Taller Mapeo Fallas C

Relator: Ing.
Omar Aguilar
Ph.D Ciencias, Hungra Prof. Universidad de Santiago de Chile Email: diaman.consulting@gmail.com
Consultor de Empresas
Diaman Consulting Services O.Aguilar Ph.D
O.Aguilar Consultor de Empresas
Taller de Mapeo de Fallas
No basta saber, se debe tambin aplicar. No es suficiente querer, se debe tambin hacer. Johann Wolfgang von Goethe
Omar D Aguilar Martinez Ph.D en Ciencias Fsicas M.Sc en Ciencias Fsicas, Academia de Ciencias de Cuba , 1972 Ph.D. en Ciencias Ingeniera Fsica, Academia de Ciencias de Hungra, 1988 Experto del Organismo Internacional de Energa Atmica, Viena, Austria , 1995 - 2000 en la temtica de anlisis por fluctuaciones y dinmica no - lineal. 30 trabajos publicados. 5 Proyectos dirigidos Investigador director del Proyecto: No. 199-1811 Cdigo FONTEC Desarrollo de metodologas de diagnstico para la mantencin predicitva en la industria, con herramientaas cientficas y tecnolgicas de ltima generacin Director Tcnico DIAMAN SA, Chile/1999-2001/ Director Asesora en Procesos Industriales/2002-2007/ Director Diaman Consulting Services/2008/
Emails:diaman.consulting@gmail.com
Profesor de la Universidad de Santiago de Chile (USACH)/2002-2009/ Relator Internacional y Consultor de empresas
Temario: I. Fundamentos del Anlisis de bsicos. Causa-Efecto. Conceptos
II. Patrones y relaciones. La trayectoria a la falla. III. Ejemplos de Mapeo de Fallas. Taller de Aplicaciones. IV. El anlisis de causa efecto y su relacin con el Mapeo de Fallas. Anlisis de fallas de componentes Investigacin de la causa - raz Anlisis de causa raz (ACR) Mapeo de fallas para el mantenimiento. Taller de Aplicaciones
O.Aguilar Consultor de Empresas Taller de Mapeo de Fallas 3
V. Anlisis de causa raz. Herramientas para la solucin de problemas Conceptos estadsticos aplicaciones Principio de Pareto Histogramas Diagrama de Ishikawa o Espina de Pescado rbol de fallas y su cuantificacin Grficos dirigidos firmados Taller de Aplicaciones. bsicos y sus
VI. Caractersticas evaluadas durante la implementacin del Mapeo de Fallas Identificacin y eliminacin de la causa Identificacin y eliminacin de los mecanismos de fallas El manejo de la informacin sensible La canalizacin adecuada de la informacin (funneling) Reporte del malfuncionamiento Reconocimiento del defecto
VII. Implementando el proceso de Mapeo de Fallas Creando el equipo de mapeo de fallas Descripcin de los objetivos Capacitando al equipo de Mapeo de Fallas Creando la infraestructura Describiendo como el proceso trabajar Esquema y orden de implementacin VIII. Desarrollo de aptitudes para el trabajo Excel en Microsoft
IX. Taller de Aplicaciones Grupal :Pasos para dar inicio al Mapeo de Fallas y al Anlisis de Causa-Raz
Introduccin. Si Ud., asiste a este curso es posible que no est totalmente satisfecho con la realidad en que trabaja su empresa. Este curso le permitir convertir la descripcin prctica de los procesos de fallas que se le han presentado, en una herramienta que le permite saber que es lo que tiene Ud., tiene derecho a esperar de su equipamiento y las herramientas necesarias para entender que significa. La realidad de su sistema actual (! y su confiabilidad !) se convierten en un excelente punto de partida para lograr mejores desempeos. Una vez que sabe lo que debe esperar y porqu, estar en condiciones de poder introducir mejoras esenciales para el desempeo de su sistema.
Copa medio vaca o medio llena?
Objetivos del Taller de Mapeo de Fallas Mostrar un sistema de gestin de informacin (de bajo costo) que reconoce patrones en eventos o condiciones que tienen una relacin directa con la falla que le precede. Reconocer y documentar las diferentes etapas por las que transita la trayectoria a la falla, de forma de poder en futuras ocasiones reconocer el defecto, el mecanismo de falla y los modos de fallas asociados para poder evitar o mitigar las consecuencias de la falla. Aprender a conformar el equipo de trabajo para el Mapeo de Fallas Mostrar las herramientas de diagnstico y anlisis que deben manejar los integrantes del equipo de Mapeo de Fallas.
Fundamentos del Anlisis de Causa-Efecto. Los trminos de Anlisis de causa raz, Anlisis de Causa efecto, se han vuelto muy popular en el mantenimiento tcnico actual. Numerosas empresas y consultores ofrecen una gran variedad de tcnicas para realizar estos anlisis. Se han creados software que ayudan a realizar estas tareas en forma rpida y confiable. Cundo se realiza un buen anlisis de causa efecto, se pueden lograr destacados e impresionantes avances en la confiabilidad operacional de las instalaciones industriales.
Dos de las tcnicas mas comunes utilizadas con este fin son: Anlisis de Causa Raz Diagramas de Ishikawa.
10
El curso que presentamos, utiliza estas tcnicas para desarrollar un programa de gestin cientfica de los recursos involucrados en el mantenimiento, que se ha conocido como Mapeo de Fallas. Para comenzar a estudiar los elementos bsicos que conforman este programa requerimos de considerar algunos conceptos bsicos que sern utilizados como herramientas de trabajo en este programa. De esta forma comenzamos con los conceptos de Patrones y Relaciones.
11
No hay nada nuevo bajo el sol. Eclesiasts 1:9
Patrones y relaciones. Con mucha frecuencia el ser humano busca patrones y relaciones para poder juzgar los hechos. Si una persona mira al cielo en una noche despejada, visualizar numerosas estrellas que aparentan una distribucin aleatoria. A medida que estudiamos la astronoma, muchas de aquellas las agrupamos y encontramos significados en la representacin de figuras de animales, cosas, etc. Si en nuestra empresa miramos los datos asociados a sistemas mecnicos (P,T,Vibraciones,etc) nos parecern de igual forma, aleatorios. Sin embargo estos datos tomarn forma y sentido sin son examinados en el contexto de patrones establecidos. En muchos casos estos podrn ser ligados a eventos significativos como la falla mecnica o roturas.
media desv error
239.79 6.602294 0.027534
TEF 249.55 230.06 230.83 249.30 238.48 246.31 239.20 233.94 231.89 234.30 239.96 249.20 238.24 244.68 243.10 249.29 232.21 231.43 242.53 235.06 233.76 237.28 232.23 247.78 239.19 242.96 231.21 237.05 249.94 243.28 247.56 230.97 234.71 243.33 242.46 246.56 230.52 237.80 244.76 248.75
Serie 1
TEF vs Fallas
280.00 260.00
TEF
240.00 220.00 200.00 0 10 20 No.Fallas 30 40 50
Series1
13
TEF 241.24 255.85 248.67 237.17 251.29 262.76 259.85 247.24 256.91 254.06 236.75 227.48 240.86 234.02 254.45 245.19 250.55 241.18 238.20 257.84 220.64 250.74 240.79 237.09 259.28 247.76 232.44 244.92 246.73 243.42 247.34 240.06 250.36 230.79 236.72 255.60 272.14 237.44 238.80 242.65
245.43 media 10.40 desv 0.04 error
Serie 2
TEF vs Fallas
280.00 260.00
TEF
240.00 220.00 200.00 0 10 20 No.Fallas 30 40 50
Series1
14
Estos patrones y relaciones existen y estn ah presentes. Nuestro reto es tener la paciencia y la disciplina para establecer mapas de patrones de estos datos y monitorear cmo ellos se comportan. En este sentido es conveniente empezar por la forma y formato de los datos que consideraremos en nuestros anlisis. Formato de los datos primarios. Al certificar la calidad de los datos obtenidos ya sea por un proceso de medicin, o bien un proceso de falla en la cual esta ocurra por un envejecimiento normal de la componente, producto del fin de su vida til debemos fijarnos en que: Los datos registrados deben tener un comportamiento normal. Los datos registrados pueden no aparentar ser totalmente normales, pero mediante una simple transformacin, los convertimos en normal.
15
Por ejemplo, los datos de la izquierda aparentan un proceso distorsionado de normalidad, pero los mismos datos una vez hecha la transformacin de aplicar la funcin logaritmo natural a los valores de X, los convierte en una distribucin prcticamente normal. Esta es una influencia de escala. Recordar que la escala logartmica simplemente amplia el rango dinmico de la escala.
16
Datos sesgados( sesgados(datos malos). malos). Datos primarios (datos correctos) correctos) y su incertidumbre. incertidumbre. Datos depurados (procesados). procesados). Datos sesgados son datos que contienen algun error sistemtico. Tipos de estos datos vienen dado por errores de apreciacion en el instrumento de medicin. En las situaciones de inters para nosotros, pueden ser datos que estan infludos por un proceso de mala operacin sistemtica de la toma de muestra. Datos primarios o datos correctos, son aquellos datos que se toman y en los que no han intervenido criterios del analista. Estos datos son los que realmente hay que conservar. Datos depurados. Son aquellos datos que son tomados, pero que tienen influencia de otros procesos que no son de inters especfico. Por ejemplo, si tomamos los datos de Tiempo entre fallas (de algn software de gerencia de activos de mantenimiento ) podemos encontrar que son no depurados si incluyen datos no relevantes al proceso de fallas, esto es, si incluyen los tiempos de reparacin.
O.Aguilar Consultor de Empresas Taller de Mapeo de Fallas
Microsoft Excel Worksheet
17
Serie 1
Histogram
10 8 6 4 2 0
23 0. 05 23 61 5 3. 3 7 41 23 08 7 6. 6 8 11 24 55 8 0. 0 0 81 24 03 0 3. 3 1 52 24 50 2 6. 6 2 22 97 39 3 M or e
150.00% 100.00% 50.00% .00%
Frequenc
Son los datos normales?
Bin
Histogram
12 10 8 6 4 2 0 120.00% 100.00% 80.00% 60.00% 40.00% 20.00% .00%
Serie 2
Frequenc
22 0. 63 22 53 6 9. 2 1 45 23 89 93 7. 80 6 24 26 2 6. 3 8 27 25 62 5 4. 9 6 18 9 26 88 0 9 3. 55 35 1 M or e
Bin
18
Concepto de confiabilidad de mis datos. datos. Su relaci relacin con los datos que medimos. Cuando el proceso de medicin y de toma de datos se ha realizado correctamente, los datos deberian ser confiables, para su posterior anlisis. Una forma fcil y sencilla de aumentar la confiabilidad de mis datos, es aumentado el nmero de veces que tomamos los datos en condiciones similares y tomar la media aritmtica y la desviacin estndar. Si damos un estimado del error de la toma de datos podemos establecer una medida fcil de la confiabilidad de mis datos. Sin embargo, esta es una forma intuitiva de considerar la confiabilidad o no confiabilidad de mis datos. Un poco ms avanzado nuestro curso, damos una interpretacin ms rigurosa del concepto de confiabilidad y no confiabilidad de la toma de datos en un proceso productivo.
19
Volviendo a la consideracin de la informacin (datos primarios) que recibimos en un sistema mecnico, uno pudiera decir que una categora de falla de una bomba pudiera ser cuando ella dejara de bombear o recircular el fluido. Pero otra categora de falla pudiera ser tambin, cuando ella dejara de brindar la presin adecuada de descarga. En un caso la bomba no funciona porque por ejemplo, el eje puede estar bloqueado, en la otra el eje no est bloqueado pero an as ella es incapaz de realizar la funcin requerida.
20
Ambos son posibles comportamientos reales, pero cada comportamiento dar lugar a un procedimiento diferente de modo de fallas y de reparacin. Una vez que se ha establecido las posibles trayectorias de malfuncionamiento operacional que conducen al desarrollo de diferentes modos de fallas, es que es posible colectar y agrupar los datos primarios en diferentes trayectorias hacia la falla. Ello nos ayuda a diagnosticar los problemas ms comunes y a recomendar las acciones correctivas que nos permita resolver los problemas en el instante conveniente. La influencia de la cantidad o volumen de datos. Si hay una sola forma en que la componente falla (un modo de falla dominante) Ud., puede monitorear la trayectoria por la grabacin o registro de un solo evento.
21
Si existen dos trayectorias de fallas posibles, se requerirn ms ejemplos para poder determinar cul es la ms probable. Esto puede ejemplificarse con el lanzamiento de una moneda y el concepto de probabilidad.
22
TEMA AVANZADO. Concepto de probabilidad. Idea intuitiva Nmero, entre 0 y 1, asociado con la verosimilitud de que ocurra un suceso, 0 cuando estamos seguros que el suceso no va a ocurrir y 1 cuando estamos seguros que s va a ocurrir. El problema es cmo asignar ese nmero en situaciones de incertidumbre? a) A veces se estima por la frecuencia relativa. Por ejemplo, una manera de aproximarnos a la probabilidad de que una intervencin correctiva arriesgada en mi mquina (ejemplo, un ventilador) tenga xito, es consultar el registro de las intervenciones de mantenimiento realizadas sobre equipos similares, si de las ltimas 10, ha sido un xito en 8, la frecuencia relativa es 8/10=0,8 y se parecer a esa probabilidad.
23
La frecuencia relativa cambia, en el ejemplo anterior si el registro, en lugar de 10 equipos, tuviera 11, la frecuencia relativa sera necesariamente distinta (8/11 9/11), pero hay una ley emprica que establece que cuando el "nmero de ensayos" (equipos, en el ejemplo) es suficientemente grande, la frecuencia relativa se estabiliza. A veces, se define la probabilidad como el lmite de la frecuencia relativa. Cmo saber, en cada caso, si el "nmero de ensayos" es suficientemente grande? Una parte de la estadstica tiene que ver con este problema
24
La grfica muestra la evolucin de la frecuencia relativa del resultado "cara 1" en 4 series de 100 tiradas de un dado.
Se observa que la frecuencia relativa oscila, que la amplitud de las oscilaciones va decreciendo a medida que aumenta el nmero de tiradas y que todas las series tienden a estabilizarse a la misma altura, tambin que 100 no es un nmero "suficientemente grande" para que la frecuencia relativa ya est estabilizada (los valores finales de las 4 series varan entre 0,17 y 0,21). b) Hay situaciones en que se puede calcular: si todos los resultados del experimento son igualmente probables, entonces la probabilidad se define (definicin clsica o de Laplace) como el cociente entre el nmero de casos favorables y el nmero de casos totales.
p( S ) =
CF CT
La probabilidad de que el resultado de tirar un dado sea un uno, se calculara de esta forma. Comprese el resultado 1/6 obtenido as con la grfica anterior
La independencia de las mediciones. Es importante estar seguro de que las trayectorias seccionadas que conducen a fallas son efectivamente distintas y no solamente una duplicacin imperfecta de otras trayectorias. Si dos trayectorias hacia la falla, son idnticas y conducen al mismo defecto, diagnstico, reparacin, causa y causa raz, ellas deberan ser incluidas en la misma categora y no como categoras diferentes. Este aspecto lo trataremos nuevamente cuando consideremos cmo fallan los equipos. Mucho de los preceptos adoptados por el mantenimiento cientfico se basan en considerar que las componentes restablecidas una vez reparada la falla, son independientes entre s, lo que equivale a eliminar la presencia de la probabilidad condicionada, que slo nos dificultara el proceso de anlisis de nuestros datos primarios.
27
I have not failed. Ive just found 10,000 ways that wont work. Tomas Alva Edison.
La trayectoria a la falla. Los individuos involucrados en el negocio del mantenimiento o confiabilidad de activos, llegan a reconocer la existencia de patrones en sus actividades. En algunos casos estos patrones llegan a ser aparentes pues el equipo falla una y otra vez de la misma forma. Sin embargo existen otros patrones de fallas que requieren de un gran conocimiento y mucho ms esfuerzo para identificarlos. Independientemente del hecho que puede ser difcil de reconocer, es importante tener en la mente que todas las fallas son el resultado de una serie de pasos, y que estos pasos, por difcil que sean de visualizar, pueden ser registrados, identificados y caracterizados por un conjunto consistente de descriptores.
28
En este captulo comenzamos a entregar al participante de este curso, un mtodo para visualizar la trayectoria de eventos que finalmente conducen a la falla. Usando esta metodologa es posible colectar y caracterizar datos, y manipularlos para producir un herramienta poderosa preventiva de la falla y que permite administrar la falla una vez que ella ocurre.
29
Funneling Causa sistmica Problemas Causa Humana Causa Fsica Mecanismo de Falla Defecto Falla Anlisis de Fallas Anlisis de la Causa Raz
Microsoft werPoint Presenta
Identificacin de componente en falla
Identificacin de condicin de componente
Reporte de Malfuncionamiento
Diagnstico
La trayectoria a la Falla
Taller de Mapeo de Fallas 30
Causa Sistmica. El comienzo de cualquier falla puede ser encontrado con frecuencia en una causa sistmica o latente. Este es un gap (vaco) en una organizacin, procedimiento, o proceso que crea una trampa para alguien o algo, que hace que una falla ocurra. En ocasiones el gap es pequeo, pero una serie de circunstancias llevan a que la falla se desarrolle y ocurra. A veces los gap son slo aparentes y se cierran por si mismo . Ejemplo: Paso de condiciones del turno de trabajo, de un operario a otro durante el fin de un turno de trabajo sin que exista una adecuada comunicacin. Otro ejemplo es el paso de una informacin de un colega a otro que no tiene la suficiente preparacin tcnica o conocimiento para entender el tema tratado.
Una lista de posibles causas latentes o sistmicas. Entrenamiento inadecuado Poco tiempo en las tareas Distracciones en el trabajo Distracciones de casa que se llevan al trabajo Objetivos que compiten Falta de alineamiento en la jefatura o liderazgo Procedimientos pobres o incorrectos Direccin inadecuada
32
Causa Humana. El siguiente caso es la existencia de combinacin de circunstancias que llevan a que un individuo o grupo de individuos sean atrapados en acciones que se conviertan en en la causa humana de la falla. Este paso puede ser ejemplificado por una omisin, un acto, pero que conecta a la persona con la falla. Ejemplo: Un mantenedor pasa la orden de trabajo no finalizada a otro para que concluya la tarea, pero debido a que esta cansado de la jornada, olvida dar todos los detalles (no hay registros de calidad), lo que puede ocasionar que se convierta en la causa humana de la falla.
Las causas humanas de fallas con frecuencia generan accidentes catastrficos
33
Causa Fsica. A menudo la bsqueda de la causa de la falla cesa cuando la causa fsica es hallada. Movindose hacia debajo de la causa fsica para identificar la causa humana y la causa sistmica, puede con frecuencia terminar en problemas. Esto se asocia a la culpa que pueden experimentar los participantes. Ejemplo: La causa fsica puede ser cualquier componente de un soporte que no se coloca o no se instala adecuadamente y que no es registrada por una inspeccin o control de calidad debido a que este procedimiento est ausente.
Adobe Acrobat Document
34
Mecanismo de falla. El siguiente paso en la evolucin del camino o trayectoria a la falla, es cuando el evento que establece una causa fsica, propicia un mecanismo de falla. Si el mecanismo de falla no es detenido en tiempo, el producir un defecto. Independientemente de que existe un nmero infinito de modos de fallas, existe un nmero relativamente pequeo de mecanismos de fallas. Un aspecto importante que es una pista para identificarlos, es que los mecanismos de fallas dan lugar normalmente a signos que permiten detectarlos. Por ejemplo, la corrosin deja xido presente; la fatiga de metales o componentes mecnicas engendran movimientos de vibraciones inusuales, o desplazamientos de desalineamientos. Cualquiera que sea el signo, es posible observar e intervenir el mecanismo de falla antes que el proceda al punto en que de lugar a un defecto.
Microsoft werPoint Presenta
35
Defecto. Despus que el mecanismo de falla ha estado trabajando por un perodo apropiado de tiempo, se producir un defecto. El mecanismo del defecto comienza el proceso estadstico que determinar cuando una falla ocurrir. De igual forma que no todo mecanismo de falla lleva a la falla, muchos defectos no resultan inmediatamente en una falla. Ejemplo: Una pequea fisura o crack, no producir inmediatamente una fuga, pero esta fisura con una situacin de una presin extremadamente alta en el conducto, puede llevar a la presencia de la fuga. Lo importante es darse cuenta que al igual que en el mecanismo de falla, el defecto es una anomala que puede detectarse, por lo que produce otra oportunidad para implementar los pasos de prevencin.
36
Falla. Con la presencia de un defecto y cierto conjunto de circunstancias, la falla se har presente.En los estudios de confiabilidad, la falla se asocia con la prdida de alguna funcin especfica del activo. La falla es la siguiente etapa o paso en la trayectoria hacia la falla y es diferente en esencia del defecto (este le precede) y la emisin del reporte de Malfuncionamiento (que lo sigue). Como veremos un poco ms adelante en detalles, estos tres eventos no simultneos (defecto, falla y reporte de malfuncionamiento) estn separados en el tiempo y por la naturaleza estadstica del proceso. La capacidad para especificarlos y separarlos nos da la efectividad de un programa de confiabilidad.
37
Reporte de Malfuncionamiento. Una vez que ocurre la falla, media cierto tiempo entre que la falla es reconocida y se reporta. Es importante que la emisin de este reporte incluya la funcin que se perdi, y el comportamiento problemtico que se exhibe. En este sentido hay que ser lo ms verdico posible. No es inusual que las descripciones de estos reportes de malfuncionamiento vayan llenos de coloridas descripciones y de cierta dosis de invencin de la persona que escribe el reporte.
38
Diagnstico. Una vez que el Reporte de Malfuncionamiento fue emitido, puede comenzar la etapa de diagnstico. El diagnstico puede ser considerado por ejemplo, que ocurre remotamente sobre la base de informacin que puede ser obtenida remotamente (por ejemplo va Internet). Si existe un modo dominante de falla, y una gran experiencia con reportes de Malfuncionamiento, asociado con la ocurrencia de ese modo de falla, es posible que pueda ser solucionado en forma ptima y rpidamente. En otros casos diferentes, este paso de diagnstico slo apuntar a otros subsistemas donde la falla puede haber producido el comportamiento que esta siendo experimentado.
39
Canalizacin (Funneling). El objetivo de la canalizacin (de informacin) es reducir el foco de un sistema general a un subsistema, o a un componente especfico del equipo, antes de empezar el paso consumidor de energa, recursos y tiempos que es la solucin del problema (troubleshooting). En general este paso da una pista que permite focalizar en un subsistema especfico el problema que se analiza. Ejemplo: Una locomotora a diesel, puede exhibir un problema de cargaque puede resultar de un problema en el motor, o de una falla de alternador principal. Si el sistema esta expulsando un humo negro pesado en el momento de la falla, el sntoma aparente apunta hacia un problema de motor.
Solucin de problemas (Troubleshooting) Este es un paso que consume recursos intensivos y tiempo. Puede llegar a incluir el desarme de todo el equipo en sus componentes para identificar la componente fallada y sus condiciones. Es altamente invasivo. Hacer pasos falsos o inefectivos en la solucin de problemas, puede ser muy costoso. Por ello hay que tratar de ser los ms efectivo posible. Por ello una mejor canalizacin puede llevar a mas eficiencia y efectividad en este paso.
41
En el caso de la locomotora, una estela de humo negro pesado en el momento de la falla, puede indicar al que diagnostica recomendar que se haga nfasis en solucionar el problema enfocado al motor antes que otras alternativas. Aunque este paso parezca obvio, tenga presente que el trabajo de la persona encargada de solucionar el problema , puede estar ubicada lejos del lugar que la falla ocurri. Incluso el motor puede no estar funcionando, de manera que le es imposible observar o aplicar algn instrumento que le permita observar los sntomas del sistema en operacin. A estos efectos para esta persona, un alternador muerto le parece igual causa que un motor muerto. Entonces los siguientes pasos le ayudan a dilucidar las medidas a tomar.
42
Identificacin de componente en falla. Este paso trata de la identificacin de la componente que ha fallado, para despus en un paso siguiente establecer las condiciones del estado de la componente. Hoy da muchos tcnicos de mantenimiento (apremiados por la produccin) se convierten en simple sustituidores de partes o componentes para que el sistema vuelva a trabajar normalmente. Como norma, a menudo, dos terceras partes de las componentes cambiadas, no han sido responsable de la falla ocurrida, y estn en buenas condiciones de trabajo. Imponiendo la condicin de que no slo se sustituya la componente fallada, sino tambin se analicen las condiciones presentes (anmalas) puede ser una buena sugerencia para evitar que se cambien partes en buenas condiciones de trabajo.
43
Identificacin de la condicin de la componente. El siguiente ejemplo nos muestra la importancia de separar el acto de identificar la componente fallada , de la identificacin de la condicin de la componente. En los sistemas electrnicos que usan mdulos, no es poco frecuente encontrar que cuando existe algn mal funcionamiento se sustituye todo el mdulo, y slo interesa que el equipo contine trabajando normalmente. Sin embargo poda haber ocurrido que slo el conector tuviera una prdida, o el cable se hubiese pelado, etc, lo que introduca un cambio de resistencia, por ejemplo. En este caso es mejor describir el modo de falla, como Dispositivo X sustituido y operacin restablecida ms que hablar de un modo de falla especfico. Esto permite que en un futuro se pueda, de alguna forma comprobar que elemento fall en el mdulo.
44
Anlisis de la falla. Este paso se encuentra ya en el esquema de trayectoria a la solucin. Aqu se identifica el Mecanismo de Falla. Como es sabido existen pocos Mecanismo de Fallas, por lo que la tarea es un poco ms simple si conocemos algunas pistas y caractersticas de cada posible mecanismo de fallas. Por ejemplo, la presencia de xido, nos enfoca a un mecanismo de corrosin como Mecanismo de Fallas. Otros mecanismos quizs no sean tan evidente, pero con una buena dosis de experiencias por parte del investigador (analista de fallas) le dar la habilidad para identificar estos signos que conducen a la trayectoria a la solucin.
46
Anlisis de la Causa Raz. El segundo paso en el camino hacia la solucin del problema, es el ACR. En este se identifican los tres niveles de causas: 1. Causa Fsica 2. Causa Humana 3. Causa Sistmica o Latente. La capacidad de prevenir la misma falla de que ocurra nuevamente, y de prevenir todos los eventos similares, es directamente proporcional a la efectividad de la organizacin en encontrar la causa raz de la falla. Ambos pasos AF y ACR dependern de tener recursos entrenados y dedicados que estn asignados a la realizacin de estos pasos. No es realista suponer que las mismas personas que realizan la reparacin, puedan ejecutar estas tareas de anlisis. Deben ser diferentes recursos.
Ejemplos de Mapeos de Fallas. Taller de Aplicaciones. Analice el siguiente caso: En una planta de procesos, el ingeniero de Proyecto decide instalar un nuevo compresor de baja velocidad como parte del proyecto de innovacin de su empresa. Opera a 400 rpm, por lo que piensa que no es necesarios efectuar procedimientos de balanceo o alineamiento riguroso. Piensa que es suficiente utilizar una tcnica rudimentaria para alinear el eje del compresor con el eje que lo maneja (ejemplo usar una regla larga, o medir el desalineamiento en altura utilizando un juego de mangueras). Su idea central es que maquinas rotatorias a bajas velocidades no es necesario alinearlas o balancearlas.
Microsoft Word Document
48
Funneling Causa sistmica Problemas Causa Humana Causa Fsica Mecanismo de Falla Defecto Falla Anlisis de Fallas Anlisis de la Causa Raz
Identificacin de componente en falla
Identificacin de condicin de componente
Diagnostico
49
El Anlisis de Causa Efecto (ACE) y su relacin con el Mapeo de Fallas. Volvamos al tema brevemente discutido al principio del curso del Anlisis de Causa Efecto. La configuracin clsica (en un marco temporal) que nos lleva al ACE es:
Causa
Efecto
tiempo
50
Una mquina fall por sobrecarga. Una mquina por sobrecarga fall Para tener un conocimiento integro de algo (por ejemplo un proceso) es necesario comprenderlo causalmente.
51
Seleccione y analice. Una empresa gasta por encima del presupuesto en mantenimiento. El gasto efectuado por encima del presupuesto fue causado por costos operativos mas elevados en las tareas de mantenimiento, El gasto efectuado por encima del presupuesto produjo una menor asignacin de dinero al presupuesto del prximo ao.
Toda causa es tambin un efecto Todo efecto es tambin una causa
52
En muchas empresas se utilizan los 5 Por qu como mtodo para solucionar problemas. Estas preguntas destacan las relaciones de Causa Efecto. Sin embargo en este entorno, el anlisis es un tanto lineal, y simple. Ello lleva a inclinarse hacia una nica Causa Raz de la cadena.
por qu? Problema Causa por qu? por qu? por qu? Causa por qu? Causa Causa Raz
Causa
John Stuart Mill (1806-1873) estableci en sus investigaciones que los efectos se convierten en causas con el paso del tiempo. De aqu podemos hacer un mapeo de causas y relacionarlo con el mapeo de fallas como sus efectos o consecuencias.
53
Una definicin ms exacta es que para cada efecto existen causas (y no slo una). Llegar a la Raz de un problema es un proceso de identificacin del sistema de causas.
La raz es un sistema de causas
54
Anlisis de fallas de componentes. La definicin de la funcin deseada de un Activo, define los objetivos de Mantenimiento respecto del mismo. Un modo de falla es un evento que causa una falla funcional o prdida de funcin. Una vez que se ha identificado el modo de falla, hay que analizar qu pasa cuando ocurre, es decir las consecuencias en el activo y decir qu se hace para anticipar y prevenir, corregir o detectar la falla o redisear el equipo. Diferentes modos de falla pueden generar iguales sntomas. Los modos de falla pueden ser causados por: Desgaste y deterioro Errores humanos Problemas de diseo Combinacin de ellos
El Anlisis Modal de Fallas y Efectos (AMFE; FMEA, del ingls) permite seleccionar la apropiada estrategia de Gerenciamiento de Fallas. Tal como lo seala Moubray en su libro RCM2, existen 6 patrones de falla en la maquinaria actual. A continuacin est graficada la probabilidad de falla en funcin de la edad operacional. En los casos A, B y C se observa que la probabilidad de falla aumenta con la edad operacional, ste comportamiento es consecuencia del desgaste y ms comn en componentes que estn en contacto directo con algn material o fluido. En cambio los patrones D, E, y F no presentan relacin entre la confiabilidad y la edad operacional
56
Curva de Falla Tipo A: Curva de la baera. Tiene una alta mortandad infantil; bajo nivel de fallas aleatorias y alta probabilidad de falla al final de la vida til(zona de envejecimiento o desgaste). Ejemplo: Motores, vehculos, etc
Curva de Falla Tipo B: Comportamiento de fallas aleatorias bajas y luego acentuada en la zona de desgaste Ejemplo: Lmparas, tubos de rayos catdicos, etc
Curva de Falla Tipo C: Aumento gradual de la probabilidad de falla en concordancia con el desgaste; lento envejecimiento Ejemplo: Equipos complejos con gran variedad de tecnologas. O.Aguilar Consultor de Empresas Taller de Mapeo de Fallas 57
Curva de Falla Tipo D: Probabilidad inicial de falla baja, un incremento agudo de la probabilidad de fallas y luego constante con probabilidad de fallas aleatoria. Ejemplo: Edificios, puentes, infraestructuras, etc
Curva de Falla Tipo E: Probabilidad de falla aleatoria (permanece constante no guarda relacion con el enevejecimiento) en toda su vida til Ejemplo: Edificios, puentes, infraestructuras, etc
Curva de Falla Tipo F: Elevada mortandad infantil y luego probabilidad de falla constante Ejemplo: Equipos electrnicos
58
Ejemplo de distribucin de fallas en un avin comercial (Boeing 747).
89% 4% 2% 5% 11 % 7% 14% 68%
59
Las consecuencias de falla describen lo que pasa cuando ocurre un modo de falla, el objetivo de ste anlisis es establecer si es necesario realizar un Mantenimiento Proactivo, dependiendo de las consecuencias operacionales o de Seguridad que tenga el modo de falla. Cmo realizar un modelo AMFE? Conceptos practicos que debemos saber para realizar un efectivo analisis AMFE: Evento falla : Falla en una bomba Modo de Falla: Falla en engranajes (Ponderado) Frecuencia: 12 fallas al ao Impacto: $ 1 200 000 por falla Prdidas totales:$ 14 400 000 al ao
60
Veamos los pasos involucrados en realizar un anlisis modificado AMFE:

#
1 2 3 4
Paso
Realizar un trabajo preparatorio Colectar los datos Sumarizar y registrar los resultados Calcule las prdidas
Descripcin
Desarrollar concepto de falla, diagrama de flujo, anlisis de vacos y hojas de clculos preliminares Entrevistar al personal de la instalacin cuales son las fallas, sus frecuencias y su impacto. Entre la informacin en una hoja de cculo electrnica y determine cualquier redundancia. Multiplique la frecuencia por el impacto da cada evento de falla en el anlisis
Determine Lo poco significativo
Determine el 20% o menos de las fallas que resultan en un 80% de las prdidas Verifique que los resultados son vlidos Comunique los resultados obtenidos
6 7
Valide los resultados Emita un reporte
61
Pasos preparatoriospreparatorios Defina el sistema a analizar Defina la falla Dibuje un diagrama de contacto Calcule la diferencia (gap) Desarrolle una hoja de dato en excel Desarrolle un esquema de entrevistas Colectar los datosdatosDirectamente de las fuentes... Es lo mejor!!!
62
Sumarizar y registrar resultados Ejemplo: Evitar redundancias...

Subsistema Recobrado Recobrado Recobrado Recobrado Evento falla Fallo de Bomba Fallo de Bomba Fallo de Bomba Fallo de Bomba Modo de Falla Falla de rodamiento Contaminaci n de aceite Rodamiento apresado Fractura de ejes Frecuencia 1 x mes 1 x2 meses 1 x mes 1 x a o Impacto 1 turno 1 d a 12 horas 1 d a
63
Lo anterior se puede resumir (anlisis)...

Subsistema Evento Falla Modo de Falla Frecuencia Impacto 12 x ao 1 x ao 12 horas 12 horas
Recobrado Fallo de Bomba Problemas con rodamientos Recobrado Fallo de Bomba Fractura de eje
64
Calcule la prdida
f P = PTotal
Donde f: frecuencia P: prdidas por ocurrencia (impacto) PTotal = Prdidas Totales por ao.
Subsistema Evento falla
Recobrado Compresor Mezcladores Condensador Fallo de Bomba Falla de la banda Falla del filtro Fugas de presin
Modo de falla
Fallo de rodamientos Reblandecimiento Filtro chueco Fugas debidas a corrosin
Frecuencia
12 x ao 4 x ao 26 x ao .33 x ao
Impacto
12 horas 24 horas 2 horas 24 horas
Prdida Total (hrs/ao)

144 (prdidas de productividad) 96 horas (pdp) 52 horas (pdp) 8 horas (pdp)
65
Determinando lo poco significativo (PS) ... Ejemplo: 80 % del cuidado dado en un hospital es recibido por 20 % menos de los pacientes. En la industria... 80% de las prdidas en una instalacin de manufactura est representada por 20 % o menos de sus eventos de fallas. Esto significa que debemos solamente realizar anlisis de la raz de las causas del 20 % o menos de los eventos de fallas para eliminar o reducir el 80 % de las prdidas de nuestra instalacin.
El trmino lo poco significativo se debe al famoso economista italiano Vilfredo Pareto. El dijo ...en un conjunto de objetos, ideas, personas y eventos, un POCO dentro del conjunto o seleccin es MAS SIGNIFICANTE que la restante mayora... O.Aguilar Consultor de Empresas Taller de Mapeo de Fallas 66
Taller de aplicaciones. Ejercicio I. Considere el siguiente ejemplo para aplicar el PS:
Subsistema
Subsistema 3 Subsistema 4 Subsistema 2 Subsistema 3 Subsistema 2
Evento de Falla
EF 1 EF 3 EF 2 EF 5 EF 4
Modo de Falla
MF 1 MF 3 MF 2 MF 5 MF 4
Frecuencia
2000 4 1000 6 18
Impacto
$ 850 $ 75 000 $ 1 250 $ 12 000 $ 6 000
Prdida Total
$ 1700 000 $ 300 000 $ 1 250 000 $ 72 000 $ 108 000
67
Solucin al ejercicio...
Prdida Total PT*0.8
1700000 1250000 300000 108000 72000 3430000
Esta es la cantidad corespondiente al "poco significativo" 2950000
2744000
68
Taller de aplicacin. Ejercicio II.

En un proceso de fabricacin de circuitos integrados (para paneles de control de procesos mineros), las causas mas comunes de fallos son : corrosin, contaminacin, defectos del silicio, metalizacin y el xido. El en proceso de control de calidad de estos circuitos, las causas de fallo de 31 de ellos han resultado ser las siguientes: corrosin (2);contaminacin (14); defectos en silicio (1); metalizacin (2) y xido (8). Realice un grfico de Pareto y ponga de manifiesto el orden de importancia de los fallos.
Tipo de Fallo Etiquetas Frecuencias Corrosion 1 2 Oxido 2 8 Contaminacion 3 14 Metalizacion 4 2 Silicio 5 1 Doping 6 1 Varios 7 3
Histogram
15 10 5 0 150.00% 100.00% 50.00% .00%
Frequen
Frequency Cumulative %
3 M or e
Etiquetas
Valide sus resultadosresultadosAcudir a personas con experiencia que ud haya encontrado para que revise lo que ud hall. Tambin se puede usar su sistema de datos computarizados para ver si el evento obtenido concuerda bastante bien con los datos de su sistema de administracin de mantenimiento (Ejemplo, Datastream 7iD, SAP,etc)
Emita un reporte.... Es importante comunicar sus hallazgos. Su reporte debe incluir los siguientes items... Una explicacin de la tcnica empleada para el anlisis La definicin de falla usada El diagrama de flujo que se emple Los resultados en forma grfica y en tablas Recomendaciones de cuales de las fallas son candidatas para un ulterior anlisis (por ejemplo un RCFA (root cause failure analysis) Una lista de todos los involucrados en el anlisis incluyendo todas las entrevistas Asegurese de que ud comunica los resultados de los anlisis a aquellos que les hizo entrevistas, de forma que cada cual se pueda sentir confortable con su participacin en el estudio. O.Aguilar Consultor de Empresas Taller de Mapeo de Fallas 71
Resumiendo los propsitos del AMFE son: Identificar cuales pueden ser los modos de fallas potenciales y conocidas Identificar las causas y efectos de cada modo de falla Priorizar los modos de falla identificados de acuerdo al nmero de prioridad de riesgo.
72
Investigacin de la causa raz. Cuando ocurre una falla, sta se percibe a travs de ciertas manifestaciones o sntomas, no as la causa de falla. Esto lleva en muchas oportunidades a actuar sobre las consecuencias y no sobre la raz del problema, de modo que la falla vuelve a repetirse una y otra vez. A mayor complejidad del sistema, habr mayor dificultad en localizar el origen o raz de la falla. Identificar la causa raz es fundamental, pero slo de por s, no resuelve el problema, para ello habr que estudiar distintas acciones correctivas. El Anlisis de Causa Raz es una herramienta utilizada para identificar causa de falla, de manera de evitar sus consecuencias
73
Un anlisis ms profundo es mejor para ayudar a comprender los eventos y mecanismos que actuaron como raz del problema, los cuales se pueden clasificar de la siguiente forma: Anlisis de falla de componentes (CFA, del ingls), la cual implica el estudio de las piezas daadas, ayuda basarse en el modelo AMFE. Investigacin de Causa de Raz (RCI), sta herramienta incluye a la anterior, e investiga las causas fsicas. Anlisis de Causa Raz (RCA), sta herramienta incluye a los dos anteriores, y estudia adems el error humano. Para realizar el Anlisis de Causa Raz a fondo, se debe ir ms all de los componentes fsicos de la falla o races fsicas y analizar las acciones humanas o races humanas que desataron la cadena causa efecto que llev a la causa fsica..
74
Ello implica analizar por qu hicieron eso, si debido a procedimientos incorrectos, a especificaciones equivocadas o a falta de capacitacin, lo cual puede sacar a la luz races latentes, es decir deficiencias en el gerenciamiento, que de no corregirse, pueden hacer que la falla se repita nuevamente. Este tema se estudia en forma intensiva en el Mapeo de Fallas. El Anlisis de Causa Raz. El anlisis de Causa Raz es un proceso lgico de deducciones, que permite graficar las relaciones causa-efecto que nos conducen a descubrir el evento indeseable o causa raz, preguntndonos: cmo? ( forma que puede ocurrir una falla) por qu? (cuales son las causas de la misma)
75
Los hechos son respaldados mediante observacin directa, documentacin y deducciones cientficas. Se utilizan variedad de tcnicas y su seleccin depende del tipo de problema y datos disponibles: Anlisis causa-efecto rbol de fallo Diagrama de espina de pescado Software de RCA que ayudan a la construccin del rbol de fallos y a la documentacin del proceso (En este curso establecemos las aptitudes, requerimientos y bases para poder desarrollar estos anlisis en base a Hojas Excel).
76
Mapeo de Fallas para el Mantenimiento. Taller de aplicaciones Suponga que tenemos una planta cuya funcin principal es abastecer de calor para diferentes oficinas en su entorno. En da determinado se recibe una llamada de uno de los clientes, notificando que la oficina no est recibiendo calor y el lugar esta muy fro. Las oficinas son calentadas por agua caliente. El sistema de calentamiento del agua se describe con detalles en el siguiente diagrama. La tarea bsica del personal que atiende esta instalacin es monitorear el nivel de agua en el tanque, y estar seguro de que no alcanza un nivel por debajo de un cierto nivel prefijado.
77
Agua caliente al serpentn
Vlvula de control Fuente de combustible y retorno Retorno de agua caliente
Intercambiador de calor
Bomba de circulacin de agua

La persona que trabaja en la oficina, primera en llegar (por ejemplo el superintendente) escribe un reporte de malfuncionamiento con la queja de que no hay calor suficiente. En este aspecto la persona encargada de diagnosticar lo que ocurre, revisa los Modos de Fallas que por experiencia tiene anotado (Este es uno de los secretos para obtener una rpida solucin al problema detectado, la conexin entre los Modos de Fallas y el reporte de Malfuncionamiento). De acuerdo con los registros tenidos del sistema, hay 5 modos de fallas anotados: 1. Termostato funcionamiento incorrecto 2. Serpentn de calentamiento con sedimentos 3. Intercambiador de calor en falla 4. Bomba funcionamiento incorrecto 5. Sistema de combustible Fuera de servicio
Historia reportadas. Termostatos (mal ajustados, daados) Serpentines (desconectados por residuos, o corrosin) Intercambiador correctamente) de calor (sedimentos por agua no tratada
Bombas (nico elemento dinmico en el sistema, que tiene ocasionales fallas) Sistema de combustibles (experimenta problemas ocasionales, debido a que es parte de otros procesos y por ello su afectacin es muy importante) Encontrar la solucin correcta del elemento en falla puede depender de la experiencia del personal que responde al diagnstico, o de poder calcular la probabilidad de falla de cada elemento en el contexto, basado en el nmero de veces que ha ocurrido anteriormente.
Supongamos se aplica la siguiente estadstica registrada: 1. Termostato 50 % 2. Serpentines 30 % 3. 4. 5. Intercambiador 15 % Bomba 5 % Sistema de combustible - 0 %
Supongamos que el Mapeo de Fallas provee la siguiente informacin.
81
1. Termostato FI- 50%
a) Si es FI, problema es en un solo lugar, si es en 2 3, probablemente sea alternativa 3
b) Llamar persona de queja, chequear si termostato esta situado bajo. Chequear si cambiando a bajo y alto, se oye a las vlvulas cambiar, y el agua caliente fluir por los conductos. Si no es as, despachar una persona DIN con las partes apropiadas, si la respuesta es si, pasar a alternativa 2 b) Si la vlvula est fra , enviar un DIN a chequear zonas adyacentes; si est caliente empezar troubleshooting por otros problemas menos frecuentes. b) Si la T de salida est en o por encima de lo normal, chequear operacin correcta de la bomba.
2. Serpentin Sed- 30 %
a) Colocar manos cerca de las vlvulas,o la fuente de suministro, est caliente? Si est, hay evidencias de que polvo o partculas estn depositadas y atasquen el serpentn. Si no, despachar un DIN con herramientas para limpiar el conducto. a) Si hay evidencia que todo el sistema de agua caliente esta afectado, lo mas probable es que haya fallado el intercambiado del lado del agua. Chequear parmetros o decir a un DIN chequear temperatura de descarga del agua saliendo del intercambiador. Si la T es muy debajo del parmetro operacional, escribir una OT para limpiar los tubos del intercambiador a) Chequear si Bomba esta trabajando. Si no conectar. Si el breaker se dispara en un rato, resetear y tratar una vez ms. Si de nuevo ocurre, chequear si la bomba trabaja libremente. En ese caso, haga una OT para un electricista chequear si el circuito del breaker y el circuito est daado.
3. Intercambiador - en falla- 15%
4. Bomba FI- 5%
b) Si la bomba circula libremente y esta operando, chequear la bomba cerrando la vlvula de descarga y chequear la presin de descarga. Si est por debajo de la condicin operacional, hacer una OT para inspeccionar la bomba y remover y reparar de ser necesario. Si trabaja a presin normal de descarga, troubleshooting para modos de fallas anormales.
82
5. Sistema de combustible FdS 0%
Chequear operacin nominal y ver si el sistema de cobustible trabaja normal. Si es as, volver a pasos superiores. Si no, volver a instrucciones de Mapeo de Fallas para diagnosticar el subsistema de combustible.
83
El objetivo de la informacin provista durante el proceso de Canalizacin, es asistir a la persona del equipo que trata con el problema (aunque tenga poca experiencia)a: Identificar el problema tan rpido como sea posible. Usar el recurso DIN tan efectivo como sea posible Hacer ms efectivo el uso de los recursos Para un conjunto grande de empresas este no es el punto final (aquellas que no trabajan slo en forma reactiva). Ellas quieren llegar y conocer la causa del deterioro y porqu el deterioro se permiti que llegara a la fase de falla. Para estas compaas hay dos pasos mas: 1. Anlisis de Fallas 2. Anlisis de Causa -Raz
84
Anlisis de causa raz. Herramientas para la solucin de problemas. En el ACR se utilizan distintas herramientas que permiten una solucin integral del problema que se analiza. Tambin ellas juegan un papel destacado en el Mapeo de Fallas. Veamos en detalle aquellos conocimientos que deben tener los Analistas de Fallas y de Anlisis de Causa Raz.
Conceptos estadsticos bsicos y sus aplicaciones.

Concepto de error e incertidumbre. En ciencias e ingeniera, el concepto de error tiene un significado diferente del uso habitual de este trmino. En la prctica el trmino error se usa como anlogo o equivalente a equivocacin. En ciencia e ingeniera, el error, est ms bien asociado al concepto de incerteza o incertidumbre, en la determinacin del resultado de una medicin.
Ms precisamente, lo que procuramos en toda medicin es conocer las cotas (o lmites probabilsticos) de estas incertezas. Grficamente, buscamos establecer un intervalo como el de la Figura 1,
x x x x + x
donde con cierta probabilidad, podamos decir que se encuentra el mejor valor de la magnitud x. Este mejor valor x es el ms representativo de nuestra medicin y al semiancho x lo denominamos la incerteza o error absoluto de la medicin.
x x
x
Figura 1
x + x
Tanto los instrumentos que usamos para medir como las magnitudes mismas son fuente de incertezas al momento de medir. Los instrumentos tienen una precisin finita, por lo que, para un dado instrumento, siempre existe una variacin mnima de la magnitud que puede detectar. Esta mnima cantidad se denomina la apreciacin nominal del instrumento. Por ejemplo, con una regla graduada en milmetros, no podemos detectar variaciones menores que una fraccin del milmetro.
87
Existe una limitacin intrnseca en el proceso de medicin, la que denominamos incerteza intrnseca o falta de definicin de la magnitud en cuestin. Por ejemplo, un tcnico de mantenimiento realiza mediciones de los niveles de vibracin locales en la carcaza de un motor. Cada vez que mida, el nivel que marca el sensor de mediciones ser un poco diferente.
88
Un concepto muy importante es el de exactitud y precisin
Precisin
Exactitud
Es imprescindible en ciencia e ingeniera especificar los errores de medicin!

La nomenclatura moderna usada en Metrologa para denotar los conceptos discutidos en este capitulo puede encontrarse consultando las publicaciones sobre el tema elaboradas por la International Organization for Standardization (ISO 3534-1993) que puede obtenerse a travs de la pagina de Internet del National Institute of Standard and Technology ( NIST ) de los EE. UU. (http://www.nist.gov/). La institucin equivalente en Chile es el Instituto Nacional de Normas(INN: www.inn.cl)
90
Tipos de errores mas comunes en el mantenimiento: Error absoluto:
x x
rel % = 100 rel
Error relativo porcentual: Error relativo: rel = x
91
- Variables y Grficos. La presentacin y anlisis de los resultados experimentales debe considerarse como parte integral de los experimentos. Es realmente til que los datos obtenidos se presenten en un grfico, donde quede resumida la informacin para su apreciacin y anlisis. En la mayora de los casos un grfico es ms til que una tabla de valores, especialmente en los casos en que: Los experimentos se llevan a cabo midiendo una variable Y en funcin de otra X que se vara independientemente y se quiere interpretar la relacin funcional entre ellas.
Ejemplo para la discusin: Determinacion de la dependencia entre la fuerza de desbalance y la velocidad de rotacin de la mquina en un proceso de balanceo industrial. Sabemos que:
v2 R 2 w2 F = ma = m = m = mw 2 R R R
w = 2f
Desbalance 1 x RPM
93
F = ma = m
v2 R 2 w2 =m = mw 2 R R R
Fuerza desbalance vs rpm

400 350 300 250 200 150 100 50 0 1000
Fuerza
1500
2000
2500 RPM
3000
3500
4000
94
- Distribucion de frecuencias.
Cuando se realizan N mediciones de una misma magnitud X en condiciones de repetibilidad (es decir, cuando se controlan las cantidades de influencia sobre la magnitud de la misma manera en cada medicin independiente), la prctica recomendada es efectuar un anlisis estadstico de los datos y expresar el resultado de la medicin en trminos de los estimadores estadsticos valor medio <x> X , desviacin estndar de la muestra X y Varianza SX. Los datos obtenidos pueden representarse en un histograma del cual puede apreciarse cmo es la distribucin de valores. El mismo tipo de anlisis puede emplearse en un proceso de control de calidad en una empresa, cuando se estudia un lote de un producto a controlar y se analiza el grado de dispersin de alguna de sus propiedades alrededor de un valor medio.
95
Cuando los datos estan dispersos, esta puede seguir un cierto patrn. Si por ejemplo, los dividimos en clases ordenadamente, puede aclararse la forma de su dispersin. Esta forma de distribucin de los datos inherente a su variabilidad se llama distribucion de frecuencias. Para verlo con mas claridad se utiliza un grfico que se denomina histograma de frecuencias. En el histograma se observan 3 propiedades de las distribucin de datos: Forma Tendencia Central o acumulacin Dispersin o Variabilidad De acuerdo a ello, el histograma da una idea del proceso, lo que no se logra con una tabulacin de datos.
Procedimiento de elaboracin de un histograma: 1. Reunir datos para localizar por lo menos 50 puntos de referencia. 2. Calcular la variacin de los puntos de referencia, restando el dato del mnimo valor del dato de mximo valor. 3. Calcular el numero de barras que se usaran en el histograma (un mtodo consiste en extraer la raz cuadrada del numero de puntos de referencia). 4. Determinar el ancho de cada barra, dividiendo la variacin entre el numero de barras por dibujar. 5. Calcule el intervalo o sea la localizacin sobre el eje X de las dos lneas verticales que sirven de fronteras para cada barrera 6. Construya una tabla de frecuencias que organice los puntos de referencia desde el mas bajo hasta el mas alto de acuerdo con las fronteras establecidas por cada barra. 7. Elabore el histograma respectivo.
Notas 35 38 40 42 48 49 51 53 55 56 57 59 60 61 62 63 62 64 66 67 68 69 70 72 74 75 76 77 79 80 82 84 85 89 93 97
Taller de aplicacin (Ejercicio guiado): Un conjunto de obreros de mantenimiento correctivo son evaluados sobre su desempeo durante una jornada de trabajo. Queremos representar la informacin obtenida sobre las calificaciones en forma de histograma. Consideremos los puntajes totales y establezcamos los lmites inferiores y superiores de estos puntajes.
98
Maximo: 94 Mnimo: 35
100 30 = 70 Nmero de datos = 36
70/7 = 10
Clases o intervalos L Inferior - L Superior 30 - 39 40 - 49 50 - 59 60 - 69 70 - 79 80 - 89 90 - 99 L Inferior: L Superior
Frecuencia (f) 2 4 6 10 7 5 2 Limite Inferior Limite Superior
Punto medio o marca de clase PM 34,5 44,5 54,5 64,5 74,5 84,5 94,5
99
Pasemos ahora a dividir el eje horizontal en segmentos de igual medida, sealando su punto medio y escribiendo debajo de cada uno el valor del punto medio de la clase correspondiente.
34.5 44.5 54.5 64.5 74.5.... Puntuacin
100
Procedamos a dividir el eje vertical en segmentos de igual medida y colocar en cada una de las marcas las frecuencias.
101
Construir rectngulos cuyas bases sean las clases o intervalos y sus alturas las frecuencias correspondientes a cada clase
Histogram
12 10 8 6 4 2 0
45 .3 35 33 55 333 .6 6 6 33 66 66 7 76 .3 66 33 86 333 .6 6 6 33 66 66 7 M or e
120.00% 100.00% 80.00% 60.00% 40.00% 20.00% .00%
Frequenc
Bin
Un histograma es una grfica de rectngulos sin espaciamiento estre ellos, que se construye colocando en el eje horizontal las clases o la variable a medir, y en el eje vertical, las frecuencias de la misma.
Pesos/mg/
Taller de Aplicacin de conocimientos: Se reportan los valores de los pesos de 80 chapillas producidas por una mquina forjadora de una industria local. Estos se representan en la tabla que se adjunta. a) Construir la distribucin de frecuencias adecuadas a los datos b) Construir el histograma de frecuencias absolutas c) Comprobar si la mquina trabaja en forma adecuada
7.33 7.31 7.26 7.33 7.37 7.27 7.3 7.33 7.32 7.35 7.39 7.33 7.38 7.33 7.37 7.35 7.34 7.32 7.29 7.35 7.38 7.32 7.33 7.32 7.4 7.33 7.32 7.34 7.33 7.31 7.32 7.33 7.28 7.33 7.34 7.33 7.35 7.34 7.31
7.32 7.29 7.36 7.3 7.36 7.3 7.32 7.33 7.34 7.35 7.32 7.34 7.33 7.31 7.34 7.32 7.32 7.33 7.31 7.32 7.35 7.33 7.32 7.3 7.34 7.34 7.35 7.39 7.31 7.35 7.31 7.29 7.32 7.28 7.36 7.3 7.33 7.33 7.36 7.38 7.33
Datos primarios
103
Respuesta al ejercicio...
7. 7.26 27 7 75 7. .295 31 25 7. 7.33 34 7 75 7. .365 38 M 25 or e
Bin Frequency Cumulative % 7.26 1 1.25% 7.2775 1 2.50% 7.295 5 8.75% 7.3125 12 23.75% 7.33 32 63.75% 7.3475 9 75.00% 7.365 12 90.00% 7.3825 5 96.25% More 3 100.00%
Frequency Cumulative % 40 30 20 10 0
Frequency
Histogram
150.00% 100.00% 50.00% .00%
Bin
104
Taller de Aplicaciones. Discusin El problema de los promedios. Analice las siguientes distribuciones. Son todas las distribuciones iguales? Significado fsico de cada distribucin. Evale la media, desviacin estndar y concluya
Mes 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Distribucion P 1 1 1 2 2 3 4 6 8 11 15 19 24 30 33 35 36 36 34 31 22 10 1 0
de fallas Q 0 0 1 2 5 9 15 23 28 32 33 35 36 34 31 25 23 16 9 5 2 1 0 0
R 0 1 10 22 31 34 36 36 35 33 30 24 19 15 11 8 6 4 3 2 2 1 1 1
105
Media aritmtica, Mediana, Moda y otras medidas de tendencias centrales. Los parmetros ms usuales con los que puede caracterizarse la localizacin de una distribucin asociada a un conjunto de N datos son: a) la media aritmtica o promedio de las mediciones
x=
x
i
b) la mediana
La mediana es el valor de la variable que separa los datos entre aquellos que definen el primer 50% de los valores de los de la segunda mitad. O sea que la mitad de los datos de la poblacin o muestra estn a derecha de la mediana y la otra mitad estn a la izquierda de la misma.
c) Moda La moda corresponde al valor de la variable donde est la mxima frecuencia, o sea, que en un histograma la moda corresponde al valor de la variable donde hay un pico o mximo. Si una distribucin tiene dos mximos la denominamos distribucin bimodal, si tiene tres mximos trimodal y as sucesivamente. La media la calculamos usando una frmula, pero la moda la evaluamos directamente del histograma. Estos tres parmetros son iguales en el caso de distribuciones simtricas respecto del valor medio y unimodales. Este es el caso de una distribucin gaussiana o normal (que sern estudiadas posteriormente). En el caso de una distribucin asimtrica, las diferencias entre moda, media y mediana pueden ser sustanciales.
Taller de Aplicacin (Ejercicio guiado): Simulacin de rotacin de una mquina industrial.
2.2 2.1 2 1.9 1.8 1.7 1.6 1.5 0 2 4 6 8 10
20 0 0 -20 -40 -60 -80 -100 10 20 30 40 50 60
108
Histogram
80 60 40 20 0
1.753607 1.791052 1.828497 1.865942 1.903388 1.940833 1.978278 2.015724 2.053169 2.090614 2.128060
150.00% 100.00% 50.00% .00%
109
Desviacin estndar, Varianza muestral y otras medidas de dispersin Tres parmetros importantes de una distribucin son: Valor medio o media aritmtica
x=
x
i
=< x >
Tambien existe la media aritmtica ponderada. En ella se otorga a cada valor de la variable xi, una ponderacion o peso wi que pueden ser diferentes ( ni son frecuencias absolutas) N
W=
La varianza
xnw
i i i
Sx =
(x x )
i =1 i
ni wi
i
= Var ( x)
110
La desviacin estandar
El valor medio da una idea de la localizacin o valor medio de los valores en la muestra. En general <x> da el centro de masa (centroide) de la distribucin. Tanto Var(x) como x dan una idea de la dispersin de los datos alrededor del promedio. Cuando ms concentrada est la distribucin alrededor de <x> menor ser x y viceversa.
x = Sx
111
Taller de Aplicacin (Ejercicio guiado).

Los salarios mensuales de 4 tcnicos de un Dpto de Mantenimiento, son: $ 450 000; 400 000; 470 000 y 950 000 debido a las diferentes funciones asignadas. a) Encuentre la media aritmtica de sus salarios b) Dira Ud que este promedio es tpico representativo de los salarios? c) Cual es la dispersin de los salarios?
112
Respuesta:
Salario 450000 400000 470000 950000 567500 media 256693.7 desv est
113
Taller de aplicacin .Discusin Mediciones realizadas en equipos de una planta industrial que fueron agrupados en 4 grupos consistentes de 15, 20, 10 y 18 equipos, reportan valores medios de vibraciones de 4,5; 3.5; 4,0 y 3,2 mm/s respectivamente. a) Encuentre la media ponderada de todos los equipos. b) Es representativa esta media de la poblacin considerada?
114
Otras herramientas para el anlisis de la raz -causa: Diagrama causa-efecto (espina de pescado):
Recursos Materiales
Recursos Humanos
Metodologa
Escoja Problema a analizar Trace la espina dorsal Escriba las causas primarias Escriba las causas secundarias
Mtodos de Trabajo
Escriba las causas terciarias

Medio Ambiente
Asigne ponderaciones
115
Procedimiento de elaboracin: 1. Elaborar un enunciado claro del efecto (problema), datos de soporte. 2. Dibujar el diagrama del esqueleto de pescado colocando el efecto (problema) en un cuadro en el lado derecho. 3. Identifique de 3 a 6 espinas mayores. 4. Dibuje las espinas mayores como flechas inclinadas dirigidas a la flecha principal. 5. Identifique causas de primer nivel relacionadas con cada espina mayor. 6. Identifique causa de segundo nivel para cada causa de primer nivel. 7. Identifique causas de tercer nivel para cada causa de segundo nivel, y as sucesivamente. 8. Identifique causa raz potenciales que le permitan llegar a conclusiones. 9. Para la determinacin de las causas debe apoyarse aplicando adecuadamente la tcnica Lluvia de Ideas.
116
Medio ambiente
Clima hmedo Distancia de la agencia al changarro Frecuencia de visitas
Mtodos
Personal
Posicin de exhibidores
Falta de supervi Falta de cin motivacin
Rotacin de personal Ausentismo

qu produce bajas ventas?
Elaboracin de pedidos
Calidad del producto Conocimiento de los mnimos por ruta
Clientes con ventas bajas

Malos itinerarios Descompostura del camin repartidor
Seguimiento semanal
Tipo de exhibidor
Maquinara
Medicin
Materiales
117
Arboles de Fallas Un anlisis de rbol de falla (FTA) es un mtodo deductivo,y efectivo de analizar el plan del sistema y la futura actuacin. Involucra especificando un evento por encima de todo para ser analizado (Ej: falla en un compresor), seguido por la identificacin de todos los elementos asociados en el sistema que podra causar que este evento ocurriera. Los rboles de la falla proporcionan una representacin simblica conveniente de la combinacin de eventos que producen la ocurrencia del evento de la cima. Los eventos y verjas en anlisis de rbol de falla son representadas por smbolos. Los rboles de falla es una metodologa que para cada uno de los modos de falla que se detallen permiten encontrar y visualizar las causas bsicas que provocan el defecto principal.
118
Algunas veces se realizan grficamente anlisis de rbol de falla usando una estructura lgica de AND Y OR (y y envez). A veces ciertos elementos, o los eventos bsicos, pueden necesitar ocurrir juntos para que ese evento de la cima ocurra. En este caso, estos eventos se colocaran bajo un Y , significando que todos los eventos bsicos necesitaran ocurrir para activar el evento de la cima. Si los eventos bsicos solo activaran el evento de la cima, entonces ellos se agruparan bajo una verja de OR (envez). El sistema entero as como se analizaran interacciones humanas al realizar un anlisis de rbol de falla. El anlisis de rbol de falla es un proceso lgico, estructurado que puede ayudar identifique causas potenciales de fracaso del sistema realmente antes que los fracasos ocurran. Los rboles de la falta son herramientas de plan poderosas que pueden ayudar a asegurar que los objetivos de actuacin de producto se alcanzen
119
120
121
Ejercicio de Aplicacin. Suponga que como resultado de un anlisis, es posible identificar las fallas crticas y cules debern recibir la mayor atencin en el plan de mantencin del chancador terciario Sandvik(*) stas son: 1. Falla del subsistema lubricante 2. Falla del eje principal 3. Falla del conjunto excentrico 4. Hydroset no mantiene ranura 5. Conjunto de eje pion no gira Apliquemos la metodologa del Arbol de Falla.
(*) Informe de Trabajo Curso 2003. Universidad de Chile
122
Diagrama funcional de bloques

Arbol de falla general.
124
Falla Sist Lubricante
Aceite no circula
Aceite con temperatura elevada
Colector de suciedad tapado
Bomba ppal No trabaja
Falla en valvula de retencion
Filtro de aceite tapado
Falla en radiador
Termostato TG1 no actua
TG12 no actua
Arbol de falla del subsistema lubricante

Arbol de falla del subconjunto excntrico

Arboles de fallas de los subsistemas: Hydroset Conjunto pin
127
Grficos Dirigidos Signados
Las relaciones de Causa Efecto pueden ser representadas en la forma de GDS. Un Digraph es un grfico que presenta arcos dirigidos entre nodos y un GDS es un grfico en el cual los arcos dirigidos tienen un signo + anexado a ellos. Los arcos conducen de los nodos causas a los nodos efectos. Cada nodo en el GDS corresponde a la desviacin del estado estacionariode la variable. El GDS tiene nodos que representan variables y ramificaciones o terminaciones que representan relaciones entre los nodos.
128
Para su comprensin, considere el siguiente ejercicio de aplicacin: un tanque donde F1es el flujo de entrada y F2, el de salida. Sea Z la altura del lquido en el tanque. La ecuacin que representa el sistema es:
F1 F 2 =
F1 Z
dZ dt
F2 =
Z R
F2
129
La visualizacin ser: F1
dZ
F2 Z Los GDS representan una poderosa herramienta de visualizacin y representacin de modelos cualitativos grficamente. Se usa mucho para procesos de conocimiento causal en que queremos estudiar la relacin entre las variables y descubrir aquellas que causan la falla en el diagnstico de procesos. Se emplean con un anlisis de coherencias parciales
130
Taller de aplicaciones. aplicaciones. Determinar el estado normal del trabajo operacional de mi equipo mediante sencillas aplicaciones de control de procesos. procesos. Suponga el siguiente ejemplo para visualizar el uso del grfico de control. Una empresa minera que ha tenido fallas en componentes mecanicas y quiere se analize la tasa de incremento de partculas de Fe presente debido al desgaste de componentes en un aceite lubricante. Para ello se han tomado muestras del aceite lubricante en la forma que se expone en la tabla. Determine el grfico de comportamiento o tendencia de efectos presente en la relacin entre las variables de desempeo.
131
Grficos de Control. Permite estudiar la relacin existente entre diferents variables asociadas a un ciclo productivo. Taller de aplicacin. Partamos de considerar los siguientes datos de un reporte de toam de muestra desarrolladas por SHELL a la empresa CODELCO division del Tte.
Hierro Horas Lectura
0 246 502 744 1002 1240 1470 1830 2240 2510 2800 3122
0 24 46 69 102 129 155 182 209 235 268 302

132
Hierro Horas Lectura
0 246 502 744 1002 1240 1470 1830 2240 2510 2800 3122
0 24 46 69 102 129 155 182 209 235 268 302
Tendencia particulas vs tiempo

lectura de particu
400 300 200 100 0 0 500 1000 1500 2000
y = 0.0954x + 2.7239 R2 = 0.9961
2500
3000
3500
tiempo
133
Hierro Horas Lectura Vabs/h
Grfico de Control de Efectos

tendencia de Vabs/h
0.14 0.12 0.1
0 246 502 744 1002 1240 1470 1830 2240 2510 2800 3122
P ro m e d io D e s v s ta nda r C rit ic o S u p A le rt a S u p A le rt a In f C rit ic o In f
0 Dato-base 24 0.097561 46 0.085938 69 0.095041 102 0.127907 129 0.113445 155 0.113043 182 0.075 209 0.065854 235 0.096296 268 0.113793 302 0.10559
0.0990426 0.0183687 0.1357801 0.1174114 0.0806739 0.0623051
Critico superior
Vabs/h
0.08 0.06 0.04 0.02 0 0 500 1000 1500 2000 Series1 2500 3000
Promedio Critico inferior
3500
Horas
Al utilizar lmites establecidos por la estadstica, se asume que los datos estn normalmente distribuidos (siguen la conocida curva de distribucin de Gauss); ellos permiten establecer niveles de alertas () o de peligro (2) que son interpretados como una funcin de la media y la desviacin estandar de los datos.
lectura O.Aguilar Consultor de horas Vabs / h =

Empresas
134
Elementos de la Confiabilidad. Distribuciones estadsticas

Confiabilidad . Se define como la probabilidad de un dispositivo para desempear su tarea adecuadamente, en un periodo de tiempo determinado en las condiciones de operacin normales. El concepto academico de la confiabilidad nos relaciona el tiempo de uso de un equipo, con la aparicin de los fallos. La teora ms desarrollada es la probabilstica. Confiabilidad:R(t) (En ingls Reliability) de una pieza o equipo es la Confiabilidad probabilidad de que este cumpla, sin fallar, una cierta funcin durante un tiempo dado y bajos unas condiciones determinadas. Definimos: F (t ) = 0 f (t )dt F(t): Infiabilidad Probabilidad de que una pieza falle antes de un tiempo t, trabajando bajo condiciones determinadas. f(t) es la funcin densidad de fallo, la probabilidad de que ocurra un fallo ser el rea bajo la curva desde el origen a ese tiempo.
t
135
Conceptos que utilizaremos en los estudios de confiabilidad (Resumen) Densidad de fallas: No confiabilidad: Confiabilidad: Indice de fallas :
f (t )
F (t ) = f (t ) dt
0
t 0
R(t ) = 1 F (t ) = 1 f (t )dt
Z (t ) =
f (t ) R (t )
TMEF = 1 Z (t )
136
Tiempo medio entre fallas:
Distribuciones empleadas en el anlisis de fallas...

Distribucin Exponencial. Se emplea en componentes elctricos y electrnicos fundamentalmente
f (t ) = e t
Z (t ) =
El Indice de Falla resulta constante, por ello se adapta bien a la zona de vida til del equipo( zona inferior de la banera). Cabe destacar que en esta distribucin la probabilidad condicionada de fallo es independiente de la poca considerada. Por esta razn no se adapta bien a elementos mecnicos en los que el desgaste se va acumulando desde su puesta en marcha y la probabilidad de falla debe ser creciente.
R(t ) = e t 1 MTBF =
Curva baera
137
Distribucin Normal
La distribucin normal viene dadas por la expresin siguiente:
f (t ) =
(2 )
2 2 e (t ) / 2
Z (t ) =
Y por
f (t ) R(t )
1 R(t ) = 2
( t ) 2 / 2 2
dt
El Indice de Falla resultante es creciente, por lo que se aplica a elementos mecnicos o electromecnicos en la zona de envejecimiento.
Curva baera
138
Taller de aplicacin. Ejercicio guiado.

En un centro de mecanizado, el peso medio de las piezas producidas es 0,302 Kg con una desviacin estandar de de 0,025 Kg. Encuentre que porcentaje de las piezas producidas estar por encima de un peso de 0,376 Kg. Procedimiento: Dibuje la curva normal Localize todos los valores calculados de la curva Calcule Z Obtenga la respuesta de la tabla.
139
Procedimiento: Dibuje la curva normal Localize todos los valores calculados de la curva Calcule Z Obtenga la respuesta de la tabla.
Solucin:
Z=
0,376 0,302 = 2,96 0,025 p ( Z 2,96) = 0,0015 = 0,15% =
xi
140
141
Ejercicio de aplicacin. Una mquina forjadora, produce componentes y presenta fallas con un TMEF de 330 horas y una desviacin estndar de 25 horas. Determine con que probabilidad se espera obtener un TEF de magnitud 339 horas.
142
Distribucin de Weibull
Pudiera demostrarse que la distribucin acumulada es:
t
F (t ) = 1 e
Siendo t >
t f (t ) =
Esta expresin se puede linealizar y obtener una expresin para los cuales se estima y por una rutina de regresin lineal y luego por aproximaciones sucesivas se halla que optimiza el coeficiente de correlacin. 1
R(t ) = e
Z (t ) =
f (t ) t = R(t )
Lo importante aqu destacar es que en funcin de los valores que adoptemos de , obtendremos ndices de fallas crecientes (>1), constantes ( = 1) o decrecientes (<1). Esta distribucin puede emplearse para cualquier tipo de componente y en cualquiera de sus etapas, seleccionando distintos valores de .
Distribucion Weibull: Como afecta el parametro
144
La pendiente y
145
Como afecta el factor de forma
146
Taller de aplicacin. Ejercicio guiado.
Distribucion de WEIBULL
0.000 0.000 -2.000 -4.000 -6.000 -8.000 ln(t) Series1 Linear (Series1) Linear (Series1)
1.000
2.000
3.000
4.000
5.000
ln(ln(1/(1-Fi
y = 0.4612x - 6.8766 R2 = 0.9371
147
Ejemplo de Aplicacin. Trabajo con las hojas de Weibull Fundamentos de La distribucin de Weibull.
148
Anlisis del ejercicio de aplicacin. La tcnica de Weibull puede ser usada para estimar la probabilidad en numerosos casos de aplicacin al mantenimiento. Por ejemplo, es frecuente emplearla en estimar la vida de los rodamientos. La vida del rodamiento tipo B-10 (falla del 10%) se obtiene cuando se estudia y prueban rodamientos nuevos bajo condiciones de carga, velocidad y lubricacin especficas, con un resultado de falla del 10% de los rodamientos. Suponga que usted ha probado 4 rodamientos y registrado la vida til de cada uno de ellos:55, 70, 40, y 85 horas. Usted puede obtener la vida B-10 graficando los datos mediante la tcnica de Weibull. La vida B-10 se obtiene localizando el 10% en la lnea de ocurrencia sobre el eje vertical y encontrando el punto en el eje horizontal correspondiente..
As, para el ejemplo, la vida B-10 es de 34 horas. Esto quiere decir, que a las 34 horas de operacin, y para esos rodamientos en particular, fallarn un 10% de ellos
Taller de aplicaciones: Evaluacion en terreno del estado de mi equipo mediante sus registros de fallas. Para ello utilizamos la hoja de Weibull.
150
Breve resumen de las tecnologas de mediciones ms usadas en la actualidad para el mantenimiento por condicin.
Introduccin. Origen de fallas en las mquinas
151
Un poco de historia. El principio de mirar, escuchar y sentir.
152
Sabemos que las tecnologas de mediciones permiten elevar la calidad del diagnstico de condicin a una herramienta predictiva con un alto valor agregado. Las tecnologas de mediciones que se emplean mayoritariamente en la actualidad del mantenimiento y que tienen una ptima relacin costo beneficio son: Analisis de Vibraciones Analisis de Lubricantes Termografia Ultrasonido
153
Ultrasonido: Toda mquina producen fenmenos ultrasnicos que brindan informacin sobre las posibles fallas futuras en el comportamiento, a un nivel precoz de su estado. Por ejemplo, fugas de aires, fugas de corrientes y fugas de vaco producen silbidos ultrasnicos. Tambien cambios de espesores, medicion de estos, etc se pueden detectar con esta tecnologia.
154
Aplicaciones del ultrasonido

espacio = velocidad tiempo e =V t
Pri ncipio fsico de la medicin con ultrasonido
Aplicacin al SONAR
155
Onda incidente
Onda reflejada
aire
Material solido
Onda trasmitida
Frmula de Fresnel
=r i
n1sen = n 2 sen
156
Aplicacin: Ultrasonido clnico
Aplicacin: Ultrasonido industrial
157
Otros ejemplos, son: fenmenos ultrasnicos debido a las fuerzas de friccin entre los lementos de rodamientos. Estos producen cambios predecibles en casos de fallas en la lubricacin. Fisuras y deformaciones que dan lugar a defectos en los ejes cuando las fuerzas friccionales rompren la capa de lubricante. Las trampas de vapor producen sonidos ultrasnicos cuando sor purgadas y cuando se producen condensaciones. Bombas que presentan condiciones de cavitacin generan ultrsonidos del tipo de mquina de pop-corn.
158
Mtodos del anlisis de lubricantes Visual Crackle Espectroscopa Infraroja basada en la transformada de Fourier Anlisis Elemental Conteo de partculas Ferrografia
159
Cambio no visible o audible
Pequeas burbujas (0.5 mm) aparecen y rapidamente desaparecen
Burbujas (aprox. 2 mm) aparecen ,alcanzan el centro creciendo a 4 mm y despus desaparecen
Burbujas (aprox. 2 3 mm) aparecen ,alcanzan a 4 mm y se repite el proceso, llegando a un burbujeo violento y un centelleo audible (crackling)
160
Resultados de la observacin. No hay crackling o burbuja de vapor despus de unos segundos: No hay agua o emulsin presente. Si burbujas pequeas (0.5 mm) se producen pero desaparecen rapidamente: 0.05 a 0.10 % de agua est presente. Si hay burbujas de 2 mm aprox., van al centro del sitio caliente, se aumentan a 4 mm aprox, entonces desaparecen: slo 0.1 a 0.2 % de agua est presente. Para mezclas de 0.2 % por encima, las burbujas empiezan en 2 3 mm creciendo a 4 mm, con el proceso repitindose una o dos veces. Para incluso los niveles superiores de burbujeos se producen centelleos audibles. Est pendiente de la posible presencia de gases disueltos, refrigerantes, combustibles y solventes voltiles, que pueden causar falsas alarmas positivas.
Cambio no visible o audible
Pequeas burbujas (0.5 mm) aparecen y rapidamente desaparecen
Burbujas (aprox. 2 mm) aparecen ,alcanzan el centro creciendo a 4 mm y despus desaparecen
Burbujas (aprox. 2 3 mm) aparecen ,alcanzan a 4 mm y se repite el proceso, llegando a un burbujeo violento y un centelleo audible (crackling)
161
Grupos funcionales de O-H que absorben luz en las regiones de los 3600 a 3400 cm-1 /agua, glicerina y etileno/. Es posible determinar la prsencia de diferentes molculas en la muestra tomada con FTIR /Fourier Transform Infrared Spectroscopy/ simplemente midiendo la absorcin de luz a diferentes longitudes de ondas o nmeros de ondas.
Espectroscopa Infraroja basada en la transformada de Fourier

Espectro FTIR diferencial obtenido por sustraccin del espectro de la referencia con el usado.
Anlisis Elemental
164
Anlisis de partculas
Que es un PPM? 1 ppm = 1g / g = 1mg/Kg = 1 onza/6500 galones de aceite.
Espectrmetro de absorcin atmica: Determinacin de contenido de metales.

La ferrografa. El proceso de la ferrografa, es muy comn entregarlo por parte de las empresas vendedoras de lubricantes, como un valor agregado a la compra de los tarros de lubricantes
En el proceso, el lubricante se hace pasar por una rejilla en presencia de un campo magntico. Las partculas de hierro de ms dimensiones se decantan primero y se puede obtener la distribucin volumtrica del nmero de partculas presente, lo que permite realizar un estimado del numero total de partculas en la muestra y en el interior del equipo.
166
La Termografa
167
Fundamentos fsicos de la Termografa

Absorbe energa Emite energa
cuerpo
P = AT
Ley de Stefan
= 1, cuerpo negro, emisor ideal = 0, no absorbe ni irradia, reflector perfecto
T:Temp. en grados Kelvin; A= Area; :Constante de Bolztman
I(,T) = 2hc2 / 5(ehc/kT- 1) Frmula de Max Planck para la irradiacin del cuerpo negro Ley de desplazamiento de Wien
Con B = constante
m = B / T
Caso estudiado
Reporte de termografa realizada a una subestacin de 69 Kv.
TERMOGRAMA CAMPO T. Amb C 26.5 T. Ref. C 35.0 T. Max C 56.0 Delta T.C 21.0 LOCALIZACION FASE: T DE
IMAGEN DE
LA
FALLA:
Clasificacion del problema: medio Causas del posible problema: Deficiente contacto en la conexin de salida del secundario dentro de la mufa ( forway), en esta fase. RECOMENDACIONES: Limpiar superficies de unin y asegurar buen contacto en la conexin de salida del secundario dentro de la mufa, en esta fase. FECHA DE REINSPECCION: ACCION CORRECTIVA TOMADA:
169
El An Anlisis de Vibraciones
170
El analista de vibraciones es cmo el mdico de las mquinas...
171
Un ejemplo de aplicacin
X
Acelermetro
Qu conclusiones puede sacar el analista de los espectros?
Barra vibrando
Tipo de fase ?
Coherencia?
Un ejemplo de aplicacin
X
Acelermetro
Peaks asociados a la armnica principal de la vibracin
Barra vibrando
Zona de fase opuesta (1800) Coherencia significativa

Anlisis de tendencias de efectos
174
Valor RMS relacionado con nivel global de componente
Los valores anormales determinan el tiempo de reserva para la ejecucin del mantenimiento correctivo
Ventana frecuencial relacionada con la componente mecnica Nivel Reparacin Medicin
Ajuste exponencial : y = ae bt?
Ajuste lineal: y = mX + b?
Tiempo de reserva
Evaluacin de tendencias con un sistema de ventanas frecuenciales.

175
O.Aguilar Consultor de X= Empresas
X
i =1
Aplicaciones del anlisis de vibraciones. En una mquina mayormente rotatoria, el analista mide el espectro de vibraciones en determinados puntos, para descartar desbalances, desalineamientos o resonancias, por ejemplo.
Desbalance (1x)
1 x RPM; 2 x RPM; 3 x RPM
176
Integracin de las tecnologas de mediciones
Ruido acstico
Vibraciones
177
Anlisis de vibraciones
Anlisis de lubricantes
Termografa
Espectro acstico
Curva P - F
P2 P4 P5 P6 P3
P1
P = Falla Potencial
P1= Cambios en vibraciones. Intervalo P-F 1-9 meses P2= Residuos de particulas en aceite. Intervalo P-F 1-6 meses P3= Termografia IR Intervalo P-F 3-12 semanas P4= Mantenimiento Preventivo Cuantitativo P-F 5-8 semanas P5= Ruido audible Intervalo P-F 1-4 semanas P6= Calor por tacto Intervalo P-F 1-5 dias F = Falla
[*] The Potential Failure to Failure (P-F) Curve. Jonh Moubray : Realibility Centered Maintenance II
180
Clima es lo que esperamos, tiempo es lo que conseguimos... Mark Twain.
Caractersticas evaluadas durante la implementacin del Mapeo de Fallas. El objetivo de implementar un proceso de Mapeo de Fallas, no es simplemente tener otro proceso de negocio que administrar. El objetivo es instalar un proceso consistente (como por ejemplo el controlar el ambiente en un proceso productivo)que me asegure que un nmero determinados de salidas de mi sistema sern obtenidas. La siguiente es una lista de las caractersticas que sern introducidas o significativamente mejoradas con el Mapeo de Fallas. Identificacin y eliminacin de la causa. Si el RCA es realizado de una forma que falla en identificar los comportamientos de individuos especficos que producen la causa fsica, estos nunca cambiarn su comportamiento. De la misma forma, si falla en identificar las debilidades de los vacos que existen en la organizacin o sistemas que permiten que las causas humanas ocurran, estas nunca sern corregidas.
El punto es que el RCA tiene que ser aplicado de una forma y con suficiente frecuencia para completamente eliminar el estigma asociado a la causa. La causa no es un falta. Cualquier persona puede cometer errores. La nica persona que no cometer errores, es aquella que no har nada. Lo mismo se cumple para una organizacin o sistema. La existencia de un vaco o de un error no es una sorpresa. La incapacidad para identificar o admitir la debilidad es el verdadero problema Identificacin y eliminacin de los mecanismos de fallas. Aqu nos limitaremos a los mecanismo de fallas de sistemas mecnicos. Estos son: Corrosin Erosin Fatiga Sobrecarga
Estos mecanismos son similares para fallas en sistemas elctricos. Muchas organizaciones tienen sistema de inspecciones para monitorear el deterioro de los sistemas mecnicos que resultan de varias formas de corrosin.Por ejemplo, monitorean grosor de la capa metlica de componentes importantes en puntos especficos y en intervalos dados, de forma que la razn de deterioro es monitoreada y el tiempo de falla o renovacin puede ser determinado o predicho. Otras organizaciones, no tienen este tipo de funcin y limitan sus escasos recursos en puntos que se asocian con la operacin del negocio.Si ocurre una falla y la causa es una corrosin uniforme, estas empresas, tienen que adivinar la verdadera causa y tomar acciones que retrasaran el deterioro en el futuro. Cuando la falla es el resultado de mecanismos de Fallas como la erosin o la cavitacin (para las cuales en general hay poca evidencia presente despus que la falla ha ocurrido) o la fatiga, la falla en general se asocia con mala suerte,etc.
Con el MF, las mejoras que pueden obtener se en ambos casos son bien diferentes. En el caso 1, la aplicacin de MF y la creacin de una cultura de MF expande el conocimiento de los Mecanismos de Fallas a una poblacin mucha ms amplia. Imagine una situacin en su empresa en que cada participante del Dpto., puede reconocer los niveles de vibraciones excesivas que producen o causan una fatiga en componentes mecnicas. La vibracin podr ser eliminada antes de que el deterioro y la falla ocurran. Ello genera muchas personas que pueden actuar como inspectores, mirando y oyendo a los Mecanismo de Fallas. En el otro caso, MF ayudar a crear la necesidad tcnica de asegurar la confiabilidad y la integridad del equipo. Si no existe un departamento de inspeccin, el MF proveer la oportunidad de tener todas las ventajas de los beneficios de un departamento de inspeccin, sin necesidad de los costos asociados a mantener uno.
El manejo de la informacin sensible. Sea un sistema elctrico que produce energa elctrica. Motor Diesel Generador Supongamos ocurre un mal funcionamiento. La funcin es prdida de la potencia de generacin
185
El individuo que reporta el malfuncionamiento slo conoce que se perdi la funcin de generacin de potencia. En el pasado han ocurrido Modos de Fallas del generador (elctrico) y del motor (mecnico) que han resultado en este tipo de comportamiento. Para responder rpido, hay que ubicar si el problema es mecnico o elctrico, pero como el personal de reparacin es bien, elctrico o mecnico, enviar a alguien errado producir una demora en la solucin del problema. En esta situacin, la canalizacin de informacin sensible (funneling), es la actividad de obtener informacin adicional que asista al proceso de seleccionar la reparacin a la causa ms probable. Por ejemplo, se buscan sntomas adicionales, como si el motor ha expelido una nube de humo negro antes de la falla. O por ejemplo, los registros operacionales de das previos a la falla, muestran que la temperatura del refrigerante ha ido aumentando paulatinamente.
186
Con esta informacin, el analista puede reducir las alternativas probables, a las mecnicas solamente, y por tanto enviar al tcnico con ms conocimientos de la parte mecnica. Reporte de Malfuncionamiento. Para ser efectivo, es necesario conocer que funcin ha sido afectada, y como esa funcin se est comportando actualmente. Veamos el siguiente reporte de un sistema de alarma. La vlvula magntica se peg La vlvula magntica se rompi La vlvula magntica se congel A menos que tuviera visin de rayos X, es imposible dar un reporte de esas caractersticas por simple inspeccin. Sera mas realista reportar: Vlvula de alarma No suena Vlvula de alarma Sonido intermitente
Vlvula de alarma Sonido dbil Luego en una correcta implementacin de una metodologa de MF, es imprescindible investigar los reportes realizados anteriormente para ver cun bien el personal identifica los problemas. Reconocimiento del Defecto. A medida que mejoremos el reconocimiento de los Mecanismos de Fallas en condiciones operacionales de nuestro sistema, existirn muchas ms oportunidades de identificar defectos antes de que ellos causen fallas. En un ambiente maduro o establecido de MF, una parte grande la poblacin involucrada conocer : Que es un defecto Que defectos han ocurrido en el pasado Cuando determinado tipo de defectos ha ocurrido
Como se debe reportar un defecto. Con objeto de establecer las oportunidades de mejoramiento en el reconocimiento de defectos, como un resultado de implementar un programa de Mapeo de Fallas (MF), se requiere de alguna investigacin. Es til, registrar cuantas veces un defecto aparente, ha permanecido identificado, hasta que la falla ocurri. Parte del valor agregado de instalar un programa de MF, es forzar a la organizacin a ser ms proactiva y prevenir ms fallas, identificando los defectos causantes de las fallas, antes de que la propia falla ocurra.
189
Sumario. MF provee un sistema estructurado para organizar la histrica y clsica relacin entre Reportes de Malfuncionamiento y los Modos de Fallas. Al hacer esto, obtenemos que: El Mecanismo de Falla puede ser identificado Las Causas Raz pueden ser identificadas La confiabilidad de nuestro sistema puede ser mejorada La respuesta del Mantenimiento puede hacerse ms efectiva Las fallas y el impacto de las fallas pueden ser reducidas y mitigadas Estos valores agregados pueden expresarse en monedas, aunque ello requiere de algn trabajo sistemtico y de la conservacin de registros, y por ello pueden ser una forma de establecer una relacin costo beneficios en esta inversin.
190
Implementando el proceso de Mapeo de Fallas. Para implementar un proceso de Mapeo de Fallas, es necesario prestar una gran importancia a los miembros del equipo que van a conformar el grupo de MF. Estos requieren ser albailes pensantes y no arquitectos. La mayora de las actividades son del tipo en que se aprende y piensa estas son las funciones principales dentro de este esquema. Veremos pasos a seguir en la implementacin, que pueden variar de acuerdo a las caractersticas especficas de cada organizacin. Creando el equipo de Mapeo de Fallas. Hay 5 funciones que deben ser realizadas por los miembros del equipo de MF. Ellas son: Mapeo de Fallas Diagnstico
Solucin de problemas (Troubleshooting) Anlisis de Fallas Anlisis de Causa Raz Pueden ser funciones ya incluidas en su organizacin o nuevas. Lo importante de estas funciones es que deben ser consideradas todas y no partes de ellas. Las acciones deben ser realizadas y en una secuencia temporal. Los individuos que pertenecern a este equipo, deben trabajar en las funciones asignadas a tiempo completo y no parte del tiempo. Con su trabajo, da a da, ellos incrementaran la efectividad del proceso de mantenimiento, por incremento de la informacin que estar disponible para la base de datos del MF. Concentrando los recursos en manos del personal del equipo de MF, que tendr acceso al historial organizado de registros confiables de las fallas, la respuesta del propio equipo ser ms rpida, ms segura y ms efectiva.
Se sugiere comenzar el proceso de implementacin del equipo MF por conseguir 5 individuos capaces ( con los atributos que detallaremos ms adelante) y que la implementacin del MF ser su tarea principal hasta el momento que el programa de MF trabaje sin obstculos. Se requiere un lder para el grupo. Puede ser uno de los 5 participantes o un Project Manager (Gerente de Proyecto). En personas sin mucha experiencias es mejor que sea una posicin independiente. A continuacin los atributos para las diferentes funciones del equipo de MF.
193
Funcin
Administrador del Proyecto El contador de fallas
Atributos
Con grandes conocimientos de administracin de proyectos, y con la habilidad de mantener una visin global de los objetivos y las actividades Conocimiento del sistema, sus funciones, comportamientos y sntomas hasta la falla, los Modos de Fallas y los sistemas de informacin usados en diagnstico y solucin de problemas Similares conocimientos al del contador de fallas, pero es una persona interesada en las labores de da a da, como en una oficina Persona con excelente habilidades manuales, con la habilidad de reconocer defectos y comprender los mecanismos de fallas. Es un link entre la oficina y el terreno Se ajusta muy bien a un individuo con perfil de ingeniero mecnico. Educado en las tcnicas de reconocimiento e identificacin de los Mecanismos de Fallas Debe aceptar slo hechos. Entrenado en la metodologa ACR rpida. Capaz de saber cuando es suficiente la informacin. Capaz de identificar causas humanas, latentes y fsicas detrs de las fallas.
Observaciones
Consultor interno
Se debe enfocar en tareas de largo plazo
El especialista de diagnstico El reparador (troubleshooter)
Capaz de reconocer patrones y su relacin con otros eventos Deber ser muy activo y reconocido en sus habilidades por los hombres de talleres Con rigurosidad cientfica, pero con poder de sntesis. Buenos conocimientos de escritura y redaccin.
El Analista de Fallas
El Analista de la Causa - Raz
194
Descripcin de los objetivos. Una vez formado el equipo de MF, debe prestarse especial atencin a educar al equipo en el entendimiento de los objetivos de la iniciativa de MF. Cada cual debe tener claridad en su tarea a ejecutar. Alguno de los objetivos del proceso de MF. Mejorar la confiabilidad del proceso Mejorar la efectividad y eficiencia del mantenimiento Una vez logrados estos objetivos, facilitar identificar la relacin entre los reportes de Mal Funcionamiento y los Modos de Fallas; y adems encontrar un descriptor para la probabilidad estadstica de cada Modo de Falla. La organizacin de la informacin y actividades va a depender de la implementacin y mantenimiento de un sistema, en el que cada cual realiza su funcin.
Capacitando al equipo de MF. Una vez que el equipo de MF tiene claro sus objetivos, estarn ansiosos de comenzar sus tareas. Es una tarea muy importante mantener al equipo enfocado en una direccin simple. Ello puede involucrar hasta la forma en que se definen los trminos ms comunes. Las palabras usadas para definir funciones, componentes, condiciones de las componentes, pueden dar lugar a una gran diferencia a medida que ms personas se ve envuelta en el uso del proceso de MF, lo que puede dificultar mantener el proceso bajo control. La educacin del equipo involucra los siguientes elementos: La trayectoria a la Falla Elementos del proceso de MF El papel de cada uno de los miembros del equipo
Capacitacin en las tecnologas de mediciones y de anlisis de informacin con valor de diagnstico Toda la informacin bsica que se requiere para capacitar en estas funciones a los miembros del equipo se suministra en este curso.
197
Creando la infraestructura. El reto mayor es crear la infraestructura que trabaje para la implementacin del proyecto de MF. El primer elemento es la Base de Datos en el cual los Mapas de Fallas sern guardados. Teniendo en mente, que cada Mapa de Falla es un registro de una falla especfica, la Base de Datos debe contener campos que permitan guardar todos los hechos relacionados con el ciclo de vida de una falla. Para hacer esto podemos usar los programas EXCEL o mejor an de Access, que tienen la ventaja de que existen en la mayora de los computadores de las empresas relacionadas con las tareas de mantenimiento industrial.
Con el Excel...
Cuestionario de entrada para el Reporte de Fallas y de Mapeo de Fallas Fecha evento Nmero de Indentificacion del equipo Descripcin narrativa del evento Reporte Inicial
Funcion afectada Comportamiento Canalizacion de informacion Sintomas Comportamiento inicial Alertas de computo
Vinculos con el Mapeo
Sistemas en que la falla causa reporte de Mal Funcionamiento Subsistemas o componentes que pueden causar reporte de Mal Funcionamiento
Modos de Fallas
Componente en falla Condicion de la componente
Anlisis de Fallas
Mecanismo de Falla
Electrico Mecanico
Causa Fisica Anlisis Causa Raz Causa Humana Causa Sistmica
199
Con el Excel...(segunda opcin)
Fo Diaman Consulting Services

Diaman Consulting Services O.Aguilar Ph.D
Mapeo de Fallas
Introduccin de Datos
Reporte Inicial Fallas en el motor derecho Falta de presin en compresor
Reporte de Mal Funcionamiento Vinculos con el Mapeo Modos de Fallas Fallas debido a rodamiento fuera de servicio Fallas en el sistema primario Fallas de rodamiento No se produce la presion necesaria y demora el trabajo Se observa que el sistema de compresin no trabaja en parametros nominales Fallas en sensor de presion
200
Con el Access...
Microsoft Access Application
Asistente de Mapeo de Fallas
201
La siguiente es una lista de informacin que debe ser aadida a la Base de Datos del MF. Reporte de Mal Funcionamiento Datos de la falla Numero de identificacin del equipo Descripcin narrativa de la falla ocurrida Funciones afectadas Descripcin del comportamiento Informacin relevante Componente en fallo Condicin de la componente
202
Informacin de Anlisis de Falla Mecanismo de la Falla Informacin del ACR Causa fsica Causa humana Causa sistmica o latente Vnculo a informacin de canalizacin Sntomas fsicos Comportamiento inicial Alertas de computadoras Sistemas en que las fallas pueden causar un Reporte de Mal funcionamiento.
203
Subsistemas o componentes en que las fallas pueden causar un Reporte de Mal funcionamiento. Mecanismo de Fallas Mecnicos Corrosin Erosin Fatiga Sobrecarga Elctricos Sobrecarga Transiente de potencia Sobrecarga Prdidas de carga Equivalente elctrico de fatiga Rotura de aislamiento debido a calor
Rotura de aislamiento debido a ataque qumico Abrasin mecnica Perdidas mecnicas Adicionalmente debe haber un sistema para acceder rpidamente a la informacin necesaria para realizar las tareas asignadas al equipo de MF. Ella debe trabajar de la siguiente forma: Diagnstico Canalizacin de informacin de Diagnstico a Reparacin Reparacin
205
Dos pasos quedan una vez que se ha creado la Base de Datos de MF, ellos son: 1. Identificacin de los trminos que se permiten usar en el llenado del Reporte de Malfuncionamiento y aquellos que sern usados en la descripcin de los Modos de Fallas. Los reportes de Malfuncionamiento son una combinacin de funciones de sistemas y comportamientos ( o no comportamientos). Los Modos de Fallas son combinaciones de componentes y condiciones. 2. Comenzar a llenar la Base de Datos.
206
Describiendo como el proceso trabajar. Una vez que el sistema de MF esta en fase de trabajo estable, el funcionamiento da a da del proceso seguir el patrn: 1. Los individuos que reportan la falla, seleccionaran la funcin ms apropiada de la tabla. Los comportamientos que son apropiados para esa funcin, sern usado para completar la tabla de comportamiento, y la persona que llena el reporte seleccionar el comportamiento mas apropiado de la tabla. 2. La persona que realiza el diagnstico, buscar en la base de datos, para encontrar todas las posibles alternativas de los Modos de Fallas. 3. Si existen diferentes posibles trayectorias que el reparador puede tomar, el diagnosticador chequear para ver que informacin adicional se necesita para completar la canalizacin de informacin relevante.
207
4. Cuando toda la informacin relevante esta completa, el diagnosticador crear una lista ordenada de los Modos de Fallas ms probables (una buena base de datos debera hacer esto en forma automtica). 5. El que diagnostica comparar la lista de posibles Modos de Fallas y quin/cuando reparar con los recursos a su disposicin.Esto lo debe hacer en forma rpida y efectiva. 6. Si el operario es incapaz de corregir el problema y la prxima forma de cura involucra al reparador (troubleshooter), este ir al lugar del sistema y comenzar los pasos que sean necesarios para aislar la causa del defecto. 7. Cuando el reparador identifica el problema, el har un registro de la componente daada y su condicin, usando trminos provistos en las tablas relacionadas de la base de datos. 8. Dependiendo de la extensin del problema y de la caractersticas de la organizacin, el reparador har la reparacin o escribir una OT para que sea reparada por otros.
9. Cuando el trabajo est completo y los datos del MF han sido entrados, la componente con defectos se almacenar exteriormente junto con la evidencia necesaria que apunte al Mecanismo de Falla correspondiente. 10. El Analista de Fallas, identificar el Mecanismo de Falla y pasar la evidencia que permita identificar la causa al analista de ACR. El tambin trabajar junto con el mantenedor o el ingeniero de proceso para comprobar que el Mecanismo de Falla ha sido eliminado. Tambin trabajar con los planificadores del mantenimiento para instalar los procedimientos de Mantenimiento Preventivo o Predictivo que impedirn que la prxima falla ocurra. 11. El analista de ACR usar los datos e informacin suministrada por el Analista de Fallas para investigar los tres niveles de causa raz. Cuando esta investigacin est completa, el preparar un breve reporte que ser emitido a los individuos que son responsables para tomar las acciones correctivas.
209
Esquema y orden de implementacin. Siempre es conveniente usar una carta Gantt del orden fsico de las actividades o hitos. Los primeros archivos de Mapeo de Fallas pueden ser ms difciles de generar ya que se basan en datos histricos que deben ser confiables. Pero despus de ello, el proceso entrar en un ritmo de generacin interna de Mapeos de Fallas y existir pocos obstculos para generar los apropiados archivos.
210
Un aspecto muy importante del esquema de implementacin est relacionado con el equipo de MF y como ellos administran su da de trabajo. El equipo debe empezar su labor con el rompimiento de las tareas que ejecutaban anteriormente. Si fallan en realizar esta transicin, ser difcil que pasen seriamente a ocupar sus nuevos roles.
211
En los primeros momentos el equipo estar ocupado en crear los mapas, y en la investigacin de fallas que habrn ocurrido alguna vez en el pasado. A medida que el tiempo pase y el programa de MF madure, los participantes del equipo se vern ms involucrados en el da a da de la gestin del mantenimiento de los problemas que tienen actualmente. La primera persona que estar relacionada con los reportes de Malfuncionamiento ser el encargado de realizar los diagnsticos, y la segunda persona lo ser el reparador. Sus participaciones asegurarn que todas las reparaciones se ejecutarn y completarn rpida y de forma segura y que adems la informacin ser capturada y almacenada para futuros usos. A medida que madure el proceso de implementacin, el equipo de MF se convertir en una parte integrante muy importante del equipo de mantenimiento de la organizacin.
212
Cmo comenzar? Hacia donde proceder? El punto de partida para el equipo de MF es la recoleccin de las fallas histricas. Aqu debe hacerse un nfasis fundamental en certificar la calidad del dato primario (ver temario del curso Estadstica y Confiabilidad para la industria) y comprobarlo (ver temario del curso Auditoria Estadstica del Mantenimiento). Los datos de fallas histricas deben ser depurados, sin sesgo, y normales. Datos depurados: Aquellos datos que no tienen relacin con procesos ajenos al perfil que responde el dato. Por ejemplo,los datos de los Tiempos entre Fallas, sin incluir los tiempos de reparacin, de traslado al taller de reparacin, de enfriamiento del equipo, etc.
213
Datos sin sesgo: Datos que no contienen errores de tipos sistemticos debido a la alteracin involuntaria del equipo de medicin que interacciona con la fuente del dato durante el proceso de medicin. Ejemplo, datos de vibraciones tomadas en el pedestal de un sistema moto-bomba pero que el equipo de medicin no esta correctamente calibrado. Datos normales: Datos que responden a un proceso de medicin de tipo normal, entendindose este concepto en el sentido estadstico de la palabra. Ejemplo: Los datos correspondientes a fallas de componentes mecnicas, debidas a un envejecimiento normal de la mquina o componente. Involucrando al equipo en forma total, durante la creacin de los primeros Mapeos de Fallas, aseguraremos que el equipo completo se logre familiarizar con el sistema y la disciplina que debe ser aplicada.
214
Despus que los primeros MF se han obtenido satisfactoriamente, el prximo paso ser para el analista de Fallas y de ACR comenzar a investigar algunas reparaciones recientes. Este trabajo tendr los siguientes propsitos: Proveer informacin para realizar un nmero de mapas de fallas Servir para mostrar a cualquiera, una dosis de realidad, en el sentido de cun bien esta trabajando el sistema. Servir para mostrar a los restantes de la organizacin, sobre el nivel de seguimiento que pronto estar en accin. Con un mayor contenido en las Base de Datos y con una familiarizacin mayor con el mtodo de MF,los participantes del equipo podrn entender como trabaja actualmente el proceso de mantenimiento y como cambiar bajo la influencia del programa de MF.
Desarrollo de aptitudes para el trabajo con el EXCEL. Para el trabajo con el EXCEL debemos tener incluidos los utilitarios de Anlisis de Datos y Solver. En el curso ha mostrado como instalarlos, y como usarlos. Es posible que durante la instalacin de estas subrutinas, el Office pida que se introduzca el CD de instalacin del Grupo Office. A continuacin se muestran los cuadros de dilogos ms importantes para la gestin estadstica de los datos del mantenimiento industrial.
216
Cuadro de dialogo para el trabajo con el utilitario Anlisis de Datos
217
Cuadro de dialogo para el trabajo con el utilitario Solver.
218
Cuadro de dialogo para el trabajo con el utilitario Histograma.
219
Taller de Aplicaciones Grupal: Pasos para dar inicio al Mapeo de Fallas y Anlisis de Causa Raz en mi empresa. Gua para la accin. Ser confeccionada por cada participante del curso en unin del relator del curso.
220
Tiene Ud o su empresa datos de sus sistemas que quisiera analizar?
221
Hay tres clases de mentiras: La mentira, la maldita mentira y las estadsticas. Twain, Mark
Fin de la Presentacin
Contactos: omaram48@yahoo.com diaman.consulting @gmail.com

Taller Mapeo Fallas C

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Taller Mapeo Fallas C

Загружено:

Авторское право:

Доступные форматы

Relator: Ing.

Diaman Consulting Services O.Aguilar Ph.D

O.Aguilar Consultor de Empresas

Taller de Mapeo de Fallas

Profesor de la Universidad de Santiago de Chile (USACH)/2002-2009/ Relator Internacional y Consultor de empresas

O.Aguilar Consultor de Empresas

Taller de Mapeo de Fallas

Temario: I. Fundamentos del Anlisis de bsicos. Causa-Efecto. Conceptos

O.Aguilar Consultor de Empresas

Taller de Mapeo de Fallas

O.Aguilar Consultor de Empresas

Taller de Mapeo de Fallas

O.Aguilar Consultor de Empresas

Taller de Mapeo de Fallas

Copa medio vaca o medio llena?

O.Aguilar Consultor de Empresas

Taller de Mapeo de Fallas

O.Aguilar Consultor de Empresas

Taller de Mapeo de Fallas

O.Aguilar Consultor de Empresas

Taller de Mapeo de Fallas

O.Aguilar Consultor de Empresas

Taller de Mapeo de Fallas

O.Aguilar Consultor de Empresas

Taller de Mapeo de Fallas

No hay nada nuevo bajo el sol. Eclesiasts 1:9

media desv error

239.79 6.602294 0.027534

240.00 220.00 200.00 0 10 20 No.Fallas 30 40 50

O.Aguilar Consultor de Empresas

Taller de Mapeo de Fallas

245.43 media 10.40 desv 0.04 error

240.00 220.00 200.00 0 10 20 No.Fallas 30 40 50

O.Aguilar Consultor de Empresas

Taller de Mapeo de Fallas

O.Aguilar Consultor de Empresas

Taller de Mapeo de Fallas

O.Aguilar Consultor de Empresas

Taller de Mapeo de Fallas

150.00% 100.00% 50.00% .00%

Son los datos normales?

O.Aguilar Consultor de Empresas

Taller de Mapeo de Fallas

O.Aguilar Consultor de Empresas

Taller de Mapeo de Fallas

O.Aguilar Consultor de Empresas

Taller de Mapeo de Fallas

O.Aguilar Consultor de Empresas

Taller de Mapeo de Fallas

O.Aguilar Consultor de Empresas

Taller de Mapeo de Fallas

O.Aguilar Consultor de Empresas

Taller de Mapeo de Fallas

O.Aguilar Consultor de Empresas

Taller de Mapeo de Fallas

O.Aguilar Consultor de Empresas

Taller de Mapeo de Fallas

O.Aguilar Consultor de Empresas

Taller de Mapeo de Fallas

O.Aguilar Consultor de Empresas

Taller de Mapeo de Fallas

Identificacin de componente en falla

Identificacin de condicin de componente

O.Aguilar Consultor de Empresas