MANUAL DE

Confiabilidad

De las detenciones al
mximo tiempo de
utilizacin!
John D. Campbell, Editor
Lder Global, Gestin de Activos Fsicos
PricewaterhouseCoopers LLP.

Traducido al espaol por

Orlando Gaete Olivares

0
MANUAL DE
Confiabilidad
CONTENIDO
INTRODUCCION
3 Confiabilidad: pasado,
La bsqueda de
informacin secundaria


Resumen
Distribuciones
presente y futuro Consideraciones Tpicas
Por John D. Campbell generales del benchmarking Un ejemplo
Estableciendo el marco de trabajo Benchmarking Consideraciones de
histrico y terico del RCM interno la vida real el problema de
(Mantenimiento basado en la Benchmarking a los datos
confiabilidad) nivel de industria Datos censurados o
Benchmarking con suspensiones
CAPTULO UNO industrias comparables
5 La evolucin de la CAPTULO CINCO
confiabilidad 47 Optimizando el
Por Andrew K.S. Jardine mantenimiento basado en el
Como el RCM se desarroll como tiempo
CAPTULO TRES
un enfoque viable de Por Andrew K.S. Jardine
mantenimiento 22 Es el RCM la herramienta Las herramientas para formular
correcta para usted? un sistema de reemplazos para
CAPTULO DOS Por Jim V. Picknell sus componentes crticos
7 Haga un inventario de su Determinando sus necesidades
de confiabilidad
Aumentando
confiabilidad mediante
la
el
operacin
Los 7 pasos del reemplazo preventivo
Por Leonard Middleton y Ben
proceso RCM Polticas de
Stevens
El producto del reemplazo por bloques
Midiendo y haciendo
RCM Enunciacin del
benchmarking de la confiabilidad
Que es lo que problema
de su planta
puede lograr el RCM? Resultado
Los beneficios del
Que es lo que se Polticas de
benchmarking
necesita para llevar a cabo el reemplazo basadas en la
Que debera medir?
RCM? edad
Relacionando el
Puede Usted Enunciacin del
desempeo del
Razones para el problema
mantenimiento con los
fracaso del en las Resultado
objetivos del negocio
competencias Cuando usar el
Negocios con
Cmo se decide? reemplazo por bloques en
capacidad operacional
La lista de vez del reemplazo por edad
excedente (con limitaciones
verificacin de decisiones del Estableciendo
de costos)
RCM polticas de mantenimiento
Negocios con
basadas en el tiempo
capacidad operacional
CAPTULO CUATRO
limitada
Cumplimiento de los 39 El problema de la CAPTULO SEIS
requerimientos incertidumbre 54 Optimizando el
Cuan bien est Por Murray Wiseman mantenimiento basado en la
usted desempendose? Que hacer cuando sus planes de condicin
Los descubrimientos confiabilidad no se ven muy Por Murray Wiseman
y el compartir los resultados confiables Aprovechando el equipo al
Fuentes externas de Las cuatro funciones mximo antes de una reparacin
datos bsicas

1
 Primer paso:
Preparacin de la informacin
Tercer paso: Probar
el PHM 69 Navegando la red en
Datos de eventos e Cuarto paso: El bsqueda de informacin acerca
inspecciones modelo probabilistico de de la confiabilidad
Una muestra de transicin Por Paul Challen
datos de inspeccin Discusin sobre la Est buscando pginas tiles en
Grficos cruzados probabilidad de transicin Internet? Aqu tiene donde
Limpiando los datos Quinto paso: La empezar
Transformaciones de decisin optima Centro de Anlisis
los datos Sexto paso: Anlisis de Confiabilidad
Segundo paso: La de sensibilidad Libros y material
construccin del modelo de Conclusin impreso
riesgos proporcionales Organizaciones
APNDICE profesionales
Informacin general

Una Palabra de
Nuestra tradicin anual de publicar manuales PEM contina con este ejemplar, El Manual de
Confiabilidad. Tan pronto se haba secado la tinta del Manual de MRO del ao pasado, volvimos con
John Campbell y su equipo de expertos en PricewaterhouseCoopers para ver si ellos podan proveer a
nuestros lectores de informacin reciente y directa acerca del tema de la Manutencin basada en la
confiabilidad, en conjunto con algunos TIPS que pudieran necesitar para poner esta informacin en
prctica. Bueno, el equipo en PWC sali victorioso de esta tarea, y lo que vern en las prximas 72
pginas representa lo ltimo en lo que se refiere a investigacin de confiabilidad e implantacin de
tcnicas proveniente de una firma que es una de las proveedoras lderes de este tipo de informacin a
profesionales de planta alrededor de todo el mundo. Todos nosotros en PEM esperamos que la
disfruten y la usen bien! Paul Challen

Sobre los autores:

2
JOHN D. CAMPBELL es socio
PricewaterhouseCoopers y director de la
prctica de consultora en gestin de
mantenimiento de la firma. Especialista en
mantenimiento y gestin de materiales, tiene
ms de veinte aos de experiencia mundial en
lo que es evaluacin/implantacin de
estrategia, gestin y sistemas para el
mantenimiento, los materiales y funciones de
ciclo de vida de los activos fsicos. Escribi los
libros: El Mximo tiempo de utilizacin:
Estrategias para la Excelencia de Gestin de
Mantenimiento (1955), y es coautor de
Planificacin y Control de Sistemas de
Mantenimiento: Modelo y Anlisis (1999). Lo
pueden contactar el 416-941-8448, o por correo
electrnico a BEN STEVENS es gerente del Centro de
john.d.campbell@ca.pwcglobal.com.
ANDREW JARDINE es profesor en el
Departamento de Ingeniera Mecnica e
Industrial en la Universidad de Toronto e
investigador principal en el Laboratorio de
Mantenimiento Basado en la Condicin del
Departamento donde ha sido desarrollado el
software EXAKT. Tambin acta como consultor
senior asociado en el Centro Internacional de
Excelencia de Gestin de Mantenimiento de
PricewaterhouseCoopers. El Dr. Jardine escribi
el libro Mantenimiento, Reemplazo y canadiense. Lo pueden ubicar en el 416-941-
Confiabilidad, publicado por primera vez en
1973 y actualmente en su sexta edicin. Lo
pueden contactar al 416-869-1190 anexo 2475
a al correo electrnico
andrew.k.jardine@ca.pwcglobal.com.
JAMES PICKNELL es gerente en el Centro de
Excelencia de Consultora de Gestin de
Mantenimiento. Tiene mas de 21 aos de
experiencia en ingeniera y mantenimiento
incluyendo consultora internacional en gestin
de mantenimiento de planta e instalaciones,
desarrollo e implantacin de estrategias,
ingeniera de confiabilidad, gestin de inventario
de repuestos, costeo y anlisis de ciclo de vida de
activos, benchmarking para mejores prcticas,
rediseo de procesos de mantenimiento e
implantacin de Sistemas Computarizados de
Gestin de Mantenimiento (CMMS). Lo pueden
ubicar en el 416-941-8360 o al correo electrnico
James.V.Picknell@ca.pwcglobal.com.
introduccin
de
LEN MIDDLETON es gerente en la prctica de
consultora de gestin de activos fsicos.
Tiene ms de veinte aos de experiencia
profesional en una variedad de industrias,
incluyendo prctica independiente en gestin
de proyectos y servicios de ingeniera. Su
experiencia incluye una variedad de
proyectos tcnicos en plantas de manufactura
y en talleres de reparacin, y proyectos que
involucran la introduccin de nuevos
productos a una planta operativa existente.
Lo pueden contactar en el 416-941-8383,
anexo 62893 o al correo electrnico
leonard.g.middleton@ca.pwcglobal.com.
Excelencia de Consultora de Gestin de
Mantenimiento. Tiene ms de 30 aos de
experiencia incluyendo los ltimos doce
dedicados al marketing, ventas, desarrollo,
justificacin e implantacin de Sistemas
Computarizados de Gestin de
Mantenimiento. Su experiencia previa incluye
el desarrollo, construccin e implantacin de
sistemas de monitoreo de produccin, gestin
gerencial de mantenimiento, finanzas,
funciones administrativas, y gestin de
reingeniera para un importante banco
8383 o al correo electrnico
ben.stevens@ca.pwcglobal.com.
MURRAY WISEMAN es gerente de
PricewaterhouseCoopers y ha estado en el
rea de mantenimiento por ms de 18 aos.
Ha sido ingeniero de mantenimiento en una
fundicin de aluminio, y superintendente de
mantenimiento en una importante cervecera.
Tambin fund un laboratorio de anlisis de
aceite donde desarrollo un sistema en red de
Anlisis de Criticidad de Modos de Falla y sus
Efectos, incorporando un sistema experto y
conexiones a dos bases de datos de tasa de
falla/distribucin de modos en el Centro de
Anlisis de Confiabilidad. Lo pueden
contactar al 416-815-5170 o al correo
electrnico
murray.z.wiseman@ca.pwcglobal.com.
3
Confiabilidad: pasado,
presente y futuro
Estableciendo el marco de trabajo
histrico y terico del RCM (Mantenimiento
basado en la Confiabilidad)
Por John D. Campbell
Hace no mucho tiempo, el diseo del equipamiento y de los
ciclos de produccin creaban un ambiente en el cual el
mantenimiento del equipo era bastante secundario con
respecto a mantener la operacin continua, entre eventuales
fallas del equipo. Sin embargo, hoy en da, el monitoreo de
condicin y el surgimiento del Mantenimiento Basado en la
Confiabilidad han cambiado las reglas del juego.

En el comienzo del nuevo milenio, es lgico que esta edicin del

manual sea una discusin acerca del mantenimiento. Hace medio
milenio, Galileo descubri que la tierra orbitaba alrededor del sol.
Hace mil aos, ruedas eficientes eran hechas para girar en torno al eje
de carrozas. Cuatro mil aos atrs, el telar era la ltima maravilla de
la ingeniera. Un poco ms cerca al da de hoy, la gestin de
mantenimiento ha evolucionado tremendamente con el pasar del
ltimo siglo.
La funcin de mantenimiento no estaba ni siquiera contemplada
por los primeros diseadores de equipo, probablemente debido a la
poco complicada y robusta naturaleza de la maquinara. Pero mientras
hemos avanzado hacia la obsolescencia incorporada, hemos visto una
evolucin desde el mantenimiento planeado y preventivo en la
Segunda Guerra Mundial, al monitoreo de condicin, la
computarizacin y la gestin del ciclo de vida en los noventas. Hoy, la
evolucin de las caractersticas del equipo est dictando prcticas de
mantenimiento con tcticas predominantes, pasando desde correr-a-la-
falla a la prevencin y ahora a la prediccin. Hemos avanzado un
largo camino!
La gestin de la confiabilidad es muchas veces mal entendida.
La confiabilidad es muy especfica- es el proceso de administrar el
tiempo entre fallas. Si la disponibilidad es una medida del tiempo en
marcha del equipo, o a la inversa, la duracin de las detenciones, la

4
confiabilidad se puede pensar como una medida de la frecuencia de las
detenciones.
Veamos un ejemplo. En el caso 1, su mquina de moldeo por
inyeccin est detenida por un trabajo de reparacin de 24 horas en el
medio de lo que se supona iba a ser una slida corrida de 5 das. Por
ende, su disponibilidad es de 80 por ciento (120 hrs 24hrs/120hrs).
La confiabilidad de la mquina es de 96 horas (96 horas/ 1 falla).
En el caso 2, su mquina est detenida 24 veces por una hora
cada vez. Su disponibilidad sigue siendo del 80% (120hrs
24hrs/120hrs), pero Su confiabilidad es de solo cuatro horas
(96hrs/24fallas)!
Sin embargo, ambas medidas estn ntimamente relacionadas:

Disponibilidad = Confiabilidad .
Confiabilidad + Mantenibilidad

Donde la mantenibilidad es el tiempo promedio de reparacin.

Uno de los enfoques ms robustos para la administracin de la

confiabilidad es adoptar el Mantenimiento Basado en la Confiabilidad.
El reciente lanzado estndar SAE para el RCM es un buen lugar para
comenzar a ver si uno est listo para adoptar esta metodologa. A
pesar de que el SAE define el RCM como un proceso lgico y tcnico...
para alcanzar la confiabilidad de diseo, esto requiere del input de
todos los involucrados con el equipo para hacer que el programa de
mantenimiento resultante trabaje. An as estamos manejando un
gran nivel de incertidumbre.
Tratar con la incertidumbre en el equipo es en alguna forma
como tratar con personas. Si por las ltimas tres generaciones sus
antepasados han vivido hasta la edad de 95, entonces, existe una gran
posibilidad de que Ud. tambin lo haga. Pero, existe una gran cantidad
de eventos fortuitos que ocurrirn entre ahora y ese entonces. A pesar
de este azar al cual nos vemos enfrentados, podemos hacer uso de las
estadsticas para que nos ayuden a saber qu tareas realizar (y no
realizar) y cuando realizarlas para maximizar la duracin de nuestras
vidas. Haga ejercicio tres veces a la semana y no fume y
anlogamente haga monitoreo de vibraciones mensualmente y no
reconstruya anualmente.
Cuando integramos el costo a esta ecuacin comenzamos a
entrar al reino de la optimizacin. Para esto, existen varias tcnicas de
modelamiento que han probado ser tiles para balancear el correr-a-la-
falla, el reemplazo basado en el tiempo y el mantenimiento basado en
la condicin. Nuestro objetivo es minimizar costos y maximizar la
disponibilidad y la confiabilidad.
Nuestro equipo de Gestin de Activos Fsicos en
PricewaterhouseCoopers se complace en entregarles esta introduccin

5
a la gestin de la confiabilidad y la optimizacin del mantenimiento. Si
usted est interesado en una discusin ms a fondo en estos temas,
asegrese de leer nuestro nuevo libro: Excelencia en el
Mantenimiento: Optimizando Decisiones del Ciclo de Vida del Equipo,
publicado por Marcel Dekker, Nueva York (Primavera 2000).

captulo uno

La Evolucin de la
Confiabilidad
Como el RCM se desarroll como un
enfoque viable de mantenimiento
Por Andrew K.S. Jardine

Las matemticas y la ingeniera de la confiabilidad se

desarrollaron realmente durante la Segunda Guerra Mundial,
a travs del diseo, desarrollo y uso de misiles. Durante
este perodo, el concepto de que una cadena era solo tan
fuerte como el ms dbil de sus eslabones era claramente
no aplicable a sistemas que slo funcionaban correctamente
si primero funcionaba un nmero de subsistemas. Esto
result en la ley de producto para sistemas en serie, la
cual demuestra que un sistema altamente confiable requiere
de subsistemas altamente confiables.
Para ilustrar esto, considere un sistema que consiste de tres
subsistemas (A, B y C) que deben trabajar en serie para que el sistema
completo funcione (como mostrado en figura n 1).

Entrada Subsistema A Subsistema B Subsistema C salida

Figura 1: Confiabilidad de sistemas en serie

6
 En este sistema, donde los subsistemas tienen valores de
confiabilidad de 97%, 95% y 98% respectivamente, el sistema
completo tiene una confiabilidad de 90% (Esto es obtenido de 0.97 x
0.95 x 0.98). Este no es de 95% como lo sera bajo el caso de la teora
de la eslabn ms dbil.
Claramente, para sistemas realmente complejos donde la
configuracin de diseo es dramticamente ms compleja que la de la
figura 1, el clculo de la confiabilidad del sistema es ms complejo.
Hacia finales de los cuarentas, los esfuerzos para mejorar la
confiabilidad de sistemas se enfoc a la mejor ingeniera del diseo,
materiales mas fuertes, y superficies ms duras y de un desgaste ms
parejo.
Por ejemplo, General Motors extendi la vida til de los motores
a traccin usados en las locomotoras de 250,000 millas a 1,000,000 de
millas mediante el uso de mejor aislamiento, pruebas de altas
temperaturas, y rodamientos cnicos mejorados.
En los cincuentas, hubo un extenso desarrollo de las
matemticas de la confiabilidad por parte de los estadsticos, con el
Departamento de Defensa de EEUU coordinando el anlisis de la
confiabilidad de los sistemas electrnicos por medio del
establecimiento del AGREE (Grupo Consultor de la Confiabilidad del
Equipo Electrnico).
Los sesenta vieron un gran inters en las aplicaciones
aerospaciales y esto result en el desarrollo de diagramas de bloques
de confiabilidad, tales como los de la figura n1 para el anlisis de
sistemas. El profundo inters en la confiabilidad de sistemas continuo
hacia los setenta, principalmente impulsados por la industria nuclear.
Tambin en los sesenta creci un inters en la confiabilidad de
sistemas en la industria de la aviacin civil, del cual result el
Mantenimiento Basado en la Confiabilidad (RCM), el que ser cubierto
en el captulo 3 de este manual.
Luego del temprano xito del RCM, este se ha convertido en la
metodologa predominante dentro de las empresas (militares,
industriales, etc.) en los setenta, ochenta y noventa para establecer
operaciones confiables de planta.
EL prximo milenio ver al RCM continuar jugando un rol
significativo en lo que es el establecimiento de programas de
mantenimiento, pero una caracterstica nueva ser el enfoque de
profesionales del mantenimiento a examinar minuciosamente los
planes que resulten de un anlisis de RCM y usar procedimientos que
permitan que estos planes sean optimizados.
Otras secciones (Captulo 5, Optimizando el mantenimiento
basado en el tiempo, y el captulo 6, Optimizando el mantenimiento
basado en la condicin) de este manual se refieren a procedimientos
que ya estn disponibles para apoyar este avance hacia la

7
optimizacin del mantenimiento. Ambos cubren herramientas,
polticas, mtodos de anlisis y tcnicas de preparacin de la
informacin para apoyar la implantacin de una estrategia de RCM.

Referencias
Ingeniera de Confiabilidad y Anlisis de Riesgos, Henley y Komamoto,
Prentice Hall, 1981.

captulo dos
Haga un inventario de su Operacin
Midiendo y haciendo Benchmarking de la
confiabilidad de su planta
Por Leonard G. Middleton y Ben Stevens

Opera Ud. su negocio haciendo uso del manejo de caja?

Esto es cuando usted cuenta su dinero al comienzo y al final
de cada mes. Si usted tiene ms cuando llega el final del
mes, entonces est bien. Si no, bueno, tratar de hacerlo
mejor el prximo mes o por lo menos hasta que se acabe el
dinero. Ningn negocio verdaderamente exitoso opera
usando este modelo, sin embargo el mantenimiento es
muchas veces organizado y efectuado sin usar las
mediciones pertinentes para determinar su impacto en el
xito del negocio. El uso de la medicin del desempeo est
creciendo rpidamente entre los departamentos de
mantenimiento alrededor del mundo. Esto surge de un
concepto bastante simple: no se puede administrar lo que no
se puede medir. La medicin del desempeo es por ende un

8
elemento crucial de la gestin de mantenimiento. Las
metodologas para capturar el desempeo son de vital
importancia ya que mediciones poco confiables llevan a
conclusiones poco confiables, las que a su vez llevan a
acciones defectuosas.
Los beneficios del benchmarking
El benchmarking refuerza el comportamiento positivo y el
compromiso de los recursos. Permite un progreso ms rpido hacia las
metas proveyendo informacin por medio del participante y del mayor
compromiso. Al usar estndares externos de desempeo, una
organizacin puede permanecer competitiva disminuyendo el riesgo
de ser sobrepasada por el desempeo de sus competidores y los
requerimientos de los clientes.
Principalmente, el benchmarking satisface las necesidades de
informacin de los stake-holders y de la alta gerencia enfocndose a
procesos crticos que agregan valor mientras logran una visin
integrada del negocio. El benchmarking es un proceso que genera
demandas de todos sus participantes, pero es una de las mejores
maneras de encontrar prcticas que funcionen bien dentro de
situaciones comparables.
Que debera medir?
No hay nada mstico acerca de la medicin del desempeo el
truco est en la manera de usar los resultados para generar acciones
necesarias. Esto requiere que se den un nmero de condiciones
incluyendo informacin confiable y consistente, anlisis de alta calidad,
una clara y persuasiva presentacin de la informacin, y un ambiente
de trabajo receptivo (vea figura 2).

ENTRADAS
Mano de obra capacitada
Equipo y herramientas
SALIDAS
Disponibilidad
Materiales y suministros
Tasa de procesos
Servicios contratados
Calidad
Overhead tcnico
Mantenibilidad
Overhead de Gestin
Confiabilidad
Instalaciones y talleres
Efectividad del equipo
Utilizacin
Costo ciclo de vida
Retorno sobre la inversin

Medidas de la Efectividad del Proceso

Carga de trabajo pendiente por especialidad
Anticipacin de ordenes de trabajo
% de trabajo que corresponde a mantenimiento preventivo
% de mantenimiento preventivo completado segn el programa
% de trabajo que es planeado
Nmero de ordenes de trabajo de emergencia
% de trabajo que corresponde a mantenimiento predictivo
% usado de monitoreo basado en la condicin
rotacin de inventario
nivel de servicio de la bodega
Frecuencia y severidad de los accidentes
Tasa de absentismo 9
 Figura 2: Entradas, salidas y medidas de efectividad de proceso

Como el tema de la optimizacin del mantenimiento est

focalizada en la alta gerencia y en la sala del directorio, es esencial
que los resultados sean mostrados como un reflejo de la ecuacin
bsica del negocio: El mantenimiento es un proceso de negocio que
convierte las entradas en salidas aprovechables. La figura 3 muestra
los tres elementos principales de esta ecuacin los entradas, las
salidas y el proceso de conversin con ejemplos de medidas de
desempeo.
La medicin de las entradas se traduce en los recursos que
asignamos al proceso de mantenimiento. La medicin de las salidas
son los resultados del proceso de mantenimiento. Las mediciones de
la efectividad del proceso de mantenimiento determinan en que lugar
deberan ser hechas las mejoras. Mediciones especficas de
confiabilidad incluyen MTBF (Tiempo medio entre falla), MTTR (Tiempo
medio para reparacin.).

ENTRADAS PROCESO SALIDAS

Si tiene limitaciones Si tiene limitaciones

de costos, de produccin,
empiece aqu empiece aqu

Figura 3: optimizacin de mantenimiento el punto de partida

Relacionando la medicin del desempeo con los objetivos del negocio

Hay tres escenarios operacionales bsicos del negocio que
impactan en el enfoque y en las estrategias del mantenimiento. Estos
son:
1. Capacidad operacional excedente;
2. Capacidad operacional limitada;

10
 3 Enfoque de cumplimiento al servicio, la calidad o a los
requerimientos reglamentarios.
Las mediciones del benchmarking deben reflejar el escenario
operacional predominante del negocio en ese momento. Mientras
algunas medidas son comunes a los tres escenarios, el enfoque de
mantenimiento debe alinearse con el enfoque actual de la
organizacin. El escenario operacional puede cambiar debido a los
cambios en la economa. Por ejemplo, una economa fuerte o una baja
en las tasas de inters podran causar un aumento de la demanda de
materiales de construccin. Como consecuencia, las industrias de
materiales de construccin (como las fbricas de ladrillos o de paneles
de yeso) cambiarn del primer escenario (capacidad excedente) al
segundo (capacidad limitada).
La mayora de las entradas en la figura 1 son bastante familiares
al departamento de mantenimiento y son constantemente medidos
como la mano de obra, los materiales, el equipo y los contratistas.
Tambin hay entradas que son ms intangibles, y por ende ms
difciles de medir con precisin tales como la experiencia, las
tcnicas, el trabajo en equipo, el historial de trabajo sin embargo
cada uno puede tener un efecto muy significativo en los resultados.
De la misma manera, algunos de los salidas son fcilmente
reconocibles e igualmente fciles de medir; otros son ms difciles de
medir efectivamente. As como con los salidas, algunas son
intangibles, tal como la contribucin al espritu del equipo que viene
despus de terminar con una difcil tarea en el programa. La medicin
de la asistencia y del ausentismo son substitutos muy inexactos para
estos intangibles, e indicadores generales del desempeo del
mantenimiento son demasiado amplios como para resolverlos. No
obstante la contribucin de los intangibles al mosaico del desempeo
general de mantenimiento, el enfoque de este manual se centrar en
las mediciones de los tangibles.
El proceso de convertir las entradas de mantenimiento en salidas
requeridas es la parte esencial del trabajo del gerente de
mantenimiento sin embargo la tasa de conversin absoluta es pocas
veces de mucho inters por s sola. Por ejemplo, puede que convertir
las horas de mano de obra en confiabilidad haga poco o nada de
sentido hasta que pueda ser usada como una medida de
comparacin, a travs del tiempo o con otra compaa o divisin
similar. De la misma manera, la tasa promedio de consumo de
materiales por orden de trabajo trae consigo poca significancia a
menos que se vea que, digamos, la prensa A ocupa el doble de
materiales de reparacin que la prensa B para el mismo rendimiento
de produccin. De hecho, una manera simple de reducir el consumo de
materiales por orden de trabajo es dividir los trabajos y de esa forma
aumentar el nmero de ordenes de trabajo.

11
 Por ende, el enfoque debe estar en la posicin comparativa de
una compaa o divisin, o en el mejoramiento de la efectividad del
mantenimiento de un ao al otro. Estas comparaciones resaltan otro
notable valor de la medicin del mantenimiento es decir su uso en
comparaciones regulares de progreso hacia objetivos y metas
especficas. Este proceso de benchmarking a travs del tiempo, con
otras divisiones u otras compaas est siendo cada vez ms usado
por la alta gerencia como un indicador clave de la buena gestin de
mantenimiento, y frecuentemente revela sorprendentes discrepancias
en el desempeo. Un reciente ejercicio de benchmarking (vea figura

4) entreg interesante informacin sobre la industria de la celulosa.

Una mirada rpida a los resultados muestra algunas

discrepancias significativas no solamente en la estructura general de
costos, sino que tambin en la manera en que la compaa X hace
negocios por ejemplo, una estructura gerencial de ms peso y un uso
mucho menor de contratistas. Lo que queda claro de este
benchmarking de alto nivel es que algo se tendr que hacer para
conservar la competitividad en el mercado de la compaa X. Sin
embargo, para determinar exactamente lo que hay que hacer es
necesario un4:anlisis
Figura ms detallado.
Costos de mantenimiento segn el estudio de benchmarking hecho a la
Como uno podra prever, eldenmero
industria la celulosa de mediciones potenciales
de desempeo excede por mucho la habilidad (o voluntad) del gerente
de mantenimiento para recolectar, analizar y actuar basado en la
informacin. Por esto, una parte importante de cualquier programa
para implementar la medicin del desempeo es un entendimiento
pleno de los pocos, pero claves indicadores de desempeo. Potenciar
al mximo debera siempre ocupar la primera prioridad. Esto es, uno
primero debe identificar los indicadores que muestran resultados y
progreso en aquellas reas que tienen una necesidad ms crtica de
mejoramiento. Como un punto de partida, considere la figura 3 en la
pgina 9.

12
 Una parte importante de cualquier programa para implementar
la medicin del desempeo es el entendimiento pleno de los
indicadores claves de desempeo con un especial nfasis a los
indicadores que muestran progreso en las reas que necesitan el
mayor apoyo dentro de las operaciones de mantenimiento de una
empresa.

Si un negocio pudiese ser capaz de vender una mayor cantidad

de productos o servicios si bajase sus precios, entonces diremos que
ese negocio tiene limitaciones de costo. Bajo estas circunstancias,
es muy posible que la mejor ganancia provenga de concentrarse en el
control de las entradas es decir mano de obra, materiales, costos de
los contratistas y los overheads. Si un negocio puede vender
lucrativamente todo lo que produce, entonces lo denominamos un
negocio limitado en la produccin, y es probable que alcance su
mayor ganancia si se enfoca en maximizar las salidas mediante la
confiabilidad, disponibilidad y mantenibilidad de los activos.

Negocios con capacidad excedente (con limitaciones de costos)

Las mediciones financieras tpicas del mantenimiento podran
incluir:
1. Presupuesto de mantenimiento versus gastos (es decir,
predictibilidad de costos);
2. Flujo de caja de los gastos de mantenimiento (es decir, el
impacto en la habilidad para pagar por los gastos);
3. Gastos de mantenimiento relativos a las salidas (es decir,
costos de mantenimiento por unidad de produccin);
4. Mediciones derivadas de gastos describiendo las actividades
para las cuales se destinaron: reparacin de emergencia,
monitoreo basado en la condicin trabajo correctivo planeado,
trabajo de cierre, eficiencia de procesos, porcentajes de tiempo
de los ciclos, o porcentajes de la tasa de produccin (no tasa
absoluta de produccin).

Negocios con capacidad operacional limitada

Mediciones tpicas de la productividad o el output del
mantenimiento pueden incluir:
1. Efectividad general del equipo y la disponibilidad, tasa de
produccin y tasa de calidad de cada una de las partes del
equipo como medidas primarias;
2. MTBF y MTTR, como medidas secundarias usadas para
analizar problemas con respecto a la disponibilidad.

13
 El anlisis del RCM (vea captulo 3) debera incluir todas las
operaciones, cuellos de botellas y equipo crtico (dando lugar a
impactos o redundancia de equipos, o procesos paralelos), en las
tcticas de evaluacin.

Cumplimiento de los requerimientos

Los factores crticos del xito de una organizacin generalmente
dependen fuertemente en el cumplimiento de un conjunto de
requerimientos determinados por las agencias regulatorias o por los
clientes. El cumplimiento puede tener relacin con la operacin, tal
como lo es el caso del equipo de monitoreo de efluente. El servicio
pblico reglamentado, productos farmacuticos o para el cuidado de la
salud, o los productos de prestigio son negocios cuyos mrgenes y
naturaleza son tal que el cumplimiento es su aspecto operacional ms
crtico. Las mediciones financieras y las de las salidas siguen siendo
importantes pero pasan a un nivel secundario.
Las mediciones tpicas del mantenimiento en este escenario
operacional pueden incluir:
1. Tasa de calidad;
2. Disponibilidad (por ejemplo, requerimiento reglamentado de
cumplimiento)
3. Precisin o repetitibilidad del equipo o sistema.
El anlisis RCM debera entonces enfocarse en los aspectos
crticos de cumplimiento, tal como es requerido por los stakeholders
externos.

Cuan bien se est desempeando?

Los 10 tems del proceso de mantenimiento de la figura 5 (abajo)
resultan del ejercicio del benchmarking y un anlisis subsecuente.
Ellos entregan los objetivos generales y la habilidad de medir el
progreso hacia la consecucin de las metas.
Referencia Lo mejor
Referencia

Figura 5: Midiendo la brecha

Los descubrimientos y el compartir de los resultados

14
 Las mejores prcticas son identificadas por las organizaciones
que realizan benchmarking, quienes toman en cuenta las limitaciones
que puedan existir. Un plan de implantacin es desarrollado para
hacer que las mejores prcticas formen parte del proceso de
mantenimiento de la organizacin que realiza el benchmarking (vea
figura 6).

En el espritu del benchmarking, los resultados del estudio son

compartidos con los participantes. Ellos reciben un informe que detalla
los descubrimientos del estudio de benchmarking sin recomendaciones
especficas. Este informe es de mucha importancia ya que es el valor
esencial que ellos reciben por el esfuerzo entregado.

Figura 6: Actuando basado en los resultados de un estudio de benchmarking

Fuentes externas de datos
Las formas legales de obtener datos adicionales para la
comparacin de desempeo requieren de la bsqueda de informacin
secundaria (descrita ms abajo) y del benchmarking. El benchmarking
puede ser de uno o ms de los siguientes:
1. Benchmarking interno;
2. Benchmarking dentro de la industria;
3. Benchmarking con organizaciones comparables que no se
encuentren dentro de la industria.
Luego de haberla obtenido, un tema importante con la
informacin externa es ver cuan comparable es. La informacin
financiera es particularmente difcil de comparar, ya que ambas, la
prctica de la contabilidad financiera (incluyendo las restricciones de
los GAAP) y la de la contabilidad gerencial de costos varan de acuerdo
con los objetivos de la organizacin.

15
 Las preguntas que usted se debera hacer cuando est
analizando informacin contable pueden incluir: Estn los materiales
MRO y los servicios externos incluidos en el presupuesto de
mantenimiento o en el presupuesto de compras? Estn los convenios
de sustitucin y los servicios mayores incluidos en el presupuesto de
mantenimiento o en el presupuesto de capital? Al calcular la
disponibilidad del equipo, se considera todo el tiempo de detenciones,
o solamente el no programado? Las respuestas van a depender de lo
que la organizacin est intentando medir con el clculo.

Bsqueda de informacin secundaria

La informacin secundaria es informacin recolectada para otros
propsitos. Tpicamente estos podran se informes generados por el
gobierno o informes anuales de compaas transadas pblicamente.
La informacin tiene un cierto nmero de limitaciones. Es probable
que los datos sean cuantitativos y se disponga de poca informacin
adicional disponible para entender el contexto. Puede que no sea
reciente. Puede que las mediciones comparables de desempeo no se
encuentren disponibles porque sus datos fundamentales no fueron
recolectados.

Consideraciones generales en el benchmarking

El benchmarking es compartir informacin similar entre los
participantes del estudio. Este puede ser extenso, cubriendo a la
organizacin por completo, o enfocado en un proceso en particular o
en un conjunto de mediciones (vea la figura 7).

Figura 7: Comparaciones de benchmarking

16
 El benchmarking puede tomar diferentes formas. Informacin
especfica, aunque generalmente cualitativa, puede ser obtenida por
medio de encuestas telefnicas cortas (15 a 30 minutos). Informacin
detallada se puede obtener mediante el uso de cuestionarios
exhaustivos, pero en ese caso, la participacin se convierte en un tema
importante. Un estudio de benchmarking focalizado puede centrarse
en intereses especficos, pero el contenido debe ser lo suficientemente
amplio como para poder obtener participacin (vea la figura 8).

Referencia:
Enfoque de Completar el
Cuestionario Programa de
sastre para
Acuerdo de la Entrevista:
cumplir con las Anlisis, validacin
definicin de todas Llevado a cabo una
necesidades y revisin de datos Retroalimentar a los
las preguntas vez que ha sido
Convenir Los datos estn participantes
Apoyo en lnea para completado el
metas y nfasis consolidados Una evaluacin
su staff durante la cuestionario
especfico. Los datos estn cualitativa y
terminacin Compruebe el
Defina el validados cuantitativa
Mejorado cada ao entendimiento
recurso y el Ingresados en la Resumen y evaluacin
para reflejar las Diagrame los
itinerario base de datos de general
necesidades procesos claves
Acuerde nuestro y en Recomendaciones
cambiantes de la Identifique los
alcance y anlisis de nuestro de a que reas
industria generadores y
objetivos modelo dirigirse y los
medidas claves de
Benchmarks a prximos pasos
desempeo.
distintos procesos
Entreviste personas
son comparados
vertical y
para relaciones
horizontalmente en la
casuales
organizacin
ETAPA 1
ETAPA 2
ETAPA 3
ETAPA 4
ETAPA 5

Figura 8: Las etapas del benchmarking

Benchmarking interno
La mayor dificultad en el benchmarking es la obtencin de los
datos crticos necesarios para la comparacin. El benchmarking
interno resuelve este tema comparando los datos de otras
organizaciones y divisiones dentro de la compaa. La informacin
puede ser libremente intercambiada ya que no presenta una ventaja
para alguno de los competidores. Los datos intercambiados por medio
de un programa de benchmarking interno son generalmente
cuantitativos, ya que la informacin cualitativa requiere de un anlisis
de mayor envergadura.

17
 La limitacin del benchmarking interno es que el conocimiento
del desempeo de uno con relacin a compaas externas permanece
desconocido. Sin comparaciones externas, una compaa no puede
determinar si verdaderamente se est desempeando de la mejor
manera posible.

Benchmarking a nivel industria

En algunas industrias se comparte informacin por medio de un
tercero. Puede ser a travs de una asociacin de industrias o por
medio de un tercero que haya desarrollado experiencia en la industria
y quiera mantenerse como un punto focal de ella (por ejemplo, el
informe de benchmarking de la Silvicultura Global de PWC). Este
tercero asegura que la informacin permanecer confidencial y que no
est directamente atribuida a ninguna de las organizaciones
participantes. Este tambin formulara el cuestionario, sin embargo el
aporte de los participantes ayudara a proveer direccin para asegurar
que los resultados sean de la mayor utilidad para ellos. A veces es
difcil conseguir la participacin de todas las partes crticas ya que
algunas compaas ven sus operaciones como ventajas estratgicas
sobre la competencia. Si en realidad son mejores que sus
competidores y no tienen nada que aprender de ellos, entonces esto se
cumple pero, la verdad es que siempre hay algo que aprender.

Benchmarking con industrias comparables

Cuando una organizacin quiere efectuar mediciones especficas,
es posible llevar a cabo un estudio de benchmarking focalizado.
Usando una tercera parte externa para mantener la confidencialidad
(eso es decir que datos le pertenecen a que empresa), una
organizacin puede medir y comparar partes especficas de sus
procesos con las mejores prcticas reveladas por el ejercicio. Ya que la
mayora de las veces es difcil obtener informacin de los competidores
directos, generalmente es posible obtenerla de otras industrias que
cuentan con los mismos problemas de produccin y las mismas
limitaciones. Un beneficio del benchmarking con industrias
comparables es el descubrimiento de nuevas ideas que no constituyen
la prctica comn en la industria de uno pero que si podran ser
adoptadas.
Por ejemplo, un cliente de la industria de la refinera de gas y
petrleo deseaba hacer benchmarking de la gestin de mantenimiento
elctrico y de instrumentos. El criterio de seleccin de participantes
para otras organizaciones fue:
1. El mantenimiento elctrico y de instrumentos es crtico para
operaciones confiables;
2. La produccin es un proceso continuo que requiere operar 24
horas diarias, 7 das a la semana;

18
 3. Las ramificaciones de detenciones no programadas son
graves y existe un esfuerzo considerable por parte de
mantenimiento para evitar las detenciones; y
4. El mantenimiento es proactivo.
La lista de posibles participantes que reunieron todos, o la
mayora los requisitos, incluy plantas qumicas, plantas generadoras
de electricidad, plantas de tratamiento de aguas servidas, molinos de
acero, como tambin otras plantas refinadoras de gas y petrleo.
El mantenimiento es una parte esencial del negocio de una
organizacin y debe por lo tanto adecuarse a los objetivos y a la
direccin en que esta est orientada. El mantenimiento no puede
operar en aislamiento. El continuo ciclo de mejoramiento que es clave
para el mejoramiento del mantenimiento debe ser manejado para as
encajar con la planificacin, ejecucin y el ciclo de retroalimentacin
de la organizacin.
Frecuentemente ocurren incongruencias debido a la negligencia
del mantenimiento de correlacionar el nivel corporativo con el nivel de
departamento por ejemplo, si la compaa pone una moratoria a
nuevos gastos de capital, esto debe ser integrado a la estrategia de
mantenimiento y reemplazo de equipo del departamento de
mantenimiento. De la misma manera, si la misin corporativa es
producir el producto de mayor calidad posible, entonces esto
probablemente no est de acuerdo con el objetivo del departamento
de mantenimiento de minimizar los costos. Este tipo de
incongruencias aparece generalmente dentro del departamento de
mantenimiento en s; si la misin del departamento de mantenimiento
es ser el departamento con mejor desempeo en el negocio, entonces,
es muy posible que una estrategia que excluya el mantenimiento
basado en la condicin y la confiabilidad no alcance los resultados
deseados (vea figura 9). Asimismo, si la presentacin de la estrategia
llama a un incremento de un 10% en la confiabilidad, entonces deben
estar disponibles datos confiables y consistentes para poder hacer las
comparaciones.

19
Figura 9: El ciclo de mejoramiento continuo del mantenimiento
Prioridades incompatibles para el gerente de mantenimiento

En la industria moderna, todos los departamentos de

mantenimiento enfrentan el mismos dilema Cual de las tantas
prioridades se encuentra en el nmero uno de la lista? (Atrvase uno a
sumarle ... esta semana?) Debera la organizacin minimizar los
costos de mantenimiento o maximizar el rendimiento de la
produccin? Minimizar el tiempo de detenciones o concentrarse en la
satisfaccin del cliente? Debera gastar dinero en el corto plazo en un
programa de confiabilidad para reducir los costos en el largo plazo?
Las prioridades corporativas son fijadas por el gerente senior y
ratificadas por la junta directiva. Una vez ratificadas estas prioridades
deberan fluir hacia todas las partes de la organizacin. La tarea del
gerente de mantenimiento es adoptar estas prioridades y convertirlas
en las prioridades, estrategias y tcticas correspondientes de
mantenimiento para lograr los resultados; luego debe investigarlas y
mejorar basado en ellas.

Benchmark 1. Costos de Mantenimiento por

MACRO Externo tonelada estn por sobre el estndar
de la industria en un 15%

Fijacin objetivos de reduccin

Implantacin medios para asignar
costos a equipos y tareas
Acciones Analizar el desglose de los costos
MICRO Internas entre equipos, tareas y tipos de
costos
Examinar y comparar los mtodos
Aplicar mejores prcticas en todas
las reas

Figura 10: Relacionando mediciones macro con tareas micro

La figura 10 (arriba) muestra un ejemplo de como las prioridades

corporativas pueden fluir hacia las tcticas de mantenimiento que
controlan el trabajo diario del departamento. Por ende, si la prioridad
corporativa es maximizar la venta de productos, entonces esto puede

20
ser legtimamente convertido a prioridades de mantenimiento que se
enfoquen a maximizar el rendimiento y por lo tanto la confiabilidad del
equipo. Como resultado las estrategias de mantenimiento tambin
reflejaran esto, y podran incluir (por ejemplo) la implantacin un
programa formal de aumento de la confiabilidad apoyado por un
monitoreo basado en la condicin. De estas estrategias surgen las
tcticas diarias, semanales y mensuales proveyendo las listas de
tareas individuales que se convertirn en los trabajos que aparecern
en las ordenes de trabajo del EAM o el CMMS. El uso de la orden de
trabajo como el aviso para asegurar que las inspecciones se lleven a
cabo ya ha sido difundido; donde las organizaciones fallan
frecuentemente es en asegurar que el anlisis de seguimiento y los
informes sean completados regular y oportunamente. El mtodo ms
efectivo de hacer esto es de asignarlas como tareas semanales de
ordenes de trabajos las cuales estn entonces sujetas al mismo
seguimiento de desempeo que las ordenes de trabajo de
reparaciones y de mantenimiento preventivo.
Al buscar maneras de mejorar el desempeo un gerente de
mantenimiento se enfrenta a muchas alternativas que al parecer son
incompatibles. Hay muchas tcnicas de anlisis disponibles para
establecer donde se encuentran las organizaciones en relacin con
estndares de la industria o mejores prcticas de mantenimiento. Las
mejores tcnicas son aquellas que tambin indiquen la ganancia que
ser derivada de la mejora y por ende de las prioridades. Las tcnicas
de anlisis tienden a ser divididas en los enfoques macro (cubriendo
todo el departamento de mantenimiento y su relacin con el negocio) y
micro (focalizado en una parte del equipo en especfico o en solo un
aspecto de la funcin de mantenimiento).
Las tcnicas lderes son:
1. Anlisis de la efectividad del mantenimiento: Esto cubre la
efectividad general de la funcin de mantenimiento y su relacin
con las estrategias de negocios de la organizacin. Estas pueden
ser manejadas interna o externamente, y generalmente cubren
reas tales como:
Estrategia y comunicacin de mantenimiento;
Organizacin de mantenimiento;
Recursos humanos y el empoderamiento de los empleados;
Uso de tcticas de mantenimiento;
Uso de ingeniera de mantenimiento y enfoques para el equipo
basados en la confiabilidad;
Monitoreo del desempeo y el mejoramiento del equipo;
Tecnologa de la informacin y sistemas de gestin;
Uso y efectividad de la planificacin y de la programacin;
Gestin de materiales en apoyo del mantenimiento.
2. Benchmarking externo: Este hace paralelos con otras
organizaciones para establecer las posiciones de las

21
 organizaciones en relacin con los estndares de la industria. La
confidencialidad es un factor clave, y los resultados son
generalmente presentados como un rango de indicadores de
desempeo y el ranking objetivo dentro de este rango. Algunos de
los temas cubiertos en el benchmarking se sobrepondrn con el
anlisis de efectividad del mantenimiento; algunos temas
adicionales incluyen:
Naturaleza de las operaciones del negocio
Estrategias y prcticas recientes de mantenimiento
Prcticas de gestin de inventarios y almacenes
Presupuestacin y costeo
Medicin y desempeo del mantenimiento
Uso de CMMS y otras herramientas IS
Reingeniera del proceso de mantenimiento
3. Comparaciones Internas: Estas medirn un conjunto de parmetros
similares tal como el benchmark externo, pero estos sern
obtenidos de distintos departamentos o plantas dentro de la misma
organizacin. Como tal, son generalmente ms baratos y, si es que
los datos son consistentes, puede ilustrar diferencias en las
prcticas de mantenimiento dentro de plantas similares. Estas
diferencias luego se convierten en la base de experiencias
compartidas y en la pronta adopcin de mejores prcticas obtenidas
de estas experiencias.
4. Anlisis de las mejores prcticas: toma los estndares de proceso y
de operacin del departamento de mantenimiento y los compara
con los mejores en la industria.
Esto es generalmente el punto de partida de un programa de
mejora del proceso de mantenimiento y se enfoca en reas tales
como:
Mantenimiento preventivo;
Inventarios y compras;
Flujo de trabajo de mantenimiento;
La involucracin de las operaciones;
Mantenimiento predictivo;
Mantenimiento basado en la confiabilidad;
Mantenimiento productivo total;
Optimizacin financiera;
Mejoramiento contnuo.
5. Efectividad General del Equipo (OEE): Es una medicin general de la
efectividad operacional de la planta luego de haber deducido las
perdidas causadas por detenciones programadas y no programadas,
la calidad y el desempeo del equipo. En cada caso los sub-
componentes han sido definidos meticulosamente para proveer uno
de los pocos indicadores de desempeo del equipo razonablemente
objetivo y de uso comn. Al ver el resumen de los resultados de
una compaa (ver figura 11), recuerde que los nmeros de cada

22
 categora son multiplicados a travs del clculo para llegar al
resultado final. Por esto, la compaa Y que logra 90% o ms en
cada categora (que parecen ser muy buenos nmeros), solamente
tendr un OEE de 74%. Esto significa que al incrementar el OEE,
digamos a un 95%, la compaa Y puede aumentar su produccin
en un 28% con gastos de capital mnimos ((95 74)/74 = 28).
Haciendo esto en tres plantas hace innecesaria la construccin de
una cuarta.

Estos son algunos de los indicadores de alto nivel que sirven

para darle a la gerencia una perspectiva general de la efectividad y
ubicacin competitiva del departamento de mantenimiento. Ellos son
muy tiles para remarcarFigura 11:los temasgeneral
Efectividad claves a nivel gerencial, pero
del equipo
necesitan de una evaluacin ms detallada para generar acciones
especficas. Generalmente requerirn de apoyo de la alta gerencia y
financiamiento corporativo.
Afortunadamente, existen varias medidas que pueden (y deben)
ser implementadas dentro del departamento de mantenimiento que no
requieren de aceptacin externa o de financiamiento corporativo.
Estas son importantes para los mantenedores ya que pueden ser
usadas para estimular un clima de mejoramiento y progreso. Algunos
de los indicadores a nivel micro son:
1. Evaluacin de los beneficios que siguen a la compra o
implantacin de un sistema (EAM) o equipo en comparacin con
los resultados planeados o la justificacin inicial de los costos.
2. Anlisis de confiabilidad/tasas de fallas de la maquinaria:
enfocado a maquinas individuales o lneas de produccin.
3. Anlisis de la efectividad de la mano de obra: medir la
asignacin de la mano de obra a los trabajos o categoras de
trabajos en comparacin con el ao pasado.
4. Anlisis del uso de materiales, disponibilidad de equipo,
utilizacin, productividad, perdidas, costos, etc.
Todos estos indicadores proporcionan informacin til acerca del
negocio del mantenimiento y de cuan bien se estn realizando las
tareas. Un gerente de mantenimiento efectivo tendr que ser capaz
de seleccionar aquellos que contribuyan de la manera ms directa
tanto al logro de las metas del departamento de mantenimiento como
al de las metas generales del negocio.

23
captulo tres

Es el RCM la
herramienta correcta
para Usted?
Determinando sus necesidades de
confiabilidad
Por Jim V. Picknell
En este captulo definiremos el Mantenimiento Basado en la
Confiabilidad (RCM) como un proceso lgico y
tcnico para determinar los requerimientos
apropiados de las tareas de mantenimiento y as
poder alcanzar la confiabilidad de diseo del
sistema bajo condiciones operacionales
especficas en un ambiente operacional
especfico.

El recientemente lanzado estndar SAE, JA1011, Criterio para la

Evaluacin de los Procesos de Mantenimiento Basados en la
Confiabilidad (RCM) esboza un conjunto de criterios que cualquier
proceso debera cumplir para que pueda ser calificado como RCM.
Mientras que la intencin es de que se use este nuevo estndar para
determinar si un proceso califica como RCM, ste no especifica el
proceso en s. El estndar presenta siete preguntas que el proceso
debe responder. Este captulo describe ese proceso y algunas
variaciones. Usted puede revisar el estndar SAE para un
entendimiento exhaustivo de todo el criterio RCM.
Nosotros no podemos alcanzar una confiabilidad mayor que
aquella que fue diseada en los sistemas por sus diseadores. Cada
componente tiene sus propios y nicos modos de falla con sus
respectivas tasas de falla. Cada combinacin de los componentes es
nica y la falla de un componente puede que lleve a la falla de otros.

24
Cada sistema opera en un ambiente nico que consiste en ubicacin,
altitud, profundidad, atmsfera, presin, temperatura, humedad,
salinidad, la exposicin a productos o fluidos del proceso, rapidez,
aceleracin, etc. Cada uno de estos factores puede influenciar los
modos de falla haciendo algunos ms dominantes que otros. Por
ejemplo, el switch de nivel en un estanque de aceite de lubricacin
sufrir menos corrosin de lo que lo har el mismo switch en un
tanque de agua salada. Es muy probable que una aeronave que opere
en un ambiente martimo temperado sufra ms de corrosin de lo que
lo hara una operando en un desierto rido.
Generalmente, los manuales tcnicos recomiendan un programa
de mantenimiento para el equipo y los sistemas. Dentro de lo que
pueden, algunas veces toman en cuenta diferentes ambientes
operacionales. Por ejemplo, el manual de un automvil especificar
distintas densidades del lubricante y del anticongelante que varan con
la temperatura ambiente en la cual se opera. Pero, ellos no
especifican acciones de mantenimiento basadas en el estilo de manejo
digamos, agresivo v/s defensivo o basadas en el uso del vehculo
como por ejemplo una flota de taxis versus viajes semanales a la
iglesia o a visitar a los nietos. En un ambiente industrial es muy poco
comn ver que los manuales se ajusten especficamente a su ambiente
operacional. Su compresor de aire de instrumentacin instalado en
una ubicacin subrtica puede que tenga las mismas especificaciones
manuales y de punto de roco que uno instalado en un clima tropical
hmedo. El RCM es un mtodo que lo ayudar a encontrar su propio
rumbo con respecto al mantenimiento de la flota, de la planta y de las
instalaciones.

Los 7 pasos del proceso RCM

El RCM tiene siete pasos bsicos:
1. Identificar el equipo/sistema a ser analizado;
2. Determinar sus funciones;
3. Determinar que es lo que constituye la falla de esas
funciones;
4. Identificar los modos de falla que causan aquellas fallas
funcionales;
5. Identificar los impactos o efectos de la ocurrencia de esas
fallas;
6. Usar lgica RCM para seleccionar tcticas apropiadas de
mantenimiento; y
7. Documentar su programa final de mantenimiento (sujeto a
perfeccionamiento conforme vaya obteniendo experiencia
operacional).
Estos siete pasos tienen como intencin responder las siete
preguntas propuestas en el nuevo estndar SAE. La figura 12 (pgina
23) ilustra todo el proceso RCM.

25
 Prximo equipo para anlisis
Seleccione equipo
para el anlisis

Determine y especifique las FMEA

funciones que desempea

Describa las fallas de

esas funciones
Describa COMO Nuevos modos de falla
ocurren esas fallas
(modos de falla) descubiertos

Describa los
efectos de esas
fallas
Use lgica RCM para seleccionar
el mantenimiento o ingeniera de refinamientos
acciones apropiada y determine la
frecuencia de las tareas

Documente sus resultados y

comience el monitoreo de su
programa de mantenimiento

Figura 12: Visin general del proceso RCM

Figura 13: Que est en juego cuando

falla?
En el primer paso, el profesional de RCM debe decidir que
analizar. Son las partes o equipos ms crticos los que requieren
mayor atencin. Hay muchos criterios posibles y aqu sugerimos unos
cuantos:
Seguridad del personal
Cumplimiento con normas ambientales
Capacidad de produccin
Calidad de la produccin
Costos de produccin (incluyendo costos de mantenimiento) e;

26
 Imagen pblica
Cuando ocurre una falla en algn sistema, el equipo o dispositivo
puede tener distintos grados de impacto en estos criterios, desde
ningn impacto hasta alto riesgo y desde impacto menor hasta
impacto mayor. A cada uno de estos criterios e impactos se le
puede asignar un peso. Los partes o equipos con mayor impacto
combinado sobre todos los criterios deberan ser analizados primero.

Las funciones de cada sistema son lo que los sistemas hacen

de una manera activa o pasiva. Las funciones activas son
generalmente aquellas obvias por las que nombramos
Figura 14: Cuan complejo? Cuales funciones son ms fcilmente nuestro
definidas? equipo.
Por ejemplo, un centro de control de motores es usado para controlar
las operaciones de varios motores. Algunos sistemas tambin tienen
funciones secundarias o hasta protectoras menos obvias. Un ciclo
qumico recuperativo y un horno, ambos tienen funciones secundarias
de contencin y puede que tambin tengan funciones protectoras
provedas por propiedades de aislamiento trmico o de resistencia a la
corrosin qumica.
Es importante notar que algunos sistemas no desempean su rol
activo hasta que ocurre algn otro evento, tal como los sistemas de
seguridad. Este estado pasivo de los sistemas hace que las fallas sean
difciles de encontrar y que se encuentren cuando ya es demasiado

27
tarde. Cada funcin tiene tambin su conjunto de lmites
operacionales. Estos parmetros definen la operacin normal de la
funcin. Cuando el sistema opera fuera de estos parmetros
normales, se considera que ste ha fallado. La definicin de las
fallas funcionales sigue estos lmites. Se puede dar que las fallas de
nuestros sistemas estn caracterizadas por condiciones altas, bajas,
abiertas cerradas, de encendido, de apagado, de ruptura, de
inestabilidad, de bloqueo, etc.
Las funciones son ms fcilmente determinadas para las partes
de un montaje que para el montaje en s. Existen dos enfoques para
determinar funciones que dictan la manera en que se llevar a cabo el
anlisis. Una alternativa es la de fijarse en las funciones del equipo.
Pensar en todos los modos de falla que sean necesarios para
imaginarse todo lo que pueda fallar en un montaje de un nivel
relativamente alto. Este enfoque es bueno para determinar los
principales modos de falla pero puede omitir algunos menos obvios.
Otra alternativa es la de fijarse en las funciones de las partes. Esto
se hace dividiendo el equipo en montajes (ensamblajes) y partes, muy
parecido a cuando se desarma el equipo. Cada parte tiene sus propias
funciones y modos de falla.
Un modo de falla es como el sistema falla al desempear su
funcin. Un cilindro puede estar atascado en una posicin por una
falta de lubricacin por parte del lquido hidrulico que est siendo
usado. Una falla funcional es la falla para proveer movimiento lineal
pero, el modo de falla es la perdida de propiedades lubricantes del
liquido hidrulico. Por supuesto, hay muchas causas posibles para este
tipo de falla que debemos considerar al determinar la accin de
mantenimiento correcta para evitar la falla y sus consecuencias. Las
causas pueden incluir: el uso equivocado del lquido, la ausencia de
lquido debido a una filtracin, mugre en el lquido, corrosin en la
superficie debido a la humedad del lquido, etc. Cada uno de estas se
puede revisar al hacer un chequeo, el cambio, o el acondicionamiento
del lquido. Estas son intervenciones de mantenimiento.
No todas las fallas son iguales. Las consecuencias de las fallas
son sus efectos en el resto del sistema, la planta y el ambiente
operacional en las cuales estn sucediendo. La falla del cilindro
(expuesta arriba) puede causar un flujo excesivo de efluente hacia un
ro si es que est activando una vlvula de compuerta o un vertedor
en una planta de tratamiento es decir, un impacto severo. Los
efectos pueden tambin ser tan menores como el fallar a soltar el
freno por peso muerto en un cargador frontal que va a ser usado
para apilar pallets en una bodega ese es un impacto relativamente
menor. En uno de los casos el impacto es al medio ambiente y en el
otro es posible que solo sea una molestia de mantenimiento.
Al saber las consecuencias de cada falla podemos determinar si
la falla es merecedora de prevencin, esfuerzos para predecirla, algn

28
tipo de intervencin peridica para evitarla, rediseo para eliminarla o
simplemente ninguna accin.
La figura 15 (pagina 26) muestra grficamente la lgica del RCM.
Esta nos ayuda a clasificar las fallas como ocultas o no y a ver si tienen
impactos en la seguridad, en el medio ambiente, en la produccin o en
el mantenimiento. Para simplificar el diagrama clsico de la lgica del
RCM hemos mostrado las preguntas clasificadoras de fallas cercanas al
final del rbol de lgica. Las investigaciones de los modos de fallas
revelan que la mayora de las fallas de los sistemas complejos
compuestos de componentes mecnicos, elctricos e hidrulicos
fallaran en una manera aleatoria es decir que no son predecibles bajo
ningn grado de confianza.

Sin embargo, muchas de estas fallas podrn ser detectadas

antes de que lleguen a un punto en el cual la falla funcional ya pueda
ser considerada como ocurrida. Por ejemplo, la falla de la bomba
sobrealimentadora al rellenar un embalse que esta en uso para
proporcionar la presin de trabajo para un sistema municipal de agua
puede que no cause una perdida de funcionalidad del sistema. La falla
puede ser detectada antes de que perdamos presin municipal del
agua, sin embargo, si estamos a la espera de ella, esa es la esencia del
monitoreo de condicin. Buscamos la falla que ya ha ocurrido pero
que no ha progresado hasta el punto de degradar la funcionalidad del
sistema. Al encontrar estas fallas en este estado fallido temprano
podemos evitar las consecuencias en el desempeo general. Ya que la
mayora de las fallas son de una naturaleza aleatoria, la lgica RCM
Modo de falla y efectos
Inputs plan de mantenimiento
Es este modo de Generalmente hay suficiente Describa el
falla detectable por tiempo de advertencia para Si monitoreo y asigne
Si
medio del hacer acciones planeadas? frecuencia
monitoreo?
No

Existe otra tecnica de

No Si
monitoreo disponible?

No
La reparacin o acciones de Describa accin de
Es la frecuencia de reparacin
reacondicionamiento devolveran un
la falla predecible con Si Si reacondicionamiento y
desempeo de tan bueno como
certeza ? asigne frecuencia
nuevo?
Describa la tarea de
El reemplazo del tem Si reemplazo y asigne su
No
No devolvera la funcin a "tal frecuencia
como nueva"?

Hay alguna tarea buscadora Describa la prueba y

Esta el modo de
de falla o una prueba de Si asigne una frecuencia
falla escondido? Si
desempeo que revele este a esta
problema?
Proceso de ingeniera

No
de cambio requerido

Redisee para
No revelar o eliminar el
La falla resulta en
un riesgo, impacto o
Figura 15: Lgica de decisin RCM modo de falla

accidente de Redisee para

seguridad o de eliminar el modo
medio ambiente? Si
de falla y sus
No consecuencias

Examine la
economia de la El rediseo produce
Si Si Redisee
falla vs. el un beneficio?
rediseo

No Corra-a-la-falla

29
primero pregunta si es posible detectarlas a tiempo para evitar la
perdida de la funcin del sistema. Si la respuesta es afirmativa,
entonces el resultado es la necesidad de un monitoreo de condicin.
Para evitar el evento de una falla funcional debemos monitorear
con la mayor regularidad posible para as estar seguros de detectar la
deterioracin con tiempo suficiente como para actuar antes de que la
funcin se pierda. Por ejemplo, en el caso de la bomba
sobrealimentadora podramos revisar una vez al da si esta
funcionando correctamente ya que sabemos que nos demoramos un
da en repararla y que al embalse le toma dos das desaguarse. Eso
nos da por lo menos 24 horas entre la deteccin de la falla en la
bomba y la restauracin del servicio sin la perdida de la funcin del
sistema del embalse. La optimizacin de estas decisiones est
cubierta mas adelante en el captulo 7.
Si la falla no es detectable con suficiente tiempo como para
evitar la falla funcional, la lgica nos pregunta si es posible reparar el
modo de falla de la parte o equipo para reducir la tasa de falla.
Algunas fallas son bastante predecibles aun si no pueden ser
detectadas tempranamente. Por ejemplo, podemos predecir con
seguridad el desgaste de los frenos, la correa, los neumticos, la
erosin, etc. Puede que estas fallas sean difciles de detectar
mediante el monitoreo de condicin con suficiente tiempo como para
evitar la falla funcional, o pueden ser tan predecibles que el monitoreo
para aquello que es obvio sea innecesario. Cul es la razn para
suspender el trabajo de un equipo para monitorear por el desgaste de
la correa si uno sabe que es muy probable que no aparezca por lo
menos en dos aos? Usted podra monitorear todos los anos, pero en
algunos casos seria mas lgico simplemente reemplazar las correas
cada dos anos sin revisar su condicin. Existe un riesgo de que la falla
ocurra tempranamente y tambin un riesgo de que se cambien correas
que ni siquiera estn desgastadas. Estas decisiones sern cubiertas
mas adelante en el captulo 6.
Si es que no es practico reemplazar componentes o devolverles
su condicin de como nuevos por medio del uso de alguna accin
basada en el tiempo entonces puede que sea posible cambiar el
equipo entero. Generalmente esto hace sentido si la perdida de la
funcin es demasiado critica ya que esto implica una poltica de
repuestos para apoyar este enfoque. Quizs el costo de la produccin
perdida en el tiempo de detencin asociado con el reemplazo de
partes es muy caro y el costo del reemplazo completo es menor. De
nuevo, este tipo de decisiones ser cubierto en el captulo 6.
En el caso de los modos de falla escondidos en sistemas de
proteccin o de seguridad puede que no sea posible el monitoreo del
deterioro ya que el sistema esta normalmente inactivo. Si el modo de
falla es aleatorio puede que no tenga sentido reemplazar el

30
componente en base al tiempo porque se podra estar reemplazando
con otro componente similar que falle apenas recin instalado.
Uno no puede saber. En estos casos la lgica RCM nos pide que
hagamos uso de pruebas para encontrar fallas funcionales. Estas
son pruebas que podemos efectuar que pueden causar que el
dispositivo se active para mostrar la presencia o ausencia de un
funcionamiento correcto. Si una prueba como esta no puede ser hecha
usted debera redisear el componente o el sistema para eliminar la
falla escondida.
En el caso en que las fallas no estn escondidas, usted no pueda
predecirlas con suficiente tiempo como para prevenir la falla funcional
y no pueda prevenir la falla mediante reemplazos basados en el tiempo
o en el uso, puede redisear o aceptar la falla y sus consecuencias. En
el caso de consecuencias en la seguridad o en el medio ambiente
usted debera redisear. En el caso de consecuencias relacionadas con
la produccin usted puede elegir el rediseo o el correr-a-la-falla
dependiendo de los trminos econmicos asociados con las
consecuencias. Si es que no se presentan consecuencias en la
produccin pero si hay costos de mantenimiento que considerar
entonces haga una eleccin similar. En estos casos la decisin esta
basada en la economa es decir, el costo del rediseo vs. el costo de
aceptar las consecuencias de la falla (como la produccin perdida,
costos de reparacin, sobretiempo, etc.)
La frecuencia de las tareas es generalmente difcil de determinar
con seguridad. Los captulos 6 y 7 discuten este problema en detalle,
pero para el propsito de este captulo, basta con reconocer que el
historial de la falla es uno de los principales determinantes. Uno
debera reconocer que las fallas no ocurrirn exactamente en el
momento que uno predice, por lo tanto hay que aceptar un margen de
error. Tambin hay que reconocer que la informacin en la que uno se
esta basando para tomar las decisiones puede estar defectuosa o
incompleta. Para simplificar el prximo paso, el que vincula la
agrupacin de tareas similares, tiene sentido predeterminar un nmero
de frecuencias aceptables tales como diarias, semanales, por turno,
anuales, unidades producidas, distancias viajadas o nmero de ciclos
de operacin, etc. Seleccione aquellas que estn ms cercanas a las
frecuencias que su historial de operaciones o de mantenimiento le
indican tienen mas sentido.
Despus de haber pasado los modos de falla por la lgica
mostrada arriba, el profesional debe entonces consolidar las tareas en
un plan de mantenimiento para el sistema. Este es el producto final
del RCM. Cuando esto ha sido producido el mantenedor y el operador
deben continuamente buscar las posibles mejoras del producto. Las
frecuencias de tareas que sean originalmente seleccionadas pueden
ser muy conservadoras o muy largas.

31
 Si usted experimenta demasiadas fallas que piensa debera estar
previniendo, entonces probablemente no esta realizando sus
intervenciones de mantenimiento proactivo con la suficiente
frecuencia. Si usted ya no ve nunca ninguna de las fallas comunes
que tenan pequeas consecuencias o si sus costos preventivos son
mayores de los que tenia cuando no hacia mantenimiento preventivo,
entonces es posible que usted este manteniendo la unidad con
demasiada frecuencia. Aqu es donde entran las tcnicas de
optimizacin. (Vea los captulos 6 y 7 para una completa discusin.)

El producto del RCM

El producto del RCM es un plan de mantenimiento. Ese
documento contiene listados consolidados con las descripciones de las
intervenciones basadas en el monitoreo de condicin, reemplazos
basados en el tiempo o el uso y tareas buscadores de fallas, las
decisiones de rediseo y las decisiones de correr-a-la-falla. Este
documento no es un plan en el verdadero sentido. No contiene la
informacin tpica de la planificacin del mantenimiento tal como la
duracin de las tareas, las herramientas, el equipo de testeo,
requerimientos de partes y materiales, requerimientos de
comercializacin y una detallada secuencia de pasos.
En un sistema complejo se pueden identificar miles de tareas.
Para tener una idea del tamao del output considere una tpica planta
de proceso que tiene repuestos para mas o menos el 50% de sus
componentes. Cada uno de ellos puede tener varios modos de falla.
Esa planta tiene probablemente entre 15,000 y 20,000 nmeros
individuales de las partes que mantiene en el inventario. Esto significa
que debe haber algo as como 40,000 partes con uno o ms modos de
falla y decisiones de tareas.
Afortunadamente hay un nmero limitado de tcnicas de
monitoreo de condicin disponibles y estas cubrirn gran parte de la
lista de tareas ya que la mayora de los modos de falla son aleatorios.
Estas tareas pueden ser agrupadas segn la tcnica (por ejemplo el
anlisis de vibraciones), segn la ubicacin (por ejemplo, la sala de
maquinas) y segn la sub- ubicacin en una ruta. Puede ser posible
agrupar decenas y hasta centenas de modos de falla individuales para
as reducir el nmero de tareas para la planificacin detallada del
mantenimiento. Es necesario fijarse en las frecuencias en que los
grupos de tareas fueron especificados.
Las tareas basadas en el uso o en el tiempo son fciles de
agrupar. Todas las tareas de reemplazo o renovacin para partes
individuales del equipo pueden ser agrupadas segn la frecuencia de
tareas en un solo overhaul. De la misma manera, mltiples

32
overhauls en un rea en especfico de una planta pueden ser
agrupadas en un solo plan de suspensin de trabajo.
Otra manera de agrupar los outputs es segn quien es segn
quien es responsable de ellos. Las tareas asignadas a los operadores
son hechas generalmente usando los sentidos del tacto, la vista, el
olfato o el odo. La mayora de las veces estas son agrupadas
lgicamente en los listados de chequeo diarios o de turno o en las
listas de chequeo de las rondas de inspeccin.
Al final, uno debera tener una lista completa que nos diga que
es lo que tiene que hacer mantenimiento y cuando debe hacerlo. El
planificador tiene el trabajo de determinar los detalles de lo que es
necesario para ejecutar el trabajo.

Que es lo que puede lograr el RCM?

El RCM ha estado dando vueltas por aproximadamente 30 anos.
Comenz con los estudios de las fallas de los aviones comerciales en
los anos sesenta para reducir la cantidad de trabajo de mantenimiento
requerida para lo que en ese tiempo era la nueva generacin de
aeronaves ms grandes de cuerpos ms anchos. Mientras la aeronave
creci y aumento su nmero de partes, y por ende haba mas cosas
que podan ir mal, era evidente que los requerimientos de
mantenimiento iban a crecer de la misma manera y canibalizar el
tiempo de vuelo que era necesario para generar utilidades. En el
extremo, la seguridad podra haber sido muy costosa de alcanzar y
habra hecho el volar un mal negocio. El xito de la industria de las
aerolneas en aumentar el nmero de horas de vuelo, drsticamente
mejorar su registro de seguridad y en demostrarle a todo el mundo que
el uso de que un enfoque de mantenimiento casi enteramente
proactivo es posible se puede atribuir al xito del RCM.

El xito de la industria de las aerolneas fue el respaldo de un xito

altamente visible del RCM, y le demostr al mundo los beneficios de un
enfoque casi enteramente proactivo de mantenimiento.

Las nuevas aeronaves que tenan su mantenimiento determinado

por el uso de RCM requeran menos horas hombre de mantenimiento
por hora de vuelo. Desde los sesenta el desempeo de la seguridad
de las aeronaves ha ido mejorando dramticamente.

33
 Figura 16: Las aeronaves son ahora ms confiables que hace varios
aos atrs y eso se debe en parte al RCM.
Afuera de la industria, el RCM tambin ha sido usado
exitosamente. Los proyectos militares generalmente decretan el uso
de RCM porque permite a los usuarios finales experimentar con el tipo
de equipo de alta confiabilidad de desempeo que experimentan las
aerolneas. El autor particip en un proyecto de construccin de
buques donde la carga total de trabajo de la tripulacin del buque se
redujo en casi un 50% de lo que era comn en otros buques de similar
clase y tamao. Al mismo tiempo, la disponibilidad de servicio fue
mejorada de un 60 a un 70% por medio de la reduccin del tiempo de
detencin para las intervenciones de mantenimiento.
La industria minera se encuentra operando tpicamente en
lugares remotos que se encuentran lejanos de los proveedores de
partes y materiales y de la mano de obra de reemplazo.
Consecuentemente, las mineras quieren alta confiabilidad y
disponibilidad del equipo - tiempo mnimo de detenciones y
productividad mxima de los equipos. El RCM ha sido de gran ayuda
para mejorar la disponibilidad de las flotas de camiones de carga y
otros equipos mientras reduce los costos del mantenimiento de las
partes, la mano de obra y el tiempo de detencin planeado de
mantenimiento.
El RCM tambin ha sido exitoso en plantas qumicas, refineras
de petrleo, plantas de gas, estaciones remotas de compresin y
bombeo, refineras y fundiciones de mineral, molinos de acero,
aluminio, pulpa de celulosa y papel, conversin de papel a papel
tissue, procesamiento de alimentos y bebidas, y cerveceras. Cualquier
lugar en el que la disponibilidad y la confiabilidad sean importantes es
un lugar potencial de implantacin de RCM.
Que se necesita para llevar a cabo el RCM?
El RCM no es una sigla. Debe ser aprendido y practicado para
obtener la pericia y acceder a los beneficios que pueden ser
obtenidos. La implantacin del RCM significa:
La seleccin de un equipo de profesionales con una buena
disposicin;
La capacitacin de estos en RCM;
Ensearle a los otros stakeholders en la operacin de la planta
y el mantenimiento lo que es el RCM y lo que puede lograr para
ellos;
La seleccin de un proyecto piloto para mejorarlo a medida que
aumente la pericia del equipo demostrando as el xito, y
Una presentacin del proceso a todas las otras reas de la
planta.

34
 Una clave del xito en el RCM es la demostracin de ste. Antes
de que comience el anlisis, el equipo de RCM debera determinar las
medidas de referencia de confiabilidad y disponibilidad de la planta as
como la cobertura y el cumplimiento del programa de mantenimiento.
Estas mediciones sern usadas posteriormente en comparaciones de lo
que ha sido cambiado y el xito que se est obteniendo.

El equipo debe ser multi-disciplinario y capaz de hacer uso del

conocimiento de especialistas cuando sea necesario. Requiere del
conocimiento de las operaciones del da a da de la planta y del equipo,
Figura 17: El RCM puede significar mucho
en conjunto con el conocimiento detallado del equipo en s. Esto hace
trabajo!
necesaria la incorporacin de por lo menos un operador y un
mantenedor. El conocimiento de la planificacin, de la programacin y
de las operaciones y capacidades generales del mantenimiento
tambin son necesarios para asegurar que las tareas sean
verdaderamente realizables en el ambiente de la planta. Tambin son
necesarias las operaciones y la representacin del mantenimiento a
nivel de gerencia. Finalmente, el conocimiento detallado del diseo del
equipo tambin es importante. Este requerimiento de conocimiento
genera la necesidad de un ingeniero o un tcnico senior/ tecnlogo del
rea de mantenimiento o de produccin, generalmente con un gran
conocimiento en la disciplina elctrica o mecnica.
El equipo lleva ahora cinco personas, y la experiencia muestra
que esto es optimo. Mucha gente va a disminuir el progreso, y muy
pocos significa que mucho tiempo va a pasar en la bsqueda de las
respuestas a las tantas preguntas que inevitablemente van a surgir.
Inicialmente el equipo de personas va a necesitar ayuda para
empezar. La capacitacin puede demorarse entre una semana a un
mes dependiendo del enfoque que se use. Esta es generalmente
seguida por el proyecto piloto. El piloto es una parte de la capacitacin
que se usa para generar un producto real.
La capacitacin del equipo de trabajo debera llevarse a cabo en
una semana. La capacitacin de otros stakeholders puede
demorarse tan poco como un par de horas o un da o dos dependiendo
de su grado de inters y de su necesidad de saber.
La duracin del proyecto piloto puede variar ampliamente
dependiendo de la complejidad del equipo o sistema seleccionado para
el anlisis. Una buena pauta es permitir un mes de anlisis piloto para
asegurarse de que el equipo conozca bien el RCM y se sienta cmodo
al usarlo. Cada modo de falla puede tomar cerca de una media hora
de anlisis. Usando el ejemplo anterior de la planta de proceso un
anlisis exhaustivo de todos los sistemas vinculando por lo menos

35
40,000 partes (muchos con mas de un modo de falla) usara mas de
20,000 horas hombres (eso es aproximadamente 10 anos hombres
para una planta entera). Cuando uno divide eso entre los cinco
miembros del equipo se esperara que el esfuerzo del anlisis tomara
hasta dos anos para una planta de ese tamao.

Puede Usted pagarlo?

Entonces, cunto espera pagar por la capacitacin, el software,
el apoyo de los consultores, y el tiempo de su staff? Usted puede ver
del ejemplo que en una planta de proceso grande se requerir de un
gran esfuerzo para hacer el anlisis. Ese esfuerzo tiene un cierto
precio. Diez aos hombre a, digamos $70,000 por persona asciende a
la suma de $700,000 solamente por el tiempo de su staff. La
capacitacin del equipo y de otras personas requerir un par de
semanas y a un tercero experto. El experto tambin debera
permanecer como parte del proyecto durante la duracin del proyecto
piloto y ese es otro mes.
Existen varias herramientas de software que lo llevan a travs
del proceso de RCM y registran todas sus respuestas y resultados
mientras los genera. Algunos de los softwares pueden ser comprados
por solo unos pocos miles de dlares para una sola licencia de usuario.
Cierta cantidad de ellos viene con la capacitacin en RCM y otros
vienen como parte de grandes sistemas computarizados de gestin de
mantenimiento. Los precios de estos sistemas de ultima generacin
que incluyen RCM estn generalmente en los cientos de miles de
dlares.
Para asistir en la determinacin de la frecuencia de las tareas va
a ser necesario tener conocimiento de los historiales de fallas de la
planta, o ser capaz de acceder a bases de datos de las tasas de falla.
El historial de falla de la planta debera estar disponible para usted a
travs de su sistema de gestin de mantenimiento. Usted puede
requerir ayuda en la construccin de preguntas e informes de historial
y esto puede requerir tiempo de staff de programacin. Bases de
datos externas de confiabilidad estn disponibles aunque no siempre
fcilmente localizables. El acceso a ellas puede requerir el pago de los
derechos de uso o de una licencia.
El RCM ha tenido un gran xito y aceptacin generalizada en algunas
industrias en las que la seguridad y altos niveles de confiabilidad son
importantes. Sin embargo, hay que reconocer que ha fracasado en
otros intentos.

Razones para el fracaso del RCM

Hay muchas razones para el fracaso del RCM que incluyen, pero
que no necesariamente se limita a:
La falta de liderazgo y de apoyo de la gerencia;
La falta de la visin del resultado final del programa de RCM;

36
 La falta de la enunciacin clara de las razones para efectuar RCM
(se convierte simplemente en otro plan mensual);
La falta de los recursos humanos adecuados para llevar a cabo el
esfuerzo, especialmente en ambientes manufactureros
deficientes;
Un choque entre los cimientos proactivos del RCM y la cultura
tradicional y altamente reactiva de la planta;
Darse por vencido antes de que est completo;
Errores continuados en el proceso y resultados que no
concuerdan con la mentalidad prctica de los mantenedores. La
mala composicin del equipo de trabajo o la falta de
entendimiento contribuyen a ello;
La falta de informacin disponible sobre el equipo/sistema bajo
anlisis. En la realidad esto no tiene por que ser un obstculo
relevante pero generalmente detiene por completo a las
personas;
Se genera desilusin cuando las tareas generadas por RCM
parecen ser las mismas que ya se encontraban en el programa
PM que ha estado en uso desde hace bastante tiempo. Surgen
criticas que apuntan a que este es un ejercicio que est
simplemente demostrando lo que ya se est haciendo;
La falta de xito mensurable tempranamente en el programa
RCM. Esto es porque no se tomaron mediciones iniciales, no
exista una meta y no se fueron registrando o tomando
mediciones a lo largo del camino;
Los resultados no suceden con suficiente rapidez. Generalmente
los impactos de hacer el PM correcto no aparecen
inmediatamente y toma tiempo para que aparezcan
tpicamente 12 a 18 meses;
No hay ninguna razn apremiante para mantener el momento o
incluso comenzar con el programa;
Se acaban los fondos destinados al programa;
A la organizacin le falta la habilidad de implementar los
resultados del anlisis RCM (por ejemplo, la falta de un sistema
de ordenes de trabajo funcionales que gatillen ordenes de
trabajo PM en una base predeterminada).
Hay un nmero de soluciones para estos problemas. Una que
generalmente funciona es el uso de un consultor. Un consultor
inteligente ayudara al cliente a mantener el momento. Tambin se han
desarrollado unos mtodos de atajo para ayudar a las compaas a
solucionar estos problemas.

Las versiones del RCM

37
 En una de las versiones metodolgicas del RCM, la lgica es
usada para probar la validez de un programa PM existente. Un
inconveniente es que este enfoque fracasa en reconocer lo que ya esta
faltando en su programa PM. Por ejemplo, si su programa PM actual
hace un uso extensivo del anlisis de vibracin y del anlisis
termogrfico pero de nada ms, va a captar adecuadamente todos los
modos de falla que resulten en vibraciones o en calor; pero, no va a
reconocer otros modos de falla que se manifiesten por medio de
grietas, reduccin del grosor, desgaste, degradacin de la propiedad
de lubricacin, residuos de metal generados por desgaste, acabado de
superficie o deterioro dimensional, etc. Claramente este programa no
cubre todas las posibilidades.
En otra de las versiones del RCM, la criticidad se usa para
erradicar para siempre el anlisis de los modos de falla.
Generalmente, los modos de falla que estn siendo ignorados
aparecen en partes del equipo que son consideradas como no crticas
o cuyos modos de falla y efectos son considerados no crticos, casos en
que la lgica RCM no se aplica. En estos casos el programa est
pasando por alto las fallas porque no sobrepasan algn filtro de
criticidad. Los ahorros surgen porque se reduce el esfuerzo de anlisis.
Cuando la criticidad es aplicada a los modos de falla en s, existe un
riesgo relativamente muy pequeo de causar un problema crtico. La
desventaja de este enfoque es que uno gasta la mayor parte del
esfuerzo y de los costos para llegar a la decisin de no hacer nada
recuerde que aqu usted est en el paso cinco de siete. Por lo tanto, es
relativamente poco lo que se ahorra.
Cuando se aplica un filtro de criticidad al equipo, las decisiones
de reducir el anlisis pueden ser hechas antes de que se haga la
mayora del anlisis (en el paso 1). Algunos, pero no necesariamente
todos los modos de falla van a ser conocidos intuitivamente por
aquellos que estn llevando a cabo el anlisis de criticidad pero no van
a ser documentados en este punto. Poco esfuerzo es el que se gasta y
se pueden ahorrar considerables costos del programa. Este mtodo va
a ser atractivo para aquellas compaas que estn limitando sus
presupuestos para estos esfuerzos proactivos.
Esta ultima versin de RCM puede ser completamente aceptable
si las consecuencias de posibles fallas son conocidas y son aceptables
en las reas de produccin, mantenimiento, costos, medio ambiente y
recursos humanos. Por ejemplo, muchas fallas no tienen mas que
consecuencias relativamente pequeas adicionales a la perdida de
produccin y la interrupcin del proceso de manufactura en conjunto
con sus costos asociados.
Los puristas podran discutir que cualquier otra cosa menor que
el RCM completo es irresponsable porque sin el anlisis completo uno
esta potencialmente ignorando fallas reales y criticas, aun si fuera

38
inadvertidamente. Esto es, por cierto, verdad y es esta preocupacin
la que impulso al SAE a desarrollar el JA-1011.
Desgraciadamente tambin es cierto que muchas compaas
sufren de una o ms de las razones descritas para el fracaso. Sin la
fuerza de ley los estndares RCM tales como el JA-1011 y Nowland y
Heap y otros son meras guas que pueden o no ser seguidas
dependiendo de las decisiones tomadas en cada compaa. Estas
decisiones son tomadas por aquellos que aun siendo gerentes no
tienen un extenso conocimiento del RCM.
Los profesionales inteligentes o partidarios entusiastas de ser
proactivos pueden reconocer que sus plantas respectivas sufren de
una o ms de estas potenciales causas de fracaso. Deberamos hacer
lo posible para mitigar las posibles consecuencias y prevenir el riesgo.
Como ingenieros y mantenedores responsables nos podemos
encontrar en una situacin que demande que comencemos lentamente
y vayamos creciendo hasta llegar al RCM completo.
El simple hecho de revisar un programa de PM existente usando
la lgica RCM no va a lograr mucho. Analizar solamente equipo crtico
logra ms y lo hace cuando ms cuenta. Revisando primero el equipo
crtico y despus ir bajando por la escala de criticidad nuevamente
logra ms y es posible que cumpla con todos los objetivos del RCM.
Si al verlo de una perspectiva realista el RCM es demasiado para
su compaa, puede que un enfoque alternativo sea ms accesible y
represente su mejor alternativa. De alguna manera esto reducir el
riesgo y ser mucho mejor que quedarse de manos cruzadas.

El RCM basado en las competencias

Si la lgica RCM progresa desde el equipo a los modos de falla y
despus mediante la lgica de decisiones a un resultado, puede ser
que el flujo opuesto del proceso no contemple muchas de las fallas aun
cuando no estn claramente identificadas? Por qu no empezar con
las soluciones (de las cuales hay un nmero finito) y buscar buenos
lugares para aplicar aquellas soluciones?
Vale la pena revisar las siguientes preguntas:
Qu tiene de malo usar tcnicas existentes de monitoreo de
condicin y extender su uso a otras partes del equipo? Si se
puede hacer anlisis de vibracin a una parte del equipo
porque no hacerlo a otra parte?
Qu tiene de malo fijarse nicamente en las fallas de desgaste
y simplemente decidir hacer reemplazos basados en el tiempo?
Si uno puede identificar las principales reas de
desgaste porque no usamos esta tcnica?
Qu tiene de malo operar el equipo en stand-by para asegurar
que funcione cuando sea necesitado, y as llevar a cabo una
tarea de bsqueda de fallas?

39
 Las respuestas a estas tres preguntas son: uno corre el riesgo de
excederse en el mantenimiento de algunas partes del equipo; uno
puede no tomar en cuenta algunos modos de falla y sus acciones de
mantenimiento debido a la falta de rigor; uno pierde las oportunidades
de rediseo. Sin embargo si toma ventaja de sus competencias para
desempear PM y se apega a los principios del RCM para construir el
camino hacia la implantacin completa de este. Denominamos esto
RCM basado en las competencias o CD- RCM.
Un profesional del mantenimiento puede dar pasos basado en lo
visto arriba, lo que ayudara a mitigar las consecuencias de las fallas.
Cuando el xito es demostrado, esos pasos pueden resultar en que el
mantenedor sea influenciado lo suficiente como para extender su
enfoque proactivo hacia el uso del anlisis RCM. Este enfoque no esta
intencionado para que evite o acte como un atajo para el RCM pero si
es un paso preliminar que generar resultados que no son
inconsistentes con el RCM y sus objetivos.
El enfoque CD-RCM que lograr esto es el siguiente:
Asegrese que su sistema actual de Ordenes de Trabajo
funcione es decir, que las ordenes de trabajo PM puedan ser
gatilladas automticamente, que las ordenes de trabajo sean
generadas y que se llevan a cabo segn el programa. (Si esto no
ocurre usted debera parar de leer en este momento. Necesita
ayuda que va mas all del alcance de este manual);
Identifique su inventario de equipo/activos (esto es parte del
primer paso del RCM),
Identifique las tcnicas de monitoreo de condicin disponibles
que puedan ser usadas (lo que est probablemente limitado por
la capacidad de la planta),
Determine los tipos de modos de fallas que cada una de estas
tcnicas pueden revelar;
Identifique el equipo en el cual estos modos de falla son
dominantes;
Decida cuales son las frecuencias apropiadas para estas tareas
de monitoreo e implemntelas en su sistema de ordenes de
trabajo de PM;
Identifique el equipo que tiene modos de falla de desgaste
dominantes;
Usando su sistema de ordenes de trabajo de PM, programe el
reemplazo de los componentes que se puedan desgastar y de
aquellos que se ven comprometidos en el reemplazo bajo
mantenimiento basado en el tiempo;
Identifique todo su equipo en stand-by y sus sistemas de
seguridad (alarmas, sistemas de detencin de trabajo, equipo en
stand-by redundante, sistemas de respaldo, etc.). Estos son

40
 equipos y sistemas que estn normalmente inactivos hasta que
ocurre algo que gatilla su uso;
Determine las pruebas apropiadas para poner en marcha este
equipo en una base peridica para que as esas fallas que
puedan ser detectadas ocurran. Implemntelas en sus sistemas
de ordenes de trabajo PM;
Examine las fallas que son experimentadas una vez que se
ponga en marcha el programa de mantenimiento para
determinar la causa-raz de las fallas y as se puedan llevar a
cabo las acciones apropiadas para eliminar esas causas o sus
consecuencias.
El resultado de aplicar este enfoque CD-RCM puede parecerse a
lo siguiente:
Uso extensivo de tcnicas CBM como: anlisis de vibracin,
anlisis de lubricante / aceite, inspecciones visuales y algunas
pruebas no destructivas.
El uso limitado de mantenimiento basado en el tiempo y
overhauls.
En plantas que tengan un alto nivel de redundancia, el cambio
constante entre equipos, del A al B y de vuelta, posiblemente
combinado con la igualacin de las horas en marcha.
La prueba exhaustiva de los sistemas de seguridad.
La captura sistemtica de informacin acerca de las fallas en s
para determinar la causa-raz de las fallas y as eliminarlas.
Mientras este enfoque no logra todos los resultados que lograra
el anlisis RCM completo este est basado en los principios del RCM y
pondr a la organizacin en el camino para ser ms proactiva. El CD-
RCM est proyectado a construirse basado en el xito temprano con
mtodos probados dirigidos a reas en las cuales hacen sentido para
que gane credibilidad y mejore la posibilidad de la implantacin del
RCM completo.

Cmo se decide?
Usted puede ver que el RCM significa mucho trabajo y que
llevarlo a cabo puede ser costoso. Existen alternativas que son menos
rigurosas. Puede que usted sea enfrentado con el desafo de justificar
los costos asociados con un programa completo de RCM y que no sea
capaz de decir con seguridad cuales sern los ahorros que van a surgir
de la implantacin de este proceso lgico. Esta es una situacin que
es difcil de enfrentar y cada una de las situaciones tendrn sus propias
peculiaridades y personalidades con las que haya que mediar.
El RCM es el enfoque ms exhaustivo y completo que usted
podra tomar para determinar los enfoques de mantenimiento
proactivo correctos para lograr una alta confiabilidad de sistemas. Es
costoso y consume bastante tiempo los resultados, aunque

41
impresionantes, pueden tardar en aparecer. Generalmente este
tiempo es suficiente para que el RCM no exceda los ciclos de decisin
instaurados en el moderno mundo de las inversiones de negocios.
La simple revisin de su programa PM con un enfoque RCM no es
una alternativa para un gerente responsable - se arriesga a no
detectar cosas que podran ser crticas y significativas para el medio
ambiente o la seguridad.
El RCM simplificado (o Lite) puede ser apropiado para
ambientes industriales en los cuales se reconoce y se usa la criticidad
para guiar los anlisis usando los recursos limitados y el tiempo del
que se dispone. Esto lograr los resultados RCM deseados en un
subconjunto menor pero bien dirigido de modos de falla.
En lugares donde la inversin RCM no es una opcin, la
alternativa es llegar a ello usando CD-RCM lo que le da al enfoque
antiguo un poco de lgica para obtener una nueva tecnologa y
aplicarla en todos las reas. En el CD-RCM hacemos un inventario de
las cosas que podemos hacer ahora, nos aseguramos que estemos
aplicndolo lo ms ampliamente posible y demostramos el xito al
cumplir con el nuevo programa. Despus de que el xito es
demostrado usted puede expandir el programa usando ese xito como
evidencia de que el proceso funciona y produce los resultados
deseados. Finalmente, el RCM se puede usar para asegurar que el
sistema est completo.

La lista de verificacin de decisiones del RCM

Usted debe responder un nmero de preguntas y evaluar varias
alternativas para determinar si el RCM es lo correcto para usted. Estas
preguntas estn propuestas a lo largo de este captulo pero estn
resumidas aqu de manera de tenerlas como referencia:
1. Puede su planta u operacin vender todo lo que produce? Si
la respuesta es si, entonces la alta confiabilidad es importante, el
RCM debera ser considerado y debera saltarse a la pregunta
cinco. Si la respuesta es no, entonces necesita enfocarse en
medidas para la reduccin de costos.
2. Experimenta usted seguridad o desempeo inaceptable? Si
la respuesta es si, entonces el RCM es probablemente para usted
avance a la pregunta cinco.
3. Tiene usted un extenso programa de mantenimiento
preventivo en funcionamiento? Si la respuesta es afirmativa
usted puede beneficiarse del RCM si los costos de ste programa
son inaceptablemente altos. Si la respuesta es no usted tambin
puede beneficiarse del RCM si sus cotos de mantenimiento son
relativamente altos en relacin con la competencia.

Cuando la inversin del RCM completo no es una opcin, hay otras

opciones, como el RCM Lite o el RCM basado en las competencias

42
 (CD-RCM) que pueden hacer el truco para su operacin en el corto
plazo.

4. Son sus costos de mantenimiento altos en relacin con los

de otros en su negocio? Si su respuesta es afirmativa, entonces
avance a la pregunta cinco. Si no lo es, entonces usted
probablemente no se beneficiar del RCM y puede parar aqu.

En este punto usted ya tiene una o varias de las siguientes:

Una necesidad de alta confiabilidad;
Problemas de seguridad o medio ambientales;
Un programa PM costoso y de bajo rendimiento o;
Ningn programa significativo de PM y altos costos generales de
mantenimiento.

5. El RCM es para usted. Usted necesita asegurarse de que su

organizacin est lista para ello. Posee usted un ambiente de
mantenimiento controlado en el cual usted puede esperar
confiadamente que el trabajo planeado tal como el PM o el PdM
se va a realizar segn el programa? Si la respuesta es si, usted
pasa la prueba bsica para ver si est listo su ambiente de
mantenimiento esta bajo control y puede seguir a la pregunta
seis. El RCM no funcionar bien si no lo puede llevar a cabo en
un ambiente controlado. Si no puede, usted necesita ayuda que
va ms all de lo que el RCM por si solo puede hacer para usted.
Busque ayuda para tomar el control de sus actividades de
mantenimiento antes de seguir adelante.
Usted necesita RCM y su ambiente ya est controlado usted
est listo. Ahora usted necesita la aprobacin para llevarlo
acabo. Si usted puede aprobarlo, entonces hgalo, sino:
Puede usted conseguir el apoyo de la alta gerencia para la
inversin de tiempo y dinero en la capacitacin y el piloto del
RCM Lite? Esta inversin requerir de cerca de un mes de
tiempo de su equipo de trabajo (5 personas) mas un consultor
por el mes. Si puede, entonces usted debera considerar el uso
del mtodo RCM Lite para demostrar el xito antes de
implementar RCM en toda la organizacin. Usted puede parar
aqu su decisin ya est hecha. Si no es as, usted enfrentar
el desafo de demostrar el xito con un enfoque menos
exhaustivo que requiera poca inversin inicial y que use las
competencias existentes. La alternativa que aun queda es la del
CD-RCM y un crecimiento gradual del xito y la credibilidad para
poder expandirse sobre ello.

43
captulo cuatro

El problema de la
incertidumbre
Que hacer cuando sus planes de
confiabilidad no se ven muy confiables
Por Murray Wiseman
Cuando se esta enfrentado a la incertidumbre nuestra
reaccin humana instintiva es a menudo la indecisin y la
angustia. Todos preferiramos que el timing y el resultado de
nuestras decisiones fuesen conocidos con certeza. Puesto
de otra manera, nos gustara que todos los problemas y sus
soluciones fuesen deterministas. Los problemas en los
cuales el timing y el resultado de una accin dependen del
azar se conocen como probabilisticos ortocsticos. Sin
embargo, en el mantenimiento no podemos ignorar dichos
problemas ya que la incertidumbre es inevitable. De
preferencia, nuestra meta es cuantificar las incertidumbres
asociadas con las decisiones significativas de mantenimiento
para revelar el curso de accin ms apropiado para lograr
nuestro objetivo. Los mtodos descritos en este captulo no
solo lo ayudarn a lidiar con la incertidumbre sino que
pueden, esperamos, persuadirlo a que trate este fenmeno
como a un aliado mas que como a un enemigo.

A cuantos de nosotros nos han dicho desde la niez que la falla

es la madre del xito y que a partir de los errores se aprende. En
ningn otro lugar esta sabidura popular es ms valiosa que en un
departamento de mantenimiento que haga uso de herramientas de
ingeniera de confiabilidad. En un ambiente tan iluminado, las fallas
un hecho impersonal de la vida pueden ser tratadas y convertidas en
conocimiento valioso seguido de una accin productiva. Para obtener
esta elevada, pero alcanzable meta en nuestras operaciones, nosotros
requerimos de un slido enfoque cuantitativo para lidiar con la
incertidumbre en el mantenimiento. Por esta razn, comencemos
nuestro ascenso en tierra slida el fcilmente conceptuado
histograma de frecuencia relativa de las fallas pasadas.

44
Las cuatro funciones bsicas
En esta seccin nosotros descubriremos el Histograma de
Frecuencia Relativa y las cuatro funciones bsicas: 1) la funcin de
densidad (probabilidad); 2) la funcin de distribucin acumulativa; 3) la
funcin de confiabilidad; y 4) la funcin de riesgo.
Asuma que de una poblacin de 48 tems comprados y puestos
en servicio a principio del ao todos fallan al llegar noviembre.
Haga una lista de las fallas segn la temporalidad de las fallas tal
como aparece en la figura 18. Agrpelas en segmentos convenientes
de tiempo, en este caso en meses. Trace el nmero de fallas en cada
segmento como en la figura 19 (pgina 40). Las barras altas del
centro representan los tiempos ms populares o probables de falla.
Sumando el nmero de fallas que ocurrieron antes de abril, es decir 14,
y dividiendo la suma por el nmero total de la poblacin, 48, podemos
estimar que la probabilidad acumulativa de que el tem falle en el
primer cuarto del ao es de 14/48. La probabilidad de que todos los
tems fallen antes de noviembre es 48/48 o 1.

Figura 18: Fallas mensuales para 48 tems en servicio

Nmero de fallas

Tiempo de la falla

Figura 19: Histograma de edades de las fallas

Al transformar el nmero de fallas en probabilidades, el
histograma de frecuencias relativas puede ser convertido en una forma

45
matemtica ms til llamada la funcin de densidad de probabilidad
(PDF). Para hacerlo, los datos son trazados nuevamente de tal forma
que el rea bajo la curva represente la probabilidad acumulativa de
falla como se muestra en la figura 20. (La manera en que se calcula la
PDF y como se dibuja sern discutidas de una manera ms extensa en
el captulo 5.)
El rea total bajo la curva de la funcin de densidad f(t) es 1, ya
que tarde o temprano el tem fallar. La probabilidad de que el
componente falle antes de o en el tiempo t es igual al rea bajo la
curva entre 0 y el tiempo t. Esa rea es F(t), la funcin de distribucin
acumulativa (CDF). Se sigue entonces que el rea restante
(sombreada) es la probabilidad de que el componente sobreviva hasta
el tiempo t y es conocida como
la funcin de confiabilidad, R(t). La R(t) puede ser trazada por si sola
a travs del tiempo. Si uno lo hace as, el tiempo medio entre falla
(MTTF) es el rea bajo la curva de Confiabilidad o la R(t)dt [ref. 1]. De
la funcin de confiabilidad R(t) y la funcin de densidad de
probabilidad f(t) podemos derivar una cuarta funcin til, la tasa de
falla o funcin de riesgo, h(t) = f(t)/R(t) que puede ser representada
grficamente como en la figura 21. La funcin de riesgo es la
probabilidad instantnea de falla a un tiempo dado t.

Area R(t) es la
probabilidad de que
el tem sobreviva el
tiempo t.

Area f(t) es la
probabilidad de
falla antes de o
en el tiempo t.

Figura 20: Densidad de Probabilidad, probabilidad

acumulativa y funcin de confiabilidad

Resumen
En solamente unos cortos prrafos hemos aprendido las cuatro
funciones bsicas en la ingeniera de confiabilidad: la PDF o funcin de
densidad de probabilidad f(t); la CDF o funcin de distribucin

46
acumulativa F(t); la funcin de confiabilidad R(t); y la funcin de riesgo
h(t). Al saber cualquiera de estas, podemos derivar las otras tres.
Armados con estos conceptos estadsticos fundamentales podemos
salir a combatir con el azar de la ocurrencia de las fallas a travs de
nuestra planta. A pesar de que las fallas son eventos inciertos
deberamos, no obstante, descubrir como determinar los mejores
momentos para realizar mantenimiento preventivo y las mejores
polticas de mantenimiento de largo plazo. Habiendo estimado con
seguridad (es decir con un nivel dado y aceptable de confianza) la
PDF (por ejemplo) debemos basarnos en ella o en sus funciones
hermanas para construir modelos de optimizacin. Los modelos
describen situaciones tpicas de mantenimiento representndolas en
ecuaciones matemticas. Eso lo hace muy conveniente si es que
deseamos optimizar el modelo. El objetivo de la optimizacin es
generalmente lograr el menor costo promedio de largo plazo del
mantenimiento de nuestro equipo de produccin. Discutiremos y
crearemos modelos en los captulos 5 y 6.

Distribuciones tpicas
En la seccin anterior definimos las cuatro funciones claves que
podemos aplicar a nuestros datos cuando de alguna manera los hemos
transformado en una distribucin de probabilidad. El paso que es
requisito para convertir o ajustar los datos es el tema de esta seccin.
Cmo encuentra uno la PDF real para un componente o sistema
real? Hay dos enfoques posibles para este problema:
1. Ajuste los datos obtenidos de las pruebas de ciclo de vida del
equipo, o
2. Haga una hiptesis que diga que ser una cierta funcin
parametrizada cuyos parmetros puedan ser estimados por
medio de tcnicas estadsticas de muestreo y de la realizacin de
numerosas pruebas de confianza. Este enfoque ser el que
adoptaremos.
Tomando en cuenta observaciones de fallas pasadas
descubrimos que las funciones de densidad de probabilidad (y por lo
tanto sus funciones derivadas de confiabilidad, distribucin acumulada
y funcin de riesgo) de datos reales generalmente se ajustaban a un
conjunto de formulas matemticas cuyas caractersticas ya son
familiares para los ingenieros de confiabilidad. Estas distribuciones
conocidas incluyen la exponencial, la de Weibull, la Lognormal y la
Normal. Estas pueden ser completamente descritas si es que uno
puede estimar sus parmetros.
Por ejemplo, la CDF de Weibull es:

F(t) = 1 e-(t/), donde t 0

47
 Los parmetros y pueden ser estimados de los datos usando
los mtodos que sern descritos. Una vez que hayamos estimado sus
parmetros con certeza podremos procesar, mediante el uso de una de
las distribuciones conocidas, nuestros datos de falla y reemplazo. Lo
hacemos por medio de la manipulacin de las funciones estadsticas
que aprendimos en la seccin anterior para as: a) entender nuestro
problema; y b) predecir fallas y analizar el riesgo para hacer mejores
decisiones de mantenimiento. Esas decisiones van a producir un
impacto en el tiempo en el que elijamos para reparar, reemplazar o
reacondicionar maquinaria as tambin como ayudarnos a optimizar
muchas otras decisiones de mantenimiento.
El truco est compuesto de tres partes: 1) reunir buenos datos;
2) elegir la funcin apropiada que represente nuestra propia situacin
y luego estimar los parmetros de la funcin, y finalmente; 3) evaluar
el nivel de confianza que podamos tener en el modelo resultante. Hay
softwares modernos que hacen que este proceso sea fcil y divertido.
Siendo mucho ms que un juguete para los ingenieros, el software de
confiabilidad nos entrega la habilidad de comunicar y compartir con
nuestra gerencia la meta comn del negocio idear y seleccionar
procedimientos que minimicen los costos y el riesgo mientras
mantengan o aumenten el producto y la calidad de este. Las cuatro
funciones de tasa de falla o funciones de riesgo correspondientes a las
cuatro funciones de densidad (exponencial, Weibull, lognormal, y
normal) estn mostradas en la figura 21.

Exponencial Weibull Lognormal Normal

Figura 21: Curvas de funcin de riesgo para las distribuciones de fallas comunes

De las cuatro, los datos observados generalmente se aproximan

ms a la distribucin de Weibull. Eso es afortunado y fue
subestimado por Waloddi Weibull en persona quien dijo mientras
entregaba su ensayo en 1951 ...puede ser que alguna vez rinda un
buen servicio. La reaccin a su ensayo vari desde el escepticismo
directamente hasta el rechazo. A la larga, tal como las buenas ideas
que caen en tierra frtil y generan vida, la Fuerza Area de Estados
Unidos reconoci y coste la investigacin de Weibull por los siguientes

48
24 aos hasta 1975. Hoy el anlisis de Weibull es el mtodo lder en el
mundo para ajustar los datos de ciclo de vida [ref. 3].
El objetivo de este captulo es traer a la atencin de los
profesionales de mantenimiento tales mtodos de toma de decisiones
y mostrar que son esfuerzos provechosos cuyo uso vale la pena en la
administracin de los activos fsicos de su compaa.

Un ejemplo
Concretemos estos conceptos usando un ejemplo que ilustra
como uno puede extraer informacin significativa de los datos de las
fallas. Asuma que hemos determinado (usando los mtodos que sern
discutidos ms adelante en este captulo y en el captulo 7) que un
componente elctrico tiene la funcin de distribucin acumulativa
exponencial, F(t) = 1- et, donde = 0.0000004 hr 1.
Tenemos entonces la respuesta a lo siguiente:
a) Cul es la probabilidad de que una de estas partes falle antes de
15,000 horas de uso?
b) Cunto tiempo debemos esperar para alcanzar un 1% de fallas?

a) F(t) = 1- et = 1 e0.0000004 x 15,000 = 0.001 = 0.6%

Reordenando

b) t = -ln(1 F(t))/ = ln(1 - .01)/.0000004 = 25.126 hrs.

c) Cual sera el tiempo medio entre falla (MTTF)?

MTTF = R(t)dt = etdt = 1/ = 250,000 hrs.

c) Cul sera la mediana del tiempo medio entre falla (el tiempo en el
cual la mitad de la poblacin ha fallado)?

F(T50) = 0.5 = 1- et50

T50 = ln2/ = 0.693/.0000004 = 1,732,868 hrs.

Este es el tipo de informacin que podemos obtener al examinar

nuestros datos usando los principios de la ingeniera de confiabilidad
incorporados en el software. Siga leyendo para descubrir como
hacerlo.

Consideraciones de la vida real el problema de los datos

Irnicamente, a menudo dejamos que la poca informacin
requerida para la gestin de la confiabilidad se nos escape entre los

49
dedos mientras perseguimos implacablemente el siempre elusivo
control sobre los costos de mantenimiento de nuestra planta y equipo
productivo. La administracin de los datos es el primer paso hacia una
gestin de activos fsicos exitosa. Buenos datos personifican a una rica
experiencia de la cual uno puede aprender y por ende mejorar
basado en ella el actual proceso de gestin de mantenimiento de su
compaa. Un rol esencial de la alta gerencia es colocar amplios
recursos computacionales y mtodos cientficos en manos de los
profesionales de mantenimiento que han sido entrenados para
colectar, filtrar, y procesar datos con el propsito explcito de guiar
nuestras decisiones. La intencin de este captulo es inspirar a los
encargados de las transacciones, planificadores, ingenieros y
mantenedores a que renan de una manera seria y continua sus
propios datos de mantenimiento y reemplazo con una apreciacin
renovada de su alto valor para la lnea de fondo de su organizacin.

Irnicamente, a menudo dejamos que la poca informacin requerida

para la gestin de la confiabilidad se nos escape entre los dedos
mientras perseguimos implacablemente el siempre elusivo control
sobre los costos de mantenimiento de nuestra planta y equipo
productivo.

Sin duda el primer paso en cualquier actividad que mire hacia el

futuro es obtener buena informacin. En importancia, este paso pesa
ms que los pasos de anlisis subsiguientes que parecen triviales en
comparacin. La historia de la humanidad es una de las experiencias
construidas a base del progreso. Sin embargo han habido incontables
momentos en que oportunidades han sido derrochadas por que se ha
rechazado la recoleccin y el procesamiento de datos que estaban
disponibles. Hoy, desafortunadamente, muchos departamentos de
mantenimiento caen en esa categora. Esa es la razn por la cual una
de las mediciones ms importantes usadas por el Centro de Excelencia
en la Gestin de Mantenimiento de PricewaterhouseCoopers para
hacer benchmark a compaas en relacin con las mejores prcticas de
la industria de clase mundial es la medida en que los datos son
retroalimentados para guiar sus decisiones, tcticas y polticas de
mantenimiento.
Aqu hay unos ejemplos de decisiones basados en la gestin de
datos de confiabilidad:
Un planificador de mantenimiento detecta tres fallas en el
servicio de un componente durante un periodo de tres meses.
Para facilitar la planificacin de la mano de obra disponible el
superintendente pregunta,, Cuantas fallas va a tener en el
prximo trimestre?
Para encargar repuestos y programar la mano de obra de
mantenimiento, Cuantas cajas de cambio van a ser devueltas a

50
 la bodega para reacondicionamiento por cada modo de falla en
el prximo ao?
Un sistema de tratado de efluente requiere una detencin de
trabajo para reacondicionamiento reglamentaria cada vez que el
nivel contaminante excede un lmite txico por ms de 60
segundos en un mes. Que nivel y frecuencia de mantenimiento
es requerido para evitar interrupciones de la produccin de este
tipo?
Despus de una modificacin del diseo para eliminar un modo
de falla, Cuantas unidades deben ser probadas y por cuanto
tiempo para verificar que el antiguo modo de falla haya sido
eliminado o significativamente mejorado con una confianza de
90%?
Las transmisiones de una flota de camiones de carga son
rutinariamente reacondicionadas a las 12,000 horas segn lo
estipulado por el fabricante. Un nmero de fallas ocurre antes
del reacondicionamiento. Por cuanto se debera adelantar o
atrasar el reacondicionamiento para reducir los costos promedios
de operacin?
El costo de la produccin perdida es cuatro veces el costo del
reemplazo preventivo de un componente desgastado. Cul es la
frecuencia optima para los reemplazos?
Los valores fluctuantes de hierro y plomo en el anlisis trimestral
del aceite de las transmisiones de 35 camiones de carga en
conjunto con los tiempos de falla de las 35 unidades en los
ltimos tres aos estn disponibles en la base de datos. Cul es
el tiempo optimo de reemplazo, dadas las edades de las
unidades y los ltimos resultados de laboratorio de los niveles de
hierro y plomo? (Este problema ser examinado en el captulo
seis.)
Sin duda que vale la pena implementar procedimientos que
obtengan y registren datos de vida al nivel de sistema, y donde se
justifique, al nivel de componente. Los datos de vida de un
componente o un sistema dado involucran los registros de reemplazo
preventivo y la temporalidad de las fallas. Cuando un encargado de
transacciones reemplaza un componente, digamos una bomba
hidrulica, una de las tantas idnticas en una maquina cuya
disponibilidad es crtica para la operacin de la compaa, el o ella
debera indicar cual es la bomba especfica que fall. Ms aun, el o
ella debera especificar como fall (el modo de falla), por ejemplo una
filtracin o una insuficiencia de presin o volumen. Dado que las
horas de operacin del equipo son conocidas, las vidas tiles de
componentes individuales crticos pueden ser calculadas y deducidas
por el software. Esa informacin se convertir en una parte del activo
intelectual de la compaa la base de datos de confiabilidad.

51
Datos censurados o suspensiones
Un problema inevitable en el anlisis de datos es que al
momento de hacer nuestras observaciones y anlisis, no todas las
unidades habrn fallado. Conocemos la edad de las unidades que
actualmente no han fallado, y sabemos tambin que todava estn en
un estado de no-falla, pero no sabemos (obviamente) la temporalidad
de sus fallas. Algunas unidades pueden haber sido reemplazadas de
manera preventiva. En esos casos tampoco sabemos la temporalidad
de sus fallas. Se dice que estas unidades estn suspendidas o
simplemente censuradas. Si bien no es estadsticamente ideal, aun
podemos hacer uso de estos datos ya que sabemos que las unidades
han durado por lo menos todo este tiempo. Buenos softwares de
confiabilidad como lo son Winsmith para Windows, RelCode, y EXAKT
descritos en el captulo 5 y 6 manejan bien el tema de los datos
suspendidos.

Uno de los problemas inevitables de administrar este tipo de datos es

que al momento de nuestras observaciones y anlisis, no todas las
unidades van a haber fallado. Conocemos las edades actuales de las
unidades que no han fallado, pero no conocemos la temporalidad de
sus fallas.

Referencias:
1. Introduccin a la Ingeniera de Confiabilidad y de
Mantenibilidad, Charles E. Ebeling, ISBN 0-07-018852-1, 1997.
2. Confiabilidad de Sistemas y Anlisis de Riesgos, Ernst G.
Frankel.
3. El Nuevo Manual de Weibull segunda edicin, Robert B.
Abernethy.
4. www.barringer1.com.

52
 captulo cinco

Optimizando el
mantenimiento basado
en el tiempo
Las herramientas para formular un
sistema de reemplazos para sus
componentes crticos
Por Andrew K.S. Jardine
La meta de este captulo es introducir herramientas que
pueden ser usadas para derivar decisiones optimas de
mantenimiento y reemplazo. Especial atencin ser
establecer el tiempo o momento optimo de reemplazo para
componentes crticos (tambin conocidos como unidades de
reemplazo, o LRUs) dentro de un sistema.

Ahora entraremos en el tema de las estrategias de edad y

reemplazo en bloques a nivel de LRU. Esto permite que el paquete de
software RelCode sea introducido como una herramienta que puede
ser usada para asistir a los gerentes de mantenimiento en la
optimizacin sus decisiones de mantenimiento de LRU. Adems le
daremos una mirada a la optimizacin de los criterios de la
minimizacin de costos, maximizacin de la disponibilidad y los
requerimientos de seguridad.

Aumentar la confiabilidad mediante el reemplazo preventivo

53
 La confiabilidad del equipo puede ser incrementada al
reemplazar de manera preventiva los componentes crticos dentro de
un equipo en el momento apropiado. Determinar cual es el momento
apropiado depende del objetivo general, tal como la minimizacin de
costos o la maximizacin de la disponibilidad. Mientras que el mejor
momento o tiempo para el reemplazo preventivo puede ser igual para
ambos casos, la minimizacin de costos y la maximizacin de la
disponibilidad, este no es necesariamente el caso. Primero se deben
obtener y analizar los datos antes de que sea posible identificar el
mejor momento de reemplazo preventivo. En este captulo se
presentarn varios procedimientos de optimizacin que pueden ser
usados fcilmente para establecer tiempos ptimos de reemplazo
preventivo de los componentes crticos.

Polticas de reemplazo por bloques

La poltica de reemplazo por bloques es algunas veces
denominada la poltica de grupo o de intervalo constante ya que el
reemplazo preventivo ocurre en intervalos fijos de tiempo con
reemplazos por falla ocurriendo cada vez que sea necesario. La
poltica est ilustrada en la figura 22 en la cual Cp y Cf son los costos
totales asociados con el reemplazo preventivo y por falla
respectivamente, tp es el intervalo fijo entre los reemplazos
preventivos. En la figura usted puede ver que durante el primer ciclo
no hay fallas, mientras que hay dos en el segundo y ninguna en el
tercero o el cuarto. Mientras se incremente el intervalo entre
reemplazos preventivos habr una mayor cantidad de fallas que
ocurran entre cada intervalo y la optimizacin se encuentra en obtener
el mejor balance entre la inversin en reemplazos preventivos y las
consecuencias de la falla. Este caso est ilustrado en la figura 23 para
un criterio de minimizacin de costos donde C(tp) es el costo total por
semana asociado a una poltica de reemplazo preventivo de los
componentes en un intervalo fijo de tiempo tp, con reemplazos por
falla ocurriendo cada vez que sea necesario. La ecuacin de la curva
de costo total se puede encontrar en varios textos incluyendo el de
Duffuaa, Raouff, y Campbell [ver ref. 1]. El siguiente problema se
resuelve usando el paquete de software RelCode, el que incorpora el
modelo de costos para establecer el mejor intervalo entre reemplazo
preventivo.

Nuevo Item
Cf Cf
Cp Cp Cp Cp

tp tp tp tp t

54
 La poltica de reemplazo preventivo por intervalo
constante

Figura 22: Poltica de reemplazo por bloques

Costo total por semana C(tp)

Reemplazo por falla

$ / Semana

Reemplazo preventivo

Intervalo optimo de reemplazo preventivo

Conflictos de costos del reemplazo preventivo

Figura 23: Poltica por bloques: lneas optimas de reemplazo

Figura 24: Salida de RelCode: reemplazo por bloques

55
Enunciado del problema
La ocurrencia de la falla del rodamiento en el ventilador usado en
los motores diesel ha sido determinada segn una distribucin de
Weibull con una vida media de 10,000 km y una desviacin estndar
de 4,500 km. La falla en el servicio del rodamiento es costosa y, en
total, un reemplazo por falla es 10 veces mas costoso que un
reemplazo preventivo. Necesitamos determinar el intervalo optimo de
reemplazo preventivo (o poltica de bloque) para minimizar el costo
total por kilmetro. Cul es el ahorro de costos asociado con la
poltica optima frente a una poltica de correr-a-la-falla?
Dado que el costo de una falla es de $200,000, cul es el costo
por kilmetro asociado a la poltica optima?

Resultado
La figura 24 muestra un pantallazo de RelCode del cual se
puede apreciar que el tiempo optimo de reemplazo preventivo es
4,140 km. Adems la figura provee mucha informacin adicional que
puede ser valiosa para el planificador de mantenimiento. Por ejemplo:
El ahorro de costos comparado a una poltica de correr-a-la-falla
es: $0.1035/km (55.11%)
El costo por kilmetro asociado a la mejor poltica es:
$0.0843/km

Polticas de reemplazo basadas en la edad

La poltica de reemplazo basada en la edad es una en la cual el
tiempo de reemplazo preventivo depende de la edad del componente.
Si ocurre un reemplazo por falla entonces el reloj registrador vuelve a
cero, lo que difiere con la poltica de reemplazo por bloques. La figura
25 ilustra una poltica basada en la edad en la cual podemos ver que
no hay fallas en el primer ciclo. Despus de la primera falla el reloj
vuelve a cero y el componente alcanza su edad de reemplazo
preventivo planeado, tp. Despus de este segundo reemplazo
preventivo el componente nuevamente sobrevive hasta la edad de
reemplazo preventivo planeado.

Nuevo
Cf
Item Cp Cp Cp

tp tp tp t

La poltica de reemplazo preventivo por intervalo

constante
56
Figura 25: Poltica de reemplazo basada en la edad
 Las consecuencias incompatibles asociadas con esta poltica son
idnticas a aquellas mostradas en la figura 23 a excepcin de que el
eje-X mide la edad actual (o utilizacin) del tem, en vez de un
intervalo fijo de tiempo.

Enunciado del problema

La centrfuga de una refinera de azcar es una mquina
compleja compuesta de muchas partes y sujeta a fallas repentinas. Un
componente en particular, el brazo seleccionador, est considerada
para ser candidata a un reemplazo preventivo. La poltica que hay que
considerar es la basada en la edad con reemplazos preventivos que
ocurran cuando el brazo seleccionador alcance una edad especfica.
Cul es la poltica optima para minimizar el costo por hora?
Para resolver este problema se han reunido los siguientes datos:
1. Los costos de mano de obra y materiales asociados con un
reemplazo preventivo o por falla son de $2000;
2. El valor de las perdidas de produccin asociadas con el
reemplazo preventivo es de $1000 mientras que por un
reemplazo por falla es de $7000;
3. La distribucin de la falla del brazo seleccionador puede ser
descrita adecuadamente por una distribucin de Weibull con una
vida media de 152 horas y una desviacin estndar de 30 horas.

Resultado
La figura 26 muestra un pantallazo de RelCode donde la edad
optima de reemplazo preventivo de la centrfuga es de 112 horas. En
la figura tambin se entrega informacin clave que puede ser usada
por el planificador de mantenimiento. Por ejemplo, podemos ver que
la poltica optima cuesta un 45.13% de los costos asociados a una
poltica de correr-a-la-falla, y por lo tanto est claro que el reemplazo
preventivo es una tctica de mantenimiento muy til. Adems, la
curva de costo total es relativamente plana en la regin entre las 90 y
las 125 horas y de esta manera le entrega flexibilidad al programador
de mantenimiento para planificar reemplazos preventivos.

57

Figura 26: Salida de RelCode: reemplazo basado en la edad

Cuando usar el reemplazo por bloques en vez de aquel basado en la
edad
El reemplazo basado en la edad puede parecer ms atractivo
que el reemplazo por bloque ya que un componente recientemente
instalado no es nunca reemplazado de manera preventiva. Siempre se
permite que el componente permanezca en servicio hasta su edad
programada de reemplazo preventivo.
Sin embargo, la implantacin de una poltica basada en la edad
requiere que se mantenga un registro de la edad actual de los
componentes y que si ocurre una falla el tiempo esperado de
reemplazo preventivo sea cambiado. Claramente, para componentes
costosos va a ser econmicamente justificable monitorear la edad de
un tem y aceptar la reprogramacin del tiempo de reemplazo. Para
componentes que no son costosos puede ser apropiado adoptar una
poltica de fcil implantacin como la de reemplazo por bloques;
sabiendo que al momento de efectuar los reemplazos preventivos la
unidad que est siendo reemplazada pueda ser bastante nueva
debido a su reciente instalacin a causa de un reemplazo por falla.
Este compromiso es obviado por el software moderno de gestin de
activos empresariales, el que puede buscar convenientemente las
edades de trabajo del componente si es que ha sido avisado de los
eventos de la falla y el reemplazo.

Estableciendo polticas de mantenimiento basadas en el tiempo

Limitaciones de seguridad: hasta ahora, nuestra discusin ha
asumido que el objetivo era establecer el mejor tiempo para
reemplazar un componente de manera preventiva tal que el costo total
fuera minimizado.

58
 Si la meta es asegurar que la probabilidad de falla antes del
prximo reemplazo preventivo no exceda una valor en particular, como
por ejemplo un cinco por ciento, entonces el tiempo para programar un
reemplazo preventivo puede obtenerse de la distribucin de la falla
como se ilustra en la figura 27. Es decir, simplemente necesitamos
identificar en el eje de las abscisas el tiempo que corresponde a un
valor de cinco por ciento en el eje de las ordenadas.

Minimizacin de costos y maximizacin de la disponibilidad: En

la discusin de ms arriba, el objetivo era la minimizacin de costos.
La maximizacin de la disponibilidad simplemente requiere que, en los
modelos, elFigura
costo27: Edad optima de reemplazo: mantenimiento basado en el riesgo
total de los reemplazos preventivos o por falla sea
reemplazado por el tiempo total de cada asociado con un reemplazo
preventivo y el tiempo total de cada asociado a un reemplazo por
falla. La minimizacin del tiempo total de cada es, entonces,
equivalente a la maximizacin de la disponibilidad. Los lectores que
deseen trabajar con una variedad de problemas usando RelCode

59
pueden hacerlo obteniendo una versin de demostracin del software
contactando al autor [ref. 2].

Referencias:
1. Duffuaa S.O., Raouff A., Campbell J.D., Planificacin y Control
de Sistemas de Mantenimiento, Wiley 1998.
2. Los lectores pueden contactar al autor va correo electrnico a
andrew.k.jardine@ca.pwcglobal.com.
captulo seis

Optimizando el
mantenimiento basado
en la condicin
Aprovechando el equipo al mximo antes
de una reparacin
Por Murray Wiseman
El Mantenimiento Basado en la Condicin (CBM) es
obviamente una muy buena idea. Surge del supuesto lgico
de que las reparaciones o reemplazos preventivos de
maquinaria o sus componentes estaran ptimamente
programadas si es que ocurrieran justo antes de la
ocurrencia de la falla. Nuestro objetivo es obtener la
mxima vida til de cada uno de los activos fsicos antes de
sacarlo de servicio para efectuar reparaciones preventivas.

La traduccin de esta idea a un programa de monitoreo efectivo

est impedida por dos dificultades.
La primera es: como seleccionar de la multitud de los
parmetros de monitoreo aquellos que con ms certeza pueden indicar
el estado de salud de la mquina.
La segunda es: como interpretar y cuantificar la influencia de las
mediciones en el resto de la vida til (RUL) de la maquinaria. En este
captulo tomaremos en cuenta ambos problemas .
Las preguntas esenciales que se hacen al implementar un
programa de CBM son:
1. Porque monitorear?
2. Cuales componentes del equipo monitorear?

60
 3. Cmo monitorear (que parmetros)?
4. Cundo monitorear?
5. Cmo interpretar y actuar basado en los resultados del
monitoreo de condicin?
Segn la descripcin del captulo tres el mantenimiento basado
en la confiabilidad (RCM) nos ayuda a responder las preguntas 1 y 2.
Mtodos adicionales de optimizacin son requeridos para responder las
preguntas 3, 4 y 5. En los captulos 4 y 5 aprendimos que la manera de
enfrentar estos problemas es construyendo un modelo que describa los
costos de mantenimiento y la confiabilidad de un tem. En el captulo 5
lidiamos nicamente con situaciones en que las vidas de los
componentes eran consideradas variables aleatorias independientes,
lo que implica que para programar el mantenimiento preventivo solo
se debera utilizar la edad del equipo. El CBM introduce nueva
informacin, llamadas covariadas, que influencian la probabilidad de
falla en el tiempo t. Por ende, los modelos del captulo cinco sern
ampliados para incluir el impacto de estas covariadas (por ejemplo, las
partes por milln de hierro en una muestra de aceite, la amplitud de la
vibracin a 2 x rpm, etc.) en la vida til restante del equipo o sus
componentes. La extenso mtodo para modelar que introducimos en
este captulo, el cual toma en cuenta datos medidos, se conoce como
Modelamiento de Riegos Proporcionales (PHM).
Desde el documento pionero de D.R. Cox [ref. 1] en 1972 sobre la
materia de PHM, la gran mayora de los usos reportados del
modelamiento de riesgos proporcionales han sido para el anlisis de
datos de supervivencia en el campo mdico. Desde 1985 ha habido un
creciente nmero de referencias que incluyen aplicaciones a turbinas
marinas a gas, generadores, reactores nucleares, motores de
aeronaves y frenos de disco en trenes de alta velocidad. En 1995 en la
Universidad de Toronto A.K.S. Jardine y V. Makis iniciaron el Laboratorio
del Consorcio CBM [ref. 2] cuya misin era desarrollar software de
propsitos generales para el anlisis de modelos de riesgos
proporcionales. El software fue diseado para ser integrado a la
operacin de sistema de informacin de mantenimiento de una planta
con el propsito de optimizar las actividades de CBM. En 1997 el
resultado fue un programa llamado EXAKT (producido por Oliver
Interactive) el cual, a la fecha de este escrito, estaba en su segunda
versin y rpidamente capturando atencin como una metodologa de
optimizacin de CBM. El ejemplo, los grficos y los clculos asociados
entregados en este captulo han sido trabajados usando el programa
EXAKT.
Los lectores que quisieran trabajar con los ejemplos usando el
programa pueden hacerlo obteniendo una versin de demostracin
contactando al autor.
Nosotros, como ingenieros de mantenimiento, planificadores y
gerentes tratamos de desempear mantenimiento basado en la

61
condicin recolectando datos que nosotros creemos estn relacionados
con el estado de salud del equipo o componente. Estos indicadores de
condicin (o covariadas, como son llamadas en PHM) pueden tomar
varias formas. Pueden ser continuas, tales como la temperatura
operacional, o la tasa de alimentacin de materias primas. Pueden ser
discretas tales como la las mediciones de los anlisis de aceite o
vibracin. Pueden ser combinaciones aritmticas de los datos medidos
tales como tasas de cambio de las mediciones, medias mviles, o
proporciones. Ya que raramente poseemos un entendimiento profundo
de los mecanismos de falla implcitos, las alternativas de indicadores
de condicin son interminables. Sin una manera sistemtica de
discriminar y rechazar datos superfluos y no influyentes, el CBM puede
ser lejos menos til como una tctica de decisiones de mantenimiento
que si fuera otro el caso. El modelamiento de riesgos proporcionales
es un enfoque efectivo para el problema de la sobrecarga de
informacin ya que filtra un gran nmero de datos histricos de
condicin y fallas y entrega una optima recomendacin de decisin
fundamentada en el estado de salud actual del equipo.
En este captulo descubrimos el modelamiento de riesgos
proporcionales describiendo cada uno de los pasos por medio de
ejemplos. La prueba estadstica de varias hiptesis a lo largo del
camino es una parte integral del proceso. Esto nos ayudar a evitar la
trampa de seguir ciegamente un mtodo sin la verificacin adecuada
de los supuestos o de si el modelo es apropiado para la situacin y los
datos.
Dividimos el problema de optimizar el mantenimiento basado en
la condicin en seis pasos:
1. Estudiar y preparar los datos.
2. Estimar los parmetros del modelo de riesgos proporcionales.
3. Probar cuan bueno es el modelo PHM.
4. Construir el modelo probabilistico de transicin.
5. Hacer la decisin optima para tener el costo de
mantenimiento de largo plazo ms bajo.
6. Anlisis de sensibilidad.

Primer Paso: Preparacin de los datos

Sin importar que herramientas o programas computacionales
estn disponibles, el modelador siempre debera mirar los datos de
varias maneras [vea ref. 4]. Por ejemplo, muchos conjuntos de datos
pueden tener las misma media y desviacin estndar pero aun ser
muy distintos y eso puede ser de una importancia crtica. Los
modeladores de mantenimiento deben estar involucrados en sus
aplicaciones y entender el contexto.
Muy poca atencin se le ha puesto al proceso de reunir los datos a
pesar del creciente uso de los elaborados y poderosos sistemas
computarizados de gestin de mantenimiento (CMMS) y de sistemas

62
de gestin de activos empresariales (EAM). Estrategias de gestin del
cambio que promueven la educacin y el orgullo en el sentido de
propiedad y la alteracin de comportamientos y actitudes referentes al
reconocimiento del valor de los datos inspirar una recoleccin
meticulosa de los datos por parte de los los encargados de
transacciones cuando estos remuevan y reemplacen componentes que
hallan fallado. En el nuevo mundo industrial del Mantenimiento
Productivo Total (TPM), ellos pueden ser considerados como los
verdaderos custodios de los datos y de los modelos derivados de ellos.
Datos de eventos e inspecciones
Los datos requeridos son de dos tipos datos de eventos y datos
de inspecciones. Se requieren, como mnimo, tres tipos de datos de
eventos para definir la vida de un componente. Ellos son:
1. El Principio (B) de la vida del componente o el tiempo en que
fue instalado.
2. El Termino por Falla (EF).
3. El Termino por Suspensin (ES) debido a un reemplazo
preventivo.
Se deberan incluir eventos adicionales en el modelo si es que se
sabe que influencian directamente a los datos medidos. Uno de esos
tipos de eventos puede ser un cambio de aceite (designado como OC
en la figura 29). Uno debera decirle al modelo que con los cambios
de aceite algunas de las covariadas, tales como el desgaste del metal,
se espera sean vueltas a poner en cero. Esta inteligencia adicional va
a evitar que el modelo sea engaado por disminuciones peridicas
en el desgaste de los metales. Esto est ilustrado en la figura 28.
ppm de hierro

B
No esto

D
El apriete, alineacin, balanceo, o recalibracin peridica de la
maquinaria pueden Intervalo
tenerde efectos similares en valores medidos
tiempo (tales
A
como las mediciones de
cambio vibracin) y deben ser tomadas en cuenta por
de aceite

el modelo.
Figura 28: la transicin verdadera es A-B-C-D, NO A-B-D.
Una muestra de datos de inspeccin
La figura 29 muestra un conjunto parcial de datos de las
transmisiones de una flota de cuatro camiones de carga. El conjunto
completo est disponible como un archivo de base de datos
MSAccess del autor [vea ref. 3]. Tales datos son necesarios para
construir in modelo de riesgos proporcionales (y finalmente una
poltica de decisin optima). En este caso, las inspecciones son los
resultados de un anlisis de aceite y son designadas con un asterisco
(*) en la columna de Evento. Los datos incluyen el historial entero de

63
cada unidad identificada con las designaciones HT-66, HT-67, HT-76, y
HT-77, entre diciembre de 1993 y febrero de 1998. Los datos de
evento y de inspeccin estn dispuestos cronolgicamente segn el
nmero del equipo.

Datos de inspeccin y eventos de las transmisiones de los camiones de

Figura 29 carga

Grficos cruzados
Los datos en la figura 29 deben ser entendidos por el modelador.
La fase de preparacin de los datos incluye actividades en las cuales el
modelador puede familiarizarse con los datos usando un nmero de
herramientas grficas de software. El grfico cruzado (figura 30, pg.
63) es muy conveniente para el anlisis grfico estadstico. Por
ejemplo, muestra la posible correlacin entre variables de diagnstico.
La correlacin entre dos variables se hace evidente cuando los puntos
estn agrupados en torno a una lnea recta. Si los punto estn

64
dispersos como lo estn en la figura 30 (que es un grfico de hierro vs.
Plomo) uno puede ver fcilmente que no hay correlacin entre las dos
variables. Si es que la correlacin fuera evidente, esto sera
conocimiento til en los siguientes pasos del modelamiento.
Datos de inspeccin y eventos de las transmisiones de los camiones de
Figura 29 carga (continuacin)
Limpiando los datos

El termino tcnico usado por los estadsticos cuando los datos

contienen eventos y valores engaosos y no apropiados es sucios.
Los datos sucios deben ser limpiados antes de sintetizarlos en el
modelo que se usar para decisiones y polticas futuras. Esto incluye
verificar la validez de los datos inapropiados que se encuentran en la
serie de datos de inspeccin.
Transformaciones de los datos
El modelador necesita tener a su disposicin, no solo los datos
en s, si no que adems cualquier combinacin (transformacin) de los
datos que el crea puedan ser covariadas influyentes.

65
 Un rea obvia de inters en el campo de los datos transformados
es la edad del aceite de lubricacin, la cual no est disponible
directamente desde la base de datos, pero puede ser calculada
sabiendo las fechas de los cambios de aceite (OC). En el presente
ejemplo uno esperara que el plomo o el hierro de los metales de
desgaste fuese bajo
Figura 29 Datos de inspeccin y eventos de las transmisiones de los camiones de
carga (continuacin)

justo despus de un cambio de aceite y que aumentar linealmente

mientras este envejeciera y las partculas se acumularan y residieran
en el sistema de circulacin de aceite. Un grfico cruzado (figura 31,
pgina 63) de la edad del aceite y el hierro niega esta teora excepto
para edades muy bajas del aceite lubricante. Por ende, el modelador
puede concluir que la edad del aceite, en este sistema, no es una
covariada significativa.

Segundo paso: construir el modelo de riesgos proporcionales

66
 Este paso es realizado en su totalidad por el software. Los
parmetros de la ecuacin del PHM son estimados.

Ecuacin 1:

-1
h(t) = ( / )(t / ) e Z (t)+ Z (t)+...+nZn(t)
1 1 2 2

Datos de inspeccin y eventos de las transmisiones de los camiones de

Figura 29 carga (continuacin)

Al examinar la ecuacin 1 podemos ver que esta ampla la funcin de

riesgos de Weibull descrita en el captulo 4 y aplicada en el captulo 5.
Los nuevos factores (en forma de expresin exponencial) en las
covariadas Zi(t) que son la serie de tems CBM medidos, como por
ejemplo, las partes por milln de hierro y otros metales de desgaste
presentes en una muestra de aceite. Los parmetros de las covariadas
i especifican la influencia relativa que tiene cada covariada en la

67
funcin de riesgo (o tasa de falla). Un valor muy bajo de i tendera a
indicar que la covariada correspondiente tiene poca influencia y no
vale la pena medirla. El software que prueba si cada covariada es
significativa o no usa una prueba estadstica. De hecho, una variedad
de pruebas estadsticas dentro del software (estimaciones de
probabilidad mxima, Wald, Chi cuadrado, residuos Cox-generalizados,
Kolmogorov-Smirnov) provee criterios sistemticos probar variadas
hiptesis referentes a la confianza y la significancia del modelo.
Los algoritmos del software ajustan el modelo de riesgos
proporcionales a los datos entregando estimaciones no solo del
parmetro de forma y parmetro de escala como era el caso en los
ejemplos de Weibull del captulo 5, sino que tambin estimaciones del
parmetro i de cada covariada.
Datos de inspeccin y eventos de las transmisiones de los camiones de
Figura 29 carga (continuacin)

Tercer Paso: Probar el PHM

68
 Revisemos nuestros objetivos. Estamos buscando un mecanismo
de decisin que en el largo plazo resultar en el costo total de
mantenimiento ms bajo. Recuerde que el costo total de
mantenimiento incluye el costo de reparacin de fallas (que
tpicamente incluyen una variedad de costos adicionales tales como el
costo de produccin perdida). Por lo tanto, es esencial que estemos
confiados en que el modelo refleje de una manera adecuada y realista
las caractersticas de las fallas de nuestro equipo o sistema. El anlisis
de los residuos es un procedimiento que nos dice cuan bien se ajustan
los datos al modelo PHM. El modelo de residuos Cox-generalizados es
aplicado para probar el ajuste del modelo. El mtodo genera
matemticamente nmeros que son conocidos como residuos. Luego
los residuos son analizados grficamente.
Hay una variedad de tipos de diagramas usados para evaluar
cuan bien se adecua el modelo. Uno de ellos es el grfico de Residuos
en Orden de Apariencia, figura 32 (pg. 63). Este mtodo grfico
diagrama los residuos en el mismo orden de los historiales

Datos de inspeccin y eventos de las transmisiones de los camiones de

Figura 29 carga (continuacin)

69
 Plomo

Hierro

Figura 30: Grfico cruzado de ppm de hierro vs. ppm de plomo

Figura 31: Hierro vs. edad del aceite

Residuos en orden de aparicin

Censurado

Fallado
Residuo

Historia

70
Figura 32: El modelo probabilistico de transicin
que aparecen en la figura 29. El valor residual promedio debe ser igual
a 1 para obtener, si el modelo se ajusta bien a los datos, que la
dispersin aleatoria de los puntos sea en torno a la lnea y = 1. (Los
datos censurados fueron discutidos en el captulo 4.) Para ayudar a
examinar los residuos, los lmites inferiores y superiores estn incluidos
en el grfico. Si el PHM se ajusta bien a los datos se espera que por lo
menos el 90% de los residuos se encuentre dentro de estos lmites.
Una variedad de herramientas matemticas y grficas son usadas por
el modelador para desarrollar, probar, comparar, y ganar confianza en
su modelo.

Cuarto paso: El modelo probabilistico de transicin

En este punto del proceso de optimizacin del CBM el PHM habr
sido desarrollado y probado por el modelador por medio de la
utilizacin de las herramientas de software descritas en las secciones
anteriores. El o ella est presuntamente satisfecho o confiado de que
el modelo se ajusta a los datos limpios de una buena manera. Para
cada una de las covariadas en el modelo el modelador debe ahora
definir rangos de valores o estados, por ejemplo bajo, medio, alto, o
niveles normales, marginales o crticos. Los rangos de las covariadas
son puestos por el modelador segn su instinto, experiencia en planta,
sus revisiones de los datos o mediante el uso de algn mtodo
estadstico tal como el de poner el lmite a dos desviaciones estndar
de la media para definir el nivel medio, y a tres desviaciones estndar
para definir el nivel alto en el rango de valores.

Discusin sobre la probabilidad de transicin

Una vez que el modelador ya ha establecido el rango de las
covariadas (limites superiores e inferiores), el software calcula la Matriz
de Probabilidad de Transicin del Modelo en Cadena de Markov (figura
33), que es una tabla que muestra las probabilidades de ir de un
estado (por ejemplo, contaminacin leve, contaminacin media,
contaminacin alta) a otro entre intervalos de inspeccin. Dicho de
una manera ms formal, la tabla provee una estimacin cuantitativa
de la probabilidad de que el equipo se encontrar en un estado en
particular durante la prxima inspeccin dado su estado de hoy.

Figura 33: La matriz de probabilidad de transicin del modelo en cadena de

Markov

71
 Esto significa que dado el presente rango de valores de una
variable podemos predecir (basados en el historial), con una cierta
probabilidad, su rango de valores para la prxima inspeccin. Por
ejemplo, si la ltima inspeccin mostr un nivel de hierro menor que
13 partes por milln (ppm) podemos, en este ejemplo, predecir que el
prximo registro estar entre 13 y 26 partes ppm con una probabilidad
de 12% y en ms de 26 ppm con una probabilidad de un 1.6%.
Probabilidades tales como 12% y 1.6% son llamadas probabilidades de
transicin.

Quinto Paso: La decisin optima

En este paso le decimos al modelo (consistente en mucho del
PHM y el modelo probabilistico de transicin) los costos respectivos de
reparaciones o reemplazos preventivos o generados por falla.
El grfico de la decisin de reemplazo, figura 34 (pgina 65), es
la culminacin del proceso de modelamiento. Este combina los
resultados del modelo de riesgos proporcionales, del modelo
probabilistico de transicin y la funcin de costos que muestra la mejor
poltica de decisin con relacin al componente o al sistema en
cuestin.
La ordenada es la covariada compuesta, Z una suma
ponderada de aquellas covariadas que se ha determinado
estadsticamente que influencian la probabilidad de falla. Cada
covariada medida en la ms reciente inspeccin habr contribuido su
valor a Z. Esa contribucin va a haber sido ponderada de acuerdo a su
grado de influencia en el riesgo de falla en el prximo intervalo de
inspeccin.

Decisin de reemplazo
Covariada Compuesta

No reemplace antes de la prxima inspeccin.

Espere reemplazar antes de la prxima inspeccin.
Reemplace inmediatamente.

No reemplace

Edad de Trabajo

Figura 34: El grfico de la decisin optima de reemplazo

72
 La ventaja es evidente. En un solo grfico uno ha obtenido la
informacin filtrada sobre la cual se basar una decisin de reemplazo.
La alternativa hubiera sido examinar grficos de tendencias de
docenas de parmetros de condicin y adivinar si se debe reparar o
reemplazar el componente inmediatamente o esperar un poco ms. Al
aceptar la recomendacin del Grfico de la Decisin Optima de
Reemplazo uno acta de acuerdo a la mejor poltica para minimizar los
costos de mantenimiento de largo plazo.

Sexto paso: Anlisis de sensibilidad

Queda un paso por completar. Cmo sabemos que el Grfico de
Decisin Optima de Reemplazo verdaderamente constituye la mejor
poltica a la luz de la situacin siempre cambiante de nuestra planta?
Son los supuestos que usamos aun validos, y si no, cul va a ser el
efecto de esos cambios? Sigue siendo optima nuestra decisin?
Estas preguntas son respondidas por el anlisis de sensibilidad.
El supuesto que hicimos al construir la funcin de costos se
centra en los costos relativos de un reemplazo planeado versus
aquellos de un reemplazo forzado por una falla repentina. Esa
proporcin de costos puede haber cambiado. Actualmente nuestros
mtodos contables no nos puedan proporcionar los costos precisos de
reparacin y por lo tanto hemos tenido que estimarlos al construir
nuestra funcin de costos. En cualquiera de los casos dudamos si la
poltica dictada por el Grfico de la Decisin Optima de Reemplazo est
bien fundada dada la incertidumbre de los costos sobre los cuales fue
construida.
El propsito del anlisis de sensibilidad es mitigar aquellos
temores ya que no son justificados y dirigir al modelador a que gaste
un poco de esfuerzo para obtener estimaciones ms precisas de los
costos de mantenimiento donde sea necesario.
La figura 35, el grfico de la Sensibilidad de Riesgo de la Poltica
Nivel optimo de riesgo

Optima, nos muestra la relacin entre el riesgo o nivel de riesgo

optimo y la proporcin de costos. Si la proporcin de costos fuera baja,
menor que tres, entonces
Sensibilidad el nivelde optimo
de riesgo de riesgo aumentara
la poltica optima
exponencialmente. Por lo tanto, tenemos que seguir los costos de
cerca para as asegurarnos de los beneficios calculados por el modelo.
Planificar menos reemplazo preventivo
Planificar ms reemplazo preventivo

Proporcin de costo de reemplazo 73

Figura 35: Sensibilidad de la poltica optima a la proporcin de costos

Conclusin
Mientras la competencia intensa del mercado global llega a la
industria, la visibilidad de cada aspecto del proceso productivo, en
particular ese de la confiabilidad de los equipos, se convertir en un
requerimiento urgente de los negocios. La integracin y la fluidez de
la cadena de abastecimiento a travs de asociaciones mltiples de
negocios conectados electrnicamente forzarn a la informacin de
mantenimiento, la de disponibilidad y la de confiabilidad a ser crticas
para la misin.
Software amistoso con el usuario, pero sin embargo sofisticado,
empoderar a los profesionales del mantenimiento para responder con
agilidad a la incesantemente fluctuante demanda de fuerzas de
mercado. Modelos matemticos estadsticos tales como aquellos
desarrollados con la ayuda de herramientas de software discutidas en
este captulo en conjunto con sistemas expertos fundados en los
principios del mantenimiento basado en la confiabilidad sern los
perros guardianes operando silenciosamente dentro del sistema
computarizado de gestin de mantenimiento de una compaa. Su
funcin monitorear continuamente datos entrantes de condicin y
edad. Cuando los datos de condicin gatillen una alerta con respecto
al modelo de la poltica optima de mantenimiento, una ambigua,
aunque apropiada decisin debe ser hecha y ejecutada rpidamente.
El escenario ha sido establecido y los actores de mantenimiento, en
distintos estados de prontitud, deben enfrentar desafos
completamente nuevos mientras se sube el teln en una cultura de
negocios que cambia rpidamente. La gestin de este cambio girar
necesariamente alrededor de la meticulosa coleccin y anlisis de
datos.

El escenario ha sido establecido y los actores del mantenimiento, en

distintos estados de prontitud, deben enfrentar desafos
completamente nuevos mientras sube el teln en una cultura de
negocios que cambia rpidamente.

Sistemas de base de datos de gestin de informacin de

mantenimiento existentes son poco usados e inapropiadamente
poblados principalmente por que los encargados de las transacciones y
los empleados de mantenimiento no estn convencidos de que hay
una relacin entre el registro preciso de los datos de vida de un
componente y su efectividad para mantener los activos fsicos de su

74
organizacin funcionando. La esperanza del autor es que los mtodos
descritos aqu apoyen al personal de mantenimiento en sus tareas de
toma de decisiones mientras progresan hacia la confiabilidad ms alta
al menor costo.

Referencias:
1. Mtodos Estadsticos en la Teora y Prctica de la
Confiabilidad, Brian D. Bunday, Ellis Horwood Limited, 1991.
2. www.mie.utoronto.ca/labs/cbm.
3. Murray.z.wiseman@pwcglobal.com
4. Confiabilidad Aplicada, Paul A. Tobias, David C. Trinidade,
1995 Van Nostrand Reinhold.
5. El Nuevo Manual de Weibull, Robert E. Abernethy, Segunda
edic. Dr. Robert B. Abernethy SAE TA 169 A35 1996X C.1 Engi.
6. La aplicacin de modelos de optimizacin de mantenimiento:
revisin y anlisis, Rommert Dekker, Ingeniera de Confiabilidad
y Seguridad de Sistemas 51, 1996, 229-240 Elsevier Science
Limited.
7. Sobre la aplicacin de modelos matemticos en el
mantenimiento, Phillip A. Scarf, Peridico Europeo de
Investigacin Operacional, 1997 Elsevier Science.
8. Sobre el impacto de los modelos de optimizacin en la toma
de decisiones de mantenimiento: el estado del arte ,Rommert
Dekker, Phillip A. Scarf, Ingeniera de Confiabilidad y Seguridad
de Sistemas, 1998 Elsevier Science Limited.
9. Planificacin de Mina y Seleccin de Equipo, A.A. Balkema,
Acta de sesin del Tercer Simposio Internacional Sobre la
Planificacin de Minas y la Seleccin de Equipos,
Estambul/Turqua.

apndice

Navegando en la red en
bsqueda de
informacin acerca de
la confiabilidad
75
Esta buscando pginas tiles en Internet?
Aqu tiene donde empezar
Por Paul Challen
En las pginas anteriores del Manual de Confiabilidad hemos
visto una completa discusin acerca de las maneras en que
los profesionales del mantenimiento pueden aumentar el
tiempo mximo de utilizacin en sus plantas. Parte de esta
discusin se basa en la necesidad de usar tecnologa para
reunir el tipo de informacin necesaria para implementar
decisiones de confiabilidad. En conjunto con los diversos
paquetes de software y bases de datos que nuestros autores
han recomendado existen innumerables otros recursos
disponibles para la gente en bsqueda de informacin
acerca de la confiabilidad y uno de los lugares de bsqueda
ms tiles es Internet.

El siguiente no es, de ninguna manera, un listado exhaustivo de

los recursos que usted encontrar disponibles en la red. Aconsejamos
a los lectores explorar estas pginas y seguir los vnculos (links) que
emanan de ellas.

Centro de anlisis de Confiabilidad

Ubicado en la direccin http://rac.iitri.org, esta pgina se hace
llamar el centro de excelencia en confiabilidad y mantenimiento en
los ltimos 30 aos. El RAC (centro de anlisis de confiabilidad) es
operado por el Instituto de Investigacin ITT en Estados Unidos y
provee informacin a la industria por medio de bases de datos,
manuales de metodologa, revisiones del estado del arte de la
tecnologa, cursos de capacitacin y servicios de consultora. Su
misin es proveer experiencia tcnica e informacin en las disciplinas
de ingeniera de la confiabilidad, mantenibilidad, capacidad de apoyo y
calidad y facilitar su implantacin costo-efectiva en todas las fases del
producto o el ciclo de vida del sistema.
La pgina web del RAC contiene tiles recursos de informacin
que incluyen una base de datos bibliogrfica de libros, estndares,
artculos de peridicos, documentos de simposios, y otros documentos
sobre confiabilidad, mantenibilidad y capacidad de apoyo. Tambin
mantiene un calendario de eventos venideros en toda la industria,
informacin sobre vnculos a otras bases de datos, un consorcio para
compartir datos con informacin sobre datos de confiabilidad de
partes no electrnicas, distribuciones de modos de falla, y datos de
susceptibilidad a descargas electrostticas.

76
 El RAC tambin ha compilado dos importantes listas, una de
siglas frecuentemente usadas en el mundo de la confiabilidad y otra
(en la direccin http://rac.iitri.org/cgi-rac/sites?0) de vnculos (links)
navegables hacia otras pginas en Internet sobre temas relacionados.

Libros y material impreso

Para aquellos profesionales que estn buscando buen, aunque un
poco pasado de moda, material impreso sobre el tema, existe una lista
exhaustiva lista general de libros ubicada en
http://www.quality.org/Bookstore. Para libros sobre la confiabilidad que
usted pueda comprar en-lnea por medio de Amazon
(www.amazon.com) puede intentar en:
http//www.quality.org/Bookstore/Reliability.htm.
Tambin hay una bibliografa completa de documentos de
confiabilidad del gobierno de Estados Unidos en la direccin
http://www.incose.org/lib/sebib5.html que cubre una gran variedad de
temas tcnicos.

Organizaciones Profesionales
La pgina del RAC tambin contiene una inmensa lista de
organizaciones profesionales relevantes en la direccin
http://rac.iitri.org/cgi-rac/sites?00013.
Una de las ms tiles de estas es, desde el punto de vista de
confiabilidad, la pgina de la Sociedad para Profesionales de
Mantenimiento y Confiabilidad (SMRP) ubicada en la direccin
http://www.smrp.org. Esta organizacin es una sociedad
independiente sin fines de lucro dedicada a los profesionales en los
campos del mantenimiento y la confiabilidad.
La sociedad est, de acuerdo a su misin dedicada a la
excelencia en el mantenimiento y la confiabilidad en todo tipo de
organizaciones manufactureras o de servicios y a promover la
excelencia mundial del mantenimiento. Tambin contiene vnculos a
otras organizaciones sobre temas de mantenimiento y confiabilidad.
La pgina de la Sociedad de Ingenieros de Confiabilidad (SRE)en
la direccin http://www.sre.org es otro recurso til que se relaciona con
la confiabilidad. De particular inters ser el boletn de la sociedad
Lambda Notes, y su directorio de servicios pblicos de confiabilidad.
Para una perspectiva global, usted puede ver la pgina web de la
Organizacin Mundial de Confiabilidad en la direccin
http://www.world5000.com. La pgina de la organizacin describe su
plan para implementar un Indice Internacional de Confiabilidad, en el
cual cada pas ser clasificado segn un nmero de ndices que
conforman una puntuacin general de confiabilidad.

Informacin general

77
 La Revista de Confiabilidad conocida como la primera revista
dedicada especficamente a la industria del mantenimiento predictivo,
de anlisis de falla causa-raz, mantenimiento centrado en la
confiabilidad y CMMS, tiene su pgina en la direccin
http://www.reliability-magazine.com.
La Centro de Mantenimiento & Confiabilidad de la Universidad de
Tennessee (MCR) es una nueva pgina que usa la investigacin y
tecnologa de punta para ayudar a compaas miembros a reducir las
perdidas causadas por el tiempo de detencin de los equipos. Puede
visitar al MRC en la direccin http://www.engr.utk.edu/mrc.
El Centro para la Gestin de Confiabilidad y Costo-efectividad,
ubicado en la Universidad de Exeter en Inglaterra, promueve la
colaboracin nacional e internacional con instituciones industriales y
otras acadmicas o de investigacin en las reas de la confiabilidad y
el mantenimiento. Su pgina web est en la direccin
http://www.ex.ac.uk/mirce.
El Instituto de la Vibracin (ubicado en la direccin
http://www.vibinst.org/) es una organizacin sin fines de lucro dedicada
al intercambio de informacin prctica sobre maquinaria y estructuras.
Las actividades del instituto tambin publican la revista Vibraciones,
Acta de Sesin de sus Reuniones Anuales, y apuntes de cursos
cortos.

78