Sobre el Libro

Gestión de mantenimiento orientada al pronóstico y pronóstico de maquinaria (Machinery Prognostics and Prognosis Oriented Maintenance Management) es un libro de 375 páginas escrito por Jihong Yan. Fue publicado por la editorial Wiley en el año 2015 en su primera edición.

Descripción del Libro

Este libro ofrece una presentación completa de los fundamentos básicos del pronóstico de maquinaria y la gestión del mantenimiento orientado al pronóstico, y analiza la disciplina de vanguardia de las tecnologías inteligentes de pronóstico de fallas para el mantenimiento basado en condiciones.

• Presenta una introducción a los sistemas de mantenimiento avanzados y analiza las tecnologías clave para el mantenimiento avanzado al proporcionar a los lectores tecnologías actualizadas.
• Ofrece estudios de casos prácticos sobre tecnología de evaluación del rendimiento y diagnóstico de fallas, pronóstico de fallas y predicción de la vida útil restante y programación de mantenimiento, mejorando la comprensión de estas tecnologías.
• Reúne los desarrollos recientes y los diferentes métodos en un solo volumen, complementado con ejemplos prácticos para proporcionar una referencia completa.

Sobre el autor

Jihong Yan, profesor y jefe del Departamento de Ingeniería Industrial, Instituto de Tecnología de Harbin, China.

El profesor Yan ha estado trabajando en el área de mantenimiento inteligente durante más de diez años, comenzando en el Center for Intelligent Maintenance Systems (IMS) financiado por NSF en los EE. UU. Como investigador durante tres años, principalmente enfocado en el desarrollo de algoritmos de pronóstico. Luego se unió a la Universidad Estatal de Pensilvania en 2004 para trabajar en temas relacionados con la capacitación cruzada del personal. Desde 2005 hasta la actualidad es profesor en el Instituto de Tecnología de Harbin, China. La investigación del profesor Yan se centra en el mantenimiento avanzado de maquinaria, como el monitoreo de condiciones en línea, el preprocesamiento de datos de señales, la extracción de características, la evaluación de confiabilidad y rendimiento, el diagnóstico de fallas, el pronóstico de fallas y la predicción de la vida útil restante y la programación del mantenimiento.

Tabla de Contenido

• 1 Introducción.
• 2 Procesamiento de datos.
• 3 Procesamiento de señales.
• 4 Monitoreo y pronóstico de la salud.
• 5 Predicción de vida útil restante.
• 6 Planificación y programación de mantenimiento.
• 7 Pronóstico que incorpora la toma de decisiones de mantenimiento.
• 8 estudios de caso.

A continuación se muestra un extracto del libro:

Capítulo 1 Introducción

1.1 Perspectiva histórica

Con el rápido desarrollo de la tecnología industrial, las máquinas herramienta se han vuelto cada vez más complejas en respuesta a la necesidad de una mayor calidad de producción. Si bien un aumento significativo en la tasa de fallas debido a la complejidad de las máquinas herramienta se está convirtiendo en un factor importante que restringe la mejora de la calidad y eficiencia de la producción.

Antes de 1950, el mantenimiento era básicamente no planificado y solo se realizaba cuando se producían averías. Entre 1950 y 1960, se desarrolló una técnica de mantenimiento preventivo (MP) basada en el tiempo (también llamada mantenimiento planificado), que establece un intervalo periódico para realizar MP independientemente del estado de salud de un activo físico. En la laver 19608, se propuso y desarrolló el mantenimiento centrado en la confiabilidad (RCM) en el área de la aviación. Los enfoques tradicionales de estimación de confiabilidad se basan en la distribución de datos históricos de tiempo de falla de una población de instalaciones idénticas obtenidas a partir de pruebas internas.Muchos modelos de falla paramétrica, como Poisson, exponencial, Weibull y distribuciones logarítmicas normales han se ha utilizado para modelar la fiabilidad de la máquina. Sin embargo, estos enfoques solo proporcionan estimaciones generales para toda la población de instalaciones idénticas, lo que tiene menos valor para el usuario final de una instalación. En otras palabras, la confiabilidad refleja solo la calidad estadística de una instalación, lo que significa que es probable que una instalación individual no obedezca necesariamente la distribución que está determinada por una población de instalaciones probadas del mismo tipo. Por lo tanto, se recomienda que los datos de monitoreo en línea también se utilicen para reflejar la calidad y la gravedad de la degradación de una instalación individual de manera más específica.

En las últimas dos décadas, el patrón de mantenimiento se ha desarrollado en la dirección del mantenimiento basado en condiciones (CBM), que recomienda acciones de mantenimiento basadas en la información recopilada a través del monitoreo en línea. CBM intenta evitar tareas de mantenimiento innecesarias tomando acciones de mantenimiento solo cuando hay evidencia de comportamiento anormal de un activo físico. Un programa CBM, si se establece adecuadamente y se implementa de manera efectiva, puede reducir significativamente el costo de mantenimiento al eliminar el número de operaciones de mantenimiento preventivo programadas innecesarias.

El mantenimiento basado en pronósticos, que es un patrón típico de mantenimiento predictivo (PdM), se ha desarrollado rápidamente en los últimos años. A pesar de que el diagnóstico y la predicción de fallas están relacionados con la evaluación del estado de los equipos y, en general, se consideran en conjunto, los objetivos de la toma de decisiones son obviamente diferentes. Los resultados del diagnóstico se utilizan comúnmente para la toma de decisiones de mantenimiento pasivo, pero los resultados de la predicción se utilizan para la toma de decisiones de mantenimiento por iniciativa. Su objetivo es el mínimo riesgo de uso y la máxima vida útil. Mediante la predicción de fallas, se pudo estimar el momento oportuno desde el defecto inicial hasta la falla funcional. La tasa de fallas de todo el sistema o algunos de los componentes puede modificarse, por lo que la tecnología de pronóstico se ha convertido en un tema de investigación candente. Ahora, las técnicas de predicción de fallas se clasifican en tres categorías según la literatura reciente: predicción de fallas basada en un modelo analítico, predicción de fallas basada en datos y predicción de fallas basada en conocimientos cualitativos. Los algoritmos basados ​​en inteligencia artificial son actualmente la técnica basada en datos más comúnmente encontrada en la investigación de pronósticos.

Recientemente, está surgiendo una nueva generación de mantenimiento, mantenimiento electrónico, con la globalización y el rápido crecimiento de las tecnologías de la comunicación, la informática y las tecnologías de la información. El mantenimiento electrónico es un pilar importante en las industrias modernas que respalda el éxito de la integración de la fabricación electrónica y el negocio electrónico, mediante el cual los fabricantes y los usuarios pueden beneficiarse de una mayor confiabilidad de los equipos y procesos con un rendimiento óptimo de los activos y una integración perfecta con los proveedores y clientes.

Cursos recomendados

Andrés González

Fundamentos de Confiabilidad

Presencial15 de junio

Edgar Fuenmayor

Análisis de Confiabilidad, Disponibilidad y Mantenibilidad (RAM)

En línea en vivo4 de julio

Jose Contreras Marquez

Costos y Presupuestos de Mantenimiento

En línea en vivo1 de agosto

Jose Contreras Marquez

Sistemas de indicadores (KPI) para evaluar la gestión del mantenimiento

En línea en vivo3 de octubre

Fundamentos de Confiabilidad

15 de junio

Análisis de Confiabilidad, Disponibilidad y Mantenibilidad (RAM)

4 de julio

Costos y Presupuestos de Mantenimiento

1 de agosto

1.2 Requisitos del sistema de diagnóstico y pronóstico

El diagnóstico se ocupa de la detección, el aislamiento y la identificación de fallas cuando ocurren. La detección de fallas es una tarea para indicar si algo va mal en el sistema monitoreado; el aislamiento de fallas es una tarea para localizar el componente defectuoso; y la identificación de fallas es una tarea para determinar la naturaleza de la falla cuando se detecta. En los últimos años, el desarrollo tecnológico en áreas como la minería de datos (DM), la transmisión de datos y las bases de datos ha proporcionado el soporte técnico para los pronósticos. El pronóstico se ocupa de la predicción de fallas antes de que ocurran. La predicción de fallas es una tarea para determinar si una falla es inminente y estimar qué tan pronto y qué tan probable es que ocurra una falla. El diagnóstico es un análisis posterior al evento y el pronóstico es un análisis previo del evento. Los pronósticos son mucho más eficientes que los diagnósticos para lograr un rendimiento sin tiempo de inactividad. Sin embargo, se requieren diagnósticos cuando falla la predicción de fallas de los pronósticos y ocurre una falla.

Como mínimo, los requisitos técnicos básicos de diagnóstico incluyen principalmente:

1. Ubicación del sensor, que tiene un impacto significativo en la precisión de la medición.
2. Extracción de características para obtener el parámetro que caracteriza el rendimiento del equipo mediante la utilización de métodos de procesamiento de señales que incluyen un algoritmo de Transformada de Fourier (FFT) rápida, una Transformada de ondas (WT), etc.
3. Método de clasificación de fallas para aumentar la precisión de la clasificación de fallas del equipo. Además de los requisitos técnicos mencionados anteriormente, para especificar los requisitos de precisión de los pronósticos también necesitamos:
   1. Datos sobre la degradación del rendimiento, que indica la disminución del rendimiento del equipo en el proceso de trabajo.
   2. Métodos de predicción de la vida para garantizar el funcionamiento seguro de los equipos y mejorar los beneficios económicos.
   3. Un intervalo de confianza para estimar los límites de los parámetros en la predicción basada en modelos.

Por lo general, algunos aspectos de la tecnología de hardware, como la precisión de los sensores, la selección de la ubicación de los sensores y la adquisición de datos proporcionan las bases tecnológicas de los pronósticos. Además, las técnicas de software asistido por computadora, incluida la transmisión de datos, la base de datos y los métodos de procesamiento de señales, son componentes esenciales de un sistema de pronóstico.

1.3 Necesidad de pronósticos y gestión de mantenimiento basada en la sostenibilidad

Cualquier organización que posea grandes activos de capital eventualmente enfrentará la decisión crucial de reparar o reemplazar esos activos, y cuándo. Esta decisión puede tener consecuencias de gran alcance, reemplazar tao temprano puede significar un desperdicio de recursos y reemplazar demasiado tarde puede significar un fracaso catastrófico. El primero se está volviendo más inaceptable en la sociedad actual orientada a la sustentabilidad, y el segundo es inaceptable en el mercado competitivo.

La degradación del equipo y las fallas inesperadas afectan los tres elementos clave de la competitividad: calidad, costo y productividad. Se ha introducido el mantenimiento para reducir el tiempo de inactividad y el reproceso y para aumentar la coherencia y la eficiencia empresarial general. Sin embargo, los costos de mantenimiento tradicionales constituyen una gran parte de los gastos operativos y generales en muchas industrias. Se están implementando estrategias de mantenimiento más eficientes, como el mantenimiento basado en pronósticos, para manejar la situación. Se dice que el mantenimiento basado en pronósticos puede reducir los costos de mantenimiento en aproximadamente un 25%. Por lo general, las máquinas sufren una degradación antes de que ocurra una falla, monitorear la tendencia de degradación de la máquina y evaluar el rendimiento permite corregir el comportamiento degradado o las fallas antes de que causen fallas y averías en la máquina. Por lo tanto, los pronósticos avanzados se enfocan en el monitoreo y la predicción de la degradación del rendimiento, de modo que las fallas se puedan predecir y prevenir.

Si los grandes activos de capital se analizan como sistemas reparables, se puede incorporar información adicional significativa en los modelos de optimización del mantenimiento. Cuando estos activos se descomponen, pero aún no han llegado al final de su vida útil, pueden repararse y volver a funcionar. Sin embargo, a veces los equipos que funcionan mal no pueden repararse o repararse adecuadamente a su estado original de salud. En este caso, la aplicación de pronósticos ayudará a solucionar este problema y evitará daños irreparables e irreversibles. Los pronósticos proporcionan la información básica para un sistema de gestión de mantenimiento en el que se toma una decisión de mantenimiento al predecir el momento en que la fiabilidad o la vida útil restante de una instalación alcanza el umbral de mantenimiento. Sin embargo, un tiempo de mantenimiento inadecuado resultará en un desperdicio de recursos y una carga ambiental más pesada. Hoy en día se proponen estrategias de mantenimiento más eficientes, como la gestión de mantenimiento orientada a la sostenibilidad. La gestión de mantenimiento basada en la sostenibilidad (SBMM) no solo beneficia económicamente a los fabricantes y clientes, sino que también mejora el rendimiento medioambiental. Por lo tanto, tanto desde una perspectiva medioambiental como económica, la mejora de la eficiencia energética de la gestión del mantenimiento es fundamental para la fabricación sostenible. SBMM será una de las estrategias importantes para el desarrollo sostenible.

Fin del extracto.

Referencias

• Sitio Web del libro en Amazon

Comprar en Amazon

Más Libros en Predictiva21