Analisis de Fiabilidad PDF

64 Revista ABB 2/2009

Resultados sostenibles

Análisis de fiabilidadLos datos y el software de modelización están ayudando a una planta de producción de GNL a determinar métodos de mantenimiento y a mejorar la fiabilidad de los equipos.Fernando Vicente, Hector Kessel, Richard M.Rockwood

En los últimos años, la fiabilidad (es decir, la probabilidad de que un produc-to, un equipo o un proceso cumplan la función que tienen asignada sin fallos y de acuerdo con condiciones determinadas durante un periodo de tiempo dado) se ha convertido en un tema cada vez más importante cuando se trata de conseguir una mejora continua. Una mayor fiabilidad de la planta reduce los costes del proceso (y de los fallos de los equipos) y contribuye a aumen-tar la producción y, en consecuencia, a conseguir un margen bruto mayor. Además, aumenta la seguridad de los puestos de trabajo y disminuye los riesgos medioambientales potencialmente graves.Actualmente, en la cada vez más competitiva industria del petróleo y el gas, las plantas de producción de gas deben trabajar con un nivel de fiabilidad alto sin derrochar capital ni incurrir en costes extraordinarios. ABB está ayudando a esas compañías a lograr tal fin con la aplicación de medidas objetivas y cuantificables que permitan abordar los fallos de los equipos en las fases iniciales en que se producen. Este artículo presenta tres ejemplos concretos de análisis de fiabilidad efectuados en las instalaciones de MEGA en Loma de la Lata, Argentina. Y el resultado se puede resumir en: ¡ahorro!

65Revista ABB 2/2009

Análisis de fiabilidad


poral y la gestión completa de los repuestos.

El complejo de MEGA se encar-ga de la recuperación y separa-ción del GNL. Este proceso implica la separación del meta-no de otros componentes del GNL y de la posterior inyec-ción del metano en un gaseo-ducto que suministra al merca-do nacional. Los otros compo-nentes se conducen a otras ins-talaciones en Bahía Blanca para su tratamiento posterior. Es una planta de fracciona-miento en la que se separa el GNL en etano, propano, buta-no y gasolina, que se venden a sus clientes, principalmente al Gobierno argentino y a la ins-

talación de Bahía Blanca 1 .

Satisfacer las expectativas del clienteLa disponibilidad de los equipos se está acercando a niveles de categoría mun-dial 2 . Ahora bien, este indicador refle-ja la disponibilidad de equipos críticos para el proceso, muchos de los cuales disponen de repuestos “offline” y equi-pos de reserva “online”. Como provee-dor de Full Service, se espera que ABB proporcione lo más avanzado en tecno-logía de servicios y en prácticas de ges-tión de vanguardia. De modo que se solicitó a ABB que comenzara a cen-trarse en otros equipos críticos para el proceso y aumentara la disponibilidad hasta niveles que permitieran el funcio-namiento de la planta en función de la demanda del mercado.

ducción de gas situada en Loma de la Lata, Neuquén (Argentina)– ABB es responsable de la gestión mecánica,

eléctrica, de instrumentación y estáti-ca, así como de la inspección estática, la planificación, la programación tem-

Las empresas inteligentes se esfuerzan en conseguir

una cifra de cero en defectos y accidentes. Muchas de esas organizaciones aplican asi-mismo la norma de “toleran-cia cero” para los fallos de los equipos y tienen un obje-tivo de cero para los fallos. Sin embargo, si los equipos se dejan sin vigilancia, aca-barán por fallar. Para luchar contra eso, las empresas de vanguardia están incorporan-do dos estrategias importan-tes para la gestión de equi-pos: el mantenimiento basa-do en la condición y las prácticas de fiabilidad. El factor fundamental es alcan-zar el control de esos fallos anticipándose a ellos desde fases ini-ciales e interviniendo con procedi-mientos planeados y programados.

Las aportaciones de las prácticas de fia-bilidad en esta estrategia de dos frentes son notables, como se muestra en los tres casos prácticos siguientes. El prime-ro examina el análisis de fiabilidad de una junta mecánica de una bomba de gas natural licuado (GNL); el segundo examina la validación de una modifica-ción de un compresor de husillo; y el tercero aborda el análisis de fiabilidad de un transmisor de temperatura (TT).

Asociación entre MEGA y ABB Full Service®

Como parte del contrato de ABB Full Service® con MEGA –planta de pro-

1 Funcionamiento de la planta de gas de MEGA en Loma de la Lata, Argentina

40 M m3/dGas natural

560.000 t/añoetano

220.000 t/añoGasolina de gas natural

35 M m3/dGas residual

620.000 t/añoPropano, butano

Planta de recupera-ción de GNLLoma de la LataNeuquén

Planta de destila-ción fraccionadaBahía BlancaBuenos Aires

600 km5 M m3/d

Componentes ricos del gas

Gasoducto

b

2 Tendencias de fiabilidad del equipamiento a , en las que el objetivo equivale al 99,6%, y tendencias de satisfacción del cliente b , en las que el objetivo consiste en lograr 4,0 de los 5,0 puntos posibles.

a

2002 2003 2004 2005 2006 2007

2003 2004 2005 2006 2007

Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov DicJul Ago Sep Oct Nov Dic

100 100 99,75 100 100 100 100 100 100 100 100 99,99

100

99

98

97

5,04,03,02,01,00,0

100908070605040302010

0

99,6

98

99,96 99,96 99,9699,6

2007 2007

Fiab

ilida

d (%

)

Fiab

ilida

d (%

) 2,9

3,9 3,9 3,9 3,9 3,9 3,.9

3,13,6 3,8 3,9

5,04,54,03,53,02,52,01,51,00,50,0

Pun

tuac

ión

de la

sa

tisfa

cció

n

Pun

tuac

ión

de la

sa

tisfa

cció

n

Para competir verdade-ramente en un entorno global, una empresa no solamente precisa una elevada disponibilidad de los equipos, sino también una alta fiabilidad de los mismos.




planta. En concreto, la forma en que se recopilan, se tratan y quién es res-ponsable de su análisis. La mayoría de las instalaciones de la industria petro-lera y del gas han acumulado datos durante muchos años, pero es raro encontrar a alguien que se ocupe de su análisis y de conseguir información que sirva para resolver los problemas.

Entre los ejemplos típicos en plantas de producción de gas se incluyen la utili-zación de herramientas de fiabilidad, como el análisis de Weibull, el análisis de Pareto y las simulaciones con el méto-do Montecarlo.

Los datos de las plantas son un medio perfecto de mostrar lo que funciona y lo que es posible mejorar. Un buen enfoque para iniciar el análisis es localizar los problemas mediante el examen de la frecuencia con que ocurren. La primera herramienta que debe consultarse para disponer de una visión de conjunto es el diagrama de Pareto, en particular los 10 prime-ros puestos. Es un gráfico que sirve para clasificar las oportunidades y centrarse en las que ofrecen los valo-res mayores. Se aplica la norma clási-ca de 80/20: el 80% de los problemas o de las pérdidas están causados por

La asistencia post-evaluación desarro-lla una forma concreta de ir hacia delante, una hoja de ruta única para cada planta. Incluye objetivos, metas e iniciativas concretas del sitio, destina-dos a cubrir defectos en el rendimien-to del centro y las expectativas de los clientes 4 .

La fiabilidad en la prácticaPara la mayoría, las cifras de fiabili-dad, por sí mismas, no tienen un gran significado para realizar mejoras, inde-pendientemente de que se presenten como porcentajes, tiempos medios entre fallos (MTBF) o menos órdenes de trabajo urgente. Para las empresas, el aspecto financiero de la fiabilidad significa controlar los costes de la falta de fiabilidad debida a fallos de los equipos y los procesos, que se traducen en pérdidas económicas y repercuten en la capacidad de pro-ducción.

Desde el punto de vista técnico, la fia-bilidad suele cuantificarse calculando la probabilidad de que se presente un fallo. La medición de la probabilidad implica el empleo de métodos y herra-mientas de estadística y probabilidad. Entre los ejemplos típicos en plantas de producción de gas se incluyen la utilización de herramientas de fiabili-dad, como el análisis de Weibull, el análisis de Pareto y las simulaciones con el método Montecarlo Cuadro 2 .

Un factor clave para el análisis de fia-bilidad es la calidad de los datos de la

Desde la asistencia post-evaluación a las iniciativas de acciónA principios de 2008 se completó en MEGA la evaluación anual Full Service de las instalaciones. Permite identificar las iniciativas que funcionan bien y las que se pueden mejorar. De cada eva-luación se extraen recomendaciones que ayudan al equipo de ABB que tra-baja sobre el terreno a subsanar los defectos de rendimiento que hayan identificado.

El factor clave consiste en obtener control sobre los fallos anticipán-dose a ellos de manera precoz e interviniendo a través de enfoques planificados y programa-dos.

Aunque el proceso de evaluación de las instalaciones en MEGA fue muy eficaz, era evidente que se podía hacer más para ayudar a las plantas a mejorar tanto en calidad como en can-tidad las iniciativas para subsanar los defectos existentes. Entre otras medi-das, mejorar la ejecución de iniciativas con el objetivo de mejorar el valor para los clientes, ABB y el personal, en consonancia con el triángulo de resultados de ABB Full Service 3 . Este enfoque se ha denominado “asistencia post-evaluación” Cuadro 1 .

3 El proceso de evaluación de la planta es una herramienta eficaz que se utiliza no sólo para determinar el rendimiento actual, sino también para desarrollar estrategias con criterios muy avanzados.

Innovación y aprendizaje

Indicadores del rendimiento

Liderazgo Estrategia

Respeto de la asociación

Mantenimiento de la fiabilidad

Operaciones de mantenimiento

Mejora del rendimiento de la planta

Calidad de la SSM*

Gestión del personal

Financiación y costes

Contratistas de materiales

Información

Factores propiciadores Resultados

Eficacia y eficiencia de

la rentabilidad

Valor y satisfacción del cliente

Seguridad y medio ambiente/

Competencia y motivación

* SSM: seguridad, salud y medio ambiente

4 Asistencia post-evaluación

Revisión de la evaluación de la

planta Full Service

Debatir iniciativas concretas

Desarrollar pasos siguientes/plan

de “juego”

Alinear con MMMP (plan maestro de ges-

tión del mantenimiento)

Alinear con KPI concretos

Identificar y priorizar

oportunidades

Comparar con prácticas

preponderantes

Ejecutar, mantener, gestionar

El proceso de gestionar el rendimiento

Mejora continua




gripado, impulsor agarrotado, motor quemado y conducción de aspiración obstruida.

La bomba de GNL es una pieza crítica del equipo del proceso de produc-ción, ya que suministra el producto procesado final a la planta de Bahía Blanca, donde se fracciona para obte-ner otros productos (etano, propano y butano). A partir de los datos recogi-dos para esta bomba en relación con el CMMS, se seleccionó el software para aplicaciones de fiabilidad, por su capacidad para llevar a cabo un análi-sis de Weibull. La fórmula empleada para el cálculo de la fiabilidad es la siguiente:

(sistema informatizado de gestión del mantenimiento) (CMMS) para la bom-ba de GNL 510-P-01C que indicó que el modo de fallo más frecuente estaba asociado con el fallo mecánico de una junta mecánica.

En el ámbito profesional de la fiabili-dad se suele admitir que el manteni-miento se gestiona en el nivel del modo de fallo. Se entiende por modo de fallo cualquier circunstancia que es probable que ocasione el fallo de un determinado equipo (o sistema o pro-ceso). Por tanto, un modo de fallo es un evento que causa un fallo funcio-nal en un determinado elemento. Los modos de fallo usuales son: cojinete

el 20% de los equipos o de los proce-sos 5 .

Análisis de fiabilidad: junta mecánica de una bomba de GNLBasándose en un análisis de Pareto, el equipo técnico de ABB decidió anali-zar la fiabilidad de la bomba de GNL 510-P-01C. El equipo pensaba que el sistema de la bomba tenía una baja fiabilidad porque la condición del proceso había variado en compara-ción con las condiciones del diseño original.

A continuación se realizó una búsque-da en la base de datos del Computeri-zed Maintenance Management System

6 Datos de la bomba de GNL recogidos a través del sistema CMMS

Antigüedad (horas)

Avería (F) o suspensión (S)

9.236 F

2.924 S

2.202 F

12.433 F

11.123 F

2.880 F

Coste de sustitución preventiva (antes de avería) = 4.258 USDTiempo medio de reparación (MTTR) = 5 horasCoste de la avería (producción cesante + coste de sustitución) = 413.403 USD

5 Diagrama de Pareto en el que se muestran las diez oportunidades de mejora principales en MEGA

160.000

140.000

120.000

100.000

80.000

60.000

40.000

20.000

0

Equipamiento

Cos

te ($

)

A B C D E F G H I J

Coste total Coste acumulado

7 Función de fiabilidad de la bomba de GNL demostrada mediante el análisis de Weibull (dos parámetros, regresión lineal)

100959085807570656055504540353025201510

5

Antigüedad (horas)

Fiab

ilida

d (%

) pro

babi

lidad

de

supe

rviv

enci

a

0 2.000 4.000 6.000 8.000 10.000 12.000 14.000

Beta = 1,42Eta = 9.365,56

Vida media = 8.518,08 horasPrecisión = 90,41 %

8 Análisis de la política de sustituciones

528.29

493.07

457.85

422.63

387.41

352.19

316.97

281.75

246.53

211.32

176.10

140.88

105.66

70.44

35.22

Antigüedad de sustitución preventiva (en horas)

Cos

te ($

/h)

0 2.000 4.000 6.000 8.000 10.000 12.000 14.000

Costes de sustitución:Preventiva = $14.224Avería = $1.500,000La política óptima consiste en sustituir a las 649,28 horas

El coste de la política optima asciende a $73,72/hCoste de sustituciónÚnicamente en caso de avería $176.096/h




Como resultado del análisis de Wei-bull, el equipo de ABB pudo efectuar diversas recomendaciones. Tras un concienzudo examen, MEGA y ABB acordaron que era preferible realizar un nuevo diseño o una modificación, en lugar de aplicar una estrategia de mantenimiento basada en sustituciones periódicas. La modificación acordada fue la de instalar un sistema a presión que activara la junta mecánica 9 .

El coste de la modificación (dos juntas por bomba) es de unos 90.000 dólares.

tución en distintos momentos de fun-cionamiento.

El segundo análisis, realizado a las 4.000 horas de funcionamiento, repre-sentó unos ahorros de 66 dólares por hora de funcionamiento. El equipo lle-vó a cabo después un tercer análisis a las 6.000 horas, con el que se obtuvo un ahorro en los costes de 46 dólares por hora. Por último, un cuarto análi-sis a las 8.000 horas supuso unos aho-rros de 36 dólares por hora.

donde:R(t) = Valor de la fiabilidad (0–1)t = Antigüedad del fallo (horas, ciclos)η = Parámetro de escala (horas, ciclos)β = Parámetro de forma (β<1; β=1; β>1)

Los datos recogidos del sistema CMMS se presentan en 6 . El análisis de Wei-bull mostró los resultados del patrón de fallos que se presenta en 7 .

Una de las ventajas de aplicar el análi-sis de Weibull es el hecho de que pro-porciona un perfil de modelización flexible que cubre los patrones de fallo relativo a juventud, aleatoriedad y desgaste. El MTBF de la junta mecá-nica es de 8.518 horas, lo que indica que el 50% de las juntas mecánicas de las bombas fallan antes de alcanzar este número de horas de trabajo, y el 50%, pasado ese momento. El análisis ha permitido al cliente la actualización del sistema de bombas mejorando la junta mecánica.

Después, el equipo de ABB realizó un análisis de costes para determinar el momento óptimo para proceder a la sustitución de una pieza (junta mecá-nica). En 8 se muestra que el momen-to óptimo para sustituir la junta mecá-nica es a las 650 horas de funciona-miento, lo que representa unos aho-rros por hora de funcionamiento de 103 dólares. Sin embargo, esta fre-cuencia de sustitución se consideró poco práctica, por lo que el equipo de ABB analizó posibles pautas de susti-

Se puede mejorar el análisis de datos utili-zando un software de fiabilidad capaz de llevar a cabo un análisis estadístico. En los tres estudios de caso de este artículo se empleó software de fiabilidad para la toma de decisiones. Cualquiera que sea el soft-ware para aplicaciones de fiabilidad que se seleccione, debe disponer de una función que permita ejecutar el análisis de Weibull. Este método identifica o modeliza la cate-goría del fallo (juventud, aleatoriedad y desgaste) de acuerdo con el tiempo de funcionamiento (es decir, la edad del equi-po) en que se produce el fallo del compo-nente. Puesto que el análisis de Weibull puede adaptarse a la mayoría de los datos mejor que otros métodos, y ya que es efi-caz para disponer de un análisis de fallos preciso con una muestra relativamente pequeña de datos, se trata del método más utilizado para determinar la fiabilidad de los componentes y el favorito para modelizar y analizar los patrones de fallos.

Cuadro 2 Selección del software de fiabilidad

Una vez que el ABB Full Service de una instalación concluye una evaluación, la asistencia posterior examina los resultados y las recomendaciones destinadas a mejo-rar el rendimiento de la planta. A cada planta se le presenta una estrategia perso-nalizada de “hoja de ruta” que refleja sus dificultades propias y las oportunidades de mejora. Después, se consideran las opor-tunidades de mejora siguiendo un plan lógico paso a paso. En MEGA se empleó este proceso y se abordó una de las con-clusiones de la evaluación: mejorar el enfo-que de la planta en relación con la fiabili-dad. ABB trabajó con las instalaciones de MEGA para determinar la forma de aplicar la fiabilidad con vistas a mejorarlas. El equipo de ABB destinado a las instalacio-nes identificó oportunidades concretas a las que aplicar una iniciativa de mejora basada en la fiabilidad.

Cuadro 1 Asistencia post-evaluación

9 Plan real del American Petroleum Institute (API) instalado en bombas a , y nuevo plan propuesto por el API b . Pueden cambiar incluso las condiciones del proceso: la presión en la junta será la condición de diseño.

salidasalida

válvula, normalmente abierta válvula, normalmente cerrada

indicador de presión

indicador de presión

llenado de liquido, normalmente cerrado interruptor de nivel (alto)

interruptor de nivel (bajo)

interruptor de presión (bajo)

serpentines de enfriamiento

enfriamiento entrante

indicador de nivel

interruptor de presión (alto)

fuente de presión, normalmente cerrada

acumulador de vejiga

drenaje, normalmente cerrado

orificio

depósito

enfriamiento saliente indicador de

temperatura

tubería de aletas(depósito alternativo)

llenado de liquido, normalmente cerradodrenaje,

normalmente cerrado

entradaentrada

vista del extremo de

la junta

vista del extremo de

la junta

a b

Rt = e - – β , t > 0t

η � �




la fiabilidad? Se empleó el análisis de Weibull para evaluar el nivel de mejo-ra de la fiabilidad.

Con un MTBF anterior a la modifica-ción de 3.042 horas de funcionamien-to, y con un MTBF posterior a la modificación de 5.000 horas, la mejora real es de unas 2.000 horas: un mejora del 19% en MTBF 12 13 . El equipo de ABB controlará la mejora del MTBF y a continuación abordará el modo de fallo más habitual después de éste.

Análisis de fiabilidad de los transductores de temperaturaLos transductores de temperatura (TT) controlan la temperatura en sistemas de automatización sensibles al proce-so. Se seleccionó este equipo como consecuencia de los numerosos fallos que tuvo el año anterior. Los fallos se presentaron de forma aleatoria (es decir, sin un patrón predominante), lo que hacía difícil realizar mejoras en la fiabilidad.

la planta. Es un paso crucial del pro-ceso de producción porque, si no se suministrara aire, los instrumentos de la planta funcionarían mal y propor-cionarían lecturas erróneas y, en con-secuencia, variaciones en el control de la producción.

Se produjeron algunos fallos inespera-dos en el sensor que detecta la tempe-ratura de las resistencias (RTD). Es un dispositivo que mide la temperatura del aire de descarga; si falla, el com-presor se para. Una vez que se analizó la causa del fallo original (RCFA), el equipo de ABB concluyó que el modo de fallo principal estaba causado por las altas vibraciones producidas cuan-do el compresor estaba en marcha.

El equipo de ABB diseñó un dispositi-vo para absorber las vibraciones con lo que se reducirían los fallos 10 11 . Pero la pregunta seguía en el aire: ¿la modificación ha reducido el modo de fallo por vibración y ha mejorado

La fiabilidad de la modificación se controlará mediante un análisis regular de los datos con el método de Wei-bull, que permitirá determinar la mejo-ra de la fiabilidad gracias a la amplia-ción del MTBF por encima de la base de referencia establecida originalmente.

Análisis de Weibull de un compresor de husilloEl compresor de aire de tipo husillo se considera un equipo crucial para el proceso. Su función es suministrar aire al petróleo para la instrumentación de

10 Se colocó un dispositivo antivibración a b en el sensor RTD c para reducir averías del RTD.

11 Avería en el cable de RTD debido a las ele-vadas vibraciones que actúan en el sistema

12 Función de fiabilidad del RTD antes de la modificación (empleando el análisis biparamétrico de Weibull de precisión máxima) a y después de la modificación (empleando el análisis biparamétrico de Weibull de regresión lineal) b

100959085807570656055504540353025201510

5

100959085807570656055504540353025201510

5

Antigüedad (horas) Antigüedad (horas)0 700 1.400 2.100 2.800 3.500 4.200 4.900 0 1.100 2.200 3.300 4.400 5.500 6.600 7.700

Beta = 0,92Eta = 2.918,85

Vida media = 3.042 horasPrecisión = 97,13 %

R35% = 3.000Antes de modificación

R35% = 5.200Después de modificación

Beta = 1,00Eta = 5.000

Vida media = 5.000 horasPrecisión = 100 %

Fiab

ilida

d (%

) pro

babi

lidad

de

supe

rviv

enci

a

Fiab

ilida

d (%

) Pro

babi

lidad

de

supe

rviv

enci

a

a b

a b c




ción del sistema. En particular, el empleo de un software de aplicaciones basado en la fia-bilidad y con aplicación de los análisis de Weibull, puede proporcionar mejores posibili-dades de adoptar unas deci-siones objetivas.

Para competir verdaderamente en un entorno global, una empresa no solamente precisa una elevada disponibilidad de los equipos sino también una alta fiabilidad de los mismos. Puede ser difícil saber qué táctica implantar para la ges-tión de equipos dadas las posibilidades de elección entre intervalos de sustitución, mantenimiento preventivo, frecuencias de inspección, acciones de mantenimiento según la condición, sustitu-ción de equipos primordiales y necesidad de recursos de mantenimiento. La selección del método óptimo de mante-nimiento puede aumentar la probabilidad de conseguir unos costes de explotación menores y mayores niveles de fiabilidad y disponibilidad, lo que se traduce en una pro-ducción más fiable. El método óptimo puede apoyar iniciati-vas destinadas a proporcionar

resultados positivos provechosos para el cliente, el personal y ABB.

Fernando Vicente

Hector Kessel

ABB Full Service®

Buenos Aires, Argentina

[email protected]

[email protected]

Richard M.Rockwood

ABB Process Automation Full Service,

Oil, Gas, and Petrochemical

Minneapolis, Minnesota, EE.UU.

[email protected]

Lectura recomendada

Desaegher, J. (2008) “Outsourced maintenance: The

ABB Full Service® solution”. ABB Review Special

Report: Process Automation Services and Capabili-

ties, pp. 79–83.

Kleine, B. “¿Qué es la fiabilidad? Cambio del paradig-

ma de fiabilidad”. Revista ABB 1/2009, pp. 34–37.

consiguiente mejora de la fiabilidad reducirá los costes generales, no sólo por la falta de fiabilidad de los equi-pos sino también por la falta de fiabili-dad relacionada con el proceso. Ade-más, este enfoque mejorará el rendi-miento empresarial y proporcionará mayores beneficios, y puede generar más negocio dado el aumento de la capacidad de producción que resulta de un mayor tiempo útil de produc-ción o de disponibilidad. Además, la mayor producción compensará los costes de una inversión adicional en equipos, reduciendo de esa forma el coste de su mantenimiento.

Son varias las estrategias y herramientas que se pueden emplear para ayudar a tomar las mejores decisiones en materia de mantenimiento y sustitución. La intención de estas decisiones es deter-minar el tipo de táctica de manteni-miento necesaria para conservar la fun-

El equipo de ABB recogió todos los datos de fallos del historial del CMMS para el equipo a fin de poder llevar a cabo un análisis de fiabilidad. Se recopilaron los datos de fallos relativos al TT a partir del sistema CMMS entre 2001 y 2008. Después, el equipo utilizó la herramienta de apli-caciones de fiabilidad para modelizar una curva de fiabi-lidad a fin de identificar todos los patrones de fallos 14 .

La simple presentación en un gráfico de los datos propor-cionó algunos resultados sor-prendentes. Se calculó el MTBF a los 61 meses, es decir, unos 5 años. Compa-rando con otros equipos simi-lares de la industria, un MTBF típico se encuentra entre 25 y 150 años. Esto motivó al equipo de ABB a emprender otros análisis. Después de ejecutar más aná-lisis de datos y de probar en laboratorio equipos similares, se determinó que el proble-ma se encontraba realmente dentro del instrumento y la causa originaria era el diseño del fabricante del equipo ori-ginal (OEM). Este análisis planteó un debate entre MEGA y el OEM que se tradujo en que MEGA recibió un crédito por los fallos anteriores del equipo TT y también proporcionó datos al OEM para fabri-car una versión mejorada.

La alta fiabilidad es una alta prioridadLa enorme competitividad entre las empresas para asegurarse el negocio y la actual crisis financiera mundial están obligando a las compañías a buscar métodos de reducción de los costes de explotación. Un método muy empleado es el de reducir gastos en el mantenimiento de los equipos. Sin embargo, esto indica una falta de visión, ya que las inversiones que se aplazan suelen resurgir más adelante y pueden costar entre dos y cinco veces más de lo que habrían supuesto en fases iniciales del desarrollo del fallo.

La realización del mantenimiento de los equipos en su momento con la

13 Comparación de curvas de fiabilidad. Tras la modificación del sensor RTD, el valor MTBF mejoró en un 19 %.

Horas de funcionamiento RTD original RTD mejorado

100

80

60

40

20

040 10

0

300

700

1.00

0

1.50

0

2.00

0

3.00

0

4.00

0

5.00

0

6.00

0

7.00

0

8.00

0

Fiab

ilida

d (%

)26 %

45 %

14 Curva de fiabilidad TT

100959085807570656055504540353025201510

5

Antigüedad (meses)

0 15 30 45 60 75 90 105

Beta = 3,06Eta = 68,45

Vida media = 61,19 mesesPrecisión = 96,39 %

Fiab

ilida

d (%

) pro

babi

lidad

de

supe

rviv

enci

a

Analisis de Fiabilidad PDF

Documents

Transcript of Analisis de Fiabilidad PDF