Programación de Mantenimiento en Engeman®: 4.ª – Tendencia – Mantenimiento Basado en Condición (MBC)

Curva de Tendencia

Las acciones que se realizarán serán controladas a través de mediciones de variables que muestren una curva de tendencia a lo largo del tiempo, por ejemplo:

• presión;
• temperatura;
• tasa de flujo;
• nivel;
• vibración;
• humedad;
• resistencia dieléctrica;
• dimensiones;
• elementos químicos.

Gráfico de Tendencia Engeman®

En esta programación, al alcanzar un valor máximo o mínimo establecido, Engeman® indicará la necesidad de mantenimiento a través de alarmas o emisión de órdenes de trabajo. Los niveles de alarma pueden ser configurados por el usuario, tanto como sea necesario.

La medición de datos, también conocida como colecta, se puede realizar a través de notas manuales y mediante equipos destinados para este fin, como sensores y computadoras PLC. Estos equipos de medición y colecta de datos pueden ir acoplados directamente al punto de aplicación de mantenimiento o pueden ser portátiles para su uso en diferentes puntos, como cámaras termográficas, por ejemplo.

La información obtenida a lo largo del tiempo crea una curva de tendencia para la variable medida. Esta curva de tendencia será calculada por regresiones matemáticas definidas por el usuario o automáticamente por Engeman®.

Las regresiones pueden ser: lineales, logarítmicas, exponenciales, potenciaciones o polinomios. Esta curva establecerá una función matemática de valores x fecha, permitiendo así determinar la fecha futura de mantenimiento, a partir de la fecha en que se realizó el último mantenimiento del activo.

Si solicita cálculos para un período mayor, Engeman® calculará las fechas de mantenimiento dentro del período, con base en la función matemática generada por las mediciones del primer mantenimiento.

Informe de Control de Tendencia Engeman®

Cuidados necesarios para aplicar este proceso de programación

• Si las mediciones no muestran una tendencia, expresada por una función matemática a lo largo del tiempo, no se debe utilizar este proceso. En este caso, se recomienda utilizar la programación periódica o por eventos;
• Las mediciones deben hacerse de manera sistemática, lo que demandará más recursos y acciones de control. Puedes crear planes con programación periódica, para controlar este proceso, por ejemplo;
• En el caso de mediciones automáticas, verificar la confiabilidad de la colecta de datos y anticipar contingencias;
• Racionalizar el número de puntos de control de procesos;
• Utilice Engeman® Móvil para el proceso de colecta manual de datos.

Además de emitir órdenes de trabajo y alarmas de proximidad en fechas programadas, Engeman® le permite visualizar mediciones y futuras fechas de mantenimiento:

• A través de mediciones y digitación de valores, Engeman® disparará alarmas o calculará la fecha de ejecución de la O.T., cuando exista una tendencia de las variables a extrapolar los límites establecidos.
• El cierre de las O.T. reprograma automáticamente la siguiente fecha de ejecución, sin necesidad de realizar un nuevo startup.

De la misma forma que la programación periódica, Engeman® emite O.T. consecutivas si el período solicitado por el usuario es lo suficientemente largo para permitir el proceso. De esta forma, la primera O.T. calculada se basará en medidas reales y los demás se calcularán a través de la función matemática establecida por la primera O.T. 

Cómo crear un control de tendencia en el Engeman®

Para este programa de mantenimiento, la definición correcta del punto de control es extremadamente importante, ya que definirá el inicio del análisis.

Veamos qué información se necesita en el Engeman® para definirlos bien:

• Descripción del Punto de Control

• • Máximo colectas: número máximo de colectas que se utilizarán para el cálculo de la regresión. Este campo se puede dejar en blanco para que se verifique todo el historial en el cálculo de regresión. Si se informa, solo se analizarán los últimos valores para calcular la tendencia de evolución de la producción.
  • Periodo del historial: similar al ítem anterior, el periodo del historial también es información opcional. Determina qué periodo de días se utilizará, desde la última colecta, hacia la primera, en el cálculo de la tendencia de evolución de la curva.

• Unidad de medida

• •  Número de lugares decimales: especifica el número de lugares decimales utilizados para los datos colectados. Deje este campo en blanco para que no haya formato.

• Tipo de Punto de Control

El llenado es obligatorio. Define una mejor organización para el registro de los puntos de control de una aplicación, hace más dinámica la rutina de movimiento de la aplicación, proporcionando menos trabajo al usuario y restringe posibles duplicidades de Tipos de Puntos de Control en la aplicación.

ATENCIÓN: este campo es la única información que garantiza la diferenciación entre los puntos de control de una misma aplicación, por lo tanto, si hay varios puntos de control del mismo tipo en la misma aplicación, se debe registrar un tipo diferente para cada uno de ellos.

• Set point: indica el valor normal de la variable medida.
• Tipo de regresión: determina el tipo de regresión que se usará para los gráficos de tendencias y la generación de O.T. Existen cinco tipos de regresión: Lineal, Logarítmica, Potencial, Exponencial y Polinomial, además del tipo Automático (estándar sugerido), donde se determina automáticamente la mejor curva de acuerdo con los datos.

Veamos a continuación más información sobre las curvas de regresión:

Curvas de regresión o líneas de tendencia

Las líneas de tendencia se utilizan para mostrar gráficamente la tendencia de los datos y analizar problemas relacionados con las predicciones. Este tipo de análisis también se denomina análisis de regresión (análisis de regresión: forma de análisis estadístico que se utiliza para hacer predicciones. El análisis de regresión calcula la relación entre variables, de modo que una determinada variable puede predecirse a partir de una o más variables diferentes).

Utilizando el análisis de regresión, es posible proyectar una línea de tendencia en un gráfico más allá de los datos reales para pronosticar datos futuros. Por ejemplo, el siguiente gráfico utiliza una línea de tendencia lineal con un pronóstico de cuatro meses para mostrar claramente la tendencia del crecimiento de los ingresos.

Tipos de líneas de tendencia

Vea a continuación los tipos de líneas de tendencia que tenemos:

Lineal

La línea de tendencia lineal es la línea recta que mejor se ajusta y se utiliza en conjuntos simples de datos lineales. Sus datos son lineales si el estándar de puntos de datos se parece a una línea. Una línea de tendencia lineal generalmente muestra que algo está aumentando o disminuyendo en un porcentaje constante.

En el siguiente ejemplo, una línea de tendencia lineal muestra claramente que las ventas de refrigeradores han crecido constantemente durante 13 años. Tenga en cuenta que el valor de R-cuadrado es 0,9036, lo que corresponde a un buen ajuste de la línea a los datos.

Logarítmica

La línea de tendencia logarítmica es una línea curva ajustada que se usa cuando el porcentaje de cambio en los datos aumenta y disminuye rápidamente y luego se nivela. Una línea de tendencia logarítmica puede usar valores negativos y/o positivos.

El siguiente ejemplo utiliza una línea de tendencia logarítmica para ilustrar el crecimiento previsto de la población animal en un área definida, mostrando que mientras la población se ha estabilizado, el espacio disponible para los animales ha disminuido. Tenga en cuenta que el valor R-cuadrado es 0,9407, lo que corresponde a un ajuste relativamente bueno de la línea a los datos.

Polinómica 

La línea de tendencia polinómica es una línea curva que se usa cuando los datos cambian. Es útil, por ejemplo, para analizar las ganancias y pérdidas de un gran conjunto de datos. El orden del polinomio se puede determinar por el número de flotaciones de datos o por la cantidad de oscilaciones (máximo y mínimo) de la curva. Por lo general, una línea de tendencia polinómica número 2 tiene solo un máximo o un mínimo. Por regla general, el número 3 tiene dos máximos o mínimos. El número 4 tiene más de tres.

El siguiente ejemplo muestra una línea de tendencia polinomial número 2 (un máximo) para ilustrar la relación entre la velocidad y el consumo de combustible. Tenga en cuenta que el valor de R-cuadrado es 0,9474, lo que corresponde a un buen ajuste de la línea a los datos.

Potencia

Una línea de tendencia de potencia es una línea curva que se utiliza con conjuntos de datos que comparan mediciones que aumentan a un ritmo específico, por ejemplo, la aceleración de un coche de carreras en intervalos de un segundo. No es posible crear una línea de tendencia de potencia si los datos tienen el valor 0 o valores negativos.

En el siguiente ejemplo, los datos de aceleración se muestran mostrando las distancias en metros por segundo. La línea de tendencia de potencia muestra claramente el aumento de la aceleración. Tenga en cuenta que el valor R-cuadrado es 0,9923, lo que corresponde a un ajuste casi perfecto de la línea a los datos.

Exponencial

La línea de tendencia exponencial es una línea curva, que se utiliza cuando los valores de los datos aumentan o disminuyen en porcentajes crecientes. No es posible crear una línea de tendencia exponencial si los datos incluyen cero o valores negativos.

En el siguiente ejemplo, la línea de tendencia exponencial se usa para ilustrar la disminución en el contenido de carbono 14 a medida que envejece un objeto. Tenga en cuenta que el valor de R-cuadrado es 1, lo que significa que la línea se ajusta perfectamente a los datos.

Importante: En la mayoría de los casos, en Engeman®, utilice la opción automática y ella misma, con base en el historial de colectas del punto de control, definirá la mejor función a utilizar. Sin embargo, si un determinado punto de control tiene la característica de oscilar demasiado, sugiriendo un gráfico de frecuencia, opte por colocar la regresión lineal, que será menos sensible a las variaciones momentáneas.

Conclusión

Este tipo de programación es quizás la más compleja para gestionar un área de mantenimiento, pero, aun así, los beneficios del mantenimiento predictivo son claros.

Cuando el mantenimiento predictivo funciona de manera efectiva como una estrategia de mantenimiento, el mantenimiento solo se realiza cuando es necesario, justo antes de que ocurra la falla probable. Esto trae ahorros de costos, con:

• minimización del tiempo de mantenimiento de los equipos;
• minimización de las horas de producción perdidas por mantenimiento;
• minimización del costo de repuestos y suministros.

La aplicación de mantenimiento predictivo puede conducir a un aumento del ROI de aproximadamente:

• 25% – 30% de reducción en los costos de mantenimiento;
• 70% – 75% de reducción de averías;
• 35% – 45% de reducción en el tiempo de inactividad.

Sin embargo, estos ahorros de costos tienen un precio. Algunas técnicas de monitoreo de condición son costosas y requieren personal especializado y experimentado, junto con la integración de estas técnicas con Engeman®, para que el análisis de datos sea efectivo.

Sin embargo, a pesar del alto costo inicial, permite realizar el mantenimiento solo cuando es necesario, lo que ayuda a las instalaciones a reducir costos, ahorrar tiempo y maximizar recursos.

En el próximo artículo continuaremos en el mundo del mantenimiento por condición de activos, pero hablando de un escenario que todavía poca gente utiliza, pero que también ofrece mucho para la gestión: Programación Eventual. ¡Hasta allá!

Siga también los primeros artículos de la serie Programación de Mantenimiento en Engeman®:

• 1ª – Periódica – Mantenimiento Basado en el Tiempo (TBM)
• 2.ª – Fecha Específica- Mantenimiento Basado en el Tiempo (TBM)
• 3.ª – Acumulativa – Mantenimiento Basado en Condición (MBC)