PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE

ESCUELA DE INGENIERIA
DEPARTAMENTO DE INGENIERIA ELECTRICA
IEE 3372 - MERCADOS ELECTRICOS

OPTIMIZACIN ECONMICA
DE LA DISPONIBILIDAD

ALUMNOS:

Cristin M. Lincovil B.
G. Ivonne Gutirrez M.

PROFESOR:

Dr. Hugh Rudnick Van de Wyngard

INDICE

Resumen..3
1.Introduccin ..3
1.1 Motivacin .. 3
1.2 Antecedentes 3

2. Criterios Actuales de Medicin de la Disponibilidad. ...7

2.1. Indicadores tcnicos de Desempeo. ..7

3. Criterios Basados en Factores Tcnicos y Econmicos ...11

3.1 Situacin actual del mercado: La necesidad de nuevos ndices de desempeo. 11
3.2. El concepto de Disponibilidad Comercial y un ejemplo de Aplicacin. ...12
3.2.1. Un pequeo ejemplo. .14
3.2.2. Aplicacin de la Disponibilidad Comercial
en el mercado Sudafricano. .15
3.2.2.1. Medidas de Disponibilidad Comercial aplicadas. ....19
3.2.2.1.1.Balance de Disponibilidad Valorada
(Valuable Availability Balance, VAB)....19
3.2.2.1.2. Valor de Disponibilidad Depositado
(Banked Availability Value, BAV) 20
3.2.2.2. Aplicacin directa a la comparacin de dos centrales Sudafricanas.21
3.2.3. Metodologas de prediccin. ...25
3.3. Fijacin de una meta de Disponibilidad:
El Mtodo del Anlisis de Frontera. ..28

4. El Mantenimiento como Fuente de Rentabilidad ..36

4.1 Evolucin del concepto de Mantenimiento 37
4.2 Tcnicas de Mantenimiento ...42
4.2.1 Mantenimiento Centrado en la Confiabilidad (RCM) ...43
Pgina: 1

4.2.2 Mantenimiento Productivo Total (TPM) 44

4.2.3 Anlisis Causa Raz (ACR) .45
4.3 Mejoramiento de la Confiabilidad Operacional (MCO) 45
4.4 Inspeccin Basada en Riesgo .47
4.5 Modelos de Optimizacin del Mantenimiento ...48
4.6 Relacin entre Mantenimiento, Disponibilidad y Rentabilidad .50
4.6.1 Anlisis de un caso particular 1 ...50
4.6.2 Anlisis de un caso particular 2 ...53

5. Conclusiones ....60
6. Referencias ...63

Pgina: 2

Resumen
En este trabajo se realiza una investigacin respecto los mtodos publicados para la
determinacin de la Disponibilidad Optima Econmica de una planta de generacin
elctrica. Se da cuenta de algunas de las prcticas, aplicaciones o experiencias que se estn
dando en la industria elctrica internacional respecto de este tema. Se revisan los criterios e
indicadores actuales de disponibilidad y desempeo, y se informa como nuevas polticas y
tcnicas Optimas de Mantenimiento ayudan a alcanzar estos objetivos.

1. Introduccin
1.1 Motivacin
Hoy en da las empresas de generacin locales, funcionan con la ptica de
maximizar disponibilidad, sin embargo esto ,como se discutir en este trabajo, no
necesariamente es sinnimo de alta rentabilidad. En efecto el hecho de trabajar con la
premisa antes mencionada hace que las estrategias de mantenimiento esten orientadas
normalmente a la confiabilidad de la unidad o equipo y/o a la exelencia tcnica y no a la
rentabilidad de la empresa.
Un grupo de especialistas de las areas tcnica, comercial y de estudios de una de estas
empresas generadoras estan refleccionando en estos temas de manera de generar metas y
metricas desagregadas de optimizacin de la disponibilidad basados en una combinacin
adecuada de criterios tcnicos y econmicos.

1.2 Antecedentes
La disponibilidad de una central elctrica es un indicador crtico para valorar el
desempeo total de la planta y su servicio al cliente.

Pgina: 3

Hasta hace algunos aos en un ambiente regulado, el rendimiento de la planta fue en

gran parte medido por su capacidad de entregar la carga que le era requerida (es decir, la
obligacin de suministro), y en la eficiencia de cubrir los costos de ese suministro.
Tradicionales indicadores fueron usados para medir la disponibilidad, tales como ratios de
interrupciones planeadas o de interrupciones forzadas o no planeadas.
En aos recientes la necesidad de desarrollar y usar nuevos ndices de confiabilidad,
que reflejen ms exactamente, el lugar actual del mercado, ha tomado un alto grado de
urgencia. Esto es causado por necesidades de grandes consumidores de energia por bajos
precios a fin de competir en una economa global. Para responder a esta necesidad, los
generadores de electricidad estn siendo obligados a reducir sus costos. La toma de
decisiones en todos los niveles est siendo afectada y las viejas definiciones "tcnicas" de
confiabilidad estn siendo corregidas para incorporar aspectos econmicos a fin de conectar
de mejor forma el desempeo de la planta con el costo actual del suministro de electricidad.
El trmino Disponibilidad Comercial (CA) surgi en el Reino Unido a principios de
los aos 1990 siguiendo a la desregularizacin de la industria Electrica del Reino Unido y
la introduccin de un sistema "de mercado". Ya que la disponibilidad de la planta slo tena
valor para su dueo, si esta poda generar energa con un beneficio, ste era slo medido
durante el tiempo en que el precio de mercado estaba por encima del costo variable de la
planta. Al principio, CA no fue "ponderado" y se asumi que cada hora que la unidad era
econmicamente viable tena la misma influencia en CA.
Con el tiempo, algunos usuarios de CA han desarrollado la definicin para incluir la
influencia de la magnitud de la brecha precio/coste que produce un indicador ms exacto
del impacto de la planta en la rentabilidad de la compaa. Por ejemplo, durante las horas
en que la brecha es $10X/MWh, la disponibilidad actual de la planta tendra diez veces
mayor influencia en la rentabilidad que una hora en cual la brecha fuera slo de $X/MWh.
Por lo tanto, CA intenta medir el beneficio actual entregado por la planta con
relacin al beneficio potencial, que tiene la planta siendo capaz de entregar cada MWh

Pgina: 4

requerido al precio actual de mercado. (El beneficio aqu es definido como el beneficio
bruto, es decir, generalmente la diferencia entre costo variables de produccin de la planta y
el precio de mercado, o coste marginal del sistema).
Estas nuevas realidades y necesidades, requieren que el alma (centro) de los factores
de desempeo (disponibilidad, eficiencia, costos de produccin, y flexibilidad de unidad)
sean fuertemente conectados a objetivos comerciales. Anlisis y los marcos de toma de
decisiones deben ser, por su parte, direccionados hacia objetivos totales y/o fuentes
especficas de oportunidades presentadas en el mercado.
Este ambiente lleva a la industria "a redefinir" su desempeo, para cambiar las
perspectivas tcnicas tradicionales a una visin ms global de manejar eficientemente todos
los procesos claves . Obviamente, " las ganancias" resultan una funcin objetivo mucho
ms compleja que podra incluir:
Rentabilidad/ manejo costos;
Obligacin de suministro;
Cumplimiento Ambiental (bajo marcos regulatorios actual y futuro);
Maximizacin del retorno del capital invertido;
Optima estrategia de retiro/reposicin de instalaciones envejecidas de generacion, de
seguridad, ambiental, de combustible, o otros factores tcnico-econmicos.

Pgina: 5

Fig 1.1: Todos los Procesos Claves orientados a la Rentabilidad

Finalmente durante las ltimas dcadas el benchmarking se ha hecho un instrumento

clave en la mayora de las compaas de generacin para ejecutar esfuerzos en mejorar el
desempeo . Un mtodo recomendado es primero identificar otras plantas par" cuyo
diseo y

caractersticas operacionales son similares a la de la unidad en cuestin.

Organizaciones, consultoras y compaas han usado esta tcnica estadstica avanzada,

analizando simultneamente muchos rasgos o carctersticas de plantas, para identificar
unidades par de diferentes partes del mundo y luego comparar sus ndices de
confiabilidad "tradicionales".

Pgina: 6

2. Criterios Actuales de Medicin de la Disponibilidad.

Como se ha mencionado anteriormente, el trabajo que se presenta busca exponer y
proponer distintas metodologas que permitan, primero, fijar una meta de disponibilidad
acorde a las exigencias de un mercado competitivo y, segundo, desarrollar una poltica de
mantenimiento que sea capaz de alcanzar estas metas. Con el fin de introducir al lector en
el contexto que se tratar luego, se realizar un breve anlisis de las mtricas utilizadas en
la industria y se revisar la situacin de mercado desregulado en generacin que lleva a la
necesidad de producir ndices de desempeo que no reflejen slo criterios tcnicos, sino
tambin criterios de orden netamente econmico.
2.1. Indicadores tcnicos de Desempeo.
En un mercado regulado, el desempeo de una planta se meda a travs de la
maximizacin de su disponibilidad, independiente de factores comerciales. Numerosos
intentos por definir un conjunto de criterios que fuesen utilizados a nivel internacional
fueron realizados, siendo el ms fructfero el que llev a cabo el Institute of Electric and
Electronic Engineers (IEEE). En el IEEE Standard Definition for Use in Reporting Electric
Generating Unit Reliability, Availability, and Productivity (en adelante, Norma IEEE762)
se define una serie de criterios que guardan relacin con salidas de una central de
funcionamiento (ya sea, planeada o forzada), la disminucin de la potencia que entrega una
central, tiempo que permanece en determinado estado, capacidad mxima, etc.
La norma IEEE762 nace en 1985 como una forma de homogenizar criterios y
nomenclatura en torno a la generacin elctrica. Aprobada en 1987, la norma IEEE762 se
aplica a unidades generadoras, aunque puede ser usada para centrales completas sin
mayores modificaciones.
Cuando la norma IEEE762 fue propuesta, exista una nomenclatura aceptada por la
industria, pero se refera bsicamente a la disponibilidad de las unidades. La IEEE762
agrega nuevas divisiones a estas categoras (sealando distintas clases de salidas o

Pgina: 7

disminucin de potencias forzadas, dependiendo de su urgencia), adems de fijar

parmetros de medicin basados en Capacidad, Tiempo que se encuentre en determinado
estado, Energa y Desempeo. El listado completo de estados propuesto por esta norma es:
1. Unidad Activa
a) Disponible
1) En Servicio
2) En Reserva (Apagada)
b) No Disponible
1) Salida Planeada
a) Salida Planeada Bsica.
b) Salida Planeada Extendida.
2) Salida No Planeada
a) Clase 0 (Falla de Partida).
b) Clase 1 (Inmediata).
c) Clase 2 (Retrasada).
d) Clase 4 (Pospuesta).
e) Clase 5 (Diferida).
2. Unidad Inactiva.
Se crea una clasificacin anloga para las bajas de capacidad de una unidad
(planeadas y no planeadas), as como un criterio de urgencia ante fallas. De la misma
forma, se definen distintos tipos de capacidad en una unidad, estos son: Capacidad Mxima,
Capacidad Formal (sujeta a condiciones de la temporada) y Capacidad Disponible (sujeta a
condiciones del momento). En base a estos criterios de disponibilidad y capacidad se
sugieren parmetros de desempeo relacionados con el tiempo y calidad del servicio
entregado, en un perodo de tiempo dado.

Pgina: 8

La norma IEEE762 es de uso voluntario para los generadores, pero ha sido avalada
por el ANSI (American National Standards Institute) y es utilizada actualmente por la
NERC (North American Electric Reliability Council)
A continuacin se revisarn algunos de los ndices que se definen en la norma
IEEE762, poniendo nfasis en aquellos que resultan de inters en el anlisis posterior de
nuevos ndices que tienen presente la dimensin econmica del problema.
-

Capacidad Mxima (Maximum Capacity, MC): La mxima potencia que

una unidad puede generar en un instante de tiempo cualquiera. Debe ser
medida mediante mtodos tcnicos.
Capacidad Confiable (Dependable Capacity): La mxima capacidad,
modificada por factores ambientales o temporales.
Capacidad Disponible (Available Capacity): La capacidad confiable,
modificada por limitaciones del equipo en cualquier momento
Baja de capacidad temporal (Seasonal Derating): Diferencia entre
capacidad mxima y capacidad confiable.
Baja de capacidad de la unidad (Unit Derating): La diferencia entre la
capacidad confiable y la capacidad disponible.
Baja de capacidad Planeada (Planned Derating): Porcin del Unit
Derating que est programada.
Baja de capacidad no planeada (Unplanned Derating): La porcin del
Unit Derating que no est planeada.
Horas disponibles (Available Hours, AH): Nmero de horas en el perodo
en que la unidad est en estado disponible.
Horas de servicio (Service Hours, SH): Nmero de horas en que la unidad
se encuentra despachando energa en el perodo.
Horas de baja de capacidad (Unit Derating Hours, UNDH): Nmero de
Horas en el perodo en que la unidad se encontr disponible, pero en estado
de Baja de capacidad (Unit Derating).
Horas de baja de capacidad Temporal (Seasonal Derated Hours, SDH):
Nmero de Horas en el estado disponible en que se llevaba a cabo una baja
de capacidad temporal (Seasonal Derating).
Horas de Baja de Capacidad Forzada (Forced Derating Hours, FODH):
Nmero de horas en el perodo en que se produjo una baja de la capacidad
no planeada de clase 0, 1, 2 3. Se puede dividir entre las horas en que ello
ocurri en el estado de servicio (In-Service Forced Derating Hours, IFDH)
o en el estado de reserva (Reserve Shutdown Forced Derating Hours,
RSFDH).
Horas en apagado de reserva (Reserve Shutdown Hours, RSH): Nmero de
horas en el perodo en que la unidad se encuentra disponible, pero en
reserva.

Pgina: 9

Horas No Disponible (Unavailable Hours, UH): Nmero de horas en que

la unidad se encuentra en estado No disponible.
Horas de salida planeada (Planned Outage Hours, POH): Nmero de
horas en el perodo en que la unidad se encuentra en una salida planeada.
Horas de salida no planeada (Unplanned Outage Hours, UOH): Nmero
de horas en el perodo en que la unidad est en una salida no planeada de
clase 0, 1, 2, 3 4.
Horas de salida Forzada (Forced Outage Hours, FOH): Nmero de horas
en el perodo en que la unidad est en una salida no planeada de clase 0, 1,
2 3.
Horas de Salida de Mantenimiento (Manteinance Outage Hours, MOH):
Nmero de horas en el perodo en que la unidad est en una salida no
planeada de clase 4.
Horas del perodo (Period Hours, PH): Nmero total de horas del perodo.
Horas equivalentes (Equivalent Hours, E): Nmero de horas en que la
unidad se encontr en una categora que implica baja de capacidad,
expresadas como horas equivalentes de salida completa a mxima
capacidad. Corresponde a la suma de la duracin de las bajas de capacidad
ponderadas por la magnitud de esa baja, y divididas por la capacidad
mxima. Puede ser calculado para cada indicador de Horas de Baja en la
Capacidad que se ha definido y para indicarlo se antepone la letra E al
indicador en cuestin (por ejemplo, las Horas Equivalentes de Baja de
Capacidad Temporal, ESDH).
Generacin Mxima (Maximum Generation, MG): Cantidad de Energa
generada si la planta operara el perodo completo a mxima capacidad.
MG = PH MC
Generacin Disponible (Available Generation, AG): Cantidad de Energa
Generada si la planta operara todo el perodo a Capacidad Disponible.
AG = PH AC
Generacin No Disponible (Unavailable Generation, UG): La diferencia
entre la energa que se habra generado si se operara todo el perodo a
capacidad confiable y aquella que se generara operando todo el periodo a
capacidad disponible.
UG = (POH + UOH +EUNDH) MC
Factor de Salida Planeada (Planned Outage Factor, POF):
POF = 100 POH / PH
Factor de Salida No Planeada (Unplanned Outage Factor, UOF):
UOF = 100 UOH / PH
Factor de Salida Forzada (Forced Outage Factor, FOF):
FOF = 100 FOH / PH
Factor de Disponibilidad (Availability Factor, AF):
AF = 100 AH / PH
Factor de Servicio (Service Factor, SF):
SF = 100 SH / PH
Factor de Disponibilidad Equivalente (Availability Equivalent Factor,
EAF): La fraccin de la generacin mxima que puede ser producida si se
est limitado solo por salidas y bajas de capacidad.
Pgina: 10

EAF = AG / MG = (AH ESDH + EUNDH) / PH

Tasa de Salida Forzada (Forced Outage Rate, FOR):
FOR = 100 FOH / (FOH + SH)
Tasa Equivalente de Salidad Forzada (Equivalent Forced Outage Rate,
EFOR)
EFOR = 100 (FOH + EFDH) / (SH + FOH + ERSFDH)

3. Criterios Basados en Factores Tcnicos y Econmicos.

3.1 Situacin actual del mercado: La necesidad de nuevos ndices de
desempeo.
Hasta hace poco, la obligacin de servicio que recaa sobre los generadores obligaba
a mantener como meta una disponibilidad cercana al mximo. Los indicadores de
desempeo utilizados eran, sobre todo el Factor de Disponibilidad Equivalente, El Factor
de Salida Forzada y la Tasa Equivalente de Salida Forzada, definidos anteriormente. Con
un sistema que pagaba cubriendo, a lo menos en gran medida, los costos de mantencin y
operacin, estos ndices resultaban ptimos, pues una mejora tcnica de ese tipo implicaba
el acceso a beneficios por buen desempeo de parte del ente regulador.
Con la aparicin de un mercado abierto y competitivo en la generacin, la utilidad
de estos ndices es altamente cuestionable. La industria de la Energa Elctrica ha pasado de
ser una estructura verticalmente integrada a una disgregacin donde se divide claramente
entre las etapas de generacin, transmisin y distribucin (y en algunos casos, se agrega
una cuarta etapa de comercializacin de la energa). Junto a ello, se ha producido una
convergencia entre distintos sectores relacionados a la energa (como el gas natural y la
electricidad), y se ha comenzado a tratar a sta como un commodity en algunos mercados
mediante la introduccin de diversos agentes e instrumentos financieros que transan la
energa representando bloques de potencia. Existe, adems, libertad para crear nuevas
centrales sin una planificacin centralizada, y quienes llevan a cabo estas inversiones
asumen el riesgo relacionado al retorno de la inversin.

Pgina: 11

Es en este escenario, marcado por la libre competencia, donde aparecen los

conceptos de Disponibilidad y Seguridad de Suministro. La presencia de suministro
suficiente ha pasado a ser responsabilidad del mercado, y la legislacin debe premiar esa
suficiencia para crear las seales de mercado que permitan mantenerla. El tema de la
disponibilidad resulta, por otro lado, de gran inters para el generador, pues, siendo el
precio fijado por el mercado, puede resultar conveniente para el generador dejar de producir
cuando los precios son menores que el costo que tiene la generacin. En efecto, el costo de
no generar pasa a ser una alteracin en el retorno, cuyos efectos dependern de la situacin
del mercado en el momento en que se deja de producir. Frente a esta realidad surge la
necesidad de contar con una metodologa que permita cuantificar las prdidas o ganancias
que se producen al dejar de generar. Generar estas metodologas resulta enormemente
complicado, dada la enorme cantidad de factores involucrados en la determinacin del
precio de la energa y la potencia, y su alta aleatoriedad, pero an as se han desarrollado
algunos mtodos que buscan cumplir con este desafo. En adelante se revisarn los mtodos
de mayor impacto en los ltimos aos.
3.2. El concepto de Disponibilidad Comercial y un ejemplo de Aplicacin.
Ya se ha mencionado que los criterios de desempeo de orden tcnico no consideran
aspectos econmicos, pero no se puede negar que el desempeo tcnico de una planta est
relacionado con su desempeo econmico, y es por ello que dichos ndices pueden ser
tomados como punto de partida a la hora de buscar ndices ms completos. El concepto de
disponibilidad comercial nace en el Reino Unido durante la desregulacin que se llev a
cabo en los aos 90, y tiene como objetivo principal desarrollar indicadores que permitan
conocer el valor de generar (o disponer de) 1kWh en un perodo de tiempo determinado, y
as decidir si es conveniente para la compaa mantener sus unidades disponibles en ese
momento. En otras palabras, los indicadores asociados a la Disponibilidad Comercial
buscan ser una seal del Costo de Oportunidad del generador.
Se propone, entonces, dar a las medidas de desempeo de carcter tcnico la
posibilidad de otorgar distintos pesos a cada hora de disponibilidad medida, de modo que

Pgina: 12

los pesos de los distintos perodos siempre sumen 1 (y por lo tanto, permitan entregar una
seal de la importancia financiera de cada sub-perodo con respecto al perodo total en el
que se mide la disponibilidad)
Para poder realizar estas mediciones, y asignar a cada sub-perodo un valor que
refleje su real importancia econmica, se debe tener presente el costo marginal de la unidad
generadora, el precio del mercado de la generacin y, con ello, la ganancia instantnea del
generador. Surgen, entonces, dos problemas: El precio de mercado depende de un amplio
grupo de factores externos, y es altamente voltil en el corto plazo, por lo que calcular el
valor de la produccin en trminos cortoplacistas es prcticamente imposible. Por otro lado,
las ganancias producto de la generacin se reparten, por lo general, entre varias unidades
pertenecientes a una sola entidad, por lo que un criterio de desempeo desarrollado en base
a cada unidad podra resultar ineficiente. El desafo es, entonces, generar indicadores de
indisponibilidad que representen la prdida de ganancias a travs de una relacin entre esta
prdida a costos de mercado y el mximo beneficio que pudo haberse obtenido, si la planta
hubiese tenido total disponibilidad.
Un camino para recolectar la informacin necesaria para generar estos ndices, dada
la dificultad para tratar con la enorme variedad de mquinas disponibles, es trabajar en base
a grupos de mquinas de caractersticas similares en lo que respecta a cargas anuales u
horas de operacin. A cada grupo se le asignar as cierto patrn de operacin y se
desarrollar un modelo de precios de mercado basado en anlisis estadstico. Esto implica,
en realidad, simular numerosos patrones de operacin de la planta, y tambin numerosas
estructuras de precios, y obtener un valor esperado del desempeo comercial de la planta
(mediante un promedio ponderado por las probabilidades de ocurrencia de cada escenario).
Para cada escenario se debe definir adems un conjunto de precios de generacin distintos,
y la simulacin de las variaciones de precios a travs del ao. Se deben crear entonces
bloques para cada temporada del ao, para los horarios punta, standard y off-peak, das de
trabajo y fines de semana, etc., lo que hace todava ms complejo el problema.

Pgina: 13

Surge, adems, otro problema relacionado con la recoleccin de informacin: se

debe medir la indisponibilidad de una planta de acuerdo a la fecha y hora en que comienza,
y su duracin, de modo de poder realizar la correcta correlacin con los bloques horarios
definidos anteriormente.
El anlisis de estos criterios resulta fundamental en el desarrollo de la estrategia de
mantenimiento de la compaa, pues permite determinar un costo de mantencin ptimo
para cada planta (aunque este sea de carcter terico). Esta relacin entre costos de
mantencin y disponibilidad cobra vital importancia en unidades antiguas, que tienen
mayor posibilidad de generar valor agregado en perodos de alta demanda (donde an
pueden competir, a pesar de los menores costos de plantas ms modernas), y por lo tanto,
dado que estos perodos son inusuales, podra resultar conveniente para estas plantas tener
un factor de disponibilidad bastante ms bajo.
3.2.1. Un pequeo ejemplo.
Un ejemplo simple de disponibilidad comercial que ayuda a entender el concepto
con mayor claridad se muestra a continuacin. Este indicador otorga distintos pesos a las
horas del da a travs de la semana, revisando luego que tan provechoso resulta para la
empresa el sistema de generacin que ha mantenido durante la semana. La tabla en que se
definen estos pesos es la que sigue:
Perodo de Disponibilidad.
(Availability Period <AP>)
Das de semana de 00:00 a 08:00 horas
Das de semana entre 08:00 a 24:00 horas
Fines de semana y festivos

Factor de peso de la Disponibilidad

(Availability Weighting Factor
<AWF>)
0.8
1.5
0.6

Tabla 3.1: Perodos de Disponibilidad y Factores de Ponderacin.

Pgina: 14

Para un perodo de disponibilidad dado (digamos, una semana) se debe multiplicar

el AWF por un factor que permita asegurar que AWF/N=1, donde N es el nmero de
periodos de disponibilidad total. Por ejemplo, para una semana normal se tiene:
AWF
0.8
1.5
0.6

Duracin
5 das, 8 horas diarias
5 das, 16 horas diarias
2 das, 24 horas diarias
TOTAL

Horas semanales
40 horas
80 horas
48 horas
144 horas

Tabla 3.2: Factor de correccin de los pesos.

Factor de correccin = 144 / (0.8*40 + 1.5*80 + 0.6*48) = 0.8
Esto, con el fin de que los pesos no hagan ms que representar una proporcin de la
importancia de cada perodo con respecto al perodo mayor.
3.2.2. Aplicacin de la Disponibilidad Comercial en el mercado Sudafricano.
El ejemplo anterior no es ms que una forma de explicar a grandes rasgos a que se
refiere la disponibilidad comercial, pero no refleja ninguna tcnica usada en la actualidad.
Sin embargo, se puede ejemplificar la implementacin de medidas de disponibilidad
comercial con el caso Sudafricano.
Sudfrica forma parte del Southern African Power Pool, un mercado elctrico
comn para los pases del Sur de frica que comenz a funcionar en 1996 con la unin de
las lneas de 6 pases, y ya cuenta con 11 miembros (y un doceavo miembro, Zambia,
pronto a firmar).
En este mercado Sudafricano recientemente desarrollado se ha combinado el
expertise tcnico con los conceptos de costo y valor. A continuacin se muestra una figura
que detalla dichas relaciones, y luego se explica como la combinacin de estos conceptos
resulta en una familia de indicadores que sirven como medidas de disponibilidad comercial.

Pgina: 15

Disponibilidad
Comercial.
(p.e BAV [add])

Disponibilidad
Tcnica
(p.e. EAF)

Disponibilidad
Potencial
(Capacidad
Instalada)

Desempeo
Comercial
(Beneficios)

Disponibilidad
Actual
(Capacidad
Promedio)

Costos de
Generacin

Valor
(Precio de
Mercado)

Figura 3.1: Relacin entre disponibilidad tcnica y criterios comerciales.

Las relaciones de la figura 3.1 implican que la disponibilidad comercial debe
reflejar la relacin tradicional entre suministro y demanda con el valor de un MWh sujeto a
variaciones producto de incrementos o disminuciones en alguno de los dos factores. Tanto
la demanda como el suministro tienen una componente predecible, como tambin una
componente estocstica. Sin embargo, es posible (a travs de tcnicas estadsticas) obtener
un valor esperado para los eventos, aunque el comportamiento aleatorio de la demanda y la
oferta pueden alterar significativamente la validez de los pronsticos del precio en el corto
plazo.
Los indicadores que surjan a partir del proceso deben reflejar como la empresa
puede capitalizar las oportunidades econmicas que se presentan en los mercados
liberalizados, tanto en el corto como en el largo plazo. Para ello, la empresa puede usar el
proceso que se sugiere a continuacin en la formulacin de estos ndices.
El primer paso consiste en, simplemente, revisar si la unidad est disponible. La
segunda pregunta es si esa unidad est disponible cuando estaba previsto, para luego
preguntarse si la unidad fue utilizada durante dicho perodo. Finalmente, el indicador

Pgina: 16

desarrollado deber reflejar si vale la pena o no, en trminos financieros, despachar la

unidad en cuestin. La figura 3.2 explica grficamente este proceso.

Unidad
Disponible.

Estabas all?

Unidad
Ofertada.

Unidad
Utilizada.

Estabas all,
Cundo dijiste
que estaras?

Estabas all
cuando dijiste
que estaras,
era necesario?

Valor de la
Unidad en
la Red.

Ratio
Estabas all
cuando dijiste
que estaras y
era necesario.
Vali la pena?

Figura 3.2: Proceso de formulacin de ndices de Disponibilidad Comercial.

Para poder determinar si vali la pena estar ah es necesario evaluar el precio de la
energa o potencia despachada adecuadamente. Para ello, se debe tener presente el precio
Spot, que representa el valor de un MWh en el mercado en un perodo de tiempo especfico.
Obviamente, si el precio Spot es mayor que el costo marginal de la generacin, la unidad
tiene una oportunidad en el mercado. Bajo estas circunstancias, la unidad es competitiva y
debe generar para incrementar el valor para los accionistas. Si la unidad no puede generar
(debido a salidas planeadas o forzadas, o a limitaciones de capacidad), se ha perdido la
oportunidad de generar este valor para los accionistas.
Es importante notar que no slo se trata de generar valor, sino tambin de no
destruirlo. Al generar cuando el precio Spot es menor que los costos marginales, la planta
est perdiendo dinero, quitando valor a los accionistas, y sera ms provechoso no generar
bajo esas circunstancias.
En vista de lo anterior, surgen para la planta cuatro dominios de la Disponibilidad
Comercial. Estos son:

Pgina: 17

Retornos > Costos

Retornos < Costos

Energa Despachada
(MW actuales)

Agregar Valor

Destruir Valor

Energa No Despachada
(Eleccin de NO generar)

Oportunidad
Perdida

No Competitiva

Tabla 3.3: Los Cuatro Dominios de la Disponibilidad Comercial.

Para poder cuantificar estos cuatro dominios es necesario definir cuidadosamente

como sern medidos los costos, retornos y beneficios de la planta. Los costos deben
considerar, de todos modos, la mantencin y operacin de la planta. En el caso de estudio
(Sudfrica), se ha elegido la siguiente definicin para los parmetros ya sealados:
-

Retornos: Precio Marginal del Sistema, junto a retornos por servicios

suplementarios y beneficios. Se excluyen instrumentos financieros, como
los contratos, dado que son independientes del desempeo tcnico de la
planta.

Costos: Reflejan los costos marginales de operacin. Son declarados en el

inicio de cada perodo y slo pueden ser alterados bajo consenso del
Gerente General y el encargado de las medidas de desempeo de la
empresa. Con ellos se suponen los costos de la simulacin, y es necesario
que sean expresados en la misma unidad que los retornos, de modo que
puedan ser comparados.

Beneficios: Diferencia entre Retornos y Costos.

Teniendo estas definiciones presentes, se desarrollaron dos familias de indicadores

que representan la Disponibilidad Comercial de una planta, las que se tratan en lo que
sigue.

Pgina: 18

3.2.2.1. Medidas de Disponibilidad Comercial aplicadas.

3.2.2.1.1. Balance de Disponibilidad Valorada (Valuable Availability Balance,
VAB)
Esta familia de indicadores de disponibilidad comercial mide la frecuencia en que se
presenta cada uno de los dominios sealados anteriormente, revisando lo ocurrido en las
horas en que ocurre cada evento. Esto es

ponderado por los MW despachados vs.

Capacidad Instalada.
Basndose en la tabla 3.3, y en como se definen los cuatro dominios de la
Disponibilidad Comercial, se sugieren cuatro indicadores:
VAB (add)

: Porcentaje en que se ha agregado valor a las acciones.

VAB (dest)

: Porcentaje en que se ha destruido valor de las acciones.

VAB (mo)

: Porcentaje que refleja las oportunidades perdidas.

VAB (nc)

: Porcentaje que refleja la no operacin debida a falta de

competitividad (la planta no era rentable).

Por ejemplo, si una unidad de 200 MW de Capacidad Instalada despacha 180 MW
en una hora en particular donde los retornos excedan a los costos, entonces:
VAB (add) = 180MW / 200 MW = 0.9
VAB (mo) = 20MW / 200 MW = 0.1
Es claro que, en el caso ideal, la planta debera buscar la maximizacin del VAB
(add) y minimizacin del VAB (mo) si los retornos exceden a los costos, mientras se
debera evitar el aumento del VAB (dest) cuando los costos son mayores que los retornos.
De cualquier modo, muchas veces se cae en una especie de costo hundido debido a
parmetros tcnicos de la unidad, como una potencia mnima (que lleva a generar un nivel

Pgina: 19

mnimo aunque no sea rentable, si se prev que en horas siguientes la relacin costo-retorno
puede cambiar).
3.2.2.1.2. Valor de Disponibilidad Depositado (Banked Availability Value,
BAV)
Aunque el VAB representa un muy buen parmetro para medir hora a hora el
desempeo de una planta en funcin del mercado, no considera el valor que se genera, se
destruye o se pierde producto de esta operacin. Para poder llevar una contabilidad del
impacto financiero de la relacin retornos costos, se ha desarrollado el valor de
disponibilidad depositado, familia de indicadores de disponibilidad comercial que se basan
en la medicin de las utilidades segn la tabla 3.4.

Energa Despachada
(MW actuales)

Energa No
Despachada
(Eleccin de NO generar)

Retornos > Costos

Retornos < Costos

Beneficios x
Capacidad
Despachada

Beneficios x
Capacidad
Despachada

Beneficios
Potenciales x
Capacidad No
utilizada

Beneficios
Potenciales x
Capacidad No
utilizada

Tabla 3.4: Valorizacin del BAV.

De este modo, surgen cuatro indicadores que miden la ganancia o prdida generada.
Estos son, de forma anloga al VAB:
BAV (add)

: Valor agregado al generar cuando los precios exceden el costo.

BAV (dest)

: Prdida al generar cuando los costos exceden a los retornos.

BAV (mo)

: Ganancia potencial que se produce al no generar cuando los

retornos exceden los costos.
Pgina: 20

BAV (nc): Prdida evitada al no generar cuando los costos exceden a los beneficios.
Resulta claro que, para el caso en que la unidad despacha energa, el valor agregado
o destruido corresponde a la ganancia o prdida en que se cae, multiplicada por el nmero
de MWh despachados durante el perodo. En el caso en que la unidad no genera, o no lo
hace a su mxima capacidad, es importante considerar los beneficios potenciales que se
hubiesen percibido. La capacidad no utilizada puede medirse, como la diferencia entre la
capacidad Instalada y la despachada, o reemplazando la capacidad mxima por un lmite
ms realista impuesto siguiendo criterios tcnicos, aunque se debe tener cuidado de no estar
justificando prdidas en base a dichos criterios.
Como se seal anteriormente, es importante destacar que no slo se trata de revisar
estos indicadores de forma de aprovechar al mximo el dominio de Agregar Valor, sino
tambin evitando la Prdida de Valor.
3.2.2.2. Aplicacin directa a la comparacin de dos centrales Sudafricanas[18].
Basndose en distintos datos entregados por plantas Sudafricanas, el World Energy
Council (WEC) desarroll una comparacin entre dos de ellas utilizando los criterios de
Balance de Disponibilidad Valorada y Valor de Disponibilidad Depositado. La figura 3.3
muestra un extracto de los datos utilizados en la medicin de estos parmetros, y
posteriormente se revisa la aplicacin de ellos a la comparacin entre las plantas.

Pgina: 21

Figura 3.3: Muestra de algunos datos usados por e WEC.

Cabe sealar que las plantas para el estudio fueron elegidas al azar, y en una
ventana de tiempo tambin seleccionada aleatoriamente. La comparacin realizada posee
un carcter netamente acadmico, y no buscaba directamente fines comerciales.
Los resultados son ilustrados en las tablas y grficos que siguen:

Agregar Valor (VAB[add])

Destruir Valor (VAB[dest])
Oportunidad Perdida (VAB[mo])
No Competitiva (VAB[nc])

Estacin A
41.95%
54.2%
2.45%
1.4%

Estacin B
84.27%
6.29%
9.44%
0%

Tabla 3.5: VAB aplicado a las plantas sudafricanas.

Pgina: 22

Figura 3.4: Representacin grfica del VAB para la estacin A.

Figura 3.5: Representacin grfica del VAB para la estacin B.

Pgina: 23

Para el reporte de los datos relacionados con el BAV se ha decidido normalizar cada
uno de los valores, en torno al porcentaje del flujo de recursos que representan para la
estacin. De otro modo no hubiese sido posible realizar la comparacin. La tabla 3.6 y las
figuras 3.6 y 3.7 muestran los resultados.

Agregar Valor (VAB[add])

Destruir Valor (VAB[dest])
Oportunidad Perdida (VAB[mo])
No Competitiva (VAB[nc])

Normalizado
Estacin Estacin
A
B
67.4%
90.4%
-28.9%
-1.9%
-2.7%
-7.7%
-0.9%
0%

Absoluto
Estacin Estacin
A
B
696.511
2.305.692
(299.002) (47.709)
(27.699) (197.386)
(9.716)
-

Tabla 3.6: Resultados de la comparacin de BAV.

Figura 3.6: BAV absoluto para las plantas A y B.

Pgina: 24

Figura 3.7: BAV relativo al flujo total de recursos para las Estaciones A y B.
3.2.3. Metodologas de prediccin.
Dada la naturaleza estocstica de muchos de los elementos involucrados en el
desarrollo y la utilizacin de estos instrumentos de medicin comercial, es necesario
desarrollar una metodologa que permita obtener los estimadores ms eficaces posibles.
Frente a este problema, dos son los caminos frecuentemente recomendados para el
manejo de los datos recolectados. El primero de ellos es el Acercamiento de Harkov
(Harkov Approach), que permite obtener un predictor confiable al definir una Tasa de
Salida Forzada basada en la demanda (EFORd).
El acercamiento de Harkov simplemente usa la salida forzada promedio histrica,
salida a reserva, y duracin de los periodos de servicio, para calcular un factor de descuento

Pgina: 25

que aproxime que porcin de salidas forzadas podra producirse bajo las actuales
condiciones de demanda.
Si bien el actual ndice EFOR propuesto en la norma IEE763 aproxima un ndice
EFOR de manera relativamente adecuada, ello slo ocurre para las plantas con mayor
prioridad de servicio en la industria. El acercamiento de Markov proporciona un ndice
EFOR basado en la demanda que puede ser aplicado a cualquier unidad, independiente de
su perodo de operacin.
A pesar de que los procesos de Markov son regularmente complejos, el
acercamiento de Markov sugerido simplemente calcula el factor de descuento a travs de la
ecuacin que sigue:
EFORd = [(f*FOH) + (EFDH EFDHRS)*100] / (SH + f*FOH)
Donde:
FOH

: Horas de Salida Forzada

EFDH

: Horas equivalentes de reduccin forzada de la capacidad

EFHDRS

: Horas equivalentes de reduccin forzada de capacidad durante la salida de

reserva.

SH

: Horas de servicio

: Factor de Descuento para las horas de salida forzada FOH,

f = (1/r + 1/T) / (1/r + 1/T + 1/D)

con:
r

: Duracin promedio de las salidas forzadas (f = FOH/Nmero de salidas forzadas)

: Tiempo promedio de salida de reserva / Nmero de partidas intentadas.

: Tiempo de demanda promedio (D = SH / Nmero de Partidas Satisfactorias)

T+D

: Horas disponibles / Nmero de partidas.

Pgina: 26

La aproximacin de Markov tiene la ventaja de proporcionar directamente un ndice

EFORd, que es bastante usado en planificacin, produccin y diseo de instalaciones en
Estados Unidos y otros pases. Es, adems, aplicable a unidades de distintos patrones de
funcionamiento, al utilizar el factor de descuento. Rebaja, adems, el perodo de salida
forzada cuando la demanda no exige urgente reparacin.
Sin embargo, el mtodo presenta tambin algunas desventajas que es necesario
considerar para su correcto uso. Primero, resulta ms complejo que el mtodo actual
utilizado por la IEEE en el Standard 762, aunque no requiere el seguimiento de datos
adicionales. Por ltimo, no se debe olvidar que este mtodo corresponde a una
aproximacin, y que el nico mtodo para calcular una tasa del tipo EFORd real es medir la
demanda de cada unidad junto a los eventos relevantes para esta unidad, lo que resulta
enormemente costoso y difcil de implementar.
Otro tema que concierne al desarrollo y uso de mtricas que se basan en
aproximaciones y pronsticos es la aplicacin de la probabilidad condicional. Para la
correcta recoleccin de datos, muchas veces es necesario realizar un proceso de
benchmarking, y elegir la planta que ser utilizada en l. Un buen indicador para la eleccin
de la planta son las horas de apagado en reserva (Reserve Shutdown Hours, RSH) definidas
en la norma IEEE762, que reflejan las horas en que la unidad estuvo disponible, pero no fue
despachada por motivos econmicos. Ello guarda directa relacin con el patrn que sigue la
operacin de la unidad, y de este modo, unidades con un RSH similar debiesen funcionar
con ciclos de generacin/salida del sistema relativamente similares.
Una vez elegidas las plantas para el Benchmarking aparece el problema de calcular
la disponibilidad comercial de las plantas que servirn de benchmark. Acceder a estos datos
no es fcil, y ms an, su clculo es complicado y muchas veces es conveniente usar
probabilidades condicionales. Esta probabilidad condicional debe representar la
probabilidad de que esa unidad pueda despachar la cantidad requerida de energa durante
un perodo de tiempo dado. Se definir en base a la posicin de la planta en la lista de orden
de mrito y a diferentes perodos de demanda (peak o fuera de peak, da de semana o fuera

Pgina: 27

de semana, da o noche y otros). El primer acercamiento al clculo de la probabilidad

condicional estar dado por la forma de la curva de precios del mercado, que entregar
indicaciones sobre los incentivos para la generacin.
Utilizando estos criterios de seleccin para el benchmarking, (que no se basan slo
en criterios tcnicos, sino tambin en variables comerciales), y comparando las
probabilidades condicionales de dichas plantas con la unidad a evaluar, se puede establecer
un benchmark mucho ms confiable que refleje la contribucin real de la planta a la
rentabilidad de la compaa.
3.3. Fijacin de una meta de Disponibilidad: El Mtodo del Anlisis de
Frontera [8], [15].
Como se ha sealado en numerosas ocasiones a lo largo de este informe, la meta de
los generadores fue, durante mucho tiempo, maximizar la disponibilidad. Un ejemplo
tpico, es fijar como meta lograr un aumento porcentual del EAF (Factor de Disponibilidad
Equivalente), y el manejo de la unidad se enfocar completamente a ello. De cualquier
modo, como se ha mencionado, utilizar medidas de desempeo indirectas como el EAF
puede no reflejar las necesidades reales de la planta y, por lo tanto, fijar metas usndolas
como base puede ir en contra del desempeo econmico de ella. Otro error puede ser fijar
una meta en que se trate de disminuir, arbitrariamente, los costos de operacin y
mantencin, sin tener en cuenta los efectos de una disminucin sin rigurosa planificacin
sobre el desempeo de la planta.
El camino a seguir, en realidad, no tiene que ver con minimizar los costos de
Operacin y mantenimiento (O&M) para aumentar la disponibilidad y el desempeo, sino
en encontrar el punto ptimo que permita bajos costos y una disponibilidad que no es
mxima (necesariamente), sino que se adapta a las necesidades del mercado.
Para realizar un anlisis que permita encontrar este ptimo es necesario contar con
informacin sobre costos que es difcil de medir, sin embargo, no es imposible obtener una

Pgina: 28

aproximacin relativamente certera utilizando diversos mtodos estadsticos. Uno de los

mtodos ms usados es el denominado Anlisis de Frontera, y en lo que sigue trataremos
sobre sus caractersticas bsicas y su aplicacin a la determinacin de un ptimo en lo
relativo a costos y nivel de disponibilidad.
Revisemos primero un ejemplo acadmico. La curva de la figura 3.8 representa los
costos de los diferentes niveles de disponibilidad que puede alcanzar una unidad generadora
(para efectos prcticos no se ha considerado el costo del combustible). La curva presentada
fue generada en funcin de los datos sobre las utilidades entregados por las empresas
generadoras estadounidenses a la FERC (Federal Energy Regulatory Commission) y los
datos sobre disponibilidad que se entregaron al NERC (North American Electric Reliability
Council) a travs de su sistema de recoleccin de datos (el GADS, Generating Availability
Data System). Sin embargo, los datos que se obtuvieron de estas instancias son sumamente
dispersos (como se puede ver en la representacin de la figura 3.9) y, por lo tanto, usar un
anlisis de regresin lineal resulta en un coeficiente de correlacin demasiado bajo como
para reflejar costos reales.

Figura 3.8: Costos versus nivel de disponibilidad.

Pgina: 29

Figura 3.9: Representacin de los datos usados para el estudio.

Esta baja correlacin lineal de los datos, sin embargo, no significa que sea imposible
obtener informacin de ellos. La tcnica de anlisis de frontera permite obtener la curva
que se muestra en la figura 3. Vale la pena sealar que los resultados del Anlisis de
Frontera sern aplicables slo cuando la coleccin de datos utilizada para generar el
proceso de benchmarking provenga de plantas con caractersticas similares a la planta que
se desea intervenir. Como se mencion antes, una buena medida de comparacin es la
cantidad de horas en reserva durante un perodo (RSH).

Figura 3.10: Resultado de la aplicacin del Anlisis de Frontera a los datos.

Pgina: 30

Aquellas plantas que se encuentran cerca de la curva el Anlisis de Frontera son las
que presentan los menores costos de disponibilidad para una amplia gama de EAF, y
claramente ello es logrado mediante las mejores prcticas de mantenimiento, que sern
tratadas en una seccin posterior. Luego, una excelente decisin es comparar a la planta en
estudio con aquellas que se encuentran cerca de la frontera.

Figura 3.11: Costos totales de Operacin y Mantenimiento (O&M)

Sin embargo, obtener la curva de la frontera de costos de Operacin y
Mantenimiento no es suficiente para encontrar un ptimo. Numerosos factores intervienen
en la rentabilidad de una planta, y es necesario buscar una relacin entre todos ellos. Se
deben incluir, por ejemplo, los costos de reparacin producto de mantenimiento correctivo.
As, mientras los primeros costos, aquellos que son previsibles, corresponden a los costos
de mantenimiento proactivo, se deben tener tambin presente los costos reactivos,
relacionados con la segunda serie de variables. La figura 3.11 muestra estos costos
proactivos y reactivos, y la suma de ambos, entregando los costos totales. Es posible
observar tambin en la figura 3.11 la existencia de curvas que marcan el Mejor Cuarto, o el
Mejor Dcimo. Estas curvas se sitan justo sobre el 25% y 10% de los datos que muestran
el mejor desempeo, respectivamente, y son usadas generalmente para fijar metas de costo

Pgina: 31

ms realistas y menos ambiciosas en el corto plazo. Un detalle importante tiene que ver con
que, a medida que aumenta la disponibilidad, los costos proactivos tienden a aumentar
(siendo exponencialmente altos para una disponibilidad completa), mientras los costos
reactivos se reducen con el aumento de disponibilidad. Ello se debe a que una alta
disponibilidad requiere de un excelente (y costoso) mantenimiento predictivo (aumento de
costos proactivos), y resulta en una mnima posibilidad de fallas del sistema (disminucin
de costos reactivos).
Del anlisis de costos de la figura 3.11 nace inmediatamente la nocin de que existe
un nivel ptimo de disponibilidad que minimiza los costos de operacin y mantenimiento,
pero no slo ello, sino que tambin indica que para un mismo nivel de costos existen dos
niveles de disponibilidad posibles. Resulta bsico, entonces, mantenerse en la porcin
derecha de la curva, de modo de tener siempre el mayor nivel de disponibilidad posible
para los costos en que se ha incurrido.
Otro costo que se debe considerar en el anlisis de los datos es el costo de
indisponibilidad. Este costo es aquel en que incurre la planta al no generar en un momento
determinado, y puede obtenerse por el costo de reemplazar la energa no producida. Desde
el punto de vista de una planta inserta en un mercado competitivo, el costo de
indisponibilidad corresponde al costo de oportunidad de producir energa al precio del
mercado, mientras para una planta que funcione en base a ventas de energa por contrato,
ser ste el que defina el valor de la indisponibilidad. Generalmente, el costo de
indisponibilidad se puede aproximar por una recta de pendiente negativa, como se muestra
en la figura 3.12, en la que tambin se puede apreciar la determinacin de los costos totales,
incluyendo los costos de O&M y de la indisponibilidad.

Pgina: 32

Figura 3.12: Costos totales de la planta.

Es claro que, en la bsqueda de la reduccin de costos de la planta, esta debe operar
en el punto ms bajo de su curva de costos totales. La lnea vertical de la figura 3.12
muestra el nivel ptimo de costos de Operacin y Mantenimiento (al intersectar a la curva
correspondiente) y el nivel de disponibilidad ptimo para la planta, desde el punto de vista
econmico (al cortar el eje de la disponibilidad).

Figura 3.13: Disponibilidad Optima Econmica y Metas de Costos

Pgina: 33

Si ahora consideramos tambin el punto en que la lnea vertical corta a las curvas de
costos de O&M proactivos y reactivos, podemos obtener la relacin ptima que debe existir
entre estos factores para lograr las metas de disponibilidad de la empresa, como se muestra
en la figura 3.13. Esta multiplicidad de factores que se desprenden de encontrar el ptimo
de costos de generacin nos recuerda que ste ptimo de disponibilidad econmica (OEA,
por sus siglas en ingls) tiene un valor que vara dependiendo de las caractersticas tcnicas,
operacionales y econmicas de la planta y su entorno. La figura 3.14 Muestra como se ve
afectado el ptimo econmico de disponibilidad si el costo de indisponibilidad de la planta
decrece. La curva de costos totales se desplazar hacia la izquierda, y con ello tambin el
ptimo Econmico de la Disponibilidad, y ya no ser necesario mantener el alto nivel de
disponibilidad inicial. Esta sensibilidad del OEA a las condiciones de la planta y su entorno
obliga a realizar una peridica revisin de las metas de disponibilidad que la planta se ha
propuesto.

Figura 3.14: Desplazamiento del OEA debido a una disminucin del costo de
indisponibilidad.
El concepto de Anlisis de Frontera y su utilizacin en la definicin de metas de
disponibilidad para la empresa ha sido puesto en prctica por la multinacional AES, con
113 plantas y 45.000 MW de capacidad instalada en 26 pases, y en palabras de, Paul

Pgina: 34

Hanrahan, AESS CEO lo que diferenciar a AES no es la disponibilidad de su flota, sino

que tan bien es capaz de capturar el margen disponible de sus plantas a travs de una
mejor operacin. Queremos que nuestras plantas optimicen el valor de mercado de la
disponibilidad y cmo alcanzarlo. El enfoque en trminos marginalistas en lugar de una
alta disponibilidad est claro, y al parecer a AES le ha dado resultado.

Pgina: 35

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.

Pgina: 36

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.

Pgina: 37

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

Pgina: 38

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.

Pgina: 39

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
Pgina: 40

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.

Pgina: 41

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:

Pgina: 42

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?

Pgina: 43

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?

Pgina: 44

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.

Pgina: 45

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

Pgina: 46

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.

Pgina: 47

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:
(i)

una descripcin de un sistema tcnico, su funcin y su importancia,

(ii)

un modelado del deterioro del sistema en el tiempo y consecuencias posibles

para el sistema,

(iii)

una descripcin de la informacin disponible acerca del sistema y las acciones

dispuestas por la direccin

(iv)

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

En Riesgo

Pgina: 48

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.

Pgina: 49

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
4.6.1 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].

Pgina: 50

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

Pgina: 51

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

Pgina: 52

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].
4.6.2 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, extendiendose 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

Pgina: 53

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

Pgina: 54

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 del
Southern electric system con 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

Pgina: 55

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

Pgina: 56

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.

Pgina: 57

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 .

Pgina: 58

(a)

(b)

(c)

(e)

(f)

(g)
Figura 4.6: Southern Company SystemFossil Fired Units Reliability .

Pgina: 59

5. Conclusiones
En la actualidad, el sector elctrico se sita dentro de un nuevo marco desregulado,
donde nadie asegura la recuperacin de los costos a las empresas de generacin. En esta
situacin la rentabilidad de la generacin depende en gran medida de la capacidad de
producir la energa a un precio competitivo sin alterar la confiabilidad (seguridad, fiabilidad,
mantenibilidad y disponibilidad) de las plantas de generacin. Mantener la capacidad
productiva con un alto nivel de eficiencia se convierte en un factor fundamental para
asegurar la rentabilidad econmica de una planta de generacin
Al utilizar el concepto de Disponibilidad Comercial se debe tener presente la
consistencia y confiabilidad de los clculos de costos, la necesidad de formas de recoleccin
automtica de los datos (dado el constante y rpido cambio), el impacto que deben tener los
ndices de medicin sobre la rentabilidad de la compaa y la urgencia de que esos factores
permitan realizar una comparacin entre la planta y otras plantas similares.
De los estudios analizados pudimos observar que la Disponibilidad Optima
Econmica de la planta es un objetivo dinmico que varia en funcin de su ambiente tcnico,
operacional, y econmico.
Actualmente uno de los mayores retos para las personas encargadas en temas de
mantenimiento no es slo aprender todas las tcnicas existentes, sino identificar cuales son
las adecuadas para aplicar en su propia organizacin y cuales no, tanto desde el punto de
vista tcnico como econmico. Tomando una decisin correcta es posible mejorar el
desempeo de los activos,

reducir los costos de mantenimiento e incrementar la

rentabilidad.
Varios de los estudios revisados mostraban en situaciones concretas que un aumento
en la disponibilidad

no necesariamente es sinnimo de minimizacin de costos (o

incremento en la rentabilidad) y que tal supuesto en empresas generadoras, podra conducir

a decisiones que no estn en el mejor inters del consumidor y ni de la compaia.

Pgina: 60

Por otro lado el incremento de la disponibilidad es siempre un objetivo deseable,

pero la manera en la cual aquel objetivo es alcanzado debe ser evaluada con mucho cuidado,
dicho de otra manera este objetivo no deber ser alcanzado a cualquier costo.
Usar simplemente las medidas tradicionales de la disponibilidad para juzgar el
desempeo o rendimiento de una planta puede engaar y posiblemente ser contraproducente
al verdadero objetivo de minimizar costos (o maximizar la rentabilidad).
Queda de manifiesto que 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. Esta interrelacin afecta el costo total y la
rentabilidad de las plantas elctricas.
En las discusiones precedentes queda claro que por otro lado tomar con ligeraza el
reducir los costos de Operacin y Mantenimiento a un mnimo absoluto podra redundar en
un deterioro en la confiabilidad, un incremento de costos totales y por tanto una disminucin
de la rentabilidad de la Compaa.
Un proceso de Benchmarking exitoso debe tener presentes las caractersticas
sealadas en el informe en lo que respecta a la similitud entre las plantas en criterios como
capacidad y patrn de funcionamiento, pero no se puede dejar de lado las similitudes o
diferencias que existen en el entorno que rodea a la planta. La estructura del mercado, la
regulacin a la que se est sometido o la existencia de subsidios deben ser ponderados y
corregidos a la hora de elegir una empresa como benchmark
El Benchmarking de la Disponibilidad Comercial

requerir de que un nuevo

aspecto de la planta sea incluido en el anlisis para determinar el grupo de par ptimo.
Aquel nuevo aspecto es un indicador del desempeo econmico de la planta. Nos parece
que esto es algo muy nuevo que slo a partir del 2004 se esta registrando. En efecto las
bases de datos para benchmarking disponibles no registran aquella informacin

Pgina: 61

Considerando el comentario anterior y el hecho de que la desregulacin de los

mercados de generacin es relativamente reciente y por lo tanto la existencia de informacin
limitada, la recopilacin de informacin a ratos fue muy compleja, considerando los plazos
de esta tarea. Por otro lado, mucha de la informacin requerida para un estudio detallado del
tema es confidencial desde el punto de vista de las empresas y a pesar de haber sido
debidamente solicitada, hasta la fecha de entrega de este informe no se pudo acceder a ella.
Esta investigacin se hace muy vlida sobre todo cuando se accede a informacin
por ejemplo del Comit WEC Performance of Generating Plant (PGP) [16] quien durante
ms de 30 aos ha recopilado y publicado datos del desempeo de plantas electricas de
generacin al rededor del mundo y generado informes regulares con ejemplos de tcnicas y
mtodos avanzados para mejorar el desempeo de centrales a travs de benchmarking. En
efecto en su informe del 2004 seala :
El anlisis de los datos de rendimiento de plantas elctricas recopilados por el Comit ha
mostrado una brecha sustancial entre el rendimiento promedio mundial y el que han
conseguido plantas top. Se ha estimado que la eliminacin de aquella brecha causara
ahorros de US$80 billones por ao. Como las plantas existentes podran operar con una
disponibilidad ms alta, no sera necesario disear, financiar, construir y operar capacidad
adicional. Adems, estas mejoras del desempeo reduciran las emisiones de GHG en un
millon de toneladas de CO2 (aproximadamente el 4 % de las emisiones globales totales) por
ao, junto con la reduccin proporcional de otros contaminantes. Este podra ser
implementado en una razn promedio beneficio-costo de 4:1. Los casos de estudio
recopilados por los miembros de Comit PGP de servicios y compaas alrededor del
mundo han indicado que aunque algunas mejoras de la tecnologa y actualizaciones del
equipo sern requeridos, a mayora de las mejoras seran consecuencia del enfoque a temas
de factor humano y del gerenciamiento de la central elctrica. En efecto, si estas reas no
son mejoradas, las nuevas tecnologias de las plantas sern incapaces de conseguir su
inherente potencial de rendimiento superior

Pgina: 62

6. Referencias
[1]

John Moubray, Libro: Reliability-centered Maintenance II, (RCM II) 1997.

[2]

Rommert Dekker & Philip A. Scarfb; On the impact of optimization models in

maintenance decision making: The state of the art, Reliability Engineering and
System Safety 60 ( 1998) 111 - 119

[3]

Rommert Dekker Applications of maintenance optimization models: a review

and analysis, Reliability Engineerring and System Safety 51 ( 1996) 229 - 240

[4]

Sherif, Y.S. & Smith, M.L., Optimal maintenance models for systems subject
to failure--a review. Nay. Res. Log. Quart., 28 (1981) 47-74.

[5]

Rafael Surez, Uso de la Teora de Restricciones y Manejo de Colas al Inicio

de la Gestin de la Funcin Mantenimiento

[6]

Richwine R.R Correlation of the Effect of Planned Maintenance on Unplanned

Outages: The Economic Impact on Selecting Availability Goals; 1981, Portland
Or

[7]

Robert R. Richwine The Relationship between Scheduled Maintenance and

Forced Outages and its Economic Impact on Selecting Availability Goals
Performance of Generating Plant Committee, Case Study of the Month July- 2003

[8]

Robert R. Richwine Maximizing Availability may not Optimize Plant

Economics Performance of Generating Plant Committee, Case Study of the
Month October

[9]

2004.

Robert Richwine, Are Reliability Measures Unreliable?, Performance of

Generating Plant Committee, Case Study of the Month - May 2003.

Pgina: 63

[10]

Robert Richwine, Are Reliability Measures Unreliable?- Part 2 Using

Commercial Availability Performance of Generating Plant Committee Case
Study of the Month - June 2003.

[11]

Robert R. Richwine & A. K. Jenkins, Optimizing O&M Cost to Maximize

Profitability, International Joint Power Generation Conference 1995

[12]

R.R Richwine, A. D. Quin, J.B. Mills, S.D. Lowe Results of the availability
Improvement Program in the southern Electric System, Power Generation
Conference 1989

[13]

R.R. Richwine

R.J Niefo, Peer Unit Benchmarking Assessing Factors

Affecting Availability International Joint Power Generation Conference 1992,

Atlanta
[14]

The Institute of Electric and Electronical Engineers (IEEE). IEEE Standard

Definitions for Use in Reporting Electric Generating Unit Reliability,
Availability and Productivity. New York, USA. 1985

[15]

Robert R. Richwine, Optimum Economic Availability.

Performance of

Generating Plant Committee Case Study of the Month - July 2002

[16]

World Energy Council (WEC). http://www.worldenergy.org

[17]

G.S Stallard, V. Micali, A.L. de Sebastian, G.

Shackleton,

L.

Salvaderi,

R.

Richwine, D. Glorian, J Heithoff. International Availability Data Exchange

For Thermal Generating Plant. Working Performance Of Generating Plant,
Section 3: Group 3 of the World Energy Council, 2001.
Pgina: 64

[18]

Robert R. Richwine, Estimating a Generating Plant's future Maintenance Cost

Performance of Generating Plant Committee Case Study of the Month - October
2003

Pgina: 65