La mayoría de reuniones o conversaciones que tratan el tema de la cuantificación de las mejoras en la confiabilidad generalmente terminan en la discusión sobre la pobre calidad de la información. ¿Cómo superamos este obstáculo?
Parece ser que la mayoría de las discusiones de mantenimiento, ya sea en reuniones formales o en los pasillos, incluyen algo de frustración en la afirmación sobre la deficiencia de la información. ¿Por qué nos preocupa tanto la calidad de la información? La respuesta es porque creemos que la información contiene los secretos de todo. Los descubrimientos científicos por lo general avanzan a través del análisis de los datos experimentales. ¿Por qué “el método científico” parece que deja de funcionar en mantenimiento? De alguna forma, nos hemos preguntado esto muchas veces.
La siguiente lista divide los datos en dos categorías principales y en algunas subcategorías.
- Datos de Edad (Datos de ciclo de vida, datos de eventos)
- Datos que describen el inicio de ciclo de vida
- Datos que describen el fin de ciclo de vida
- Fin de ciclo de vida por falla:
- Falla Funcional (FF)
- Falla Potencial (PF)
- Fin de ciclo de vida por suspensión (S)
- Fin de ciclo de vida por falla:
- Eventos no rejuvenecedores
- Datos de Monitoreo de Condición
- Datos CBM de los instrumentos y los programas establecidos para predecir y mitigar las consecuencias de fallas.
- Datos del proceso de las bases de datos de los sistemas de control en tiempo real
- Variable internas que reflejan la degradación del equipo o la condición del proceso (presión diferencial, caída de temperatura)
- Variables externas que reflejan esfuerzos externos impuestos en los activos.
Los datos de edad y de monitoreo de condición son en realidad las dos caras de la misma moneda, pero generalmente están contenidos en diferentes sistemas de información. Es por esto que rara vez los ingenieros de mantenimiento pueden visualizar los datos de ambas fuentes. Análisis simultáneos generan la increíble posibilidad de descubrir patrones en los datos de condición que puedan ser correlacionados con los datos de edad (eventos de falla) con el fin de aumentar la capacidad predictiva.
De los dos tipos de datos, el de la edad es el que más genera problemas. ¿Por qué? Porque
- Nos basamos en la compilación de “Códigos de falla” ambiguos en la orden de trabajo para representar Modos de Falla.
- Omitimos en la orden de trabajo la distinción del Tipo de Evento de la instancia del modo de falla (falla o suspensión) requerido para el análisis de confiabilidad.
El LRCM soluciona estos dos problemas ya que relaciona la orden de trabajo a un registro de conocimiento RCM y determina el evento de fin de ciclo de vida (FF, PF o S). La combinación de los registros de conocimiento y la determinación del tipo de evento generan (por software) la “tabla eventos”. La tabla eventos alimenta los software de análisis de confiabilidad con información estructurada y de calidad, satisfaciendo así, nuestro interés por obtener datos relevantes que, sin lugar a duda, mejorarán nuestras políticas y estrategias de mantenimiento.
© 2011, Luis Hoyos Vásquez. All rights reserved.