MANTENIMIENTO CENTRADO ENCONFIABILIDAD USANDO MÉTODOS DE SIMULACIÓN DEL CICLO DE VIDA Juan Carlos Duarte Holguín, CMRP Asset Management Solutions Ltda. Gestión de Mantenimiento El problema a solucionar en la Gestión de Mantenimiento consiste en dos elementos claves: • Conocer claramente que tipo de acciones hay que tomar sobre los activos (equipos), y • Estar en capacidad de ejecutarlas oportunamente. En palabras sencillas: “ Saber qué hacer y estar en capacidad de hacerlo” . Requerimientos del Negocio Los gerentes de planta requieren que las decisiones de mantenimiento: • Puedan ser justificados contra los objetivos del negocio • Puedan responder a ambientes cambiantes • Sean proactivas, no reactivas • Puedan ser validadas contra criterios cuantitativos • Puedan ser desafiadas abiertamente • Puedan ser medidas y mejoradas • Puedan ser planeadas e implementadas efectivamente RCM Mantenimiento Centrado en Confiabilidad Modelo Analítico de Mantenimiento RIM Gestión de Información de Confiabilidad RAM Modelamiento de Confiabilidad SCM Optimización de Inventarios Data O&M RCA Análisis de Causa Raíz Información codificada de mantenimiento Requerimiento de ejecución de RCM Requerimiento de Optimización de Inventarios Estudio de Optimización de Inventarios Reporte RCA Estrategia de Mantenimiento Optimizada Requerimiento de ejecución de RCA Enfoque de Análisis Este enfoque analítico se convierte en una herramienta clave para asegurar la efectividad de Procesos de Toma de Decisiones que: • Asignen responsabilidades claras y permitan la valoración cuantitativa de su cumplimiento y efectividad. • Identifiquen los ahorros de manera continua y consistente. • Cuantifiquen riesgos. • Pronostiquen fallas. • Sean fluidos y prácticos. • Aprovechen los beneficios de la tecnología disponible en Gestión de Activos. • Se enfoquen en el desempeño y den soporte a requerimientos futuros Uno de los conceptos fundamentales del Mantenimiento Centrado en Confiabilidad (RCM) es que las tareas de mantenimiento deben ser enfocadas a soportar las “Funciones del Sistema”. Con el fin de identificar la necesidad de efectuar una tarea de mantenimiento necesitamos determinar cuándo fallan las funciones. CONCEPTOS BÁSICOS DE RCM FUNCIONES Cuando se ha definido cualquiera de las funciones de un sistema es necesario conocer los estándares de desempeño requeridos asociados con la operación aceptable del sistema. Una vez definidos estos estándares de desempeño se puede determinar la manera en que las fallas de los equipos afectarán la operación de la función (fallas funcionales). Estas fallas funcionales pueden ser clasificadas en fallas parciales o fallas totales. FALLAS FUNCIONALES D e s e m p e ñ o Capacidad inicial de diseño Falla Funcional Parcial Falla Funcional Total Desempeño mínimo aceptable Desempeño actual Desempeño actual FALLAS FUNCIONALES D e s e m p e ñ o Capacidad inicial de diseño Desempeño mínimo 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 operación de la función. El tipo de tarea(s) que será más efectivo dependerá de las características del modo de falla. La investigación estadística ha permitido identificar varios patrones de falla. 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 mayoría 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 Aviación 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 Aviación 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 mínimos de desempeño FALLAS OCULTAS Existen dos tipos distintos de fallas funcionales que podemos esperar en nuestras equipos: • Fallas evidentes • Fallas ocultas Las fallas evidentes serán conocidas para los operadores y técnicos bajo condiciones normales de planta. Las fallas ocultas requieren una falla simultánea para revelar la falla inicial (fallas múltiples). RELACIÓN ENTRE FALLAS Y TAREAS Tipos de tareas de mantenimiento aplicables para las diferentes clasificaciones de fallas existentes. Tipo de Tarea Relación con la Edad Aleatorias Evidentes (Súbitas) 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 Relación 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 λ Edad Aceite MANTENIMIENTO CENTRADO EN CONFIABILIDAD Frenos λ Edad • Inspección visual (CM) • Cambio pastillas de frenos (PM-TBI) MANTENIMIENTO CENTRADO EN CONFIABILIDAD Aceite λ Edad • Inspección visual (CM) • Cambio de aceite (PM-TBI) MANTENIMIENTO CENTRADO EN CONFIABILIDAD Pintura λ Edad • Inspección Visual (CM) • Lavado y Encerada (PM-NI) • Cambio de Pintura (PM-TBI) ??? MANTENIMIENTO CENTRADO EN CONFIABILIDAD Llantas λ Edad • Inspección visual (CM) • Medición de presión (CM) • Alineación y Balanceo (PM-NI) • Cambio de llantas / reencauche (PM-TBI) MANTENIMIENTO CENTRADO EN CONFIABILIDAD Luz trasera λ Edad • Inspección visual (CM) • Prueba funcional (PM-T) • Cambio de bombillo (RTF) MANTENIMIENTO CENTRADO EN CONFIABILIDAD Luz delantera λ Edad • Inspección visual (CM) • Prueba funcional (PM-T) • Cambio de bombillo (RTF) MANTENIMIENTO CENTRADO EN CONFIABILIDAD Modelo de Optimización de Estrategias de Mantenimiento Proceso de Simulación Sistema de Mantenimiento Weibull Equipos y activos a Mantener RBD FTA FMECA Contexto y Condiciones de Operación Respuesta Satisfactoria? Reformulación Estrategia Alternativa Implementación y Seguimiento Respuesta Modelo La distribución 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 Análisis Weibull Weibull inventó una fórmula que podía describir las diferentes formas de la curva en cada una de sus tres zonas: β η t e R(t) ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎝ ⎛ − = R(t) = Confiabilidad en el tiempo t t = Tiempo considerado η = Vida Característica β = Parámetro de Forma Weibull de 2 parámetros Análisis Weibull Edad Edad Mortalidad Infantil Desgaste Aleatorio El Parámetro de Forma (β) β β<1 <1 β β=1 =1 β β>1 >1 Análisis Weibull Análisis Weibull Para fallas aleatorias con rata de falla constante el 63.2% de los componentes habrán fallado al alcanzar el MTTF. Este punto es conocido como Vida Característica (η) 1 η = MTTF 63.2% La Vida Característica (η) Si conocemos: β = la forma de la curva y η = la vida característica Podemos predecir el comportamiento del componente en cualquier momento en el futuro. Las curvas de falla puede ser determinadas a partir de: • Información de Ensayos • Historia • Juicio de Ingeniería (experiencia) Análisis Weibull Por qué es importante la distribución Weibull? 1. Es una de las más ampliamente utilizadas. 2. Altamente flexible. 3. Se ajusta a la mayoría de aplicaciones del mundo real: • La distribución Weibull representa la vida de componentes y partes, mientras que la distribución Exponencial representa la vida de ensambles y sistemas. • Componentes mecánicos: rodamientos, motores, estructuras simples, fatiga • Fallas donde factores químicos son los mecanismos predominantes (corrosión) Análisis Weibull Análisis Weibull β = 3.5 (Normal) β = 2.0 (Rayleigh) β = 1.0 (Exponencial) β = 0.5 (Hiperexponencial) Edad p f Probabilidad de Falla Componentes simples Distribución Weibull Edad p f Probabilidad de Falla Equipos y Sistemas Complejos Distribución Exponencial Análisis Weibull Vida (hr) Bombillo 1 60 150 3 4 5 2 230 350 500 Análisis a las 500 horas de operación 5 bombillos no han fallado a las 500 horas! ≈ 5 suspensiones de 500 horas Análisis Weibull Ubicación de tiempos de falla en la Gráfica Weibull Gráfica de Probabilidad Acumulativa de Falla Análisis Weibull Gráfica de la Rata de Falla (λ) Análisis Weibull Diagramas de Confiabilidad de Bloques Sistema en Serie Sistema en Paralelo Sistema con votación k de n Sistema Serie / Paralelo Diagramas de Confiabilidad de Bloques Diagramas para modelar pérdidas de producción 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 Carbón RBD Alto Nivel Mina de Carbón La simulación Monte Carlo sintetiza el desempeño de un sistema sobre un número dado de corridas. Cada corrida de simulación emula la manera como el sistema puede comportarse en la vida real, basado en información de entrada suministrada por el usuario. Los datos de entrada están conformados por un diagrama lógico del sistema y por parámetros cuantitativos de falla y de mantenimiento. El diagrama lógico describe la manera como las fallas de los componentes interactúan para causar fallas del sistema. Simulación Monte Carlo Modelamiento de Confiabilidad P-1002A/B/C Bombas Booster P&ID RBD P-1002A Distribución Weibull η = 300 β = 0.7 P-1002B Distribución Weibull η = 700 β = 1.0 P-1002C Distribución Weibull η = 1391 β = 2.0 Parámetros de Simulación Modelamiento de Confiabilidad λ t Mortalidad Infantil Fallas Aleatorias Desgaste Parámetros de Simulación Modelamiento de Confiabilidad Simulación Monte Carlo Ciclo de Vida = 2000 horas Se deben realizar tantas corridas de simulación como sean necesarias hasta alcanzar valores constantes de los parámetros 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 Identificación de Malos Actores Equipo con mayor impacto económico negativo Modelamiento de Confiabilidad Mantenimiento Centrado en Confiabilidad 1. Cuales son las funciones y estándares deseados de desempeño del equipo en su contexto operativo? (Funciones) 2. En que forma puede fallar para cumplir con sus funciones? (Falla Funcional) 3. Qué causa cada Falla Funcional? (Modos de Falla) 4. Qué pasa cuando cada falla ocurre? (Efectos de la Falla) 5. Cuál es el impacto de la falla? (Consecuencias de la Falla) 6. Que debiera hacerse para predecir o prevenir cada falla? (Tareas Proactivas) 7. Que debiera hacerse si no se puede encontrar una tarea proactiva adecuada? (Acciones por Omisión) Las siete preguntas del RCM: El estándar SAE JA-1011 presenta los criterios que pueden ser usados para evaluar procesos de desarrollo de programas de mantenimiento y determinar si son procesos de RCM. RCM Basado en Simulación Jerarquía Funcional RCM Basado en Simulación 1. Funciones RCM Basado en Simulación 2. Fallas Funcionales RCM Basado en Simulación 3. Modos de Falla RCM Basado en Simulación 3. Modos de Falla RCM Basado en Simulación 4. Efectos de la Falla RCM Basado en Simulación 5. Consecuencias de la Falla RCM Basado en Simulación 6. Tareas Proactivas (PM) RCM Basado en Simulación 6. Tareas Proactivas (CM – PdM) RCM Basado en Simulación 6. Tareas Proactivas “Correr a falla” RCM Basado en Simulación 6. Tareas Proactivas Mantenimiento Preventivo cada 3 meses RCM Basado en Simulación 6. Tareas Proactivas Optimización intervalo de Mantenimiento Preventivo RCM Basado en Simulación 6. Tareas Proactivas Mantenimiento Predictivo cada mes RCM Basado en Simulación 6. Tareas Proactivas Optimización intervalo de Mantenimiento Predictivo RCM Basado en Simulación 6. Tareas Proactivas Estrategia óptima: Mantenimiento Predictivo cada 3 meses RCM Basado en Simulación 7. Acciones por Omisión RCM Basado en Simulación Resultados RCM Basado en Simulación Resultados RCM Basado en Simulación Resultados • Pronósticos de indicadores de confiabilidad y mantenibilidad de equipos y sistemas de la planta. • Criticidad de Equipos (contribuyentes claves y ocultos a costos y disponibilidad de sistemas). • Número promedio futuro de paradas planeadas y no planeadas (y duraciones). • Impacto de actividades de mantenimiento programado. • Pronóstico de consumo de repuestos y mano de obra. • Recomendaciones para mejorar el desempeño de la planta a partir de revisión del diseño y de las estrategias de operación y mantenimiento. Entregables de los Métodos de Simulación del Ciclo de Vida El mayor problema del uso de métodos estadísticos de RCM es que en la mayoría de plantas industriales la información histórica de falla no es muy confiable y completa, de tal manera que los resultados estadísticos extraídos de esta información pueden ser imprecisos y pueden carecer de confianza estadística. Los algoritmos de análisis también dependen de aspectos contables tales como costos de los mantenimientos preventivos, reparaciones y efectos de falla. Todas estas entradas están sujetas a las inconsistencias de los sistemas contables existentes. Desventajas • Históricos de falla y mantenimiento de la compañía. • Información suministrada por técnicos y operadores. • OREDA – Modos y ratas de falla de la industria petrolera. • Paul Barringer & Associates – Parámetros Weibull de componentes genéricos. • NPRD-95 – Datos de falla de componentes mecánicos. • Telcordia (Bellcore) TR-332 – Ratas de falla de componentes electrónicos (telecomunicaciones). • MIL-HDBK-217 – Ratas de falla de equipos electrónicos (US DoD). • RDF 2000 – Ratas de falla de equipos electrónicos (Union Technique de l'Electricite). • NSWC 98/LE1 – Datos de falla de componentes mecánicos (US Navy) Fuentes de Información Los beneficios para las compañías que utilizan estos métodos de simulación del ciclo de vida son: Beneficios • Reducción de las fallas que ocurren actualmente. • Se establecen enlaces claros entre los planes de mantenimiento y el desempeño de los equipos de producción. • Los niveles de costo de mantenimiento pueden ser optimizados dependiendo de los efectos y las consecuencias de las fallas. • Los niveles de requerimientos de mantenimiento pueden ser pronosticados sobre un periodo extendido de tiempo. • Enfoque simple poderoso y sistemático para capturar la experiencia operativa de la compañía. • Clasificación cuantitativa de modos de falla críticos. • Predicción del desempeño sobre el ciclo de vida. • Predicción de requerimientos de recursos. • Predicción del desempeño de equipos y/o sistemas. • Actualización constante de los planes de mantenimiento. • Soporte de análisis de riesgo y confiabilidad. Beneficios Conclusiones La simulación computarizada de estrategias de mantenimiento permite que el proceso de optimización de planes de mantenimiento pueda integrarse fácilmente a otros procesos de gestión de activos de las compañías. La simulación permite: • tomar decisiones efectivas de mantenimiento que puedan ser evaluadas contra las necesidades del negocio, • evaluar de manera rápida diferentes alternativas de estrategias de mantenimiento sobre un tiempo de vida dado, • actualizar las decisiones con base en información histórica de mantenimiento actualizada, • predecir requerimientos de presupuesto (repuestos, mano de obra) y modelar estrategias de mantenimiento alternativas. Muchas Gracias!!! Juan Carlos Duarte Holguín AMS GROUP LTDA. Asset Management Solutions Email: [email protected] Website: www.amsgroup.com.co Tel. (+57 1) 3133423