Ser proactivo con sus activos consiste en gestionar los fallos antes de que se produzcan. Puede reducir o eliminar las consecuencias de las averías previendo lo que es probable que ocurra y decidiendo de antemano qué hacer al respecto. La ventaja de hacer esto es que se puede evitar un impacto importante en el negocio debido a una avería de los equipos. Las empresas de alto rendimiento gestionan de forma proactiva: prevén y evitan los problemas. Es bueno para el negocio.
El mantenimiento centrado en la confiabilidad (RCM) es el enfoque proactivo más probado para desarrollar programas de mantenimiento desde cero. Es un proceso lógico que puede utilizarse durante la fase de diseño del ciclo de vida de un activo o más tarde, después de que el activo haya entrado en servicio. Utiliza el conocimiento que tenemos de cómo fallan las cosas, para llegar a decisiones lógicas para las políticas de gestión de fallos de los activos individuales. El objetivo es evitar o minimizar las consecuencias de los fallos. Uno de los grandes puntos fuertes de la RCM es que no requiere que se produzcan fallos para generar datos para el análisis: anticipa los modos de fallo más probables y se ocupa de ellos y de sus consecuencias antes de que se produzcan.
Los programas desarrollados mediante RCM proporcionan la cantidad mínima segura de mantenimiento proactivo adecuado. Estos programas proporcionan un equilibrio entre coste y confiabilidad que se adapta específicamente a sus activos en su entorno operativo. Se evita la tendencia a realizar un mantenimiento excesivo o insuficiente, que suele ser el resultado del uso de otros métodos.
El RCM se desarrolló y probó por primera vez en la industria aeronáutica, donde la confiabilidad era realmente importante, y se adoptó rápidamente para su uso en la generación de energía nuclear. Hoy en día, el RCM se utiliza en todas las industrias que requieren mucho capital y en las que la confiabilidad es importante. Es la piedra angular de cualquier programa de mejora de la confiabilidad.
Cómo asesorar a un facilitador en un proyecto de RCM
Las claves del éxito en RCM son la aplicación cuidadosa del proceso en sí y el seguimiento mediante la implementación de los resultados en su programa de mantenimiento. Muchos fracasos de los programas de RCM bien ejecutados se producen porque los resultados del análisis no se ponen en práctica en el entorno operativo. El seguimiento es fundamental. La optimización del programa de mantenimiento una vez puesto en marcha se realiza de forma continua.
Si se quiere una alta confiabilidad a un coste óptimo, la RCM es la respuesta, pero incluso la RCM no es perfecta. Todavía pueden producirse algunos fallos imprevistos y querrá evitar que se repitan. Los futuros fallos de los equipos también pueden eliminarse mediante varios métodos reactivos de mejora de la confiabilidad de los activos. Estos métodos se utilizan después de que se hayan producido los fallos. El análisis post-mortem puede enseñarnos mucho. Y, aunque se haya utilizado el RCM, puede haber algunos fallos que se pasen por alto; en esos casos, los métodos reactivos son la respuesta.
RCM-R Mantenimiento centrado en la confiabilidad – Reingeniería
La Revisión/Optimización del Mantenimiento Preventivo (PMR/O) es un método basado en la lógica de RCM que se aplica a los programas de mantenimiento existentes en un intento de optimizarlos. El PMR/O surgió de la necesidad de mejorar el rendimiento de los programas de mantenimiento existentes que no cumplían las expectativas de rendimiento deseadas. La lógica RCM se utiliza para analizar las distintas actividades de mantenimiento del programa existente con el fin de eliminarlas o modificarlas. Intenta identificar los modos de fallo que el programa de mantenimiento original puede haber pasado por alto, pero su enfoque no es tan exhaustivo como el de RCM. No obstante, ha obtenido muy buenos resultados y es digno de consideración.
El Análisis de la Causa Raíz de los Fallos (RCFA) es totalmente reactivo a los fallos que ya se han producido. El AFC es un método para realizar una especie de “autopsia” para determinar la causa de un fallo concreto. La intención es eliminar la “causa raíz”, es decir, la causa identificable que se puede gestionar de alguna manera práctica.
Las técnicas y herramientas de optimización de decisiones ayudan a los responsables de mantenimiento a tomar decisiones basadas en hechos o a mejorar las decisiones ya tomadas. El RCM puede utilizarse antes de que el activo entre en servicio (como ocurre en la industria aeronáutica y nuclear), por lo que las decisiones tomadas sobre las frecuencias de las tareas y los modos de fallo se hicieron invariablemente con cierto grado de incertidumbre. Una vez puesto en marcha el programa, surgirán algunos fallos que no se habían previsto o las frecuencias de los fallos pueden ser diferentes de lo que se había estimado en un principio. Las técnicas de optimización se utilizan para analizar los datos en servicio para validar o modificar las decisiones originales. Es una forma de segundas conjeturas, aunque mucho más precisas, debido a los datos de fallos que se han acumulado en servicio y que ahora están disponibles para su uso. Estas técnicas pueden ser muy precisas siempre que los datos sean exactos y son quizá uno de los mejores enfoques para mejorar continuamente un programa de mantenimiento existente.
Los modelos de confiabilidad y simulación son técnicas informáticas que nos permiten modelar matemáticamente el comportamiento de nuestros sistemas instalados. Pueden revelar dónde tenemos cuellos de botella en el proceso y, si estamos trabajando para mejorar un cuello de botella, dónde es probable que surjan los siguientes. Estos modelos también pueden mostrarnos el efecto de diversas mejoras de la confiabilidad en distintos puntos de los sistemas y ayudarnos a centrar nuestros esfuerzos de ingeniería de forma más eficaz.
– De Conscious Asset.
Autor: James Reyes-Picknell
Presidente, Director y Consultor Principal de Conscious Asset
Correo: james@consciousasset.com
Sitio Web: https://consciousasset.com/
LinkedIn: https://ca.linkedin.com/in/jamesreyespicknell
Traducción: Predictiva21
0 comentarios