Gómez de la Vega H., Medina Medina N., Semeco K, Yanez M.
Análisis de Confiabilidad, Disponibilidad y Mantenibilidad en Sistemas Productivos Hernando Gómez de la Vega, Nayrih Medina, Medardo Yanez Reliability and Risk Management S.A. Teléfonos: (58)-261-7923891 E-mail:
[email protected] E-mail:
[email protected] ,
[email protected] ,
[email protected] ,
[email protected]
RESUMEN Este trabajo sobre el Análisis de Confiabilidad, Disponibilidad y Mantenibilidad de Sistema de Producción, se enfoca en la descripción de un estudio proactivo de diagnóstico de la disponibilidad y el factor de servicio de un proceso de producción para un período determinado de tiempo, que busca caracterizar el estado actual de un proceso, sistema o equipos y predecir su comportamiento futuro basado en la configuración y confiabilidad de sus componentes y en la filosofía de mantenimiento, mediante el análisis del historial de fallas y reparaciones, los datos de las condiciones operacionales y datos técnicos. Su finalidad es revelar problemas, definir y desarrollar alternativas de soluciones, reasignar recursos y presupuestos para mejorar efectivamente la productividad del proceso o sistema, a través de la sistemática reducción de la ocurrencia de fallas y eventos no deseados y minimizar su impacto en el negocio medular. Durante las diferentes fases de un proyecto (ingeniería básica, construcción, puesta en marcha y operación) este tipo de estudio proporciona reportes a la medida, que permiten planear, organizar, controlar y comunicar situaciones presentes en los diferentes escenario analizados permitiendo responder al instante preguntas como: Que tan productivo es o será el proceso? Qué mejoras se pueden introducir? Qué trabajos quedan por hacer? Cuales son las actividades críticas? Dónde concentrar los esfuerzos y recursos?.
Palabras Claves: Confiabilidad, Disponibilidad, Falla, Mantenibilidad, Probabilidad, 1. INTRODUCCION El análisis CDM (Confiabilidad, Disponibilidad y Mantenibilidad), conocido también como análisis RAM (Reliability, Availability and Mantainability) permite pronosticar para un período determinado de tiempo la disponibilidad y el factor de servicio de un proceso de producción, basado en su configuración, en la confiabilidad de sus componentes y en la filosofía de
Gómez de la Vega H., Medina Medina N., Semeco K, Yanez M.
mantenimiento. La base fundamental de este análisis es la selección de los TPPF, TPEF y TPPR que mejor caracterizan los diversos equipos del sistema de producción, tomados de bancos de datos genéricos de la industria, experiencia propia y opinión de expertos. El análisis se sustenta en un modelo de simulación que toma en cuenta la configuración de los equipos, las fallas aleatorias, las reparaciones, las paradas parciales y totales y el mantenimiento planificado. Una vez construido, el modelo CDM trabaja como un simulador “what if…” (que pasa si…), que permite inferir el impacto que tienen en la disponibilidad y producción diferida del sistema: nuevas políticas de mantenimiento, cambios en la mantenibilidad de los equipos, aplicación de nuevas tecnologías, cambios en la configuración de los equipos dentro de los procesos de producción, cambios en la política de inventarios e implantación de nuevos métodos de producción. Durante la ejecución de un estudio CDM, se realiza la adecuada caracterización probabilística de los procesos de deterioro que afectarán los equipos, sub-sistemas y sistemas asociados al citado proceso de producción a fin de pronosticar la mayoría de los escenarios de paros o fallas. Adicionalmente, se identifican acciones para minimizar la ocurrencia de estos escenarios y finalmente se identifican las implicaciones económicas de cada escenario, comparándolo con el escenario basado en “Las Mejores Prácticas” (Best Practices), a fin de contribuir con el establecimiento de estrategias óptimas de mantenimiento para el manejo del negocio. Como resultado del proceso se obtiene una lista de criticidad de elementos o equipos, con base a su impacto a la disponibilidad y factor de producción diferida, con la finalidad de establecer las acciones que mitiguen el riesgo, y permitan optimizar la rentabilidad del negocio.
Gómez de la Vega H., Medina Medina N., Semeco K, Yanez M.
2. MODELO GENERAL PARA ELABORAR UN ANÁLISIS CDM La figura 1 muestra un esquemático del modelo general que se propone para la elaboración de un estudio CDM.
Figura 1. Modelo General Análisis CDM Como se indica en la figura 1, el análisis CDM se inicia con la estimación de las tasas de falla y reparación de cada uno de los componentes o equipos que conforman las instalaciones. Las fuentes fundamentales de información para esta estimación pueden ser de variada naturaleza, específicas o genéricas, y dentro de ellas pueden mencionarse OREDA (Offshore Reliability Data), PARLOC, WELL MASTER, IEEE, SINTEF
y la
evidencia o información propia de fallas de sistemas similares que posea la empresa en la cual se está ejecutando el estudio. El Teorema de Bayes permite la combinación, de forma estructurada y matemáticamente soportada, de la experiencia de otros (conocimiento previo) con la experiencia propia (evidencia), obteniendo de esta combinación tasas de fallas mas representativas de la realidad operacional del proceso bajo análisis (conocimiento mejorado o actualizado). Ver figura 2.
Gómez de la Vega H., Medina Medina N., Semeco K, Yanez M.
Figura 2. Modelo de Actualización de Tasas de Falla Esta información mejorada de las tasa de falla alimenta un modelo de Diagramas de Bloque de Disponibilidad (DBD); que representa la arquitectura del sistema y la filosofía de operación del campo. Este diagrama puede construirse en herramientas computacionales de simulación disponibles. El análisis requiere un número adecuado de entrevistas con el personal de los diferentes departamentos que intervienen en el proceso bajo estudio, para verificar la representatividad del modelo, como elemento clave para alcanzar el éxito del mismo. Por otro lado, una vez desarrollada y validada la base de datos y la arquitectura del modelo, se generan los diferentes escenarios de interés. Estos escenarios pueden corresponder a cambios de arquitectura (nuevas configuraciones de los equipos, introducción de nueva tecnología, cambios en el diseño), nuevos planes de mantenimiento u optimización de los existentes, nuevas políticas de inventario, adquisición de equipos de última generación, nuevas políticas tendientes a mejorar los TPEF y TPPR de los equipos existentes, entre otras. La simulación de los diferentes escenarios permite verificar el impacto de los cambios propuestos en los resultados de confiabilidad y disponibilidad del sistema bajo estudio.
Gómez de la Vega H., Medina Medina N., Semeco K, Yanez M.
El plan de trabajo para un análisis CDM, se desarrolla en tres vías fundamentales, tal como se muestra en la figura 3.
La primera actividad (Etapa I) , consiste en la asignación de las tasas de falla y reparación de los componentes o equipos que conforman el sistema, así como la revisión de los planes de mantenimiento planificados y no planificados. Para esta etapa se realizan los siguientes pasos:
Figura 3. Plan de Trabajo •
Recopilación de Data Histórica Propia : muchas empresas buscando la mejora continua de sus procesos han hecho grandes esfuerzos en la recolección de información de campo sobre datos de falla (tipo y frecuencia) y datos de reparación de sus equipos. La cantidad y calidad de este tipo de información son de gran importancia para este estudio pues reducen los valores de incertidumbre en el análisis.
•
Recopilación de Opinión de Expertos : existen casos donde no se cuenta con suficiente información de campo, y en ausencia de ella existen metodologías que permiten la recolección de información a partir de opinión de experto.
•
Búsqueda y adecuación de Información Genérica: con la finalidad de obtener resultados confiables, es extremadamente importante complementar la información de fallas propia del sistema, con datos de confiabilidad genéricos provenientes de
Gómez de la Vega H., Medina Medina N., Semeco K, Yanez M.
reconocidas bases de datos internacionales como OREDA, PARLOC, WELL MASTER, IEEE. Sin embargo, es vital adecuar esta información al entorno operacional bajo análisis, seleccionando de las bases de datos, solo aquellos modos de fallas que puedan realmente ocurrir en el entorno bajo estudio.
Figura •
Revisión y Validación de las Bases de Datos: En esta etapa, un equipo de trabajo dirige sus esfuerzos en validar la información de confiabilidad para cada elemento del sistema (TPPF y TPPR). Esta etapa incluye un conjunto de entrevistas formales de trabajo con personal asociado al proceso productivo (operadores, mantenedores, analistas, programadores, ingenieros de procesos), con la finalidad de intercambiar y aclarar las premisas referentes a la base de datos, y de revisar y definir la filosofía de operaciones del proceso productivo bajo estudio. Esto incluye la revisión de los PI&D, diagramas funcionales, diagramas de proceso, registros de operación y fallas, planes de mantenimiento y otras fuentes de información para complementar el análisis.
•
Estimaciones : la información proveniente de los pasos anteriores se utiliza para obtener una estimación representativa de las tasas de falla y reparación característico del sistema o proceso. Esto se logra formulando relaciones algebraicas que permita usar distribuciones de probabilidad y fundamentos de matemática Bayesiana, para combinar la evidencia con información genérica.
La segunda actividad (Etapa II), esta relacionada con la revisión y verificación de la arquitectura del modelo; y la misma se realiza en las siguientes etapas:
Gómez de la Vega H., Medina Medina N., Semeco K, Yanez M.
•
Construcción del Diagrama de Bloque de Disponibilidad: Disponibilidad: En este primer paso de la segunda etapa, la configuración del sistema de producción debe representarse en modelos de bloque; lo cual implica la revisión detallada de los PI&D, diagramas funcionales y diagramas de proceso.
•
Revisión de la representatividad del modelo : segundo paso de la segunda etapa consiste en verificar la representatividad que el modelo diagramado tiene del sistema de producción bajo estudio. En esta etapa; el modelo se somete a prueba en reuniones con expertos en dicho proceso productivo.
La tercera actividad (Etapa III) , consiste en la combinación de los resultados obtenidos en las etapas I y II. La información de tasas de falla y reparación actualizadas proveniente de la primera etapa se introduce al modelo obtenido en la etapa II.
Figura A partir de este momento comienza el proceso final de modelaje, con la generación de un número pre-establecido de escenarios y la realización de un análisis de sensibilidad (en cada caso), para establecer el impacto de cada componente del sistema en los factores de disponibilidad y producción diferida del proceso analizado.
3. RESULTADOS DE UN ANALISIS CDM
Gómez de la Vega H., Medina Medina N., Semeco K, Yanez M.
El resultado de este modelo es una distribución de probabilidad de la disponibilidad y producción diferida del sistema para cada escenario analizado. Entre los productos que resultan de un análisis CDM son los siguientes: 1.) Pronóstico de la disponibilidad para un período determinado de tiempo. 2.) Factor de producción diferida de un proceso de producción, basado en su configuración, en la confiabilidad de sus componentes y en la filosofía de mantenimiento. 3.) Base de Datos con información técnica, operacional y de confiabilidad del sistema. 4.) Modelo de Confiabilidad, Disponibilidad y Mantenibilidad (Modelo CDM). 5.) Perfil estocástico de la Disponibilidad y Producción Diferida por Unidad Operativa o Sistema Productivo (para el ciclo de vida definido). 6.) Lista jerarquizada de los equipos y sistemas críticos, con base a su impacto al factor de disponibilidad. 7.) Lista de recomendaciones técnicas para mitigar el riesgo e incrementar la disponibilidad. Adicionalmente, el modelo permite desarrollar un análisis de sensibilidad para identificar los equipos y sistemas de alto impacto en la indisponibilidad del proceso, con el propósito de proponer acciones de mitigación, basados en un análisis costo-riesgo, que permite a la gerencia del proceso productivo analizado, tener el conocimiento sobre el riesgo asociado y los costos de los planes de intervención debido a mantenimiento planificado y no planificado.
CONCLUSIONES: Este estudio de diagnóstico integral que combina diferentes medologías tradicionales del área de confiabilidad tales como: Análisis de Modos y Efectos de Fallas, Inspección Basada en Riesgos, Mantenimiento Centrado en Confiabilidad, entre otras, permite: •
Realizar diagnósticos integrales sustentados en la información disponible de los elementos que integran el proceso, sistema o equipos (data histórica de fallas y reparaciones, datos de condiciones operacionales y daos técnicos=.
Gómez de la Vega H., Medina Medina N., Semeco K, Yanez M.
•
Inferir probabilísticamente todos los escenarios de producción factibles, a través de los períodos de operación normal y de ocurrencia de eventos o escenarios no deseados, basados en la configuración de los sistemas, la confiabilidad de sus componentes y la filosofía de mantenimiento.
•
Identificar acciones concretas para minimizar o mitigar la ocurrencia de estos eventos no deseados y llevar el riesgo a niveles tolerables.
•
Explorar las implicaciones económicas de cada escenario de riesgo posible y diseñar planes y estratégias óptimas para el manejo del negocio.
•
Comparar el costo asociado a una acción o estrategia de mantenimiento contra el nivel de reducción de riesgo o mejora en el desempeño alcanzado debido a dicha acción.
LECCIONES APRENDIDAS: El análisis de Confiabilidad, Disponibilidad y Mantenibilidad de un Sistema Productivo no es un problema sencillo, para ello se requieren de herramientas y metodologías de cálculo con complejidad acorde a la complejidad del proceso analizado. Los resultados obtenidos con este estudio dependen en gran medida de la representatividad que se logre con el modelo desarrollado, el cual debe modelar el comportamiento real del sistema dentro de su contexto operacional. El enfoque de Confiabilidad Integral es una herramienta de gran poder para agregar valor a una empresa o proceso productivo; ya que “…una de las formas más importantes de agregar valor, es evitar que se destruya…”
REFERENCIAS: 1. Yañez, Medardo – Gómez de la Vega, Hernando – Valbuena, Genebelin. Ingeniería de Confiabilidad y Análisis Probabilístico de Riesgo – ISBN 980-12-0116-9. Junio 2003. 2. Modarres, Mohammad; Kaminsky, Mark; Kritsov, Vasily. “Reliability Engineering And Risk Analysis”. Marcel Dekker, New York,1999. 3. Martz, H.F.;Walley, R.A. “Bayesian Reliability Analysis”, John Wiley and Sons, NY, 1982.
Gómez de la Vega H., Medina Medina N., Semeco K, Yanez M.
4. Meeker, William Q.; Escobar Luis A., “Statistical Methods For Reliability Data”. Jhon Wiley & Sons, New York, 1998.” 5. NASA, “Probabilistic Risk Assessment for NASA Managers and Practitioners”, Version 1.1, Agosto 2002 6. SINTEF- “Offshore Reliability Data Handbook” 4th Edition, (OREDA 2002) 7. Energy Institute - “Pipeline And Riser Loss Of Containment Database (PARLOC 2001), London 2003 8. Hoyland, A.; Rausand, M., “System Reliability Theory: Models and Statistical Methods”, John Wiley and Sons, NY, 1994. 9. Yañez, Medardo - Joglar, Fancisco - Modarres Mohammad, Generalized Renewal Process for Analysis of
Repairable Systems with Limited failure experience –
Reliability Engineering and System Safety Analysis Journal – ELSVIER – USA 2002 12. Ebeling, Charles E. “An Introduction To Reliability And Maintainability Engineering”. McGraw Hill. New York, 1997.