MANTENIMIENTO CENTRADO EN

CONFIABILIDAD USANDO MTODOS DE

SIMULACIN DEL CICLO DE VIDA
Juan Carlos Duarte Holgun, CMRP
Asset Management Solutions Ltda.
Gestin de Mantenimiento
El problema a solucionar en la Gestin de Mantenimiento
consiste en dos elementos claves:
Conocer claramente que tipo de acciones hay que tomar
sobre los activos (equipos), y
Estar en capacidad de ejecutarlas oportunamente.
En palabras sencillas: Saber qu hacer y estar en
capacidad de hacerlo .
Requerimientos del Negocio
Los gerentes de planta requieren que las decisiones de
mantenimiento:
Puedan ser justificados contra los objetivos del negocio
Puedan responder a ambientes cambiantes
Sean proactivas, no reactivas
Puedan ser validadas contra criterios cuantitativos
Puedan ser desafiadas abiertamente
Puedan ser medidas y mejoradas
Puedan ser planeadas e implementadas efectivamente
RCM
Mantenimiento
Centrado en
Confiabilidad
Modelo Analtico de Mantenimiento
RIM
Gestin de
Informacin de
Confiabilidad
RAM
Modelamiento de
Confiabilidad
SCM
Optimizacin de
Inventarios
Data
O&M
RCA
Anlisis de
Causa Raz
Informacin
codificada de
mantenimiento
Requerimiento
de ejecucin
de RCM
Requerimiento de
Optimizacin de
Inventarios
Estudio de
Optimizacin de
Inventarios
Reporte
RCA
Estrategia de
Mantenimiento
Optimizada
Requerimiento
de ejecucin
de RCA
Enfoque de Anlisis
Este enfoque analtico se convierte en una herramienta clave para
asegurar la efectividad de Procesos de Toma de Decisiones que:
Asignen responsabilidades claras y permitan la valoracin
cuantitativa de su cumplimiento y efectividad.
Identifiquen los ahorros de manera continua y consistente.
Cuantifiquen riesgos.
Pronostiquen fallas.
Sean fluidos y prcticos.
Aprovechen los beneficios de la tecnologa disponible en
Gestin de Activos.
Se enfoquen en el desempeo y den soporte a requerimientos
futuros
Uno de los conceptos fundamentales del
Mantenimiento Centrado en Confiabilidad (RCM)
es que las tareas de mantenimiento deben ser
enfocadas a soportar las Funciones del Sistema.
Con el fin de identificar la necesidad de efectuar
una tarea de mantenimiento necesitamos
determinar cundo fallan las funciones.
CONCEPTOS BSICOS DE RCM
FUNCIONES
Cuando se ha definido cualquiera de las funciones
de un sistema es necesario conocer los
estndares de desempeo requeridos
asociados con la operacin aceptable del sistema.
Una vez definidos estos estndares de desempeo
se puede determinar la manera en que las fallas
de los equipos afectarn la operacin de la funcin
(fallas funcionales).
Estas fallas funcionales pueden ser clasificadas en
fallas parciales o fallas totales.
FALLAS FUNCIONALES
D
e
s
e
m
p
e

o
Capacidad inicial de diseo
Falla Funcional Parcial Falla Funcional Total
Desempeo mnimo aceptable
Desempeo actual
Desempeo actual
FALLAS FUNCIONALES
D
e
s
e
m
p
e

o
Capacidad inicial de diseo
Desempeo mnimo aceptable
Con el fin de proteger los sistemas de la
ocurrencia de fallas funcionales, las tareas de
mantenimiento deben ser enfocadas para evitar la
ocurrencia de los modos de falla conocidos del
equipo que soporta la operacin de la funcin.
El tipo de tarea(s) que ser ms efectivo
depender de las caractersticas del modo de
falla. La investigacin estadstica ha permitido
identificar varios patrones de falla.
FALLAS DE EQUIPOS
Enfoque tradicional de mantenimiento
Edad
Desgaste
Mantenga antes que se desgaste
P
r
o
b
a
b
i
l
i
d
a
d

d
e

F
a
l
l
a
El problema es que la mayora de equipos no
se desgasta!!!
Edad Edad
P
r
o
b
a
b
i
l
i
d
a
d

d
e

F
a
l
l
a
P
r
o
b
a
b
i
l
i
d
a
d

d
e

F
a
l
l
a
Mortalidad Infantil
Mantenimiento basado en tiempo Incremento de
Riesgo y Costos!
P
r
o
b
a
b
i
l
i
d
a
d

d
e

F
a
l
l
a
t
Mantenimiento
MANTENIMIENTO CENTRADO EN
CONFIABILIDAD
El nacimiento del Mantenimiento Centrado
en Confiabilidad (RCM) fue reconocer la
importancia de conocer la curva de falla de
cada modo de falla antes de decidir cual
tarea de mantenimiento es aplicable.
PATRONES DE FALLA
Tiempo en servicio
P
r
o
b
a
b
i
l
i
d
a
d

d
e

f
a
l
l
a
Mortalidad infantil seguida de
desgaste normal
Desgaste normal
Probabilidad de falla incremental
Incremental seguida de aleatoria
Probabilidad de falla constante
(Aleatoria)
Mortalidad infantil seguida de
aleatorias
4%
2%
5% 68%
14%
7%
A
B
C
D
E
F
Nolan & Heap descubrieron 6 diferentes combinaciones de la curva
Weibull
FALLAS RELACIONADAS CON LA EDAD
Tiempo en servicio
P
r
o
b
a
b
i
l
i
d
a
d

d
e

f
a
l
l
a
A
B
C
Industria
de la
Aviacin
11%
FALLAS ALEATORIAS
Tiempo en servicio
P
r
o
b
a
b
i
l
i
d
a
d

d
e

f
a
l
l
a
D
E
F
Industria
de la
Aviacin
89%
FALLAS ALEATORIAS INCIPIENTES
Tiempo en servicio
P
r
o
b
a
b
i
l
i
d
a
d

d
e

f
a
l
l
a
Intervalo P-Fx
P Falla potencial detectada - F- La falla ocurre
Px
Py
Fx
Fy
X
Y
o
o
o
o
Intervalo P-Fy
Requerimientos mnimos de desempeo
FALLAS OCULTAS
Existen dos tipos distintos de fallas funcionales
que podemos esperar en nuestras equipos:
Fallas evidentes
Fallas ocultas
Las fallas evidentes sern conocidas para los
operadores y tcnicos bajo condiciones normales
de planta.
Las fallas ocultas requieren una falla simultnea
para revelar la falla inicial (fallas mltiples).
RELACIN ENTRE FALLAS Y TAREAS
Tipos de tareas de mantenimiento aplicables para las
diferentes clasificaciones de fallas existentes.
Tipo de
Tarea
Relacin
con la Edad
Aleatorias
Evidentes
(Sbitas)
Aleatorias
Ocultas
Aleatorias
Incipientes
Ninguna A A N/A A
CM A N/A N/A A
PDM A N/A N/A A
PM-NI A N/A N/A N/A
PM-T A N/A A N/A
PM-TBI A N/A N/A N/A
OPP A A A A
Relacin entre el comportamiento de las fallas y las
diferentes tareas de mantenimiento
Luz trasera
Llantas
Pintura
Aceite
Frenos
Luz
delantera
MANTENIMIENTO CENTRADO EN
CONFIABILIDAD
Luz trasera
Llantas
Pintura
Frenos
Luz delantera

Edad
Aceite
MANTENIMIENTO CENTRADO EN
CONFIABILIDAD
Frenos

Edad
Inspeccin visual (CM)
Cambio pastillas de frenos (PM-TBI)
MANTENIMIENTO CENTRADO EN
CONFIABILIDAD
Aceite

Edad
Inspeccin visual (CM)
Cambio de aceite (PM-TBI)
MANTENIMIENTO CENTRADO EN
CONFIABILIDAD
Pintura

Edad
Inspeccin Visual (CM)
Lavado y Encerada (PM-NI)
Cambio de Pintura (PM-TBI) ???
MANTENIMIENTO CENTRADO EN
CONFIABILIDAD
Llantas

Edad
Inspeccin visual (CM)
Medicin de presin (CM)
Alineacin y Balanceo (PM-NI)
Cambio de llantas / reencauche
(PM-TBI)
MANTENIMIENTO CENTRADO EN
CONFIABILIDAD
Luz trasera

Edad
Inspeccin visual (CM)
Prueba funcional (PM-T)
Cambio de bombillo (RTF)
MANTENIMIENTO CENTRADO EN
CONFIABILIDAD
Luz delantera

Edad
Inspeccin visual (CM)
Prueba funcional (PM-T)
Cambio de bombillo (RTF)
MANTENIMIENTO CENTRADO EN
CONFIABILIDAD
Modelo de Optimizacin de
Estrategias de Mantenimiento
Proceso de
Simulacin
Sistema de
Mantenimiento
Weibull
Equipos y
activos a
Mantener
RBD
FTA
FMECA
Contexto y
Condiciones de
Operacin
Respuesta
Satisfactoria?
Reformulacin
Estrategia
Alternativa
Implementacin
y Seguimiento
Respuesta
Modelo
La distribucin Weibull fue inventada en 1937 por Waloddi
Weibull mientras comparaba las ratas de mortalidad de
diferentes grupos poblacionales
Edad
Mortalidad
Infantil
Tiempo de Servicio
P
r
o
b
a
b
i
l
i
d
a
d

d
e

F
a
l
l
a
Desgaste
Aleatorio
Anlisis Weibull
Weibull invent una frmula que poda describir las diferentes
formas de la curva en cada una de sus tres zonas:

t
e R(t)

=
R(t) = Confiabilidad en el tiempo t
t = Tiempo considerado
= Vida Caracterstica
= Parmetro de Forma
Weibull de 2 parmetros
Anlisis Weibull
Edad Edad
Mortalidad
Infantil
Desgaste Aleatorio
El Parmetro de Forma ()
<1 <1
=1 =1
>1 >1
Anlisis Weibull
Anlisis Weibull
Para fallas aleatorias con rata de falla constante el 63.2% de los
componentes habrn fallado al alcanzar el MTTF. Este punto es
conocido como Vida Caracterstica ()
1
= MTTF
63.2%
La Vida Caracterstica ()
Si conocemos:
= la forma de la curva y
= la vida caracterstica
Podemos predecir el comportamiento del componente en
cualquier momento en el futuro.
Las curvas de falla puede ser determinadas a partir de:
Informacin de Ensayos
Historia
Juicio de Ingeniera (experiencia)
Anlisis Weibull
Por qu es importante la distribucin Weibull?
1. Es una de las ms ampliamente utilizadas.
2. Altamente flexible.
3. Se ajusta a la mayora de aplicaciones del mundo real:
La distribucin Weibull representa la vida de
componentes y partes, mientras que la distribucin
Exponencial representa la vida de ensambles y
sistemas.
Componentes mecnicos: rodamientos, motores,
estructuras simples, fatiga
Fallas donde factores qumicos son los mecanismos
predominantes (corrosin)
Anlisis Weibull
Anlisis Weibull
= 3.5 (Normal)
= 2.0 (Rayleigh)
= 1.0 (Exponencial)
= 0.5 (Hiperexponencial)
Edad
p
f
Probabilidad
de Falla
Componentes simples
Distribucin Weibull
Edad
p
f
Probabilidad
de Falla
Equipos y Sistemas Complejos
Distribucin Exponencial
Anlisis Weibull
Vida (hr) Bombillo
1 60
150
3
4
5
2
230
350
500
Anlisis a las 500 horas de
operacin
5 bombillos no han fallado a
las 500 horas!
5 suspensiones de 500
horas
Anlisis Weibull
Ubicacin de tiempos de falla en la Grfica Weibull
Grfica de Probabilidad Acumulativa de Falla
Anlisis Weibull
Grfica de la Rata de Falla ()
Anlisis Weibull
Diagramas de Confiabilidad de Bloques
Sistema en Serie
Sistema en Paralelo
Sistema con votacin k de n
Sistema Serie / Paralelo
Diagramas de Confiabilidad de Bloques
Diagramas para modelar prdidas de produccin
APILADOR RECLAMADOR APILADOR RECLAMADOR
ESTACION DE DESCARGA DEL TREN ESTACION DE DESCARGA DEL TREN
SILOS SILOS
TRACTORES TRACTORES
D D- -9L 9L
D D- -10R 10R
CARGADORES L CARGADORES L- -1100 1100
PLANTA DE CARBON PLANTA DE CARBON
MINADO DE CARBON MINADO DE CARBON
LINEA FERREA LINEA FERREA
PUERTO PUERTO
CAMIONES CARBONEROS CAMIONES CARBONEROS
PILAS DE CARBON Y MATERIAL DE PILAS DE CARBON Y MATERIAL DE
INTERFASE INTERFASE
PLANTA DE LAVADO PLANTA DE LAVADO
DESCARGA DESCARGA
ALIMENTADORES ALIMENTADORES
VIBRADORES VIBRADORES
60% 60%
40% 40% 55% 55%
TRITURADORAS TRITURADORAS
MANEJO DE CARBON MANEJO DE CARBON
CARGADOR LINEAL CARGADOR LINEAL
SAMPLING SAMPLING
SYSTEM SYSTEM
Diagrama Proceso Mina de Carbn
RBD Alto Nivel Mina de Carbn
La simulacin Monte Carlo sintetiza el desempeo de un
sistema sobre un nmero dado de corridas. Cada
corrida de simulacin emula la manera como el sistema
puede comportarse en la vida real, basado en
informacin de entrada suministrada por el usuario.
Los datos de entrada estn conformados por un
diagrama lgico del sistema y por parmetros
cuantitativos de falla y de mantenimiento. El diagrama
lgico describe la manera como las fallas de los
componentes interactan para causar fallas del sistema.
Simulacin Monte Carlo
Modelamiento de Confiabilidad
P-1002A/B/C
Bombas Booster
P&ID RBD
P-1002A
Distribucin Weibull
= 300 = 0.7
P-1002B
Distribucin Weibull
= 700 = 1.0
P-1002C
Distribucin Weibull
= 1391 = 2.0
Parmetros de Simulacin
Modelamiento de Confiabilidad

t
Mortalidad
Infantil
Fallas
Aleatorias
Desgaste
Parmetros de Simulacin
Modelamiento de Confiabilidad
Simulacin Monte Carlo
Ciclo de Vida = 2000 horas
Se deben realizar tantas corridas de
simulacin como sean necesarias hasta
alcanzar valores constantes de los
parmetros evaluados.
Fin corrida 1
Modelamiento de Confiabilidad
Resultados (Ciclo de Vida = 2000 horas)
P-1002A
W = 4 fallas
MTBF = 500 hrs
P-1002B
W = 5 fallas
MTBF = 400 hrs
P-1002C
W = 1 falla
MTBF = 2000 hrs
Modelamiento de Confiabilidad
Identificacin de Malos Actores
Equipo con mayor
impacto econmico
negativo
Modelamiento de Confiabilidad
Mantenimiento Centrado en Confiabilidad
1. Cuales son las funciones y estndares deseados de desempeo del
equipo en su contexto operativo? (Funciones)
2. En que forma puede fallar para cumplir con sus funciones? (Falla
Funcional)
3. Qu causa cada Falla Funcional? (Modos de Falla)
4. Qu pasa cuando cada falla ocurre? (Efectos de la Falla)
5. Cul es el impacto de la falla? (Consecuencias de la Falla)
6. Que debiera hacerse para predecir o prevenir cada falla? (Tareas
Proactivas)
7. Que debiera hacerse si no se puede encontrar una tarea proactiva
adecuada? (Acciones por Omisin)
Las siete preguntas del RCM:
El estndar SAE JA-1011 presenta los criterios que pueden ser usados para
evaluar procesos de desarrollo de programas de mantenimiento y determinar
si son procesos de RCM.
RCM Basado en Simulacin
Jerarqua Funcional
RCM Basado en Simulacin
1. Funciones
RCM Basado en Simulacin
2. Fallas Funcionales
RCM Basado en Simulacin
3. Modos de Falla
RCM Basado en Simulacin
3. Modos de Falla
RCM Basado en Simulacin
4. Efectos de la Falla
RCM Basado en Simulacin
5. Consecuencias de la Falla
RCM Basado en Simulacin
6. Tareas Proactivas (PM)
RCM Basado en Simulacin
6. Tareas Proactivas (CM PdM)
RCM Basado en Simulacin
6. Tareas Proactivas
Correr a
falla
RCM Basado en Simulacin
6. Tareas Proactivas
Mantenimiento
Preventivo
cada 3 meses
RCM Basado en Simulacin
6. Tareas Proactivas
Optimizacin
intervalo de
Mantenimiento
Preventivo
RCM Basado en Simulacin
6. Tareas Proactivas
Mantenimiento
Predictivo
cada mes
RCM Basado en Simulacin
6. Tareas Proactivas
Optimizacin
intervalo de
Mantenimiento
Predictivo
RCM Basado en Simulacin
6. Tareas Proactivas
Estrategia
ptima:
Mantenimiento
Predictivo cada
3 meses
RCM Basado en Simulacin
7. Acciones por Omisin
RCM Basado en Simulacin
Resultados
RCM Basado en Simulacin
Resultados
RCM Basado en Simulacin
Resultados
Pronsticos de indicadores de confiabilidad y mantenibilidad
de equipos y sistemas de la planta.
Criticidad de Equipos (contribuyentes claves y ocultos a costos
y disponibilidad de sistemas).
Nmero promedio futuro de paradas planeadas y no planeadas
(y duraciones).
Impacto de actividades de mantenimiento programado.
Pronstico de consumo de repuestos y mano de obra.
Recomendaciones para mejorar el desempeo de la planta a
partir de revisin del diseo y de las estrategias de operacin y
mantenimiento.
Entregables de los Mtodos de
Simulacin del Ciclo de Vida
El mayor problema del uso de mtodos estadsticos de
RCM es que en la mayora de plantas industriales la
informacin histrica de falla no es muy confiable y
completa, de tal manera que los resultados estadsticos
extrados de esta informacin pueden ser imprecisos y
pueden carecer de confianza estadstica.
Los algoritmos de anlisis tambin dependen de aspectos
contables tales como costos de los mantenimientos
preventivos, reparaciones y efectos de falla. Todas estas
entradas estn sujetas a las inconsistencias de los
sistemas contables existentes.
Desventajas
Histricos de falla y mantenimiento de la compaa.
Informacin suministrada por tcnicos y operadores.
OREDA Modos y ratas de falla de la industria petrolera.
Paul Barringer & Associates Parmetros Weibull de
componentes genricos.
NPRD-95 Datos de falla de componentes mecnicos.
Telcordia (Bellcore) TR-332 Ratas de falla de componentes
electrnicos (telecomunicaciones).
MIL-HDBK-217 Ratas de falla de equipos electrnicos
(US DoD).
RDF 2000 Ratas de falla de equipos electrnicos (Union
Technique de l'Electricite).
NSWC 98/LE1 Datos de falla de componentes mecnicos (US
Navy)
Fuentes de Informacin
Los beneficios para las compaas que utilizan estos
mtodos de simulacin del ciclo de vida son:
Beneficios
Reduccin de las fallas que ocurren actualmente.
Se establecen enlaces claros entre los planes de
mantenimiento y el desempeo de los equipos de
produccin.
Los niveles de costo de mantenimiento pueden ser
optimizados dependiendo de los efectos y las
consecuencias de las fallas.
Los niveles de requerimientos de mantenimiento
pueden ser pronosticados sobre un periodo extendido
de tiempo.
Enfoque simple poderoso y sistemtico para capturar
la experiencia operativa de la compaa.
Clasificacin cuantitativa de modos de falla crticos.
Prediccin del desempeo sobre el ciclo de vida.
Prediccin de requerimientos de recursos.
Prediccin del desempeo de equipos y/o sistemas.
Actualizacin constante de los planes de
mantenimiento.
Soporte de anlisis de riesgo y confiabilidad.
Beneficios
Conclusiones
La simulacin computarizada de estrategias de mantenimiento
permite que el proceso de optimizacin de planes de
mantenimiento pueda integrarse fcilmente a otros procesos de
gestin de activos de las compaas. La simulacin permite:
tomar decisiones efectivas de mantenimiento que puedan ser
evaluadas contra las necesidades del negocio,
evaluar de manera rpida diferentes alternativas de estrategias
de mantenimiento sobre un tiempo de vida dado,
actualizar las decisiones con base en informacin histrica de
mantenimiento actualizada,
predecir requerimientos de presupuesto (repuestos, mano de
obra) y modelar estrategias de mantenimiento alternativas.
Muchas Gracias!!!
Juan Carlos Duarte Holgun
AMS GROUP LTDA.
Asset Management Solutions
Email: juan.duarte@amsgroup.com.co
Website: www.amsgroup.com.co
Tel. (+57 1) 3133423