Escolar Documentos
Profissional Documentos
Cultura Documentos
Impreso en Espaa
Queda prohibida la reproduccin de la obra o partes de la misma por cualquier medio sin la
preceptiva autorizacin previa.
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
RESUMEN
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.
MKBF =
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:
Tasa de averas
Nivel
(Averas/Km)
1 3x10-4
2 3x10-5
3 1x10-5
4 4x10-6
5 8x10-7
3
XIII CONGRESO DE CONFIABILIDAD
Con esto, cada elemento tendr una tasa de fallos, y sta contribuir a las tasas
de averas, pudiendo darse los siguientes casos:
4
XIII CONGRESO DE CONFIABILIDAD
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.
5
XIII CONGRESO DE CONFIABILIDAD
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).
6
XIII CONGRESO DE CONFIABILIDAD
7
XIII CONGRESO DE CONFIABILIDAD
Para cada modo de fallo, obtener los efectos locales y sobre el vehculo,
orientados al servicio.
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:
9
XIII CONGRESO DE CONFIABILIDAD
Figura 2 Probabilidad de fallo con mantenimiento y sin mantenimiento preventivo con una nica
tasa 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 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.
PF(t) = 1 R(t)
10
XIII CONGRESO DE CONFIABILIDAD
Figura 3 Probabilidad de fallo con mantenimiento y sin mantenimiento preventivo con dos tasas
de averas distintas
Entonces:
11
XIII CONGRESO DE CONFIABILIDAD
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:
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:
12
XIII CONGRESO DE CONFIABILIDAD
3 EJEMPLO
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
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.
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
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.
15
XIII CONGRESO DE CONFIABILIDAD
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
17
XIII CONGRESO DE CONFIABILIDAD
Tabla 5 Resumen del clculo de los periodos de mantenimiento preventivo mnimo para cada
nivel de avera.
18
XIII CONGRESO DE CONFIABILIDAD
4 CONCLUSIONES
19
XIII CONGRESO DE CONFIABILIDAD
5 REFERENCIAS
20
PONENCIA 3
RESUMEN:
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
XIII CONGRESO DE CONFIABILIDAD
planificar la tarea de mantenimiento idnea para maximizar su ciclo de vida
y en la ventana de recurso ms adecuada.
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.
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
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
6
XIII CONGRESO DE CONFIABILIDAD
7
XIII CONGRESO DE CONFIABILIDAD
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
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
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
3
XIII CONGRESO DE CONFIABILIDAD
4
XIII CONGRESO DE CONFIABILIDAD
5
XIII CONGRESO DE CONFIABILIDAD
6
XIII CONGRESO DE CONFIABILIDAD
7
XIII CONGRESO DE CONFIABILIDAD
8
XIII CONGRESO DE CONFIABILIDAD
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.
9
XIII CONGRESO DE CONFIABILIDAD
10
XIII CONGRESO DE CONFIABILIDAD
11
XIII CONGRESO DE CONFIABILIDAD
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
13
PONENCIA 6
RESUMEN
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.
1
XIII CONGRESO DE CONFIABILIDAD
1. INTRODUCCIN Y OBJETIVO
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
2
XIII CONGRESO DE CONFIABILIDAD
3
XIII CONGRESO DE CONFIABILIDAD
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:
4
XIII CONGRESO DE CONFIABILIDAD
5
XIII CONGRESO DE CONFIABILIDAD
6
XIII CONGRESO DE CONFIABILIDAD
terminales porttiles para el uso en campo de la aplicacin por parte del personal
operario.
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.
7
XIII CONGRESO DE CONFIABILIDAD
8
XIII CONGRESO DE CONFIABILIDAD
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
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
9
XIII CONGRESO DE CONFIABILIDAD
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:
10
XIII CONGRESO DE CONFIABILIDAD
11
XIII CONGRESO DE CONFIABILIDAD
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.
Aparte de los tres desarrollos comentados, se extractan algunos de los otros desarrollos
implementados en el Evolutivo:
12
XIII CONGRESO DE CONFIABILIDAD
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.
13
XIII CONGRESO DE CONFIABILIDAD
14
XIII CONGRESO DE CONFIABILIDAD
3.2 Tele-mantenimiento.
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...)
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
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.
17
XIII CONGRESO DE CONFIABILIDAD
18
XIII CONGRESO DE CONFIABILIDAD
19
XIII CONGRESO DE CONFIABILIDAD
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
Frecuencia de eventos:
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:
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
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).
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
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
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
22
XIII CONGRESO DE CONFIABILIDAD
23
XIII CONGRESO DE CONFIABILIDAD
Una parte importante del nuevo modelo de gestin del mantenimiento radica en la
fiabilidad de los datos.
El pasado
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)
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...
24
XIII CONGRESO DE CONFIABILIDAD
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:
1
La estandarizacin de la introduccin de datos, mediante Formacin al personal.
25
XIII CONGRESO DE CONFIABILIDAD
6. 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):
26
XIII CONGRESO DE CONFIABILIDAD
27
XIII CONGRESO DE CONFIABILIDAD
Gestionar cursos
CURSO Impartido por
Vibraciones IRM - Preditec
Medidas elctricas D+TEC
28
XIII CONGRESO DE CONFIABILIDAD
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).
30
PONENCIA 8
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
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
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
2
XIII CONGRESO DE CONFIABILIDAD
3
XIII CONGRESO DE CONFIABILIDAD
Figura 1 Elementos del sistema de gestin de activos segn PAS 55-1:2008 (PAS 55-
1, 2008)
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.
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
XIII CONGRESO DE CONFIABILIDAD
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
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
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
Michel Guerra
ANALISIS MEGAVARIANTE.
Aplicacion a la industria plastica.
Michel Guerra
Noviembre 2011
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
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).
10
Figura 14: Scores coloreados seg
un operacion. En rojo calentamiento, verde enfriamiento,
azul pausa y negro operacion.
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
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.
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
20
Figura 25: Representacion de scores. Los puntos detectados como outliers estan enmar-
cados en rojo.
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.
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
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
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.
1
XIII CONGRESO DE CONFIABILIDAD
1. INTRODUCCIN
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
3
XIII CONGRESO DE CONFIABILIDAD
4
XIII CONGRESO DE CONFIABILIDAD
3. PARAMETROS DE CONFIABILIDAD
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
(2)
6
XIII CONGRESO DE CONFIABILIDAD
(3)
(4)
(5)
7
XIII CONGRESO DE CONFIABILIDAD
4. CASO DE APLICACIN
8
XIII CONGRESO DE CONFIABILIDAD
Tasa
N MTCM Indisponibilidad
Fallo
fallos/averas [horas] (10-5)
[ao-1]
Sistema Control 13
0,176 7,13 0,143
Orientacin
9
XIII CONGRESO DE CONFIABILIDAD
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
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%).
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
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.
11
XIII CONGRESO DE CONFIABILIDAD
4.3 Indisponibilidad
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
12
XIII CONGRESO DE CONFIABILIDAD
5. COMPARATIVA EUROPEA
13
XIII CONGRESO DE CONFIABILIDAD
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
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
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
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
Freno Mecnico
60 Multiplicadora
Sensores/SMP
Sistema Control
Sistema Elctrico
20
Transformador
Generador
0
Suecia Alemania Finlandia Espaa Rotor (MDA)/Sistema Cambio Paso
MTCM [%]
otros
100
Carcasa/Torre
90
Sistema Control Orientacin
80
Sistema Hidrulico
70
Freno Mecnico
60
Multiplicadora
50 Sensores/SMP
30 Sistema Control
20 Sistema Elctrico
Transformador
10
Generador
0
Suecia Alemania Finlandia Espaa Rotor (MDA)/Sistema Cambio Paso
Indisponibilidad [%]
otros
100
Carcasa/Torre
90
Sistema Control Orientacin
80
Sistema Hidrulico
70
Freno Mecnico
60
Multiplicadora
50 Sensores/SMP
30 Sistema Control
20 Sistema Elctrico
Transformador
10
Generador
0
Suecia Alemania Finlandia Espaa Rotor (MDA)/Sistema Cambio Paso
16
XIII CONGRESO DE CONFIABILIDAD
17
XIII CONGRESO DE CONFIABILIDAD
6. CONCLUSIONES
18
XIII CONGRESO DE CONFIABILIDAD
7. BIBLIOGRAFIA
19
PONENCIA 12
RESUMEN
1. INTRODUCCIN
1
XIII CONGRESO DE CONFIABILIDAD
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.
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
2. MARCO TERICO
3
XIII CONGRESO DE CONFIABILIDAD
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.
4
XIII CONGRESO DE CONFIABILIDAD
5
XIII CONGRESO DE CONFIABILIDAD
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
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.
7
XIII CONGRESO DE CONFIABILIDAD
8
XIII CONGRESO DE CONFIABILIDAD
9
XIII CONGRESO DE CONFIABILIDAD
10
XIII CONGRESO DE CONFIABILIDAD
Estructura utilizada
11
XIII CONGRESO DE CONFIABILIDAD
12
XIII CONGRESO DE CONFIABILIDAD
Poblacin objetivo
Enfoque de la competencia
13
XIII CONGRESO DE CONFIABILIDAD
Niveles de Competencia
Lder de Negocios
o ICB: 4 niveles: A, B, C y D
14
XIII CONGRESO DE CONFIABILIDAD
Visin de la persona
Anlisis de Rigor
15
XIII CONGRESO DE CONFIABILIDAD
4. CONCLUSIONES
16
XIII CONGRESO DE CONFIABILIDAD
17
XIII CONGRESO DE CONFIABILIDAD
5. REFERENCIAS NORMATIVAS
18
XIII CONGRESO DE CONFIABILIDAD
19
PONENCIA 13
VISION GERENCIAL
DEL MANTENIMIENTO
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
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.
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)
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
RESUMEN
1. ANTECEDENTES
1
XIII CONGRESO DE CONFIABILIDAD
2
PONENCIA 15
Preditec/IRM
RESUMEN
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
2
XIII CONGRESO DE CONFIABILIDAD
3
XIII CONGRESO DE CONFIABILIDAD
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
Tr a ba j o
Fa llos / Rot u r a s
e j e cut a do
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.
4
XIII CONGRESO DE CONFIABILIDAD
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.
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.
5
XIII CONGRESO DE CONFIABILIDAD
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
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
8
XIII CONGRESO DE CONFIABILIDAD
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.
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.
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
12
XIII CONGRESO DE CONFIABILIDAD
AUDITAR EL PROCESO
Debemos por tanto medir para seguir mejorando, medir para valorar nuestro
esfuerzo, para cuantificar nuestros xitos, para detectar nuestros errores y
corregirlos cuanto antes
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.
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.
14
XIII CONGRESO DE CONFIABILIDAD
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.
15
XIII CONGRESO DE CONFIABILIDAD
16
XIII CONGRESO DE CONFIABILIDAD
EN DEFINITIVA
17
PONENCIA 16
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
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
XIII CONGRESO DE CONFIABILIDAD
Configuration/Planning
Machine
Daily monitoring
Monitoring Industrial Plant/ Transport Fleet
Off -line data collection
Trobleshooting Production scheduling/
Data collection Maintenance
Abnormality detection Plant/Fleet expertise
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
4
XIII CONGRESO DE CONFIABILIDAD
5
XIII CONGRESO DE CONFIABILIDAD
6
XIII CONGRESO DE CONFIABILIDAD
Ilustracin 2. Correlacin entre los niveles OSA-CBM y los niveles de actividad ISO, de acuerdo con el
estndar. (ISO 13374)
7
XIII CONGRESO DE CONFIABILIDAD
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
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
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
A.L. lamo
B. Galvn
M. Mndez
G. Winter
A.L. lamo
B. Galvn
M. Mndez
G. Winter
1.- RESUMEN
1
XIII CONGRESO DE CONFIABILIDAD
2
XIII CONGRESO DE CONFIABILIDAD
3
XIII CONGRESO DE CONFIABILIDAD
4
XIII CONGRESO DE CONFIABILIDAD
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.
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)).
Nivel 1:
Definicin/diseo del modelo
Proceso 6 : Evaluacin
6
XIII CONGRESO DE CONFIABILIDAD
7
XIII CONGRESO DE CONFIABILIDAD
8
XIII CONGRESO DE CONFIABILIDAD
9
XIII CONGRESO DE CONFIABILIDAD
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
11
XIII CONGRESO DE CONFIABILIDAD
Monitorizacin.
12
XIII CONGRESO DE CONFIABILIDAD
MANTENIMIENTO
PRODUCCIN
MERCADO
13
XIII CONGRESO DE CONFIABILIDAD
Nivel 0
Nivel 2: F. de Operacin
- Monitorizacin
- Modelizacin
14
XIII CONGRESO DE CONFIABILIDAD
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
Respuesta altamente
optimizada estmulo i
(Fenotipo optimizado del
sistema)
15
XIII CONGRESO DE CONFIABILIDAD
16
XIII CONGRESO DE CONFIABILIDAD
17
XIII CONGRESO DE CONFIABILIDAD
18
XIII CONGRESO DE CONFIABILIDAD
BIBLIOGRAFA.
[8] Kawauchi, Y.,Rausand, M., 1999. Life-Cycle Cost analysis in oil and
chemical process industries.
19
XIII CONGRESO DE CONFIABILIDAD
20
PONENCIA 19
1
Grupo de Ingeniera de Fabricacin y Metrologa Avanzada
1
Grupo de Ingeniera de Fabricacin y Metrologa Avanzada
2
ZLC Zaragoza Logistics Center, Instituto de Investigacin en Logstica, Zaragoza
3
Division of Operation and Maintenance Engineering
RESUMEN
1
XIII CONGRESO DE CONFIABILIDAD
1.- INTRODUCCIN
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.
3
XIII CONGRESO DE CONFIABILIDAD
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.
4
XIII CONGRESO DE CONFIABILIDAD
5
XIII CONGRESO DE CONFIABILIDAD
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
7
XIII CONGRESO DE CONFIABILIDAD
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.
8
XIII CONGRESO DE CONFIABILIDAD
9
XIII CONGRESO DE CONFIABILIDAD
no utilizada
o Los fungibles;
10
XIII CONGRESO DE CONFIABILIDAD
11
XIII CONGRESO DE CONFIABILIDAD
12
XIII CONGRESO DE CONFIABILIDAD
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 )
C g = C i + C f + C a + C si
13
XIII CONGRESO DE CONFIABILIDAD
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 i _ indirectos = ci _ indirectos T
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.
14
XIII CONGRESO DE CONFIABILIDAD
Donde
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
15
XIII CONGRESO DE CONFIABILIDAD
FINANZAS CLIENTES
BASES DEL
OBJETIVOS ESTRATEGIA
CMI
FORMACIN
PROCESOS
OBJETIVOS
Y
INTERNOS CRECIMIENTO
16
XIII CONGRESO DE CONFIABILIDAD
d
da
b ili
i
on
sp
di
la
de
a
or
ej
M
17
XIII CONGRESO DE CONFIABILIDAD
Costes de mantenimiento
Disponibilidad requerida por operaciones
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.
19
XIII CONGRESO DE CONFIABILIDAD
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.
20
XIII CONGRESO DE CONFIABILIDAD
21
XIII CONGRESO DE CONFIABILIDAD
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
7.- CONCLUSIONES
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.
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.
Diaz, A. & Fu, M.C. (1995). Multi-Echelon Models for Repairable Items: A
Review. College Park, MD: University of Maryland, Institute for Systems
Research
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.
25
XIII CONGRESO DE CONFIABILIDAD
26
PONENCIA 20
RESUMEN
1
XIII CONGRESO DE CONFIABILIDAD
1.- INTRODUCCIN
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.
2
XIII CONGRESO DE CONFIABILIDAD
3
XIII CONGRESO DE CONFIABILIDAD
4
XIII CONGRESO DE CONFIABILIDAD
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)
6
XIII CONGRESO DE CONFIABILIDAD
Figura 3: Metodologa de Anlisis de los Datos PMM Instituto for Learning (Amendola, L,
2004).
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
8
XIII CONGRESO DE CONFIABILIDAD
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
10
XIII CONGRESO DE CONFIABILIDAD
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.
11
XIII CONGRESO DE CONFIABILIDAD
5. CONCLUSIONES
12
XIII CONGRESO DE CONFIABILIDAD
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
13
XIII CONGRESO DE CONFIABILIDAD
14
PONENCIA 22
G. Olmo
D. Galar
L. Berges
Universidad de Zaragoza
XIII CONGRESO DE CONFIABILIDAD
RESUMEN
1
XIII CONGRESO DE CONFIABILIDAD
2
XIII CONGRESO DE CONFIABILIDAD
1. INTRODUCCIN
3
XIII CONGRESO DE CONFIABILIDAD
4
XIII CONGRESO DE CONFIABILIDAD
5
XIII CONGRESO DE CONFIABILIDAD
Estimacin
Prediccin RUL
del
Situacin rendimiento Evaluacin
del
actual rendimiento
Evaluacin
referencial
6
XIII CONGRESO DE CONFIABILIDAD
7
XIII CONGRESO DE CONFIABILIDAD
8
XIII CONGRESO DE CONFIABILIDAD
Caracterstica Definicin
2 RMS RMS = 1 n
( xi )2
n i=1
4 Valor Kurtosis 1 n
Kv= ( xi x )4
n i =1
RMS 4
negativa
9
XIII CONGRESO DE CONFIABILIDAD
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
11
XIII CONGRESO DE CONFIABILIDAD
I II
III
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:
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
13
XIII CONGRESO DE CONFIABILIDAD
4. ESTIMACIN DE LA TRAYECTORIA
14
XIII CONGRESO DE CONFIABILIDAD
15
XIII CONGRESO DE CONFIABILIDAD
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
Failure
threshold
crossing
Failure
threshold
Operational
threshold
crossing
Operational
threshold
Detection
threshold
RUL
Feature value
TTF
Time
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.
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.
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.
19
XIII CONGRESO DE CONFIABILIDAD
20
XIII CONGRESO DE CONFIABILIDAD
21
XIII CONGRESO DE CONFIABILIDAD
CONCLUSIONES
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.
22
XIII CONGRESO DE CONFIABILIDAD
REFERENCIAS
Hsu CW, Lin CJ. A comparison of methods for multiclass support vector
machines. IEEE T Neural Networ. 2002;13:415-25.
23
PONENCIA 23
(*)
S. Martorell, M. Villamizar, A.I. Snchez
RESUMEN
3
XIII CONGRESO DE CONFIABILIDAD
1.- INTRODUCCIN
4
XIII CONGRESO DE CONFIABILIDAD
Indisponibilidad
u mision (x ) = 1 e ( h )
(1)
1
ur(x) = + T
2 (2)
ut (x) =
T (3)
u m(x) =
M (4)
ud (x) = (5)
5
XIII CONGRESO DE CONFIABILIDAD
h Tiempo de misin
T Intervalo de pruebas,
6
XIII CONGRESO DE CONFIABILIDAD
= 0 + M (( z ) ) [1 + (1 ) ( f RP 1)]
2
2 (6)
2 ( 2 )
= 0 + M (( z ) )
2 (7)
Coste
8760
ct (x) = ct
T
donde ct = (c prueba [ h ] d prueba [ h ] N grupos de componente s por tren ) (8)
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
( + T ) cc
8760
c c ( x) =
T
donde cc = ((ccorrectivo [ h ] d correctivo [ h ] + cmaterial por correctivo ) N componente s del sistema ) (10)
( + 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
8
XIII CONGRESO DE CONFIABILIDAD
N o (i )
U = uij (T j , M j )
i =1 j =1
(15)
9
XIII CONGRESO DE CONFIABILIDAD
N o (i )
C = cij (T j ,M j )
i =1 j =1 (16)
10
XIII CONGRESO DE CONFIABILIDAD
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
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.
11
XIII CONGRESO DE CONFIABILIDAD
12
XIII CONGRESO DE CONFIABILIDAD
1FOPRATWSH Error humano actuacin sistema de disparo reactor Demanda 1,66E-01 1,66E-01
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
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
1IKPR0BRKL FCC Apertura Interruptor de Disparo del Reactor Fallos aleatorios 6,46E-08 720 2,33E-05
15
XIII CONGRESO DE CONFIABILIDAD
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
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
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.
tren
17
XIII CONGRESO DE CONFIABILIDAD
1
Interruptor de Disparo (52/RTA y 52/RTB) Interruptor 20 5.33 0 M =12960 596
de By pass
3
Fusibles (1,2,5,6) asociado a los Rel SHUNT 20 1 0 M =12960 14
Interruptores de Potencia
16.34 22,086 4 538.02 =6,45E-05 1.411 = 28.2747
Fusibles (1,2,5,6) asociado a los Rel 18.68 1.75 6 5.42 T3=1440 5,326
SHUNT
18
XIII CONGRESO DE CONFIABILIDAD
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
Tabla 12. Parmetros de coste por parada de planta por agrupacin de componentes
K2 =T1/T1IKPR0BRKL
19
XIII CONGRESO DE CONFIABILIDAD
Interruptores de Potencia
1<K2<3
20
XIII CONGRESO DE CONFIABILIDAD
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
Tabla 14. Tiempo entre pruebas y mantenimientos optimas para cada agrupacin de
componentes.
21
XIII CONGRESO DE CONFIABILIDAD
2,00E-06
AGRADECIMIENTOS
CONCLUSIONES
22
XIII CONGRESO DE CONFIABILIDAD
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.
Levy, I.S., Wreathall, J., DeMoss, G., Wolford, A., Collins, E.P. & Jarrell,
D.B.
23
XIII CONGRESO DE CONFIABILIDAD
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.
@RISK 5.5. Risk Analysis and Simulation Add- In for Microsoft Excel,
Palisade Corporation. Version 5.5. May 2009
24
PONENCIA 24
Universidad de Granada
E-mail: rperezo@ugr.es
Becaria de investigacin
RESUMEN
1. INTRODUCCIN
Las distribuciones que hemos utilizado para los ajustes son las distribuciones
tipo-fase, que ya han probado su utilidad en este tipo de operacin.
2
XIII CONGRESO DE CONFIABILIDAD
operativo
reparacin
tiempo
3
XIII CONGRESO DE CONFIABILIDAD
0.0195 0.0176
1 = (0.1144,0.8856), T1 =
0.0146 0.0280
4
XIII CONGRESO DE CONFIABILIDAD
0.9
0.8
0.7
0.6
Probabilidad
0.5
0.4
0.3
0.2
0.0144 0.0136
2 = (0.0695,0.9305), T2 =
0.0212 0.0404
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
0.0124 0.0113
3 = (0.5368,0.4632), T3 =
0.0008 0.0109
6
XIII CONGRESO DE CONFIABILIDAD
0.9
0.8
0.7
0.6
P robabilidad
0.5
0.4
0.3
0.2
0.0464 0.0464
4 = (0.9024,0.0976), T4 =
0.0019 0.0134
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
0.1184 0.1175
5 = (0.0467,0.9533), T5 =
0.1845 0.2147
8
XIII CONGRESO DE CONFIABILIDAD
0.9
0.8
0.7
0.6
Probabilidad
0.5
0.4
0.3
0.2
Tabla 6. Tiempo medio (en das) estimados y observados de los cinco primeros ciclos
Ciclo 1 Ciclo 2 Ciclo 3 Ciclo 4 Ciclo 5
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.
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
Lo mismo se hace con los tiempos observados de 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
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%.
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
11
XIII CONGRESO DE CONFIABILIDAD
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%.
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
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.
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.
renovaciones
Y Y Y Y Y Y
t tiempo
13
XIII CONGRESO DE CONFIABILIDAD
Esta nueva variable aleatoria Y sigue una distribucin PH(,L) de orden 10,
siendo
14
XIII CONGRESO DE CONFIABILIDAD
15
XIII CONGRESO DE CONFIABILIDAD
P(n,t)e,
16
XIII CONGRESO DE CONFIABILIDAD
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
17
XIII CONGRESO DE CONFIABILIDAD
AGRADECIMIENTOS
REFERENCIAS
18
PONENCIA 25
A. Snchez
S. Carlos
S. Martorell
I. Martn
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
U( x ) u ( x ) (1)
j k jk
t
uo ( x) = 1 e 0 (2)
u ( x) = ( + + ) (3)
mc
2
XIII CONGRESO DE CONFIABILIDAD
u (x ) = (4)
mp M
C ( x) = C ( x) + C ( x) (5)
m r
C ( x) = c ( x) (6)
m i
i
c (x ) = ch (7)
mp M mp
c ( x ) = ch (8)
mc mc
c ( x) = c ( x) + c ( x) + c ( x) + c ( x) (9)
r a c nr ex
3
XIII CONGRESO DE CONFIABILIDAD
fit (t ) worst (t )
m (t) = i i = 1,2,...n (10)
i best (t ) worst (t ) 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 ) +
M i (t ) =
mi (t )
n max
(14)
m j (t )
j )1
n max
M j (t )
ai (t ) = G (t ) rand j ( x j xi ) (15)
j =1 Rij (t ) +
5
XIII CONGRESO DE CONFIABILIDAD
Evaluar aptitud
de todos los agentes
NO
Se verifica el criterio de fin?
SI
Mejor solucin
4. CASO DE APLICACIN
6
XIII CONGRESO DE CONFIABILIDAD
x = {M, n1 , n2 , n3 , n4 }
7
XIII CONGRESO DE CONFIABILIDAD
5. CONCLUSIONES
AGRADECIMIENTOS
REFERENCIAS
8
XIII CONGRESO DE CONFIABILIDAD
Lindqvist M., Lundin J. Spare Part Logistics and Optimization for Wind Turbines.
Thesis. (2010).
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
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).
1 1
XIII CONGRESO DE CONFIABILIDAD
XIII CONGRESO DE CONFIABILIDAD
1 2
XIII CONGRESO DE CONFIABILIDAD
XIII CONGRESO DE CONFIABILIDAD
(1)
(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
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
A2 k ( pv c)(1 I a ), (2c)
1 4
XIII CONGRESO DE CONFIABILIDAD
XIII CONGRESO DE CONFIABILIDAD
tw
E u (t , t g ) A2 [1 e A1tw ] A4 F (t w ) A5 (1
o
t
tw
) f (t | X )dt (4)
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)
1 5
XIII CONGRESO DE CONFIABILIDAD
XIII CONGRESO DE CONFIABILIDAD
(6)
1 6
XIII CONGRESO DE CONFIABILIDAD
XIII CONGRESO DE CONFIABILIDAD
(7)
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
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
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
1 9
XIII CONGRESO DE CONFIABILIDAD
XIII CONGRESO DE CONFIABILIDAD
1 10
XIII CONGRESO DE CONFIABILIDAD
XIII CONGRESO DE CONFIABILIDAD
Referencias
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.
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.
1 12
XIII CONGRESO DE CONFIABILIDAD
XIII CONGRESO DE CONFIABILIDAD
1 13
PONENCIA 27
1
2
XIII CONGRESO DE CONFIABILIDAD
INFERENCIA PLAUSIBLE Y
RESUMEN
1
XIII CONGRESO DE CONFIABILIDAD
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
3
XIII CONGRESO DE CONFIABILIDAD
4
XIII CONGRESO DE CONFIABILIDAD
5
XIII CONGRESO DE CONFIABILIDAD
6
XIII CONGRESO DE CONFIABILIDAD
4 EL SISTEMA L-R
7
XIII CONGRESO DE CONFIABILIDAD
8
XIII CONGRESO DE CONFIABILIDAD
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.
9
XIII CONGRESO DE CONFIABILIDAD
10
XIII CONGRESO DE CONFIABILIDAD
M = R -L,
R+L
S= .
2
11
XIII CONGRESO DE CONFIABILIDAD
12
XIII CONGRESO DE CONFIABILIDAD
13
XIII CONGRESO DE CONFIABILIDAD
14
XIII CONGRESO DE CONFIABILIDAD
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.
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
16
XIII CONGRESO DE CONFIABILIDAD
17
XIII CONGRESO DE CONFIABILIDAD
18
XIII CONGRESO DE CONFIABILIDAD
10 REFERENCIAS
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.
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.
20
PONENCIA 28
RESUMEN
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.
2
XIII CONGRESO DE CONFIABILIDAD
Paso 1: EFECTIVIDAD
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
2. CONCEPTO DE TECNOLOGAS-E
3
XIII CONGRESO DE CONFIABILIDAD
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.
5
XIII CONGRESO DE CONFIABILIDAD
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
6
XIII CONGRESO DE CONFIABILIDAD
7
XIII CONGRESO DE CONFIABILIDAD
8
XIII CONGRESO DE CONFIABILIDAD
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
9
XIII CONGRESO DE CONFIABILIDAD
10
XIII CONGRESO DE CONFIABILIDAD
4. CONCLUSIONES
5. BIBLIOGRAFIA
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.
[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
XIII CONGRESO DE CONFIABILIDAD
13
PONENCIA 29
RESUMEN
1
XIII CONGRESO DE CONFIABILIDAD
1. INTRODUCCIN
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.
3
XIII CONGRESO DE CONFIABILIDAD
4
XIII CONGRESO DE CONFIABILIDAD
5
XIII CONGRESO DE CONFIABILIDAD
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
(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
4. MTRICAS DE RIESGO
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
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
donde, la FDNM est dada por la ecuacin (6). Rescribiendo la ecuacin (7)
utilizando la ecuacin (6) y (8) se obtiene:
9
XIII CONGRESO DE CONFIABILIDAD
10
XIII CONGRESO DE CONFIABILIDAD
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.
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.
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.
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.
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.
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
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
16
XIII CONGRESO DE CONFIABILIDAD
17
XIII CONGRESO DE CONFIABILIDAD
18
XIII CONGRESO DE CONFIABILIDAD
19
XIII CONGRESO DE CONFIABILIDAD
20
XIII CONGRESO DE CONFIABILIDAD
AGRADECIMIENTOS
21
XIII CONGRESO DE CONFIABILIDAD
REFERENCIAS
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.
22
XIII CONGRESO DE CONFIABILIDAD
23
PONENCIA 31
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
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
1. Estudio b
asico. Para obtener el tiempo de paro previsto.
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.
2.2. 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.
3
Existen actividades jamas realizadas.
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.
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:
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:
Comprobacion de que los recursos existentes puedan llevar a cabo las actuaciones
en el tiempo determinado anteriormente (ver si estan sobreasignados o no).
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.
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
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
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).
5.4. 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.
11
(a) (b)
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
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 %.
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.
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.
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
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.
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;
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
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).
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
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.
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.
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:
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);
[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;
23
PONENCIA 32
RESUMEN
1
XIII CONGRESO DE CONFIABILIDAD
1. INTRODUCCIN
2
XIII CONGRESO DE CONFIABILIDAD
Los anlisis se realizan una sola vez, sin continuidad en el tiempo o sin
un criterio de priorizacin.
3
XIII CONGRESO DE CONFIABILIDAD
Los procesos de trabajo APM diseados para conseguir dichos objetivos son:
2. FUNDAMENTOS DE APM
4
XIII CONGRESO DE CONFIABILIDAD
5
XIII CONGRESO DE CONFIABILIDAD
Recomendaciones Pendientes
o Por revisor
o Por asignatario/cesionario
o Por activo
o Por asignatario/cesionario
o Por activo
6
XIII CONGRESO DE CONFIABILIDAD
7
XIII CONGRESO DE CONFIABILIDAD
Para poder lograr una ptima gestin del desempeo de los activos, es
necesario contar con informacin histrica:
o Condicin de activos
o Monitorizacin en lnea
o Alarmas y eventos
o Planificacin y programacin
o rdenes de trabajo
o Historial de mantenimiento
8
XIII CONGRESO DE CONFIABILIDAD
9
XIII CONGRESO DE CONFIABILIDAD
10
XIII CONGRESO DE CONFIABILIDAD
3. ELIMINACIN DE FALLAS
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.
11
XIII CONGRESO DE CONFIABILIDAD
4. ESTRATEGIA DE ACTIVOS
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.
12
XIII CONGRESO DE CONFIABILIDAD
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.
13
XIII CONGRESO DE CONFIABILIDAD
6. SISTEMAS DE SEGURIDAD
14
XIII CONGRESO DE CONFIABILIDAD
15
XIII CONGRESO DE CONFIABILIDAD
Fundamentos de APM:
o N de recomendaciones iniciadas
Eliminacin de Fallas:
o N de anlisis RCA
Estrategia de activos:
o N de estrategias creadas
o % de estrategias implementadas
Integridad Mecnica
o N de inspecciones vencidas
o N de incidentes de contencin
Seguridad de Activos
o N de anlisis HAZOP
o N de auditoras realizadas
16
XIII CONGRESO DE CONFIABILIDAD
8. CONCLUSIN
9. REFERENCIAS
Lin, S., Gao, J. y Koronios, A. The need for a data quality framework in
Asset Management.
17
XIII CONGRESO DE CONFIABILIDAD
18
PONENCIA 34
Susana Calvo
Jos Manuel Bielsa
Jos Luis Nez
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
0,07
Desplazamiento de 20 mm en direccin Y aplicado en el 0,06
0,05
mbolo.
0,04
0,03
Friction Coefficient
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
Fichero.inp
Fichero.odb
Metodologa para optimizacin de juntas de goma
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
Casquillo
Optimizacin de parmetros de
modelos micromecnicos
PONENCIA 35
Telmo Miranda, J.
Muoz Camacho, E.
Departamento de Ingeniera Industrial II
Autores
Telmo Miranda J. y Muoz Camacho E.
Departamento de Ingeniera Industrial II
Escuela Politcnica Superior. Universidad de A Corua
RESUMEN
1
XIII CONGRESO DE CONFIABILIDAD
1 INTRODUCCIN
2
XIII CONGRESO DE CONFIABILIDAD
El ciclo del anlisis por elementos finitos incluye cinco etapas diferenciadas, tal y
como se puede observar en la figura 3.
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.
3
XIII CONGRESO DE CONFIABILIDAD
2.1 Pre-procesado
4
XIII CONGRESO DE CONFIABILIDAD
2.3 Post-procesado
5
XIII CONGRESO DE CONFIABILIDAD
6
XIII CONGRESO DE CONFIABILIDAD
Figura 5
Figura 6
7
XIII CONGRESO DE CONFIABILIDAD
8
XIII CONGRESO DE CONFIABILIDAD
9
XIII CONGRESO DE CONFIABILIDAD
5 CONCLUSIONES
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
http://www.solidworks.com
11
PONENCIA 36
RESUMEN
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).
1.- INTRODUCCIN
2
XIII CONGRESO DE CONFIABILIDAD
3
XIII CONGRESO DE CONFIABILIDAD
4
XIII CONGRESO DE CONFIABILIDAD
5
XIII CONGRESO DE CONFIABILIDAD
6
XIII CONGRESO DE CONFIABILIDAD
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.
7
XIII CONGRESO DE CONFIABILIDAD
8
XIII CONGRESO DE CONFIABILIDAD
9
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).
11
XIII CONGRESO DE CONFIABILIDAD
Figura 7. Proceso de gestin del portafolio de activos a nivel organizacional (Amendola, L).
12
XIII CONGRESO DE CONFIABILIDAD
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.
13
XIII CONGRESO DE CONFIABILIDAD
7.- CONCLUSIN
8.- REFERENCIAS.
15
XIII CONGRESO DE CONFIABILIDAD
16