MANUAL DE

Confiabilidad
De las detenciones al mximo
tiempo de utilizacin!
John D. Campbell, Editor

Lder Global, Gestin de Activos Fsicos

.

MANUAL DE

Confiabilidad
CONTENIDO
INTRODUCCION

Confiabilidad: pasado, presente y

futuro
Por John D. Campbell
Establece el marco de trabajo histrico y
terico del RCM (Mantenimiento basado
en la confiabilidad)
CAPTULO UNO

5 La evolucin de la confiabilidad
Por Andrew K.S. Jardine
El desarrollo de RCM como un enfoque
viable de mantenimiento
CAPTULO DOS

Haga un inventario de su operacin

Por Leonard Middleton y Ben Stevens
Medir y comparar (benchmarking) la
confiabilidad de su planta

Los beneficios del benchmarking

Que debera medir?

Relacione el desempeo de
mantenimiento con los objetivos
del negocio

Negocios con exceso de capacidad

(limitaciones de costos)

Negocios limitados por capacidad

Cumplimiento de requerimientos

Cuan efectivo es su desempeo?

Las conclusiones y el compartir los

resultados

Fuentes externas de datos

Buscar datos secundarios

Consideraciones generales del

benchmarking

Benchmarking interno

Benchmarking a nivel de industria

Benchmarking con industrias

comparables
CAPTULO TRES

22

Es RCM la herramienta correcta

para usted?
Por Jim V. Picknell
Determine
sus
necesidades
de
confiabilidad

Los 7 pasos del proceso RCM

El producto del RCM

Qu puede lograr el RCM?

Qu se necesita para aplicar

RCM?

Cunto va a costar?

Razones para el fracaso del RCM

Las versiones del RCM

RCM dirigido por capacidad

Cmo se decide?

La lista de verificacin de
decisiones del RCM
CAPTULO CUATRO

39 El problema de la incertidumbre
Por Murray Wiseman
Que hacer cuando sus planes de
confiabilidad no se ven muy confiables

Las cuatro funciones bsicas

Resumen

Distribuciones Tpicas

Un ejemplo

Consideraciones de la vida real el

problema de los datos

Datos censurados o suspensiones

CAPTULO CINCO

47

Optimizar mantenimiento basado

en tiempo
Por Andrew K.S. Jardine
Las herramientas para formular una
estrategia de reemplazos para sus
componentes crticos

Aumentar la confiabilidad va el
reemplazo preventivo

Polticas de reemplazo por bloque

Formulacin del problema

Resultado

Polticas de reemplazo por edad

Cuando usar reemplazo por
bloque sobre el reemplazo por
edad
Definir polticas de mantenimiento
basadas en el tiempo

CAPTULO SEIS

54

Optimizar el mantenimiento
sintomtico
Por Murray Wiseman
Aprovechar el equipo al mximo antes de
una reparacin

Primer
paso:
Preparar
la
informacin

Datos de eventos e inspecciones

Una muestra de datos de

inspeccin

Grficos cruzados

Limpiar los datos

Transformaciones de datos

Segundo paso: Construir modelo

de riesgo proporcional (PHM)

Tercer paso: Probar el PHM

Cuarto
paso:
El
modelo
probabilstico de transicin

Discusin sobre la probabilidad de

transicin

Quinto paso: La decisin ptima

Sexto
paso:
Anlisis
de
sensibilidad

Conclusin
APNDICE

69

Navegar la red en bsqueda de

informacin de confiabilidad
Por Paul Challen
Est buscando pginas tiles en
Internet? Aqu tiene donde empezar

Centro
de
Anlisis
de
Confiabilidad

Libros y material impreso

Organizaciones profesionales

Informacin general

Una Palabra de
Para bien o para mal, la industria minera es una industria intensiva en bienes de capital, donde parte muy significativa de su potencial
rentabilidad depende de la disponibilidad y utilizacin extrada de sus activos fsicos o equipos. No deja de sorprender as la tradicional poca
atencin prestada en la industria al tema del mantenimiento de esos activos actividad que tpicamente involucra alrededor de un tercio de la
dotacin y entre 35-40% de los gastos operativos de la empresa. An ms, si consideramos el costo asociado a las prdidas de produccin
resultantes de interrupciones operacionales por falla de equipos en terreno, vemos rpidamente que este es un tema trascendental y estratgico
para una industria sumergida en una competitividad global con productos sometidos a constantes presiones de precios. Por estos motivos, John
Campbell y su equipo de expertos en el Centro de Excelencia en Mantenimiento en Toronto han hecho el esfuerzo de generar una gua resumida
y gil sobre las principales tendencias de punta en tecnologa de mantenimiento, tendencias aplicadas y probadas en diversas industrias que
comparten la dependencia crtica de servicio de activos que caracteriza a la industria minera. Esta gua se centra particularmente en el tema de
confiabilidad de equipos, o lo que termina siendo lo mismo, en el aseguramiento de la continuidad operativa, va el enfoque de Mantenimiento
Basado en Confiabilidad, ms tpicamente conocido por sus siglas en ingls RCM. El objetivo es proveer a los lectores con informacin
reciente y directa acerca del tema RCM, en conjunto con algunos TIPS que pudieran necesitar para poner esta informacin en prctica. Lo que
vern en las prximas pginas representa lo ltimo en 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. Esperamos que la disfruten y
la usen bien! Peter Grundy

Sobre los autores:

JOHN D. CAMPBELL es socio de 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
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 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.

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.
BEN STEVENS es gerente del Centro de 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 canadiense. Lo pueden ubicar en el 416-941-8383 o al
correo electrnico ben.stevens@ca.pwcglobal.com.
MURRAY

es
gerente
de
WISEMAN
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.

Introduccin

Confiabilidad: pasado, presente y futuro

Establecer el marco de trabajo histrico y terico del RCM
(Mantenimiento basado en la Confiabilidad)
Por John D. Campbell
Hace no mucho tiempo atrs, el diseo del equipamiento y de los ciclos de
produccin creaban un ambiente en el cual el mantenimiento del equipo era
relativamente secundario al mantener la operacin continua entre eventuales fallas
del equipo. Hoy en da, sin embargo, el sintomtico y el avance del Mantenimiento
Basado en la Confiabilidad han cambiado las reglas del juego.
En el comienzo de este nuevo milenio, es lgico que enfoquemos una discusin acerca del
mantenimiento. Hace medio milenio, Galileo descubri que la tierra orbitaba alrededor del sol. Hace mil
aos, el diseo de ruedas eficientes para girar en torno al eje de carrozas era de alta sofisticacin. Cuatro
mil aos atrs, el telar era la ltima maravilla de la ingeniera. Un poco ms recientemente, hemos visto
una evolucin substancial de la gestin de mantenimiento 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 compleja y robusta naturaleza de la maquinara. Pero a medida
que hemos adoptado la obsolescencia incorporada, hemos visto una evolucin desde el mantenimiento
planificado y preventivo en la Segunda Guerra Mundial, al sintomtico, la computarizacin y la gestin del
ciclo de vida en los noventas. Hoy, la evolucin de 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 recorrido un largo camino!
La gestin de 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 confiabilidad puede entenderse como una
medida de la frecuencia de las detenciones.
Veamos un ejemplo. En el caso 1, su mquina de moldaje 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 se detuvo 24 veces por una hora cada vez. Su
disponibilidad sigue siendo del 80% ((120hrs 24hrs) / 120hrs), pero Su confiabilidad es de slo cuatro
horas (96hrs / 24fallas)!
Ambas medidas, sin embargo, estn ntimamente relacionadas:
Disponibilidad =

Confiabilidad
.
Confiabilidad + Mantenibilidad

donde la mantenibilidad es el tiempo promedio de reparacin.

Uno de los enfoques ms robustos para administrar la confiabilidad es adoptar el Mantenimiento
Basado en la Confiabilidad. El recientemente liberado estndar SAE para 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 insumo de
todos los involucrados con el equipo para hacer que el programa de mantenimiento resultante funcione.
An as estamos manejando un gran nivel de incertidumbre.

Lidiar con la incertidumbre en el equipo es de alguna forma como tratar con personas. Si por las
ltimas tres generaciones sus antepasados han vivido hasta la edad de 95, existe una gran posibilidad de
que Ud. tambin lo haga. Hay sin embargo una cantidad de eventos fortuitos que podran ocurrir entre
ahora y ese entonces, y que modificaran la expectativa. A pesar de este azar que enfrentamos, 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 un overhaul anual.
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-lafalla, el reemplazo basado en el tiempo y el mantenimiento sintomtico. Nuestro objetivo es minimizar
costos y maximizar la disponibilidad y la confiabilidad.
Nuestro equipo de Gestin de Activos Fsicos en Chile se complace en entregarles esta
introduccin a la gestin de confiabilidad y la optimizacin del mantenimiento. Si usted est interesado en
una discusin ms a fondo en estos temas, contactarse con consultores@mrq.cl

captulo uno

La Evolucin de la Confiabilidad
El desarrollo de RCM como un enfoque viable de mantenimiento
Por Andrew K.S. Jardine
Las matemticas y la ingeniera de confiabilidad se desarrollaron realmente durante
la Segunda Guerra Mundial, como parte del diseo, desarrollo y uso de misiles.
Durante este perodo, el concepto de que una cadena era slo tan fuerte como el ms
dbil de sus eslabones claramente no aplicaba 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 consta de tres subsistemas (A, B y C) que deben
trabajar en serie para que el sistema completo funcione (como ilustrado en figura n 1).

Entrada

Subsistema
A

Subsistema
B

Subsistema
C

salida

Figura 1: Confiabilidad de sistemas en serie

En este sistema, donde los subsistemas tienen valores de confiabilidad de 97%, 95% y 98%
respectivamente, el sistema completo tiene una confiabilidad de 90% (se obtiene de 0.97 x 0.95 x 0.98). No
es de 95% como indicara la teora del eslabn ms dbil.
Claramente, para sistemas realmente sofisticados donde la configuracin de diseo es
dramticamente ms compleja que la de la figura 1, el clculo de la confiabilidad del sistema es asimismo
ms complejo. Hacia finales de la dcada de los cuarentas, los esfuerzos para mejorar la confiabilidad de
sistemas se enfocaron a mejorar la ingeniera de diseo, usando materiales ms fuertes y superficies ms
duras y de desgaste ms parejo.
Por ejemplo, General Motors extendi la vida til de motores a traccin usados en 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 aos cincuenta, hubo un extenso desarrollo de las matemticas de la confiabilidad por parte
de los especialistas en estadstica, con el Departamento de Defensa de EEUU coordinando el anlisis de
confiabilidad de sistemas electrnicos por medio del establecimiento del AGREE (Grupo Consultor de la
Confiabilidad del Equipo Electrnico).
La dcada de los sesenta vivi un gran inters en las aplicaciones aerospaciales, y esto condujo al
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 continu hacia los aos setenta,
principalmente impulsado por la industria nuclear. Tambin en los sesenta creci el inters en la

confiabilidad de sistemas en la industria de la aviacin civil, de la cual surgi el Mantenimiento Basado en

la Confiabilidad (RCM) que ser cubierto en el captulo 3 de este manual.
Como resultado de los xitos iniciales del RCM, ste se ha convertido en la metodologa
predominante de 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 con una caracterstica nueva que ser el enfoque de
profesionales de mantenimiento a examinar minuciosamente los planes que resulten del anlisis RCM y a
usar procedimientos que permitan que estos planes sean optimizados.
Otras secciones (Captulo 5, Optimizar el mantenimiento basado en el tiempo, y Captulo 6,
Optimizar el mantenimiento sintomtico) de este manual se refieren a procedimientos ya disponibles para
apoyar este avance hacia la optimizacin del mantenimiento. Ambas 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

Medir y comparar (benchmarking) la confiabilidad de su planta
Por Leonard G. Middleton y Ben Stevens
Opera su negocio basado en el manejo de caja? Esto es cuando usted cuenta su
dinero al comienzo y final de cada mes. Si 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 a menudo se organiza y lleva a
cabo sin usar mediciones pertinentes para determinar su impacto en el xito del
negocio. El uso de mediciones de desempeo est creciendo rpidamente en reas
de mantenimiento alrededor del mundo. Esto nace de un concepto bastante simple:
no se puede administrar lo que no se puede medir. La medicin del desempeo es
as un elemento crucial de la gestin de mantenimiento. Las metodologas para
determinar el desempeo son de vital importancia, ya que mediciones poco
confiables llevan a conclusiones poco confiables y, por ende, a acciones deficientes.
Los beneficios del benchmarking
El benchmarking refuerza el comportamiento positivo y la asignacin efectiva de recursos.
Facilita el progreso ms rpido hacia metas aportando experiencias, va el ejemplo del participante y el
mayor compromiso. Usando estndares externos de desempeo, una organizacin puede mantenerse
competitiva al disminuir el riesgo de ser sobrepasada por el desempeo de sus competidores, y por los
requerimientos de clientes.
Primordialmente, el benchmarking satisface las necesidades de informacin de stake-holders y
alta gerencia al enfocarse a los procesos crticos que agregan valor, logrando al mismo tiempo una visin
integrada del negocio. El benchmarking es un proceso que genera demandas a todos los 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 la clave est en la manera de usar los
resultados para generar acciones requeridas. Esto depende de 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
Materiales y suministros
Servicios contratados
Indirectos tcnicos
Indirectos de gestin
Facilidades y talleres

SALIDAS

Disponibilidad
Tasa de proceso
Calidad
Mantenibilidad
Confiabilidad
Efectividad del equipo
Utilizacin
Costo ciclo de vida
Retorno sobre la inversin

Medidas de la Efectividad del Proceso

Carga de trabajo pendiente por especialidad

Tiempo de anticipacin de ordenes de trabajo
% de trabajo que corresponde a mantenimiento preventivo
% de mantenimiento preventivo completado segn programa
% de trabajo que es planificado
Nmero de ordenes de trabajo de emergencia
% de trabajo que corresponde a mantenimiento predictivo
% uso de sintomtico
rotacin de inventario
nivel de servicio de la bodega
Frecuencia y severidad de accidentes
Tasa de ausentismo

Figura 2: Entradas, salidas y medidas de efectividad de proceso

En lnea con la proposicin que la optimizacin de mantenimiento es tema de la alta gerencia y
directorio, es esencial que los resultados se muestren como reflejo de la ecuacin bsica del negocio: El
mantenimiento es un proceso de negocio que convierte insumos en productos aprovechables. La figura 3
muestra los tres elementos principales de esta ecuacin las 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 efectividad del proceso de mantenimiento determinan en que lugar deben hacerse mejoras.
Mtricas especficas de confiabilidad incluyen TMEF (Tiempo medio entre falla), TMPR (Tiempo medio
para reparar.).

ENTRADAS

Si tiene
limitaciones de
costos,
empiece aqu

PROCESO

SALIDAS

Si tiene
limitaciones de
produccin,
empiece aqu

Figura 3: optimizacin de mantenimiento el punto de partida

Relacionar la medicin del desempeo con los objetivos del negocio

Hay tres escenarios operacionales bsicos de negocio que impactan en el enfoque y estrategias de
mantenimiento. Estos son:

1. Capacidad operacional excedente;

2. Capacidad operacional limitada;

3. Foco de cumplimiento a requerimientos de servicio, calidad o reglamentacin.

Las mediciones de benchmarking deben reflejar el escenario operacional predominante del
negocio en el momento. An cuando algunas mtricas 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 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 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 familiares al departamento de mantenimiento y
fcilmente medidas como la mano de obra, materiales, equipos y contratistas. Tambin hay entradas que
son ms intangibles, ms difciles de medir con precisin tales como experiencia, tcnicas, trabajo en
equipo, historial de trabajo sin embargo, cada una puede tener impacto muy significativo en resultados.
De la misma forma, algunas de las salidas son fcilmente reconocibles e igualmente fciles de
medir; otras presentan ms dificultades para medirlas efectivamente. As como con las entradas, algunas
son intangibles, tal como la contribucin al espritu del equipo que viene despus de completar segn
programa una tarea difcil. Las mediciones de asistencia al trabajo y de 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 medicin 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 gran
inters por s sola. Convertir las horas de mano de obra utilizada en confiabilidad, por ejemplo,
probablemente haga poco o nada de sentido hasta que pueda ser usada como una medida de comparacin,
a travs del tiempo o con otra empresa o divisin similar. Asimismo, el consumo promedio de materiales
por orden de trabajo es poco significativo a menos que se vea, digamos, que 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 de dividir los trabajos y por
tanto aumentar el nmero de ordenes de trabajo.
As, el foco debe estar en la posicin comparativa de una empresa o divisin, o el mejoramiento de
efectividad de 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
empresas est siendo utilizado cada vez ms por la alta gerencia como indicador clave de la buena gestin
de mantenimiento, y frecuentemente revela sorprendentes discrepancias en desempeo. Un reciente
ejercicio de benchmarking (vea figura 4) entreg interesante informacin sobre la industria de la celulosa.

Figura 4: Costos de mantenimiento segn benchmarking en industria de 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 de
mercado de la compaa X. Sin embargo, para determinar exactamente lo que hay que hacer es necesario
un anlisis ms detallado.
Como uno podra prever, el nmero 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 implantar medicin del desempeo
es un entendimiento pleno de los pocos, pero claves indicadores de desempeo. Potenciar al mximo debe
ser siempre la primera prioridad; es decir, 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 pgina anterior.

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 es capaz de vender una mayor cantidad de productos o servicios si baja sus precios,
entonces diremos que ese negocio es limitado en costo. Bajo estas circunstancias, es muy posible que la
mayor ganancia venga de concentrarse en el control de las entradas es decir mano de obra, materiales,
costos de los contratistas y los indirectos. Si un negocio puede vender lucrativamente todo lo que produce,
entonces lo denominamos un negocio limitado en produccin, y es probable que alcance su mayor
ganancia si se enfoca a maximizar las salidas mediante la confiabilidad, disponibilidad y mantenibilidad de
los activos.
Negocios con capacidad excedente (limitado en costo)
Las mediciones financieras tpicas de mantenimiento podran incluir:
1. Presupuesto de mantenimiento versus gastos (es decir, predictibilidad de costos);
2. Flujo de caja de gastos de mantenimiento (es decir, capacidad de pagar los gastos);
3. Gastos de mantenimiento relativos a salidas (es decir, costo de mantenimiento por unidad de
produccin);
4. Mediciones derivadas de gastos describiendo las actividades para las cuales se destinaron:
reparacin de emergencia, sintomtico, trabajo correctivo planificado, paros de planta,
eficiencia de procesos, porcentajes de tiempos de ciclo, o porcentajes de tasa de produccin
(no tasa absoluta de produccin).

Negocios con capacidad operacional limitada

Mediciones tpicas de la productividad o salida de mantenimiento pueden incluir:
1. Efectividad general de equipo, y cada uno de sus componentes de disponibilidad, tasa de
produccin y tasa de calidad de equipos particulares como medidas primarias;
2. TMEF y TMPR, como medidas secundarias usadas para analizar problemas con respecto a la
disponibilidad.
El anlisis RCM (vase captulo 3) debera incluir todos los cuellos de botella operacionales y
equipo crtico (considerando el impacto de redundancias de equipos o sistemas, o de procesos
paralelos) en las evaluaciones de tcticas.

Cumplimiento de requerimientos
Los factores crticos de xito de una organizacin generalmente dependen fuertemente en
cumplimiento de un conjunto de requerimientos determinados por agencias regulatorias o por clientes. El
cumplimiento puede tener relacin con la operacin, como es el caso de un equipo de monitoreo de
efluente. Los servicios pblicos regulados, 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 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 regulado de cumplimiento)
3. Precisin o repetitibilidad del equipo o sistema.
El anlisis RCM debera entonces enfocarse a los aspectos crticos de cumplimiento, tal como es
requerido por los stakeholders externos.
Cun efectivo es su desempeo?
Los 10 tems de medicin del proceso de mantenimiento en la figura 5 (abajo) resultan del
ejercicio de benchmarking y un anlisis subsecuente. Proveen los objetivos globales y la capacidad de
medir progreso hacia el logro de metas establecidas.

Referencia

Lo mejor

Referencia

Figura 5: Midiendo la brecha

Las conclusiones y el compartir de los resultados
Las mejores prcticas son identificadas por organizaciones que realizan benchmarking, tomando
en cuenta las limitaciones que puedan existir. Se desarrolla entonces un plan de implantacin para hacer
que las mejores prcticas formen parte del proceso de mantenimiento de la organizacin que realiza el
benchmarking (vase figura 6). En el espritu de benchmarking, los resultados del estudio se comparten
con los participantes. Reciben un informe que detalla las conclusiones del estudio de benchmarking, pero
sin las recomendaciones especficas particulares a la organizacin que gener el estudio. Este informe es
crtico, ya que es el valor esencial que reciben por el esfuerzo desarrollado.

Figura 6: Actuar sobre los resultados del benchmarking

Fuentes externas de datos
Vas legales de obtener datos adicionales para comparacin requieren bsqueda de informacin
secundaria (ms abajo) y benchmarking. El benchmarking puede ser de uno o ms de los siguientes tipos:
1. Benchmarking interno;
2. Benchmarking dentro de la industria;
3. Benchmarking con organizaciones comparables fuera de la industria.
Una vez obtenida, un tema importante con informacin externa es ver cuan comparable es. La
informacin financiera es particularmente difcil de comparar, ya que tanto prcticas financieras (incluye
restricciones GAAP) como de contabilidad de costos varan acorde a objetivos de la organizacin.
Las preguntas que se debera hacer cuando est analizando informacin contable pueden incluir:
Estn los repuestos, materiales y servicios externos incluidos en el presupuesto de mantenimiento o en el
de compras? Estn los convenios de sustitucin y rotacin de componentes incluidos en el presupuesto de
mantenimiento o de capital? Al calcular disponibilidad de equipo, se considera todo tiempo de detencin,
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
Informacin secundaria es informacin recolectada para otros propsitos. Tpicamente son
informes gubernamentales, de asociaciones industriales, o informes anuales de empresas transadas
pblicamente. La informacin tiene cierto nmero de limitaciones. Es probable que los datos sean
cuantitativos y haya poca informacin adicional para entender contexto. Puede no estar actualizada.
Mtricas comparables de desempeo pueden no estar disponibles porque los datos base no se recolectaron.

Consideraciones generales en benchmarking

Benchmarking es compartir informacin similar entre participantes. Este puede ser extensivo,
cubriendo a toda la organizacin, o enfocado a proceso o conjunto de mtricas particular (vase figura 7).

Figura 7: Comparaciones de benchmarking

El benchmarking puede tomar diferentes formas. Informacin especfica, aunque generalmente
cualitativa, puede obtenerse va encuestas telefnicas cortas (15 a 30 minutos). Se puede obtener
informacin detallada mediante uso de cuestionarios exhaustivos; pero aqu 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 (vase figura 8).

Referencia:

Particularizar enfoque
para cumplir
requerimientos
Convenir
metas y nfasis
especfico.
Definir
recursos y el
cronograma
Acuerde
alcance y
objetivos

Completar el
Cuestionario
Definicin
acordada de todas
las preguntas
Apoyo en lnea
para personal
durante la
completacin
Mejorado cada
ao para reflejar las
necesidades
cambiantes de la
industria

Programa de
Entrevistas:
Llevado a cabo una
vez que ha sido
completado el
cuestionario
Compruebe el
entendimiento
Diagrame los
procesos claves
Identifique los
impulsadores y
medidas claves de
desempeo.
Entreviste personas a
travs y a todo nivel
en la organizacin

Anlisis, validacin
y revisin de datos
Los datos se
consolidan
Los datos se
validan
Ingresados a la
base de datos de
nuestro modelo y
analizados
Benchmarks a
travs de distintos
procesos son
comparados para
comprender
relaciones casuales

Retroalimentar a los
participantes
Una evaluacin
cualitativa y
cuantitativa
Resumen y
evaluacin general
Recomendaciones
de las reas claves a
atacar y prximos
pasos

ETAPA 1
ETAPA 2
ETAPA 3

ETAPA 4

ETAPA 5

Figura 8: Etapas del benchmarking

Benchmarking interno
La mayor dificultad en benchmarking es la obtencin de datos crticos necesarios para la
comparacin. El benchmarking interno resuelve este tema comparando datos de otras organizaciones y
divisiones dentro de la empresa. Informacin puede ser libremente intercambiada ya que no presenta
ventaja a un competidor. Datos intercambiados mediante un programa de benchmarking interno son
tpicamente cuantitativos, ya que informacin cualitativa requiere de un anlisis de mayor envergadura.
La limitacin del benchmarking interno es que el conocimiento del desempeo con relacin a
empresas externas no se establece. Sin comparaciones externas, una empresa 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 una asociacin
industrial o un externo que haya desarrollado experiencia en la industria y quiera mantenerse como punto
focal en ella (por ejemplo, el informe de benchmarking global de la Industria Forestal de PwC). Este
tercero asegura que la informacin permanecer confidencial y que no ser directamente atribuida a
ninguna de las organizaciones participantes. La organizacin formula tambin el cuestionario, an cuando
el aporte de los participantes ayuda a dar direccin para asegurar que los resultados sean de la mayor
utilidad. A veces es difcil conseguir participacin de todos los entes claves, ya que algunas empresas ven
sus operaciones como ventaja estratgica 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 un externo para mantener la confidencialidad (es decir, qu
datos le pertenecen a qu empresa), una organizacin puede medir y comparar partes especficas de sus
procesos con las mejores prcticas reveladas por el ejercicio. Aunque a menudo es difcil obtener
informacin de 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 prctica comn en la
industria de uno, pero que s podran ser adoptadas.
Por ejemplo, un cliente de la industria de refinacin de gas & petrleo deseaba hacer
benchmarking de su gestin de mantenimiento elctrico y de instrumentacin. El criterio de seleccin de
participantes para otras organizaciones fue:
1. El mantenimiento elctrico y de instrumentos es crtico para operaciones confiables;
2. Produccin es un proceso continuo que requiere operar 24 horas diarias, 7 das a la semana;
3. Las ramificaciones de detenciones no programadas son graves, y existe un esfuerzo
considerable y focalizacin de mantenimiento para evitar las detenciones; y
4. El mantenimiento es proactivo.
La lista de posibles participantes que reunieron todos, o la mayor parte de los requisitos, incluy
plantas qumicas, plantas de generacin elctrica, plantas de tratamiento de aguas servidas, plantas
siderrgicas, as como tambin otras refineras de gas & petrleo.
El mantenimiento es parte esencial del negocio de una organizacin, y debe por tanto ajustarse a
los objetivos y directrices de esa organizacin. El mantenimiento no puede operar en aislamiento. El ciclo

de mejoramiento continuo que es clave para mejorar mantenimiento debe ser impulsado por, y
complementarse con, el ciclo de planificacin, ejecucin y retro-alimentacin propio de la empresa.
Frecuentemente ocurren incongruencias debido a la falla de mantenimiento de alinearse desde el
nivel corporativo al nivel de departamento por ejemplo, si la empresa establece una moratoria de nuevos
gastos de capital, esto debe alimentar la estrategia de mantenimiento y reemplazo de equipos del
departamento de mantenimiento. De la misma manera, si la misin corporativa es producir el producto de
mayor calidad posible, entonces probablemente no estar de acuerdo con objetivos del departamento de
mantenimiento de minimizar costos. Este tipo de incongruencias aparece generalmente dentro del
departamento de mantenimiento en s; si la misin del departamento de mantenimiento es ser el de mejor
desempeo en la industria, entonces es poco probable que una estrategia que excluya el mantenimiento
sintomtico y la confiabilidad alcance los resultados deseados (vase figura 9). Asimismo, si el
planteamiento de estrategia proyecta un incremento de 10% en confiabilidad, deben estar disponibles datos
confiables y consistentes para poder hacer las comparaciones.

Figura 9: El ciclo de mejoramiento continuo del mantenimiento

Prioridades incompatibles para el gerente de mantenimiento

En la industria moderna, todo departamento de mantenimiento enfrenta el mismo dilema Cual
de las tantas prioridades es la 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 general y ratificadas por la junta directiva.
Una vez ratificadas, estas prioridades deberan fluir a todas las partes de la organizacin. La tarea del
gerente de mantenimiento es adoptar estas prioridades y convertirlas en prioridades, estrategias y tcticas
correspondientes de mantenimiento para lograr los resultados; luego debe investigarlas y mejorar basado en
ellas.

MACRO

MICRO

Benchmark
Externo

Acciones
Internas

1. Costos de Mantenimiento por

tonelada estn por sobre el estndar
de la industria en un 15%
1. Fijacin objetivos de reduccin
2. Implantacin medios para asignar
costos a equipos y tareas
3. Analizar el desglose de los costos
entre equipos, tareas y tipos de
costos
4. Examinar y comparar los mtodos
5. Aplicar mejores prcticas en
todas las reas

Figura 10: Relacionando mediciones macro con tareas micro

La figura 10 muestra un ejemplo de cmo las prioridades corporativas pueden fluir hacia las
tcticas de mantenimiento que controlan el trabajo diario del departamento. As, si la prioridad corporativa
es maximizar la venta de productos, entonces esto puede ser legtimamente convertido en prioridades de
mantenimiento que se enfoquen a maximizar el rendimiento y por tanto la confiabilidad del equipo. Como
resultado, las estrategias de mantenimiento tambin reflejarn esto, y podran incluir (por ejemplo) la
implantacin un programa formal de aumento de la confiabilidad apoyado por un programa sintomtico.
De estas estrategias surgen las tcticas diarias, semanales y mensuales suministrando las listas de tareas
individuales que se convertirn en los trabajos que aparecern en ordenes de trabajo del EAM o 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 para lograr esto es de
asignarlas como tareas semanales de ordenes de trabajo, 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 parecen incompatibles. Hay diversas tcnicas de anlisis disponibles para establecer donde
se encuentran organizaciones con relacin a estndares de la industria o mejores prcticas de
mantenimiento. Las mejores tcnicas son aquellas que tambin indican la ganancia que ser derivada de la
mejora y, por ende, de las prioridades. Las tcnicas de anlisis tienden a ser divididas en enfoques macro
(cubriendo todo el departamento de mantenimiento y su relacin con el negocio) y micro (focalizado en
una parte del equipo en particular o en slo un aspecto de la funcin de mantenimiento).

1.

2.

Las tcnicas lderes comprenden:

Evaluaciones de efectividad de mantenimiento: cubren la efectividad general de la funcin de
mantenimiento y su relacin con estrategias de negocio de la organizacin. Pueden ser llevadas a
cabo interna o externamente, y generalmente cubren reas tales como:

Estrategia de mantenimiento y comunicacin;

Organizacin de mantenimiento;

Recursos humanos y el empoderamiento de los empleados;

Uso de tcticas de mantenimiento;

Uso de ingeniera de mantenimiento y enfoques basados en confiabilidad para equipos;

Monitoreo y mejoramiento de desempeo de equipos;

Tecnologa de informacin y sistemas de gestin;

Uso y efectividad de planificacin y programacin;

Gestin de materiales en apoyo a mantenimiento.

Benchmarking externo: hace analogas con otras organizaciones para establecer posicin de la
organizacin en relacin con estndares de la industria. La confidencialidad es un factor clave, y

3.

4.

5.

resultados se presentan generalmente como rangos de indicadores de desempeo y el

posicionamiento propio dentro de ese 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 actuales de mantenimiento

Planificacin y programacin

Prcticas de gestin de inventarios y bodegas

Presupuesto y costos

Desempeo de mantenimiento y mtricas

Uso de CMMS y otras herramientas TI

Reingeniera del proceso de mantenimiento

Comparaciones Internas: Estas medirn un conjunto de parmetros similares al benchmark
externo, pero sern obtenidos de distintos departamentos o plantas dentro de la misma
organizacin. Como tal, son generalmente ms baratos y, si los datos son consistentes, pueden
ilustrar diferencias en las prcticas de mantenimiento en plantas similares. Estas diferencias luego
se convierten en la base de experiencias compartidas y eventual adopcin de las mejores prcticas
obtenidas de estas experiencias.
Evaluacin de mejores prcticas: toma los estndares de proceso y operacin del departamento
de mantenimiento y los compara con los mejores en la industria. Esto es generalmente el punto de
partida de programas de mejoramiento del proceso de mantenimiento, y enfoca reas tales como:
Mantenimiento preventivo;
Inventarios y compras;
Flujo de trabajo de mantenimiento;
Involucramiento de operaciones;
Mantenimiento predictivo;
Mantenimiento basado en confiabilidad;
Mantenimiento productivo total;
Optimizacin financiera;
Mejoramiento contnuo.
Efectividad General del Equipo (OEE): mtrica global de la efectividad operacional de planta
luego de restar las prdidas causadas por detenciones programadas y no programadas, desempeo
del equipo, y calidad. En cada caso, los sub-componentes habrn 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 resultados de una empresa (ver figura 11), recuerde que los
valores de cada categora se multiplican en el clculo para llegar al resultado final. As, la
empresa Y que logra 90% o ms en cada categora (que parecen ser muy buenos valores),
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% ((95 74)/74 = 28) con mnimos gastos
de capital. Logrando esto en tres plantas hace innecesaria la construccin de una cuarta.

Figura 11: Efectividad general del equipo

Estos entonces son algunos de los indicadores de alto nivel que sirven para dar a la gerencia una
perspectiva general de la efectividad y posicin competitiva del departamento de mantenimiento. Son muy
tiles para destacar los temas claves a nivel gerencial, pero requieren una evaluacin ms detallada para
generar acciones especficas. Estas tpicamente tambin requerirn apoyo de la alta gerencia y
financiamiento corporativo.
Afortunadamente, existen muchas medidas que pueden (y deben) ser implantadas dentro del
departamento de mantenimiento que no requieren de aprobacin 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 planificados o la justificacin inicial de los costos.
2. Anlisis de confiabilidad/tasas de fallas de la maquinaria: enfocado a mquinas individuales o
lneas de produccin.
3. Anlisis de efectividad de la mano de obra: medir la asignacin de mano de obra a trabajos o
categoras de trabajos en comparacin con el ao anterior.
4. Anlisis del uso de materiales, disponibilidad de equipo, utilizacin, productividad, prdidas,
costos, etc.
Todos estos indicadores proporcionan informacin til relativa al negocio de mantenimiento y a
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.

captulo tres

Es RCM la herramienta correcta para

Ud.?
Determinando sus necesidades de confiabilidad
Por Jim V. Picknell
En este captulo definimos Mantenimiento Basado en la Confiabilidad (RCM) como
un proceso lgico, tcnico para determinar los requerimientos apropiados de
tareas de mantenimiento para lograr la confiabilidad de diseo de sistema bajo
condiciones operacionales especficas en un ambiente operacional especfico.
El recientemente liberado estndar SAE, JA1011, Criterio para la Evaluacin de los Procesos de
Mantenimiento Basados en Confiabilidad (RCM) establece un conjunto de criterios que cualquier proceso
debe cumplir para ser calificado como RCM. An cuando la intencin es que se use este nuevo estndar
para determinar si un proceso califica como RCM, no especifica el proceso en s. El estndar presenta siete
preguntas que el proceso debe responder. Este captulo describe ese proceso y algunas variaciones. Una
revisin del estndar SAE provee un entendimiento exhaustivo de todos los criterios RCM.
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 componentes es nica y la falla de un componente puede llevar a la falla de
otros. Cada sistema opera en un ambiente nico que comprende su ubicacin, altura, profundidad,
atmsfera, presin, temperatura, humedad, salinidad, exposicin a productos o fluidos del proceso,
velocidad, 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 que el mismo switch en un tanque de agua salada. Es probable que una aeronave
que opere en un ambiente martimo temperado sufra ms corrosin que una operando en un desierto rido.
Generalmente, los manuales tcnicos recomiendan un programa de mantenimiento para el equipo
y los sistemas. En lo posible, a 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, 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 vs. 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 tener los mismos manuales y
especificaciones de punto de roco que uno instalado en un clima tropical hmedo. El RCM es un mtodo
para controlar su propio destino con respecto al mantenimiento de flota, planta e 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 falla de esas funciones;
4. Identificar los modos de falla que causan esas fallas funcionales;
5. Identificar los impactos o efectos de 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 ilustra todo el proceso RCM.

Prximo equipo para anlisis

Seleccione equipo
para el anlisis
Determine y especifique
las funciones que
desempea

FMEA

Describa las fallas de

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

Nuevos modos de falla

descubiertos

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

refinamientos

Documente sus resultados y

comience el monitoreo de su
programa de mantenimiento

Figura 12: Visin general del proceso RCM

Como primer paso, el profesional de RCM debe decidir qu analizar. Las partes o equipos ms
crticos son los que requieren mayor atencin. Hay muchos criterios posibles y aqu sugerimos algunos:

Seguridad del personal

Cumplimiento con normas ambientales

Capacidad de produccin

Calidad de la produccin

Costos de produccin (incluyendo costos de mantenimiento) e;

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 al 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 tienen ambos funciones secundarias de contencin, y puede que tambin tengan funciones
protectoras dadas 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, como los sistemas de seguridad. Este estado pasivo de sistemas hace que las fallas sean difciles de
encontrar, y que se encuentren cuando ya es demasiado 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 los parmetros normales, se considera que ha fallado. La definicin de 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.

Figura 13: Que est en juego cuando

falla?
Funciones se determinan con mayor facilidad para las partes de un ensamble que para el ensamble
en s. Existen dos enfoques para determinar funciones, que dictan la manera en que se llevar a cabo el
anlisis. Una alternativa es mirar las funciones del equipo. Para considerar todos los modos de falla es
necesario imaginarse todo lo que puede fallar en este ensamble de relativamente alto nivel. Este enfoque es
bueno para determinar los principales modos de falla pero puede omitir algunos menos obvios. Otra
alternativa es mirar las funciones de las partes. Esto se hace dividiendo el equipo en ensambles y piezas,
muy parecido a cuando se desarma el equipo. Cada parte tiene sus propias funciones y modos de falla.

Figura 14: Cuan complejo? Cuales funciones son ms fcilmente definidas?

Un modo de falla es como el sistema falla al desempear su funcin. Un cilindro puede estar
atascado en una posicin debido a falta de lubricacin por parte del fluido hidrulico que est siendo usado.
La falla funcional es la falla en suministrar movimiento lineal, pero el modo de falla es la prdida 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: uso del fluido incorrecto, la ausencia de fluido por fuga, mugre
en el fluido, corrosin en la superficie debido a humedad en el lquido, etc. Cada una de estas puede
revisarse al hacer un chequeo, cambiar, o acondicionar el fluido. Estas son intervenciones de
mantenimiento.
No todas las fallas son iguales. Las consecuencias de fallas son sus efectos en el resto del sistema,
planta y ambiente operacional en las cuales estn sucediendo. La falla del cilindro (planteada 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 la falla en liberar el freno por peso-muerto en un cargador frontal que va a ser usado para
apilar pallets en una bodega un impacto relativamente menor. En uno de los casos el impacto es al medio
ambiente y en el otro es posible que slo sea una molestia de mantenimiento.
Al conocer las consecuencias de cada falla, podemos determinar si la falla es merecedora de
prevencin, esfuerzos para predecirla, algn tipo de intervencin peridica para evitarla, rediseo para
eliminarla, o simplemente ninguna accin.
La figura 15 muestra grficamente la lgica RCM. RCM ayuda a clasificar fallas como ocultas o
Modo de falla y efectos

Generalmente hay suficiente

tiempo de advertencia para
hacer acciones planeadas?

Si

Describa el
monitoreo y asigne
frecuencia

Si

No
No

Existe otra tecnica de

monitoreo disponible?

Si
No

Es la frecuencia de
la falla predecible con
certeza ?

No

Esta el modo de
falla escondido?

Si

La reparacin o acciones de
reacondicionamiento devolveran un
desempeo de tan bueno como
nuevo?
El reemplazo del tem
devolvera la funcin a "tal
como nueva"?

No

Si

Si

Describa la tarea de
reemplazo y asigne su
frecuencia

Si

Hay alguna tarea buscadora

de falla o una prueba de
desempeo que revele este
problema?

Si

No

Si

El rediseo produce
un beneficio?

Si

No

Figura 15: Lgica de decisin RCM

Redisee

Corra-a-la-falla

Proceso de ingeniera
de cambio requerido

Redisee para
eliminar el modo
de falla y sus
consecuencias

Si

No
Examine la
economia de la
falla vs. el
rediseo

Describa la prueba y
asigne una frecuencia
a esta

Redisee para
revelar o eliminar el
modo de falla

No
La falla resulta en
un riesgo, impacto o
accidente de
seguridad o de
medio ambiente?

Describa accin de
reparacin
reacondicionamiento y
asigne frecuencia

Inputs plan de mantenimiento

Es este modo de
falla detectable por
medio del
monitoreo?

no, y a ver si tienen impactos en la seguridad, el medio ambiente, la produccin o el mantenimiento. Para
simplificar el diagrama clsico de la lgica RCM, hemos mostrado las preguntas clasificadoras de fallas
ms cercanas al final del rbol de lgica. Investigaciones de modos de fallas revelan que la mayora de las
fallas de sistemas complejos compuestos de componentes mecnicos, elctricos e hidrulicos se darn de
una manera aleatoria es decir, que no son predecibles con algn grado de confianza.
Muchas de estas fallas sin embargo sern detectadas antes de que lleguen a un punto donde la falla
funcional pueda ser considerada como dada. Por ejemplo, la falla de una bomba booster en rellenar un
embalse en uso para proporcionar presin de trabajo para un sistema municipal de agua, puede no causar
una prdida de funcionalidad del sistema. Puede ser detectada antes que perdamos presin de agua potable,
sin embargo, si le estamos haciendo seguimiento - esa es la esencia del sintomtico. Buscamos la falla que
ya ha ocurrido pero que no ha progresado hasta el punto de degradar la funcionalidad del sistema.
Encontrando estas fallas en este estado fallido temprano, podemos evitar las consecuencias en el
desempeo general. Dado que la mayora de las fallas son de naturaleza aleatoria, la lgica RCM primero
pregunta si es posible detectarlas a tiempo para evitar la prdida de funcin del sistema. Si la respuesta es
afirmativa, entonces el resultado es la necesidad de un sintomtico.
Para evitar el evento de falla funcional debemos monitorear con frecuencia suficiente para tener
confianza de detectar el deterioro con bastante anticipacin para actuar antes de perder la funcin. Por
ejemplo, en el caso de la bomba booster podramos revisar una vez al da si est funcionando correctamente
ya que sabemos que demoramos un da en repararla y que toma dos das vaciar el embalse. Eso nos da por
lo menos 24 horas entre la deteccin de falla en la bomba y la restauracin de servicio sin prdida de
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 an si no pueden ser detectadas oportunamente. Por
ejemplo, podemos predecir con seguridad el desgaste de frenos, correas, neumticos, erosin, etc. Puede
que estas fallas sean difciles de detectar mediante el monitoreo sintomtico 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 trabajo de un equipo para monitorear desgaste de correa si
sabemos que es muy probable que no aparezca en por lo menos dos aos? Podramos monitorear todos los
aos, pero en algunos casos sera ms lgico simplemente reemplazar las correas cada dos aos sin revisar
su condicin. Existe un riesgo de que la falla ocurra anticipadamente y tambin un riesgo de que se
cambien correas que ni siquiera estn desgastadas. Estas decisiones sern cubiertas ms adelante en el
captulo 6.
Si no es prctico reemplazar componentes o devolverles su condicin original por medio de alguna
accin basada en el tiempo, entonces puede que sea posible cambiar el equipo entero. Generalmente esto
hace sentido si la prdida de la funcin es demasiado critica, ya que 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 ocultos en sistemas de proteccin o de seguridad puede no ser
posible el monitoreo del deterioro ya que el sistema est normalmente inactivo. Si el modo de falla es
aleatorio, puede que no tenga sentido reemplazar el componente sobre la base de 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 explorar el uso de pruebas de
deteccin de fallas funcionales. Estas son pruebas que podemos efectuar para causar que el dispositivo se
active, mostrando la presencia o ausencia de un funcionamiento correcto. Si una prueba como sta no
puede efectuarse, se debe redisear el componente o sistema para eliminar la falla oculta.

En el caso que las fallas no sean ocultas, no se puedan predecir con suficiente tiempo como para
prevenir la falla funcional, y no se pueda prevenir la falla mediante reemplazos basados en tiempo o en uso,
se puede redisear o aceptar la falla y sus consecuencias. En caso de consecuencias de seguridad o medio
ambiente, se debera redisear. En caso de consecuencias relacionadas con la produccin, se puede elegir
el rediseo o el correr-a-la-falla dependiendo de los trminos econmicos asociados con las consecuencias.
Si no se presentan consecuencias en la produccin, pero s hay costos de mantenimiento que considerar,
entonces hay una eleccin similar. En estos casos la decisin est basada en factores econmicos es
decir, el costo de rediseo vs. el costo de aceptar las consecuencias de 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 los propsitos aqu 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 que hay que aceptar un margen de error. Tambin hay
que reconocer que la informacin en la que uno se basa para tomar las decisiones puede ser deficiente o
incompleta. Para simplificar el prximo paso, 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
ms sentido.
Luego de haber pasado los modos de falla por la lgica mostrada arriba, el profesional debe
consolidar las tareas en un plan de mantenimiento para el sistema. Este es el producto final de 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.
Si se experimentan demasiadas fallas que deberan estarse previniendo, entonces probablemente
no se estn realizando intervenciones de mantenimiento proactivo con la suficiente frecuencia. Si ya no se
ven nunca las fallas comunes que tenan pequeas consecuencias, o si los costos preventivos son mayores
de los que se tenan cuando no se haca mantenimiento preventivo, entonces es posible que se est
manteniendo la unidad con demasiada frecuencia. Aqu es donde entran las tcnicas de optimizacin.
(Vanse los captulos 6 y 7 para una discusin completa.)
El producto de RCM
El producto RCM es un plan de mantenimiento. Este documento contiene listados consolidados
con descripciones de las intervenciones sintomticas, reemplazos basados en tiempo o uso, tareas
detectoras de fallas, decisiones de rediseo, y decisiones de correr-a-la-falla. Este documento no es un
plan en el verdadero sentido; no contiene la informacin tpica de planificacin de mantenimiento tal
como la duracin de tareas, herramientas y equipo de prueba, requerimientos de repuestos y materiales,
requerimientos de mano de obra y la secuencia detallada de pasos.
En un sistema complejo se pueden identificar miles de tareas. Para tener una idea del tamao del
producto, considere una tpica planta de proceso que tiene repuestos para ms o menos el 50% de sus
componentes. Cada uno de ellos puede tener varios modos de falla. Esta planta probablemente mantiene
entre 15,000 y 20,000 nmeros individuales de partes (SKUs) en inventario. Esto significa que habr algo
como 40,000 partes con uno o ms modos de falla y decisiones de tareas.
Afortunadamente hay un nmero limitado de tcnicas de monitoreo sintomtico disponibles, y
estas cubrirn gran parte de la lista de tareas ya que la mayora de modos de falla son aleatorios. Estas
tareas pueden ser agrupadas segn la tcnica (por ejemplo, anlisis de vibraciones), segn la ubicacin (por
ejemplo, sala de mquinas), 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 de mantenimiento. Es necesario considerar las frecuencias con que los grupos de tareas fueron
especificados.

Las tareas basadas en uso o en tiempo son fciles de agrupar. Todas las tareas de reemplazo o
reacondicionamiento para equipos particulares pueden ser agrupadas por frecuencia de tareas en una sola
tarea de overhaul. De la misma manera, mltiples overhauls en un rea especfica de planta pueden ser
agrupados en un solo plan de paro.
Otra manera de agrupar las tareas es segn el responsable de ellas. Tareas asignadas a operadores
se efectan generalmente usando sentidos del tacto, vista, olfato u odo. Estas a menudo se agrupan
lgicamente en listas de chequeo diarios o por turno o de rondas de inspeccin.
Al final, uno debera tener una lista completa que nos diga qu tiene que hacer mantenimiento y
cuando debe hacerlo. El planificador tiene el trabajo de determinar los detalles necesarios para ejecutar el
trabajo.
Qu puede lograr el RCM?
El RCM ha estado rondando por aproximadamente 30 aos. Comenz con los estudios de fallas
de aviones comerciales en los aos sesenta, para reducir la cantidad de trabajo de mantenimiento requerida
para lo que en ese momento era la nueva generacin de aeronaves ms grandes de fuselaje ancho. A
medida que las aeronaves crecieron y aument su nmero de partes y por ende haba mas cosas que podan
fallar, era evidente que los requerimientos de mantenimiento iban a crecer de forma similar y consumir
tiempo de vuelo necesario para generar utilidades. En el extremo, la seguridad podra haber sido muy
costosa de lograr y habra hecho el volar un mal negocio. Al xito de la industria de aerolneas en aumentar
el nmero de horas de vuelo, drsticamente mejorar su registro de seguridad, y demostrarle al mundo que el
uso de un enfoque de mantenimiento casi enteramente proactivo es posible, se puede atribuir al xito de
RCM.
El xito de la industria de las aerolneas fue un espaldarazo altamente visible del xito de 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 seguridad
de las aeronaves ha ido mejorando dramticamente.

Figura 16: Las aeronaves son ahora ms confiables que hace varios
aos atrs y eso se debe en parte al RCM.

Fuera de la industria aeronutica, el RCM tambin ha sido usado con xito. Proyectos militares
generalmente decretan el uso de RCM porque permite a usuarios finales gozar del tipo de alto desempeo
de confiabilidad de equipo que tienen las aerolneas. El autor particip en un proyecto de construccin de
buques donde la carga total de trabajo de mantenimiento de la tripulacin 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

se mejor en un 60 a 70% por medio de reduccin del tiempo de detencin para intervenciones de
mantenimiento.
La industria minera se encuentra operando tpicamente en lugares remotos lejanos de proveedores
de repuestos y materiales y de 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. RCM ha sido un gran aporte para mejorar disponibilidad de flotas de camiones y otros equipos, al
mismo tiempo que reduce los costos de mantenimiento en repuestos y mano de obra y el tiempo de
detencin planificado de mantenimiento.
RCM tambin ha tenido xito en plantas qumicas, refineras de petrleo, plantas de gas,
estaciones remotas de compresin y bombeo, refineras y fundiciones de mineral, plantas siderrgicas, de
aluminio, papel y celulosa, operaciones de transformacin de papel tissue, procesamiento de alimentos y
bebidas, y cerveceras. Cualquier lugar en el que alta disponibilidad y 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:
Seleccin de equipo de profesionales con disposicin;
Su capacitacin en RCM;
Ensear a otros stakeholders en la operacin y mantenimiento de planta lo que es RCM y lo que
puede lograr para ellos;
Seleccin de un proyecto piloto para mejorar la pericia del equipo y demostrar el xito, y
Replicacin del proceso a todas las otras reas de la planta.
Una clave del xito en RCM es su demostracin. Antes de comenzar el anlisis, el equipo RCM
debe establecer las mtricas de referencia de confiabilidad y disponibilidad de planta, as como la cobertura
y cumplimiento del programa de mantenimiento. Estas mediciones sern usadas posteriormente en
comparaciones de lo que ha cambiado y del xito que se est obteniendo.

Figura 17: El RCM puede significar mucho trabajo!

El equipo de trabajo debe ser multi-disciplinario y capaz de hacer uso del conocimiento de
especialistas cuando sea necesario. Requiere del conocimiento de las operaciones cotidianas de planta y
equipo, en conjunto con el conocimiento detallado del equipo en s. Esto hace necesaria la incorporacin
de por lo menos un operador y un mantenedor. El conocimiento de planificacin, de programacin y de
operaciones y capacidades generales de mantenimiento, son tambin necesarios para asegurar que las tareas
sean verdaderamente realizables en el ambiente de la planta, as como representacin gerencial de
operaciones y mantenimiento. Finalmente, el conocimiento detallado de diseo del equipo tambin es

importante para el equipo de trabajo. Este requerimiento de conocimiento genera la necesidad de un

ingeniero o tcnico senior / tecnlogo del rea de mantenimiento o produccin, generalmente de slidos
antecedentes en disciplinas elctrica o mecnica.
El equipo lleva ahora cinco personas, y la experiencia muestra que esto es el ptimo. Demasiada
gente demora el progreso, y muy pocos significa que se va a gastar mucho tiempo buscando respuestas a las
tantas preguntas que inevitablemente surgen.
Inicialmente el equipo de trabajo va a necesitar ayuda para empezar. La capacitacin puede
demorar 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
asegurar 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 involucrando por lo menos 40,000 partes (muchas con ms de un modo de
falla) consumira ms de 20,000 horas-hombre (es decir, aproximadamente 10 aos-hombre para una planta
entera). Si uno se restringe a slo un equipo de trabajo, dividiendo la carga de trabajo entre los cinco
miembros del equipo implicara que el esfuerzo de anlisis tomara hasta dos aos para una planta de esa
envergadura. En trminos prcticos, el equipo inicial sirve como semillero de equipos adicionales que
propagan el anlisis a travs de sus reas; as, un perodo de un ao sera ms tpico del tiempo involucrado.
Cunto va a costar?
Entonces, cunto espera pagar por la capacitacin, software, apoyo de consultores, y el tiempo de
su personal? Se puede ver del ejemplo que en una planta de proceso grande se requerir un esfuerzo
substancial para hacer el anlisis. Este esfuerzo tiene un cierto precio. Diez aos-hombre a, digamos
US$50,000 por persona, asciende a la suma de US$500,000 solamente por el tiempo de su personal. La
capacitacin del equipo y de otras personas requerir un par de semanas y un tercero experto. El experto
tambin debera permanecer como parte del proyecto durante la duracin del piloto y ese es otro mes.
Dependiendo del apoyo esperado del tercero, dichos servicios pueden variar de US$20,000 a US$200,000
para un piloto focalizado; el nivel de apoyo deseado est obviamente dictado por el grado de aseguramiento
de una buena plataforma de lanzamiento necesario para lograr la efectiva propagacin a travs de la planta.
Existen varias herramientas de software que lo conducen a travs del proceso RCM y registran
todas sus respuestas y resultados a medida que los genera. Algunos de los softwares se pueden comprar por
slo unos pocos miles de dlares para unas pocas licencias de usuario. Ciertos paquetes vienen con la
capacitacin RCM incluida, y otros se adquieren 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 frecuencias de tareas va a ser necesario tener conocimiento de
historiales de fallas de planta, o ser capaz de acceder a bases de datos de tasas de falla. El historial de falla
de planta debera estar disponible a travs de su sistema de gestin de mantenimiento. Se puede requerir
apoyo en la construccin de consultas e informes de historial, y esto puede requerir tiempo del personal de
programacin. Hay bases de datos externas de confiabilidad disponibles, aunque no siempre fcilmente
localizables, y su acceso puede requerir el pago de derechos de uso o de una licencia.
El RCM ha tenido un alto grado de xito y amplia aceptacin en algunas industrias donde la
seguridad y elevados niveles de confiabilidad son importantes. Sin embargo, hay que reconocer que ha
fracasado en otros intentos.

Razones para el fracaso de RCM

Hay muchas razones para el fracaso de RCM que incluyen, pero no necesariamente se limitan, a:
Falta de liderazgo y apoyo de la gerencia;
Falta de visin del resultado final del programa RCM;
Falta de enunciacin clara de las razones para llevar a cabo RCM (se convierte simplemente
en otro plan mensual);
Falta de los recursos humanos adecuados para llevar a cabo el esfuerzo, especialmente en
ambientes minimalistas de operacin;
Choque entre las bases proactivas de RCM y la cultura tradicional y altamente reactiva de
planta;
Darse por vencido antes de completar;
Errores continuados en el proceso y resultados que no concuerdan con la mentalidad prctica
de mantenedores. La mala composicin del equipo de trabajo o la falta de entendimiento
contribuyen a esto;
Falta de informacin disponible sobre el equipo / sistema bajo anlisis. En la realidad, esto no
tiene por qu 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 en uso desde hace bastante tiempo. Surgen crticas que
apuntan a que ste es un ejercicio que est simplemente demostrando lo que ya se est
haciendo;
Falta de xito temprano medible 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 llegan 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 impulso 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, falta de un sistema funcional de ordenes de trabajo que gatille ordenes PM en una
base predeterminada).
Hay un nmero de soluciones para estos problemas. Una que generalmente funciona es el uso de
un facilitador o consultor externo. Un consultor de conocimiento y experiencia ayudar al cliente a navegar
estos problemas y mantener el impulso. Tambin se han desarrollado diversos atajos y soluciones prcticas
para ayudar a las empresas a superar estos problemas.
Las versiones de RCM
En una de las versiones metodolgicas de RCM, la lgica se usa para probar la validez de un
programa PM existente. Un inconveniente de este enfoque es que omite reconocer lo que ya est faltando
en su programa PM. Por ejemplo, si su programa PM actual hace uso extendido de anlisis de vibracin y
de 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 fisuras,
reduccin de espesor, desgaste, degradacin de propiedad lubricante, deposicin de residuos de metal por
desgaste, deterioro de acabado de superficie o dimensional, etc. Claramente este programa no cubre todas
las posibilidades.
En otra de las versiones de RCM, la criticidad se usa para filtrar previamente modos de falla del
anlisis. Tpicamente, los modos de falla ignorados aparecen ya sea en componentes del equipo
considerados como no-crticos o los modos de falla y sus efectos son considerados no-crticos, y la lgica

RCM no se aplica. En estos casos, el programa est pasando por alto fallas porque no exceden algn
criterio de impacto. Los ahorros surgen porque se reduce el esfuerzo de anlisis. Cuando la criticidad se
aplica a los modos de falla mismos, el riesgo de causar un problema crtico es relativamente menor. La
desventaja de este enfoque es que uno gasta la mayor parte del esfuerzo y costos para llegar a una decisin
de no hacer nada recuerde que estamos aqu en el paso cinco de siete. Por tanto, lo que se ahorra es
relativamente poco.
Cuando se aplica un filtro de criticidad al equipo, las decisiones de reducir el anlisis pueden
tomarse antes de que se haga la mayor parte del anlisis (en el paso uno). Algunos, pero no necesariamente
todos los modos de falla van a ser intuitivamente conocidos por los que estn llevando a cabo el anlisis de
criticidad, pero no van a ser documentados en este momento. Se gasta as poco esfuerzo y se pueden
ahorrar costos considerables del programa. Este mtodo va a ser atractivo para aquellas empresas que estn
limitando sus presupuestos para estos esfuerzos proactivos.
Esta ltima versin de RCM puede ser totalmente aceptable si las consecuencias de posibles fallas
son conocidas y son aceptables para las reas de produccin, mantenimiento, costos, medio ambiente y
recursos humanos. Por ejemplo, muchas fallas no tienen ms que consecuencias relativamente menores
adicionales a la prdida de produccin y discontinuidad del proceso operacional, y sus costos asociados.
Los puristas podran alegar que cualquier otra cosa menos que un RCM completo es irresponsable,
porque sin el anlisis completo uno est potencialmente ignorando fallas reales y crticas, aun cuando sea
inadvertidamente. Esto es de hecho cierto, y es la preocupacin que impuls al SAE a desarrollar el
estndar JA-1011.
Desgraciadamente tambin es cierto que muchas empresas sufren de una o ms de las razones
descritas para el fracaso. Sin la fuerza de ley, los estndares RCM tales como SAE JA-1011, Nowland &
Heap y otros son meras guas que pueden o no ser adheridas dependiendo de decisiones tomadas en cada
empresa. A menudo estas decisiones las toman aquellos que, aunque a nivel gerencial, no tienen un
conocimiento extenso de RCM.
Profesionales conocedores o partidarios entusiastas de ser proactivos pueden reconocer cuando sus
respectivas plantas exhiben una o ms de estas potenciales causas de fracaso. Deberamos hacer lo posible
para mitigar las posibles consecuencias y evitar el riesgo. Como ingenieros y mantenedores responsables,
nos podemos encontrar en una situacin que exija que comencemos lentamente y vayamos creciendo hasta
llegar al RCM completo.
El simple hecho de revisar un programa MP existente usando la lgica RCM no va a lograr
mucho. Analizar solamente equipo crtico logra ms y lo hace cuando ms cuenta. Revisar el equipo
crtico primero y despus ir bajando por la escala de criticidad de nuevo logra ms, y es posible que cumpla
con todos los objetivos del RCM.
Si al verlo de una perspectiva realista llevar a cabo RCM es simplemente demasiado para su
empresa, puede que un enfoque alternativo sea ms accesible y represente su mejor alternativa. De alguna
forma esto reducir el riesgo y ser mucho mejor que quedarse de manos cruzadas.
El RCM dirigido por capacidad
Si la lgica RCM progresa desde el equipo a los modos de falla, y despus va la lgica de
decisiones a un resultado, podr ser que el proceso opuesto no contemple muchas de las fallas an cuando
no estn claramente identificadas? Porqu no empezar con las soluciones (de las cuales hay un nmero
finito) y buscar buenos lugares para aplicar esas soluciones?
Vale la pena revisar las siguientes preguntas:
Qu tiene de malo usar tcnicas existentes de monitoreo sintomtico y extender su uso a
otras partes del equipo? Si se puede hacer anlisis de vibracin a algn equipo porqu no
hacerlo a otros?

Qu tiene de malo fijarse especficamente en fallas de desgaste y simplemente decidir hacer

reemplazos basados en el tiempo? Si uno puede identificar las principales reas de problemas
de desgaste porqu no usar esta tcnica?
Qu tiene de malo operar equipo stand-by (redundante) para asegurar que funcione cuando
sea requerido, y as llevar a cabo una tarea de deteccin de falla?

Las respuestas concretas a estas tres preguntas son: se corre el riesgo de excederse en el
mantenimiento de algunas partes del equipo; se puede no tomar en cuenta algunos modos de falla y sus
acciones de mantenimiento debido a la falta de rigor; se pierden oportunidades de rediseo. Sin embargo,
s aprovecha sus capacidades para efectuar MP y se apega de cerca a principios RCM como va para escalar
hacia la implantacin completa de RCM. Denominamos este enfoque RCM dirigido por capacidad o CDRCM.
Un mantenedor puede dar pasos basado en lo anterior que ayudarn a mitigar consecuencias de
fallas. Cuando se demuestre el xito, esos pasos pueden conducir a que el mantenedor gane suficiente
influencia como para extender su enfoque proactivo hacia incluir anlisis RCM. Este enfoque no est
orientado a evitar, o actuar como atajo para el RCM, sino ms bien es un paso preliminar que generar
resultados positivos que no son inconsistentes con RCM y sus objetivos.
El enfoque CD-RCM que lograr esto es el siguiente:
Asegrese que su sistema de Ordenes de Trabajo MP realmente funciona es decir, que las
ordenes de trabajo MP puedan ser gatilladas automticamente, que las ordenes de trabajo se
liberan, y que se ejecutan segn programa. (Si esto no ocurre, pare de leer aqu. Necesita
ayuda ms 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 sintomtico disponibles que puedan ser usadas (lo que
est probablemente limitado por la capacidad de su planta),
Determine los tipos de modos de fallas que cada una de estas tcnicas pueden revelar;
Identifique los equipos donde 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 MP;
Identifique el equipo que tiene modos de falla de desgaste dominantes;
Programe el reemplazo peridico de estos componentes de desgaste y de aquellos otros que se
ven comprometidos en reemplazos como mantenimientos basados en tiempo usando su
sistema de rdenes de trabajo MP;
Identifique todo su equipo stand-by y sistemas de seguridad (alarmas, sistemas de paro,
equipo stand-by redundante, sistemas de respaldo, etc.). Estos son equipos y sistemas que
estn normalmente inactivos hasta que ocurre algo que gatilla su uso;
Determine pruebas apropiadas para operar peridicamente este equipo tal que se revelen las
fallas detectables, e implemntelas en su sistema de ordenes de trabajo MP;
Examine las fallas que se presentan luego de poner en marcha el programa de mantenimiento,
para determinar la causa-raz de las fallas y llevar a cabo 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 sintomticas como: anlisis de vibracin, anlisis de lubricante /
aceite, inspecciones visuales y algunas pruebas no-destructivas.
Uso limitado de reemplazos por tiempo y overhauls.
En plantas que tengan altos niveles de redundancia, cambios cotidianos entre equipos, del A
al B y de vuelta, posiblemente combinado con nivelacin de las horas operativas.
Programa extendido de pruebas de sistemas de seguridad.
Captura sistemtica de informacin de fallas que ocurren y el anlisis de esa informacin y las
fallas en s para determinar sus causas-races y las acciones para eliminarlas.

An cuando este enfoque no logra todos los resultados que lograra el anlisis RCM completo,
est basado en los principios RCM y pondr a la organizacin en el camino a ser ms proactiva. CD-RCM
est orientado a construir sobre xitos iniciales con mtodos probados enfocados en reas donde hacen
sentido, tal que se gane credibilidad e incremente la viabilidad de implantacin de RCM completo.
Cmo se decide?
Se puede ver que RCM significa mucho trabajo y que llevarlo a cabo puede ser costoso. Existen
alternativas que son menos rigurosas. Puede que sea enfrentado al desafo de justificar los costos asociados
a un programa completo RCM, y que no sea capaz de decir con seguridad cules sern los ahorros que se
van a lograr. Esta es una situacin difcil de afrontar, y cada situacin tendr sus propias peculiaridades y
personalidades con las que haya que lidiar.
RCM es el enfoque ms exhaustivo y completo que podra tomarse para determinar los enfoques
correctos de mantenimiento proactivo para lograr alta confiabilidad de sistemas. Es costoso y consume
bastante tiempo los resultados, aunque impresionantes, pueden tardar en aparecer. Generalmente este
tiempo es suficiente para que RCM no exceda los ciclos de decisin acostumbrados en el mundo moderno
de inversiones de negocio.
La simple revisin de su programa MP con enfoque RCM no es una alternativa real para un
gerente responsable - se arriesga a omitir demasiadas cosas que podran ser crticas, o significativas para el
medio ambiente o la seguridad.
RCM simplificado (o Lite) puede ser apropiado para ambientes industriales en los cuales se
reconoce y usa la criticidad para guiar esfuerzos de anlisis usando los recursos o tiempo limitados de que
se dispone. Esto lograr los resultados RCM deseados en un subconjunto menor pero bien dirigido de
modos de falla en los equipos y sistemas crticos.
Donde la inversin RCM no sea opcin, la alternativa es llegar a ella usando CD-RCM que le
agrega un poco de lgica al enfoque tradicional de conseguir una nueva tecnologa y aplicarla en todas las
reas. En CD-RCM tomamos una medida de lo que podemos hacer ahora, nos aseguramos que lo estamos
aplicando lo ms ampliamente posible, y demostramos el xito cumpliendo con el nuevo programa.
Despus de demostrar el xito, se puede expandir el programa usando ese xito como evidencia de que
funciona y produce los resultados deseados. Eventualmente, RCM podr usarse para asegurar que el
programa est completo.
La lista de verificacin de decisiones del RCM
Se deben responder un nmero de preguntas y evaluar varias alternativas para determinar si RCM
es lo correcto para usted. Estas preguntas estn planteadas a lo largo de este captulo, pero estn resumidas
aqu para tenerlas como referencia:
1. Puede su planta u operacin vender todo lo que produce? Si la respuesta es s, entonces alta
confiabilidad es importante, RCM debera ser considerado, y debera saltar a la pregunta
cinco. Si la respuesta es no, entonces necesita enfocarse a medidas de reduccin de costos.
2. Hay un desempeo inaceptable en seguridad o impacto ambiental? Si la respuesta es s,
entonces RCM es probablemente para usted avance a la pregunta cinco.
3. Tiene ya un extenso programa de mantenimiento preventivo en operacin? Si la respuesta es
afirmativa, puede beneficiarse de RCM si los costos del programa son inaceptablemente altos.
Si la respuesta es no, tambin puede beneficiarse de RCM si sus costos de mantenimiento son
relativamente altos con relacin a la competencia.
Cuando la inversin RCM completo no es opcin, hay otras opciones como RCM Lite o RCM
por capacidad (CD-RCM) que pueden ser solucin para su operacin en el corto plazo.

4.

Son altos sus costos de mantenimiento en relacin con otros en su negocio? Si su respuesta
es afirmativa, entonces avance a la pregunta cinco. Si no lo es, entonces probablemente no se
beneficiar de RCM y puede parar aqu.

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

Una necesidad de alta confiabilidad;

Problemas de seguridad o medio ambientales;

Un programa MP costoso y de bajo rendimiento o;

Ningn programa significativo de PM y altos costos generales de mantenimiento.

5.

RCM es para usted. Necesita asegurarse que su organizacin est lista para ello. Tiene ya
un ambiente de mantenimiento controlado, donde la mayor parte del trabajo es predecible y
planificado y en el cual puede esperar confiadamente que trabajo planificado, como MP o
MPd, se va a efectuar segn programa? Si la respuesta es s, pasa la prueba bsica para ver si
est listo su ambiente de mantenimiento est bajo control y puede seguir a la pregunta
seis. RCM no funcionar bien si no lo puede llevar a cabo en un ambiente controlado. Si no
puede, necesita ayuda ms all de lo que RCM por s solo puede hacer. Busque ayuda para
tomar control de sus actividades de mantenimiento antes de seguir adelante.

Necesita RCM y su organizacin est ya bajo control est listo. Ahora necesita aprobacin para
llevarlo a cabo. Si puede directamente aprobar, entonces hgalo. Si no:
6.

7.

Puede conseguir el apoyo de la alta gerencia para la inversin de tiempo y dinero en la

capacitacin y piloto e implantacin de RCM? Si es as, entonces est listo para RCM y RCM
est preparado para su caso pare aqu, su decisin est hecha. Si no, entonces necesita
considerar alternativas al RCM completo proceda a la pregunta 7.
Puede conseguir el apoyo de la alta gerencia para la inversin de tiempo y dinero en la
capacitacin y piloto de RCM Lite? Esta inversin requerir cerca de un mes de tiempo de
su equipo de trabajo (5 personas), ms un consultor por el mes. Si puede, entonces debera
considerar el uso del mtodo RCM Lite para demostrar xito antes de implantar RCM en
toda la organizacin. Puede parar aqu su decisin ya est hecha. Si no es as, enfrentar el
desafo de demostrar xito con un enfoque menos exhaustivo que requiera poca inversin
inicial y use capacidades existentes. La alternativa que an queda es la de CD-RCM y un
crecimiento gradual del xito y credibilidad para expandirlo.

captulo cuatro

El problema de la incertidumbre
Que hacer cuando sus planes de confiabilidad no se ven muy confiables
Por Murray Wiseman
Cuando se est enfrentado la incertidumbre nuestra reaccin humana instintiva es a
menudo la indecisin y angustia. Todos preferiramos que la oportunidad y
resultado de nuestras decisiones fuesen conocidos con certeza. Puesto de otra
manera, nos gustara que todo problema y su solucin fuese determinstico. Los
problemas en los cuales la oportunidad y resultado de una accin dependen del azar
se conocen como probabilsticos o estocsticos. Sin embargo, en mantenimiento no
podemos ignorar dichos problemas ya que la incertidumbre es inevitable. Ms bien,
nuestra meta es cuantificar incertidumbres asociadas con 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 ms que como a un enemigo.
A cuntos nos han dicho desde la niez que el fracaso es la madre del xito y que a partir de los
errores se aprende. En ningn otro lugar es esta sabidura popular ms valorada que en un departamento
de mantenimiento que usa herramientas de ingeniera de confiabilidad. En un ambiente tan iluminado, las
fallas un hecho impersonal de la vida pueden ser tratadas y convertidas a conocimiento valioso seguido
de accin productiva. Para obtener esta elevada, pero alcanzable meta en las operaciones, requerimos un
slido enfoque cuantitativo para lidiar con incertidumbre en mantenimiento. Por esta razn, comencemos
el ascenso en tierra slida el fcilmente conceptuado histograma de frecuencia relativa de fallas pasadas.
Las cuatro funciones bsicas
En esta seccin descubriremos el Histograma de Frecuencia Relativa y las cuatro funciones
bsicas: 1) la funcin de Densidad de 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 han fallado al llegar Noviembre.
Haga una lista de fallas segn oportunidad como se muestra en figura 18. Agrpelas en segmentos
convenientes de tiempo, en este caso meses. Diagrame el nmero de fallas en cada segmento como en la
figura 19. Las barras altas del centro representan los tiempos ms populares o probables de falla.
Sumando el nmero de fallas que ocurrieron antes de abril, 14, y dividiendo por el nmero total de la
poblacin, 48, podemos estimar que la probabilidad acumulativa de que el tem falle en el primer trimestre
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

Para transformar el nmero de fallas en probabilidades, el histograma de frecuencias relativas
puede ser convertido a una forma matemtica ms til llamada la funcin de densidad de probabilidad
(PDF). Para lograrlo, los datos son diagramados nuevamente tal 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 ser discutida de 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. Esta rea es F(t), la funcin de distribucin acumulativa (CDF). Es conclusin
directa 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 s sola en
funcin del tiempo. Si se hace as, el tiempo medio entre falla (TMEF) es el rea bajo la curva de
Confiabilidad o R(t)dt [ref. 1]. De la funcin de confiabilidad R(t) y la funcin de densidad 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 slo 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
acumulativa F(t); la funcin de confiabilidad R(t); y la funcin de riesgo h(t). Conociendo cualquiera de
stas, podemos derivar las otras tres. Armados con estos conceptos estadsticos fundamentales, podemos
salir a combatir con el azar de la ocurrencia de fallas a travs de nuestra planta. A pesar de que las fallas
son eventos aleatorios, podremos, no obstante, descubrir cmo determinar los mejores momentos para
realizar mantenimiento preventivo y las mejores polticas de mantenimiento de largo plazo. Habiendo
estimado con confianza (es decir con un nivel dado y aceptable de confianza estadstica) la PDF (por
ejemplo), nos basaremos en ella o en sus funciones hermanas para construir modelos de optimizacin. Los
modelos describen situaciones tpicas de mantenimiento representndolas en ecuaciones matemticas. Esto
es muy conveniente si deseamos optimizar el modelo. El objetivo de optimizacin es generalmente lograr
el menor costo global, promedio, y de largo plazo de 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 forma los hemos transformado en una distribucin de probabilidad. El paso requerido
para convertir o ajustar los datos es el tema de esta seccin.
Cmo encuentra uno la PDF apropiada para un componente o sistema real? Hay dos enfoques
posibles para este problema:
1. Trace la curva de mejor ajuste a datos obtenidos del ciclo de vida del equipo, o
2. Haga una hiptesis de que ser una cierta funcin paramtrica, 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.
Afortunadamente, encontramos de observaciones de fallas en el pasado que las funciones de
densidad de probabilidad (y por tanto sus funciones derivadas de confiabilidad, distribucin acumulativa y
funcin de riesgo) de datos reales generalmente satisfacen alguna de 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
especificadas si podemos estimar sus parmetros.
Por ejemplo, la CDF de Weibull es:

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

Los parmetros y pueden estimarse de los datos usando mtodos a describir. Una vez
estimados con confianza sus parmetros, podremos procesar nuestros datos de falla y reemplazo va alguna
de las distribuciones conocidas. Hacemos esto manipulando las funciones estadsticas que aprendimos en
la seccin anterior para: a) entender nuestro problema; y b) pronosticar fallas y analizar riesgos para tomar
mejores decisiones de mantenimiento. Estas decisiones van a impactar la oportunidad que elijamos para
reparar, reemplazar o reacondicionar maquinaria, as como ayudarnos a optimizar muchas otras decisiones
de mantenimiento.
La clave es triple: 1) recolectar 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 este proceso fcil y
entretenido. El software de confiabilidad sin embargo es mucho ms que un juguete para ingenieros, ya que
nos entrega la capacidad de comunicar y compartir con nuestra gerencia la meta comn de negocio idear

y seleccionar procedimientos que minimicen costos y riesgo a la vez que mantienen o incrementan el
volumen y calidad de productos.
Las cuatro funciones de tasa de falla o funciones de riesgo correspondientes a las cuatro funciones
de densidad (exponencial, Weibull, lognormal, y normal) se muestran en la figura 21.

Exponencial

Weibull

Lognormal

Normal

Figura 21: Curvas de funcin de riesgo para las distribuciones de fallas comunes
De las cuatro funciones, los datos observados generalmente se aproximan ms a la distribucin de
Weibull. Esto es afortunado y fue subestimado por el mismo Waloddi Weibull quien dijo al presentar su
ensayo clave en 1951 ...puede que alguna vez rinda un buen servicio. La reaccin a su ensayo vari del
escepticismo hasta el rechazo directo. A la larga, como con todas las buenas ideas que caen en tierra frtil
y florecen, la Fuerza Area de Estados Unidos reconoci y financi la investigacin de Weibull por los
posteriores 24 aos hasta 1975. Hoy el Anlisis Weibull es el mtodo lder en el mundo para clculos
sobre datos de ciclo de vida [ref. 3].
El objetivo de este captulo es atraer la atencin de profesionales de mantenimiento hacia tales
mtodos de toma de decisiones, y mostrar que son esfuerzos vlidos y provechosos para la administracin
de activos fsicos de su empresa.
Un ejemplo
Concretemos estos conceptos usando un ejemplo que ilustra como uno puede extraer informacin
significativa de datos de fallas. Asmase que hemos determinado (usando mtodos a discutir ms adelante
en este captulo y en el captulo 7) que cierto componente elctrico tiene una funcin de distribucin
acumulativa exponencial, F(t) = 1- e-t, donde = 0.0000004 hrs. 1.
Tenemos entonces que responder lo siguiente:
(a) Cul es la probabilidad de que una de estas piezas falle antes de 15,000 horas de uso?
(b) Cunto tiempo debemos esperar para alcanzar un 1% de fallas?
(a) F(t) = 1- e-t = 1 e-0.0000004 x 15,000 = 0.001 = 0.6%
Reordenando
(b) t = -ln(1 F(t))/ = ln(1 - .01)/.0000004 = 25.126 hrs.
(c) Cul sera el tiempo medio entre falla (TMEF)?
(c) TMEF = R(t)dt = e-tdt = 1/ = 250,000 hrs.

(d) Cul sera la mediana del tiempo medio entre falla (el tiempo en el cual la mitad de la
poblacin ha fallado)?
(d) F(T50) = 0.5 = 1- e-t50
T50 = ln2/ = 0.693/.0000004 = 1,732,868 hrs.
Este es el tipo de informacin que podemos esperar examinando los datos va principios de
ingeniera de confiabilidad incorporados en el software. Contine la lectura para ver como hacerlo.
Consideraciones de la vida real el problema de los datos
Irnicamente, a menudo dejamos que la poca informacin requerida para gestin de 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. La administracin de los datos es el
primer paso hacia una gestin de activos fsicos exitosa. Buenos datos personifican una rica experiencia de
la cual uno puede aprender y por ende mejorar el actual proceso de gestin de mantenimiento de su
empresa. Un rol esencial de la alta gerencia es poner amplios recursos computacionales y mtodos
cientficos en manos de profesionales de mantenimiento que han sido entrenados para recolectar, filtrar, y
procesar datos con el propsito explcito de guiar las decisiones. La intencin de este captulo es inspirar a
mantenedores, planificadores, ingenieros, y gerentes a recolectar de manera seria y continua sus propios
datos de mantenimiento y reemplazo, con un renovado entendimiento de su alto valor para el resultado final
de su organizacin.
Irnicamente, a menudo dejamos que la poca informacin requerida para gestin de 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 subsecuentes que pueden
parecer triviales por comparacin. La historia de la humanidad es una de progreso construido sobre la base
de sus experiencias. Sin embargo, han habido incontables momentos en que se han derrochado
oportunidades por omitir la recoleccin y procesamiento de datos que estaban disponibles. Hoy,
desgraciadamente, muchos departamentos de mantenimiento caen en esa categora. Por esto una de las
mtricas ms importantes usadas en el Centro de Excelencia de Gestin de Mantenimiento de
PricewaterhouseCoopers para hacer benchmarks relativos a mejores prcticas clase mundial de la industria,
es la medida en que datos son retro-alimentados para guiar sus decisiones, tcticas y polticas de
mantenimiento.
A continuacin se dan ejemplos de decisiones basadas en gestin de datos de confiabilidad:

Un planificador de mantenimiento detecta tres fallas durante operacin de un componente en

un perodo de tres meses. Para prever la planificacin de suficiente mano de obra disponible
el superintendente pregunta, Cuntas fallas va a tener en el prximo trimestre?

Para ordenar repuestos y programar la mano de obra de mantenimiento, Cuntas cajas de

cambio van a ser devueltas a bodega para reacondicionamiento por cada modo de falla en el
prximo ao?

Un sistema de tratado de efluente requiere una detencin regulatoria para

reacondicionamiento cada vez que el nivel contaminante excede un lmite txico por ms de
60 segundos en un mes. Qu nivel y frecuencia de mantenimiento se requiere para evitar
interrupciones de produccin de este tipo?

Despus de una modificacin de diseo para eliminar un modo de falla, Cuntas unidades
deben probarse y por cunto tiempo para verificar que ese modo de falla ha sido eliminado, o
significativamente mejorado con una confianza de 90%?

Las transmisiones de una flota de camiones de extraccin se reacondicionan rutinariamente 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 retrasar el reacondicionamiento para

reducir los costos promedios de operacin?
El costo de produccin perdida es cuatro veces el costo de reemplazo preventivo de un
componente desgastado. Cul es la frecuencia ptima de reemplazo?
Los valores fluctuantes de hierro y plomo en el anlisis trimestral de aceite de transmisiones
de 35 camiones de extraccin, as como los tiempos de falla de las 35 unidades en los ltimos
tres aos, estn disponibles en la base de datos. Cul es el momento ptimo 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 6.)

Vale la pena sin duda, por tanto, implantar procedimientos que registren datos de vida a nivel de
sistema y, donde se justifique, a nivel de componente. Los datos de vida de un componente o sistema dado
comprenden los registros de reemplazo preventivo y la temporalidad de fallas. Cuando un mantenedor
reemplaza un componente, digamos una bomba hidrulica, una de las tantas idnticas de un equipo cuya
disponibilidad es crtica para la operacin de la empresa, debera indicar cul fue la bomba especfica que
fall. Ms an, debera especificar como fall (el modo de falla), por ejemplo fugando o una
insuficiencia de presin o volumen. Dado que las horas de operacin del equipo se conocen, la vida til
de componentes individuales crticos puede ser calculada y monitoreada va software. Esta informacin se
convertir en parte valiosa del activo intelectual de la empresa la base de datos de confiabilidad.
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 edad a la que van a fallar. Algunas unidades pueden haber sido reemplazadas de manera preventiva. En
estos casos tampoco sabemos la edad de falla. Se dice que estas unidades estn suspendidas o simplemente
censuradas. Si bien no es estadsticamente ideal, an 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
Winsmith para Windows, RelCode, y EXAKT descritos en el captulo 5 y 6, pueden manejar en forma
apropiada el tema de 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 edad de falla.

Referencias:
1. Introduccin a la Ingeniera de Confiabilidad y de Mantenibilidad, Charles E. Ebeling, ISBN 007-018852-1, 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.

captulo cinco

Optimizar mantenimiento por tiempo

Herramientas para disear 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
deducir decisiones ptimas de mantenimiento y reemplazo. Se pondr especial
atencin en establecer el perodo ptimo de reemplazo para componentes crticos
(tambin conocidos como unidades de reemplazo, o LRUs) dentro de un sistema.
Miraremos tambin estrategias de reemplazo por edad y por bloques a nivel de LRU. Esto permite
introducir el paquete de software RelCode como herramienta para ayudar a gerentes de mantenimiento a
optimizar sus decisiones de mantenimiento de LRU. Adems daremos una mirada a los criterios de
optimizacin de minimizacin de costos, maximizacin de disponibilidad, y requerimientos de seguridad.
Aumentar la confiabilidad va el reemplazo preventivo
La confiabilidad del equipo puede incrementarse reemplazando en forma preventiva componentes
crticos dentro en momentos apropiados. Determinar cul es el momento apropiado depende del objetivo
general, tal como la minimizacin de costos o la maximizacin de disponibilidad. An cuando el mejor
momento para reemplazo preventivo puede ser el mismo para ambos casos, la minimizacin de costos y la
maximizacin de disponibilidad, no es necesariamente as. Hay que obtener y analizar los datos antes de
poder identificar el mejor momento de reemplazo preventivo. En este captulo se presentarn varios
procedimientos de optimizacin que pueden usarse fcilmente para establecer tiempos ptimos de
reemplazo preventivo de componentes crticos.
Polticas de reemplazo por bloques
La poltica de reemplazo por bloques es algunas veces denominada 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 se ilustra en la figura 22, en la cual Cp y Cf son los
costos totales asociados con reemplazo preventivo y por falla respectivamente, y tp es el intervalo fijo entre
reemplazos preventivos. En la figura se puede ver que durante el primer ciclo no hay fallas, mientras que
hay dos en el segundo, y ninguna en el tercero o cuarto.

Cf

Nuevo
Item

Cf

Cp

tp

Cp

tp

Cp

tp

La poltica de reemplazo preventivo por intervalo

Figura 22: Poltica de reemplazo por bloques

Cp

tp

A medida que se incremente el intervalo entre reemplazos preventivos habr mayor cantidad de
fallas en cada intervalo, y la optimizacin se logra al obtener el mejor balance entre la inversin en
reemplazos preventivos y las consecuencias de falla. Este caso se ilustra en la figura 23 para un criterio de
minimizacin de costos, donde C(tp) es el costo semanal total asociado a la poltica de reemplazo
preventivo de componentes en un intervalo fijo de tiempo tp, con reemplazos por falla cada vez que sea
necesario. La ecuacin de la curva de costo total puede encontrarse en varios textos, incluyendo Duffuaa,
Raouff, y Campbell [ref. 1].

Costo total por semana C(tp)

$ / Semana

Reemplazo por falla

Reemplazo preventivo

Intervalo optimo de reemplazo preventivo

Conflictos de costos del reemplazo preventivo

Figura 23: Poltica por bloques: lneas optimas de reemplazo

El prximo problema se ha resuelto usando el paquete de software RelCode, que incorpora el

modelo de costos para establecer el mejor intervalo entre reemplazos preventivos.
Enunciado del problema
Se ha determinado que la ocurrencia de fallas del rodamiento de ventilador usado en los motores
diesel se comporta segn una distribucin de Weibull, con una vida media de 10,000 Km y una desviacin
estndar de 4,500 km. La falla del rodamiento en operacin es costosa y, en total, un reemplazo por falla es
10 veces ms caro que un reemplazo preventivo. Necesitamos determinar el intervalo ptimo de reemplazo
preventivo (o poltica de bloque) para minimizar el costo total por kilmetro. Cul es el ahorro de costos
asociado a la poltica ptima vs. una poltica de correr-a-la-falla?
Dado que el costo de falla es de $200,000, cul es el costo por kilmetro asociado a la poltica
ptima?
Resultado
La figura 24 muestra un pantallazo de RelCode, donde se puede apreciar que el perodo ptimo
de reemplazo preventivo es de 4,140 km. La figura provee adems mucha informacin adicional que puede
ser valiosa para el planificador de mantenimiento. Por ejemplo:

Figura 24: Salida de RelCode: reemplazo por bloques

El ahorro 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 por edad

La poltica de reemplazo por edad es donde 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 por edad, donde 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 planificado.

Cf

Nuevo
Item

Cp

tp

Cp

tp

Cp

tp

La poltica de reemplazo preventivo por intervalo

Figura 25: Poltica de reemplazo por edad

Las consecuencias de costo en conflicto asociadas con esta poltica son idnticas a aquellas
mostradas en la figura 23, excepto que el eje de abscisas - x mide la edad real (o utilizacin) del tem, en
vez de un intervalo fijo de tiempo.
El prximo problema se ha resuelto usando el paquete de software RelCode, que incorpora el
modelo de costos para establecer el mejor intervalo entre reemplazos preventivos.
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, es considerado candidato a
reemplazo preventivo. La poltica que hay que considerar es por edad, con reemplazos preventivos que
ocurran cuando el brazo seleccionador alcance una edad especfica. Cul es la poltica ptima 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 prdidas de produccin asociadas con reemplazo preventivo es de $1000, mientras
que con reemplazo por falla es de $7000;
3. La distribucin de fallas del brazo seleccionador se describe adecuadamente por una
distribucin Weibull con vida media de 152 horas y desviacin estndar de 30 horas.
Resultado
La figura 26 muestra un pantallazo de RelCode, donde la edad ptima de reemplazo preventivo
de la centrfuga es de 112 horas. La figura tambin entrega informacin clave que puede ser usada por el
planificador de mantenimiento. Por ejemplo, podemos ver que la poltica ptima cuesta un 45.13% del
costo asociado a una poltica de correr-a-la-falla, y por tanto est claro que 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 concede flexibilidad al programador de mantenimiento para
planificar reemplazos preventivos.

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

Cundo usar reemplazo por bloques en vez de por edad

El reemplazo por edad puede parecer ms atractivo que el reemplazo por bloque, ya que un
componente recin instalado nunca es 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 por edad requiere que se mantenga un registro de la
edad real de 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 software moderno de gestin de activos, que puede convenientemente hacer
seguimiento de edades operativas de componentes si es notificado de eventos de falla y reemplazo.
Establecer polticas de mantenimiento basadas en tiempo
Restricciones de seguridad: hasta ahora, la discusin ha presumido que el objetivo era establecer
el mejor momento para reemplazar un componente de manera preventiva, tal de minimizar el costo total.
Si la meta es asegurar que la probabilidad de falla antes del prximo reemplazo preventivo no
exceda un valor particular, como por ejemplo un cinco por ciento, entonces el tiempo para programar un
reemplazo preventivo puede obtenerse de la distribucin de 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.

Figura 27: Edad ptima de reemplazo: mantenimiento basado en riesgo

Minimizacin de costos y maximizacin de disponibilidad: En la discusin de arriba, el

objetivo era la minimizacin de costos. La maximizacin de disponibilidad simplemente requiere que, en
los modelos, el costo total de reemplazos preventivos o por falla sea reemplazado por el tiempo total de
detencin asociado con reemplazos preventivos o el tiempo total de detencin asociado a reemplazo por
falla. La minimizacin del tiempo total de detencin es, entonces, equivalente a la maximizacin de
disponibilidad. Los lectores que deseen trabajar con una variedad de problemas usando RelCode 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. Lectores pueden contactar al autor va correo electrnico a andrew.k.jardine@ca.pwcglobal.com.

captulo seis

Optimizar mantenimiento sintomtico

Aprovechando el equipo al mximo antes de una reparacin
Por Murray Wiseman
El Mantenimiento Sintomtico o Basado en Condicin (CBM) es obviamente una
muy buena idea. Surge del supuesto lgico de que las reparaciones o reemplazos
preventivos de equipos o sus componentes estaran ptimamente programadas si se
dieran justo antes de la ocurrencia de 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 en un programa de monitoreo efectivo se ve bloqueada por dos
dificultades. La primera es: cmo seleccionar de la multitud de parmetros de monitoreo aquellos que con
ms certeza pueden indicar el estado de salud de la mquina. La segunda es: cmo interpretar y cuantificar
la influencia de mediciones en el resto de vida til (RUL) de maquinaria. En este captulo tomaremos en
cuenta ambos problemas.
Las preguntas esenciales que se hacen al implementar un programa sintomtico (CBM) son:
1. Porqu monitorear?
2. Cules componentes del equipo monitorear?
3. Cmo monitorear (qu 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 confiabilidad (RCM) nos
ayuda a responder las preguntas 1 y 2. Se requieren mtodos adicionales de optimizacin para responder
las preguntas 3, 4 y 5. En los captulos 4 y 5 aprendimos que la manera de enfrentar estos problemas es
construir 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 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. El detallado
mtodo para modelar que introducimos en este captulo, que 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 usos reportados del modelamiento de riesgos proporcionales ha 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 del 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, grficos, y clculos
asociados presentados aqu han sido elaborados usando el programa EXAKT. Lectores que quieran trabajar
con los ejemplos usando el programa pueden hacerlo obteniendo una versin de demostracin va el autor.

Ingenieros de mantenimiento, planificadores y gerentes tratamos de efectuar mantenimiento

sintomtico recolectando datos que 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
diversas formas. Pueden ser continuas, tales como temperatura operativa, o tasa de alimentacin de materia
prima. Pueden ser discretas, tales como mediciones de anlisis de aceite o vibracin. Pueden ser
combinaciones aritmticas de datos medidos, tales como tasas de cambio de mediciones, medias mviles, o
proporciones. Dado 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 pudiera ser mucho menos til como
tctica de decisin de mantenimiento que si el caso fuera otro. El modelamiento de riesgos proporcionales
es un enfoque efectivo para el problema de sobrecarga de informacin, ya que filtra un gran nmero de
datos histricos de condicin y fallas, y entrega una ptima recomendacin de decisin fundamentada en el
estado de salud real 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 en el recorrido es 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 sintomtico 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 menor costo de mantenimiento de largo plazo.
6. Anlisis de sensibilidad.
Primer Paso: Preparacin de los datos
Estn o no disponibles herramientas o programas computacionales, el modelador debera siempre
mirar los datos de varias maneras [ref. 4]. Por ejemplo, muchos conjuntos de datos pueden tener la
misma media y desviacin estndar, pero an ser muy distintos y eso puede ser de importancia crtica.
Modeladores de mantenimiento deben estar involucrados con sus aplicaciones y entender el contexto.
Se ha dado muy poca atencin al proceso de recolectar datos, a pesar del creciente uso de
sofisticados y poderosos sistemas computarizados de gestin de mantenimiento (CMMS) y de gestin de
activos empresariales (EAM). Estrategias de gestin del cambio que promueven la educacin y el sentido
de propiedad, y la alteracin de comportamientos y actitudes relativas al reconocimiento del valor de los
datos, inspirarn una recoleccin meticulosa por mantenedores cuando retiren y reemplacen componentes
que hayan fallado. En el nuevo mundo industrial del Mantenimiento Productivo Total (TPM), pueden ser
considerados como los verdaderos custodios de datos y sus modelos derivados.
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 momento en que fue instalado.
2. El Termino por Falla (EF).
3. El Termino por Suspensin (ES) debido a reemplazo preventivo.
Se deben incluir eventos adicionales en el modelo si se sabe que influyen directamente en 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 cambios de aceite se espera que algunas de las
covariadas, tales como desgaste del metal, sean regresadas a cero. La inteligencia adicional va a evitar que
el modelo se engae por disminuciones peridicas en desgaste de metales. Esto se ilustra en la figura 28.

ppm de hierro

B
No esto
D
C
A

Intervalo de
cambio de aceite

tiempo

Figura 28: la transicin verdadera es A-B-C-D, NO A-B-D.

El apriete, alineacin, balanceo, o recalibracin peridica del equipo puede tener efectos similares
en valores medidos (tales como mediciones de vibracin) y deben ser tomadas en cuenta por el modelo.
Una muestra de datos de inspeccin
La figura 29 muestra un conjunto parcial de datos de transmisiones de una flota de cuatro
camiones de extraccin. El conjunto completo est disponible en un archivo de base de datos MSAccess
del autor [ref. 3]. Se necesitan tales datos para construir un modelo de riesgos proporcionales (y
eventualmente una poltica de decisin optima). En este caso, las inspecciones son los resultados de
anlisis de aceite y estn designadas con asterisco (*) en la columna de Evento. Los datos incluyen el
historial entero de cada unidad identificada con designaciones HT-66, HT-67, HT-76, y HT-77, entre
diciembre de 1993 y febrero de 1998, y estn organizados cronolgicamente segn el nmero del equipo.
Figura 29

Datos de inspeccin y eventos de transmisiones de camiones de

extraccin

Grficos cruzados
Los datos en la figura 29 deben ser comprendidos por el modelador. La fase de preparacin de
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) es una 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 puntos estn dispersos como 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 la correlacin fuera evidente, sera
conocimiento til en los siguientes pasos del modelamiento.
Figura 29

Datos de inspeccin y eventos de transmisiones de camiones de

extraccin (continuacin)

Limpiar los datos

El termino tcnico usado por los estadsticos cuando 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 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 datos que crea puedan ser covariadas influyentes.
Un rea obvia de inters en el terreno de datos transformados es la edad del aceite de lubricacin,
que no est directamente disponible en la base de datos pero que puede calcularse sabiendo las fechas de
cambios de aceite (OC). En el presente ejemplo uno esperara que el nivel de los metales de desgaste
hierro y plomo fuese bajo justo despus de un cambio de aceite, y que aumentara linealmente mientras este
envejece y las partculas se acumularan y quedaran residentes en el sistema de circulacin de aceite. Un
grfico cruzado (figura 31) de la edad de 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.

Figura 29

Datos de inspeccin y eventos de transmisiones de camiones de

extraccin (continuacin)

Segundo paso: construir el modelo de riesgos proporcionales

Este paso lo realiza en su totalidad el software. Los parmetros de la ecuacin del PHM son
estimados.
Ecuacin 1:

h(t) = ( / )(t / ) -1 e1Z1(t)+2Z2(t)+...+nZn(t)

Figura 29

Datos de inspeccin y eventos de transmisiones de camiones de

extraccin (continuacin)

Al examinar la ecuacin (1) podemos ver que esta ampla la funcin de riesgo de Weibull descrita
en el captulo 4 y aplicada en el captulo 5. La nueva parte incluye (en forma de expresin exponencial) 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 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) proveen criterios sistemticos

para probar diversas hiptesis relativas a la confianza y 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.
Figura 29

Datos de inspeccin y eventos de transmisiones de camiones de

extraccin (continuacin)

Tercer Paso: Probar el PHM

Revisemos nuestros objetivos. Estamos buscando un mecanismo de decisin que en el largo plazo
resultar en el menor costo total de mantenimiento. 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 se aplica 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 adeca el modelo. Uno
de ellos es el grfico de Residuos en Orden de Apariencia, figura 32. Este mtodo grfico diagrama los
residuos en el mismo orden de los historiales 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. El
modelador usa una variedad de herramientas matemticas y grficas para desarrollar, probar, comparar, y
ganar confianza en su modelo.
Figura 29

Datos de inspeccin y eventos de transmisiones de camiones de

extraccin (continuacin)

Plomo

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

Figura 31: Hierro vs. edad del aceite

Residuo

Residuos en orden de aparicin

Historia

Figura 32: El modelo probabilistico de transicin

Cuarto paso: El modelo probabilistico de transicin

En este punto del proceso de optimizacin de CBM, el PHM habr sido desarrollado y probado
por el modelador por medio de las herramientas de software descritas en las secciones anteriores. Estar
presuntamente satisfecho o confiado 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
fijados por el modelador segn su instinto, experiencia en planta, sus revisiones de datos, o mediante el uso
de algn mtodo estadstico tal como 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 (lmites 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

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 ptima
En este paso le decimos al modelo (consistente hasta ahora del PHM y el modelo probabilistico
de transicin) los costos respectivos de reparaciones o reemplazos preventivos y generados por falla.
El grfico de la decisin de reemplazo, figura 34, es la culminacin del proceso de modelamiento.
Este combina los resultados del modelo de riesgos proporcionales, del modelo probabilistico de transicin,
y de la funcin de costos, para mostrar la mejor poltica de decisin con relacin al componente o 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

(No reemplace antes de la prxima inspeccin).

(Espere reemplazar antes de la prxima inspeccin).

Covariada Compuesta

(Reemplace inmediatamente.)

(No reemplace)

Edad Operativa

Figura 34: El grfico de la decisin optima de reemplazo

La ventaja es evidente. En un solo grfico se 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, se
acta acorde 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 an validos, y si no, cul va a ser el efecto de esos cambios? Sigue siendo
ptima nuestra decisin? Estas preguntas se contestan va el anlisis de sensibilidad.
El supuesto que hicimos al construir la funcin de costos se centr en los costos relativos de un
reemplazo planificado vs. los de un reemplazo forzado por una falla repentina. Esa proporcin de costos
puede haber cambiado. Puede que nuestros mtodos contables no puedan actualmente proporcionar los
costos precisos de reparacin, y por tanto, hemos tenido que estimarlos para 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 cuando no se justifican, 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 Optima, nos muestra la relacin
entre el nivel de riesgo ptimo y la razn de costos. Si la razn de costos fuera baja, menor que tres,
entonces el nivel ptimo de riesgo aumentara exponencialmente. Por tanto, tenemos que seguir los costos
de cerca para as asegurarnos de los beneficios calculados por el modelo.

Nivel optimo de riesgo

Sensibilidad de riesgo de la poltica optima

Planificar menos reemplazo preventivo
Planificar ms reemplazo preventivo

Proporcin de costo de reemplazo

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

Conclusin
A medida que la intensa competencia del mercado global llega a la industria, la visibilidad de cada
aspecto del proceso productivo, en particular ste de confiabilidad de equipos, se convertir en un
requerimiento urgente de negocio. La integracin y fluidez de la cadena de abastecimiento a travs de
mltiples empresas en asociacin y conectadas electrnicamente, forzarn a que la informacin de
mantenimiento, disponibilidad, y confiabilidad pase a ser crtica para la misin.
Software amigable al usuario, pero sin embargo sofisticado, potenciar a los profesionales de
mantenimiento para responder con agilidad a la continuamente fluctuante demanda de fuerzas de mercado.
Modelos matemticos estadsticos tales como los desarrollados con ayuda de herramientas de software
discutidas en este captulo, en conjunto con sistemas expertos fundados en los principios del mantenimiento
basado en confiabilidad, sern los perros guardianes operando silenciosamente dentro del sistema
computarizado de gestin de mantenimiento de una empresa. Su funcin monitorear continuamente datos
entrantes de condicin y edad. Cuando los datos de condicin gatillen una alerta respecto al modelo de
poltica ptima de mantenimiento, deber tomarse y ejecutarse rpidamente una clara y apropiada decisin.
El escenario est fijado y los actores de mantenimiento, en distintos estados de preparacin, debern
enfrentar desafos completamente nuevos a medida que sube el teln sobre una cultura de negocio en veloz
transformacin. La gestin de este cambio girar necesariamente alrededor de la meticulosa recoleccin y
anlisis de datos.
El escenario est fijado y los actores de mantenimiento, en distintos estados de preparacin, debern
enfrentar desafos completamente nuevos a medida que sube el teln sobre una cultura de negocios
en veloz transformacin.
Sistemas de informacin y base de datos de gestin de mantenimiento existentes tienen baja
utilizacin y poblacin inadecuada de datos, principalmente porque los operarios y empleados de
mantenimiento no estn convencidos de que hay una relacin entre el registro preciso de datos de vida de
un componente y su efectividad para mantener funcionando los activos fsicos de su organizacin. La
esperanza del autor es que los mtodos descritos aqu apoyen al personal de mantenimiento en sus procesos
de toma de decisiones mientras progresan hacia la mxima confiabilidad 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

Navegar la red en bsqueda de

informacin de confiabilidad
Est buscando pginas tiles en Internet? Aqu tiene donde empezar
Por Paul Challen
En las pginas anteriores de este Manual de Confiabilidad hemos visto una completa
discusin de las maneras en que 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 recolectar el tipo de informacin necesaria para
implantar decisiones de confiabilidad. Junto a 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 de confiabilidad y
uno de los lugares de bsqueda ms tiles es Internet.
Lo siguiente no es, de ninguna manera, un listado exhaustivo de recursos que 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 confiabilidad, mantenibilidad, capacidad de apoyo y calidad, y facilitar su
implantacin efectiva y econmica en todas las fases del producto o el ciclo de vida del sistema.
La pgina web del RAC contiene recursos de informacin tiles, 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.
El RAC tambin ha compilado dos importantes listas, una de siglas frecuentemente usadas en el
mundo de 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 material impreso, aunque un poco pasado de
moda, sobre el tema, hay una 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)
o 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, desde el punto de vista de confiabilidad, es 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, 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 implantar 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
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.
El Centro de Mantenimiento & Confiabilidad de la Universidad de Tennessee (MCR) es una
nueva pgina que usa investigacin y tecnologa de punta para ayudar a empresas miembros a reducir las
prdidas 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 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 incluyen publicacin de la revista Vibraciones, Acta de Sesin de sus
Reuniones Anuales, y apuntes de cursos cortos.