Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                

Guia SCO Ingenieria Confiabilidad

Descargar como pdf o txt
Descargar como pdf o txt
Está en la página 1de 46

Ingeniera de Confiabilidad.

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

ndice
1. Introduccin. 1.1 Introduccin a la Ingeniera de Confiabilidad. 1.2 Definicin de la Ingeniera de Confiabilidad. 1.3 Falla. 1.4 Confiabilidad. 1.5 Disponibilidad. 1.6 Distribucin de probabilidad. 1.7 Distribuciones No Paramtricas. 1.8 Distribuciones Paramtricas. 1.9 Incertidumbre. 1.1.1 Incertidumbre aleatoria. 1.1.2 Incertidumbre fundamental. 1.1.3 Intervalo P-f. 1.1.4 Probabilidad de falla F(t). 1.1.5 Riesgo. 1.1.6 Tiempo para la falla. 1.1.7 Tiempo Promedio para Fallar (TPPF). 1.1.8 Tiempo promedio para Reparar. 1.1.9 Tiempo Promedio Entre Fallas. 1.2.0 Uptime 1.2.1 Variable Aleatoria o Random 2. Desarrollo de Ingeniera de confiabilidad. 2.1 Diagnostico. 2.2 Confiabilidad. 2.3 Anlisis de Confiabilidad Basado en el Deterioro o Fsica de la falla. 2.4 Mantenibilidad. 2.5 Disponibilidad. 2.6 Tiempos. 2.7 Tiempo Promedio Entre Eventos de Paro y Tasa de Interrupciones. 2.8 Estudio de los down-time. 3. Confiabilidad en activos no reparables. 3.1 Velocidad de incremento del peligro o tasa de fallas. 3.2 La Funcin Confiabilidad. 3.3 Reparable contra no reparable.

15

27

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

4. Pronostico en activos reparables. 4.1 Variables probabilsticas de inters en el Anlisis de Confiabilidad de activos reparables. 5. Confiabilidad basada en datos genricos. 5.1 Evidencia. 5.2 Opinin de Expertos. 5.3 Bases de Datos Genricas. 5.4 Teorema de Bayes. 6. Confiabilidad basada en la fsica del deterioro. 6.1 Descripcin del anlisis Carga-Resistencia.

34

36

42

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

1. Introduccin
1.1 Introduccin a la Ingeniera de Confiabilidad. Bienvenido, a continuacin conocers la Ingeniera de Confiabilidad.

Al final del curso podrs:

Definir y clasificar sus diferentes variantes. Manipular las situaciones de riesgo presentadas en los equipos de mantenimiento e investigaras en momentos crticos las fallas que registren.

Comprender las formas de modelar las fallas de equipos. Realizar un diagnostico integrado de los equipos con base en el comportamiento de fallas.

Aplicar distintos modelos para representar el fenmeno de falla y modelar el comportamiento esperado de los equipos.

Tomar decisiones con escasa informacin de estadstica de fallas de equipos, con niveles tolerables de riesgo.

Analizar la conducta de los modelos de falla para establecer acciones tcnicamente factibles, rentables y viables en el presupuesto para mejorar el comportamiento de los equipos.

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

1.2 Definicin de la Ingeniera de Confiabilidad La ingeniera de confiabilidad puede definirse como la rama de la ingeniera que estudia las caractersticas fsicas y aleatorias del fenmeno conocido como falla.

Las discusiones relacionadas con el concepto de falla suelen ser discretas, pues es extremadamente difcil conseguir un concepto que satisfaga todos los criterios o puntos de vista que pueden existir.

Se propone un concepto con amplitud suficiente, que no genere complicaciones y facilite las estimaciones de confiabilidad y riesgo.

1.3 Falla

Es el efecto que se origina cuando un componente, equipo, sistema o proceso deja de cumplir con la funcin que se espera que realice.

1.4 Confiabilidad

Es la probabilidad de funcionamiento libre de fallas de un equipo o sus componentes por un tiempo definido bajo un contexto operacional determinado.

1.5 Disponibilidad

Una medida del grado por el cual un tem est en un estado operable y confiable en el inicio de una funcin, cuando la funcin es solicitada en cualquier momento (aleatorio).

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

1.6 Distribucin de Probabilidad

Son modelos grficos que relacionan los probables valores que pueden tomar una variable aleatoria, con la frecuencia de ocurrencia de cada uno de ellos.

Las Distribuciones de Probabilidad se clasifican en dos familias:

Distribuciones Paramtricas. Distribuciones No Paramtricas.

1.7 Distribuciones No Paramtricas

Es un tipo de grafico que agrupa un conjunto de datos de una variable aleatoria, de modo que puedan apreciarse los aspectos siguientes:

La forma en que estn distribuidos los datos. El grado de dispersin. Y los valores con mayor probabilidad de ocurrencia.

1.8 Distribuciones Paramtricas

Es una funcin matemtica terica, que describe la forma como se espera que varen los probables valores de una variable aleatoria.

Tambin relaciona los diversos probables valores que puede tomar una variable aleatoria con la probabilidad de ocurrencia de cada uno.

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

1.9 Incertidumbre

Es el grado de separacin entre nuestro nivel de conocimiento del proceso y el estado de certidumbre total.

1.1.1 Incertidumbre aleatoria

Es la incertidumbre relacionada con la heterogeneidad de la variedad o el proceso de anlisis. Este tipo de incertidumbre no es reducible con ms conocimiento.

1.1.2 Incertidumbre fundamental

Es la incertidumbre relacionada con el nivel de conocimiento que se tiene del proceso. sta se puede reducir si se adquiere ms y mejor conocimiento.

1.1.3 Intervalo P-f

Tiempo transcurrido de una falla potencial hasta convertirse en falla funcional.

1.1.4 Probabilidad de falla F(t)

Es la posibilidad de que un componente, un sistema o un proceso fallen o dejen de realizar la funcin requerida en un tiempo determinado.

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

1.1.5 Riesgo El riesgo es un trmino de naturaleza probabilstica, definido como egresos o prdidas probables, producto de la probabilidad de ocurrencia de un evento no deseado o falla. En este simple pero poderoso concepto coexiste la posibilidad de que un evento se haga realidad, con las consecuencias asociadas de que ocurra.

1.1.6 Tiempo para la falla

Es el periodo que transcurre desde el instante en que el componente, el equipo o el sistema inicia su operacin hasta que deja de operar. El tiempo para la falla es una variable aleatoria.

1.1.7 Tiempo Promedio para Fallar (TPPF)

Es el parmetro que define el tiempo de falla esperado de una componente, un modulo o un sistema en general.

1.1.8 Tiempo promedio para Reparar

Este parmetro al igual que el Tiempo Promedio para Fallar (TPPF) es el correspondiente al Tiempo de Reparacin esperado para un componente o un equipo.

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

1.1.9 Tiempo Promedio Entre Fallas

Se refiere al tiempo promedio de falla y la subsiguiente reparacin del componente o equipo. Viene dado por la expresin:

TPEF = TPPF + TPPR

El TPEF comprende el mismo promedio de falla del componente (TPPF), as como el tiempo promedio de reparacin de dicho componente una vez que ha fallado (TPPR).

El parmetro TPEF es aplicable nicamente a equipos reparables, mientras que el parmetro TPPF es aplicable a equipos reparables y no reparables, estas implicaciones como se vera en secciones siguientes tiene una marcada influencia en el modelaje de equipos.

1.2.0 Uptime

Es el tiempo equivalente entre la capacidad de diseo y la mxima capacidad demostrada en la cual un equipo opera de manera segura y en rangos de calidad.

1.2.1 Variable Aleatoria o Random

Se denomina variable aleatoria o distribuida en una variable x, que por sus caractersticas puede tomar un conjunto de valores (x1, x2, x3, x4, etc.), cada uno de los cuales tiene una probabilidad p de ocurrencia (p1, p2, p3, p4, pn -1), sin que se pueda asegurar especficamente qu valor tomar dicha variable.

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

A continuacin se definen tres opciones para categorizar la falla de una bomba en una planta de proceso:

Una bomba debe funcionar con una eficiencia de 85% para garantizar la rentabilidad del proceso. Al verificarla se calcula que su eficiencia es de 80%. La bomba se encuentra en estado de falla.

Si una bomba sobrepasa el nivel mximo de vibraciones permisible, se encuentra en estado de falla.

Si no flujo es el criterio de falla, la bomba est en estado de falla si no bombea producto.

La consistencia en el manejo del concepto de falla es importante para las estimaciones de confiabilidad y de riesgo, as como para la gerencia del negocio.

La Tasa de Falla (Failure Rate) se define como el numero de fallas por unidad de tiempo y se expresa en unidades de falla por milln de horas.

10

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

El Tiempo Promedio a Falla (TPPF): Matemticamente, este parmetro define el tiempo de falla esperado para un componente, mdulo o sistema en general. Adems, est el riego representado por la expresin universal:

Donde:

R(t): Riesgo p(t): Probabilidad c(t): Consecuencias

El anlisis de esta ecuacin permite entender el poder de esta figura de mrito o indicador para el diagnstico de sustituciones y la toma de decisiones.

Este indicador permite comparar situaciones y escenarios que resultaran dismiles bajo una perspectiva cotidiana, pero bajo ciertas circunstancias debe evaluarse y considerarlas en un proceso de toma de decisiones.

Podra utilizarse para discernir entre una accin de mantenimiento a equipos rotativos, caracterizados por presentar una alta frecuencia de falla con consecuencias bajas y moderadas, en contraposicin con equipos estticos con baja frecuencia de fallas pero con consecuencias tradicionalmente altas.

El riego se comporta como una balanza que permite ponderar la influencia de varias alternativas en trminos de su impacto y probabilidad, orientando al analista en el proceso de toma de decisin.
11

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

Dependiendo de la situacin o escenario estudiado, la expresin de naturaleza universal puede asumir diferentes concepciones:

Cuando el desempeo de un proceso depende de la operacin de equipos y sistemas fsicos, el riego puede definirse como:

En procesos cuyo desempeo puede ser seriamente afectado por la ocurrencia de eventos indeseados, el riesgo puede definirse as:

En procesos de toma de desiciones, donde el beneficio a obtener depende en grado sumo de la veracidad del anlisis y de la data evaluada, el riesgo puede definirse como:

12

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

Es de suma importancia destacar que, en su forma general, la Ingeniera de confiabilidad puede definirse como la rama de la Ingeniera que estudia las caractersticas fsicas y aleatorias del fenmeno falla.

Dentro del rea de la Ingeniera de Confiabilidad, coexisten dos escuelas con enfoques especficos:

Confiabilidad basada en el anlisis probabilstico del tiempo para la falla o historial de fallas (Statistical Based reliability Analysis).

Confiabilidad basada en el anlisis probabilstico del deterioro o fsica de la falla (Physics Based Reliability Analysis).

Ambas escuela tienen un objetivo comn:Caracterizar probabilsticamente la falla para hacer pronsticos y establecer acciones proactivas dirigidas a evitalar o mitigar su efecto

Las dos proponen el termino probabilstico confiabilidad como indicador bsico para lograr esta caracterizacin. Otro punto de coincidencia es el reconocimiento de la aleatoriedad o incertidumbre de las variables analizadas y su tratamiento probabilstico.

13

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

Las diferencias entre estas escuelas se relacionan con la forma de analizar la falla: la primera propone predecirla estudiando la frecuencia histrica de ocurrencia o tasa de fallas, mientras que la segunda considera que una falla es la ltima fase de un proceso de deterioro y se concentra en predecirla a travs del entendimiento de como ocurre la falla, es decir, estudiando la fsica del proceso de deterioro.

14

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

2. Desarrollo de ingeniera de confiabilidad


2.1 Diagnostico El diagnostico es un proceso que permite caracterizar el estado actual de los equipos, los sistemas o los procesos y predecir su comportamiento futuro, por medio del anlisis integrado del historial de fallas, los datos del deterioro y los datos tcnicos. Su fin es identificar las acciones correctivas y proactivas que puedan mejorar los costos y reducir el impacto en el negocio medular.

15

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

2.2 Confiabilidad En la Confiabilidad Basada en la Historia de Fallas o Confiabilidad Basada en la Estadstica del Tiempo de Falla es la rama de la confiabilidad que estudia la variable aleatoria tiempo para la falla. El insumo bsico para este tipo de anlisis son bases de datos donde se almacenan las historias de fallas de equipos (tiempo de fallas y tiempos de reparacin). 2.3 Anlisis de Confiabilidad Basado en el Deterioro o fsica de la Falla (Physics Based Reliability Analysis) Es la rama de la confiabilidad que considera que una falla es ltima fase de un proceso de deterioro y se concentra y se concentra en tratar de entender como ocurre la falla, dicha de otro modo, estudia la fsica del proceso de deterioro. La confiabilidad es la probabilidad de que un componente, equipo o sistema opere sin fallar, en un periodo especfico o tiempo misin. Como valor probabilstico, la confiabilidad vara desde un valor del 1 o 100%, al iniciar la operacin, y disminuye hasta tomar un valor de 0 al ocurrir la falla. Esto explica que la confiabilidad varia de 100% a 0 entre una falla y otra.

16

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

La confiabilidad, en su forma simple, se describe con esta ecuacin:

Donde: = Tiempo de la misin (horas, das, semanas, meses, aos etc.)

= Tasa de falla.

= Es el tiempo promedio para fallar o tiempo promedio entre fallas. Ntese que la confiabilidad debe tener una dimensin de tiempo misin para calcular los resultados. Esta ecuacin es vlida para tiempos para la falla que sigan la distribucin exponencial.

17

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

2.4 Mantenibilidad La Mantenibilidad trata sobre la duracin de paros por fallas y paros por mantenimiento o cunto tiempo toma (facilidad y velocidad) restituir el estado del equipo a su condicin operativa despus de una parada por falla o para realizar una actividad planificada. Las caractersticas de Mantenibilidad suelen estar determinadas por el diseo del equipo, el cual especifica los procedimientos de mantenimiento y determina la duracin de tiempos de la reparacin. La figura clave de mrito para la Mantenibilidad suele ser el tiempo promedio para reparar (TPPR). Cualitativamente se refiere a la facilidad con que el equipo se restaura a un estado funcionando. Cuantitativamente se define como la probabilidad de restaurar la condicin operativa del equipo o tiempo misin. Se expresa a menudo como:

Donde

= Tasa de reparacin.

Esta ecuacin es vlida para tiempos para reparar que sigan la distribucin exponencial.

18

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

2.5 Disponibilidad La disponibilidad es una figura de mrito o indicador que permite el porcentaje de tiempo total posible de un equipo para cumplir su funcin. La disponibilidad de un elemento, un equipo o componente no implica necesariamente que est funcionando, sino que se encuentre en condiciones de funcionar. La disponibilidad es un trmino probabilstico exclusivo de los equipos reparables. Para estimar la disponibilidad se requieren analizar estadsticamente los tiempos operando o uptimes y los fuera de servicio o down-times.

19

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

En su aceptacin mas simple; disponibilidad puede definirse de la siguiente manera:

Disponibilidad Inherente: Es la proporcin del tiempo en que un equipo est en condiciones de operar en un periodo determinado, tomando en cuenta solo los paros no programados. Disponibilidad Operacional: Es la proporcin del tiempo en el que un equipo est en condiciones de operar en un periodo determinado, tomando en cuenta la totalidad de los paros (programados y no programados). Disponibilidad no es lo mismo que confiabilidad. La disponibilidad nos habla de cmo usamos el tiempo global. Es decir, cuanto de ese tiempo perdemos (down-time) y cuanto aprovechamos (uptime). La confiabilidad nos ofrece informacin sobre el intervalo de tiempo libre de fallas o tiempo entre fallas consecutivas. Nos habla sobre la probabilidad de fallar en cada instante de este intervalo libre de fallas. Ambas se expresan en trminos porcentuales (%) o enn trminos probabilsticos (entre 0 y 1). En la disponibilidad se refleja el efecto combinado de la confiabilidad y la mantenibilidad.

20

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

2.6 Tiempos Tiempo Operativo entre Fallas (TEF): Tiempo que transcurre el equipo operando entre dos fallas sucesivas. Tiempo de Operaciones hasta Mantenimiento Planificado (TPM): Tiempo que transcurre desde el arranque hasta que el equipo se detiene para ejecutarle algn mantenimiento planificado. Tiempo Censado (TC): Tiempo en operacin desde la ltima falla.

Tipos de Up-Time

21

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

2.7 Tiempo Promedio Entre Eventos de Paro (TPEEP) y Tasa de Interrupciones. El TPEEP es el promedio de los tiempos entre interrupciones de diversa ndole.

La Tasa de Interrupciones es un indicador de la frecuencia con la que el equipo o sistema bajo anlisis sale de servicio por razones de diversa ndole.

22

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

Cuando los eventos que ocasionan paros son meras fallas cuando no se toman en cuenta las paradas para mantenimientos planificados, al Tiempo Promedio Entre Eventos de Paro (TPEEP) se llama Tiempo Promedio Para Fallar (TPPF).

De igual manera, la Tasa de Interrupciones

toma nombre de

TEFi: Tiempo que transcurre el equipo operando entre falla (i-1) y la falla (i). TCk: Tiempo de operacin desde la ltima falla. N: numero de valores del TEF de la muestra.

De igual manera la tasa de Interrupciones

toma el nombre de

23

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

2.8 Estudio de los down-time. Tiempo para Mantenimiento (TM): Tiempo que transcurre desde el momento de la falla hasta que el equipo es desactivado para hacerle mantenimiento hasta que es puesto en operacin. Tiempo para Reparar (TPR): Tiempo que transcurre desde el momento de la falla hasta que el equipo es puesto en operacin despus de su reparacin.

El anlisis de la variable down-time es conocido como mantenibilidad [M(t)]. Cuantitativamente se define como la probabilidad de restaurar le condicin operativa del equipo en un periodo o tiempo misin.

24

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

La figura clave de mrito para la mantenibilidad es a menudo el tiempo promedio para restaurar la condicin operativa (TPPR). Cuando el tiempo para reparar sigue la distribucin exponencial, la mantenibilidad se expresa como:

25

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

La estimacin de confiabilidad de equipos implica el anlisis de la variable aleatoria up-time y la estimacin de los parmetros tasa de interrupciones o tasa de fallas y Tiempo Promedio Entre Eventos de Paro (TPEEP). Por su parte, las estimaciones de disponibilidad implican, adems del anlisis de la variable aleatoria up-time y la estimacin del parmetro tasa de interrupciones, el anlisis de variable down-time y la estimacin de la tasa de restauracin y el Tiempo Promedio Para Restaurar (TPPR).

Para equipos cuyos valores de up-time y down-time siguen o se ajustan a la distribucin exponencial, puede decirse que las tasas de fallas es una constante:

Tambin puede decirse que las tasas de reparaciones es una constante:

En este caso, las consecuencias de Confiabilidad y Disponibilidad se transforman en:

26

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

3. Confiabilidad en Activos Reparables.


Se define como activos no reparables aquellos cuya condicin operativa no puede ser restaurada despus de una falla, su vida termina con una nica falla y deben ser reemplazados. La mayora de los componentes elctricos suelen ser considerados no reparables. Las bombillas o bulbos de luz son los clsicos ejemplos de equipos no reparables. Sin embargo, es importante destacar que, en esencia, cualquier equipo es reparable, pero hay que tomar en cuenta si es costeable o no. La poltica o estrategia de mantenimiento y/o reparacin dice cmo debemos clasificar un equipo o componente. Si la poltica de mantenimiento es reemplazar despus de la falla, se clasificara al activo como no reparable. Si, por el contrario, la poltica es reparar y reinstalar despus de la falla, clasificaremos al activo como reparable. Adicionalmente, para clasificar activos, debe tenerse en cuenta el volumen de control y contexto operacional especifico al cual se hace referencia. Para entender estos conceptos analicemos esta figura.

27

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

Se define volumen de control en el nivel de componentes a los tubos de una intercambiador y se analiza la falla de un tubo, stos son reemplazados al fallar y en la mayora de las plantas de procesos poseen tubos de repuesto para este fin. En este caso, el tubo es considerado un activo no reparable; no obstante, si el volumen de control se define como el intercambiador de calor completo, al fallar un tubo, no se reemplaza todo el intercambiador, solo el tubo. El tubo sigue siendo un activo no reparable, pero el intercambiador es un activo reparable. Existen otros aspectos de carcter estratgico, como el contexto operacional considerado, que contribuyen a catalogar para efectos prcticos, un componente o sistema, como reparable o no reparable. 3.1 Velocidad de incremento del peligro o tasa de fallas Para hacer pronsticos en equipos de componentes no reparables se utiliza la funcin de velocidad de incremento del peligro o tasa de fallas h(t) que es un camino alternativo a la funcin confiabilidad C(t), para describir el comportamiento de la variable aleatoria tiempo para la falla. La funcin h(t) describe el comportamiento de fallas de una gran cantidad de poblacin por unidad de tiempo. El anlisis del comportamiento de fallas de una gran cantidad de poblaciones, de componentes o equipos observados durante largos periodos de estudio ha mostrado una funcin tasa de fallas decreciente en el primer periodo. La primera etapa del periodo de observacin (fenmeno conocido como mortalidad infantil (, es seguido por una funcin tasa de fallas aproximadamente constante y, finalmente, por una funcin tasa de fallas creciente durante la ltima etapa del periodo de observacin.
28

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

La siguiente figura muestra la forma que toma la funcin tasa de fallas para el comportamiento previamente descrito.

La forma de la funcin h(t) mostrada en la figura anterior es ampliamente conocida como Curva de la baera. La Curva de la baera es un grafico que muestra el probable comportamiento de la tasa de fallas de un tipo de componente o equipo para diferentes instantes de tiempo; se construye observando y registrando el comportamiento histrico de fallas de una poblacin de ese tipo de componente o equipo. Una forma prctica de entender la curca de la baera es analizar el caso de seres humanos. Supongamos que se analizan las vidas de 100 personas, nacidas en el ao 1900, seleccionadas aleatoriamente. Con toda seguridad, si revisamos la fecha en que fallecieron, encontraremos que una buena parte de ellos murieron entre 0 y 3 aos debido a problemas congnitos, problemas en el nacimiento o enfermedades infantiles severas; otros tantos, aunque un poco menos, entre 3 y 6 aos, y menos aun entre 6 y 9 aos.

29

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

Esto puede describirse como que el nmero de personas que muri por ao fue decreciendo entre 0 y 9 aos. A partir de all encontraremos que la tasa de mortalidad se estabiliza: el nmero de personas que muere por ao entre los 9 y 45 aos permanece aproximadamente constante. Finalmente, a partir de los 45 aos encontraremos que el nmero de personas que muere por ao es cada vez mayor, con un incremento lento entre los 45 y los 65 aos y un incremento ms severo a partir de los 65 aos. Si revisamos esta descripcin, se entender que la misma coincide con el comportamiento de la Curva de la baera. Esta curva permite asegurar que el peligro de que una persona cualquiera muera entre 0 y 3 aos es mayor que el peligro de que muera entre 3 y 6, y es menos incluso entre 6 y 9 aos. Tambin nos permite decir que el peligro de morir a los 20 aos es aproximadamente igual que el peligro de morir a los 40 aos y que en ambos casos es menor que el peligro de morir entre 0 y 6 aos.

30

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

No obstante, el peligro de morir se incrementa a partir de los 45 aos y va aumentando lentamente. A partir de los 65 aos, el peligro de morir se hace mayor con ms rapidez. Esta curva no dice a qu edad va a morir un ser humano especfico pero refleja como cambia el peligro de morir con la edad. Es importante reconocer que esta curva se construyo observando en una poblacin especifica de seres humanos y nos permite hacer predicciones sobre otros seres humanos. La figura siguiente muestra otros patrones de fallas activos:

31

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

Este concepto es explotable a componente y equipos. Si es dispone de un nmero significativo de unidades de un mismo componente o equipo y se les pusiera a operar a partir de un tiempo inicial t0, se podra observar el comportamiento en el nmero de fallas por unidad de tiempo y construir su particular Curva de la baera. Tpicamente una poblacin de componentes o equipos, en general, presenta una tasa de falla alta en el primer periodo de vida que decrece hasta que alcanza un nivel constante por un periodo (etapa aleatoria); finalmente, por efecto del envejecimiento caracterstico o desgaste de los componentes, comienza a aumentar (nuevamente el desgaste), como en el caso de los seres humanos reflejado en la figura anterior. No obstante, es necesario mencionar que el patrn de fallas mostrado en la figura no se corresponde exactamente con el comportamiento de una amplia variedad de sistemas elctricos, electrnicos y mecnicos. Estudios realizados han mostrado que 4% de los sistemas se corresponden con el patrn A, 2% con el patrn B, 5% con el patrn C, 7% con el patrn D, 14 % con el patrn E y aproximadamente el 68% con el patrn F. 3.2 La funcin Confiabilidad. La confiabilidad de un activo no reparable, evaluada en un tiempo misin (tm), es la probabilidad de que la variable aleatoria tiempo para la falla sea igual o mayor al periodo de anlisis o tiempo misin (tm). En otras palabras, es la probabilidad de que el activo opere sin fallas un tiempo igual o superior al periodo de anlisis o tiempo misin (tm).

32

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

3.3 Reparable contra no reparable Un elemento no reparable es aqul cuya operativa no puede ser restaurada despus de una falla. Un elemento no reparable: Su vida termina con una nica falla y debe ser reemplazado. Para caracterizarlo probabilsticamente se requiere estimar la tasa de fallas h(t). El termino probabilstico ms importante es confiabilidad C(t).

Un elemento reparable: En su vida puede ocurrir ms de una falla. Para caracterizarlo probabilsticamente se requiere estimar la tasa de ocurrencia o tasa de fallas y la tasa de reparacin. Los trminos probabilsticos ms importantes son numero esperado de fallas L(t) y disponibilidad D(t). La disponibilidad es la probabilidad de que el elemento est disponible (es decir, que no est en reparacin) a un tiempo t. Para calcular disponibilidad se requiere analizar estadsticamente los tiempos para la falla y los tiempos en reparacin.

33

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

4 Pronostico en equipos reparables.


Un sistema reparable, como se infiere, acepta reparaciones y sus funciones pueden ser restauradas con el uso de cualquier mtodo de reparacin diferente al reemplazo del sistema completo. En el anlisis de sistemas reparables hay cinco posibles estados y as pueden quedar despus de una reparacin. Estos estados son: 1. Tan bueno como nuevo. 2. Tan malo como antes de reparar. 3. Mejor que antes de reparar pero peor que cuando estaba nuevo. 4. Mejor que cuando estaba nuevo. 5. Peor que antes de reparar. Los modelos probabilsticos utilizados tradicionalmente para estimar o predecir el nmero esperado de fallas asumen alguno de los dos primeros estados pero no cubren los ltimos tres, los cuales parecieran acercarse ms a la realidad. 4.1 Variables probabilsticas de inters en el Anlisis de Confiabilidad de activos reparables Un equipo reparable es aquel cura condicin operativa puede restaurarse, despus de fallar, con una reparacin. Esta consideracin implica que en su vida puede ocurrir ms de una falla y esta es la diferencia fundamental con los equipos no reparables, en cuya vida solo puede ocurrir una nica falla. Cuando se trata de equipos reparables y se habla de tiempo para la falla, surge inmediatamente la pregunta: Cul es el tiempo para cul falla? (Cul es el tiempo para la primera falla?, Cul es el tiempo para la segunda falla? O Cul es el tiempo para la ensima falla?), ya que para un tiempo misin (tm) puede ocurrir ms de una falla.

34

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

Si se habla, por ejemplo, de la probabilidad de falla en el tiempo misin (tm), surgen estas preguntas: Cul es la probabilidad de cuantas fallas?, cual es la probabilidad de una falla en un periodo tm?, Cul es la probabilidad de dos fallas en un tiempo tm? O Cul es la probabilidad de n fallas en un tiempo tm? En la siguiente figura se representa la probabilidad de fallas F(ti), que como puede notarse aumenta desde 0 a 1 entre la falla i-1 y la falla i; para i = 1, 2, 3,, n y en la figura posterior se representa la confiabilidad del sistema C(ti), que disminuye desde 1 hasta 0 entre la falla i-1 y la falla i; para i = 1, 2, 3, n.

35

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

5 Confiabilidad basada en datos genricos.


En caso de ausencia de una muestra representativa para el clculo de la confiabilidad de activos, se emplea el mtodo de Confiabilidad basada en datos genricos, la cual se sustenta en las fuentes de siguientes: 1. Evidencia 2. Opinin de expertos 3. Informacin genrica 4. Teorema de Bayes

36

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

5.1 Evidencia La evidencia est constituida por tiempos para fallar y para reparar, observados en equipos o poblaciones de equipos en una planta bajo anlisis. Tambin puede considerarse como evidencia los tiempos para fallar y para reparar en equipos similares operando en plantas o procesos productivos similares. La fortaleza de este tipo de informacin en su capacidad para representar la realidad y su debilidad es que probablemente sean muy pocos datos (informacin estadsticamente poco robusta). Al considerar una poblacin de equipos de la cual se ha recolectado una muestra de n son los tempos de operacin entre fallas de los equipos (TPF1, TPF2, TPFn), w son tiempos de operacin de los equipos desde la ltima falla (tC1, tC2, tCk) y T es el tiempo total de operacin o up-time de la poblacin de equipos.

37

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

5.2 Opinin de Expertos. La opinin de expertos representa una de las fuentes fundamentales de informacin para el clculo de Confiabilidad y Disponibilidad. Los expertos poseen valiossima informacin sobre parmetros, como las tasas de falla y las tasas de reparacin, normalmente sustentada en la observacin y experiencia con equipos similares en operacin (equipos similares al equipo al que le queremos estimar la tasa de fallas). Una de las formas ms efectivas de ejecutar la opinin de un experto es pedirle tres valores para caracterizar la informacin de inters: un valor mnimo, un valor probable y un valor mximo. Con estos tres valores, apoyndose en distribuciones de probabilidad como la triangular o la betapert, es posible caracterizar probabilsticamente la opinin del experto.

38

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

5.3 Bases de Datos Genricas. Existe una gran cantidad de bases de datos genricas que contienen tasas de fallas y tiempos de reparacin, para diferentes tipos de equipos. Algunos de los ms famosos bancos de este tipo de informacin son: 1. 2. 3. 4. 5. 6. Off Shore Reliability Data (OREDA) Pipeline and Riser Loss of Containment Database (PARLOC) Electronic Parts Reliability Data (EPRD) Non-electronic Parts Reliability Data (NPRD) MIL-STD-217 Reiliability Prediction Procedure for Electronic Equipment (Bellcore), TR332 7. Handbook of Reliability Prediction Procedures for Mechanical Equipment, NSWC Standard 94/L07 8. IEEE Std 493-1997 Gold Book 9. Reliability of well Completion Equipment Database- WELL MASTER Debido a la heterogeneidad de las muestras analizadas para construir estos bancos de informacin, la presentan en forma de distribuciones de probabilidad de las tasas de falla y reparacin. Las ms importantes son: Oreda: La publicacin de esta organizacin es preparada por SINTEF (Industrial Management on The Behalf of The OREDA Project) y vendida por DNV. Las ms recientes versiones publicadas son el OREDA 2002 y 2006. IEEE: El IEEE (Institute of Electrical and Electronics Engineers Inc.) y sus predecesores, la AIEE (American Institute of Electrical Engineers) y el IRE (Institute of Radio Engineers) disponen de una aomplia base de datos genrica de distribuciones de modos de fallas a tiempo entre fallas de equipos elctricos, electrnicos y de instrumentacin, al igual que un centar de publicaciones tiles para estudios de confiabilidad.

39

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

Wellmaster: Este estudio o proyectos ya va por una quinta fase desde diciembre del 2002, realizado por las diez principales industrias petroleras. El objetivo principal de esta fase es continuar con el nfasis del detalle en la data colectada para mejorar la confiabilidad de los equipos y los Anlisis de Causa Raz.

Parloc: Esta publicacin provee los riesgos cuantitativos basados en el contenido de una base de datos de tuberas en la industria de gas y petrleo, la cual detalla la mayora de las tuberas instaladas en el Mar del Norte y tambin provee una base de datos de incidentes reportados por cada tubera afectada.

40

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

5.4 Teorema de Bayes. El Teorema de Bayes es el vehculo estadstico que nos permite combinar la informacin de las tasas de fallas. sta puede provenir de las bases de datos genricos o de la opinin de expertos con evidencia de tiempos de falla y reparacin colectados en nuestra propia instalacin o proceso. La finalidad es obtener mejores estimados de las tasas de falla para reparar los equipos y los sistemas bajo anlisis. Este procedimiento es adecuado para estimar la mencionada tasa de fallas, en casos donde la evidencia o muestra es nula o no es representativa. El teorema permite hallar la distribucin posterior o actualizada de la tasa de fallas. Evidencia Muestral: Tiempos para la falla y tiempos de reparacin colectados en la planta bajo anlisis o en equipos operando en plantas o procesos productivos similares. La fortaleza de esta informacin en su representatividad de la realidad y su debilidad es que probablemente sean muy pocos datos (informacin estadsticamente poco robusta). La evidencia propia y la informacin genrica se combinan para obtener una informacin mejorada o conocimiento actualizado. Esta informacin de

conocimiento actualizado es una distribucin modificada de las tasas de fallas, de la cual tomaremos la media o valor esperado o valor esperado como valor representativo. Este estimado es ms robusto que el conocimiento previo o la experiencia tomados por separado y de manera excluyente.

41

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

6. Confiabilidad basada en la fsica del deterioro.


Enfoque que sostiene que una falla es la ltima fase de un proceso de deterioro. Se concentra en predecir su ocurrencia por medio del entendimiento de cmo ocurre la falla. Es decir, estudiando la fsica de la falla. Permite la estimacin de la confiabilidad y la probabilidad de falla de un elemento y del riesgo total asociado al mismo, y est basada en la condicin del equipo. Ideal para elementos cuyo historial de falla es escaso o inexistente, como los equipos estticos. Se sustenta en la teora de interferencia esfuerzo-resistencia, donde: Esfuerzo es la condicin monitoreada. Resistencia es el lmite permisible de la condicin.

42

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

En este caso, para la fsica del deterioro, la Confiabilidad se define como la probabilidad de que el esfuerzo no supere la resistencia o limite permisible: C = Pr(Y>X) = Pr(x<Y) Enseguida se ven casos de interferencia Esfuerzo-Resistencia y sus Ecuaciones Bsicas:

6.1 Descripcin del anlisis Carga-Resistencia El anlisis Carga-Resistencia tiene como premisa que las fallas son el resultado de una situacin donde la carga aplicada produce un esfuerzo sobre el equipo o componente que excede su resistencia. En otras palabras, para que un equipo o componente sea confiable debe cumplirse la condicin Esfuerzo< Resistencia. Esfuerzo y Resistencia son usados en el sentido ms amplio de la palabra. Si se analiza, por ejemplo, un recipiente a presin que se deteriora poco a poco por corrosin.

43

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

En un primer nivel de anlisis puede decidirse que la tensin interna SX, que soporta la pared del recipiente como consecuencia de la presin, es el esfuerzo, y este se compara con una resistencia o mximo esfuerzo permisible SMAX que debe obtenerse por ecuaciones de mecnica de la fractura y que seguramente depende del lmite de fluencia y del espesor de pared del recipiente. En otro nivel de anlisis podemos decir, de forma equivalente al interior, que la presin interna PX del recipiente es el esfuerzo y lo comparamos contra la mxima presin permisible PMAX, obtenida tambin por ecuaciones de mecnica de la fractura y que seguramente, depende del espesor de pared del recipiente y del lmite de fluencia del material. En un nivel bsico, puede decirse que compararemos el espesor de pared remanente EX contra el mnimo espesor permisible EMIN obtenido de ecuaciones de mecnica de la fractura; en este caso, los llamaremos esfuerzo a EX y resistencia a EMIN. Finalmente, sabemos que el espesor remanente depende de la prdida de espesor y podemos comparar la perdida de espesor dX contra la mxima perdida permisible dMAX, teniendo entonces dX como esfuerzo y a dMAX como Resistencia. Todos son anlisis equivalentes y en todos los casos existir un valor actual de una variable que se mide continuamente (monitoreo), el cual representara el esfuerzo y una valor limite de variable que representara a la resistencia. sta ltima normalmente est regulada por leyes fsicas y estndares de la Ingeniera. Un anlisis similar se hace para cualquier otro mecanismo de falla o proceso de deterioro. Contario a la creencia general, en la mayora de los casos, ni el esfuerzo ni la resistencia son valores fijos o deterministicos; por el contrario, sus valores son estadsticamente distribuidos.

44

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

Cada distribucin tiene su valor media o valor esperado, denotado por uX para la carga y uY para la resistencia y sus desviaciones estndar oX y oY respectivamente. En los procesos de deterioro, estas distribuciones se van acercando con el tiempo hasta llegar a solaparse. En este sentido, el solapamiento puede ocurrir por un deterioro paulatino de la resistencia o por un incremento del esfuerzo por razones diversas. En todo caso, para hacer un anlisis de confiabilidad de este enfoque es muy importante estudiar los mecanismos que pueden producir este acercamiento y posterior solapamiento. En el caso de los mecanismos, es muy importante determinar si el acercamiento se produce de manera paulatina en el tiempo o si se puede producirse sbitamente por una causa aleatoria. La confiabilidad de un componente sometido a un esfuerzo es la probabilidad de que su resistencia exceda dicho esfuerzo y puede calcularse con la siguiente expresin.

45

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

46

Aprendizaje sin fronteras aprendizaje.virtual@pemex.com

También podría gustarte