Вы находитесь на странице: 1из 7

Resultados sostenibles

Análisis de fiabilidad

Los datos y el software de modelización están ayudando a una planta de producción de GNL a determinar métodos de mantenimiento y a mejorar la fiabilidad de los equipos.

Fernando Vicente, Hector Kessel, Richard M.Rockwood

En los últimos años, la fiabilidad (es decir, la probabilidad de que un produc- to,
En los últimos años, la fiabilidad (es decir, la probabilidad de que un produc- to,
En los últimos años, la fiabilidad (es decir, la probabilidad de que un produc- to,
En los últimos años, la fiabilidad (es decir, la probabilidad de que un produc- to,

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

efectuados en las instalaciones de MEGA en Loma de la Lata, Argentina. Y el resultado se

Análisis de fiabilidad

Resultados sostenibles

L as empresas inteligentes se esfuerzan en conseguir

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

zar el control de esos fallos anticipándose a ellos desde fases ini- ciales e interviniendo con procedi- mientos planeados y programados.

1
1

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

40 M m 3 /d Gas natural 560.000 t/año etano Gasoducto Planta de recupera- ción
40 M m 3 /d
Gas natural
560.000 t/año
etano
Gasoducto
Planta de recupera-
ción de GNL
Loma de la Lata
Neuquén
600 km
5 M m 3 /d
Componentes
ricos del gas
Planta de destila-
ción fraccionada
Bahía Blanca
Buenos Aires
35 M m 3 /d
Gas residual
620.000 t/año
Propano, butano
220.000 t/año
Gasolina de gas
natural

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

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

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

poral y la gestión completa de los repuestos.

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

1 .
1
.

talación de Bahía Blanca

Satisfacer las expectativas del cliente

La disponibilidad de los equipos se está acercando a niveles de categoría mun-

. Ahora bien, este indicador refle-

dial

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

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

Asociación entre MEGA y ABB Full Service ®

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

2
2
2
2

Tendencias de fiabilidad del equipamiento

objetivo consiste en lograr 4,0 de los 5,0 puntos posibles.

a
a

, en las que el objetivo equivale al 99,6%, y tendencias de satisfacción del cliente

b
b

, en las que el

a 99,6 99,6 99,96 99,96 99,96 100 99 98 98 97 2002 2003 2004 2005
a
99,6
99,6
99,96 99,96 99,96
100
99
98
98
97
2002
2003
2004
2005
2006
2007
100
100
99,75
100
100
100
100
100
100
100
100
99,99
100
90
80
70
60
50
40
30
20
10
0
Ene
Feb
Mar
Abr
May
Jun
Jul
Ago
Sep
Oct
Nov
Dic
2007
Fiabilidad (%)
Fiabilidad
(%)

b

5,0 3,8 3,9 3,6 4,0 3,1 2,9 3,0 2,0 1,0 0,0 2003 2004 2005 2006
5,0
3,8
3,9
3,6
4,0
3,1
2,9
3,0
2,0
1,0
0,0
2003
2004
2005
2006
2007
5,0
4,5
3,9
3,9
3,9
3,9
3,9
3,.9
4,0
3,5
3,0
2,5
2,0
1,5
1,0
0,5
0,0
Jul
Ago
Sep
Oct
Nov
Dic
2007
Puntuación de la
satisfacción
Puntuación de la
satisfacción

Análisis de fiabilidad

Resultados sostenibles

Desde la asistencia post-evaluación a las iniciativas de acción

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

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

Aunque el proceso de evaluación de las instalaciones en MEGA fue muy eficaz, era evidente que se podía hacer más para ayudar a las plantas a mejorar tanto en calidad como en can- tidad las iniciativas para subsanar los defectos existentes. Entre otras medi- das, mejorar la ejecución de iniciativas con el objetivo de mejorar el valor para los clientes, ABB y el personal, en consonancia con el triángulo de

resultados de ABB Full Service

enfoque se ha denominado “asistencia

post-evaluación”

. Esteenfoque se ha denominado “asistencia post-evaluación” Cuadro 1 . La asistencia post-evaluación desarro- lla una

Cuadro 1 .
Cuadro 1
.

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

clientes

4 .
4
.

La fiabilidad en la práctica

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

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

con el método Montecarlo

Cuadro 2 .
Cuadro 2
.

Un factor clave para el análisis de fia-

bilidad es la calidad de los datos de la

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

su análisis y de conseguir información que sirva para resolver los problemas.

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

Los datos de las plantas son un medio perfecto de mostrar lo que funciona y lo que es posible mejorar. Un buen enfoque para iniciar el análisis es localizar los problemas mediante el examen de la frecuencia con que ocurren. La primera herramienta que debe consultarse para disponer de una visión de conjunto es el diagrama de Pareto, en particular los 10 prime- ros puestos. Es un gráfico que sirve para clasificar las oportunidades y

centrarse en las que ofrecen los valo- res mayores. Se aplica la norma clási- ca de 80/20: el 80% de los problemas o de las pérdidas están causados por

3
3

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

Factores propiciadores

Resultados

Factores propiciadores Resultados Liderazgo Estrategia Respeto de la asociación Mantenimiento de la fiabilidad
Factores propiciadores Resultados Liderazgo Estrategia Respeto de la asociación Mantenimiento de la fiabilidad
Factores propiciadores Resultados Liderazgo Estrategia Respeto de la asociación Mantenimiento de la fiabilidad
Liderazgo Estrategia
Liderazgo
Estrategia

Respeto de la asociación

Mantenimiento de la fiabilidad

Operaciones de mantenimiento

Mejora del rendimiento de la planta

Valor y Eficacia y satisfacción eficiencia de del cliente la rentabilidad Seguridad y medio ambiente/
Valor y
Eficacia y
satisfacción
eficiencia de
del cliente
la rentabilidad
Seguridad y
medio ambiente/
Competencia
y motivación

Indicadores del rendimiento

Calidad de la SSM* Gestión del Financiación Contratistas Información personal y costes de materiales
Calidad
de la SSM*
Gestión del
Financiación
Contratistas
Información
personal
y costes
de
materiales
Información personal y costes de materiales Innovación y aprendizaje * SSM: seguridad, salud y medio

Innovación y aprendizaje

* SSM: seguridad, salud y medio ambiente

4
4

Asistencia post-evaluación

El proceso de gestionar el rendimiento Revisión de la evaluación de la planta Full Service
El proceso de gestionar el rendimiento
Revisión de la
evaluación de la
planta Full Service
Identificar y
Alinear con MMMP
(plan maestro de ges-
tión del mantenimiento)
priorizar
oportunidades
Comparar con
Debatir iniciativas
prácticas
concretas
Alinear con KPI
concretos
preponderantes
Desarrollar pasos
Ejecutar,
Mejora
siguientes/plan
mantener,
continua
de “juego”
gestionar

Análisis de fiabilidad

Resultados sostenibles

Diagrama de Pareto en el que se muestran las diez oportunidades de mejora principales en MEGAAnálisis de fiabilidad Resultados sostenibles 160.000 140.000 120.000 100.000 80.000 60.000 40.000 20.000 0 A B

160.000 140.000 120.000 100.000 80.000 60.000 40.000 20.000 0 A B C D E F
160.000
140.000
120.000
100.000
80.000
60.000
40.000
20.000
0
A
B
C
D
E
F
G
H
I
J
Equipamiento
Coste total
Coste ($)

Coste acumulado120.000 100.000 80.000 60.000 40.000 20.000 0 A B C D E F G H I

6
6

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

Antigüedad

Avería (F) o suspensión (S)

(horas)

9.236

F

2.924

S

2.202

F

12.433

F

11.123

F

2.880

F

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

el 20% de los equipos o de los proce-

sos

5 .
5
.

Análisis de fiabilidad: junta mecánica de una bomba de GNL

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

A continuación se realizó una búsque-

da en la base de datos del Computeri-

zed Maintenance Management System

(sistema informatizado de gestión del

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

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

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

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

Función de fiabilidad de la bomba de GNL demostrada mediante el análisis de Weibull (dos parámetros, regresión lineal)empleada para el cálculo de la fiabilidad es la siguiente: 100 95 90 85 80 75

100 95 90 85 80 75 70 65 60 55 50 45 40 35 30
100
95
90
85
80
75
70
65
60
55
50
45
40
35
30
25
20
15
10
5
0
2.000
4.000
6.000
8.000
10.000
12.000
14.000
Antigüedad (horas)
Beta
=
1,42
Vida media = 8.518,08 horas
Eta
= 9.365,56
Precisión
=
90,41 %
Fiabilidad (%) probabilidad de supervivencia
8
8

Análisis de la política de sustituciones

528.29 493.07 457.85 422.63 387.41 352.19 316.97 281.75 246.53 211.32 176.10 140.88 105.66 70.44 35.22
528.29
493.07
457.85
422.63
387.41
352.19
316.97
281.75
246.53
211.32
176.10
140.88
105.66
70.44
35.22
0
2.000
4.000
6.000
8.000
10.000
12.000
14.000
Coste ($/h)

Antigüedad de sustitución preventiva (en horas)

Costes de sustitución:

= Avería = $1.500,000 La política óptima consiste en sustituir a las 649,28 horas

Preventiva

$14.224

El coste de la política optima

asciende a Coste de sustitución Únicamente en caso de avería

$73,72/h

$176.096/h

Análisis de fiabilidad

Resultados sostenibles

9
9

Plan real del American Petroleum Institute (API) instalado en bombas

condiciones del proceso: la presión en la junta será la condición de diseño.

a
a

, y nuevo plan propuesto por el API

b
b

. Pueden cambiar incluso las

a b válvula, normalmente abierta válvula, normalmente cerrada indicador de presión salida salida interruptor de
a
b
válvula, normalmente abierta
válvula, normalmente cerrada
indicador
de presión
salida
salida
interruptor de
indicador de presión
vista del
orificio
presión (bajo)
vista del
extremo de
interruptor de
extremo de
la junta
presión (alto)
fuente de presión,
normalmente
cerrada
la junta
entrada
llenado de liquido,
interruptor de nivel (alto)
normalmente
cerrado
entrada
acumulador
tubería de aletas
(depósito alternativo)
indicador de nivel
depósito
de vejiga
interruptor de nivel
(bajo)
serpentines de enfriamiento
enfriamiento
indicador de
saliente
enfriamiento entrante
temperatura
llenado de liquido,
normalmente
cerrado
drenaje,
normalmente
drenaje,
cerrado
normalmente
cerrado

R t = e -

t

η

β , t > 0

donde:

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

Los datos recogidos del sistema CMMS

se presentan en

bull mostró los resultados del patrón

de fallos que se presenta en

6
6

. El análisis de Wei-

7 .
7
.

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

Después, el equipo de ABB realizó un análisis de costes para determinar el momento óptimo para proceder a la sustitución de una pieza (junta mecá-

se muestra que el momen-

nica). En

to óptimo para sustituir la junta mecá-

nica es a las 650 horas de funciona- miento, lo que representa unos aho- rros por hora de funcionamiento de 103 dólares. Sin embargo, esta fre- cuencia de sustitución se consideró poco práctica, por lo que el equipo de ABB analizó posibles pautas de susti-

8
8

tución en distintos momentos de fun-

cionamiento.

El segundo análisis, realizado a las 4.000 horas de funcionamiento, repre- sentó unos ahorros de 66 dólares por hora de funcionamiento. El equipo lle- vó a cabo después un tercer análisis a las 6.000 horas, con el que se obtuvo

un ahorro en los costes de 46 dólares por hora. Por último, un cuarto análi-

sis a las 8.000 horas supuso unos aho- rros de 36 dólares por hora.

Cuadro 1
Cuadro 1

Asistencia post-evaluación

Una vez que el ABB Full Service de una instalación concluye una evaluación, la asistencia posterior examina los resultados

y las recomendaciones destinadas a mejo-

rar el rendimiento de la planta. A cada planta se le presenta una estrategia perso- nalizada de “hoja de ruta” que refleja sus dificultades propias y las oportunidades de mejora. Después, se consideran las opor- tunidades de mejora siguiendo un plan

lógico paso a paso. En MEGA se empleó este proceso y se abordó una de las con- clusiones de la evaluación: mejorar el enfo- que de la planta en relación con la fiabili- dad. ABB trabajó con las instalaciones de

MEGA para determinar la forma de aplicar

la fiabilidad con vistas a mejorarlas. El

equipo de ABB destinado a las instalacio- nes identificó oportunidades concretas a las que aplicar una iniciativa de mejora

basada en la fiabilidad.

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

que activara la junta mecánica

9 .
9
.

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

Cuadro 2
Cuadro 2

Selección del software de fiabilidad

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

Análisis de fiabilidad

Resultados sostenibles

10
10

Se colocó un dispositivo antivibración

a b
a
b

en el sensor RTD

c
c

para reducir averías del RTD.

a b c
a
b
c

Avería en el cable de RTD debido a las ele- vadas vibraciones que actúan en el sistemab en el sensor RTD c para reducir averías del RTD. a b c La fiabilidad

a las ele- vadas vibraciones que actúan en el sistema La fiabilidad de la modificación se
a las ele- vadas vibraciones que actúan en el sistema La fiabilidad de la modificación se

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

Análisis de Weibull de un compresor de husillo

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

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

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

El equipo de ABB diseñó un dispositi- vo para absorber las vibraciones con

lo que se reducirían los fallos Pero la pregunta seguía en el aire:

¿la modificación ha reducido el modo de fallo por vibración y ha mejorado

10
10
11 .
11
.

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

Con un MTBF anterior a la modifica- ción de 3.042 horas de funcionamien- to, y con un MTBF posterior a la modificación de 5.000 horas, la mejora real es de unas 2.000 horas: un mejora

del 19% en MTBF

ABB controlará la mejora del MTBF y a continuación abordará el modo de fallo más habitual después de éste.

12 13
12
13

. El equipo de

Análisis de fiabilidad de los transductores de temperatura

Los transductores de temperatura (TT) controlan la temperatura en sistemas de automatización sensibles al proce- so. Se seleccionó este equipo como consecuencia de los numerosos fallos que tuvo el año anterior. Los fallos se

presentaron de forma aleatoria (es decir, sin un patrón predominante), lo que hacía difícil realizar mejoras en la fiabilidad.

12
12

Función de fiabilidad del RTD antes de la modificación (empleando el análisis biparamétrico de Weibull de precisión máxima)

modificación (empleando el análisis biparamétrico de Weibull de regresión lineal)

b
b
a
a

y después de la

a

 

b

 
 

100

 

100

95

R 35% = 3.000 Antes de modificación
R 35% = 3.000
Antes de modificación

95

R 35% = 5.200 Después de modificación
R 35% = 5.200
Después de modificación
 

Fiabilidad (%) probabilidad de supervivencia

90

 

Fiabilidad (%) Probabilidad de supervivencia

90

85

85

80

80

75

75

70

70

65

65

60

60

55

55

50

50

45

45

40

40

35

35

30

30

25

25

20

20

15

15

10

10

 

5

 

5

 

0

700

1.400

2.100

2.800

3.500

4.200

4.900

 

0

1.100

2.200

3.300

4.400

5.500

6.600

7.700

 

Antigüedad (horas)

   

Antigüedad (horas)

 
 

Beta

= 0,92

Vida media = 3.042 horas

 

Beta

=

1,00

Vida media = 5.000 horas

Eta

= 2.918,85

Precisión

= 97,13 %

Eta

= 5.000

 

Precisión

=

100 %

Análisis de fiabilidad

Resultados sostenibles

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

los patrones de fallos

Comparación de curvas de fiabilidad. Tras la modificación del sensor RTD, el valor MTBF mejoró en un 19 %.lidad a fin de identificar todos los patrones de fallos 100 80 45 % 60 40

100 80 45 % 60 40 26 % 20 0 RTD original RTD mejorado Horas
100
80
45 %
60
40
26 %
20
0
RTD original
RTD mejorado
Horas de funcionamiento
Fiabilidad (%)
40
100
300
700
1.000
1.500
2.000
3.000
4.000
5.000
6.000
7.000
8.000

Curva de fiabilidad TT1.500 2.000 3.000 4.000 5.000 6.000 7.000 8.000 100 95 90 85 80 75 70 65

100 95 90 85 80 75 70 65 60 55 50 45 40 35 30
100
95
90
85
80
75
70
65
60
55
50
45
40
35
30
25
20
15
10
5
Fiabilidad (%) probabilidad de supervivencia

0

15

30

45

60

75

90

105

 

Antigüedad (meses)

 

Beta

= 3,06

Vida media = 61,19 meses

Eta

= 68,45

Precisión

= 96,39 %

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

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

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

Para competir verdaderamente en un entorno global, una empresa no solamente precisa una elevada disponibilidad de los equipos sino también una alta fiabilidad de los mismos. Puede ser difícil saber qué táctica implantar para la ges- tión de equipos dadas las posibilidades de elección entre intervalos de sustitución, mantenimiento preventivo, frecuencias de inspección, acciones de mantenimiento según la condición, sustitu- ción de equipos primordiales y necesidad de recursos de mantenimiento. La selección del método óptimo de mante- nimiento puede aumentar la probabilidad de conseguir unos costes de explotación

menores y mayores niveles de fiabilidad y disponibilidad, lo que se traduce en una pro- ducción más fiable. El método óptimo puede apoyar iniciati- vas destinadas a proporcionar resultados positivos provechosos para el cliente, el personal y ABB.

14 .
14
.

La simple presentación en un gráfico de los datos propor- cionó algunos resultados sor- prendentes. Se calculó el MTBF a los 61 meses, es decir, unos 5 años. Compa- rando con otros equipos simi- lares de la industria, un MTBF típico se encuentra entre 25 y 150 años. Esto motivó al equipo de ABB a emprender otros análisis. Después de ejecutar más aná- lisis de datos y de probar en laboratorio equipos similares,

se determinó que el proble- ma se encontraba realmente dentro del instrumento y la causa originaria era el diseño del fabricante del equipo ori- ginal (OEM). Este análisis planteó un debate entre MEGA y el OEM que se tradujo en que MEGA recibió un crédito por los fallos anteriores del equipo TT y también proporcionó datos al OEM para fabri- car una versión mejorada.

Fernando Vicente Hector Kessel ABB Full Service ® Buenos Aires, Argentina fernando.vicente@ar.abb.com hector.kessel@ar.abb.com

Richard M.Rockwood ABB Process Automation Full Service, Oil, Gas, and Petrochemical Minneapolis, Minnesota, EE.UU. richard.m.rockwood@us.abb.com

Lectura recomendada Desaegher, J. (2008) “Outsourced maintenance: The ABB Full Service ® solution”. ABB Review Special Report: Process Automation Services and Capabili- ties, pp. 79–83. Kleine, B. “¿Qué es la fiabilidad? Cambio del paradig- ma de fiabilidad”. Revista ABB 1/2009, pp. 34–37.

La alta fiabilidad es una alta prioridad

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

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