“COMO LOGRAR LA CONFIABILIDAD MEDIANTE EL ANALISIS DE DATOS DE

FALLAS Y LECTURAS DEL CBM”

Guillermo Sigüenza Glez.B.S. Engineering, CMRP

Problemática:

Contestar una pregunta vital del mantenimiento:¿Cómo se puede lograr una alta confiabilidad de los

activos mediante la explotación de los flujos crecientes de datos generados constantemente por las

inspecciones de CBM y por las ordenes de mantenimiento de los CMMS?

¿Por qué recolectar datos?

• Una única razón: Para desarrollar análisis. - “Análisis de Confiabilidad”

• ¿Por qué Analizar?Para mejorar y mantener niveles altos de confiabilidad y disponibilidad en nuestras plantasde manera continua.

• ¿Por qué mejorar?Supervivencia económica. Mayor competitividad.

¿Cuales son los datos correctos para los análisis?A. Datos de edad operacional (eventos de vida, historial)

1. El inicio de un ciclo de vida.2. El final de un ciclo de vida.

a. Por falla:- Potencial- Funcional

b. Por suspensión. c. Eventos no rejuvenecedores

B. Datos de condición1. Mediciones e inspecciones predictivas2. Datos del proceso.

C. Datos de costos (impacto al negocio)1. El costo de una falla inesperada.2. el costo de una intervención preventiva.

1. DATOS-INFORMACION-CONOCIMIENTO

DATOS crudos de campo:Lecturas de SCADA, CBMLecturas de monitoreos, OT´s en CMMS (SAP, MP2,MAXIMO, etc,)

INFORMACION:Datos organizadosen forma coherente En tablas, graficas, funciones, modelosMatemáticos, distri-buciones estadísticas.

CONOCIMIENTO:Información analizadacon puntos de optimizacióndefinidos, para la toma de Mejoresdecisiones.

CONSULTORIA ITC

¿Como determinamos el tiempo óptimo para efectuar un mantenimiento preventivo?

Eventos de Mantenimiento preventivo se programan en base a la función de Densidad de Probabilidad (PDF).

Agregamos una nueva dimensión seleccionando parámetros de condiciónsignificativos. Ejemplo; el contenido de Fe en ppm en el aceite de una transmisión.

Edad operacionalEdad operacional

Las fallas ocurren siguiendoUna distribución estadística.

MTTFMediana

2. Determinar parámetros significativos

En las 5 fallas, de las 5 unidades se tuvo cuando menos una inspección predictiva del aceite de la transmisión antes de cada falla.

Se examina la incidencia de un modo de falla junto con las lecturas de inspección predictiva que precedieron a la falla. Por medio de análisis de correlación estadística se encuentran los interrelaciones.

Inicio

FallaInspec.

(W AGE) Horas de operación(B) Inicio de operación de un componente(EF) terminación de operación por falla.(ES) terminación de operación por suspensión.(OC) cambio de aceite.( ) Análisis de partículas.

3. Generar una Tabla de eventos de; mantenimientos, monitoreos y fallas.

4. Crear un modelo de riesgo proporcional (PHM)

El modelo PHM considera el tiempo en operación (Weibull básico) y Parámetros de condición (covariables) para calcular el valor de riesgo de falla h(t).Ejemplo: ppm de Fe, Cr y lectura de vibración en 2xRPM

5. Procesar la información.

LA CAJA NEGRA.Análisis Weibull

+Determinación de Covariables+

Modelo de Riesgo proporcional+Matriz Markov de transición

RESULTADOSGráficas de diagnóstico Integrado.

--------------------------------------------------

Modelos de optimización de tiempos de reparación y reemplazo

Evaluación financiera+

Fallas Potenciales,Fallas funcionalese intervenciones dePM tomadas del CMMS

Datos de CBM (vibración,Tribología, MCA, etc.) y datosDel proceso (presiones, flujos,temperaturas)

Datos de costos de Fallas inespe-radas y de costos de intervencionespreventivas.

6. Resolver el dilema del mantenedor:

1) ¿Dejar correr (operar) el equipo otro periodo de tiempo determinado hasta la siguiente inspección predictiva?

2) ¿Programar una intervención preventiva al equipo dentro del siguiente periodo de tiempo antes de la siguiente inspección predictiva?

3) ¿Intervenir el equipo inmediatamente debido a su condición crítica?

6. Mediante la generación de un diagnostico integrado tipo semáforo.

• Un solo parámetro combinado para evaluar la condición de un equipo

• Basado en la curva de vida Weibull determinada y en los parámetros significativos de condición (covariables).

• Covariables; Vibración, temperatura, análisis de lubricantes, análisis de circuitos de motores, presión, flujos, densidad, pH, etc.

7. Realizar análisis financiero.

Caso de éxito:

En el año 2005 en la mina de carbón de Cerrejón Coal en Colombia se utilizó la metodología presentada para determinar la mezcla óptima de tareas de Mantenimiento Preventivo (PM) y del Mantenimiento Basado en Condición (CBM) con el fin de reducir los costos derivados de tiempos muertos por fallas y al mismo tiempo obtener alta disponibilidad en su flota de 100 camiones Caterpillar de 240 ton.

Metodología:

• Se analizaron los datos del sistema de información CMMS.• En 10 camiones CAT240T Se catalogaron las fallas de ;

transmisiones, motores y otras partes criticas.• Se identificaron las horas de operación de las unidades al

momento de realizar reemplazos debido a fallas o a reemplazos preventivos y acciones no rejuvenecedoras.

• Se revisaron los resultados de los análisis del aceite de las transmisiones por la presencia de Cu, Fe, Cr, Al y hollín contra los modos de fallas principales para posible correlación.

• Se desarrollo un modelo de PHM.• Se identifico el periodo óptimo de PM basado en la relación de

costos entre una intervención correctiva reactiva y una preventiva.

Resultados:

Cerrejón Coal redujo los costos derivados de tiempos muertos por fallas en su flota de los 100 camiones Caterpillar de 240 ton en un 50% que representa un ahorroanual estimado de $5,000,000.00 USCy.

En este proyecto se aprendieron las siguientes lecciones:1. El registro y la recolección de datos confiables es critica.2. Únicamente se deben recolectar y analizar los datos relevantes a los modos de falla importantes.3. Los análisis de partículas de desgaste en aceites pueden ser utilizados como parámetros predictivos muy efectivos.

¡ !

Guillermo Sigüenza Glez.B.S. Engineering, CMRP

SI TIENES PREGUNTAS O COMENTARIOS

Contactame:gsiguenzag@industrialtijuana.com

www.industrialtijuana.com