Practical Application of the Bayes Theorem for the Estimation of Availability in Industrial Assets

During the development of any engineering study on reliability, one of the key activities for them to be performed effectively is the estimation of the failure and repair rate of an asset, which are meant to model statistically the availability of an asset through mathematical functions known as probability distributions, with the study of operation times and out-of-service times (see Fig. 1).

Fig 1. Operation and Out-of-service Times of an Asset
Fig 1. Operation and Out-of-service Times of an Asset

Whereas for repairable systems:

  • Average Time of Operation = Mean Time Between Failures (MTBF)
  • Average Time out of service = Mean Time to Repair (MTTR)

In this sense, an incorrect estimation of these values would negatively affect the results obtained in the studies performed, since we would be estimating based on an unreal behavior of the asset.

It’s important to emphasize that the failure and repair rates can be estimated through sources of different nature, be it generic or specific, that is, we can calculate them using the register of failures and repair of the asset itself or using the generic databases such as OREDA, IEE 497, PARLOC, EXIDA, among others, and even using the opinion of experts in an adequate way, trying to eliminate subjectivity, it’s an excellent source of information.

In this vein, Yañez and others, 2007, proposes the use of Bayes theorem to estimate failure rates and repair equipment. The author notes that this Theorem, “allows the combination of structured and mathematically supported form of the experience of others (prior knowledge) with experience (evidence), thereby obtaining more representative combination rates flaws operational reality the process under analysis (improved or updated knowledge).”

In this article we intend to show in a practical way and structured application of Bayes’ theorem in the estimation of the availability of two turbo-generators and power generation system via Monte Carlo simulation.

Then, the estimation procedure thereof is shown.

Revision of the failure data

 First, a revision of the failure data associated to the turbo generators was performed. In it, there was evidence that the record doesn’t separate the failures associated to the turbine from those of the generator, as required by the ISO 14224:2006 standards. This leads to the analysis of the turbo generation as a whole.

Hence, a summary of the operation times and out of service time from each turbo generator unit is shown. We should remark that each of the times was altered with the purpose of keeping their confidentiality.

Table 1. Operations and Out-Of-Service Times. Unit TG-100
Table 1. Operations and Out-Of-Service Times. Unit TG-100
Table 2. Operations and Out-Of-Service Times. Unit TG-101
Table 2. Operations and Out-Of-Service Times. Unit TG-101

Actualization of failure rate (Theorem of Bayes)

Next, based on the previous data and with the purpose of improving the times between the failure and the times of repair, the Theorem of Bayes was applied to reliability studies, proposed by Yañez (2007). Since, as mentioned before, it allows obtaining failure rates more adjusted to the operational reality of the asset, by means of combining the experience of others (use of generic data) with your own experience (failure register). See Fig.2.

Fig 2. Actualization Mode of Failure Rate (Yáñez, 2007)
Fig 2. Actualization Mode of Failure Rate (Yáñez, 2007)

Regarding generic data, information supplied by the Offshore Reliability Data (OREDA, 2009) was used, which is a complete database containing reliability and maintenance data from exploration and production equipment in the oil and gas industry. From it, all the failure modes downloaded from the database were used, either for the turbine and the generator as well.

Table 3. Turbine - Generator Generic Data
Table 3. Turbine – Generator Generic Data

From the Failure Register, the following data is obtained for the Turbogenerator TG-100:

Such data are substituted in the Equation 2, from the model:

The following data were obtained:

Likewise, the improved failure rate from the TG-101 turbo generator was estimated, obtaining the following historical data:

Substituting such data in Equation 2, the following data were obtained:

Modeling block diagram

From the information of improved failure rates, the Reliability Block Diagrams (RBD) were obtained, with the purpose of representing the architecture and operational philosophy of the generation system.

Thus, the RAPTOR 7 tool from ARINC was used, which allows modeling complex systems considering the operational philosophy and the times of failure and repair. Here, the operational philosophy of the turbo generator units in regular operations conditions appears under the philosophy k of n, 1 of 2, that is, one operating turbo generator and the other as a backup, which only starts to function in case of a programmed stop or failure from the other turbo generator. Also, the TG-101 generator is installed to operate only in case of the TG-100 turbo generator is out of service.

Hence, the proposed block diagram:

Fig 3. Reliability Block Diagram - Turbo generator Units
Fig 3. Reliability Block Diagram – Turbo generator Units

It´s important to emphasize that, with the purpose of simulating the real operational conditions and maintenance of equipment, programmed stops were considered for maintenance every 1,000 hours of operation, with a minimum duration of 72 hours, a maximum of 192 hours and an average of 168 hours.

Montecarlo simulation to estimate availability

After that, a simulation of the reliability block diagram (RBD) was performed using the Montecarlo simulation, which allows reducing the uncertainty in this kind of analysis.

The simulation of results for 50 iterations in the following 10 years of operations is presented in Table 4:

Table 4. Results obtained
Table 4. Results obtained
Fig 4. Stochastic Profile of the Turbo generators Availability
Fig 4. Stochastic Profile of the Turbo generators Availability

Likewise, in Figure 5, the results shown RAM parameters for year 10.

Fig 5. Results from the simulation for year 10
Fig 5. Results from the simulation for year 10

Discussion of results

From the simulation of results, we conclude:

  • The annual availability for the turbogeneration system for year 10 is 99.79%, with a minimum of 99.68% and a maximum of 99.89%.
  • The stochastic profile shows that the availability values of the system are above the international standards, since throughout the time, the availability will remain above 99%.
  • The mean time between failures of the system is 1638.30 with a standard deviation of 571.52.
  • The mean time to repair of the system is 3.23 hours, with a minimum of 2.38 hours and a maximum of 4.66 hours.
  • Regarding the number of failures for the next 10 years, there is a minimum of 25 failures, a maximum of 101 and an average of 59 failures.

It´s important to emphasize that the results obtained must be updated with the enrichment of the failure register and repair of assets, since the estimated rates would come closer to their operational reality.

References

-Yañez Medardo, y Otros. (2007) “Confiabilidad Integral, Un Enfoque Práctico”, Tomo II, Metodologías. R2M.
-ISO 14224. Industrias de petróleo y gas natural – Recolección e intercambio de datos de confiabilidad y mantenimiento de equipos, 2006.
-Ebeling, Charles. (2009) “An Introduction to Reliability and Maintainability Engineering”. Waveland.
-O’Connor, Andrew. (2011) “Probability Distributions used in Reliability Engineering “. University of Maryland 2009.

Author: MSc. Osberto Díaz

0 comentarios

Enviar un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Edición 29 Predictiva21

ver todas las ediciones

Suscríbete a Predictiva21

Síguenos en Linkedin

Sistemas de Indicadores (KPI) para Evaluar la Gestión del Mantenimiento

  • Sistemas de medición del desempeño en mantenimiento
  • Balanced scorecard y la gestión de mantenimiento
  • Indicadores técnicos de mantenimiento
  • Overall equipment effectiveness (OEE) y el mantenimiento
  • Indicadores de la SMRP y de la EFNMS- en 15341
  • Sistema jerárquico-funcional de indicadores para mantenimiento

Taller de Análisis de Criticidad (Detección de Oportunidades)

  • Fundamentos del Análisis de Criticidad
  • Pasos para la realización de un Análisis de Criticidad
  • Modelos Cuantitativos
  • Modelos Cualitativos
  • Modelos Probabilisticos
  • Selección de Matriz de Criticidad

Fundamentos Técnicos de Tribología y Lubricación

  • Conocer los fundamentos de tribología y lubricación, así como su uso y aplicación.
  • Importancia de la Lubricación para mejorar la confiabilidad en los procesos.
  • Conocer características de los diferentes productos empleados en lubricación y criterios de uso.
  • Conocimientos para facilitar un proceso de cambio en el enfoque de mantenimiento.
  • Identificar el vinculo Mantenimiento-Lubricación-Diseño.
  • Identificar que una adecuada Lubricación contribuye en ahorrar energía y reduce costos.

Auto Evaluación de Mantenimiento

  • Formación del Comité de Análisis y Diagnostico.
  • Establecimiento de parámetros para evaluar el mantenimiento.
  • Elaboración y aplicación de cuestionarios.
  • Principios y reglas de investigación eficaz.
  • Grado de madurez del área de mantenimiento.
  • Establecimiento da la Matriz de Esfuerzos versus Impacto.

Análisis de Costo de Ciclo de Vida LCC

  • Comprender la teoría del Análisis del Costo del Ciclo de Vida acorde a las normas ISO 15663 y UNE EN 60300-3-3 para la selección de alternativas económicas.
  • Evaluar el impacto económico de la Confiabilidad y de la Mantenibilidad en los costos de ciclo de vida de un equipo industrial.
  • Identificar los puntos de atención, barreras y debilidades relacionados con la utilización de las técnicas de Análisis del Costo del Ciclo de Vida y Evaluación Costo Riesgo Beneficio.
  • Determinar la Vida Útil Económica para decidir cuándo es el momento oportuno para reemplazar un activo físico instalado en una planta industrial.

Gestión y Optimización de Inventarios para Mantenimiento

  • Aspectos claves en gestión de inventarios
  • Clasificación de inventarios en mantenimiento
  • Análisis de Criticidad jerarquización de repuestos
  • Cantidad económica de Pedido
  • Indicadores en la Gestión de Inventarios

Generación de Planes Óptimos de Mantenimiento Centrado en Confiabilidad RCM

  • Fundamentos del MCC
  • Desarrollo del MCC
  • Beneficios del MCC
  • Desarrollo del AMEF
  • Generación de Planes de Mantenimiento

Planificación, Programación y Costos de Mantenimiento

  • Modelo de la Gestión de Mantenimiento
  • Sistemas indicadores de la Gestión
  • Planificación del Mantenimiento
  • El sistema de Orden de Trabajo
  • Análisis de Mantenibilidad
  • Programación del Mantenimiento

Técnicas de Análisis de Fallas y Solución de Problemas a través del Análisis de Causa Raíz RCA

  • Fundamentos del falla
  • Modos de falla
  • Tipos de falla
  • Análisis Causa Raiz
  • Tipos de ACR
  • Aplicación de ACR con Árbol Logico
  • Jerarquización de Problemas
  • Desarollo de Hipótesis
  • Evaluación de resultados

Análisis de Confiabilidad, Disponibilidad y Mantenibilidad (RAM)

  • Definiciones y conceptos.
  • Relación de un análisis RAM con la vida del activo.
  • Información requerida para realizar un análisis RAM.
  • Etapas para efectuar un análisis RAM.
  • Construcción del modelo en el análisis RAM.
  • Ajuste de distribuciones de probabilidad.
  • Incorporación de la opinión de experto.
  • Combinación de fuentes (Teorema de Bayes).
  • Simulación Montecarlo.
  • Análisis de Resultados.
  • Jerarquización de activos según criticidad.

Mantenimiento Productivo Total (TPM)

  • Evolución del mantenimiento.
  • Objetivos del TPM.
  • Eficiencia operacional global.
  • Pilares de sustentación del TPM.
  • Implementación del TPM.
  • Evaluación de la eficacia de los equipos.
  • Control administrativo (Las 5 S – housekeepig).

Introducción a la Confiabilidad Operacional

  • Los fundamentos de confiabilidad, así como su uso y aplicación.
  • Visión de Confiabilidad Operacional como estrategia para mejorar la confiabilidad en los procesos
  • Conocimientos para facilitar un proceso de cambio del enfoque de mantenimiento hacia un enfoque de Confiabilidad Operacional, que apunta hacia la reducción sistemática en la ocurrencia de fallas o eventos no deseados en los Sistemas.
  • Obtener criterios para aplicar la estrategia de Confiabilidad Operacional.
  • El diseño de estrategias y la selección de acciones técnicamente factibles y económicamente rentables en minimizar la ocurrencia de fallas.

Mantenimiento por Condición para Equipos Estáticos y Dinámicos (Mantenimiento Predictivo)

  • Mantenimiento por monitoreo de condición
  • Estimación de intervalos P-F
  • Costo riesgo beneficio
  • Planes de Monitoreo de Condición

Mantenibilidad y soporte a la Confiabilidad Operacional

  • Conocer conceptos que soportan el enfoque de Mantenibilidad.
  • Importancia de la Mantenibilidad para mejorar la confiabilidad en los procesos.
  • Entender y comprender los factores que influyen y afectan la Mantenibilidad en las operaciones.
  • Diferenciar función y funcionalidad para aplicar mejoras.
  • Identificar que una adecuada valoración de Mantenibilidad permite aumentar la rentabilidad.
  • Identificar el vinculo Mantenibilidad-Disponibilidad.
  • Mantenibilidad y los factores: personales, condicionales, del entorno organizacional y ambientales.

Análisis de Vibración Nivel I

  • Fundamentos de las vibraciones Mecánicas
  • Características de la vibración
  • Tipos de medición de vibración
  • Posición para medir vibración
  • Sistemas de monitoreo continuo y portátiles de vibración
  • Criterios para la selección de un sistema de medición y/o protección de vibración

Aplicación de la Norma ISO 14224 en sistemas CMMS para gestión de Activos

  • Protocolos para definición del Plan de Mantenimiento
  • Plan de Mantenimiento
  • Estándar Internacional ISO-14224
  • Sistemas de información para Gestión de Mantenimiento – CMMS
  • Administración de información de mantenimiento.
  • Limites jerárquicos de los equipos
  • Equivalencia taxonómica SAP-PM e ISO-14224.

Estándares de Planeamiento y Control de Mantenimiento

  • Formación del Comité de Análisis y Diagnostico.
  • Establecimiento de parámetros para evaluar el mantenimiento.
  • Elaboración y aplicación de cuestionarios.
  • Principios y reglas de investigación eficaz.
  • Grado de madurez del área de mantenimiento.
  • Establecimiento da la Matriz de Esfuerzos versus Impacto.

Administración del Mantenimiento

  • Identificación de los Activos.
  • Planificación y programación de mantenimiento
  • Plan / Programa maestro de mantenimiento
  • Las órdenes de trabajo, su evolución y metodologías de generación y recolección de registros
  • Los registros de materiales
  • Recolección de Datos de Mantenimiento

Gestión de Mantenimiento

  • Identificación de los Activos.
  • Planificación y programación de mantenimiento
  • Plan / Programa maestro de mantenimiento
  • Las órdenes de trabajo, su evolución y metodologías de generación y recolección de registros
  • Los registros de materiales
  • Recolección de Datos de Mantenimiento