Propuesta de herramientas basadas en fiabilidad para el modelado de sistemas productivos complejo

Resumen

La importancia de los costes de mantenimiento en procesos intensivos en el uso de activos, puede alcanzar hasta el 40% de los costes de producción, como, por ejemplo, en los procesos de la gran minería del Cobre (Consejo Minero, 2015). Dada su relevancia, resulta indispensable un estudio acabado de cada uno de los procesos, bajo un enfoque de mantenimiento y de coste de ciclo de vida. El estudio y modelado de fiabilidad, es la piedra angular para un análisis de mantenimiento, ya que se relaciona directamente con el comportamiento de fallos de cada uno de los componentes hasta establecer la relación de dependencia dinámica de cada uno de los equipos en estudio, aspectos que son fundamentales para evaluar criticidad y proyectar costes en fases de inversión y operación (CAPEX y OPEX) (Parra et al., 2012). El modelado de fiabilidad, basa su análisis en la ocurrencia de los fallos de un equipo, a través de distribuciones probabilísticas que permiten ajustar los tiempos de buen funcionamiento, las que dan origen a la función de fiabilidad. Dentro de las distribuciones más utilizadas, están la Exponencial y la Weibull, que permiten modelar el comportamiento de un componente durante todo su ciclo de vida; con fases de rodaje, vida útil y degaste, a través de la curva de la bañera (Dhillon, 2006). El modelado de fiabilidad por componentes se hace extensivo a procesos productivos, lo que permite conocer la fiabilidad por componente y sistemas en su conjunto. Sobre este punto, existen diversas metodologías como Reliability Block Diagram (RBD) (Rausand and Hoyland, 2003; Guo and Yang, 2007), Cadenas de Markov (Welte, 2009), Árboles de Fallo (Rauzy et al., 2007), Gráficos de Fiabilidad (Distefano and Puliafito, 2009), Redes de Petri (PNs) (Volovoi, 2014), entre otros. No obstante a lo anterior, existen relaciones de equipos que, dada su configuración, no es posible modelarlas con las técnicas tradicionales. La realidad de los procesos industriales evidencia que una mayor flexibilidad en dichos procesos mejora la productividad, la eficiencia del propio proceso y, en definitiva, los resultados generales de la empresa. En ese contexto, los sistemas dinámicos alcanzan una gran importancia en el modelado de los procesos productivos. Los sistemas dinámicos son aquellos que cambian con el tiempo, es decir, pueden variar sus relaciones de dependencia con el entorno o bien, su habilidad de funcionar en diversos escenarios. El tema de investigación principal de la presente Tesis Doctoral, presentado en el formato por Compendio de Publicaciones, se desarrolla en la revisión y proposición de las técnicas de modelado de fiabilidad, para la evaluación de impacto de fiabilidad y fallos de elementos individuales que se encuentren inmersos en procesos productivos complejos, permitiendo evaluar la criticidad operacional de cada uno de ellos. La determinación del indicador de criticidad operacional es de vital importancia para la identificación de riesgos operacionales en el interior de los procesos productivos de las empresas, permitiendo facilitar el proceso de toma de decisión de manera efectiva. Actualmente , en la literatura existen diversas investigaciones desarrolladas para identificar los factores que afectan directamente la maximización de beneficios. Estos factores se fundamentan en la consideración empírica de los indicadores de fiabilidad, mantenibilidad y disponibilidad (RAM) (Viveros et al., 2012). Como resultado principal del trabajo de doctorado, se obtienen 3 artículos ISI – JCR y la presentación de 4 artículos en congresos internacionales con proceedings. En cada una de estas publicaciones, el candidato a doctor es el primer autor y su tutor, el segundo. El proyecto de Tesis Doctoral que se presenta, se enmarca dentro de la línea de investigación del grupo Sistemas Inteligentes de Mantenimiento - SIM, perteneciente al Departamento de Organización Industrial y Gestión de Empresas de la Universidad de Sevilla.