Decisiones CBM basadas en economa y en probabilidad

Negocios exitosos enfrentados a una diversidad de factores de riesgo optimizan sus

polticas y recursos con el fin de alcanzar sus objetivos finales. Un modelo de
decisin econmica es una regla para la renovacin preventiva de un activo, que
minimiza el costo promedio por unidad asociado con mantenimiento (proactivo y
reactivo) para un horizonte a largo plazo. (Este costo es el indicador de desempeo
clave mas directamente relacionado con valor para los accionistas.) Este tipo de
regla para CBM puede ser expresado de manera razonable como una poltica de
lmite de control: efectuar mantenimiento preventivo en Td, if Td < T; o efectuar
mantenimiento reactivo en T si Td T, donde
Td=inf{t0:Kh(t,Z(d)(t))d} (eq. 10)
K es la penalizacin en costo asociada con falla funcional, h(t,Z(d)(t) es el riesgo,
y d (> 0) es el lmite de control para efectuar mantenimiento preventivo. Aqu el
riesgo es definido como la penalizacin en costo por falla funcional K por la rata de
riesgo.
El costo esperado de mantenimiento al largo plazo (preventivo and reactivo) por
unidad de edad de trabajo ser

(eq. 11)
donde Cp es el costo del mantenimiento preventivo, Cf = Cp+K es el costo del
mantenimiento reactivo, Q(d)=P(TdT) es la probabilidad de falla previa a la
accin preventiva, W(d)=E(min{Td,T})) es el tiempo esperado de mantenimiento
(preventivo o reactivo).
Dejemos que d* sea el valor de d que minimiza el costado derecho de la Ecuacin
11. Corresponde a T* = Td*. Makis y Jardine en ref. 3 han mostrado que para una
funcin de riesgo que no disminuye h(t,Z(d)(t), la regla T* es la mejor de todas las
polticas de reemplazo (ref. 4).
Let d* be the value of d that minimizes the right-hand side of Equation 11. It
corresponds to T* = Td*. Makis and Jardine in ref. 3 have shown that for a non-
decreasing hazard function h(t,Z(d)(t), rule T* is the best possible replacement policy
(ref. 4).
La ecuacin 10 puede ser re-planteada para la poltica ptima de lmite de control
as:
T*=Td*=inf{t0:Kh(t,Z(d)(t))d*} (eq. 12)
Para el modelo PHM con la distribucin base de Weibull, puede ser interpretada
como (ref. 2))

(eq. 13)

donde (eq. 14)

Ref. 2 menciona la solucin numrica para la Ecuacin 13, que es descrita en
detalle en(Ref. 7) y en (Ref. 8). La funcin
g(t)=*-(-1)ln(t) (eq. 15)
es la funcin del nivel de advertencia del tem reflejado por la suma ponderada de
valores actuales de las variables CM significativas (covariables). Un grfico de
funcin versus edad de trabajo puede ser considerado como un cuadro de decisin
econmica que muestra si la informacin sugiere que el tem debe ser reemplazado.
En el cuadro de decisin, aproximamos el valor de by

Un ejemplo de un cuadro de decisin con varios puntos de inspeccin puede ser

encontrado en la Figura 3. Estudios de caso detallados, basados en el modelo
comentado en esta seccin se pueden encontrar en ref. 5 y en (ref. 6).

Figura 3: Muestra de cuadro de decisin econmica (para >1 )

El anterior desarrollo de (ref. 2) habla a costos como el objetivo optimizador.

Desarrollos anlogos se han hecho en EXAKT tomando en consideracin la
disponibilidad y la rentabilidad como los objetivos optimizadores. Para estos dos
objetivos solamente necesitamos cambiar la funcin de objetivo en la Ecuacin 11
de manera acorde.
Especficamente, para el objetivo de disponibilidad, la Ecuacin 11 ser
reemplazada por la funcin de disponibilidad, definida como la proporcin de
tiempo de funcionamiento al tiempo de funcionamiento mas el tiempo de parada.

(Ec. 16)
donde W(d) es el tiempo de funcionamiento esperado, tp es el tiempo de parada
como resultado de mantenimientos planeados y tf es el tiempo de parada como
resultado de mantenimientos forzados por una falla funcional. El objetivo tambin
ha sido cambiado para maximizar a(d), Ej., d* ser el valor que minimice el
costado derecho de la Ecuacin 16.
Para el objetivo de rentabilidad, la Ecuacin 11 ser reemplazada por la funcin de
costo global

(Ec. 17)
donde ap es el costo por hora del tiempo de parada planeado y af es el costo por
hora de tiempo de parada no-planeado. El objetivo es minimizar la Ecuacin 17, Ej.,
encontrar ad*, que es el valor de d que minimiza el costado derecho de la Ecuacin
17.
2011 2012, Luis Hoyos Vsquez. All rights reserved.
Articulos similares

Probabilidad condicional de falla vs. rata de riesgo (46%)

Es el intervalo PF una distraccin? (40.9%)
El intervalo PF a partir de la rata de falla (30.7%)
Proyecto de Soporte para Decisiones de Mantenimiento en Orica (23.4%)
Midiendo La Efectividad del CBM (23.4%)

Ejemplo numrico

Un programa CBM en una flota de compresores de nitrgeno monitorea el modo de

falla falla de anillo de pistn de segunda etapa. Informacin de tiempo real de los
sensores y computadoras de proceso mes recogida en un historian de PI. Las
ordenes de trabajo registran la condicin en que se encontr de los anillos en
mantenimiento. En el siguiente ejemplo se generan cuatro decisiones por parte del
software EXAKT, dependiendo de cul de los siguientes se ha establecido como el
objetivo optimizador: solamente probabilidad, costos, disponibilidad o utilidad
(costos y disponibilidad). La informacin para esta muestra est disponible
contactando al autor. Informacin de antecedentes respecto a este ejemplo y al
modo de falla se puede encontrar en (ref. 9).
Reporte CBM
Decisin basada en probabilidad

RUL = 106.99616, StdDev = 67.173893

Decisiones basadas en economa y probabilidad

Minimizacin de costos
 Costo Costo Anterior Costo de Falla Preventivo %

Optimol 29.5473 16.0089 (54.2 % ) 13.5384 (45.8 % ) 87.6

RTF 48.3946 0 (0.0 % ) 48.3946 (100 % 0 0.0

Ahorros 18.8473 (38.9 % ) -16.0089 34.8562 -83.5

Cualquier valor de costos en el grfico de Cost Function est compuesto por una
seccin en rojo, atribuible a fallas no-planeadas, y una seccin en verde, que
representa los costos promedio asociados con mantenimiento preventivo. La curva
verde determina que el riesgo ptimo est en su punto mas bajo (96.7893). La tabla
debajo del grfico Cost Function resume la informacin. Compara el costo ptimo
($30) y el tiempo medio ptimo entre renovaciones de activo (55 h)) de la poltica
ptima, con los valores ($48 and 124 h) de la poltica operar hasta la falla.
Cuantifica los costos esperados de preventivo y de falla ($16 and $14
respectivamente) y el porcentaje de incidencias (87.6% sern acciones preventivas
mientras que 12.4% sern fallas) alcanzados al adherir a la poltica ptima. El
contenido de la tabla ilustra que la poltica ptima nos har intervenir mas
frecuentemente en promedio (cada 124 versus 55 h), con el fin de alcanzar un
ahorro neto por unidad (de $19 o 39%).
 Parmetros de Entrada

Tipo de Poltica de Reemplazo Costo Bsico

Costo de Reemplazo Preventivo C $ 1000

Costo de Reemplazo por Falla C+K $ 6000

Intervalo de Inspeccin h 30

Parmetros de Decisin

Recomendacin No hacer mantenimiento

Se espera reemplazar en 39.794

Conclusiones

La cuarta opcin en el ejemplo numrico, optimizando tanto el costo bajo y alta

disponibilidad, resuelve el difcil problema de decidirse respecto a una poltica
CBM (interpretacin de datos) o un modelo de decisin, a la luz de factores reales
de mantenimiento y del negocio. Esta caracterstica anima a los administradores de
mantenimiento y a los ingenieros a obtener buena informacin sobre costos y
disponibilidad en razn a que ahora ellos pueden usar esta, de manera efectiva, en
su proceso de decisiones. Los ingenieros de mantenimiento y de confiabilidad
aplicarn el mtodo propuesto, basado en el software EXAKT a situaciones en las
cuales la abundante informacin sobre monitoreo de condiciones coincide con la
experiencia de fallas y fallas potenciales registrada en el CMMS.

En el presente artculo hemos propuesto una alternativa para la dificultosa,

subjetiva y frecuentemente imposible tarea de escoger un intervalo P y P-F para su
utilizacin como un procedimiento de toma de decisiones en CBM. Describimos
una metodologa general en la cual Referencia 1 describe solamente dos casos
especiales (totalmente aleatorios y totalmente dependientes de edad) para la
aplicacin del intervalo P-F. En la experiencia de los autores, una mezcla de
comportamiento aleatorio y comportamiento basado en tiempo caracteriza la
mayora de los modos de falla en los cuales CBM ser til.

Finalmente, es necesario sealar que los ingenieros de mantenimiento

frecuentemente encuentran un problema prctico cuando construyen modelos de
decisin CBM (o cuando efectan cualquier tipo de anlisis de confiabilidad). A
pesar del prolongado tiempo de uso de elaborados sistemas de base de datos
relacionados con informacin de mantenimiento, los analistas de confiabilidad
encuentran que carecen de la informacin de vida requerida para estudios y
modelaje. Para resolver este problema, los autores han desarrollado un novedoso
proceso para el cierre de rdenes de trabajo que vincula la orden de trabajo con el
depsito de conocimiento. Se ha construido tal sistema de administracin de
conocimiento en la nueva versin del producto EXAKT.

Reconocimiento

Nuestro agradecimiento para el Dr. Dragan Banjevic del Centro de Optimizacin de

Mantenimiento y Excelencia de Confiabilidad por su asistencia y sus sugerencias.

Referencias

1. John Moubray, RCM II 2nd ed. Butterworth-Heinnemann, 2001 pp 164-5 How

to determine the P-F Interval A rational approach.
2. A.K.S. Jardine, D. Banjevic, N. Montgomery, A. Pak., Repairable system
reliability: recent developments in CBM optimization, CORS / Optimization Days
2006 Joint Conference, Montreal, May 8-10, 2006
3. Makis V., Jardine A.K.S., Optimal replacement in the proportional hazards
model, INFOR, Vol. 30, pp. 172183, 1991.
4. Aven T., Bergman B., Optimal replacement times a general set-up, Journal of
Applied Probability, Vol. 23, pp. 432442, 1986.
5. Jardine A.K.S., Banjevic D., Wiseman M., Buck S., Joseph T., Optimizing a mine
haul truck wheel motors condition monitoring program, JQME, Vol. 7, pp. 286
301, 2001.
6. Lin D., Wiseman M., Banjevic D., Jardine A.K.S., An approach to signal
processing and condition-based maintenance for gearboxes subject to tooth failure,
Mechanical Systems and Signal Processing, Vol. 18, pp. 9931007, 2004.
7. Banjevic D., Jardine A.K.S., Makis V., Ennis M., A control-limit policy and
software for condition-based maintenance optimization, INFOR, Vol. 39, pp. 32
50, 2001.
8. Banjevic D., Jardine A.K.S., Calculation of reliability function and remaining
useful life for a Markov failure time process, IMA Journal of Management
Mathematics, [Online] doi:10.1093/imaman/dpi029, 2005.
9. Optimization of Bellis & Morcom 3rd-stage piston ring CBM model, OMDEC
case study, Optimization of Bellis & Morcom 3rd-stage piston ring CBM
model,http://www.omdec.com/articles/p_recipN2Compressors.html
Decisions based on economics and probability

Cost minimization

2011 2012, Luis Hoyos Vsquez. All rights reserved.

Articulos similares

Probabilidad condicional de falla vs. rata de riesgo (46%)

Es el intervalo PF una distraccin? (40.9%)
El intervalo PF a partir de la rata de falla (30.7%)
Proyecto de Soporte para Decisiones de Mantenimiento en Orica (23.4%)
Midiendo La Efectividad del CBM (23.4%)