Académique Documents
Professionnel Documents
Culture Documents
Todos los procesos de decisión involucrados con el En la aplicación implementada, se pretende mostrar la
mantenimiento son estocásticos por naturaleza debido a forma en la cual se pueden utilizar las cadenas de Markov
la gran cantidad de factores ambientales de carácter para representar y predecir el grado de degradación que
incierto que afectan la duración de la vida de servicio y la sufre cualquier equipo o sistema, justificando así la
variabilidad inherente con cada componente [1]. Por viabilidad de esté método para dar una visión en la
tanto es deseable simular y predecir estos procesos dentro selección de políticas de mantenimiento y por ende la
de los modelos estocásticos. Sin embargo, la exactitud planificación de presupuestos y desempeño global de los
del modelo es la que determina la validez de las sistemas [4], [6].
conclusiones. La discusión siempre estará centrada entre
seleccionar un modelo inexacto pero solucionable y uno 2. MODELO PARA SELECCIÓN DE POLÍTICAS
exacto pero potencialmente in-solucionable. En la DE MANTENIMIENTO EMPLEANDO CADENAS
mayoría de los sistemas reales, sin embargo, existen DE MARKOV
muchos elementos de incertidumbre involucrados con los
procesos y sus parámetros lo cual puede conducir a En la implementación del modelo se involucra la
deficiencias en las definiciones y mediciones realizadas, determinación de las probabilidades de degradación del
especialmente cuando de forma adicional se incluye la sistema las cuales luego se convierten en los parámetros
Fecha de Recepción: 09 Febrero de 2007
Fecha de Aceptación: 12 Abril de 2007
116 Scientia et Technica Año XIII, No 34, Mayo de 2007. Universidad Tecnológica de Pereira
⎧1 si i = j
El proceso se puede entonces definir mediante el
pij( 0) = P ( S0 = j / S0 = i ) = ⎨ (4)
⎩0 si i ≠ j
conjunto de ecuaciones para una cadena de Markov [4],
[10] de la siguiente manera:
Scientia et Technica Año XIII, No 34, Mayo de 2007. Universidad Tecnológica de Pereira 117
3. REPRESENTACIÓN DE LA POLÍTICA DE
MANTENIMIENTO
• Una primera que va desde el estado inicial al primer sistema siempre y cuando ya se haya alcanzado la
estado periódico, en nuestro caso del estado 1 al 2. periodicidad.
• Una segunda con un comportamiento periódico
sucesivo, que en nuestro ejemplo cicla entre las El comportamiento en estado estacionario del sistema
etapas 2, 3 y 4. (cuando n tiende a infinito) será entonces el encontrado al
resolver la ecuación (7). A continuación se muestra este
Así, la duración esperada de tiempo para la primera parte resultado de donde se observa que en el estado
es el tiempo E ( S n ) para alcanzar el estado periódico.
estacionario la probabilidad de encontrar el sistema en los
estados 1, 5, 6 y 7 es de cero:
Para la segunda parte, la distribución estacionaria del
proceso se establece de las cadenas de Markov como
sigue y aprovechando el hecho de ser irreducible y
π = [0 0.5231 0.4375 0.0394 0 0 0]
ergódica:
Este resultado cobra su valor al compararlo con otros
(6) tipos de políticas a implementar, por ejemplo, si se
π =π ⋅P quisiera implementa un método de mantenimiento donde
E implementando la política de mantenimiento, entonces no se alcanzara etapas superiores a 5, con lo cual la
se puede escribir: [12][10][4] secuencia periódica sería 2, 3, 4 y 5. Se obtendría
inicialmente la siguiente representación gráfica:
π = π ⋅(M ⋅ P) (7)
S100 = [0.006 0.393 0.327 0.245 0.029 0 0] garantizar que el sistema no ingrese en los estados
definidos con alta degradación, es más, se necesitará
actuar con mayor celeridad una vez el sistema ingrese en
Es importante notar como las probabilidades para el el estado 5 del segundo modelo ya que la probabilidad
primer estado no cambian de acuerdo con la filosofía para que el sistema permanezca ahí es menor a la
anterior, lo cual era de esperarse ya que debe existir la presentada en el estado 4 para el primer modelo. De
misma probabilidad de permanecer en este estado en forma gráfica podemos representar estos resultados como
ambos casos y solo deben variar las probabilidades se observa en la Figura 4
correspondientes a los estados periódicos.
Como los π j representan la proporción de tiempo que el
La distribución estacionaria para este segundo caso
resultante de evaluar la ecuación (7) será: sistema estará en el estado j cuando se alcance el estado
estable, en la Figura 4 el ancho de cada intervalo
π = [0 0.394 0.329 0.247 0.030 0 0] representa esta proporción según el modelo. A menor
probabilidad de estar en un estado se requiere de más
Estados
1 2 3 4 5 6 7
1 60
Poco frecuente
50
Modelo 1
Frecuencia de Mantenimiento
40
Probabilidades %
30
Frecuente
Modelo 2 20
10
Muy Frecuente
10 0
Estados
Comparando este resultado con el anterior se puede acciones de mantenimiento, incluso antes de finalizar un
observar que el sistema permanecerá en el segundo ciclo es necesario intensificar el mantenimiento con el fin
modelo menos tiempo en los estados definidos como de de evitar que el sistema pase del estado máximo
mejor condición y adicionalmente la probabilidad de permitido. Este comportamiento se refleja mediante la
encontrar el sistema en el último estado aceptable escala de intervalos de mantenimiento en la parte
decrece, es decir, en el primer caso la probabilidad de superior de cada modelo en la Figura 4.
hallar el sistema en el estado 3 es del 43,75% mientras en
el segundo caso la probabilidad de hallar el sistema en el 4. CONCLUSIONES
estado 4 es del 24,7%. Estos resultados tiene grandes
implicaciones, ya que se requerirá de la disminución de Las decisiones tomadas en cuanto a la implementación de
los tiempos entre los intervalos de inspección para filosofías y/o políticas de mantenimiento no se deben
120 Scientia et Technica Año XIII, No 34, Mayo de 2007. Universidad Tecnológica de Pereira
restringir solamente al monitoreo de sistemas completos Analysis and Process Integration. Advances in
o sus componentes, estas decisiones deben estar basadas Vibration Engineering 5(2):pp. 87-96.
en análisis completos que permitan definir claramente
caminos a seguir durante las actividades de [4] Zhang Yan, Godfried Augenbroe, Vidakovic Brani.
mantenimiento. Uncertainty Analysis in Using Markov Chain Model
to Predict Roof Life Cycle Performance. 10DBMC
Una de las metodologías existentes para tratar este tipo International Conférence on Durability of Building
de retos son las cadenas de Markov las cuales presentan Materials and Components LYON [France] 17-20
un marco teórico definido especialmente para adentrarse April 2005
dentro de la solución de problemas donde las variables
son probabilísticas, como es el caso de las probabilidades [5] Tadao Murata. Petri Nets: Properties, Analysis and
de falla y de condición en los sistemas de producción o Applications. IEEE, Vol 77 No 4. Abril de 1989. pág
cualquier activo requiriendo mantenimiento. 541 a 580
El modelamiento de políticas de mantenimiento bajo las [6] Altman Eitan, Gaujal Bruno, Hordijk Arie. Discrete-
cadenas de Markov permite predecir como se comportará Event Control of Stochastic Networks:
un sistema durante su ciclo de vida, determinar las Multimodularity and Regularity. Mathematical
estrategias a tomar e identificar los tipos de riesgo Institute, Leinden University, Leiden, The
involucrados con cada estrategia en estudio. Netherlands. August 4, 2003.
Toda la información obtenida por el modelo se puede [7] Smith David J. Reliability, Maintainability and Risk.
complementar o puede incluso servir como datos de Butterworth-Heinemann. Linacre House, Jordan Hill,
alimentación para definir presupuestos, políticas de Oxford OX2. ISBN 0 7506 5168 7
cambio de partes, priorización de recursos e incluso
definir requerimientos de compra de repuestos.
[8] B.S. Dhillon. Engineering Maintenance: A Modern
Es vital definir claramente las escalas de degradación Approach. 2002 by CRC Press LLC. ISBN 1-58716-
pertinentes para cada caso en particular. Además los 142-7.
parámetros del sistema requieren de una evaluación
independiente ya sea que se obtengan de autores, [9] R. Keith Mobley. An Introduction to Predictive
fabricantes o sean el producto de análisis estadísticos Maintenance. Segunda Edición. Butterworth-
sobre datos obtenidos en campo. Heinemann, 2002. ISBN 0-7506-7531-4.
[3] Mathew, Avin and Zhang, Sheng and Ma, Lin and
Earle, Tom and Hargreaves, Doug (2006). Reducing
Maintenance Cost Through Effective Prediction