Modelos matemticos para Optimizacin de Reemplazo Preventivo e Inspecciones Preventivas

Ing. Roberto Bottini

Paradigmas
En la industria los equipos y sistemas crecen en complejidad. Existen mayores exigencias a la eficiencia de los costos del ciclo de vida til de las maquinas de produccin. Cada fabricante intenta llegar al objetivo de calidad exigido por el mercado al mnimo costo posible.

Objetivo de Confiabilidad y Mantenibilidad

Desde el diseo existe la necesidad de entregar equipos o sistemas que tengan las prestaciones deseadas por el cliente y que adems sean Confiables, de fcil mantenimiento y con funcionamiento seguro y econmico durante su vida til.

Queremos compartir algunas herramientas de la ingeniera de la Confiabilidad que nos permiten tomar las mejores decisiones cuando se esta cumpliendo la expectativa de vida de un sistema o componente. Nuestro enfoque se limita a aquellos componentes que presentan Desgaste por uso. El tiempo a la falla para cualquier componente o sistema no puede ser predecido exactamente. Si es posible obtener informacin de la transicin entre el estado OPERATIVO al de FALLA. La Ocurrencia de la Falla puede nicamente ser caracterizada por las propiedades Probabilsticas de la populacin Total. Para algunos sistemas la Falla no es Tolerada, puede ser un evento catastrfico, ah es mandatorio considerar metodologas de CONFIABILIDAD del sistema.

Mantenimiento Proactivo

Tcticas basadas en intervalos de tiempo u otra unidad de medida Programa de recambio de componentes Mantenimiento preventivo Overhaull programado

Tcticas basadas en la condicin Operacin hasta la falla Actividades de monitoreo de condicin Vibraciones - monitoreo - anlisis

Otras Tcticas Equipos redundantes

Redisear

Limpieza - durante la operacin - antes del mantenimiento

Anlisis del lubricante - condicin del aceite - partculas de desgaste

Mantenimiento Apropiado (ad hoc)

Lubricacin - rutinaria mientras funciona - al comienzo/final del cambio

Elctrico - anlisis corriente - condicin del motor

Ajustes menores

E.N.D - termografa - ultrasonido - radiografa industrial Inspecciones - por operarios - por mantenimiento (diario/semanal)

CONFIABILIDAD
La calidad del Ciclo de Vida de una maquina o de sus componentes debe ser evaluada con respecto a la duracion esperada, a la complejidad de las tareas de mantenimiento , a la cantidad y gravedad de fallas ocurridas. Partiendo del estudio de leyes de ocurrencia de fallas, la ingenieria de la confiabilidad es el conjunto de teorias y mtodos matemticos que se traducen en procedimientos de gestin orientados a la solucin de problemas de estimacin y optimizacin de las probabilidades de supervivencia, vida media y porcentaje de tiempo de buen funcionamiento de un sistema.

La Confiabilidad Incorpora la incertidumbre a la Ingeniera.

Podramos decir que la certeza de un hecho (en nuestro contexto Falla de Maquina), es un acontecimiento DETERMINISTA con un resultado finito. En cambio la incertidumbre de un hecho seria un acontecimiento INDETERMINISTA con un resultado probabilstico.

Los Criterios de Confiabilidad Cuantitativa se difunden cada vez mas en el mundo industrial debido a varias razones :
El aumento de la complejidad de los equipos. Las dificultades de mantenimiento de ciertas maquinas o sistemas. La necesidad de reducir los pesos sin afectar la seguridad del funcionamiento. El cambio de visin con respecto a la responsabilidad civil vinculada a la produccin y comercializacin de un producto.

Teora de las Probabilidades

La ocurrencia de Fallas a lo largo del Ciclo de Vida de una populacion similar de componentes toma la forma Distribuciones de Probabilidades conocidas. Estas distribuciones pueden ser estimadas por testeo o va el anlisis de datos operativos (ej. Weibull). Teniendo en cuenta siempre que la probabilidad de que un evento ocurra (Falla de equipo) es siempre algn numero entre 0 y 1 de acuerdo a la teora de la probabilidad.

Las distribuciones representan familias de curvas graficas que varan en forma, porque difieren las ecuaciones de las funciones a las cuales representan.

EL modelamiento de las probabilidades de falla esta condicionado a la etapa de vida en que se encuentre el elemento. Con la curva de la baera es posible modelar el comportamiento en cada una de las tres etapas de la tasa de falla a travs de leyes conocidas de probabilidades.

1- Mortalidad Infantil
Inadecuada Instalacin. Error armado-reparacin. Problemas de Calidad Tasa de Falla

<1

2- Fallas Aleatorias durante la vida til.

Independientes del Tiempo. Errores de Mantenimiento. Electrnica. Mezcla de Errores.

Averas por contaminacin externa (aceite).

Tasa de Falla = cte

3- Desgaste por Envejecimiento

Low Cicle Fatiga en TG. Rodamientos. Corrosin. Correas. Corrosin bajo Stress. Materiales frgiles. Materiales Cermicos. Algunas formas de erosin.

Tasa de Falla

>1

 Comnmente usamos un simple histograma (Falla-mes) para estudiar la ocurrencia de las Fallas y su impacto en la disponibilidad de equipos.

HISTOGRAMA
10 8 FALLAS 6 4 2 0 1 2 3 4 5 6 7 8 9 10 MESES Serie1

MES FALLAS

ENERO 2

FEBRERO 5

MARZO 7

ABRIL 8

MAYO 7

JUNIO 6

JULIO 5

AGOSTO 4

SEPTIEMBRE 3

OCTUBRE 1

TOTAL 48

Sin embargo en estudios de Confiabilidad y Mantenimiento necesitamos utilizar funciones continuas, debido que la variable tiempo a la falla es continua. Entonces transformamos el Nro de fallas por mes en probabilidades. Empezamos por la funcin densidad de probabilidad de fallas (pdf) que indica la probabilidad de que ocurran fallas entre el intervalo t1 y t2, Dado que inevitablemente el componente analizado acabara por estropearse, el rea bajo la curva de la funcin f (t) ser igual a 1 si se sita el limite temporal superior en + infinito. Probability Density Function pdf

FUNCIN pdf
10 f(t) 5 0 1 2 3 4 5 6 7 8 9 10 meses

Cumulative Distribucion Function cdf .

En estimaciones de Confiabilidad necesitamos determinar la probabilidad de que una falla ocurra antes de un determinado tiempo t . La podemos encontrar con la Funcin acumulativa cdf. Que es representada por el rea bajo la curva desde - a t, y nos indica la probabilidad de acumulacin de fallas transcurrido t (el fracaso).

cdf =

Tiempo t

Funcion Reliability R (t). La Confiabilidad es la funcin complementaria a la cdf. La probabilidad de xito, es decir que sobrevivan sin falla transcurrido el mismo tiempo t. Representando el rea bajo la curva desde t a infinito. R(t)= 1- cdf

Tiempo t

El ultimo tipo de funcin que tenemos derivada de las anteriores es la Funcin Riesgo, tambin llamada funcin tasa de falla f (t) en determinados contextos como el de mantenimiento. h (t) Funcin riesgo = pdf/1-cdf

Estas cuatro funciones pueden a su vez especificarse a travs de las distribuciones estadsticas que adopten, que como vimos sern distintas en las varias etapas de la vida del componente.

Tasa de Riesgo
Supongamos como analoga que un auto tarda para hacer 200km 4hs. El promedio de velocidad es 50km/h, sin embargo el conductor en algunos tramos fue mas ligero y en otros mas despacio La velocidad en cada instante esta indicada por el velocmetro. La velocidad instantnea leda es anloga a la tasa de Riesgo Hz mientras que el promedio de 50Km/h es la Tasa de Falla.

Las cuatro funciones que definimos pueden usarse una vez que los datos REALES de ocurrencia de falla han sido transformados en las distribuciones estadisticas que adopten.
Afortunadamente, los datos reales de fallas, generalmente modelan alguna distribucion estadistica conocida. En la figura vemos las funciones de Probabilidad, Acumulativa y Riesgo para :

Dist. Exponencial Dist. Normal Dist. Lognormal Dist. Weibull

Como ya la distribucin de fallas de diferentes tipos de maquinaria no son las mismas. Aun la distribucin de fallas de idnticas maquinas varia si estn sujetas a diferentes solicitaciones. Hay un numero conocido de Funciones pdf diferentes, que describen las caractersticas de falla de maquinaria. En la figura vemos las funciones de Probabilidad, Acumulativa y Riesgo para :

Dist. Exponencial Dist. Normal Dist. Lognormal Dist. Weibull

En estudios de Confiabilidad para Optimizar Reemplazo Preventivo u Overhaul son importante las siguientes premisas:
1- La tasa de falla del equipamiento debe ser creciente. Desgaste por Uso. Esta evidencia puede ser obtenida realizando una anlisis de Weibull. 1- El Costo total del reemplazo debe ser mayor DESPUES de la falla que ANTES. Debera tener como causal una gran perdida de Produccin o efecto domino sobre otros equipamientos.
Para tasa de falla menor o igual a 1 no es conveniente Reemplazo preventivo u Overhaul. Por lo tanto el Mantenimiento preventivo de propsitos generales que no retorna el equipamiento a nuevo sigue siendo apropiado para componentes sujeto a tasa de falla constante. (Ej. Inspecciones menores).

Figura 12. Predecibilidad estadstica

Caja reductora (buena predecibilidad i.e.pequea incerteza)

Distribucin de fallas f(t)

Motor elctrico (pobre predecibilidad i.e. gran incerteza)

Tiempo

 Vemos entonces que la Ingeniera de la confiabilidad nos da herramientas para iniciar la batalla contra la incertidumbre de las fallas en las plantas complejas. Podemos describir varias distribuciones de fallas y ver qu podemos aprender de ellas para gestionar los recursos de mantenimiento. Convirtiendo el conocimiento ganado de ellas en acciones proactivas. Prediciendo cuando las fallas probablemente ocurran nosotros podemos determinar el mejor momento para el mantenimiento Preventivo (Reemplazo Preventivo) y las polticas de mantenimiento relacionadas con el periodo optimo para operar hasta la falla o inspeccin

Como Incorporar estas Caractersticas de Confiabilidad ? Realizando un anlisis Cualitativo

Que indicara el tipo y clase de fallas que van a presentarse en los componentes del sistemas. (Camino del RCM).

O Bien ampliarse a un campo Cuantitativo

Proporcionando las probabilidades numricas correspondientes.

 El objetivo es entender el problema, pronosticar fallas y analizar riesgos para tomar mejores decisiones de mantenimiento. Estas decisiones impactan el momento elegido para reemplazo, reparacin o Overhaul de Maquinaria, como as tambin optimizar cualquier otra tarea de gestin del mantenimiento principalmente las inspecciones y gestin de repuestos.

En Sntesis:
Utilizar datos histricos de fallas. Utilizar la funcin apropiada que representa nuestra situacin. Construir un modelo matemtico que represente el problema en estudio. Con los datos histricos analizamos los resultados grficos del modelo matemtico empleado. Con ste anlisis tomamos mantenimiento ptimas. las decisiones de

Modelos Matemticos
Una de las principales herramientas en este avance cientfico hacia la optimizacin de las decisiones de Gestin son los modelos matemticos como simple representacin del problema en estudio. En la aplicacin de tcnicas cuantitativas de Optimizacin del Mantenimiento, el tipo de modelo usado es frecuentemente un modelo simblico donde los componentes del sistema estn representados por smbolos y la relacin de estos componentes esta representada por ecuaciones matemticas.

Reemplazo Preventivo Optimo de un tem sujeto rotura

Construccin del Modelo
Decimos que el costo total de reemplazo es

C(tp)=

Costo Total esperado del Reemplazo por ciclo Tiempo Esperado del ciclo.

Modelo Matemtico utilizado

Cp: costo del Reemplazo Preventivo. R(tp): es la confiabilidad. Multiplicamos aqu el costo del xito por la probabilidad de lograrlo. Cf: costo total del Reemplazo por Falla. 1- R(tp): Es la Inconfiabilidad. Multiplicamos aqu el costo del fracaso por la probabilidad de fracasar. tp: tiempo medio del Reemplazo Preventivo. es el tiempo medio a la falla MTTF (para el intervalo de reemplazo).

f(t): es la funcin pdf para la distribucin normal o distribucin de Weibull para beta >1

Aplicacin Optimizacin Rebobinado de Motores Elctricos de 1500HP.

Tabla 3.2. Fallas en bobinados de grandes motores: datos de falla y clculos de riesgo
Motor C-70 C-71A C-71B P-70A P-70B P-71 C-25 C-11 C-52 C-13 C-31 C-53 C-41 C-91 C-32A C-32B C-01 C-30 C-50 C-51 Rango 20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 Aos 8 8 8 8 8 8 10 11a 12a 13a 13 15a 16a 17a 17 17 18b 18 18 18 Riesgo Riesgo acumulado

7.69 8.33 9.09 11.11 12.58 14.29

7.69 16.03 25.12 36.23 48.73 63.01

6 fallas ocurridas antes de la expectativa de vida de 18 aos.

a b

Fallas en bobinados

Remplazo preventivo de los bobinados

Aplicacin Optimizacin Overhaull para caso de Motores Elctricos de 1500HP.

T abla 3.2. Fallas en bobinados de grandes m otores: datos de falla y clculos de riesgo
M otor C -70 C -71A C -71B P-70A P-70B P-71 C -25 C -11 C -52 C -13 C -31 C -53 C -41 C -91 C -32A C -32B C -01 C -30 C -50 C -51 R ango 20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 Aos 8 8 8 8 8 8 10 11 a 12 a 13 a 13 15 a 16 a 17 a 17 17 18 b 18 18 18 R iesgo R iesgo acum ulado

7.69 8.33 9.09 11.11 12.58 14.29

7.69 16.03 25.12 36.23 48.73 63.01

a b

F allas e n bo bina dos

R e m p la zo prev entiv o de los bo bina dos

Ploteo de Weibull para determinar parmetros de la distribucin de fallas.

Factor Beta 4.3

El procedimiento es plotear en Weibull los datos representativos de la falla contra la funcin cdf. Obteniendo un factor de forma beta de 4.3. Demostrando que las ocurrencias de falla se suceden dentro de la distribucin normal de desgaste por uso y en consecuencia es consistente el uso de modelos matemticos para optimizar el tiempo de rebobinado.

Distribucin de Weibull (cuanto ms chica la dispersin mayor el factor de forma y mejor la estimacin).

Resultado de clculos utilizando modelo matemtico

Clculo trminos modelo matemtico

tp
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

R (t p )
1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 0,99 0,98 0,94 0,87 0,76 0,62 0,45 0,29 0,15 0,07 0,02 0,00 0,00 0,00

1 R (t p )
0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,02 0,06 0,13 0,24 0,38 0,55 0,71 0,85 0,93 0,98 1,00 1,00 1,00

t. f (t

) dt

C (t p )
100,00 50,00 33,33 25,00 20,00 16,67 14,29 12,50 11,11 10,01 9,27 9,28 10,68 14,26 20,76 30,55 43,29 57,71 71,68 82,92 90,11 93,58 94,76 95,02 95,06

h(t p )
0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,01 0,03 0,05 0,10 0,17 0,26 0,38 0,54 0,73 0,98 1,27 1,63 2,04 2,53

0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,02 0,09 0,32 0,86 1,89 3,59 6,02 9,00 12,09 14,75 16,60 17,60 18,00 18,12 18,14

Grfico Resultante

Grfico Resultante
100 90 80 70 60 50 40 30 20 10 0 0 3

C(tp) K$

Curva de Costo Total

12

15 18

21

24

27

30

Edad,t (Aos)

Grfico Resultante
100 90 80 70 60 50 40 30 20 10 0 0 3

C (tp) K $

Curva de Costo Total

12 15 18 21 24 27 30 Edad,t (Aos)

Grfico Resultante
100 90 80 70 60 50 40 30 20 10 0 0 3

C(tp) K$

Curva de Costo Total

12

15 18

21

24

27

30

Edad,t (Aos)

Grfico Resultante
100 90 80 70 60 50 40 30 20 Costo 10 Mnimo 0 C(tp) K$ 0 3

Curva de Costo Total

Reemplazo ptimo

Tiempo ptimo de rebobinado Edad,t 11 /12 aos

12

15 18 (Aos)

21

24

27

30

Costos esperados de reemplazo en funcin del tiempo para Motor Elctrico Falla Bobinado
Costo Costo del mantenimiento preventivo por downtime

Curva de costo total

Ctp MINIMO

Costo del recurso de mantenimiento preventivo Reemplazo ptimo

Costo del mantenimiento correctivo por downtime (paradas imprevistas) Costo del recurso de mantenimiento correctivo

=)

Tp ptimo Rebobinado =12 /13 aos

Tp

Modelos Matemticos para el intervalo Optimo de Inspeccin y sus Beneficios

El propsito bsico es determinar el estado del equipo, obteniendo el mximo beneficio y las mnimas perdidas.

1. FRECUENCIA DE INSPECCION: Para equipamiento que es en operacin continua y sujeto a falla. 2. INTERVALOS DE INSPECCION: Para equipamiento usado solamente en condiciones de emergencia. 3. MONITOREO DE CONDICION.

1.

Mientras que con el reemplazo preventivo u overhaul nos situamos en la ltima parte de la curva de la baera, con las inspecciones estamos actuando en la parte de Vida til, donde las fallas son aleatorias y responden a la Distribucin exponencial negativa.

MTTF = 1/
2. 3. 4. 5. 6. Tiempo de reparacin 1/ N reparaciones /unidad de tiempo Poltica de Inspeccin 1/i N inspecciones/unidad de tiempo Expresamos con B al valor del beneficio si no hay paradas. Costo promedio de la Inspeccin por unidad de tiempo I. Costo promedio de reparacin por unidad de tiempo no interrumpido R.

Construimos ahora un modelo para Optimizar la frecuencia de las inspecciones

Costo / Unidad de Tiempo Frecuencia ptima de Inspeccin

Beneficio / unidad de tiempo Prdidas de beneficio debidas a inspecciones Costo de Inspecciones Prdidas de beneficio debidas a reparaciones Costos de Reparaciones Frecuencia de Inspeccin, n

P(n): Valor del Beneficio con operacin interrumpida por reparaciones en la unidad de tiempo.

P(n)= B - B

-B

-R

-I

B: Beneficio de la operacin no interrumpida por unidad de tiempo. Perdida de Beneficio por Reparaciones, donde (n) es el N de Reparaciones y el tiempo medio de reparaciones MTTR. Perdida de Beneficio por inspecciones, donde n es el N de Inspecciones e i el tiempo medio para las inspecciones. R es el costo promedio de reparaciones. I es el costo promedio de inspecciones.

= B
Despejando:

=0

B + I ( n ) = B + R i

Debemos hallar el n (N de Inspecciones) que resuelva esta ecuacin. Decimos que:

Derivando

K (n) = 2 n

K es la tasa de falla, cuando realizamos una inspeccin por unidad de tiempo. Asumimos que n es inversamente proporcional a (es cierto, al aumentar el nmero de inspecciones disminuye la tasa de falla)

 Igualando:

K ( n ) = 2 n
Obtenemos:

B + I con ( n ) = B + R i

De donde despejando n, resulta:

n ES EL NMERO PTIMO DE
INSPECCIONES A REALIZAR

Resolviendo la anterior ecuacin y despejando despejando n, resulta:

n ES EL NMERO PTIMO DE
INSPECCIONES A REALIZAR

 La premisa fundamental sobre la que se basa el Mantenimiento Planificado es muy sencilla, no basta con reparar la avera una vez ocurrida, sino que es necesario prevenirla. Con este objetivo nosotros realizamos inspecciones peridicas de los equipos y rectificamos cualquier menor defecto. Lgicamente estas inspecciones tienen costo en trminos de M.O. , insumos, materiales y Hs de Produccin. El Objetivo es determinar la poltica de Inspeccin que d el balance correcto entre el nmero de inspecciones y los beneficios resultantes de su aplicacin.

BUENA PRCTICA GENERAL DE MANTENIMIENTO!!!

PRECISIN PRECISIN INCREMENTAR INCREMENTAR TAREAS TAREAS PROACTIVAS yy SU PROACTIVAS SU PLANIFICACION. PLANIFICACION. WEIBULL yy WEIBULL Modelos Modelos matemticos matemticos de de Optimizacin. Optimizacin.

La importancia de la confiabilidad tambin depende del alcance que demos a nuestra probabilidad de xito, a veces llamado Factor de Servicio F= 1- R(t). Pensemos que tener un factor de servicio del 99 % seria bastante bueno . Sin embargo en EEUU ocasionara :

Una hora de agua no potable por mes. Dos aterrizajes peligrosos por da en JFK. 10.000 piezas de correo perdidas por hora. 20.000 prescripciones incorrectas de medicamentos por ao. 22.000 cheques deducidos de la cuenta equivocada por hora.

Fuentes consultadas para el presente trabajo: Andrew Jardine, Universidad de Toronto, Canada Albert Tsang, Hong Kong Politechnic University Adolfo Arata, Universidad Santa Maria, Chile. John Campbell, PriceWaterhouseCoopers, Canada Heinz Bloch, Machinary Reliability Assesment. Luciano Furlaneto, Politecnico de Milan.

Preguntas ?

MUCHAS GRACIAS !!
Ing. Roberto Bottini roberto.bottini@fi.austral.edu.ar