Ser proactivo con sus activos consiste en gestionar los fallos antes de que se produzcan. Puede reducir o eliminar las consecuencias de las averĆas previendo lo que es probable que ocurra y decidiendo de antemano quĆ© hacer al respecto. La ventaja de hacer esto es que se puede evitar un impacto importante en el negocio debido a una averĆa de los equipos. Las empresas de alto rendimiento gestionan de forma proactiva: prevĆ©n y evitan los problemas. Es bueno para el negocio.
El mantenimiento centrado en la confiabilidad (RCM) es el enfoque proactivo mĆ”s probado para desarrollar programas de mantenimiento desde cero. Es un proceso lógico que puede utilizarse durante la fase de diseƱo del ciclo de vida de un activo o mĆ”s tarde, despuĆ©s 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 polĆticas 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 anĆ”lisis: anticipa los modos de fallo mĆ”s probables y se ocupa de ellos y de sus consecuencias antes de que se produzcan.
Los programas desarrollados mediante RCM proporcionan la cantidad mĆnima segura de mantenimiento proactivo adecuado. Estos programas proporcionan un equilibrio entre coste y confiabilidad que se adapta especĆficamente 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 mĆ©todos.
El RCM se desarrolló y probó por primera vez en la industria aeronĆ”utica, donde la confiabilidad era realmente importante, y se adoptó rĆ”pidamente para su uso en la generación de energĆa nuclear. Hoy en dĆa, 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 sà 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 anÔlisis no se ponen en prÔctica 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. TodavĆa pueden producirse algunos fallos imprevistos y querrĆ” evitar que se repitan. Los futuros fallos de los equipos tambiĆ©n pueden eliminarse mediante varios mĆ©todos reactivos de mejora de la confiabilidad de los activos. Estos mĆ©todos se utilizan despuĆ©s de que se hayan producido los fallos. El anĆ”lisis post-mortem puede enseƱarnos mucho. Y, aunque se haya utilizado el RCM, puede haber algunos fallos que se pasen por alto; en esos casos, los mĆ©todos reactivos son la respuesta.
RCM-R Mantenimiento centrado en la confiabilidad – ReingenierĆa
La Revisión/Optimización del Mantenimiento Preventivo (PMR/O) es un mĆ©todo 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 cumplĆan 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 AnĆ”lisis de la Causa RaĆz de los Fallos (RCFA) es totalmente reactivo a los fallos que ya se han producido. El AFC es un mĆ©todo para realizar una especie de “autopsia” para determinar la causa de un fallo concreto. La intención es eliminar la “causa raĆz”, es decir, la causa identificable que se puede gestionar de alguna manera prĆ”ctica.
Las tĆ©cnicas 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 aeronĆ”utica 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, surgirĆ”n algunos fallos que no se habĆan previsto o las frecuencias de los fallos pueden ser diferentes de lo que se habĆa estimado en un principio. Las tĆ©cnicas 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 mĆ”s precisas, debido a los datos de fallos que se han acumulado en servicio y que ahora estĆ”n disponibles para su uso. Estas tĆ©cnicas pueden ser muy precisas siempre que los datos sean exactos y son quizĆ” uno de los mejores enfoques para mejorar continuamente un programa de mantenimiento existente.
Los modelos de confiabilidad y simulación son tĆ©cnicas informĆ”ticas que nos permiten modelar matemĆ”ticamente 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 tambiĆ©n pueden mostrarnos el efecto de diversas mejoras de la confiabilidad en distintos puntos de los sistemas y ayudarnos a centrar nuestros esfuerzos de ingenierĆa de forma mĆ”s eficaz.
ā DeĀ 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