1
Reliability, Availability and Maintainability Analysis
Mario A. Chacano
2
Métodos de predicción CMD
Métodos de predicción
Confiabilidad, Mantenibilidad y Disponibilidad (CMD)
Reliability, Availability and Maintainability (RAM)
3
Métodos de predicción CMD
En el mundo de las predicciones CMD existen varias alternativas que difieren en
su metodología y en su fundamentación técnica, aunque persiguen lo mismo; unas
son más adecuadas que otras en función del entorno y de las características del
grado posible o no de reparación de los elementos, como también del grado de
madurez técnico y científico de las personas o de la empresa que los utiliza.
Sobresalen, entre otros muchos modelos, los siguientes:
• Métodos puntuales
• Métodos de distribuciones
• Modelos Homogeneos y no Homogeneos de Poisson
• Métodos de series temporales
4
Métodos de predicción CMD
Métodos Puntuales
Se basa en el establecimiento de promedios de cada uno de los parámetros de
fallas, reparaciones, tiempos útiles y demás variables por calcular; su
utilización es muy simple y adecuada para personas o empresas que no han
practicado con estas previsiones de parámetros CMD.
Sus resultados no son muy aceptables, pero es muy útil para aprender a dominar
los algoritmos de cálculo de cada una de las diferentes opciones de
disponibilidad.
5
Métodos de predicción CMD
Métodos de distribuciones
utiliza los mismos conceptos de disponibilidad, mantenibilidad y confiabilidad
del modelo puntual anterior, pero en vez de utilizar el promedio de los valores
de tiempos útiles, de fallas, de mantenimientos planeados, de demoras, utiliza
diferentes distribuciones que modelan mucho mejor que uno simple el
comportamiento de las variables CMD en el tiempo y de sus parámetros.
En general, es un buen procedimiento aplicable tanto a elementos o máquinas
reparables o no, aunque algunos autores no lo recomiendan para artefactos
reparables. Pero, en general, tiene muy buena aceptación mundial, es de
aplicación sencilla.
6
Métodos de predicción CMD
Modelos Homogeneos y no Homogeneos de Poisson
Predicen sistemas reparables (que se pueden restaurar al fallar, como motores, compresores, etc.).
También se usan los modelos de: Proceso homogéneo de Poisson (HPP) y Proceso no homogéneo de Poisson
(NHPP). Algunos autores sostienen que los modelos tradicionales de distribuciones como Weibull,
Gamma, LogNormal, etc., que se usan en los sistemas no reparables, no son tan adecuados para
pronosticar el comportamiento de los sistemas reparables, por lo cual sugieren ampliar el espectro
de metodología, como, por ejemplo, con el modelo de NHPP.
Existen diferentes métodos para analizar los datos de las fallas, algunos de los cuales son el
estadístico, el probabilístico y el determinista.
Lo primero que se hace en los procedimientos NHPP y HPP es definir si existe o no una tendencia.
Esto se logra estadísticamente con diferentes pruebas como el ACF (prueba de autocorrelación) o con
la prueba del Centroide o de Laplace.
7
Métodos de predicción CMD
Métodos de series temporales
Esta metodología se basa en la utilización del modelo universal de pronósticos, con sus tres etapas
del método científico: análisis previo, lanzamiento de hipótesis y verificación.
Entre las metodologías que trabaja están: modelos clásicos (tendencia lineal o no, Brown, Holt,
Holt´s Winter) y modelos estocásticos [Link]. (Auto-Regressive, Integrated, Moving Average), que
son muy efectivos y garantizan errores mínimos en los pronósticos frente a la realidad futura. Se
pueden usar directamente sobre la predicción de las fallas, de las reparaciones, de los
mantenimientos, de los tiempos útiles, etc., o sobre las predicciones de cada una de las variables
de modelación CMD, tales como MTTR, MTBF, UT, DT, MTBMC, MTBMP, MP , etc.
En general, sus resultados son bastante confiables y veraces. Se basan en la modelación de eventos
en el tiempo, utilizan el medio científico para encontrar las diferentes funciones clásicas o
modernas que simulen mejor el comportamiento pasado, presente y futuro de los datos históricos.
Tienen la capacidad de generar predicciones basadas netamente en el pasado o pueden predecir hechos
futuros que no estén relacionados directamente con los datos del pasado, y esto es su gran aporte,
cuando se usan los Modelos [Link]. (Auto Regressive - Integrated-Moving Average), con la
metodología Box-Jenkins.
8
Métodos de predicción CMD
9
Métodos de predicción CMD
10
Métodos de predicción CMD
𝑛 + 0,7 𝑛 − 𝑖 + 0,7 11
𝑖 − 0,3 𝑖 = 1, 1− ∗
Métodos de predicción CMD 𝑛 + 0,4 𝑛 + 0,4 𝑛 − 𝑖 + 1,7
𝑛 + 0,7 𝑛 − 𝑖 + 0,7
𝑖 > 1, 1− ∗ ∗ (1 − 𝑖1 )
? 𝑛 + 0,4 𝑛 − 𝑖 + 1,7
𝑖
𝑛+1
12
Métodos de predicción CMD
13
Métodos de predicción CMD
14
Métodos de predicción CMD
15
Métodos de predicción CMD
16
Estrategias y Acciones CMD
Aplicación CMD – Estrategias y Acciones
17
Estrategias y Acciones CMD
18
Estrategias y Acciones CMD
19
Estrategias y Acciones CMD
20
Estrategias y Acciones CMD
21
Estrategias y Acciones CMD
22
Estrategias y Acciones CMD
23
Estrategias y Acciones CMD
24
Estrategias y Acciones CMD
25
Estrategias y Acciones CMD
26
Estrategias y Acciones CMD
27
Estrategias y Acciones CMD
En comparación con los valores puntuales obtenidos (que no deben usarse porque
pueden existir varias curvas de fiabilidad y de mantenibilidad con los mismos
MTBF y MTTR respectivamente, se observa que el MTBM es menor con distribución,
al igual se denota un M´ mayor con distribución.
En ambos casos se vuelve mas estricto con distribución, lo que puede ser debido
a asumir valores mas críticos en los F(tj) y de M(tj) en los valores repetidos
de UT y DT, por un lado, y por el otro que los diferentes procesos matematicos
y estadísticos realizados hacen mas severo el proceso de calculo.
En todos los eventos de este ejercicio, es mas conservador trabajar con
distribuciones frente a la opción de cálculos puntuales.
28
Estrategias y Acciones CMD
Al aplicar en la vida real las expresiones para estimar AO, se debe tener en
cuenta que el MTBM debe ser mucho mas grande que M´, (al menos unas 10 veces),
(en el ejemplo resuelto es igual a 86,30/18,01 o sea que es 4,79 veces mayor,
se debe recordar que es simplemente un ejemplo y por eso no cumple con todo lo
debido, pues no hay muchos eventos registrados, dado que no cabrian en las
figuras).
También se debe evaluar un periodo lo suficientemente largo, de tal forma que
el tiempo total de análisis de eventos sea al menos 10 veces el M´ (en el
ejemplo resuelto es 1.355,9 horas de análisis total / tiempo medio entre
reparaciones y mantenimientos planeados de 18,01 horas, lo que da 75,28 veces),
como también que para tener soporte estadístico en cada uno de los cuatro
cálculos haya al menos treinta y un eventos.
29
Comportamiento Futuro
Aplicación CMD – Comportamiento Futuro
30
Comportamiento Futuro
Los valores que se hallan de MTBMC, MTBMP, MTBM, MTTR, MP y M´ permiten
construir el futuro cercano y ver que ocurre con el componente analizado. Se
recomienda estimar hasta un 10% del tiempo evaluado y calculado, como maximo.
Se logra estimar el futuro cercano simulado con base en los tiempos entre
reparaciones y mantenimientos obtenidos. Su computo es sencillo en Excel o en
otro medio informatico, respetando el evento que se de primero si una
reparacion (correctiva o modificativa), o un mantenimiento planeado
(preventivo o correctivo).
Se debe tener en cuenta que todo evento nuevo que ocurra, tratese de un UT, de
un TTR o de MP puede cambiar significativamente los valores de los parametros
MTBMC, MTBMP, MTTR o MP estimados en el calculo previo anterior, como tambien
pueden variar los Betas, Etas, MTBF o MTTR, lo que significa estar ante una
situacion muy diferente, que requiere nuevas estimaciones futuras de corto
plazo.
31
Comportamiento Futuro
32
Comportamiento Futuro
33
Comportamiento Futuro
34
Comportamiento Futuro