Este documento explica cómo calcular la frecuencia de muestreo óptima para análisis predictivos como el análisis de aceite, basándose en la curva P-F y considerando factores como la tasa de falla, los costos de inspección y de falla no detectada. Proporciona una fórmula matemática y un ejemplo numérico de cómo calcular la frecuencia de muestreo mensual recomendada para un reductor crítico. También incluye un software de cálculo para determinar de manera práctica la frecuencia de m
Este documento explica cómo calcular la frecuencia de muestreo óptima para análisis predictivos como el análisis de aceite, basándose en la curva P-F y considerando factores como la tasa de falla, los costos de inspección y de falla no detectada. Proporciona una fórmula matemática y un ejemplo numérico de cómo calcular la frecuencia de muestreo mensual recomendada para un reductor crítico. También incluye un software de cálculo para determinar de manera práctica la frecuencia de m
Este documento explica cómo calcular la frecuencia de muestreo óptima para análisis predictivos como el análisis de aceite, basándose en la curva P-F y considerando factores como la tasa de falla, los costos de inspección y de falla no detectada. Proporciona una fórmula matemática y un ejemplo numérico de cómo calcular la frecuencia de muestreo mensual recomendada para un reductor crítico. También incluye un software de cálculo para determinar de manera práctica la frecuencia de m
Este documento explica cómo calcular la frecuencia de muestreo óptima para análisis predictivos como el análisis de aceite, basándose en la curva P-F y considerando factores como la tasa de falla, los costos de inspección y de falla no detectada. Proporciona una fórmula matemática y un ejemplo numérico de cómo calcular la frecuencia de muestreo mensual recomendada para un reductor crítico. También incluye un software de cálculo para determinar de manera práctica la frecuencia de m
Descargue como PDF, TXT o lea en línea desde Scribd
Descargar como pdf o txt
Está en la página 1de 4
1
Autor: Jos Pramo/Presidente Techgnosis International
CLCULO DE FRECUENCIA DE MUESTREO EN ANLISIS DE ACEITES Y OTRAS TECNOLOGAS PREDICTIVAS
CONTENIDO Introduccin y Objetivos Explicacin Terica Software de Clculos Ejemplo de Aplicacin Prctica
ESTE TECHGNOTIP ME AYUDA A DEFINIR DE MANERA PRECISA, LA FRECUENCIA ADECUADA DE MUESTREO DE ACUERDO A LA CURVA P-F DE MI EQUIPO
2
INTRODUCCIN Y OBJETIVOS
EXPLICACIN TERICA
LA CURVA P-F Una falla potencial es un estado identificable que indica que una falla funcional est a punto de ocurrir
EL INTERVALO P-F Es el intervalo entre el momento que ocurre una falla potencial y su decaimiento hasta convertirse en una falla funcional. Obviamente, las tareas a condicin (frecuencias de inspeccin, muestreo, monitoreo) deben de realizarse a intervalos menores al Intervalo P-F
PREDICTIVO: LA CURVA P-F La Curva P-F muestra cmo comienza la falla, cmo se deteriora al punto en que puede ser detectada (Punto P) y luego, si no es detectada y corregida, contina deteriorndose generalmente a una tasa acelerada- hasta que llega al punto de falla funcional (F)
CLCULO DE LA FRECUENCIA DE INSPECCIN DE MANTENIMIENTO PREDICTIVO
Factor de Costo
La relacin del factor de costo es la siguiente:
La Serie de Techgnotips, a diferencia de otros artculos o tips que pueda encontrar, tiene como objetivo el APORTAR HERRAMIENTAS PRACTICAS PARA INCREMENTAR LA CONFIABILIDAD TRIBOLOGICA de la maquinaria y equipo en la Industria SIN abundar en largos textos explicativos que luego no se tiene el tiempo de leer y s, en cambio, el proporcionar a Ud. SOFTWARES de clculo inditos para su aplicacin inmediata
La frecuencia debe calcularse en base a la Curva P-F basados en el costo de las inspecciones versus el costo de no poder predecir la falla debido a lo anteriormente expuesto y, como una forma para calcular de manera formal la frecuencia de las inspecciones predictivas, se desarrolla a continuacin un modelo matemtico que proporciona el valor del tiempo entre inspecciones predictivas.
El valor del intervalo entre inspecciones predictivas ser directamente proporcional a tres factores: el factor de costo, el factor de falla y el factor de ajuste. As, la relacin matemtica estar definida como: I = C F A Donde: C es el factor de costo F es el factor de falla y A es el factor de ajuste
Se define como factor de costo, el costo de una inspeccin predictiva dividido entre el costo en que se incurre por no detectar la falla.
C = Ci / Cf Donde: Ci es el costo de una inspeccin predictiva (en unidades monetarias) Cf es el costo en que se incurre por no detectar la falla (en unidades monetarias)
3
Factor de Falla
La relacin del factor de falla es la siguiente:
F = #Fi /
Factor de Ajuste
A = - ln [1- EXP (-)] Una vez calculado el producto entre el factor de costo y el factor de falla, se procede a multiplicarlo por un factor de ajuste, el cual, estar basado en la probabilidad de ocurrencia de mas de 0 fallas en un ao utilizando (tasa de fallas expresada como fallas por ao). Para calcular este factor se utiliza la funcin matemtica de probabilidad de Poisson: logaritmo natural multiplicada por 1 (-ln), la cual, se comporta de una manera muy parecida al criterio gerencial de incremento o decremento del intervalo de inspeccin al tomar en cuenta la probabilidad de ocurrencia de mas de 0 fallas en un ao. A mayor probabilidad de ocurrencia, el intervalo de inspeccin predictiva se reducir de forma exponencial.
EJEMPLO DE CLCULO DE FRECUENCIAS
EJEMPLO DE CLCULO DE FRECUENCIAS
Se define como factor de falla la cantidad de fallas que pueden detectarse con la inspeccin predictiva dividida entre la tasa de fallas.
Donde: #Fi es la cantidad de fallas que pueden ser detectados utilizando la tecnologapredictiva (expresada en fallas por inspeccin) y es la tasa de fallas presentada por el equipo, y que adems, podran ser detectadas por la tecnologa predictiva a ser aplicada (expresada en fallas por ao) Ntese que la unidad del factor de falla es aos por inspeccin.
Como ejemplo podemos calcular el valor del intervalo de frecuencia de toma de muestras de aceite para un reductor crtico con tasa de falla de 1 vez cada 3 aos, costo de inspeccin de tecnologa predictiva de anlisis de aceite de US$ 20 y costo de no detectar la falla de US$ 20,000
Si la cantidad de fallas que se pueden detectar en el reductor utilizando anlisis de aceite es igual a 20 (viscosidad incorrecta, partculas contaminantes, metales de desgaste, agua, falta de aditivos, etc., etc.), el resultado ser:
C = Ci / Cf = US$ 20 / US$ 20,000 = 0.0010
F = Fi / = 20 (Nmero de fallas posibles por inspeccin) / 0.3333 fallas por ao = 60.0060 aos / inspeccin
A = - ln [1- EXP (-)] = A = - ln [1- EXP (-0.333)] = 1.2614
I = C x F x A = 0.0010 x 60.0060 aos / inspeccin x (1.2614) = 0.0876 aos / inspeccin
Si quisiramos calcular la frecuencia de inspeccin (f), solo debemos calcular el inverso del intervalo de inspeccin:
f = 1/ 0.0762 = 13.1986 veces por ao, lo cual, se puede aproximar a 1 inspeccin por Mes (0.9091 meses)
4
EJEMPLO DE CLCULO DE FRECUENCIAS
SOFTWARE DE CLCULO
Abrir archivo adjunto Instrucciones:
Paso # 1: Capturar la Tasa de Falla Anual, LAMBDA Paso # 2: Capturar el costo de anlisis de la tecnologa predictiva (anlisis de aceite) en moneda local Paso # 3: Capturar costo de falla por no haberla detectado en moneda local Paso # 4: Capturar el nmero de fallas que pueden detectarse con anlisis de aceite (valor tpico, 20: Aditivos deficientes, viscosidad fuera de lmites, acidez, oxidacin, partculas, agua, silicio, 12 metales de desgaste, etc.) Paso # 5: Se calcula el intervalo de muestreo en meses
EJEMPLO DE APLICACIN PRCTICA
Determinar la frecuencia de muestreo requerida para el reductor crtico
Capturar en campos sealados en amarillo los datos del rodamiento y condiciones de operacin:
PASO # 1. LAMBDA = 1/3 = 0.3333333 PASO # 2. Ci = 20 usd PASO # 3. Cf = 20,000 usd PASO # 4. # Fi = 20 PASO # 5. Deber de muestrearse cada 0.9091 meses
El costo anual de aplicacin de la tecnologa predictiva ser igual a 20 US$ multiplicado por la frecuencia de inspeccin, lo cual da como resultado 240 US$ por ao. Este monto representa un 1.2 % del costo de no poder predecir/detectar la falla.