Seminario web ABB – Optimización de CBM

Este seminario está dedicado a la optimización de CBM (Condition Based Maintenance – mantenimiento basado en la condición).  Este es un tema de gran interés en la industria, y sus clientes seguramente lo comparten. De hecho, muchos de ellos realizan actividades de CBM. Pero,

¿están logrando adecuadamente sus objetivos de CBM? Esta es la pregunta que queremos contestar. 

En otras palabras,

¿están interpretando los datos de CBM de manera óptima, y actuando consecuentemente?

Este seminario pretende presentar una metodología dirigida precisamente a asegurar un mejor aprovechamiento de los datos de CBM, y a construir

Políticas óptimas de decisión en CBM.

Slide 1

El seminario se divide en dos secciones:

1. En la primera parte se presenta muy brevemente la base teórica de CBM.

2. En la segunda parte demostraremos, mediante dos ejercicios, cómo construir y desplegar una política óptima de decisión en CBM.

Slide 2

CBM, que también es conocido como Mantenimiento Predictivo (MPd), es a veces erróneamente llamado monitoreo de condición. CBM implica decisiones y acciones de mantenimiento, a partir de información acerca de la condición del equipo. CBM tiene el único objetivo de:

Detectar una falla potencial con cierta anticipación, de modo de permitir reducir las consecuencias de fallas funcionales, a un costo razonable.

Una falla potencial ocurre cuando hay una clara indicación que se ha iniciado el proceso de falla. Al intentar detectar o declarar una falla potencial, se corren los riesgos de:

1. Declarar la falla potencial muy anticipadamente (perdiendo “vida útil” del equipo), y

2. Declarar la falla potencial tardíamente (no dejando tiempo para planificar acciones de mantenimiento).

¿Qué metodología puede ayudarnos a declarar la falla potencial en el momento óptimo? O, mejor dicho ¿Qué método existe para guiarnos hacia la operación de un programa de CBM al nivel de riesgo adecuado?

Slide 3

Esta figura muestra los efectos de políticas muy conservadoras, o en el otro extremo, muy arriesgadas, en programas de CBM.

Es interesante ver que una política conservadora (a la izquierda en el gráfico) tiene un alto costo y una baja disponibilidad, pues bajo este escenario se tiende a actuar apresuradamente (entrar en pánico?) cuando aparecen algunas lecturas altas en nuestros datos de CBM.

Por el contrario, cuando somos más arriesgados, eventualmente desestimaremos muchas alarmas e igualmente incurriremos en altos costos y bajas disponibilidades, ahora no producto de exceso de prevención, sino por mayor ocurrencia de fallas.

Por lo tanto, la pregunta es ¿en qué nivel de riesgo queremos operar? (y obviamente cómo fijamos los límites de acción de forma que reflejen este nivel de riesgo).

Slide 4

La definición de una política óptima de CBM necesariamente debe incluir un procedimiento automatizado de interpretación de los datos de condición. Cada vez más datos están disponibles, a medida que aumenta nuestra capacidad de captarlos; y nadie tiene el tiempo necesario para revisarlos caso por caso.

EXAKT cumple el rol de AGENTE DE DECISION (WATCHDOG). Este agente debe ser capaz de: (i) recoger datos de múltiples fuentes (e.g. PLCs, bases de datos, CMSS), (ii) filtrar estos datos (determinar cuáles son realmente importantes), y (iii) en base a ellos entregar una decisión. La idea es que cada vez que un nuevo set de datos provenientes de alguna inspección se hace disponible, el agente despierte y genere una decisión, que el CMMS se encarga de convertir en acción.

La figura ilustra este proceso, que es la forma en que esperamos funcione un programa integral de CBM.

Slide 5

Ahora, ¿por qué esto no ocurre habitualmente?

El conocido intervalo P-F (término usado por Moubray, ver figura al lado izquierdo de la lámina) de una manera muy simple pretende explicar el requerimiento por un programa de CBM: el deterioro del equipo con la edad se refleja en una disminución de su resistencia a fallar. Si somos capaces de detectar que este proceso está ocurriendo, entonces podremos tomar las acciones preventivas necesarias antes de que el equipo llegue a un estado de falla funcional.

Lo anterior no sería muy complicado si la condición del equipo (datos de CBM) sigue una tendencia “ideal” (creciente y monotónica), donde el nivel de alerta es identificable y en este caso representado por las líneas horizontales de color rojo.

Sin embargo, como muchos de nosotros hemos apreciado en la práctica, los datos normalmente presentan variaciones aleatorias o tendencias contradictorias, difíciles de interpretar (gráficos al extremo derecho de la lámina).

Slide 6

Como mencionamos al inicio de la presentación, CBM no sólo se refiere a la adquisición de datos. Por el contrario, CBM implica interpretación de esos datos, su organización y despliegue para la toma de decisiones.

El objetivo de la etapa de procesamiento de señales es filtrar la información de modo de conservar sólo la que refleja el estado del equipo y su grado de deterioro respecto de un modo de falla determinado.

Finalmente, una vez que hemos procesado la información, aún tenemos que determinar cuándo declarar la falla potencial, es decir, cuál es el nivel de riesgo adecuado.

Este tercer paso normalmente no se encuentra bien definido en programas de CBM.

Slide 7

EXAKT es una herramienta basada en un modelo proporcional de riesgo que permite al usuario identificar qué datos de condición son significantes en el riesgo de falla del equipo. A partir de este modelo de riesgo, genera políticas de decisión.

Una política de decisión de EXAKT esta representada en el gráfico verde-amarillo-rojo de la figura. El eje Y del gráfico es un indicador obtenido a partir de la ponderación de los valores de las variables significativas (e.g. contenido de ciertos metales en el aceite) identificadas en el modelo. El eje X es la edad del equipo (medida en alguna unidad de interés, como horas de operación, número de ciclos, etc.).

La construcción del gráfico incorpora factores que afectan la forma y posición de los límites de decisión.  La razón entre el costo de falla y el costo de una acción preventiva, por ejemplo, es uno de estos factores (en esto se basa la decisión en la versión actual de EXAKT).

Ahora revisaremos dos ejemplos para familiarizarnos con la estructura y conceptos detrás de EXAKT y su funcionamiento.

Slide 8