arrow_back

Modelos de confiabilidad en Mantenimiento Predictivo: Análisis Weibull

Tal y como te hemos explicado en nuestro blog sobre Mantenimiento Predictivo, en Predictto utilizamos los modelos de confiabilidad para para predecir el futuro de activos que no es posible monitorizar de forma automática o no son tan importantes como para hacerlo. 

La curva de confiabilidad 

La curva de confiabilidad es la Base del Mantenimiento Centrado en la Confiabilidad y refleja la descripción a lo largo del tiempo de la confiabilidad de uno o varios activos permitiendo pronosticar su nivel en el tiempo para realizar planes y tomar decisiones. 

confiabilidad-de-tu-activo

El poder de estas distribuciones radica en la capacidad de describir una variedad de patrones de comportamiento con tan sólo unos pocos registros de eventos y obtener la síntesis del comportamiento en dos parámetros: La mediana (m) y la confiabilidad de media mediana (R2m) que son dos puntos esenciales que pasan por la curva de confiabilidad.

Análisis Weibull: comprendiendo qué es m y R2m 

Cualquier distribución Weibull puede ser caracterizada por una pareja de puntos m|R2m, de la misma manera como sólo una recta puede pasar por dos lugares, una distribución Weibull puede pasar por una única combinación de mediana y R2m.  

La mediana es un indicador importante porque constituye el punto en el tiempo donde la confiabilidad llega al 50%, esto implica que antes de este punto el activo tenía una mayor probabilidad de estar en operación que en estado de falla. Este punto nos ayuda a determinar cuál es el límite máximo en el que un activo opera de forma segura. 

 modelos-de-confiabilidad

El R2m se extrae ubicando la confiabilidad del punto que se encuentra a 1.5 veces la mediana. Por ejemplo, si el 50% de la curva de confiabilidad se encuentra en 100 días, el punto de R2m estará en 150 días y el valor del R2m será la confiabilidad correspondiente en la curva. Según el valor que obtengamos, podemos determinar si se trata de un tipo de falla o de otro. 

Por ejemplo, si el valor de confiabilidad es de 35.35% la falla se considera accidental o aleatoria, es decir que no está influida por el tiempo de operación del activo, si el valor se encuentra por debajo de 35.35% corresponderá a una falla por desgaste (en este caso, es un comportamiento similar a cuando podemos monitorizar el activo) y en los casos en que se supera el 35.35% de R2m el comportamiento es de fallas tempranas o de mortalidad infantil, es decir, el activo fallará muy pronto. 

Clasificación por tipos de fallas o incidencias

Fundamentalmente, clasificamos las fallas en 3 tipos: 

Fallas aleatorias o accidentales 

Estas fallas son propias de sucesos dependientes de causas externas que pueden aparecer en cualquier momento como las causadas por tormentas eléctricas, accidentes en la operación o fallas humanas. En estos casos el mantenimiento preventivo no es una opción, sino la identificación y control de las causas que ocasionan la falla. 

Fallas por desgaste 

Estas fallas ocurren cuando se alcanza el tiempo máximo de vida de un activo o de alguna de sus partes, al identificar este momento en el cual se llega a la máxima probabilidad de falla se puede determinar el periodo de mantenimiento preventivo adecuado para prevenir la ocurrencia de esta. Estos comportamientos son característicos de sistemas mecánicos sometidos a estrés mecánico o térmico y refleja el deterioro de las partes debido a la operación normal.  

Fallas tempranas  

Estas fallas aparecen con mayor probabilidad después de la puesta en marcha de un activo, es importante identificar el “codo” de la curva, el punto donde cambia drásticamente la confiabilidad pues en este punto se determinará el periodo de operación bajo supervisión, es decir si podemos proteger el activo de las fallas tempranas la confiabilidad del equipo dejará de reducirse y podrá mantenerse la operación del activo. Las fallas tempranas son habituales en defectos de fabricación, problemas de puesta en marcha y fallas en procesos de mantenimiento y ensamblaje, lo cual lleva a realizar una profunda investigación cuando aparece este tipo de comportamiento. 

wireframe-gestion-de-activos-en-estado-critico (1)

El análisis de fallas realizado a través de modelos de confiabilidad y más concretamente con el método m|R2m permite establecer el comportamiento de los activos a lo largo de su vida útil partiendo únicamente, de la curva de confiabilidad. La realización de este análisis a partir de los registros de eventos de falla o del monitoreo en línea de variables son establecen como una poderosa herramienta para planear inventarios y costos basados en el estado actual de los activos mientras se controla el nivel de confiabilidad requerido. 

En Predictto siempre estamos creando nuevos procesos de análisis de datos y actualizando nuestra tecnología para ofrecerte un mantenimiento predictivo completo y cubrir las necesidades de tu departamento de mantenimiento. Con Predictto tomarás decisiones sobre tu planificación de mantenimiento de forma fácil con la ayuda del Machine Learning y el IoT, y en tan solo un par de clics. No hace falta ser un experto en ciencia de datos para utilizarlos a la hora de pronosticar el futuro de tus activos.