Formato 5T

UNIVERSIDAD NACIONAL DE INGENIERIA

FACULTAD DE INGENIERIA MECANICA
COMISION DE TITULACION PROFESIONAL

ITEMS PARA DESARROLLAR LA TESIS SEGÚN RESOLUCION RECTORAL 371 DEL REGLAMENTO DE
GRADOS Y TÍTULOS

Art° 32

PLAN DE TESIS

1. TÍTULO: “DESARROLLO DE UN ALGORITMO PARA EL ANÁLISIS DE CONFIABILIDAD DEL SISTEMA

DE SEPARACIÓN DE GASES DE UNA UNIDAD FLOTANTE DE PRODUCCIÓN, ALMACENAMIENTO
Y TRANSFERENCIA DE PETRÓLEO (FPSO)”

2. ANTECEDENTES REFERENCIALES

El mantenimiento juega un papel importante dentro de los procesos de producción de toda

empresa, especialmente cuando el régimen de trabajo es continuo, esto es, que la operatividad de

la planta debe estar activa durante las veinticuatro horas del día. Pues una parada de planta, aún

más si es innecesaria, genera grandes pérdidas de producción y por ende de ganancias, y en el

caso de equipos offshore, se realizan inspecciones cada año, cada dos años y medio y el más

riguroso es cada cinco años.

El principal objetivo de las empresas dedicadas a este sector de la industria, procura que dichos

gastos por parada de planta sean mínimos, para ello dentro de las reglas de clasificación es que se

especifica que con un estudio de confiabilidad será posible justificar el adecuado funcionamiento de

los sistemas y equipos a bordo de una embarcación offshore o plataforma offshore, que a través de

documentos indicando que los parámetros de confiabilidad están de acuerdo a valores permisibles,

será suficiente para garantizar la adecuada operación de los equipos sin perjudicar ni la producción

ni la seguridad del personal.

El análisis de confiabilidad es utilizado en muchos sectores y últimamente fue bastante

desarrollado en el sector eléctrico, donde se obtuvieron resultados bastante convincentes, con la

inclusión del análisis FMECA y metodología del RCM. A partir de la base de datos del historial de

fallas, se conseguirá mudar la metodología tradicional de mantenimiento, para uno mejor

 Formato 5T

organizado y que se rige a parámetros de permisibilidad. Llegó a ser tanto la evolución de esta

metodología de mantenimiento que se crearon paquetes de software comerciales como el XFMEA

y el Relex Reliability Studio 2007 para la optimización de procesos tradicionales de mantenimiento.

3. PLANTEAMIENTO DE LA REALIDAD PROBLEMÁTICA

El mantenimiento de equipos o máquinas dentro de un sistema siempre ha sido un gran desafío,

pues dentro de la perspectiva económica se busca optimizar dicho proceso, considerando costos
de mantenimiento que a lo largo del periodo de vida de los componentes y del sistema, se realizan
periódicamente. El objetivo de aquello es conseguir un desempeño adecuado que cumplen con los
parámetros mínimos de calidad.

El deterioro de componentes de un sistema se origina por diferentes motivos, entre los cuales los
más comunes son la antigüedad, régimen de operación, calidad del componente, mantenimientos
mal planeados, incorrecta operación del usuario, entre otros. Es claro ver que al fallar el sistema o
no estar dentro de los estándares de calidad, origina pérdidas de producción y un bajo nivel de
confiabilidad de operación.

Por este motivo son varias las empresas que poseen el interés de invertir en una metodología que
permita optimizar el proceso de mantenimiento de sus equipos y/o sistemas, de esa forma
mejorar la vida útil de los mismos con la intención de incrementar los plazos de inspecciones
periódicas, los cuales son realizadas por casas clasificadoras reconocidas internacionalmente, y de
esa manera poder continuar con sus operaciones sin tener ninguna parada de planta.

Las reglas clasificadoras [1] se basan en el análisis de confiabilidad para determinar si es factible
aumentar el periodo de inspección o no, para ello se hace necesario conocer factores de
confiabilidad como son la tasa de falla y tasa de reparo, los cuales son obtenidos de un historial de
mantenimiento en donde se registran los detalles de dichos eventos y que consecuentemente se
realiza el análisis de adherencia respectivo para determinar la función de distribución de
probabilidad se adecua mejor a los datos (tiempos de falla y reparo). Para la determinación de la
probabilidad de falla en la ingeniería naval, es posible tener varias aplicaciones, que es en nuestro
caso será el análisis de un sistema de navegación inercial y el uso de establecimientos de límites de
confiabilidad del sistema tanto en operación como de seguridad que será evaluado en el dominio
del tiempo, lo cual permitiría saber qué acciones tomar en una determinada situación evaluado en
un tiempo de diagnóstico. Esto permitiría saber qué acciones tomar y de tal forma se evitarían
 Formato 5T

mantenimientos innecesarios lo que genera únicamente pérdidas económicas, obteniendo así no

solo mayor eficiencia del sistema sino también mayor rentabilidad para la empresa.

4. OBJETIVO (General y especifico)

4.1 Objetivo General

Elaborar un algoritmo que permite el análisis de confiabilidad de sistemas para determinar el

diagnóstico del estado futuro de la máquina para un tiempo de evaluación determinada y conocer
de la misma manera el comportamiento de dicho sistema y de sus componentes considerando
umbrales de operación y seguridad.

4.2 Objetivos Específicos

• Validar la metodología con datos de otra bibliografía [2], simulándose el mismo sistema y
comparándose ambos resultados.

• Simular el comportamiento de la confiabilidad del sistema y de los componentes a través de un

tiempo de evaluación determinado.

• Implementar una metodología que permita identificar las acciones de mantenimiento del
sistema en un periodo de tiempo de diagnóstico o misión.

5. HIPOTESIS

El algoritmo planteado simula el diagnóstico de fallas futuras, recomienda las acciones que deben
realizarse para un tiempo simulado e identifica componentes críticos.

6. MARCO TEORICO

En 1980, el Departamento de Defensa de EUA [3] desarrolló una metodología que envuelve a
severidad e la probabilidad de ocurrencia, llamada Análisis de Modo, Efecto y Criticidad de Falla
(FMECA), relacionándolas en una matriz de criticidad, capaz de definir los ítems y los modos de
fallas críticos, usando dos números: número de criticidad de modo de falla y el número de
criticidad del ítem. La matriz es representada en un gráfico de severidad versus número de
criticidad y la probabilidad de ocurrencia o falla, de esa manera se logra identificar cuáles son los
 Formato 5T

ítems que tienen mayor prioridad de mantenimiento. En 1995, fue introducido el método de
gestión basado en el riesgo por Richard B. Jones [4], que se enfoca en el análisis de tiempo de falla
para proponer una distribución de probabilidad de falla de los datos adquiridos, que luego, serán
usado para los cálculos de los atributos de confiabilidad e introduce el mantenimiento centrado en
la confiabilidad (RCM – Reliability Centered Maintenance) usando el número de riesgo basado en
la severidad y la probabilidad de ocurrencia, así es capaz de establecer una matriz de probabilidad
y consecuencia donde considera niveles altos y bajos, obteniendo de esa manera la determinación
de la acciones que tienen más prioridad para su mantenimiento. Por otro lado, el mantenimiento
centrado en la confiabilidad (RCM), es aún más desarrollada con mayor detalle por John Moubray
[5], en 1997, que muestra los procedimientos paso a paso para la identificación de los modos de
fallas, tareas a realizarse y tiempos de son considerados en el análisis, usando como herramienta
el análisis de modos y efectos de falla (FMEA) como un análisis cualitativo, enfocándose después
en el tiempo para la siguiente falla. El esquema de trabajo es baso en diagramas de decisión que
considera cada posible opción y atribuyendo coeficientes que más adelante determinará las
acciones de mantenimiento que serán necesarias efectuar.

Es necesario que las acciones de mantenimiento sean clasificadas a través del tiempo, por ello
surgieron muchas propuestas de cómo esquematizar aquello que a través de los años la
perspectiva fue mejorando. Es así que en el 2004, R. Keith Mobley [6] propuso tres tipos de
mantenimiento que son; mantenimiento mejorado, preventivo y correctivo, donde cada uno de
ellos se subdivide en otros subtipos. En el 2007, André Paegle y Norberto Moro [7] proponen otros
tres tipos de mantenimiento, que son los más conocido en la actualidad que son; mantenimiento
correctivo, preventivo y predictivo. El concepto evoluciona aún más cuando en el 2008 la NASA [8]
establece una clasificación más en el mantenimiento, además de dichos tres ya conocidos,
conocido como mantenimiento proactivo, que también es conocida como un mantenimiento
predictivo mejorado. El análisis que se realiza es más minucioso y considera un historial de fallas
del tiempo de operación de las máquinas, incluyendo la ingeniería de confiabilidad para los
cálculos.

Los tipos de mantenimiento que fueron desarrollados son para determinar las acciones que serán
realizadas cuando una falla suceda en alguna máquina, sin embargo, para la determinación del tipo
o tipos de mantenimiento que deben ser usados en un programa de mantenimiento es necesaria
una metodología de gestión de mantenimiento. Fue así que en el 2014, Deepak Prabhakar P. y
Jagathy Raj V.P. [9] definen tres tipos de gestión de mantenimiento e los comparan, siendo que el
RCM sería el más eficaz y que genera más rentabilidad.
 Formato 5T

Siendo definido el tipo de gestión de mantenimiento, se requiere de un análisis más analítico en

FMEA para una evaluación más exacta del RCM. Debido a eso en el 2002, Sidnei G. [10] realiza un
análisis de confiabilidad de equipos submarinos de seguridad en sondas fluctuantes considerando
el análisis de modos y efectos de fallas, de esta forma identifico las tendencias de las fallas de los
componentes y posibles acciones que se podrían realizar basado en las observaciones. En el 2008,
Gustavo C. [11] realiza un estudio de confiabilidad de sistemas para el mantenimiento de una
plataforma FPSO, donde no solo usan un análisis cualitativo sino también cuantitativo usando
como base el nivel de severidad y frecuencia para establecer una matriz de riesgo. Por otra parte
era también necesario considerar un valor que interviene bastante para determinación de
criticidad, y a su vez de mantenimiento, de los componentes del sistema. Dicho factor es estudiado
por varios autores como son los que se mencionan en las referencias [12–18] que ingresan el
número de prioridad de riesgo (RPN) o también conocido como número de riesgo, donde se
considera un factor importante que en los anteriores análisis no fue abordado, que es la
detectabilidad. El número de riesgo determina la prioridad de las actividades de mantenimiento
que serán realizadas, definiendo así el tipo de mantenimiento que será utilizado. Para el cálculo de
dicho número de riesgo será necesario multiplicar los tres factores que están envueltos en su
cálculo (severidad, detectabilidad, ocurrencia) y basado en dicho valor y límites que son
predefinidos se establece una política de mantenimiento dependiendo del nivel de riesgo que
posee el componente. Fue tanto la importancia del RPN, que fueron desarrollados softwares que
permiten calcular su valor, y ordenar la prioridad el mantenimiento de los componentes de
acuerdo a ello. Una aplicación de lo mencionado fue en el 2010, cuando H. Arabian-Hoseynabadi
et al. [13] usaron un programa llamado Relex Realiability Studio 2007 V.2, para obtener los valores
de criticidad de dos turbinas e las compara para determinar la más eficiente a través del valor de
su RPN, esto es, que mientras menos fuese el valor del RPN significaría que el equipo sería más
confiable, además de ellos se verifica también la tasa de falla, pues si ésta disminuye significa que
la falla tendrá menos probabilidad de suceder. Otra aplicación fue en el 2013, cuando Reza et al.
[16] calcularon los valores de la criticidad con el programa XFMEA, quiere decir que el programa
fue empleado para obtener el RPN y conocer la prioridad de mantenimiento y que
consecuentemente programa las actividades de mantenimiento de los primeros cinco
componentes, que serían los primeros de acuerdo con el orden que establece el RPN (de mayor a
menor). Para ambos cases se evalúa como afectarán las medidas usadas en los costos de
mantenimiento, sin embargo, eso apenas es una verificación de la mejora del proceso, pues no es
realizado ningún calculo referente a los costos de mantenimiento.

En el 2015, X. Jian et al. [2], proponen una de definición más desarrollada del número de riesgo y
evoluciona el concepto que se tenía, considerando además de los tres valores conocidos, otros
 Formato 5T

factores que acompañan a cada uno de estos valores, que son determinados por el personal
técnico, representado el peso (importancia) que cada uno tiene dentro del cálculo final,
obteniéndose así un nuevo valor conocido como número de prioridad de mantenimiento (MNP –
Maintenance Priority Number), sin embargo, los valores de severidad, detectabilidad e ocurrencia,
son calculados con probabilidades que en ese caso es una continua mudanza a lo largo del tiempo,
considerando un tiempo de teste establecido. A partir de un diagrama que concatena los
componentes (conociendo así sus dependencias) conocido como GO Chart y la metodología de GO
Methodology, se obtiene el resultado final y parcial de las probabilidades de falla y
consecuentemente sus confiabilidades. El único detalle que tiene este análisis, es que la lógica
envuelta para su cálculo (análisis del diagrama) posee dificultades computacionales especialmente
cuando se tienen varios componentes. [19]

Como anteriormente fue mencionado para el análisis del sistema total es necesario saber la
distribución de los componentes y las dependencias entre ellos, sabiendo que la metodología de
GO Methodology tiene ciertas dificultades en sistemas complejos y aún más cuando se desea
programarlo. Adicionalmente a ello se ve la necesidad de analizar los estados de operación de la
máquina, considerando las dependencias o conexiones que existen entre los componentes, es así
que en el 2013, J. Wang et al. [20] realizaron el análisis de los atributos de confiabilidad del sistema
completo de una turbina a gas, utilizando el modelo de Markov, y considerando una distribución
exponencial para los datos del historial de fallas. En el 2015, B. Mkandawire et al. [15] utilizaron
dicho concepto, pero para introducir el factor de ocurrencia en el análisis de modos, efectos y
causas de falla (FMECA) y compararlos con el resultado obtenido por el método de momentos
donde se decido una distribución de probabilidad de una base de datos (historial) mayor.
 2017 2018
TESIS
7. CRONOGRAMA DE TRABAJO

Jun Jul Ago Sept Oct Nov Dic Ene Feb Mar Abr May Jun

Elaboración

Revisión con asesor

Entrega de documentación a secretaria

Asignación de Jurado

Revisiones del Jurado

Levantamiento de Correcciones

Proceso de aprobación

Sustentación de tesis
Formato 5T
 Formato 5T

8. BIBLIOGRAFÍA

[1] D. N. Veritas, “DNV-OSS-101 Rules for Classification of Offshore Drilling and Support Units,” no.
October, 2014.

[2] X. Jiang, F. Duan, H. Tian, and X. Wei, “Optimization of reliability centered predictive
maintenance scheme for inertial navigation system,” Reliab. Eng. Syst. Saf., vol. 140, pp. 208–217,
2015.

[3] Deparment of Defense United Stated of America, MILITARY STANDARD, Procedures for
performing a failure mode, effects and criticality analysis. Washington, D.C., 1980.

[4] B. J. Richard, Risk-Based Management a Reliability-Centered Approach. Houston, Texas: Gulf

Publishing Company, 1995.

[5] J. Moubray, Reliability Centered Maintenance II, Second Edi. Ney York: Industrial Press Inc.,
1997.

[6] R. Keith, Maintenance Fundamentals, 2nd Editio. Oxford,UK: Elsevier B.H., 2004.

[7] M., André, and P. A. Norberto, “Introdução à Gestão da Manutenção,” Curso Técnico Mecânica
Ind., 2007.

[8] NASA, RCM Guide for Facilities and Collateral Equipment, no. September. Washington, D.C.,
2008.

[9] P. P. Jagathy and V. P. Deepak, “CBM , TPM , RCM and A-RCM - A Qualitative Comparison of
Maintenance Management Strategies,” Int. J. Manag. Bus. Stud., vol. 4, no. 3, pp. 49–56, 2014.

[10] S. G. da Silva, “Confiabilidade de Equipamentos Submarinos de Segurança de Sondas

Flutuantes (Blowoutpreventers - BOPS),” Universidade Federal do Rio de Janeiro - UFRJ, Rio de Janeiro,
2002.

[11] G. C. da Rocha, “Estudo da confiabilidade funcional dos sistemas de potência elétrica, de

automação e de lastro para a manutenção do equilíbrio de uma plataforma FPSO,” Universidade
Federal do Rio de Janeiro - UFRJ, 2008.

[12] M. Akbari and P. Khazaee, “Failure Modes and Effects Analysis ( FMEA ) for Power
Transformers,” in 28th International Power System Conference, 2013, pp. 1–7.

[13] H. Arabian-Hoseynabadi, H. Oraee, and P. J. Tavner, “Failure Modes and Effects Analysis (
FMEA ) for wind turbines,” Int. J. Electr. Power Energy Syst., vol. 32, no. 7, pp. 817–824, 2010.

[14] D. M. Barends, M. T. Oldenhof, M. J. Vredenbregt, and M. J. Nauta, “Risk analysis of analytical

validations by probabilistic modification of FMEA,” J. Pharm. Biomed. Anal., vol. 64–65, pp. 82–86,
2012.

[15] B. O. B. Mkandawire, N. Ijumba, and A. Saha, “Transformer risk modelling by stochastic

augmentation of reliability-centred maintenance,” Electr. Power Syst. Res., vol. 119, pp. 471–477,
2015.
 Formato 5T

[16] H. Reza, N. Akar, H. Lotfizadeh, M. Bairampour, and S. Nasiri, “Risk analysis of geothermal
power plants using Failure Modes and Effects Analysis ( FMEA ) technique,” Energy Convers. Manag.,
vol. 72, pp. 69–76, 2013.

[17] B. Yssaad and A. Abene, “Rational Reliability Centered Maintenance Optimization for power
distribution systems,” Electr. Power Energy Syst., vol. 73, pp. 350–360, 2015.

[18] B. Yssaad, M. Khiat, and A. Chaker, “Reliability centered maintenance optimization for power
distribution systems,” Int. J. Electr. Power Energy Syst., vol. 55, pp. 108–115, 2014.

[19] W. Deng, Y. Chen, Y. Ren, L. Liu, and D. Yang, “A New Algorithm of GO Methodology Based on
Minimal Path Set,” AASRI Procedia, vol. 3, pp. 368–374, 2012.

[20] J. Wang, C. Fu, K. Yang, X. Zhang, G. Shi, and J. Zhai, “Reliability and availability analysis of
redundant BCHP ( building cooling , heating and power ) system,” Energy, vol. 61, pp. 531–540, 2013.