4.

El Mantenimiento como Fuente de Rentabilidad

Para evaluar la gestin del mantenimiento, se han de definir claramente los objetivos que el mantenimiento pretende conseguir. Estos objetivos se fijarn en funcin de los objetivos de la empresa (rentabilidad, en mercados competitivos). La mejor manera de saber si dichos objetivos se consiguen o no y cmo contribuyen a mejorar la competitividad de la empresa es cuantificarlos en trminos monetarios. Hoy en da, las estrategias del mantenimiento estn encaminadas a garantizar la disponibilidad y eficacia requerida de las unidades, equipos e instalaciones, asegurando la duracin de su vida til y minimizando los costos de mantenimiento, dentro del marco de la seguridad y el medio ambiente. Los factores crticos de xito de la gestin del mantenimiento son la Disponibilidad y la Eficiencia, que van a indicarnos la fraccin de tiempo en que las unidades o equipos estn en condiciones de servicio (Disponibilidad) y la fraccin de tiempo en que su servicio resulta efectivo para la produccin. La disponibilidad se ha de tener slo cuando se requiere, lo cual no quiere decir que haya de ser por igual en todos los recursos (unidades), pues depende mucho de la criticidad de los mismos, y esa criticidad puede variar segn las condiciones del mercado. Tener una disponibilidad demasiado elevada en recursos (unidades) que no la necesitan slo ocasiona un exceso de costos, al hacer un uso excesivo de los recursos de mantenimiento. La mejora en los dos ratios de Disponibilidad y eficiencia y la disminucin de los costos de mantenimiento suponen el aumento de la rentabilidad de la empresa y por tanto tiene influencia directa sobre las utilidades.

4.1 Evolucin del concepto de Mantenimiento

Antes de esta mirada a aspectos del mantenimiento revisemos algunas definiciones bsicas: Mantenimiento Preventivo: Tarea que involucra cambios/reconstrucciones de partes/equipo bajo una base regular, sin importar el estado de las mismas. Mantenimiento Predictivo: Busca mediante inspecciones peridicas determinar cuando cambiar o reconstruir una parte/equipo en funcin del estado actual de los mismos. Mantenimiento Detectivo: Busca detectar la ocurrencia de fallas ocultas en equipos de proteccin y/o respaldo. Mantenimiento Correctivo: Restitucin del equipo al estado operativo ptimo despus de la ocurrencia de una falla. Riesgo: Dado matemticamente por el producto de la probabilidad de ocurrencia de un

evento y sus consecuencias El objetivo fundamental del mantenimiento, es preservar la funcin y la operabilidad, optimizar el rendimiento y aumentar la vida til de los activos, procurando una inversin ptima de los recursos. Este enfoque del mantenimiento es resultado de una evolucin importante a travs del tiempo. La literatura [1] distingue entre tres generaciones diferentes de mantenimiento. Cada una de las cuales representa las mejores prcticas utilizadas en una poca determinada. En los ltimos aos se ha vivido un crecimiento muy importante de nuevos conceptos de mantenimiento y metodologas aplicadas a la gestin del mantenimiento. Hasta finales de la dcada de los 90, los desarrollos alcanzados en la 3 generacin del mantenimiento incluan:

Herramientas de ayuda a la decisin, como estudios de riesgo, modos de falla y anlisis de causas de falla. Nuevas tcnicas de mantenimiento, como el monitoreo de condicin Equipos de diseo, dando mucha relevancia a la confiabilidad y mantenibilidad. Un cambio importante en pensamiento de la organizacin hacia la participacin, el trabajo en equipo y la flexibilidad

A estos usos, se han ido aadiendo nuevas tendencias, tcnicas y filosofas de mantenimiento hasta nuestros das, de tal forma que actualmente se puede hablar de una cuarta generacin del mantenimiento. El nuevo enfoque se centra en la eliminacin de fallas utilizando tcnicas proactivas. Ya no basta con eliminar las consecuencias de la falla, sino que se debe encontrar la causa de esa falla para eliminarla y evitar as que se repita. Asimismo, existe una preocupacin creciente en la importancia de la mantenibilidad y confiabilidad de los equipos, de manera que resulta clave tomar en cuenta estos valores desde la fase de diseo del proyecto. Otro punto importante es la tendencia a implantar sistemas de mejora continua de los planes de mantenimiento preventivo y predictivo, de la organizacin y ejecucin del mantenimiento. A parte de estas caractersticas descritas anteriormente, existen otros dos temas importantes dentro del mantenimiento actual cuya importancia ha aumentado de manera muy importante en los ltimos aos:

La Gestin del Riesgo: Cada da cobra ms importancia la identificacin y control de los posibles sucesos que presentan una baja probabilidad pero consecuencias graves, sobre todo en organizaciones que operan en industrias con riesgo. El mantenimiento se est viendo como un participante clave en este proceso. En el pasado, este tipo de sucesos se controlaban simplemente con una extensin de los Sistemas de Gestin de Seguridad y Medio Ambiente implantados en cada empresa. Sin embargo, existe una creciente percepcin de que la aplicacin de estos sistemas de gestin a los sucesos de baja probabilidad / consecuencias graves no es efectiva, por lo que es necesario

desarrollar otras metodologas.

Patrones de Falla: Las nuevas investigaciones estn cambiando muchas de las tradicionales creencias sobre la relacin existente en una mquina entre el envejecimiento y la falla. En particular, se ha demostrado que para muchos equipos existe muy poca relacin entre el tiempo de operacin y la probabilidad de falla. El enfoque inicial del mantenimiento supona que la probabilidad de que una mquina falle aumenta segn el tiempo de operacin, siendo mayor la probabilidad de falla en la vejez de la mquina. La segunda generacin de mantenimiento introdujo el concepto de mortalidad infantil. De esta forma la tasa de fallas de una mquina puede ser representada con una curva de baera, existiendo, por tanto, ms probabilidad de falla durante el principio y el final de su vida til

Sin embargo, en el mantenimiento actual se ha demostrado que podemos definir seis patrones diferentes de tasa de fallas, segn el tipo de mquina que estemos utilizando. Tener en cuenta el patrn al que se ajusta cada elemento es fundamental si se quiere conseguir una ptima planificacin del mantenimiento. Debemos estar seguros de que el mantenimiento que ha sido planificado es el adecuado, ya que de nada sirve realizar el trabajo planificado de manera correcta, si ste no es el ms adecuado.

Figura 4.1: Nuevos patrones de tasas de falla. Para los patrones de falla A, B y C, la probabilidad de falla aumenta con la edad hasta alcanzar un punto en el que es conveniente reemplazar el componente antes de que falle y as reducir su probabilidad de falla. En el caso de los componentes que presentan una probabilidad de falla del modelo E, reemplazar el componente no mejorar en ningn caso su confiabilidad, ya que el nuevo elemento tendr la misma probabilidad de falla que el antiguo. Si el patrn de falla al que se ajusta el componente es el F, reemplazar el elemento a intervalos fijos por un componente nuevo, no slo no mejorar la confiabilidad, sino

que aumentar la probabilidad de falla, ya que en lainfancia presenta ms mortalidad que en la vejez. En el grfico se observa que ms del 50% de los componentes presentan fallas en la infancia. Esto quiere decir que cada vez que se repara o reemplaza un equipo, las posibilidades de falla prematura debido a esa operacin de mantenimiento son muy elevadas. Alguna de las posibles explicaciones que se pueden dar a este hecho, son errores humanos, errores del sistema, errores de diseo o errores de piezas. Por lo visto anteriormente, est claro que el mantenimiento actual debe centrarse en reducir las operaciones de mantenimiento provocadas por fallas que se ajustan al modelo F. Es decir, fallas ocurridos en la infancia de los equipos. Para los elementos que ajusten su tasa de fallas a este patrn F, un mantenimiento planificado a intervalos fijos aumentar las posibilidades de falla, ya que el equipo nuevo presentar ms probabilidad de falla que el antiguo. Por ese motivo existe una tendencia generalizada a mantener lo mnimo posible, debido a que cualquier operacin de mantenimiento realizada puede aumentar la probabilidad de falla. Otra posibilidad, es centrarse en reducir de manera global las probabilidades de falla sobre todos los modelos. La forma de realizar esto, es mediante la utilizacin de un Mantenimiento Proactivo, es decir buscar la forma de eliminar los fallas, ms que eliminar sus consecuencias. Para eliminar las fallas, hay que eliminar sus causas, lo que implica conocerlas. Existen herramientas como el Anlisis Causa-Raz que ayudan a identificar y eliminar las causas de los fallas, aunque en muchas ocasiones se utiliza como una herramienta reactiva ms que proactiva. A modo de resumen, en las siguientes grficas se presenta como han ido evolucionando las expectativas y tcnicas del mantenimiento durante el ltimo siglo:

Figura 4.2: Objetivos del Mantenimiento.

Figura 4.3: Evolucin de las Tcnicas de Mantenimiento.

4.2 Tcnicas de Mantenimiento

Hoy en da existen infinidad de diferentes herramientas, tcnicas, metodologas y filosofas de mantenimiento. Algunas de las ms utilizadas entre otras pueden ser:

Mantenimiento Autnomo / Mantenimiento Productivo Total (TPM) Mejoramiento de la Confiabilidad Operacional (MCO) Mantenimiento Centrado en la Confiabilidad (RCM)// (MCC) Mantenimiento Basado en el Riesgo (MBR) Asset Integrity Mantenimiento Centrado en Confiabilidad en Reversa (MCC-R) Anlisis Causa raz (ACR) Anlisis de Criticidad (AC) Optimizacin Costo Riesgo (OCR) Inspeccin Basada en Riesgo (RBI)(IBR)

En efecto los mtodos para mejorar la confiabilidad se podran dividir en dos:

Mtodos Proactivos: Buscan la mejora de la confiabilidad mediante la utilizacin de tcnicas que permitan la paulatina eliminacin de las fallas tanto crnicas como potenciales. Claros ejemplos son el Mantenimiento Centrado en la Confiabilidad y el Mantenimiento Productivo Total. Mtodos Reactivos: Buscan de una manera rpida y eficaz la solucin de problemas cotidianos y evitar repeticin de eventos mayores. En lneas generales se trata de mtodos sobre todo "post-morten". Actualmente su mejor exponente es el Anlisis Causa Raz. Nos referiremos a continuacin muy brevemente a algunas de ellas:

4.2.1 Mantenimiento Centrado en la Confiabilidad (RCM)

Esta tcnica surge a finales de los aos sesenta como respuesta al incremento de costos y actividades del mantenimiento de las aeronaves (bsicamente preventivo). En esta industria demuestra ser muy valioso, no slo bajando los costos y actividades de mantenimiento, sino que adems mejora los niveles de confiabilidad, disponibilidad y seguridad. Estos xitos lo hicieron apetecible a otras industrias, como la militar, petrolera y de generacin de electricidad. Esta tcnica se basa en seleccionar mantenimiento slo donde las consecuencias de las fallas as lo requieren, para esto se necesita hacer un estudio exhaustivo de todas las funciones, fallas, modos y consecuencias de las fallas, para luego decidir donde y que tipo de mantenimiento hacer. Establece un orden de prioridades: la seguridad y ambiente, produccin, costos de reparacin. Esto ha hecho que sea una herramienta valiosa en las industrias que requieren elevados niveles de seguridad, generando a cambio de los esfuerzos, buenos resultados. Bajo su enfoque tradicional resulta muy difcil de aplicar en grandes industrias debido a que no resuelve algunas interrogantes mayores como Cundo hacer el mantenimiento? y Cmo generar una jerarqua de implantacin? Es una tcnica bastante analtica, lo cual ha trado problemas de implantacin, debido a que a veces resulta difcil pasar del papel a la realidad. Conduciendo esto a fuertes perdidas de dinero y esfuerzos, degenerando al final en frustracin de los equipos de trabajo. Se trata de una prctica recomendada por el Energy Power Research Institute (EPRI) para sistemas elctricos.

4.2.2 Mantenimiento Productivo Total (TPM)

Conocido por los grandes beneficios que ha obtenido en empresas manufactureras. Demostr su poder en Japn y ha comenzado a diseminarse a lo largo del mundo. Hace un gran esfuerzo en el trabajo en equipos. Se apoya fuertemente en limpieza y lubricacin como fuentes que eliminan problemas crnicos. Requiere de una profunda cultura de trabajo en equipo y sentido de propiedad de los bienes por parte de los trabajadores. De no poseer estos se requiere de un fuerte trabajo en el cambio cultural. Est muy ligado a los conceptos de mejoramiento continuo de la calidad y filosofas cero defectos. Difcil de aplicar en empresas de procesos, debido en muchos casos a lo ambiguo que resultan los conceptos de calidad y defectos, por otra parte el problema cultural puede entorpecer la implantacin a niveles de frustracin. Donde se ha logrado su implantacin exitosa, se han tenido grandes logros respecto a seguridad, ambiente, confiabilidad, disponibilidad y costos de mantenimiento. Tampoco responde a las interrogantes Cundo hacer el mantenimiento? y Cmo generar una jerarqua de implantacin?

4.2.3 Anlisis Causa Raz (ACR)

Tcnica poderosa que permite la solucin de problemas, con enfoque a corto y

mediano plazo. Usa tcnicas de investigacin bastante exhaustivas, con la intencin de eliminar las causas de los problemas/fallas. Su valor no slo reside en la eliminacin de grandes eventos, sino en la eliminacin de los eventos crnicos, que tienden a devorar los recursos de mantenimiento. Al eliminar paulatinamente los problemas crnicos y pequeos, este genera tiempo para anlisis ms profundos (RCM, por ejemplo).

4.3 Mejoramiento de la Confiabilidad Operacional (MCO)

El mejoramiento en la confiabilidad operacional desarrollada en U.K. con la intencin de agrupar las mejores practicas de mantenimiento y operaciones con una orientacin al negocio. Reconoce las limitaciones que el mantenimiento como funcin tiene para lograr una confiabilidad adecuada de las instalaciones. La figura ilustra un poco mas la idea:

Figura 4.4: Confiabilidad Operacional.

Para mejorar los 4 sectores nombrados en la grfica anterior, el MCO divide las tcnicas de mejoramiento:

Diagnstico Aqu mediante uso de tcnicas asociadas al manejo de riesgo se cuantifican las oportunidades a corto plazo (reactivas) y mediano largo plazo (proactivas). Como resultado se obtiene una jerarqua de implementacin. Aqu se hace uso de herramientas de anlisis de criticidad y de oportunidades perdidas (a modo de ejemplo), estas permiten establecer las oportunidades de mejoramiento y que herramientas de control podran usarse para capitalizar las oportunidades halladas

Control Aqu se usa el RCM+ (que combina algunas ventajas del TPM con el RCM) como tcnica proactiva y el ACR como tcnica reactiva, tambin se

puede hacer uso del IBR para equipos estticos. Como resultado se obtienen una serie de tareas de mantenimiento, operaciones, rediseo a ejecutar para mejorar el desempeo. Estas tcnicas de control por lo general son tcnicas del tipo cualitativo y basadas en reglas fijas para la toma de decisin (por ejemplo: diagramas lgicos).

Optimizacin Aqu mediante el uso de herramientas avanzadas de clculo costo riesgo se hallan los intervalos ptimos de mantenimiento, paradas de planta, inspecciones, etc.

Se trata de tcnicas del tipo numrico e involucran el modelado de los equipos y/o sistemas. Los resultados de implementar estas herramientas de esta manera son impresionantes en diversas industrias, logrando en algunos casos incluso la transformacin de las empresas llevndolas a la implementacin de Gerencia de Activos (Asset Management) Grandes resultados se han encontrado en Centrales Elctricas con la implantacin del Mantenimiento Centrado en la Confiabilidad y con el Anlisis Causa Raz. Un requisito que no debe dejarse de cumplir es el establecimiento previo de prioridades antes de la ejecucin de ambas tcnicas (simultaneas). Se han desarrollado herramientas como el anlisis de criticidad y el anlisis de oportunidades perdidas que pueden resolver dicha inquietud eficazmente. Por otra parte normalmente ambas tcnicas generarn soluciones que podran ser agrupadas en:

Cambios de diseo. Tareas preventivas. Tareas de Inspeccin (Deteccin y Prediccin). Tareas correctivas.

La respuesta a cuando ejecutar dichas tareas no es simple, y en muchos casos no puede ser fijada por la ley del dedo. Grandes beneficios econmicos han sido reportados con el uso de software, que pueden calcular el punto de ejecucin con menor costo/riesgo posible para las tareas anteriores.

4.4 Inspeccin Basada en Riesgo

Un capitulo especial se abre con esta tcnica, que establece patrones de inspeccin de equipos estticos (calderas, lneas de transmisin, etc.) en funcin de su riesgo asociado, nuevas aproximaciones permiten usar software para tomar en cuenta tambin el estado actual del equipo, lo que desencadena una continua optimizacin por costo/riesgo y no una frecuencia de inspeccin fija. Los reportes econmicos han sido cuantiosos, adems de los beneficios por disponibilidad y produccin. Tambin es posible optimizar con este tipo de tcnicas la frecuencia de bsqueda de fallas ocultas (pesquisa de fallas, mantenimiento detectivo), dejndose de usar entonces formulas mgicas que no generan una frecuencia ptima por costo/riesgo, pudindose simular factores como probabilidad de xito de la prueba y probabilidad de destruccin del

equipo probado.

4.5 Modelos de Optimizacin del Mantenimiento

Los modelos de optimizacin de mantenimiento se definen [3] como aquellos modelos matemticos cuyo objetivo es encontrar el equilibrio ptimo entre los costos y beneficios de ste, tomando en cuenta todo tipo de restricciones. En casi todos los casos, las ventajas del mantenimiento consisten en ahorros de costos en los cuales de otro modo se incurrira (por ej, menor costo de fallas). Esta definicin no incluye todos los modelos de investigacin de operaciones aplicados en el mantenimiento. La programacin de interrupciones de plantas de energa elctrica para mantenimiento no es considerada, a menos que los aspectos de mantenimiento tpicos (como el deterioro) sean modelados explcitamente. Se excluyen tcnicas de direccin de proyecto, aunque algunas sean usadas en la planificacin de cierre de instalaciones principales en la industria de proceso, cuando stos carecen de los aspectos costo-beneficio del mantenimiento. Tambin se excluye los modelos de reemplazo de repuestos cuando stos se enfocan principalmente en el control de inventario. En general, los modelos de optimizacin de mantenimiento cubren cuatro aspectos: 1. Una descripcin de un sistema tcnico, su funcin y su importancia, 2. Un modelado del deterioro del sistema en el tiempo y consecuencias posibles para el sistema, 3. Una descripcin de la informacin disponible acerca del sistema y las acciones dispuestas por la direccin 4. Una funcin objetivo y una tcnica de optimizacin que ayuda en el descubrimiento del mejor equilibrio. En [4] los modelos se clasifican segn la modelacin del deterioro en:

Modelos deterministicos Modelos estocsticos o En Riesgo o Bajo Incertidumbre

Ellos distinguen entre un sistema simple (componente unico) y un sistema complejo. La diferencia entre riesgo e incertidumbre es que en caso del riesgo se asume que una distribucin de probabilidad del tiempo de falla est disponible, lo que no ocurre en el caso de la incertidumbre. Este por lo tanto incluye modelos con polticas adaptativas. Los mtodos de optimizacin empleados incluyen programacin lineal y no lineal, programacin dinmica, mtodos de decisin de Markov, tcnicas de anlisis de decisin, tcnicas de bsqueda y metodologia heurstica. Los modelos de optimizacin de mantenimiento proporcionan varios resultados. En primer lugar, las polticas pueden ser evaluadas y comparadas con respecto a las caractersticas de confiabilidad y rentabilidad. En segundo lugar, los resultados pueden

ser obtenidos en la estructura de monitoreo(vigilancia) ptimas, como la existencia de una poltica optima en los lmites de control. En tercer lugar, los modelos pueden asistir en el aspecto del tiempo: con que frecuencia inspeccionar o mantener. Todos estos resultados se refieren al concepto de mantenimiento; el ltimo tambin se refiere adicionalmente a la planificacin del mantenimiento. Finalmente, los modelos tambin pueden ayudar en la determinacin efectiva y eficiente de programas y planes, tomando en cuenta todos los tipos de restricciones. Cuando la direccin de un departamento de mantenimiento se encuentra en una condicin de mantenimiento reactivo. Una de las mejores maneras de afrontar los inicios de la gestin para pasar a la condicin de mantenimiento planificado es utilizando mtodos sencillos de optimizacin de cadenas de valor como la teora de restricciones y los modelos de colas La teora de restricciones [5 ]se centra, bsicamente, en la bsqueda del flujo perfecto de bienes o servicios a travs de una cadena de valor balanceada, coordinada y sincronizada de estaciones de trabajo, logrando as, bajar los costos de operacin, reducir los inventarios y aumentar las ventas. En el caso de un departamento de mantenimiento aplica todo lo anterior, ya que por un lado, la funcin mantenimiento no es otra cosa que un conjunto ordenado de actividades que agregan valor a un servicio prestado, desde una condicin inicial conocida hasta una condicin final que debe cumplir con los parmetros de calidad y seguridad establecidos o convenidos entre el ente encargado de agregar valor (Departamento de Mantenimiento) y el que lo recibe (clientes internos) en un tiempo determinado. Siendo el servicio prestado un bien intangible podemos tomar la solicitud de trabajo como elemento tangible del servicio en su condicin inicial, la orden de trabajo en proceso como elemento tangible del servicio en trnsito y la orden de trabajo culminada como elemento tangible del servicio en su condicin final. Por otro lado, en cuanto a los resultados esperados, podemos establecer una relacin directa, ya que, los costos de operacin son los gastos de mantenimiento, los inventarios estaran representados por las ordenes de trabajo (sin atender y en trnsito) y las ventas se pueden asociar directamente con el nivel de servicio (cantidad de solicitudes atendidas en una cantidad de tiempo determinada). Segn la teora de restricciones, el primer paso para la implantacin es identificar los cuellos de botella (estaciones de servicio que determinan la velocidad del flujo en el sistema), luego se asignan las prioridades a los trabajos a ser ejecutados y finalmente se balancea el sistema. Este proceso es reiterativo, ya que al cambiar las condiciones externas o internas del sistema, van apareciendo nuevos cuellos de botella, lo que trae consigo nuevas acciones correctivas. 4.6 Relacin entre Mantenimiento, Disponibilidad y Rentabilidad Anlisis de un caso particular 1 Relacin entre el Mantenimiento Programado y las salidas forzadas, su impacto Econmico en la eleccin de Metas de Disponibilidad [7]. Las tcnicas para estimar la Disponibilidad Optima Econmica (OEA) de una unidad

generadora se ha enfocado en la comparacin del costo "frontera" [8] de la unidad por el porcentaje de mejora de su valor marginal. Aunque ha sido normalmente aceptado que la cantidad de salidas no planeadas que una planta experimenta es, en parte, una funcin de la cantidad del mantenimiento programado, aquella relacin no ha sido bien determinada. El estudio [7] explora aquella relacin y examina su impacto econmico en la eleccin de metas de disponibilidad. Anlisis Usando una base de datos del Edison Electric Institute (un predecesor del actual GADS system administered by the North American Electric Reliability Council) para grandes unidades carbn de 1971 a1978, fue deducida una relacin lineal entre la indisponibilidad planeada y la indisponibilidad no planeada. El coeficiente de correlacin fue 0.895, informando de una fuerte relacin. Como los datos tienen ahora ms aos y la disponibilidad de la industria ha mejorado considerablemente desde aquel tiempo, la constante en la ecuacin ya no es acertada o verdadera. Sin embargo, se considera que la pendiente (slope) de la curva permanece cerca del original calculado en un valor de -0.5897 [6]. Esto significa que por cada punto porcentual adicional que aumentamos nuestras salidas programadas (el total planeado, salidas por mantenimiento y derating equivalent) las salidas forzadas y derating equivalent decrecern en 0.5897 puntos porcentuales. Maximizar Disponibilidad Como se puede ver fcilmente, a fin de maximizar disponibilidad usando la ecuacin deducida de estos datos, se debera minimizar la cantidad de interrupciones programadas dado que, por cada punto porcentual que se reducen las interrupciones planeadas, se podra esperar un aumento de la disponibilidad de la unidad en 0.4103 puntos porcentuales (1-0.5897) (Obviamente este se aplica slo dentro de los lmites de los datos; fuera de aquellos lmites la relacin es probablemente no- lineal). Si maximizar disponibilidad fuera la tarea de una compaa de generacin, entonces este modelo o estrategia sera ptimo. Sin embargo, no se esta simplemente encargados de maximizar la disponibilidad, sino mas bien de minimizar los costos de producir y distribuir energia para satisfacer la demanda de los clientes (o maximizar la ganancia de la compaia en caso de sistemas desregulados). Aunque maximizar disponibilidad ha usualmente sido considerado sinnimo de minimizar costos, el anlisis siguiente demuestra que esta aseveracin no es necesariamente vlida. Minimizar Costos Ha sido siempre reconocido que una hora o da o un porcentaje de salida programada es normalmente mucho menos costoso (en trminos de reeplazar el costo de la energa) que una hora o da o porcentaje de estos de salida forzada, ya que una compaa de generacin intenta programar sus interrupciones durante perodos de demanda mnima (o de costos minimos para la empresa- otra forma de verlo es en que lo que se deja de ganar sea minimo). Durante muchos aos algunas compaas de generacin han estado calculando estos costos por hora, diariamente, semanalmente y estacionalmente. Un anlisis de estos costos ha mostrado que para grandes unidades a carbn base-carga la razon"promedio" entre el costo de salidas forzadas y el costo de salidas

programadas vara entre 3.0 y 4.5 (excepcionalmente durante condiciones ajustadas" entre la oferta y demanda esta razn puede ser mucho ms alta y la volatilidad puede ser mucho mayor durante peaks estacionales). Tambin, esta razn de costos para unidades cclicas y unidades de punta es mucho mayor (al menos uno a dos rdenes de magnitud mayor). Por lo tanto, cuando se calcula el costo de interrupciones y se usa la razn mas baja para grandes unidades de carbn, osea 3.0 segn lo dicho anteriormente, en efecto se cambia la pendiente de la ecuacin (en trminos monetarios, no porcentuales) en un factor de 3.0 de modo que ahora: Pendiente(Slope) = 3.0 x -0.5897 =-1.7691 Esto significa que por cada dlar que se "ahorra" reduciendo el mantenimiento programado, se puede esperar gastar o pagar" un promedio de 1.7691 dlares extra por efecto de interrupciones forzadas incrementadas. Entonces si el objetivo es minimizar el costo total se debera obviamente aumentar la programacin y salidas por mantenimiento a efectos de reducir nuestro costo de salidas no programadas, sin tener en cuenta el efecto que podra tener en nuestra disponibilidad. Nueva Medida Algunas compaas que han identificado el problema de utilizar el Factor de Disponibilidad Equivalente (EAF) para evaluar el rendimiento de la planta han comenzado a usar el trmino Disponibilidad Comercial (CA), anteriormente analizado, que intenta enfrentar el tema "ponderando o pesando" las medidas de disponibilidad tradicionales por algn indicador de costo marginal o costo de mercado. Entre tanto se mantienen estas grandes promesas de medir adecuadamente el verdadero impacto econmico de las interrupciones de una planta en el rendimiento financiero (rentabilidad) de la compaa, ninguna definicin nica ha sido adoptada por la industria y an hay otras implicaciones que no han sido totalmente resueltas [9]y[10].

Anlisis de un caso particular 2 Optimizar Costos de O&M para Maximizar Rentabilidad [11] A menudo en la proforma de una central elctrica propuesta, los costos O&M son tratados como un commodity (activo); un nmero para ser reducido tanto como sea posible. Sin embargo, varias estudios de la industria han mostrado que hay una correlacin directa entre un cambio en el gasto de O&M en una central elctrica dada y el resultante desempeo de aquella planta. El objetivo entonces, sera encontrar el nivel ptimo de gasto O&M que minimice el coste TOTAL ($ diseo + $ O&M + $ desempeo) y que maximice la rentabilidad. Este proceso es muy difcil porque la relacin entre el gasto de O&M y el desempeo de la planta no esta bien determinado o cuantificado. Varios estudios han mostrado que numerosos factores afectan esta relacin, extendindose hacia atrs por todas partes a las decisiones iniciales de diseo (tecnologa, equipamiento, calidad y configuracin, tipo de combustible y calidad, etc.) y a travs de la construccin, puesta en servicio y operaciones de ciclo de vida y mantenimiento, y decisiones de renovacin

o reemplazo. O&M es especialmente importante ya que como se mostrar, como el 75% de una variacin en la confiabilidad de la planta es inflluido por la calidad de la O&M, slo el 25% es inflluido por el diseo o modo de operacin. Todos estos factores interrrelacionados y la filosofia de O&M ptimo debe tomar en cuenta todas sus influencias, incluyendo factores near-term como ciclo de vida. Pero, no es suficiente determinar simplemente el mejor plan de O&M una vez que el diseo esta determinado. Debera haber un dilogo activo entre el equipo de diseo y el equipo de O&M para encontrar la mejor combinacin que producir el mxima beneficio para cualquier proyecto en particular. Antecedentes La Southern Company es una de las grandes compaias privadas de servicios en los Estados Unidos. Establecido en Atlanta, Georgia, tiene activos por sobre los 25 mil millones de dlares y opera aproximadamente 35.000 MW . En 1993, sus plantas generaron ms de 144 billones de kWh de electricidad con un 78 % de plantas de carbn , 17% nuclear, 14 %hidro y 1 % gas y petroleo. Sus unidades de carbn y nucleares tienen una confiabilidad promedio de 96 % (1- Indice de Interrupcin Forzado equivalente - EFOR), este valor experiment un incremento de 19 puntos porcentuales desde 1976 en que era de 77%. (Figura 1a)., Muchos factores se combinaron para conseguir esta importante mejora [12], un aumento significativo en gastos de capital en O&M y mejoras . Muchas de las plantas ms viejas experimentaron el mismo patron en distintos grados. Esto es, que al principio se disminuia el gasto en O&M, seguido por un deterioro en la confiabilidad; se disponia entonces el dinero para las mejoras de la planta e invertir en incrementar la confiabilidad, aunque amenudo los gastos se postergaban por aos. Esto condujo a analistas de la Compaa en un esfuerzo por intentar cuantificar la relacin gastos/confiabilidad de las centrales elctricas de la Southern Company. Unidad Beanchmarking par En 1991, el North American Electric Reliability Council (NERC) and Southern Electric Internacional (SEI) (el brazo desregulado de la Southern Company) desarroll una metodologa para determinar segn estadsticas las caracteristicas de diseo y operacin, mas significativas, para comparar el desempeo de unidades de generacin similares [13] El proceso de la unidad par beanchmarking actualmente empleado en NERC/SEI join ventures es el resultado de una evolucin de ideas asociadas con el objetivo comn de predecir o pronosticar el desempeo de las unidades de generacin elctrica. Los sistemas de planificacin de las organizaciones confan en estas predicciones, y la exactitud o la inexactitud de tales proyecciones pueden ahorrar o bien costar millones de dlares en utilidades. Por aos, el mtodo utilizado para hacer estas proyecciones en el Southern electric system fue una especie de fuzzy trending, donde los datos histricos y la informacin acerca de los planes de mantenimiento futuros de la unidad, modificaciones, y nivel de

la utilizacin estan todos considerados en la prediccin del desempeo de la unidad en el futuro. En un paper presentado en 1988 en la American Power Conference titulado, "Trends in Generating Unit Performance and the 1990's Power System," la General Electric Company desarroll una ecuacin para predecir la disponibilidad de unidades trmicas basada en la operacin histrica y en la estructura o patron de gastos de mantenimiento. Este paper nos condujo a preguntarnos si una metodologa con una base matemtica estadstica podra producir resultados ms exactos que el mtodo fuzzy trending usado en el pasado. La ecuacin fue aplicada a datos a nivel de sistema delSouthern electric systemcon buenos resultados; sin embargo, los resultados eran errticos cuando la ecuacin fue aplicada a datos a nivel de unidades. En un esfuerzo para conseguir datos mas adecuados a nivel de unidades, el siguiente paso fue desarrollar una nueva ecuacin usando anlisis de regresin y datos de 85 unidades termicas del Southern electric system (25,000 MW). Ms que asumir desde el comienzo que los factores principales que afectan la disponibilidad de la unidad eran ya conocidos, el proceso que fue desarrollado evaluaba el desempeo de la unidad (EFOR) relativo a numerosas caractersticas de diseo y de operacin a fin de determinar los factores ms importantes. La ecuacin de regresin que resulta incluy algunos aos recientes y variables operacionales anteriores (EFOR, factor de servicio, y factor de interrupciones planeadas), algunas caractersticas de diseo (tipo de combustible, fabricante de la caldera, y fabricante de la turbina), y histricos desembolsos de O&M. Una comparacin de la exactitud de las proyecciones hechas con el nuevo modelo matemtico versus el viejo mtodo fuzzy trending mostr que el modelo matemtico fue superior. Aproximadamente el 80 % de las proyecciones del viejo mtodo fueron altas, mientras que las proyecciones con el nuevo mtodo fueron ms cercanas a valores reales tanto con estimaciones bajas como altas. Fue alentador que aun en sus inicios, el modelo matemtico apareci superior al mtodo previamente usado. (Fig. b y c) Hasta este punto, la metodologa result en una gran ecuacin que se aplic a todas las unidades incluidas en la base de datos. Adicionalmente, el mtodo usado para incorporar variables nominales en el anlisis de regresin, como tipo de combustible, fabricante de la caldera y fabricante de la turbina fue un proceso engorroso. Fue decidido que el mismo, o an mejor, los resultados podran ser logrados subagrupando los datos por variables nominales importantes y aplicando el anlisis de regresin a nivel de subgrupo. Este es el punto en cual la primera generacin de unidades benchmarking pares se desarrolla. NERC y SEI firmaron un joint ventur para dar servicio a clientes en benchmarking de desempeo de sus unidades versus el de las unidades par. Los grupos pares para las unidades del cliente fueron desarrollados usando el anlisis estadstico para determinar la caracterstica que tenia el mayor impacto en el desempeo de la unidad, y dividiendo la base de datos en subgrupos basados en esta caracterstica. El proceso fue seguido a niveles de subgrupo, con una divisin tras otra, hasta que ninguna caracterstica restante fuera significativa para aquella division, o hasta que el nmero de unidades de par en la division cayera a un nivel mnimo aceptable. El resultado divide las 1213 unidades trmicas de la industria en 19 grupos de unidades par generales, con las caractersticas ms significativas que son criticas, vintage, modo de operacin, tamao, tipo de diseo, tipo de combustible y el fabricante de caldera (Fig d). El diseo y los datos operacionales de las unidades de clientes fueron usados para localizar cada una de las unidades de clientes dentro de los 19 grupos de par, y fueron proporcionadas distribuciones mostrando el desempeo de

las unidades del cliente con relacin a aquel de sus pares. Nuevas Perspectivas Cuando los resultados de los estudios anterior de benchmarking fueron examinados en profundidad, nuevas relaciones fueron reveladas. Cuando los mejores exponentes (EFOR) en cada grupo par (10 percentil ) fueron comparados uno a otro, la funcin densidad de probabilidad resultante tena una anchura relativamente estrecha ( Fig e) en otras palabras, la diferencia entre el mejor exponente en el mejor grupo par tena un EFOR de slo 5 puntos porcentuales ms abajo que el mejor exponente en el peor grupo par (la seleccin del grupo par esta basada slo en parmetros de diseo o modo de operacin). Si ahora comparamos a los exponentes ms pobres uno a otro (90 percentil) en cada grupo par, conseguimos la funcin de densidad de probabilidad mostrada en la Fig f. Finalmente, cuando sacamos el mejor exponente EFOR del peor exponente EFOR en cada grupo, podemos ver el rango o la variabilidad entre el mejor y el peor (Fig g). De esta curva, se puede ver que la diferencia entre los mejores exponentes y los peores con los mismos factores estadisticamente significativos de diseo/modo de operacin es de aproximadamente 20 %. Por lo tanto, la percepcin de los analstas es que slo entre el 20 y 25% de la variacin en la confiabilidad de unidades generadoras, en general puede ser explicado debido a diferencias en el diseo o modo de operacin. El 75-80% restante de la variacin es debido a otros factores. Se estima que la mayora de aquel impacto es debido a la calidad de los programas de Operacin y Mantenimiento de las unidades (entrenamiento, procedimientos, staffing lavels, herramientas, equipo, datos, etc.) as como los gastos de O&M. La relacin entre parmetros de diseo, operacin, y calidad de O&M debe ser bien entendida a fin de determinar la mejor combinacin que conducir al costo ms bajo del producto. Las figuras h e i muestran como esta interrelacin afecta el costo total y la rentabilidad de las plantas.

(d)

(h)

(i)

Figura 4.5: Southern Company SystemFossil Fired Units Reliability .

(a)

(b)

(c)

(e)

(f)

(g)

Figura 4.6: Southern Company SystemFossil Fired Units Reliability .