Material adicional para el Seminario

“Optimización de Mantenimiento Basado en la Condición usando EXAKT”

9 de Septiembre de 2004, 3:00pm - 5:00pm EST

 

 

 

1. TASA DE FALLA (HAZARD RATE):

 

EXAKT utiliza la siguiente expresión para representar la tasa de falla,

 

.

 

Ello implica que la tasa de falla no solamente depende de la edad del componente, sino también del valor de Z (indicador ponderado de las covariables consideradas en el modelo, de acuerdo a valores observados a esta edad). Naturalmente, mientras mayor sea el valor de Z, mayor será la tasa de falla. Es importante recalcar que la línea de base (baseline hazard, h₀) está dada por una distribución Weibull, y que Z es función de la edad del componente (t).

 

 

2. CURVA LIMITE DE DECISION (BOUNDARY CURVE):

 

La curva límite de decisión corresponde a la tasa óptima de falla (h^*). En otras palabras, todos los puntos de la curva tienen el mismo valor h^*. En el gráfico de ejemplo presentado en la diapositiva #8 del seminario, se puede apreciar que a edades reducidas del componente, el valor de Z debe ser mayor, para obtener la misma tasa de falla que a edades avanzadas. De hecho, si t=0, cualquier valor de Z nos dará una tasa de falla igual a cero (i.e. para tener el mismo nivel h^* en t=0, Z debe ser infinito). Esto no significa que vayamos a tener un valor infinito de Z en realidad. La curva límite de decisión solamente divide el espacio (t, Z) en dos regiones. Entonces, si el punto (t₀, Z₀) correspondiente a las mediciones en t=t₀ cae en el área sobre (bajo) la curva, entonces la decisión óptima es efectuar (no efectuar) la acción de mantenimiento.

 

 

3. CRITERIO DE DECISION:

 

El criterio de decisión usado en la versión actual de EXAKT es el costo asociado al riesgo de falla. Cuando un ingeniero debe tomar decisiones bajo escenarios estocásticos o probabilísticos (como lo es la falla de equipos), debe gestionar riesgos. En nuestro caso, estos riesgos son básicamente dos: (i) el riesgo de que el equipo falle antes de la próxima inspección (o MP), lo que conlleva consecuencias de falla que pueden ser cuantiosas (C_f); y (ii) el riesgo de reemplazar o mantener el equipo muy tempranamente, perdiendo vida útil aún disponible e incurriendo en costos “innecesarios” (C_p). No hay forma de evitar estos riesgos, por lo tanto, debemos concentrarnos en escoger una política de decisión “óptima”, de acuerdo a algún criterio de optimización. Ejemplos de estos últimos son costos, disponibilidad, confiabilidad, etc.

 

Tal como mencionamos anteriormente, EXAKT actualmente usa la minimización de costos como base de optimización. El costo esperado depende tanto de los valores de los parámetros de costo (típicamente C_p y C_f) como de los dos riesgos descritos en el párrafo anterior. El CBM Laboratory de la U. de Toronto está muy interesado en incorporar otros criterios de optimización en EXAKT (como un máximo nivel aceptable de riesgo de falla, o disponibilidad). Sin embargo, hasta la fecha ninguno de los estudios de caso desarrollados en conjunto con nuestros socios industriales ha demandado un criterio de optimización distinto a la minimización de costos.

 

 

4. DATOS REQUERIDOS POR EXAKT:

 

EXAKT requiere al menos dos tipos de datos: información de monitoreo de condición (inspections data) e información de eventos de mantenimiento (events data). Los primeros están usualmente disponibles en grandes cantidades en aplicaciones industriales, y su incorporación en modelos proporcionales de riesgo (PHM models) no presenta mayores dificultades. Los datos de eventos, por el otro lado, se refieren a todas las otras ocurrencias significativas en el ciclo de vida del activo analizado. Por ocurrencias significativas nos referimos principalmente a los siguientes tres eventos:

 

(i)                   el COMIENZO de un ciclo (Beginning, B, en EXAKT) i.e. la fecha en que el componente fue instalado o sometido a un overhaul,

(ii)                 el FIN por FALLA de un ciclo (EF en EXAKT) i.e. la fecha, edad y modo de falla para cada ocurrencia, y

(iii)               el FIN por SUSPENSION de un ciclo (ES en EXAKT) i.e. la fecha y edad en cada fin de ciclo que haya terminado por cualquier otra razón que no sea falla (usualmente reemplazo preventivo).

 

Los tres eventos anteriores son los mínimos requeridos por EXAKT para generar una política de CBM. Adicionalmente, hay una gran variedad de otros eventos que pueden impactar los datos obtenidos por monitoreo de condición (CM) o la resistencia a la falla de un equipo. Por ejemplo, una calibración es un evento que en EXAKT puede ser modelado como una “reparación mínima” (también llamadas “as-bad-as-old repairs”). Una reparación mínima reemplaza uno o pocos componentes de un sistema compuesto por muchos, o no reemplaza ninguno (sino solamente realiza un ajuste), de modo que puede resetear algunos valores de CM, pero no afecta mayormente la resistencia del equipo al modo de falla de interés. Un ejemplo de este tipo de eventos es el cambio de aceite en un motor: los valores de los metales contenidos en el aceite inmediatamente después del cambio se resetean a un valor inicial, pero el motor sigue teniendo el mismo riesgo de falla que tenía en el instante antes del cambio.

 

El modelo en EXAKT requerirá que la información (fechas y edad) de todos los eventos de reparación mínima sea ingresada si está disponible, para lograr mayor precisión. Otros eventos podrían afectar tanto a los datos CM como la resistencia a la falla de los equipos. Si el usuario lo estima conveniente, ellos pueden ser también ingresados en el proceso de modelación. Un ejemplo de estos últimos puede ser el cambio de combustible en una turbina, desde gas natural a fuel oil, que generaría mayor esfuerzo en algunos componentes.

 

En nuestra experiencia, los datos de eventos se encuentran poco estructurados o incompletos, en muchas aplicaciones (uso eficiente de CMMSs debiera reducir este problema). Ello implica que parte importante del proceso de modelación en EXAKT esté dedicado a filtrar o limpiar los datos disponibles.

 

Una vez que los datos han sido validados, se está en condiciones de iniciar la construcción de los modelos PHM. Estos modelos correlacionan los datos de eventos con los datos de CM, y son capaces de identificar cuáles variables (mediciones, edad) son significativas en la ocurrencia de cada modo de falla.

 

 

5. VIDA UTIL REMANENTE (REMAINING USEFUL LIFE):

 

EXAKT calcula la vida remanente del activo analizado, a partir de la información disponible (edad y valores de las variables de CM). Este cálculo es de gran utilidad para el personal de mantenimiento en la toma de decisiones. Para predecir la VUR, es necesario conocer primero el perfil completo de valores de las variables de CM hasta el momento de la falla. Luego se debe usar el modelo de PHM ingresando dichos valores. No debemos olvidar que el proceso de falla es un modelo proporcional de riesgo con base Weibull, por lo que la estimación de la VUR es bastante compleja. De partida, no podemos conocer los valores futuros de las variables de CM (i.e. de Z), sino que debemos predecirlos de alguna manera. Detalles del proceso de predicción serán cubiertos en los ejercicios desarrollados durante el seminario (Tutorial 1).