La mayoría de los activos de la planta, por lo general maquinaria de bajos caballos y menos critica, comúnmente se monitorean con tecnologías predictivas portátiles.

Del mismo modo, es una decisión fácil para seleccionar soluciones de monitoreo de condición en-línea para el equipo de gran caballaje que son altamente críticos para la operación de la planta. El dilema, a menudo, es determinar el nivel adecuado de monitoreo de condición de los activos que se encuentran en algún lugar entre estas dos clasificaciones.

Por lo general, el ranking de criticidad se utiliza como un criterio en el desarrollo y aplicación de programas preventivos y de predicción en una población amplia de los activos. Los factores ambientales y de seguridad solos a menudo proporcionan la justificación necesaria para una solución de monitoreo de condición en particular. Sin embargo, cuando la seguridad y las consideraciones ambientales no son una preocupación abrumadora, un verdadero análisis de costo/beneficio puede ser útil para apoyar el argumento empresarial para la correcta tecnología del monitoreo de condición para los activos que quedan en el medio del espectro de la criticidad. Este artículo demostrara los métodos basados en el Análisis de Modo de Falla y Efectos FMEA, por sus siglas en inglés) para el análisis de costo/beneficio de las soluciones de monitoreo de condición para activos y grupos específicos de equipos similares que entran en esta categoría. Estos métodos, especialmente cuando se realiza en conjunto con análisis de RCM, ayudan a responder preguntas clave acerca de si o no una propuesta de solución de monitoreo de condición es técnicamente factible y vale la pena.

El Espectro de Criticalidad

Prácticamente todas las operaciones industriales se basan en los equipos considerados fundamentales para sus procesos. Algunas de estas operaciones involucran maquinaria de gran potencia y activos fijos que tienen un impacto significativo en la producción de la planta, y representan altos costos de reparación o consideraciones de seguridad, en el caso de un fracaso. Para estos activos, el monitoreo continuo del comportamiento de los equipos y los indicadores del estado con transductores fijos y los sistemas de protección en-línea se han considerado las mejores prácticas durante décadas. Con un canal dedicado de monitoreo para cada transductor, los sistemas continuos no solo proporcionan funciones de protección, sino permitir un análisis profundo de los parámetros medidos y las capacidades de diagnóstico. Las recomendaciones del Fabricante Original de los equipos (OEM, por sus siglas en ingles), las mejores prácticas del usuario final, las directrices del asegurador industrial, y las normas como API 670 han servido para reforzar estas aplicaciones como práctica estándar para los activos críticos. Además del monitoreo continuo en-línea, las mejores prácticas para los activos críticos también incorporan técnicas periódicas fuera-de-línea, tales como técnicas de análisis del aceite lubricante, termografía infrarroja, análisis de la corriente del motor, y otros.

Hacia el otro extremo del espectro de la criticidad, pero todavía por encima del umbral en el que la estrategia de que "trabaje hasta la falla" (“run to failure”) podría ser considerada, los grupos colectivos de maquinaria de uso general de caballaje más pequeño y los activos fijos se suelen manejar con programas que aplican estas tecnologías predictivas "portátiles" como la estrategia principal. Sobre una base periódica, los datos son recolectados y analizados con la ayuda de los recolectores de datos portátiles de vibraciones, cámaras de termografía infrarroja, muestreo del aceite lubricante y análisis, equipos de detección de ultrasonidos y otras técnicas que proporcionan las indicaciones de la condición de los activos a un costo relativamente bajo por cada punto cuando se aplica a través de una base de activos de tamaño regular. Los datos de la evaluación competitiva de una variedad de industrias dan prueba de que los programas de mantenimiento predictivo, cuando estén diseñados e integrados con las operaciones y actividades de mantenimiento, paga dividendos importantes y recurrentes1. Una de las razones principales para esto es que el mantenimiento realizado según las indicaciones del estado de la máquina suele ser más eficaz y eficiente que el mantenimiento que se basa exclusivamente en las estrategias reactivas o basadas en el tiempo.

La necesidad de Métodos Basados en FMEA de justificación de Costos

Para los bienes de equipo que se sitúan entre estas dos clasificaciones, el nivel adecuado de monitoreo de condición puede no ser una alternativa tan clara. Una buena pregunta a la hora de evaluar una posible solución es "¿cuál es el rendimiento esperado de la inversión y el período de recuperación? La siguiente discusión sobre los métodos basados en FMEA se ofrece para ayudar a responder esta pregunta.

La mayoría de los programas de mantenimiento y confiabilidad exitosos han desarrollado una clasificación de la criticidad global para todos los activos en sus instalaciones. Factores típicos utilizados en la determinación de la criticidad del impacto potencial que podrían llevar a un fracaso:

• Seguridad
• Ambiental
• Producción
• Costos
• Calidad del Producto

Lo que generalmente resulta de este ejercicio es una lista de los activos clasificados en términos de criticidad relativa usando una escala arbitraria como 0 a 10, A/B/C, u otro régimen alfanumérico. Estas clasificaciones se utilizan normalmente para dar prioridad a la dirección de recursos limitados de la administración de activos (tanto de personas como de tecnología), a donde tendrán el mayor impacto. Aunque estas clasificaciones pueden incorporar puntuación numérica y pueden ser más o menos vinculados a las cantidades reales, como el coste, son en su mayor parte cualitativas, es decir, los números se determinan con base en la interpretación subjetiva de las características relativas a los criterios de clasificación establecidos. Esto es totalmente apropiado cuando la tarea es determinar la criticidad relativa de varios miles de piezas individuales del equipo de la manera más eficiente posible.

Los resultados de criticidad desarrollados de esta manera, sin embargo, normalmente carecen de detalles precisos y fiables que puedan apoyar de forma cuantitativa o "absoluta" la determinación de riesgo en términos de probabilidad de un suceso real y la gravedad en términos financieros. Un análisis más científico que determina el riesgo financiero anualizado o el costo probabilístico, es útil para aquellos casos en donde los análisis de costo-beneficio son necesarios para evaluar la viabilidad de las posibles soluciones.

La necesidad del análisis de coste/beneficio es también una parte importante del proceso de la toma de decisiones del análisis del Mantenimiento Centrado en Confiabilidad. Medidas proactivas, incluida la aplicación de monitoreo de condiciones, ha de ser "técnicamente viable" y que "valga la pena de hacer" 2. La solución debe ser eficaz en la reducción de riesgos y costes a un nivel adecuado, y capaz de generar beneficios que superan a los costos para su aplicación. Mediante la aplicación de conceptos de FMEA para ayudarnos a medir el grado de mitigación del riesgo que puede lograrse por una solución posible, y utilizando los resultados en la ecuación costo/beneficio, podemos responder a estas preguntas con mucho más seguridad.

La cuantificación de los costos y el riesgo

El resto de este artículo examinará la forma de expresar el riesgo de tipo probabilístico, determinar el nivel de reducción del riesgo de que se puede lograr mediante la aplicación de soluciones de monitoreo de condición, y pesar estos beneficios contra los costes de implementación de solución en una forma verdadera de un análisis de costo/beneficio en valor presente neto.

Los costos y riesgos que representa un activo para un negocio, en términos financieros, se pueden derivar con varios métodos distintos:

Método A – Datos Históricos

Si los datos históricos están disponibles en un Sistema de Administración de Mantenimiento (CMMS por sus siglas en inglés) que tenga suficiente granularidad para vincular la producción perdida y los costes de mantenimiento de los modos de falla específicos, entonces la determinación de costos de probabilidad puede ser simplemente una extrapolación de la historia coste real de un activo específico de una conjunto de datos, como se muestra en la Figura 1.

Para ampliar la imagen haga clic sobre ella, regrese utilizando su navegador.

Los Costos de la tabla pueden ser fácilmente ordenados por tipo de falla y convertirse en valores equivalentes de costo anual que puede ser utilizado en un análisis de costo/beneficio en valor presente neto de posibles soluciones.

Método B – Estadísticas de Confiabilidad Publicadas

Cuando el historial de costes no está disponible porque un registro exacto no se han cumplido o tal vez la planta todavía no está en operación, el riesgo anual, en términos financieros, todavía se puede estimar a partir de estadísticas de confiabilidad elaboradas por una variedad de grupos de usuarios de la industria y disponible en un número de fuentes publicadas. El riesgo se define como sigue:

Riesgo = Probabilidad x Severidad

Donde:

Probabilidad = la probabilidad estadística de que ocurra el evento
Severidad = consecuencias del evento si llega a ocurrir

La probabilidad es un valor de porcentaje que representa la probabilidad estadística de que ocurra un evento dentro de un tiempo de misión definido. Esto puede ser calculado a partir de la fórmula:

Probabilidad = 1 – e-(t/MTBF)

Donde:

MTBF = Tiempo Medio Entre Fallas
t = tiempo de misión

Para simplificar, en la fórmula anterior, estamos asumiendo una distribución aleatoria de fallas es decir, las fallas no dependen del tiempo-de-operación. Sin embargo, para los modos de fallo que son fuertemente dependientes del tiempo, como la mortalidad prematura o el desgaste, los parámetros de Weibull y Eta Beta se deben utilizar en la función exponencial como se muestra a continuación para dar mayor precisión de cálculo de probabilidad de falla por un tiempo de misión determinado:

Probabilidad = 1 - e-(t/η)β

Donde η = vida característica
β = parámetro de forma

Como los valores para los parámetros de confiabilidad pueden variar ampliamente, algunas bases de datos de confiabilidad publicadas presentan parámetros de MTBF y Weibull, como valores de porcentajes superiores e inferiores así como valores medios. Los valores superiores e inferiores suelen representar el 5% y el 95% de puntos porcentuales dentro del rango de valores de la base de datos. Dado que el 90% de los valores de las base de datos se encuentran entre esos dos límites, los cálculos de confiabilidad que utilizan tanto los límites superiores como los inferiores producirá un rango de probabilidad correspondiente a un intervalo de confianza del 90% o 90% de certeza.

El factor de Severidad que se utiliza en la definición de riesgos, se puede expresar en unidades financieras. Esta es la severidad o el coste esperado para el negocio en la pérdida de producción, mano de obra, gastos de reparación, multas o penas, y la pérdida de calidad de los productos que se producirán si se produce un fallo detectado. Si el tiempo de la misión utilizado en el cálculo de probabilidad es de un año, y luego multiplicar Severidad X Probabilidad se obtiene la probabilidad de gravedad del riesgo o el coste anual de probabilidad anual que representa para la empresa por ese activo o grupo de activos.

Cuando la cuantificación de los costes y riesgos asociados con un activo o un grupo de activos, lo mejor es mirar a los modos de falla dominante de forma independiente. Esto es porque cada modo de fallo tendrá su propia probabilidad asociada y su severidad. El ejemplo de la Figura 2 se obtuvo a partir del análisis de cuatro conjuntos de motores de impulsión de bombas que tenían un nivel intermedio de impacto en la producción de la planta. La Probabilidad de fallo en cualquier año dado (tiempo de misión = horas de funcionamiento necesarios en 1 año) se calcularon de forma independiente para una breve lista de los modos de fallo dominantes utilizando estadísticas de MTBF calculadas por varias fuentes. Las estadísticas del Tiempo Medio de Reparación (MTTR por sus siglas en ingles) se utilizaron para estimar la pérdida de producción y las horas de trabajo de reparación. Multiplicando los valores de probabilidad por la suma de los costes previstos para la pérdida de producción, mano de obra, y las partes asociadas con una posible falla de los rendimientos de los costes conlleva a la probabilidad de costos, o a la exposición anual, que estos activos representan para la empresa.

Para ampliar la imagen haga clic sobre ella, regrese utilizando su navegador.

Tenga en cuenta que varias hipótesis se utilizaron en este ejemplo para mantener los cálculos relativamente simples. En primer lugar, la distribución de los fallos aleatorios (parámetro de Weibull Beta = 1) fue considerado, es decir, la probabilidad de fracaso no depende del tiempo y es básicamente la misma año tras año. Este no será el caso concreto de los modos de falla que presentan fuerte mortalidad prematura o características de desgaste. Además, los valores medios de MTBF se utilizaron, los valores superiores e inferiores límite que representan el 5% y 95% también podrían haber sido utilizados, en su caso, llevando a la obtención de una serie de riesgos anuales que representa el intervalo de confianza del 90%. Las consideraciones financieras debido a la seguridad y el medio ambiente podrían haberse incluido, pero no se aplicaron en este ejemplo.

Método C – Información del Equipo

Cuando el historial de costos o las estadísticas de confiabilidad no están disponibles, otro método puede ser empleado que utiliza la aportación colectiva de los miembros del equipo basándose en su experiencia para identificar los modos de fallo dominante y determinar los costes esperados asociados con ellos. El rango de costo se determina para las tres categorías de fallas tales como "menores", "moderada" y "severa" en términos de pérdida de producción, piezas y mano de obra. Los Modos de falla se clasifican por equipo en términos de ocurrencia, a continuación, las tres clasificaciones de los costos se asignan a cada modo de fallo con coeficientes determinados por el equipo. Se completa el ejercicio de matemáticas al multiplicar los valores y factores de ponderación se obtiene un costo anual para cada uno de los modos de falla identificados que reflejan los datos aportados por el equipo colectivo.3

Una variante de este método, que también se basa en la experiencia colectiva y las aportaciones de los miembros del equipo puede ser usado para estimar el tiempo de reparación. Tres rangos de tiempo están determinados por el equipo, y las probabilidades se asignan a cada intervalo de tiempo para cada modo de falla.4

Desarrollando Factores de Mejora

Ahora que los costos y riesgos de los modos de falla dominante se han determinado y expresados en valores anuales, el siguiente paso es estimar con la mayor precisión posible el nivel de mejora que se puede esperar sobre la base de la capacidad de las soluciones recomendadas para reducir los riesgos. El concepto del Número de Prioridad de Riesgo (RPN, por sus siglas en ingles) es de uso común en FMEA y puede ser empleado en un análisis de antes/después para determinar un factor de mejora para cada modo de falla analizado.

RPN = factor de Ocurrencia x factor de Severidad x factor de Detectabilidad

Donde:

- factor de Ocurrencia describe la frecuencia relativa o la probabilidad de un evento, esencialmente relacionados con el MTBF

- factor de Severidad describe la severidad relativa de los eventos

- factor de Detectabilidad describe la capacidad relativa para detectar el evento de antemano

El cálculo RPN es similar a la expresión de riesgo descrito anteriormente, con excepción del tercer factor de Detectabilidad que es utilizado como un modificador. El factor de Detectabilidad es un indicador de lo bien que podemos detectar el evento con antelación y reducir las consecuencias a través de una acción oportuna. Esto hace el uso del factor de Severidad más directo, clasificándolo basado en las consecuencias de un evento que pudiera pasar sin ser detectados.

Para ampliar la imagen haga clic sobre ella, regrese utilizando su navegador.

Una escala de clasificación genérica de 1 a 10 se utiliza comúnmente para cada uno de los tres factores de RPN con 10 siendo el riesgo más alto, pero la ampliación puede ser personalizada para satisfacer las necesidades específicas de la organización o un análisis particular. La escala de clasificación utilizada debe ser cotejada con las cantidades físicas reales cuando sea posible, como se muestra en la Figura 3. Una nota importante en este momento es que los factores de mejora son una proporción sin dimensión calculado dividiendo el riesgo inicial o valor de RPN por el valor final o esperado de RPN para un tipo de falla en particular. Para seguir siendo válida, el cálculo requiere que los criterios de clasificación se aplicarán de manera uniforme en todo el análisis. Además, la escala de clasificación debe ser diseñada de forma que un cambio proporcional en uno de los factores RPN equivalga a la misma variación proporcional en una cantidad física, como los costes (Severidad), tasa de fracaso (Ocurrencia), o el porcentaje de fracasos que no son detectadas (Detectabilidad).

Para ampliar la imagen haga clic sobre ella, regrese utilizando su navegador.

Los pasos siguientes describen el proceso para determinar factores de mejora y completar el análisis:

1) Determinar el RPN Inicial

El RPN inicial debe ser calculado observando los modos de falla dominantes para el sistema/activo en cuestión. Para los cuatro conjuntos de bomba revisados en la figura 4, se desarrollaron los FMEA abreviada y unos valores iniciales RPN basados en los modos de fallo dominante. Los valores iniciales RPN mostrados se basan en las consecuencias, la frecuencia y la detectabilidad de falla basados en el mantenimiento que se aplica actualmente y la estrategia de confiabilidad de estas máquinas.

2) Calcular los RPN revisados

En el ejemplo de los cuatro grupos de bombas, los valores de RPN revisados se calcularon sobre la base de los beneficios de la aplicación de un escaneo de una condición de monitoreo en línea. Esta tecnología aprovecha la instalación permanente de transductores de bajo costo y procesa entradas variables conectadas a un sistema anfitrión a través de una arquitectura de red distribuida con capacidad inalámbrica. El sistema circula automáticamente a través de la arquitectura de punto, recolectando datos a intervalos de tiempo lo suficientemente corto como para ser considerado "casi continuo" en la mayoría de los casos. Aplicado a una variedad de maquinaria de rotación y fija, la tecnología de escaneo representa una solución menos costosa donde se requiere un seguimiento permanente y aporta muchos beneficios normalmente asociados con los sistemas continuos en-línea:

• Detección temprana de fallas potenciales
• Repetibilidad de datos
• Monitoreo en tiempo real de la condición y de los parámetros del proceso por los Operadores
• Toma de muestras automatizada segura de datos de puntos de medición peligrosos o de difícil acceso
• Capacidad de diagnostico profundo

Cada uno de los factores que componen el cálculo de RPN fue re-clasificados para cada modo de falla basado en la mejora de la situación. Como se muestra en la tabla en la figura 5, la reducción más pronunciada en RPN se puede ver en los factores de detectabilidad para fallas de cojinetes y sellos. También note una mejora gradual en el factor de Ocurrencia, así como para estos mismos modos de fallo dominante.

Severidad - Como se muestra en la Figura 5, el factor de Severidad permanece sin cambios. Tenga en cuenta que el factor de Severidad, tal como se aplica aquí, es una clasificación de las consecuencias relativas de falla si permanece sin ser detectada. La capacidad para reducir el riesgo general a través de la detección temprana es plenamente representada por el factor de detectabilidad. Algunos ejemplos de acciones que pueden mejorar el factor de Severidad, aunque no considerados en este modelo en particular, es el de agregar redundancia de equipos para minimizar el impacto sobre las operaciones y la optimización de planes de reparación y procedimientos para minimizar el costo y la duración de tiempo de inactividad forzado.

Ocurrencia - Este ejemplo también muestra cómo los beneficios de la tecnología del escaneo del monitoreo de condición en-línea no se limita a la detectabilidad. Mejoras incrementales en los factores de Ocurrencia de estas mismas fallas dominantes se muestran en la Figura 5. El factor de Ocurrencia está directamente relacionado con MTBF. Hay una serie de factores que repercuten MTBF, incluyendo el diseño de los activos, servicios y prácticas de mantenimiento. Una buena alineación, balanceo, y las prácticas de lubricación en general, contribuyen al MTBF extendido.

Las Prácticas del operador también pueden impactar dramáticamente en MTBF. El funcionamiento de una máquina en una carga o un régimen de velocidad en detrimento del estado de la máquina acortaran su vida - algo que normalmente ocurre cuando los operadores no pueden ver en "tiempo real" cómo sus acciones afectan el comportamiento de la máquina. Esto es especialmente cierto con los conjuntos de bombas, donde los operadores pueden ejecutar inadvertidamente una bomba mas allá de su punto de diseño y, sin saberlo, inducir a la cavitación que acelerará al impulsor, cojinetes, y desgaste del sello (como en el ejemplo de la bomba mostrado en la Figura 5). La tecnología del escaneo en-línea del monitoreo de condición, permite una observación en tiempo cuasi-real, permitiendo a los operadores ver los resultados de sus acciones y aprender a manejar sus activos de manera más segura y saludable. Al igual que la mejora del balanceo, la alineación y las prácticas de lubricación hacen, el mejorar las prácticas de Operaciones extienden la vida de la maquinaria, lo que resulta en un cambio positivo en MTBF con en el tiempo.

Otra ventaja de permitir a los operadores que puedan observar el comportamiento de la maquinaria en tiempo real, es evidente cuando una máquina arranca después de una revisión. Los Operadores reciben notificación casi instantánea de la nueva “referencia” de condición de esa máquina tan pronto como se presione el botón de arranque. En el caso de un problema con la alineación, balanceo, o problemas generados por el montaje incorrecto de la maquina, los operadores de inmediato sabrán que hay un problema. Sin tener que confiar en el equipo de mantenimiento predictivo para tomar datos sobre arranque de máquinas, los operadores pueden empezar a adoptar medidas para evitar poner horas de operación en una máquina problemática y que la situación sea corregida rápidamente. El resultado final es que las máquinas estarán operando con menos fallas de funcionamiento, aumentando aún más MTBF de la población a través del tiempo. Esto es mucho mejor que la alternativa de operar una máquina con un mal funcionamiento, como la alineación o un problema de acoplamiento de montaje, que conducirá a un fracaso prematuro.

Detectabilidad - Este ejemplo también muestra que cuando los riesgos asociados a los modos de falla del activo demanda un monitoreo más profundo del que puede ofrecer un programa típico de recolector de datos portátil, la tecnología del escaneo del monitoreo de condición en-línea ofrece varias ventajas:

• Recolección de datos Cuasi-continua
• Repetibilidad de Datos
• Correlación de datos y capacidad de diagnóstico a profundidad

Un breve análisis del intervalo de P-F es útil para entender estos beneficios y el nivel de mejora que se puede lograr con la tecnología de monitoreo de condición en-línea. El intervalo P-F suele interpretarse como el tiempo (u otra unidad de medida tal como horas de operación) de cuando una posible falla (P) se puede detectar primero a cuando una falla funcional real (F) occure5.

Como se muestra en la Figura 7, la regla de oro para el muestreo de datos periódico es que no debe ser mayor que la mitad del intervalo de P-F. El peor caso deja tiempo para el muestreo de datos periódico de esta manera no sería mayor que la mitad del intervalo P-F. El plazo medio sería aproximadamente ¾ del intervalo P-F.

El Error en la comprensión del intervalo de P-F y la variabilidad natural debido a circunstancias fuera del control del analista/recolector de datos hace que este enfoque sea una ciencia imperfecta. Para la mayoría de las aplicaciones de maquinaria de uso general, alguna perdida puede ser aceptable. Sin embargo, cuando las fallas no detectadas son demasiado costosas e inaceptables para el negocio, los beneficios proporcionados por la tecnología en-línea es mucho más visible. La Vibración y los datos variables del proceso se muestran casi continuamente con esta tecnología, por lo que la detección de las fallas potenciales será casi siempre en el punto "P". Todo lo demás es igual, esto representa una mejora del 33% en el tiempo de espera promedio contra el muestreo de datos portátil de programas de caminatas de reconocimiento (ver Figura 8). Esto también elimina la preocupación sobre que tan bien el intervalo P-F fue estimado en primer lugar y la desviación de tiempo de falla real del intervalo estimado. Otra consideración importante es que los transductores fijos utilizados por la tecnología del escaneo en-línea también ofrece datos muy precisos y constantes para propósitos de tendencias. Esto elimina datos "anómalos" que resultan de la lectura altamente variable de los aparatos portátiles, mejorando entonces la detectabilidad.

En este ejemplo, en comparación con una estrategia periódica de recolección de datos o en una máquina totalmente sin monitoreo, la suma total de los beneficios proporcionados por la tecnología del escaneo de monitoreo de condición en-línea en gran medida disminuye el factor de detectabilidad en el cálculo RPN.

El factor de detectabilidad inicial (y los otros dos también) debe basarse en el escenario de "referencia" deseado con el fin de hacer comparaciones. Por ejemplo, la detectabilidad inicial puede basarse en una máquina no monitoreada. O podría ser sobre la base de una máquina ya cubierta por un programa de muestreo de datos periódicos, por lo tanto, este enfoque daría directamente el análisis coste-beneficio de la solución del escaneo en-línea sobre el programa periódico actual para esa máquina.

3) Calcular los Factores de Mejora

Los Factores de Mejora se calculan como sigue para cada modo de fallo dominante (vea la Figura 5):

Factor de Mejora =
RPNinicial/RPNrevisado

El factor de mejora es una cantidad adimensional. Como se dijo antes, las escalas de clasificación utilizada para el cálculo de RPN debe aplicarse de manera consistente durante todo el análisis para que resulte en Factores de Mejora válidos. Las escalas de clasificación deben ser lineales, significando un cambio proporcional en cualquiera de los factores RPN debe corresponder a un cambio correspondiente equivalente a una métrica cuantitativa (por ejemplo, una reducción en el factor de Ocurrencia 8-4 corresponde a una reducción del 50% en la tasa de fracaso, o una mejora de 2X de MTBF mirando a la inversa).

4) Ahorros Derivados del Costo Anualizado y reducción de riesgos

Ya que los factores de mejora se calculan individualmente para cada uno de los modos de falla dominante, pueden ser aplicados al perfil de costo/riesgo desarrollado previamente para cada modo de fallo. El costo original o el valor de riesgo anual se divide por el factor de mejora para calcular un nuevo costo o valor de riesgo que representa el costo probabilístico nuevo. La diferencia entre el valor de costo/riesgo original y el nuevo valor de costo/riesgo representa el ahorro anual o la reducción del riesgo que se puede esperar por la aplicación de la solución propuesta (véase la Figura 9).

5) Desarrollar el análisis del Valor Presente Neto

Ahora que el estimado de la reducción de ahorros/riesgo anual se han calculado, la comparación del coste de aplicación de la solución con beneficios estimados se puede realizar en un análisis de Valor Presente Neto (NPV, por sus siglas en inglés). Este es un cálculo sencillo que da valor actual neto, tasa de rendimiento, y el periodo de recuperación, teniendo en cuenta el valor temporal del dinero (costo de capital).

El costo de la aplicación de la solución debe basarse en el suministro de una solución que coincida con el nivel de costo/riesgo y la reducción utilizada en RPN y los cálculos del Factor de Mejora. En otras palabras, la solución debe centrarse en los modos de falla dominantes determinados y reducir los costos y riesgos, modelado en el FMEA. Una solución de bajo precio, que no aborda adecuadamente los modos de falla dominante tendrá una recuperación pobre. Del mismo modo, una solución de alto precio que ofrece, a un costo adicional, más características y funciones que no afectan los factores de RPN también pueden tener resultados más pobres de recuperación. La justificación de costo basada en métodos de FMEA descritos en este artículo permite el análisis "que pasaría si" y la capacidad de hacer comparaciones para determinar el nivel de la solución que proporciona rendimiento óptimo de la inversión.

El diagrama de flujo de efectivo en la Figura 10 es un ejemplo de parte de la producción de un análisis NPV. El diagrama muestra un período de amortización de 1.7 años, basado en el costo anualizado de reducción de riesgos de aproximadamente 20.000 dólares y una inversión inicial de alrededor de 30.000 dólares para implementar la solución.

Conclusion

Los métodos de análisis costo/beneficio basados en FMEA descritos en este artículo ayudan a articular la justificación financiera, cuando existe, para implementar las soluciones de monitoreo de condición para reducir costes y mitigar los riesgos. Como se pide en el proceso de toma de decisiones del análisis de RCM, la adopción de medidas proactivas, tales como soluciones de monitoreo de condición deben ser tanto técnicamente viables como que valgan la pena. Al mirar el costo inicial y el riesgo asociado con los modos de falla dominante, y abordar la cuestión de los costos y la reducción del riesgo que se puede lograr por la tecnología, un análisis válido de costo/beneficio puede ser realizado que ayuda a responder preguntas acerca de la efectividad de la solución y el valor, y hacerlo en las unidades financieras que se utilizan habitualmente para evaluar proyectos competitivos.

El ejemplo utilizado en este artículo también trae a la luz muchos de los beneficios de la tecnología del escaneo del monitoreo de condición en-línea. Esto incluye la Detectabilidad mejorada sobre los programas de rondines de inspección donde un monitoreo del estado de la maquinaria necesita ser más profundo del que puede proporcionar un programa periódico de muestreo de datos periódicos. El ejemplo utilizado mejora la Ocurrencia (reducida), basándose en que los operadores puedan mejorar las prácticas de Operación y prolongar la vida de la maquinaria, dándoles tiempo real de los indicadores de comportamiento de la máquina y la condición.

Para reflexionar: Los métodos de justificación de costos basados en FMEA descritos en este artículo pueden ser extendidos y ampliados para evaluar otras soluciones, independientemente de si están basados en la tecnología, mejores prácticas, o combinaciones de ambos.

Rob Bloomquist tiene más de 20 años de experiencia en la entrega de soluciones de confiabilidad y cuidado de activos para las industrias de la generación de energía y de procesos, y actualmente es Gerente de Capacitación de Servicios de confiabilidad para GE Energy. Su experiencia incluye la especificación y desarrollo de programas de monitoreo de condición, el desarrollo de soluciones de confiabilidad y ejecución, análisis de vibraciones, alineación y balanceo de la maquinaria, y la capacitación de los clientes en confiabilidad y monitoreo de condición. Rob tiene una licenciatura en Ingeniería Mecánica otorgado por la Universidad Estatal de California, Chico y es un ingeniero profesional en el Estado de Colorado. Rob es un profesional certificado de mantenimiento y confiabilidad por la organización SMRP.

Referencias:

1. DiStefano, Robert, The Business Case for Reliability
2. Moubray, John, Reliability-centered Maintenance RCM-II, 2nd Edition, Industrial Press, 1997.
3. Troyer, Drew, Demonstrating Financial Benefits from Equipment Reliability Projects, Process and Power Plant Reliability Conference, Houston, TX, 2001
4. Andrews and Moss, Reliability and Risk Assessment, 2nd Edition, ASME Press
5. op. cit. 2