Curva de la bañera: libérese de la trampa del azar

Todos hemos escuchado de los expertos en confiabilidad que la “curva de la bañera” (la pobre y malentendida curva de la bañera) no refleja con precisión la tasa de fallas de una máquina en función del tiempo. Si bien hay mucho de verdad en esta premisa, hay más en la historia, y comprender verdaderamente la relación entre la tasa de fallas y el tiempo puede ayudarlo a lograr mejoras revolucionarias en la confiabilidad.

Antes de continuar, tenga presente que la conocida curva de la bañera es un modelo conceptual que generalmente define todas las regiones de tasa de falla probable que una máquina, un componente o un modo de falla individual podría exhibir en función del tiempo, los ciclos o las millas (en este artículo nos centraremos en el tiempo). Estas regiones incluyen la mortalidad infantil, la tasa de falla constante y el desgaste. Notablemente ausente de la curva de la bañera convencional está el escenario de tasa de falla que aumenta linealmente, que se observa comúnmente en los equipos, pero que puede reemplazar el área plana de la curva convencional.

Antes de continuar leyendo, abandone la idea de que se espera que la curva ilustre la vida útil confiable de sus máquinas o sistemas específicos a lo largo del tiempo.

Para evitar una avalancha de correos electrónicos desagradables, la afirmación de los expertos en confiabilidad de que la mayoría de las máquinas presentan una tasa constante de fallas en función del tiempo durante la mayor parte de su vida útil es generalmente correcta. El período de tasa de fallas constante a menudo sigue a un período de mortalidad infantil (la vida temprana de la máquina) durante el cual la tasa de fallas es elevada. Los expertos en mantenimiento centrado en la confiabilidad utilizan correctamente esta información para modificar y optimizar los planes de mantenimiento. Nuevamente, para los equipos mecánicos, la tasa de fallas a menudo aumenta linealmente en función del tiempo.

Sin embargo, quiero cambiar su visión del período de tasa de fallas constantes, la región en la que la mayoría de sus máquinas pasan la mayor parte de sus vidas una vez que sobreviven a la mortalidad infantil. A esto se le suele llamar el período de fallas “aleatorio”, lo que probablemente explica por qué es la región menos comprendida. Si bien la tasa de fallas puede ser matemáticamente aleatoria porque las máquinas no muestran una relación temporal definitiva, eso no quiere decir que las fallas no tengan causa. Aceptar que las fallas son matemáticamente aleatorias puede hacer que el individuo o la organización acepten la creencia de que la tasa de fallas no se puede controlar (un error común).

La respuesta típica y adecuada a una tasa de fallas constantes es desarrollar un programa de inspección y monitoreo adecuado y emplear un mantenimiento basado en la condición. El pilar predictivo del mantenimiento basado en condición (CMB, por sus siglas en inglés) sigue siendo reactivo; es una forma mucho más aceptable que esperar hasta que se vea afectada la función de la máquina, pero es reactivo de todos modos. Si aceptamos que la tasa de fallas es aleatoria y no logramos comprender por qué ocurren las fallas, perdemos oportunidades de alterar proactivamente la tasa de fallas a través de cambios en el diseño de la máquina, el contexto operativo y el control de las condiciones ambientales.

En realidad, el período de tasa de falla constante parece constante porque: a) algunos de los modos de falla son de hecho aleatorio en función del tiempo, y b) hay tantos modos de falla no relacionados que contribuyen a la tasa general, que el resultado parece ser aleatorio (Figura 1). Para modos de falla verdaderamente aleatorios, CBM es su mejor opción. Sin embargo, si el tiempo hasta la falla pudiera evaluarse individualmente modo por modo, probablemente descubriría que muchos de los modos de falla individuales de hecho muestran una relación temporal, que aumenta o disminuye en función del tiempo. Si se puede establecer una relación definitiva entre la tasa de falla y el tiempo para un modo de falla, específico, puede tomar medidas proactivas para cambiar la relación. Cuando todos los modos se agrupan para producir una tasa de falla constante, lo que crea una apariencia aleatoria, todo lo que puede hacer es esperar la próxima falla, esperar que el programa de monitoreo la detecte y luego reaccionar ante ella.

Si se puede establecer una dependencia temporal para un modo de falla dado que exhibe una tendencia central clara (promedio) y una pequeña cantidad de dispersión (desviación estándar), y el diseño de la máquina, el contexto operativo o el contexto ambiental no se pueden modificar, aún se tiene la opción de seleccionar una tarea de mantenimiento de “tiempo difícil”. Me doy cuenta de que estoy oponiéndome a la convención moderna, que está orientada hacia el CBM como mejor práctica. A pesar del poder del monitoreo de condición, las tareas de mantenimiento programadas de tiempo difícil siguen siendo las más fáciles de planificar y, por lo general, las menos costosas de ejecutar. Si un modo de falla para una máquina sugiere una dependencia temporal clara, y los objetivos de confiabilidad se pueden lograr de manera más efectiva y eficiente al abordarlo mediante acciones de tiempo difícil, entonces ese debería ser su curso de acción. Sin lugar a duda, para los modos de falla sin una dependencia temporal clara, el CBM es el curso preferido.