del 60 % de la
de formato; esto significa crear y mantener variabilidad.
un modelo para cada uno de los formato.
En todo caso otra alternativa consiste en
plantear un PCA sobre los residuos de un
modelo PLS y de este modo monitorizar
con un solo modelo todos los formatos pro-
ducidos.
Se puede observar el biplot de los datos sep-
arados por lotes y por formatos (figura 29).
Los lotes parece que tienen una gran dis-
persion alrededor de una zona central para
el formato 2 (color verde), mientras que el
formato 3 (color azul) presenta la misma
tipologa de puntos para los dos lotes. A
modo de recordatorio, cabe prestar aten-
cion a que los lotes 1 y 2 son del formato 1
(color rojo); los lotes 3, 4 y 5 son del for-
mato 2 (color verde); los lotes 8 y 9 son del
formato 3 (color azul).

Figura 27: Loadings para las variables. Figura 29: Biplot. Arriba separado por
lotes y abajo separado por formatos.

23
8. Control estadstico de calidad Una vez obtenido el modelo estadstico,
multivariante on-line se utiliza como referencia para controlar
los subsiguientes lotes que se produzcan
Debido a los problemas planteados para en la planta . La metodologa [?] [?] con-
siste en utilizar los vectores Tmod y Pmod T
poder recoger datos de calidad del produc-
to (Y), el MSPC se plantea sobre las vari- para proyectar las nuevas observaciones
ables de proceso. Existen algunas razones Xinew sobre el espacio, controlando el score
que hacen aconsejable monitorizar el espa- obtenido tnewi y el error de prediccion 1 .
cio X [?]: El primer tipo de grafico de control se re-
aliza sobre los valores de los scores.
1. Suelen haber muchas mas variables de
El segundo grafico de control se hace so-
proceso que de calidad.
bre el SPE. Debido a que el PCA sobre
2. El registro de estos valores suele ser los datos conlleva una perdida de informa-
mas preciso que el de las variables de cion (la dimension del espacio de A com-
calidad. ponentes latentes es menor que las k vari-
ables de proceso), se utiliza un estadstico
3. Posibles perturbaciones de proceso llamado cuadrado del error de prediccion
(que afecten o no a los parametros de (SPE). La monitorizacion de este indicador
calidad Y) suelen dejar huella en las permite detectar anormalidades debidas a
variables de proceso. que el modelo no es capaz de explicar dicha
4. El control de calidad, en ocasiones, se variabilidad. Existen modificaciones a este
realiza en periodos posteriores a la op- estadstico [?] y en este caso se utilizara el
eracion con lo que pueden producirse DModX 2 .
muchas piezas defectuosas. Posiblemente se deba seleccionar un mod-
elo para cada formato producido3 , siendo
5. Las propiedades de calidad medidas este un punto que se obtiene del analisis
en ocasiones no son suficientes para realizado sobre los datos; se plantea una
definir la calidad total. recogida de datos mas extensa durante un
periodo de tiempo de varios meses, de man-
6. Las desviaciones en los parametros de
era que se pudieran fabricar varias veces los
calidad no suelen dar informacion que
mismos formatos.
permita aislar y detectar las variables
En el caso de que coexistiesen varios mod-
de proceso que se han visto alteradas
elos, sera muy importante que estos se se-
[?].
leccionaran de forma automatica al formato
que estuviese en curso; de este modo el op-
8.1. Planteamiento del control on-line erador de planta solamente se deberia pre-
8.1.1. PCA sobre X ocupar del seguimiento de los indicadores.

El control de calidad se puede plantear


analizando datos historicos de produccion
1
donde los lotes producidos son correctos y Mod hace referencia a los extrados del modelo
2
Obtenido con SIMCA
a partir de aqu establecer el modelo que 3
En la siguiente subsecci
on (8.1.2) se comenta la
permita proyectar en dos graficos de con- posibilidad de eliminar multiples modelos debido a
trol los datos anomalos que se produzcan. esta causa.

24
8.1.2. PLS-DA
Otra forma de plantear el control on-
line sera a partir de un modelo PLS-DA
para relacionar las causas de variacion de
X que son responsables de las diferencias
entre formatos. A partir de aqu, se podran
extraer los residuos y sobre estos plantear
un modelo PCA que sera com un a todos
los formatos producidos [?].

25
PONENCIA 10

ESTUDIO DE CONFIABILIDAD DE UN PARQUE ELICO

Sebastin Martorell (1), Ana Isabel Snchez (2), Isabel Martn (1), Sofa Carlos (1),
Miguel ngel Rodrguez (3), ngel Marn (3), Antonio Jos Fernndez (3.
(1)
Departamento de Ingeniera Qumica y Nuclear
Universidad Politcnica de Valencia
(2)
Departamento de Estadstica, Investigacin Operativa Aplicadas y Calidad
Universidad Politcnica de Valencia
(3)
Iberdrola Ingeniera de Explotacin S.A.U. (IIE)
XIII CONGRESO DE CONFIABILIDAD

ESTUDIO DE CONFIABILIDAD DE UN PARQUE ELICO

Sebatin Martorell (1), Ana Isabel Snchez (2), Isabel Martn (1), Sofa Carlos
(1)
, Miguel ngel Rodrguez (3), ngel Marn (3), Antonio Jos Fernndez (3)
(1)
Departamento de Ingeniera Qumica y Nuclear
Universidad Politcnica de Valencia
(2)
Departamento de Estadstica, Investigacin Operativa Aplicadas y Calidad
Universidad Politcnica de Valencia
(3)
Iberdrola Ingeniera de Explotacin S.A.U (IIE)

RESUMEN
En el marco del Proyecto CENIT-E Ocean Lider, Lderes en Energas
Renovables Ocenicas (CEN-20091039), se ha desarrollado un estudio de
confiabilidad de parques elicos, con el objetivo de intentar extrapolar las
lecciones aprendidas en dichos parques en el desarrollo y explotacin futura de
dispositivos UNIGEO en el marco del citado proyecto OCEAN LIDER. Los
dispositivos UNIGEO son sistemas de generacin de energa ocenica que
capturan la energa de las olas, de las corrientes y del viento, de forma
individual o conjunta, de manera simultnea y de forma altamente eficiente.
Como paso previo al estudio de confiabilidad, se realiz un anlisis de modos
de fallos, efectos y criticidad (AMFEC), con el objetivo de conocer cules son
los modos de fallo principales y las causas de fallo ms comunes de los
distintos sistemas que componen un aerogenerador y su criticidad. Los
resultados obtenidos de dicho estudio se han tomado como base para el
posterior estudio de indicadores que permitan evaluar aspectos tales como la
fiabilidad, disponibilidad y mantenibilidad de los equipos.

En este contexto, el objetivo de la presente ponencia es mostrar los resultados


del estudio de confiabilidad realizado en dos parques elicos ubicados en
territorio espaol y compararlos con estudios realizados en parques elicos
ubicados en Suecia, Alemania y Finlandia.

1
XIII CONGRESO DE CONFIABILIDAD

1. INTRODUCCIN

En la actualidad la energa elica supone prcticamente el 20% de toda la


potencia instalada en Espaa, siendo la segunda tecnologa en potencia
instalada a cierre del ao 2010, slo por detrs del ciclo combinado (25,86%).
En 2010 se instalaron 827 aerogeneradores con una potencia promedio de
1.900 kW, el tamao de los aerogeneradores contina con su trayectoria
ascendente. En los ltimos catorce aos, se ha pasado de aerogeneradores de
390 kW a 1.900 kW, lo que supone multiplicar por cinco la potencia instalada
por aerogenerador. En 2010, la energa elica lleg a cubrir el 16,4% de la
demanda elctrica peninsular, superando as el 14,39% cubierto durante el ao
2009 [1].

Esta participacin tan significativa de esta fuente renovable de energa es fruto


de una elevada disponibilidad de los parques elicos, la cual se sustenta en un
anlisis y mejora continua de la confiabilidad de los aerogeneradores. La
disponibilidad de los aerogeneradores depende de las caractersticas climticas
del parque, en concreto de la velocidad del viento y de las actividades de
mantenimiento tanto preventivas como correctivas necesarias para garantizar
un estado de operacin correcto [2].

La energa producida por un aerogenerador es, por tanto, directamente


proporcional a la disponibilidad de ste y los beneficios y viabilidad del parque
pueden aumentar con una buena gestin del mantenimiento preventivo y
correctivo.

Este artculo presenta un estudio de la confiabilidad de los componentes de un


aerogenerador, identificando los componentes ms crticos. Para llevar a cabo
este estudio, se ha analizado el histrico de averas de 30 aerogeneradores
instalados en dos parques elicos situados en territorio espaol, durante un
periodo de observacin de tres aos (2007-2010). A partir de la informacin
obtenida de dicho histrico se realiza el estudio de fiabilidad, mantenibilidad e
indisponibilidad teniendo en cuenta los fallos/averas ocurridos en este periodo
y la duracin de las actividades de mantenimiento correctivo.

2
XIII CONGRESO DE CONFIABILIDAD

Los resultados del estudio han sido comparados con resultados procedentes de
otros estudios de aerogeneradores instalados en parques elicos europeos, en
concreto en Suecia, Alemania y Finlandia [3].

2. DESCRIPCIN AEROGENERADOR

Los aerogeneradores instalados en los parques sobre los que se ha


desarrollado el anlisis tienen una potencia unitaria de 2 MW y estn
compuestos por varios sistemas dispuestos en serie los cuales se describen
brevemente a continuacin:

Rotor: Est compuesto por las palas, el buje y el sistema cambio de


paso. El sistema de tres palas es el encargado de captar la energa
cintica del viento y es el buje el encargado de transmitir la energa
captada al eje principal (eje de baja).

Sistema cambio de paso: El sistema cambio de paso es el encargado de


controlar la potencia mediante el ajuste del ngulo de ataque de las
palas al viento.

Tren de potencia: El tren de potencia est formado por el eje principal,


frenos, multiplicadora, la transmisin al eje de alta velocidad
(acoplamiento multiplicadora/generador), el freno mecnico y el sistema
de mantenimiento predictivo (sistema SMP para monitoreo de
vibraciones). Es el responsable de trasmitir el giro del buje hasta la
entrada del eje del generador multiplicando la frecuencia de giro.

Yaw o sistema de Orientacin: Sistema que orienta la gndola o nacelle


en la direccin del viento para conseguir un mximo aprovechamiento
del mismo, o para ofrecer la mnima resistencia al paso del mismo si
fuera preciso.

Sistema hidrulico: Alimenta al sistema de freno mecnico, al sistema de


regulacin del paso y al sistema de orientacin entre otros.

3
XIII CONGRESO DE CONFIABILIDAD

Generador: Es el dispositivo que genera corriente elctrica inducida en


los bobinados del mismo, producida por el giro del eje del generador.

Transformador: La tensin de salida del generador es generalmente baja


para realizar transmisiones de corriente a largas distancias, por tanto
para minimizar prdidas en los cables se eleva la tensin en los
transformadores.

Sistema de control: La unidad de control y potencia se encarga de


controlar todas las funciones crticas del aerogenerador con el fin de
optimizar el funcionamiento del aerogenerador segn sea la velocidad
en cada momento.

Sensores: Se emplean para medir temperatura, direccin y velocidad del


viento as como otros parmetros que pueden aparecer dentro de la
gndola, por lo que apoyan el control de la turbina y su monitoreo.

Gndola: Es un componente estructural de la parte alta de la torre que


contiene todos los componentes elctricos y mecnicos del
aerogenerador.

Carcasa: Cubierta que confina dentro de un espacio cerrado los


componentes elctricos y mecnicos.

Torre y cimentaciones: La torre eleva la gndola hasta el punto de


captacin de energa elica y sta es anclada al terreno mediante las
virolas incrustadas dentro de cimentaciones de diseo variable segn las
condiciones geotcnicas del terreno.

En la Figura 1 se representa la configuracin fsica de los componentes de un


aerogenerador asociados segn su funcionalidad.

4
XIII CONGRESO DE CONFIABILIDAD

Figura 1. Estructura del aerogenerador

3. PARAMETROS DE CONFIABILIDAD

La cuantificacin de la confiabilidad, permite medir la eficacia, desde el punto


de vista operativo, de la explotacin de un componente. Para realizar dicha
cuantificacin se recurre, habitualmente, a la evaluacin de diferentes
indicadores que permiten medir los atributos incluidos en la confiabilidad: la
fiabilidad, mantenibilidad y disponibilidad. Los indicadores incluidos en el
presente estudio se describen en los siguientes subapartados.

3.1 Nmero de fallos/averas y tiempo medio entre fallos (MTBF)

La caracterstica de fiabilidad que habitualmente se mide para cuantificar la


fiabilidad es el tiempo medio entre fallos (MTBF) de un sistema o equipo [4].

El tiempo medio entre fallos para cada uno de los equipos que componen el
sistema se define de la siguiente forma:

(1)

5
XIII CONGRESO DE CONFIABILIDAD

Expresando la tasa de fallos de cada sistema k que compone un


aerogenerador i, , como el numero de fallos. La tasa de fallos se puede
obtener dividendo el nmero total de fallos de cada subsistema de los
aerogeneradores entre el i-intervalo, de la siguiente forma:

(2)

Donde N es el nmero de aerogeneradores que se est observando, T es el


periodo de observacin, en horas, y ni,k es el nmero de fallos por subsistema.

3.2 Mantenibilidad (M)

La realizacin de las actividades de mantenimiento que se realizan sobre los


diferentes equipos que constituyen un sistema introduce efectos positivos como
el control del proceso de degradacin o la recuperacin del estado operativo.
No obstante, la realizacin de dichas actividades tambin introducen efectos
adversos como consecuencia de la inoperabilidad forzada del componente
durante el tiempo que ste se encuentra fuera de servicio sometido a
mantenimiento (correctivo, preventivo, sustitucin, etc.). La importancia de
dicho efecto adverso depende de las caractersticas de mantenibilidad del
componente. La mantenibilidad representa la capacidad de un componente
para ser mantenido bajo condiciones especficas durante un periodo de tiempo
dado, la cual depende de sus caractersticas fsicas y de diseo, entre otros
factores tales como los recursos humanos y materiales disponibles, demoras
logsticas, administrativas, etc.

Para modelar la mantenibilidad resulta necesario considerar factores tales


como el tiempo empleado en la realizacin de una actividad de mantenimiento
y su frecuencia. A la hora de cuantificar estos parmetros resulta necesario
distinguir entre la mantenibilidad correctiva y la mantenibilidad preventiva
puesto que existen parmetros que varan en funcin del tipo de
mantenibilidad.

6
XIII CONGRESO DE CONFIABILIDAD

En este trabajo slo se ha considerado la mantenibilidad correctiva, evaluando


la duracin del mantenimiento correctivo del sistema k (MTCMk) como:[4]:

(3)

Siendo, dMC la duracin de las actividades de mantenimiento correctivo.

3.3 Disponibilidad (A)

La disponibilidad (A) representa la capacidad de un componente, sistema o


instalacin para realizar su funcin bajo condiciones especficas y sin fallo
durante un periodo de tiempo dado. La disponibilidad constituye una medida de
la relacin entre el tiempo que el componente se encuentra operativo y el
periodo de vida considerado.

Lgicamente, la disponibilidad es funcin de la fiabilidad y mantenibilidad del


componente como consecuencia de la influencia que estas dos caractersticas
probabilsticas tienen sobre el cambio operativo e inoperativo del mismo, y por
ello sobre la disponibilidad.

La disponibilidad operacional puede ser evaluada mediante la siguiente


expresin:

(4)

En ocasiones se utiliza su medida complementaria, es decir, la indisponibilidad


(U) la cual se evala como:

(5)

7
XIII CONGRESO DE CONFIABILIDAD

4. CASO DE APLICACIN

En este artculo se realiza un estudio cuantitativo de la confiabilidad de los


aerogeneradores de un parque elico establecido en territorio espaol. Para
llevar a cabo este estudio, se ha utilizado el histrico de averas de 30
aerogeneradores de dos parques elicos, cuya potencia instalada es os de 2
MW de potencia por unidad. Se ha estudiado el histrico de estos parques
correspondiente al periodo de observacin desde el ao 2007 al 2010.

Se han utilizado los resultados obtenidos en un anlisis de modos de fallos,


efectos y criticidad (AMFEC), cuya finalidad era obtener los modos y
mecanismos de fallo crticos para el sistema.

En el anlisis AMFEC se calcularon los parmetros de confiabilidad, tales como


la tasa de fallos, el tiempo medio de duracin de las reparaciones y la
indisponibilidad del sistema debida al mantenimiento correctivo, a partir de las
ecuaciones descritas en la seccin 3. Los resultados obtenidos para los 30
aerogeneradores analizados se muestran en la Tabla 1.

8
XIII CONGRESO DE CONFIABILIDAD

Tabla 1. Resultados obtenidos del anlisis histrico de fallos

Tasa
N MTCM Indisponibilidad
Fallo
fallos/averas [horas] (10-5)
[ao-1]

Rotor 37 0,771 23,37 2,056

Sistema Cambio Paso 78 1,096 9,65 1,207

Conjunto Eje Principal 21 0,284 3,26 0,105

Transmisin Eje Alta 37 0,500 37,65 2,148

Multiplicadora 101 1,366 25 3,898

Freno Mecnico 0 0 0 0,000

Sistema SMP 39 0,528 1,33 0,080

Sistema Control 13
0,176 7,13 0,143
Orientacin

Sistema Hidrulico 155 2,097 10,45 2,501

Generador 58 0,785 32,67 2,927

Transformador 38 0,514 12,11 0,710

Sistema Control 565 7,643 16,67 14,544

Sensores 60 0,812 4,63 0,429

Carcasa 32 0,433 4,52 0,223

Torre 33 0,446 0,99 0,050

A continuacin se realiza un estudio ms detallado de los resultados obtenidos


en el estudio.

9
XIII CONGRESO DE CONFIABILIDAD

4.1 Frecuencia de fallo

A partir del nmero de fallos registrado en el histrico se ha calculado el


porcentaje de fallos correspondiente a cada sistema que compone el
aerogenerador, en la Figura 2 se muestran los resultados obtenidos:

Numero de Fallos (%)

6,16 Rotor
2,92
2,60
Sistema Cambio Paso
2,53 1,66
4,74 Conjunto Eje Principal
2,92
Transmisin Eje Alta
7,97 Multiplicadora
Freno Mecnico
3,08
1,03 Sistema SMP
Sistema Control Orientacin
Sistema Hidrulico
Generador
12,23
Transforamdor
44,59
Sistema Control
Sensores

3,00 4,58 Carcasa


Torre

Figura 2. Porcentaje de fallos por sistema

Los resultados muestran que los sistemas que mayor proporcin de fallos
presentan son el sistema de control (44,59%), el sistema hidrulico (12,23 %) y
la multiplicadora (7,97%).

4.2 MTCM (%)

Adems de conocer el nmero de fallos/averas que un sistema puede


ocasionar resulta interesante cuanto tiempo deja este fallo al aerogenerador
indisponible. Esta indisponibilidad en gran medida depende de la duracin de la
actividad de mantenimiento realizada para subsanar esa avera. Es por tanto
interesante calcular para cada uno de los sistemas que componen el
aerogenerador el tiempo de mantenimiento correctivo (MTCM), el cual se
puede calcular utilizando la ecuacin 3 de la seccin 3.

En la Figura 3, se representa el porcentaje del MTCM para cada uno de los


sistemas.

10
XIII CONGRESO DE CONFIABILIDAD

MTCM (%)

Rotor
0,52 12,34
Sistema Cambio Paso
2,39 5,09
2,44
Conjunto Eje Principal
8,80 Transmisin Eje Alta
1,72
6,39 Multiplicadora
Freno Mecnico
Sistema SMP
Sistema Control Orientacin
Sistema Hidrulico
19,88
Generador
17,25 Transforamdor
Sistema Control
Sensores

5,52 13,20 Carcasa


3,76
Torre
0,70

Figura 3. Porcentaje MTCM

La Figura 3 muestra como que los sistemas que mayor porcentaje de MTCM
aportan al aerogenerador son la transmisin del eje de alta velocidad (19,88
%), el generador (17,25%) y la multiplicadora (13,20 %). La transmisin del eje
de alta velocidad, como se puede observar en la Figura 3, requiere un elevado
MTCM para reparar el fallo, no obstante el nmero de fallos ocurridos es muy
reducido (vase Figura 2). Sin embargo, ocurre lo contrario en el sistema de
control ya que el nmero de fallos que presenta este sistema es elevado pero
el MTCM no es excesivamente grande.

El hecho de que los sistemas tengan un elevado porcentaje de MTCM puede


deberse a la costosa reparacin de los mismos, ya sea por problemas
logsticos de gestin de stock o por su dificultad de reparacin o reemplazo.

11
XIII CONGRESO DE CONFIABILIDAD

4.3 Indisponibilidad

Otro factor clave en la evaluacin de la confiabilidad de un sistema, es la


indisponibilidad de los equipos.

Los sistemas que mayor porcentaje tienen con respecto a la indisponibilidad


total del sistema son los que se muestran en la siguiente figura:

Indisponibilidad (%)

3,89 Rotor
6,63
0,16
0,72 Sistema Cambio Paso
1,38 0,34
Conjunto Eje Principal
6,93 Transmisin Eje Alta
Multiplicadora
Freno Mecnico
12,56
Sistema SMP
46,88
Sistema Control Orientacin
Sistema Hidrulico
0,26
Generador
0,46 Transforamdor
8,06 Sistema Control
Sensores
Carcasa
2,29 Torre
9,44

Figura 4. Porcentaje de indisponibilidad

Los sistemas que mayor indisponibilidad generan en el aerogenerador son el


sistema de control (46,88%), la multiplicadora (12,56%) y el generador (9,44%).

Aunque como se puede observar en la Tabla 1, el mayor MTCM obtenido


corresponde al generador, no obstante, como consecuencia de que presenta
un nmero inferior de paradas que el sistema de control, la indisponibilidad que
genera es menor.

12
XIII CONGRESO DE CONFIABILIDAD

5. COMPARATIVA EUROPEA

Los resultados obtenidos en el estudio de confiabilidad se han comparado con


resultados procedentes de aerogeneradores instalados en diferentes pases de
la Unin Europea. Para poder realizar una comparativa de forma ms real se
ha procedido a la agrupacin de componentes de acuerdo a su funcionalidad.
En la Tabla 2, se muestran los resultados del estudio de parques europeos,
concretamente de Suecia, Alemania y Finlandia [3] y los resultados obtenidos
del estudio de los dos parques ubicados en Espaa. Se muestran los
resultados de nmero de fallos, MTCM e indisponibilidad, al igual que las
agrupaciones realizadas para poder realizar dicha comparacin.

13
XIII CONGRESO DE CONFIABILIDAD

Tabla 2. Resultados comparativa europea

SISTEMAS Nmero fallos [%] MTCM [%] Indisponibilidad [%]

Suecia Alemania Finlandia Espaa Suecia Alemania Finlandia Espaa Suecia Alemania Finlandia Espaa

Rotor/
13,700 12,020 14,900 8,901 5,734 17,864 13,697 9,073 9,400 18,000 21,300 8,596
Sistema Cambio Paso

Generador 5,500 2,590 6,100 4,489 11,606 11,753 6,104 21,070 8,900 17,734 4,400 10,068

Transformador 2,941 0,000 0,000 0,000 7,808 2,444

Sistema Elctrico 17,500 27,140 7,700 29,412 5,872 13,499 7,097 12,437 14,300 4,000 6,400 38,935

Sistema Control 12,900 14,630 6,900 14,319 10,169 12,693 2,084 7,301 18,300 5,000 1,700 11,128

Conjunto Eje Principal


/ 1,100 2,330 0,000 4,489 16,052 4,970 0,000 16,810 2,400 13,587 0,000 8,032

Transmisin Eje Alta

Sensores/SMP 14,100 8,800 8,400 9,598 2,727 5,843 2,084 2,291 5,400 3,543 2,000 2,340

14
XIII CONGRESO DE CONFIABILIDAD

SISTEMAS Nmero fallos [%] MTCM [%] Indisponibilidad [%]

Suecia Alemania Finlandia Espaa Suecia Alemania Finlandia Espaa Suecia Alemania Finlandia Espaa

Multiplicadora 9,800 5,720 9,400 7,817 14,140 10,477 29,876 10,113 19,400 15,171 32,800 8,415

Freno Mecnico 1,200 5,220 3,300 6,908 5,709 7,246 0,000 1,200 6,413 2,800

Sistema Hidrulico 13,300 10,570 22,800 11,997 2,380 4,365 4,268 6,740 4,400 2,810 11,400 8,607

Sistema Control
6,700 6,870 7,300 1,006 14,289 7,790 7,593 4,596 13,300 6,393 6,500 0,492
Orientacin

Carcasa/
1,500 4,100 6,300 5,031 5,734 5,037 8,834 1,760 1,200 7,887 6,500 0,943
Torre

otros 2,700 0,000 6,900 0,000 4,390 0,000 11,117 0,000 1,700 0,000 4,200 0,000

15
XIII CONGRESO DE CONFIABILIDAD

Los resultados mostrados en la Tabla 2 se representan de forma grfica en las


Figuras 5-7.

Distribucin de fallos [%]


otros
100
Carcasa/Torre

Sistema Control Orientacin


80
Sistema Hidrulico

Freno Mecnico

60 Multiplicadora

Sensores/SMP

40 Conjunto Eje Principal /Transmisin Eje Alta

Sistema Control

Sistema Elctrico
20
Transformador

Generador
0
Suecia Alemania Finlandia Espaa Rotor (MDA)/Sistema Cambio Paso

Figura 5. Nmero de Fallos comparativa

MTCM [%]
otros
100
Carcasa/Torre
90
Sistema Control Orientacin
80
Sistema Hidrulico
70
Freno Mecnico
60
Multiplicadora

50 Sensores/SMP

40 Conjunto Eje Principal /Transmisin Eje Alta

30 Sistema Control

20 Sistema Elctrico

Transformador
10
Generador
0
Suecia Alemania Finlandia Espaa Rotor (MDA)/Sistema Cambio Paso

Figura 6. MTCM comparativa

Indisponibilidad [%]
otros
100
Carcasa/Torre
90
Sistema Control Orientacin
80
Sistema Hidrulico
70
Freno Mecnico

60
Multiplicadora

50 Sensores/SMP

40 Conjunto Eje Principal /Transmisin Eje Alta

30 Sistema Control

20 Sistema Elctrico

Transformador
10
Generador
0
Suecia Alemania Finlandia Espaa Rotor (MDA)/Sistema Cambio Paso

Figura 7. Indisponibilidad comparativa

16
XIII CONGRESO DE CONFIABILIDAD

A modo de resumen se podra concluir, que en los aerogeneradores instalados


en Suecia, Alemania y Espaa los sistemas que ms fallos presentan son el
sistema elctrico, compuesto por los armarios donde se encuentra todo las
instalaciones elctricas y el sistema de control. En el caso de Espaa y
Alemania el siguiente sistema que presenta un mayor porcentaje de fallos es el
sistema de control, seguido en ambos casos por el sistema hidrulico y el rotor.
Los sistemas con un menor porcentaje de nmero fallos, para los pases
analizados, son el sistema de ejes (principal y el de transmisin eje de alta), el
freno mecnico y el generador.

Desde el punto de vista de indisponibilidad, en los cuatro pases uno de los


componentes que mayor indisponibilidad genera en el aerogenerador es la
multiplicadora. Esta razn se debe a su elevado tamao y difcil sistema de
reemplazo con elevados costes asociados. Es evidente por tanto que la
multiplicadora es crtica desde el punto de vista de la disponibilidad de la
turbina.

17
XIII CONGRESO DE CONFIABILIDAD

6. CONCLUSIONES

Realizar un estudio de confiabilidad es importante como paso previo a la


posterior implementacin de un plan de mantenimiento ptimo y especifico para
cada sistema o componente. Asimismo, para aumentar la produccin en de
una instalacin, es indispensable que los tres atributos incluidos en el concepto
de confiabilidad, disponibilidad, confiabilidad y mantenibilidad, sean analizados
de forman conjunta. De este modo, si el objetivo es, por ejemplo, un aumento
en la la disponibilidad de un sistema o equipo, resulta necesario realizar una de
las siguientes acciones:

Aumentar la fiabilidad, expresada por el MTBF o en la tasa de fallos ().

Reducir el tiempo empleado en la reparacin, expresado por el MTCM

Aumentar el MTBF y reducir el MTCM simultneamente.

Los resultados obtenidos en el anlisis de los parques analizados permite,


entre otros aspectos, identificar aquellos componentes ms crticos desde el
punto de vista de la confiabilidad, es decir, aquellos que deberan ser
priorizados a la hora de revisar y/o establecer una estrategia de mantenimiento
preventivo por tiempo o condicin.

Finalmente, indicar que en el anlisis comparativo realizado entre los diferentes


parques europeos no se ha observado diferencias significativas en el
comportamiento de los mismos en relacin a los atributos analizados.

18
XIII CONGRESO DE CONFIABILIDAD

7. BIBLIOGRAFIA

Anuario elica 2011. Asociacin empresarial de la elica (aee). Espaa

Wen,J., Zheng,Y.,Donghan,F. 2009. A review on reliability assessment


for wind power. Renewable and Systainable Energy Reviews Vol. 13,
2485-2494

Hohan Ribrant, Master Thesis. Reliability performance and maintenance


- A survey of failures in wind power systems.

Tavner, P.J., Xiang, J., Spinato, F. 2007.Reliability Analysis for Wind


Turbines. Wind Energy. Vol.10; 1-18

19
PONENCIA 12

IMPORTANCIA DE LAS COMPETENCIAS EN LA


GESTIN INTEGRAL DE ACTIVOS FSICOS ASSET
MANAGEMENT COMPETENCE FRAMEWORK

Snchez J. (1), Amendola L. (1,2), Marcos J. (3), Depool T. (2)

Universidad Politcnica de Valencia

Departamento de Proyectos de Ingeniera e Innovacin E.T.S.I.I (1)

PMM Institute for Learning(2) Universidad de Vigo

Departamento de Tecnologa Electrnica(3)


XIII CONGRESO DE CONFIABILIDAD

IMPORTANCIA DE LAS COMPETENCIAS EN LA GESTIN INTEGRAL


DE ACTIVOS FSICOS ASSET MANAGEMENT COMPETENCE
FRAMEWORK

Snchez. J3 , Amendola. L.1,2 , Marcos. J 3 , Depool. T 2

Universidad Politcnica de Valencia

Departamento de Proyectos de Ingeniera e Innovacin E.T.S.I.I 1

PMM Institute for Learning2 Universidad de Vigo

Departamento de Tecnologa Electrnica3

RESUMEN

En este artculo se analizan los marcos de desarrollo de competencias


confeccionados por el IAM, IPMA y PMI teniendo en cuenta los documentos
estndares IAM2008 y PAS55, ICB y PMBOK y PMCD, con los que
respectivamente estn relacionados. El objeto del trabajo es realizar un
estudio comparativo entre los tres estndares para ver las competencias que
existen en comn entre ambos documentos, as como las diferencias
competenciales entre ellos, el desarrollo de aquellas y su posible aplicacin
e implementacin.

1. INTRODUCCIN

Un escenario tpico en muchas empresas pasa por desconocer cul es su


capacidad real, y las condiciones actuales en las que se encuentran sus
activos fsicos. Investigaciones revelan que la vida de dichos activos, se
maneja en base a presupuestos anuales, en otros casos apuestan por
mejorar sus tecnologas, en otros se orientan a usar slo las ltimas
herramientas en aplicar tcnicas aisladas y esto trae como consecuencia
la imposibilidad de garantizar unos resultados, de forma sostenible a lo largo
de los aos del ciclo de vida de los activos.

1
XIII CONGRESO DE CONFIABILIDAD

Disponer, entonces, de un sistema de gestin adecuado a las necesidades


de la organizacin en trminos de tamao, tiempo de vida y riesgos
asociados a los activos de la misma se ha convertido prcticamente en una
necesidad [Duran, J.B., 2011].

Se trata, por tanto, de orientar los esfuerzos en mejorar los procesos que
soportan la razn del negocio, para lograr una gestin integral de sus activos
(fsicos, humanos, financieros, de informacin e intangibles), con el fin de
lograr alcanzar un resultado deseado y sustentable.

Ante estos retos, la organizacin debe plantearse estrategias que le


permitan, de una manera eficaz, la generacin y adquisicin de nuevos
conocimientos, adems de la sostenibilidad de las mejores tecnologas
disponibles pudiendo tener como base el desarrollo del capital humano.
Este, unido a sus competencias asociadas y a la tecnologa disponible,
constituyen el activo ms valioso de aquella. No contar con la gente
competente, en la cantidad adecuada y en el lugar adecuado, hace ms
complicada la tarea de afrontar con xito los grandes retos del futuro de una
gestin eficiente del mantenimiento de los activos industriales.

Es importante propiciar, en el tiempo ms corto posible, el desarrollo de las


competencias conductuales, tcnicas y directivas que permitan asegurar la
actualizacin y la adquisicin de conocimientos, como base para alcanzar un
nivel de desempeo individual superior, y equipos de trabajo con una slida
cultura organizacional.

Las razones expuestas anteriormente, justifican que se mejore el


desempeo de las citadas competencias, lo cual supone promover un estilo
gerencial corporativo, traducido en determinados estndares, en el que los
problemas se visualicen como desafos a la creatividad, se potencie la
capacidad de negociacin y respuesta, y se consiga un desarrollo humano
ligado con una mejor calidad de vida organizacional.

Este artculo tiene como objetivo hacer un anlisis comparativo de los tres
estndares publicados por tres de las principales asociaciones implicadas en
el desarrollo competencias comentadas como son el IAM, PMBOK y el

2
XIII CONGRESO DE CONFIABILIDAD

IPMA. Para ello, despus de un resumido desarrollo del marco terico


utilizado (aptdo.2), procede a realizar un estudio comparativo que contemple
sus objetivos y contenidos (aptdo.3), para extraer posteriormente unas
conclusiones (aptdo.4).

Fig.1: Esquema del estudio a realizar

2. MARCO TERICO

Es universalmente aceptado que existe un enlace causal entre la


competencia del PM y el xito del proyecto, dado que aquella es la puesta
en la prctica de los conocimientos y habilidades de ste. Se necesitar
medir el nivel de desempeo de las competencias respecto del marco, las
lneas bsicas y la estructura de la organizacin.

El marco de Requisitos de Competencia, propuesto por las asociaciones a


considerar, constituye entonces una herramienta que las organizaciones
pueden utilizar para decidir la mezcla y profundidad de las competencias que
necesitan. Describe lo que las personas que trabajan en la gestin objeto
deben ser capaces de hacer, e indica lo que deben saber y comprender, y
por tanto, concentrarse en lo que necesitan saber acerca de aquellos, con el
fin de aprovechar la contribucin que hacen en los resultados obtenidos de
la estrategia de gestin y sus objetivos.

Las Asociaciones y sus respectivos marcos de requisitos propuestos, objeto


de este estudio son las siguientes:

3
XIII CONGRESO DE CONFIABILIDAD

2.1 IAM 2008 Y PAS 55

Como respuesta a la necesidad de una nueva forma de gestin, en 1993


nace el IAM (Institute of Asset Management), agrupando diversas empresas
interesadas en compartir experiencias y mejores prcticas, que promueve la
gestin de activos a un nuevo nivel, por medio de un enfoque integral y
asegurar que se utilizan para obtener los objetivos de negocio de una
manera ptima y sostenible.

El Marco de los Requisitos de Competencia para la Gestin de Activos: IAM


2008, 2 versin, publicado por el IAM es el producto de amplias consultas
y de los comentarios recibidos de los usuarios del Marco previo, de 2006, el
cual fue revisado, para comprender cmo se poda mejorar su estructura y
contenido y le sustituye.

El primer borrador del Marco 2008 fue desarrollado para reflejar los
principales comentarios de los usuarios. Se confeccionan hasta tres
borradores ms donde un grupo de expertos en campos de gestin de
activos, competencias, y evaluacin y acreditacin lo revisan hasta su
redaccin definitiva.

Est diseado para apoyar la buena prctica de la gestin de activos y, en


particular, es muy til para aquellas organizaciones que incorporan los
sistemas de Gestin de Activos compatibles con BSI PAS 55:2008.

La primera emisin de la PAS 55 fue en el ao 2004. Se apoyan en las


normas ISO 9000, ISO 14000 y OSHA 18000 ya existentes. Su camino para
convertirse en un sistema de certificacin comienza en el ao 2006, cuando
se adopta para determinadas empresas en Gran Bretaa.

Durante el ao 2008 se distribuyen, entre empresas usuarias, las


especificaciones que ya la estn implementando. Como consecuencia de
ello, se produce una actualizacin de la norma. Su primera revisin se
publica el 10 de Setiembre de 2008, la cual se conoce por PAS 55:2008, en
la cual se agregan nuevas definiciones, se introducen nuevos requerimientos
y se crea alguna nueva seccin.

4
XIII CONGRESO DE CONFIABILIDAD

Como hito ms reciente, 10 de Agosto de 2010, se puede citar la


autorizacin a la Comisin de Proyectos 251, por parte del Technical
Management Board de ISO, para desarrollar una norma ISO en Gestin de
Activos basado en el documento de la PAS55: la ISO 55000 [Amndola,
Luis., 2011]

2.2 PMI Y PMBOK Y EL PMCD

El Project Management Institute (PMI) crea, en 1996, la primera edicin de


A Guide to the Project Management Body of Knowledge generando un
documento que, poco a poco, fue calando en las industrias y en la
administracin de proyectos, convirtindose en un estndar avalado por
ANSI en el ao 2000 como consecuencia de la importante evolucin sufrida
con su segunda edicin.

Actualmente, en su cuarta edicin de 2008, el PMBOK es el documento de


referencia obligado para cualquier persona que desee mejorar su gerencia
de proyectos, certificarse o simplemente incrementar el xito de sus
proyectos; y tambin para cualquier organizacin que desee implementar
procesos y metodologas eficaces para lograr el xito de sus proyectos.

La primera edicin del marco de requisitos competenciales PMCD (Project


Management Competency Development Framework), esponsorizado por el
PMI y alineado con el PMBOK, fue publicada en el ao 2002, y lanzada en el
ao 2004 como soporte al proceso de certificacin de un gerente de
proyectos PMP.

El estndar fue reestructurado con el fin de realinear la estructura de


desempeo de las competencias, definiendo e identificando aquellas
competencias que probablemente tengan un mayor impacto en el
desempeo del gestor de proyectos. Da lugar a la publicacin de la segunda
edicin en el ao 2007. El desempeo ahora lo va a ver como un proceso,
lo que simplifica y hace ms fcil su utilizacin. Para ello incluye un modelo
de evaluacin, de crecimiento personal y de aprendizaje.

5
XIII CONGRESO DE CONFIABILIDAD

El marco PMCD define la competencia del gestor de proyectos, identificando


el rendimiento del criterio relativo a elementos competenciales y a los
mdulos competenciales a los que se refiere. Comprender las capacidades
actuales del gestor es esencial para establecer una competencia base.
Midiendo el rendimiento individual y enfrentndolo a la competencia base se
podrn identificar las fortalezas y necesidades para su desarrollo
(debilidades).

2.3 IPMA Y ICB

El International Project Management Asociation (IPMA) es una organizacin


sin nimo de lucro, registrada en Suiza para la promocin de la Gestin de
Proyectos. El IPMA es una federacin de ms de 50 asociaciones
nacionales e internacionales.

Fue lanzado en 1965, en Suiza, bajo el nombre de bajo el nombre de


"International Management Systems Association" (IMSA), que mantuvo
hasta 1979, por un grupo europeo de gerentes de proyecto.

El PMA se orienta al desarrollo y promocin del profesional en gestin de


proyectos proporcionando estndares y estableciendo guas para su buen
desempeo a travs del estndar IPMA Lnea de Base de Competencias
ICB. La primera versin oficial fue publicada en Febrero de 1999, se
denomin ICB versin 2.0.Tras una pequea modificacin en el ao 2001
que da lugar a la versin 2.0b, ser reemplazada, en el ao 2006, por la
actual versin 3.0, la cual aporta nuevos cambios en su contenido

Tambin proporciona una definicin de las competencias esperadas de las


personas implicadas en la gestin de proyectos mediante un Programa de
Certificacin de estos profesionales para varios pases miembros, mediante
la utilizacin del sistema de certificacin universal IPMA en cuatro niveles
distintos. De forma que, hasta el ao 2010, ms de 130.000 certificados
IPMA han sido expedidos, los cuales se reconocen por organizaciones de
todo el orbe.

6
XIII CONGRESO DE CONFIABILIDAD

3. ESTUDIO COMPARATIVO

El marco de 2008 define un siguiente objetivo clave para las personas que
trabajan en la gestin de activos: Optimizar la entrega y el rendimiento de los
activos fsicos. Este objetivo fundamental ha de lograrse por medio de siete
funciones clave, que llama roles. Para cada rol, suministra un listado de
conocimientos genricos y requisitos de comprensin deseables

Cada funcin se divide en un nmero reducido de competencias singulares,.


Hay 27 unidades competenciales en total.

Cada unidad mdulo se subdivide a su vez en un conjunto reducido de


elementos de competencia que definen actividades que las personas
deberan ser capaces de hacer, totalizando 145 elementos competenciales.
Este es el nivel en el que la evaluacin se lleva a cabo.

Fig.2: Diagrama de distribucin de las 27 unidades de competencia en 7 roles clave

En base al punto de vista del IAM 2008, acerca de las competencias que se
necesitan para ejecutar de una forma eficaz un rol, y que reflejan los
requisitos y gua proporcionados por la BSI PAS 55 en sus partes 1 y 2, se
han desarrollado Perfiles de Competencia para cinco niveles.

El PMBOK establece que un manager de proyectos competente, es aquel


que aplica su conocimiento de gestin de proyectos, y su conducta personal,
para aumentar la probabilidad de satisfacer los requerimientos de las partes
interesadas con las entregas de su proyecto.

7
XIII CONGRESO DE CONFIABILIDAD

Para medir el nivel de desempeo de las competencias respecto del marco,


se van a describir cinco unidades/mdulos, que se corresponden con las
etapas en que se pueden dividir la implementacin de un proyecto, y que
facilitarn el marco adecuado para esa evaluacin.

A su vez, cada mdulo de competencia se compone de un nmero de


elementos que reflejan las actividades en las que se espera que el gestor de
proyectos sea competente, totalizando 30 elementos competenciales. Cada
elemento se describe como un resultado a conseguir.

Fig.3: Unidades y elementos de competencia de desempeo

Posteriormente cada elemento se define en trminos de Criterios de


Desempeo, que especifican las acciones requeridas para demostrar un
desempeo competente en un total de 122. Los criterios a su vez pueden ser
evaluados los tipos de evidencia que han de definirse (indicadores). Estos se
convierten en evidencias de su cumplimiento. La evaluacin requiere que
cualquier forma de evidencia sea revisada a fin de determinar el grado de
cumplimiento de los criterios de desempeo.

La misma estructura va a utilizar para medir las competencias


correspondientes a la dimensin personal, considerando 6 mdulos de
competencia que descompone en 25 elementos competenciales para los
que se definen 90 criterios de desempeo que se pueden evaluar por
evidencias recomendadas.

8
XIII CONGRESO DE CONFIABILIDAD

Fig.3: Unidades y elementos de competencia personales

La IPMA distingue tres dimensiones para las competencias necesarias para


la gestin de proyectos: tcnicas, de comportamiento y contextuales.

Considerando las dimensiones citadas anteriormente: requiere de 46


elementos para describir las competencias de un profesional que planifica y
controla un proyecto y que satisface las expectativas de los clientes y de las
partes interesadas.

20 elementos de competencia tcnica especficas sobre el tema


Objeto de la gestin de proyecto.
15 elementos de competencias de comportamiento que tratan el tema
de las relaciones personales entre individuos y en los grupos
implicados en proyectos, programas y portfolios.
11 elementos de competencia contextual que tratan sobre la
interaccin del equipo de proyecto en el contexto del mismo y con la
organizacin.

Cada elemento de competencia se compone de un ttulo, una descripcin de


contenido, una lista de posibles pasos de proceso y criterio de experiencia
requerido para cada nivel, complementados con las relaciones entre ellos.

9
XIII CONGRESO DE CONFIABILIDAD

IPMA define 4 niveles de competencia: A, B, C, y D. La descripcin de los


grados de competencias requeridos por el Nivel IPMA (Taxonoma) est
graduada en una escala de 0 a 10 tanto para el conocimiento como para la
experiencia evidenciada:

Fig.5: El Ojo de Competencias

El Ojo de Competencias representa la integracin de todos los componentes


de la gestin de proyectos tal y como son vistas a travs de los ojos del
gestor de proyectos cuando evala una situacin especfica. Es un smbolo
apropiado para el ICB, y se refiere al ser humano que es la parte ms
importante de cualquier evaluacin de competencias en gestin de proyectos

La IPMA Competence Baseline es la base para la certificacin utilizada por


los cuerpos certificadores de la Member Associations, que tienen
competencias para evaluar candidatos. Para cumplir con las necesidades
de aquellos interesados en la aplicacin prctica del IPMA Competence
Development, en su contenido describe el proceso de certificacin para cada
nivel junto con su taxonoma y una hoja para autoevaluacin.

10
XIII CONGRESO DE CONFIABILIDAD

3.1. Desarrollo del estudio

Las tres tienen en comn

o Enfocada hacia mandos intermedios y directivos.

o La unidad de evaluacin es el elemento competencial.

o Importancia destacada de las competencias en los resultados


de la gestin. Existencia aceptada del enlace causal entre
competencias y el xito de la gestin.

o Parten de tres Dimensiones: Humana (Cmo se comporta?),


Tcnica (Qu conoce?) y Organizativa (Cmo lo aplica?), y
conforman una estructura muy parecida a base de elementos
competenciales.

o Consideran la Gestin de Riesgos como un factor de xito.

o Necesidad de evidencias documentadas de cumplimiento para


criterio requerido.

Estructura utilizada

o IAM2008: 7 Roles con sus conocimientos genricos y


requisitos de comprensin asociados, 27 unidades
competenciales, 145 elementos competenciales, siendo ste el
nivel en el que la evaluacin se lleva a cabo.

o PMCD: El PDCM se organiza mediante subdivisin en 11


Mdulos competenciales que a su vez se subdividen en 55
elementos competenciales, que reflejan las actividades en las
que se espera que el PM sea competente. Cada elemento se le
puede dotar de unos cuatro cinco criterios de rendimiento,
que especifican las acciones requeridas para demostrar un
desempeo competente.

11
XIII CONGRESO DE CONFIABILIDAD

o ICB: Define 46 elementos de competencia. Cada elemento de


competencia se compone de un ttulo, una descripcin de
contenido, una lista de posibles pasos de proceso y criterios de
conocimiento y de experiencia requerido para cada nivel.

Tipos de competencias que generan

o IAM2008: fundamentalmente las competencias tcnicas y de


negocio. IAM 2008, no es explcito acerca de los atributos y
habilidades personales que se requieren, ni las actitudes ni
creencias.

o PMCD: La competencia del profesional abarca tres


dimensiones: de conocimiento, rendimiento y personales, que
se pueden evidenciar:

o Puede adems necesitar de competencias adicionales


condicionadas al tipo de proyecto que tenga que gestionar y su
contexto de aplicacin: regulacin, seguridad, etc. El modelo
de evaluacin bsico conocimiento, desempeo, personal, se
complementa por los requerimientos de rendimiento especfico
y organizacional.

o ICB: La IPMA considera las tres dimensiones clsicas para


definir las competencias necesarias para la gestin de
proyectos: tcnicas, de comportamiento y contextuales

Objetivo de cada modelo

o IAM2008: Optimizar la entrega y el rendimiento de los activos


fsicos y, en particular, cumplir con BSI PAS 55: 2008.

o PMCD: La mejora continua de habilidades, la meta es alcanzar


exceder las competencias Base definidas por el PMCD. En
particular las que se refieren a los parmetros: calidad, tiempo
y costos, sin descartar el riesgo.

12
XIII CONGRESO DE CONFIABILIDAD

o ICB: Describir las competencias de un gestor de proyectos,


profesional que planifica y controla un proyecto, para satisfacer
las expectativas de los clientes y de las partes interesadas. Es
la base aceptada para la certificacin de personas.

Poblacin objetivo

o IAM2008: gestor de activos

o PMCD: gestor de proyectos

o ICB: gestor de proyectos

En general a nivel de mandos intermedios y directivos

Enfoque de la competencia

o IAM2008: Se trata de optimizar la entrega y el rendimiento de


los activos fsicos por medio de un enfoque integral, y asegurar
que se utilizan para obtener los objetivos de negocio de una
manera ptima y sostenible.

o PMCD: Un manager de proyectos competente es aquel que


aplica su conocimiento de gestin de proyectos y su conducta
personal para aumentar la probabilidad de satisfacer los
requerimientos de las partes interesadas con las entregas de
su proyecto

o ICB: Una competencia es un conjunto de conocimiento,


actitudes, habilidades y relevante experiencia necesitadas para
llevar a cabo con xito una determinada funcin.

Variables involucradas en el concepto de competencia

o IAM2008: tcnicas y de negocio

o PMCD: de desempeo y personales

o ICB: generales, especficas y contextuales

13
XIII CONGRESO DE CONFIABILIDAD

Orientacin al logro (nombre nico para todo nivel)

o IAM2008: gestor de activos

o PMCD: gestor de proyectos

o ICB: certificacin de competencia personal

Niveles de Competencia

o IAM2008: Considera cinco niveles:

 Lder de Negocios

 Jefe de Gestin de Activos

 Planificador de Gestin de Activos

 Lder de equipo de Gestin de Activos

 Nuevo participante de Gestin de Activos (Graduado


con 2 aos de experiencia)

o PMCD: Tres niveles de rigor: alto, medio y bajo

o ICB: 4 niveles: A, B, C y D

Conductas Clave (Criterios de Desempeo / Comportamiento


Observable)

o IAM2008: Evaluacin se lleva a cabo a nivel de elemento


competencial. Algn miembro con conocimientos experiencia
en el BSI PAS 55:2008. Desarrollar la siguiente tarea: aadir
al marco los criterios de desempeo y tipos de evidencia
asociadas.

o PMCD: Rigor de cada elemento competencial se describe


como un resultado a conseguir. El nivel de rigurosidad, la
intensidad, amplitud y profundidad de la evaluacin de la
competencia del gestor de proyectos depender de la
audiencia y resultados del proyecto.

14
XIII CONGRESO DE CONFIABILIDAD

o ICB: describe el proceso de certificacin para cada nivel junto


con su taxonoma y hoja de autoevaluacin. Para cada
elemento de competencia se evala el conocimiento y la
experiencia, usando una escala de valores 0 (sin competencia)
a 10 (mximo absoluto) dividida en cinco tramos.

Visin de la persona

Citado anteriormente, la importancia concedida como tal a la persona es


como fenmeno causal del xito, el enfoque seguido por cada estndar
difiere en el camino y objetivo de la adquisicin de las competencias.

o IAM2008: El marco se convierte en una herramienta que las


organizaciones pueden utilizar para cuales son las
competencias y su adecuado nivel requieren sus equipos,
especificando sus propios criterios y tipos de evidencia que
tendr que recoger y diseando sus propias actividades de
formacin continua del profesional (CPD).

o PMCD: proceso iterativo para desarrollar la competencia en


funcin del nivel a conseguir. Cada iteracin debera ser
tratada como un proyecto en s mismo. Basado en el concepto
de rigor anteriormente expuesto, costa de tres etapas:

 Anlisis de Rigor

 Plan de Desarrollo de Competencias

 Implementacin del Plan

o ICB: Para cada funcin y responsabilidad de la persona, la


pregunta clave es: Cmo es de competente y para qu tarea
es competente?

Dado su objetivo sigue un proceso para la certificacin para el nivel


requerido. Distingue, entonces entre certificacin y educacin y formacin.
Como herramienta, concreta los pasos a seguir y su evaluacin, as como
tambin proporciona una hoja de autoevaluacin informativa para el
aspirante.

15
XIII CONGRESO DE CONFIABILIDAD

4. CONCLUSIONES

Aunque est presente en el contenido de los tres estndares las tres


dimensiones descritas, el objetivo buscado y su mbito de aplicacin
marcar la eleccin de uno de ellos en particular, dado que la definicin de
los elementos competenciales, y por tanto sus criterios de cumplimiento,
ser diferente. En todo caso, la adecuacin al contexto en que se van a
aplicar marcar el acierto en su eleccin.

El mayor grado de libertad en la definicin y seleccin de los elementos


competenciales lo proporciona el estndar IAM 2008 ya que es el propio
grupo de trabajo el que ha de definir los criterios, y su evidencias
demostrativas, para obtener las competencias necesitadas en un
determinado perfil. Mientras que la certificacin obtenida mediante el ICB
hace que su implementacin de su perfil asociado se realice mediante
mtodos ms rgidos.

Para un buen uso de estos perfiles se debera tener en cuenta:

La amplitud y profundidad de las competencias y sus criterios de


desempeo cambian con los requisitos y circunstancias del rol.
Tanto especialistas como no especialistas pueden convertirse en
gestores competentes de activos siempre y cuando adquieran las
competencias adecuadas y su conocimiento
Las competencias requeridas para cada uno de los roles no son
secuenciales y pueden estar relacionadas.

Para particularizar los perfiles se debera revisar sus contenidos en el


contexto de la estrategia /y objetivos que se persiguen, por ejemplo
partiendo de perfiles amplios y aadir posteriormente la comprensin
especfica y los conocimientos necesarios.

16
XIII CONGRESO DE CONFIABILIDAD

En base a todo lo descrito, se pueden abrir distintas lneas de investigacin


que abarcan desde la obtencin de un diagnstico de estado de
competencias en un determinado mbito, sector estndar elegido, hasta la
implementacin prctica de la relacin causal del xito anteriormente
descrita.

17
XIII CONGRESO DE CONFIABILIDAD

5. REFERENCIAS NORMATIVAS

BSI PAS 55 parte1, 2008 PAS 55:2008: Gestin de Activos Parte 1,


British Standard Institute, , ISBN: 978-0-9563934-0-1

BSI PAS 55 parte2 , 2008 PAS 55:2008: Gestin de Activos Parte 2,


British Standard Institute, ISBN: 978-0-9563934-2-5

BSI PAS 99, 2006 PAS 99:2006: Specification on common


management systems requeriments as a framework for integration.

IAM, 2008 Guidance on Using the 2008 Asset Management


Competence Requirements Framework, Institute of Asset
Management, London .

Asset Management Competency Requirements Framework, Institute


of Asset Management, London 2006.

National Occupational Standards for Management and Leadership,


Management Standards Council, London, 2002-04.

Engineering Competence Reference Standards, Engineering


Construction Industry Training Board.

UK Standard for Professional Engineering Competence, Engineering


Council, London, 2005.

PMCD, 2007 Project Management Competency Development


framework, second edition, Project Management Institute, June 2007,
Inc. ISBN: 978-1-933890-34-0

PMP, 2005 Project Management Professional Examination Spec.,


Project Management Institute, 2005

PMBOK, 2004 A guide to the project management body of knowledge


(PMBOK guide), third edition, Project Management Institute, 2004,
ISBN: 978-1-933890-51-7.

18
XIII CONGRESO DE CONFIABILIDAD

Roecker, J.T.,2005 PMIs Career Framework: The case for a project


manager path, Project Management Institute, 2005.

ICB, 2006] ICB-IPMA Competence Baseline, version 3.0, International


Project Management Asociation, 2006, ISBN: 0-9553213-0-1

ISO/IEC 17024:2003 ISO/IEC Standard 17024:2003, General


requirements for bodies operating certification of person. 2003.

ISO 9001, 2000 ISO Standard 9001:2000 Quality Management


Systems, 2000.

19
PONENCIA 13

VISIN GENERAL DEL MANTENIMIENTO

Luis Antonio Fabre


XIII CONGRESO DE CONFIABILIDAD

VISION GERENCIAL
DEL MANTENIMIENTO

Luis Antonio Fabre Rodrguez


Octubre 2011
XIII CONGRESO DE CONFIABILIDAD

Situacin de Partida, ao 2001


Mantenimiento preventivo basado en
grandes reparaciones: Sustitucin cclica
anual.
Operacin de mantenimiento bajo
modelo talleres.
Soporte documental fuera de sistema
corporativo.
Falta de estrategia de repuestos en
almacn.
XIII CONGRESO DE CONFIABILIDAD

Riesgos Existentes
Elevada prdida de rendimiento.
No indicadores de disponibilidad.
Elevado coste de mantenimiento.
Insuficiente informacin para la toma de
decisiones.
Alto valor del inmovilizado en repuestos sin
rotacin.
Alta dependencia de oficiales de
mantenimiento.
Informacin dependiente de las personas.
XIII CONGRESO DE CONFIABILIDAD

Retos lanzados desde la Gerencia


Aumento de los rendimientos.
Control y conocimiento del gasto de
mantenimiento.
Disminucin del valor del almacn de repuestos.
Generacin de indicadores de disponibilidad.
Disminuir el consumo de horas de mantenimiento
en tareas menores.
La informacin debe estar en los sistemas
corporativos de la compaa.
XIII CONGRESO DE CONFIABILIDAD

Herramientas empleadas
TPM
Mdulo de mantenimiento en ERP

Miedo de Mantenimiento a
devaluacin de la profesin.

Temor de Mantenimiento a
verse incluido en la produccin.

Miedo a falta de capacitacin


en oficiales de produccin.
XIII CONGRESO DE CONFIABILIDAD

La llave: RCM
Equipo mixto Produccin/Mantenimiento:
Responsable de lnea Produccin
Responsable de lnea Mantenimiento
Oficial Produccin
Oficial de Mantenimiento
XIII CONGRESO DE CONFIABILIDAD

Aprovechar el conocimiento
Produccin:
Define expectativas de funcionamiento
Expone modos de fallo
Mantenimiento:
Causas de modo de fallo.
Accin de mantenimiento
Produccin y Mantenimiento
Seguimiento de resultados y retorno de la experiencia
XIII CONGRESO DE CONFIABILIDAD

Rompiendo barreras
Alta motivacin:
Reconocimiento personal: Todo el mundo
aporta lo que sabe.
TPM:
El equipo defina quin haca la accin:
Produccin, Mantenimiento, Subcontrata
XIII CONGRESO DE CONFIABILIDAD

Asegurando la informacin
El proceso se incluy en el ERP:
Despiece de mquinas.
Diagramas de decisin.
Modos de fallo y sus causas.
Acciones de mantenimiento.
RCS.
Indicadores de prdida disponibilidad, MTTR y
MTBF.
Retorno de la experiencia.
XIII CONGRESO DE CONFIABILIDAD

RESUMEN 2010
Horas Prdida MTBF MTTR
Descripcin Seccin REND.
Produccin Disponib. (horas) (horas)

LNEA 1 DE ENVASADO 4.156,60 10,52% 56% 3,7 0,39


LNEA 10 DE ENVASADO 4.389,20 8,48% 59% 4,2 0,36
LNEA 2 DE ENVASADO 5.511,20 7,33% 68% 7,14 0,52
LNEA 3 DE ENVASADO 4.572,95 10,37% 58% 5,46 0,57
LNEA 4 DE ENVASADO 3.743,10 7,60% 68% 10,23 0,78
LNEA 5 DE ENVASADO 3.968,60 8,83% 64% 8,17 0,72
LNEA 11 DE ENVASADO 4.755,80 5,02% 73% 8,42 0,42
LNEA 6 DE ENVASADO 3.343,20 2,84% 79% 16,55 0,47
LNEA 7 DE ENVASADO 2.418,60 2,33% 94% 20,67 0,48
LNEA 8 DE ENVASADO 3.331,90 5,99% 61% 9,63 0,58
LNEA 9 DE ENVASADO 4.254,10 8,18% 70% 7,31 0,6
XIII CONGRESO DE CONFIABILIDAD
COMPARATIVA 2011 /2010
Prdida Disponib Prdida Disponib
Descripcin Seccin
2010 2011

LNEA 1 DE ENVASADO 10,52% 9,73%


LNEA 10 DE ENVASADO 8,48% 6,26%
LNEA 2 DE ENVASADO 7,33% 6,84%
LNEA 3 DE ENVASADO 10,37% 11,17%
LNEA 4 DE ENVASADO 7,60% 6,88%
LNEA 5 DE ENVASADO 8,83% 7,61%
LNEA 11 DE ENVASADO 5,02% 5,26%
LNEA 6 DE ENVASADO 2,84% 2,22%
LNEA 7 DE ENVASADO 2,33% 2,01%
LNEA 8 DE ENVASADO 5,99% 5,80%
LNEA 9 DE ENVASADO 8,18% 6,32%
XIII CONGRESO DE CONFIABILIDAD
Prdida Disponibilidad Tren 02
XIII CONGRESO DE CONFIABILIDAD

Beneficios
Informacin de la compaa: ERP.
Modelo mantenimiento consensuado.
Indicadores fiables y compartidos P+M.
Estricto conocimiento del gasto.
Retorno de la experiencia
XIII CONGRESO DE CONFIABILIDAD

Planes de Futuro

Control de gasto.
Aumento de la disponibilidad.
Exportacin del modelo al grupo MSM-Alhambra
PONENCIA 14

MANTENIMIENTO PREDICTIVO POR VIBRACIONES


EN TURBINAS DE VAPOR, EVOLUCIN
TECNOLGICA Y APLICACIN PRCTICA

Gustavo A. Gmez Doncel, responsable vibraciones NELIB Espaa,

IBERDROLA OPERACIN Y MANTENIMIENTO (IOMSA)


XIII CONGRESO DE CONFIABILIDAD

MTO PREDICTIVO POR VIBRACIONES EN TURBINAS DE VAPOR,


EVOLUCIN TECNOLGICA Y APLICACIN PRCTICA

Gustavo A. Gmez Doncel, Responsable vibraciones NELIB Espaa,


IBERDROLA OPERACIN Y MANTENIMIENTO (IOMSA)

RESUMEN

Introduccin al mantenimiento predictivo por vibraciones en turbinas de


vapor, seleccin del tipo de medidas comentando funciones y aplicacin
prctica, evolucin de la instrumentacin de vibraciones desde los primeros
sensores hasta los novedosos sistemas Wireless y los transductores de
proximidad digitales.

Anlisis de un caso real en un mono eje (Turbina de Gas, Turbina de Vapor


y Generador) de 400MW de una central de ciclo combinado de IBERDROLA,
valorando la severidad de las vibraciones respecto de las normas ISO de
referencia 10816-2 y 7919-2, para posteriormente centrarnos en el anlisis
de los datos exponiendo el resultado del diagnstico y la solucin aplicada.

1. ANTECEDENTES

La mquina presentaba altas vibraciones por desequilibrio en el cojinete 1,


lado compresor TG, por lo que se realiza un equilibrado bajando las
vibraciones, pero progresivamente se aprecia un incremento de amplitud en
radial y axial aunque siempre por debajo del nivel de alarma. El problema es
que, pasados unos meses, el edificio de turbina comienza a vibrar, en
principio slo a ciertas condiciones de carga pero cada vez con mayor
fuerza, tanto que se nota en el edificio anexo de control y se tiene que
prohibir el paso a ciertas zonas del edificio de turbina.

1
XIII CONGRESO DE CONFIABILIDAD

El fabricante indica que el problema es estructural (resonancia) ya que no se


alcanzan niveles de alarma, pero un anlisis en profundidad con medidas
adicionales de vibraciones demuestran que el cojinete de empuje se
descarga y entra en inestabilidad (Oil Whirl), al final el fabricante reconoce el
problema y se sustituye el cojinete de empuje, volviendo los niveles de
vibraciones a amplitudes normales y desapareciendo la vibracin estructural
del edificio.

2
PONENCIA 15

MANTENIMIENTO PREVENTIVO Y FIABILIDAD.


ASPECTOS CLAVE PARA EL XITO EN SU
IMPLANTACIN.

Jos Pedro Rayo Peinado


Director rea de Fiabilidad
Preditec/IRM
XIII CONGRESO DE CONFIABILIDAD

MANTENIMIENTO PREVENTIVO Y FIABILIDAD. ASPECTOS CLAVE PARA


EL XITO EN SU IMPLANTACIN.

Jos Pedro Rayo Peinado.

Director rea de Fiabilidad.

Preditec/IRM

RESUMEN

Es de todos conocido que para lograr los objetivos de mejora propuestos en


cualquier actividad que emprendamos, es necesario cambiar.

Hay muchas empresas que estn iniciando o implementaron en su da un


proceso de optimizacin de mantenimiento segn el actual enfoque de gestin
de activos y con la mejora y/o sostenimiento de la fiabilidad como objetivo a
alcanzar para conseguir los muchos beneficios que se derivan de la aplicacin
de las mejores prcticas en el mbito del mantenimiento y la fiabilidad.

Algunas empresas lo han logrado mientras que otras no encuentran el camino


adecuado para una correcta implantacin o bien abandonan despus de un
perodo de explotacin de aquello que en su da plantearon pero no supieron
sostener en el tiempo.

Es necesario seguir las recomendaciones de la reciente norma ISO55000 -


PAS55 que establece cuales deben ser las mejores prcticas a seguir para el
logro del xito en el proceso de gestin de activos industriales.

Analizaremos en esta ponencia cuales son algunos de los aspectos clave que
pasando por los necesarios cambios de actitud, mentalidad y cultura, nos
permitirn lograr el xito en la implantacin y posterior sostenimiento del
proceso de Mantenimiento y Fiabilidad dentro del ms amplio concepto de
Gestin de Activos.

1
XIII CONGRESO DE CONFIABILIDAD

EL NECESARIO PROCESO DE CAMBIO

Es todava frecuente en el entorno del mantenimiento y quiz con ms


frecuencia en reuniones de responsables de mantenimiento para anlisis de
resultados y benchmarking entre plantas similares pertenecientes a una misma
compaa, escuchar afirmaciones tales como: El mantenimiento depende de la
edad del activo o las plantas antiguas requieren ms mantenimiento, luego los
costos de mantenimiento son ms altos que los de una planta nueva
equivalente o bien No se puede comparar una planta nueva con una planta
vieja o aquella otra de En plantas nuevas siempre hay menos trabajo de
mantenimiento (y por tanto un menor costo) ya que los equipos nuevos
requieren slo un mnimo mantenimiento

Las afirmaciones anteriores son, en esencia, falsas y slo se podran entender


en algn caso como una excusa para defenderse frente a un trabajo mal
hecho, unos recursos mal utilizados, o un presupuesto mal administrado.

El todava reciente desastre de Fukushima ha generado preguntas y


respuestas acerca de si en otras centrales pudiera darse el mismo accidente.
Segn Ed Lyman (experto cientfico nuclear) el accidente no es una cuestin de
que las plantas nuevas sean ms seguras que las viejas. Los reactores siguen
la curva de la baera en que el riesgo es mayor en los primeros aos de
operacin y de nuevo en los ltimos aos.

De hecho, el accidente que en 1978 se produjo en la Central Nuclear de Three


Mile Island en Estados Unidos, ocurri en un reactor que haba iniciado su
operacin slo tres meses antes.

O el que todos recordamos de Chernobyl y que ocurri despus de slo dos


aos de operacin del reactor. O la seria fuga de refrigerante que se produjo en
1998 en el reactor Civaux-1 en Francia menos de cinco meses despus de su
puesta en marcha.

2
XIII CONGRESO DE CONFIABILIDAD

Si es cierto, en cambio, que las exigencias de un mayor o menor


mantenimiento de nuestros activos, la cantidad de trabajo requerido y el mayor
o menor costo soportado depender de que se estn haciendo o no
correctamente las cosas correctas para asegurar que el activo va a continuar
haciendo lo que debe hacer, como lo debe hacer, y durante el tiempo que lo
debe hacer, es decir asegurar que va a responder de acuerdo al nivel de
fiabilidad con el que se ha diseado.

Nuestra misin dentro de los departamentos de mantenimiento ser entonces


trabajar con una mentalidad proactiva para el sostenimiento de la fiabilidad.

Lo cierto es que en muchos casos aun pensamos segn los paradigmas


establecidos en el primer prrafo de este apartado y por tanto debemos
cambiar hacia la nueva cultura y forma de pensar. Alguien con sobrada razn
dijo: Si hacemos las cosas como siempre las hemos hecho, obtendremos los
mismos resultados que siempre hemos obtenido. De esta inteligente frase se
desprende que si queremos mejorar, es necesario cambiar.

Pero atencin, cuando hablamos de cambiar debemos hablar de cambiar


todos: desde el primero, que lgicamente ser quien propone el cambio, hasta
el ltimo. Cambiar la actitud frente a las cosas y las personas, cambiar las
estrategias y los procedimientos de trabajo, cambiar la cultura, cambiar la
mentalidad.

Centrndonos en el mbito del mantenimiento deberemos cambiar desde la


antigua mentalidad reactiva de actuar slo ante la evidencia de un fallo;
desde aquellos departamentos de mantenimiento en los que las tareas eran
100% solicitadas y en los que no exista ms planificacin que la que pueda
existir en un parque de bomberos; desde aquella forma de actuar siempre en
emergencia...

3
XIII CONGRESO DE CONFIABILIDAD

An lisis de D ist r ib ucin I n spe ccione s I n ge n ie r a de


I nv e n t a r io d e Crit icid a d d e de P re ve nt iv o
m odos de f a llo ta reas m e j or a de
e qu ipos e qu ip os y Pr e dict iv o
FM EA - FM ECA P M - Pd M - RTF e qu ip os

Re su lt a d os de
P M / Pd M

M e j or a d e l pla n
Pla n ifica cin
de t r a ba j o

Tr a ba j o
Solicit a do Pr ogr a m a cin
20% del Total

Coor dina cin


dia ria

Tr a ba j o
Fa llos / Rot u r a s
e j e cut a do

Hacia otra mentalidad fundamentalmente proactiva que responda a un


modelo en el que el mantenimiento Planificado suponga ms de un 80% del
trabajo total y slo un mximo de un 20% represente la suma del trabajo
solicitado ms los posibles fallos imprevistos que deban solventarse en
emergencia.

Una mentalidad proactiva que nos lleve a hacer un estudio detallado de nuestra
base de activos, su criticidad, sus modos de fallo, que en definitiva nos permita
establecer una distribucin de tareas optimizada entre RTF, PM y PdM segn
las exigencias de mantenimiento que cada activo demande.

Implementaremos as un adecuado plan de mantenimiento preventivo y


predictivo que nos permitir garantizar el sostenimiento de la fiabilidad del
activo.

Este proceso exigir tambin un cambio de cultura desde una organizacin


enfocada a la reparacin y que piense slo en trminos de mantenimiento,
hacia otra organizacin enfocada a la fiabilidad, teniendo en cuenta que as
como el mantenimiento es una tarea funcional encargada a un determinado
grupo de personas, la fiabilidad es una funcin estratgica que afecta a
todas las reas de la compaa lo cual implica que el cambio de cultura se ha
de dar en todos los niveles de la organizacin.

4
XIII CONGRESO DE CONFIABILIDAD

La metodologa idnea para implementar estos necesarios y sencillos cambios


que conduzcan a un modelo optimizado de mantenimiento, es la introducida
por el RCM (Reliability Centred Maintenance).

EL PROCESO DE CAMBIO EXIGE EL COMPROMISO DE LA DIRECCIN

Uno de los factores clave para el logro del xito en la implantacin y posterior
seguimiento de un programa optimizado de mantenimiento enfocado a la
fiabilidad es, desde luego, que la direccin de la compaa est comprometida
en el proceso.

Hemos dicho anteriormente que para implementar un sistema basado en


fiabilidad es necesario cambiar y no cabe duda que un cambio a todos los
niveles de la organizacin (pues ya hemos dicho que la fiabilidad afecta a todas
las reas de la compaa) slo puede ser promovido y gestionado desde la
direccin.

Para ello la alta direccin deber estar convencida de que hoy no se puede
ver el mantenimiento como un centro de costos sino como un centro de
beneficio dado que el enfoque moderno orienta todo el proceso a hacer menos
mantenimiento y sostener la fiabilidad consiguiendo de esta forma un objetivo
bsico que es incrementar el aprovechamiento de la capacidad de diseo de
planta o, dicho en otras palabras, el tiempo productivo neto que lograremos al
aumentar la disponibilidad del activo y adems, reduciendo considerablemente
el costo de mantenimiento.

El objetivo fundamental del cambio o mejora de cualquier proceso es


obtener un mayor beneficio en la cuenta de resultados de la compaa y
no cabe duda que el control de esos resultados es una de las
responsabilidades de la direccin por lo que es imperativo que el
mantenimiento y su nueva metodologa se implementen con su compromiso
total y se incorporen a la estrategia de la compaa y dentro del ms amplio
concepto de gestin integral de activos.

5
XIII CONGRESO DE CONFIABILIDAD

De hecho, la norma ISO55000 PAS55 de gestin de activos en una de sus


clusulas establece: El xito en la implantacin de la gestin de activos
requiere el compromiso de la alta direccin

En nuestra experiencia, la adopcin de los diferentes procesos de


mantenimiento y/o fiabilidad, slo ha tenido xito cuando su implantacin
procede de la apuesta firme de la direccin y en una gran medida cuando ha
habido una colaboracin externa durante el proceso.

LA FORMACIN

Cuesta aceptar que los resultados de la encuesta que el ao 2010 llev a cabo
nuestra empresa muestran que un 59% de encuestados reconocen que el
personal de mantenimiento de su planta no est adecuadamente formado!
Si bien tan grave como eso es ver que un 64% reconocen que en su
empresa no existe un plan de formacin para los tcnicos de
mantenimiento!
ESTA EL PERSONAL DE MANTENIMIENTO ADECUADAMENTE FORMADO? EXISTE UN PLAN DE FORMACIN PARA LOS TCNICOS DE PdM?

SI NO SI NO

70%
60%

59%
30% 35% 64%
41%
36%

0% 0%

En nuestra actividad diaria vemos como hay muchas empresas que en pocas
de dificultad econmica como la que actualmente estamos sufriendo, ponen en
marcha el a veces necesario recorte de gastos y en dicho recorte, con relativa
frecuencia, uno de los primeros gastos que se eliminan es el de formacin.

Es un grave error que desde luego se aparta de las buenas prcticas, recortar
ese mal denominado gasto en pocas de crisis. La formacin no es un gasto
sino una inversin.

6
XIII CONGRESO DE CONFIABILIDAD

Hay ejemplos de empresas que en pocas de dificultad, cuando la actividad


baja por decrecer la demanda, han aprovechado el tiempo extra disponible
invirtiendo en formar a sus tcnicos en las distintas disciplinas que afectan a
sus procesos. De esta forma, cuando se normaliza la actividad, la compaa
estar en una posicin ventajosa frente a su competencia y recuperar con
creces aquella inversin.

La formacin es bsica en todas las actividades que desarrollamos y el


mantenimiento y la fiabilidad no deben ser una excepcin.

En una actividad tan compleja y multidisciplinar como es el mantenimiento o la


fiabilidad, no se debe limitar la formacin al conocimiento de, por ejemplo, las
tcnicas de mantenimiento predictivo: vibracin, termografa, etc. y sus
herramientas asociadas (algo por otra parte necesario) sino a lo que es
realmente el predictivo, sus objetivos, cmo implementarlo, cmo gestionarlo,
como medir los avances. Formacin tambin en Mantenimiento Proactivo,
mantenimiento de precisin, fiabilidad, monitorizado de condicin, gestin de
riesgo, gestin energtica,.

Hoy, tambin desde la normativa se recomienda la formacin. As la norma


ISO55000 PAS55 establece para la gestin de activos: La organizacin
asegurar que cualquier persona que bajo su control directo lleve a cabo
actividades relacionadas con gestin de activos tenga un adecuado nivel de
competencia en trminos de educacin, entrenamiento o experiencia

La formacin debe ser impartida a todos los niveles aunque, evidentemente,


cada tema se impartir con la profundidad adecuada a cada nivel es decir:

Est claro que el tcnico que se vaya a ocupar de medir vibracin, deber tener
el grado de formacin y entrenamiento necesarios para cumplir su cometido
con total eficiencia mientras que el director de produccin por ejemplo, no
tendr por qu conocer cual es el nivel de severidad de vibracin aceptable por
una determinada mquina, ni la frecuencia de vibracin a que se manifiesta
una holgura mecnica.

7
XIII CONGRESO DE CONFIABILIDAD

Pero lo que s deber conocer el responsable de produccin, y formarse en ello


al nivel adecuado, es por qu y para qu se mide vibracin dentro de un
programa de mantenimiento predictivo, qu objetivos se persiguen con ello y
cual puede ser su aportacin para, junto con el departamento de
mantenimiento, trabajar por el sostenimiento de la fiabilidad de los activos.

De la misma forma, el mecnico que est reparando los equipos o llevando a


cabo montajes en planta debe conocer las tareas de mantenimiento y estar
entrenado en la ejecucin de estas con la necesaria precisin pero tambin
deber conocer y estar formado en los objetivos que su empresa persigue con
los nuevos procesos implementados y en la importancia que su trabajo diario
tiene en el logro de dichos objetivos.

ACEPTAR, ENTENDER E IMPLEMENTAR UN CORRECTO PDM COMO


TCTICA PREFERIDA DE MANTENIMIENTO.

Si, como discutamos al principio, abandonamos viejos paradigmas como aquel


de que cuanto ms viejo es un equipo ms probable es que falle y aceptamos
que segn el informe RCM emitido por Stanley Nowlan y Howard Heap en
1978, existen al menos seis modelos diferentes de evolucin hacia el fallo,
veremos que los fallos relacionados con la edad slo representan un 11% del
total y que sin embargo, un 89% de los fallos aparecern de una forma
totalmente aleatoria en el tiempo.

Entre los modelos de evolucin al fallo relacionados con la edad se encuentra


el conocido grfico de la baera (Modelo A) que durante muchos aos ha sido
aceptado como el ms comn y al que sin embargo, slo obedecen un 4% de
casos entre los que se encontrara por ejemplo, y segn lo dicho ms arriba, el
reactor de una central nuclear.

8
XIII CONGRESO DE CONFIABILIDAD

La curva P-F define el modelo de evolucin que seguir un determinado modo


de fallo:

En un instante cualquiera de la vida del activo aparecer un signo de fallo que


llamamos punto P o de presencia de fallo potencial. Si no hacemos nada por
evitarlo, el porcentaje de resistencia al fallo ir disminuyendo a partir de este
punto hasta llegar a hacerse cero, momento en que se producir el fallo total
que representamos por el punto F de la curva.

A travs de la tctica de mantenimiento predictivo intentamos detectar la


presencia del punto P lo antes posible para de esta forma poder planificar y
programar una intervencin de mantenimiento que impida alcanzar el punto F y
por lo tanto el fallo total del equipo de que se trate.

Aceptemos entonces que el Mantenimiento Basado en Condicin o


Mantenimiento Predictivo (PdM) es la mejor tctica a seguir all donde sea
aplicable y admitamos que, siguiendo las mejores prcticas, deber sustituir las
tareas de mantenimiento preventivo a intervalos fijos (PM) siempre invasivas y
muchas veces innecesarias.

La herramienta bsica del PdM es el Monitorizado de Condicin esto es, el


registro y seguimiento en el tiempo de una variable que permita seguir el
estado de salud del activo y detectar lo antes posible la presencia del punto P.

John Moubray - RCM-II

10
XIII CONGRESO DE CONFIABILIDAD

John Moubray en su libro RCM II dibuja la curva P-F y sobre ella las diferentes
tcnicas que dentro del dominio del predictivo se deben utilizar para la
deteccin de cualquiera de los varios modos de fallo que pueden hacer que un
equipo pierda su funcin.

Esto quiere decir que es clave en el xito de la implantacin de cualquier


programa de fiabilidad y mantenimiento predictivo, utilizar todas las tcnicas
necesarias para la deteccin de cualquier modo de fallo que se pueda
presentar en el activo.

Las tcnicas ms utilizadas hoy y que deben estar presentes en todo programa
bien implementado son la medida y anlisis de vibracin, anlisis de aceites de
lubricacin, termografa, anlisis del circuito de motores, captacin de
ultrasonidos y la muchas veces olvidada inspeccin sensorial.

IMPLEMENTAR MANTENIMIENTO PROACTIVO Y DE MANTENIMIENTO DE


PRECISIN

Decamos al principio de este escrito al hablar del necesario proceso de cambio


que debemos cambiar de una mentalidad reactiva a otra 100% proactiva. No
esperar a reaccionar ante la presencia muchas veces catastrfica de fallo sino
pensar, planificar, actuar para evitar que el fallo se produzca. Eso es ser
proactivo.

No esperar al fallo cardiaco para acudir (si hay tiempo) al servicio de


emergencia del hospital. Eso sera ser reactivo.

Llevar una vida sana y hacer mucho ejercicio para tratar de prolongar en el
tiempo la aparicin de posibles problemas cardiovasculares. Eso es ser
proactivo.

11
XIII CONGRESO DE CONFIABILIDAD

Frente a una situacin de catstrofe, los humanos solemos reaccionar de una


forma positiva y colaborar en la medida de nuestras posibilidades para resolver
cuanto antes el problema. Cuando ste finalmente se resuelve, estamos
satisfechos de nuestra aportacin. Nos felicitan por nuestra entrega. Nos gusta
ser reactivos.

Muchos de los accidentes que podran producirse; muchas de las catstrofes


que podran darse, no llegan a ocurrir gracias a que muchas personas
annimas trabajan o han trabajado para encontrar procedimientos o sistemas
que eviten casi al 100% la posibilidad de ocurrencia de dichas catstrofes. Son
personas que trabajan y actan de una forma proactiva aunque su labor, a
diferencia de la del que colabora en la solucin de la situacin de catstrofe del
prrafo anterior, pase desapercibida para la inmensa mayora. Quiz por eso
nos guste menos ser proactivos.

Pero la optimizacin del mantenimiento requiere cambiar. Aunque no nos


guste, o nos guste menos. Requiere que seamos proactivos.

Ser proactivo en mantenimiento conduce a un mejor aprovechamiento del


tiempo que se dedicar a planificar y programar tareas, en lugar de dedicarlo a
apagar incendios.

Ser proactivo en mantenimiento implica dedicarse a describir procedimientos y


protocolos de cmo llevar a cabo los trabajos. Significa dedicarse a mejorar la
comunicacin entre departamentos. Mejorar y gestionar ms eficazmente los
flujos de trabajo.

Ser proactivo significa tener procedimientos claros de desmontaje y montaje de


equipos, proceso de reparacin, equilibrado, alineacin,

Todo el trabajo de diseo, implantacin y posterior seguimiento de nuestro plan


de sostenimiento de la fiabilidad desde el mbito de mantenimiento, se puede
venir abajo si los trabajos de reparacin que se deben ejecutar cuando son
necesarios, no se llevan a cabo con la adecuada precisin.

12
XIII CONGRESO DE CONFIABILIDAD

As otro de los aspectos clave en el logro del xito en la implantacin de PdM y


Fiabilidad es el establecimiento de un sistema de mantenimiento de precisin.
Esto es, un procedimiento que garantice que todas las tareas de mantenimiento
se hacen lo suficientemente bien segn lo que dictan las mejores prcticas.

As, tambin la norma PAS 55 establece que las estrategias de


mantenimiento sern proactivas y basadas en riesgo, teniendo muy en cuenta
la criticidad y condicin del activo.

AUDITAR EL PROCESO

Antes de iniciar un viaje todos sabemos, o debemos saber, de donde partimos,


a dnde queremos llegar, cmo vamos a efectuar el viaje (coche, tren, avin,..)
y qu ruta vamos a seguir. Una vez iniciado dicho viaje deberemos, cada cierto
tiempo, verificar que estamos siguiendo la trayectoria correcta, que no nos
estamos desviando del objetivo, que estamos dentro del tiempo previsto.

De la misma manera en el entorno de nuestras empresas, antes de poner en


marcha cualquier proyecto de implantacin de una nueva estrategia o bien de
optimizacin de alguna ya existente debemos evidentemente saber donde
estamos, cual es el objetivo al que queremos llegar, con qu recursos
contamos y cuales necesitamos implementar y, a lo largo del camino, medir y
analizar si estamos centrados en nuestro objetivo o nos estamos desviando del
camino en cuyo caso deberemos corregir la trayectoria.

Debemos por tanto medir para seguir mejorando, medir para valorar nuestro
esfuerzo, para cuantificar nuestros xitos, para detectar nuestros errores y
corregirlos cuanto antes

Como dijo el recientemente fallecido y considerado como uno de los padres


de la calidad Joseph Moses Juran Lo que no se mide, no se puede
gestionar.

13
XIII CONGRESO DE CONFIABILIDAD

Debemos medir nuestra actividad pues hay que tener en cuenta que cualquier
iniciativa que llevemos a cabo en mantenimiento y/o fiabilidad debe hacernos
ganar dinero luego deberemos ser capaces de ver toda la escena y
monitorizar la eficacia del programa en trminos financieros.

Uno de los procesos ms eficaces para valorar nuestro trabajo y detectar para
corregir las posibles desviaciones es el proceso de auditora o diagnstico que
debemos llevar a cabo peridicamente.

La norma PAS 55 tambin establece que las organizaciones asegurarn que se


lleven a cabo auditoras peridicas del plan de gestin de activos.

La auditora puede ser interna si bien es ms fcil que alguien ajeno a la


organizacin detecte y diagnostique los errores y debilidades que muestre el
proceso con una visin 100% objetiva y acorde a los estndares.

Las mediciones que hagamos mostrarn nuestras debilidades y estas sern


nuestras oportunidades de mejora. (Ron Moore)

Es evidente que para seguir el proceso de mejora continua debemos detectar


nuestras debilidades y esto lo lograremos a travs de un adecuado proceso de
diagnstico o auditora del proceso de mantenimiento.

Una auditora sencilla nos debera llevar a analizar en primer lugar la correcta
distribucin de tareas RTF, PM, PdM y PAM. En el caso de que exista un
programa de PdM instalado y en operacin debemos auditar si este lo tenemos
adecuadamente implementado y gestionado pues, de no ser as, es seguro que
estaremos invirtiendo tiempo y dinero para no conseguir ninguno de los
muchos beneficios que esta tctica puede dar.

Un esfuerzo mnimo en llevar a cabo un adecuado diagnstico se va a ver


siempre recompensado y nos conducir a disponer de un sistema optimizado
de mantenimiento que contribuya a garantizar un total aprovechamiento de la
capacidad terica de produccin de la planta en que se aplique.

14
XIII CONGRESO DE CONFIABILIDAD

SUBCONTRATAR EL PROCESO PDM GARANTA DE PERVIVENCIA

En nuestra experiencia son muchos los programas de PdM y/o Fiabilidad que,
tras un tiempo de implantacin y unos aos de funcionamiento con resultados
ms o menos aceptables, acaban abandonndose o relegndose a un ltimo
plano dentro de las actividades de mantenimiento.

Las razones son mltiples y de sobra conocidas por los expertos:

Defectos de origen en la implantacin. Fallos en la ingeniera.


Falta de formacin y/o conocimiento del sistema y sus objetivos.
Falta de formacin y/o entrenamiento en el manejo y explotacin de las
herramientas hardware, software utilizadas en PdM.
Recursos tcnicos obsoletos o insuficientes.
Cambio generacional, que implica prdida de know-how.
Rotacin de personal.
Etc.

Un contrato con un buen proveedor de servicios de fiabilidad y mantenimiento


asegurar que la implantacin se hace segn los dictados de las mejores
prcticas y en un tiempo optimizado, utilizando las herramientas idneas y que
mejor se adapten a su necesidad en lo referente a hardware y software de las
diferentes tcnicas que deben implementarse.

Podr aprovechar la experiencia y la base de datos de conocimiento de quien


ha llevado a cabo con xito multitud de implantaciones en plantas similares a la
suya.

Le ayudarn a implementar indicadores para llevar a cabo el seguimiento de la


actividad y demostrar frente a la compaa los beneficios obtenidos en un corto
espacio de tiempo.

15
XIII CONGRESO DE CONFIABILIDAD

Un directivo de una de nuestras plantas de automvil, que nos haba confiado


el plan de mantenimiento predictivo de la planta, manifestaba: Nuestra
responsabilidad es fabricar automviles con las mejores caractersticas de su
segmento y el mayor grado de fiabilidad y calidad del mercado. En eso
debemos ser expertos y adquirir y mantener todo el necesario know-how. El
mantenimiento de las mquinas e instalaciones necesarias para lograr nuestro
objetivo, es preferible que se lo confiemos a una empresa de ingeniera de
mantenimiento cuyo core bussiness sea ofrecer en ese mbito, un servicio de
las mejores caractersticas y con el mayor grado de calidad y fiabilidad del
mercado, aunque de automviles sepa lo justo.

Hoy es cada da mayor el nmero de empresas que subcontratan la actividad,


por otro lado cada vez ms especializada, de mantenimiento
preventivo/predictivo en un acuerdo de asociacin con empresas de
ingeniera con las que trabajan con un fin comn: Sostener y mejorar la
fiabilidad de los activos.

Esta tarea conjunta se ha visto potenciada y mejorada al mismo tiempo que se


hace ms eficaz gracias a la aparicin en el mercado de las plataformas WEB
denominadas SaaS (Software as a Service) que, tal como la denominada
Preconcerto desarrollada por nuestra compaa, posibilitan entre otros
aspectos, una comunicacin en tiempo real entre la planta y la empresa de
ingeniera permitiendo as a ambas partes tener un conocimiento continuo del
estado de salud de los activos de planta y reaccionar de forma inmediata frente
a cualquier incidencia.

16
XIII CONGRESO DE CONFIABILIDAD

EN DEFINITIVA

Para lograr el xito en la implantacin y explotacin de los sistemas modernos


de fiabilidad y mantenimiento deberemos:

Cambiar a una mentalidad Proactiva.


Cambiar para mejorar KAIZEN.
Conocer los nuevos procedimientos, adaptarse a ellos y seguir as las
mejores prcticas.
Adaptarse a las nuevas tecnologas y plataformas tales como el SaaS.
Seguir las recomendaciones de los expertos, muchas de las cuales se
han refundido para configurar una nueva norma como es la PAS55.

17
PONENCIA 16

METODOLOGA PARA LA SELECCIN DE TCNICAS


PREDICTIVAS COSTO-EFECTIVAS

E. Conde, S. Fernndez, E. Gilabert, A. Arniz


Fundacin Tekniker, Unidad Mantenimiento y Fiabilidad
XIII CONGRESO DE CONFIABILIDAD

METODOLOGA PARA LA SELECCIN DE TCNICAS


PREDICTIVAS COSTO-EFECTIVAS
E. Conde (1) P), S. Fernandez (1), E. Gilabert (1), A. Arnaiz(1)

Fundacin Tekniker, Unidad Mantenimiento y Fiabilidad (1)

Resumen
El rea de mantenimiento debe buscar una constante mejora para minimizar los costes y
optimizar los recursos adecundose a las necesidades del momento. An as, la aplicacin
de nuevas tecnologas para la mejora de los procesos de operacin y mantenimiento suele
verse entorpecida por la falta de una evaluacin coherente de los costes y beneficios
derivados de su aplicacin.
Estn llegando al mercado una gran gama de herramientas para el mantenimiento basado
en la condicin. Gracias a su continua reduccin de precio se abre el camino como soporte
en la programacin y planificacin de las actividades de operacin y mantenimiento. Nuevos
sensores, nuevos sistemas de comunicacin, nuevas formas de pensar y actuar son cada
vez ms habituales en el da a da del trabajo. Por lo que es una necesidad seguir esta
tendencia hacia la excelencia en el mantenimiento y optimizacin de la gestin de los
activos.
Por lo tanto, para no perderse en este maremgnum de tendencias, es muy til aplicar
procedimientos o metodologas de trabajo. Y para ello, se ha desarrollado una metodologa
de mejora continua basada en la aplicacin de diferentes herramientas de una forma
estructurada. Uno de los pilares de este modelo es que la seleccin de la estrategia o
poltica de mantenimiento debe tener en cuenta el beneficio logrado para demostrar su
potencial. Con tal fin se van a utilizar datos de fiabilidad como base para el clculo de
costes, adems de los costes asociados a diferentes eventos como fallos, reparaciones,
trabajos preventivos, inspecciones

Palabras clave. Mantenimiento predictivo, e-Mantenimiento, Coste-efectividad,


Tecnologas

1
XIII CONGRESO DE CONFIABILIDAD

1 Introduccin
El auge de nuevas tecnologas y la rpida expansin de tecnologas basadas en web,
mviles y wireless en la operacin da a da de las empresas y el aumento de la capacidad
del hardware, est ampliando el marco de trabajo de la ingeniera de la gestin de activos.
La eficiencia de los procesos de mantenimiento y gestin de activos se evala con la
seleccin de objetivos para Key Performance Indicator (KPI). La estimacin de KPIs se
debera basar en datos e informacin fiable, ya que las empresas modernas se enfrentan a
diferentes problemas a la hora de la toma de decisiones: requerimientos de rendimiento,
normativos/legislativos, de coste, de calidad y seguridad. Conseguir llevar a cabo todos los
requerimientos no es posible si un control y mantenimiento adecuado de la condicin
operacional de los activos.
Al final, las actividades de mantenimiento requieren una alineacin y cooperacin, no slo
con las actividades de produccin, sino con cualquier otro departamento de la compaa
(ingeniera, compras, finanzas, RRHH,). Todo este escenario implica una mayor
complejidad en las actividades de mantenimiento, y cualquier complejidad tiene un efecto
directo en las necesidades de procesamiento de informacin. Las soluciones innovadoras
consisten en la utilizacin de conjuntos mecatrnicos, o infotrnicas que, adems pueden
organizarse fcilmente dentro de la organizacin gracias a estndares y nuevos conceptos
como el e-mantenimiento (Holmberg et al 2010).
El e-mantenimiento constituye un marco tecnolgico que soporta el ciclo de vida de la
gestin de activos, consiguiendo que la informacin y los servicios relacionados puedan ser
utilizadas de forma ubicua (Muller et al 2008, Holmberg et al 2010). Al permitir una
integracin consistente de datos, servicios y actores, permite a las empresas formular,
planear, ejecutar y ajustar sus actividades de gestin de activos, basado en la estrategia de
gestin de activos de la empresa, pero, fundamentalmente, basando las decisiones en la
informacin ms relevante y oportuna e integrando el proceso en los actores adecuados
debidamente apoyados por las herramientas que soportan todas las capas de la funcin de
mantenimiento (Jantunen et al 2007)

2 Automatizacin del dato a la toma de decisiones


El concepto de e-mantenimiento se puede entender como una visin avanzada de lo que
puede ser el mantenimiento en un futuro cercano, gracias sobre todo a una adecuada
incorporacin de las TICs dentro del mundo del mantenimiento.
Una de las diferencias principales en cuanto a necesidad de TICs entre las estrategias de
mantenimiento predictivo y estrategias correctivas o preventivas es la cantidad de
informacin disponible para poder tomar una decisin. A travs de las tecnologas de
captura y comunicacin de datos, el volumen de datos accesibles crece de forma continua.
La gran mayora de los datos extrados en trabajos de mantenimiento se almacenan en
soporte informtico, y la interconexin de distintas fuentes de datos, tanto para compartir
datos sobre una misma mquina, como para aprovechar datos similares de grandes series
de mquinas, es una realidad (OREDA, 2002), por lo que el mantenimiento predictivo
dispone de mucha ms informacin para dar una respuesta adecuada a cada tarea: La
identificacin de fallos potenciales, la valoracin de la severidad, la prediccin del tiempo de
vida restante, el diagnstico conjunto, etc.
Y en efecto, esto es tambin necesario, ya que la mayora de estas tareas son de
conocimiento intensivo que requieren de experiencia para realizarlas. Sin embargo, el

2
XIII CONGRESO DE CONFIABILIDAD

mantenimiento predictivo no tiene mucha edad (no ms de 30 aos) y no existe demasiada


experiencia en el campo, especialmente cuando los datos e informacin provienen de
diferentes fuentes. El conocimiento en el rea es disperso, con algunas tecnologas bien
conocidas (vibraciones, anlisis de aceite) y maquinaria (motores elctricos) y otros menos
(ej. Monitorizacin por fibra ptica, mquina-herramienta, establecimiento de la eficiencia
energtica).

Services & products provider


Technical assistance
Knowledge on machine items (Oil, Bearings, )
Machinery builder/
Expertise in special analytical procedures
Non -automated maintenance control Engineer
Manual troubleshooting and repair actions
Theoretical knowledge on machine
Remote supervision
Internet
Machinery statistics

Configuration/Planning

Strategies for diagnosis Headquarters


and monitoring
Cost statistics
Manual monitoring Diagnosis
Extended data analysis
Off -line data collection Fault detection
Severity assessment
Prognosis/Lifetime prediction
Troubleshooting

Machine
Daily monitoring
Monitoring Industrial Plant/ Transport Fleet
Off -line data collection
Trobleshooting Production scheduling/
Data collection Maintenance
Abnormality detection Plant/Fleet expertise

Communications (MIMOSA, FieldBus , GSM, ...)

Ilustracin 1 El nmero de fuentes de informacin que pueden estar disponibles para la mejora del
proceso de mantenimiento es muy amplio. Un sistema de procesamiento ptimo debe de estar distribuido
en niveles que permitan realizar una primera seleccin local de los datos de condicin, y almacenar
despus, de forma global, la informacin ms importante para la toma de decisiones.
Como conclusin, podemos definir el dominio del conocimiento como pobremente
estructurado, con distintos grados de estados incompletos e incertidumbre en las relaciones
causales que enlazan las diferentes entradas de sntomas (vibraciones, lubricantes,
partculas de desgaste) y las caractersticas de fallo (localizacin y tipo de fallo, severidad,
vida remanente, etc.)
Al final, es necesario recurrir a sistemas automatizados que, por un lado suplan la falta de
expertos en cada materia, y por otro permitan un crecimiento incremental una adaptacin-
del conocimiento existente.
Para poder sacar el mximo provecho de todos estos datos, existen cada vez mas
procedimientos y herramientas basadas en conceptos de fiabilidad y estadstica para el
aprovechamiento de datos. Las nuevas tecnologas se centran sobre todo en la
automatizacin de la deteccin, diagnstico y prediccin de fallo para facilitar a los sistemas

3
XIII CONGRESO DE CONFIABILIDAD

GMAO informacin de riesgo y oportunidad para determinar el momento conveniente de


realizar la accin de mantenimiento necesaria.
Los cinco procesos que componen la diagnosis y la prognosis son: la deteccin de fallo,
clasificacin, localizacin, estimacin de severidad, y prediccin de la vida remanente.
Aunque se pueden simplificar los pasos de la automatizacin entendiendo los estados clave
y sus transiciones:
Datos: que son esencialmente las mediciones de condition monitoring. Hay algunos
otros datos cualitativos, como el olor. Los flujos de datos son los vectores de las
lecturas individuales, pero tambin pueden ser matrices de datos complejos como los
espectros de frecuencia. Algunos datos tienen procesamientos rutinarios para
destacar ciertas caractersticas, por ejemplo las transformadas de Fourier de la seal
de vibraciones.
Informacin: conocimiento, los hechos o la comunicacin de estos. Los datos de
condition monitoring se suelen calibrar para detectar, localizar, clasificar o determinar
la severidad del fallo. Se considera informacin el dato presentado de una forma
representativa en el contexto de condition monitoring. El conocimiento, a su vez
deriva de los datos procesados en un nivel de abstraccin ms alto, tal que se lleva a
una mayor interpretabilidad de los usuarios y ms directamente vinculados a los
conceptos de activos fsicos.
Decisiones: Los juicios realizados como resultado de informacin y conocimiento se
representan en el contexto de riesgo, expresado como el costo de una accin (o el
impacto de no realizarlo) y/o la probabilidad de un suceso no deseado.
Por lo que debe haber dos transiciones que se busca automatizar:
1. Transicin de dato a informacin y conocimiento: Aqu se realizan ciertos
refinamientos, que pueden incluir una reduccin de la cantidad de datos por
extraccin de caractersticas, seleccin o muestreo de caractersticas, comparacin a
casos de referencia, suma de un nmero de indicadores y normalmente aviso de
estado que es relativamente simple. Los pasos tienden a ser ms importantes que el
procesado rutinario, por la obtencin de informacin y conocimiento significativo, no
claramente asociada a los datos por s mismos. La informacin puede no estar en
trminos binarios, puede ser fuzzy, reflejando la ambigedad natural de la
caracterizacin de una condicin. Por ejemplo, reflejando la transicin gradual de un
estado saludable a un estado de fallo. Esta transicin es en gran parte numrica en
sus caractersticas (Esteban et al 2005).
2. Transicin de informacin y conocimiento a decisin: Las caractersticas, casos y
estados se evalan en trminos de riesgo. Las decisiones deben ser claras, son
blancas o negras no grises. Se programa una accin o no. El factor de riesgo se usa
como ranking de urgencia de las acciones o para proveer un margen de decisin
basado en los recursos, criticidad e importancia. Esta transicin puede fusionar
informacin numrica y cualitativa. (Moore & Starr 2006)
Para facilitar estas transmisiones se pueden distinguir dos aspectos: Los estndares que
facilitan y guan el desarrollo de la automatizacin de los datos y las nuevas tecnologas que
dan la posibilidad de utilizar los datos ubicuos, informacin y servicio disponible, unido al
soporte de decisin inteligente. Los primeros se relacionan especialmente con el modelado
de datos y los ltimos estn ligados a la amplia utilizacin de tecnologas basadas en
Internet y sistemas inteligentes. Vale la pena sealar que existen importantes factores
complementarios que estn permitiendo un mayor uso de los datos de seguimiento, que van

4
XIII CONGRESO DE CONFIABILIDAD

desde sistemas de comunicacin a nuevos sistemas sensores y estndares de


interoperabilidad.

3 Tecnologas para la automatizacin


Existen dos tecnologas que se pueden considerar como disruptivas, por el impacto que han
tenido a nivel mundial
Primero, el uso de dispositivos miniaturizados est incrementando y abaratando el
modo en que los datos pueden ser capturados o sensorizados. Asimismo, el
impacto es enorme en el mundo de la comunicacin, empezando por el producto
estrella (el telfono mvil) y siguiendo por todo tipo de sistemas mviles y de
comunicacin inalmbrica.
En segundo lugar est Internet como el sistema de comunicacin y almacenamiento
distribuido de informacin. La sinergia con las tecnologas de la comunicacin est
contribuyendo finalmente a permitir que Internet sea un autntico soporte para los
negocios.
Estas dos tecnologas han revolucionado por si solas una buena parte el mundo en las
ltimas dos dcadas, no slo en cuanto a actividades, sino tambin en cuanto a forma de
pensar, de relacionarnos socialmente, de hacer poltica, etc. Su llegada al mundo del
mantenimiento no est lejos, pero antes estas tecnologas deben convertirse en 'utilidades,
convertidas en dispositivos que proporcionen una mejora clara sobre los modelos anteriores
de mantenimiento. Los costes relacionados con el hardware para las tecnologas de
informacin y comunicacin se han reducido seis rdenes de magnitud y siguen bajando.
Esto da como resultado la aparicin cada ao de mltiples productos que facilitan la
integracin de sistemas de captura, comunicacin y procesado de informacin de forma
rpida, distribuida y barata.
Las tecnologas de adquisicin de datos son las que probablemente evolucionen ms rpido
dentro del mantenimiento en la prxima dcada. La necesidad del uso de sensores
apropiados para la monitorizacin de equipos ha sido reconocida como un rea crtica,
donde la fiabilidad, eficiencia y seguridad sobre los procesos y/o productos juega un papel
muy importante.
Las metodologas actuales de inspeccin no proporcionan una deteccin suficientemente
temprana del proceso de degradacin, por lo que el uso de sensores inteligentes en tiempo
real permitir a medio plazo la optimizacin del tiempo de vida, reduciendo costes y
problemas en la maquinaria. sta puede beneficiarse de un aumento de fiabilidad y el
personal operacional puede aprovecharse de una reduccin de carga en trabajos
inadecuados de mantenimiento.
El nivel de miniaturizacin y coste que se espera alcanzar es de una magnitud similar a la
alcanzada en las tecnologas de comunicaciones. Por lo que ser posible multiplicar el
nmero de puntos sensorizados dentro de cualquier instalacin, ya sea un medio de
transporte, un sistema de generacin de energa o un centro de fabricacin.
Por otro lado las arquitecturas de comunicacin para sistemas industriales han evolucionado
mediante tres paradigmas. El primero fue el paradigma de la conexin en paralelo,
conectando los dispositivos mediante la aproximacin punto-a-punto. Este paradigma se
qued obsoleto con la introduccin de la tecnologa de bus de campo, que permite usar una
nica lnea para proveer energa, control y funciones de configuracin para los dispositivos.
Este segundo paradigma cre el abanico de soluciones que se encuentran hoy en da en el
mercado. Sin embargo, nuevos requisitos como ancho de banda, flexibilidad, escalabilidad,

5
XIII CONGRESO DE CONFIABILIDAD

etc. y las tecnologas y aplicaciones de Internet posibilitaron el reconocimiento del Ethernet


Industrial como el tercer paradigma, que fue promocionado como el estndar en el entorno
industrial: Redes conectadas que se comportan de manera determinada y se enfrentan a
las restricciones de la comunicacin en tiempo real.
Esta situacin est cambiando con el crecimiento exponencial de las redes inalmbricas.
Hay innumerables situaciones en la industria en las que se puede aprovechar de los
beneficios de estas redes, particularmente de la posibilidad de conectar varios dispositivos
con movilidad. Adicionalmente las tecnologas inalmbricas tiene otras ventajas como son la
reduccin de costes de cableado, la posibilidad de instalar equipos en reas con presencia
de sustancias qumicas agresivas, capaces de daar los cables, y la flexibilidad a la hora de
realizar rpidas reconfiguraciones en las plantas.

3.1 Estndares para la automatizacin


Todo esto no se sustentara sin la utilizacin de diferentes estndares para el modelado de
procesos y de interoperabilidad. Hay una serie de normas que han aparecido los ltimos 10
aos y que han facilitado la automatizacin de procesos de diferente manera.
Un primer grupo de normas a guiado y conceptualizado los diferentes modos en los que la
informacin de diagnosis y prognosis se puede modelar, desde la matemtica a la
heurstica. La norma ISO 13381 (2006) en particular da a conocer una lista de tcnicas de
modelado de fallo.
Los modelos de esperanza de vida se hacen en base a informacin de fiabilidad o en
base a la deterioro de los componentes de las mquinas.
Los modelos matemticos se basan en principios de comportamiento, estadstico,
probabilstico y de redes neuronales.
Los modelos basados en conocimiento se agrupan por los modelos de sntoma/fallo
basado en reglas, en modelos de arboles de causa (ISO 13379:2003) y en
razonamiento basado en casos.
Por lo que la norma ISO 13381 ayuda a identificar la informacin requerida en cada modelo.
Otro grupo de estndares no se centran en el modelado, en su lugar buscan facilitar la
integracin entre diferentes tareas. Dejando a un lado los protocolos de comunicacin
wireless, es importante centrarse en las normas que se ocupan con la lgica de la
interoperabilidad entre la informacin y las tareas.
En particular los sistemas de mantenimiento basados en la condicin (CBM) se componen
de un nmero de bloques funcionales: sensorizacin y adquisicin de datos, manipulacin
de datos, condition monitoring, diagnosis, prognosis y toma de decisiones. Adems se
necesita algn sistema de interface con las personas para proveer de medios para dar la
informacin y dar acceso a los usuarios al sistema. Por ello, las necesidades a nivel de
sistema son amplias: comunicacin e integracin con sistemas antiguos, proteccin de los
datos y algoritmos propietarios, capacidad de actualizacin, y reduccin del tiempo y coste
de diseo. Con estos requerimientos en mente, se diseo el OSA.CBM (Open System
Architecture for Condition Based Maintenance) (Thurston & Lebold 2001) soportada por
MIMOSA y diseada como un marco de comunicaciones abierto que provee de una clara y
completa visin de los procesos de generacin de nueva informacin y conocimiento a partir
de los datos existentes, dentro de las actividades relacionadas con el mantenimiento
predictivo, facilitando en gran manera la interoperabilidad de la informacin y las tecnologas
de mantenimiento predictivo entre s. MIMOSA complementa la arquitectura OSA-CBM con
el estndar OSA-EAI (Open Systems Architecture for Enterprise Application Integration)

6
XIII CONGRESO DE CONFIABILIDAD

creado para resolver el problema de la integracin de diferentes aplicaciones. OSA-EAI es


un estndar para el intercambio de informacin en diferentes reas de gestin de activos:
gestin del registro activos; gestin del trabajo; valoracin del diagnstico y pronstico;
datos de vibraciones; datos de aceite, fluidos y gas; datos termogrficos; e informacin de
fiabilidad.
La arquitectura OSA-CBM se ha convertido en una referencia para el desarrollo modular de
aplicaciones de mantenimiento predictivo, convertida adems en el estndar ISO 13374
(2007). Todava ms reciente es el estndar de integracin de sistemas de automatizacin
industriales ISO 18435 (2009) que, partiendo de OSA_EAI, permite integrar la informacin
de mantenimiento, produccin y diagnstico.

Ilustracin 2. Correlacin entre los niveles OSA-CBM y los niveles de actividad ISO, de acuerdo con el
estndar. (ISO 13374)

4 Una estrategia simple de mejora


La necesidad de demostrar que la implementacin de sistemas de condition monitoring y el
e-mantenimiento son herramientas muy tiles para mejorar las prestaciones en las
empresas ha llevado a Tekniker a presentar un sencillo modelo de mejora continua (Conde
et al 2009) que se basa en el establecimiento de 4 pasos sencillos de desarrollo de un
proyecto de mejora, y dos pasos finales de implantacin y evaluacin de la misma. El
modelo es relativamente sencillo y se basa en diferentes herramientas que proponen una
mejora continua del mantenimiento utilizando tcnicas coste-eficaces para obtener la
estrategia ptima para cada proceso/producto.

7
XIII CONGRESO DE CONFIABILIDAD

Ilustracin 3. Modelo de mejora de estrategias predictivas resumido


Se distinguen los siguientes pasos:
Seleccionar los objetivos que se desean alcanzar con el proceso de mejora. Entre las
herramientas a emplear destacan la seleccin de criterios Key Performance
Indicators (KPI), la utilizacin de tcnicas de BSC (Balanced Score Card) y las
tcnicas de evaluacin y comparacin como el benchmarking.
Identificar potenciales reas de mejora. Para ello se pueden utilizar varias
herramientas, como por ejemplo las matrices de criticidad.
Analizar el producto/proceso. El anlisis de los activos considerados como los ms
significativos para conseguir los objetivos permite obtener una visin pormenorizada
de cada elemento. Se puede llevar a cabo, entre otros, un Anlisis Modal de Fallos y
Efectos (AMFE), un Anlisis Modal de Fallos y Sntomas (AMFS) o un rbol de
Fallos (FTA).
Desarrollar/Disear las mejoras a seguir para los componentes analizados.
Diferentes estrategias de mantenimiento seleccionadas con un enfoque coste-
efectividad son desarrolladas para cada elemento, identificando el valor de mejora..
Implementar las acciones. Para poner en funcionamiento de forma completa las
diferentes estrategias de mantenimiento se promover la creacin de grupos de
trabajo.
Evaluar los resultados. Se comprueba si se estn consiguiendo los objetivos
marcados de acuerdo con los criterios establecidos en el primer paso.
Una vez finalizado el ciclo de mejora se volvern a marcar nuevos objetivos y se repetir el
ciclo en un proceso de mejora continua.
Obtener mejoras costo-efectivas para la gestin de mantenimiento es el principal objetivo de
esta metodologa. Los costos se toman en cuenta desde el principio hasta el final del
modelo. Suelen ser uno de los indicadores ms importantes y esto es algo inevitable en
cualquier mejora que se quiere implementar.

5 La importancia de la coste-efectividad
En la estrategia de mejora planteada en la seccin anterior existen diferentes aspectos que
pueden encontrase en otras estrategias de anlisis. Sin embargo, la parte relativa al anlisis

8
XIII CONGRESO DE CONFIABILIDAD

coste-efectividad cobra gran importancia ya que en ella reside la posibilidad o no de lograr


un ahorro (o una ventaja competitiva) teniendo en cuenta la automatizacin de las tareas de
mantenimiento (en especial las tareas predictivas). Debido a esto, el anlisis emplea un
simulador de estrategias de mantenimiento desarrollado en Tekniker, introduce datos
relativos a la fiabilidad de los sistemas predictivos, junto con datos ms tradicionales como
costes o informacin de fiabilidad.
Para realizar la simulacin es necesario tener datos disponibles sobre el elemento de
estudio: Costes del mantenimiento correctivo, costes del mantenimiento preventivo y la
distribucin estimada del elemento Despus el modelo realiza una simulacin mediante
Monte Carlo para generar la distribucin de probabilidades de los eventos para cada
estrategia. De modo que se simulan las diferentes estrategias de mantenimiento
La herramienta permite variar diferentes parmetros de la simulacin para conseguir
diferentes grficas o soluciones que por ejemplo puedan dar informacin de si el sistema de
monitorizacin seleccionado es el correcto, o si es necesario buscar otro sistema ms barato
pero con menos precisin.

Ilustracin 4. Variacin del coste de mantenimiento (/hora) del aceite de un compresor mecnico. El
sistema predictivo incluye un sensor on-line con monitoreo automtico y se comprueba la variacin del
coste de mantenimiento predictivo en funcin de su precisin
De este modo mediante el modelo se puede evaluar de un modo cclico el esto de cualquier
plante, parque elico o flota de vehculos para poder evaluar el beneficio de las diferentes
tecnologas (hoy en da o en un futuro prximo) mediante los objetivos de beneficio y
fiabilidad de las empresas.

6 Conclusiones
Hoy en da el mantenimiento est cambiando. La industria y el sector pblico se estn dando
cuenta de que el uso eficiente de los activos industriales es un elemento clave para
continuar con el actual estilo de vida. Y al final de este cambio de enfoque del
mantenimiento se entrev un nuevo cambio de rol de las funciones del mantenimiento, se
trata de un enfoque orientado a la gestin de ciclo de vida.
Este artculo busca impulsar los cambios en las estrategias de mantenimiento, ya que
todava existen diferentes barreras que no permiten una implementacin ms amplia de los
sistemas de condition monitoring. Por lo que se presenta un nuevo protocolo y herramienta
que puede ser capaz de evaluar de manera coherente la adecuacin de una tecnologa en
un escenario operativo especfico. Con ello es posible establecer los requisitos mnimos

9
XIII CONGRESO DE CONFIABILIDAD

(coste, fiabilidad, intervalos en inspecciones) para que un sistema predictivo ofrezca un


beneficio sobre otras estrategias de mantenimiento.
Sin embargo, para poder realizar cualquier mejora que signifique un cambio sustancial de
actividades en una organizacin, es tambin necesario tener en cuenta la cultura de la
organizacin. Para implementar un cambio, es necesario entender que la mejora no se
acaba al ponerse en marcha, sino que hay que perseguirla para poder mantenerla en el
tiempo. La excelencia se consigue en la mejora continua.

7 Referencias
Holmberg, K., Adgar, A., Arnaiz, A., Jantunen, E., Mascolo, J. and Mekid, S. (eds.) (2010). e-
Maintenance.
Muller, A., Crespo-Marquez, A. and Iung, B. (2008) On the concept of e-maintenance: review and
current research. Reliability Engineering and System Safety, vol. 93, pp. 1165-1187
Jantunen, E., Arnaiz, A., Adgar, A. and Iung, B. (2007). Mobile technologies for dynamic maintenance.
Proc. 3rd Int Conf on Maintenance and Facility Management, Rome, Italy, pp. 167-173
(OREDA) Offshore Reliability Data Handbook 4th Edition. SINTEF. 2002
Esteban, J., Starr, A.G., Willetts, R., Hannah, P. and Bryanston-Cross, P. (2005) A review of data
models and architectures: towards engineering guidelines, Neural Computing & Applications.
Springer-Verlag London Ltd, vol. 14 (4), pp.. 273 281
Moore, W.J. and Starr, A.G. (2006) An Intelligent Maintenance System for Continuous Cost-Based
Prioritisation of Maintenance Activities, Computers in Industry Elsevier, vol. 57 (6), pp. 595-606
ISO 13381-1:2006 Condition monitoring and diagnostics of machines Prognostics Part 1:
General guidelines
ISO 13379-1:2003 Condition monitoring and diagnostics of machines General guidelines on data
interpretation and diagnostics techniques
Thrurston, M and Lebold, M. (2001) Standards Developments for Condition-Based Maintenance
Systems, Improving Productivity Through Applications of Condition Monitoring, 55th Meeting of the
Society for Machinery Failure Prevention Technology (MFPT).
ISO 18435-1:2009: Industrial automation systems and integration -- Diagnostics, capability
assessment and maintenance applications integration -- Part 1: Overview and general requirements
Conde, E., Fernndez, S. and Arnaiz, A. (2009). Maintenance methodology for selecting the most
cost-effective predictive strategies 37th ESReDA Seminar, Baden (Switzerland).

10
PONENCIA 18

SISTEMA AVANZADO PARA LA PLANIFICACIN DEL


MANTENIMIENTO CON UN ENFOQUE ESTRATGICO E
INTEGRADOR DE APLICACIN A ENTORNOS
INDUSTRIALES.

A.L. lamo

Dpto de Matemticas (ULPGC)

B. Galvn

Inst. Univ. de Sistemas Inteligentes(IUSIANI)

M. Mndez

Dpto de Informtica y Sistemas (ULPGC)

G. Winter

Inst. Univ. de Sistemas Inteligentes(IUSIANI)


XIII CONGRESO DE CONFIABILIDAD

SISTEMA AVANZADO PARA LA PLANIFICACIN DEL MANTENIMIENTO


CON UN ENFOQUE ESTRATGICO E INTEGRADOR DE APLICACIN A
ENTORNOS INDUSTRIALES.

A.L. lamo

Dpto de Matemticas (ULPGC)

B. Galvn

Inst. Univ. de Sistemas Inteligentes(IUSIANI)

M. Mndez

Dpto de Informtica y Sistemas (ULPGC)

G. Winter

Inst. Univ. de Sistemas Inteligentes(IUSIANI)

1.- RESUMEN

Varios autores insisten en que el mantenimiento es una actividad clave en la


industria. En este contexto, la toma de decisiones en el mbito del
mantenimiento es extremadamente importante debido a su impacto sobre los
resultados econmicos de la empresa en un entorno de alta competitividad
como el actual. Sin embargo, el grado de aplicacin de dichas iniciativas en
plantas industriales resulta relativamente limitado. Aunque el impacto del
mantenimiento sobre los resultados financieros de la empresa pueden ser
relevantes, la gestin del mantenimiento ha sido descuidada durante mucho
tiempo, tanto a nivel prctico como de investigacin. Dekker (1996) afirmaba,
por la baja cantidad de casos reales de aplicacin desarrollados en el mbito
del mantenimiento, que era la ltima frontera de la gestin cientfica.

La construccin de un modelo cuantitativo que se adapte a las necesidades


y especificidades de la organizacin exigir, no slo un conocimiento
riguroso de las tcnicas OR/MS, sino tambin entender las principales claves

1
XIII CONGRESO DE CONFIABILIDAD

de funcionamiento de una organizacin, sus interconexiones y relaciones


(tanto a nivel externo como interno) y las prcticas de mantenimiento
requeridas.

Las tendencias actuales en fabricacin han conducido a una reduccin de


los niveles de inventarios de reserva (buffer) y a un aumento de los niveles
de automatizacin y complejidad de los equipos. Estas tendencias han
hecho que la adopcin de polticas de mantenimiento efectiva sean ms
importante que nunca.

Se propone una Estructura de Control Dinmica que permita la coevolucin


de los ndices de performance del sistema con los cambios asociados a
factores tanto internos como externos (Definicin del fenotipo del sistema).
El objetivo es el diseo de un modelo de referencia de apoyo a la toma de
decisiones que posibilite la adaptacin del sistema a los cambios mediante
equilibrio dinmico. Entre las ventajas del modelo cabe destacar:

Su aplicacin en la planificacin, con un enfoque estratgico e integral,


de la explotacin y mantenimiento de equipos.

Dar soporte a la toma de decisiones y, en su caso, optimizar la


explotacin de equipos bajo criterios de fiabilidad, disponibilidad,
seguridad pblica y medioambiental, costes en el ciclo de vida y
criterios de explotacin y plan de negocio de la empresa.

Reducir los niveles de incertidumbre.

Realimentar los resultados de la experiencia de explotacin de la


plataforma modular, con objeto de mejorar el diseo de los diferentes
equipos y sistema, en colaboracin con el/los fabricante/s.

Aumentar la confiabilidad del sistema y reducir los riesgos asociados a


la operacin.

2
XIII CONGRESO DE CONFIABILIDAD

2.- MODELO DE REFERENCIA. ARQUITECTURA PARA EL DISEO/


DEFINICIN, PLANIFICACIN Y CONTROL DINMICO DE UN SISTEMA
INDUSTRIAL. MTODO FARO.

La dinmica de los mercados actuales exige un alto nivel de competitividad a


travs de una elevada capacidad de respuesta. Sin embargo, las compaas
afrontan severas dificultades para adoptar un enfoque estructurado a la hora
de redisear o reestructurar sus plantas productivas.

El modelo que proponemos busca dar apoyo a la toma de decisiones a dos


niveles:

1. Nivel 1 (fase de diseo - a priori). Gama de alternativas. Proponemos


una metodologa para dos fines, en funcin de que las decisiones
haya que tomarlas a priori o posteriori:

A priori: Gama de alternativas para el diseo de un sistema


confiable, a la vez que flexible, que d respuesta efectiva y
eficiente a las demandas dinmicas del mercado.

Si la decisiones hay que tomarlas a posteriori (sistema ya


existente), definir el genotipo tcnico y econmico (genotipo
actual del sistema) para estimar su capacidad (Affordability) y
las acciones e inversiones a emprender para mejorarla, si se
considerasen necesarias ( consejos genticos ).

2. En el Nivel 2 (fase de operacin/explotacin).Proponemos un modelo


de referencia para la homeostasis artificial del sistemaante estmulos
externos y/o internos. El objetivo es mejorar el nivel de competencia
de la planta/sistema mediante la bsqueda de alternativas, altamente
optimizadas, para el equilibrio dinmico sistema entorno (definir el
fenotipo del sistema). Damos una visin general del mtodo sin entrar
en los clculos estadsticos y financieros que a menudo deben
acompaar al estudio.

3
XIII CONGRESO DE CONFIABILIDAD

Nivel 1: Diseo (a priori) o Definicin(a posteriori) del Geno tipo


del sistema. Determinacin de modelo tcnico & econmico del
sistema. Metodologa LCC- adaptada.

La siguiente figura describe los costes totales vinculados a la adquisicin de


un activo desde el punto de vista de la gestin de activos industriales:

Figura 1: El iceberg del LCC.

El coste total de un item a travs de su ciclo de vida est formado no


solamente por el Coste de Adquisicin; hay que considerar otras categoras
que quedan englobadas dentro de los denominados Costes de Propiedad,
como son los costes de operacin, mantenimiento, logstica, soporte,
Existen unas referencias generales, no un modelo universal, para la
categorizacin de los costes asociados a un sistema. Dependiendo del tipo
de industria/sistema a analizar, es necesario realizar un estudio exhaustivo
para conocer sus principios de funcionamiento, lo que permitir identificar las
categoras y la estructura de costes significativos con objeto de que el LCC
cumpla con las funciones que se le exige.

La figura pone de manifiesto que el Coste de Adquisicin de un activo


representa una pequea parte del coste total acumulado en el tiempo de
vida total del mismo.

4
XIII CONGRESO DE CONFIABILIDAD

Figura 2: Beneficio de la deteccin temprana de problemas.

La experiencia obtenida de la aplicacin de la tcnica del LCC durante los


ltimos 40 aos demuestra que el 70%, o ms, de los gastos de operacin y
los asociados a la falta de fiabilidad son comprometidos en las etapas de
concepcin y diseo del proyecto. La posibilidad de influir sobre estos costes
se ve enormemente reducida una vez que el proyecto se ejecuta y pone en
funcionamiento. El desequilibrio existente entre los Costes de Adquisicin y
Sostenimiento demuestra claramente la conveniencia de comprometer al
personal que gestiona el mantenimiento en las etapas iniciales de
concepcin y diseo de los procesos.

Por otro lado, Los costes relevantes suelen ser costes ocultos. El uso de
tcnicas de anlisis ayudarn a descubrir propiedades emergentes fuente
de ventajas competitivas.

Por tanto, conocer la estructura y composicin de los costes del Ciclo de


Vida de un activo resulta fundamental para una acertada y rentable gestin
del mismo en la fase de explotacin/operacin (Nivel 2).

Estructura bsica en la implementacin de un LCC. Organizacin del


ciclo de vida de un activo .Fases del anlisis.

El anlisis LCC es el trmino que se utiliza para calificar, de forma colectiva,


un conjunto de tcnicas de anlisis de diferente tipo:

5
XIII CONGRESO DE CONFIABILIDAD

Anlisis LCC = Anlisis RAM + Anl. Econmico/financiero + Anl. de riesgo + Anl. sensibilidad + etc.

Figura 3: El objetivo del LCC es la determinacin de los costes de vida total de un activo
(Dangel, R.(1969)).

Es una metodologa de negocio que permite examinar el coste total


(suministro, operacin, mantenimiento y traspaso/eliminacin) de un equipo
de un sistema en relacin con los beneficios(ingresos) a lo largo de la vida
total de la unidad [2]. Bien aplicada, esta proyeccin constata la importancia
del diseo en la fiabilidad; la fiabilidad y la mantenibilidad tienen una gran
influencia sobre el coste del ciclo de vida [7].El mtodo es dinmico y
multidisciplinar .Dar soporte al proceso de toma de decisiones en el Nivel 1.
Est constituido habitualmente por seis procesos. El objetivo bsico es la
obtencin del genotipo modelo ( a priori o posteriori) que caracteriza al
sistema :

Nivel 1:
Definicin/diseo del modelo

Proceso 1: Planificacin del estudio


Proceso 2: Definicin de los Elementos de Costes ( ad hoc)

Proceso 3: Modelizacin del sistema ( ad hoc)


Optimizacin
Proceso 4 : Recogida y anlisis de datos

Proceso 5: Desarrollo del perfil de costes

Proceso 6 : Evaluacin

Resultado : Informe - Modelo tcnico econmico


del sistema
- Lnea base
- Affordability analysis

Figura 4: Fases bsicas del anlisis LCC de un sistema.

6
XIII CONGRESO DE CONFIABILIDAD

Los procedimientos y el conjunto de tcnicas a utilizar para realizar el


anlisis LCC depender de la naturaleza del sistema industrial.

Este anlisis ser utilizado, tanto a priori como a posteriori, para:

Evaluar y comparar alternativas de diseo: Gama de


alternativas.

Evaluar la viabilidad econmica de proyectos/productos.

Identificar los conductores de costes. El anlisis detallado del


rbol de Costes permitir identificar los inductores de costes
(o de ingresos) crticos, cuyo control resulta esencial para
alcanzar los resultados establecidos.

Orientar las acciones de mejora coste efectivo. Establecer un


mapa de gestin de activos que permita extraer, en base al
consenso de los agentes responsables de su cumplimiento, los
ratios y los clusters de ratios para la gestin.

Alinear objetivos a nivel estratgico, operativo y tctico.

Evaluar y comparar estrategias alternativas de productos,


operacin, test, inspecciones, mantenimiento, mercados,

Evaluacin y comparacin de diferentes enfoques para la


renovacin/rehabilitacin/extensin de vida o eliminacin de
instalaciones.

Distribucin ptima de los recursos disponibles (soporte


cientfico a los procesos de presupuestacin).

Evaluacin de los criterios de seguridad de un producto o


sistema por verificacin de los test y los trade-off.

Fijar las tolerancias, y por tanto, los niveles de desviacin


admisibles para la consecucin de los resultados( Coeficientes
de elasticidad de las partes del sistema).

Fijar los niveles de alerta temprana y definir los Planes de


Actuacin para corregir las desviaciones detectadas.

7
XIII CONGRESO DE CONFIABILIDAD

Planificacin financiera a largo plazo.

Implicar a operacin y mantenimiento en los procesos de


adquisicin: posibilidad de disponer de datos cuantitativos
relevantes para soportar, de forma cientfica, la toma de
decisiones en los procesos de bsqueda de ptimos globales
en fases posteriores.

Generar una base de datos relevantes que orienten la toma de


decisiones a futuro, etc.

Consideraciones bsicas a la aplicacin del mtodo.

En cuanto al proceso de modelizado del sistema. En general, el


sistema puede ser modelizado desde diferentes puntos de vista:
disponibilidad, mantenibilidad, fiabilidad, logstica,
riesgo/peligros, error humano en el sistema, etc. Sin embargo, y
de forma especial para las industrias de produccin continua, se
considera que la disponibilidad y la mantenibilidad representan
los ms relevantes conductores de costes en el anlisis.

Un aspecto que refuerza el uso de la metodologa LCC en el


Nivel 1 es que a medio/largo plazo, la demanda de produccin
sobre los activos aumenta, y con ello, el nivel de stress sobre
los equipos de produccin. Esta situacin conduce a una cada
de la disponibilidad realizada. Al mismo tiempo, la gestin del
mantenimiento trata de aumentar la disponibilidad operacional
con objeto de cumplir con las demandas/especificaciones de
produccin. El punto de convergencia en este proceso se
encuentra en actuar sobre la disponibilidad inherente, la cual
se localiza en la etapa inicial del diseo.

La modelizacin de la disponibilidad suele ser un problema


bastante complejo dado que es necesario considerar aspectos
tales como la distribucin del fallo, distribucin del tiempo de

8
XIII CONGRESO DE CONFIABILIDAD

reparacin, mantenimiento preventivo, retrasos en los


suministros,

El Nivel 1 exige datos. Es necesario una amplia variedad de


datos (de fiabalidad, mantenibilidad, de operacin,
costes,) .Es relativamente fcil encontrar fuentes disponibles
al pblico que suministren datos de fiabilidad. Lo difcil es
encontrar las mismas fuentes para los datos de operacin y de
costes. Se trata de datos sensibles de acceso muy restringido.

La exactitud de los datos es crucial para mejorar la certidumbre


de la prediccin y el diseo del sistema (genotipo) . Para
recoger los datos previamente hay que definir, con precisin,
los datos de entrada y sus requerimientos. Por lo general, los
datos de detalle de los costes de operacin de un activo en su
etapa inicial de vida suelen ser limitados. Por este motivo, los
clculos estarn basados frecuentemente en costes de
funcionamiento de equipos similares con historial de uso.

Un aspecto importante a tener en cuenta es el establecimiento


de una disciplina en la rutina de monitorizacin de los costes
de funcionamiento de un activo. Tres objetivos bsicos:

- Contribuir a la gestin proactiva de mantenimiento y


operacin (Optimizacin del ROI de la inversin).

- Configurar una base de datos ( de costes, parmetros


tcnicos,...) completa y descriptiva para dar soporte a
futuros estudios y poder comparar costes actuales
(Nivel 2) con proyectados (Nivel 1).

- Mejorar la toma de decisiones a nivel de operacin y


mantenimiento.

Uno de los procesos esenciales del anlisis es la construccin


de la grfica del perfil de costes para el ciclo de vida total del
sistema, tanto para la referencia tomada como punto base para

9
XIII CONGRESO DE CONFIABILIDAD

comparar (lnea base o de referencia) como para las


alternativas a evaluar. Ello permite la evaluacin, a nivel
financiero, de cada diseo con la referencia tomada como base.
Para dibujar la grfica es necesario una tabla de datos discretos
que recoja los valores de cada uno de los elementos de costes
identificados en el CBS o tener modelizada la funcin coste.

Es importante tener en cuenta que se trata de una actividad


multidisciplinar donde el analista debe estar familiarizado con la
filosofa que apuntala el mtodo, incluyendo una comprensin
de elementos de costes, fuentes de datos, principios financieros,
mtodos de evaluacin de la incertidumbre. Igualmente, se ha
de manejar un conjunto de herramientas matemticas (anlisis
estadstico, tcnicas de simulacin, etc.)

La identificacin de los conductores de costes que tienen


impacto sobre el LLC total y sus relaciones causa - efecto son
claves para orientar las acciones de mejora coste efectivo en el
sistema (propiedades emergentes).

Es importante decidir el mejor momento para realizar el anlisis


para cada programa en funcin del trade-off entre el perfil de
costes proyectado y la curva de incertidumbre (Timing).

Nivel 2: Mtodo Faro: Modelo de referencia para la Homeostasis


Artificial del Sistema. Definicin del fenotipo.

Uno de los objetivos bsicos en este nivel es permitir comparar los efectos
de varios cursos de acciones. Una de estas acciones puede ser la
evaluacin de los efectos de diferentes regmenes o polticas de
mantenimiento, pero puede ser igualmente efectivo en decidir una compra o
inversin,... Tpicamente la evaluacin implica comparar coste con valor
aadido. La clave est en encontrar una manera de evaluar la efectividad de
una opcin.

10
XIII CONGRESO DE CONFIABILIDAD

El modelo est pensado para la fase de operacin del sistema y la bsqueda


de respuestas altamente optimizadas ante estmulos externos y/o internos.
El objetivo es alcanzar la Efectividad total. Est diseado en base a
procesos dinmicos (evolutivos), de ayuda a la toma de decisiones, para
obtener, en cada iteracin (evolucin), alternativas/soluciones ptima/s
globales que estn correlacionadas con la evolucin de los parmetros del
sistema o/y las condiciones del entorno ambiente (econmicas, legales,
etc).

El proceso de optimizacin multicriterio se centrar en la bsqueda de lo


mejor en cada momento del periodo evolutivo (equilibrio dinmico sistema
entorno). Por tanto, los diferentes procesos del anlisis se actualizarn, en
funcin de los activadores de evolucin, en cada iteracin. Las funcin/es
de restriccin (condiciones de convergencia o contorno) vendrn definidas,
para cada iteracin, en el proceso 1, donde se definen las condiciones
actualizadas para las diferentes funciones del negocio (O&M, financiera,
marketing,) que han de verificar las alternativas (outputs). En un sentido
amplio, el proceso de optimizacin busca un conjunto de parmetros que
minimicen el LCC del sistema total; en un sentido ms estricto, la
optimizacin puede ser aplicada a actividades especficas tales como la
optimizacin del diseo, optimizacin del mantenimiento, optimizacin de los
repuestos,lo cual orientar futuros proyectos de BPR, Reingeniera de
organizacin o Reingeniera de procesos.

Optimizacin Evolutiva multiobjetivo. Algoritmos Evolutivos


Multiobjetivo. Ayuda Multicriterio a la Decisin.

El mtodo propuesto se orienta hacia:

El apoyo a la toma de decisiones, a priori o posteriori, en


situaciones reales, en contextos industriales, donde la
complejidad de los sistemas(tanto a nivel hard como soft) ha
ido incrementndose con objeto de adaptarlos a las dinmicas
del mercado y la presin de la competencia ( Calibracin).

11
XIII CONGRESO DE CONFIABILIDAD

La bsqueda de ptimos globales donde puede existir ms de


un objetivo normalmente en conflicto.

La bsqueda de alternativas altamente optimizadas sobre


procesos/sistema que deberan evolucionar en funcin de la
variacin de parmetros internos de funcionamiento y/o
externos de entorno. Estas alternativas pueden estar en
conflicto y el decidor estar altamente interesado en contar con
una herramienta que le apoye, con base cientfica, en la
optimizacin global y/o la toma de decisiones.

Brindar diseos ptimos y no solamente adecuados.

Monitorizacin.

Es conveniente aplicar una disciplina en el sistema para monitorizar la


estructura de costes de la solucin adoptada una vez implementada. La
monitorizacin ser muy til para disponer de datos objetivos (reales) que
permitan:

Validar los resultados del estudio.

Establecer alertas tempranas para detectar desviaciones del


rendimiento esperado y brindar la oportunidad de introducir las
acciones correctivas apropiadas, de forma proactiva
(optimizacin del ROI).

Actualizar los datos de clculo mejorando, por iteracin, la


precisin de los resultados. Esto contribuir a mejorar la calidad
de determinadas decisiones (estimacin de reemplazamiento, la
planificacin y programacin del mantenimiento,)

Contribuir tambin a construir una base de datos de calidad y


gran valor para decisiones y estudios futuros.

12
XIII CONGRESO DE CONFIABILIDAD

Los objetivos se alcanzarn mediante el desarrollo de una plataforma abierta


y flexible en conjuncin con una apropiada definicin de la estructura
organizativa y funcional. La plataforma permitir integrar conocimiento e
informacin sobre diagnstico y mantenimiento de equipos y sistemas que
hoy por hoy no estn relacionados, lo que permitir una explotacin integral
en base al conocimiento incluido en diversas fuentes. La naturaleza del
sistema requerir el uso de conocimiento experto.

Para evitar la suboptimizacin, resulta interesante la bsqueda de nuevos


modelos que combinen, de forma apropiada, elementos de las reas de
mantenimiento y produccin-operacin.

Tambin resulta interesante los procesos de simulacin. Permiten ensayar


diferentes polticas de mantenimiento y valorar dos aspectos relevantes para
el apoyo y la toma de decisiones: los efectos sobre la situacin de
produccin y otras funciones del negocio y los trade-off de costes asociados.

El flujo de la informacin debe estar correctamente coordinado con objeto de


que pueda ser utilizada de forma efectiva en la gestin del mantenimiento.

MANTENIMIENTO

PRODUCCIN

MERCADO

Figura 5: Interaccin Mantenimiento - Produccin. El puzzle de la competitividad.

13
XIII CONGRESO DE CONFIABILIDAD

Por tanto, para la definicin y desarrollo de la plataforma cientfico-tcnica


del Sistema Global es importante tomar como base el siguiente diagrama:

Nivel 0
Nivel 2: F. de Operacin
- Monitorizacin
- Modelizacin

Nivel 1: Fase de diseo

14
XIII CONGRESO DE CONFIABILIDAD

Nivel 2*: Coevolucin.


Estrategias Evolutivas
(Bsqueda Sinergias y
diferencias competitivas)

Leyenda:
CBS: Cost Breakdown Structure
ACE: Agent Based Computational
Economic
QFD: Quality Funtion Deployment
ABC: Activity Based Costing
ABM: Activity Based Management
BSC.: Balance Score Card
OEM: Optimizacin Evolutiva
Multiobjetivo
AMD: Ayuda Multicriterio a la
Decisin
POM: Problema de Optimizacin
Multiobjetivo

Nivel 2**: POM y AMD


(Computacin Cientfica)
- Respuesta altamente
optimizada estmulo i
- Informes de performance

Respuesta altamente
optimizada estmulo i
(Fenotipo optimizado del
sistema)

Figura 6: Marco de referencia Mtodo faro.

15
XIII CONGRESO DE CONFIABILIDAD

Descripcin bsica de la estructura del Sistema Global.

El Sistema Global propuesto estara formado por los siguientes sistemas:

Sistemas de captura de datos. Seran los encargados de la


adquisicin del conjunto de datos de entrada al Sistema Global
a partir de los equipos objeto de monitorizacin empleados en
los procesos asociados a las diferentes etapas de produccin.
Entre otros, se contemplaran los siguientes equipos y/o
procesos:

Equipos de medida: conjunto de aparatos y sistemas (software


o hardware) encargados de realizar las medidas de las seales
a partir de los equipos objeto de monitorizacin
(Instrumentacin de campo, ) .

Procesamiento de seales: proceso mediante el cual, una vez


realizada la toma de datos, se tratan las seales para obtener
informacin til y manejable.

Informe de actividades. Mecanismo para poder incorporar en el


sistema alteraciones o actividades que han sido realizadas
sobre los equipos monitorizados.

Sistema avanzado de diagnosis/prognosis. Se encargara


de analizar los datos recogidos por el sistema de captura de
datos, identificar y prever anomalas en el sistema y sus causas
races.

Sistemas de generacin de actividades de mantenimiento.


Se encargara de proporcionar las actividades de
mantenimiento que se deberan realizar sobre los equipos
monitorizados en base a los resultados de los procesos de
diagnosis y prognosis.

Sistemas avanzados de planificacin de mantenimiento.


Sera el encargado de suministrar el plan de mantenimiento
ptimo de equipos, tomando como base el conjunto de

16
XIII CONGRESO DE CONFIABILIDAD

actividades de mantenimiento proporcionadas por el sistema de


generacin de actividades de mantenimiento, los planes de
mantenimiento previstos y los objetivos estratgicos definidos.
El sistema estara compuesto por varios mdulos de
planificacin. Esto brindar la suficientemente flexibilidad ante
la introduccin de nuevos mtodos de planificacin, la
incorporacin de nuevos equipos y sistemas/mtodos de
produccin y la variacin de los objetivos estratgicos. Habra
que prever la incorporacin de varios sistemas de planificacin
redundantes para aumentar la fiabilidad de este sistema. Esto
contempla tambin la posibilidad de que algunas soluciones de
planificacin suministren respuestas parciales que deban ser
unificadas para obtener un plan de mantenimiento completo.
Estara constituido por:

- Sistema de previsin de impacto de mantenimiento. Se


encargara de predecir qu efectos tendr una determinada
planificacin de actividades de mantenimiento sobre el
funcionamiento conjunto de los equipos.

- Sistema de estimacin de costes/rendimiento del


mantenimiento. Se encargara del anlisis econmico y
productivo de los planes de mantenimiento cuando se aplican
a los sistemas en estudio.

- Sistemas de optimizacin multiobjetivo/multicriterio. Se


encargaran de seleccionar los mejores planes de
mantenimiento teniendo en cuenta mltiples objetivos, entre
los que se encontraran la disponibilidad y objetivos
econmicos. Utilizaran las estrategias evolutivas de
bsqueda apropiadas para la complejidad y dimensiones de
los problemas a abordar.

- Sistema de anlisis de incertidumbre. Se encargara de


contemplar la optimizacin cuando exista incertidumbre en

17
XIII CONGRESO DE CONFIABILIDAD

cualquiera de los resultados y/o datos implicados en los


procesos de definicin de planes de mantenimiento o, en las
funciones de aptitud de cualquiera de los objetivos
considerados.

Sistema de ayuda y/o soporte a la toma de decisiones. Se


encargara de colaborar en la seleccin del plan de
mantenimiento a usar en el caso de que exista ms de una
alternativa, normalmente suministradas por los optimizadores
multiobjetivo. Se considerarn tres tipos de colaboracin con el
tomador de decisiones:

- Ayuda a la toma de decisiones, que consistir en


procedimientos que permitan reducir el nmero de
alternativas a considerar a un nmero razonable de las
mismas.

- Soporte a la toma de decisiones, que favorecer la adopcin


de la alternativa de mantenimiento a emplear de entre
aquellas, fruto del procedimiento del prrafo anterior.

- Colaboracin a la toma de decisiones, que utilizar un


sistema experto basado en reglas de negocio que asesorar
al tomador de decisiones en funcin del conocimiento
implcito almacenado en el mismo.

Sistemas de planificacin. Se encargaran de obtener planes


de mantenimiento.

Sistemas de repositorio de datos. Sistema para el


almacenamiento, clasificacin y consulta de la informacin
generada por los distintos sistemas de forma coordinada y
conjunta.

18
XIII CONGRESO DE CONFIABILIDAD

Sistema unificado de Interaccin Hombre Mquina. Conjunto


de interfases que permitiran la gestin, configuracin y
operacin de los distintos elementos del sistema de manera
coordinada, unificada y ergonmica.

BIBLIOGRAFA.

[1] Ahlmann, H., 2002. From traditional practice to the new


understanding: the significance of Life Cycle Profit concept in the
management of industrial enterprises. IFRIMmmm Conference, Vaxjo
Sweden, 6-7 May 2002.

[2] Aptitudexchange Glossary. http:/www. Aptitudexchange.com.

[3] Barrat, M., 2004. Life-Cycle Costing (LCC). An introduction to life-


Cycle Costing, Including basic methods, examples, and references.
SKF Realiability Systems aptitudeXchange, 5271Viewridge Court San
Diego, United States.

[4] Blanchard, B.S., 1991.Design to Cost, Life-Cycle Cost. The Annual


reliability and Maintainability Symposium. Evans Associates, North
Carolina.

[5] Cambell, J.D. and Jardine, A.K.S..Maintenance Excellence -


Optimizing Equipment Life - Cycle decision. Marcel Dekker,Inc. 2001,.

[6] Fabrycky, W.J. and Blanchard,B.S.. Life-Cycle Cost and Economic


Analysis.Prentice Hall, 1991.

[7] Hansen , R.C.. Overal Equipment Effectiveness- a Powerfull produc


-tion/Maintenance Tool for Increased Profits. Industrial Press
INC.(2001).

[8] Kawauchi, Y.,Rausand, M., 1999. Life-Cycle Cost analysis in oil and
chemical process industries.

19
XIII CONGRESO DE CONFIABILIDAD

[9] Liyanage,J.P. y Kumar,U., 2003. Towards a value-based view on


operations and maintenance performance management. Journal of
Quality in Maintenance Engineering, Vol 6, N 4, 2003, pp.333-50.

[10] Schram,G.,2003. Availability. An Introduction to Availability, Its


measures, and Modeling Techniques. SKF Realiability Systems
aptitudeXchange, 5271Viewridge Court San Diego, United States.

20
PONENCIA 19

LA MEDICIN DE LA EFICIENCIA DE LA FUNCIN


MANTENIMIENTO A TRAVS DE KPIS FINANCIEROS

1
Grupo de Ingeniera de Fabricacin y Metrologa Avanzada

Instituto de Investigacin en Ingeniera de Aragn (I3A), Universidad de


Zaragoza, Espaa

Departamento de Ingeniera de Diseo y Fabricacin, Escuela de Ingeniera y


Arquitectura, Universidad de Zaragoza,
2
ZLC Zaragoza Logistics Center, Instituto de Investigacin en Logstica,
Zaragoza
3
Division of Operation and Maintenance Engineering

Lulea University of Technology, Sweden


XIII CONGRESO DE CONFIABILIDAD

LA MEDICIN DE LA EFICIENCIA DE LA FUNCIN MANTENIMIENTO A


TRAVS DE KPIS FINANCIEROS

D. Galar 1,3, P. Lambn 1, , L. Berges 1, J. Royo 1,2

1
Grupo de Ingeniera de Fabricacin y Metrologa Avanzada

Instituto de Investigacin en Ingeniera de Aragn (I3A), Universidad de Zaragoza,


Espaa

Departamento de Ingeniera de Diseo y Fabricacin, Escuela de Ingeniera y


Arquitectura, Universidad de Zaragoza,

2
ZLC Zaragoza Logistics Center, Instituto de Investigacin en Logstica, Zaragoza

3
Division of Operation and Maintenance Engineering

Lulea University of Technology, Sweden

RESUMEN

La medicin del rendimiento en la funcin mantenimiento ha dado lugar a grandes


bateras de indicadores que por su extensin y disparidad en criterios y objetivos
han sido agrupados en diferentes bloques en los ltimos tiempos, destacando el
conjunto de indicadores financieros. La generacin de estos indicadores exige una
recoleccin de datos de elevada fiabilidad que solo se hace posible a travs de un

1
XIII CONGRESO DE CONFIABILIDAD

modelo de costes que se adapte a la especial casustica de la funcin


mantenimiento, caracterizada por el ocultismo de estos costes.

Keywords: KPI, indicador,modelo de costes, eficiencia, eficacia.

1.- INTRODUCCIN

Los indicadores de rendimiento de mantenimiento se sustentan en tres pilares a


saber: Los parmetros RAMS, el modelo de costes y el factor humano, Galar et
al.(2010). Se configura un modelo de costes de mantenimiento consensuado
como la base necesaria para componer el corpus de los indicadores financieros,
que a su vez constituyen un grupo relevante en el conjunto general de indicadores
de rendimiento de una empresa.

Las medidas financieras se suelen considerar la capa superior en la jerarqua del


sistema de medicin por ser usadas habitualmente por la alta direccin. Estos
ndices, demuestran la capacidad de la organizacin para lograr un buen retorno
de sus activos y para crear valor. La mtrica de este nivel se utiliza para la
planificacin estratgica. De ah que constituye el pilar de la organizacin. Este
nivel de medicin puede ser utilizado tambin para comparar el rendimiento de los
diferentes departamentos y divisiones dentro de la organizacin matriz. Algunos
autores como Vergara (2007) proponen el valor actual neto (VAN) para su uso en
mantenimiento como uno de estos indicadores financieros, otros como Hansson
(2003) propugnan tambin el uso de indicadores como: la variacin porcentual de
las ventas, retorno sobre activos, rendimiento de las ventas, el cambio porcentual
en el total de activos y el cambio porcentual en el nmero de empleados.

La incorporacin de indicadores financieros a los cuadros de mando de


mantenimiento supone para Hendricks & Singhal (1997) la bsqueda en la
unicidad de criterios y tendencias entre mantenimiento y la estrategia corporativa.

2
XIII CONGRESO DE CONFIABILIDAD

De igual modo Coelo & Brito (2007) exponen la necesidad de una integracin y
correlacin de forma armnica de los indicadores de rendimiento financiero de la
organizacin, que trata de la visin estratgica con los referentes a la eficiencia
del sector mantenimiento.

Cceres (2004) analiza dentro de las cuatro perspectivas de los KPI en


mantenimiento la perspectiva financiera, para la autora todo sistema de
planificacin debe mostrar la historia de la estrategia y el posicionamiento de la
corporacin indicado por los objetivos financieros, vinculndolos luego a la
secuencia de acciones que deben realizarse con los clientes, proceso internos y
finalmente con los propios empleados. Esta perspectiva est centrada en el
rendimiento del capital, el valor aadido a la organizacin y la reduccin de costes
unitarios en el caso de empresas de servicios. En el caso de mantenimiento, es
all donde se monitorizan los costes de cada actividad y el indicador de incidencia
de costes de mantenimiento por unidad de produccin y costos de mantenimiento
sobre el valor de los activos, indicadores de posicionamiento utilizados a nivel
mundial actualmente.

La incorporacin de todos estos indicadores exige un modelo de costes


consensuado, principal preocupacin para realizar un adecuado benchmarking de
estos ndices. La necesidad de comparacin y bsqueda de puntos de referencia
en el clculo de los KPI exige una paridad en el clculo de los mismos, siendo la
mayor parte de las veces cociente de dos costes y por tanto atribuibles
directamente al modelo financiero implantado.

Esta imposibilidad y falta de consenso en los modelos de costes y por tanto la


disparidad de los ndices calculados se manifiesta en la existencia de tan solo dos
ndices de clase mundial, es decir de consenso general, relativos a las finanzas en
mantenimiento:

3
XIII CONGRESO DE CONFIABILIDAD

Coste de Mantenimiento por Facturacin: Relacin entre el costo total de


mantenimiento y la facturacin de la empresa en el periodo considerado.
Este ndice es de fcil clculo ya que los valores, tanto del numerador como
los del denominador, son normalmente procesados por el rgano de
contabilidad de la empresa.

Coste de Mantenimiento por el Valor de Reposicin: Relacin entre el costo


total acumulado en el mantenimiento de un determinado equipo y el valor de
compra de ese mismo equipo nuevo (valor de reposicin). Este ndice debe
ser calculado para los tems ms importantes de la empresa (que afectan la
facturacin, la calidad de los productos o servicios, la seguridad o al medio
ambiente), ya que como se ha indicado, es personalizado para el tem y
utiliza valores acumulados, lo que torna su procesado ms lento que los
dems, no justificando de esta forma ser utilizado para tems secundarios.

Incluso los ndices de clase mundial requieren un parmetro que no por mucho
nombrarlo es simple, esto es, el coste de mantenimiento. El modo de clculo de
este coste exige un consenso absoluto en pro de una adecuada comparacin de
ulteriores KPIs basados en l. El modelo de costes, por tanto, no se convierte en
un fin en s mismo, sino en un medio para en base a l y mediante los datos que
resulten de su aplicacin, poder extraer aquellos indicadores de carcter
financiero que permitan a los diferentes niveles jerrquicos de la organizacin
valorar de forma cuantitativa la eficiencia de la funcin mantenimiento en su
vertiente monetaria. El objeto que se persigue es la descripcin de un modelo
claro, sencillo basado en una recogida de datos realista y en un procesado
posterior de esos datos para la confeccin de los indicadores de mantenimiento y
en particular los financieros.

El modelo deber diferenciar y seleccionar aquellos costes considerados hard o


soft en funcin del indicador a generar y de la complejidad de la recoleccin de
los mismos. Los hard representan aspectos fcilmente medibles y de los que se

4
XIII CONGRESO DE CONFIABILIDAD

puede extraer la informacin necesaria para el procesado requerido,


representando los soft un intangible de ms compleja medicin, Arbulu &
Vosberg (2007). Indicadores soft como el coste de no haber realizado
determinada accin formativa, o la indisponibilidad de un equipo de CBM que
hubiera detectado un patrn anmalo de vibracin, son atractivos pero difcilmente
mensurables en la recogida de datos tradicional y habr que buscar aquellos
costes hard de ms fcil explotacin y que aporten la informacin requerida.

2.- LOS OBJETIVOS ECONMICOS DE LA FUNCIN MANTENIMIENTO

La funcin mantenimiento tiene por misin el mantener los equipos de la empresa


en buen estado de funcionamiento al coste ms razonable posible, es decir la tan
ansiada eficiencia con la eficacia fijada. Es menester analizar esto desde dos
puntos de vista concernientes a los equipos y mquinas:

El de la Direccin cuando se dispone a decidir la instalacin de un nuevo


equipo. El criterio de decisin ser entonces el del coste total del equipo por
unidad de produccin, o sea la relacin del coste total del equipo, incluyendo
su adquisicin y mantenimiento, respecto a la cantidad producida en toda la
vida til del mismo.

El de los responsables de produccin y mantenimiento, o sea de los


responsables de la gestin del equipo. En este caso, el equipo existe, y sus
gastos de posesin son un dato fijo as como el programa de produccin.
Entonces el criterio de decisin ser el coste total de mantenimiento que se
compondr de la prdida de beneficio que experimentar la empresa como
consecuencia del incumplimiento del programa de produccin ocasionado por
las detenciones del equipo (coste de fallo) y del coste de las operaciones de
mantenimiento, que a su vez comprende tres elementos: El coste de
funcionamiento de las unidades de la empresa encargadas de las operaciones

5
XIII CONGRESO DE CONFIABILIDAD

de reparacin (herramientas, equipos, personal de todas categoras), el coste


de las piezas y de recambio consumidos adems de sus gastos de adquisicin
y almacenaje (repuestos ms costes financieros) y el coste de operaciones
subcontratadas con especialidades exteriores.

2.1.-El Coste global de Mantenimiento

Se define el coste global de mantenimiento como el valor que recoge el resultado


econmico de la gestin total del mantenimiento de una empresa. Una mquina,
instalacin, seccin, planta o fbrica, que tenga un elevado coste, significa que su
gestin de mantenimiento no es buena. Por el contrario, si el coste es bajo, se
est ante una buena gestin de mantenimiento siempre y cuando estas premisas
presupongan la consecucin de la eficacia demandada por la planta.

El Coste Global recoge de forma integral todas las facetas del mantenimiento
tanto en beneficios como prdidas en una empresa. La siguiente figura ilustra
cada uno de los componentes. La Figura 1 representa un esquema completo del
coste global con los conceptos anteriormente definidos

6
XIII CONGRESO DE CONFIABILIDAD

Figura 1 Desglose del Coste global en sus diferentes conceptos

Uno de los objetivos principales de este trabajo es la propuesta de un modelo


para calcularlo. Lamban et al. (2009) proponen un modelo de costes que consiste
en una generalizacin de una estructura de descomposicin por niveles (WBS)
para ser aplicado en los diferentes procesos de todas las reas de la Cadena de
Suministro, aunque en este trabajo se muestra el modelo planteado en el proceso
de mantenimiento. Este modelo comparte con otros modelos la premisa de querer
reflejar el proceso y sus actividades en los costes, anlogo a ABC se analizan las
actividades asociadas al proceso de estudio, y siguiendo el modelo de costes
basado en procesos, se refleja el proceso con todos sus factores en una
expresin en la que se cuantifican sus costes. En este estudio se convertir en la
herramienta para generar los indicadores financieros por la capacidad de
recoleccin de parmetros hard.

7
XIII CONGRESO DE CONFIABILIDAD

A continuacin se indican los diferentes bloques de costes a considerar para el


clculo del coste.

3.- CLCULO DEL COSTE GLOBAL DE MANTENIMIENTO

Segn AFNOR (1994) el coste global de mantenimiento C g es la suma de cuatro

componentes:

Costes de intervenciones ( Ci );

Costes de fallos ( C f );

Coste de almacenamiento ( Ca );

Coste de sobre-inversiones ( C si ).

C g = C i + C f + C a + C si

Este coste global puede ser calculado para una mquina concreta, grupo de
mquinas o plantas enteras pero polticas como RCM que racionalizan la
observancia y aplicacin del mantenimiento en aquellos equipos que ms afectan
al coste dada su criticidad o importe.

3.1.- Coste de intervencin

El coste de intervencin ( Ci ) incluye los gastos relacionados con el


mantenimiento preventivo y correctivo. No incluye costes de inversin, ni aquellos
relacionados directamente con la produccin: ajustes de parmetros de
produccin, limpieza, etc.

8
XIII CONGRESO DE CONFIABILIDAD

El coste de intervencin puede ser descompuesto en:

Mano de obra interna o externa,

Repuestos en almacn o comprados para una intervencin;

Material fungible requerido para la intervencin;

Es importante otorgar un valor realista a los costes de intervencin por unidad de


tiempo ci y de horas-hombre pues influyen directamente en el coste global de
mantenimiento, la funcin objetivo a minimizar.

3.2.- Coste de fallos

Estos costes corresponden a las prdidas de margen de explotacin debidas a un


problema de mantenimiento que haya producido una reduccin en la tasa de
produccin de productos en buen estado. La prdida de este margen, puede
incluir aumento de los costes de explotacin o una prdida de negocios.

Los problemas de mantenimiento ocurren por:

Mantenimiento preventivo mal definido;

Mantenimiento preventivo mal ejecutado;

Mantenimiento correctivo efectuado en plazos muy largos, mal ejecutado,


realizado con repuestos malos o de baja calidad.

Es importante recalcar que el coste de fallo de los equipos corresponde a las


prdidas de margen de explotacin cuya causa es un defecto que provoca bajas
de produccin de calidad aceptable.

9
XIII CONGRESO DE CONFIABILIDAD

El coste de fallo puede ser calculado con la siguiente frmula:

C f = ingresos no percibidos + gastos extras de produccin - materia prima

no utilizada

Las componentes de este coste son:

Ingresos no percibidos: Este factor depender de la posibilidad de recuperar la


produccin en horarios diversos, fines de semana etc. En caso de ser una
produccin continua, evidentemente no hay posibilidad de recuperacin, por lo
que la produccin de ese segmento temporal y los ingresados asociados a ella
hay que imputarlos en este apartado.

Gastos extra de produccin: En caso de que se pueda recuperar parte de la


produccin en franjas temporales tendr unos costes adicionales que
bsicamente son los siguientes:

o La energa necesaria para la produccin;

o Las materias primas;

o Los fungibles;

o Los gastos de servicios tales como calidad, compras,


mantenimiento, etc.

Materia prima no utilizada: Ser un factor que en caso de no ser posible


recuperar la produccin, se deber restar al coste de fallo, pues por lo menos
no se ha incurrido en el consumo de esa materia prima (a no ser que sea
producto perecedero que haya que tirar caso de no procesar) que si se
consumir si se recupera el plan productivo, quizs con algn sobrecoste de
almacenamiento, transporte o degradacin de materias primas.

10
XIII CONGRESO DE CONFIABILIDAD

El modelo ms usado en la estimacin del clculo de coste de fallo cuando hay


activos productivos que asumen total o parcialmente las tareas del activo en
mantenimiento es el mtodo Vorster & De la Garza (1990).

3.3.- Coste de almacenamiento

Los inventarios representan cerca de un tercio de los activos de una empresa


tpica, segn afirman varios autores como Daz & Fu (1995), extendiendo esta
praxis a todo tipo de negocio, sea industria o servicio parece ser que es un patrn
altamente repetido. De hecho el modelo de costes ms extendido y validado es
que en mantenimiento, el 70% del presupuesto es mano de obra y el 30% son
repuestos. El coste de almacenamiento representa los costes incurridos en
financiar y manipular el inventario de piezas de recambio e insumos necesarios
para la funcin mantenimiento.

3.4.- Coste de sobre-inversiones

Al disear la planta, lo correcto es tomar la decisin de equipos que minimicen el


coste global de mantenimiento durante su ciclo de vida. Ello implica en general,
que se compren equipos cuyas inversiones iniciales son mayores que las de otros
que cumplen los mismos requerimientos, pero cuyos costes de intervencin y
almacenamiento asociados se estiman menores. A fin de incluir la
sobreinversin, se amortiza la diferencia sobre la vida del equipo. As es posible
castigar en el coste global las inversiones extras requeridas para disminuir los
dems componentes del coste.

De igual modo la aplicacin indiscriminada de costosas tecnologas y


metodologas como monitorizacin de parmetros de estado no necesarios,
pueden considerar sobreinversiones y gravan enormemente el presupuesto de

11
XIII CONGRESO DE CONFIABILIDAD

mantenimiento. A la definitiva entraran en esta categora todas aquellas


inversiones realizadas sobre los activos de las que no se obtenga el retorno
esperado.

3.5.- Costes evitados

Uno de los problemas ms frecuentes al modelar financieramente un sistema de


mantenimiento radica en que los costes primigenios se han visto modificados
varias veces en sucesivas aplicaciones de metodologas o tecnologas que
buscaban la reduccin del costo global en base a lo que se conoce como costos
evitados.

En la implantacin indiscriminada de polticas de reduccin de costes se ven


afectados tres de los cuatro parmetros que constituyen el coste global

Costes de intervenciones (Ci): Normalmente estos se reducen en frecuencia y


en volumen pues la mayor parte de las tecnologas predictivas consiguen una
menor agresividad en las averas con una reduccin del correctivo y un
aumento del preventivo.

Costes de fallos (Cf); Reducidos en determinadas polticas predictivas en los


que se sustituyen grandes reparaciones por pequeas inspecciones que
suelen ser adems sin detener el proceso.

Coste de inversiones sobredimensionadas (Csi): Son quizs los ms


sensiblemente aumentados por costosos equipos y planes de inspeccin que
raramente se usan o subcontratas de elevadas tasas con dudoso valor
aadido.

12
XIII CONGRESO DE CONFIABILIDAD

En la ecuacin siguiente se puede ver reflejado el impacto de los costes evitados


con la doble dimensin de los mismos cuando son asociados a una inversin en
una tecnologa o metodologa concreta. Es decir, se reducir con la aplicacin de
la tcnica elegida el coste intervencin en un porcentaje, del mismo modo que el
de fallo, y aumentar del coste de sobreinversin por aspecto de la tcnica que se
implanten o adquieran y que no sean de inters para la compaa y por tanto no
redunden en un retorno de inversin para la misma.

C g = C i + C f + C a + C si C av
C g = (C i C av _ i ) + (C f C av _ f ) + C a + (C si + C av _ si )

4.- MODELO DE COSTES PROPUESTO EN EL TRABAJO

El modelo propuesto para obtener el coste total de mantenimiento es un full


costing, con la diferenciacin entre costes directos e indirectos. Conviene
desglosar el coste global con sus cuatro componentes en los elementos
constitutivos del full costing.

C g = C i + C f + C a + C si

De los componentes anteriores, se puede deducir que los tres ltimos


corresponden inexorablemente a costes directos, siendo el coste de fallo sin duda
alguna el de mayor relevancia a la par que el de ms difcil cuantificacin.

El coste de almacn es un coste directo de la funcin de mantenimiento, pues la


eleccin de retener volmenes elevados de caros repuestos implica un coste
sobre las reparaciones y de hecho afectar ms directamente al centro de coste
objeto de los mayores acopios. Por ltimo, el coste de sobreinversin es una
eleccin directa sobre el equipo, una eleccin de invertir ms en un equipo que en

13
XIII CONGRESO DE CONFIABILIDAD

otro, con la esperanza de que as los costes de falla se reducirn ms


drsticamente que el incremento que supone esa inversin extra.

Queda por lo tanto como nico elemento que aglutina parte de costes directos e
indirectos el coste de intervencin absorbiendo por una parte la parte visible de la
intervencin y por otra los gastos indirectos soportados por la funcin de
mantenimiento e imputados en su ratio de unidades monetarias por hora de
intervencin.

C g = C Directos + C Indirectos = C i + C f + C a + C si = C i _ Directos + C i _ indirectos + C f + C a + C si

Los costes de intervencin indirectos correspondern a:

C i _ indirectos = ci _ indirectos T

Siendo T el nmero de horas hombre requeridas para la intervencin y ci _ indirectos el

coeficiente de unidades monetarias por hora imputadas de costes indirectos a


mantenimiento.

Costes indirectos imputados mantenimiento


c i ,t =
Horas totales de intervencin

Este valor evidentemente debe ser fijado y negociado previamente al inicio del
ejercicio, para que no ocasione un gravamen excesivo, pues en plantas
productivas normales el factor de ms relevancia es con mucha diferencia el
coste de fallo y unos costes indirectos muy altos aumentara la ineficiencia del
sistema.

Por tanto y siguiendo con el modelo de Lambn et al. (2009).

C g = C Directos + C Indirectos = C Mat + C Op _ proc + C Op _ ext + C Moi + C Gest _ proc + C Gen

14
XIII CONGRESO DE CONFIABILIDAD

Donde

C Directos = C Mat + C Op _ proc + C Op _ ext

C Indirectos = C Moi + C Gest _ proc + C Gen

Siendo para el coste global:

C Indirectos una parte del coste de intervencin en tanto por hora hombre empleada

C Op _ proc = C fallo es decir se imputarn los costes operacionales del propio proceso

de mantenimiento, los originados por la ausencia de capacidad productiva, siendo


estos los ms relevantes habitualmente y a cuya estimacin se dedicar un
apartado especial con el mtodo adoptado de Vorster & De la Garza (1990).

COp _ ext Overhauls externalizados, inspecciones de predictivo o ensayos no

destructivos son algunos de los costes imputados normalmente en este apartado.

Figura 2 Costes de mantenimiento segn el modelo de Lambn et al. (2009)

15
XIII CONGRESO DE CONFIABILIDAD

5.- EL MODELO DE COSTES Y EL CUADRO DE MANDO INTEGRAL

El modelo de costes mostrado est orientado a sustentar la rpida generacin de


los indicadores financieros. Pero stos no son los nicos destinados a la medicin
del rendimiento de la funcin mantenimiento, sumndose a esta labor indicadores
relacionados con las personas, con los parmetros RAMS etc por lo que el
conjunto ha crecido sensiblemente y se ha impuesto su jerarquizacin y
clasificacin segn diferentes tipos de ordenaciones. La ms extendida es la que
adopta el Balanced Scorecard de Kaplan & Norton (1996). Adaptaciones de BSC
a mantenimiento, como la de Galar et al. (2009), promueven la perspectiva
financiera entre las cuatro existentes como aquella donde el modelo de costes
juega un papel fundamental.
ESTRATEGIA

FINANZAS CLIENTES

BASES DEL
OBJETIVOS ESTRATEGIA
CMI

FORMACIN
PROCESOS
OBJETIVOS

Y
INTERNOS CRECIMIENTO

Figura 3 Interrelacin entre objetivos estrategia y perspectivas del CMI

La perspectiva financiera ha sido la que tradicionalmente desarrollaba los cuadros


de mando utilizados hasta ahora para la supervisin de la empresa al ms alto
nivel. Se encuentran ya definidos suficientes ndices econmicos, de rentabilidad,
solvencia y liquidez, que pueden ser aplicados a todo tipo de empresas. Ser
necesario tener en cuenta, sin embargo, dos aspectos fundamentales de la
cuestin. El primero de ellos se refiere a la correcta adecuacin de los

16
XIII CONGRESO DE CONFIABILIDAD

indicadores a la unidad de negocio de que se trate, y el segundo a la fase en que


se encuentre la entidad, dentro del ciclo de vida de la empresa y de sus activos
productivos. Se pretende, a veces, aplicar el mismo tipo de mtrica financiera a
las distintas unidades de negocio, como puede ocurrir al sealar para todas ellas
un determinado nivel de rentabilidad sobre el capital invertido o pretender que
rindan uniformemente el mismo porcentaje de valor aadido, sin contar con que
se les puede haber asignado estrategias diferentes.

La perspectiva financiera se basa en dos objetivos principales en la funcin


mantenimiento, que se anan para conseguir el equilibrio entre la eficacia
demandada y la eficiencia conseguida a tal fin. Ese equilibrio se define a travs
de la consecucin de las siguientes metas, como se puede observar en la figura
4: Mejorar la disponibilidad y mejorar los costes asociados

d
da
b ili
i
on
sp
di
la
de
a
or
ej
M

Figura 4. Equilibrio entre eficacia y eficiencia en la perspectiva financiera

Este trabajo se centrar en mostrar los indicadores si el objetivo perseguido en la


empresa es la mejora de los costes asociados al mantenimiento.

17
XIII CONGRESO DE CONFIABILIDAD

5.1.- El objetivo de la mejora de los costes

Este objetivo pretende equilibrar y ajustar los costes de mantenimiento con el


logro de la disponibilidad necesaria para cumplir con los requerimientos de
produccin u operacin. Es decir, el objetivo es buscar con el menor coste posible
el nivel de disponibilidad necesaria. Este ndice ha de ser observado en una
tendencia temporal. As, para un periodo i ser:

Costes de mantenimiento
Disponibilidad requerida por operaciones

En definitiva se va a intentar reducir las unidades monetarias que cuesta de


mantenimiento cada hora de disponibilidad conseguid condicionado a que sea la
demandada.

5.1.1.- Consensuar el contenido de los costes de mantenimiento

El modelo de costes y la tradicin de ellos en la funcin mantenimiento ponen de


manifiesto lo intangible y oculto de la mayora de los costes imputables a este
departamento, por lo que surgen diferentes interpretaciones de los mismos y se
consideran de manera completamente distinta en entornos manufactureros muy
similares. Es por ello que la jefatura de mantenimiento debe conocer las reglas de
juego, es decir cmo se van a analizar sus costes, bajo que parmetros, qu se le
va a imputar y sobre todo tener control de cambio sobre aquellas cosas que van a
ser de su responsabilidad y por las que se le va a juzgar. Los siguientes
indicadores marcan la relacin de los costes de mantenimiento respecto al
producto final manufacturado, a la disponibilidad conseguida o al valor de
reemplazo de la maquinaria. Son los grandes nmeros corporativos que se usan
en los niveles ms altos para definir los grandes cambios en las polticas de
manufactura y por extensin de manutencin. Los siguientes parmetros

18
XIII CONGRESO DE CONFIABILIDAD

constituyen las partidas de los costes totales y son realmente donde el director de
mantenimiento puede incidir para modificar a su favor los macro indicadores
antes mencionados.

Las cifras que debe manejar la alta direccin respecto a mantenimiento son
reducidas, pero aportan la informacin relevante para la toma de decisiones. El
presupuesto de mantenimiento respecto al valor de sustitucin de los activos es
un elemento indispensable en la decisin de renovacin de equipos o incluso de
deslocalizacin de plantas. De igual modo, las relaciones de mantenimiento
respecto al producto manufacturado o al coste de esa manufactura, presentarn
todos los escenarios en los cuales est presente mantenimiento.

Costes totales de mantenimie nto


IE1 =
Valor de sustituci n de los activos
Costes totales de mantenimiento Costes totales de mantenimiento
IE 4 = IE3 =
Coste de transformacin a la produccin Cantidad producida

Para la directores de fbrica u operaciones, los ratios relevantes son los


referentes al disponibilidad respecto a la produccin, de cara a cuantificar
adecuadamente que cantidad puedo procesar en el tiempo de disponibilidad que
mantenimiento consigue.

Disponibilidad ligada a mantenimiento


IE 6 =
Cantidad producida
Costes totales de mantenimiento + Costes de indisponibilidad ligados a mantenimiento
IE5 =
Cantidad producida

Es en este caso donde se pone de manifiesto la complejidad del coste de fallo


siendo este la segunda aparte del numerador de IE5- El modelo consensuado de
costes se impone como necesidad para la adecuada generacin de este indicador
en pro de objetivos cuantificables.

19
XIII CONGRESO DE CONFIABILIDAD

Las partidas destinadas a los diferentes tipos de mantenimiento respecto al


presupuesto total sern los datos que maneje el director de mantenimiento, en
base a los cuales deber tomar las decisiones de mover fondos de una partida a
otra, buscando que esa nueva combinacin aporte una mejora en la
disponibilidad conseguida para el cliente.

Coste del mantenimiento correctivo


IE15 =
Costes totales de mantenimiento

Coste del mantenimiento preventivo


IE16 =
Costes totales de mantenimiento

Los indicadores IE15 e IE16 propuestos por la UNE 15341 (2007) son ejemplos
de costes donde se precisa un modelo de costes para calcularlos. Es de destacar
que en los costes contemplados por la norma se incluyen los indirectos pero se
excluyen los derivados de la indisponibilidad en el sistema productivo no solo
cuando sea por cambios de formato etc. si no en todos los casos por lo que la
norma apuesta claramente por unos costes hard huyendo de la difcil
cuantificacin de los costes de fallo que promueve una avera y la indisponibilidad
subsiguiente.

A nivel de mantenimiento planificado, los indicadores propuestos por la norma


son los enumerados a continuacin, destacando todos por el carcter de costes
de intervencin que tienen con la parte correspondiente de costes indirectos pero
pesando ms la primera. Incluso el IE20 como indicador de los de las paradas
programadas para mantenimiento no tiene en cuenta el lucro cesante producido
por las mismas sino que cuantifica tan solo las intervenciones producidas en ese
intervalo temporal.

20
XIII CONGRESO DE CONFIABILIDAD

Coste del mantenimiento CBM


IE17 =
Costes totales de mantenimiento

Coste del mantenimiento sistemtico


IE18 =
Costes totales de mantenimiento

Coste del mantenimiento de mejora


IE19 =
Costes totales de mantenimiento

Coste de paradas programadas para mantenimiento


IE 20 =
Costes totales de mantenimiento

6.- UN MODELO PARA MEDIR EL RENDIMIENTO

La informacin y referencias sobre la medicin del rendimiento de mantenimiento


son a menudo contradictorias y casi siempre especficas de la industria en la que
fueron creadas. Se ha tratado de definir un procedimiento genrico, lgicamente
para alinear los esfuerzos de un departamento de mantenimiento con los objetivos
de su empresa. Se ha demostrado que las medidas de rendimiento pueden ser
concebidas y deben serlo con el fin de confirmar lo acertado de esta alineacin
entre objetivos globales y departamentales. Por lo tanto es posible esbozar el
procedimiento en su totalidad a travs de un diagrama de flujo (Figura 5).

El modelo est deliberadamente no especificado para una industria o un sector,


se asegura as su carcter genrico y su uso puede ser ms amplio. Siguiendo
este proceso, una empresa debera ser capaz de reflexionar sobre la mejor forma
de asegurar la integracin de la funcin mantenimiento en sus necesidades de
negocio. La fijacin de objetivos en un orden jerrquico, est llamada a asegurar
que todas las funciones dentro de la empresa trabajan juntas. Williamson (2001)
describe cmo el mantenimiento no es un departamento, sino una responsabilidad
compartida. Este concepto, sin duda, llegar a ser cada vez ms comn. Esta
concepcin del mantenimiento refuerza la idea de que todas las funciones dentro

21
XIII CONGRESO DE CONFIABILIDAD

de la compaa, debidamente alineadas y trabajando juntas, se sustentan en


cuadros de mando jerarquizados El fin ltimo del trabajo cooperativo de estas
funciones ser mejorar el rendimiento y reducir los costes, es decir una mejora
cuantitativa de eficacia y eficiencia.

La metodologa propuesta, demuestra que existe una brecha entre la eficacia del
mantenimiento y la eficiencia organizativa. Un factor de importancia reside en el
umbral mnimo de los costes asociados con la eficacia de la funcin de
mantenimiento. La razn principal es que los costes globales son en realidad una
combinacin de los dos conjuntos de objetivos (eficacia y eficiencia). Esto
demuestra que el coste total de mantenimiento es de hecho la suma de la eficacia
de mantenimiento y los costes ocasionados por la ineficiencia. Por tanto, se
deduce que el coste es un vnculo vital que conlleva los dos objetivos juntos.

Se puede intuir que el objetivo y la medida de nivel ms alto que debe ser gua en
un departamento de mantenimiento es la reduccin al mnimo del coste total
asociado a la funcin. O para ser ms especficos, el cumplimiento de todos los
objetivos y metas a un costo mnimo, segn expone Mitchell (1998), con el fin de
maximizar la productividad.

22
XIII CONGRESO DE CONFIABILIDAD

Figura 5 Modelo para medir el rendimiento de mantenimiento.

7.- CONCLUSIONES

Los problemas de medicin del rendimiento de mantenimiento son comunes y


parecidos en todas las organizaciones. Aunque la solucin a cada una de ellos
inevitablemente vara de una planta a otra, la verdadera causa de las
complicaciones surgidas en el uso de estas mtricas, tienden a ser muy similares.

Una vez que se tiene definida la funcin de mantenimiento en una organizacin se


pueden marcar objetivos en el cumplimiento de la misma y las medidas
necesarias para monitorizar el cumplimiento de los mismos. Los objetivos y las
medidas deben ser constantemente evaluados y revisados para que puedan
permanecer alineados con las necesidades empresariales. Es importante alinear

23
XIII CONGRESO DE CONFIABILIDAD

las medidas con cada uno de los objetivos principales. No tiene sentido fijar un
objetivo para mejorar el rendimiento si no va a ser adecuadamente controlado o
medido.

Los indicadores relacionados con la eficiencia organizacional tienden a ser


difciles de medir y de carcter subjetivo. Es por ello que el personal de finanzas
tiende a concentrarse en los costos provocado por el uso de los recursos (es decir
los costos hard derivados de la eficiencia del mantenimiento). stos son mucho
ms fciles de medir con el uso de sistemas GMAO, programados para capturar
este tipo de informacin a travs de la gestin del volumen de horas de trabajo,
compras de repuestos, contrataciones etc. Esta tendencia, ha influido en que los
indicadores ms comnmente usados de carcter organizacional hacen referencia
a uso de personal, horas de trabajos extra o porcentajes de personal directo o
indirecto por la complejidad subyacente en la medicin de aspectos intangibles
ligados a los costos soft, como capacidades de reaccin, habilidades o facilidad
de trabajo en equipo.

De ah que en este trabajo se proponen una serie de indicadores con los que ser
posible verificar si existe una mejora de los costes de mantenimiento de una
empresa. Adems, y con el fin de aportar precisin a los datos de entrada de para
su clculo, se ha indicado un modelo con el que se contribuye a facilitar la
determinacin de los costes reflejando la operativa del proceso. Para finalizar, se
indica un modelo para la medicin del rendimiento en Mantenimiento.

24
XIII CONGRESO DE CONFIABILIDAD

REFERENCIAS

AFNOR, (1994). Recueil des normes franaises X 06, X 50, X 60, AFNOR.

Arbulu T. & Vosberg B. (2007). Feasibility Study and Cost Benefit Analysis of
Thin-Client Computer System Implementation. Onboard United States Navy
Ships. Naval postgraduate school Monterey, California.

Cceres, B. (2004). Cmo Incrementar la Competitividad del Negocio


mediante Estrategias para Gerenciar el Mantenimiento. VI Congreso
Panamericano de ingeniera de Mantenimiento. Mxico, D.F.

Coelo, C. & Brito, G. (2007). Proposta de modelo para controle de custos de


manuten com enfoque na aplicao de indicadores balanceados. Boletim
Tcnico Organizao & Estratgia 3 (2) 137-157.

Diaz, A. & Fu, M.C. (1995). Multi-Echelon Models for Repairable Items: A
Review. College Park, MD: University of Maryland, Institute for Systems
Research

EN 15341 (2007). Maintenance Key Performance Indicators.

Galar D., Berges L. & Royo J. (2009). Construccin de KPIs de


mantenimiento en base a los parmetros RAMS: La necesidad de un cuadro
de mando. II Jornadas internacionales de Asset Management. XI Jornadas
de Confiabilidad. Valencia.

Galar D., Berges L. Lamban P. & Royo J. (2010). La jerarqua de los KPIs de
la funcin mantenimiento y el nuevo rol de los parmetros RAMS. XII
Jornadas de Confiabilidad.Cadiz.

Hansson, J. (2003). Doctoral Thesis Total Quality Management - Aspects of


Implementation and Performance Investigations with a Focus on Small

25
XIII CONGRESO DE CONFIABILIDAD

Organisations. Department of Business Administration and Social


Science.2003. Lule University of Technology

Hendricks, K. & Singhal, V. (1997). Does implementing an effective TQM


program actually improve operating performance? Empirical evidence from
firms that have won quality awards. Management Science, Vol. 43 No. 9, pp.
1258-1274.

Kaplan, R, & Norton, D, (1996). The Balanced Scorecard: Translating


Strategy Into Action. Harvard Business School Press. Boston, MA

Lambn, M.P, Royo J. & Berges L. (2009). Modelo de gestin econmica de


la Cadena de Suministro. Primer Congreso de Logstica y Gestin de la
Cadena de Suministro.

Mitchell, J. (1998). Dollars: The only real measure of equipment


effectiveness. http://www.mt-online.com

Vergara, E. (2007). Anlisis de confiabilidad, disponibilidad y mantenibilidad


del sistema de crudo diluido de petrozuata. Universidad Simn Bolvar
Decanato de Estudios de Postgrado.

Vorster, M.C. & De la Garza, J.M. (1990). Consequential equipment costs


associated with lack of availability and downtime, Journal of Construction
Engineering and Management-ASCE, 116(4), 656-669.

Williamson, R. (2001). Maintenance is NOT a department. http://www.mt-


online.com. January

26
PONENCIA 20

METODOLOGA DE DIAGNSTICO EN LA GESTIN


INTEGRAL DE ACTIVOS FSICOS EN LA INDUSTRIA.
CASO: INDUSTRIA ELCTRICA

Amendola. L. 1,2 , Depool. T 2 Contreras. R 2(P)

Universidad Politcnica de Valencia

Departamento de Proyectos de Ingeniera e Innovacin 1

PMM Institute for Learning 2


XIII CONGRESO DE CONFIABILIDAD

METODOLOGA DE DIAGNSTICO EN LA GESTIN INTEGRAL DE


ACTIVOS FSICOS EN LA INDUSTRIA. CASO: INDUSTRIA ELCTRICA

Amendola. L. 1,2 , Depool. T 2 Contreras. R 2(P)

Universidad Politcnica de Valencia

Departamento de Proyectos de Ingeniera e Innovacin 1

PMM Institute for Learning 2

RESUMEN

En el presente estudio se describe el proceso de la implementacin de una


metodologa de diagnstico de gestin de activos fsicos, para conseguir que la
industria elctrica opere al 100% de su capacidad productiva de diseo,
eliminando las prdidas y aumentando as la eficiencia en las operaciones. En
este sentido, se establecer un punto de partida de una forma cientfica para
definir la estratgica, la tctica y la operativa que sern las acciones que se
deben ejecutar para alcanzar la meta. Se aplic la metodologa de las tres 3P
(People, Process and People) de PMM Institute for Learning para el
diagnstico. La implementacin se realiza en base los estndares
internacionales de Gestin Integral de Activos Fsicos como la PAS55 y
adaptado a la cultura y necesidades de la empresa de estudio.

Palabras claves: gestin; metodologa; activos; proceso

1
XIII CONGRESO DE CONFIABILIDAD

1.- INTRODUCCIN

Antes de decidir qu mejorar? y hacia dnde se deben conducir las


acciones de la empresa?, hay que establecer el punto de partida para definir
la estratgica, la tctica y las acciones que se deben ejecutar para alcanzar la
meta. Este punto de partida representa la madurez de la organizacin en la
gestin de activos.

En este sentido PMM Institute for Learning con su metodologa de las tres 3P
(People, Process and People) Assessment Methodology, identifica y analiza
las oportunidades de mejora en las 5 reas claves de la Gestin Integral de
Activos Fsicos (Asset Management): Recursos del Mantenimiento y
Operaciones, Tecnologa de la Informacin, Mantenimiento Preventivo y
Tecnologa, Planificacin y Programacin, y Soporte al Mantenimiento y
Operaciones.

El anlisis cuantitativo y cualitativo de datos de esta metodologa, se estructura


en 5 pasos: Encuestas, anlisis de datos mediante SPSS (Statistical Package
for the Social Sciences), definicin de la clase de gestin del mantenimiento y
operaciones en base a la puntacin obtenida, identificacin de las reas a
potenciar y mejores prcticas. Las encuestas cuentan con 12 preguntas
(sumando un total de 60 preguntas) orientadas a cada una de las 5 reas
claves del negocio. La implementacin se realiza en base a los estndares
internacionales de Gestin Integral de Activos Fsicos y adaptadas a la cultura,
clima organizacional y necesidades de la empresa. La cultura y necesidades
son determinadas en el pre-diagnstico realizado en la organizacin en
conjunto con el equipo inicial del proyecto y PMM Institute for Learning.

En este anlisis participan representantes de todas las reas del negocio de


gestin integral de activos fsicos.

2
XIII CONGRESO DE CONFIABILIDAD

2.- MARCO TERICO

2.1.- La Gestin Integral de Activos

Las organizaciones de hoy en da se enfrentan ms que nunca al reto de


asimilar fuertes y continuos cambios, no slo del entorno industrial, sino
tambin sociales, medios tecnolgicos, recursos de capital, nuevas
regularizaciones y legislaciones. Es necesario, pues, tomar decisiones dentro
del mbito de la organizacin para poder adaptarse a este cambiante y
complejo mundo. Este proceso recibe la denominacin de Asset Management,
que podemos definirla como el arte y la ciencia de integral, poner en prctica y
desarrollar todos los potenciales de una organizacin de mantenimiento, que le
aseguren una supervivencia a medio y largo plazo y a ser posible beneficiosa.

Es importante recordar que los pilares de la gestin de activos tienen que ir


siempre de la mano de la innovacin y la creacin de valor aadido.

Recuerdo cuando estaba en la industria del petrleo como gerente en Amrica


y luego en la universidad industria en Europa y cuando cre como mximo
directivo, junto a un grupo de grandes profesionales a PMM Institute for
Learning, no estbamos creando una ptica ms, sino que estbamos
aportando un valor aadido a lo que exista en ese momento, sus gafas en
una hora. Luis Amendola.

Cualquier organizacin que desee tener xito y busque beneficios, debe


someterse a un sistema formal de gestin de activos. Esto implica someterse a
un diagnstico para seleccionar y definir perfectamente sus niveles de madurez
en la organizacin que la har destacar frente a la competencia.

2.1.1.- Pilares Fundamentales del Asset management

El sistema de gestin de activos se puede representar como un bucle cerrado y


que se retroalimenta, donde cada estacin representa un pilar fundamental de
la gestin. El proceso de retroalimentacin, significa que la organizacin tendr

3
XIII CONGRESO DE CONFIABILIDAD

que establecer peridicamente procedimientos para monitorear, medir y


corregir el desempeo en la gestin de activos, y en base a esto, replantear
estrategias de implementacin y operacin para alcanzar de manera optima
sus objetivos.

Figura 1. Pilares en la Gestin de Activos (Amendola, L, 2011)

Diagnstico de Gestin: Definir el nivel actual de madurez de la organizacin


y cules son sus prcticas en la gestin de activos. Tambin permite fijar la
filosofa y misin de la empresa o unidad de negocio para evaluar el estado
actual de los activos.

Polticas y Estrategias: Establecer objetivos a corto y largo plazo para lograr


la misin de la empresa, que define las actividades de negocios presentes y
futuras de una organizacin.

Informacin de la Gestin de Activos: Planificacin estratgica, Formular


diversas estrategias posibles y elegir la que ser ms adecuada para conseguir
los objetivos establecidos en la misin de la empresa, desarrollar una
estructura organizativa para conseguir la estrategia.

Implementacin y operacin: Asegurar las actividades necesarias para lograr


que la estrategia se cumpla con efectividad.

4
XIII CONGRESO DE CONFIABILIDAD

Verificacin y Acciones correctivas: Controlar la eficacia de la estrategia


para conseguir los objetivos de la organizacin.

Si se implementan tcnicas y herramientas basadas en los estndares PAS 55-


1:2008 (2008), vamos a poder conocer las que comienzan a emplearse en la
actualidad y de las que, tras su lectura, se conocer la sencillez y lgica que
tienen en su planteamiento. No obstante la verdadera dificultad vendr en
saber realizar, combinar y ponerlas en prctica en la organizacin.

Por tanto, la implantacin de la estrategia de gestin de activos consiste en la


asignacin de acciones especficas a personas concretas de la organizacin de
mantenimiento, a las que se les asignan los medios materiales necesarios para
que alcancen los objetivos previstos por la organizacin.

2.2.- PAS 55 Assessment Methodology (PAM)

Segn la PAS 55 los requerimientos para la Gestin de Activos Fsicos se


refieren a: Requerimientos generales del sistema de gestin de activos,
polticas, estrategia, gestin de los objetivos (a nivel de definicin y evaluacin
de los resultados), Plan o planes, contingencia, estructura (Autoridad-
Responsabilidades), Gestin del outsourcing o tercerizacin de tareas-
actividades, Gestin de las competencias, formacin y recompensa,
Mecanismo eficiente en la comunicacin, participacin y resolucin de
incidencias, Documentacin del Sistema de Gestin de Activos, Gestin y uso
de la informacin, Metodologa de gestin de riesgos, Gestin de los
requerimientos legales y otros, Gestin del cambio, Gestin y seguimiento de
las actividades durante el ciclo de vida, aseguramiento de contar con las
herramientas, equipos e instalaciones adecuadas para la Gestin de los
Activos, Monitoreo de la condicin y desempeo de los equipos, Gestin y
fallas y no conformidades, Acciones correctivas y preventivas, Autoevaluacin
o auto-auditora, Mejoramiento continuo y preservacin del conocimiento,
Anlisis del desempeo del sistema de gestin de activos. PAS 55-1:2008
(2008).

5
XIII CONGRESO DE CONFIABILIDAD

Figura 2. Los 28 requerimientos PAS 55 sobre la Gestin de Activos Fsicos (British Standards
Institution. (BSi) PAS 55:2008)

3.- METODOLOGA DE GESTIN INTEGRAL DE ACTIVOS

Inicialmente se realiza un diagnstico de la organizacin de mantenimiento y


operaciones en conjunto con el equipo de trabajo multidisciplinario que defina
la organizacin. Este diagnstico permitir establecer las reas que hay que
fortalecer a corto, medio y largo plazo, bajo la metodologa (PMM Institute for
Learning) 3P (People, Process and People) Assessment Methodology que
identifica y analiza las oportunidades de mejora en las 5 reas claves
comentadas de la Gestin Integral de Activos Fsicos (Asset Management).
Resultado de esto surgen las iniciativas de mejora a desarrollar.

Quin desarrollara estos proyectos?

6
XIII CONGRESO DE CONFIABILIDAD

El equipo multidisciplinario de trabajo que defina la organizacin bajo la


asesora de PMM Institute for Learning. As la formacin y la especializacin
irn alineadas a que este equipo, junto a un equipo de soporte de la
organizacin que posea el conocimiento necesario para desarrollar los
proyectos bajo una misma metodologa de trabajo y bajo las mejores prcticas
del Asset Management.

Figura 3: Metodologa de Anlisis de los Datos PMM Instituto for Learning (Amendola, L,
2004).

La estrategia de diagnstico utilizada es una tcnica que emplea las 10


Mejores Prcticas definidas por la North American Maintenance Excelence
Award, sustentadas en la experiencia de ms de 600 empresas exitosas a
nivel mundial. Cada prctica a su vez est basada en unos atributos que la
describen. El diagnstico consiste en visualizar como estaban siendo aplicados
estos atributos en la industria (Organizacin de Mantenimiento y Operaciones).

7
XIII CONGRESO DE CONFIABILIDAD

100
80
60
40 Clase Mundial
% de Clasificacin
20 Mejor en su clase Puntuacin Clases de
0 Conciente Mantenimiento
Insatisfactorio Inocente 99-80 55 a 44
Inocente Insatisfactorio 119-110 66 a 61
Conciente 139-120 77 a 67
Mejor en su Clase 159-140 88 a 78
Clase Mundial 180-160 100 a 89

Figura 4: Puntuaciones para definir la Clase de Gestin de Mantenimiento y Operaciones de la


Organizacin

4. CASO DE IMPLEMENTACIN INDUSTRIAL

En el diagnstico participaron un equipo de trabajo multidisciplinario


perteneciente a las Gerencias de Generacin, Transmisin y Distribucin, con
el fin de identificar y analizar las oportunidades de mejora considerando cinco
las reas claves. Con este primer paso se pretende establecer la categora de
la gestin del mantenimiento de la industria elctrica (Inocente, Insatisfactorio,
Consciente, De lo Mejor en su Clase y Clase Mundial). Para ello ha sido de
gran importancia la participacin, apoyo y compromiso de las reas de
Generacin, Transmisin y Distribucin.

Estas acciones involucran a toda la organizacin, a todas las especialidades y


a todos los niveles tanto estratgicos, tcticos y operativos. Es por ello, que se
recomienda como fase fundamental la ejecucin del diagnstico basado en la
combinacin de tcnicas de recoleccin y tratamiento de datos, Mapas
Mentales, Panel de Expertos, Diagramas de Afinidad, Encuestas, Anlisis de
Tendencias empleando herramientas estadsticas y la evaluacin del sistema y
proceso de gestin de activos con respecto a los 28 requerimientos de la PAS
55.

8
XIII CONGRESO DE CONFIABILIDAD

El objetivo de esta actividad es dar un primer paso para generar un plan de


trabajo y definir acciones y/o proyectos de mejora que permitan alcanzar en un
mediano y largo plazo la Excelencia Operacional de la industria elctrica.

En este anlisis se han empleado los datos obtenidos de las encuestas


aplicadas y sesiones de Brainstorming del equipo que participo en el
proyecto. Las encuestas fueron aplicadas a todas las personas (ver figura 5)
como parte de la metodologa de diagnstico para determinar luego las
estrategias.

El tratamiento estadstico de los datos obtenidos de las encuestas fue realizado


a travs de la herramienta SPSS "Statistical Product and Service
Solutions". Inicialmente se determin a travs de la media la clase de
mantenimiento de la gerencia de mantenimiento y operaciones. Se consider la
escala y categoras mostradas en la figura 4.

Qu indican los resultados obtenidos despus del anlisis de los datos?

Cul es la percepcin del Tipo de Clase o Nivel de la Gestin de


Mantenimiento de la industria elctrica?

Una vez realizado el anlisis de los datos se ha obtenido una puntuacin de


100 puntos (media calculada entre los resultados obtenidos de las encuestas).
Esta puntuacin posiciona a la Gestin de Activos de la industria elctrica en
un Nivel Inocente (con un 55,56 % con respecto a la mxima puntuacin 180
Clase Mundial). Ver figura 5.

9
XIII CONGRESO DE CONFIABILIDAD

100
80
60
40 Clase Mundial

20 Mejor en su clase
0 Conciente
Insatisfactorio
Inocente

% de Clasificacin
Puntuacin Clases de
Mantenimiento
Inocente 99-80 55 a 44
Insatisfactorio 119-110 66 a 61
Conciente 139-120 77 a 67
Mejor en su Clase 159-140 88 a 78
Clase Mundial 180-160 100 a 89

Nmero encuestas procesadas

Resultado obtenido del nivel de percepcin

Figura 5. Niveles del tipo de clase de gestin de mantenimiento de activos

Los resultados estadsticos pueden observarse en la figura 5 del reporte de la


herramienta SPSS. En ella puede apreciarse la media obtenida, todas las
puntuaciones conseguidas en cada una de las encuestas y la categora en la
cual se posiciona la industria elctrica. Estos resultados corresponden a la
percepcin que tienen los profesionales de la industria que respondieron a las
encuestas. Vale la pena comentar que analizando la moda (valor u opcin en el

10
XIII CONGRESO DE CONFIABILIDAD

que ms coincide la muestra) puede decirse que la muestra estudiada a nivel


global existen muy pocas coincidencias, por lo que los resultados se
encuentran dispersos entre puntuaciones que van desde 68 (valor mnimo
obtenido) a 152 (valor mximo obtenido) con respecto al tipo de clase o nivel
de gestin del mantenimiento. Ver tabla 1

Tabla 1. Resultados obtenidos de las encuestas con respecto al tipo de clase o nivel de gestin
de mantenimiento de activos

En esta columna se
aprecia cuntas
personas coinciden
en un valor
Valores obtenidos determinado. Como
de las encuestas puede apreciarse
existen pocas
coincidencias, slo
se dan en las
puntuaciones: 90,
95, 116 y 128.

Nmero total encuestas procesadas

11
XIII CONGRESO DE CONFIABILIDAD

Qu significa un nivel inocente?

Una organizacin con un nivel inocente implica de acuerdo a 8 aspectos


fundamentales las siguientes caractersticas:

A nivel de Estrategia de Mantenimiento: presenta una tendencia a


mantenimiento reactivo.

A nivel de Administracin y Organizacin: organizacin y


administracin funcional.

A nivel de Planeacin y Programacin: se caracteriza por la no


planeacin, programacin elemental y no existe ingeniera de
mantenimiento.

A nivel de Tcnicas de Mantenimiento: paradas anuales de inspeccin


solamente.

Medidas de Desempeo: ninguna aproximacin sistemtica a costos o


mantenimiento y fallas de equipos.

Tecnologa de la informacin y su uso: manual y registro ad-hoc (de


acuerdo a lo que convenga en el momento).

Involucramiento de los empleados: solo reuniones con el personal


para tocar temas sindicales y sociales.

Anlisis de Confiabilidad: no existe ningn registro de la infraestructura


de equipos y componentes.

5. CONCLUSIONES

La aplicacin de la gestin de activos supone al menos un 10% de ahorro en


costes de produccin y mantenimiento, hasta un 50% de mejora en
desviaciones de los planes de mantenimiento de activo o un 15% de reduccin
de errores en el producto terminado. Estos beneficios se traducen, en una

12
XIII CONGRESO DE CONFIABILIDAD

considerable mejora de la productividad y de calidad que debe permitir a las


empresas una mayor tolerancia al cambio y una mejora en la rapidez de
respuesta ante necesidades del mercado.

Este proyecto demuestra a travs de una aplicacin industrial que las buenas
prcticas y enfoques del Asset Management no son disciplinas nicas
asociadas a temas de ingeniera y construccin. Con esto se ha trasladado el
conocimiento acadmico a resolver un problema industrial. El resultado ha
permitido generar proyectos (valga la redundancia) alineados a mejorar
problemas concretos gracias al estudio estadstico en la fase previa de
diagnstico.

6. REFERENCIAS

Amendola. L, (2011). La madurez como factor de xito en la Gestin


Integral de Activos Fsicos, Asset Management PAS 55.
www.mantenimientomundial.com

Amendola. L, (2010). Cundo saber que tu planta & organizacin


requieren un Assessment?, Gerencia de Activos Fsicos PMM
Metodologa + PAS 55. www.mantenimientomundial.com

Amendola. L, (2009). Alineacin del Project Management con la


Estrategia de la Organizacin, Ediciones PMM Institute for Learning,
ISBN: 978-84-935668-2-1, Valencia, Espaa.

Amendola. L, (2009). Operacionalizando la Estrategia, Ediciones PMM


Institute for Learning, ISBN: 978-84-935668-5-2, Valencia, Espaa.

Amendola, L., Depool, T. (2009). La Gestin de Competencias en la


Implementacin de una Project Management Office Caso Industria del
Petrleo, Editorial: AEIPRO, 13 th International Congress on Project
Engineering (Aeipro), ISBN: 978-84-613-3497-1, pg. 67-67. Badajoz,
Espaa.

13
XIII CONGRESO DE CONFIABILIDAD

Amendola. L, (2007). Direccin y Gestin de Proyectos de Planta de


Paradas: Propuesta Metodolgica para su Mejora Basada en Juicios de
Experto, Validacin de la misma y Generacin de Modelo Maestro. Tesis
Doctoral, Universidad Politcnica de Valencia, Espaa.

Amendola, L., Depool, T. (2006). Los Mapas Estratgicos del Balanced


Scorecard como Herramienta de Apoyo en el Project Management,
Editorial: Universidad Politcnica de Valencia, X International Congress
on Project Engineering, ISBN 84-9705-988-3. Valencia, Espaa.

Amendola, L., Depool, T. (2005). Modelo de Implementacin del


Balanced Scorecard una Oficina de Proyectos, Editorial. Universidad de
Mlaga AEIPRO, IX International Congress on Project Engineering,
ISBN 84-89791-09-0, pg. 11-20. Mlaga, Espaa.

Amendola, L. (2004). Metodologa para la Implementacin del Project


Management Office PMO, Editorial. Universidad Pas Vasco, VIII
International Congress on Project Engineering, ISBN 84-95809-22-2, pg.
30-40, Bilbao, Espaa.

Amendola. L, (1996). Desarrollo de un Modelo de Gestin de Activos e


Implementacin en una Refinera de Petrleo. Tesis Doctoral, Pacific
University California, USA.

British Standards Institution. (BSi) PAS 55:2008, Gestin de Activos Parte


1, ISBN: 978-0-9563934-0-1.

British Standards Institution. (BSi) PAS 55:2008, Gestin de Activos Parte


2, ISBN: 978-0-9563934-2-5.

The North American Maintenance Excellence Award is a program of the


Foundation for Industrial Maintenance Excellence, a volunteer non-profit
organization. (2011), www.nameaward.com

14
PONENCIA 22

PREDICCIN DE LA VIDA TIL REMANENTE A TRAVS


DE TRAYECTORIAS ENTRE HIPERPLANOS USANDO
SVM (SUPPORT VECTOR MACHINES)

G. Olmo

D. Galar

L. Berges

Grupo de Ingeniera de Fabricacin y Metrologa Avanzada

Instituto de Investigacin en Ingeniera de Aragn (I3A)

Universidad de Zaragoza
XIII CONGRESO DE CONFIABILIDAD

PREDICCIN DE RUL (REMAINING USEFUL LIFE) USANDO


TRAYECTORIAS MVILES ENTRE HIPERPLANOS SVM

G. Olmo 1, D. Galar 1, L. Berges 1,


1
Grupo de Ingeniera de Fabricacin y Metrologa Avanzada

Instituto de Investigacin en Ingeniera de Aragn (I3A), Universidad de


Zaragoza, Zaragoza, Espaa

RESUMEN

Debido a las cantidades de datos generados por empresas e investigadores


hay una necesidad de algoritmos rpidos, precisos y robustos para el anlisis
de estos datos. Las mejoras en la tecnologa de bases de datos, el rendimiento
de computacin y la inteligencia artificial han contribuido al desarrollo del
anlisis inteligente de datos. El objetivo principal de la minera de datos es
descubrir patrones en los datos que conduzcan a una mejor comprensin de
los procesos de generacin de datos as como a predicciones ms tiles. El
conocimiento disponible a travs de la minera de datos permite al propietario
de los activos poder tomar decisiones importantes sobre los costos de ciclo de
vida con antelacin.

1
XIII CONGRESO DE CONFIABILIDAD

En el campo del mantenimiento, el CMMS (Computer maintenance


management system) y el CM (Condition Monitoring) son los softwares ms
populares disponibles en las industrias. El primero de ellos almacena todos los
datos histricos, las acciones de mantenimiento, los eventos y las
recomendaciones del fabricante, el segundo recoge y almacena todos los
parmetros fsicos crticos (vibracin, temperatura, etc.) para ser monitorizados
en una base regular de tiempo. Sin embargo, convertir esos datos en
informacin til es un reto.

El proceso de degradacin de un sistema puede verse afectado por varios


factores desconocidos, como por ejemplo los modos de fallos indefinidos, las
condiciones operacionales no medidas, la ingeniera de la varianza, las
condiciones ambientales, etc. Estos factores desconocidos no slo complican
las conductas de degradacin del sistema sino que tambin hacen que sea
difcil obtener datos de calidad.

Debido a la falta de conocimientos y a las medidas incompletas, cierta


informacin importante sobre el contexto (por ejemplo, los modos de fallo, las
condiciones de operacin) de los datos recogidos se perder. Por lo tanto, los
datos histricos del sistema con una gran variedad de patrones de degradacin
se mezclarn entre s. Con tales datos, el aprendizaje de un modelo global
para la prediccin de la vida til restante (RUL) se vuelve extremadamente
difcil. Esto nos ha llevado a buscar tcnicas avanzadas de prediccin RUL
ms all de los modelos de prediccin RUL tradicionales.

El proceso de degradacin para muchos sistemas de ingeniera, especialmente


los sistemas mecnicos, es irreversible a menos que la condicin sea
recuperada por acciones de mantenimiento efectivas. El proceso de
degradacin irreversible no implica necesariamente que las caractersticas
observadas se presenten de acuerdo a un patrn de progresin montono

2
XIII CONGRESO DE CONFIABILIDAD

durante la degradacin. A veces es difcil modelar ese modelo de progresin


con mtodos paramtricos.

Considerando un proceso de degradacin que no implique un mantenimiento


limitado, el proceso puede componerse de una secuencia de etapas
irreversibles (discretas o continuas) desde las nuevas a las gastadas, que
pueden ser implcitamente expresadas por la trayectoria de los datos de
condicin medidos o por las caractersticas. Por lo tanto, el RUL del sistema
puede ser estimado si su tendencia a la degradacin futura puede proyectarse
a partir de los casos histricos.

Palabras clave: RUL, SVM, caractersticas, velocidad de degradacin,


mantenimiento

1. INTRODUCCIN

La deteccin de fallos, diagnsticos y pronsticos se realiza para elegir las


diferentes acciones de gestin del mantenimiento y la programacin de dichas
acciones. stos pasos se corresponden con la necesidad, en primer lugar, de
percibir los fenmenos, a continuacin, de entenderlos, y finalmente, de actuar
en consecuencia. Sin embargo, en lugar de entender un fenmeno que acaba
de aparecer como un fracaso, parece conveniente anticipar su manifestacin y
sus consecuencias con el fin de posteriormente y, tan pronto como sea posible,
recurrir a medidas de proteccin. Esto es lo que podra definirse como
pronstico y est fuertemente relacionado con la vida til restante (RUL) del
activo observado.

3
XIII CONGRESO DE CONFIABILIDAD

El Pronstico revela ser una actividad de mantenimiento muy prometedora, ya


que debera permitir mejorar la fiabilidad de todo el sistema. Adems, los
industriales muestran un creciente inters en esta temtica que se convierte en
un importante marco de investigacin. Sin embargo, teniendo en cuenta los
beneficios que esta tecnologa puede aportar a la seguridad, la economa y a
los campos de gestin de recursos, la comunidad cientfica todava no est de
acuerdo en una definicin formal, metodologa o marco para instrumentar el
proceso de pronstico. Esto puede explicarse desde diferentes aspectos. En
primer lugar, el pronstico todava no es un concepto estabilizado: no hay
forma consensuada de entenderlo, lo que hace ms difcil la definicin de
herramientas para el apoyo en aplicaciones reales. En segundo lugar, existen
muchos mtodos para la prediccin cuya aplicacin depende en gran medida
de los conocimientos disponibles en el sistema monitorizado. En tercer lugar, la
vaguedad de la definicin del proceso de pronstico impide sealar los
desafos que implica para los cientficos.

Por lo tanto, el propsito de este trabajo es analizar y discutir las ventajas de la


informacin suministrada por Support Vector Machines (SVM) en el diagnstico
para realizar pronsticos adecuados sobre la base de la misma. El objetivo
general es mostrar una clara diferencia entre la informacin de los
diagnsticos, realizados muchas veces por herramientas de deteccin
anmalas, y la informacin de pronstico, a la cual no se presta la atencin
adecuada para llevar a cabo (y desarrollar) los sistemas de pronstico real.

4
XIII CONGRESO DE CONFIABILIDAD

2.1 Concepto de pronstico

La norma europea sobre terminologa de mantenimiento no define pronstico


[1]. Esto revela que pronstico es una nueva rea de inters.

El Pronstico se relaciona tradicionalmente con la mecnica y las grietas de


fatiga. Fue sacado a la luz por esta comunidad de investigacin como un
campo de inters. En este sentido, se denomina pronstico a la prediccin de
la vida til de un sistema y corresponde al ltimo nivel de la clasificacin de los
mtodos de deteccin de daos presentados por [2]. El Pronstico tambin
puede ser definido como una medida de probabilidad: una forma de cuantificar
la probabilidad de que una mquina funcione sin un error o fallo hasta algn
momento futuro. Este valor pronstico probabilstico es ms que una
indicacin interesante de como el error o fallo puede tener consecuencias
catastrficas y de como el jefe de mantenimiento necesita saber si los
intervalos de inspeccin son los adecuados. Finalmente, el pronstico puede
ser definido como ha propuesto recientemente la Organizacin Internacional de
Normalizacin: el pronstico es la estimacin del tiempo hasta el fracaso y el
riesgo para uno o ms modos de fallo existentes y futuros [3]. En esta
acepcin, el pronstico tambin se denomina a la prediccin de la vida til de
un sistema, ya que es un proceso cuyo objetivo es predecir la vida til restante
(RUL) antes de que se produzca un fallo, dada la condicin actual de la
mquina y el perfil de las operaciones pasadas [4]. Estos enfoques se basan
en la nocin de fracaso, es decir, la finalizacin de la capacidad de realizar una
funcin determinada [1], lo que implica que el pronstico sea asociado con un
grado de aceptacin.

5
XIII CONGRESO DE CONFIABILIDAD

Con todo lo anterior, el pronstico debe basarse en criterios de evaluacin,


cuyos lmites dependen del sistema en s mismo y de los objetivos de
rendimiento [5], el pronstico puede ser dividido en dos sub-actividades: una
primera para predecir la evolucin de una situacin en un momento dado, y
una segunda para evaluar la situacin prevista en lo que respecta a la
evaluacin de referencia (Fig. 1).

Un problema fundamental puede ser destacado: la precisin de un sistema


pronstico se relaciona con su capacidad para aproximar y predecir la
degradacin de los equipos; la fase de prediccin es crtica. Una mirada a los
indicadores de pronstico permite sealarlo. El pronstico es, en esencia, un
proceso incierto. De esta manera, las medidas de rendimiento del sistema
pronstico pueden ser construidos. La principal medida pronstico que se
persigue es la prediccin del tiempo hasta el fallo (TTF), tambin llamada vida
til restante (RUL)

Estimacin
Prediccin RUL
del
Situacin rendimiento Evaluacin
del
actual rendimiento

Evaluacin
referencial

Figura 1 El Pronstico como proceso de evaluacin del funcionamiento

6
XIII CONGRESO DE CONFIABILIDAD

El trabajo se organiza de la siguiente manera. En primer lugar, el concepto de


pronstico ha sido definido brevemente y se sita dentro de las estrategias de
mantenimiento. Por lo tanto, la siguiente parte est dedicada al anlisis de las
herramientas de diagnosis utilizadas en los diagnsticos y la informacin
producida por ellas para predecir el RUL en una etapa posterior. Finalmente el
SVM se muestra como una exitosa herramienta de diagnstico y una
herramienta de pronsticos prometedora con la metodologa propuesta.

2. EXTRACCIN DE LAS CARACTERSTICAS

La extraccin de caractersticas es el primer paso despus de la adquisicin de


datos en bruto para realizar diagnsticos y pronsticos posteriores. Esto ayuda
a maximizar la informacin til a partir de los datos en bruto. La identificacin
de caractersticas relevantes conduce a diagnsticos de defectos precisos, ms
rpidos y fciles. Las caractersticas seleccionadas deberan ser sensibles a los
fallos de la mquina. Tambin deberan ser resistentes al ruido de fondo. Otra
consideracin importante en la seleccin de caractersticas es que el requisito
de clculo para la extraccin de caractersticas de los datos de monitorizacin
de estado debera ser inferior. Las caractersticas se extraen de los datos en
bruto utilizando diversos mtodos de procesamiento de seales como el
dominio temporal, el dominio de frecuencia y el anlisis tiempo-frecuencia. La
extraccin de caractersticas consiste en la construccin y seleccin de las
mismas.

El diagnstico de fallos existentes en un elemento rodante se centra


principalmente en el dominio de frecuencia, por ejemplo, utilizando la
transformada de Fourier, o el dominio tiempo-frecuencia, por ejemplo,
utilizando la transformada wavelet.

7
XIII CONGRESO DE CONFIABILIDAD

En las primeras etapas de desarrollo del fallo, el dao no es significativo y la


seal defectuosa est enmascarada por el ruido presente en la seal adquirida.
La periodicidad de la aparicin de alguna amplitud en la seal no es
significativa. Por lo tanto, el anlisis espectral puede no ser eficaz.

Por otro lado, aunque la periodicidad es significativa, utilizar la funcin dominio


temporal tambin es recomendable ya que las seales normales y defectuosas
difieren en sus caractersticas estadsticas en dominio de tiempo. Por lo tanto el
uso combinado de las caractersticas de dominio temporal con otros dominios
pueden mejorar la exactitud del diagnstico. Algunas de las caractersticas
dominio temporal utilizadas en la literatura aparecen en la tabla 1.

8
XIII CONGRESO DE CONFIABILIDAD

Caracterstica Definicin

1 Valor de pico Pv=(1/2)[max(xi)- min(xi)]

2 RMS RMS = 1 n
( xi )2
n i=1

3 Desviacin estndar Std= 1 n


( xi x )2
n i =1

4 Valor Kurtosis 1 n
Kv= ( xi x )4
n i =1
RMS 4

5 Factor de cresta Crf = Pv/ RMS

6 Factor holgura Clf.=


Pv
1 n
(
n i =1
x i )2

7 Factor impulso Imf =


Pv
1 n
xi
n i =1

8 Factor forma Shf =


RMS
1 n
xi
n i =1

9 Valor normal de NNL= ln L ; N


L = f ( xi , u, )
probabilidad i =1

negativa

Caractersticas en el dominio tiempo

Entre estas caractersticas, la curtosis es una importante y popular


caracterstica usada en las mquinas con elementos rodantes. La curtosis
define el apuntamiento de la amplitud en la seal. Las propiedades de curtosis,
factor de cresta y factor de impulso son magnitudes no dimensionales. Estas
caractersticas son independientes de la magnitud de la potencia de la seal.

9
XIII CONGRESO DE CONFIABILIDAD

Los valores RMS, valor de pico, desviacin estndar y normal negative


likelihood (NNL) son totalmente dependientes de la potencia de la seal.
Algunos factores perjudiciales, como la calidad de los sensores o el lugar
donde estn montados pueden influir en la potencia y calidad de la seal
adquirida. La principal ventaja de las caractersticas no dimensionales es que
son inmunes a estos factores perjudiciales Sin embargo, El RMS es una
caracterstica importante en el procesamiento de la seal. El RMS mide la
potencia de la seal y puede ser utilizado para normalizar la seal, es por eso
que algunas caractersticas se derivan del RMS.

Algunas caractersticas pueden no contribuir al diagnstico de fallos e incluso


degradar el rendimiento del diagnstico. El ndice de separacin se utiliza para
definir el significado de propiedades [7].

Para dos seales que se presentan para ser comparadas, sean md y mh , estas
Sd Sh
representan la media de las muestras de cada seal respectivamente. y
representan la desviacin estndar. Un ndice de separacin (SI) se define
como [9]

md mh
SI =
S d + S h (1)

10
XIII CONGRESO DE CONFIABILIDAD

Para fines de prediccin de la trayectoria, es importante para seleccionar


correctamente las caractersticas que stas exhiban algunas de las tendencias
previsibles que se relacionan con la salud del sistema. Esta caracterstica sigue
una tendencia ascendente en el tiempo, que sera til en la prediccin sin
actualizaciones de medidas. Sin actualizaciones de medidas, la precisin de la
prediccin ser muy susceptible a los cambios bruscos en la tendencia de la
caracterstica, ya que la prediccin se basa slo en el ltimo estado con una
actualizacin de la medida y un modelo de transicin de estado. No hay
ninguna posibilidad de que el modelo cambie sin actualizaciones de medidas
ya que el estado predicho estimar incorrectamente la trayectoria actual de las
caractersticas.

3. DIAGNOSIS UTILIZANDO EL CLASIFICADOR SVM

El SVM fue desarrollado inicialmente para clasificar dos clases de objetos. Es


necesario encontrar una funcin de decisin para dicha clasificacin binaria.
Sin embargo, hay muchas aplicaciones en las que el nmero de clases es ms
de dos, como el ejemplo ilustrado en la Figura 2. Para dar cabida a los
problemas multiclase, una solucin consiste en combinar varios SVM binarios
juntos. El Multiclase SVM Uno-contra-todos es uno de ellos, [8].

11
XIII CONGRESO DE CONFIABILIDAD

I II

III

Figura 2: Problema de Clasificacin de tres clases

Supongamos que hay k clases de conjuntos de datos para ser separados.

Dados l datos de entrenamiento ( x1 , y1 ),..., ( xl , yl ) , l supone la entrada del


SVM. La entrada del SVM es un vector de caractersticas en este documento.

El yi {1,2,3,..k} es la salida del SVM y es el indicador de la categora (clase) de


un conjunto de datos a los que pertenece. El mtodo Uno contra todos
transforma los problemas multiclases en k subproblemas de clasificacin
th
binaria. Los i subproblemas de clasificacin binaria etiquetan el indicador de
th
los conjuntos de datos perteneciente a la i clase con 1 y etiquetan el resto de
th
conjuntos de datos con -1. La formula matemtica para este i SVM binario es
[10]:

l
1 i T i
min ( ) + C ij ( i )T
2 j =1

( i )T ( x j ) + bi 1 ij , if y j = i
( i )T ( x j ) + bi 1 + ij , if y j i
ij 0, j = 1,...., l
(5)

12
XIII CONGRESO DE CONFIABILIDAD

Como cada SVM sub-binario tiene una funcin de decisin, pueden obtenerse
k funciones de decisin para k-Clases SVM:

(1 )T ( x) + b1

( k )T ( x) + b k (6)

La clase predicha para cada conjunto de datos x es la clase con el mayor valor
en la funcin de decisin, como se ilustra en la Figura 3. Esto es:

i = arg max(( i )T ( x) + bi ) (7)

Kernel Function 1 1

1 vs 2,3,... Input
+ Output 1
Kernel Function n n

Kernel Function 1 1

2 vs 1,3,... Input Predicted
+ Output 2 Max Class
Kernel Function n n


Kernel Function 1 1

n vs 1,2,3,...Input
+ Output n
Kernel Function n n

Figura 3. SVM multiclase

13
XIII CONGRESO DE CONFIABILIDAD

El SVM es un clasificador flexible. Cuando la funcin Kernel es no lineal, la


funcin de decisin es tambin no lineal por lo que el SVM proporciona la
separacin precisa de los puntos mediante una superficie no lineal en el
espacio original de los patrones, as como la maximizacin de la distancia entre
los planos de separacin en un espacio dimensional ms alto.
El resultado final es una clasificacin exacta basada en el xito de estas
tcnicas para conseguir la agrupacin de los datos dados para una clase
especfica. Esta es la base del diagnstico, es decir, la identificacin del fallo
existente, pero no proporciona ninguna informacin sobre la magnitud del dao
presente. A tal efecto, el pronstico es necesario.

4. ESTIMACIN DE LA TRAYECTORIA

Considerando un proceso de degradacin que no implica un mantenimiento


limitado, el proceso puede componerse de una secuencia de etapas
irreversibles (ya sea discretas o continuas) desde las nuevas hasta las viejas,
que pueden ser implcitamente expresadas por la trayectoria de los datos de
condicin medidos o de las caractersticas. Por tanto, el RUL del sistema se
puede estimar si la tendencia de su degradacin futura puede proyectarse a
partir de los casos histricos que han fallado. La similitud entre las trayectorias
de degradacin de los diferentes casos puede calcularse primero, y entonces
el tiempo de fallo de un determinado caso podr ser estimado en funcin del
tiempo real de fallo de casos similares, por ltimo los RUL estimados a partir
de mltiples casos histricos pueden agregarse para generar la prediccin final
del RUL.

14
XIII CONGRESO DE CONFIABILIDAD

4.1 Trayectorias en el espacio de caractersticas

El seguimiento de la trayectoria implica la estimacin y la prediccin de uno o


ms parmetros de un sistema que utiliza las observaciones realizadas a
travs del tiempo. Estas observaciones son por lo general la medicin de
propiedades fsicas tomadas de un sensor en particular, como la vibracin para
aplicaciones de CM. Estas propiedades fsicas pueden incluir la posicin,
velocidad y aceleracin. Hay casos prcticos sin embargo donde las
mediciones no proporcionan informacin suficiente para realizar un diagnstico
adecuado ni un pronstico.

El mtodo de pronstico propuesto implica el seguimiento de la trayectoria real


de las mediciones de las caractersticas por s mismas. Esto es til cuando se
sabe a priori que una determinada caracterstica est ligada a un proceso o
evento en particular. En este caso, la trayectoria de la caracterstica puede ser
indicativa de la situacin actual de un proceso.
Esto es particularmente til en la aplicacin CBM, donde el objetivo es predecir
cundo un sistema mecnico va a fallar. Si se advierte que una caracterstica
describe la actual "salud" del sistema supervisado, la trayectoria de la
caracterstica puede ser rastreada para estimar la salud actual y predecir con
anticipacin si el sistema va a fracasar.

Ya que las caractersticas se derivan de las medidas tomadas por un sensor en


particular, son susceptibles a las incertidumbres relacionadas con la precisin
de los sensores. Estas incertidumbres son anlogas al ruido de medicin en
atributos fsicos. Sin embargo, el ruido de medicin asociado a un sensor en
particular no se puede aplicar directamente a las caractersticas ya que estas
no pueden estar linealmente relacionadas con los datos originales recopilados
por el sensor.

15
XIII CONGRESO DE CONFIABILIDAD

Figura 4. Dos etapas en la degradacin de rodamientos

Las trayectorias de caractersticas se rigen por un modelo dinmico que


describe cmo la caracterstica cambia con el tiempo. Ya que las
caractersticas se extraen de datos que obedecen a las leyes de la fsica,
algunas de ellas tienen limitaciones que restringen su dinmica en el tiempo
cmo la posicin, la velocidad y la aceleracin son restringidas por dichas leyes
de la dinmica. Las caractersticas que siguen una tendencia consistente y
predecible son tiles para el seguimiento, mientras que las caractersticas que
tienen cambios bruscos e impredecibles pueden ser ms tiles a efectos de
clasificacin. La figura 4 muestra un ejemplo de cmo dos caractersticas
diferentes se comportan en el tiempo.

La figura superior muestra los puntos de color azul con un tamao concreto de
fallo en la pista interior. Al mismo tiempo los puntos rojos son el conjunto de
entrenamiento que corresponde a un tamao ms grande de fallo. La figura
siguiente muestra una etapa posterior donde la nube de puntos se est
moviendo hacia tamaos de fallo ms grandes. Estos mapas de caractersticas
de dos dimensiones utilizan el valor de cresta y el valor de curtosis en el
proceso de fusin.

16
XIII CONGRESO DE CONFIABILIDAD

4.2 Tiempo para el fallo (TTF)

El Tiempo hasta el fallo (TTF) es la cantidad de tiempo que queda antes de


que un sistema alcance un fallo mecnico. El fallo es un evento terico que se
produce cuando el valor de una propiedad cruza un cierto umbral de fallo
predeterminado. El TTF se calcula cada vez que el valor de la propiedad cruza
un valor particular de inters llamado umbral de deteccin. La estimacin del
TTF se ajusta a cero antes de que el valor de haya cruzado el umbral de
deteccin. Despus de que el umbral de deteccin ha sido atravesado, el TTF
se calcula mediante la propagacin de la pista de caracterstica actual hacia
adelante en intervalos de tiempo basados en la metodologa de anlisis. La
estimacin del TTF es la diferencia entre el intervalo de tiempo actual y el
tiempo de cruce del umbral previsto. Este proceso se muestra en la Figura 5.

Failure
threshold
crossing

Failure
threshold
Operational
threshold
crossing
Operational
threshold

Detection
threshold

RUL
Feature value

TTF

Time

Figura 5. Diferencia entre RUL y TTF

17
XIII CONGRESO DE CONFIABILIDAD

La vida til restante (RUL) es la cantidad de tiempo que queda antes de que un
sistema deje de funcionar dentro de lmites aceptables. El RUL se calcula de
manera muy parecida al TTF, excepto que en lugar de un umbral de fallo,
existe un umbral de funcionamiento que supone un lmite superior. Como se
muestra en la Figura 5, el umbral de funcionamiento del RUL es menor que al
umbral de fallo, dando lugar a un valor inferior para el RUL que para el TTF.
Esto tiene sentido, ya que es deseable reparar el sistema antes del fallo, sin
dejar de utilizar parte de la vida til antes del mantenimiento. Sin embargo el
RUL es una aplicacin muy dependiente ya que por ejemplo las tolerancias
especificadas deben quedar perfectamente definidas para un sistema dado.
Debido a esto, los resultados se dan para el TTF en lugar de para el RUL.

4.3 Clculo de trayectorias

Supongamos que M diferentes categoras de fallo han sido seleccionadas con


xito para reconocer los M distintos estados secuenciales de inters para un
mecanismo de fallo. La presentacin de las secuencias de observacin
temporalmente ordenadas (por la vida / uso) de dicho proceso producira el tipo
de trayectorias que se muestra en la figura 6. Para simplificar se consideran
tres estados conocidos: rodamientos normales, un tamao de fallo aceptable
en la pista interior y un tamao de fallo inaceptable.

Si las coordenadas del estado medido estn en uno de los M limites definidos
para cualquier secuencia de observacin, entonces, se podra decir que la
mquina est en este estado.

Las coordenadas de los puntos de interseccin de los perfiles para los


diferentes estados a lo largo de los ejes vida / uso de la figura 6 representan la
estimacin del estado de transicin en diferentes instantes de tiempo. Son

18
XIII CONGRESO DE CONFIABILIDAD

estos puntos de transicin de estado los que nos permiten ampliar el uso de
modos/estados de fallo conocidos para pronsticos.

Figura 6. Evolucin de la trayectoria con kernel gausiano SVM

Si el objetivo del proceso de diagnstico consiste en reconocer los M estados


distintos de fracaso de una mquina, cuando el conjunto entrenado se
presenta con una secuencia de observacin temporalmente ordenada de una
unidad, como se ilustra en la figura 6, se traducir en una nube de puntos en
movimiento hacia los lmites con diferentes perodos de transicin.

19
XIII CONGRESO DE CONFIABILIDAD

Supongamos que las secuencias de observacin estn disponibles desde


varias unidades similares, recogidas con el fin de desarrollar modelos de
diagnstico y pronstico. Esto dar como resultado vectores estimados de los
periodos de transicin de estado. Estos vectores de proporcionan la
informacin necesaria para llevar a cabo pronsticos.

Figura 7. Evolucin de la trayectoria con kernel polinomial SVM

20
XIII CONGRESO DE CONFIABILIDAD

El procedimiento es el siguiente. Partimos del supuesto de que estos periodos


siguen una distribucin multivariante. Una vez la distribucin ha sido evaluada,
puede estimarse la distribucin de probabilidad condicional de un determinado
estado de transicin dados los puntos del estado de transicin para cualquier
unidad individual investigada.

El proceso de construccin de los intervalos de confianza necesarios es


tambin bastante sencillo. El proceso puede repetirse de manera recursiva
para hacer predicciones con respecto a varios periodos de transicin de
estados secuenciales. Como era de esperar, cuanto mayor sea el nmero de
transiciones de estado deseados para una unidad, ms estrictos sern los
intervalos de prediccin asociados con los estados finales de la unidad

El objetivo aqu es modelar los vectores de tiempo estado-transicin


resultantes de los modelos de diagnstico. Para el estudio del caso que nos
ocupa, mostrado en la figura 7, se puede observar la evolucin de las nubes de
caractersticas.

La distancia media en la primera etapa entre los rodamientos normales y los


rodamientos defectuosos es de alrededor de 2,8 hablando en trminos de
valores de curtosis. Esta distancia se reduce a 0,1 en la segunda etapa y en
torno a 0 cuando todos los rodamientos han fallado. La distancia de tiempo en
trminos de una caracterstica es til. Sin embargo, la fusin de las evoluciones
de varias caractersticas revela una mayor precisin para procesar la velocidad
de degradacin de los vectores multidimensionales, donde se considerar una
mayor informacin en dicho proceso de degradacin.

21
XIII CONGRESO DE CONFIABILIDAD

CONCLUSIONES

En ste trabajo se propone un nuevo mtodo de prediccin RUL inspirado por


los clasificadores SVM. Los casos histricos de un sistema junto con los datos
de condicin durante la vida til se utilizan para crear una clasificacin por
hiperplanos SVM. Para una prueba de evaluacin del mismo sistema cuyo
RUL debe ser estimado, la velocidad de degradacin se evalu mediante el
clculo de la distancia mnima definida sobre la base de las trayectorias de
degradacin, por ejemplo, el enfoque del sistema para el hiperplano que
separa el buen y el mal estado de los datos en diferentes horizontes de tiempo.
Por lo tanto, el RUL final de un componente especfico puede ser estimado y la
informacin global del RUL puede ser obtenida mediante la agregacin de las
estimaciones RUL mltiples utilizando un mtodo de estimacin de la densidad.

Para una versin de prueba del mismo sistema cuyo RUL tiene que ser
estimado, la velocidad de degradacin es evaluada mediante el clculo de la
mnima distancia definida basada en las trayectorias de degradacin, es decir
la aproximacin del sistema al hiperplano que separa los buenos de los malos
datos de condicin en diferentes horizontes de tiempo. Por lo tanto, el RUL
final de un componente especfico puede ser estimado y la informacin global
RUL puede ser obtenida mediante la agregacin de mltiples estimaciones
RUL utilizando un mtodo de estimacin de la densidad.

El Modelo propuesto desarrolla un mtodo de prediccin RUL efectivo que


contempla los mltiples desafos en el complejo sistema de pronsticos. Las
similitudes entre trayectorias de degradacin se pueden comprobar con el fin
de enriquecer las metodologas existentes en las aplicaciones de pronsticos.
Los datos existentes CM para los rodamientos se utilizarn para verificar el
modelo.

22
XIII CONGRESO DE CONFIABILIDAD

REFERENCIAS

EN 13306, Maintenance terminology. European Standard, CEN/TC 319


AFNOR, june 2001.

Charles R. Farrar, Nick A. J. Lieven, Damage Prognosis: The Future of


Structural Health Monitoring Philosophical Transactions: Mathematical,
Physical and Engineering Sciences. Vol. 365, No. 1851, Structural Health
Monitoring (Feb. 15, 2007), pp. 623-632A.

ISO, 13381-1, Condition monitoring and diagnostics of machines -


prognostics - Part1: General guidelines. Int. Standard, ISO, 2004.

A.K.S. Jardine, D. Lin and D. Banjevic, "A review on machinery


diagnostics and prognostics implementing condition-based maintenance",
Mech. Sys. & Sig. Pro., Vol. 20, pp. 1483-1510, 2006.

O. Dragomir, R. Gouriveau, N. Zerhouni and F. Dragomir, "Framework for


a distributed and hybrid prognostic system", in: 4th IFAC Conf. on Manag.
and Control of Prod. and Logistics, 2007.

O. Dragomir, R. Gouriveau and N. Zerhouni, "Adaptive neuro-fuzzy


inference system for mid term prognostic error stabilization", Inter. Jour. of
Comp. Comm. and Control, Vol. 3, pp. 271-276, 2008

B.Sreejith, A.K.Verma, A.Srividya. Fault diagnosis of rolling element


bearing using time-domain features and neural networks. 2008.

Hsu CW, Lin CJ. A comparison of methods for multiclass support vector
machines. IEEE T Neural Networ. 2002;13:415-25.

23
PONENCIA 23

OPTIMIZACIN INFORMADA EN EL RIESGO DE LA


VIGILANCIA Y MANTENIMIENTO APLICADO AL
SISTEMA DE DISPARO DEL REACTOR

(*) S. Martorell, M. Villamizar, A.I. Snchez


XIII CONGRESO DE CONFIABILIDAD

OPTIMIZACIN INFORMADA EN EL RIESGO DE LA VIGILANCIA Y


MANTENIMIENTO APLICADO AL SISTEMA DE DISPARO DEL REACTOR

(*)
S. Martorell, M. Villamizar, A.I. Snchez

Universidad Politcnica de Valencia

Camino de Vera, s/n. 46022 Valencia, Espaa


(*)
smartore@iqn.upv.es

RESUMEN

Los equipos pertenecientes a Centrales Nucleares deben cumplir objetivos de


fiabilidad y seguridad de funcionamiento; ms an si se trata de equipos
pertenecientes a sistemas de seguridad. Las actividades de vigilancia y el plan
de mantenimiento que se les asigna tienen un papel decisivo en la
consecucin, e incluso maximizacin, de dichos objetivos. En este contexto, el
objetivo de la ponencia se centra en presentar el desarrollo de un mtodo, y su
aplicacin, que permite la optimizacin integral de la vigilancia y el
mantenimiento en base a criterios RAM+C (Reliability, Availability,
Maintainability, Cost). El mtodo para obtener el plan de mantenimiento ptimo
se plantea como dos problema de optimizacin mono-objetivo, donde los
parmetros asociados al plan actan como variables de decisin mientras que
los parmetros RAM+C intervienen como criterios de decisin, bien como
funciones objetivo o como funciones restriccin al rango de posible soluciones
alternativas. Por ser un problema suficientemente complejo, que no puede ser
resuelto con un mtodo analtico, las tcnicas heursticas surgen como una
alternativa viable para su resolucin. Entre estas, los algoritmos genticos
tienen caractersticas que los hacen ideales para este tipo de problemas. La
principal es el paralelismo implcito; es decir, la capacidad de realizar la

3
XIII CONGRESO DE CONFIABILIDAD

bsqueda en ms de un punto a la vez. Por ello, se propone un Algoritmo


Gentico mono-objetivo como tcnica de optimizacin. Finalmente, se presenta
un caso de aplicacin centrado en la optimizacin de pruebas y
mantenimientos del Sistema de Disparo del Reactor.

1.- INTRODUCCIN

La presente ponencia se centra en la aplicacin de los modelos RAM+C, en la


optimizacin de pruebas y mantenimiento del sistema de disparo del reactor de
una central nuclear de tipo PWR, mediante dos modelos de optimizacin mono-
objetivo.

En los modelos de RAM+C se tiene en cuenta el efecto del factor de


envejecimiento lineal , la efectividad, , y las condiciones de trabajo, (z), a
travs de los modelos de mantenimiento imperfecto para el clculo de la
indisponibilidad anual del sistema. Se incluyen los costes de los recursos
materiales necesarios en el mantenimiento preventivo y correctivo, en el clculo
de los costes anuales del sistema. Posteriormente, se optimiza bajo criterios de
coste e indisponibilidad del sistema, los tiempos entre pruebas y
mantenimientos. En particular, se consideran dos problemas de optimizacin
distintos. En el primero, se procede a la optimizacin de la funcin riesgo
tomando como restriccin implcita la funcin coste, y en el segundo, se
optimiza el coste tomando como restriccin la funcin riesgo.

Se plantean por tanto dos problemas de optimizacin con restricciones


implcitas y explicitas del tipo mono objetivo y se resuelven utilizando un
algoritmo gentico simple objetivo utilizando el software RISKOptimizer 5.5.
Finalmente, se presentan los resultados del caso de aplicacin centrado en la
optimizacin de pruebas y mantenimientos del Sistema de Disparo del Reactor.

4
XIII CONGRESO DE CONFIABILIDAD

2.- MODELOS DE INDISPONIBILIDAD Y COSTE

Indisponibilidad

La indisponibilidad total de un componente normalmente en espera tiene


diferentes contribuciones que pueden evaluarse con las siguientes expresiones
(CSN-UNESA-UPV, 2001):

La indisponibilidad media asociada a misin, umision( x ):

u mision (x ) = 1 e ( h )
(1)

La indisponibilidad media asociada a fallos aleatorios, ur( x ):

1
ur(x) = + T
2 (2)

La contribucin a la indisponibilidad debida a la duracin de la prueba, ut( x ):


ut (x) =
T (3)

La contribucin a la indisponibilidad debida a la duracin del mantenimiento


preventivo, um( x ):


u m(x) =
M (4)

La indisponibilidad por demanda, ud ( x ):

ud (x) = (5)

5
XIII CONGRESO DE CONFIABILIDAD

En las expresiones anteriores x es el vector de variables de decisin.


Adicionalmente se tiene:

h Tiempo de misin

Tasa de fallo en espera, la cual se modela en funcin del tipo de


mantenimiento imperfecto considerado,

Probabilidad de fallo a la demanda,

T Intervalo de pruebas,

Duracin media de pruebas,

Duracin media de mantenimiento preventivo,

M Intervalo entre mantenimientos preventivos,

Adems, la tasa de fallo en espera, , para componentes reparables se modela


en funcin del tipo de mantenimiento imperfecto considerado. Entre los
diferentes modelos de mantenimiento imperfecto existentes (Malik, 1979; Chan
et al., 1993; y Martorell et al., 1999a) se han seleccionado los modelos PAR
(Proportional Age Reduction) y PAS (Proportional Age Set-Back) propuestos
en (Martorell et al., 1999a), modelos que asumen que cada actividad de
mantenimiento reduce la edad del componente en funcin de un parmetro de
efectividad . Ambos modelos se diferencian en que mientras en el PAS se
reduce una fraccin de la edad total del componente; en el modelo PAR, se
asume que el mantenimiento reduce slo una fraccin de la edad ganada
desde el ltimo mantenimiento. Asumiendo un modelo de tasa de fallos lineal,
teniendo en cuenta las condiciones de trabajo, (z) y mediante un proceso de
doble promediacin temporal se obtienen las expresiones correspondientes a la
tasa de fallos en espera medio, , para los modelos PAR y PAS dados,
respectivamente por:

6
XIII CONGRESO DE CONFIABILIDAD

= 0 + M (( z ) ) [1 + (1 ) ( f RP 1)]
2

2 (6)

2 ( 2 )
= 0 + M (( z ) )

2 (7)

Siendo, o la tasa de fallos inicial del componente, RP el perodo de


reemplazamiento, f la frecuencia asociada a cada tarea, el factor de
envejecimiento lineal y la efectividad del mantenimiento. Es importante
resaltar que la indisponibilidad del sistema se evala construyendo su rbol de
fallos y con las indisponibilidades de cada componente.

Coste

El objetivo de modelizar el coste es construir modelos que permitan cuantificar


adecuadamente la repercusin que las actividades de mantenimiento tienen en
la economa de la planta y que posteriormente sern objeto de optimizacin. En
relacin a los modelos de costes, se han incluido las siguientes contribuciones:

El coste anual de prueba ct( x ), est definido por:

8760
ct (x) = ct
T
donde ct = (c prueba [ h ] d prueba [ h ] N grupos de componente s por tren ) (8)

El coste anual de mantenimiento preventivo cm( x ), est definido por:

8760
c m(x) = cm
M
donde cm = (cmantenimie nto[ h ] d mantenimie nto[ h ] + cmaterial por manteniemi ento ) (9)

7
XIII CONGRESO DE CONFIABILIDAD

El coste anual de mantenimiento correctivo cc( x ), est definido por:

( + T ) cc
8760
c c ( x) =
T
donde cc = ((ccorrectivo [ h ] d correctivo [ h ] + cmaterial por correctivo ) N componente s del sistema ) (10)

El coste anual por parada de planta cD( x ), est definido por:

( + PAS , PAR T ) (1 G ( x ) ) cu
8760
c D ( x) =
T
D
(11)
donde D = 48; cu = 180000 y G ( x ) = 1 e correctivo[h]
d

Adicionalmente se tiene que:

ct Coste de realizacin de una prueba,

cm Coste de realizacin de un mantenimiento preventivo,

cc Coste de realizacin de un mantenimiento correctivo,

cu Coste de parada de planta,

G(x) Representa la probabilidad de que la reparacin se realice dentro del


tiempo mximo permitido de inoperabilidad, D.

El coste total del sistema se obtiene sumando las contribuciones de las


expresiones (8) a (11) para todos los componentes del sistema.

8
XIII CONGRESO DE CONFIABILIDAD

3.- FORMULACIN DEL PROBLEMA DE OPTIMIZACIN MONO OBJETIVO

En el proceso de optimizacin se han tenido en cuenta restricciones explcitas


las cuales se imponen directamente sobre los valores que las variables de
decisin pueden tomar, y restricciones implcitas que aplican a las funciones
objetivo.

Respecto a las restricciones implcitas, las cuales deben ser calculadas


inicialmente, se consideran dos problemas distintos. En el primero, se procede
a la optimizacin de la funcin riesgo tomando como restriccin implcita la
funcin coste, y en el segundo, se optimiza el coste tomando como restriccin
el riesgo. Para ello, inicialmente se calculan los valores de los costes y de la
indisponibilidad inicial del sistema como restriccin implcita a considerar sobre
la funcin riesgo y coste en cada caso.

Dentro de las restricciones explcitas se encuentran las relativas a la estrategia


de pruebas o mantenimientos, donde un conjunto de componentes son
agrupados con el fin de que el periodo de pruebas o mantenimientos sea el
mismo para todos ellos, as como los tiempos mximos permitidos de
inoperabilidad. Cada caso de aplicacin tendr definida las restricciones que
se aplican.

Para la cuantificacin a nivel de sistema son necesarios los conjuntos mnimos


de corte (MCS) del sistema en funcin de los parmetros de fiabilidad de los
componentes que constituyen el sistema de estudio. De este modo derivamos
la correspondiente ecuacin para el riesgo la cual es aproximada por la media
de la indisponibilidad del sistema que viene dada por:

N o (i )
U = uij (T j , M j )
i =1 j =1
(15)

9
XIII CONGRESO DE CONFIABILIDAD

Como funcin de coste se adopta el sumatorio de todos los costes


individualmente analizados como sigue:

N o (i )
C = cij (T j ,M j )
i =1 j =1 (16)

Donde N es el nmero de MCS deducidos desde el suceso TOP del sistema,


o(i) es el orden del i-esimo MCS, uij (Tj, Mj) es la medida de indisponibilidad del
componente j-esimo en el i-esimo MCS, cij(Tj, Mj) es el coste de las actividades
de pruebas y mantenimientos del componente j-esimo en el i-esimo MCS.
Ademas, Tj representa los valores del intervalo de las pruebas para el
componente j-esimo, y Mj el intervalo entre mantenimiento preventivo de dicho
componentes j-esimo, que constituyen las variable independiente a optimizar.

4.- CASO DE APLICACIN

4.1.- Descripcin del sistema

La aplicacin de esta metodologa se ha realizado sobre sistema de disparo del


reactor de una central nuclear de tipo PWR. El sistema de disparo del reactor
vigila las variables de proceso que se relacionan directamente con las
limitaciones mecnicas del equipo tales como la presin, el nivel de agua en el
presionador , vigilando tambin las variables que afectan directamente la
capacidad de transferencia de calor del reactor (por ejemplo, el caudal y las
temperaturas del refrigerante del reactor). Existen an otros parmetros
utilizados en el sistema de proteccin del reactor que se calculan a partir de
diversas variables del proceso. En todo caso, cuando una variable, tomada
directamente del proceso o calculada, sobrepasa un punto de consigna, el
reactor dispara, para evitar daos serios a las vainas del combustible o prdida
de la integridad del sistema. La actuacin del sistema se requiere para
cualquier suceso iniciador excepto para LOCA grande. Finalmente, el sistema

10
XIII CONGRESO DE CONFIABILIDAD

de disparo del reactor se encuentra normalmente en espera y consta de dos


trenes (A y B) idnticos, que son fsica y elctricamente independientes, segn
se muestra en el esquema simplificado mostrado en la Figura 1.

B A R RA S 6 ,9 K .V .
6A 5A
SM -5 A 0 5
PA NE L 3 52 /B 3 T 5 A

SM -6 A 04
PA NE L 4
52 /B 3T6 A

Manual T RA NF . Centros Potencia


TR AN F.

T 6A B 2 T5 AB 3

S M -5 B 0 6
P A NE L 3 CP6B2 y CP5B3
52 /5 AT B 3
SM -6 B 05
PA NE L 4

B AR R AS 4 0 0 V. 52 /6 A TB 2
6B 2 5B 3

SM -5 2M -1

SM -5 2M -2

Sala Control G R U PO
M G 1 -B
G R UP O
M OT O R - GE N ER AD OR

acciona
M G1 -A

Interruptores Moto-generadores
Potencia MG1-A y MG1-B
5 2- 1

52 - 2

Interruptores
Disparo normales B A R R A 26 0 V . A .C .

52RTA y 52RTB
U V SA L I DA 5 2/ B YA

A 5 15

S .S .P .S . (" A" )
5 2/ R T A
N, C ER R .
N, E X T R .

By-pass
S M - 1 01 0 K

Automtico S M - 1 01 1 K

D IS PAR O Y R E PO S .
52BYA y
U V SA L I DA

A 5 15
5 2 /R TB
5 2/ B YB
N, E X T R .
52BYB
S .S . P. S. (" B " ) N , C ER R .

B A R R A S D E P O T E N C IA P A R A
E L A C C IO N A M IE N T O D E L A S
B A R R A S D E C O N TR O L.

Figura 1. Esquema simplificado del sistema de Disparo del Reactor.

4.2.- Mtodo de resolucin

Como se menciono anteriormente, se consideran dos problemas distintos. En


el primero, se procede a la optimizacin de la funcin de la indisponibilidad
tomando como restriccin implcita la funcin coste, y en el segundo, se
optimiza el coste tomando como restriccin la indisponibilidad. Se plantean por
tanto dos problemas mono objetivo y se resuelven utilizando un algoritmo
gentico. Se utilizo la rutina de algoritmos genticos del software
RISKOptimizer 5.5.

El primer paso, antes de proceder al proceso de optimizacin, consiste en


calcular la indisponibilidad del sistema y el coste anual inicial, las cuales se
consideraran como restricciones implcitas. Determinadas las restricciones
implcitas se establecen posteriormente las restricciones explicitas.

11
XIII CONGRESO DE CONFIABILIDAD

4.2.1.- Restricciones implcitas impuestas

a) Indisponibilidad del sistema

En las Tablas 1 a la 7, se presentan los datos necesarios en el clculo de la


indisponibilidad del sistema teniendo en cuenta que:

Las especificaciones tcnicas de funcionamiento del sistema de disparo


del reactor establecen los intervalos entre pruebas (STI) y tiempos
mximos de inoperatividad (AOT).
Los intervalos de mantenimiento preventivo para el sistema de disparo
del reactor, estos se establecieron teniendo en cuenta tres tareas de
mantenimiento preventivo, la primera de ellas aplica a los interruptores
de disparo 52/RTA y 52/RTB, la segunda aplica a los rels (SHUNT,
STA y UV) y la tercera aplica a los Fusibles asociados a los rels Shunt.
En el caso de aplicacin se incluye el efecto del factor de envejecimiento
lineal, , la efectividad , y las condiciones de trabajo, ( z ) , a travs de

los modelos de mantenimiento imperfecto para el clculo de la


indisponibilidad anual del sistema, como incertidumbres de modelo. Se
ha considerado que el modelo de envejecimiento que mejor se adapta al
comportamiento de los Interruptores de disparo y de los rels, es un
modelo de edad PAS. En ambos casos las condiciones operacionales y
ambientales del equipo han sido consideradas normales y la efectividad
del mantenimiento igual a 1. (UPV-IN-006, 2000; Levy, I.S et al., 1988).

12
XIII CONGRESO DE CONFIABILIDAD

En las Tablas 1 a la 7 se presenta los sucesos bsicos incluidos en el modelo


del sistema de disparo del reactor, su descripcin y el tipo de contribucin que
representan.

SUCESO BASICO DESCRIPCION MODELO [1/h] h [h] umision( x)

1BLBC0G1CF Fallo local de la barra G1C de 125 V CC Misin 9,35E-08 24 2,24E-06

Tabla 1. Contribucin del suceso bsico de indisponibilidad por misin

SUCESO BASICO DESCRIPCION MODELO [-] ud ( x)

1FOCAATWSH Operador falla a desconexin de los motogeneradores Demanda 1,05E-01 1,05E-01

1FOPRATWSH Error humano actuacin sistema de disparo reactor Demanda 1,66E-01 1,66E-01

1IHCAB2T6A Interruptor de potencia 52/B2T6A falla a la apertura Demanda 6,45E-05 6,45E-05

1IHCAB3T5A Interruptor de potencia 52/B3T5A falla a la apertura Demanda 6,45E-05 6,45E-05

Tabla 2. Contribucin de los sucesos bsicos de indisponibilidad por demanda

SUCESO BASICO DESCRIPCION MODELO M [h] [h] um( x)

1M1PR0RTAM Interruptor de disparo 52/RTA en mantenimiento Mantenimiento M1=12960 2,41 1,86E-04

1M1PR0RTBM Interruptor de disparo 52/RTB en mantenimiento Mantenimiento M1=12960 2,41 1,86E-04

Tabla 3. Contribucin de los sucesos bsicos de indisponibilidad por mantenimientos

SUCESO BASICO DESCRIPCION MODELO T [h] [h] ut( x)

1P1PR0RTAP Interruptor de disparo 52/RTA en pruebas Pruebas T1=1440 1,37 9,51E-04

1P1PR0RTBP Interruptor de disparo 52/RTB en pruebas Pruebas T1=1440 1,37 9,51E-04

Tabla 4. Contribucin de los sucesos bsicos de indisponibilidad por duracin de la prueba

13
XIII CONGRESO DE CONFIABILIDAD

SUCESO
BASICO
DESCRIPCION MODELO T PAS
ur( x)
0 M

1IKPR0BYAA Interruptor de by- pass 52/BYA falla a la Fallos T1=1440 8,53E- 8,41E- 1,83E- M1=12960 1 1 6,138E-04
apertura aleatorios 07 07 12

1IKPR0BYBA Interruptor de by- pass 52/BYB falla a la Fallos T1=1440 8,53E- 8,41E- 1,83E- M1=12960 1 1 6,138E-04
apertura aleatorios 07 07 12

1 1
1IKPR0RTAA Interruptor de disparo 52/RTA falla a la apertura Fallos T =1440 8,53E- 8,41E- 1,83E- M =12960 1 1 6,138E-04
aleatorios 07 07 12

1IKPR0RTBA Interruptor de disparo 52/RTB falla a la apertura Fallos T1=1440 8,53E- 8,41E- 1,83E- M1=12960 1 1 6,138E-04
aleatorios 07 07 12

1REPRSHTAE Fallo a la energizacin rel SHUNT del 52/RTA Fallos T2=1440 4,36E- 3,69E- 1,04E- M2=12960 1 1 3,14E-04
aleatorios 07 07 11

1REPRSHTBE Fallo a la energizacin rel SHUNT del 52/RTB Fallos T2=1440 4,36E- 3,69E- 1,04E- M2=12960 1 1 3,14E-04
aleatorios 07 07 11

1REPRSTAAD Fallo a la energizacin del rel STB/52RTA Fallos T2=1440 4,36E- 3,69E- 1,04E- M2=12960 1 1 3,14E-04
aleatorios 07 07 11

1REPRSTBBD Fallo a la energizacin del rel STB/52RTB Fallos T2=1440 4,36E- 3,69E- 1,04E- M2=12960 1 1 3,14E-04
aleatorios 07 07 11

2 2
1REPRUVBAD Fallo a la desenergizacin del rel UV del Fallos T =1440 4,36E- 3,69E- 1,04E- M =12960 1 1 3,14E-04
52/BYA aleatorios 07 07 11

1REPRUVBBD Fallo a la desenergizacin del rel UV del Fallos T2=1440 4,36E- 3,69E- 1,04E- M2=12960 1 1 3,14E-04
52/BYB aleatorios 07 07 11

1REPRUVTAD Fallo a la desenergizacin del rel UV del Fallos T2=1440 4,36E- 3,69E- 1,04E- M2=12960 1 1 3,14E-04
52/RTA aleatorios 07 07 11

1REPRUVTBD Fallo a la desenergizacin del rel UV del Fallos T2=1440 4,36E- 3,69E- 1,04E- M2=12960 1 1 3,14E-04
52/RTB aleatorios 07 07 11

Tabla 5. Contribucin de los sucesos bsicos de indisponibilidad por fallos en espera que
incluyen mantenimiento imperfecto

14
XIII CONGRESO DE CONFIABILIDAD

SUCESO BASICO DESCRIPCION MODELO T ur( x)

1FUPR00F1T Apertura prematura del fusible F1 Fallos aleatorios 2,66E-06 T3=1440 1,91E-03

1FUPR00F2T Apertura prematura del fusible F2 Fallos aleatorios 2,66E-06 T3=1440 1,91E-03

3
1FUPR00F5T Apertura prematura del fusible F5 Fallos aleatorios 2,66E-06 T =1440 1,91E-03

3
1FUPR00F6T Apertura prematura del fusible F6 Fallos aleatorios 2,66E-06 T =1440 1,91E-03

6
1MBPRCRDMF Fallo insercin de mecanismos de barra de control Fallos aleatorios 4,32E-09 T =2160 4,67E-06

4
1MCPK515AF Fallo mdulo de control lgico A515 (tren A) Seal Fallos aleatorios 9,12E-07 T =1440 6,63E-04
alta

1MCPK515BF Fallo mdulo de control lgico A515 (tren B) Seal Fallos aleatorios 9,12E-07 T4=1440 6,63E-04
alta

1SMCA5AO5S Fallo transferencia interruptor manual SM/5A05 Fallos aleatorios 7,40E-8 T5a=13140 4,86E-04

1SMCA5B06S Fallo del interruptor manual SM/5B06 Fallos aleatorios 7,40E-8 T5b=26280 9,72E-04

1SMCA6A04S Fallo del interruptor manual SM/6A04 Fallos aleatorios 7,40E-8 T5a=13140 4,86E-04

1SMCA6B05S Fallo del interruptor manual SM/6B05 Fallos aleatorios 7,40E-8 T5b=26280 9,72E-04

Tabla 6. Contribucin de los sucesos bsicos de indisponibilidad por fallos en espera

SUCESO BASICO DESCRIPCION MODELO T ur( x)

1IKPR0BRKL FCC Apertura Interruptor de Disparo del Reactor Fallos aleatorios 6,46E-08 720 2,33E-05

Tabla 7. Fallos de causa comn. Modelos de fallos en espera

Se cuantifica la indisponibilidad del sistema con la Ecuacin (15), utilizando los


resultados del desarrollo del rbol de fallos del sistema Figura 2 del que se han
obtenido los conjuntos mnimos de corte (MCS) presentados en la Tabla 8
para a un nivel de truncacion 10-12 y asignando los parmetros de fiabilidad de
las Tablas 1 a la 7, en cada una de las contribuciones a la indisponibilidad
utilizando los modelos presentados en la seccin 3.

15
XIII CONGRESO DE CONFIABILIDAD

N ECUACI SUCESO SUCESOS SUCESOS SUCESOS SUCESOS


rbol de fallos (parcial) ON

FALL OE NLA INSERCION


1 4,67E-06 1MBPRCRD
DE DOS OMAS BA RRA S
DE CONTROL EN EL
REA CTOR MF
GP RTOP

SUMINIS TRO EL ECTRICO A FALLO A LA INSERCION


C.R.D.M. NO SE DE L OS MECANISMOS DE
INTERRUMPE ACC. DE BARRAS DE
CONTROL
GP R1 1MBP RCRDMF 2 2,44E-06 1FOCAATW 1IKPR0BRKL

NOHAY P.P .E. FALLO A LA APERTURA FALLO EN ACCION


SH
DE L OS INTERRUPTORES APOYO AL
DE DISPARO DEL DESENERGIZ AR LOS CP
REACTOR 5B3 Y 6B2 DE ALIMEN.
GNOPPE GP R2 GPR6

FALLOS INDEPENDIENTES
A LA APE RTURA DE
FALLOS DE CAUSA
COMUN APERTURA
3 3,96E-08 1FOCAATW 1IKPR0RTAA 1IKPR0RTB
INTERRUPTORES DE INTERRUPTORES DE
DISPARO
GP R4
DISPARO DEL REACTOR
1 IKPR0BRKL
SH A

FALLO A LA APERTURA FAL LO A LA APERTURA


DE L OS INTERRUPTORES DE LOS INTERRUPTORES
DE DISPARO DE TREN "A" DE DISPARO DE TREN" B"

GP R7 GPR8 .
ESTANDO EN PRUEBAS FALLO A LA APERTURA FAL LO A LA APERTURA ESTANDO EN PRUEBAS
Y/O MAN. EL 52/RTA DEL INTERRUPTOR DE DEL INTERRUPTOR DE Y/O MAN. EL 52/RTB
FALLA EL INTERRUP. DE DISPARO 52/RTA DISP ARO 52/RTB FALLA EL INTERRUP. DE
BYPASS 52/BYA BYPA SS 52/BYB
GPR47 GPR9 GPR11 GPR48

MODULO DE FALLO A LA APERTURA MODULO DE FALLO A LA APERTURA


INDISPONIBIL IDAD DEL DEL INTERRUPTOR DE INDISPONIBILIDAD DEL DEL INTERRUPTOR DE
INTERRUPTOR 52/RTA BYP ASS 52/BYA INTERRUPTOR 52/RTB BYPA SS 52/BYB

GMPR005 GPR10 GMPR003 GPR12

10 2,10E-11 1FOCAATW 1FOPRATWS 1FUPR00F 1MCPK515A 1P1PR0RT


SH H 6T F BP

11 3,87E-11 1FOCAATW 1FUPR00F1T 1IKPR0RTA 1REPRUVT


SH A BD

12 3,87E-11 1FOCAATW 1FUPR00F5T 1IKPR0RTA 1REPRUVT


SH A BD

21 7,36E-12 1FOCAATW 1IKPR0BYBA 1IKPR0RTA 1M1PR0RTB


SH A M

22 7,36E-12 1FOCAATW 1IKPR0BYAA 1IKPR0RTB 1M1PR0RTA


SH A M

23 6,75E-12 1FOCAATW 1FOPRATWS 1IKPR0RTB 1MCPK515B 1P1PR0RT


SH H A F AP

32 3,45E-12 1FOCAATW 1FOPRATWS 1MCPK515 1P1PR0RTA 1REPRSHT


SH H BF P BE

33 6,36E-12 1FOCAATW 1IKPR0RTAA 1REPRSHT 1REPRUVT


SH BE BD

34 6,36E-12 1FOCAATW 1IKPR0RTBA 1REPRSHT 1REPRUVT


SH AE AD

40 2,23E-12 1FOCAATW 1FOPRATWS 1IKPR0RTA 1MCPK515B 1REPRSTB

16
XIII CONGRESO DE CONFIABILIDAD

SH H A F BD

7,1488E-06

Figura 2. rbol de fallos para el sistema de disparo del reactor (parcial). Tabla
8. Conjuntos mnimos de corte (MCS), nivel de truncacion 10-12.

Finalmente, y teniendo en cuenta los anterior y utilizando la ecuacin 15, la


indisponibilidad inicial del sistema de disparo del reactor se evala como
Uinicial=7.1488E-06.

b) Coste anual inicial del sistema

El modelo de costes a nivel de sistema es una agregacin de los modelos de


coste por componentes, por tanto utilizando los modelos de coste presentados
en la seccin 3, se calculan los costes anuales del sistema de disparo del
reactor asociados a pruebas, mantenimientos, correctivos y parada de planta;
para cada grupo de componentes (Tablas 9 a la 12) y calcular por agregacin
el coste total del sistema.

SUCESO BASICO c prueba d Numero T ct ( x)


[h] prueba[h]
componentes por

tren

Interruptor de Disparo (52/RTA y 52/RTB) Interruptor 13,97 18,75 4 T1=1440 6375.42


de By pass

Rels (SHUNT, STA y UV) 18,415 6,7142 2 T2=1440 1507.28

Fusibles (1,2,5,6) asociado a los Rel SHUNT 20 1 1 T3=1440 121.67

Modulo control logico (A515 TREN A y A515 TREN B) 20 1 1 T4=1440 121.67

Conmutador Manual (SM-5A05S y SM-6A04S) 20 1 2 T5a=13140 26.67

Conmutador Manual (SM-5B06S y SM-6B05S) 20 1 2 T5b=26280 13.33

Insercin mecanismos ACC barras de control 20 1 1 T6=2160 81.11

Tabla 9. Parmetros de coste por prueba por agrupacin de componentes

17
XIII CONGRESO DE CONFIABILIDAD

SUCESO BASICO c mantenimiento d mantenimiento c mantenimiento M cm( x)


[h] [h] por material

1
Interruptor de Disparo (52/RTA y 52/RTB) Interruptor 20 5.33 0 M =12960 596
de By pass

Rels (SHUNT, STA y UV) 18.45 5.33 121,90 M2=12960 165

3
Fusibles (1,2,5,6) asociado a los Rel SHUNT 20 1 0 M =12960 14

Tabla 10. Parmetros de coste por mantenimiento por agrupacin de componentes

SUCESO BASICO c d Numero c materiales por T, c c( x)


correctivo[h] correctivo[h] componentes del sistema correctivo

Interruptor de Disparo (52/RTA y 16.34 22,086 4 538.02 T1=1440 26,864 +


52/RTB) Interruptor de By pass

Interruptores de Potencia
16.34 22,086 4 538.02 =6,45E-05 1.411 = 28.2747

Rels (SHUNT, STA y UV) 16.79 6.5 10 107.85 T2=1440 8,294

Fusibles (1,2,5,6) asociado a los Rel 18.68 1.75 6 5.42 T3=1440 5,326
SHUNT

Modulo control logico (A515 TREN A y 20 1 2 0 T4=1440 0,323


A515 TREN B)

Conmutador Manual (SM-5A05S y SM- 20 1 2 0 T5a=13140 0,026


6A04S)

Conmutador Manual (SM-5B06S y SM- 20 1 2 0 T5b=26280 0,026


6B05S)

Insercin mecanismos ACC barras de 20 1 1 0 T6=2160 0,001


control

Tabla 11. Parmetros de coste por correctivo por agrupacin de componentes

18
XIII CONGRESO DE CONFIABILIDAD

SUCESO BASICO D d G cu T, cD( x)


correctivo[h]

1
Interruptor de Disparo (52/RTA y 52/RTB) Interruptor de By 48 22,09 0,886 180000 T =1440 153.0456 +
pass
48 22,09 0,886 180000 =6,45E-05 8.0381
Interruptores de Potencia
=161.08

2
Rels (SHUNT, STA y UV) 48 6,50 0,999 180000 T =1440 0.4271

3
Fusibles (1,2,5,6) asociado a los Rel SHUNT 48 1,75 1 180000 T =1440 0.0000

4
Modulo control logico (A515 TREN A y A515 TREN B) 48 1 1 180000 T =1440 0.0000

5a
Conmutador Manual (SM-5A05S y SM-6A04S) 48 1 1 180000 T =13140 0.0000

Conmutador Manual (SM-5B06S y SM-6B05S) 48 1 1 180000 T5b=26280 0.0000

Insercin mecanismos ACC barras de control 48 1 1 180000 T6=2160 0.0000

Tabla 12. Parmetros de coste por parada de planta por agrupacin de componentes

Finalmente, y teniendo en cuenta los anterior y utilizando la ecuacin 16, el


coste inicial del sistema de disparo del reactor se evala como la suma de los
costes anteriores Cinicial = 9225.45.

4.2.2.- Restricciones explicitas

Teniendo en cuenta la agrupacin presentada en las Tablas 9 a la 12, se le


imponen las siguientes restricciones explicitas:

1. Los intervalos deben ser nmeros enteros mltiplos de 24 hrs.

2. Existe una relacin entre los intervalos de pruebas de dos grupos:


Conmutador Manual (SM-5A05S y SM-6A04S) y Conmutador Manual
(SM-5B05S y SM-6B04S). Dicha relacin est definida por: T5b=K1 T5a

3. El intervalo entre pruebas para el fallo de causa comn 1IKPR0BRKL


est definido como la mitad del tiempo entre pruebas de grupo T1,
Interruptor de Disparo y By pass (52/RTA y 52/RTB). Relacin definida
por:

K2 =T1/T1IKPR0BRKL

19
XIII CONGRESO DE CONFIABILIDAD

En la Tabla 13 se resume las restricciones para los intervalos de las diferentes


estrategias de pruebas y mantenimientos preventivos, estableciendo valores
mnimo y mximo del periodo entre pruebas y mantenimientos preventivos.

COMPONENTE STI Relacin Rango Permitido

Interruptor de Disparo (52/RTA y 52/RTB) Interruptor de By pass T1 K2 =T1/T1IKPR0BRKL 168< T1<2160

Interruptores de Potencia
1<K2<3

Rels (SHUNT, STA y UV) T2 - 168< T2<2160

Fusibles (1,2,5,6) asociado a los Rel SHUNT T3 - 168< T3<2160

Modulo control logico (A515 TREN A y A515 TREN B) T4 - 168< T4<2160

Conmutador Manual (SM-5A05S y SM-6A04S) T5a - 4320< T5<8640

Conmutador Manual (SM-5B06S y SM-6B05S) T5b T5b=K1 T5a 1<K1<5

Insercin mecanismos ACC barras de control T6 - 720< T6<8640

COMPONENTE MP Relacin Rango Permitido

Interruptor de Disparo (52/RTA y 52/RTB) M1 - 8640<M1<17280

Rels (SHUNT, STA y UV) M2 - 8640<M2<17280

Fusibles (1,2,5,6) asociado a los Rel SHUNT M3 - 8640<M3<17280

Tabla 13. Restricciones sobre los intervalos de pruebas y mantenimientos.

4.3.- Resultados y discusin

Se presentan en la Tabla 14 los resultados de las dos optimizaciones mono


objetivo: en el que se busca minimizar la indisponibilidad con restriccin de
coste y en la que se busca minimizar el coste con restriccin de
indisponibilidad.

20
XIII CONGRESO DE CONFIABILIDAD

COMPONENTES Variable Valores Valores optimizados Valores optimizados


iniciales
minimizar la minimizar el coste con
indisponibilidad con restriccin en la
restriccin de coste indisponibilidad

Interruptor de Disparo (52/RTA y 52/RTB) Interruptor de T1 1440 1416 2112


By pass

2
Rels (SHUNT, STA y UV) T 1440 1512 2040

3
Fusibles (1,2,5,6) asociado a los Rel SHUNT T 1440 1680 2160

Modulo control logico (A515 TREN A y A515 TREN B) T4 1440 2160 2160

Conmutador Manual (SM-5A05S y SM-6A04S) T5a 26280 8592 8640

Insercin mecanismos ACC barras de control T6 2160 720 1586

Conmutador Manual (SM-5B06S y SM-6B05S) K1 2 5 4

Suceso Fallo de Causa Comn 1IKPR0BRKL K2 2 2.95 2

Interruptor de Disparo (52/RTA y 52/RTB) M1 12960 16680 17280

Rels (SHUNT, STA y UV) M2 12960 15672 17280

Fusibles (1,2,5,6) asociado a los Rel SHUNT M3 12960 9408 17280

U(x) - 7.1488E-06 3.2226E-06 7.094 E-06

C(x) - 9225.45 9219.87 6517.1334

Tabla 14. Tiempo entre pruebas y mantenimientos optimas para cada agrupacin de
componentes.

21
XIII CONGRESO DE CONFIABILIDAD

La Figura 3 presenta de forma grafica los resultados obtenidos tras las


optimizaciones modo objetivo.

Resultados optimizacin mono objetivo


8,00E-06
Indisponivilidad Vs Coste
9225,89; 7,14E-06
7,00E-06
r
o 6517,00; 7,00E-06
cta
e
R
l
e
d6,00E-06
o
ra
p
si Actuales (T y M)
D
a
m5,00E-06 Optimos (T y M) Min U Rest C
e
t
iss
l
e Optimos (T y M) Min C Rest U
d
a
d
id
il 4,00E-06
ib
n
o
p
si
d
n
I
3,00E-06
9219,70; 3,36E-06

2,00E-06

6000 6500 7000 7500 8000 8500 9000 9500

Coste del sistema Disparo del Reactor

Figura 3. Resultados de la optimizacin.

Mediante el uso de algoritmos genticos se ha obtenido para cada caso una


solucin factible, a partir de las cuales el analista puede seleccionar la solucin
final.

AGRADECIMIENTOS

El trabajo presentado forma parte del proyecto de investigacin financiado por


el Ministerio de Educacin y Ciencia de Espaa, ENE2010-17449.

CONCLUSIONES

La planificacin de las pruebas y mantenimiento en CCNN es una actividad de


gran importancia dada su repercusin en la seguridad de las mismas. En esta
ponencia, se presenta la optimizacin de las pruebas y el mantenimiento del
sistema de disparo del reactor utilizando como mtodo de optimizacin los
algoritmos genticos teniendo en cuenta restricciones implcitas y explicitas.
Considerando como restricciones implcitas la Indisponibilidad y el Coste inicial
del sistema de disparo del reactor, las cuales son evaluadas utilizando los
modelos presentados en las secciones 3 y 4, y como restricciones explicitas las

22
XIII CONGRESO DE CONFIABILIDAD

relativas a la estrategia de pruebas o mantenimientos. Se han desarrollado dos


modelos de optimizacin mono-objetivo, primero se presenta la optimizacin de
la funcin riesgo tomando como restriccin implcita la funcin coste, y en el
segundo, se optimiza el coste tomando como restriccin la funcin riesgo,
siendo las variables de decisin consideradas los intervalos de pruebas y
mantenimiento. Mediante el uso de algoritmos genticos se ha obtenido para
cada caso una solucin factible, a partir de las cuales el analista puede
seleccionar la solucin final.

REFERENCIAS

Chan, J. & Shaw, L. Modeling repairable systems with failure rates that
depend on age and maintenance. IEEE Transactions on Reliability; 42(4),
566571. 1993.

CSN-UNESA-UPV. Gua de Procedimientos de Aplicacin del APS en el


Anlisis de Cambios de las Especificaciones Tcnicas de
Funcionamiento (ETF) Informados en el Riesgo. Edicin 4. Abril. 2001.

Levy, I.S., Wreathall, J., DeMoss, G., Wolford, A., Collins, E.P. & Jarrell,
D.B.

Priorization of TIRGALEX Recommended Components for Further


Aging Research, NUREG/CR-5248, PNL-6701 R9, 1988.

Malik MAK. Reliable preventive maintenance scheduling. AIIE


Transactions, 11; 221228. 1979.

Martorell, S., Snchez, A., Carlos, S. & Serradell, V. [2003]. Alternatives


and challenges in optimizing industrial safety using genetic algorithms,
Reliability Engineering and System Safety 86, 2538, 2003.

Martorell, S., Muoz, A., Serradell V. [1995]. An approach to integrating


surveillance and maintenance tasks to prevent the dominant failure
causes of critical components. Reliability engineering and systema safety,
Vol. 50, 179-187.

23
XIII CONGRESO DE CONFIABILIDAD

Martorell S, Sanchez A, Serradell V. [1999a]. Age-dependent reliability


model considering effects of maintenance and working conditions.
Reliability Engineering & System Safety, 64(1):19-31

Martorell, S., Villanueva, J. F., Carlos, S., Nebot, Y., Snchez, A., Pitarch
J. L. and Serradell, V. [2005a]. RAMS+C informed decision-making with
application to multi-objective optimization of technical specifications and
maintenance using genetic algorithms. Reliability Engineering & System
Safety; 87(1):65-75.

Martorell, S., Carlos, S., Sanchez, A. [2005b]. Use of metrics with multi-
objective GA. Application to the selection of an optimal maintenance
strategy in the RCM context. In Proceedings of European Safety and
Reliability Conference ESREL [2005]. Ed. Tailor & Francis Group, pp
1357-1362.

Villamizar, M. Optimizacin de requisitos operacionales y mantenimiento


en centrales nucleares considerando el efecto de las incertidumbres.
Tesis Doctoral. 2011. Universidad Politcnica de Valencia.

@RISK 5.5. Risk Analysis and Simulation Add- In for Microsoft Excel,
Palisade Corporation. Version 5.5. May 2009

@RiskOptimizer. Simulation Optimization for Microsoft Excel, Version 5.5,


May, 2009.

24
PONENCIA 24

CONSTRUCCIN DE UN MODELO DE TIEMPO DE


FALLO Y REPARACIN A PARTIR DE UN CONJUNTO
DE DATOS OBSERVADOS

Rafael Prez Ocn

Mara del Carmen Segovia Garca


XIII CONGRESO DE CONFIABILIDAD

CONSTRUCCIN DE UN MODELO DE TIEMPO DE FALLO Y REPARACIN


A PARTIR DE UN CONJUNTO DE DATOS OBSERVADOS

Rafael Prez Ocn

Catedrtico de Estadstica e Investigacin Operativa

Universidad de Granada

E-mail: rperezo@ugr.es

Mara del Carmen Segovia Garca

Becaria de investigacin

Universit Livre de Bruxelles

RESUMEN

Se construye un modelo estocstico para analizar la evolucin de los tiempos


operativos y de reparacin de un conjunto de dispositivos electrnicos. Los
tiempos de reparacin son pequeos comparados con los tiempos operativos,
por ello se introduce el concepto de ciclo de funcionamiento, formado por la
suma de un tiempo operativo ms el siguiente tiempo de reparacin. En este
estudio se estima la longitud los ciclos de funcionamiento, las medidas de
fiabilidad asociadas a estos ciclos, la frecuencia de ciclos con el paso del
tiempo, y las probabilidades de ocurrencia de los ciclos en un tiempo dado. Las
tcnicas utilizadas permiten expresar los resultados mediante expresiones
algortmicas que pueden ser implementadas en ordenador.

1. INTRODUCCIN

El procedimiento que se ha seguido en este trabajo es construir un modelo a


partir de un conjunto de datos de tiempos de fallo y reparacin. Se ha
seleccionado una muestra de un conjunto con gran nmero de datos, ilustrando
1
XIII CONGRESO DE CONFIABILIDAD

as el procedimiento que permitira el tratamiento del total de datos. El anlisis


de datos de tiempos de fallo para esta clase de dispositivos ya ha sido
estudiado en Prez-Ocn y Segovia (2010). Se introduce la nocin de ciclo de
funcionamiento, que consta de dos intervalos consecutivos bien diferenciados:
el tiempo operativo y el de reparacin. En este caso esto se justifica por el
hecho de que los tiempos de reparacin son muy pequeos comparados con
los tiempos de funcionamiento.

Las acciones que se realizan en el presente trabajo son:

1) Ajustar distribuciones de probabilidad a los ciclos de tiempos de fallo y


reparacin observados.

2) Medir la bondad del ajuste para cada ciclo mediante la aplicacin de


test estadsticos.

A partir de la informacin que suministran los puntos anteriores, se obtiene


informacin sobre aspectos prcticos:

a) Indicadores de inters a partir de las distribuciones ajustadas: tiempos


medios y varianzas de la longitud de los ciclos.

b) Se calcula el tamao medio de los ciclos, para analizar la evolucin de


las duraciones sucesivas de estos.

c) Se estudia el tiempo de reemplazamiento, en funcin de los datos


obtenidos. En este caso se ha encontrado que un periodo de cinco ciclos
consecutivos operativo-reparacin

En funcin de estos anlisis se construye un modelo que gobierna los ciclos


acumulados de funcionamiento de los dispositivos. Este modelo permite
calcular la probabilidad de ocurrencia de un nmero determinado de ciclos en
intervalos de tiempo fijados.

Las distribuciones que hemos utilizado para los ajustes son las distribuciones
tipo-fase, que ya han probado su utilidad en este tipo de operacin.

La contribucin ms importante del presente trabajo es la construccin de un


proceso de renovacin tipo-fase para simular la evolucin de los ciclos de

2
XIII CONGRESO DE CONFIABILIDAD

funcionamiento del sistema y el clculo de probabilidades asociado, que


permite determinar las funciones de probabilidad de ocurrencia de ciclos en un
tiempo dado.

Definicin. Una distribucin tipo-fase viene dada por la siguiente expresin:

donde T es una matriz cuadrada no singular (es la matriz de razones de


transicin entre los estados transitorios de una cadena de Markov), es el
vector de probabilidades iniciales de la cadena, y e es un vector columna de
unos. Los vectores y la matriz T son del mismo orden, que es el de la
distribucin tipo-fase. Se representa PH(,T).

Un estudio sobre estas distribuciones y sus propiedades puede verse en Neuts


(1981) y Prez-Ocn (1020).

2. AJUSTE DE DISTRIBUCIONES A LOS CICLOS OBSERVADOS

Se eligen 47 dispositivos de un total de ms de 10.000. Se estudia la evolucin


de estos a lo largo de cinco ciclos. Un dispositivo est operativo y cuando falla
va a reparacin.

Esta situacin se repite a lo largo del tiempo de vida del dispositivo. El


concepto de ciclo se representa en la Figura 1.

Ciclo 1 Ciclo 2 Ciclo 3

operativo

reparacin

tiempo

Figura 1. Ciclos en los dispositivos observados

3
XIII CONGRESO DE CONFIABILIDAD

A cada uno de estos ciclos se le ajusta una distribucin tipo-fase. El ajuste se


hace siguiendo el trabajo de Asmussen (1996).

El estudio que se hace a continuacin sobre los cinco ciclos es idntico: se


efecta el ajuste de los datos a una distribucin tipo-fase y se calculan la media
y la varianza emprica y ajustada. El ajuste se visualiza utilizado grficas y los
momentos se dan en una tabla. Todos los ajustes realizados se hacen al nivel
de significacin del 5%, y en todos se confirma la bondad del ajuste a este
nivel. En el orden de las distribuciones se siguen las sugerencias de Aldous et
al. (1987).

Ciclo 1. El primer ciclo sigue una distribucin PH(1,T1) con representacin:

0.0195 0.0176
1 = (0.1144,0.8856), T1 =
0.0146 0.0280

La representacin grfica de las distribuciones emprica y tipo-fase ajustada se


representa en la Figura 2. El valor experimental del estadstico Kolmogorov-
Smirnov (K-S) es 0.07765 < D0.95 = 0.19838, por tanto se acepta que la
distribucin tipo-fase se ajusta a los datos al nivel de significacin del 5%.

En la Tabla 1 se dan los valores correspondientes al tiempo medio y la varianza


del ciclo 1.

Tabla 1. Valores medios emprico y ajustado del ciclo 1


Valores empricos Valores ajustados
Media 122.1993 122.4975
Varianza 17181.1230 18309,3

4
XIII CONGRESO DE CONFIABILIDAD

0.9

0.8

0.7

0.6
Probabilidad

0.5

0.4

0.3

0.2

0.1 Distribucin emprica


Distribucin tipo-fase
0
0 100 200 300 400 500 600
Tiempo

Figura 2. Distribuciones emprica y tipo-fase del ciclo 1

Ciclo 2. La distribucin ajustada PH(2,T2) tiene representacin

0.0144 0.0136
2 = (0.0695,0.9305), T2 =
0.0212 0.0404

El valor experimental del test de K-S es 0.19838 < D0.95 = 0.09806.

En la Figura 3 se representan las distribuciones emprica y tipo-fase ajustada.

En la Tabla 2 se dan los valores correspondientes al tiempo medio y la varianza


del ciclo 2.

Tabla 2. Valores medios emprico y ajustado del ciclo 2


Valores empricos Valores ajustados
Media 130.5913 130.5892
Varianza 19720.5696 25928.2693

5
XIII CONGRESO DE CONFIABILIDAD

0.9

0.8

0.7

0.6
P ro b a b ilid a d

0.5

0.4

0.3

0.2

0.1 Distribucin emprica


Distribucin tipo-fase
0
0 50 100 150 200 250 300 350 400 450 500
Tiempo

Figura 3. Distribuciones emprica y tipo-fase del ciclo 2

Ciclo 3. La distribucin ajustada PH(3,T3) tiene representacin:

0.0124 0.0113
3 = (0.5368,0.4632), T3 =
0.0008 0.0109

El valor experimental del test de K-S es 0.08164 < D0.95 = 0.19838.

En la Figura 4 se representan las distribuciones emprica y tipo-fase ajustada.

En la Tabla 3 se dan los valores correspondientes al tiempo medio y la varianza


del ciclo 3.

Tabla 3. Valores medios emprico y ajustado del ciclo 3


Valores empricos Valores ajustados
Media 142.6571 1426589
Varianza 16522.4983 16450.3434

6
XIII CONGRESO DE CONFIABILIDAD

0.9

0.8

0.7

0.6
P robabilidad

0.5

0.4

0.3

0.2

0.1 Distribucin emprica


Distribucin tipo-fase
0
0 100 200 300 400 500 600
Tiempo

Figura 4. Distribuciones emprica y tipo-fase del ciclo 3

Ciclo 4. La distribucin ajustada PH(4,T4) con representacin

0.0464 0.0464
4 = (0.9024,0.0976), T4 =
0.0019 0.0134

El valor experimental del test de K-S es 0.09069 < D0.95 = 0.19838.

En la Figura 5 se representan las distribuciones emprica y tipo-fase ajustada.

En la Tabla 4 se dan los valores correspondientes al tiempo medio y la varianza


del ciclo 4.

Tabla 4. Valores medios emprico y ajustado del ciclo 4

Valores empricos Valores ajustados


Media 109.8012 109.7978
Varianza 8071.4872 8784.7047

7
XIII CONGRESO DE CONFIABILIDAD

0.9

0.8

0.7

0.6
P ro b a b ilid a d

0.5

0.4

0.3

0.2

0.1 Distribucin emprica


Distribucin tipo-fase
0
0 50 100 150 200 250 300 350 400 450 500
Tiempo

Figura 5. Distribuciones emprica y tipo-fase del ciclo 4

Ciclo 5. La representacin tipo-fase es

0.1184 0.1175
5 = (0.0467,0.9533), T5 =
0.1845 0.2147

El valor experimental del test de K-S es 0.08639 < D0.95 = 0.19838.

En la Figura 6 se representan las distribuciones emprica y tipo-fase ajustada.

En la Tabla 5 se dan los valores correspondientes al tiempo medio y la varianza


del ciclo 5.

Tabla 5. Valores medios emprico y ajustado del ciclo 5

Valores empricos Valores ajustados


Media 81.3570 81.3604
Varianza 6966.4939 7339.1845

8
XIII CONGRESO DE CONFIABILIDAD

0.9

0.8

0.7

0.6
Probabilidad

0.5

0.4

0.3

0.2

0.1 Distribucin emprica


Distribucin tipo-fase
0
0 50 100 150 200 250 300 350 400 450 500
Tiempo

Figura 6. Distribuciones emprica y tipo-fase del ciclo 5

3. ESTUDIO DE LOS CINCO PRIMEROS CICLOS

En la Tabla 6 se resumen los tiempos medios de los cinco ciclos segn la


distribucin tipo-fase ajustada.

Tabla 6. Tiempo medio (en das) estimados y observados de los cinco primeros ciclos
Ciclo 1 Ciclo 2 Ciclo 3 Ciclo 4 Ciclo 5

Tiempo medio 122.4975 130.5892 142.6589 109.7978 81.3604


estimado
Tiempo medio 122.1993 130.5913 142.6571 109.8012 81.3570
observado

Se advierte que los valores obtenidos son muy parecidos. Tambin se observa
que el valor medio de los ciclos aumenta lentamente hasta el tercer ciclo, y a
partir de ah decrece rpidamente.

Hemos considerado entonces que el conjunto de estos ciclos puede ser


dividido en dos partes bien diferenciadas: los tres primeros ciclos y los dos
ltimos.

Con el fin de analizar con detalle la evolucin del conjunto de los cinco ciclos, y
dada la evolucin de los tiempos medios, procedemos a un nuevo ajuste como
sigue.

9
XIII CONGRESO DE CONFIABILIDAD

Los datos observados de los tres primeros ciclos se suman, y se tiene as un


conjunto de datos que representa los tiempos totales de los tres primeros
ciclos. Estos tiempos totales observados de los tres primeros ciclos constituyen
los datos empricos que van a ser aproximados por una distribucin tipo-fase
que se indica abajo.

Lo mismo se hace con los tiempos observados de los ciclos cuatro y cinco.

La distribucin tipo-fase que vamos a ajustar a la suma de los tiempos


observados de los tres primeros ciclos es la mezcla de las tres distribuciones
tipo-fase correspondientes a los tres primeros ciclos. Es tambin una
distribucin tipo-fase Se elige la mezcla de distribuciones porque cada ciclo
tiene un peso distinto en la longitud total del periodo que forman estos tres
ciclos consecutivos.

Lo mismo se hace con el periodo correspondiente a los ciclos cuatro y cinco.

La mezcla de los tres primeros ciclos sigue una distribucin PH(1,T1), con
representacin

es decir,

10
XIII CONGRESO DE CONFIABILIDAD

Los parmetros de la mezcla son p1 = 0.3095, p2 = 0.3300, p3 = 0.3605.

La media de esta distribucin es de 132.4359 das.

El valor experimental del test de K-S es 0.04387 < D0.95 = 0.11453. Se acepta
el ajuste al nivel de significacin del 5%.

En la Figura 7 se representan las distribuciones emprica y tipo-fase


correspondiente a la mezcla de los tres primeros ciclos.

0.9

0.8

0.7

0.6
Probabilidad

0.5

0.4

0.3

0.2

0.1
Distribucin emprica
Mezcla de PH
0
0 100 200 300 400 500 600
Tiempo

Figura 7. Distribuciones emprica y tipo-fase de la mezcla de los ciclos 1,2 y 3

La mezcla de los ciclos 4 y 5 sigue una distribucin PH(2,T2), con


representacin

11
XIII CONGRESO DE CONFIABILIDAD

Los parmetros de la mezcla son p4 = 0.5744, p5 = 0.4256.

La media de esta distribucin es de 97.6948 das.

El valor experimental del test de K-S es 0.05949 < D0.95 = 0.14027. Se acepta
el ajuste al nivel de significacin del 5%.

En la Figura 8 se representan las distribuciones emprica y tipo-fase


correspondientes a la mezcla de los ciclos cuatro y cinco.

0.9

0.8

0.7

0.6
Probabilidad

0.5

0.4

0.3

0.2

0.1
Distribucin emprica
Mezcla de PH
0
0 50 100 150 200 250 300 350 400 450 500
Tiempo

Figura 8. Distribuciones emprica y tipo-fase de la mezcla de los ciclos 4 y 5

4. EL PROCESO DE RENOVACIN

Se considera que cuando se han completado cinco ciclos los dispositivos hay
que reemplazarlos. Esto puede venir justificado por la duracin media de los
ciclos. Por ejemplo, si se considera que el nmero medio de das del ciclo 5,
81.3604 das, es pequeo (ntese que la duracin del primer ciclo es de
122.4975 das, de modo que la media se reduce una tercera parte), puede ser
razonable en algn caso el reemplazamiento del mismo. Cuando esta
operacin de reemplazamiento se repite en el tiempo, se tiene un proceso de
renovacin. En este caso es un proceso de renovacin tipo-fase (PH) cuya
distribucin bsica es la que corresponde a los cinco ciclos conjuntamente.

Al perodo de cinco ciclos se le denomina tiempo de renovacin o


reemplazamiento. Vamos a calcular la distribucin del tiempo de renovacin.

12
XIII CONGRESO DE CONFIABILIDAD

Denotando X1 el tiempo aleatorio de los tres primeros ciclos, hemos visto que
esta variable aleatoria sigue una distribucin PH(1,T1). La variable aleatoria X2
representando el tiempo aleatorio de los ciclos cuatro y cinco sigue la
distribucin PH(2,T2). Ambas distribuciones han sido calculadas en la seccin
anterior.

El tiempo de renovacin Y es la suma de estos tiempos, Y = X1 + X2.


Consideramos la suma porque los tres primeros ciclos por un lado, y los ciclos
cuatro y cinco por otro, se comportan de manera distinta en la evolucin del
sistema. El peso de cada perodo en el tiempo total ya ha sido incluido al
efectuar las mezclas de distribuciones de la seccin anterior.

En la Figura 9 se representa un diagrama de renovaciones asociado a la


variable aleatoria Y.

Vamos a calcular la probabilidad de que en el tiempo t haya ocurrido un


nmero n de renovaciones.

renovaciones

Y Y Y Y Y Y

t tiempo

Figura 9. Perodos de renovacin

13
XIII CONGRESO DE CONFIABILIDAD

Esta nueva variable aleatoria Y sigue una distribucin PH(,L) de orden 10,
siendo

Las sub-matrices incluidas en L ya han sido construidas, excepto el bloque


T1(0)2. Esta sub-matriz es el producto del vector absorcin correspondiente a la
matriz T1 de la variable X1 y el vector inicial 2 de la variable X2. Se tiene

El valor medio del perodo de renovacin es de 230.1298 das y la varianza es


28589.8453.

Ahora se puede calcular la probabilidad de que se hayan producido un nmero


n de renovaciones en cualquier instante de tiempo t. Estas probabilidades son
bsicas para calcular las medidas de inters asociadas al proceso de
renovacin.

Dichas probabilidades se calculan en trminos de las matrices paramtricas de


la variable aleatoria Y, que es el tamao aleatorio de las renovaciones.

Se denota P(n,t) la probabilidad siguiente:

P(n,t) = {n renovaciones en el intervalo (0,t]}

14
XIII CONGRESO DE CONFIABILIDAD

Estas probabilidades satisfacen el sistema de ecuaciones diferenciales


matriciales:

El procedimiento que utilizamos para resolver este sistema de ecuaciones es el


de la transformacin de Laplace. Este tiene la ventaja de que el sistema
anterior de ecuaciones diferenciales se transforma en un sistema de
ecuaciones algebraicas, que pueden ser resueltas de manera ms simple.

Para simplificar, se denota P(n,s) la transformada de Laplace de P(n,t) para


todo n. A partir del sistema anterior, calculando las transformadas de cada
ecuacin diferencial resulta el siguiente conjunto de ecuaciones cuyas
incgnitas son las transformadas de Laplace de las funciones P(n,t):

15
XIII CONGRESO DE CONFIABILIDAD

La probabilidad de ocurrencia de n renovaciones en el tiempo t viene dado por


la expresin

P(n,t)e,

donde es el vector inicial de probabilidades del proceso de renovacin y e un


vector columna de unos de orden 10.

En la Tabla 7 se dan las probabilidades de renovacin para n = 0, 1, 2, 3, en


diferentes tiempos.

Tabla 7. Probabilidades de n = 0, 1, 2, 3 renovaciones en diferentes instantes de tiempo


t= t=
t=0 t = 50 t=1500
100 500 t=1000
P(0,t)e 1 0.9226 0.7731 0.0732 0.0026 0.0001
P(1,t)e 0 0.0761 0.2128 0.2933 0.0280 0.0016
P(2,t)e 0 0.0014 0.0137 0.3522 0.1106 0.0117
P(3,t)e 0 * 0.0004 0.1994 0.2194 0.0455
* Valor menor que 0.0001

Se recuerda que el tiempo de renovacin es el tiempo total de los cinco ciclos,


en los que se incluyen tiempos operativos y tiempos de reparacin. Por tanto,
cuando se produce una renovacin ya ha sido reparado cinco veces. La quinta
reparacin no sera necesaria, se incluye porque no se han diferenciado los
tiempos de reparacin en los ciclos.

Se advierte que la probabilidad de n = 0 renovaciones disminuye con el paso


del tiempo, y es muy pequea para t = 1000. Solo el 7.32% de los dispositivos
no es renovado a los 500 das de funcionamiento. A partir de t = 1000 la
probabilidad de alguna renovacin es grande.

En los primeros 500 das el 91.81% de los dispositivos ha sufrido tres


renovaciones o menos.

En los primeros 1000 das aproximadamente el 64% de los dispositivos ha


sufrido ms de tres renovaciones.

16
XIII CONGRESO DE CONFIABILIDAD

En los primeros 1500 das aproximadamente el 6% de los dispositivos ha


sufrido ms de tres renovaciones.

En la Figura 10 se representa la grfica de la probabilidad de que no se


produzca renovacin alguna en funcin del tiempo. Ntese a partir de t = 500 la
curva se aproxima a cero rpidamente.

0.9

0.8

0.7

0.6
Probabilidad

0.5

0.4

0.3

0.2

0.1

0
0 100 200 300 400 500 600 700 800 900 1000
Tiempo

Figura 10. Grfica de la funcin P(0,t)e

17
XIII CONGRESO DE CONFIABILIDAD

AGRADECIMIENTOS

Este trabajo ha sido parcialmente financiado por el proyecto MTM2010-17996


del Ministerio de Ciencia e Innovacin, Espaa.

REFERENCIAS

Aldous, D., Shepp, L. The least variable phase-type distribution is Erlang.


Stochastic Models, 3, 467-473, 1987.

Asmussen, S., Nerman, O. Olsson, M. Fitting phase-type distributions via


the EM algorithm. Scandinavian Journal of Statistics, 23, 419-441, 1996.

Neuts, M.F. Matrix Geometric Solutions in Stochastic Models. An


Algoritmic Approach. John Hopkins, University Press, 1981.

Prez-Ocn, R. Phase-type (PH) distributions, In Wiley Encyclopedia of


Operations Research and Management Science, edited by James J.
Cochran. ISBN: 978-0-470-40063-0, 2010.

18
PONENCIA 25

OPTIMIZACIN INTEGRAL DEL MANTENIMIENTO


MEDIANTE EL USO DE TCNICAS HEURSTICAS

A. Snchez
S. Carlos
S. Martorell
I. Martn

Departamento de Ingeniera Qumica y Nuclear.


Departamento de Estadstica, Investigacin Operativa Aplicadas y Calidad
Universidad Politcnica de Valencia
XIII CONGRESO DE CONFIABILIDAD

Optimizacin integral del mantenimiento mediante el uso de tcnicas


heursticas
2(*) 1 1 1
A. SNCHEZ , S. CARLOS , S. MARTORELL , I. MARTN
1
Departamento de Ingeniera Qumica y Nuclear.
2
Departamento de Estadstica, Investigacin Operativa Aplicadas y Calidad.
Universidad Politcnica de Valencia.
Camino de Vera 14, 46022. Valencia. Spain
(*)
aisanche@eio.upv.es scarlos@iqn.upv.es smartore@iqn.upv.es ismarllu@upvnet.upv.es

RESUMEN
La planificacin del mantenimiento en los equipos, que forman los sistemas de
instalaciones industriales, pretende alcanzar altos niveles de fiabilidad,
disponibilidad y mantenibilidad con costes mnimos. Normalmente, dicha
planificacin considera nicamente la frecuencia de las pruebas de vigilancia y
mantenimiento. Sin embargo la ejecucin de cada estrategia depende de la
frecuencia del mismo y de los recursos materiales disponibles en las
instalaciones. Para considerar el efecto de los recursos es necesario extender
los modelos analticos existentes, incluyendo como variable el nmero de
repuestos disponibles. El modelo extendido introduce ms restricciones y
variables de decisin, por lo que, encontrar la planificacin ptima del
mantenimiento es una tarea compleja que requiere el uso de mtodos de
optimizacin tales como Algoritmos Genticos, Particle Swarm optimization
(PSO), Gravitational Search Algorithm (GSA), etc.
En este contexto, los objetivos de la presente ponencia, se centran
bsicamente, en dos aspectos: a) Extensin de los modelos de indisponibilidad
y coste de forma que integren el efecto de los recursos materiales 2)
Optimizacin de las estrategias de mantenimiento bajo criterios U+C
considerando como variables de decisin los intervalos de mantenimiento y los
recursos necesarios para su implementacin. Finalmente, se presenta un caso
de aplicacin a un sistema.

1. INTRODUCCIN
Tradicionalmente, la planificacin del mantenimiento en sistemas complejos se
ha planteado con el objetivo de alcanzar unos altos niveles de fiabilidad,
disponibilidad y un mnimo coste. Normalmente, dicha planificacin considera
nicamente la frecuencia de mantenimiento. Sin embargo, la ejecucin de cada
estrategia depende de la frecuencia del mismo y de los recursos disponibles en
las instalaciones. En la literatura pueden encontrarse diferentes contribuciones
que se centran nicamente en la optimizacin de los intervalos de
mantenimientos (Martorell 2002; Vaurio 1995). Ms recientemente se han
realizado aportaciones en las que se plantea la optimizacin conjunta del
mantenimiento y los recursos materiales, como, por ejemplo en (Ilgin & Tunali

1
XIII CONGRESO DE CONFIABILIDAD

2007, Martorell 2008) donde se utiliza como tcnica de optimizacin un


algoritmo gentico. En la presente ponencia se plantea la optimizacin conjunta
de los intervalos de mantenimiento y de los repuestos considerando que estos
ltimos pueden ser de dos tipos: a) No reparables, de forma que cuando ocurre
el fallo del componente el mismo es sustituido por un componente nuevo y b)
reparables, si el componente falla es sustituido por otro y el componente fallado
es posteriormente reparado y almacenado para su posterior uso. El problema
se formula como un problema de optimizacin simple objetivo donde el coste (o
la indisponibilidad) acta como funcin objetivo a minimizar sujeto a la
restriccin de indisponibilidad (o coste). Un Algoritmo de Bsqueda
Gravitacional (Gravitational Search Algorithm, GSA) se aplica para resolver el
problema de optimizacin planteado.

La ponencia presenta, en la seccin 2, las bases de los modelos de


indisponibilidad y coste utilizados en el proceso de optimizacin. En la seccin
3 se realiza una descripcin del GSA presentando los fundamentos del mismo.
Posteriormente, en la seccin 4, se realiza un caso de aplicacin a un sistema
serie. Finalmente, se presentan las conclusiones.

2. MODELOS DE INDISPONIBILIDAD Y COSTE

El modelo de indisponibilidad a nivel de sistema puede ser evaluado mediante


el mtodo de anlisis por rboles de fallos (Fault Tree Analysis, FTA). La
solucin de un rbol de fallos supone la determinacin de conjuntos de mnimo
corte (Minimal Cut Sets, MCS) los cuales representan una combinacin nica
de fallos de componentes que causan el fallo del sistema. Utilizando MCS la
indisponibilidad del sistema se estima como:

U( x ) u ( x ) (1)
j k jk

Donde j se extiende al nmero de MCS y k al nmero de sucesos bsicos en


un determinado MCS. La presente ponencia se centra en el caso de sistemas
en operacin siendo las principales contribuciones a la indisponibilidad la
debida a fallos aleatorios (u0(x)) y la asociada con actividades de
mantenimiento correctivo (umc(x)) y preventivo (ump(x)), las cuales se evalan
como:

t
uo ( x) = 1 e 0 (2)

u ( x) = ( + + ) (3)
mc

2
XIII CONGRESO DE CONFIABILIDAD


u (x ) = (4)
mp M

donde x es el vector de variables de decisin, la tasa de fallo de operacin, to


el tiempo de operacin, la duracin del mantenimiento correctivo, el tiempo
de retraso asociado a la falta de repuestos, la demora logstica, la duracin
de mantenimiento preventivo y M el intervalo entre mantenimientos preventivos.

Los costes relevantes en la optimizacin del mantenimiento y los recursos


materiales incluyen los costes relativos a la realizacin de las actividades de
mantenimiento, Cm(x), y los costes derivados de la gestin de repuestos, Cr(x):

C ( x) = C ( x) + C ( x) (5)
m r

Respecto a las actividades de mantenimiento, se incluyen los costes de las


actividades de preventivo las cuales se realizan con un periodo M y los costes
de las actividades de correctivo orientadas a restaurar la capacidad operacional
del equipo. Sumando las contribuciones correspondientes a los componentes
que constituyen el sistema se obtiene:

C ( x) = c ( x) (6)
m i
i

donde el sumatorio se extiende al nmero de componentes que constituyen el


sistema siendo la contribucin de cada componente la suma de las siguientes
contribuciones:


c (x ) = ch (7)
mp M mp

c ( x ) = ch (8)
mc mc

donde chmp y chmc son, respectivamente, los costes horarios de realizar el


mantenimiento preventivo y correctivo.

El coste total asociado a la gestin de repuestos incluye: el coste de


almacenamiento, ca(x), el coste de compra de repuestos cc(x), el coste asociado
a la falta de repuestos, cnr(x), y el coste de exceso, cex(x).

c ( x) = c ( x) + c ( x) + c ( x) + c ( x) (9)
r a c nr ex

El modelo considera los siguientes supuestos:

3
XIII CONGRESO DE CONFIABILIDAD

Los repuestos necesarios para la realizacin de las actividades de


mantenimiento preventivo se planifican con anterioridad estando
disponibles en el momento que se realiza la actividad.
Se consideran dos tipos de componentes: reparables y no reparables.
En el caso de componentes reparables una vez que se ha procedido a
su reparacin, tras la cual se considera tan bueno como nuevo (GAN),
vuelve al stock hasta que es nuevamente requerido para operar. Se
asume, en el caso de componentes reparables, que un porcentaje de los
mismos no puede ser reparado.
El coste de compra se basa en el precio por unidad de artculo.
La falta de repuestos supone un coste asociado a la prdida de
produccin como consecuencia del aumento en el tiempo de reparacin.

3. ALGORITMO DE BSQUEDA GRAVITACIONAL(GSA)

El Algoritmo de Bsqueda Gravitacional (Gravitational Search Algortihm, GSA)


(Rashedi, 2009) es un algoritmo heurstico basado en las leyes de la gravedad
y de la interaccin entre masas. Trabaja con un sistema de coordenadas multi-
dimensional en el espacio definido por el problema, siendo cada punto del
espacio una posible solucin al mismo. En el GSA los agentes se consideran
objetos y su rendimiento se mide por sus masas. Los objetos se atraen entre s
por la fuerza de gravedad que provoca un movimiento global de todos los
objetos hacia aquellos ms pesados. Las masas ms pesadas, que
corresponden a buenas soluciones, se desplazan ms lentamente que las ms
ligeras. En el GSA, cada masa tiene cuatro especificaciones: la posicin, la
masa inercial, la masa gravitacional activa y la masa gravitacional pasiva. La
posicin de la masa corresponde a una solucin del problema, y sus masas
inerciales y gravitacionales se determinan utilizando la funcin aptitud. El
algoritmo tambin utiliza operadores estocsticos con el objetivo de
incrementar la diversidad y la probabilidad de encontrar un ptimo global. Los
fundamentos del GSA se presentan brevemente a continuacin.

La masa de cada partcula se calcula de acuerdo al valor de la funcin aptitud


como:

fit (t ) worst (t )
m (t) = i i = 1,2,...n (10)
i best (t ) worst (t ) mass

Siendo t el nmero de iteracin, fiti el valor de la funcin aptitud


correspondiente a la partcula i, nmass el nmero de partculas consideradas y
best(t) y worst(t) corresponden al valor de la funcin aptitud para la mejor y peor
masa de la iteracin, es decir, en el caso de un problema de minimizacin:

worst (t ) = max (fiti(t)) best (t ) = min (fiti(t)) i = 1, 2,...n (11)


mass

4
XIII CONGRESO DE CONFIABILIDAD
El vector de fuerza aplicada por la masa j a la masa i, fij(t) se evala como:

M i (t ) M j (t )
f ij (t ) = G (t ) ( x j xi ) (12)
Rij (t ) +

Donde xi es el vector de posicin del agente i, G(t) es la constante gravitacional,


es un umbral, Rij(t) es la distancia euclidea entre dos agentes i y j, y Mi y Mj
son las masas normalizadas de las partculas i y j la cual puede evaluarse para
la partcula i como:

M i (t ) =
mi (t )
n max
(14)
m j (t )
j )1

y de forma similar para la partcula j.

La aceleracin gravitacional de la masa i se evala por aplicacin de la 2 ley de


Newton como:

n max
M j (t )
ai (t ) = G (t ) rand j ( x j xi ) (15)
j =1 Rij (t ) +

Siendo randj un nmero aleatorio en el intervalo [0,1]. La velocidad y la posicin


de los agentes se actualizan a partir de las siguientes expresiones:

vi (t + 1) = rand i' vi (t ) + ai (t ) (16)


xi (t + 1) = xi (t ) + vi (t + 1) (17)

A medida que avanza el nmero de iteraciones se reduce el nmero de


agentes atractivos a los Kbest(t) , es decir a los k mejores de la iteracin t, valor
que va decreciendo al aumentar el nmero de iteraciones siendo el valor inicial
k0=nmass.

En la Figura 1 se muestra de forma esquemtica el funcionamiento del GSA.

5
XIII CONGRESO DE CONFIABILIDAD

Generar poblacin inicial

Evaluar aptitud
de todos los agentes

Evaluar G(t), best (t) y worst(t)

Calcular M (t) y a (t) para


cada agente

NO
Se verifica el criterio de fin?

SI

Mejor solucin

Figura 1. Diagrama de flujo GSA (Rashedi, 2009)

4. CASO DE APLICACIN

El caso de aplicacin se centra en la optimizacin del nmero de repuestos y el


periodo de mantenimientos de un sistema compuesto por cuatro componentes
con una configuracin en serie. Adicionalmente, se considera que en la
instalacin analizada el nmero de sistemas con las mismas caractersticas es
igual a 20. En la Tabla 1 se muestran las caractersticas de fiabilidad asociadas
a los componentes que constituyen el sistema analizado.

Componente Tasa de fallo Tiempo medio Tiempo Tiempo Tipo


)
( )
reparacin ( reparacin espera de un componente
(1/hrs) (hrs) repuesto pedido
(Semanas) (Semanas)
C1 0.55E-6 72 - 16 No reparable
C2 5.48E-6 144 16 - Reparable
C3 0.55E-6 72 - 1 No reparable
C4 5.48E-6 10 16 - Reparable
Tabla 1. Datos fiabilidad y mantenibilidad de componentes

6
XIII CONGRESO DE CONFIABILIDAD

Como se observa en la Tabla 1 se dispone de dos tipos de componentes


distintos. Los componentes C1 y C3 son componentes no reparables mientras
que los componentes C2 y C4 son reparables, por tanto, cuando fallan son
enviados a un taller donde se procede a su reparacin tras la cual el
componente queda como nuevo.

En la Tabla 2 se muestra la informacin relativa a costes donde se incluyen los


costes de comprar una pieza, los costes de pedido para el caso de equipos no
reparables, el coste de reparacin por componente que aplica al caso de
componentes reparables, el coste de almacenamiento de una pieza y el coste
de hora/hombre.

Componente Coste de Coste Coste Coste de Coste


una pieza Emisin Reparacin/Pieza almacenamiento Hora/hombre
(Euros) pedido (Euros) (Euros) (Euros)
(Euros)
C1 75000 400 - 7500 50
C2 400000 - 120000 40000 50
C3 1500 400 - 150 50
C4 120000 - 36000 12000 50
Tabla 2. Datos relativos al coste

El problema de optimizacin se ha planteado como un problema simple-


objetivo siendo el vector de variables de decisin:

x = {M, n1 , n2 , n3 , n4 }

Siendo M el periodo entre mantenimientos preventivos que se aplican al


sistema y n1, n2, n3 y n4 el nmero de repuestos asociados a los componentes 1,
2 ,3 y 4 respectivamente. Como anteriormente se ha mencionado se han
considerando dos problemas formulados, el primero de ellos, como la
minimizacin del coste actuando la indisponibilidad como restriccin, es decir:

min C (x) sujeto a U( x ) < 0.01

y el segundo donde se plantea minimizar la indisponibilidad siendo el coste una


restriccin del problema:

min U (x) sujeto a C( x ) < 16244

A partir de la Ecuaciones (1) y (5) se evalan las contribuciones asociadas al


coste y la indisponibilidad.

7
XIII CONGRESO DE CONFIABILIDAD

La optimizacin ha sido realizada utilizando el Algoritmo de Bsqueda


Gravitacional presentado en la Seccin 3. El algoritmo ha sido implementado
en MatLab tomando como base el desarrollado por (Rashadi 2009). En los dos
casos analizados el nmero de agentes ha sido de 50, el nmero de iteraciones
igual a 1000 y la poblacin inicial ha sido generada aleatoriamente.

La Tabla 3 muestra los resultados obtenidos en los dos casos de aplicacin


realizados.

Funcin Restriccin Rango Valores obtenidos en Valores obtenidos en


objetivo Variables la minimizacin de la minimizacin de
decisin C(x) U(x)
U(x) C(X)<16244 0.0052
C(x) U(x)<0.01 3191
M (hrs) [720-12000] 11616 11972.2
hrs
n1 [0-10]- 1 3
n2 [0-10] 1 1
n3 [0-10] 3 3
n4 [0-10] 1 2
Tabla 3. Resultados obtenidos tras la optimizacin

5. CONCLUSIONES

El GSA es uno de los mtodos estocsticos ms recientes desarrollado por


Rashedi en el ao 2009 con el objetivo de resolver problemas de optimizacin.
En esta ponencia dicho algoritmo se utiliza como tcnica de optimizacin para
obtener el periodo de mantenimiento y el nmero de repuestos ptimos
considerando como criterios de decisin la indisponibilidad o el coste. Como
trabajos futuros se plantea la optimizacin conjunta de la indisponibilidad y el
coste abordando el proceso de optimizacin con un enfoque multiobjetivo.

AGRADECIMIENTOS

El trabajo desarrollado en la presente ponencia ha sido financiado por el


Programa de Apoyo a la Investigacin Desarrollo (PAID-06-09) de la
Universidad Politcnica de Valencia.

REFERENCIAS

Ilgin M. A. & Tunali S.Joint optimization of spare parts inventory and


maintenance policies using genetic algorithms. Int J Adv Manuf Technol Vol. 34:
pp. 594604 (2007).

8
XIII CONGRESO DE CONFIABILIDAD

Lindqvist M., Lundin J. Spare Part Logistics and Optimization for Wind Turbines.
Thesis. (2010).

Martorell, S. Sanchez, A. Carlos S. et al, Simultaneous and multi-criteria


optimization of TS requirements and maintenance at NPPs. Annals of Nuclear
Energy, Vol. 29(2), pp 147-168 (2002).

Martorell, S., Villamizar, M., Snchez, A. Maintenance modelling integrating


human and material resources. European Safety and Reliability Conference
(ESREL)/17th Annual Meeting of the Society-for-Risk-Analysis-Europe (SRA-
Europe), Valencia, Spain, September 2008.

Rashedi E., Nezamabadi-Pour H. & Saryazdi Saeid. GSA: A Gravitational


Search Algorithm. Information Sciences. Vol. 179(13) pp. 2232-2248 (2009).

Vaurio, J.K. Optimization of test and maintenance intervals based on risk and
cost. Reliability Engineering and System Safety, Vol. 49 (1), pp. 2336 (1995).

9
PONENCIA 26

FUNCIONES DE DECISIN EN CONFIABILIDAD

Humberto Gutirrez Pulido


Centro Universitario de Ciencias Exactas e Ingeniera
Universidad de Guadalajara (Mxico)
XIII CONGRESO DE CONFIABILIDAD
XIII CONGRESO DE CONFIABILIDAD

FUNCIONES DE DECISIN EN CONFIABILIDAD

Humberto Gutirrez Pulido


Centro Universitario de Ciencias Exactas e Ingenieras, Universidad de
Guadalajara (Mxico)
humpulido@yahoo.com, tel. (52) 3338250694

Porfirio Gutirrez Gonzlez


Universidad de Guadalajara (Mxico)

Resumen
Las innovaciones crecientes en la ciencia y la tcnica, y la necesidad de
mejorar los niveles de productividad y competitividad en las empresas y
organizaciones de todo el mundo, hace que cada da se requieran ms y
mejores metodologas estadsticas y matemticas, que no slo ayuden a
entender (modelar) la variabilidad sino que sean la base para tomar decisiones
ptimas bajo incertidumbre. El caso de los estudios en el campo de la
confiabilidad no es la excepcin, donde adems de un adecuado modelado de
los datos es necesario considerar adecuadamente los costes asociados a la
decisin final que se quiere tomar, de tal forma que stos se consideren como
parte del anlisis y del modelaje para as generar elementos para tomar
mejores decisiones. La inferencia Bayesiana ha demostrado ser de mucha
utilidad para modelar problemas en confiabilidad.

El objetivo del este trabajo es mostrar dos funciones de decisin que vinculan
la calidad del producto con consideraciones econmicas y de mercado. La
decisin se toma maximizando la utilidad esperada respecto a la distribucin
posterior predictiva. En un caso de decide el tiempo de garanta de un producto
industrial (amortiguadores) y en el segundo la fecha ptima de caducidad para
un producto alimenticio (yogurt).

Tiempo de garanta y confiabilidad

La garanta de un producto es el compromiso formal del fabricante de asumir


ciertas responsabilidades sobre la calidad del producto despus de su venta.
En general, los compradores creen que un producto con un perodo largo de
garanta es de mejor calidad, y ms fiable que la que tiene un perodo corto de
garanta. Para los fabricantes un programa de garanta es una herramienta
importante en la comercializacin de sus productos, puesto que la garanta es
muchas de las veces una especie de carta de presentacin que ayuda a
comunicar caractersticas del producto y a reforzar las estrategias de
mercadotecnia. De esta manera si el perodo de garanta es pequeo esto
podr tener un efecto negativo en la eleccin del consumidor (Emons, 1989) y
adems los competidores podrn utilizarlo como una herramienta comparativa.

1 1
XIII CONGRESO DE CONFIABILIDAD
XIII CONGRESO DE CONFIABILIDAD

Sin embargo, si la fijacin de la garanta no se basa en la verdadera calidad y


confiabilidad del producto, se puede incurrir en serios problemas: altos costos
de garanta e insatisfaccin del cliente. Por ello la garanta debe basarse en un
buen nivel de conocimiento de la calidad del producto y de diferentes
consideraciones de costos, mercadotecnia y calidad. En este sentido uno de
los objetivos bsicos de algunos estudios de confiabilidad es decidir el tiempo
de garanta para un producto, sin embargo esto prcticamente no se aborda en
la literatura clsica de confiabilidad, ver por ejemplo Ansell y Phillips (1994),
Lawless (1982) y Meeker y Escobar(1998). En estas obras se limitan a sealar,
las ms de las veces en forma implcita, que la garanta se fija con base en
cuantiles bajos de la distribucin del tiempo de falla. Algo similar puede decirse
respecto a los diferentes artculos sobre metodologa estadstica en un amplio
manual sobre garanta de producto editado por Blischke y Murthy(1996).

En la literatura estadstica, varios trabajos han sido orientado a aprovechar las


bases de datos de las empresas en cuanto a reclamaciones de garanta para
estimar el nmero esperado de reclamaciones, as como los costos asociados,
ver por ejemplo Kalbfleisch et al (1991) y Kim y Rao(2000). En este tipo de
trabajos no se cuestiona la forma en la que se ha seleccionado la garanta, ms
bien se estudian las consecuencias de esa eleccin. Tambin se ha propuesto
el uso de estos datos junto con la informacin de las unidades que no han
fallado para estimar la distribucin del tiempo de vida (Lawless,1998). En
Thomas(2005) se discuten varios modelos relacionados con los costos de
diferentes esquemas de garanta.

Como alternativa a la forma tradicional de decidir la garanta, se tiene el uso de


funciones de decisin que incorporan la calidad del producto y consideraciones
de tipo econmico. Sobre el particular recordar que los elementos de una
decisin en el contexto de inferencia estadstica son:

i) a A, las posibles "respuestas" o "decisiones" al problema de inferencia;


ii) , estados desconocido de la realidad;
iii) u:AR, una funcin que vincula la utilidad o ganancia de cada
consecuencia (a,) de una decisin, que resume la inferencia en la forma de
una "respuesta", a, y una situacin resultante de la realidad, ;
iv) p(), una especificacin, en la forma de una distribucin de probabilidad, de
los conocimientos actuales acerca de los posibles estados de la realidad.

La eleccin ptima de la respuesta para un problema de inferencia es aquella


a A que maximiza la utilidad esperada:

En el problema que nos interesa, la decisin es un tiempo de garanta, atg


AR, y la realidad desconocida la representa el tiempo de vida del producto,
t R. Adems las creencias actuales acerca de los posibles estados de
la realidad, en el contexto de la estadstica Bayesiana, lo representa la

1 2
XIII CONGRESO DE CONFIABILIDAD
XIII CONGRESO DE CONFIABILIDAD

densidad posterior predictiva, por lo tanto, p()f(t|T). De esta manera, la


eleccin ptima del tiempo de garanta tg es el que maximiza la utilidad
esperada:

(1)

Son pocos los trabajos que aplican funciones de decisiones en el contexto de


problemas de garanta. Por ejemplo Singpurwalla y Wilson (1993)
y Eliashberg et al. (1997) recurren a las ideas de funciones de decisin cuando
el producto tiene una garanta de dos dimensiones: tiempo desde la compra y
cantidad de uso del producto. Aunque ambos trabajos se quedan en aspectos
generales en cuanto a la consideracin de aspectos econmicos y de
mercadotecnia en relacin a la decisin del tiempo de garanta.

Adems es importante puntualizar las ventajas que tiene le trabajar en


confiabilidad desde la perspectiva Bayesiana, ya que los esquemas mltiples
de censura, la asimetra de los modelos de falla, el inters sobre las colas de
las distribuciones ms que los momentos, etctera, son temas que se abordan
de una manera sencilla en inferencia Bayesiana (ver Hamada, 2008), cosa que
no ocurre en muchos de los mtodos de los mtodos tradicionales de la
estadstica, que requieren una gran cantidad de aproximaciones, ver por
ejemplo Meeker y Escobar(1998).

Funcin de decisin para garanta univariada

En Gutirrez-Pulido et al(2006) se propone una funcin de decisin para la


garanta, en donde se parte que esta funcin debe considerar los siguientes
elementos:
i). Los beneficios econmicos de un cierto tiempo de garanta, esto se
considera con la funcin b(tg}). En este rubro se consideraren los beneficios en
mercadotecnia, imagen, probabilidad de venta, etctera-
ii). El costo directo en la que incurre el fabricante, r(t,tg), cuando el producto
falla (al tiempo t) dentro del perodo de garanta; por lo tanto aqu se debe
incluir el costo directo por cumplir con tal garanta.
iii). El costo de insatisfaccin del cliente debido a que el producto falla (al
tiempo t) dentro del perodo de garanta, I(t,tg). Este es un costo indirecto que
debe reflejar el efecto de un cliente insatisfecho sobre la imagen o prestigio de
la empresa.

De acuerdo a estos tres puntos la funcin de utilidad estar dada por

(2)

En el trabajo referido se propone las siguientes formas especficas para los tres
componentes de esta funcin de utilidad.

1 3
XIII CONGRESO DE CONFIABILIDAD
XIII CONGRESO DE CONFIABILIDAD

que es una funcin creciente, cuya rapidez de crecimiento es proporcional a la


constante A; adems est acotada asintticamente por la lnea recta b(tg)=A2
Lo que quiere decir que al aumentar la garanta aumentan los beneficios, pero
conforme se acerca la funcin b(tg) a A2 las ganancias adicionales son muy
pocas, e incluso llega un momento que son nulas. Por ello Las contantes A y
A deben ser especificadas por el producto en funcin de los beneficios que se
esperan por tener ciertos perodos de garanta. Para ello considerar los
siguientes aspectos: el precio de venta del producto, pv y un tiempo de garanta
estndar te, en el que a priori se esperara continuar con el nivel de utilidad
actual pv; este tiempo puede obtenerse a partir de tiempos de garanta para
productos similares ya sea del mismo productor o de los competidores.
Adems especificar un tiempo de garanta mayor al estndar, ta, con el cual se
esperara generar un ventaja competitiva, y con ello un cierto incremento
proporcional en las ventas y con ello en los beneficios, denotemos este
incremento en los beneficios por Ia. Entonces para la eleccin de A1, es fcil ver
que

b(te ) 1 e A1te 1

b(ta ) 1 e A1ta 1 I a
por lo tanto sea
g ( x) (1 e xte ) /(1 e xta ) (2b)

entonces A1 es la solucin de

1
g ( A1 ) ,
1 Ia

que se obtiene en forma numrica. La existencia y unicidad de la solucin se


garantiza si ttae 11I a . En cuanto a A2 dado el significado de b(tg) y que est
acotada por A2 entonces es razonable suponer que A2 est relacionada con
el incremento de los beneficio b(ta ) de dar un mejor tiempo de garanta, que
de acuerdo a lo que hemos dicho est dado por ( pv c)(1 I a ) , donde c es el
costo de produccin. Pero como b(t ) slo alcanza a A2 en forma asinttica.
Entonces proponemos que

A2 k ( pv c)(1 I a ), (2c)

donde k es un valor ligeramente superior a uno. Por ejemplo k=1.1.


Por su parte si el producto falla dentro de la garanta (t<tg), el costo en el que
incurre la empresa se obtiene mediante la siguiente funcin

1 4
XIII CONGRESO DE CONFIABILIDAD
XIII CONGRESO DE CONFIABILIDAD

Que incluye la garanta inversamente proporcional al uso, y la de remplazo, en


este ltimo caso A3=0, y A4 ser igual al costo del remplazo, A4=cr. Por ltimo la
funcin de insatisfaccin se define cuando t<tg, y est dada por:

La especificacin de A se puede hacer a partir de considerar el costo del


mximo nivel de insatisfaccin, que se dara si el producto falla en forma muy
temprana (t cercano a cero). Como es difcil cuantificar esto, se propone asigne
como una proporcin, q, del precio de venta del producto, pv.
De acuerdo a la forma de definir cada uno de los componentes de la funcin de
prdida (2), al calcular el valor esperado de la misma, ver expresin (1), se
obtiene que
tw t
At
E u (t , t g ) A2 [1 e A1tw ] cr (1 3 ) qpv (1 ) f (t | T )dt (3)
o
tw tw
En caso que se tenga una garanta por reemplazo o reparacin, A3, entonces

tw
E u (t , t g ) A2 [1 e A1tw ] A4 F (t w ) A5 (1
o
t
tw
) f (t | X )dt (4)

donde si t tg al beneficio se le resta: el precio de reparacin A4 por el cuantil


que corresponde al tiempo de garanta F(tg|T) y el costo de imagen. Que
resulta intuitivo ya que a esa proporcin de los productos vendidos se le tendra
que cubrir la garanta. De manera similar, resultara para el caso de costo de
imagen, donde el peor escenario sera que t 0, en cuyo caso el ltimo trmino
de (4) tomara la forma A5F(tg|T).

Para calcular la utilidad esperada de (3), salvo para modelos de falla muy
sencillos, es usual que la misma no tiene forma analtica, sobre todo si hay
datos censurados. Por lo que habr que recurrir a mtodos numricos para su
obtencin. De acuerdo a Robert y Casella(1999), el clculo de (3) por
simulacin Monte Carlo estar dada por

1 M t (k )

A3t ( k )
u (t g ) A2 [1 e A1tw ] 4
M k 1
A (1
tg
) A5 (1 ) 1( 0, t ) (t ( k ) )
t g w
(5)

donde {t(k); k=1,,M*} es una muestra de la densidad posterior predictiva f(t|T).


De esta manera dada la muestra aleatoria, la maximizacin de (3) se puede
hacer por algn mtodo numrico.

1 5
XIII CONGRESO DE CONFIABILIDAD
XIII CONGRESO DE CONFIABILIDAD

Cabe sealar que Wu y Huang(2010) utilizan tambin en la funcin de decisin


que se ha descrito antes en (2), aunque se combina una garanta de remplazo
(free-replacement warranty) y una inversamente proporcional al uso (pro-rata
warranty), la primera es aplicada en un perodo [0, tg1) la segunda en [tg1, tg2).

Funcin de decisin para fecha de caducidad de un alimento

Un aspecto crtico en el rea de alimentos es decidir la fecha de caducidad o


de consumo preferente, que es definida como el tiempo tc hasta que el alimento
tiene un nivel aceptable de calidad para ser consumido, tanto desde el punto de
vista sensorial como el de la salud. Existen muchos factores que influyen en la
caducidad de un alimento, que se originan en las etapas de formulacin,
procesamiento, envasado, condiciones de almacenamiento, y de distribucin.
Un anlisis de los estudios experimentales para estimar la fecha de caducidad,
que han sido publicados en los ltimos aos en revistas especializadas en
alimentos, refleja una pobre o incluso nula utilizacin de tecnologa estadstica
para decidir tal fecha.

Al igual que en problemas de garanta, es frecuente encontrar aplicaciones en


alimentos, donde la fecha de caducidad se fija igual a cuantiles de la vida de
anaquel, por ejemplo hay quienes usan cuantiles cercanos a la vida mediana
(Hough et al., 1999) o quienes usan cuantiles bajos (Al-Kadamany, et al.
2003), pero en general no se discute porque tal cuantil es el adecuado. Por lo
que esta eleccin es un tanto arbitraria y apoyada en prcticas inerciales.

De acuerdo a lo anterior, al igual que en los problemas de garanta de


productos, es posible recurrir un esquema de decisin para establecer la vida
de anaquel de un alimento, que tome en cuenta los aspectos estadsticos de la
vida de anaquel y los costos involucrados en la decisin. Una imagen de la
forma de la funcin de utilidad u(t, tc) debe ser tal que conforme es mayor la
fecha de caducidad mayor es la posibilidad de tener la ganancia bruta, debido a
que al estar ms tiempo en el anaquel, no slo se incrementa la posibilidad de
venta sino tambin se reduce los costos de distribucin del producto. De esta
manera u(t, tc) debe ser creciente conforme t se aproxima a la fecha de
caducidad, tc, pero como el consumidor difcilmente compra un producto
prximo a su fecha de caducidad, la funcin u(t, tc) debe de decrecer a partir
de un valor anterior a . De acuerdo a lo anterior, una funcin que cumple esto
es la siguiente:

(6)

La expresin (6) es una variacin de la funcin de valor extremo mnimo. Los


parmetros A, B, D son determinados por el experto de acuerdo a sus

1 6
XIII CONGRESO DE CONFIABILIDAD
XIII CONGRESO DE CONFIABILIDAD

creencias o por previos estudios. En este caso, estos parmetros se definen


como
1. B es una proporcin del tiempo de caducidad a partir de la cual el
consumidor inicia a perder la confianza en llevarse el alimento, porque
la fecha de caducidad est cerca.
2. D es un parmetro de escala que tiene que ver con el rango de valores
de la distribucin del tiempo de vida del producto. Definido este rango
con el intervalo [a, b], entonces se propone que D= .
Para definir A, de acuerdo a como se defini (6), sea G la utilidad mxima, que
se alcanza cuando , por lo tanto

De donde se obtiene que A es determinado por

(7)

En las figuras 1 se puede ver la forma y el comportamiento de la funcin c(t, t c)


de la expresin (6) para fechas de caducidad tc de 20, y 30, das de un
alimento, con una ganancia maxima G=$3.00, una proporcin de tiempo de
caducidad B=0.80 y un intervalo , por lo que , y
para tc=20, y para tc=30. Ntese que la utilidad es creciente
conforme el producto est ms das en el anaquel, y alcanza su mximo en Btc,
a partir de ah la utilidad disminuye cuando el alimento se aproximarse al
tiempo de caducidad, y sigue disminuyendo hasta a alcanzar una utilidad nula
(que sera el caso cuando el grado de deterioro del alimento es tal que ya no se
le puede sacar ninguna utilidad secundaria).

Figura 1a. Grafica de la funcin utilidad (6) Figura 1b. Grafica de la funcin utilidad
para tc=20, B=0.80, D=6 para tc=30, B=0.80, D=6

1 7
XIII CONGRESO DE CONFIABILIDAD
XIII CONGRESO DE CONFIABILIDAD

Aplicacin: caso tiempo de garanta

Una de las caractersticas particulares de los datos en confiabilidad es que por


lo general son muestras censuradas. Por ejemplo los datos siguientes
representan la distancia de falla en miles de kilmetros de 38 amortiguadores
de vehculos (O`Connor, 1985; pag. 85).


6.70, 6.95 , 7.82 , 8.79 , 9.12, 9.66 , 9.82 , 11.31

, 11.69

, 11.85 , 11.88 ,

12.14 ,12.20,12.87 , 13.15, 13.33 , 13.47 , 14.04 , 14.30, 17.52,

17.54 , 17.89 , 18.42 ,18.96 , 18.98 , 19.41 , 20.10, 20.10 , 20.15 ,

20.32 , 20.90, 22.70, 23.49 , 26.51, 27.41 , 27.49, 27.89 , 28.10

Los datos que tienen como exponente un signo +, son tiempos censurados por
la derecha, es decir, a esa distancia el amortiguador todava estaba en buen
estado. Con el esquema de censura mltiple por la derecha, de los 38
amortiguadores, slo se observaron 11 fallas. Se puede demostrar que un
modelo adecuado a estos datos es la distribucin Waibull.
Supongamos que stos tienen un precio de venta de 2000 pesos ( pv=2000), y
un costo de produccin c=1200. Y que usualmente se ha venido dando una
garanta de siete mil kilmetros bajo condiciones de uso normal te=7.0.
Supongamos que el fabricante tiene inters en aumentar el tiempo de garanta,
y ha evaluado que si sta se eleva a 10 mil kilmetros (ta=10.0) , podra
aumentar sus beneficios en un 12% (Ia=0.12). De esta manera resolviendo en
forma numrica a (2b), se obtiene que A1=0.2364. Para especificar A2,
supongamos que en (2c) k=1.1, entonces

A2 k ( pv c)(1 I a ) 1.1(2000 1200)(1.12) 985.6

En la figura 2a se muestra la funcin beneficio b(tg) con estos parmetros. De


donde se aprecia que b(te) es muy prxima al beneficio actual, especficamente
b(te ) 797.3 y b(ta ) tambin es muy prxima a lo que establecimos:
( ps c)(1 I a ) 896.0 , concretamente B(ta ) 892.9. Por otro lado, la forma de
garanta que se suele utilizar es el de esquema de reemplazo, es decir, el
fabricante reemplaza el producto que falla dentro del perodo de garanta, por
uno nuevo. De aqu que el costo de reemplazo es igual al costo de produccin
de cr 1200. Por lo tanto, A3 0 y A4 cr 1200. Respecto al costo de
imagen mximo por una falla dentro del perodo de garanta se decide
establecer igual al 3% del precio de venta (q=0.05), por ello,
A5 q ps 0.05 2000 100.0.
Como a priori para los parmetros del modelo Weibull se utiliza una distribucin
normal-gama, y para definir los hperparametros de la a priori se utiliza el
mtodo de momentos descritos en Gutirrez-Pulido et al (2005), en el que lo
que se requiere es definir intervalos a priori para la media y la desviacin

1 8
XIII CONGRESO DE CONFIABILIDAD
XIII CONGRESO DE CONFIABILIDAD

estndar del tiempo de falla de los amortiguadores. Se propone que stos sean
[20,35] y [5,15], respectivamente. Aplicando el procedimiento muestreo-
remuestreo relevante (SIR) para generar la distribucin posterior predictiva
f(t|T), Bernardo y Smith (1994). El tamao de muestra utilizado en SIR fue de
200,000 y se retuvieron M*=58,988 valores de t. En la figura 2b se muestra el
histograma para los datos generados de f(t|T) y en 2c se muestra la estimacin
de f(t|T) utilizando el procedimiento desity de S-Plus. Algunos percentiles de
esta distribucin se muestran enseguida:

Percentil 1 5 10 15 20 25
Valor 5.477 10.291 13.513 15.7797 17.674 19.311

Figura 2. Funciones involucradas en la eleccin del tiempo de garanta para amortiguadores.

Si se procediera como la recomendacin tradicional de elegir el tiempo de


garanta de acuerdo a un percentil bajo de la distribucin del tiempo de falla,
entonces habra que seleccionarlo de entre los anteriores. Pero sin una
consideracin econmica, esta eleccin sera un tanto arbitraria. Con el mtodo
descrito antes, es posible obtener la funcin de utilidad esperada (5). En la
figura 2d se muestra la grfica de esta funcin. De acuerdo al procedimiento
optimize de S-Plus el mximo se alcanza con t=10.95215, que corresponde al
percentil 5.821 de f(t|T). La funcin de utilidad evaluada en el ptimo es
u (10.952) 840.1264. Algo de destacar en la grfica de la funcin de utilidad es
que es bastante plana entre 10.5 y 11.8, por lo que un tiempo de garanta en
este rango tendra un utilidad similar. De esta manera, si en las evaluaciones

1 9
XIII CONGRESO DE CONFIABILIDAD
XIII CONGRESO DE CONFIABILIDAD

iniciales se haba considerado que el tiempo de garanta se podra fijar en 10


mil kilmetros, con las consideraciones hechas y la aplicacin de la
metodologa antes descrita, se ve que una mejor decisin es establecer un
tiempo de garanta cercano a 11 mil kilmetros.

Aplicacin: vida de anaquel.

En Hough, et al. (2003) se reporta un estudio de vida til de yogur de fresa, en


donde se reclutaron 50 consumidores habituales del yogur. Una vez elaborado,
el producto se almaceno en condiciones de refrigeracin, muestras del
producto fueran evaluadas por los consumidores a los 0, 4, 8, 12, 24, 36 y 48
das de que el producto haba sido elaborado. En cada evaluacin los
consumidores daban la respuesta de S, si consideraban que el producto
estuviera en buenas condiciones o de No en caso contrario. La tabla 1 muestra
los casos del proceso de evaluacin y las frecuencias de los resultados. Una
interpretacin de la tabla 1, es la siguiente: En el caso 1, se encontr 2
consumidores que aceptaron la primer muestra, la rechazaron al da 4, la
aceptaron los das 8 y 12, pero la rechazaron el da 24, por lo que se
consider una censura por la izquierda al da 24. En el caso 4, encontramos 5
consumidores que consideraron que el yogur fue aceptable hasta los 4 das y
rechazaron la muestra en el da 8, obtenindose una observacin censurada
por intervalo entre 4 y 8 das. En el caso 14, encontramos a 8 consumidores
que consideraron que todas las muestras fueron aceptables, con lo que se
obtuvo una informacin censurada por la derecha al tiempo 48.
Como se puede observar en estos datos, se tiene mltiple censura, por lo que
analizar estos datos con los mtodos tradicionales de la estadstica no es
sencillo y requiere de varios supuestos en cambio en la inferencia Bayesiana
es relativamente directa ya que se parte de la funcin de verosimilitud.
Como modelo de la vida de anaquel se decidi utilizar la distribucin Weibull
por su flexibilidad. Como distribucin a priori se utiliz la normal-gama, cuyos
hiperparmetros se obtienen con el mtodo definido en Gutirrez-Pulido et al
(2005), a partir de los siguientes intervalos para la media: [LM, UM]= [20, 30] y
para la desviacin estndar [LS, US]=[10, 20], del tiempo de vida del yogur.
Para obtener la distribucin posterior predictiva se aplica el mtodo numrico
de muestreo-remuestreo relevante. En la figura 2 se muestra la distribucin
posteriori predictiva que indica que el tiempo anaquel del yogurt vara
entre de 5 y 40 das. En la tabla 2 se pueden ver algunos percentiles de esta
distribucin. Si se procediera de acuerdo a la recomendacin tradicional de
elegir una fecha de caducidad conforme a un percentil de la distribucin
posterior predictiva, entonces se tendra que seleccionar alguno de esta tabla,
por ejemplo si se selecciona el percentil 50 (la mediana) entonces la fecha de
caducidad para el producto sera 22 das, si se decide el percentil 30 entonces
la caducidad sera alrededor de 14 das.

1 10
XIII CONGRESO DE CONFIABILIDAD
XIII CONGRESO DE CONFIABILIDAD

Tabla 1. Resultados de la evaluacin del yogur a


Tipo de
los diferentes tiempos Frecuencia
Casos 0 4 8 12 24 36 48 Censura
1 S No S S No No No Izquierda: t<24 2
2 S No No S S No No Izquierda: t<36 3
3 S No No No No No No Izquierda: t<4 1
4 S S No No No No No Intervalo: t(4,8] 5
5 S S No S No No No Intervalo: t(4,24] 3
6 S S No S S No No Intervalo: t(4,36] 1
7 S S No S No S No Intervalo: t(4,48] 1
8 S S S No S No No Intervalo: t(8,36] 1
9 S S S S No No No Intervalo: t(12,24] 5
10 S S S S No S No Intervalo: t(12,48] 4
11 S S S S S No No Intervalo: t(24,36] 4
12 S S S S S S No Intervalo: t(36,48] 4
13 S S S No No No No Intervalo: t(8,12] 4
14 S S S S S S S Derecha: t>48 8
Total Consumidores 46

Tabla 2. Percentiles seleccionados de la Pero esta forma de seleccionar, sin


establecer algn criterio de decisin y
funcin posteriori predictiva para el yogurt.
Percentil Das sin ninguna consideracin econmica,
10 5.54 es una forma un tanto arbitraria. De
30 13.43 aqu la importancia de decidir con una
50 22.30 funcin de decisin, en este caso con la
60 26.97
70 33.59
utilidad esperada de la expresin 6. Los
parmetros considerados para la funcin
de utilidad fueron los siguientes: una ganancia esperada G=$3.00, B=0.90, y un
intervalo para la distribucin de la vida del producto de [a,b]=[15,45], por lo que
D=6. El valor de A determinado por la expresin 7 es A=3.91. En la figura 2 se
muestra la grfica de la funcin de utilidad esperada. De acuerdo al
procedimiento de optimize de S-Plus, el mximo se alcanza con tc=25.20 que
corresponde al percentil al percentil 56 de la distribucin posterior predictiva.

Referencias

Al-Kadamany, E., Khattar, M., Haddad, T., y Toufeili, I. (2003), Estimation of


shelf-life of concentrated yogurt by monitoring selected microbiological and
physicochemical changes during storage. Lebensmittel Wissenschaft and
Technologie, 36(4), 407-414.

1 11
XIII CONGRESO DE CONFIABILIDAD
XIII CONGRESO DE CONFIABILIDAD

Ansell, J.I., and Phillips M.J.(1994). Practical Methods for Reliability Data
Analysis. Clarendon Press, Oxford.

Bernardo, J. M. y Smith A.F.M. (1994). Bayesian Theory, Chichester: John


Wiley.

Blischke, W.R. and Murthy, D.N.P. editores (1996). Product Warranty


Handbook. Marcel Dekker: New York,

Emons, W. (1989). On the Limitation of Warranty Duration. Journal of Industrial


Economics, 37, 3, 287-301.

Eliashberg, J., Singpurwalla, N. D. and Wilson, S. P. (1997). Calculating the


reserve for a time and usage indexed warranty. Management Science, Vol. 43,
No. 7, 966-975.

Gutirrez-Pulido, H., Aguirre-Torres, V. and Christen, J.A.(2005) "A practical


method for obtaining prior distributions in reliability". IEEE Trans. on Reliability,
54, 2, 262-269.

Gutirrez Pulido, H., Aguirre-Torres, V, And Christen A. (2006). A Bayesian


Approach for the Determination of Warranty Length. Journal of Quality
Technology, 38 (2): 180-189.

Hough, G., Puglieso, M. L., Sanchez, R., y Mendes Da Silva, O. (1999),


Sensory and microbiological shelf-life of a commercial Ricotta cheese. Journal
of Dairy Science, 82(3), 454-459.

Hough, G. Langohr, K. Gomez, G., & Curia, A. (2003). Survival analysis applied
to sensory shelf life of foods. Journal of Food Science 68 (1): 359-362.

Kalbfleisch, J.D., Lawless J.F., and Robinson J.A.(1991). Methods for the
Analysis and Prediction of Warranty Claims. Technometrics, 33, 3, 273-285.

Kim, H-G. and Rao B.M.(2000). Expected Warranty Cost of Two-attribute Free-
Replacement Warranties Based on a Bivariate Exponential Distribution.
Computers & Industrial Engineering, 38, 425-434.

Lawless, J.F. (1982). Statistical Models and Methods for Lifetime Data.
Wiley:N.York.

Lawless, J.F. (1998). "Statistical Analysis of Product Warranty data".


International Statistical Review, 66, 41-60.

Meeker,W.Q. y Escobar, E. (1998). Statistical Meth. for Reliability Data.


Wiley:N.York.

Menezes, M.A.J. and Currim, I.S. (1992). An Approach for Determination of


Warranty Length. International Journal of Research in Marketing, 9, 177-195.

1 12
XIII CONGRESO DE CONFIABILIDAD
XIII CONGRESO DE CONFIABILIDAD

Michael S. Hamada, M.S.; Wilson, A. G.; Reese, C. S. y Martz, H.F.


(2008). Bayesian Reliability. Springer: New York.

O`Connor, P.D.T. (1985). Practical Reliability Engineering (Second Edition).


Wiley: New York.

Robert, C.P. y Casella, G. (1999). Monte Carlo Statistical Methods. Springer:


New York.

Singpurwalla; N.D.and S.P. Wilson (1998). "Failure Models Indexed by Two


Scales." Advances in Applied Probability., 30, 1058-1072.

Thomas, M. U. (2005). Engineering economic decisions and warranties, The


Engineering Economist, vol. 50, pp. 307326.

Wu,S.J.y Huang, S.R.(2010). Optimal Warranty Length for a Rayleigh


Distributed Product With Progressive Censoring. IEEE Transactions On
Reliability, Vol. 59, No. 4, pp. 661-666.

1 13
PONENCIA 27

INFERENCIA PLAUSIBLE Y FIABILIDAD


ESTRUCTURAL LGICA

Alberto Solana Ortega, Vicente Solana

Instituto de Fsica Fundamental, CSIC

1
2
XIII CONGRESO DE CONFIABILIDAD

INFERENCIA PLAUSIBLE Y

FIABILIDAD ESTRUCTURAL LGICA

Alberto Solana Ortega y Vicente Solana

Instituto de Fsica Fundamental, CSIC, Serrano 123, Madrid 28006, Espaa

RESUMEN

Se propone una nueva formulacin de la teora de la fiabilidad estructural


en el marco de la probabilidad lgica, empleando probabilidades lgicas
formalizadas en un lenguaje de lgica plausible que incorpora
explcitamente los datos observacionales. Se define el sistema L-R
formado por dos cantidades inciertas accin del medio y resistencia de
la estructura, correspondientes a magnitudes fsicas observables
separadas, considerando el sistema de lenguaje lgico en el que se
relacionan separadamente las observaciones potenciales inciertas con las
observaciones potenciales posibles y con los datos observacionales de
dichas magnitudes, formando dos tipos de evidencias, contextual y
contextofactual, y se formulan las plausibilidades y probabilidades lgicas
de referencia e inferida correspondientes a dichas evidencias. A partir del
sistema L-R se considera el sistema transformado M-S formado por dos
cantidades inciertas inobservables una definida como margen de
seguridad y otra como cantidad incierta complementaria, en el cual
nicamente se considera la evidencia contextual. Se define
cualitativamente la fiabilidad lgica de referencia en el sistema M-S como
la plausibilidad lgica correspondiente a la positividad de la observacin
potencial incierta del margen de seguridad y a la evidencia contextual
transformada.

1
XIII CONGRESO DE CONFIABILIDAD

La definicin cuantitativa de la fiabilidad lgica se efecta a partir de la


distribucin de referencia del margen de seguridad. Finalmente se seala
cmo la nueva formulacin de la fiabilidad puede ser aplicada teniendo en
cuenta los espacios de distribuciones de referencia de acciones y
resistencias establecidos en el diseo codificado de estructuras, o bien
espacios ms generales de distribuciones de referencia candidatas.

1 EL PARADIGMA PROBABILISTA DE LA SEGURIDAD

Ante todo hay que recordar el avance cientfico que represent, frente a
esquemas deterministas, el planteamiento inicial del paradigma probabilista de
la seguridad estructural por E. Torroja y A. Pez (1948, 1952) [ , ], y por A. M
Freudenthal (1968) [ ], adoptando los denominados mtodos
semiprobabilistas, o de nivel I, basados en el uso de factores de seguridad que
se aplican separadamente a acciones y resistencias (para ms detalles sobre
sus precursores histricos, consltese [ ]). Se debe sealar tambin el
desarrollo posterior de la teora de la fiabilidad de estructuras segn dicho
paradigma; primero, con los ndices de fiabilidad propuestos por Cornell (1967),
Rosemblueth (1972) y otros, y despus, a partir de la solucin al problema de
la invarianza del ndice de fiabilidad por Hasofer y Lind (1974) [ ], con la
formalizacin por Veneciano (1974) y la generalizacin de la medida de la
fiabilidad propuesta por Ditlevsen (1974) [ ], en la forma actualmente conocida
como mtodos de anlisis de fiabilidad de segundo orden, o de nivel II,
caracterizada por el empleo de momentos de segundo orden. Este enfoque
probabilista ha sido despus ampliado, dando lugar a los mtodos de
modelizacin de la fiabilidad que incorporan informacin de alto orden,
llamados de nivel III, en los cuales se manejan diferentes tipos matemticos de
distribuciones y momentos de orden superior. Su exposicin y logros ms
relevantes pueden encontrarse en las referencias [ , , ].

2
XIII CONGRESO DE CONFIABILIDAD

Es interesante subrayar que el desarrollo de este paradigma, que emergi en


paralelo con la investigacin de la fiabilidad en tecnologa nuclear, se llev a
cabo principalmente por investigadores del campo de la ingeniera civil, desde
el cual se extendi posteriormente a otras disciplinas. Los avances
mencionados pueden considerarse fundamentales en dos aspectos tcnicos de
gran importancia, los cuales estn potenciando la globalizacin econmica del
sector de la construccin:

Por una parte, el anlisis probabilista de la fiabilidad facilita la unificacin


internacional de las bases del diseo codificado de estructuras y el
desarrollo sistemtico de cdigos;

Por otra, las nuevas herramientas permiten la determinacin de la


fiabilidad de sistemas estructurales de cualquier tipo y de la mxima
complejidad, mediante programas de clculo avanzado.

2 EL MARCO FRECUENTISTA DE LA PROBABILIDAD

En cuanto a las bases tericas del paradigma probabilista de la seguridad


estructural, hay que resaltar que originariamente stas fueron establecidas y
elaboradas dentro del marco de la probabilidad frecuentista, en el cual la
probabilidad se identifica con un lmite asinttico de la frecuencia de ocurrencia
de sucesos supuestamente aleatorios. Y en la actualidad, las tcnicas de
modelizacin frecuentista continan siendo las ms utilizadas tanto para el
clculo de la fiabilidad como para el diseo de estructuras. Numerosos
investigadores y usuarios de los mtodos de inferencia estadstica frecuentista,
en sta y otras reas cientficas, consideran que dicha inferencia est bien
fundamentada axiomticamente. Ciertamente, existen diversas axiomticas de
la probabilidad, las cuales asumen o conducen todas ellas a las reglas bien
conocidas de la suma y el producto, esenciales para manejar y transformar las
probabilidades.

3
XIII CONGRESO DE CONFIABILIDAD

Sin embargo, la cuestin esencial, a menudo ignorada, es que tales axiomas y


reglas son claramente insuficientes, pues nos permiten el clculo de
probabilidades, pero no dicen nada acerca de cmo asignar las probabilidades
en primer lugar, especialmente en problemas de modelizacin emprica de
situaciones bajo incertidumbre reales y con datos escasos. De hecho, todos los
mtodos de inferencia se apoyan en el uso de reglas ad-hoc, esto es, no
derivadas de los axiomas iniciales de las teoras de la probabilidad, como por
ejemplo la utilizacin de la funcin de verosimilitud para definir la probabilidad
de los datos. Y en consecuencia se enfrentan a dos problemas bsicos:

La seleccin de modelos de distribucin de probabilidad inicial o de


referencia, y

La validacin de los modelos inferidos a partir de los datos


observacionales y los mtodos de inferencia.

Estos problemas adquieren una particular relevancia en la teora de la fiabilidad


estructural, porque en ella los casos de inters se refieren a valores extremos
de acciones y resistencias, de los cuales no hay usualmente informacin
factual disponible. Una dificultad ligada al problema de la seleccin del modelo
es la denominada sensibilidad de las colas, referida en todos los textos de
fiabilidad, y relativa a las grandes variaciones de la fiabilidad estimada segn
sean las colas de las distribuciones de probabilidad del modelo considerado
correspondientes a eventuales sucesos extremos. Su anlisis pone en
evidencia la importancia del problema, pero no lo resuelve de ningn modo. Por
su parte, otra dificultad, asociada a la validacin de modelos, es la falta de
monotona de los resultados de las inferencias estadsticas con los valores de
los datos observacionales [ ].

4
XIII CONGRESO DE CONFIABILIDAD

As, con los mtodos frecuentistas resulta posible, paradjicamente, obtener


una mayor fiabilidad de un elemento estructural, bien cuando decrece uno de
los valores observados de la resistencia de sus componentes, acero u
hormign, o bien cuando se incrementa el valor observado de una accin
mxima.

Aparentemente no es verosmil encontrar mejores mtodos frecuentistas con


los cuales resolver estos problemas, porque las dificultades provienen no slo
del empleo de reglas sin sustentacin clara sobre principios o axiomticas, sino
de las limitaciones del propio marco frecuentista de interpretacin de la
probabilidad [ , ].

3 EL MARCO DE LA PROBABILIDAD LGICA

La bsqueda de procedimientos de inferencia diferentes, derivados o


construidos teniendo en cuenta las exigencias de la lgica, fue ya defendida en
las propuestas racionalistas de Keynes (1921) [ ] y Jeffreys (1936) [ ], y sobre
todo, por los neopositivistas o empiristas lgicos, principalmente Carnap (1950)
[ ], quien destac la importancia del anlisis del lenguaje en la resolucin de
problemas metodolgicos. Ms especficamente, lo que distingue el marco de
la probabilidad lgica de la concepcin frecuentista es la interpretacin de la
probabilidad como una relacin lgica de implicacin parcial entre evidencias y
conjeturas, y la necesidad de considerar un conjunto de primeros principios
como soporte del razonamiento plausible.

5
XIII CONGRESO DE CONFIABILIDAD

En este artculo adoptaremos, como base para su aplicacin a la teora de la


fiabilidad, un conjunto de requisitos de racionalidad y moralidad que hemos
propuesto bajo el nombre de canon de inferencia plausible [ ], los cuales
debiera satisfacer, a nuestro juicio, cualquier teora de inferencia cientfica.
Comprende los siguientes: i) exactitud semntica de los lenguajes en que se
plantea el problema de inferencia, con el fin de reducir ambigedades y
vaguedades en la interpretacin de resultados; ii) explicitud de las evidencias y
las conjeturas, as como de cualquier otra informacin de alto orden de que se
disponga, de modo que no haya suposiciones ocultas en la inferencia; iii)
conceptualizacin de la plausibilidad como una funcin proposicional binaria,
de manera que permita expresar de grado parcial de apoyo que las evidencias
confieren a las conjeturas; iv) correspondencia de las plausibilidades con
esquemas comparativos de razonamiento plausible; v) autoconsistencia lgica
de los mtodos de inferencia, para evitar resultados contradictorios partiendo
de las mismas evidencias; vi) consistencia evidencial de los procedimientos de
inferencia, de manera que no se pierda o aada contenido evidencial a lo largo
de la inferencia; y vii) universalidad con respecto a los lenguajes y sus
interpretaciones para garantizar la aplicabilidad general de los mtodos, en
particular en situaciones con pocos datos.

De acuerdo con el canon propuesto, el problema de la inferencia probable


basada en datos se formaliz en [ , ] utilizando nuevos lenguajes de lgica
plausible que incluyen explcitamente los datos observacionales, otorgndoles
un estatus lgico especial como parte de las evidencias que no haba sido
contemplado antes en el marco clsico de la probabilidad lgica. Paralelamente
se desarroll, a partir de [ ], un procedimiento de inferencia probable basada
en entropa que permite resolver los dos problemas fundamentales de los
mtodos conocidos, relativos a la seleccin de modelos de referencia y a la
validacin de dichos modelos [ ].

6
XIII CONGRESO DE CONFIABILIDAD

Aqu nos centraremos en:

La formulacin de la fiabilidad lgica en el marco de la probabilidad


lgica con datos observacionales, y

La reinterpretacin de los mtodos actuales de clculo de fiabilidad y de


diseo codificado de estructuras en dicho marco.

4 EL SISTEMA L-R

Lo primero que examinaremos es el concepto mismo de sistema estructural,


sobre el que se efectuar la inferencia probable basada en datos. Es preciso
tener clara la definicin de tal sistema, el cual en forma genrica se suele
denominar sistema accin del medio-resistencia de la estructura, o
simplemente sistema L-R. Desde luego, de entrada se asume que una
estructura es un sistema mecnico resistente constituido por elementos y por
componentes estructurales. Pero el sistema que hay que modelizar en la teora
de la seguridad y fiabilidad no es propiamente el sistema mecnico resistente
aislado, sino el sistema que combina las cantidades inciertas observables que
corresponden a las magnitudes fsicas de las acciones L del medio en que se
ubica la estructura sobre sta, y a la resistencia R de dicha estructura.

En la medida en que el sistema corresponda a una situacin concreta real,


deber formalizarse teniendo en cuenta tanto las observaciones empricas
disponibles de la resistencia de la estructura y sus componentes, como los
datos factuales de la accin mxima del medio sobre stos. Ello exige, de
acuerdo con el requisito de exactitud semntica del canon de inferencia
plausible, el uso de lenguajes apropiados que incorporen la distincin expresa
entre dos elementos bsicos: observaciones potenciales y actuales.
Utilizaremos a este fin los lenguajes de lgica plausible con observaciones
construidos por vez primera en [ , ].

En tales lenguajes se diferencia, a su vez, dentro de las observaciones


potenciales, entre las observaciones potenciales posibles, designadas

7
XIII CONGRESO DE CONFIABILIDAD

mediante itlicas por l y r , y definidas respectivamente por los valores


numricos posibles ordenados (l1, l2 ,...) y (r1, r2,...) de las magnitudes L y R de
acciones y de resistencias de estructuras similares, representadas
conjuntamente de manera genrica por pares {l, r} ; y las observaciones
potenciales inciertas, denotadas por L y R , definidas como valores indefinidos
cuya ordenacin con respecto a las observaciones posibles es desconocida,
representadas conjuntamente por el par { L, R} .

El lenguaje de lgica plausible incluye como oraciones atmicas bsicas,


adems de las relativas a la ordenacin de las observaciones posibles, del tipo
li l j o ri r j , las frmulas bien formadas relativas a cmo podran ordenarse
las observaciones potenciales inciertas de L y R con respecto a las posibles,
esto es: L l , L > l ; y R r y R > r .

Adems, incorpora las observaciones actuales, de carcter factual,


correspondientes a los datos observacionales asociados a cada una de las
cantidades observables L y R, esto es, los conjuntos de valores posibles de las
acciones y resistencias de estructuras similares efectivamente medidos,
designados respectivamente, en el caso de las acciones, por Dl = {l kobs
l
},
kl = 1, 2,..., n l y en el de las resistencias, por Dr = {l kobs
r
} , kr = 1, 2,..., n r . Represe
en que, en general, nl n r , es decir, el nmero de datos asociado a la accin L
es distinto al nmero de datos observados de la resistencia R.

8
XIII CONGRESO DE CONFIABILIDAD

Esta consideracin explcita de los datos observacionales conduce a una


diferenciacin crucial de dos tipos de evidencias conjuntas, las cuales
constituyen el punto de partida para la inferencia:

La evidencia contextual conjunta e lr , que enuncia todas las maneras en


que las observaciones potenciales inciertas de L y R pueden ordenarse
con respecto a las observaciones potenciales posibles, teniendo en
cuenta la estructura vectorial de los pares de observaciones posibles
{l, r} .

La evidencia contexto-factual conjunta (Dl , Dr ,e lr ) , correspondiente a la


doble estructura lgica constituida por la estructura vectorial de la
evidencia contextual e lr y por la particin que inducen separadamente en
las evidencias marginales e l y e r los respectivos datos observacionales
Dl y Dr .

En cuanto a las conjeturas, stas pueden ser bien las oraciones bsicas sobre
la ordenacin de las observaciones potenciales inciertas con respecto a valores
especficos de las observaciones posibles, o bien oraciones complejas
contruidas a partir de ellas mediante las operaciones clsicas de la
complementacin, la disyuncin y la conjuncin.

Es importante destacar que en el sistema L-R, los datos observados de la


accin del medio y de la resistencia de la estructura, Dl y Dr , se representan
separadamente, de tal forma que no se considera una agrupamiento Dlr en la
forma de pares de datos {lkobs, rkobs} , ordenados mediante un mismo ndice
k = 1, 2,..., n . Ello se debe a que, en general, no hay simultaneidad en la
obtencin de las observaciones empricas de una y otra cantidad incierta a
travs de los correspondientes procedimientos dispositivos de medida, ni
conjuncin en la observacin de lecturas ordenadas de un mismo aparato.

9
XIII CONGRESO DE CONFIABILIDAD

No cabe entonces construir una representacin vectorial de los datos


observacionales, al no satisfacerse las condiciones de atadura que seran
necesarias para poder combinarlos como componentes de datos conjuntos. En
este sentido, el sistema L-R puede contemplarse como un sistema vectorial
conjunto nicamente desde el punto de vista contextual, relativo a las
observaciones potenciales, pero no con respecto a las observaciones factuales.
Diremos as que se trata de un sistema observacionalmente separable.

La peculiaridad de este esquema lgico para el sistema de accin y resistencia


lo distingue esencialmente de su representacin corriente en la actual teora de
la fiabilidad estructural, la cual considera a L y R, no como cantidades inciertas
observables parcialmente separadas, sino como variables aleatorias en un
espacio multivariante, sin entrar en el problema de la expresin apropiada de
los datos, ni por tanto en la necesidad de partida de un doble armazn,
contextual y contexto-factual, en la inferencia.

5 DEFINICIN DEL MARGEN DE SEGURIDAD: EL SISTEMA


TRANSFORMADO M-S

A partir de la formulacin expuesta del sistema L-R es posible introducir nuevas


cantidades inciertas transformadas funcionalmente de las anteriores. As lo
haremos para definir el concepto de seguridad en la forma de una cantidad
incierta inobservable. En concreto, el sistema L-R lo convertiremos, mediante
una transformacin matemtica conforme, en un nuevo sistema M-S,
compuesto por dos nuevas cantidades inciertas, definidas como sigue:

M, la cantidad incierta seguridad o, mejor, margen de seguridad, para


evitar confusin con cualquier otros usos de tal trmino;

S, una cantidad incierta complementaria, usualmente no considerada en


la teora de la fiabilidad, la cual podra ser utilizada para describir el
tamao del sistema, de posible inters en la descripcin de su utilidad.

10
XIII CONGRESO DE CONFIABILIDAD

En general, dicha transformacin se hace de manera que los pares de valores


posibles {l, r} se transformen en los pares de valores posibles {m, s} , segn
expresiones funcionales que sean montonas e invertibles (jacobiano no nulo).
Esta condicin de invertibilidad hace ineludible la introduccin de la cantidad
incierta S complementaria en la definicin del margen de seguridad. Los
estados del sistema transformado M-S de las nuevas cantidades inciertas
corresponden, siguiendo la misma definicin adoptada en el sistema L-R, tanto
a los pares de observaciones potenciales posibles {m, s} , como a los pares de
observaciones potenciales inciertas {M, S} .

No se consideran, sin embargo, datos factuales asociados a las nuevas


cantidades inciertas, correspondiendo stas, por su propia definicin como
transformadas, a cantidades de carcter inobservable. Utilizaremos para dichas
transformaciones las expresiones lineales ms simples. As, en el caso de las
observaciones potenciales de la primera cantidad incierta M empleamos la
misma expresin usada inicialmente por Torroja y Freudenthal para el margen
de seguridad; y en el caso de las observaciones potenciales de la cantidad
incierta complementaria S se propone aqu la transformacin correspondiente
al valor medio de dichas observaciones, de manera que

M = R -L,

R+L
S= .
2

Recurdese que estas transformaciones son aplicables nicamente a los


valores numricos de las observaciones potenciales inciertas y posibles, y no a
los datos observacionales de L y R. Dicha restriccin se entiende mejor si
tenemos en cuenta que el nmero de datos de L ser en general diferente del
de nmero de datos de R, llegndose a un sinsentido si estos valores de las
observaciones se sustituyeran en las frmulas anteriores.

11
XIII CONGRESO DE CONFIABILIDAD

6 EL PROBLEMA DE LA INFERENCIA PROBABLE RELATIVO A LOS


SISTEMAS L-R Y M-S

Adems de las oraciones bien formadas de tipo contextual, los datos


observacionales, y las evidencias contextual y contexto-factual construibles a
partir de los elementos anteriores, el lenguaje de lgica plausible para el
sistema L-R incluye los llamados contenidos de evidencia, que no son sino el
producto lgico de las conjeturas por las evidencias. Definiremos las
plausibilidades como los grados de certeza o contenidos relativos de evidencia
de una oracin con respecto a las evidencias contextual y contexto-factual.
Tendremos as dos clases de plausibilidades conjuntas para las oraciones L l
y R r : por un lado la plausibilidad conjunta de referencia (L l, R r elr ) , y por
otro, la plausibilidad conjunta inferida (L l, R r Dl , Dr , elr ) .

Las probabilidades lgicas se introducen como los valores numricos


escalados de 0 a 1, asignados a las plausibilidades. Son por tanto
condicionadas por definicin. A partir de ellas se pueden determinar:

- por un lado, asociada a la evidencia contextual elr , la funcin de distribucin


de referencia conjunta, representada por

P ( l, r elr ) = Pr[ L l, R r elr ] ;

- y, por otro, asociada a la evidencia contexto-factual (Dl , Dr , elr ) , la funcin


de distribucin inferida conjunta, dada por

Q( l, r Dl , Dr , elr ) = Pr[ L l, R r Dl , Dr , elr ] ;

as como las respectivas distribuciones marginales de referencia, P ( l elr ) y


P ( r elr ) , e inferidas, Q( l Dl , Dr , elr ) y Q( r Dl , Dr , elr ) .

12
XIII CONGRESO DE CONFIABILIDAD

Anlogamente se definen los elementos correspondientes a las cantidades


inciertas del sistema transformado M-S, con la salvedad de que estn limitados
a las evidencias contextuales, dado que en este caso no pueden formarse
evidencias contexto-factuales al no ser observables las cantidades inciertas M
y S. Tenemos as la plausibilidad de referencia conjunta ( M m, S s ems ) y las
probabilidades lgicas correspondientes que determinan la funcin de
distribucin de referencia conjunta

P ( m, s ems ) = Pr[ M m, S s ems ];

la cual resulta de la transformacin de la distribucin de referencia P ( l, r elr ) .


Igualmente, hay que considerar sus respectivas distribuciones de referencia
marginales P ( m ems ) y P ( s ems ) . Sin embargo, no cabe definir en el sistema M-S
distribucin inferida alguna como transformacin de la distribucin inferida
conjunta Q( l, r Dl , Dr , elr ) o de cualquiera de sus marginales.

7 ETAPAS Y NIVELES DE INFERENCIA

La modelizacin lgica probabilista del sistema L-R se formula a continuacin


como el problema de inferencia plausible consistente en la seleccin conjunta
de un par de distribuciones, de referencia e inferida, que codifican, de acuerdo
con el canon de inferencia plausible, de la manera ms consistente y honesta,
el par de evidencias contextual y contexto-factual representado por
{elr ; ( Dl , Dr , elr )} . Utilizando el signo para distinguir las distribuciones
seleccionadas del espacio de distribuciones de referencia que se adoptan
como candidatas, este proceso puede expresarse simblicamente como:

{P * (l, r elr ); Q* (l, r Dl , Dr , elr )} = g[{elr ; (Dl , Dr , elr )}].

13
XIII CONGRESO DE CONFIABILIDAD

Comprende, a si vez, dos etapas principales, esquematizadas seguidamente:

La primera etapa corresponde a la codificacin elemental directa de la


informacin de los datos observacionales en un conjunto de probabilidades
inferidas, las cuales expresan lo que la evidencia contexto-factual dice acerca
de la clase especial de conjeturas correspondientes a las oraciones
L lkobs
l
, kl = 1, 2,..., n l , y R rkobs
r
, kr = 1, 2,..., n r , que relacionan las observaciones

potenciales inciertas y los valores de los datos observacionales de las acciones


del medio y las resistencias de la estructura.

La segunda etapa se refiere a la codificacin indirecta completa de lo que las


evidencias contextual y contexto-factual dicen acerca de todas las conjeturas,
teniendo en cuenta la codificacin elemental anterior de la informacin
probabilista de los datos. Esta segunda etapa se subdivide, a su vez, en dos
niveles de inferencia:

Un nivel intermedio, correspondiente a la seleccin de una distribucin


)
inferida Q(l, r Dl , Dr , elr ) , dada la anterior codificacin probabilista de los
datos observacionales y una distribucin cualquiera P ( l, r elr ) del espacio
de distribuciones de referencia candidatas.

Un nivel ltimo de inferencia en el cual se selecciona una distribucin de


referencia P * (l, r elr ) en el espacio considerado de distribuciones de
candidatas para obtener la distribucin inferida final que completa la
solucin conjunta del problema de inferencia basada en datos para el
sistema L-R, la cual es representada por el par de distribuciones de
referencia e inferida {P * (l, r elr ); Q* (l, r Dl , Dr , elr )}.

14
XIII CONGRESO DE CONFIABILIDAD

Ntese que la propiedad de que la solucin obtenida sea doble es una


consecuencia directa del requisito de consistencia evidencial del canon de
inferencia. Puesto que la evidencia en el razonamiento basado en datos
observacionales est formada por un par de evidencias, contextual y contexto-
factual, y como es razonable exigir que el contenido evidencial permanezca
inalterado a lo largo de la inferencia de modo que sea recuperable, la nica
manera de asegurar la invertibilidad sin prdida de informacin es considerar
que las soluciones sean pares de distribuciones.

8 DEFINICION DE LA FIABILIDAD LGICA

Una primera definicin posible de la fiabilidad del sistema L-R, puede ser dada
directamente a travs de la transformacin al sistema M-S, utilizando las
plausibilidades marginales de referencia de la cantidad incierta margen de
seguridad, representadas por ( M m ems ) . Se define as cualitativamente la
fiabilidad lgica como la plausibilidad o contenido relativo de evidencia de la
oracin particular que expresa la positividad de la observacin potencial incierta
del margen de seguridad, representada por M > 0 , en relacin con la evidencia
contextual ems , la cual es lgicamente transformada de la evidencia contextual
elr definida en el sistema L-R.

Esta definicin debe completarse con la asignacin de valores numricos de


fiabilidad asociados a la fiabilidad lgica. As, a partir de la distribucin marginal
de referencia de M,

P ( m ems ) = Pr[ M m ems ] ,

se define la fiabilidad de referencia cuantitativa fp particularizando la expresin


anterior a los valores positivos de la observacin potencial incierta M, esto es,
como la probabilidad siguiente:

f p = 1 P(0 ems ) = Pr[M > 0 ems ] .

15
XIII CONGRESO DE CONFIABILIDAD

Ntese que no resulta posible definir fiabilidad inferida alguna porque las
plausibilidades en el sistema M-S se refieren nicamente a la evidencia
contextual ems , definida mediante la transformacin a dicho sistema de las
observaciones potenciales inciertas del sistema de cantidades inciertas L y R
que constituyen la evidencia contextual elr . En ltimo trmino, ello se debe a
que los datos de cada cantidad incierta observable se incorporan de forma
separada, no pudiendo combinarse, ni por tanto transformarse.

9 CONCLUSIONES

Se presenta en este trabajo la formulacin del problema de inferencia


lgica probable correspondiente al sistema L-R constituido por las dos
cantidades inciertas, accin del medio sobre una estructura y resistencia
de la misma, correspondientes a magnitudes fsicas observacionalmente
separadas. Para ello se utiliza de manera novedosa un lenguaje de
lgica plausible con datos cuyos elementos bsicos son las
observaciones potenciales inciertas L y R, las observaciones potenciales
posibles l y r, y los datos observacionales disponibles,
{lkobs } kl = 1, 2,..., n l obs
l , , y {rkr } , kr = 1, 2,..., n r , correspondientes a registros
separados de dichas magnitudes.

En este sistema de lenguaje lgico con observaciones se consideran


dos tipos de evidencias, denominadas evidencia contextual y contexto-
factual, en base a las cuales se definen las plausibilidades lgicas de
las conjeturas sobre las oraciones simples L l y R r con relacin a
dichas evidencias, as como las probabilidades lgicas, entendidas como
los valores numricos asignados a dichas plausibilidades. Las
probabilidades se expresan conjuntamente mediante un par de
funciones de distribucin conjunta de referencia e inferida, las cuales se
asocian, respectivamente, a las plausibilidades de las conjeturas simples
relativas a las evidencias contextual y contexto-factual.

16
XIII CONGRESO DE CONFIABILIDAD

Al efecto de establecer una definicin de la seguridad en el sistema


accin del medio resistencia de la estructura, se considera la
transformacin de dicho sistema L-R a un nuevo sistema M-S de
cantidades inobservables, en el cual M representa la cantidad incierta
margen de seguridad y S una cantidad incierta complementaria,
representativa del tamao del sistema L-R, utilizando para ello la
formulacin lineal substractiva caracterstica del paradigma clsico de la
fiabilidad estructural. La extensin del lenguaje lgico a las nuevas
cantidades inciertas permite la definicin de la evidencia contextual,
junto con las correspondientes plausibilidades y probabilidades lgicas
en el sistema M-S. Dichas probabilidades se expresan conjuntamente
mediante funciones de distribucin conjunta de referencia, las cuales
son expresables equivalentemente mediante la transformacin lineal de
las funciones de distribucin de referencia del sistema L-R.

Se propone la definicin cualitativa de la fiabilidad lgica como la


plausibilidad de referencia marginal de la conjetura M > 0 . Asimismo, a
travs de la distribucin de probabilidad marginal de referencia
correspondiente a la cantidad incierta margen de seguridad M, se define
cuantitativamente la fiabilidad lgica del sistema L-R como la
probabilidad lgica correspondiente a la condicin de positividad de la
observacin potencial incierta de M. La fiabilidad lgica, tanto en uno
como otro caso, resulta por tanto referida nicamente a las
plausibilidades y funciones de distribucin de referencia asociadas a la
evidencia contextual de cada uno de los sistemas, es decir, se concibe
como una fiabilidad lgica de referencia del sistema de acciones del
medioresistencia de la estructura.

17
XIII CONGRESO DE CONFIABILIDAD

En la formulacin de la fiabilidad lgica de referencia as definida se


tiene en cuenta el conocimiento de los datos del sistema L-R de manera
indirecta, mediante la inferencia lgica efectuada segn las etapas y
niveles sealados en el trabajo. Una vez seleccionado como solucin el
par conjunto formado por la distribucin de referencia y la distribucin
inferida para L y R, la fiabilidad final ligada al margen de seguridad
inobservable se obtiene por transformacin nicamente de la distribucin
de referencia de las cantidades observables.

La formulacin lgica propuesta permite el uso de los modelos generales


de distribuciones de las acciones de cargas y resistencias de estructuras
establecidos en los diferentes cdigos de diseo de estructuras,
entendidos como definitorios de espacios de distribuciones de referencia
candidatas para las observaciones potenciales inciertas del sistema L-R.
Facilita tambin la inferencia de la distribucin de referencia para el
margen de seguridad M, desde la cual determinar la fiabilidad lgica,
teniendo en cuenta indirectamente los datos efectivamente observados
de L y R, incorporados de manera separada.

De igual modo, esta formulacin lgica de la fiabilidad puede ser


aplicada al diseo basado en experimentos de elementos estructurales,
efectuando la seleccin de la distribucin de referencia determinante de
la fiabilidad lgica de espacios mucho ms amplios de distribuciones
iniciales de referencia que el considerado usualmente en los cdigos de
diseo anteriores, considerando para ello diferentes tipos, paramtricos
o no paramtricos, de distribuciones candidatas.

18
XIII CONGRESO DE CONFIABILIDAD

10 REFERENCIAS

Carnap, R., 1950. Logical Foundations of Probability, Univ. of Chicago


Press.

Ditlevsen, O., 1981. Uncertainty Modelling, McGraw-Hill.

Elishakoff, I., 2004. Safety Factors and Reliability: Friends or Foes?,


Kluwer.

Freudenthal, A.M., 1968. Critical appraisal of safety criteria and their


basic concepts, 8th Congress AIPC-IABSE, Nueva York, pp. 13-16.

Hasofer, A.H., y Lind, N.C, 1974. Exact and invariant second moment
code format, Journal of the Engineering Mechanics Division, ASCE, Vol.
100, 111-121.

Jaynes, E.T., 2003. Probability Theory: The Logic of Science, Bretthorst,


G. L. (ed.), Cambridge University Press.

Jeffreys, H., 1948. Theory of Probability, 2 ed., Oxford University Press.

Keynes, J.M., 1921. A Treatise on Probability, Mac Millan.

Madsen, H. O., Krenk, S., y Lind, N.C., 1986. Methods of Structural


Safety, Prentice Hall.

Melchers, R.E., 1999. Structural Reliability Analysis and Prediction,


John Wiley and Sons.

Singpurwalla, N. D., 2002. Some cracks in the empire of chance: flaws


in the foundation of reliability, International Statistical Review 10: 53-78.

Solana, V., y Lind, N.C., 1990. Two principles for data-based


probabilistic system analysis, Proc. 5th Int. Conference on Structural
Safety and Reliability, ASCE, vol.3, pp. 1667-1674.

Solana, V., y Lind, N.C., 1993, Relative entropy method using tail
fractiles, Reliability Engineering and System Safety 40: 61-67.

19
XIII CONGRESO DE CONFIABILIDAD

Solana Ortega, A., y Solana, V., 2001, Logical conditioning and entropy
inference based on observational data. Open Systems and Information
Dynamics 8: 201-239.

Solana Ortega, A., y Solana, V., 2004. Entropy inference of recurrence


models for variability analysis of extreme events, Stochastic
Environmental Research and Risk Assessment 18: 167-187.

Solana Ortega, A., y Solana, V. , 2005. Another look at the canon of


plausible inference. En K.H. Knuth et al. (eds.) Bayesian Inference and
Maximum Entropy Methods in Science and Engineering, American
Institute of Physics, pp. 382-391.

Solana Ortega, A., y Solana, V., 2010. Towards an infometric solution to


the risk modelling crisis: the canon of plausible inference and the
representation of observed data, Proceedings of the Fall Conference on
Infometrics: Theory and Applications in the Social Sciences, American
University, Washington D.C.

Solana Ortega, A. y Solana, V., 2010. Avances en el anlisis de la


recurrencia de fenmenos extremos: aplicacin a grandes vertidos
petrolferos. Libro de Ponencias, XII Congreso de Confiabilidad, AEC,
Cdiz.

Torroja, E., 1948. Load factors, Journal of the American Concrete


Institute, Nov., 567-572.

Torroja, E. y Paez, A., 1952. Calcul du Coefficient de Securit, 4th.


Congress AIPC/IABSE, Cambridge, pp. 156-17

20
PONENCIA 28

APLICACIN DE LAS TICs EN EL PROCESO DE


GESTIN DE GARANTAS. CONCEPTO DE E-
WARRANTY

Vicente Gonzlez-Prida Daz


Luis Barber Martnez
Juan F. Gmez Fernndez
Adolfo Crespo Mrquez

Departamento de Organizacin Industrial


Escuela Superior de Ingenieros de Sevilla
XIII CONGRESO DE CONFIABILIDAD

APLICACIN DE LAS TICS EN EL PROCESO DE GESTIN


DE GARANTAS. CONCEPTO E-WARRANTY.

Vicente GONZLEZ-PRIDA DAZ, Luis BARBER MARTNEZ, Juan F.


GMEZ FERNNDEZ, Adolfo CRESPO MRQUEZ

Departamento de Organizacin Industrial, Escuela Superior de Ingenieros de


Sevilla
Camino de los Descubrimientos s/n, 41092, Sevilla
E-mails: vicente.gonzalezdiaz@gdels.com, lbm@esi.us.es,
juan.gomez@iies.es, adolfo@esi.us.es

RESUMEN

Este documento se centra en una de las etapas del marco de referencia


propuesto y desarrollado por los autores en trabajos anteriores para la
mejora de la gestin de las asistencias en garanta. Concretamente, esta
etapa pretende aplicar las nuevas tecnologas de la informacin y la
comunicacin a la mejora de la organizacin del servicio post-venta,
ayudando y facilitando la toma de decisiones relacionadas con distintos
aspectos en el mbito de la gestin de la garanta.

En primer lugar, se describen brevemente todas las etapas constitutivas


del marco de gestin propuesto. A continuacin, se define el concepto de
TICs y su aplicacin en la gestin del mantenimiento para, de forma
anloga, aplicarlo al caso de la gestin de la garanta. Esta aplicacin
particular del concepto TICs a la gestin de garantas, e-warranty, permite
determinar cualitativamente su influencia dentro del marco de referencia
propuesto y su interaccin con el resto de etapas que lo componen,
necesarias para una correcta gestin de la asistencia tcnica al usuario.
Finalmente, se exponen las conclusiones derivadas del estudio y se
plantean as mismo futuras lneas de investigacin en este campo.

1
XIII CONGRESO DE CONFIABILIDAD

1. INTRODUCCION
Con la venta de un producto, el fabricante est hoy en da obligado por
contrato a proporcionar una asistencia en garanta al comprador. Esta
responsabilidad obliga al fabricante a plantear una estrategia desde el punto
de vista operacional y organizacional cuyo objetivo no sea nicamente
reducir costes, sino tambin conseguir que las decisiones sean globales y
estratgicas dentro de la empresa, con el fin ltimo de poner en el mercado
un producto robusto y fiable. Esto repercutir de manera directa en la gestin
de la garanta ofreciendo en consecuencia un servicio postventa adecuado
para el usuario. Por ese motivo, no slo los directivos y responsables de la
compaa deben constituir y participar en una organizacin bien establecida
y controlada, tambin ser de gran importancia contar con la experiencia
proporcionada por el personal tcnico de mantenimiento y de posventa.

En la revisin de la literatura [1][2], se observan diferentes interacciones


entre garanta y otras disciplinas. En particular, pueden considerarse cuatro
importantes reas de interaccin: Mantenimiento [3], Outsourcing [4],
Calidad [5] y Anlisis de costes [6]. En base a estas consideraciones y a la
experiencia observada en casos de estudio como el descrito en la referencia
[7], se establece un marco de referencia para la gestin de asistencias en
garanta, utilizando para ello tcnicas de ingeniera ya definidas y aplicadas
en otros procesos similares (figura 1). Este marco genrico, desarrollado y
detallado en la referencia [8], integra modelos de gestin ordenndolos en
cuatro fases secuenciales.

De esta forma, el marco de referencia pretende dar soporte a la gestin de


un programa de garanta (secuencia de actividades), ofreciendo una visin
prctica del conjunto de acciones que componen cada bloque de gestin y
centrado en la mejora no slo de la fiabilidad del producto, sino tambin de
la relacin entre fabricante y usuario. La reingeniera en los procesos de
gestin y la aplicacin de una correcta organizacin de la garanta permitir
influir en el diseo del producto y su fabricacin, aumentando su calidad y su
fiabilidad al mejorar el flujo de informacin relativa a defectos del producto y
a sus causas. Concretamente, la aplicacin de las TIC constituye una de las
etapas en el marco propuesto para gestin de la garanta, cuyo objetivo final
es mejorar y facilitar la toma de decisiones. A continuacin, se tratarn
algunos aspectos de las TICs y su aplicacin al caso del servicio postventa.
Otros trabajos en este campo son, por ejemplo, las siguientes fuentes: [9],
[10] y [11].

2
XIII CONGRESO DE CONFIABILIDAD

Paso 1: EFECTIVIDAD

Cuadro de Mando Anlisis de Anlisis Causa


Integral Criticidad Raiz de Fallos

Paso 2: EFICIENCIA
AF & HDM
6 - Sigma adaptado a la
Garanta

Anlisis de
Gestin de las
Riesgo-Coste-
relaciones con
Beneficio en
los clientes
Garantas
Paso 4: MEJORA

E-Tecnologas Fiabilidad,
Anlisis del
(E-Garanta) Disponibilidad,
Coste de Ciclo de
Mantenabilidad y
Vida
Seguridad

Paso 3: EVALUACIN

Figura 1. Marco de referencia propuesto para la gestin de garantas

2. CONCEPTO DE TECNOLOGAS-E

Las tecnologas-e o e-tecnologas son un nuevo concepto en el que se


integra el uso de las TIC y las nuevas tecnologas. Para su desarrollo,
implementacin y soporte [15], requieren de Intranet, Extranet e Internet, as
como de dispositivos electrnicos tales como: sensores, dispositivos de
comunicacin inalmbrica, Personal Digital Assistant (PDA), entre otros.
Todas estas tecnologas incrementan las posibilidades de: utilizar los datos a
partir de mltiples orgenes y de distintos tipos [20], procesar grandes
volmenes de datos, realizar anlisis avanzados como soporte para la toma
de decisiones y poner en prctica actividades de cooperacin o
colaboracin.

La infraestructura de las tecnologas-e est constituida por todos los


recursos (aplicaciones, servicios, dispositivos) necesarios para la ejecucin
de las operaciones identificadas y definidas por la organizacin, pero de
forma remota, MCT (mobile collaborative technologies). De esta manera, la
tecnologa-e engloba el uso de todos aquellos elementos que proporcionan
un control, seguimiento y diagnstico de las condiciones del equipo en
tiempo real. El uso de MCTs [19] permite una ptima integracin de los datos
y una gran flexibilidad de adaptacin a los diferentes entornos operacionales,
a la vez que aumenta sustancialmente la accesibilidad de los mismos.

3
XIII CONGRESO DE CONFIABILIDAD

El funcionamiento de esta infraestructura se basa en garantizar el nivel de


calidad de los servicios previstos para la ejecucin del proceso en trminos
de escalabilidad y disponibilidad. Ms concretamente, se trata de garantizar
un tiempo de respuesta aceptable para la empresa y para el cliente. Para
lograrlo, se utilizan indicadores clave (KPIs) para evaluar los rendimientos
globales del proceso y compararlos con los previstos. Los avances actuales
en las tecnologas mviles y de colaboracin (MCT), pueden cambiar
radicalmente la gestin de activos industriales. La combinacin del uso de
sensores inalmbricos, redes y dispositivos mviles de mano, soluciona el
problema de acceso a la informacin existente en muchas organizaciones.
Algunas de las principales caractersticas de las MCT son [19]: comunicacin
sincronizada, manejo de la distancia espacial, mejora de la portabilidad,
localizacin geoespacial, mxima accesibilidad, facilidad de identificacin,
informacin instantnea y agilidad en los procesos.

La influencia de estas capacidades es an ms importante cuando las tareas


se caracterizan por la inmediatez y la alta movilidad del personal vinculado
[12]. Actualmente, la rpida convergencia de las tecnologas est
provocando que muchas de las principales caractersticas, que
caracterizaban a un dispositivo mvil concreto, se encuentren cada vez ms
compartidas por la mayora de dispositivos, ya sean PDAs, Tablets,
Smartphones o Ultra-Portable Laptops (UPL). Como se ha comentado, la
tecnologa mvil tiene un impacto positivo muy importante gracias a la
eliminacin de las barreras espacio-temporales, lo que permite el desarrollo
de interfaces de usuario inteligentes que comparten informacin
contextualizada a cada tipo de operacin o funcin. Las tecnologas-e
tambin se caracterizan por sus principios de funcionamiento (infraestructura
inalmbrica) y la aplicacin de una interoperabilidad tecnolgica concreta,
que consiste en el despliegue de las TIC relacionadas con las funciones a
desempear, segn las necesidades propias de cada organizacin.

Figura 2. Marco conceptual de las TIC en una organizacin

Una gran cantidad de productos innovadores ya pertenecen a la familia de


las tecnologas-e. En la tabla 1 se muestran algunos de ellos [15]:

4
XIII CONGRESO DE CONFIABILIDAD

E-Tecnologas
Estndares de integracin e interoperabilidad
Sensores inteligentes MEMS
entre E-Tecnologas (MIMOSA for Machinery
(microsensores autnomos, clulas de
Information Management Open Systems
memoria, etc.), sensores inalmbricos,
Alliance, IEC62264, OPC foundation for Open
redes de sensores.
Connectivity).
Etiquetas RFID (geolocalizacin ) y GPS.Servicios Web basados en un conjunto de
Tecnologas inalmbricas (IEEE 802.11, protocolos y normas tcnicas (Internetbased
802.15.4 ZigBee, 802.15.1. Bluetooth, technologies) de intercambio de datos: SOAP
Wireless Local Area Network, como WiFi, (Simple Object Access Protocol), WSDL (Web
WiMax, GSM-UMTS). Service Description Language), etc.

Herramientas de diagnstico y pronstico Web-CMMS o e-CMMS (Computerised


inteligente. Maintenance Management System) para
Dispositivos mviles (PDAs, monitorizar y gestionar el mantenimiento
Smartphones, Graphic tablets, preventivo mediante ASP (Application Service
ordenadores porttiles, etc.). Provider/Providing).
Tabla 1. Familia de las E-Tecnologas

La utilizacin e integracin de todas las tecnologas descritas (y otras) en


una nica infraestructura cambia la denominacin de los procesos
aadindose, de forma aceptada y generalizada, el prefijo e-. De este
modo, surgen nuevos conceptos como por ejemplo el referido a la gestin
del mantenimiento (e-maintenance) o la gestin de la garanta postventa (e-
warranty), generando a su vez una infraestructura o plataforma (e-
plataforma) de mantenimiento o de garanta.

2.1 Definicin de E-Maintenance

Hoy en da, las necesidades de informacin y el desarrollo de las TIC estn


provocando la transformacin de los procesos de negocio. El uso de las TIC
est generando cambios en la gestin de distintos procesos, como por
ejemplo: e-Business, e-Operation, e-Manufacturing, e-Production o e-
Maintenance. De una forma general [16][17], podemos definir e-Maintenance
como un concepto de gestin de mantenimiento mediante el cual los activos
son controlados y gestionados a travs de Internet. Sin embargo [20],
podemos considerar el e-Maintenance como una estrategia de
mantenimiento, es decir, un mtodo de gestin electrnica utilizando en
tiempo real los datos obtenidos de los equipos por medio de tecnologas
digitales, como un plan de mantenimiento, como un tipo de mantenimiento
(basado en CBM, mantenimiento proactivo y predictivo) o como un soporte al
mantenimiento (recursos y servicios).

E-Maintenance constituye un enfoque interdisciplinario [18] que consiste en


la supervisin, diagnstico, pronstico y control. El objetivo es facilitar la
toma decisiones para reducir el nmero de inspecciones in situ y eliminar
actividades de mantenimiento innecesarias. El e-Maintenance integra los
principios ya aplicados en el mantenimiento, aadiendo un servicio Web y

5
XIII CONGRESO DE CONFIABILIDAD

principios de colaboracin [17]. La colaboracin no se limita a compartir e


intercambiar informacin, sino conocimiento e inteligencia entre distintas

unidades, departamentos, expertos operarios y empresas, buscando las


mejores decisiones de mantenimiento a lo largo del ciclo de vida de un
activo. La plataforma e-Maintenance existe cuando se reemplaza la
estructura jerrquica convencional por una estructura inteligente [18]
(Sistemas de Fabricacin Inteligentes, IMS). Consiste en dar inteligencia a
los componentes mediante tecnologa electrnica, las cuales, requieren de
redes de apoyo para el intercambio de informacin y comunicacin en
tiempo real entre los dispositivos, entre otros. Mediante un sistema de
alarmas prefijado y basado en el monitoreo de condiciones de los equipos,
es posible optimizar la prioridad de las actividades de mantenimiento. El
CBC (Costes basados en Criticidad), combina informacin sobre el estado
tcnico o salud del equipo, costo de las actividades de mantenimiento, costo
por prdida de produccin y factores de riesgo. Podemos resumir estas
mejoras potenciales en las siguientes [20]: mantenimiento remoto,
mantenimiento cooperativo, mantenimiento on-line, mantenimiento predictivo
y diagnstico de fallos.

3. ADAPTACIN AL CASO DE LA ASISTENCIA EN GARANTA.


CONCEPTO E-WARRANTY.

Una de las partes ms importantes en la gestin de un programa de


garantas en una empresa es la relacin con el cliente. La mejora continua
requiere de la aplicacin de tcnicas y tecnologas emergentes en aquellas
reas consideradas de mayor impacto.

E-Compras
Infraestructura Tecnolgica
E-Negocio
Planificacin
Gestin de Colaborativa
Intercambios
Activos E-Fabricacin Comerciales

Datos en
Tiempo-Real Information en
E-Garanta
Tiempo-Real
Toma de
Monitorizacin Decisiones
basada en Tecnologas Externalizacin
Dinmica
Condicin Predictivas

Figura 3. Integracin de los sistemas e-garanta, e-fabricacin y e-negocio


(adaptado de [13])

La aplicacin de las nuevas tecnologas en la gestin de las garantas trae


consigo la introduccin del concepto "E-Garanta". Tal como se muestra en
la Figura 3, este concepto se propone como un componente ms de la E-
Fabricacin, con el fin de aplicar las nuevas tecnologas a un entorno de

6
XIII CONGRESO DE CONFIABILIDAD

mltiples usuarios, de una manera cooperativa y distribuida. Por lo tanto, E-


warranty o E-garanta puede ser definida como un apoyo al programa de
garantas que incluye aquellos recursos y servicios necesarios que
posibiliten la toma de decisiones proactivas. Para la correcta aplicacin de
nuevas tecnologas en la gestin de la garanta, es fundamental la
participacin de los tcnicos del servicio postventa para alcanzar un mayor
nivel de calidad del producto y un servicio eficaz de asistencia tcnica.
Consecuentemente, se requerirn mayores niveles de conocimiento,
experiencia y formacin.

El concepto de E-warranty propone en definitiva, una nueva forma de gestin


del programa de garantas mediante el cual los activos son controlados por
el fabricante a travs de Internet. De esta forma, el fabricante obtiene en
tiempo real los datos procedentes de los equipos en periodo de garanta por
medio de tecnologas digitales. Los datos obtenidos mediante sensores
preinstalados en los propios equipos, aportan informacin acerca del estado
de los mismos (temperatura, presin, tiempo de funcionamiento, etc.) y
permiten realizar un diagnstico en continuo as como la prediccin de fallos
ya sean por mal funcionamiento del equipo o por un mal uso del mismo. El
E-warranty integra los mismos principios ya aplicados en el proceso
convencional de gestin de garantas, aadiendo un servicio Web y
principios de colaboracin y de monitorizacin. Esta aplicacin puede ser,
adems, una herramienta estratgica de marketing para la bsqueda de
nuevas lneas de negocio, ofreciendo al usuario la posibilidad de extender su
contrato de garantas realizando un seguimiento del comportamiento del
producto en remoto, pudiendo anticipar posibles fallos. En cualquier caso,
este nuevo modelo avanzado de gestin del servicio postventa rompe las
distancias fsicas entre fabricante y cliente mediante la utilizacin de las TIC,
transformando a la empresa de fabricacin en una empresa de servicios que
ofrece apoyo a sus clientes en cualquier lugar y momento.

3.1 Aplicacin de las tecnologas-e a la gestin de la garanta.

Basndonos en la aplicacin las TIC a la gestin del mantenimiento, en el


caso de la asistencia en garanta se generan de forma anloga las
siguientes posibilidades:

1. Asistencia remota: los tcnicos de asistencia en garanta pueden


acceder de forma remota al producto que presenta una avera o del que
se ha efectuado una reclamacin, permitiendo a distancia la puesta en
marcha, control, configuracin, monitoreo de condiciones, recopilacin de
datos y anlisis del producto. Una de las mayores ventajas es la
posibilidad de conectar productos distribuidos en puntos geogrficos
distintos con un centro de asistencia en garanta que permita la toma de
decisiones en remoto.

2. Servicio de garanta cooperativa: conexin directa entre clientes


(usuarios) y proveedores (fabricantes) o productos y tcnicos, utilizando

7
XIII CONGRESO DE CONFIABILIDAD

Internet. Cooperacin entre diferentes reas de la empresa: produccin


(efectuar cambios en el proceso de fabricacin), compras (adquisicin de
un determinado repuesto), ingeniera (cambio en el diseo del producto),
calidad (certificar la conformidad con el producto o con las tareas de
reparacin que en l se efecten), logstica(control del inventario de
repuestos y clculo de la ruta mnima para transportar el repuesto a la
ubicacin actual del producto), gerencia (planificar y designar equipo
humano, herramientas y materiales necesarios si la avera no puede
repararse en remoto), etc.

3. Asistencia on-line: el seguimiento en remoto del estado de las


unidades vendidas durante el periodo de garanta, unido a la posibilidad
de programar alertas de estado, permite al fabricante responder ante
cualquier situacin con rapidez e incluso antes de que el propio usuario
haya podido detectar el fallo, optimizando la intervencin.

4. Servicio de garanta predictiva: e-warranty permite realizar un


pronstico de fallo de las unidades vendidas, teniendo en cuenta el
estado actual del producto y el uso previsto del mismo, atendiendo a las
predicciones de vida de los componentes por parte del fabricante,
obtenidas mediante un anlisis de fiabilidad (anlisis RAMS) [14].

5. Diagnstico de fallos: e-warranty permite a los tcnicos realizar un


diagnstico on-line de un fallo acontecido y sugerir soluciones al propio
usuario. As, se reduce el tiempo de comunicacin entre proveedor y
cliente, se mejora la calidad de la informacin compartida y se minimiza
el tiempo de resolucin del problema.

3.2 Influencia en el marco propuesto de gestin

El marco de referencia propuesto para la gestin de las asistencias en


garanta (figura 1), est constituido por diversas herramientas y metodologas
que implican el manejo de una gran cantidad de datos relativos a la garanta.
La etapa definida como e-warranty, se incluye en un cuarto bloque del
marco de gestin relacionado con la mejora del programa de garantas. Esta
mejora se realiza en base al rendimiento de la gestin segn la poltica
adoptada por la compaa y necesita de un sistema de informacin
computerizado para el procesamiento cclico de los datos y el anlisis de los
resultados. En esta fase es donde se incluye el concepto de E-Garanta, el
cual facilita la toma de decisiones, procesando para ello grandes volmenes
de datos e informacin que provienen de mltiples orgenes y son de distinta
tipologa.

El concepto E-warranty posee un enfoque interdisciplinario (similar a la


metodologa 6-sigma), basado en la supervisin, diagnstico (identificar
posibles causas de degradacin anticipada o de fallo en la unidad vendida,
ACR), prediccin (analizar impacto del fallo sobre el producto, Anlisis de
Criticidad) y control (evaluacin en tiempo real de los activos y la deteccin

8
XIII CONGRESO DE CONFIABILIDAD

de estados anormales) del equipo en periodo de garanta. As, el fabricante


es capaz de obtener en tiempo real si un fallo ha acontecido en un equipo en
garanta y si este fallo (en funcin de las causas que lo han producido) est
dentro de las coberturas del programa de garantas o es consecuencia de un
uso indebido del equipo o accidente con el mismo.

Cuadro de Mando Anlisis de


Integral Criticidad

Anlisis Causa
(3) (4) Raiz de Fallos
(5)
6 - Sigma

AF & HDM
(2) (6) adaptado a la
Gestin de las Garanta
relaciones con
los clientes
Anlisis de
(7)
Riesgo-Coste-
Beneficio en
(1)
Garantas

(8) Fiabilidad,
Disponibilidad,
Tecnologas de la Mantenabilidad y
Informacin y la Seguridad
Anlisis del
Comunicacin
(9) Coste de Ciclo de
(E-Garanta) Vida

Figura 4. Influencia de las TICs en el Marco propuesto para la Gestin de la Garanta

Con esta informacin, el fabricante puede anticiparse al fallo alertando al


usuario (como valor aadido en la Gestin de las Relaciones con los
Clientes) de la existencia de anomalas en los parmetros de control y
recomendar la parada preventiva del equipo, reduciendo el tiempo y el coste
de reparacin (evitando, con la parada, daos mayores), logrando un
beneficio recproco tanto para el fabricante como para el cliente. La
informacin obtenida permite al fabricante tomar decisiones y llevar a cabo
acciones de mantenimiento si fuera necesario, generando automticamente
las rdenes de trabajo pertinentes y agilizando los trmites administrativos.
En ocasiones, el histrico de la informacin procedente del equipo puede ser
suficiente para verificar la causa natural de la avera o situacin anmala,
por lo que no requiere evaluacin fsica previa del equipo para comenzar a
planificar su reparacin. Siguiendo la numeracin indicada en la figura 4, la
influencia de las TICs en el resto de pasos propuestos (marco de referencia)
para la gestin de la garanta, se puede resumir brevemente en:

9
XIII CONGRESO DE CONFIABILIDAD

(1) Anlisis de reclamaciones y clientes


(2) Enfoque multidisciplinar
(3) Priorizacin en la toma de decisiones
(4) Anlisis del impacto del fallo sobre el propio producto
(5) Identificacin de posibles causas de degradacin o fallo anticipado
(6) Modernizacin de planes de asistencia tcnica
(7) Procesamiento de grandes cantidades de informacin
(8) Actualizacin de datos de fiabilidad y tasas de fallo
(9) Realimentacin de datos en el coste de vida del producto

En definitiva, la aplicacin de las TIC al servicio postventa hace que el propio


marco de gestin se realimente en todas sus etapas de informacin y datos
obtenidos digitalmente de los propios productos en funcionamiento.

3.3 Ventajas y futuras utilizaciones

El concepto E-garanta permite conocer el comportamiento de los productos


en remoto mediante la recepcin de seales procedentes de sensores. As,
durante el periodo de garanta, se pueden predecir posibles fallos
reduciendo sustancialmente los trmites administrativos, incrementando el
tiempo de funcionamiento y optimizando el rendimiento y productividad de
los equipos. Una posible utilizacin futura del sistema e-garanta pudiera ser,
que el propio cliente contrate de manera opcional una extensin de la e-
garanta de su producto, as, aprovechara la red de sensores preinstalados
en sus equipos para obtener prediccin de fallos que puedan afectar al
equipo en cuestin o que puedan tener un impacto en la produccin o
cadena de trabajo en la que desarrolla sus funciones. El sistema o
plataforma e-garanta, permite alertar al fabricante va Internet cuando: se
produce un fallo en el equipo, antes de que se produzca el fallo (alarmas) o
cuando el equipo alcanza determinadas condiciones en su funcionamiento.

Adems, proporciona al cliente y al fabricante la informacin necesaria de


todos los equipos en tiempo real, utilizando para ello cualquier explorador de
Internet. El fabricante recibe el mensaje (alarma) con informacin detallada
sobre el fallo producido o posible y procede a realizar las gestiones
pertinentes para solucionarlo o evitarlo, incluyendo si fuera necesario el
envo de tcnicos y materiales y avisando al cliente de la necesidad de
realizar una operacin de mantenimiento. La prediccin de los fallos en un
equipo conlleva ventajas tanto para el cliente como para el fabricante (en
periodo de garanta). El cliente, se beneficia evitando o reduciendo el tiempo
de parada del equipo (indisponibilidad). La anticipacin al fallo minimiza el
dao producido al equipo, lo que a su vez reduce el tiempo de reparacin del
mismo y, por consiguiente, se reducen notablemente los costes de mano de
obra (tiempo) y materiales (componentes daados) a cargo del fabricante.
Todo ello se traduce en un servicio rpido, eficaz y eficiente al cliente final,
incrementando el tiempo de funcionamiento del equipo en garanta, su
productividad y la satisfaccin del cliente. El sistema e-garanta es proactivo,
la informacin se recibe automtica e instantneamente de los equipos,

10
XIII CONGRESO DE CONFIABILIDAD

pudindose configurar qu tipo de informacin se desea recibir en funcin


del equipo en cuestin, por ejemplo: fallos, rendimiento del equipo,
anomalas en parmetros medibles (temperatura, presin, etc.), picos de
trabajo, estado del equipo, entre otros. Los datos que se transmiten
nicamente aportan informacin acerca del funcionamiento del equipo.

4. CONCLUSIONES

En la actualidad, las TICs estn siendo aplicadas en muchos y distintos


mbitos. Por ello, tras definir el concepto de garanta y proponer brevemente
un marco de referencia para su gestin, se ha analizado la aplicacin de las
nuevas TIC a un nuevo concepto emergente denominado E-garanta, de
manera anloga al trmino ya consolidado de e-mantenimiento, y cmo
estas tecnologas pueden facilitar y mejorar el proceso de toma de
decisiones en la gestin de garantas. El concepto e-garanta puede ser
definido como el soporte que incluye la gestin, recursos y servicios
necesarios para permitir decisiones proactivas en la ejecucin del servicio de
asistencia tcnica al cliente. Las tecnologas electrnicas aplicadas por
ejemplo al control o al diagnstico de las reclamaciones en garanta son, en
consecuencia, factores clave para alcanzar altos niveles de calidad,
fiabilidad, eficacia y, por supuesto, de confianza ante el cliente.

Como futuras lneas de investigacin en el rea de la gestin del servicio


postventa, se proponen la evaluacin de costes mediante mtodos
matemticos avanzados que apliquen tecnologas electrnicas de apoyo,
como la vigilancia remota o monitorizacin, la e-diagnosis, etc. con el fin de
desarrollar modelos ms elaborados. Adems de las nuevas tecnologas
aplicadas a la garanta, la participacin del personal de garanta dentro del
proceso de mejora ser un factor crucial para el xito. A su vez, la
introduccin de nuevas tcnicas afectarn sin duda al desempeo de las
tareas y a la participacin del personal involucrado en el servicio postventa,
de modo que se alcancen mayores niveles de calidad de producto y
efectividad del servicio de asistencia tcnica.

5. BIBLIOGRAFIA

[1] V. Gonzlez Daz, J.F. Gmez, M. Lpez, A. Crespo, P. Moreu de


Len. [2009] Warranty cost models State-of-Art: A practical review to
the framework of warranty cost management. ESREL 2009, Prague.
Taylor & Francis Group, London, ISBN 979-0-415-55509-9, pag. 2051-
2059.

[2] D. N. P. Murthy, W. R. Blischke. [2005] Warranty management and


product manufacturing. Springer-Verlag London Limited, (pp 302 +
xviii). ISBN 1852339330

11
XIII CONGRESO DE CONFIABILIDAD

[3] Boyan Dimitrov, Stefanka Chukova and Zohel Khalil. [2004] Warranty
Costs: An Age-Dependent Failure/Repair Model. Wiley InterScience,
Wiley Periodicals, Inc.

[4] J. Gmez, A. Crespo, P. Moreu, C. Parra & V. Gonzlez Daz. [2009]


Outsourcing maintenance in services providers. Taylor & Francis
Group, London, ISBN 978-0-415-48513-5. Pg. 829-837.

[5] Stefanka Chukova and Yu Hayakawa. [2004] Warranty cost analysis:


non-renewing warranty with repair time. John Wiley & Sons, Ltd. Appl.
Stochastic Models Bus.

[6] D. Christensen. [1993] Determining an accurate Estimate At


Completion. National Contract Management Journal 25. Pp. 17-25.

[7] V. Gonzlez Daz, A. Crespo Mrquez. [2009] Case study: Warranty


costs estimation according to a defined lifetime distribution of
deliverables, -not published yet- EURENSEAM WCEAM, Athens.

[8] V. Gonzlez Daz, C. Parra; J.F. Gmez and A. Crespo. [2010]


Reference framework proposal for the management of a warranty
program not published yet-. EURENSEAM, Congress
Euromaintenance, Verona, Italy.

[9] Schreyer, P. [1998] Information and Communication Technology and


the Measurement of Real Output, Final Demand and Productivity,
OECD Science, Technology and Industry Working Papers, OECD
Publishing. doi: 10.1787/612002336516.

[10] Davcev, Danco; Marx Gmez, Jorge (Eds.) [2010] ICT Innovations
2009. 1st Edition, Springer-Verlag, XII, 468 p.

[11] Gervasi, O.; Taniar, D.; Murgante, B.; Lagan, A.; Mun, Y.; Gavrilova,
M. (Eds.). [2009] Computational Science and Its Applications - ICCSA
2009 International Conference, Seoul, Korea, Proceedings, Part I:
Theoretical Computer Science and General Issues, Springer-Verlag,
Vol. 5592, 2009, XXVII, 967 p., ISBN: 978-3-642-02453-5, ISBN: 978-3-
642-10780-1.

[12] Campbell, D.A., Sarker, S. and Valacich, J.S. [2006], Collaboration


using mobile technologies: when is it essential?, Proceedings of the
International Conference on Mobile Business (ICMB06), IEEE,
Copenhagen.

[13] Ko M, Ni J, Lee J, Bandyopadhyay P. [2003] Introduction of e-


manufacturing. In: 31st North American Manufacturing Research
Conference (NAMRC), Hamilton, Canada.

12
XIII CONGRESO DE CONFIABILIDAD

[14] V. Gonzlez Daz, L. Barber, A. Crespo. [2010] Practical application


of a RAMS analysis for the improvement of the warranty management,
1st IFAC Workshop on Advanced Maintenance Engineering, Services
and Technology, Lisbon, Portugal.

[15] B. Iung , E. Levrat, A. Crespo Marquez, H. Erbe. [2009] Conceptual


framework for e-maintenance: Illustration by e-Maintenance
technologies and platforms, Annual Reviews in Control 33 220229.

[16] Tian Han, Bo-Suk Yang. [2006] Development of an e-maintenance


system integrating advanced techniques, Computers in Industry 57
569580.

[17] Crespo Mrquez, A. & B. Iung, [2006]. Special issue on e-maintenance.


Computers in Industry 57(1): 473475.

[18] Muhammed Ucar, Robin G. Qiu. [2005] E-maintenance in support of e-


automated manufacturing systems, Journal of the Chinese Institute of
Industrial Engineers, Vol. 22, No. 1, pp. 1-10.
[19] Christos Emmanouilidis, Jayantha P. Liyanage, Erkki Jantunen. [2009]
Mobile solutions for engineering asset and maintenance management,
Journal of Quality in Maintenance Engineering Vol. 15 No. 1,pp. 92-105.

[20] A. Muller, A. Crespo, B. Iung. [2008] On the concept of e-maintenance:


Review and current research, Reliability Engineering and System
Safety 93 11651187.

[21] Levrat, E., Iung, B. and Crespo Marquez, A. [2008] E-maintenance:


review and conceptual framework, Production Planning & Control,
19:4, 408 - 429.

13
PONENCIA 29

TRATAMIENTO DE LAS INCERTIDUMBRES EN EL


ANLISIS PROBABILISTA DE CAMBIOS DE AOT

S. Martorell(*), M. Villamizar, J.F. Villanueva, A. Snchez, I. Martn, S. Carlos


XIII CONGRESO DE CONFIABILIDAD

TRATAMIENTO DE LAS INCERTIDUMBRES EN EL ANLISIS


PROBABILISTA DE CAMBIOS DE AOT

S. Martorell(*), M. Villamizar, J.F. Villanueva, A. Snchez, I. Martn, S. Carlos

Universidad Politcnica de Valencia

Camino de Vera, s/n. 46022 Valencia, Espaa

(*) smartore@iqn.upv.es, marville@doctor.upv.es, jovillo0@iqn.upv.es

RESUMEN

La operacin segura de las Centrales Nucleares (CCNN) depende de las


Especificaciones Tcnicas (ETF), por tanto las ETF forman parte de base de
licencia (BL) para operar una CN, las cuales se establecieron teniendo en
cuenta criterios principalmente deterministas. El desarrollo de APS (Anlisis
Probabilista de Seguridad) y su aplicacin desde principios de los 80 para
analizar los cambios ETF ha permitido revisar la consistencia de ETF desde un
punto de vista del riesgo, es decir, abordar el impacto de los cambios en la
seguridad de la planta sobre la base de las informaciones de riesgo APS, en
particular al papel del tiempo mximo permitido de inoperabilidad (AOT)
incluido en las condiciones limite de operacin (CLO). En (Martorell et al. 2010),
se present una visin general de aplicacin del APS que se refieren al anlisis
de cambios en los requisitos del tiempo mximo permitido de inoperabilidad
(AOT), adems de una orientacin para el tratamiento de las incertidumbres.
Se discuti cmo los varios tipos de incertidumbres epistmicas requieren ser
caracterizadas y manejadas dentro de la aplicacin de APS, en particular, para
evaluar el impacto en el riesgo de un cambio AOT incluida en las CLO. El
objetivo de este documento se centra en el uso de anlisis de importancia en el
enfoque propuesto. Se proporciona un estudio de caso que se centra en un
cambio AOT del sistema de acumuladores de una planta de Energa Nuclear
con un APS de nivel 1.

1
XIII CONGRESO DE CONFIABILIDAD

1. INTRODUCCIN

La operacin segura de las centrales nucleares (CCNN) descansa en gran


medida sobre los requisitos operacionales establecidos en la Especificaciones
Tcnicas de Funcionamiento (ETF) y por ello forman parte de las bases de
licencia de explotacin.

Sin embargo, la observacin de diferentes problemas atribuidos a su


establecimiento a partir de criterios deterministas (Bizzak et al., 1987) y el
desarrollo de los APS ha motivado que desde comienzos de los aos 80 se
haya auspiciado, tanto desde los organismos reguladores como desde la
industria nuclear en todo el mundo, las aplicaciones de mtodos probabilistas
para el estudio de los cambios en ETF informadas en el riesgo, estimando y
utilizando los modelos y datos del APS, con el doble objetivo de mejora de la
seguridad y la flexibilidad de la explotacin de las CCNN. En particular de
cambios en los requisitos del tiempo mximo permitido de inoperabilidad
(AOT), incluidos en las Condiciones Lmite de Operacin (CLO) y en la
extensin de los intervalos de prueba de vigilancia (STI), incluidos dentro de los
Requisitos de Vigilancia (RV) contenidos en las ETF.

En respuesta a esa problemtica, a mediados de los aos 90 nace una nueva


filosofa de anlisis de requisitos de ETF en EEUU que plantea simultanear
criterios puramente probabilistas con criterios deterministas. Con esta finalidad,
la Nuclear Regulatory Comission (NRC) emite la RG 1.174 (RG 1.174, 2002) y
en particular la RG 1.177 (RG 1.177, 1998), tratando de fomentar las
aplicaciones del APS para el anlisis de cambios en las ETF bajo lo que se
denomin RITS (Risk Informed Technical Specification) que combina la
informacin probabilista con la determinista. La RG 1.174 fija los principios
generales a considerar en el proceso de licenciamiento de las distintas
aplicaciones del APS en la industria nuclear, mientras que la RG 1.177 se
centra en la evaluacin y mejora, del anlisis de cambios en las ETF utilizando
APS. En este contexto, los modelos y datos del APS a utilizar en el anlisis de
cambios de ETF, debe adaptarse teniendo en cuenta el requisito particular del
caso de estudio, por ejemplo, STI o AOT.

2
XIII CONGRESO DE CONFIABILIDAD

A pesar de que las RG 1.174 y RG 1.177 requieren que todas las fuentes de
incertidumbre que forman parte del anlisis de APS sean identificadas y
analizadas de tal manera que su impacto sea comprendido, no slo a nivel de
su incidencia en la medida de riesgo final, sino tambin a nivel de elemento
tcnico bsico; es slo recientemente cuando se propone algunas
orientaciones sobre el tratamiento sistemtico de incertidumbres asociadas con
el uso de la APS en la toma de decisiones informada en el riesgo NUREG-
1855, (NUREG-1855, 2009) y EPRI-1016737, (EPRI-1016737,2008). Adems,
en (Martorell et al. 2010) se proponen directrices especficas para el
tratamiento de las incertidumbres en el anlisis de los cambios de ETF.

En (Martorell et al. 2010), se propone un enfoque y caso de aplicacin para el


tratamiento de las incertidumbres dentro del marco de toma de decisiones
informada de riesgo para evaluar el anlisis de cambios en los requisitos del
tiempo mximo permitido de inoperabilidad (AOT) utilizando un APS de nivel 1.
Se presentan las caractersticas del modelo APS, medidas de riesgo y criterios
de aceptacin necesarios en la evaluacin del cambio. Se identifican los tipos y
fuentes de incertidumbre necesarias en la aplicacin de cambios AOT
utilizando el APS. Se presenta la caracterizacin y gestin de incertidumbres
epistmicas utilizando datos y modelos del APS, en particular, para el anlisis
de los efectos en el riesgo de un cambio AOT. Adems, se presento una
orientacin general para la evaluacin del impacto de las incertidumbres
presentes en la evaluacin de cambios de AOT en el riesgo teniendo en cuenta
los criterios particulares de aceptacin, en los que se apoya la toma de
decisiones de cambios de AOT.

Esta ponencia se centra en el uso de un anlisis de importancia adoptando


tanto medidas tradicionales como medidas de importancia a la incertidumbre,
dentro del enfoque propuesto. Se presenta un caso de estudio centrado en
cambios de AOT del sistema de acumuladores de una planta de Energa
Nuclear con un APS de nivel 1.

3
XIII CONGRESO DE CONFIABILIDAD

2. DESCRIPCIN FUNCIONAL DEL AOT

Los cambios en las ETF pueden afectar diferentes categoras, diferenciando la


forma de analizar los cambios asociadas a las CLO y los asociados a los RV.
Sin embargo, en la presente ponencia nos centraremos en cambios asociadas
a las CLO, asociado al sistema de acumuladores.

El sistema de acumuladores de una central nuclear de tipo PWR se compone


de tres trenes redundantes. La ETF para el sistema de acumuladores resulta
aplicable para el modo 1, que corresponde al modo de funcionamiento a plena
potencia. La ETF para el sistema de acumuladores durante la operacin a
plena potencia en las CCNN requiere la OPERABILIDAD de tres trenes
redundantes. La inoperabilidad del sistema de acumuladores puede obedecer a
dos circunstancias: 1) Forzada: se podra entrar en una CLO para reparar
equipos inoperables o para la realizacin de mantenimiento correctivo (MC). 2)
Programada o No Forzada: es decir se induce a entrar en CLO para la
realizacin de alguna actividad programada, por ejemplo para realizar
mantenimiento preventivo (PM) o pruebas al sistema de acumuladores.

Por tanto, la ACCION es necesaria cuando un tren se encuentre inoperable, lo


que implica un tiempo permitido de inoperabilidad limitado por el AOT, dentro
del cual se debe restaurar la condicin de operabilidad del equipo. La ETF
establece los RV los cuales determinan periodos de vigilancia para garantizar
la disponibilidad del componente y reducir el riesgo base de planta. En otras
palabras, estn dirigidos a probar que los equipos en este caso del sistema de
acumuladores no se encuentran inoperables. En las CLO se definen los
periodos mximos de indisponibilidad de una funcin dado por el (AOT), en
este caso, de un tren del sistema de acumuladores una vez se detecta
inoperable. La CLO del sistema de acumuladores establece una duracin
mxima de 1 hora como lmite cuando uno de los tres trenes del sistema se
encuentra inoperable. El objetivo es justificar la posibilidad de una extensin del
AOT de 1 hora hasta 24 horas en base a riesgo e incorporando el tratamiento
de las incertidumbres.

4
XIII CONGRESO DE CONFIABILIDAD

3. METODOLOGA DE ANLISIS DE CAMBIOS EN REQUISITOS


OPERACIONALES EN BASE A RIESGO CONSIDERANDO EL EFECTO DE
LAS INCERTIDUMBRES

La gua reguladora RG 1.174 establece en la seccin 2.2.2 que las propuestas


de cambios, en general en las bases de la licencia y en particular en las ETF,
deben demostrar y justificar que la magnitud del incremento del riesgo,
determinado por FDN (Frecuencia de Dao al Ncleo) y/o FGLT (Frecuencia de
Grandes Liberaciones Tempranas), si lo hay, es pequeo y no excede los
criterios de aceptacin, con la consideracin explicita del efecto de las
incertidumbres.

En este contexto, la RG 1.174 establece que la utilizacin del APS como


herramienta til en la toma de decisiones informadas en el riesgo debe tener en
cuenta tres aspectos: 1) Disponer de un modelo APS que presente: el alcance,
el nivel de detalle y el grado de actualizacin necesaria, dependiendo del tipo
particular de aplicacin (cambio de AOT o STI). 2) Obtener los resultados del
APS, es decir, los resultados de la valoracin en trminos de FDN y/o FGLT,
antes y despus del cambio. 3) Caracterizar el impacto en el riesgo de las
incertidumbres incluidas en el anlisis, as como comparar dichos resultados
con las directrices de aceptacin. Esta gua es aplicable para el anlisis de
cualquier cambio en bases de licencia, y por tanto aplica a cambios en ETF,
tanto STI como AOT.

Adems, exclusivamente respecto a cambios de ETF, la RG 1.177 en la


seccin 2.3 establece un mtodo de tres etapas para evaluar el impacto en el
riesgo asociado con los cambios propuestos. En la primera etapa se debe
evaluar el cambio en el riesgo de la central debido al cambio propuesto. Tal
cambio en el riesgo se expresa por el incremento en la FDN y por el
incremento de probabilidad de dao al ncleo IPDN, y cuando corresponda,
por el incremento FGLT, y por el incremento de probabilidad de liberacin
grande y temprana IPGLT. Los cuatro valores mencionados anteriormente
deben ser comparados con los criterios de aceptacin correspondientes.

5
XIII CONGRESO DE CONFIABILIDAD

En la segunda etapa se debe identificar las configuraciones potenciales de alto


riesgo que pudieran presentarse, por ejemplo, si adems del equipo asociado
al cambio se pusiera fuera de servicio simultneamente uno o ms equipos
adicionales, o se presentaran pruebas simultaneas en equipos redundantes,
entre otros. Finalmente, en la tercera etapa se debe establecer un programa de
monitorizacin de la condicin, para asegurar que configuraciones potenciales
de alto riesgo resultantes de mantenimientos y otras actividades operativas
sean identificadas.

Esta ponencia se centra en las dos primeras etapas. Segn se establece en las
citadas guas. En la primera etapa, el licenciatario debe evaluar el impacto en el
riesgo de cambios en ETF sobre la FDN y FGLT cuando corresponda. El
licenciatario debe demostrar que el APS y la extensin de modelos y datos del
APS en su caso, es adecuado para evaluar la propuesta de cambio en las ETF
y que cumple con los criterios de aceptacin establecidos para los anlisis de
seguridad teniendo en cuenta las incertidumbres. En la segunda etapa, el uso
de medidas de importancia y medidas de sensibilidad puede ayudar a
identificar configuraciones de alto riesgo si adems del equipo asociado al
cambio se pusiera fuera de servicio simultneamente ms equipos. Figura 1
esquematiza las etapas del procedimiento especfico que se propone para el
anlisis de cambios en las ETF, particularmente AOT, basado en la aplicacin
del APS, que considera, de manera integrada, el tratamiento de las
incertidumbres en la cuantificacin y anlisis del impacto en el riesgo del
cambio propuesto.

6
XIII CONGRESO DE CONFIABILIDAD

Medidas de Riesgo Especificaciones Tcnicas de


Apropiadas Funcionamiento

(Bucle 2)
Capacidad APS
Identificacin de las
(Alcance y Nivel de
Detalle ) Incertidumbres

Parmetro

Completitud
Modelo
Extensin
RAMS

(Bucle 1)
Cuantificacin del
Impacto en el Riesgo
Tratamiento de las Incertidumbres

de Incertidumbres

Condiciones de
Sensibilidad
Propagacin

Anlisis de

Anlisis de
Anlisis de Impacto en el

Contorno
Riego

Criterios de
Aceptacin

Gestin del Impacto en el Riesgo Considerando el Efecto de


las Incertidumbres

Figura 1. Enfoque utilizado para evaluar cambios en ETF,


utilizando los resultados del APS.

4. MTRICAS DE RIESGO

Los resultados numricos de la aplicacin APS pueden utilizarse para derivar


las mediciones de riesgo necesarios incluyendo su incertidumbre asociada, que
luego se comparar con los criterios de aceptacin adecuados para la toma de
decisiones informada en el riesgo basada en argumentos cuantitativos. Las
medidas de riesgo y los criterios de aceptacin dependen del caso particular
del ETF que se est analizando. En el apndice de la RG 1.177 (1998) y
CR/NUREG 6141 (1994) se presentan las medidas de riesgo aplicables para
evaluar el impacto en el riesgo de cambios de AOT: 1) Riesgo instantneo, 2)
Riesgo simple y 3) Riesgo anual, las cuales se pueden formular como sigue:

RM = R1 - R0 (1)

rM = dM RM (2)

RM = f M rM = f M d M RM = u M RM (3)

7
XIII CONGRESO DE CONFIABILIDAD

Las ecuaciones 1 a 3 se particularizan en esta ponencia, en trminos de FDN


como medida de riesgo base de planta obtenida con un APS de Nivel I, por
tanto:

FDN M = FDN1 - FDN 0 (4)

ICPDNM = d M - FDN M (5)

FDN M = f M ICPDN M = u M FDN M (6)

La ecuacin (4) representa el incremento de nivel de riego debido a que el


componente esta indisponible por mantenimiento, FDN1 [aos-1]; mientras que
FDN0 [aos-1], representa el riesgo condicional cuando se sabe que el equipo
no est fuera de servicio, comparado con el riesgo base de planta FDN [aos-
1
].

La ecuacin (5) representa el incremento condicional de la probabilidad de


dao al ncleo, (ICPDNM) [adiminesional], donde dM [aos] es el tiempo de
indisponibilidad asociado con el AOT.

La ecuacin (6) representa la contribucin de la desviacin al riego medio a


largo plazo, generalmente a un ao, el cual se puede interpretar como el
producto de la frecuencia de ocurrencia de la desviacin a lo largo de un ao,
fM [ao-1] por el riesgo simple asociado a la duracin de la desviacin.

5. MEDIDAS DE IMPACTO EN EL RIESGO

Con carcter general, la gua RG 1.174 establece que se debe estimar dos
medidas de riesgo para evaluar el impacto en el riesgo del cambio propuesto
en las bases de licencia, incluidos cambios en AOT. Estos son la frecuencia de
dao al ncleo antes del cambio FDNantes y el incremento de la FDN, que se
presentan a continuacin:

8
XIII CONGRESO DE CONFIABILIDAD

FDN = FDNdespues - FDN antes


(7)

Donde FDNantes y la FDNdespus son la FDN (antes) y (despus) de la propuesta


de cambio de AOT, respectivamente.

Se puede demostrar la siguiente relacin usando la ley de probabilidad total:

FDN = FDN0 + u M FDN M = FDN 0 + FDN M


(8)

donde, la FDNM est dada por la ecuacin (6). Rescribiendo la ecuacin (7)
utilizando la ecuacin (6) y (8) se obtiene:

FDN = (u M ,despues u M ,antes ) FDN M = u M FDN M


(9)

donde, uM = fM * (dM, despus- dM, antes) representa la diferencia en la contribucin


a la indisponibilidad del equipo debida a la indisponibilidad antes y despus del
cambio del AOT.

Al utilizar un APS de Nivel I son necesarias dos mediciones de riesgo, FDNantes


y el FDN, que se pueden calcular utilizando dos alternativas. La primera
alternativa (Aproximacin 1) es utilizar la ecuacin (9), que relaciona de forma
explcita las dos medidas de riesgo. Por tanto, con un APS de nivel I se puede
calcular el riesgo instantneo FDNM, siguiendo la instrucciones
proporcionadas por el Apndice B de (CR/NUREG-6141, 1994) y en el
Apndice A de (RG 1.177, 1998), adems del clculo de la diferencia en la
contribucin a la indisponibilidad del equipo debida a la indisponibilidad uM. La
segunda alternativa (Aproximacin 2), utiliza los resultados del APS de nivel I
directamente, es decir utiliza la ecuacin (7). La primera alternativa presenta
una formulacin muy til ya que, utiliza los sucesos bsicos que contribuyen al
riesgo del AOT, por ejemplo, calcula el impacto en el riesgo del cambio de AOT

9
XIII CONGRESO DE CONFIABILIDAD

que depende de la indisponibilidad de algn equipo debido a la indisponibilidad


por mantenimiento uM, y su posicin en la estructura del APS, siendo FDNM
una medida de vulnerabilidad de la planta por la indisponibilidad del equipo.

La RG 1.177 establece para el caso particular de estudiar cambios en las ETF,


por ejemplo en el requisito AOT, que se debe estimar el nivel de riesgo
condicional de la planta asociado con la indisponibilidad del equipo cuyo AOT
se est analizando, el cual, se puede formular utilizando la ecuacin (5), donde,
se representa el riesgo simple por el ICCDPM, siendo dM,a la duracin media la
indisponibilidad del equipo, acotada por el AOT o duracin mxima permitida
de la indisponibilidad tras el cambio de AOT. Adems, la RG 1.177 proporciona
las directrices de aceptacin sobre las medidas de riesgo necesarias en la
evaluacin de cambios incluidos en las condiciones lmite de operacin, por
ejemplo para FDNM, formulado por la ecuacin (4), y por lo tanto, puede ser
considerado como una tercera medida de riesgo en el anlisis del impacto de
riesgo del cambio de AOT.

6. TRATAMIENTO DE LAS INCERTIDUMBRES

La importancia del estudio de las incertidumbres, se debe, a que permite


establecer un nivel de confianza asociado a una conclusin basada en una
evaluacin cuantitativa del riesgo. En este contexto, las guas reguladoras RG
1.174, RG 1.177, EPRI 1016737 y NUREG 1.855; consideran dos tipos de
incertidumbres, la aleatoria y la epistmica; las primeras reflejan nuestra
incapacidad de predecir sucesos de naturaleza aleatoria con total certeza, tales
como por ejemplo lanzar una moneda al aire. Las segundas, tambin
conocidas como incertidumbres state-of-knowledge reflejan el grado de
confianza que tenemos en el modelo que representa nuestro conocimiento de
la realidad. Dentro de la incertidumbre epistmica reconoce tres clases de
incertidumbres: la de parmetro, la de modelo y la de completitud.

Las medidas de riesgo y los criterios de aceptacin dependen del caso


particular del ETF que se est analizando. Por tanto, es necesario que los
resultados del anlisis del impacto en el riesgo considerando el efecto de las

10
XIII CONGRESO DE CONFIABILIDAD

incertidumbres se presenten de una manera compatible con la forma en que los


resultados van a ser utilizados. Existen varias alternativas de presentacin de
resultados:

1) Distribucin de probabilidad continua sobre los resultados numricos

2) Distribucin de probabilidad discreta que represente el impacto de los


diferentes modelos e hiptesis.

3) Estudio de sensibilidad que proporcione un conjunto de resultados que


representan las diferentes hiptesis, modelos o parmetros; que
presentan un grado alto de incertidumbre.

4) Lmites o rangos de resultados, que representen hiptesis extremas.

La alternativa elegible depende en gran medida del tipo de incertidumbre de


que se trate. Puesto que lo usual es tener varios tipos de incertidumbre (de
parmetro, de modelo y de completitud), lo usual es que el analista recurra a
una combinacin de los tipos de presentacin anteriores.

7. CUANTIFICACIN DEL IMPACTO EN EL RIESGO

Los usos del APS para el anlisis de cambios en ETF con informacin en el
Riesgo, permiten llevar a cabo la cuantificacin de las medidas de riesgo
teniendo en cuenta un tratamiento adecuado de las incertidumbres asociadas.
El apndice A de (RG 1.177, 1998) y el apndice B de (CR/NUREG 6141 1994)
proporcionan la orientacin sobre el uso de APS para el clculo de las medidas
de riesgo requeridas. Sin embargo en ellas, no se ha propuesto ninguna
orientacin especfica, para el tratamiento de incertidumbres en el anlisis de
cambios de las ETF, por lo que se utilizara la formulacin para evaluar el
impacto en el riesgo presentado anteriormente.

Existen varias formas de cuantificacin de las medidas de riesgo tras un


cambio ETF mediante el APS, utilizando los modelos originales o modelos
apropiados de RAM que consideren de forma explcita los parmetros

11
XIII CONGRESO DE CONFIABILIDAD

relevantes de los requisitos ETF que van a formar parte del proceso de toma de
decisiones. Adems, la RG 1.177 concreta las medidas de riesgo de inters
para el anlisis del impacto en el riesgo de cambios en ETF que es necesario
calcular segn el requisito, en este caso AOT (en CLO). Adems, se debe tener
en cuenta el efecto del nivel de truncacin en la generacin de los conjuntos de
corte mnimo en el APS, un adecuado nivel de truncacin evita el no tratar con
sucesos bsicos que contribuyen de forma poco significativa.

Una vez establecido en nivel de truncacin mas adecuado para el clculo de


las medidas de riesgo adecuadas para evaluar el cambio de ETF, este debe
ser reducido en al menos una orden de magnitud y estudiar el efecto de la
variacin. Ya que, al disminuir el nivel de truncacin considerado se produce un
aumento en la FDN, tanto en la cuantificacin anterior al cambio como en la
posterior, y permite evaluar la variacin (diferencia entre antes y despus del
cambio) con respecto al caso base.

8. ANLISIS DEL IMPACTO EN EL RIESGO

Los resultados del anlisis del impacto en el riesgo del cambio de ETF
(ecuaciones 1 a la 6 presentadas en la seccin 4), se presentan teniendo en
cuenta el efecto de las incertidumbres para su comparacin con los objetivos o
metas de seguridad probabilistas. Estos objetivos de seguridad estn
establecidos en las guas RG 1.174 y RG 1.177 en forma de metas que se
formulan mediante valores numricos de aceptacin. El resultado de dicha
comparacin debe poner de manifiesto si las incertidumbres son relevantes, o
no, para la toma de decisiones sobre aceptabilidad del cambio de AOT.

Como se present en la seccin 5, RG 1.174 establece dos mediciones de


riesgo para evaluar el impacto del riesgo de cualquier cambio ETF, incluyendo
AOT. Se debe estimar el nivel de riesgo, FDN antes y despus del cambio en
las bases de licencia y el incremento del riesgo en trminos de FDN para APS
nivel I. As pues, los resultados de las evaluaciones se han de comparar con el
criterio de aceptacin para la FDN y FDN propuestos en la RG 1.174, se
pretende conocer por tanto, si la incertidumbre asociada a la medida de riesgo

12
XIII CONGRESO DE CONFIABILIDAD

calculada est dentro de los lmites de seguridad sobre todo cuando el valor
medio est cerca de dichos lmites. Sin embargo, utilizar las distribuciones de
probabilidad de los parmetros de entrada en lugar de los valores medios
permite la propagacin de las incertidumbres para identificar las incertidumbres
a asociadas al resultado final, el cual se obtiene propagando las distribuciones
de incertidumbre de los sucesos bsicos.

Para el anlisis de la aceptabilidad de cambios en una ETF, y en particular para


un AOT en las CLO, se han de considerar, de forma adicional a lo establecido
en el apartado anterior, los criterios de aceptacin sobre el riesgo condicional y
sobre el riesgo simple, que se proponen en la RG 1.177. As, si se est
utilizando la FDN para cuantificar el riesgo se recomienda que el riesgo simple,
denominado ICPDN (Incremento Condicional de la Probabilidad de Dao al
Ncleo) no supere el valor de 5.10-7. Respecto al riesgo condicional, un valor
que se suele tomar como lmite umbral del riesgo condicional, utilizando la FDN
como medida de riesgo, corresponde a 110-3 aos 1
, que representa el
incremento condicional de la FDN.

9. ANLISIS DE IMPORTANCIA Y SENSIBILIDAD

Las RG 1.174 y RG 1.177 requieren que todas las fuentes de incertidumbre


sean identificadas y analizadas. Las medidas de importancia suministran un
camino muy til para caracterizar los factores que contribuyen de forma
significativa al nivel de riesgo alcanzado tras el cambio de AOT, haciendo
posible la ordenacin de dichos factores o sucesos bsicos segn su
importancia. El anlisis de sensibilidad ayuda a conocer la influencia que la
variacin de la probabilidad de un suceso bsico tiene sobre el nivel de riesgo
tras el cambio de AOT. El anlisis de importancia y el anlisis de sensibilidad
pueden ayudar a la identificacin los parmetros que mayor impacto tienen
sobre las diferentes medidas de riesgo, y su influencia en la incertidumbre de
los resultados obtenidos en la cuantificacin de dichas medidas.

El enfoque propuesto en este ponencia se centra en el anlisis de importancia


utilizando medidas tradicionales y el uso de medidas de sensibilidad propuesto

13
XIII CONGRESO DE CONFIABILIDAD

por (Aven & Nokland 2010). La Tabla 1 muestra las medidas de importancia y
sensibilidad con relacin a la medida de riesgo correspondientes utilizando un
APS nivel I.

Medidas de RG 1.177 RG 1.174


Importancia Medidas de riesgo Medidas de Riesgo

FDNb FDN ICPDN FDN1

Fussell- Aproximacin Aproximacin Aproximacin n.a.


Vesely (FV) 1 1
1

Risk Limite Limite Aproximacin n.a


Achieve. Superior Superior 2
Worth
(RAW)

Spearman Incertidumbre Incertidumbre Incertidumbre Incertidumbre


Rank (SR)

Tabla 1. Medidas de importancia y aplicacin.

10. CASO DE APLICACIN

Este apartado presenta el resultado de la aplicacin de la metodologa descrita


en los apartados precedentes para el caso particular de evaluacin de una
extensin del AOT del sistema de acumuladores. El sistema de acumuladores
constituye la parte pasiva de los sistemas de refrigeracin de emergencia del
ncleo, cuya misin es producir una inyeccin rpida de agua borada en el
reactor. En la Figura 2 se presenta el diagrama general del sistema de
acumuladores.

14
XIII CONGRESO DE CONFIABILIDAD

Diagrama simplificado
del sistema
Acumuladores

Vlvulas Ne um tica s de
Aporte de N itrge no

Tanques
Verticales

Vlvula de descarga
Motorizada

V lvulas de
Retencin

Lazos de
Medida de
Presin
Vlvulas de Interconexin de A gua

Figura 2. Diagrama simplificado del sistema de Acumuladores.

10.1. Formulacin del problema

La CLO del Sistema de Acumuladores establece una duracin mxima de 1


hora como lmite cuando uno de los tres trenes del sistema se encuentra
inoperable. El objetivo es justificar la posibilidad de una extensin del AOT de 1
hora hasta 24 horas en base a riesgo e incorporando el tratamiento de las
incertidumbres.

10.2. Alcance del APS

El alcance del APS del que se dispone (APS de nivel 1 a plena potencia), es
adecuado ya que se est evaluando un sistema de mitigacin de accidentes
iniciados durante la operacin a potencia, cuya funcin es evitar el dao al
ncleo. Al revisar el modelo del sistema de acumuladores en el APS original se
observa que se contempla como criterio de xito del sistema el descargar el
contenido til de 2 acumuladores en el ncleo, habindose desestimado la
posibilidad de que el acumulador contenga agua borada con una concentracin
no permitida por ETF. En la Tabla 2 se presentan los datos necesarios para
cuantificar los sucesos bsicos incluidos en el modelo de rbol de fallos del
sistema de Acumuladores, de tal manera que el nivel de detalle que se aporta
es el adecuado para analizar el impacto en el riesgo de cambios de ETF de

15
XIII CONGRESO DE CONFIABILIDAD

dicho sistema en concreto cambios en AOT y los anlisis de importancia,


anlisis de sensibilidad y anlisis de incertidumbres.

DESCRIPCIN SUCESOS MODELO Funcin de Distribucin

Mantenimiento elctrico 1M1IA158AM Demanda Log-normal(3.1810-5;3)


de la vlvula VM-1508A

Mantenimiento elctrico 1M1IA158BM Demanda Log-normal(3.1810-5;3)


de la vlvula VM-1508B

Mantenimiento elctrico 1M1IA158CM Demanda Log-normal(3.1810-5;3)


de la vlvula VM-1508C

Vlvula motorizada VM- 1VM15008AO Pruebas Gama(1.5710-7;3.4610-8;4.3810-7)


1508A falla a permanecer
abierta

Vlvula retencin 10027 1VR100027A Pruebas Gama(7.3310-8;1.6010-8;2.0410-7)


Falla a la apertura

Vlvula retencin 15051 1VR150051A Pruebas Gama(7.3310-8;1.6010-8;2.0410-7)


falla a la apertura

Vlvula motorizada VM- 1VM15008BO Pruebas Gama(1.5710-7;3.4610-8;4.3810-7)


1508B falla a permanecer
abierta

Vlvula retencin 10028 1VR100028A Pruebas Gama(7.3310-8;1.6010-8;2.0410-7)


falla a la apertura

Vlvula retencin 15052 1VR150052A Pruebas Gama(7.3310-8;1.6010-8;2.0410-7)


falla a la apertura

Vlvula motorizada VM- 1VM15008CO Pruebas Gama(1.5710-7;3.4610-8;4.3810-7)


1508C Fallo a permanecer
abierta

Vlvula retencin 10029 1VR100029A Pruebas Gama(7.3310-8;1.6010-8;2.0410-7)


falla a la apertura

Vlvula retencin 15053 1VR150053A Pruebas Gama(7.3310-8;1.6010-8;2.0410-7)


falla a la apertura

Tabla 2. Sucesos bsicos pertenecientes al sistema de acumuladores.

16
XIII CONGRESO DE CONFIABILIDAD

A continuacin, en la Figura 3, se presenta una visin esquemtica del suceso


TOP del rbol de fallos del sistema acumuladores.

Figura 3. rbol de Fallos simplificado del sistema Acumuladores.

10.3. Evaluacin de los efectos de riesgo

Se utiliza un APS de Nivel I en el clculo del riesgo condicional antes del


cambio FDNantes. Asimismo, permite calcular los riesgos condicionales FDN1 y
FDN0, con un valor del nivel de truncacin de 110-10, y el incremento del riesgo
FDNM. Para el clculo del riesgo simple (denominado ICPDNM), se tiene en
cuenta el incremento del riesgo entre las situaciones condicionales para el AOT
(extensin del AOT de los acumuladores de 1 a 24 horas), y la duracin de la
indisponibilidad media d. Para el clculo del riesgo anual, FDNM, que es la
contribucin acumulada anual de todas las indisponibilidades generadas por un
mismo tipo de entrada en CLO correspondiente con el AOT de estudio, la
frecuencia con que ocurre la CLO dada por datos de planta es de f=0.004874
aos-1, permitiendo calculara la tercera medida de riesgo, FDN, considerada
anteriormente dada por las ecuaciones (7) o (9); necesaria para calcular el

17
XIII CONGRESO DE CONFIABILIDAD

punto [FDNantes, FDN] en la regin correspondiente de acuerdo al primer


criterio de aceptacin establecido en RG 1.174. En la Tabla 3, se resumen las
diferentes medidas de riesgo obtenidas anteriormente para ser comparadas
con los umbrales de aceptacin y de esta forma asegurar, que las
incertidumbres no comprometan los resultados alcanzados.

Medidas Umbral de Resultados Observaciones


de Riesgo Aceptacin
Media 5% 95%

R1, (ao1) R1 < 1 E-03 3,085E- 8,488E- 8,095E- Despus del


05 06 05 cambio

r = ICPDN r < 5 E-07 4.396E- 3.023E- 1,534E- Despus del


09 10 08 cambio

FDN, R < 1 E-06 2,067E- 6,9109E- 7,811E- Despus del


(ao1) 11 13 11 cambio

Tabla 3. Resumen de resultados de las medidas de riesgo calculadas.

10.4 Medidas de importancia del riesgo

En esta seccin se presenta los resultados de la aplicacin de las medidas de


importancia y sensibilidad propuestas en la seccin 9 Tabla 1. En la Tabla 4 se
resumen los resultados con respecto al riego base FDNantes. La Tabla 5 resume
los resultados para FDN. La Tabla 6 resume los resultados para el riesgo
simple ICCDP. Finalmente la Tabla 6 se presenta los resultados para FDN1.

18
XIII CONGRESO DE CONFIABILIDAD

Basic Event FV RAW SR Basic Event FV RAW SR

1VM15008AO 0.254 1260 0.26

1VM15008AO 8.26E- 1.041 - 1VM15008BO 0.254 1260 0.26


6 0.003

1VM15008BO 8.26E- 1.041 - 1VR100027A 0.101 1082 0.18


6 0.003

1VR100027A 0 1.000 0.013 1VR150051A 0.101 1082 0.18

1VR150051A 0 1.000 0.013 1M1IA158AM 0.043 1082 0.04

1M1IA158AM 0 1.000 - 1M1IA158BM 0.043 1082 0.04


0.031

1M1IA158BM 0 1.000 - 1VR100028A 0.101 1082 0.18


0.031

1VR100028A 0 1.000 0.013 1VR150052A 0.101 1082 0.18

1VR150052A 0 1.000 0.013

Tabla 4. Medidas de importancia para la FDN Tabla 5. Medidas de importancia para


la FDN

19
XIII CONGRESO DE CONFIABILIDAD

Basic Event FV RAW SR Basic Event FV RAW SR

1VM15008AO 2.75E- 1.14 0.002 1VM15008AO n.a. n.a. -


5 0.001

1VM15008BO 2.75E- 1.14 0.002 1VM15008BO n.a. n.a. -


5 0.001

1VR100027A 1.10E- 1.12 0.001 1VR100027A n.a. n.a. 0.012


5

1VR150051A 1.10E- 1.12 0.001 1VR150051A n.a. n.a. 0.012


5

1M1IA158AM 4.64E- 1.12 0 1M1IA158AM n.a. n.a. -


5 0.029

1M1IA158BM 4.64E- 1.12 - 1M1IA158BM n.a. n.a. -


5 0.031 0.029

1VR100028A 1.10E- 1.12 0.001 1VR100028A n.a. n.a. 0.012


5

1VR150052A 1.10E- 1.12 0 1VR150052A n.a. n.a. 0.012


5

Tabla 6. Medidas de importancia para la ICCDP. Tabla 7. Medidas de importancia para


la FDN1.

20
XIII CONGRESO DE CONFIABILIDAD

11. OBSERVACIONES FINALES

Este caso de aplicacin aporta una nueva experiencia en la aplicacin de la RG


1.174, en particular para el anlisis de cambios en ETF, considerando el efecto
de las incertidumbres. Es importante resaltar dentro del enfoque propuesto la
integracin de medidas de importancia tradicionales y las medidas de
sensibilidad para evaluar la importancia de las incertidumbres. Se present una
aplicacin al anlisis de un cambio de AOT para el sistema de acumuladores
de una planta nuclear, incluyendo las incertidumbres, adems de, una nueva
formulacin para evaluar el impacto en el riesgo y los criterios adicionales a
considerar sobre la aceptabilidad del cambio. Se muestra que el impacto en las
diferentes medidas de riesgo, teniendo en cuenta el efecto de las
incertidumbres es pequeo, ya que, los resultados de las medidas de riesgo
estn muy por debajo de los umbrales con respecto a las directrices de
aceptacin especficas para los cambios de la AOT RG 1.177 (Tabla 3), lo que
significa que el cambio puede considerarse. Se confirman las conclusiones del
prrafo anterior tras observar los resultados del anlisis de importancia
utilizando medidas tradicionales y sensibilidad en el caso de la evaluacin de
las incertidumbres (Tablas 4 a 7). La ponencia ofrece una primera experiencia
en la evaluacin de los efectos de riesgo de los cambios AOT, incluido el
tratamiento de las incertidumbres consistentes con el nuevo contexto
metodolgico propuesto en la literatura.

AGRADECIMIENTOS

El trabajo presentado forma parte del proyecto de investigacin financiado por


el Ministerio de Educacin y Ciencia de Espaa, ENE2010-17449.

21
XIII CONGRESO DE CONFIABILIDAD

REFERENCIAS

Aven, T. & T.E. Nokland (2010). On the use of uncertainty importance


measures in reliability and risk analysis. Relia-bility Engineering and System
Safety, 95, 127-133.

Apostolakis, G. (1993). A commentary on model uncertainty. In: Mosleh, A.,


Siu, N., Smidts, C., Lui, C. (Eds.), Proceed-ings of Workshop on Model
Uncertainty: Its Characteriza-tion and Quantification, Annapolis, MD, October
2022, Center for Reliability Engineering, University of Maryland, College
Park, MD, 1993. Also published as Report NU-REG/CP-0138, US Nuclear
Regulatory Commission, Washington, DC.

Bizzak. D.J., M.E. Stella, J.R. Stukus (1987). Identification and Classification
of Technical Specification Problems, EPRI NP-54-75. Electric Power
Research Institute.

EPRI 1016737 (2008). Electric Power Research Institute, Treatment of


Parameter and Model Uncertainty for Probabilistic Risk Assessments.

Martorell, S., J.F. Villanueva, Y. Nebot, S. Carlos, V. Serradell (2004).


Current trends in risk-informed changes to limiting conditions for operation.
15th European Safety and Relia-bility Conference (ESREL), Berlin.

Martorell, S., M. Villamizar, J.F. Villanueva, S. Carlos, A. I. Sanchez (2010).


Risk-Informed decision-making on changes to Allowed Outage Times
addressing uncertainties. European Safety and Reliability Conference
(ESREL), Rhodes.

NUREG/CR-6141, BNL-NUREG-52398 (1994). Handbook of Methods for


Risk-Based Analyses of Technical Specifi-cations, USNRC.

NUREG 1855 Vol 1 (2009). Guidance on the Treatment of Uncertainties


Associated with PRAs in Risk-Informed De-cision Making, USNRC.

RG 1.177 (1998). An Approach For Plant-Specific, Risk-Informed Decision


making: Technical Specifications, USNRC.

22
XIII CONGRESO DE CONFIABILIDAD

RG 1.174 (2002). An Approach For Using Probabilistic Risk Assessment In


Risk-Informed Decisions On Plant-Specific Changes To The Licensing
Basis, USNRC.

Villamizar, M. Optimizacin de requisitos operacionales y mantenimiento en


centrales nucleares considerando el efecto de las incertidumbres. Tesis
Doctoral. 2011. Universidad Politcnica de Valencia.

Zio, E. & Apostolakis, G (1996). Two methods for the struc-tured


assessment of model uncertainty by experts in per-formance assessments of
radioactive waste repositories. Reliability Engineering and System Safety, 54,
225-241.

23
PONENCIA 31

OPTIMIZACIN DE LA RELACIN COSTE/DURACIN


DEL MANTENIMIENTO PREVENTIVO. REDUCCIN A
COSTE MNIMO

Michel Guerra

Universitat Politcnica de Catalunya


Optimizacion de la relacion coste/duracion del
mantenimiento preventivo. Reduccion a coste mnimo
Michel Guerra

Noviembre 2011

Indice
1 Objetivos 2

2 Planificacion 3
2.1 Diagrama de descomposicion del trabajo . . . . . . . . . . . . . . . . . . . 3
2.2 Actividades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.3 Duracion de actividades . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.4 Diagramas de precedencias . . . . . . . . . . . . . . . . . . . . . . . . . . 4

3 Programacion 6

4 Seguimiento y control 6

5 Estudio basico 7
5.1 Actividades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
5.2 Diagramas de precedencias . . . . . . . . . . . . . . . . . . . . . . . . . . 7
5.3 GANT, asignacion de recursos y nivelacion . . . . . . . . . . . . . . . . . 9
5.4 PERT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
5.5 Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

6 Reduccion coste mnimo 16


6.1 Modelo de programacion lineal . . . . . . . . . . . . . . . . . . . . . . . . 17
6.1.1 Variables decision . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
6.1.2 Funcion Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
6.1.3 Restricciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
6.1.4 Iteraciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
6.1.5 Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
6.2 Comentarios adicionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

1
1. Objetivos
El presente trabajo tiene como objetivos planificar y programar las actividades y los
recursos necesarios para llevar a cabo una actuacion de mantenimiento preventivo en
una lnea de produccion y de este modo conocer:

Necesidades de recursos

Asignacion/sobreasignacion de recursos

Duracion de actividades y del proyecto total

Cuantificar el coste de mantenimiento

Cuantificar el coste de parada

Probabilidades de llevar a cabo con exito en el tiempo previsto (PERT)

Desde ingeniera de mantenimiento se pone en marcha el estudio del mantenimiento de


una lnea completa y se evaluan los resultados obtenidos con las diferentes tecnicas de
gestion de proyectos (como alternativa a la metodologa actual que se lleva a cabo). De
este modo se estudia el resultado generado para ver su aplicabilidad, considerando como
proyecto la ejecucion de todas las actividades de mantenimiento preventivo que se deben
realizar durante un a no en la lnea.
En este caso la meta sera un u
nico objetivo, consistente en minimizar la duracion de paro
total con los recursos humanos existentes en la empresa; por lo tanto no se planteara el
par de objetivos contrapuestos indisponibilidad-coste de mantenimiento que suelen darse
en dichas situaciones.
Esto es as porque, desde la direccion de la empresa, se exige que se realicen todas
y cada una de las actividades de mantenimiento preventivo necesarias para mantener
en correcto estado los equipos de trabajo. Por tanto no se plantea la optimizacion del
mantenimiento, sino, dadas las premisas de direccion, la reduccion del tiempo de paro y
el estudio de la subcontratacion de recursos externos (especializados y no especializados)
para acortar aquellas actuaciones que sean favorables economicamente.
Para ello el trabajo se dividira en dos areas:

1. Estudio b
asico. Para obtener el tiempo de paro previsto.

2. Reducci on de coste mnimo. Para estudiar la viabilidad economica de la re-


duccion del tiempo de paro mediante subcontratacion de recursos externos (espe-
cializados y no especializados).

2
2. Planificacion
La planificacion agrupa todas aquellas actuaciones que definen los objetivos, el tra-
bajo a realizar, los recursos disponibles, el plazo y el presupuesto.

2.1. Diagrama de descomposicion del trabajo


En primer lugar se definira el diagrama de descomposicion del trabajo (figura 1)
para organizar de forma global todas las etapas que se deben llevar a cabo. Esta her-
ramienta permite organizar y ver todo el proyecto de forma completa. No obstante, el
resto de trabajo que se describe se centra en las tareas de estudio b asico y reduc-
ci
on de coste mnimo, dando por sentado que se ha finalizado la fase previa de Dise
no.

Figura 1: Diagrama de descomposicion del trabajo

2.2. Actividades
Las actividades representan tareas que se pueden realizar de forma interdependiente
las unas de las otras. En este caso estaran constituidas por las actuaciones llevadas a cabo
por el personal de mantenimiento sobre los equipos de trabajo o sus componentes y seran
acompa nadas por las pertinentes ordenes de trabajo (OTs), generadas por ingeniera.

2.3. Duracion de actividades


Tras definir las actividades constituyentes del proyecto se deben asignar las dura-
ciones que van a tener. Este es un punto no trivial, ya que en su buena definicion radica
gran parte de la exactitud o veracidad del trabajo posterior.
Hay que tener en cuenta las siguientes puntualizaciones:

3
Existen actividades jamas realizadas.

Existen actividades realizadas una sola vez.

Algunas se han repetido varias veces pero los operarios actuales no las han llevado
a cabo.

Ciertos tiempos duraran con certeza menos por haber sido entrenados los mecanicos
actuales.

Determinadas tareas muy repetidas presentan una variabilidad muy alta.

Por estos motivos se utilizan como base los tiempos obtenidos del historico de in-
tervenciones sobre la lnea piloto y del consenso alcanzado en sesiones de trabajo entre
ingeniera, produccion y mantenimiento para estimar la duracion de forma lo mas veraz
posible.
Una vez consensuados los tiempos, se utiliza tambien la metodologia PERT para obtener
una estimacion del tiempo esperado para cada actividad. A un as, a expensas de evaluar
la viabilidad de la metodologa propuesta para el mantenimiento preventivo, se dejan
planteadas ciertas mejoras a dicha estimacion como pueden ser:

Distribucion normal en el caso de tareas muy repetidas cuyos tiempos (m) se


ajusten a dicha distribucion (utilizando m-3 como desfavorable, m y m + 3
como favorable).

Entrenamiento de los operarios para disminuir la variabilidad de los tiempos de


actuacion. Los tiempos de las primeras intervenciones seran altos y se entrenaran
hasta que la variabilidad se vaya estabilizando (el entrenamiento no pueda mejo-
rarla mas).

Simulacion Monte Carlo. La parametrizacion de los tiempos de mantenibilidad


mediante una distribucion de fiabilidad (tipo Exponencial, Weibull, Rayleigh, ...)
puede permitir la simulacion de distintos escenarios. Por ejemplo, para una man-
tenibilidad distribuida como una exponencial con parametro =0,1 se podran
realizar N=1000 simulaciones para obtener los tiempos mas cortos y mas largos
del tiempo de intervencion. Esto queda reflejado en el histograma (figura 2) donde
se aprecan las frecuencias de los diferentes tiempos generados.

2.4. Diagramas de precedencias


Las actividades y sus duraciones definidas se representan mediante un diagrama de
nodos con todas las precedencias de tipo Fin-Inicio. El desarrollo de dichos diagramas
se realizara en el estudio basico y se dividira en tres grupos, cada uno con aquellas
intervenciones que giren alrededor de un equipo principal. Esta division es u til para
mas adelante realizar el estudio de reduccion de coste mnimo ya que cada grupo es
reparado por el mismo servicio de asistencia tecnica (SAT) que puede ser subcontratado.

4
Figura 2: Histograma de tiempos de mantenibilidad

A efectos de calculo del camino crtico se consideran las 3 divisiones propuestas como
una u
nica agrupacion y se define el CC como la secuencia de actividades que tenga mayor
duracion de todas las planteadas.

5
3. Programacion
La programacion del proyecto permite obtener el calendario de ejecucion y se realiza
despues de la fase de planificacion. El metodo utilizado es el del Camino Crtico, que da
una duracion estimada de caracter determinista.
Una vez desarrollados los grafos, se identifican en estos, ciertas secuencias de actividades
que son las que dan lugar al tiempo mas largo de ejecucion del proyecto. Se conoce dicha
secuencia como el camino crtico y las actividades que lo componen como crticas.
En un proyecto pueden exisitir uno o varios caminos crticos y su finalizacion depen-
dera por lo tanto de la ejecucion y duracion de ellos. Se utiliza la tecnica PERT/CC
para estimar la duracion probable del mantenimiento preventivo de la lnea de produc-
cion.

4. Seguimiento y control
Debido a la corta duracion del proyecto de mantenimiento preventivo (horas), el
seguimiento y control se puede centrar mas en la fase de analisis posterior para ver como
se ha desarrollado el transcurso del trabajo y as extraer conclusiones que mejoren las
siguientes planificaciones.

6
5. Estudio basico
Consistira en:

Determinacion del camino crtico o caminos crticos que existan en el proyecto.

Comprobacion de que los recursos existentes puedan llevar a cabo las actuaciones
en el tiempo determinado anteriormente (ver si estan sobreasignados o no).

Nivelacion de los recursos y determinacion de la nueva programacion de las activi-


dades y de la nueva duracion del proyecto.

Cuantificacion del coste del mantenimiento.

Cuantificacion del coste de parada de lnea.

Determinacion de la probabilidad de finalizar la intervencion (PERT).

Teniendo en cuenta que se trata de un sistema productivo tipo flow-shop y que los
equipos deben operar simultaneamente para que la planta este en produccion, las tareas
se pueden y deben realizar simultaneamente en todos los equipos que componen lnea al
realizarse una parada (si hay disponibilidad de recursos humanos de mantenimiento).

5.1. Actividades
Se definen las actividades y sus duraciones en los cuadros 1, 2 y 3.

5.2. Diagramas de precedencias


Se pueden ver los tres grafos que contienen las secuencias de actividades, con sus
duraciones, holguras y caminos crticos (figuras 3, 4 y 5). Cada grafo aglutina las activi-
dades a realizar sobre un conjunto de equipos y sistemas que operan y se mantienen de
forma similar.
Para la construccion de los grafos se utilizan u
nicamente las duraciones normales de las
tablas 1, 2 y 3.
Se identifica el camino crtico del proyecto de mantenimiento preventivo el
que est a formado por las actividades 31-34-35-38, con una duraci on total de
20 horas.
Se puede observar como ninguna de las actividades que componen el camino crtico tiene
holgura y por lo tanto cualquier retraso que se produzca en ellas provoca irremediable-
mente un alargamiento de la duracion del proyecto.
El resto de holguras y holguras libres se consumen durante la fase de ejecucion y
seguimiento al producirse algun tipo de demora en la finalizacion de una intervencion. Si
el retraso se da en actividades con holgura libre, no se ven afectadas el resto de activi-
dades siempre y cuando dicho retraso sea menor que la holgura libre y no se retrasara el
proyecto si la demora ocurrida es menor que la holgura total. En cambio, un retraso en

7
C
odigo Descripcion Duracion Opt Esp Pes
111 Sustitucion electrovalvulas 3 2,5 3 3,5
112 Sustitucion regulador 1 0,5 1 1,5
113 Sustitucion manguitos 1 0,5 1 1,5
114 Revision y purga caldern 0,5 0,5 0,5 0,5
115 Sustitucion pistones 5 4 5 6
121 Desmontaje reductor 3 2 3 4
122 Revision reductor 2 1,5 2 2,5
123 Montaje reductor 4 3 4 5
131 Desmontaje reductor 3 2 3 4
132 Revision reductor 2 1,5 2 2,5
133 Montaje reductor 4 3 4 5
141 Sustitucion correas 4 3 4 5
142 Limpieza de ejes 4 3,5 4 4,5
143 Cambio cadenas 2 2 2 2
151 Cambio de aceite 4 3 4 5
152 Cambio electrovalvula 1 6 5 6 7
153 Cambio electrovalvula 2 6 5 6 7
154 Cambio electrovalvula 3 6 5 6 7
155 Cambio electrovalvula 4 6 5 6 7
16 Revision cuadro 6 5 6 8
17 Apriete tornillera 8 6 8 10

Cuadro 1: Actividades, duracion (horas) y valores de PERT para grupo 1.

Codigo Descripcion Duracion Opt Esp Pes


21 Cambio rodamientos 6 5 6 7
22 Revision motorreductor 1 1 1 1
23 Sustitucion rascadores 4 3 4 5
24 Sustitucion cinta 4 3 4 5
25 Conexion 1 1 1 1

Cuadro 2: Actividades, duracion (horas) y valores de PERT para grupo 2.

8
Codigo Descripcion Duracion Opt Esp Pes
31 Desconexion 5 4 5 6
32 Rodamientos Cintas 4 3 4 5
33 Desmontar girador 4 3 4 6
34 Sustitucion cinta 3 2,5 3 4
35 Rodamientos parte baja 5 4 5 6
36 Motorreductor 1 1 1 1 1
37 Motorreductor 2 2 1,5 2 3
38 Conexion 7 5 7 8

Cuadro 3: Actividades, duracion (horas) y valores de PERT para grupo 3.

una actividad sin holgura libre ocasionara el retraso de las siguientes actividades plan-
ificadas, siendo la holgura el tiempo maximo permitido de demora para no retrasar el
proyecto (para esa actividad y todas las que vienen detras).

5.3. GANT, asignacion de recursos y nivelacion


Una vez construidos los grafos se procede a la asignacion de los recursos a cada una
de las actividades1 . De este modo los dos mecanicos y el electricista son distribuidos
en las diferentes intervenciones que se deben realizar, contando con una jornada labo-
ral de 8 horas mas 1 hora extra. Con esta informacion se elabora el diagrama de GANT2 .

La distribucion de recursos para ejecutar todo el trabajo muestra claramente que


no es factible poder finalizar en 20 horas (camino crtico) con los recursos humanos
disponibles (figura 6). Se realiza la nivelacion de los recursos para obtener la duracion (y
tiempo de inmovilizacion real de la lnea) que va a suponer realizar todas las actuaciones.
El resultado final de la nivelacion para los mecanicos se puede observar en la figura 7.

5.4. PERT
Una vez finalizadas las etapas anteriores se puede estimar la duracion del proyecto
con un criterio distinto al del CPM. Este u
ltimo considera las duraciones deterministas,
mientras que el metodo PERT asume que la duracion de las actividades es aleatoria.
Las duraciones que usa la metodologa PERT son tres (cuadros 1, 2 y 3):

Duracion optimista.

Duracion esperada.

Duracion pesimista.
1
La asignacion de recursos y su nivelaci
on se realizan con Microsoft Project.
2
No se incluye el diagrama de GANT en el trabajo por no caber en formato A4, estando disponible
en la presentaci
on PowerPoint.

9
Figura 3: Diagrama de precedencias grupo actividades 1. En amarillo el camino crtico.

10
Figura 4: Diagrama de precedencias grupo actividades 2. En amarillo el camino crtico.

Figura 5: Diagrama de precedencias grupo actividades 3. En amarillo el camino crtico.

11
(a) (b)

Figura 6: Asignacion de recursos: a) electricista, b) mecanicos. En rojo la sobreasignacion.

Figura 7: Nivelacion de recursos de los mecanicos.

Los calculos de las duraciones esperadas para cada actividad y sus respectivas vari-
anzas se realizan a partir de las expresiones (ecuacion 1 y 2) y el resultado se puede ver
el cuadro 4.
La ponderacion de pesos utilizada viene determinada en la ecuacion 1:
a + 4m + b
Desperada = (1)
6
siendo a la duracion optimista, b la duracion pesimista y m la duracion mas probable.
Se define la varianza de la duracion de la actividad (ecuacion 2):.
ba 2
2 = ( ) (2)
6
La duracion obtenida por el PERT es de 19,8 horas con una desviacion estandar de
0,73 horas; existe una probabilidad del 50 % de finalizar la intervencion de mantenimiento

12
Codigo Descripcion Desp Varianza
31 Desconexion 5.00 0.11
32 Rodamientos Cintas 4.00 0.11
33 Desmontar girador 4.17 0.25
34 Sustitucion cinta 3.08 0.06
35 Rodamientos parte baja 5.00 0.11
36 Motorreductor 1 1.00 0.00
37 Motorreductor 2 2.08 0.06
38 Conexion 6.83 0.25

Cuadro 4: Duracion esperada PERT

sobre la lnea en ese tiempo. Es interesante por lo tanto tener mas informacion acerca
de la duracion probable del proyecto. Esto se puede conseguir mediante la funcion de
distribucion acumulada (figura 8) y al ajustar por ejemplo 90 %, 95 %, 99 % o aquella
probabilidad que interese asegurar se obtiene la duracion estimada. Por ejemplo:
1. 95 % de probabilidades de finalizar entre la hora 18,4 y la hora 21,33.
2. 95 % de probabilidades de finalizar antes de 21,1 horas.
3. Probabilidad de finalizar en 19,9 horas o menos igual a 50 %.
4. Probabilidad de finalizar en 19 horas o menos igual a 10 %.
5. Probabilidad de finalizar en 21 horas o menos igual a 93,38 %.

Figura 8: Distribucion normal para calcular probabilidades de duracion del proyecto

5.5. Conclusiones
La planificacion y programacion de proyectos aplicada al caso del mantenimiento
preventivo permite obtener informacion acerca de los siguientes puntos:

13
a) Recursos necesarios para llevar a cabo la actuacion. En total se necesitan 89,83 horas
de mecanicos y 38 horas de electricista.

b) Duracion del plan de mantenimiento y tiempo estimado de paro de la lnea. El tiempo


mnimo de intervencion, disponiendo de recursos ilimitados, es de 20 horas. Dado
que los recursos disponibles limitan dicha ejecucion, se deben nivelar y la duracion
estimada (y paro de lnea) es de unas 46,5 horas.

c) Identificacion de las actuaciones cuello de botella (camino crtico) donde poder


dedicar mas recursos para acortar el proyecto. En este caso la secuencia de tareas
31-34-35-38 constituyen el lapso de tiempo mayor de todo el planning. Si se quieren
acortar los tiempos de paro en produccion se debe actuar sobre ese conjunto de
actividades. Ademas hay que prestar especial atencion a que no se den retrasos en su
ejecucion, para no alargar innecesariamente el tiempo total.

d) Estimacion del ratio de coste horario por tareas de mantenimiento

Horas paro
Coste total
Conociendo las horas necesarias de mantenimiento y su coste asociado, mas la valo-
racion de coste por hora de lnea parada por un lado y el tiempo total de paro por
otro facilmente se obtiene el indicador. En el estudio de reduccion por coste mnimo
sera util esta informacion para saber si es economicamente viable la contratacion de
servicio tecnico externo.

e) Con la tecnica PERT se obtienen estimaciones de la duracion probable del camino


crtico. Esto permite decidir si es factible realizar los mantenimientos ante notifica-
ciones de paros en la lnea por causas diversas. Por ejemplo, si se avisa acerca de una
rotura de stock de una materia prima y la maquinaria va a permanecer ociosa a la
espera de su llegada, se puede plantear la ejecucion del preventivo.

f) Con el estudio de duraciones se podra plantear la firma de un contrato integral


de mantenimiento totalmente externalizado y con clausulas de penalizacion por in-
cumplimiento de tiempo de intervencion. De este modo sera facilmente controlable
la asistencia tecnica, el cumplimiento de sus objetivos, la compensacion economica
derivada del paro no planificado y la reduccion de costes soportados por la empresa
debidas a la plantilla de mantenimiento y su casustica (bajas, ausentismo, gastos de
formacion, etc).

g) Se puede plantear el estudio de la factora completa para tener una estimacion de las
necesidades de recursos humanos en el departamento de mantenimiento durante el
a
no. De este modo se podra dimensionar la plantilla, tanto en cualidades requeridas
como en cantidades de cada especialidad. La combinacion de la plantilla interna y de
la externa podra dar respuesta a distintas necesidades de la empresa. Por ejemplo
en caso de situaciones donde el paro productivo no fuese factible (en campa na alta),

14
quedara justificado el sobredimensionamiento de los equipos de mantenimiento para
responder a dicha demanda combinando los contratos de mantenimiento externos.
En otros casos donde no fuese especialmente grave el paro de produccion se podra
minimizar la plantilla hasta aquellos umbrales tolerables y descartar a su vez la
contratacion de SAT (que suelen tener costes mucho altos que la plantilla interna).

15
6. Reduccion coste mnimo
Esta claro que para conseguir una disminucion de la duracion del proyecto es necesario
acortar las diferentes actividades, mediante recursos adicionales de los que la empresa
no dispone de forma ilimitada, lo que lleva asociado un incremento de los costes finales
del mantenimiento.
Suele ser usual que los servicios tecnicos resulten mas caros que los recursos propios
(del orden de 3 a 6 veces en la mayora de los casos) con lo que se debe optimizar su
contratacion y ver en que actividades ha de concentrarse su esfuerzo para conseguir
una reduccion eficiente del proyecto. As mismo la contratacion indiscriminada (seg un
polticas cuanto mas mejor) no ayuda a alcanzar los objetivos ya que:
Las actividades pueden reducirse hasta un tiempo mnimo tope.
Actuar sobre actividades que no forman parte de un camino crtico no afecta a una
terminacion global mas temprana.
La gestion de numerosos recursos sigue la ley de rendiminentos decrecientes y el
producto marginal aportado por cada SAT adicional tiende a disminuir.
Se eleva excesivamente el gasto extraordinario asociado a las contrataciones.
Por lo tanto, el objetivo de esta segunda parte del trabajo es optimizar la inversion
realizada en externos ( unica fuente cualificada disponible) para una reduccion de las
actividades del proyecto que forman el camino o los caminos crticos.
Para ello se dispone de la informacion suministrada por ingeniera y los fabricantes de
la maquinaria donde se resume la informacion asocidada de las actividades, su duracion
tope, el SAT correspondiente y su coste (cuadro 5).
La resolucion del problema de optimizacion se realiza mediante un metodo exacto con
un modelo de programacion lineal matematica3 . El planteamiento consiste en formular
la maximizacion de una funcion objetivo del estilo
X
M AX = Qi xi (3)
donde xi es cada una de las actividades que forma parte del proyecto y Qi es el coste
unitario asociado a la reduccion en una unidad de duracion para cada actividad. De
este modo, maximizando este sumatorio (ecuacion 3) se esta minimizando el sobrecoste
asociado al proyecto total.
Se definen todas las actividades de la forma siguiente, en funcion de un servicio tecnico
de mantenimiento com un:
Ai para las que forman parte del primer grupo de equipos (el codigo empieza por 1).
Realizaran las actuaciones dos servicios tecnicos, uno generico y otro cualificado.
Bi para las que forman parte del segundo grupo de equipos (el codigo empieza por
2). Existe un solo SAT generico a contratar.
3
Se utiliza Lingo para resolverlo

16
C
odigo Descripci
on Duraci
on Duracion tope Coste unitario Recurso
111 Sustituci
on electrovalvulas 3 2 22 Agen
112 Sustitucion regulador 1 1 0 -
113 Sustituci
on manguitos 1 1 0 -
114 Revision y purga caldern 0.5 0.5 0 -
115 Sustitucion pistones 5 3 48 Aesp
121 Desmontaje reductor 3 1 22 Agen
122 Revisi
on reductor 2 2 0 -
123 Montaje reductor 4 1 22 Agen
131 Desmontaje reductor 3 1 22 Agen
132 Revisi
on reductor 2 2 0 -
133 Montaje reductor 4 1 22 Agen
141 Sustituci
on correas 4 4 0 -
142 Limpieza de ejes 4 4 0 -
143 Cambio cadenas 2 2 0 -
151 Cambio de aceite 4 3 48 Aesp
152 Cambio electrov alvula 1 6 3 48 Aesp
153 Cambio electrov alvula 2 6 3 48 Aesp
154 Cambio electrov alvula 3 6 3 48 Aesp
155 Cambio electrov alvula 4 6 3 48 Aesp
16 Revision cuadro 6 3 48 Aesp
17 Apriete tornillera 7 4 48 Aesp
21 Cambio rodamientos 6 4 22 Bgen
22 Revision motorreductor 1 1 0 -
23 Sustituci
on rascadores 4 2 22 Bgen
24 Sustituci
on cinta 2 2 22 Bgen
25 Conexion 1 1 0 -
31 Desconexi on 5 3 22 Cgen
32 Rodamientos Cintas 4 2 22 Cgen
33 Desmontar girador 4 2 22 Cgen
34 Sustituci
on cinta 3 1 50 Cesp
35 Rodamientos parte baja 5 4 50 Cesp
36 Motorreductor 1 1 1 0
37 Motorreductor 2 2 1 22 Cgen
38 Conexion 7 5 22 Cgen

Cuadro 5: Duraciones tope (horas), servicio tecnico y coste horario (euros)

Ci para las actividades que integran el tercer grupo de maquinaria (el codigo
empieza por 3). Existe un solo SAT generico para realizar el mantenimiento.

6.1. Modelo de programacion lineal


El planteamiento del modelo de programacion lineal es el siguiente:

6.1.1. Variables decision


Ai , B i y C i
Estan consituidas por las duraciones de las actividades (en horas). Cada subndice rep-
resenta el codigo de la actividad en el diagrama de precedencias. Grupo A identifica las
actividades que comienzan por 1, el grupo B aquellas que comienzan por 2 y el grupo C
las que comienzan por 3 (figuras 3, 4 y 5).

17
6.1.2. Funcion Objetivo
La funcion objetivo consiste en desarrollar la ecuacion 3, de modo que se maximice
la siguiente expresion:

M AX =
22 (A111 + A121 + A123 + A131 + A133)+
48 (A115 + A151 + A152 + A153 + A154 + A155 + A16 + A17)+ (4)
22 (B21 + B23 + B24)+
22 (C31 + C32 + C33 + C37 + C38) + 50 (C34 + C35);

6.1.3. Restricciones
Las restricciones son de dos tipos; por un lado los lmites de duracion de las activi-
dades (duracion normal y duracion tope) y por otro lado la asignacion de una duracion
a todos los caminos de los grafos. Algunas actividades no pueden ser reducidas y por
lo tanto presentan la misma cota superior e inferior.

Duraci
on menor o igual a

[CAMINOA1] A111+A112+A113+A115<=20;
[CAMINOA2] A111+A114+A115<=20;
[CAMINOA3] A121+A122+A123<=20;
[CAMINOA4] A131+A132+A133<=20;
[CAMINOA5] A141+A142+A143<=20;
[CAMINOA6] A151+A152<=20;
[CAMINOA7] A153<=20;
[CAMINOA8] A154<=20;
[CAMINOA9] A155<=20;
[CAMINOA10] A16+A17<=20;
[CAMINOB1] B21+B23+B24+B25<=20;
[CAMINOB2] B22<=20;
[CAMINOC1] C31+C32+C36+C37+C38<=20;
[CAMINOC2] C31+C33+C37+C38<=20;
[CAMINOC3] C31+C34+C35+C38<=20;

Cotas para las duraciones tope y normal

@BND(2,A111,3); @BND(4,A141,4); @BND(4,B21,6); @BND(3,C31,5);


@BND(1,A112,1); @BND(4,A142,4); @BND(1,B22,1); @BND(2,C32,4);
@BND(1,A113,1); @BND(2,A143,2); @BND(2,B23,4); @BND(2,C33,4);
@BND(0.5,A114,0.5); @BND(3,A151,4); @BND(2,B24,4); @BND(1,C34,3);
@BND(3,A115,5); @BND(3,A152,6); @BND(1,B25,1); @BND(4,C35,5);
@BND(1,A121,3); @BND(3,A153,6); @BND(1,C36,1);
@BND(2,A122,2); @BND(3,A154,6); @BND(1,C37,2);

18
@BND(1,A123,4); @BND(3,A155,6); @BND(5,C38,7);
@BND(1,A131,3); @BND(3,A16,6);
@BND(2,A132,2); @BND(4,A17,8);
@BND(1,A133,4);

6.1.4. Iteraciones
Se obtiene el valor de la funcion objetivo para el modelo anterior, reduciendo pau-
latinamente en una unidad el valor de . De este modo se va generando el incremento
economico que supone reducir la duracion una hora.
El procedimiento se repite para valores de igual a 20, 19, 18, 17, 16, 15, 14 y 13 ho-
ras. En el cuadro 6 se pueden observar los resultados y en la figura 9 su representacion
grafica:

Duracion FO Incremento
20 3822 0
19 3800 22
18 3778 44
17 3756 66
16 3734 88
15 3684 138
14 3590 232
13 3448 374

Cuadro 6: Valores de la funcion objetivo (euros)

Figura 9: Representacion grafica de los valores de la funcion objetivo

En el grafico se ven principalmente 2 tramos:


1. El primer tramo de reduccion (20 h a 16 h) solo afecta a un camino y se ve como
el incremento es lineal. Esto es debido a que u
nicamente se esta modificando la

19
duracion de actividades que componen el camino crtico C31-C34-C35-C38, traba-
jando unicamente el recurso generico C (con un coste de 22 euros/hora).

2. El segundo tramo de reducci on (16 h a 13 h) presenta una pendiente mas pronun-


ciada. A partir de este punto, se estan acortando actividades que forman parte
de distintos caminos crticos. Es por ese motivo que la combinacion de distintos
recursos (genericos y especializados) trabajando simultaneamente y reduciendo en
algunos casos varias actividades a la vez, ocasiona que los costes por hora reducida
sean mayores que en el tramo anterior.

En el cuadro 7 se puede observar a partir del slack de cada restricciones cuales de


ellas estan actuando como camino crtico en cada iteracion. Por ejemplo, para una =
14, se puede apreciar que la holgura es igual a 0 para el camino A10, B1, C1 y C3. Esto
indica que sobre esta secuencia de actividades se va a tener que invertir esfuerzo para
poder reducir la duracion global. El dual-price indica la cantidad en que se modificara el
valor de la funcion objetivo en esas restricciones. Esa cantidad es el precio unitario que
cuesta el servicio tecnico asociado (Qi ).

Row Slack Dual price


CAMINOA10 0.000000 48.00000
CAMINOB1 0.000000 22.00000
CAMINOB2 13.00000 0.000000
CAMINOC1 0.000000 22.00000
CAMINOC2 1.000000 0.000000
CAMINOC3 0.000000 50.00000

Cuadro 7: Resultado de Lingo con holguras de las restricciones para =14

En el cuadro 8 se observa como la restriccion [CaminoC2] que en el paso anterior


tena holgura de 1 hora, se ha quedado sin ella al igualar el parametro a 13 horas;
la restriccion [CaminoB2] ha pasado de 13 horas a 12. Queda patente que el estudio
secuencial de las reducciones permite identificar cuales son los caminos que se van a
convertir en limitantes. Evidentemente, a valores menores de le corresponden cada vez
mas restricciones sin holgura, hasta que llegue el caso en que las cotas correspondientes
a las duraciones tope no permitan mejorar mas.

6.1.5. Conclusiones
Con la tecnica de programacion lineal llevada a cabo, se puede conseguir una re-
duccion en la duracion del proyecto, que es la que optimiza (en este caso minimiza) la
cantidad de euros que se deben invertir en contratacion externa.
Desde el punto de vista del camino crtico, es cierto que se ha producido una reduccion
de 20 horas hasta 13 horas. De todos modos no se debe confundir que el nuevo camino
crtico sea de 13 horas con que la duracion total de la intervencion de mantenimiento
preventivo sobre la lnea se finalice en ese lapso de tiempo. Ni siquiera se debe aceptar

20
Row Slack Dual price
CAMINOA10 0.000000 48.00000
CAMINOB1 0.000000 22.00000
CAMINOB2 12.00000 0.000000
CAMINOC1 0.000000 22.00000
CAMINOC2 0.000000 22.00000
CAMINOC3 0.000000 50.00000

Cuadro 8: Resultado de Lingo con holguras de las restricciones para =13

a priori que la reduccion de la duracion total del paro de mantenimiento sera de 7 horas
(20-13 = 7; 46,5-7=39,5 horas). Dado que se debieron nivelar los recursos disponibles (2
mecanicos y 1 electricista), el tiempo total de paro se estimo en 46,5 horas. Siguiendo el
mismo desarrollo, una vez conocidas las nuevas duraciones de las actividades (para cada
iteracion de ) se modifica el GANT y a continuacion se nivelan los recursos4 .
Se obtiene para las duraciones de las actividades con un =13, un GANT que finaliza
en 43,5 horas. Por lo tanto la tecnica de reduccion a coste mnimo permite reducir, con
los recursos existentes en la empresa y los subcontratados, en 3 horas la inmovilizacion
total de la lnea. En la figura 9 el sobrecoste asociado a reducir hasta 13 horas es de 375
euros; se obtiene el ratio de coste asociado a la reduccion en una hora del mantenimiento
preventivo como
Sobrecoste 375
R= = = 125 euros (5)
Tiempo Reduccion 3
Este indicador, comparado contra el ratio definido en el apartado 5.5.d) es el que debe
indicar si es economicamente beneficioso subcontratar el mantenimiento.
En este caso, si el coste de paro de la lnea fuera valorado en mas de 125 euros por la
direccion empresarial, permitira justificar la externalizacion de parte de la intervencion
a realizar.

6.2. Comentarios adicionales


En el apartado anterior se ha supuesto que la disponibilidad del servicio de asistencia
tecnica es ilimitado. Esto no suele ocurrir en la practica, si bien es cierto, que con la
debida antelacion y planificacion es bastante facil contar con la colaboracion de dichas
empresas.
No obstante, y sabiendo que la realidad en ocasiones puede modificar sensiblemente las
planificaciones, se propone una mejora al modelo anterior, tan sencilla como incluir una
restriccion de disponibilidad del SAT en cuestion. Esta restriccion se puede incorporar
de varias formas:

como el maximo n
umero de horas disponible de operario por da.
4
Microsoft Project

21
como el n
umero maximo de horas para todo el proceso de mantenimiento.

A continuacion se muestra un ejemplo de esta restriccion. Para claridad en la exposi-


cion se muestra el paso de la iteracion de =14 a =13. Para las actividades del camino
B1 integrado por B21+B23+B24+B25 y teniendo en cuenta que B25 tiene una duracion
normal igual a su duracion tope (1 hora) se resume la actualizacion de los tiempos en el
cuadro 9, donde se ha producido el decremento en una unidad de la B24.

=14 Duracion =13 Duracion


B21 6 B21 6
B23 4 B23 4
B24 3 B24 2
B25 1 B25 1

Cuadro 9: Actividades

Dado que las intervenciones del grupo B estan asociadas al servicio tecnico generico
B (cuadro 5) se puede incluir la restriccion para el recurso B de la siguiente manera:

[recB ]14 (B21 + B23 + B24 + B25) <= 8;

donde el lado derecho de la restriccion es la capacidad maxima (se supone aqu una
disponibilidad de 8 horas). El lado izquierdo equivale a decir que el tiempo de partida
del camino B1 (14 horas) menos la suma de las nuevas duraciones de las actividades no
puede ser superior a las horas disponibles del recurso B.
En las salidas de Lingo se interpretan rapidamente las holguras asociadas a la nueva
restriccion (REC B). En este caso, como se ha invertido una hora de SAT generico B
para reducir en uno el tiempo de B24 (cuadro 9) y en total se dispone de 8 horas del
recurso, la holgura es 7.
De este modo se podra completar mas el modelo con la inclusion de este tipo de restric-
ciones.

MODEL:
MAX = 22*(A111+A121+A123+A131+A133)+48*(A115+A151+A152+A153+A154+A155+A16+A17)+
22*(B21+B23+B24) + 22*(C31+C32+C33+C37+C38)+50*(C34+C35);

[rec_B] 14-(B21+B23+B24+B25) <= 8;

[CAMINOA1] A111+A112+A113+A115<=13;
[CAMINOA2] A111+A114+A115<=13;
[CAMINOA3] A121+A122+A123<=13;
[CAMINOA4] A131+A132+A133<=13;
[CAMINOA5] A141+A142+A143<=13;
[CAMINOA6] A151+A152<=13;

22
[CAMINOA7] A153<=13;
[CAMINOA8] A154<=13;
[CAMINOA9] A155<=13;
[CAMINOA10] A16+A17<=13;
[CAMINOB1] B21+B23+B24+B25<=13;
[CAMINOB2] B22<=13;
[CAMINOC1] C31+C32+C36+C37+C38<=13;
[CAMINOC2] C31+C33+C37+C38<=13;
[CAMINOC3] C31+C34+C35+C38<=13;

Variable Value Reduced Cost


B21 6.000000 0.000000
B23 4.000000 0.000000
B24 2.000000 0.000000
C31 3.000000 72.00000
C32 3.000000 0.000000
C33 4.000000 0.000000
C37 1.000000 22.00000
C38 5.000000 72.00000
C34 1.000000 0.000000
C35 4.000000 0.000000
B25 1.000000 22.00000

Row Slack or Surplus Dual Price


1 3448.000 1.000000
REC_B 7.000000 0.000000
CAMINOA1 3.000000 0.000000
CAMINOA2 4.500000 0.000000
CAMINOA3 4.000000 0.000000
CAMINOA4 4.000000 0.000000
CAMINOA5 3.000000 0.000000
CAMINOA6 3.000000 0.000000
CAMINOA7 7.000000 0.000000
CAMINOA8 7.000000 0.000000
CAMINOA9 7.000000 0.000000
CAMINOA10 0.000000 48.00000
CAMINOB1 0.000000 22.00000
CAMINOB2 12.00000 0.000000

23
PONENCIA 32

PROCESOS DE TRABAJO PARA LA GESTIN DEL


RENDIMIENTO DE ACTIVOS

Horacio Laprea Rivero


XIII CONGRESO DE CONFIABILIDAD

PROCESOS DE TRABAJO PARA LA GESTIN DEL RENDIMIENTO DE


ACTIVOS

Horacio Laprea Rivero

Project Manager EMEA Meridium INC

RESUMEN

Obtener una ventaja competitiva mediante la Gestin del Rendimiento de


Activos (APM, por sus siglas en ingls) requiere la aplicacin efectiva de
procesos, personas y tecnologa a travs de: procesos bien diseados que
identifiquen cmo realizar el trabajo, personas comprometidas que saben cmo
aplicarlos y una tecnologa capaz de facilitar y simplificar la tarea.

Hoy da existen diversos mtodos de confiabilidad tales como Mantenimiento


Centrado en Confiabilidad (RCM), Anlisis Causa Raz (RCA), Inspeccin
Basada en Riesgo (RBI), Sistemas Instrumentados de Seguridad (SIS), entre
otros; que suelen ser la base para iniciativas empresariales de mejora de la
confiabilidad y de la gestin de activos. Sin embargo, a menudo estas
iniciativas son desarrolladas de manera aislada e inconexa, lo que hace
necesaria la definicin de un marco de procesos de trabajo coherente,
compatible con estndares de la industria que provea una gua para su
aplicacin y para establecer una clara relacin entre ellas. Todo ello con el
objetivo de maximizar la optimizacin y apalancar e incrementar la sinergia de
las mismas.

En este artculo se presenta una propuesta de marco de Procesos de Trabajo


para la gestin del Rendimiento de Activos haciendo nfasis en los
fundamentos que cimientan dichos procesos, basado en ms de 20 aos de
experiencia de Meridium trabajando con industrias intensivas en activos, de

1
XIII CONGRESO DE CONFIABILIDAD

manera probada en la prctica y con indicadores retrospectivos y prospectivos


para medir el xito.

1. INTRODUCCIN

El trmino activo tiene mltiples connotaciones, no solo desde el punto de


vista financiero, sino tambin desde una perspectiva operativa. Ms an, los
lderes de la industria a nivel global estn buscando balancear diferentes
variables, que en su justo equilibrio maximizan la probabilidad de xito de la
empresa:

Disponibilidad: con la finalidad de minimizar escasez no planificada y


maximizar la produccin.

Coste: tanto su gestin como la optimizacin de la rentabilidad.

Riesgo: destacar en la seguridad del proceso, lograr la integridad


mecnica y asegurar el cumplimiento de las normativas y leyes.

La optimizacin del desempeo de los activos implica maximizar la


disponibilidad de los mismos, y por lo tanto, el retorno de inversin asociado a
su desempeo productivo. Pero debe realizarlo a un coste que nos permita
gestionar, asumir o mitigar el riesgo asociado a la probabilidad de fallo de dicho
activo.

En industrias que son altamente dependientes de sus activos, un pequeo


incremento en disponibilidad pueda representar millones de euros en ingresos
adicionales, pero tambin un solo fallo puede representar prdidas
significativas, no slo en trminos de produccin sino tambin en imagen
pblica, seguridad, ambiente, vidas, etc. Esto se resume en obtener un alto
retorno del activo, lo cual es posible obtener de manera planificada slo si los
activos son percibidos como diferenciadores competitivos y como una
contribucin al margen de beneficio, no nicamente como activos que se
deprecian en el tiempo y que no representan ms una fuente de gastos.

2
XIII CONGRESO DE CONFIABILIDAD

Existen mltiples mtodos que permiten la optimizacin del desempeo de los


activos, considerando tanto el coste como el riesgo. Entre estos mtodos
podemos mencionar el Mantenimiento Centrado en Confiabilidad (RCM),
Anlisis Causa Raz (RCA), Inspeccin Basada en Riesgo (RBI), Sistemas
Instrumentados de Seguridad (SIS). Sin embargo, muchas iniciativas por
implementar dichos mtodos no alcanzan todo el xito que podran, por
diferentes causas:

Son iniciativas aisladas, que carecen de sinergia entre las diferentes


iniciativas.

El proceso de carga de las recomendaciones es manual.

Una vez cargada las recomendaciones, la referencia al anlisis original


se pierde.

Medir el resultado del beneficio atribuible a estas iniciativas es difcil.

Los anlisis se realizan una sola vez, sin continuidad en el tiempo o sin
un criterio de priorizacin.

No existe conexin con la data existente en otros sistemas de


informacin existentes.

Con la finalidad de minimizar estos efectos no deseados, Meridium ha creado


los Cinco Procesos de Trabajo de Meridium APM:

Ilustracin 1: Los 5 procesos de Trabajo de Meridium

3
XIII CONGRESO DE CONFIABILIDAD

Los procesos de trabajo APM diseados para conseguir dichos objetivos son:

Fundamentos de APM: provee el contexto para evaluar la informacin de


desempeo de los activos y proveer un marco de trabajo sostenible en el
tiempo.

Eliminacin de Fallas: enfocado en resolver las fallas existentes hoy da,


reducir la reactividad y eliminar problemas repetitivos.

Estrategia de Activos: centrado en la proactividad mediante planes de


mantenimiento efectivos, basados en riesgo e implementados
adecuadamente.

Integridad Mecnica: el objetivo principal es gestionar los riesgos de


prdida de contencin.

Sistemas de Seguridad: procura asegurar la seguridad de los


instrumentos y sus funciones de proteccin, para asegurar que estn
debidamente diseados y gestionados.

El presente documento profundizar particularmente en los Fundamentos de


APM.

2. FUNDAMENTOS DE APM

El Proceso de Trabajo de Fundamentos de APM provee el contexto para


evaluar la informacin de desempeo de los activos y proveer un marco de
trabajo sostenible en el tiempo. Es el fundamento para el resto de los procesos
de trabajo de Meridium APM, y posee cinco componentes:

4
XIII CONGRESO DE CONFIABILIDAD

Ilustracin 2: Fundamentos de APM

2.1. Anlisis Elemental

El anlisis elemental provee la capacidad de evaluar los datos de desempeo


de los activos, tpicamente mediante herramientas que permitan realizar
minera de datos para el soporte a la toma de decisiones en relacin a la
modificacin de estrategias de mantenimiento, procesos o procedimientos
orientados a la mejora del desempeo de los activos.

Un clsico ejemplo es el uso de anlisis de Pareto, en donde se puede realizar


el anlisis a informacin existente de eventos basado en atributos de
taxonoma, criticidad, coste, etc.

Ilustracin 3: Ejemplo de Anlisis de Pareto

5
XIII CONGRESO DE CONFIABILIDAD

2.2. Gestin de Recomendaciones

Una recomendacin es una propuesta de cambio para mejorar el rendimiento


de un activo. Generalmente, una recomendacin se basa en el resultado de un
anlisis de datos realizados por un analista o equipo de ellos, como salida de
diversos mtodos de confiabilidad.

De hecho, el modelo de proceso de trabajo recomienda que las


recomendaciones de diferentes fuentes tengan una visibilidad comn, para
poder realizar una optimizacin y garantizar que las recomendaciones
relevantes sean tomadas en cuenta, las redundantes optimizadas o
consolidadas, las rechazadas archivadas para futura referencia y las aprobadas
sujetas a un seguimiento y evaluacin posterior.

Esto permite realizar una evaluacin de la efectividad de las diferentes


recomendaciones mediante diferentes reportes, como por ejemplo:

Recomendaciones Pendientes

o Por revisor

o Por asignatario/cesionario

o Por fecha vencida

o Por activo

Recomendaciones por fecha pasada

o Por asignatario/cesionario

o Por fecha vencida

o Por activo

6
XIII CONGRESO DE CONFIABILIDAD

2.3. Taxonoma de activos

Taxonoma se puede definir como Las leyes o principios de la clasificacin.


En APM, se utiliza comnmente como un agrupamiento relacional de jerarquas
de activos para realizar la clasificacin de los mismos. La jerarqua y
clasificacin de activos es necesaria para la identificacin y ejecucin de
actividades de mantenimiento, y son de particular importancia para la
evaluacin del rendimiento y la identificacin de oportunidades de mejora.

Contar con una taxonoma comn a lo largo de la organizacin permite


organizar y agrupar los activos en funcin de atributos que les asemejan, lo que
permite aplicar polticas de mantenimiento y asociar modos de falla a activos
similares, lo cual es de gran utilidad cuando se utilizan sistemas informticos
para el apoyo a la gestin de rendimiento de activos.

De manera ilustrativa, lo niveles ms altos en la jerarqua se podran relacionar


con la posicin geogrfica o espacial en la organizacin, tales como Sitio
(planta) y rea; mientras que los niveles ms bajos en la jerarqua se podran
asociar con la posicin del proceso tal como la Unidad, Sistema, y Equipo
Instalado. Esta clasificacin jerrquica tambin posibilita comprender cmo el
fallo de un equipo puede afectar, por ejemplo, a la confiabilidad de la planta a la
cual est relacionado de manera jerrquica.

Ilustracin 4: Ejemplo de Jerarqua de Activos

7
XIII CONGRESO DE CONFIABILIDAD

La clasificacin proporciona una estructura que permitir utilizar los datos de


rendimiento en categoras para el anlisis. Conforme se documentan los datos
dentro de la estructura de taxonoma, un analista podr identificar las
oportunidades para obtener mejoras por categora de equipo, clase y tipo.

Ilustracin 5: Ejemplo de Clasificacin de Activos

2.4. Historia de Eventos

Para poder lograr una ptima gestin del desempeo de los activos, es
necesario contar con informacin histrica:

Informacin precisa y oportuna en relacin a los activos, que suele existir


en sistemas de monitorizacin e histricos, que indican:

o Condicin de activos

o Monitorizacin en lnea

o Alarmas y eventos

o Documentacin de diseo, etc.

Informacin relacionada a la ejecucin eficiente las tareas de


mantenimiento, que ya suele existir en sistemas CMMS, EAM y ERP, tal
como:

o Planificacin y programacin

o rdenes de trabajo

o Historial de mantenimiento

o Coste de partes, repuestos y mano de obra

8
XIII CONGRESO DE CONFIABILIDAD

Esta informacin provee datos fundamentales que permiten evaluar el


desempeo de los activos, la efectividad de nuestros planes de accin actuales
y el estado general de salud de los activos.

Ms an, esta informacin permite establecer puntos de encuentro entre los


resultados de los anlisis obtenidos a travs de los diferentes mtodos de
confiabilidad, al tener como elemento en comn al activo relacionado.

Ilustracin 6: Integracin de eventos de activos entre diversos sistemas corporativos

2.5. Criticidad de los Activos

Para el diccionario Webster, el riesgo se define como la posibilidad de prdida


o lesin. Dentro del contexto de los procesos de trabajo de APM, riesgo es
definido como la posibilidad de que algo ponga en peligro su negocio. Este
peligro puede ser definido en funcin de la afectacin a la seguridad, ambiente,
calidad, produccin, o cualquier otro elemento de relevancia para el negocio,
como resultado del fallo de un activo en especfico.

El riesgo se puede define de mejor forma como el producto de la probabilidad


(frecuencia con la que se espera obtener un resultado) y la consecuencia
(grado de afectacin al negocio). La probabilidad podra ser definida en funcin

9
XIII CONGRESO DE CONFIABILIDAD

a la frecuencia histrica de Fallas dentro de la organizacin o de acuerdo a la


experiencia, mientras que la consecuencia depende de los escenarios posibles
de afectacin al negocio. Tpicamente, el nivel ms alto de criticidad representa
al peor caso hipottico dentro de la organizacin.

Ilustracin 7: Ejemplo de consecuencia y probabilidad

De manera prctica, se suele representar por medio de una matriz de riesgo.


Esto trae como beneficio una visin grfica del nivel de riesgo, donde se puede
ver la criticidad resultante, en base a criterios donde se minimicen factores
subjetivos, de una manera homologada a lo largo de la organizacin.

Ilustracin 8: Matriz de Riesgo

10
XIII CONGRESO DE CONFIABILIDAD

3. ELIMINACIN DE FALLAS

Fallas inesperadas ocurren en los activos fsicos, resultando en prdidas de


produccin y en un incremento en los costes de mantenimiento. Con el fin de
lograr excelencia operacional y permanecer competitivos, las organizaciones
debern implantar prcticas sistemticas para reducir de forma sustancial los
eventos crticos que representen impactos significativos.

Las organizaciones tpicas luchan por realizar avances que se puedan medir en
esta rea, pero las compaas de clase mundial utilizan cambios en los
sistemas, procesos de confiabilidad, y aplicacin de mejores prcticas para
eliminar de forma sistemtica los defectos y minimizar eventos de impacto a
largo plazo.

El Proceso de Trabajo de Eliminacin de Fallas de Meridium proporciona una


serie de pasos secuenciales, que buscan eliminar no solo de una falla en
particular, sino evitar la recurrencia de la falla. El proceso incluye diferentes
mtodos especficos para lograr este objetivo: Contabilidad de la Prdida de
Produccin, Gestin de Generacin de Energa, Mtricas, Cuadros de Mando
Integrales, Anlisis Causa Raz y Anlisis Estadstico de Confiabilidad.

Ilustracin 9: Proceso de Eliminacin de Fallas

11
XIII CONGRESO DE CONFIABILIDAD

4. ESTRATEGIA DE ACTIVOS

Existe una tendencia en la industria en dnde el mantenimiento planeado se


realiza sin cuestionar por qu se realiza dicha accin o cul es el valor o
beneficio de realizarlas.

Histricamente, este trabajo se realiza porque esto es lo que siempre hemos


hecho, o el fabricante lo recomienda, o con base al temor basado en el
riesgo percibido basados en fallas de activos de alto perfil. Incluso, muchas
organizaciones no tienen estrategias definidas para mantener sus activos, en
muchos casos debido a cortes presupuestarios o falta de tiempo para el
anlisis, lo que las hace en extremo reactivas.

Este enfoque reactivo pudiese ahorrar dinero o esfuerzo en el corto plazo, pero
resulta en una mayor exposicin a largo plazo ante una gran cantidad de
riesgos desconocidos relacionados con la salud, seguridad, ambiente o
finanzas. El proceso de trabajo de Estrategia de Activos enfoca su atencin en
cmo se desarrollan las estrategias con base al historial de trabajo asociado al
activo, las recomendaciones del fabricante, funcionamiento de los activos y
modos de falla, pero tambin se considera si agregan valor en relacin a la
inversin y mitigacin de riesgos resultante.

La gestin de estrategia de activos gua a las organizaciones para racionalizar


el por qu del programa de mantenimiento realizado, as como el impacto en
coste y riesgo si se modifica la estrategia. El proceso brinda un apoyo al
momento de evaluar la efectividad de las estrategias planteadas, al validar
luego de la ejecucin de las estrategias si se han cumplido las mejoras luego
de realizados los cambios o recomendaciones posteriores a los anlisis.

Tambin define un marco para la integracin de las recomendaciones con


aplicaciones de CMMS o EAM, para automatizar la programacin de las
actividades y garantizar su ejecucin y cumplimiento.

12
XIII CONGRESO DE CONFIABILIDAD

Ilustracin 10: Proceso de Estrategia de Activos

El Proceso de Trabajo de Estrategia de Activos se habilita por medio de estos


diferentes herramientas, tales como: Optimizacin de Estrategia de Activos,
Mantenimiento Centrado en Confiabilidad (RCM), Rondas Operacionales,
Gestin de Lubricacin o Gestin de Calibracin.

5. INTEGRIDAD MECNICA

Las fallas de equipo fijos representan la mayora de las fallas en muchas de las
industrias que utilizan activos de manera intensiva. Estas fallas no slo
provocan prdidas de produccin, sino que tambin representan un riesgo
significativo para el negocio y la organizacin. La integracin de todos los datos
pertinentes que influencien las decisiones de la integridad mecnica permite
tomar mejores decisiones en cuanto a inspeccionar cierto equipo y qu tipo de
inspecciones se deben realizar. Esto no slo optimizar los costes para realizar
esas actividades a un cierto nivel de riesgo, sino que tambin optimizar el
alcance de las paradas de planta.

Este proceso busca preservar la integridad de los activos fsicos. En particular,


procura minimizar los riesgos de fallas en activos que tienen como principal
funcin la de contener qumicos, tal como en el caso de un envase o una
tubera, que presentan mecanismos de degradacin. Por lo tanto, la Integridad

13
XIII CONGRESO DE CONFIABILIDAD

Mecnica es el proceso de asegurar que el equipo es manufacturado con los


materiales adecuados, es instalado, mantenido, y reemplazado
adecuadamente para evitar fugas y fallos de contencin accidentales.

El Proceso de Trabajo de Integridad Mecnica se habilita por medio de estos


mdulos de software de Meridium: Inspeccin Basada en Riesgo, Gestin de la
Inspeccin, Monitorizacin de Espesores

Ilustracin 11: Proceso de Integridad Mecnica

6. SISTEMAS DE SEGURIDAD

Los directores y accionistas de diversas instalaciones y plantas de produccin


enfrentan diversos retos en relacin a la gestin de los sistemas
instrumentados de seguridad (SIS), incluyendo los requisitos de cumplimiento
definidos por entidades regulatorias como la Occupational Safety and Health
Administration (OSHA). Una multa reciente de la OSHA por $50 millones en la
industria petrolera por no implantar las salvaguardas instrumentadas de
seguridad en una forma oportuna demuestra que el cumplimiento y la
seguridad son ms crticos que nunca. Y ms all de la multa, est el riesgo
inherente a no implantar medidas de mitigacin de riesgos.

Los procesos de trabajo APM de Meridium atacan esta necesidad de la


industria a travs de un proceso de trabajo que integra la gestin de los SIS

14
XIII CONGRESO DE CONFIABILIDAD

junto con la gestin general de los activos para proporcionar un mtodo


completo de evaluacin de riesgos, validando que los sistemas instrumentados
de seguridad cumplan con los niveles de integridad de seguridad,
monitorizando las exigencias reales de los SIS e ndices de fallas y la
realizacin de pruebas funcionales.

El Proceso de Trabajo de Seguridad de los Activos se habilita por medio de


herramientas tales como SIS/SIL y Anlisis Funcional de la Operatividad
(HAZOP).

Ilustracin 12: Proceso de Sistemas de Seguridad

7. INDICADORES DE VALOR LOS PROCESOS

El modelo de procesos de trabajo de Meridium propone tambin ciertos


indicadores de valor. Estos indicadores deben servir como una base de
medicin para la mejora continua y validar el valor de las acciones tomadas a
raz de los diferentes anlisis realizados.

Estos indicadores son clave para verificar el cumplimiento de los procesos, qu


tanto se han adoptado los diferentes mtodos de optimizacin de activos, qu
tan efectivos han sido estos procesos y qu acciones correctivas deben ser
tomadas para la optimizacin del mantenimiento.

15
XIII CONGRESO DE CONFIABILIDAD

Ejemplos de indicadores de valor de los procesos de gestin del desempeo de


activos:

Fundamentos de APM:

o N de recomendaciones iniciadas

o % de activos sin clasificar por taxonoma

o % de activos clasificados por criticidad

Eliminacin de Fallas:

o N de malos actores por coste

o N de anlisis RCA

o N de recomendaciones iniciadas por anlisis RCA

o % de reparaciones que son fallos

Estrategia de activos:

o % de activos crticos con una estrategia definida

o N de estrategias creadas

o N de recomendaciones iniciadas por anlisis RCM

o % de estrategias implementadas

Integridad Mecnica

o % de mecanismos de degradacin anticipados

o N de activos con fecha de inspeccin planificada

o N de inspecciones vencidas

o N de incidentes de contencin

Seguridad de Activos

o N de anlisis HAZOP

o N de auditoras realizadas

o N de pruebas funcionales culminadas

16
XIII CONGRESO DE CONFIABILIDAD

8. CONCLUSIN

Estos cinco Procesos de Trabajo APM de Meridium, probados en la industria y


condensando una amplia experiencia en diversas industrias, maximizan el
rendimiento fsico de los activos, mitigan el riesgo y optimizan los costes
operativos y de mantenimiento de la empresa. Meridium logra esto a travs de
estrategias efectivas para los activos con base en las mejores prcticas, y una
analtica rigurosa del historial de los activos.

Uno de los aspectos ms importantes de los Procesos de Trabajo APM de


Meridium es una visin holstica del desempeo de los activos, procurando
integrar y aprovechar los datos que ya existen en la organizacin y que con
frecuencia no son utilizados para optimizar el desempeo de los activos, y
facilitando una visin comn a lo largo de la organizacin.

Estos procesos de trabajo, habilitados por el software APM de Meridium,


tambin alinean los indicadores clave del rendimiento con las metas
corporativas y proporcionan anlisis crticos para los que toman las decisiones
sobre sus activos de produccin a nivel empresarial, planta, sistema, equipo y
componente.

9. REFERENCIAS

Ayral, T. y Moran, M. Quantifying the ROI of an Asset Performance


Management Program. Hydrocarbon Processing. 2007

Berges, D. Mechanical Integrity in Support of Process Safety


Management. Meridium. 2011

Koufteros, B., Zimmerman, R. y Verghese, J. Asset Performance


Management Study, Texas A&M Mays Business School. 2011

Lin, S., Gao, J. y Koronios, A. The need for a data quality framework in
Asset Management.

Mitchell, J. Meridium Asset Performance Management. Uptime. 2008.

17
XIII CONGRESO DE CONFIABILIDAD

Nair, B. Ground Up Strategies for Asset Performance Management.


Aberdeen Group. 2007

Rivero, W. Optimization of Turnaround Work Scope Based on Criticality


Review: A Latin American Petrochemical Case Study. Meridium. 2010

Shah, M. y Littlefield, M. Asset Performance Management: Aligning the


Goals of CFO's and Maintenance Managers. Aberdeen Group. 2009

18
PONENCIA 34

UTILIZACIN DE TCNICAS DE OPTIMIZACIN PARA


LA ELECCIN DEL DISEO DE JUNTAS

Susana Calvo
Jos Manuel Bielsa
Jos Luis Nez

Instituto Tecnolgico de Aragn


Utilizacin de tcnicas de optimizacin para
la eleccin del diseo de juntas

Susana Calvo Molina - scalvo@ita.es

INSTITUTO TECNOLGICO DE ARAGN


Evolucin de los mtodos de optimizacin

Tradicionalmente los mtodos de prueba-error han sido ampliamente


utilizados para el desarrollo de nuevos diseos.
La fiabilidad y calidad del producto final es dependiente de la experiencia
del diseador.
Tendencia actual y ventajas
Actualmente, las simulaciones numricas combinadas con el uso de
tcnicas de optimizacin son utilizadas durante la etapa de diseo para
obtener productos de alta calidad en un plazo y coste competitivos.
Las nuevas metodologas permiten, mediante la automatizacin del
proceso de diseo utilizando simulaciones numricas, predecir las
caractersticas de funcionamiento del producto y las restricciones del
problema, aumentar las evaluaciones sobre el producto, analizar
mltiples diseos alternativos y adquirir mayor conocimiento sobre el
producto.
Descripcin del componente analizado

Juntas de gomas en cilindros maestros


ndice

Objetivos
Descripcin del modelo analizado
Metodologa para la optimizacin de juntas
Determinacin de las variables que afectan al comportamiento del
componente
Tcnicas de diseo por exploracin
Aproximacin DoE
Generacin modelo matemtico aproximado
Aproximacin de optimizacin
Diseo robusto (DFSS)
Conclusiones
Posibles aplicaciones
Objetivos

Objetivo general
Estudio de procedimientos y mtodos de optimizacin que ayuden en el
proceso de diseo de juntas de recuperacin.
Objetivos especficos
Desarrollo de una metodologa numrica para mejorar el comportamiento
mecnico y tribolgico de una junta de goma explorando el espacio de
diseo y optimizando el mejor diseo que cumpla los requerimientos.
Metodologa basada en la combinacin de simulaciones MEF en Abaqus
con algoritmos de optimizacin implementados en Isight for Abaqus.
Evaluacin de la fiabilidad y robustez del diseo propuesto mediante la
aplicacin de herramientas de DFSS.
Descripcin del modelo analizado
Modelo de Elementos Finitos
Modelo 2D axisimtrico de la seccin de la junta
(CAX4H)
Alojamientos y componentes en contacto modelados
como superficies rgidas
Modelo de material hiperelstico: Mooney-Rivlin
(dureza 75 segn escala Shore A)
Condiciones de contorno
Desplazamientos (X) y rotaciones (Z) restringidos en el
nodo de referencia de la superficie que simula el mbolo.
Desplazamientos (X, Y) y rotaciones (Z) restringidos en
de referencia de la superficie que simula el
el nodoPlunger Plunger
displacement
alojamiento del cilindro. displacement
0 mm 18 mm
Cargas
Presin de 120 bares aplicada en la superficie libre de la Friction Model

junta en el lado de la cmara a presin. 0,08

0,07
Desplazamiento de 20 mm en direccin Y aplicado en el 0,06

0,05
mbolo.
0,04

0,03
Friction Coefficient

Modelo de friccin utilizado para simular el contacto 0,02

0,01
entre los componentes de acuerdo a un 0
0 1 2 3 4 5 6 7 8 9
Contact Pressure (MPa)
comportamiento dependiente de la presin de contacto
Metodologa para optimizacin de juntas de goma

1.- Determinacin de las variables que afectan


al comportamiento del componente
Objetivo: Determinacin de las variables de diseo y
rangos de variacin
Anlisis de resultados obtenidos mediante el MEF
Determinacin de variables que afectan al
comportamiento mecnico y tribolgico
La mejora del comportamiento de la junta en
trminos de durabilidad se consigue:
Reduciendo la longitud de extrusin en la zona
mostrada
Reduciendo las deformaciones mximas
Variables de diseo que afectan a estos
resultados:
Parmetros geomtricos
Propiedades de material
Modelo de friccin
Metodologa para optimizacin de juntas de goma
1.- Determinacin de las variables que afectan
al comportamiento del componente
Variables iniciales de diseo y rango de variacin

Ext Cyl Radius


Seal Groove
(Rcyl) mm
Radius (R)
Metodologa para optimizacin de juntas de goma

2.- Tcnicas de diseo por exploracin


Objetivo: Generar una estrategia de diseo automatizada para mejorar el diseo
de juntas
Aproximacin DoE: analiza la sensibilidad de los atributos de diseo, identifica
factores crticos y define un diseo inicial
En Isight las entradas utilizadas para realizar el anlisis son:

Fichero.inp

Fichero.odb
Metodologa para optimizacin de juntas de goma

2.- Tcnicas de diseo por exploracin


Aproximacin DoE
Variables de entrada y niveles
Variables de salida: Mximos desplazamientos en la zona de extrusin y
deformaciones logartmicas equivalentes
Tcnica DoE: Full factorial
Esta tcnica es posible puesto que el tiempo computacional para cada clculo y el
nmero de variables de diseo no es muy elevado. Aunque tiene elevados
requerimientos computacionales proporciona informacin exhaustiva que permite
generar aproximaciones que sern aplicadas en siguientes fases de la metodologa
Metodologa para optimizacin de juntas de goma

2.- Tcnicas de diseo por exploracin


Aproximacin DoE
Anlisis de resultados

Si aumentan los valores de los


parmetros geomtricos (R, Rcil)
aumentan los desplazamientos de
la zona de extrusin
Cuando aumenta la amplitud del
modelo de friccin disminuyen los
mximos desplazamientos
aunque se mantienen los valores
mnimos
A mayor dureza del material
menores son los desplazamientos
Metodologa para optimizacin de juntas de goma

2.- Tcnicas de diseo por exploracin


Aproximacin DoE
Anlisis de resultados

El aumento del radio de la ranura


de la junta (R) provoca una
disminucin en las deformaciones
logartmicas en la zona de
extrusin
Un incremento del radio de la
ranura R, con el radio del cilindro
constante, produce menores
deformaciones en la zona de
extrusin
Un incremento del radio del
cilindro, con R constante, causa
mayores deformaciones
A mayor dureza del material
menores son las deformaciones
Metodologa para optimizacin de juntas de goma

2.- Tcnicas de diseo por exploracin


Aproximacin DoE
Distribuciones de Pareto
El orden de las barras indica los efectos de cada variable aleatoria en la respuesta,
estando ordenadas de mayor efecto a menor. Las barras azules indican efectos
positivos en las respuestas, mientras que las barras rojas indican efectos negativos.
Por lo tanto, este tipo de grficos se utiliza para identificar los factores con los
efectos ms significativos o con mayores contribuciones en las respuestas
En el caso analizado, son las variables geomtricas las que producen los mayores
efectos en los desplazamientos de la zona crtica

Run normalized
PARAMETER_2_radio_Value -37,3429701
PARAMETER_1_dcil_Value -13,617895
AMPLITUDE_STEP_1_Amplitude2 10,751521
HYPERELASTIC_MOONEY_RIVLIN_1_alpha1 9,26541902
AMPLITUDE_STEP_1_Amplitude2-PARAMETER_2_radio_Value 6,11071275
PARAMETER_2_radio_Value^2 -4,36498523
PARAMETER_2_radio_Value-HYPERELASTIC_MOONEY_RIVLIN_1_alpha1 3,80809668
AMPLITUDE_STEP_1_Amplitude2^2 -3,50448194
PARAMETER_1_dcil_Value-PARAMETER_2_radio_Value -3,36183725
AMPLITUDE_STEP_1_Amplitude2-PARAMETER_1_dcil_Value 3,20745312
PARAMETER_1_dcil_Value-HYPERELASTIC_MOONEY_RIVLIN_1_alpha1 2,53381868
HYPERELASTIC_MOONEY_RIVLIN_1_alpha1^2 -1,06494862
PARAMETER_1_dcil_Value^2 -0,99440602
AMPLITUDE_STEP_1_Amplitude2-HYPERELASTIC_MOONEY_RIVLIN_1_alpha1 0,07145457
Metodologa para optimizacin de juntas de goma

2.- Tcnicas de diseo por exploracin


Generacin de una aproximacin: construye un modelo matemtico que
relaciona grupos de entradas y salidas para reducir el tiempo de evaluacin
requerido en los siguientes anlisis
Tipo de aproximacin: Response Surface Model (RSM)
Construida a partir de los datos generados en el DoE
Diferencias entre simulaciones reales y predichas inferiores al 10%
Metodologa para optimizacin de juntas de goma

2.- Tcnicas de diseo por exploracin


Aproximacin de optimizacin: explora el espacio de diseo en busca de un
nuevo diseo que mejore el comportamiento del actual
Utiliza la aproximacin generada y comienza con mejor diseo obtenido en el DoE
Se aplica una tcnica basada en gradientes: NLPQL-Sequential Quadratic
Programming
Se definen variables, restricciones y funcin objetivo
Metodologa para optimizacin de juntas de goma

2.- Tcnicas de diseo por exploracin


Aproximacin de optimizacin
Anlisis de resultados

Los desplazamientos en la zona


analizada se reducen en torno a
un 70%
En trminos de deformacin
mxima principal se observa una
reduccin del 25%

Diseo inicial Diseo ptimo


Metodologa para optimizacin de juntas de goma

3.- Diseo robusto (DFSS)


Objetivo: Caracterizar la robustez y fiabilidad del diseo
La tcnica utilizada para estimar la variabilidad en el anlisis es la simulacin
de Monte Carlo, que define la poblacin mediante tcnicas de muestreo
descriptivo
Variables de diseo consideradas aleatorias: R y Rcil
Metodologa para optimizacin de juntas de goma

3.- Diseo robusto (DFSS)


Limitaciones en las respuestas:
Lmite inferior de 0.15 mm para los mximos desplazamientos en la zona de
extrusin
Lmite superior de 0.85 para las deformaciones equivalentes
Anlisis de resultados: El diseo ptimo es un diseo robusto. Se ha
demostrado que dada una variabilidad de los parmetros geomtricos de
diseo, definidas como variaciones en torno a un valor medio, la solucin
conduce a bajos niveles de variacin de la respuesta.
Conclusiones

Se ha desarrollado con xito una metodologa de optimizacin para el diseo


mecnico y tribolgico de juntas de goma utilizando herramientas numricas
comerciales integradas en Isight
La exploracin del espacio de diseo aumenta el conocimiento sobre el
comportamiento del producto y las interacciones entre los parmetros
variables
La aplicacin de tcnicas DFSS permite la caracterizacin de diseos ptimos
en trminos de fiabilidad y robustez
Se pueden utilizar diferentes aproximaciones en cada uno de los pasos
definidos en la metodologa. La mejor eleccin es funcin de las caractersticas
del modelo y del tiempo computacional requerido para resolverlo
Posibles aplicaciones

Anlisis de uniones en chasis de camin: Remaches


Tipo de remache
Nmero
Disposicin

Casquillo

Optimizacin del comportamiento


Silent-block

dinmico en elementos elsticos


modificando las propiedades del material

Optimizacin de parmetros de
modelos micromecnicos
PONENCIA 35

APLICACIN DEL MTODO DE ELEMENTOS FINITOS


(MEF) PARA LA MEJORA DE LA CONFIABILIDAD EN
LOS PROCESOS DE MECANIZADO

Telmo Miranda, J.

Muoz Camacho, E.
Departamento de Ingeniera Industrial II

Escuela Politcnica Superior. Universidad de A Corua


XIII CONGRESO DE CONFIABILIDAD

APLICACIN DEL METODO DE ELEMENTOS FINITOS (MEF) PARA LA


MEJORA DE LA CONFIABILIDAD EN LOS PROCESOS DE MECANIZADO

Autores
Telmo Miranda J. y Muoz Camacho E.
Departamento de Ingeniera Industrial II
Escuela Politcnica Superior. Universidad de A Corua

RESUMEN

El mtodo de elementos finitos (MEF) permite resolver ecuaciones diferenciales


asociadas a un problema fsico sobre geometras ms o menos complejas.
Mediante este mtodo se pueden resolver multitud de problemas de ndole
ingenieril (anlisis de vibraciones, anlisis esttico, anlisis de transferencia de
calor, etc.) simulando el comportamiento del sistema a validar con las
correspondientes condiciones de frontera y bajo las hiptesis consideradas.

En este trabajo se presentan los resultados obtenidos a partir de la simulacin


mediante programas computacionales de los esfuerzos a los cuales pueden verse
sometidos diversas piezas de mecanizado, constituyendo una herramienta
poderosa en la mejora de la confiabilidad de las mismas.

Figura 1. Mallado en pieza de mecanizado

1
XIII CONGRESO DE CONFIABILIDAD

Figura 2. Simulacin de la pieza de mecanizado

1 INTRODUCCIN

El Mtodo de los Elementos Finitos (MEF) es un mtodo numrico de resolucin


de problemas de Mecnica de Slidos que resulta de gran importancia por su
utilidad prctica. Es una herramienta de clculo muy potente que permite al
resolver infinidad de problemas. Sin embargo, es un mtodo que no proporciona
la solucin exacta a un problema dado, sino que, en realidad, posibilita obtener
una solucin aproximada que, con el juicio ingenieril que se le supone al
calculista, puede ser ms que suficiente para la resolucin de un problema
prctico.

Su idea bsica no puede ser ms sencilla: dado un slido, sometido a un sistema


de cargas y coaccionado por unas ligaduras, el mtodo consiste en subdividir el
slido en pequeas partes (elementos) interconectadas entre s a travs de los
nudos de los elementos, de manera que suponemos que, el campo de
desplazamientos en el interior de cada elemento, puede expresarse en funcin de
los desplazamientos que sufren los nudos del elemento (desplazamientos
nodales); posteriormente, se podr determinar la matriz de rigidez de cada
elemento, las cuales una vez ensambladas (siguiendo los pasos del anlisis
matricial de estructuras), permitirn la obtencin de los desplazamientos en los
nudos de cada elemento. De esa manera, una vez conocidos dichos
desplazamientos, podramos determinar, de una forma aproximada como ya se
dijo antes, las tensiones y las deformaciones en el interior del elemento.

2
XIII CONGRESO DE CONFIABILIDAD

2 ETAPAS DEL MEF

El ciclo del anlisis por elementos finitos incluye cinco etapas diferenciadas, tal y
como se puede observar en la figura 3.

Concepto: en esta etapa se debe tener en cuenta los requisitos del


problema a analizar. Hay que definir el modelo para el correcto anlisis.

Modelizacin: tambin se conoce a esta etapa como pre-procesamiento.


Aqu se disea el objeto a analizar as como las condiciones de contorno.

Anlisis: en este punto es en que se hace el verdadero clculo numrico


del modelo de elementos finitos.

Interpretacin: aunque todos los dems puntos son los que hacen posible
el anlisis, esta es en realidad la etapa ms importante. Aqu es donde se
da forma a los datos obtenidos, se interpreta su significado y se decide si el
anlisis es admisible o si por el contrario se debe proceder a realizar algn
cambio. Desde esta etapa se puede volver atrs hasta el concepto, la
modelizacin o incluso hasta una nueva interpretacin de los mismos
datos.

Aceptacin: es el momento de realizar las conclusiones finales sacadas del


anlisis e interpretacin de los datos obtenidos.

3
XIII CONGRESO DE CONFIABILIDAD

Figura 3. Etapas del mtodo de elementos finitos.

El MEF se implementa a travs de software informtico que minimiza los tiempos


dedicados a iteracin. En este caso los programas informticos usados para estos
anlisis incluyen tres pasos o mdulos principales, el pre-procesado, el anlisis y
el postprocesado.

2.1 Pre-procesado

En el pre-procesado se incluye la definicin del problema o el concepto y la


modelizacin.

Esta es una parte fundamental del trabajo, ya que cuantos ms parmetros se


definen, mas veraces sern los resultados obtenidos, pero a su vez el tiempo de
clculo tambin se incrementa de manera considerable.

4
XIII CONGRESO DE CONFIABILIDAD

Dentro del modulo de pre-procesado se incluyen entre otros: diseo de


geometras y mallado, propiedades del material, contactos o rozamientos,
condiciones iniciales, condiciones de contorno y adaptacin de mallado.

2.2 Anlisis o clculo por elementos finitos

Este modulo tambin denominado como solver o solucionador es el que


realmente realiza la parte iterativa y matemtica en la que se basa el Mtodo de
Elementos Finitos, pudiendo hacer los dems pasos mediante otros programas
menos especializados (como programas de CAD) o incluso manualmente.

2.3 Post-procesado

En esta fase se procede al estudio de los datos y resultados obtenidos. La


mayora de los programas informticos basados en el MEF actuales incluyen un
post-procesador en el que se muestran grficamente los resultados, siendo de
esta forma ms sencilla su interpretacin. De acuerdo con Ozel la simulacin esta
influenciada por dos factores clave:

Las variaciones en las propiedades de la pieza mecanizada a diferentes


velocidades de corte.

Las caractersticas de friccin entre el material y la herramienta, si bien hay


autores que han afirmado que esta friccin prcticamente no afecta al
anlisis mecnico, sin embargo en un anlisis trmico es fundamental.

5
XIII CONGRESO DE CONFIABILIDAD

Estos parmetros son los fundamentales en un anlisis puramente mecnico. Sin


embargo, para realizar un anlisis mecnico-trmico tambin habr que tener en
cuenta los siguientes factores:

Las propiedades trmicas del material a mecanizar y de la herramienta de


corte.

Geometra de la herramienta de corte.

Las condiciones de contorno.

Los criterios de fractura, si son utilizados permiten predecir la forma que ir


adquiriendo el cuerpo mecanizado.

3 DEFINICIN DEL MTODO DE CORTE MEDIANTE ELEMENTOS


FINITOS

El proceso de mecanizado bajo estudio es el de corte ortogonal, en el que la


arista de corte es perpendicular a la velocidad de corte; y se ha considerado la
formacin de viruta continua. Un modelo de este proceso se muestra en la figura
4.

Figura 4. Proceso de mecanizado y formacin de viruta

6
XIII CONGRESO DE CONFIABILIDAD

Mediante el mtodo de elementos finitos se puede simular el modelo de corte


ortogonal (figura 5), pudiendo estudiarse el comportamiento de la herramienta y la
formacin de la viruta y la distribucin de temperatura en la viruta debida a la
transferencia de energa de la herramienta de corte a la viruta (figura 6).

Figura 5

Figura 6

7
XIII CONGRESO DE CONFIABILIDAD

4 APLICACIN DEL MEF AL DISEO DE UNA PLATAFORMA CON MESA


DE RODILLOS MOTORIZADOS

El mtodo de elementos finitos posibilita el estudio de configuraciones de


mecanismos y estructuras en su fase de diseo permitiendo estudiar las zonas
crticas de mayor influencia por fatiga. En este apartado se trata de estudiar un
caso real consistente en una plataforma con mesa de rodillos motorizados y
sistema de arrastre (figura 7 y foto 1) con capacidad de elevacin de 4
Toneladas.

Figura 7 y foto 1. Plataforma con mesa de rodillos motorizados

8
XIII CONGRESO DE CONFIABILIDAD

El software elegido para realizar el diseo y posterior simulacin ha sido el


programa SolidWorks debido a que el programa permite modelar piezas y
conjuntos y extraer de ellos tanto planos como otro tipo de informacin necesaria
para la produccin. Es un programa que funciona con base en las nuevas
tcnicas de modelado con sistemas CAD. El proceso consiste en trasvasar la idea
mental del diseador al sistema CAD, "construyendo virtualmente" la pieza o
conjunto. Posteriormente todas las extracciones (planos y ficheros de intercambio)
se realizan de manera bastante automatizada. Asimismo, tambin se ha hecho
uso del programa COMSOL Multiphysics para validar resultados.

En las figuras siguientes se muestran los resultados obtenidos con el programa


SolidWorks para la plataforma de estudio en comparacin con la fotografa real.

Figura 8 . Bancada de la plataforma elevadora

Foto 3 y Figura 9. Cilindros de arrastre

9
XIII CONGRESO DE CONFIABILIDAD

5 CONCLUSIONES

La simulacin de un hecho real o de un proceso por medio de otro proceso ms


simple que analiza sus caractersticas, es una muy prctica herramienta de la
ingeniera. As, una de las herramientas ms conocidas es la del mtodo de
elementos finitos, el cual se ayuda con la matemtica y la fsica para explicar
procesos.

El MEF se ha vuelto una solucin para la tarea de predecir los fallos debidos a
tensiones desconocidas enseando los problemas de la distribucin de tensiones
en el material y permitiendo a los diseadores ver todas las tensiones
involucradas. Este mtodo de diseo y prueba del producto es mejor al ensayo y
error en donde hay que mantener costos de manufactura asociados a la
construccin de cada ejemplar para las pruebas.

No obstante, como todos los mtodos tiene sus limitaciones y esto es as ya que
es un mtodo que no proporciona la solucin exacta a un problema dado, sino
que, en realidad, posibilita obtener una solucin aproximada que, con el juicio
ingenieril, puede ser ms que suficiente para la resolucin de un problema
prctico.

10
XIII CONGRESO DE CONFIABILIDAD

6 REFERENCIAS

Aproximacin a la confiabilidad. Aplicaciones prcticas. Monografa


elaborada por la Red Temtica sobre Seguridad de Funcionamiento y
Calidad de Servicio de Sistemas Productivos. MINISTERIO DE CIENCIA E
INNOVACIN. Editado por ingeman. 2010

Introduction to comsol multiphysics. Versin 4.0 a. 2010.

http://www.solidworks.com

ADDLINK SOFTWARE CIENTFICO, S.L. FEMLAB 3.0: Modelado por


elementos finitos con prestaciones nunca vistas. Forum tecnolgico 5.
2003.

T.H.C. Childs, Friction modelling in metal cutting, School of Mechanical


Engineering, University of Leeds, Woodhouse Lane, Leeds LS2 9JT,UK
,(2006).

H. Miguelez, R. Zaera, A. Rusinek, A. Moufki and A. Molinari, Numerical


modelling of orthogonal cutting: influence of cutting conditions and
separation criterion, J. de Physique IV, (2006).

P.J.Arrazola, D.Ugarte, J.Montoya, A.Villar, S. Marya, Finite element


modeling of chip formation process with ABAQUS/explicit (2005).

11
PONENCIA 36

LA MADUREZ COMO FACTOR DE XITO EN LA


GESTIN INTEGRAL DE ACTIVOS FSICOS ASSET
MANAGEMENT PAS 55.

Amendola. L. 1,2 , Depool. T 2 Contreras. R 2(P)


XIII CONGRESO DE CONFIABILIDAD

LA MADUREZ COMO FACTOR DE XITO EN LA GESTIN INTEGRAL DE


ACTIVOS FSICOS ASSET MANAGEMENT PAS 55.

Amendola. L. 1,2 , Depool. T 2 Contreras. R 2(P)

Universidad Politcnica de Valencia

Departamento de Proyectos de Ingeniera e Innovacin 1

PMM Institute for Learning 2

RESUMEN

El objetivo del estudio es describir la importancia de la madurez en la gestin


integral de activos fsicos y como las organizaciones estn abordando el
desempeo en confiabilidad de sus activos. La capacidad de avance de las
sociedades est ntimamente ligada por sus deseos de cambiar y por su
capacidad para lograrlo. Estos cambios generan necesidades y las
necesidades son requisito previo para el desarrollo. En la sociedad moderna,
los individuos experimentan necesidades continuamente y como resultado
tienen que dar prioridad a esas necesidades y decidir. La mayora de los
procesos de decisin representan un problema donde el conocimiento y la
actitud sern parmetros primordiales para su resolucin.

Aplicando estos conceptos al campo de la madurez en la gestin integral de


activos fsicos Asset Management se tiene que, para evaluar dicha madurez,
se pueden cuestionar a las organizaciones en trminos de su actitud y
conocimientos tericos y prcticos para la direccin y gestin de activos como
las prcticas que llevan a cabo de la misma.

Es por esta razn que tiene sentido evaluar el grado de madurez de las
organizaciones de mantenimiento de activos a travs de tcnicas, herramientas
y normas como la PAS55 Assetssment Methodology (PAM).

Palabras claves: Gestin; madurez; activos; proceso.


1
XIII CONGRESO DE CONFIABILIDAD

1.- INTRODUCCIN

El Asset Management como estrategia de negocio ha rebasado su alcance


hacia los sectores industriales que buscan ms competitividad, por lo que es
muy importante entender de qu manera empresas gestionan sus activos
asocindolos con la estrategia corporativa del negocio. Actualmente, los
sectores industriales u organizacionales que se han mostrado muy
competitivos como el sector de las industria del gas, petrleo, cemento,
generacin de energa, telecomunicaciones, petroqumica y qumica en
general, han empleado este concepto de gestin de activos durante los ltimos
aos. En este punto, es importante destacar, que una caracterstica que marca
pauta en los estudios analticos en este tipo de industrias competitivas es su
alto nivel de madurez en la gestin de los activos.

Webster's define la madurez como el estado de haber alcanzado el mximo


desarrollo (Webster's, 2010). Aplicando el concepto de madurez a una
organizacin y lo dicho anteriormente, se puede entender como el estado
donde la organizacin est en perfectas condiciones para conseguir sus
objetivos. La madurez en la gestin de activos fsicos Asset Management,
implicara que la organizacin se encuentra perfectamente acondicionada para
gestionar en las totalidades de sus activos tanto tangibles e intangibles.

Skulmoski, 2001, sin embargo, expone su idea de la madurez en el proyecto a


nivel organizacional en funcin de cun receptivo sea la organizacin hacia la
gestin de proyectos. Esta visin de la madurez en el proyecto est enfocada
fundamentalmente en la accin. Para Skulmoski, competencia y madurez, son
dos trminos ntimamente relacionados y orientados hacia la consecucin del
xito en los proyectos. La Competencia se considera compuesta por una
combinacin de conocimientos, habilidades y actitudes.

Andersen & Jessen, 2003, basan su definicin de madurez en ambos


conceptos. As, consideran que la madurez dentro de la organizacin de una
compaa puede ser perfectamente expresada como suma de accin (habilidad
para actuar y decidir), actitud (deseo de acometer cierta accin) y conocimiento
(comprensin del impacto del deseo y la accin).

2
XIII CONGRESO DE CONFIABILIDAD

Segn Cassanelli y Muoz (2007) el concepto de madurez puede ser visto


tambin como un proceso de adquisicin de competencias y habilidades
gerenciales que van desarrollndose con el tiempo.

2.- GESTIN INTEGRAL DE ACTIVOS FSICOS.

En la actualidad, como resultado de las presiones econmicas producidas por


la coyuntura mundial, las empresas en distintos sectores industriales estn
considerando nuevos caminos para redimensionar y reestructurar el entorno
del negocio, y muchas de estos esfuerzos estn especialmente enfocados en el
ciclo de vida de los activos fsicos, especialmente hacia las etapas de
operacin y mantenimiento.

La Gestin Integral de Activos Fsicos es la integracin, planificacin y la


programacin sistemtica y conjunta de los recursos fsicos y financieros de
una empresa a lo largo del ciclo de vida de sus activos con el fin de lograr su
plan estratgico operacional. La implementacin de la Gestin Integral de
Activos Fsicos requiere como primer paso el conocimiento del proceso actual
dentro de la organizacin y del nivel de madurez de esta ante la
implementacin de un Modelo de Gestin de Activos Fsicos. El nivel de
madurez representa una de las reas claves para la implementacin y el xito
de gestin integral de activos fsicos.

3.- NIVEL DE MADUREZ EN EL XITO DE LA GESTIN INTEGRAL DE


ACTIVOS FSICOS.

Dentro del proceso del Asset Management, est el saber qu herramientas


tenemos que utilizar para posicionarnos con ventaja frente a la competencia y
contribuir a crear valor. Si implementamos tcnicas y herramientas basadas en
los estndares como la PAS 55, vamos a poder conocer las que son ms
vlidas en la actualidad.

3
XIII CONGRESO DE CONFIABILIDAD

Cualquier organizacin que desee tener xito y busque beneficios, debe


someterse a un sistema formal de Asset Management, es decir, determinar o
definir perfectamente sus niveles de madurez en la organizacin que la har
destacar frente a la competencia.

Para definir los niveles de madurez en la gestin integral de activos fsicos es


requerido un diagnstico del estado actual de la organizacin en este aspecto.
Con ms detalle podemos decir que el objeto del diagnstico es fotografiar el
proceso actual de gestin de activos de la organizacin para luego orientarlo a
lograr una gestin sostenible y capitalizable con acciones a corto, medio y largo
plazo, alineado con la planificacin estratgica para asegurar que las
actividades estn acorde con los objetivos y cumpliendo con los 28
requerimientos especficos de la PAS 55 (PAS 55 2008). Este diagnstico no
slo est asociado a los procesos y tecnologas con los que cuenta la
organizacin de estudio, sino que abarca el anlisis del nivel de madurez que la
organizacin presenta en sus procesos, competencias tcnicas y habilidades
directivas necesarias para desarrollar e implementar la gestin de activos (PAS
55 Assessment Methodology) (PAS 55, 2008). Este diagnstico del nivel de
madurez involucra un anlisis de la estructura de organizacin para comprobar
si existen polticas, las responsabilidades estn asignadas, los procesos de
trabajo definidos, etc.

El diagnstico constituye el primer pilar fundamental del Asset Management. A


continuacin se muestrea grficamente los pilares de la gestin integral de
activos fsicos.

4
XIII CONGRESO DE CONFIABILIDAD

Figura 1. Pilares en la Gestin Integral de Activos Fsicos

Descripcin de los pilares:

Diagnstico de Gestin: Definir el nivel actual de madurez de la


organizacin y cules son sus prcticas en la gestin de activos de sta.
Tambin permite fijar la filosofa y misin de la empresa o unidad de
negocio para evaluar el estado actual de los activos.

Polticas y Estrategias: Establecer objetivos a corto y largo plazo para


lograr la misin de la empresa, que define las actividades de negocios
presentes y futuras de una organizacin.

Informacin de la Gestin de Activos: Planificacin estratgica, formular


diversas estrategias posibles y elegir la que ser ms adecuada para
conseguir los objetivos establecidos en la misin de la empresa,
desarrollar una estructura organizativa para conseguir la estrategia.

Implementacin y operacin: Asegurar las actividades necesarias para


lograr que la estrategia se cumpla con efectividad.

Verificacin y Acciones correctivas: Evaluar y tomar las acciones


necesarias corregir o controlar la eficacia de la estrategia para conseguir
los objetivos de la organizacin.

5
XIII CONGRESO DE CONFIABILIDAD

3.1.- Niveles de madurez y diagnstico basado en PAS55.

El diagnstico se debe realizar con un grupo de trabajo multidisciplinario que


defina la organizacin, a travs del cual se identifican las reas que hay que
fortalecer a corto, medio y largo plazo, bajo una metodologa como la de PMM
Institute for Learning denominada 3P (People, Process and People)
Assessment Methodology (Amendola 2009; Amendola 2010), que identifica y
analiza las oportunidades de mejora en las 5 reas claves de la Gestin
Integral de Activos Fsicos (Asset Management): Recursos del Mantenimiento y
Operaciones, Tecnologa de la Informacin, Mantenimiento Preventivo y
Tecnologa, Planificacin y Programacin, Soporte al Mantenimiento y
Operaciones (ver apartado 3.2). La metodologa contiene una serie de
cuestiones para explorar el nivel de madurez en la gestin integral de los
activos de las organizaciones a travs de los elementos definidos en la PAS
55:2008. Los niveles de madurez estn alineados con los principios del manual
internacional de gestin de infraestructuras IIMM (International Infrastructure
Management Manual), como se referencia en la figura 2.

Figura 2. Niveles de madurez alineado con IMM.

Cada pregunta y respuesta establecen compromisos en:

Cinco posibles respuestas asociadas con cada nivel de madurez.

Guas especficas sobre el por qu la pregunta se plantea, quin tiene la


capacidad de responder a las preguntas, y evidencias que puedan ser
revisadas para asistir al diagnstico del nivel de madurez.

6
XIII CONGRESO DE CONFIABILIDAD

Figura 3: Descripcin Niveles de Madurez Alineados al IIMM.

El nivel cero y uno representan los estados donde los recursos no estn
focalizados, los procedimientos bsicos no estn documentados, no estn los
roles definidos, no hay capacidad u orden de cobertura de la informacin, no
hay capacidad de gestionar a los proveedores, no se implementan
herramientas de gestin, etc., representa tambin la etapa de reconocimiento
de una necesidad o problema y el deseo de cambio en la organizacin.
Representa el inicio de un periodo de formacin en Asset Management
(niveles de inmadurez). No obstante en el nivel 1, es una etapa de decisin de
los elementos de la normativa a emplear que sern implementados, es una
etapa donde hay conocimiento de las normas y ya el equipo de gestin ha
desarrollado ciertas habilidades fruto de un periodo de formacin.

El nivel 2 el equipo del trabajo comienza a identificar los roles y


responsabilidades, los procedimientos comienzan a ser documentados y
definidos, hay cierto seguimiento de los activos mediante TI (tecnologas de la
informacin), igualmente con los proveedores, etc. En resumen es el desarrollo
de las competencias para el Asset Management (nivel de madurez).

En el nivel 3 ya estn identificados los roles y competencias, los


procedimientos estn documentados y definidos de forma consecuente con los
objetivos del negocio, reactividad a las auditoras y control de proveedores,
control de la informacin y de los activos por medio de TI, uso de indicadores

7
XIII CONGRESO DE CONFIABILIDAD

del desempeo del negocio, estructura de competencia definidos, procesos de


manejo de riesgo establecidos, compromiso dinmico con los clientes y
proveedores, etc. (nivel de excelencia).

El ltimo nivel adems de los expuestos del nivel anterior, la informacin es


utilizada como apoyo para la toma de decisiones estratgicas, se emplean
herramientas integradas con los sistemas empresariales y marco continuo para
la gestin de activos. Esta etapa representa la inteligencia de la organizacin
para la creacin, desarrollo e implementacin nuevas ideas y conceptos en la
gestin integrada de activos (nivel de excelencia e inteligencia). En la figura 4
representa esquemticamente lo comentado anteriormente como el camino
hacia la madurez y eficiencia para la gestin de activos fsicos.

Figura 4. Camino hacia la eficiencia en el Asset Management (Amendola, L).

8
XIII CONGRESO DE CONFIABILIDAD

3.2. Metodologa de diagnstico.

Como se ha comentado la metodologa de las tres 3P (People, Process and


People) Assessment Methodology identifica y analiza las oportunidades de
mejora en las 5 reas claves de la Gestin. El anlisis cuantitativo y cualitativo
de datos de la metodologa se estructura en 5 pasos (figura 5): Encuestas,
Anlisis de datos mediante SPSS (Statistical Package for the Social Sciences),
Definicin de la clase de gestin del mantenimiento y operaciones en base a la
puntacin obtenida, Identificacin de las reas a potenciar y Mejores prcticas.

Figura 5. Metodologa de las 3P PMM Instituto for Learning (Amendola, 2004)

Las encuestas cuentan con 12 preguntas (sumando un total de 60 preguntas)


orientadas a cada una de las reas claves del negocio.

La implementacin se realiza en base al estndar de Gestin Integral de


Activos Fsicos PAS55 y adaptado a la cultura, clima organizacional y
necesidades de la empresa. En este anlisis participan representantes de
todas las reas del negocio de gestin integral de activos fsicos como:
operaciones, mantenimiento, materiales, Ingeniera, finanzas, recursos

9
XIII CONGRESO DE CONFIABILIDAD

humanos, confiabilidad, seguridad industrial y medioambiente. El alcance del


diagnstico debe incluir tambin a los clientes y a los proveedores. El clima de
apertura resultante permite a las organizaciones realizar los cambios
positivamente y mejorar la motivacin como equipo para alcanzar un nivel de
madurez mayor.

Es importante para la implementacin de un modelo de gestin integral de


activos, se reconozca el hecho de que no todo los departamentos o reas de la
organizacin se encuentran al mismo nivel de madurez, en especial en grandes
corporaciones y ms aun si produce diversidad de productos y si est repartida
por una amplia geografa, por lo que el modelo de gestin debe tener
flexibilidad para facilitar los procesos de mejora. Lo indicado es que en principio
el sistema de gestin de activos tenga el mismo objetivo independientemente
de las condiciones de produccin, por lo que el modelo o sistema de gestin
deber permitir diferentes puntos de partidas o de entradas con una nica
salida (el objetivo). Este hecho permitir que toda la organizacin finalmente
alcance un sistema homogneo de madurez, pero es requerido una visin
compartida, pensamiento sistmico y un aprendizaje en equipo.

Adicionalmente alcanzar un mayor nivel de madurez, implica tambin introducir


un cambio cultural en la organizacin. Este cambio cultural requerido en las
personas de la organizacin puede suponer un problema dada la naturaleza
restrictiva al cambio. Se deber considerar y evaluar como un riesgo asociado
a la gestin de activos.

En definitiva la organizacin tendr que establecer peridicamente procesos o


procedimientos para monitorear, medir y corregir el desempeo en la gestin
de activos en toda la organizacin.

4.- MODELOS DE MADUREZ DE PMM.

A continuacin se muestran los modelos de madurez de PMM Institute for


Learning (Amendola, L). El primero de ellos representa la evolucin de la
madurez desde los aspectos netamente tcnicos asociados a los activos,
hasta conciencia financiera que implica operarlo durante todo su ciclo de vida.
10
XIII CONGRESO DE CONFIABILIDAD

En este modelo, estn todos los aspectos que deben estar presentes desde el
activo mismo y todos los relacionados con de gestin que involucra sistemas
de captacin y tratamiento de la informacin, gestin de los datos, sistemas de
tecnologa de la informacin, gestin de ordenes de trabajo, implementacin de
metodologas de anlisis de fiabilidad, modelos integrados tcnicos financieros
y tcnica de toma de decisiones basados en todo el coste del ciclo de vida del
activo, para finalmente tener la justificacin de la inversin del activo (figura 6).
Est justificacin permitir asignar el activo a un portafolio de activos (figura 7).

Figura 6. Modelo de Evolucin hacia la Madurez en Gestin de Activos (Amendola, L).

El siguiente modelo muestra grficamente los procesos de gestin de


portafolios de activos. Representa los niveles donde la organizacin es capaz
de identificar y gestionar al conjunto de activos y/o proyectos de activos
financieramente viables y rentables para los objetivos estratgicos de la
organizacin (figura 7).

11
XIII CONGRESO DE CONFIABILIDAD

Figura 7. Proceso de gestin del portafolio de activos a nivel organizacional (Amendola, L).

El primer nivel (estandarizacin): constituye la capacidad de la organizacin


para definir e implementar ndices de referencias requeridos durante el ciclo de
vida de los activos para optimizar, seleccionar, ejecutar y controlar el portafolio
de activos. En esta etapa la organizacin debe ser capaz de establecer en
principio una poltica de inversin en funcin de las expectativas del mercado
para seleccionar estratgicamente los activos. Esta seleccin estratgica
conlleva la creacin e implementacin de ndices de referencia representativos
que podramos llamar portafolio de referencia.

El segundo nivel (Medida de KPIs): consiste en la definicin y uso de


indicadores tanto tcnicos y financieros que se emplearan o son empleados
para evaluar los activos del portafolio durante todo su ciclo de vida.

El tercer nivel (Control): representa la evaluacin y toma de acciones


correctivas en las desviaciones de gestin de los activos del portafolio. Esta
evaluacin se realiza en funcin del portafolio de referencia e indicadores
empleados. Esta etapa adems de evaluar el desempeo de la organizacin en
la gestin, permite incorporar o desincorporar activos del portafolio en funcin
de los resultados de la evaluacin.

12
XIII CONGRESO DE CONFIABILIDAD

Finalmente la integracin de estos niveles representa la competencia


estratgica (Mejora Continua). Esta etapa constituye la inteligencia de la
organizacin en la gestin integrada de los activos.

En resumen ambos modelos son bsicamente lo mismo, solo que el ltimo


representa la gestin integrada de todos los activos del portafolio.

5.- NORMAS Y ESTNDARES.

Es importante sealar que las normas PAS 55, UNE 20654-4, Gua de
Mantenibilidad de Equipos, UNE200001-3-11 Gestin de la Confiabilidad, SAE
JA1011 y SAE JA1012, RCM e implementacin, ISO 14224 Asset
Documentation, KPIs Maintenance Key Performance Indicators: prEN 15341,
UNE 60300-1, 60300-2 Diseo y Confiabilidad, en su carcter de referencia
fundamental, no estn completas ni abarcan todos los conocimientos. Estas
tratan de guas, ms que de metodologas. Se pueden usar diferentes
Metodologas y Herramientas para implementar el marco de referencia de las
normas para los diagnsticos del nivel de madurez.

6.- BUENAS PRCTICAS.

En el mundo globalizado de hoy en el que impera una alta competitividad, se


hace necesario mantener las ventajas competitivas o reducir las distancias con
los competidores. Esta es la razn por la que se ha de trabajar de una forma
eficiente y eficaz, y para ello la alternativa que se puede adoptar es la
aplicacin del Asset Management (PAS 55).

No es tarea fcil ni sencilla, aunque si se desconoce, puede parecer un


conjunto de ideas fcilmente aplicables y cmodas de implantar.

Hasta el momento pocas compaas se embarcaban en este tipo de proyectos


tan ambiciosos donde es necesaria cooperacin de todos los niveles de la
organizacin, desde la direccin hasta los propios operarios de mantenimiento
y produccin. Es requerido tambin el cambio de mentalidad de toda la
organizacin en cuanto a prcticas del Asset Management que deben de

13
XIII CONGRESO DE CONFIABILIDAD

mantenerse de forma permanente y que obliga a realizar moderadas


inversiones en recursos humanos y materiales.

El Asset Management no se puede aplicar de la noche a la maana y sus


beneficios tardarn en responder alrededor de dos aos segn el tipo de
organizacin. Por lo tanto, se trata de un proceso a medio y largo plazo que
requiere paciencia en la espera. An as, la evolucin dentro del proceso se
debe controlar para que la empresa pueda evaluarse y tener unas pautas a
seguir. Aqu es donde nace el concepto de Madurez, escala de niveles en la
que la organizacin asciende hacia la excelencia.

Cada nivel posee unas caractersticas y un mtodo de evaluacin que permite


pasar al siguiente. La organizacin de mantenimiento de la empresa debe
seguir las especificaciones de cada uno de ellos, lo que le conllevar asumir
riesgos, reestructurar la organizacin, cambiar las metodologas de trabajo
hasta convertirlas en una nica y ser capaz de cambiar la cultura de todas las
personas que la forman.

Es importante que se comprendan desde el principio los riesgos que entraa la


implementacin y que se tomen las medidas adecuadas desde las primeras
fases de la planificacin para reconocer, evitar o reducir al mnimo estos
riesgos.

7.- CONCLUSIN

La gestin integral de activos respalda efectivamente el desempeo de las


organizaciones, incrementando la vida econmica y til de los activos,
aumentando los beneficios de produccin, reduciendo costos de
mantenimiento, optimizando el uso de la energa, reduciendo riesgos para la
empresa, aumentando la fiabilidad de los de los sistemas, equipos y
componentes. Si la organizacin tiene la suficiente madurez en el Asset
Management, implica que se encuentra perfectamente preparada y en
condiciones para implementar las estrategias requeridas para planificar,
evaluar, realizar, verificar, corregir y mejorar continuamente para lograr los
objetivos de la organizacin. Por lo tanto, es imprescindible para el xito y
14
XIII CONGRESO DE CONFIABILIDAD

mejora de la gestin de activos que la organizacin se evale o autoevale el


nivel de madurez de su desempeo.

La PAS 55 Metodologa de Evaluacin (PAM) permite a las organizaciones


para llevar a cabo una autoevaluacin y anlisis de las carencias" de sus
prcticas actuales de gestin de activos con BSI PAS 55:2008.

8.- REFERENCIAS.

Andersen & Jessen, (2003), International Journal of Project Management


21, 457461, Project maturity in organizations, Norwegian School of
Management BI, PO Box 580, N-1302 Sandvika.

Amendola L., (2004). Aplicaciones Industriales de PMM Institute for


Learning.

Amendola. L, (2010). Cundo saber que tu planta & organizacin


requieren un Assessment?, Gerencia de Activos Fsicos PMM
Metodologa + PAS 55

Amendola. L, (2009). Operacionalizando la Estrategia, Ediciones PMM


Institute for Learning, ISBN: 978-84-935668-5-2, Valencia, Espaa.

British Standards Institution. PAS 55-1:2008 (2008). Gestin de Activos


Asset Management. Parte 1: Especificaciones para la Gestin
Optimizada de Activos Fsicos. The Institute of Asset Management. ISBN:
978-0-9563934-0-1.

British Standards Institution. PAS 55-2:2008 (2008). Gestin de Activos


Asset Management. Parte 2: Directrices para la Aplicacin de la PAS
55-1. The Institute of Asset Management, ISBN: 978-0-9563934-2-5.

Cassanelli Anbaly Muoz Maximiliano (2007). Madurez de una PYME en


Gestin de Proyecto. Universidad Nacional de Mar del Plata, Argentina.

Skulmoski, G., (2001). Project maturity and competence interface, Cost


Engineering, vol. 43, no. 6, p. 11-18.

15
XIII CONGRESO DE CONFIABILIDAD

Webster's, M., (2010). Advanced Learner's Dictionary, ISBN: 978-0-


87779-855-2

16

Você também pode gostar