Documente Academic
Documente Profesional
Documente Cultură
2
CUBAENERGIA.
jose@cubaenergia.cu
Resumen
Los sistemas de gestión de mantenimiento actuales son insuficientes para resolver los problemas
de riesgo y confiabilidad asociados a las instalaciones con altos requisitos de seguridad y
disponibilidad. El artículo presenta una síntesis de la investigación realizada sobre el estado actual
de los sistemas de gestión del mantenimiento y su relación con la seguridad de las instalaciones.
Además, resume el desarrollo de un algoritmo integrador para la gestión del mantenimiento
orientada a la seguridad y la disponibilidad el cual incluye, adicionalmente a los módulos de gestión
tradicional, herramientas de optimización con enfoque en sistema como patrones probabilistas del
mantenimiento, análisis de seguridad del personal durante el mantenimiento, evaluación del
mantenimiento basada en riesgo y determinación de tareas de mantenimiento centrado en la
confiabilidad. Este algoritmo se ha implementado en el código MOSEG Win Ver 1.0.
Abstract
One of the main reasons that makes maintenance contribute highly when facing safety problems
and facilities availability is the lack of maintenance management systems to solve these fields in a
balanced way. Their main setbacks are shown in this paper. It briefly describes the development of
an integrating algorithm for a safety and availability-oriented maintenance management by virtue of
the MOSEG Win 1.0 code..
1. INTRODUCCIÓN.
1
Siguiendo el conocido principio de Pareto [Juran 1985] el enfoque (económicamente) más racional
es dar solución a aquellos problemas, con impacto importante en los resultados, y en los que la
inversión de recursos no constituya la vía fundamental de mejora. Uno de estos problemas es
precisamente la insuficiencia de los sistemas de gestión de mantenimiento disponibles para
resolver de manera equilibrada los problemas de disponibilidad y seguridad de las instalaciones
[Torres1,2 y Rivero 2004, Torres3,4 et al 2002]
Para dar respuesta a este problema y a sus causas principales, el autor ha estructurado el sistema
de gestión de mantenimiento que se presenta en la tesis. El mismo se ha basado en el examen
crítico de los sistemas de gestión más avanzados, como el MP2 [Datastream 2003]; de las mejores
prácticas en temas de seguridad de la industria [INSAG-3 1991, INSAG-4 1991, OIEA 1995], la
experiencia del autor en el desarrollo y aplicación de los análisis de confiabilidad y de seguridad
[CNE 2001, Rivero et al 1998, Rivero et al 1993, Valhuerdi et al 1996, GDA-APS 1996], y el estudio
de las tendencias más modernas de optimización del mantenimiento [Mayer el al 2002, Clavijo,
1995].
2
son difíciles de cuantificar, lo que limita el diseño de planes preventivos [Torres11,12 y Rivero
2004].
8. Las aplicaciones al mantenimiento derivadas del Mantenimiento Centrado en la Confiabilidad
(RCM) dependen aún, notablemente, de factores subjetivos para establecer las características
de las intervenciones de monitoreo a condición, monitoreo por tiempo y búsqueda de fallos
[Torres7,8 y Rivero 2004, Gaertner 1993, Dozier 1992].
Para ejecutar tal desarrollo fue necesaria la identificación y solución de algunas características que
debían distinguir al sistema. Este proceso se basó en la investigación sobre las mejores prácticas
recomendadas para el desarrollo de sistemas de gestión, así como en la observación de la
experiencia en el uso y asimilación de algunas herramientas complejas de optimización de la
gestión.
Las características distintivas del sistema de gestión del mantenimiento orientada a la seguridad se
resumen en [Torres2 y Rivero 2004] y son:
1. Acoplamiento eficiente de las herramientas de gestión tradicional con las de optimización del
mantenimiento basadas en aplicaciones de los análisis de confiabilidad y riesgo, mediante
puntos de enlace que aseguran la funcionalidad necesaria para el cumplimiento de los
objetivos del análisis integral..
2. Enfoque del sistema de gestión hacia la toma de decisiones basadas en confiabilidad y riesgo.
4. Creación paulatina de bases de datos con enfoque integral lo que propicia que se compatibilice
la preparación de los datos para análisis tradicionales de tipo económico con la incorporación
de aquellos destinados a la aplicación de técnicas de optimización.
La herramienta diseñada como soporte informático del sistema de gestión propuesto es el código
MOSEG Win Ver. 1.0 [Torres1 2000, Torres2 y Rivero 2004].
3
3.1. Algoritmo del Sistema de Gestión de Mantenimiento MOSEG.
Este algoritmo comprende las metodologías específicas del sistema de gestión propuesto, así
como los enlaces necesarios entre las mismas para acometer las diferentes tareas de análisis. En
aras de simplificar el algoritmo se han obviado las relaciones con los módulos de gestión
tradicional del mantenimiento.
El algoritmo parte de la generación del patrón de evaluación probabilista del esquema tecnológico
objeto del mantenimiento (epígrafe 3.2) y los patrones de evaluación probabilista de las vías libres
de los equipos que conforman dicho esquema (epígrafe 3.3). La generación de ambos patrones
probabilistas alimenta el bloque de evaluación principal del sistema, que corresponde precisamente
al proceso iterativo de análisis multifactorial de las estrategias de mantenimiento y planificación de
las mismas (epígrafe 3.4). En él se despliegan las mayores potencialidades del sistema y se logra
la integración de la gestión tradicional con las herramientas de análisis de confiabilidad y riesgo.
Sin embargo, también son posibles aplicaciones independientes de los patrones de evaluación a
tareas específicas. Al respecto, el diseño permite que el patrón probabilista del esquema
tecnológico sirva de base a los Estudios de RCM (epígrafe 3.5) y a los análisis de importancia o
estudios de configuración (epígrafe 3.2). Por otra parte, la generación de patrones de vías libres
permite el estudio puntual detallado de las mismas, mediante los análisis de importancia y
sensibilidad (epígrafe 3.3).
4
3.2. Patrón de Evaluación Probabilista del Esquema Tecnológico.
Esto se logra, en primer lugar, mediante la metodología desarrollada para la generación automática
de patrones probabilista, que consiste en obtener árboles de fallos partiendo de un grupo de datos
de esquema tecnológico optimizados y que incluyen, en esencia, tipos de equipos integrantes del
sistema y estados iniciales asociados, así como la identificación de los elementos (segmentos,
nodos, grupos funcionales, equipos y derivaciones) que conforman el esquema y de sus
capacidades antes y a partir del momento seleccionado para la modelación. Con estos datos se
obtienen los árboles de fallos que son la fuente de los ficheros de conjuntos mínimos de corte o
patrones de evaluación probabilista. La figura 3-2 muestra el proceso de edición de un esquema
tecnológico para obtener un árbol de fallos dentro del código MOSEG Win 1.0.
5
• Se aplican a la preparación de patrones de evaluación de los esquemas de Vía Libre para
evaluar los riesgos al personal durante las intervenciones. En el epígrafe 3.3 se desarrolla esta
parte de la metodología.
• Finalmente, los dos puntos anteriores contribuyen a superar el enfoque meramente
economicista de la gestión del mantenimiento, señalado en 1.
Los árboles de fallos (AF) [Mosquera et al 1995] han demostrado ser métodos muy poderosos para
el análisis de sistemas y sus resultados permiten descubrir, mediante múltiples aplicaciones
(estudios de importancia, priorización, etc.) los principales contribuyentes a la ocurrencia de los
sucesos no deseados. Así mismo, los AF han demostrado su capacidad de combinar causas de
fallo de variados orígenes (humano, tecnológico, modo común, etc.). Estas características
condujeron a la hipótesis de que esta metodología es una alternativa viable para el análisis de las
configuraciones de aislamiento relacionadas con las vías libres (VL).
Por otra parte, los análisis de fiabilidad humana [Swain 1983], cuya aplicación fundamental se ha
centrado en los estudios de confiabilidad y riesgo, muestran un grupo de factores como el carácter
genérico de su metodología y el estudio de múltiples tipos de comportamiento humano, que los
hacen un candidato muy recomendable para el estudio de las probabilidades de error humano
involucradas en la ocurrencia de accidentes.
6
Para lograr el aislamiento del equipo es necesaria la apertura de interruptor I1 y el cierre de válvula
motorizada VM1. De esta forma el árbol de fallos de esta configuración de aislamiento estará
formado por el enlace booleano de los diferentes fallos (fallo al cierre o mantenimiento de posición
de VM1, fallo a la apertura o mantenimiento de posición de I1) y errores humanos (errores de
alineamiento y de conservación de las diferentes posiciones de los dispositivos de aislamiento) que
pueden ocurrir para comprometer dicha VL y conducir a un accidente. También se han incluido los
errores humanos en el uso de los medios de protección individual (HMPI). Utilizando las
capacidades descritas en el epígrafe 3.2 y partiendo de la configuración de aislamiento, se
obtendrá automáticamente el árbol de fallos mostrado en la figura 3-3 y el patrón de evaluación
probabilista de la VL.
La seguridad del personal puede ser estudiada para una VL independiente o durante toda una
estrategia de mantenimiento. En el primer caso bastará con explotar las posibilidades de análisis
detallado (análisis de importancia y sensibilidad) del patrón de evaluación de la VL. En el segundo
caso deberán considerarse las simultaneidades de alineamiento y/o conservación del aislamiento
de varios equipos fuera de servicio en cada intervalo de mantenimiento. Para este tipo de análisis
se utiliza el Factor de Riesgo de Personal (FRP) de cada intervalo de mantenimiento, el cual se
puede apreciar en el epígrafe 3.4.
Figura 3-4- Algoritmo de la evaluación del mantenimiento basada en criterios de riesgo y/o
disponibilidad.
7
El primer paso de la metodología es la adaptación del modelo probabilista (etapa 1 de la figura 3-
4). Esta adaptación incluye el filtrado de los CMC para considerar sólo aquellos cuya probabilidad
sea sensible a ser modificada por los mantenimientos y la recuantificación del modelo probabilista
de acuerdo a los parámetros temporales de la estrategia a analizar.
Para el análisis de estrategia y de importancia (etapa 3, fig. 3-4) se utilizan indicadores basados
en criterios de riesgo, seguridad y disponibilidad de personal. Los análisis de estrategia se basan
en la aplicación de estos indicadores a las configuraciones de equipos fuera de servicio en cada
uno de los intervalos de mantenimiento y se obtienen mediante una recuantificación del modelo
probabilista base. En este proceso se consideran probabilidades de fallo igual a uno para los
componentes fuera de servicio durante los intervalos de mantenimiento.
Una vez realizado el Análisis de Estrategia es posible calcular indicadores medios para caracterizar
las estrategias de mantenimiento aplicadas, así como identificar los intervalos y equipos mayores
contribuyentes por el impacto de sus salidas de servicio en el riesgo y/o la indisponibilidad. Este
análisis permite identificar alternativas de optimización de las estrategias de mantenimiento. Ello se
realiza en la etapa de reajuste de las estrategias (etapa 4, fig. 3-4). Las estrategias de
mantenimiento reajustadas se evalúan iterativamente según el lazo ilustrado en la figura 3-4, hasta
lograr la estrategia más adecuada (etapa 5, fig. 3-4).
Los indicadores obtenidos de este análisis permiten valorar para cada intervalo de la estrategia,
tanto los efectos positivos del mantenimiento, a través del indicador CRR (contribución a la
reducción de riesgo), como los efectos negativos (CC-configuraciones críticas, CIR- contribución al
incremento de riesgo y FRP – factor de riesgo del personal). Adicionalmente, es posible conocer
los intervalos donde el personal disponible es insuficiente para ejecutar el mantenimiento. Así
mismo, se pueden determinar indicadores medios que permiten caracterizar la estrategia de
mantenimiento de manera global (FRRm –factor de reducción de riesgo medio, IREm – Incremento
8
de Riesgo de la Estrategia medio y FRPm – factor de riesgo de personal medio y CC –
configuraciones críticas totales durante la estrategia) [Rivero y Torres15, 2004]. Estas posibilidades
de análisis permiten identificar los intervalos de mantenimiento más contribuyentes y comparar
varias alternativas de estrategias. De esta forma, se pueden estudiar las mejores variantes de
estrategias de mantenimiento con carácter preventivo.
En general, las tareas de RCM de serán aplicables a todos los componentes-modos de fallo cuyo
modelo de confiabilidad sea dependiente del tiempo, exceptuando los que modelan las
indisponibilidades periódicas por mantenimiento preventivo. Dichos componentes pueden ser
inicialmente descartados en el árbol de fallos, para evitar distorsiones de las medidas de
importancia.
Para el reconocimiento de las técnicas de predictivo posibles a aplicar se informatizó una base de
datos que enlaza, los tipos de equipo con las técnicas de predictivo aplicables a cada caso. De
esta forma la selección de las técnicas de predictivo dependerá del tipo de componente (bomba,
válvula, etc.) y de las sugerencias existentes en la base informatizada (el código sugiere 14
técnicas de monitoreo a condición diferentes [SNE 1993]).
La tarea de monitoreo por tiempo ha sido prevista para los componentes cuyo modelo de
confiabilidad corresponda a los tipos no reparables y los probados periódicamente. En cambio, la
tarea de búsqueda de fallos se ha implementado sólo en los componentes probados
periódicamente. Esta distinción se debe a que la búsqueda de fallos se considera factible sólo en
los componentes redundantes que no comprometen la operación de la instalación (componentes
probados periódicamente), mientras que para las tareas de monitoreo por tiempo serán necesarias
inspecciones a las que preceden desmontajes de los componentes. Este tipo de tarea corresponde
a los períodos de parada de la instalación. Por ello, el monitoreo por tiempo será aplicable no sólo
a componentes probados, sino también a componentes no reparables (no probados durante
operación). Como se aprecia, para un mismo componente pueden aparecer asignadas tareas de
monitoreo a condición, monitoreo por tiempo o de búsqueda de fallos.
Es por tanto decisión del usuario concluir que técnica utilizará, teniendo en cuenta que la
metodología RCM recomienda dar prioridad al monitoreo a condición sobre el monitoreo por
tiempo, y al monitoreo por tiempo sobre las tareas de búsqueda de fallos.
El esquema de selección de tipos de tarea de RCM mostrado en la figura 3-5 [Clavijo 1995,
Gaertner 1987] permite comprender más claramente la afirmación anterior.
9
de sistema, es decir que los valores de los tiempos de intervención no se orientan a optimizar la
fiabilidad del componente sino la del sistema.
La siguiente figura muestra una pantalla obtenida con el código MOSEG Win Ver 1.0 para un
sistema tecnológico al que se le aplicaron las capacidades de análisis de tareas de RCM descritas
anteriormente.
Las celdas resaltadas representan los casos de equipos de Alta (rojo) y Media Criticidad (amarillo),
10
así como aquellos en los que los tiempos entre mantenimientos calculados son menores de 1
semana. En estos casos el código sugiere Cambio de Diseño (azul). Los cambios de diseño
pueden asociarse a sustitución por equipo de mayor calidad o aumento de redundancia del equipo
en el esquema.
Algunas de las aplicaciones más importantes del sistema de gestión de mantenimiento MOSEG
Win Ver. 1.0 son:
3. Planta Nuclear de Embalse (Argentina): Como una aplicación industrial a gran escala se
destaca el uso del sistema MOSEG para los análisis anuales de no disponibilidad de varios
sistemas de seguridad de la Planta Nuclear de Embalse.
5. Central Termoeléctica (CTE) Máximo Gómez: El sistema MOSEG Win Ver 1.0 ha sido
instalado en esta CTE para su utilización en la capacitación y en la gestión de mantenimiento
de la planta, así como en el incremento de la seguridad durante las labores de mantenimiento.
5- CONCLUSIONES.
El área de mantenimiento ha sido una de las más favorecidas con el desarrollo de las aplicaciones
de los análisis de confiabilidad y de los estudios de riesgo. Sin embargo, la realización de dichas
aplicaciones requiere en general de un conocimiento especializado y sus resultados sobre el
mantenimiento se ven restringidos a áreas específicas. Por otra parte, los sistemas de gestión
11
actuales adolecen del enlace necesario con los resultados de los análisis de confiabilidad y riesgo
por lo que las ventajas de estas aplicaciones no se ven reflejadas en los mismos.
El sistema MOSEG Win Ver 1.0 constituye la base de un doctorado en ciencias técnicas. Ha sido
objeto de solicitud de patente en la Oficina Cubana de la Propiedad Industrial y cuenta con los
certificados de derecho de autor en las áreas de metodología y software. Una información adicional
sobre el código objeto de este artículo puede encontrarse en el sitio web:
http://www.energia.inf.cu/conseman.
REFERENCIAS
1. Trevor Kletz, What Went Wrong? Case Histories of Process Plant Disasters, p.392, ISBN 0-
88425-920-5, Gulf Publishing, Houston, TX, U.S.A (1999).
6. Torres3 V.A., Rolo N. A., Piedra D.M, Salomón Y. J., “El enfoque probabilista del
mantenimiento, una alternativa para su optimización”, Universidad de VillaClara, Congreso
Internacional de Ingeniería Mecánica (2002).
12
10. INSAG-4, Cultura de la Seguridad, 75-INSAG-4, 1991 (1995)
12. OIEA, Guía de Seguridad, Vigilancia de Sistemas en Centrales Nucleares, 50-SG-O8 (1995).
13. Rivero, J., Salomón, J., Perdomo, M., Torres, A, “Estudios de Análisis Probabilista de
Seguridad en Cuba”, Revista Nucleus, No 16, p. 19-25 (1993).
14. J. Rivero, J. Salomón, A. Torres, M. Perdomo, "Resultados más significativos de los Análisis
Probabilistas de Seguridad en Cuba", Memorias II Congreso Regional de Seguridad
Radiológica y Nuclear, Zacatecas, México, Noviembre de 1993 (1993).
16. CNE - Central Nuclear de Embalse, “Análisis Probabilista de Seguridad de Nivel 1”, Embalse,
Córdoba, Argentina (2001).
18. J.J. Rivero, J. Salomón, Experiences on Aplications of PSA Methodology in the industry,
Technical Comittee Meeting on “PSA Aplication to improve NPP Safety, Madrid, Spain, Febrero
1998 (1998).
19. Stephan Mayer, Milan Patrik, Attila Bareith, Marko Cepin, “Risk Informed Decision Making–
Maintenance (Task 2 Issue 6)”, Project Promoting Cooperation between the Nuclear Regulatory
Authorities of the European Union and their Counteparts in the ‘Aplicant Countries’ of Central
and Eanstern Europe, January 2002, Chapter 3.7, p. 1-13 (2002).
21. Torres5 A., Piedra M., Salomón J., “Diseño de un sistema de control de mantenimiento
orientado a la disponibilidad y seguridad de las instalaciones”, Revista Energética Vol XXII,
ISSN O534-2608, Febrero 2001, DIAGNO-2000 (2001).
23. Christer Idhammar1, “What constitutes world class reliability and maintenance?”, IDCON,
Reliability and Maintenance Management Consultant Company, http://www.idcon.com (2003).
25. ENEL Societa per azioni, DPT Area Servizi-UAS-SAD, Curso de Especialización, Gestión del
Mantenimiento, LG-101, LG-106, Escuela de Cuadros del MINBAS, La Habana, Cuba, Mayo
1992 (1992).
26. Empresa de Mantenimiento del Petróleo (EMPET), Elaboración del informe técnico mensual
de las divisiones de mantenimiento de la EMPet, DO-TE/I 0002 (2003)
13
27. Frisina, Franklin P., “Maintenance Management System Software”, Patente No. 6385621, New
York, U.S.A. (2002).
28. Palusami y Bauman, patente No 5311562, Plant Maintenance with Predictive Diagnostic
(1994).
29. Invas y Caroline, patente No. 606171, Dinamic Maintenance Management System (1999).
30. Greitzer y Kangas, patente WO 0218879 A1, Method and Apparatus to predict the remaining
service life of an operating system (2002).
31. Cornett y Walsh, patente No. 5216612, Intelligent Computer Integrated Maintenance System
and Method (1993).
34. Lourival Tavares, Excelencia na Manutencao, p. 23-29, p. 60-62, p. 65-120, ISBN 85-85651-03-
02, Casa de Qualidade, Salvador BA, Brasil (1996).
35. Torres9, A., Rivero, J., “Patrones de Evaluación Probabilista del Mantenimiento”, Memorias
Congreso Internacional Conjunto Cancún 2004 LAS/ANS-SNM-SMSR, Cancún, Q.R., México,
11-14 de Julio 2004 (2004).
37. CSN - Consejo de Seguridad Nuclear, La seguridad nuclear en las Centrales Nucleares
Españolas, p. 86-87, España (1992)
39. IAEA, Division of Nuclear Installation Safety, Working Material – PSA Applications to Improve
NPP Safety, p. 44-49, p. 17-20, IAEA-J4-97-CT-06876, IAEA, Vienna, Austria, January 1998
(1998).
40. P.K. Samanta, I.S. Kim, T. Mankamo, W.E. Vesely, Handbook of Methods for Risk-Based
Analyses of Technical Specification, NUREG/CR-6141, BNL-NUREG 52398, p. 3-1 to 3-22, p.
5-1 to 6-18, December 1994, U.S. Nuclear Regulatory Comission, Washington DC (1994).
41. Torres11, A., Rivero, J., “Análisis Probabilista de Vías Libres para Mantenimiento”, Memorias
Congreso Internacional Conjunto Cancún 2004 LAS/ANS-SNM-SMSR, Cancún, Q.R., México,
11-14 de Julio 2004 (2004).
42. A. Torres12, J. Rivero, “Análisis de Vías Libres para Mantenimiento partiendo de las
Configuraciones de Aislamiento”, Revista Ingeniería Mecánica, 1er trimestre (2005)
43. Jonh P. Gaertner, Engineering and Research Inc., “Reliability Centered Maintenance Status in
the US Nuclear Power Industry”, Taller OIEA - Optimización mediante APS de tareas y
14
procedimientos en la operación de Centrales Nucleoeléctricas, Veracruz, México, Febrero
1993, p. 1-20 (1993).
44. Jerry Dozier, Caso de estudio del programa RCM para la estación de Gran Golfo,
International Power Generation Conference, Atlanta, EEUU, Octubre 1992 (1992).
46. A.D. Swain, H. E. Guttmann, Handbook of human reliability analysis with emphasis on
Nuclear Power Plant Application, p. 3-36, 20-23, 20-28 to 20-30, NUREG-1278, US-NRC,
Agosto 1983 (1983).
50. A. Torres16, J.J. Rivero, Evaluación del mantenimiento utilizando criterios de riesgo, Reunión
RLA-5-OIEA, Argentina (INIS-CU-009) (1996).
51. Torres17, A., Maintenance Evaluation Using Risk Based Criteria, Procedures ESREL'97
Conference, 17-21 Junio 1997, Lisboa, Portugal (1997).
52. Torres18 A, Rivero J, Salomón J, Perdomo M, Miari E., El enfoque probabilista, una solución
factible a la Gestión del Mantenimiento Actual, Memorias III Conferencia Iberoamericana de
Ingenería Mecánica, La Habana, Septiembre 1997 (1997).
53. Torres19 A., Rivero J.J., Salomón J., Perdomo M., Análisis de confiabilidad enfocados al
mantenimiento industrial, Memorias del II Congreso Panamericano de Ingeniería en
Mantenimiento, Congreso UPADI, Agosto 1996, San José, Costa Rica (1996).
54. SNE - Sociedad Nuclear Española, Mantenimiento Predictivo en Centrales Nucleares – Guía
de aplicación, SNE-GA-4.09, p. 6-49, Gráficas Pedraza, Madrid (1993).
55. J. Salomón, M. Perdomo, A. Torres, C. Valhuerdi, otros, Análisis de Riesgo Industrial, p. 89-
123, ISBN 980-00-1491-8, Universidad "Gran Mariscal de Ayacucho", Barcelona, Venezuela
(2000).
15