Optimizando el proceso de construcción de modelos de decisión en el mantenimiento industrial por análisis de confiabilidad predictivo y dinamismo RCM

Autores/as

DOI:

https://doi.org/10.71701/f7r75617

Palabras clave:

Mantenimiento centrado en la confiabilidad, análisis de confiabilidad, sistema computarizado de gestión del mantenimiento, sistema de gestión de activos empresariales, mantenimiento basado en la condición, modelo de riesgos proporcionales.

Resumen

Un proceso estocástico, a diferencia de un proceso determinístico, en vez de tener una posible realidad de cómo un proceso puede evolucionar con el tiempo. Posee una evolución futura indeterminada (proceso aleatorio). Esta incertidumbre está descrita por las distribuciones de probabilidad. Los eventos de falla, en un activo físico, obedecen justamente a un orden aleatorio basado en una distribución de probabilidad, la misma que es habitualmente representada en los análisis de confiabilidad (RA) como herramienta para la gestión del mantenimiento, cuyos resultados propiciarían criterios de decisión que permitan optimizar sus estrategias. Los análisis de confiabilidad, empleados en la actualidad, recurren a las dimensiones de datos de edad y de probabilidad de falla para disponer de una representación gráfica bidimensional (función de densidad de probabilidad de falla, PDF) que confiera una relación entre ellas y proponga resultados que alimenten el criterio de la toma de decisiones. Sin embargo, si el fin es optimizar decisiones de gestión del mantenimiento, es necesario asegurar un registro de todas aquellas variables significativas disponibles para generar muestras sólidas y coherentes a fin de construir modelos precisos de decisión, a partir de un análisis de confiabilidad multidimensional. La propuesta que se presenta declara que la correcta consistencia de una muestra parte del grado de dinamismo con el que el cuerpo de conocimiento RCM (mantenimiento centrado en la confiabilidad) se vincula con la gestión diaria de las órdenes de trabajo bajo CMMS (sistema computarizado de gestión del mantenimiento) o EAM (sistema de gestión de activos empresariales), los mismos que no son pensados para favorecer un análisis de confiabilidad. Las órdenes de trabajo propiciarán datos completos de edad e instancias de actualización para los registros FMEA (análisis de modos y efectos de fallas) a medida que se presenten nuevas David Alonso Nájar Valdivia, Tecsup Optimizando el proceso de construcción de modelos de decisión en el mantenimiento industrial por análisis de confiabilidad predictivo y dinamismo RCM Optimizing the Construction Process of Industrial Maintenance Decision Models by using Predictive Reliability Analysis and RCM Dynamism ocurrencias de modos de falla. Además de la contribución de los programas CBM (mantenimiento basado en la condición) que añadirán a la muestra, las variables relevantes predictivas sobre los modos de falla que ocurren y que habitualmente se encuentran omitidas o pobremente inmiscuidas en la gráfica PDF bidimensional y, por tanto, tienden a no ser contenidas en los análisis de confiabilidad regulares. La calidad de la muestra se asegurará y se preparará rutinariamente con los atributos de edad y condición que correspondan para potencializar el modelamiento predictivo con resultados satisfactorios sobre los pronósticos probabilísticos, y que respalden las estrategias de mantenimiento a emplear en el momento y componente apropiados, a fin de garantizar un incremento del rendimiento sobre la inversión (ROI) de las plantas industriales.

Descargas

Los datos de descarga aún no están disponibles.

Referencias

Abernethy, R. (2004). The New Weibull Handbook. Florida: Dr. Robert B. Albernethy.

Barringer, H. (noviembre, 1995). Where Is My Data for Making Reliability Improvements? Fourth International Conference on Process Plant Reliability, Texas, 14-17.

Birolini, A. (1999). Reliability Engineering. Berlin: Springer y Verlag.

Campbell, J., Jardine, A., y McGlynn, J. (2011). Asset Management Excellence. Nueva York: CRC Press.

Duffuaa, S. Raouf, A., y Campbell, J. (2000). Sistemas de mantenimiento, planeación y control. México D.F.: Limusa Wiley.

Jardine, A., Campbell, J., y Wiseman, M. (2001). Maintenance Excellence, Optimizing Equipment Life Cycle Decisions. Nueva York: Marcel Dekker.

Jardine, A., y Tsang, A. (2013). Maintenance, Replacement and Reliability: Theory and Applications. Nueva York: CRC Press.

Kalbfleisch, J., y Prentice, R. (2002). The statistical analysis of failure time data. New York: Wiley.

Mora, A. (2009). Mantenimiento: Planeación, ejecución y control. México D.F.: Alfaomega Grupo Editor.

Moubray, J. (1997). Reliability Centred Maintenance, RCM. Carolina del Norte: Edwards Brothers.

Lugtigheid, D., Banjevic, D., Jardine, A. (enero, 2005). Component repairs: when to perform and what to do. Annual Reliability and Maintenance Symposium, Virginia, 398-403.

RIAC, Reliability Information Analysis Center (2010). Reliability Modeling. New York: RIAC.

Wiseman, M., y Lin, D. (2014). Reliability-Centered Knowledge. Nueva York: CRC Press.

Yang, G. (2007). Life Cycle Reliability Engineering. Nueva Jersey: John Wiley & Sons.

Descargas

Publicado

2024-10-11

Número

Sección

Artículos

Cómo citar

Optimizando el proceso de construcción de modelos de decisión en el mantenimiento industrial por análisis de confiabilidad predictivo y dinamismo RCM. (2024). Revista I+i, 12. https://doi.org/10.71701/f7r75617