RCM Mantenimiento Centrado En La Confiabilidad

Usted posiblemente está preguntándose por las famosas “curvas RCM” mostradas en la figura 1. Estas son las curvas de comportamiento de Edad-Confiabilidad que grafican la Probabilidad Condicional de falla contra la edad. Una pregunta común es la siguiente.

“¿Representan realmente estas curvas el comportamiento real de falla del ítem para, por ejemplo, los 139 ítems cubiertos por el estudio Nowlan & Heap,? o ¿Representan estas curvas la relación efectiva neta entre edad – confiabilidad, considerando que la mayoría de estos ítems estuvieron sujetos a un mantenimiento periódico?”

Figure 1 Las seis curvas RCM de comportamiento de falla

Estas son excelentes preguntas. Muchos Ingenieros de Mantenimiento y Confiabilidad no están completamente seguros de la respuesta ni de sus explicaciones correspondientes.

Introducción

El objetivo de realizar un ”análisis de confiabilidad” para trazar estas curvas es el de descubrir el verdadero comportamiento de la falla de un ítem con respecto a cada uno de sus modos de falla significativos [1], sin importar el plan de mantenimiento implementado. ¿Cómo es esto posible? ¿Acaso, no estamos basando nuestro análisis en datos de los equipos que se han mantenido según las actuales estrategias del mantenimiento?

La respuesta es que al momento del mantenimiento (digamos, renovación preventiva de un componente) seguramente hacemos algunas observaciones sobre el estado de los ítems mantenidos. En ese momento es improbable que hayamos observado que todos los ítems renovados estuvieran al borde de la falla. De igual manera, es posible (a menos que el plan de mantenimiento preventivo (PM) sea muy conservador) que algunos ítems hayan fallado antes del momento PM. Es decir, que la falla se haya presentado durante el servicio. Por otra parte, puede que algunos de los ítems renovados no hayan estado en estado de falla al momento PM sino por el contrario, hubieran estado en condiciones excelentes. Finalmente, es posible también encontrar algunos de los ítems a punto de fallar funcionalmente. En este caso podemos considerar el PM como “oportuno”.

Un mantenedor astuto, consciente de las observaciones anteriores, sin duda preguntaría: ¿Cuál es el punto óptimo para conducir el mantenimiento? ¿Qué programa PM (estrategia) tendrá el mayor beneficio?, es decir, ¿cuál nos dará la mejor disponibilidad total sobre la flota a largo plazo? El gerente reconoce que el ser demasiado conservador sería una estrategia poco rentable debido al cambio de componentes en perfecto estado. De la misma manera, tampoco quisiera una estrategia muy liberal al seleccionar intervalos de mantenimiento muy largos. Esto daría lugar a un número excesivo de fallas en servicio, aumentando los costos y reduciendo tanto la confiabilidad como la disponibilidad.

Asumamos que el verdadero comportamiento de la falla es el mostrado en el gráfico de la figura 2, la cual representa el Patrón B de las seis curvas de comportamiento de falla de la figura 1.

Figure 2 Conditional probability of failure curve for an item that ages – Failure Pattern B

La figura 2 gráfica la rata de riesgo o la Probabilidad Condicional de falla [2] contra la edad de trabajo de un ítem. Quisiéramos estar en posición de declarar (a nuestro gerente) que nuestro mantenimiento ha sido optimizado, queriendo decir que fuimos capaces de realizar el mantenimiento a la edad de trabajo representada por la vida útil. La vida útil es el mejor criterio para determinar la realización de un PM. Tal estrategia prevendría la mayoría de las fallas y disminuiría la renovación de componentes que se encuentren en buen estado. Está estrategia conducirá las acciones PM en el momento de máximo beneficio para la organización.

Obviamente, el gráfico de la Figura 2 debe representar la relación inherente entre la edad y la confiabilidad del ítem si intentamos utilizarlo para determinar la vida útil y la estrategia óptima del mantenimiento preventivo. La pregunta es, “¿Cómo graficar esta curva del equipo mantenido con datos reales?”

Los “datos reales” implican que nuestros cálculos deben tener en cuenta los datos de “suspensiones” los cuales reflejan el programa de mantenimiento preventivo en curso.[3] El método estadístico efectivo más popular para describir la relación de confiabilidad y edad está basado en el modelo Weibull para los datos de vida. Este, es un modelo empírico descubierto en los años 1950 por Walodi Weibull, quien presentó la siguiente ecuación ante una distinguida sociedad (que reaccionó en un principio con escepticismo) que luego se convertiría en la sociedad de ingeniería de confiabilidad.

Distribución Weibull – tres de sus formas

Distribución Acumulada (Eqn. 1)

Riesgo (Eqn. 2)

Densidad de Probabilidad (Eqn. 3)

Dónde:

β (beta) es el parámetro de “forma”,

η (eta) es el parámetro de “escala”, y

t es la edad de trabajo del ítem o modo de falla que está siendo modelado.

Para poder graficar la relación confiabilidad – edad (por ejemplo, la Figura 1) solo necesitaremos determinar (calculo a partir de datos históricos) los valores de los parámetros β y η. Estos gráficos nos ayudan a comprender el comportamiento histórico de falla de los componentes y de los modos de falla de interés. Weibull desarrolló un método gráfico para calcular los parámetros β y η de un conjunto histórico

...