Cómo elegir la estrategia correcta de mantenimiento para componentes de desgaste: un marco de decisión estadística de cinco pasos
RESUMEN DE SESIÓN:
La mayoría de las plantas gestiona sus componentes de desgaste críticos oscilando entre dos paradigmas igualmente costosos: correr hasta fallar o intervenir por calendario fijo. El problema no es falta de datos es falta de un marco que estructure cómo leerlos antes de elegir una estrategia.
Esta sesión spark presenta un árbol de decisión de cinco pasos que lleva al ingeniero desde el registro histórico del CMMS hasta la política de mantenimiento óptima cuantificada económicamente. El primer nodo el más ignorado en la práctica es determinar si el componente vuelve a estado «como nuevo» tras la intervención o si el sistema conserva memoria de daño operativo. Esa distinción define qué análisis estadístico es válido y qué conclusiones son legítimas.
Para componentes no reparables, el parámetro de forma de la distribución Weibull (β) actúa como traductor entre estadística y decisión en planta: β < 1 exige eliminación de causas raíz — el preventivo por calendario bajo ese régimen es económicamente destructivo; β ≈ 1 orienta hacia mantenimiento basado en condición; β > 1 justifica un intervalo óptimo de reemplazo calculado explícitamente. La Función de media acumulada (MCF) y el análisis Crow-AMSAA permiten auditar si la estrategia adoptada produce mejora real en la flota.
El método se demuestra con un caso de validación de tres años y 578 eventos en una flota de bombas de proceso. El asistente saldrá con criterios concretos para diagnosticar el patrón dominante de falla de su flota, seleccionar la política correcta y justificar esa decisión ante su gerencia. El marco es aplicable a sellos mecánicos, rodamientos, impulsores y cualquier componente no reparable de desgaste en equipos rotativos — petroquímica, minería, farmacéutica, papel e industria pesada.
