.

El Mantenimiento como Fuente de Rentabilidad

Para evaluar la gestin del mantenimiento, se han de definir claramente los
objetivos que el mantenimiento pretende conseguir. Estos objetivos se fijarn en
funcin de los objetivos de la empresa (rentabilidad, en mercados competitivos).
La mejor manera de saber si dichos objetivos se consiguen o no y cmo
contribuyen a mejorar la competitividad de la empresa es cuantificarlos en
trminos monetarios.
Hoy en da, las estrategias del mantenimiento estn encaminadas a garantizar
la disponibilidad y eficacia requerida de las unidades, equipos e instalaciones,
asegurando la duracin de su vida til y minimizando los costos de
mantenimiento, dentro del marco de la seguridad y el medio ambiente.
Los factores crticos de xito de la gestin del mantenimiento son
la Disponibilidad y la Eficiencia, que van a indicarnos la fraccin de tiempo en
que las unidades o equipos estn en condiciones de servicio (Disponibilidad) y la
fraccin de tiempo en que su servicio resulta efectivo para la produccin.
La disponibilidad se ha de tener slo cuando se requiere, lo cual no quiere
decir que haya de ser por igual en todos los recursos (unidades), pues depende
mucho de la criticidad de los mismos, y esa criticidad puede variar segn las
condiciones del mercado. Tener una disponibilidad demasiado elevada en
recursos (unidades) que no la necesitan slo ocasiona un exceso de costos, al
hacer un uso excesivo de los recursos de mantenimiento.
La mejora en los dos ratios de Disponibilidad y eficiencia y la disminucin de
los costos de mantenimiento suponen el aumento de la rentabilidad de la empresa
y por tanto tiene influencia directa sobre las utilidades.
4.1 Evolucin del concepto de Mantenimiento
Antes de esta mirada a aspectos del mantenimiento revisemos algunas
definiciones bsicas:
Mantenimiento Preventivo: Tarea que involucra cambios/reconstrucciones de
partes/equipo bajo una base regular, sin importar el estado de las mismas.
Mantenimiento Predictivo: Busca mediante inspecciones peridicas
determinar cuando cambiar o reconstruir una parte/equipo en funcin del
estado actual de los mismos.

Mantenimiento Detectivo: Busca detectar la ocurrencia de fallas ocultas en

equipos de proteccin y/o respaldo.
Mantenimiento Correctivo: Restitucin del equipo al estado operativo ptimo
despus de la ocurrencia de una falla.
Riesgo: Dado matemticamente por el producto de la probabilidad de ocurrencia
de un evento y sus consecuencias
El objetivo fundamental del mantenimiento, es preservar la funcin y la
operabilidad, optimizar el rendimiento y aumentar la vida til de los activos,
procurando una inversin ptima de los recursos. Este enfoque del
mantenimiento es resultado de una evolucin importante a travs del tiempo. La
literatura [1] distingue entre tres generaciones diferentes de mantenimiento. Cada
una de las cuales representa las mejores prcticas utilizadas en una poca
determinada.
En los ltimos aos se ha vivido un crecimiento muy importante de nuevos
conceptos de mantenimiento y metodologas aplicadas a la gestin del
mantenimiento.
Hasta finales de la dcada de los 90, los desarrollos alcanzados en la 3
generacin del mantenimiento incluan:
Herramientas de ayuda a la decisin, como estudios de riesgo, modos de
falla y anlisis de causas de falla.
Nuevas tcnicas de mantenimiento, como el monitoreo de condicin
Equipos de diseo, dando mucha relevancia a la confiabilidad y
mantenibilidad.
Un cambio importante en pensamiento de la organizacin hacia la
participacin, el trabajo en equipo y la flexibilidad
A estos usos, se han ido aadiendo nuevas tendencias, tcnicas y filosofas de
mantenimiento hasta nuestros das, de tal forma que actualmente se puede hablar
de una cuarta generacin del mantenimiento.
El nuevo enfoque se centra en la eliminacin de fallas utilizando tcnicas
proactivas. Ya no basta con eliminar las consecuencias de la falla, sino que se
debe encontrar la causa de esa falla para eliminarla y evitar as que se repita.

Asimismo, existe una preocupacin creciente en la importancia de la

mantenibilidad y confiabilidad de los equipos, de manera que resulta clave tomar
en cuenta estos valores desde la fase de diseo del proyecto. Otro punto
importante es la tendencia a implantar sistemas de mejora continua de los planes
de mantenimiento preventivo y predictivo, de la organizacin y ejecucin del
mantenimiento.
A parte de estas caractersticas descritas anteriormente, existen otros dos
temas importantes dentro del mantenimiento actual cuya importancia ha
aumentado de manera muy importante en los ltimos aos:
La Gestin del Riesgo: Cada da cobra ms importancia la identificacin y
control de los posibles sucesos que presentan una baja probabilidad pero
consecuencias graves, sobre todo en organizaciones que operan en
industrias con riesgo. El mantenimiento se est viendo como un
participante clave en este proceso. En el pasado, este tipo de sucesos se
controlaban simplemente con una extensin de los Sistemas de Gestin de
Seguridad y Medio Ambiente implantados en cada empresa. Sin embargo,
existe una creciente percepcin de que la aplicacin de estos sistemas de
gestin a los sucesos de baja probabilidad / consecuencias graves no es
efectiva, por lo que es necesario desarrollar otras metodologas.
Patrones de Falla: Las nuevas investigaciones estn cambiando muchas de
las tradicionales creencias sobre la relacin existente en una mquina entre
el envejecimiento y la falla. En particular, se ha demostrado que para
muchos equipos existe muy poca relacin entre el tiempo de operacin y la
probabilidad de falla. El enfoque inicial del mantenimiento supona que la
probabilidad de que una mquina falle aumenta segn el tiempo de
operacin, siendo mayor la probabilidad de falla en la vejez de la
mquina. La segunda generacin de mantenimiento introdujo el concepto
de mortalidad infantil. De esta forma la tasa de fallas de una mquina
puede ser representada con una curva de baera, existiendo, por tanto, ms
probabilidad de falla durante el principio y el final de su vida til
Sin embargo, en el mantenimiento actual se ha demostrado que podemos
definir seis patrones diferentes de tasa de fallas, segn el tipo de mquina que
estemos utilizando.
Tener en cuenta el patrn al que se ajusta cada elemento es fundamental si se
quiere conseguir una ptima planificacin del mantenimiento.

Debemos estar seguros de que el mantenimiento que ha sido planificado es el

adecuado, ya que de nada sirve realizar el trabajo planificado de manera correcta,
si ste no es el ms adecuado.

Figura 4.1: Nuevos patrones de tasas de falla.

Para los patrones de falla A, B y C, la probabilidad de falla aumenta con la
edad hasta alcanzar un punto en el que es conveniente reemplazar el componente
antes de que falle y as reducir su probabilidad de falla. En el caso de los
componentes que presentan una probabilidad de falla del modelo E, reemplazar
el componente no mejorar en ningn caso su confiabilidad, ya que el nuevo
elemento tendr la misma probabilidad de falla que el antiguo.
Si el patrn de falla al que se ajusta el componente es el F, reemplazar el
elemento a intervalos fijos por un componente nuevo, no slo no mejorar la
confiabilidad, sino que aumentar la probabilidad de falla, ya que en lainfancia
presenta ms mortalidad que en la vejez.
En el grfico se observa que ms del 50% de los componentes presentan fallas
en la infancia. Esto quiere decir que cada vez que se repara o reemplaza un
equipo, las posibilidades de falla prematura debido a esa operacin de
mantenimiento son muy elevadas. Alguna de las posibles explicaciones que se
pueden dar a este hecho, son errores humanos, errores del sistema, errores de
diseo o errores de piezas.
Por lo visto anteriormente, est claro que el mantenimiento actual debe
centrarse en reducir las operaciones de mantenimiento provocadas por fallas que
se ajustan al modelo F. Es decir, fallas ocurridos en la infancia de los equipos.

Para los elementos que ajusten su tasa de fallas a este patrn F, un mantenimiento
planificado a intervalos fijos aumentar las posibilidades de falla, ya que el
equipo nuevo presentar ms probabilidad de falla que el antiguo. Por ese motivo
existe una tendencia generalizada a mantener lo mnimo posible, debido a que
cualquier operacin de mantenimiento realizada puede aumentar la probabilidad
de falla.
Otra posibilidad, es centrarse en reducir de manera global las probabilidades
de falla sobre todos los modelos. La forma de realizar esto, es mediante la
utilizacin de un Mantenimiento Proactivo, es decir buscar la forma de eliminar
los fallas, ms que eliminar sus consecuencias.
Para eliminar las fallas, hay que eliminar sus causas, lo que implica
conocerlas. Existen herramientas como el Anlisis Causa-Raz que ayudan a
identificar y eliminar las causas de los fallas, aunque en muchas ocasiones se
utiliza como una herramienta reactiva ms que proactiva.
A modo de resumen, en las siguientes grficas se presenta como han ido
evolucionando las expectativas y tcnicas del mantenimiento durante el ltimo
siglo:

Figura 4.2: Objetivos del Mantenimiento.

Figura 4.3: Evolucin de las Tcnicas de Mantenimiento.

4.2 Tcnicas de Mantenimiento
Hoy en da existen infinidad de diferentes herramientas, tcnicas,
metodologas y filosofas de mantenimiento. Algunas de las ms utilizadas entre
otras pueden ser:
Mantenimiento Autnomo / Mantenimiento Productivo Total (TPM)
Mejoramiento de la Confiabilidad Operacional (MCO)
Mantenimiento Centrado en la Confiabilidad (RCM)// (MCC)
Mantenimiento Basado en el Riesgo (MBR)
Asset Integrity
Mantenimiento Centrado en Confiabilidad en Reversa (MCC-R)
Anlisis Causa raz (ACR)
Anlisis de Criticidad (AC)
Optimizacin Costo Riesgo (OCR)
Inspeccin Basada en Riesgo (RBI)(IBR)

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

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

4.2.1 Mantenimiento Centrado en la Confiabilidad (RCM)

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

de los equipos de trabajo. Se trata de una prctica recomendada por el Energy

Power Research Institute (EPRI) para sistemas elctricos.
4.2.2 Mantenimiento Productivo Total (TPM)
Conocido por los grandes beneficios que ha obtenido en empresas
manufactureras. Demostr su poder en Japn y ha comenzado a diseminarse a lo
largo del mundo. Hace un gran esfuerzo en el trabajo en equipos. Se apoya
fuertemente en limpieza y lubricacin como fuentes que eliminan problemas
crnicos. Requiere de una profunda cultura de trabajo en equipo y sentido de
propiedad de los bienes por parte de los trabajadores.
De no poseer estos se requiere de un fuerte trabajo en el cambio cultural. Est
muy ligado a los conceptos de mejoramiento continuo de la calidad y filosofas
cero defectos. Difcil de aplicar en empresas de procesos, debido en muchos
casos a lo ambiguo que resultan los conceptos de calidad y defectos, por otra
parte el problema cultural puede entorpecer la implantacin a niveles de
frustracin.
Donde se ha logrado su implantacin exitosa, se han tenido grandes logros
respecto a seguridad, ambiente, confiabilidad, disponibilidad y costos de
mantenimiento. Tampoco responde a las interrogantes Cundo hacer el
mantenimiento? y Cmo generar una jerarqua de implantacin?
4.2.3 Anlisis Causa Raz (ACR)
Tcnica poderosa que permite la solucin de problemas, con enfoque a corto y
mediano plazo. Usa tcnicas de investigacin bastante exhaustivas, con la
intencin de eliminar las causas de los problemas/fallas. Su valor no slo reside
en la eliminacin de grandes eventos, sino en la eliminacin de los eventos
crnicos, que tienden a devorar los recursos de mantenimiento. Al eliminar
paulatinamente los problemas crnicos y pequeos, este genera tiempo para
anlisis ms profundos (RCM, por ejemplo).
4.3 Mejoramiento de la Confiabilidad Operacional (MCO)
El mejoramiento en la confiabilidad operacional desarrollada en U.K. con la
intencin de agrupar las mejores practicas de mantenimiento y operaciones con
una orientacin al negocio. Reconoce las limitaciones que el mantenimiento
como funcin tiene para lograr una confiabilidad adecuada de las instalaciones.
La figura ilustra un poco mas la idea:

Figura 4.4: Confiabilidad Operacional.

Para mejorar los 4 sectores nombrados en la grfica anterior, el MCO divide

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

Control Aqu se usa el RCM+ (que combina algunas ventajas del TPM
con el RCM) como tcnica proactiva y el ACR como tcnica reactiva,
tambin se puede hacer uso del IBR para equipos estticos. Como
resultado se obtienen una serie de tareas de mantenimiento, operaciones,
rediseo a ejecutar para mejorar el desempeo.
Estas tcnicas de control por lo general son tcnicas del tipo cualitativo y basadas
en reglas fijas para la toma de decisin (por ejemplo: diagramas lgicos).

 Optimizacin Aqu mediante el uso de herramientas avanzadas de clculo

costo riesgo se hallan los intervalos ptimos de mantenimiento, paradas de
planta, inspecciones, etc.
Se trata de tcnicas del tipo numrico e involucran el modelado de los equipos
y/o sistemas.
Los resultados de implementar estas herramientas de esta manera son
impresionantes en diversas industrias, logrando en algunos casos incluso la
transformacin de las empresas llevndolas a la implementacin de Gerencia de
Activos (Asset Management)
Grandes resultados se han encontrado en Centrales Elctricas con la
implantacin del Mantenimiento Centrado en la Confiabilidad y con el Anlisis
Causa Raz. Un requisito que no debe dejarse de cumplir es el establecimiento
previo de prioridades antes de la ejecucin de ambas tcnicas (simultaneas). Se
han desarrollado herramientas como el anlisis de criticidad y el anlisis de
oportunidades perdidas que pueden resolver dicha inquietud eficazmente.
Por otra parte normalmente ambas tcnicas generarn soluciones que podran
ser agrupadas en:
Cambios de diseo.
Tareas preventivas.
Tareas de Inspeccin (Deteccin y Prediccin).
Tareas correctivas.
La respuesta a cuando ejecutar dichas tareas no es simple, y en muchos casos
no puede ser fijada por la ley del dedo. Grandes beneficios econmicos han sido
reportados con el uso de software, que pueden calcular el punto de ejecucin con
menor costo/riesgo posible para las tareas anteriores.
4.4 Inspeccin Basada en Riesgo
Un capitulo especial se abre con esta tcnica, que establece patrones de
inspeccin de equipos estticos (calderas, lneas de transmisin, etc.) en funcin
de su riesgo asociado, nuevas aproximaciones permiten usar software para tomar
en cuenta tambin el estado actual del equipo, lo que desencadena una continua
optimizacin por costo/riesgo y no una frecuencia de inspeccin fija. Los

reportes econmicos han sido cuantiosos, adems de los beneficios por

disponibilidad y produccin. Tambin es posible optimizar con este tipo de
tcnicas la frecuencia de bsqueda de fallas ocultas (pesquisa de fallas,
mantenimiento detectivo), dejndose de usar entonces formulas mgicas que no
generan una frecuencia ptima por costo/riesgo, pudindose simular factores
como probabilidad de xito de la prueba y probabilidad de destruccin del equipo
probado.

4.5 Modelos de Optimizacin del Mantenimiento

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

En [4] los modelos se clasifican segn la modelacin del deterioro en:

Modelos deterministicos
Modelos estocsticos
o En Riesgo
o Bajo Incertidumbre
Ellos distinguen entre un sistema simple (componente unico) y un sistema
complejo. La diferencia entre riesgo e incertidumbre es que en caso del riesgo se
asume que una distribucin de probabilidad del tiempo de falla est disponible, lo
que no ocurre en el caso de la incertidumbre. Este por lo tanto incluye modelos
con polticas adaptativas. Los mtodos de optimizacin empleados incluyen
programacin lineal y no lineal, programacin dinmica, mtodos de decisin de
Markov, tcnicas de anlisis de decisin, tcnicas de bsqueda y metodologia
heurstica.
Los modelos de optimizacin de mantenimiento proporcionan varios
resultados. En primer lugar, las polticas pueden ser evaluadas y comparadas con
respecto a las caractersticas de confiabilidad y rentabilidad. En segundo lugar,
los resultados pueden ser obtenidos en la estructura de monitoreo(vigilancia)
ptimas, como la existencia de una poltica optima en los lmites de control. En
tercer lugar, los modelos pueden asistir en el aspecto del tiempo: con que
frecuencia inspeccionar o mantener. Todos estos resultados se refieren al
concepto de mantenimiento; el ltimo tambin se refiere adicionalmente a la
planificacin del mantenimiento. Finalmente, los modelos tambin pueden
ayudar en la determinacin efectiva y eficiente de programas y planes, tomando
en cuenta todos los tipos de restricciones.
Cuando la direccin de un departamento de mantenimiento se encuentra en
una condicin de mantenimiento reactivo. Una de las mejores maneras de
afrontar los inicios de la gestin para pasar a la condicin de mantenimiento
planificado es utilizando mtodos sencillos de optimizacin de cadenas de valor
como la teora de restricciones y los modelos de colas La teora de restricciones
[5 ]se centra, bsicamente, en la bsqueda del flujo perfecto de bienes o servicios
a travs de una cadena de valor balanceada, coordinada y sincronizada de
estaciones de trabajo, logrando as, bajar los costos de operacin, reducir los
inventarios y aumentar las ventas.

En el caso de un departamento de mantenimiento aplica todo lo anterior, ya

que por un lado, la funcin mantenimiento no es otra cosa que un conjunto
ordenado de actividades que agregan valor a un servicio prestado, desde una
condicin inicial conocida hasta una condicin final que debe cumplir con los
parmetros de calidad y seguridad establecidos o convenidos entre el ente
encargado de agregar valor (Departamento de Mantenimiento) y el que lo recibe
(clientes internos) en un tiempo determinado. Siendo el servicio prestado un
bien intangible podemos tomar la solicitud de trabajo como elemento tangible
del servicio en su condicin inicial, la orden de trabajo en proceso como
elemento tangible del servicio en trnsito y la orden de trabajo culminada como
elemento tangible del servicio en su condicin final.
Por otro lado, en cuanto a los resultados esperados, podemos establecer una
relacin directa, ya que, los costos de operacin son los gastos de mantenimiento,
los inventarios estaran representados por las ordenes de trabajo (sin atender y en
trnsito) y las ventas se pueden asociar directamente con el nivel de servicio
(cantidad de solicitudes atendidas en una cantidad de tiempo determinada).
Segn la teora de restricciones, el primer paso para la implantacin es
identificar los cuellos de botella (estaciones de servicio que determinan la
velocidad del flujo en el sistema), luego se asignan las prioridades a los trabajos a
ser ejecutados y finalmente se balancea el sistema. Este proceso es reiterativo, ya
que al cambiar las condiciones externas o internas del sistema, van apareciendo
nuevos cuellos de botella, lo que trae consigo nuevas acciones correctivas.
4.6 Relacin entre Mantenimiento, Disponibilidad y Rentabilidad
Anlisis de un caso particular 1
Relacin entre el Mantenimiento Programado y las salidas forzadas, su impacto
Econmico en la eleccin de Metas de Disponibilidad [7].
Las tcnicas para estimar la Disponibilidad Optima Econmica (OEA) de una
unidad generadora se ha enfocado en la comparacin del costo "frontera" [8] de
la unidad por el porcentaje de mejora de su valor marginal. Aunque ha sido
normalmente aceptado que la cantidad de salidas no planeadas que una planta
experimenta es, en parte, una funcin de la cantidad del mantenimiento
programado, aquella relacin no ha sido bien determinada. El estudio [7] explora
aquella relacin y examina su impacto econmico en la eleccin de metas de
disponibilidad.
Anlisis

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

diariamente, semanalmente y estacionalmente. Un anlisis de estos costos ha

mostrado que para grandes unidades a carbn base-carga la razon"promedio"
entre el costo de salidas forzadas y el costo de salidas programadas vara
entre 3.0 y 4.5 (excepcionalmente durante condiciones ajustadas" entre la oferta
y demanda esta razn puede ser mucho ms alta y la volatilidad puede ser mucho
mayor durante peaks estacionales). Tambin, esta razn de costos para unidades
cclicas y unidades de punta es mucho mayor (al menos uno a dos rdenes de
magnitud mayor).
Por lo tanto, cuando se calcula el costo de interrupciones y se usa la razn mas
baja para grandes unidades de carbn, osea 3.0 segn lo dicho anteriormente, en
efecto se cambia la pendiente de la ecuacin (en trminos monetarios, no
porcentuales) en un factor de 3.0 de modo que ahora:
Pendiente(Slope) = 3.0 x -0.5897 =-1.7691
Esto significa que por cada dlar que se "ahorra" reduciendo el mantenimiento
programado, se puede esperar gastar o pagar" un promedio de 1.7691 dlares
extra por efecto de interrupciones forzadas incrementadas. Entonces si el objetivo
es minimizar el costo total se debera obviamente aumentar la programacin y
salidas por mantenimiento a efectos de reducir nuestro costo de salidas no
programadas, sin tener en cuenta el efecto que podra tener en nuestra
disponibilidad.
Nueva Medida
Algunas compaas que han identificado el problema de utilizar el Factor de
Disponibilidad Equivalente (EAF) para evaluar el rendimiento de la planta han
comenzado a usar el trmino Disponibilidad Comercial (CA), anteriormente
analizado, que intenta enfrentar el tema "ponderando o pesando" las medidas de
disponibilidad tradicionales por algn indicador de costo marginal o costo de
mercado. Entre tanto se mantienen estas grandes promesas de medir
adecuadamente el verdadero impacto econmico de las interrupciones de una
planta en el rendimiento financiero (rentabilidad) de la compaa, ninguna
definicin nica ha sido adoptada por la industria y an hay otras implicaciones
que no han sido totalmente resueltas [9]y[10].
Anlisis de un caso particular 2
Optimizar Costos de O&M para Maximizar Rentabilidad [11]

A menudo en la proforma de una central elctrica propuesta, los costos O&M

son tratados como un commodity (activo); un nmero para ser reducido tanto
como sea posible. Sin embargo, varias estudios de la industria han mostrado que
hay una correlacin directa entre un cambio en el gasto de O&M en una central
elctrica dada y el resultante desempeo de aquella planta. El objetivo entonces,
sera encontrar el nivel ptimo de gasto O&M queminimice el coste TOTAL ($
diseo + $ O&M + $ desempeo) y que maximice la rentabilidad.
Este proceso es muy difcil porque la relacin entre el gasto de O&M y el
desempeo de la planta no esta bien determinado o cuantificado. Varios estudios
han mostrado que numerosos factores afectan esta relacin, extendindose hacia
atrs por todas partes a las decisiones iniciales de diseo (tecnologa,
equipamiento, calidad y configuracin, tipo de combustible y calidad, etc.) y a
travs de la construccin, puesta en servicio y operaciones de ciclo de vida y
mantenimiento, y decisiones de renovacin o reemplazo.
O&M es especialmente importante ya que como se mostrar, como el 75% de
una variacin en la confiabilidad de la planta es inflluido por la calidad de la
O&M, slo el 25% es inflluido por el diseo o modo de operacin. Todos estos
factores interrrelacionados y la filosofia de O&M ptimo debe tomar en cuenta
todas sus influencias, incluyendo factores near-term como ciclo de vida.
Pero, no es suficiente determinar simplemente el mejor plan de O&M una vez
que el diseo esta determinado. Debera haber un dilogo activo entre el equipo
de diseo y el equipo de O&M para encontrar la mejor combinacin que
producir el mxima beneficio para cualquier proyecto en particular.
Antecedentes
La Southern Company es una de las grandes compaias privadas de servicios
en los Estados Unidos. Establecido en Atlanta, Georgia, tiene activos por sobre
los 25 mil millones de dlares y opera aproximadamente 35.000 MW . En 1993,
sus plantas generaron ms de 144 billones de kWh de electricidad con un 78 %
de plantas de carbn , 17% nuclear, 14 %hidro y 1 % gas y petroleo. Sus
unidades de carbn y nucleares tienen una confiabilidad promedio de 96 % (1Indice de Interrupcin Forzado equivalente - EFOR), este valor experiment un
incremento de 19 puntos porcentuales desde 1976 en que era de 77%. (Figura
1a)., Muchos factores se combinaron para conseguir esta importante mejora [12],
un aumento significativo en gastos de capital en O&M y mejoras . Muchas de las
plantas ms viejas experimentaron el mismo patron en distintos grados. Esto es,
que al principio se disminuia el gasto en O&M, seguido por un deterioro en la
confiabilidad; se disponia entonces el dinero para las mejoras de la planta e

invertir en incrementar la confiabilidad, aunque amenudo los gastos se

postergaban por aos. Esto condujo a analistas de la Compaa en un esfuerzo
por intentar cuantificar la relacin gastos/confiabilidad de las centrales elctricas
de la Southern Company.
Unidad Beanchmarking par
En 1991, el North American Electric Reliability Council (NERC) and
Southern Electric Internacional (SEI) (el brazo desregulado de la Southern
Company) desarroll una metodologa para determinar segn estadsticas las
caracteristicas de diseo y operacin, mas significativas, para comparar el
desempeo de unidades de generacin similares [13]
El proceso de la unidad par beanchmarking actualmente empleado en
NERC/SEI join ventures es el resultado de una evolucin de ideas asociadas con
el objetivo comn de predecir o pronosticar el desempeo de las unidades de
generacin elctrica. Los sistemas de planificacin de las organizaciones confan
en estas predicciones, y la exactitud o la inexactitud de tales proyecciones pueden
ahorrar o bien costar millones de dlares en utilidades.
Por aos, el mtodo utilizado para hacer estas proyecciones en el Southern
electric system fue una especie de fuzzy trending, donde los datos histricos y
la informacin acerca de los planes de mantenimiento futuros de la unidad,
modificaciones, y nivel de la utilizacin estan todos considerados en la
prediccin del desempeo de la unidad en el futuro. En un paper presentado en
1988 en la American Power Conference titulado, "Trends in Generating Unit
Performance and the 1990's Power System," la General Electric Company
desarroll una ecuacin para predecir la disponibilidad de unidades trmicas
basada en la operacin histrica y en la estructura o patron de gastos de
mantenimiento. Este paper nos condujo a preguntarnos si una metodologa con
una base matemtica estadstica podra producir resultados ms exactos que el
mtodo fuzzy trending usado en el pasado. La ecuacin fue aplicada a datos a
nivel de sistema del Southern electric systemcon buenos resultados; sin embargo,
los resultados eran errticos cuando la ecuacin fue aplicada a datos a nivel de
unidades. En un esfuerzo para conseguir datos mas adecuados a nivel de
unidades, el siguiente paso fue desarrollar una nueva ecuacin usando anlisis de
regresin y datos de 85 unidades termicas del Southern electric system (25,000
MW). Ms que asumir desde el comienzo que los factores principales que afectan
la disponibilidad de la unidad eran ya conocidos, el proceso que fue desarrollado
evaluaba el desempeo de la unidad (EFOR) relativo a numerosas caractersticas
de diseo y de operacin a fin de determinar los factores ms importantes. La
ecuacin de regresin que resulta incluy algunos aos recientes y variables

operacionales anteriores (EFOR, factor de servicio, y factor de interrupciones

planeadas), algunas caractersticas de diseo (tipo de combustible, fabricante de
la caldera, y fabricante de la turbina), y histricos desembolsos de O&M. Una
comparacin de la exactitud de las proyecciones hechas con el nuevo modelo
matemtico versus el viejo mtodo fuzzy trending mostr que el modelo
matemtico fue superior. Aproximadamente el 80 % de las proyecciones del viejo
mtodo fueron altas, mientras que las proyecciones con el nuevo mtodo fueron
ms cercanas a valores reales tanto con estimaciones bajas como altas. Fue
alentador que aun en sus inicios, el modelo matemtico apareci superior al
mtodo previamente usado. (Fig. b y c)
Hasta este punto, la metodologa result en una gran ecuacin que se aplic a
todas las unidades incluidas en la base de datos. Adicionalmente, el mtodo
usado para incorporar variables nominales en el anlisis de regresin, como tipo
de combustible, fabricante de la caldera y fabricante de la turbina fue un proceso
engorroso. Fue decidido que el mismo, o an mejor, los resultados podran ser
logrados subagrupando los datos por variables nominales importantes y
aplicando el anlisis de regresin a nivel de subgrupo. Este es el punto en cual la
primera generacin de unidades benchmarking pares se desarrolla. NERC y
SEI firmaron un joint ventur para dar servicio a clientes en benchmarking de
desempeo de sus unidades versus el de las unidades par. Los grupos pares
para las unidades del cliente fueron desarrollados usando el anlisis estadstico
para determinar la caracterstica que tenia el mayor impacto en el desempeo de
la unidad, y dividiendo la base de datos en subgrupos basados en esta
caracterstica. El proceso fue seguido a niveles de subgrupo, con una divisin tras
otra, hasta que ninguna caracterstica restante fuera significativa para aquella
division, o hasta que el nmero de unidades de par en la division cayera a un
nivel mnimo aceptable. El resultado divide las 1213 unidades trmicas de la
industria en 19 grupos de unidades par generales, con las caractersticas ms
significativas que son criticas, vintage, modo de operacin, tamao, tipo de
diseo, tipo de combustible y el fabricante de caldera (Fig d). El diseo y los
datos operacionales de las unidades de clientes fueron usados para localizar cada
una de las unidades de clientes dentro de los 19 grupos de par, y fueron
proporcionadas distribuciones mostrando el desempeo de las unidades del
cliente con relacin a aquel de sus pares.
Nuevas Perspectivas
Cuando los resultados de los estudios anterior de benchmarking fueron
examinados en profundidad, nuevas relaciones fueron reveladas. Cuando los
mejores exponentes (EFOR) en cada grupo par (10 percentil ) fueron
comparados uno a otro, la funcin densidad de probabilidad resultante tena una

anchura relativamente estrecha ( Fig e) en otras palabras, la diferencia entre el

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

(d)

(h)

(i)

Figura 4.5: Southern Company SystemFossil Fired Units Reliability .

(a)

(b)

(c)

(e)

(f)

(g)

Figura 4.6: Southern Company SystemFossil Fired Units Reliability .

1. CONCEPTO DE CONFIABILIDAD
La confiabilidad es la "exactitud o precisin de un instrumento de medicin". Existen distintos tipos de
confiabilidad:
la estabilidad a travs del tiempo (medible a travs de un diseo test-retest);
la representatividad, que se refiere a la ausencia de variaciones en la capacidad del instrumento
para medir un mismo constructo en distintas subpoblaciones; y por ltimo
la equivalencia, que se aplica a las variables latentes, medidas a travs de mltiples indicadores, y
que se puede poner a prueba mediante diversos mtodos, incluyendo el llamado Alpha de Cronbach,
split-half, y distintas formas de verificar la consistencia entre evaluadores.
La Confiabilidad del instrumento de medicin constituye el criterio fundamental para evaluar su calidad y
adecuacin; no es un concepto unitario que pueda ser descrito o definido con facilidad, lo que continu
desventaja para el investigador novato. En esencia la confiabilidad de un instrumento es el grado de
congruencia con la que mide el atributo que se supone evala. Si una balanza arroja un dato de 54.43k
para el peso de una persona ni un minuto despus da una lectura de 68.03k (descontando cualquier
intromisin con el instrumento o el sujeto), debemos tener gran cautela al usarla porque la informacin
que genera ser poco fidedigna. Cuanto menor variacin produzca un instrumento de mediciones
repetidas de un atributo, mayor ser su confiabilidad de este modo, la confiabilidad puede equiparse con
la estabilidad congruencia o confiabilidad de un instrumento de medicin.
Otra forma de definir la confiabilidad es en trminos de precisin es posible sealar que un instrumento
es confiable si sus mediciones reflejan exactamente las mediciones verdaderas del atributo en estudios.
La definicin anterior vincula la confiabilidad con puntos sealados en nuestro comentario del error de
medicin. Intentaremos esclarecer aun ms tal medicin, para indicar que el instrumento es confiable y
preciso en la medida en que no existan errores de medicin en los resultados obtenidos. En otras
palabras, una medicin confiable es aquella que lleva al mximo el componente verdadero y el mnimo
componente de error. Cuando mayor el error, mayor ser la falta de confiabilidad.
Las dos formas de abordar el concepto de confiabilidad no son distintas, tal como podra parecer a simple
vista. Los errores de medicin son errores aleatorios, fuertemente variables. Los factores que influyen en
una medicin en un punto del tiempo tal vez no intervengan en otro momento o el mismo factor puede
afectar en forma diferente a los sujetos. En resumen, los errores de medicin que influyen en precisin de
instrumento tambin alteran su congruencia. El ejemplo de la balanza de produca lecturas variables de
peso no servir para esclarecer el punto. Supongamos que el peso real del individuo es de 56.69k, pero
que dos mediciones independientes generaron 54.42k y 68.03k. En trminos de la ecuacin presentaba
en la seccin anterior podemos expresar las mediciones de esta manera:

CONSISTENCIA INTERNA
Las escalas de tipo psicosocial se evalan a veces tomando en cuenta su consistencia interna. En
circunstancias ptimas las escalas hechas para medir un atributo estn compuestas por un conjunto de
puntos de indagacin (reactivos) o de estudio de los cuales todos miden el atributo crtico y nada ms. Es
una escala que intenta medir la capacidad de decisin de las enfermeras, no seria adecuado incluir un
punto que sea una medida mejor de la empatia que de la pericia en la toma de decisiones. Cabe sealar
que un instrumento tiene congruencia u homogeneidad interna en la medida en que todas sus fracciones
o sus sub.-secciones miden la misma caracterstica.
En la actualidad la tcnica de congruencia interna para estimar l confiabilidad de un instrumento tal vez se
el mtodo mas usado entre los investigadores. La razn de la gran aceptacin de los mtodos que
describiremos a dems de la economa (solos e necesita una sesin de prueba) tambin incluyen el
hecho que son las formas mejores de evaluar una de las fuentes mas importantes de error de
cuantificacin que es la recoleccin o muestreo de los puntos de indagacin.

Uno de los mtodos ms antiguos para evaluar la congruencia interna es la tcnica de divisin por

mitades. En ella, los puntos que comprende la prueba se divide grupos se cuantifica y se da una
puntuacin independiente y los resultados cuantificados de las dos medias pruebas se utilizan para
computar un coeficiente de correlacin. Para ilustrar este mtodo, en la primera columna del cuadro
siguiente se reproducen las puntuaciones ficticias de la primera aplicacin de la escala de capacidad de
liderazgo. En aras de la simplicidad sealaremos que el instrumento total comprende 20 planteamientos.
Para computar un coeficiente de confiabilidad de dos mitades habr de dividir los puntos de estudio en
dos grupos de 10. En la prctica es posible un nmero grande de divisiones, si bien la tcnica mas
aceptada es usar y comprar los pares contra los nones. Por esa razn, una de las mitades comprende los
punto 1,3 1,5 1,7 1,9 1,11 1,13 1,15 1,17 1,19, en tanto que el resto comprende la segunda mitad, esto es
los pares. Las puntuaciones de las dos mitades del ejemplo se muestran en la segunda y tercera
columnas del mismo cuadro. El coeficiente de correlacin que describe la relacin entre las dos mitades
es una estimacin de la congruencia interna de la escala de capacidad del liderazgo. Si los nones
midieran el mismo atributo que los pares, en este caso el coeficiente de confiabilidad debe ser alto.

Numero del
sujeto
1
2
3
4
5
6
7
8
9
10

Puntuacin
Total
55
49
78
37
44
50
58
62
48
67

Puntuacin de nmeros
impares
28
26
36
18
23
30
30
33
23
28
r

Puntuacin de Nmeros
Pares
27
23
42
19
21
20
28
29
25
39
0.67

El coeficiente de correlacin computado con la tcnica de dos mitades de algn atributo por medir tiende
a generar una estimacin sistemticamente menor de la real en cuando a la confiabilidad de toda la
escala. Al igual que los otros aspectos, las escalas de menos tamao son ms fidedignas o confiables
que las ms cortas. El coeficiente de correlacin computado con base en los datos del cuadro es una
estimacin de confiabilidad para un instrumento de 10 puntos y no para uno de 20. A fin de superar esta
dificultad se ha creado una formula para ajustar l coeficiente de correlacin, de tal manera que arrojen
una estimacin de confiabilidad para toda la prueba. La ecuacin de correlacin que se conoce como la
formula del calculo (profeca) de Spearman - Brown, es la siguiente
r = 0.67
r = 2r/ (1 + r)
1

Done r es igual al coeficiente de correlacin computado en dos mitades y r = confiabilidad estimada de

toda la prueba. Por ejemplo la formula, la confiabilidad de la medicin hipottica de 20 reactivo de la
capacidad de liderazgo seria:
1

r = 2(0.67)/(1 + 0.67) = 0.80

1

La tcnica de dos mitades es fcil de usar y elimina muchos de los problemas de la tcnica de prueba y nueva
prueba. Sin embargo, la primera tcnica tiene como desventajas que puede tenerse de diferentes
estimaciones, de confiabilidad o uso de fracciones o mitades diferentes, esto es, siempre surgen diferencias y
se usa una divisin entre pares y nombres, una divisin de primera y segunda mitad o cualquier otro mtodo
para dividir los puntos en dos grupos. Por tal razn, la tcnica de dos mitades ha sido sustituida cada vez mas
por formulas que compensan tal eficiencia.