Análisis predictivo:desbloquear valor más allá del mantenimiento

¿Está obteniendo beneficios reales de su programa de análisis predictivo? La mayoría de los programas de análisis predictivo reemplazan los programas de mantenimiento predictivo basados en vibraciones. enfocado en la misión singular de prevención de fallas. Desde el inicio de los recolectores de datos basados en microprocesadores en 1980, menos del tres por ciento (3%) de estos programas han resultado en ahorros verificables que compensen su costo recurrente.

En general, estos programas han pregonado una reducción del tiempo de inactividad no planificado, pero en todos los casos aumentaron el tiempo de inactividad planificado necesario para evitar las fallas pendientes percibidas. La mayoría de estos programas han aumentado el tiempo de inactividad general por mantenimiento, así como los costos generales de mano de obra y materiales de mantenimiento. Si bien pueden existir beneficios aparentes, estos programas han demostrado ser contraproducentes. No por limitaciones tecnológicas, sino por un uso inadecuado de estas tecnologías.

Tres factores principales han limitado y están limitando los beneficios que ofrece el análisis predictivo. podría proporcionar, que son: 

• Centrarse en la prevención de fallas predetermina que no generará resultados positivos. Si eso es lo que desea, eso es lo mejor que puede esperar lograr, y la prevención de fallas no hace nada para mejorar la confiabilidad o reducir los costos. 
• Restringir el análisis predictivo al mantenimiento y las deficiencias de mantenimiento:los datos muestran que el 17 % de las fallas de activos son el resultado de problemas de mantenimiento, la mayoría (83 %) son el resultado de otras deficiencias dentro de la organización. Ampliar el alcance para incluir factores causales, como el modo de operación en el análisis, no solo ayudará a comprender las funciones forzadas detrás de las fallas, sino también a identificar deficiencias que degradan la confiabilidad y aumentan los costos operativos.
• Omitir activos de flujo de valor del programa:condicionados por proveedores de tecnología, los programas de vibración abarcan activos giratorios simples, termografía para equipos eléctricos y análisis de aceite lubricante como respaldo para la vibración. La omisión flagrante son los activos que generan ingresos:activos que no son simples, pueden no ser dinámicos, pero sin ellos la empresa no puede sobrevivir.

El análisis predictivo no es sólo mantenimiento, tampoco es un mero reemplazo del mantenimiento predictivo. No tiene limitaciones. El análisis predictivo es aplicable a cualquier actividad recurrente, ya sea un activo físico. , un sistema de producción o el departamento de finanzas de su organización. En este artículo, limitaremos la discusión a los activos físicos y cómo el análisis predictivo, basado en la dinámica operativa, puede permitir la capacidad de obtener y mantener un rendimiento óptimo de sus activos.

Si desea obtener un rendimiento óptimo, confiabilidad y vida útil económica de sus activos, únase a nosotros en este enfoque esclarecedor hacia un verdadero análisis predictivo que funciona. En lugar de centrarse únicamente en la prevención de fallas, centrarse en sostener el flujo de valor y los activos auxiliares críticos en su diseño o en sus condiciones óptimas de operación no solo reducirá las fallas, sino que al mismo tiempo prolongará su vida útil económica y reducirá el costo total de propiedad de la organización. Ésta es la única forma eficaz de obtener un rendimiento óptimo del capital invertido, así como de generación de ingresos.

Introducción

Un factor común que impulsa el fracaso de estos programas heredados es su fijación en los modos de fracaso de los activos de capital, en lugar de en los factores causales detrás de ellos. Un ejemplo sencillo es identificar un rodamiento defectuoso y una acción correctiva para reemplazarlo. Pero sin hacer la pregunta obvia de qué causó que el rodamiento fallara, es una profecía autocumplida, destinada a fallar.

Incluso si las fallas físicas fueran la razón principal que genera el tiempo de inactividad y los altos costos de mantenimiento, este enfoque simplemente no puede resolver el problema. Hasta que su atención se centre en los factores causales subyacentes que reducen la confiabilidad, la vida útil económica y, por lo tanto, aumentan los costos operativos y los gastos de capital de mantenimiento, condenará el programa de análisis predictivo al fracaso absoluto. 

Un ejemplo de un enfoque basado en fallas fue una gran acería integrada que implementó un programa de mantenimiento predictivo por contrato para la acería. Antes de que comenzara el programa, la planta tenía paradas no programadas y altos costos de mantenimiento. Después de seis años de inicio del programa, informaron reducción del tiempo de inactividad no programado en un 35%.

Un resultado exitoso, ¿verdad? No cuando nos fijamos en el cambio real ocurrido durante esos seis años. Es cierto que su tiempo de inactividad no programado fue menor, pero su tiempo de inactividad planificado (para reemplazar los rodamientos, engranajes y otras piezas de desgaste que se percibían en mal estado) aumentó en un 65 %.

El otro cambio notable fue el costo de mantenimiento año tras año. Los costos totales de mano de obra y materiales aumentaron en más del 80%. El costo de reemplazo de cojinetes aumentó de $2,4 millones a $14,7 millones, los engranajes y otras piezas de desgaste siguieron patrones similares. 

Los fracasos no son la norma. Los activos diseñados para ser confiables, operarse consistentemente dentro de los límites de diseño y recibir un mantenimiento adecuado seguirán siendo confiables mucho más allá de su vida útil. El problema con el análisis predictivo impulsado por fallas es no reconocer que la forma en que operamos y mantenemos los activos puede convertirse en una profecía autocumplida. Creamos desgaste acelerado, inducimos condiciones operativas anormales que aceleran el desgaste y luego posponemos el mantenimiento sostenido que al menos mitigaría el daño.

La solución

Resolver las limitaciones del análisis predictivo no es tan difícil, al menos desde un punto de vista técnico. Las tecnologías predictivas clásicas no son una limitación. Cuando se utilizan eficazmente, proporcionarán los medios para lograr resultados positivos.

La acería es un buen ejemplo. Cuando su programa pasó de un análisis basado en fallos a un verdadero análisis predictivo, el cambio fue casi inmediato. En menos de un año, los costos de materiales de mantenimiento se redujeron a menos de $2 millones.

Usando el rodamiento como ejemplo, el nuevo programa se centró en los factores causales detrás de las fallas reportadas en los rodamientos e implementó acciones correctivas para eliminarlas. La eliminación del factor causal eliminó inmediatamente la falla crónica prematura que elevó el costo y los costos de reemplazo se desplomaron.

En el segundo año, los costes de los rodamientos y otras piezas de desgaste disminuyeron aún más. Una reducción del 60 % en los costos de mantenimiento llevó a la planta a producir consistentemente a un ritmo un 30 % mayor que antes del cambio de enfoque. 

El éxito de su programa de análisis predictivo debe considerar la dinámica operativa de los activos, sistemas y procesos que componen la planta. Debe considerar las limitaciones inherentes al diseño, los modos de operación y el nivel de mantenimiento sostenido que definen su dinámica. 

Otro ejemplo de la diferencia entre análisis predictivo impulsado por fallas y verdadero involucra setecientas bombas de lodo en una refinería. La refinería contaba con un programa de mantenimiento predictivo bien establecido que utilizaba recolectores de datos portátiles. Los técnicos recorrieron diligentemente sus rutas diariamente y el sistema informó cuando cada una de estas bombas requirió mantenimiento para evitar fallas inminentes.

Con el tiempo, el costo asociado con la reconstrucción de bombas aumentó a más de $10 millones al año. Según los libros, el programa estaba funcionando y se reportaron pocos tiempos de inactividad causados ​​por fallas en las bombas. 

Cuando el programa de análisis predictivo de dinámica operativa real reemplazó al programa de mantenimiento predictivo , los resultados cambiaron dramáticamente. Debido a que el nuevo programa buscó factores causales en lugar de detenerse en los modos de falla, se hizo evidente que la razón por la que el 11% de las bombas requerían reparaciones importantes anualmente era su modo de operación.

Válvulas de descarga controladas remotamente controlaban cada bomba. Los análisis reconocieron que el rango de control estaba obligando a las bombas a funcionar muy por fuera de las recomendaciones de mejores prácticas. La inestabilidad resultante provocó un desgaste acelerado y daños graves al conjunto giratorio y a la carcasa.

Para corregir el problema, el cliente cambió los parámetros operativos para limitar el rango de control a +/- 10 % del BEP, lo que hizo que el costo anual de reparación cayera a menos de $1 millón. Otro beneficio del análisis predictivo fue que reconocía el impacto que tenía el antiguo rango de control en el consumo de energía.

En lugar de los 160 caballos de fuerza de frenado del BEP, las bombas consumían una media de casi 300 caballos. La diferencia en el consumo anual de energía fue de más de 7 millones de dólares. En esta aplicación, el análisis predictivo redujo los costos año tras año en más de 16 millones de dólares . 

Cómo funciona

Aplicar análisis predictivo a la gestión de activos no es tan complicado; sólo debe pensar de manera lógica y determinar con claridad los requisitos de confiabilidad y sostenibilidad de los activos de su organización. 

Los siguientes pasos definen el proceso:
 

Determine la confiabilidad inherente de cada activo

La confiabilidad está determinada por el diseño. Todas las actividades posteriores al diseño deben mantener esa confiabilidad inherente para obtener un retorno de la inversión óptimo. Este primer paso crucial determina no sólo las debilidades inherentes de cada activo o sistema, sino también el modo de operación y mantenimiento requerido para mantener la confiabilidad inherente y lograr una vida útil económica óptima de cada activo. 

Física del fracaso

Definir claramente todos los modos de falla y sus factores causales para cada activo o sistema. Esto debe ser más que un simple AMEF o listas de fracasos percibidos. Debe considerar todas las desviaciones de las mejores prácticas, como el impacto de diversos modos de operación:producción y mantenimiento. Recuerde, sólo el 17% de las fallas de los activos se deben a un mantenimiento inadecuado; el 83% restante es resultado de deficiencias dentro de las operaciones.

Comprender los fracasos es importante, pero comprender los factores causales o las funciones forzadas que resultan en esos fracasos es crucial. Si conoce el modo de falla, es posible que pueda anticiparlo y recuperarse rápidamente, pero eso no mejora la confiabilidad ni previene una recurrencia. Los factores causales proporcionan el conocimiento necesario para prevenir la recurrencia inicial y todas las recurrencias de una falla.

¿Qué parámetros identifican los modos de falla y los factores causales?

Una vez que tenga una comprensión profunda de la confiabilidad inherente, los modos de falla y sus factores causales, el siguiente paso es determinar parámetros específicos, como la vibración o la distribución del calor, necesarios como entrada para un motor de análisis predictivo. El análisis predictivo, como cualquier otra forma de diagnóstico, depende de la calidad y la integridad de los datos de entrada.

Por ejemplo, la entrada de datos de vibración de banda ancha de alta resolución y bandas estrechas discretas es suficiente para un análisis eficaz de la condición mecánica de una bomba, pero puede no ser suficiente para determinar los factores causales que podrían proporcionar una detección temprana y corrección de desviaciones que, si se desconocen, podrían provocar una falla. En la mayoría de los casos, estos parámetros serán una combinación de datos de proceso extraídos de los sistemas de monitoreo y control existentes y datos medidos directamente que son parte integral del motor de análisis predictivo. En activos y sistemas dinámicos, este último incluye el uso de sensores inteligentes que incorporan análisis de borde, aprendizaje automático e inteligencia artificial ubicados estratégicamente en el activo, proceso o sistema.

Modelo de detección de anomalías

Combinando el conocimiento adquirido hasta ahora en esta discusión, el último paso en un análisis predictivo eficaz es desarrollar una dinámica operativa o un modelo basado en la física que pueda ingerir datos continuos de cada activo, sistema o proceso, y también analizar automáticamente todas las variables, identificar todas las desviaciones de lo normal, identificar los factores causales detrás de cada desviación y generar instrucciones prescriptivas para acciones correctivas. Obviamente, el modelo ODA es la clave para un análisis predictivo eficaz. Cualquier ingeniero de confiabilidad con experiencia debería poder evaluar un activo específico en un punto de su ciclo de vida y hacer lo mismo.

La diferencia es que no hay suficientes ingenieros de confiabilidad calificados ni horas al día para analizar continuamente todos los activos. Los motores de análisis predictivo no se cansan, aburren ni distraen.

En conclusión, la verdadera eficacia de los programas de análisis predictivo no reside en su mera existencia sino en su implementación estratégica. El enfoque predominante en la prevención de fallas, aunque bien intencionado, a menudo se queda corto debido a su incapacidad para abordar los factores causales subyacentes. Cambiar hacia un enfoque holístico que abarque la dinámica de los activos y las complejidades operativas produce beneficios tangibles, como lo demuestran las transiciones exitosas de paradigmas impulsados ​​por fallas a verdaderos paradigmas de análisis predictivo. 

Al reconocer la importancia crítica de sostener el flujo de valor y los activos auxiliares, las organizaciones no sólo pueden mitigar las fallas sino también optimizar el desempeño y reducir el costo total de propiedad. Adoptar el análisis predictivo como herramienta para mejorar la confiabilidad, extender la vida útil económica y minimizar los costos operativos significa un cambio de paradigma hacia estrategias proactivas de gestión de activos, asegurando retornos óptimos sobre el capital invertido y una generación sostenida de ingresos.

Acerca del autor

Acerca del autor