Historial de mantenimiento preciso

Transcripción de video

Escena 00-1 Muchos departamentos de mantenimiento carecen de un proceso sistemático para incrementar la confiabilidad de los activos físicos.

Podemos decir que una confiabilidad “efectiva” tiene dos orígenes –Primero  la habilidad intrínseca enclavada en el diseño de un componente y segundo la aplicación optima en tiempo de mantenimiento preventivo y predictivo.

Escena 00-2 ¿Cómo podemos incrementar la confiabilidad del equipo? Capturando y luego analizando el historial de mantenimiento y reparaciones de los equipos.

La mejora de la confiabilidad depende de que se realice un análisis de confiabilidad.

Escena 00-3 Y, el análisis de confiabilidad (RA) requiere una captura adecuada de:

1. Los datos históricos de eventos de mantenimiento, en conjunto con
2. datos de monitoreo predictivo, tales como, datos de sensores, datos de análisis de lubricantes y otras fuentes de datos observados representativos de la condición de un activo.

Escena 01-1 ¿Qué queremos decir con datos de eventos históricos?

Bueno, hay dos tipos de historial de equipo que pueden ser registrados y rastreados:

1. Descriptivo, y
2. Cuantitativo.

Los ingenieros de mantenimiento típicamente analizan el historial “Descriptivo”, que consiste en narraciones textuales, croquis y fotografías que documentan los problemas operacionales encontrados y las soluciones propuestas.

Luego un experto en el tema revisa esta información,

y finalmente propone modificaciones de ingeniería que solucionarán el problema.

Los ingenieros de mantenimiento están menos familiarizados con el segundo tipo de registro histórico, el cual es requerido para el análisis cuantitativo.

Este tipo de análisis, llamado “análisis de confiabilidad”, rara vez se lleva a cabo con éxito en las organizaciones de mantenimiento. ¿Por qué?

Escena 01-2 La razón principal del escaso uso del análisis cuantitativo en el mantenimiento es bien conocida. El historial de partes objetos (o componentes) y sus eventos finales de falla no se registraron con suficiente precisión, integridad y exactitud en la base de datos del Sistema de Gestión de Activos Empresariales (o EAM).

En este video veremos un nuevo tipo de formulario de ingreso de datos que puede llenar este vacío de información. Este formulario asegurará la transferencia de datos “grado analítico” adecuados para efectuar análisis de confiabilidad con la base de datos históricos de mantenimiento.

El camino arduo no recorrido hacia la optimización del mantenimiento basado en condición depende de la correlación del historial de los modo de falla ocurridos con los datos de monitoreo predictivo.

Este análisis multidimensional de los datos de falla por edad y de los datos monitoreados de condición que conllevan a la mejora del rendimiento de los activos nos permite responder preguntas importantes, tales como:

Escena 01-3

1. ¿Cuál es la capacidad predictiva real de un conjunto particular de datos monitoreados?
2. ¿Cuáles son las variables monitoreadas que son más influyentes en la probabilidad de falla en un período de tiempo futuro?
3. ¿Cuál es la relación probabilística entre las variables monitoreadas y la vida útil remanente de un elemento?
4. ¿Cuál es la confianza con la que se toma una decisión predictiva?
5. ¿Cuál es el retorno de la inversión de una estrategia de mantenimiento predictivo específica?
6. ¿Cómo se puede medir el desempeño predictivo de fallas futuras?

Escena 02-1 El desempeño predictivo se puede evaluar trazando la distribución de la Densidad de probabilidad condicional (CPD). Esta función es similar a la bien conocida función de densidad de probabilidad, excepto que el origen no se posiciona en la edad “0” cuando el elemento era nuevo.

Más bien, se posiciona en el momento actual en el tiempo, que es, por supuesto, el momento en el que se debe tomar una decisión predictiva.

Escena 02-2 La calidad de esa decisión se mide en términos de confianza, como lo refleja la estrechez de la curva alrededor de la media.

La media, por definición, es la vida útil remanente estimada del componente (parte objeto) o la RULE.

Calcular el coeficiente de variación σ / µ (la desviación estándar dividida por la media) es una forma conveniente de determinar la confianza en las decisiones predictivas.

La ecuación para esta curva se conoce como el Modelo de Riesgo Proporcional de Cox (o PHM).

Esta ecuación predice la probabilidad de falla condicional o tasa de riesgo h en términos de la edad t del componente y de los valores actuales de los indicadores de condición significativos representados por el producto vectorial de gamma y Z.

Escena 02-3 El parámetro de forma β es una medida de la calidad con la que el técnico ha registrado los modos de falla y sus eventos de finalización de vida (falla funcional, falla potencial o suspensión). Una suspensión es la renovación preventiva de un componente que no ha fallado.

Los análisis de confiabilidad cuantitativos exitosos aplicados al mantenimiento predictivo dependen casi completamente de las habilidades de reportar las fallas de los técnicos. ¿Cómo podemos asegurarnos de que se registren estos eventos con precisión?

Escena 03-1 El formulario garantiza la calidad de los datos necesarios para el proceso de mejora continua del mantenimiento. El panel de la izquierda contiene la vista de árbol RCM del activo. Las hojas representan modos de falla que pueden afectar el rendimiento del activo. Cuando se selecciona un nodo de hoja en la vista de árbol, la estrategia de mitigación de falla correspondiente aparecerá en el panel central.

Esta es la clave! Debido a que el técnico se asegura a sí mismo, viendo el componente identificado con el daño sufrido, con los efectos causados y con las estrategia de mantenimiento aplicadas, que el nodo seleccionado representa precisamente el modo de falla que ha observado y cuya ocurrencia desea registrar con precisión.

Una vez identificado lo anterior, en el panel a la derecha, el técnico selecciona y registra un “Evento de finalización” correspondiente a cada componente renovado durante la ejecución de la orden de trabajo. La selección del tipo de evento final; falla funcional (FF), falla potencial (PF) o suspensión (S) es un requisito para el posterior análisis de confiabilidad.

Escena 03-2 El análisis requiere precisión en la selección del componente y del tipo de evento de final de vida; falla potencial, falla funcional o suspensión.

La buena noticia es que los errores se pueden evitar dada la información completa contextual que se proporciona en el panel central del formulario.

Escena 03-3 El formulario tiene una característica más esencial. La actualización continua, de la estrategia de mantenimiento, se puede realizar de forma rutinaria considerando las observaciones del técnico en el lugar. Las áreas de entrada de texto en el panel de “Retroalimentación” (feedback) adyacentes a cada cuadro de texto en el panel de estrategia motivan al técnico a sugerir cambios o adiciones a la información estratégica, tal como el componente, daño del componente, Efectos, Consecuencias y Mitigación de acuerdo a sus observaciones reales. Dicha información valiosa, estructurada de manera “similar al RCM”, impulsa la mejora de la estrategias de mantenimiento para que el plan de mantenimiento pueda responder cada vez mejor a la realidad observada.

 

scena 03-4 Un principio de la administración generalmente reconocido sugiere que la motivación aumenta cuando los empleados, tales como operadores y técnicos, pueden contribuir directamente a la estrategia de mantenimiento.

La escena 03-5 El registrar el evento de finalización de la vida de un modo de falla puede ser un desafío. El contexto operacional es un factor decisivo cuando se registra el evento como uno de falla potencial PF.o falla funcional FF

Afortunadamente, al completar el tercer panel del formulario, los datos relevantes están frescos en la mente. La discusión entre ingenieros, supervisores y técnicos evolucionará naturalmente hacia estándares para la identificación y captura consistentes del evento final.

Por ejemplo, cuando se ha perdido una determinada función, digamos “Para contener” en un sello, esto, por definición, se informaría como una “falla” cuando la tasa de fuga supera un estándar definido.

Pero, ¿deberíamos registrarlo como una falla potencial PF o una falla funcional FF?  La función puede que tenga un relevo y de acuerdo con la filosofía operacional del equipo, las consecuencias de una falla de la función protegida pueden ser mínimas.

En tal caso, podríamos registrar el evento como una falla potencial, a fin de indicar que nuestra estrategia de mantenimiento ha evitado las consecuencias más severas de la falla.

La falla idéntica de un sello en algún otro contexto podría ser una falla funcional si se incurrieran en importantes consecuencias operativas, de mantenimiento, de seguridad u ocultas.

Declarar una falla como “funcional” o “potencial” depende del contexto operacional. El formulario nos permite actualizar el “Análisis de efectos” del equipo para reflejar todas las circunstancias razonablemente probables que podrían surgir como resultado de este modo de falla.

Si el componente aún tiene una vida útil remanente indefinida, pero sin embargo se reemplaza de manera preventiva, su evento de finalización de la vida debe informarse como una suspensión S.

 

Escena 03-6 Un último punto importante a destacar es que esta formulario de ingreso de datos para confiabilidad se puede implementar fácilmente utilizando herramientas y métodos disponibles en su suite de herramientas de Microsoft Office.

La escena 04-1 Los análisis de confiabilidad cuantitativos requieren que impongamos una relación de uno a uno entre el perfil de catálogo de los componentes y los modos de falla identificados en la base de datos del análisis RCM.

Aquí hay un ejemplo en el que dos componentes se identificaron en el análisis RCM inicial y se almacenaron en el Sistema de gestión de activos EAM.

Pero las listas del catálogo de EAM a partir de las cuales los técnicos deben seleccionar los componentes contienen muchos más detalles. Esos perfiles reflejan la información de ingeniería del fabricante de equipo original, los manuales de mantenimiento y las listas de materiales.

Al desarrollar los perfiles de catálogo, el tener mayor profundidad y más detalle de los componentes se considera deseable.

Sin embargo, al configurar los perfiles de catálogo, se presta poca atención a la complejidad de hacer coincidir las situaciones reales encontradas en el campo con las largas listas de opciones de selección.

Escena 04-2 La estrategia de mantenimiento del equipo, por otro lado, se diseñó con el beneficio de los expertos en la materia y la experiencia de primera línea utilizando un RCM estructurado o un proceso similar que abordó los modos de falla razonablemente probable, sus efectos y consecuencias.

 

No son sorprendentes las discrepancias en detalle y profundidad en estas dos listas no relacionadas, dados sus procesos de desarrollo separados,

Escena 04-3 No se debe exigir al técnico que analice largas listas de componentes internos que son irrelevantes para las actividades reales de mantenimiento realizadas en la práctica en un activo.

En otras palabras, el nivel de detalle impuesto por los perfiles de catálogo a menudo contradice los objetivos de mantenimiento del activo en su contexto operacional.

Cuando el técnico se encuentra con tales circunstancias, puede usar las áreas de texto en el formulario de Living RCM para proponer la eliminación de detalle exagerado.

Escena 04-4 Por ejemplo, a menudo no sabemos y ni siquiera nos importa saber con precisión cuál de las partes internas enlistadas en el perfil del catálogo fue responsable de la falla. No vale la pena. Simplemente descartamos todo el componente y lo reemplazamos con uno nuevo. En tales casos, el técnico puede proponer que el componente en sí se reasigne como el componente principal cuya vida puede terminar por cualquier falla interna.

Escena 05-1 El único propósito de capturar el historial de eventos de mantenimiento, específicamente, la renovación de componentes, es proporcionar a los ingenieros de confiabilidad la capacidad de realizar Análisis de confiabilidad en una muestra de datos.

Escena 05-2 Una muestra está delimitada dentro de un intervalo de tiempo. Los “puntos” de datos son los tiempos de vida de los modos de falla que ocurrieron total o parcialmente dentro de ese intervalo.

Los tiempos de vida incluidos en una muestra están representados por arcos. Cada arco conecta dos eventos, un evento de inicio B con un evento final por falla funcional EF o final por suspensión ES.

El análisis de confiabilidad en su sentido básico, es el “conteo” de los arcos en la muestra. La edad de cada modo de falla y su evento de final de vida se habrán registrado en el proceso de captura del historial de mantenimiento. Los arcos discontinuos representan tiempos de vida suspendidos, es decir, tiempos de vida que ocurren parcialmente fuera del periodo de muestra.

Escena 05-3 Los datos de suspensiones contribuyen a la incertidumbre de los análisis de confiabilidad. Los algoritmos de software de análisis de confiabilidad consideran la incertidumbre asociada con las suspensiones para que la confianza en una decisión pueda ser determinada y por lo tanto, considerada por los interesados.

Escena 05-4 El sistema de administración de activos EAM puede manejar la edad operacional de un activo en base a tiempo calendario o en horas de operación (o en cualquier otra unidad que se considere proporcional al esfuerzo acumulado en el activo, por ejemplo, kilómetros recorridos o energía consumida para producir).

El software de análisis de confiabilidad calcula la edad de un modo de falla o de un componente dado en el momento de cada evento para así desarrollar una relación predictiva.

A diferencia del formulario Living RCM , los procedimientos de un sistema de gestión de activos EAM convencional no registran explícitamente los eventos de finalización de una vida.

En consecuencia, los ingenieros de confiabilidad no pueden desarrollar políticas basadas en el análisis de confiabilidad cuantitativo con el grado de confianza necesario para su incorporarlas en una estrategia de desempeño de activos. En el mejor de los casos, a menudo se considera que una suspensión es una falla.

Tal suposición da como resultado un nivel bajo de confianza y análisis con resultados excesivamente pesimistas.

Escena 06-1 Ahora que tenemos un método para registrar con precisión los eventos de final de vida de componentes, realizaremos un Análisis de confiabilidad con una muestra de esos datos.

Considere una flota de camiones de carga sujeta al modo de falla listado por RCM “la transmisión falla”. Definiremos a la transmisión misma como el componente. En otras palabras, no nos ocuparemos exactamente de qué parte interna de la transmisión falló. No hay un nivel correcto o incorrecto de análisis. En otro contexto, podríamos habernos centrado en la falla de un engrane, cojinete o sello en particular, en cuyo caso se habrían definido como los componentes.

Escena 06-2 Aplicaremos un método de análisis de confiabilidad multivariable considerando los eventos de vida del componente y los datos de monitoreo de condición, ambos apareciendo en la misma ventana de muestra. El método se conoce como optimización de mantenimiento basado en condición EXAKT desarrollado en la Universidad de Toronto por los profesores Andrew Jardine y Dragan Banjevic.

Escena 06-3 Dentro de la aplicación EXAKT, nuestra muestra aparece en una tabla que combina los datos del monitoreo de condición y el historial de eventos de vida en una estructura única  de datos virtual.

Los eventos de finalización de la vida, ordenados cronológicamente, están representados por los símbolos EF para los terminados por falla y ES para los terminados por suspensión.

Ejecutaremos el algoritmo de riesgo proporcional que analizará cada registro. Este desarrollará de manera incremental un modelo probabilístico o ecuación que relacione la edad del componente y los datos de condición monitoreados con la probabilidad de falla o tasa de riesgo h.

Escena 06-4 El resultado del análisis de riesgo proporcional se muestra en un informe. La regresión multidimensional ha convergido a los valores estimados para los parámetros β, η y γ en la ecuación para la tasa de riesgo.

Las pruebas estadísticas determinaron que los indicadores de condición más influyentes eran las ppm de hierro y plomo.

Escena 06-5 A continuación, invocamos un modelo de probabilidad de transición para predecir las tasas de transición de estos indicadores de condición significativos de un rango de valores a otro.

Se determina una estimación de probabilidad de falla en el siguiente intervalo de observación para cada rango de valor de cada indicador de condición. Esto se puede observar en la matriz de Probabilidades de Transición.

Escena 06-6 Un gráfico de densidad de probabilidad condicional revela la Vida útil Remanente del componente, la desviación estándar y el intervalo de confianza.

Escena 07-1 Este video reveló una nueva dimensión cuantitativa que podemos aplicar al análisis de confiabilidad del equipo.

Identificamos que datos inexactos de eventos en el proceso convencional de ingreso de datos a órdenes de trabajo son el principal impedimento estructural para mejorar la confiabilidad.

Propusimos un formulario Living RCM de entrada de datos basado completamente en las herramientas de MS Office e integrado con el proceso de informes existente de los sistemas de gestión de activos EAM que resuelve el problema de ingreso de datos inadecuados de eventos de vida de componentes.

Finalmente, demostramos el método de modelado de riesgo proporcional con el cual se puede optimizar la calidad predictiva de las iniciativas existentes de mantenimiento basado en condición.

Gracias

© 2019, Guillermo Sigüenza. All rights reserved.