Si la salud biológica depende de la calidad de la comida que ingerimos, de forma análoga un departamento de mantenimiento prosperará si cuenta con datos “buenos” que facilitarán la toma óptima de decisiones.
El análisis de datos juega un papel importante dentro de la gestión del mantenimiento. Sin embargo, muchos ingenieros y gerentes dudan de la capacidad analítica de los datos históricos almacenados en el sistema de órdenes de trabajo. Este artículo le ayudará al ingeniero de mantenimiento en la evaluación y comprensión del proceso de captura de información.
Existen tres tipos de datos que alimentan el proceso de toma de decisiones en mantenimiento:
- Datos de edad: Consiste en los registros de instancias de modos de falla, su edad de trabajo al momento del remplazo y si el mantenimiento fue provocado por una falla funcional, falla potencial o una suspensión. Está ultima considerada como un remplazo de una parte o componente que no falló.
- Datos de monitoreo de condición: Variables internas como la vibración, el análisis de aceite, la temperatura y otras mediciones que son seleccionadas para medir el deterioro de una parte o modo de falla. Variables externas monitorean el esfuerzo en un activo físico que eventualmente conduciría a una falla funcional o potencial. Las variables externas e internas son fuente de datos importantes para el mantenimiento predictivo..
- Datos de costos: Mientras la edad y la condición pueden soportar una decisión basada únicamente en probabilidad, solo al integrar los datos de costos y específicamente el costo asociado a una falla en relación con el costo de su prevención proporcionaran la habilidad de alcanzar la optimización de un objetivo.
La tecnología actual habilita la recolección precisa de datos de monitoreo de condición y costos. Sin embargo, la poca calidad de los datos de edad en el EAM capturados por medio de las ordenes de trabajo siguen generando obstáculos para la óptima toma de decisiones en mantenimiento. Ponemos a su disposición un método simple para evaluar la calidad de datos de su EAM en relación a su habilidad/calidad de soportar las decisiones para optimizar el mantenimiento. Este diagnóstico tiene los siguientes cuatro pasos.
A. Extraiga una muestra de datos de su EAM (CMMS) edad por un periodo de 3 a 4 años para un equipo. El formato de los datos debe tener la siguiente estructura:
B. Extraiga una muestra de datos de monitoreo de condición que se realice sobre el mismo equipo del punto A y que cubra el mismo periodo de tiempo. Agregue todas las columnas de data de monitoreo de condición que tenga disponible. El formato de los datos debe tener la siguiente estructura:
C. Complete el siguiente formato:
D. Denos una semana para analizar sus datos. Le enviaremos los resultados del diagnóstico con respecto a:
- Nivel de calidad (consistencia y precisión) de los datos de edad en su sistema de órdenes de trabajo EAM y la capacidad de soportar modelos de decisión de mantenimiento. Y si es así,
- Que tanta capacidad predictiva tienen sus datos de monitoreo de condición.
© 2016, Luis Hoyos Vásquez. All rights reserved.
- Desafiando el CBM (33.3%)
- El análisis de confiabilidad es contar (33.3%)
- Estándares de declaración de falla (33.3%)
- Interpretando los datos de falla (33.3%)
- “Discurso del ascensor” para LRCM (33.3%)