Ingenieria de La Confiabilidad Arata & Arata

ADOLFO ARATA
ALESSIO ARATA
Ingeniería de la
Confiabilidad
Teoría y aplicación en proyectos de
capital y en la operación de instalaciones
industriales a través del enfoque R-MES
Esteban Heidke
(Presentación de casos)
RIL editores
bibliodiversidad
Ingeniería de la confiabilidad
Adolfo Arata Andreani
Alessio Arata Bozzolo
Teoría y aplicación en proyectos de capital y
en la operación de instalaciones industriales
a través del enfoque R-MES
Presentación de casos
Esteban Heidke
Prologuistas
Marco Garetti
Giancarlo Bruno
Horacio Bergero
Ademir Ramírez
658.5 Arata, Adolfo
A Ingeniería de la confiabilidad / Adolfo Ara-
ta. – – Santiago : RIL editores, 2013.
360 p. ; 21 cm.
ISBN: 978-956-284-967-8
1 Administración de la producción.
Primera edición: marzo de 2013
© Adolfo Arata, 2013

Registro de Propiedad Intelectual
Nº 219.745
© RIL® editores, 2013

Los Leones 2258
7511055 Providencia
Santiago de Chile
Tel. Fax. (56-2) 2238100
ril@rileditores.com • www.rileditores.com
Composición, diseño de portada e impresión: RIL® editores
Impreso en Chile • Printed in Chile
ISBN 978-956-284-967-8
Derechos reservados.
Índice
Prólogo ...........................................................................................13
Marco Garetti
Prólogo ...........................................................................................17
Giancarlo Bruno
Prólogo............................................................................................21
Horacio Bergero
Prólogo............................................................................................25
Ademir Ramírez
Presentación.....................................................................................29
Capítulo Introductorio
Gestión de activos: Factor necesario para el
logro de la competitividad
1. Competitividad empresarial.........................................................33
2. Gestión de activos........................................................................34
3. Confiabilidad operacional............................................................35
4. Ingeniería de la Confiabilidad.......................................................36
6. Transformación de la cultura organizacional................................37
7. Aplicación de la plataforma R-MES.............................................39
Capítulo Uno
Impacto de la gestión de los activos en el negocio
1. Competitividad sustentable .........................................................41

2. Competitividad en la empresa intensiva en activos ......................52
3. Confiabilidad Operacional...........................................................56
4. Rol táctico-estratégico de la gestión de activos.............................60
5. Estructura organizacional.............................................................66
6. Ingeniería de la Confiabilidad ......................................................74
Capítulo Dos
Enfoque R-MES
1. Visión sistémica..........................................................................103
2. El enfoque R-MES......................................................................104
3. Elementos conceptuales del enfoque R-MES...............................111
Capítulo Tres
Plataforma informática R-MES
1. Introducción...............................................................................215
2. Aspectos generales de la plataforma R-MES...............................216
3. Análisis histórico........................................................................223
4. Análisis probabilístico................................................................231
5. Otras capacidades......................................................................237
Capítulo Cuatro
Presentación de caso en la fase de Proyecto de capital
1. Introducción...............................................................................241
2. Proceso para el desarrollo del caso.............................................242
3. Desarrollo del caso de una planta de conminución.....................245
4. Comentarios finales....................................................................278
Capítulo Cinco
Presentación de caso en la fase de Operación de una Planta
1. Introducción...............................................................................281
3. Desarrollo del caso de una Planta de molienda y chancado........282
Capítulo Seis
Presentación de caso en la fase de Operación de una Flota
1. Introducción...............................................................................321
3. Desarrollo del caso de una flota de equipos................................322
Bibliografía y Referencias...............................................................351
Índice de figuras.............................................................................357
Índice de tablas..............................................................................365
Al caro amico scomparso Luciano Furlanetto
La Sua dimensione umana e il Suo contributo
alla mia formazione rimarranno per sempre
nella mia memoria.
Prólogo
Conozco desde hace muchos años al Profesor Adolfo Arata dado nues-
tra larga relación de más de un decenio en el ámbito docente y científi-
co. En la actividad formativa de postgrado nos hemos ocupado, tanto
en Chile como en Italia, del desarrollo de los programas de magister en
el área de la gestión y el mantenimiento de activos, mientras que en el
ámbito científico y de la investigación aplicada, con el apoyo financiero
europeo, nos hemos relacionado a través del intercambio de alumnos,
investigadores y docentes, en la colaboración empresarial, en la publi-
cación de artículos científicos y en la concepción de nuevas soluciones
de software para la ingeniería del mantenimiento.
En todos estos años de cercanía y de trabajo con Adolfo Arata se ha
generado entre nosotros una amistad que ha terminado por relacionar
también a nuestras familias y a tantos de nuestros colaboradores. De
esta forma se fue creando un profundo vínculo entre nuestros dos equi-
pos de investigación, relación que ha activado y mantiene un fecundo
intercambio cultural, que espero pueda todavía continuar y desarro-
llarse aún más en el futuro. Por lo que el lector de esta presentación
notará que a continuación me referiré al autor de este libro simplemen-
te como Adolfo, que es la forma que mejor me acomoda y que refleja
nuestra larga relación.
Este libro que Adolfo hoy publica, con quien frecuente y reciente-
mente nos reunimos, no es una sorpresa para mí. Sin embargo puedo
decir con convicción que este libro, del que conozco bien su desarrollo,
constituye un notable y original avance en el campo de la gestión y el
mantenimiento de los activos que permitirá al lector descubrir un enfo-
que completamente nuevo en esta área del conocimiento y su aplicación.
La originalidad del enfoque, del punto de vista estratégico, se descu-
bre inmediatamente a partir del capítulo introductorio y particularmente
desde el primer capítulo, en el cual el mantenimiento es presentado en
13
A. Arata
una nueva perspectiva sistémica: no como una de las diversas funciones

empresariales sino como la llave que permite a una instalación indus-
trial, cualquiera sea su naturaleza, cumplir con la entrega del servicio
para la cual fue concebida. En el libro se demuestra cómo el manteni-
miento tiene una característica muy específica dada por su intervención,
es decir a nivel micro, sin embargo su impacto es global, es decir a nivel
macro, pudiendo constituir, a través de su correcta gestión, un elemento
fundamental para la competitividad empresarial.
Del punto de vista aplicado, la originalidad del libro es que permi-
te entregar finalmente una base cuantitativa del análisis del Life Cy-
cle Cost (LCC) o del Total Cost of Ownership (TOC) según como,
en términos equivalentes, se le quiera llamar. Se trata de hecho de la
posibilidad de calcular de manera cuantitativa el costo esperado de un
asset complejo durante su ciclo de vida, teniendo en consideración su
futuro comportamiento simulado. Es oportuno destacar que este no
es un aporte trivial. Si bien en la actualidad mucho se habla de LCC y
TCO la realidad es que, después de su formulación teórica, es de fácil
comprensión, ya que en términos simples no es más que la suma de to-
dos los tipos de costos: de inversión, de operación y de mantenimiento
de un asset durante todo su ciclo de vida, queda la dificultad y muchas
veces la incapacidad de entregar resultados cuantitativos y rigurosos
por la complejidad de los sistemas. Adolfo, en cambio, nos propone la
definición cuantitativa mediante el uso del enfoque R-MES y R-MES
Project, desarrollado por el Centro de Desarrollo de Gestión Empresa-
rial, CGS, que conformó hace mucho tiempo atrás. El autor basa este
enfoque en el modelo que llama Asset Operational Reliability. Yo esti-
mo que el concepto que Adolfo ha formulado es aún más amplio, por
lo que debería ser definido como Asset Operational Availability, en el
que el término «operational» es el que genera la diferencia, en el senti-
do que al poner Operational delante de la Availability significa evaluar
la disponibilidad bajo las reales condiciones operativas, teniendo, por
lo tanto, en cuenta la confiabilidad de los equipos y de las personas,
la gestión de los repuestos, y la mantenibilidad. De esta interpretación
tuve la oportunidad de conversar con Adolfo, con el propósito de reto-
mar esta evolución conceptual en un nuevo libro que desarrollaremos
en conjunto, que tendrá como base fundamental el uso del enfoque y la
plataforma R-MES Project.
14
Aprovecho esta presentación para entregar algunos aspectos técni-

cos en beneficio de aquellos lectores interesados en la profundización
de los elementos de modelación. Desde este punto de vista, la novedad
del enfoque consiste en haber utilizado la diagramación RBD, con al-
gunos importantes desarrollos particulares, para la representación del
sistema físico. De este modo, el modelo que se obtiene resulta del tipo
analítico, permitiendo una síntesis algorítmicamente muy compacta de
sistemas muy complejos. Esto permite obtener la solución del sistema
modelado directamente en un solo paso de cálculo y en tiempos extre-
madamente reducidos. Este modelo es sucesivamente gestionado por
un proceso de simulación de Montecarlo, que permite visualizar el sis-
tema en el tiempo de manera de poder reproducir con mucha facilidad
el comportamiento de la confiabilidad y la operación del sistema. La
novedad de este enfoque respecto a aquellas soluciones experimenta-
das pero muy lentas por su naturaleza empírica basadas en el uso de la
simulación de eventos discretos, me ha motivado a promover y firmar
un acuerdo de colaboración entre mi Departamento del Politecnico di
Milano y CGS, con el objeto de desarrollar una experimentación del
enfoque R-MES Project con su plataforma informática en el campo de
la manufactura (producción discreta, como son en general las produc-
ciones de base mecánica: autos, electrodomésticos, etc.). De hecho, el
enfoque de modelación R-MES ya ha demostrado de ser muy eficaz
en las producciones de procesos y de flotas de equipos, donde CGS ha
efectuado numerosas y exitosas aplicaciones. Ahora queda por demos-
trar su validad aplicativa en las producciones discretas, cuya experi-
mentación es un challenge que nos ocupará en el futuro próximo.
Un último comentario sobre el contenido del libro.
Quizás porque la madurez empuja a proyectarse hacia adelante con
una actitud de innovador, pero también los años permiten mirar hacia
atrás para ver aquello que justifica y da consistencia a las nuevas in-
tuiciones, Adolfo ha querido presentar en este libro también algunos
elementos de divulgación tradicional, que son la base de su visión de
la Ingeniería de la Confiabilidad implementada a través del enfoque
R-MES. El resultado es un texto completo, que permite al lector tanto
obtener la visión estratégica y sistémica del enfoque, como también
conocer las diversas metodologías necesarias para lograr la aplicación
concreta (desde la metodología RBD, las ecuaciones de Weibul, a los
15
A. Arata
procesos de limpieza de datos, a los indicadores de las prestaciones

para la identificación de las oportunidades de mejoras, etc.).
Es un libro de gran valor no solo para los alumnos de ingeniería
sino también para aquellos profesionales que están haciendo esfuerzos
para incorporar de manera simple pero rigurosa la Ingeniería de la
Confiabilidad en la industria intensiva en activos físicos.
Marco Garetti
Full Professor of Industrial Technology at Politecnico di Milano
Director of meGMI, Executive Master of Industrial
Maintenance Management, Business School of
Politecnico di Milano
Fellow member of the ISEAM (Int. Society of
Engineering Asset Management)
Milano (Italia), diciembre de 2012
16
Prólogo
Actualmente la gestión de los activos, como también su diseño, se ha

transformado en un factor determinante en el desempeño operacional
de las empresas. Cada vez más aumenta su reconocimiento en las ins-
talaciones industriales intensivas en equipos, ocupando mayor visibili-
dad aún en aquellas organizaciones que propenden hacia la excelencia,
las que necesariamente buscan proyectarse en el mediano y largo plazo
a través del permanente aumento de su competitividad de manera de
asegurar su crecimiento o, en caso contrario, estar expuestas a ser de-
voradas por los competidores existentes en el mercado global.
Una buena gestión de activos implica, habitualmente, un mejora-
miento de los resultados financieros sostenibles en el tiempo.
En una organización con una visión estratégica de posición com-
petitiva de costos, en el Seriatim de competidores en un período de
tiempo definido, la gestión de activos se debe iniciar en las etapas
tempranas del proyecto, Ingeniería Conceptual, Prefactibilidad y Fac-
tibilidad; de manera de asegurar que en la fase de diseño se decida
por equipos que tienen la confiabilidad y la mantenibilidad esperada,
de modo de asegurar y cautelar la seguridad operacional de las ins-
talaciones, considerando la experiencia de la industria y el entorno
particular de operación.
En los nuevos diseños de proyectos se tiende cada vez más a in-
troducir conceptos como el TCO (Total Cost Ownership), que busca
confrontar el costo de capital (CAPEX) con los costos de operación
(OPEX) y los costos asociados a la falta de producción por detenciones
no programadas, de manera de identificar la mejor solución durante
todo el ciclo de vida de las instalaciones y los equipos.
Para que la gestión de activos logre el objetivo final de agregar
valor, debe tener una mirada amplia y de largo plazo, tomando como
referencia la experiencia real promedio de la industria con los distintos
17
A. Arata
equipos que la conforman. El resultado de esta referencia es de gran

valor entregando, muy probablemente, soluciones bastante distintas a
las que se hubieran obtenido mediante el solo análisis teórico de los
equipos habitualmente provisto por los fabricantes.
Una vez que los equipos han sido cuidadosamente seleccionados
y en el proyecto se ha considerado e incorporado la experiencia ope-
racional que asegure la mantenibilidad y la operatividad, entonces el
desafío es lograr la mayor confiabilidad operacional posible.
La tecnología ha aumentado considerablemente la complejidad de
los equipos, lo que exige la necesidad de ingenieros y técnicos en man-
tenimiento de mayor formación académica, por cierto muy escasos en
el mercado laboral actual, lo que habitualmente obliga a la industria
a complementar la formación universitaria y de institutos de técnicos.
Lo anterior evidencia que el primer activo necesario de gestionar
adecuadamente en todas sus dimensiones son las personas. Contar con
el equipo humano adecuado y motivado, permite una alta probabili-
dad de éxito en la gestión de activos, como en cualquier otra actividad
requerida, con los beneficios económicos y sociales que ello implica.
El paso siguiente es hacer bien lo básico, me refiero a lograr un buen
desempeño no solo en mantenimiento preventivo, sino también inclu-
yendo el mantenimiento sintomático y proactivo, lo cual requiere de una
disciplina bien definida en cuanto a los criterios de aceptabilidad y, ade-
más, de un sistema informático adecuado para su administración.
Para lograr este cambio la Ingeniería de la Confiabilidad se transfor-
ma en un proceso clave, que permite disminuir a valores aceptables los
errores de diseño y las malas prácticas operacionales, en una estructura
organizacional clara y con procesos de trabajo formalmente establecidos.
Adolfo Arata Andreani, de quien fui alumno en la Universidad
Técnica Federico Santa María, actualmente profesor de varias uni-
versidades en Chile y el extranjero, y consultor internacional, expone
en su libro «Ingeniería de la Confiabilidad» la teoría y la aplicación
práctica para el desarrollo de proyectos de capital y para la operación
de instalaciones industriales, a través del enfoque R-MES, elementos
que al ser aplicados de manera adecuada permiten lograr los niveles
de confiabilidad esperados.
Este libro debiera ser conocido y aplicado como una valiosa herra-
mienta por las organizaciones de intensivas en activos, que tengan como
objetivo hacer de la gestión de los activos una clara ventaja competitiva.
18
Felicito a Adolfo Arata y a su equipo de trabajo, tanto del ámbito

académico como de la consultoría, por su valiosa contribución a la
gestión de activos mediante la implementación y el desarrollo de la
Ingeniería de la Confiabilidad a través del novedoso enfoque R-MES
presentado en este texto.
Giancarlo Bruno Lagomarsino

Vicepresidente de Operaciones de Anglo American Norte
Fue: Presidente de Collahuasi

Vicepresidente de Operaciones de Collahuasi
Gerente General El Soldado
Gerente General Mantos Blancos
Gerente de mina Los Bronces
Santiago (Chile), diciembre de 2012
19
Prólogo
Hoy, en la mayor parte de las empresas de nivel mundial intensivas

en activos físicos, el mantenimiento conceptualmente es visto como
un factor estratégico y no solo como un costo necesario para las
operaciones industriales. En la actualidad, desde lo intelectual po-
cos profesionales ponen en duda que una buena gestión del man-
tenimiento puede convertirse en una herramienta fundamental para
el mejoramiento continuo de los procesos industriales. Esto bajo la
perspectiva de una gestión integral de los equipos que exige nuevas
responsabilidades relacionadas con el ataque sistemático a todo tipo
de pérdidas, las que no solo se limitan a las clásicas interrupciones
técnicas de las máquinas y los equipos, sino que deben incorporar los
aspectos relacionados con la calidad, la seguridad, el medio ambiente,
la gestión energética, la reingeniería de los equipos, etc. Este enfoque
intelectual, si bien es de fácil comprensión, pocas veces logra plas-
marse en la realidad debido, fundamentalmente, a tres causas básicas
concatenadas entre sí; un Top Management focalizado en el corto
plazo, una baja capacidad de gestión estratégica en los Managers de
Mantenimiento y una escasa atracción profesional del área para los
jóvenes talentos necesarios.
Es dificultoso que el Top Management de nuestras empresas logre
apartarse de la cuenta económica y del logro de los objetivos anua-
les, para focalizarse complementariamente en la implementación de
un complejo plan de largo plazo como lo requiere una la gestión del
mantenimiento para lograr transformarse en un factor clave en la dife-
renciación con sus competidores.
Por otra parte, los responsables de las áreas de mantenimiento no
consiguen superar su orientación limitada a la gestión técnica diaria,
orientada fundamentalmente a la ejecución del mantenimiento para lo-
21
A. Arata
grar incorporar una visión de largo plazo que permita el diseño un nue-
vo modelo organizativo basado en la gestión integral de los equipos.
Top managers y responsables del mantenimiento, deben superar la
permanente discusión sobre el nivel de fallas de los equipos y los costos
del mantenimiento asociados, para alcanzar una visión integrada y una
tarea común, que permita generar una nueva manera de ver, organizar
e implementar una gestión de los activos durante todo el ciclo de vida
de los equipos, desde su diseño hasta su desmantelamiento.
Además, es imposible pretender organizar una gestión de excelen-
cia del mantenimiento sin los adecuados recursos humanos, los que
cada vez más necesitan nuevas competencias técnicas y de gestión
considerando la evolución tecnológica de los equipos y respetando las
complejas legislaciones a las que estamos sometidos.
A la actual escasez mundial de ingenieros, debemos sumarle el he-
cho de la llegada de una nueva Generación Y, quienes cuentan con un
perfil totalmente diferente al anterior que le atrae aún menos la gestión
del mantenimiento que la generación precedente. Las empresas que de-
seen implementar una verdadera gestión del talento, deberán generar
los mecanismos necesarios para atraer a los mejores profesionales del
mercado, desarrollarlos en el menor tiempo posible y, en especial, re-
tenerlos por muchos años en la empresa respondiendo no solo con
sus expectativas económicas, sino que, además, aquellas relacionadas
con su desarrollo profesional y con el logro de un equilibrio razonable
entre trabajo y familia, donde la calidad de vida sea un factor consi-
derado en esta ecuación global de satisfacción laboral. Es fundamental
diseñar un nuevo modelo de gestión de los equipos, que además se
transforme en atractivo desde el punto de vista técnico y gestional para
los jóvenes talentos; como lo es en su esencia, pero que se ha degradado
por un equivocado sistema implementado durante las últimas décadas.
En Tenaris estamos enfrentándonos con el desafío de rediseñar
el actual modelo de mantenimiento implementado hace 25 años, el
que si bien ha dados sus frutos, los que se manifiestan con claridad al
observar que nuestros parámetros de confiabilidad están entre los de
mejor performance en comparación con empresas similares del rubro
siderúrgico a nivel internacional, hemos decidido evolucionar. Vamos a
incorporar un modelo de Confiabilidad Operacional que nos permita
transformar esta área en una herramienta fundamental para la mejora
global de los resultados del negocio, a través de la incorporación de
22
una gestión integral de los equipos y de la creación de un ambiente or-

ganizacional con mejores condiciones para el desarrollo de nuestros jó-
venes profesionales. Para enfrentar este desafío estamos pensando en la
generación de cambios organizativos, en la implementación definitiva
de una gestión del mantenimiento autónomo, en el diseño de un proce-
so diferente de gestión del conocimiento (Knowledge Management) y
en la redefinición de nuestro modelo de Ingeniería de Mantenimiento.
En mi experiencia en Italia como Director Industrial en TenarisDal-
mine, de las labores que he desarrollado como Coordinador Global de
las actividades de mantenimiento de todas las plantas de Tenaris a nivel
mundial, de mis responsabilidades como Director de la Tenaris Univer-
sity y de mi actual rol como Director del Área Proyectos Industriales,
he tenido la oportunidad de trabajar en repetidas oportunidades con
Adolfo Arata, autor de este nuevo libro, ya sea en su rol de consultor es-
pecializado en temas de ingeniería de mantenimiento y en su desempeño
académico en aspectos específicos. En todas estas oportunidades siempre
se ha destacado por sus conocimientos y capacidad didáctica.
En estos momentos, en ejercicio de mi nueva función, me encuentro
abocado al proyecto de rediseño del Modelo de Mantenimiento en Te-
naris, para lo que no he dudado por un momento en convocar al Ing.
Adolfo Arata Andreani como uno de los mayores expertos mundiales
en el tema de Ingeniería de la Confiabilidad para que se incorpore, en
lo posible, a nuestro equipo de trabajo, con la certeza de que su aporte,
basado en una larga y fructífera experiencia, será fundamental para
alcanzar el éxito que estamos buscando.
He recorrido las páginas de este libro, Ingeniería de la Confiabilidad:
Teoría y aplicación en proyectos de capital y en la operación de instala-
ciones industriales, a través del enfoque R-MES, comprobando que en
este texto se ha volcado de manera clara toda la experiencia internacio-
nal desarrollada en muchos años no solo producto de su trabajo acadé-
mico y de investigación pura, sino también de lo realizado en diferentes
empresas de relieve internacional.
Estoy convencido de que este nuevo libro de Adolfo Arata posee
todos los elementos necesarios para convertirse en un poderoso ins-
trumento de formación, por lo que lo recomiendo enfáticamente para
estudiantes universitarios de ingeniería. Pero también es un valioso
aporte para los Gerentes de Mantenimiento en su permanente actua-
lización y necesario crecimiento profesional. Para nuestro caso especí-
23
A. Arata
fico, este libro se transformará en material de lectura obligatorio para

todos quienes participamos en esta aventura de reorganizar la gestión
de nuestros equipos de cara a los próximos 20 años.
Horacio Bergero
Director del área de Proyectos Industriales en Tenaris
Fue: Director Industrial de TenarisDalmine en Italia.

Coordinador Global del mantenimiento a nivel global en Tenaris.
Director de Tenaris University.
Buenos Aires (Argentina), Agosto del 2012
24
Prólogo
Durante mi ejercicio profesional dedicado al diseño en todas las fases

propias de la ingeniería asociadas con el desarrollo de un proyecto in-
dustrial, particularmente aquellos relacionados con los Procesos Minero-
Metalúrgicos y Minero-Químicos, una de las inquietudes que he tenido
que enfrentar frecuentemente ha sido la forma de compatibilizar y evolu-
cionar desde el ámbito estocástico y cambiante en el tiempo y el espacio,
como son los yacimientos mineros, hacia aquel metodológicamente de-
terminístico, como es el del diseño de ingeniería. Desafío aún más com-
plejo de enfrentar considerando la cultura generada con las denominadas
«buenas prácticas de la ingeniería», que están basadas en varios supues-
tos y premisas, que a la luz de actuales proyectos, han demostrado estar
obsoletas y también, en algunos casos, ser totalmente falsas.
Una de estas premisas se relaciona con la práctica de calcular por el
lado seguro de «la realidad» que busca definir el diseño de los procesos
para el caso más desfavorable desde el punto de vista de la caracteriza-
ción del depósito, identificadas como Unidades Geometalúrgicas para
los metales bases y preciosos (UGM) y como Unidades Geoquímicas
para los yacimientos no metálicos o de metales estratégicos como el Li-
tio (UGQ), sin importar cuál es el vector de extracción de mineral en el
tiempo, considerando cuándo se extraerá y por cuánto tiempo, ni cuál
es el peso relativo de esta unidad con respecto a las reservas minables
totales. Esta premisa actualmente está en discusión y cuestionamiento
ya que genera un gran sobredimensionamiento del sistema productivo
cuando se benefician las UGM o UGQ con las mejores leyes y minera-
logía, lo que dadas las restricciones que impone el costo del dinero en
el tiempo desfavorece significativamente la rentabilidad del proyecto.
Otra de las premisas está relacionada con la práctica de fijar un
nivel de disponibilidad y de capacidad productiva por sobre las necesi-
dades, de manera compensar las detenciones no programadas produc-
25
A. Arata
to de las fallas de los equipos o de su inadecuada operación, a través

de factores de diseño definidos por el «juicio experto», determinado
de manera consensuada entre el diseñador y el usuario, sin efectuar
ningún análisis riguroso del nivel de confiabilidad del performance del
sistema determinado sobre una base estadística, que permita obtener el
comportamiento operacional y de mantenimiento de los equipos que
componen el sistema durante todo el ciclo de vida económica (LCC),
de manera que el sistema sea capaz de operar el tiempo proyectado
con un OPEX por lo menos de valor más bajo que el promedio de pro-
yectos de la misma industria operando en condiciones similares, tanto
geográficas como técnicas y económicas, produciendo a la calidad defi-
nida por el dueño cuando se concibió el caso de negocios.
En la actualidad, esta forma tradicional de enfrentar el diseño de
las instalaciones industriales llevaría a condiciones operacionales in-
aceptables. Solo a modo de ejemplo es posible citar el caso de un pro-
yecto de la gran minería del cobre diseñado inicialmente para producir
150.000 t/a de cátodos Grado A, en el cual aumentando la velocidad de
las correas transportadoras de minerales, agregando más reactivos en
el inventario de soluciones y modificando algunos de los subsistemas,
se logró duplicar la capacidad productiva de cátodos de la misma cali-
dad, solo aprovechando de mejor forma la capacidad ociosa de los sis-
temas sobredimensionados. Esta situación refleja que el CAPEX unita-
rio para la primera fase de operación fue absolutamente ineficiente ya
que durante este periodo de 5 años tuvo una subutilización económica
del 50%, afectando de manera significativa el ROA (Return on the As-
set). Todo esto sin considerar adicionalmente el impacto negativo sobre
el OPEX, dada la ineficiencia energética asociada con la operación de
equipos de conminución operando solo a una fracción de su capacidad
de eficiencia técnica-económica (ETC) y la movilización innecesaria de
inventario de soluciones con capacidad de transferencia de cobre por
debajo de su punto de ETC.
En el desafío permanente de incrementar nuestras capacidades,
como profesionales expertos de SKM, para enfrentar de mejor mane-
ra la solución de los proyectos de ingeniería intentábamos resolver la
discontinuidad entre los factores probabilísticos de la extracción de mi-
nerales, desde depósitos de sólidos no homogéneos en el espacio, y los
elementos determinísticos del diseño de ingeniería, relacionados con la
operación y el mantenimiento de sistemas productivos compuestos de
26
múltiples y diversos equipos

��
integrados en configuraciones lógica-fun-
cional particulares y operando en distintas fases de su vida económica.
En esta búsqueda nos encontramos con el enfoque y la plataforma
informática R-MES, el cual, tanto en términos conceptuales como prácti-
cos, nos permite complementar los aspectos asociados con la Confiabili-
dad Operacional durante todo el ciclo de vida de los equipos (LCC) con
la simulación dinámica de los procesos; ajustados a los patrones Geo-
metalúrgicos y Geoquímicos del yacimiento, y al plan minero basado en
modelos de bloques de especies minerales, y no solo de tonelada-ley de
especies valiosas, de manera de establecer la modularización necesaria
para fijar la capacidad de la planta basados en los vectores de extracción
y de producción en el tiempo, extrapolándola en expansiones que estén
de acuerdo con todas las variables del caso de negocios.
El R-MES integrado con los simuladores de procesos permite de-
terminar el nivel de redundancia y fraccionamiento de los subsistemas
y equipos que componen el sistema, de forma de lograr la mayor con-
fiabilidad operacional a un CAPEX y OPEX eficiente desde el punto
de vista técnico y económico, respetando los supuestos del caso de ne-
gocios establecidos por el dueño, la calidad esperada del producto y el
ciclo de vida económica de los equipos.
El enfoque del R-MES, basado en una metodología probabilística,
permite superar el uso de los factores de diseño a través del «juicio ex-
perto» por la utilización de análisis del tipo cuantitativo, que permiten
el uso eficiente del CAPEX y del OPEX del sistema productivo, dismi-
nuyendo la presión financiera que en la actualidad está complicando el
desarrollo de proyectos minero-metalúrgicos y químicos.
En nombre propio y de SKM, se agradece el esfuerzo intelectual y
técnico que ha realizado Adolfo Arata y su equipo de profesionales en
el desarrollo del R-MES, plasmado en este libro «Ingeniería de la Con-
fiabilidad», que nos permite avanzar de manera robusta en el mundo
del diseño, a través del uso de las mejores prácticas de la ingeniería con
base científica, tal como lo recomendaba el gran filósofo Immanuel
Kant al referirse al cómo eliminar las divagaciones en el ejercicio de la
generación del conocimiento.
Recomiendo el uso de este libro no solo para estudiantes de inge-
niería, sino fundamentalmente para aquellos ingenieros de proyectos
que nos vemos permanentemente enfrentados al desafío de la incor-
poración de procesos innovadores que nos permitan asegurar nuestra
27
A. Arata
competitividad a través de la diferenciación con nuestros competidores

de forma de ofrecer cada día mejores soluciones a nuestro clientes.
Ademir Ramírez González

Ingeniero Civil Químico (UCN), Diplomado en
Administración de Proyectos.
Global Functional Chief Engineer, Process Engineering
Section Leader Process Engineering, Mining Plants Service Line
Sinclair Knight Merz (SKM)
Santiago (Chile), noviembre de 2012.
28
Presentación
Ingeniería de la Confiabilidad: Teoría y aplicación en proyectos de ca-

pital y en la operación de instalaciones industriales a través del enfoque
R-MES es el resultado del trabajo desarrollado en el área de la Con-
fiabilidad Operacional y su relación con la gestión y el diseño de los
activos, que hemos realizado con la participación de diferentes equipos
de trabajo, tanto en el ámbito de la investigación en universidades na-
cionales y extranjeras, como en el de la consultoría en grandes empre-
sas en el país y en el extranjero, de cobertura local y transnacional,
que pertenecen a distintos sectores, entre los que es posible destacar:
el minero, el siderúrgico, la generación eléctrica, el petroquímico, el
tratamiento de agua, el transporte, el alimento, y el de proyecto de
ingeniería, entre otros.
Esta área del conocimiento relacionada con la Confiabilidad Ope-
racional ha dejado de ser un tema a considerar solo en los centros
académicos y en las industrias de alto riesgo, como la nuclear y la ae-
ronáutica, para alcanzar a prácticamente todas las empresas intensivas
en equipos, ya que el buen diseño y un adecuado uso de ellos no sola-
mente implica un mejoramiento de su eficiencia, sino que también de
la eficacia en beneficio de los resultados económicos del negocio y del
cuidado del medio ambiente y de la seguridad de las personas.
La Confiabilidad Operacional es la capacidad de la empresa para
cumplir, por medio de procesos, tecnologías y personas, con sus propó-
sitos dentro de los límites de diseño y de las condiciones operacionales.
Velar por la Confiabilidad Operacional es preocuparse de manera in-
tegrada de la confiabilidad de los procesos, de los suministros, de las
personas y de los equipos, como también de su mantenibilidad.
La implementación y el desarrollo de la Confiabilidad Operacio-
nal contribuyen a que la organización pueda sostener en el tiempo
29
A. Arata
su condición de competitividad. Es posible establecer que un buen

diseño y una buena gestión de los activos físicos favorecen el desarro-
llo sustentable de la empresa, ya que permiten mejorar el resultado
económico de una forma armoniosa con el entorno y las personas
durante todo el ciclo de vida de las instalaciones, que va desde la
concepción del proyecto, pasando por su operación, hasta el desman-
telamiento al término de su vida útil.
El brazo armado del modelo de la Confiabilidad Operacional es la
Ingeniería de la Confiabilidad, la que requiere, por la complejidad de
su aplicación, de herramientas que permitan determinar, a partir del
comportamiento histórico de los componentes de los sistemas, de ma-
nera robusta, oportuna y personalizada a cada proyecto e instalación,
su performance y proyección sobre una base probabilística, de manera
de identificar las oportunidades de mejoras del tipo de gestión y de mo-
dificaciones a nivel de proyecto, las que, una vez implementadas, deben
manifestarse en el Plan Productivo de Mantenimiento.
En este libro se presenta la teoría y la aplicación de la Ingeniería de
la Confiabilidad en proyectos de capital y en la operación de instalacio-
nes industriales a través del enfoque R-MES y la plataforma informá-
tica del mismo nombre. Este enfoque representa una forma novedosa
y rigurosa para la implementación y desarrollo de la Ingeniería de la
Confiabilidad bajo el modelo de la Confiabilidad Operacional.
El libro contiene, además de los prólogos escritos por especialistas
del ámbito empresarial y académico, un capítulo introductorio y otros
seis que van desde la filosofía del enfoque, pasando por los fundamen-
tos teóricos y de la herramienta informática, hasta la presentación de
casos reales representativos.
En el capítulo introductorio se presenta el impacto de la gestión de
los activos físicos en la mejora de la competitividad sustentable de la em-
presa y su efecto sobre los resultados económicos logrados, respetando
el entorno y las personas. En esta sección se presentan de manera general
aquellos elementos que se profundizarán en los capítulos posteriores.
El capítulo uno, que se desarrolla con el apoyo del profesional
Alessio Arata particularmente en lo referente a la competitividad sus-
tentable, entrega la filosofía sobre la cual se desarrolla la gestión de
los activos en el marco del modelo de la Confiabilidad Operacional e
implementada a través de la Ingeniería de la Confiabilidad con el enfo-
30
que R-MES y con la plataforma informática del mismo nombre. Este

capítulo se distingue por la conceptualización del enfoque propuesto,
por lo que se entregan todos aquellos elementos que lo sustentan re-
lacionados con la competitividad sustentable en empresas intensivas
en activos físicos, el modelo de la Confiabilidad Operacional, la visión
sistémica e integrada de la gestión de los activos, la estructura organi-
zacional orientada a los procesos, la Ingeniería de la Confiabilidad y su
rol en la fase de proyecto y de operación de las instalaciones, el apoyo
informático y, finalmente, el enfoque y la plataforma R-MES.
El capítulo dos, desarrollado con el apoyo de los profesionales Fre-
dy Kristjanpoller, Pablo Viveros y Rodrigo Mena, se orienta a entregar
las bases teóricas y los modelos en los que se sustenta y que utiliza el
enfoque R-MES y la plataforma informática correspondiente. La es-
tructura de presentación de esta sección del libro responde a la meto-
dología propia del enfoque, por lo que se inicia con la diagramación de
bloque lógica-funcional RBD, pasando por el tratamiento de la data, el
ajuste de curvas, las fases del ciclo de vida, la obtención de los KPI’s y el
análisis de la criticidad de los componentes según el impacto sistémico,
para llegar a los modelos que permiten identificar las oportunidades de
mejoras que se materializan en el Plan Productivo de Mantenimiento.
En el tercer capítulo se presenta de manera sintetizada la plata-
forma informática R-MES desarrollada por el Centro de Desarrollo
de Gestión Empresarial (CGS), entregando los aspectos generales y
las potencialidades del software a través de sus módulos para el aná-
lisis histórico y probabilístico, tanto del punto de vista determinístico
como estocástico.
En los tres últimos capítulos; cuarto, quinto y sexto; realizados con
la cooperación de los profesionales Alessio Arata y Esteban Heidke de
CGS, se presentan la aplicación de la Ingeniería de la Confiabilidad a
través del enfoque R-MES con el apoyo de su plataforma informática
en tres diferentes casos reales. En el cuarto se desarrolla un proyecto
de capital desde el punto de vista de la Confiabilidad Operacional para
una planta de conminución en la fase de ingeniería conceptual. En los
capítulos quinto y sexto, en cambio, se presentan dos casos de insta-
laciones en operación. En el primero de ellos se expone el caso de una
planta de chancado y molienda de mineral de cobre, en el que se privi-
legia la identificación de oportunidades de mejoras en el ámbito de los
equipos y de las redundancias de las instalaciones. En el sexto, y último
31
A. Arata
capítulo, se presenta el caso de una flota de camiones de una faena

minera que se focaliza en la búsqueda de oportunidades de mejora en
el ámbito de la gestión.
El contenido del libro es producto del importante conocimiento ge-
nerado durante muchos��
años del trabajo,��
tanto nacional como inter-
nacionalmente, en el ámbito de la investigación y de la consultoría que
hacen de este texto un novedoso aporte y un importante material de es-
tudio para los alumnos de ingeniería de diferentes especialidades, como
también un valioso documento de referencia para los profesionales que
se desempeñan en la operación de instalaciones intensivas en activos fí-
sicos y en el desarrollo de la ingeniería de nuevos proyectos de capital.
Adolfo Arata Andreani

Diciembre de 2012
32
Gestión de activos: Factor necesario

para el logro de la competitividad
1. Competitividad empresarial
El proceso de globalización obliga a todas las empresas, independiente

de su tamaño y sector, a confrontarse permanentemente a nivel mun-
dial, lo que les exige abordar nuevos desafíos para alcanzar la competi-
tividad según estándares internacionales; tarea que deberá afrontar de
manera inteligente y responsable buscando permanentemente su dife-
renciación. En caso contrario arriesga su permanencia en el mercado,
con las negativas consecuencias que ello implica.
La competitividad empresarial es un asunto complejo en el que inter-
vienen factores propios de la empresa como del entorno organizacional,
territorial y mundial. La competitividad de una empresa se logra sien-
do eficiente a través de la reducción de los costos, sino también siendo
eficaces en la atención al cliente, tanto interno como externo, y siendo
efectiva en el cuidado del medio ambiente y en el respeto a las personas.
Es posible afirmar, entonces, que para ser competitivos se requiere hacer,
cada vez con menos, más, mejor y bien, en caso contrario la empresa
perderá paulatinamente o no logrará su condición de World Class.
Sin embargo, estos factores no son suficientes. Adicionalmente se
debe generar un ambiente que motive la capacidad de cambio perma-
nente y de innovación, para asegurar su adaptación a las variaciones del
entorno que le permita proyectar la competitividad en el futuro a través
del mejoramiento continuo de la eficiencia, la eficacia y la efectividad.
Competitividad es la habilidad de vender y producir, de forma de satis-
facer al cliente y de adaptarse de manera sustentable en el tiempo gracias a
la generación de ventajas competitivas que permiten ser más eficiente, efi-
33
A. Arata
caz, efectivo e innovador que los competidores, tanto en el mercado local

como global, maximizando el valor económico de la empresa.
2. Gestión de activos
En este nuevo escenario, un adecuado diseño, selección y gestión de

los activos, con un enfoque que considere los costos durante todo su
ciclo de vida Life Cycle Cost (LCC), fundamentalmente en empresas
intensivas en capital fijo, asume un rol cada vez más significativo para
el logro de los resultados del negocio, debido a su relación directa con
los factores que influyen en la competitividad empresarial.
Un buen diseño, selección y gestión de los activos mejora el resultado
del negocio, ya que permite aumentar la rentabilidad sobre estos a través
del incremento de la utilidad operacional y la optimización del uso de los
activos. El aumento de la utilidad económica operacional es producto del
incremento de los ingresos, debido fundamentalmente al mejoramiento
de la productividad de las instalaciones por una mejor utilización de los
activos físicos y de la reducción de los costos asociados a su gestión. El
adecuado diseño, selección y gestión de los activos se refleja en el aumen-
to de la Confiabilidad Operacional del sistema productivo.
Los costos asociados a la gestión de activos pueden superar el 30%
de los costos de producción en empresas intensivas en capital fijo, sin
considerar aquellos otros inducidos como los costos de la improducti-
vidad, de la no calidad, del lucro cesante, etc., que pueden llegar hasta
a duplicar los costos asociados con la gestión directa de los activos.
Una política de Asset management obliga a que las empresas in-
corporen el mejoramiento continuo como una práctica habitual, por lo
que el cómo organizar la empresa asume un rol relevante para motivar
y comprometer a las personas. El enfoque organizacional que respon-
de a esta exigencia se caracteriza por la Organización Liviana (Lean
Organization) que favorece las estructuras por procesos por sobre la
del tipo funcional, facilitando la gestión participativa, factor necesario
para involucrar a todas las personas en el proceso de mejoramiento de
la gestión de los activos.
34
3. Confiabilidad operacional
En este complejo entorno, un enfoque que contribuye a alcanzar la

excelencia empresarial es la Confiabilidad Operacional. Esta se define
como la capacidad de la empresa para cumplir, a través de los procesos,
las tecnologías y las personas, con su propósito dentro de los límites del
diseño y de las condiciones operacionales. La Confiabilidad Operacio-
nal considera una serie de procesos de mejora continua que incorpo-
ran, en forma sistemática, herramientas de diagnóstico, metodologías
de análisis y nuevas tecnologías para optimizar el proyecto, la gestión,
la planeación, la ejecución y el control, asociados con la producción, el
abastecimiento y el mantenimiento industrial.
Para la búsqueda de la Confiabilidad Operacional es necesario ac-
tuar de manera integrada sobre los activos, desde su diseño hasta su ope-
ración, como también sobre aspectos relacionados con los procesos y las
personas, es es así como las componentes que la conforman y que actúan
integradamente son la confiabilidad de los procesos, de los suministros,
de los activos y de las personas, y la mantenibilidad de los activos.
La Confiabilidad Operacional tiene cinco ejes que se deben consi-
derar y sobre los cuales se debe actuar, si se desea obtener una gestión
a largo plazo con los resultados esperados y según lo planificado. Estos
ejes son: 1) la confiabilidad humana, que se relaciona con el involucra-
miento, el compromiso y las competencias que disponen las personas
con las actividades que le corresponde realizar y la estructura organiza-
cional para lograrlo; 2) la mantenibilidad de los activos que se vincula
con las estrategias, la efectividad de mantenimiento de los equipos y su
apoyo logístico; 3) la confiabilidad de los activos, que se manifiesta con
el diseño de los equipos y su seguridad opoeracional; 4) la confiabili-
dad del proceso, que se asocia con la sintonía que existe entre el pro-
ceso y los procedimientos utilizados para operar las instalaciones de
acuerdo a los condiciones para la cual fueron proyectadas y diseñadas
y, por último, 5) la confiabilidad de los suministros, que se refiere a la
integración entre las distintos procesos o unidades internas, de modo
de asegurar el suministro en términos de cantidad, calidad, oportuni-
dad y costo a través de procesos establecidos que faciliten la logística
de entrada y permitan, cuando corresponda, la gestión de terceros, la
administración eficiente de contratos y el análisis de la oferta.
35
A. Arata
El adecuado diseño, selección y gestión de los activos, principal-

mente en actividades industriales, cumple un rol significativo en la
Confiabilidad Operacional. Sin embargo, su efecto sobre la competi-
tividad no siempre está asumido al interior de las empresas, debido
fundamentalmente a una cultura organizacional que aún se caracteriza
por considerar a la gestión de activos como una unidad de costos más
que una alternativa para mejorar los resultados del negocio, como tam-
bién por limitar su tarea para la etapa de la operación sin identificar
la importancia que esta función tiene en el diseño de nuevos proyectos
y equipos para mejorar la seguridad de funcionamiento con su efecto
sobre los costos, el ambiente y las personas.
En el diseño de proyectos industriales, los principales esfuerzos de
ingeniería están orientados a optimizar los distintos procesos operacio-
nales que constituyen la cadena de valor. Normalmente se destinan im-
portantes recursos a evaluar distintos escenarios, a través de complejas
herramientas financieras que buscan reducir la incertidumbre abarcando
la mayor cantidad de variables y sus respectivas proyecciones en el hori-
zonte de evaluación, sin considerar el riesgo asociado a no cumplir con
los planes de producción e ingresos proyectados por los ingenieros de
procesos. Los modelos de optimización que originan las estimaciones de
producción se sustentan en condiciones ideales difícilmente alcanzables,
que ocasionalmente obligan a incorporar factores de seguridad definidos
sin la rigurosidad y certeza asignada al resto del proyecto.
4. Ingeniería de la Confiabilidad
Este problema tiene su solución en la utilización de herramientas de

Ingeniería de la Confiabilidad, que permitan calcular de forma robusta
e intrínseca la probabilidad de no funcionamiento del sistema produc-
tivo, debido a acciones operacionales o de mantenimiento, con el ob-
jetivo de establecer una función de ingreso que obligue a optimizar los
procesos evaluando su Confiabilidad Operacional para, así, estimar la
real conveniencia económica de un cambio en la forma de gestionar o
de una nueva iniciativa de inversión.
No son pocos los casos en los que no se realizan cambios en un
sistema de gestión por la incapacidad de cuantificar los beneficios para
el negocio, producto de su implementación, o como resultado de pro-
36
yectos industriales que durante su ejercicio no alcanzan las capacidades

operacionales para las cuales fueron diseñados, con el efecto negativo
que esto implica para los inversionistas, ya que se debe operar a niveles
de producción por debajo de las condiciones estándar reduciendo los
ingresos o, por otro lado, aumentando los costos asociado a la gestión
operacional para compensar las deficiencias.
Esta cultura, casi generalizada a nivel mundial en el ambiente in-
dustrial, es resultado, tanto de la insensibilidad de muchos manager y
de operadores de no visualizar en la gestión de los activos una opor-
tunidad de negocio, como de tantos ingenieros de proyectos de limi-
tar sus análisis a los costos de capital y de operación sin visualizar
el efecto en los costos asociados con la seguridad de funcionamiento,
desaprovechando una fuente de grandes oportunidades en beneficio
del negocio, al no evaluar los activos del punto de vista de la seguridad
operacional durante todo su ciclo de vida.
Esta manera más evolucionada, conocida como Asset Manage-
ment, busca cómo ejecutar eficientemente y cómo hacer de esta gestión
un proceso eficaz, que contribuya con el logro final perseguido por el
negocio. Para lograr este cambio se debe superar su acción limitada a
nivel operativo en una perspectiva de corto plazo, para asumir un rol
estratégico-táctico con una visión amplia de mediano y largo plazo.
6. Transformación de la cultura organizacional
Esta nueva forma de concebir y gestionar los activos persigue trans-

formar esta función empresarial, desde una unidad de gasto a una de
resultado y de oportunidades. Esto requiere crear una cultura organi-
zacional en la que prevalezca la integración, la prevención, el mejora-
miento continuo, el conocimiento, la tecnología y la innovación.
Para responder a estos nuevos desafíos es necesario intervenir en el
plano de la organización, favoreciendo el Core Business, los procesos y
la gestión participativa (Lean Organization) por sobre las estructuras
funcionales y jerárquicas, como también es requisito actuar en el plano
de la gestión de los activos físicos, desarrollando una visión amplia, sobre
todo, en el ciclo de vida de los activos (Ingeniería de la Confiabilidad).
La Ingeniería de la Confiabilidad, a través del compromiso del fac-
tor humano y del análisis cuantitativo, debe, a partir del comporta-
37
A. Arata
miento de los equipos y de sus configuraciones sistémicas, proyectar,

mejorar y controlar la gestión y el mantenimiento de los activos, desde
la etapa de concepción de nuevos proyectos hasta su operación. Es la
función que entrega valor ya que a través de la modelación de las varia-
bles asociadas con la seguridad de funcionamiento de los equipos y sis-
temas (disponibilidad, confiabilidad, mantenibilidad y utilizabilidad),
y con los costos globales (costos propios e inducidos), logra identificar
los factores críticos de acuerdo a la combinación de la frecuencia de los
eventos y su impacto.
La Ingeniería de la Confiabilidad permite identificar las oportuni-
dades, sobre una base cuantitativa y cualitativa, para mejorar la ges-
tión de los activos durante operación de las instalaciones, como tam-
bién mejorar las soluciones a nivel de proyecto a través del enfoque
LCC, favoreciendo los resultados del negocio.
En la actualidad, gran parte de las grandes empresas a nivel mun-
dial están cambiando su visión de la gestión de los activos, superando
su mirada parcial y de corto plazo de considerarlo solo como un costo
para visualizarlo como una importante oportunidad para mejorar la
Confiabilidad Operacional, por lo que la participación de la Ingeniería
de Confiabilidad en la gestión y en el desarrollo de nuevos proyectos es
algo que está siendo cada vez más considerado.
Sin embargo, no necesariamente la Ingeniería de la Confiabilidad ha
sido bien interpretada, implementada y desarrollada en las empresas, debido
fundamentalmente a que las competencias de sus profesionales han estado
limitadas a administrar de mejor manera las detenciones operacionales y de
mantenimiento, más que al cómo evitarlas a través de una lógica en la que
prevalezca la prevención y el mejoramiento genético de equipos y sistemas,
como también las competencias de los profesionales relacionados, los inge-
nieros de proyectos, han estado ajenos a los conocimientos relacionados.
Para salvar y superar esta situación, de manera que la Ingeniería
de Confiabilidad se transforme en una realidad y entregue los aportes
esperados, es fundamental que los profesionales dedicados a la gestión
de activos y al desarrollo de proyectos adquieran las capacidades idó-
neas para esta relevante actividad empresarial, de manera de disminuir
las brechas existentes, en gran parte de las organizaciones, entre las
competencias disponibles y las requeridas, de forma que el ingeniero
de confiabilidad, además de su función en la etapa de operación de una
instalación, también asuma un rol importante en el diseño de nuevos
38
equipos y plantas industriales y en la definición de sus planes para la

gestión de los activos, los que no solo deben contener las intervencio-
nes e inspecciones, sino también incluir el factor humano en términos
de su estructura organizacional y de las competencias requeridas.
7. Aplicación de la plataforma R-MES
Si bien conceptualmente la Confiabilidad Operacional es de fácil com-

prensión, su aplicación requiere de modelos analíticos y probabilísticos
complejos, ya que las instalaciones industriales se caracterizan por una
gran cantidad y variedad de equipos que se encuentran en diferentes
fases de su ciclo de vida y en diversas configuraciones sistémicas.
Estos modelos permiten, a través de la simulación de diferen-
tes escenarios, en término de las características de los equipos y las
configuraciones y de las estrategias de gestión, identificar y evaluar
las mejoras asociadas la gestión de los activos y sus modificaciones,
como también decidir sobre las mejores soluciones a nivel de nuevos
proyectos de capital.
Dada la complejidad, la dinámica de estos procesos y la gran can-
tidad de datos y variables asociados con la gestión de los activos, es
fundamental contar con herramientas informáticas que permitan desa-
rrollar una simulación fácil y confiable.
A partir de las actividades de investigación desarrolladas en cen-
tros de investigación extranjeros y del trabajo de consultoría reali-
zados en grandes empresas a nivel internacional, se avanza en la ge-
neración de nuevos conocimientos en el área, logrando, en el último
tiempo, la concepción del enfoque y de la plataforma R-MES, que
integra las diferentes funciones relacionadas con la Confiabilidad
Operacional de instalaciones productivas.
El R-MES, dada su rigurosidad de modelamiento, facilidad de
uso y capacidad de personalización, se ha transformado en una he-
rramienta poderosa para la implementación y desarrollo de la Inge-
niería de Confiabilidad en distintos sectores y complejos industriales
a nivel internacional, permitiendo el desarrollo de la gestión de los
activos en beneficio de los resultados del negocio en una perspectiva
táctico-estratégica.
39
A. Arata
La aplicación de este modelo integral, a través de la plataforma R-

MES, permite la identificación de los factores y elementos críticos, en-
tendidos como el impacto sobre el negocio, en una perspectiva de largo
plazo definida por el enfoque Life Cicle Cost (LCC). De esta forma es
posible decidir las estrategias y las políticas más adecuadas asociadas
con gestión de los activos, como también intervenir en mejorar relacio-
nadas con las instalaciones y los equipos.
De las aplicaciones de este modelo en empresas de diferentes sec-
tores, tanto nacionales como extranjeras, a través de la plataforma R-
MES, ha sido posible demostrar la relevancia del Asset Management en
el aumento de los ingresos operacionales, la reducción de los costos y
el uso eficiente de los activos, con los beneficios que ello implica en la
competitividad empresarial.
40
Capítulo Uno
Impacto de la gestión de los

activos en el negocio
1. Competitividad sustentable
¿Es coherente una planificación estratégica a 5 ó 10 años plazo sus-
tentada en un objetivo estático, cuando el entorno es cada vez más
dinámico y globalizado? ¿Es factible visualizar (casi adivinar) el estado
deseado que maximizará nuestro valor en el futuro? ¿Es probable que
el estado deseado, definido hoy, continúe siéndolo dentro de 5 ó 10
años? ¿Es posible establecer un objetivo concreto cuando los competi-
dores también evolucionan, modificando el escenario?
La planificación estratégica debe enfocarse en generar las condi-
ciones que llevarán a la empresa hacia su estado deseado, sin impor-
tar cuál sea este ni cómo evolucione. Esto no significa dejar de prever
el estado futuro o dejar de establecer los lineamientos generales que
sensibilizarán a la organización con un objetivo común. Sin embargo,
adicionalmente la estrategia debe orientarse a generar las competencias
que llevaran de forma permanente a la empresa hacia la maximización
del valor en el largo plazo.
El desafío estratégico para asegurar la competitividad empresarial
es establecer las capacidades que llevarán a la empresa hacia la gene-
ración continua de valor, evitando elementos o prácticas que podrían
dirigir a la organización hacia un estado no competitivo en el futuro.
Entre ellas es posible mencionar las siguientes:
• desconsiderar el contexto global y la dinámica del entorno,

• privilegiar incentivos según resultados de corto plazo,
• omitir elementos indirectamente influyentes pero igualmente im-
portantes,
• priorizar lo urgente por sobre lo importante,
41
A. Arata
• temor al riesgo de nuevos escenarios,

• establecer una condición de futuro con una perspectiva actual,
• buscar máximos locales por sobre un máximo global,
• contar con un enfoque poco sistémico en el espacio y en el tiempo, y
• privilegiar el corto plazo sobre el largo plazo.
Toda empresa desea maximizar su valor de forma permanente, sin

embargo, la complejidad de establecer anticipadamente dicho estado
transforma a la competitividad sustentable en un pilar estratégico im-
prescindible, que evita los riesgos de diseñar el futuro bajo un ambiente
de incertidumbre producto de los cambios permanentes.
Se entiende por Competitividad Empresarial Sustentable la «habi-
lidad de competir, comprar, vender, producir y satisfacer al cliente, que
permanece sustentable en el tiempo gracias a la generación de ventajas
competitivas que permiten ser más eficiente, eficaz, efectivo e innova-
dor que los competidores nacionales e internacionales, maximizando
en consecuencia el valor económico de la empresa».
Crear valor en cada decisión y ejecución es la clave. El desafío es
cómo lograrlo. Para ello se requiere sustentar la competitividad en un
sistema de gestión integral que permita a la empresa cumplir con sus
metas y aspiraciones permanentemente.
Para definir el estado deseado de la empresa es esencial determinar
las metas y aspiraciones que esta se ha impuesto, junto al estado actual
de la organización. La dinámica del entorno hace relevante generar
procesos que permitan a la organización converger permanentemente
hacia el estado deseado.
Una vez diseñada la estructura organizacional para lograr este pro-
ceso evolutivo, es fundamental establecer métricas y desarrollar herra-
mientas que permitan la gestión, el control y la retroalimentación. A
continuación se detallan cinco preguntas que es necesario responder
para enfrentar un proceso estratégico de maximización de valor:
a. ¿Cuáles son nuestras metas y aspiraciones?

Respuesta: Maximizar el valor de largo plazo.
Maximizar el valor de largo plazo de la empresa es el propósito úl-

timo de los accionistas. Esto requiere orientar los esfuerzos en óptimos
globales por sobre óptimos locales a través de acciones específicas, me-
42
dibles en el corto plazo, que permitan superar los incentivos perversos

dados por resultados inmediatos.
b. ¿Qué se requiere para maximizar el valor?

Respuesta: Crear valor en cada decisión y ejecución.
Es necesario focalizar los esfuerzos en el logro de resultados a través

de la definición de objetivos claros, procesos definidos y herramientas
simples que permitan entregar valor permanentemente. Cada decisión
debe ser tomada considerando su impacto en el valor de la empresa,
y ejecutada pensando en cómo eliminar todo aquello que constituye
derroche o que no crea valor real.
c. ¿Cómo logramos crear valor?

Respuesta: Siendo competitivos.
Diferenciarse continuamente para crear valor de forma sistemática

es el resultado de ser competitivo en todas las áreas, principalmente en
aquellas que son críticas. Ser competitivo exige «hacer lo correcto correc-
tamente», no obstante, en un entorno cada vez más competitivo también
es fundamental hacer más de lo correcto y con responsabilidad social.
d. ¿Cómo nos mantenemos competitivos?

Respuesta: Siendo innovadores.
Mantener la condición competitiva implica que la creación de va-

lor no sea un evento puntual, sino que se mantenga y se proyecte en el
tiempo, obligando a la empresa a evolucionar y mejorar continuamen-
te de forma sustentable. Si bien el efecto de la innovación se manifiesta
en la competitividad actual, es la capacidad permanente de innovar en
el tiempo la que asegura la competitividad futura.
e. ¿Qué herramienta necesitamos para ser competitivos e innovadores?

Respuesta: Un sistema de gestión.
Una vez identificadas aquellas variables críticas que definen el es-

tado deseado de la empresa es posible generar un sistema de gestión
integral que asegure orientar los esfuerzos hacia la creación de valor en
43
A. Arata
el largo plazo. Este sistema permite llevar los lineamientos gerenciales

de forma transversal a través de indicadores que midan la competiti-
vidad neta y la capacidad de innovar de cada una de las áreas críticas.
Es posible establecer hoy el estado deseado de la organización, sin
embargo, nada asegura que en el futuro este se mantenga. La globali-
zación, el desarrollo tecnológico y el mercado cada día más exigente
generan un entorno turbulento, obligando a las empresas a la búsque-
da permanente de la competitividad adaptándose continuamente a los
nuevos escenarios definidos internacionalmente y con las condiciones
impuestas localmente. Para responder de manera adecuada se requiere
adaptabilidad y flexibilidad, una predisposición al cambio y ser capa-
ces de evolucionar en el core business que la caracteriza, ratificando
la idea de que se deben perseguir objetivos concretos que en conjunto
converjan a un cambiante estado deseado. De este modo, la empresa
mantiene su vigencia en el tiempo transformándose en un referente
global en cada una de las actividades que realiza. Entonces, es posible
establecer que la clave del éxito es la evolución permanente.
Evolucionar no implica dejar de hacer lo que se ha venido hacien-
do por años con buenos resultados, aunque excepcionalmente pudie-
se ser así. Tampoco quiere decir que las cosas se han venido haciendo
mal. Evolucionar se refiere a la capacidad de cambiar, de adaptarse,
de ser flexible y de anticiparse. El efecto de la globalización, la tec-
nología y mercados más informados y exigentes hacen al entorno
cada vez más competitivo, instancia donde gran parte de la creación
de valor es posible solo gracias a la diferenciación permanente como
resultado de la anticipación.
No son pocos los casos de empresas creadas hace más de ochenta
años que aún están vigentes producto de su capacidad de evolucionar
y, en el caso de algunas de ellas, de reinventarse. Es el caso de empresas
que partieron en la explotación de recursos naturales sustentadas en
el uso de la mano de obra y que hoy están orientadas a la entrega de
servicios con alto contenido tecnológico y de conocimiento.
No se pretende establecer que las organizaciones siempre deben
realizar un cambio profundo. Lo importante es que toda empresa, para
ser competitiva, debe ser capaz de abrirse a las nuevas oportunidades
que se generan de acuerdo a las condiciones que impone el entorno y a
las propias competencias, de manera que puedan evolucionar continua
y permanentemente hacia la maximización de su valor.
44
Al igual que en los países que se caracterizan por un sistema com-

puesto por actores económicos que aportan diferente valor, en el ámbito
empresarial también es posible distinguir sectores industriales que con-
tribuyen de manera distinta en la entrega de valor. Toda empresa debe
hacer un esfuerzo para mejorar su competitividad en el largo plazo, de
forma de evolucionar permanentemente hacia sectores de mayor valor,
como también puede progresar maximizando valor en su propio sector.
En la Figura N° 1 se representa una categorización de los distintos
sectores empresariales a través de una matriz. En el eje horizontal se
identifica el sector económico al que pertenecen: básico / extractivo,
industrial y de servicios, mientras que en el eje vertical se presenta el
grado de intensidad de los recursos utilizados: mano de obra, capital
físico y tecnología / conocimiento.
Figura 1.1: Matriz de competitividad: recurso-sector
De esta forma la matriz queda constituida por nueve cuadrantes

identificados con distintos grados de creación de valor relativo. En ella
es posible visualizar el cuadrante inferior izquierdo asociado con las
empresas menos desarrolladas y, en el otro extremo de la matriz, aque-
llas más evolucionadas.
La evolución dentro de un mismo cuadrante hacia su extremo supe-
rior opuesto significa creación de valor, aumentando la competitividad
sin la necesidad de modificar de manera significativa el core business
que identifica a la empresa. Esto significa que la empresa puede progre-
45
A. Arata
sar desde una condición «tradicional», pasando por una «emergente»

y «líder», hasta, finalmente, lograr la posición de empresa world class.
Con el desplazamiento entre los cuadrantes en dirección hacia la
derecha del eje horizontal, aumenta la creación de valor. La transi-
ción en este sentido implica mayor satisfacción de las exigencias del
mercado. En esta evolución aparecen elementos como: orientación
al mercado, efectividad, flexibilidad, adaptabilidad, desarrollo de
nuevos productos, innovación en la cadena del valor y encadena-
mientos hacia atrás o adelante (integración vertical). A manera de
ejemplo de empresas que han experimentado este tipo de desarrollo
es posible citar a Benetton, empresa textil que basó su éxito en un
sistema en línea implementado en todas las sucursales de venta para
conocer exactamente lo que el cliente estaba comprando, lo que le
permitía planificar la producción según la necesidades del momento,
disminuyendo al máximo los inventarios.
En el eje vertical aumenta la creación de valor avanzando hacia la
parte superior de la matriz. La evolución en dicho sentido se basa en
la incorporación de capital, haciendo los procesos más productivos, y
en la generación de valor a través de la incorporación de tecnología y
conocimiento, resultando procesos más eficientes. En este eje, la com-
ponente I&D es fundamental para innovar en los procesos producti-
vos, como también tiene relevancia la incorporación de las TIC’s, del
conocimiento y de la tecnología aplicada, cuya agregación, tanto en la
cadena de valor como en las actividades de apoyo, permite aumentar
la competitividad empresarial. La empresa Ikea es un claro ejemplo
de una industria de origen artesanal que es capaz de distinguirse y so-
bresalir con la incorporación de procesos tecnológicos completamente
automatizados, tanto en la fabricación como la distribución.
Generalmente, para mantenerse competitivas las empresas se des-
plazan positivamente en un mismo cuadrante, tanto en sentido del eje
horizontal como vertical, lo que representa una evolución sin cambiar
sustantivamente el giro principal de su negocio, manteniéndose en el
mismo core business.
En otras ocasiones las empresas logran desplazarse de un cuadrante
a otro de forma complementaria o excluyente, es decir, manteniendo
parcialmente su actividad original o evolucionando totalmente hacia
un nuevo giro. Por ejemplo, la empresa IBM continúa fabricando chips
y memorias, pero ya no construye computadoras, ya que el centro de su
46
actual negocio está orientado al Global Service, posicionándose como

el principal integrador de sistemas.
También algunas empresas se mueven o transitan en la frontera
entre cuadrantes, otras, en cambio, crean unidades de negocio indepen-
dientes alcanzando cuadrantes no adyacentes. Es el caso de empresas
productivas que adquieren un notable conocimiento en ciertas áreas
específicas, permitiéndoles transformarlo en unidades de negocio que
venden servicios distintos al core business propio de la empresa.
Un buen ejemplo es el de las empresas mineras, que también han evo-
lucionado desde posiciones asociadas fuertemente con el uso de la mano
de obra y el capital para la explotación de recursos naturales hacia el
uso del capital y la tecnología en un ámbito claramente industrializado.
Es posible establecer que la evolución de una empresa puede ocu-
rrir de variadas formas, sin embargo, un elemento común es que el
único modo de mantenerse competitiva en el tiempo depende de la
capacidad de cambiar continuamente en la búsqueda de la generación
de nuevo valor.
La competitividad de una empresa se sustenta en la creación de va-
lor en cada decisión y ejecución que ocurre dentro de ella, por lo que es
posible establecer que la maximización de valor está sujeta a disponer
de recursos competitivos en el largo plazo, cuyos elementos básicos son
la competitividad específica y la capacidad de innovar.
La competitividad específica se refiere al logro de la competitividad
en su forma básica sin mayor diferenciación, lo que implica «hacer lo
correcto, correctamente». La competitividad neta en cada una de las
áreas o funciones presente en una organización está determinada por
tres elementos básicos:
• Eficiencia: «Hacer con menos», lo que significa productividad, me-

nos recursos, menos tiempo, menores costos y mayor producción.
• Eficacia: «Hacer más y mejor», lo que se asocia con orientación
hacia el mercado, mayor calidad, mayor variedad, servicio al
cliente interno y externo y servicio oportuno.
• Efectividad: «Hacer bien», lo que implica tener cuidado con las
personas, cuidado con el medio ambiente, compromiso con el país
y responsabilidad social.
47
A. Arata
Innovar es pensar y hacer de manera diferente con sentido en el

mercado. Se refiere a la capacidad de pensar, crear y hacer algo dis-
tinto, en el ámbito de las tecnologías, los productos, los procesos, las
metodologías y la gestión, aportando de manera concreta al negocio,
al mercado, al cliente y a la sociedad. Innovar es «hacer más allá de
lo correcto».
La capacidad de innovar es el elemento que permite mantener la
competitividad en el tiempo, por lo que le entrega sustentabilidad. La
capacidad de innovar supera la innovación, pues representa la habili-
dad de generar y mantener un proceso continuo, más allá de el efecto
de un evento puntual. Esta capacidad depende de seis factores básicos
cuyas estructuras deben incentivar la innovación continua: personas,
procesos y organización, tecnologías, I&D, activos y proyectos (ideas).
El proceso de innovación se puede manifestar de distintas formas
ya que no solo está asociado con la creación de nuevos productos o con
la incorporación y los desarrollos tecnológicos, sino también con otros
modos de innovar a nivel interno, externo, horizontal y vertical, que
pueden generan cambios más significativos, llevando a la empresa ha-
cia la excelencia dentro de su negocio y desplazándola en la dirección
que se ubican los sectores industriales que crean mayor valor relativo.
Innovación no se relaciona únicamente con nuevos productos o proce-
sos, sino que puede estar presente en todos los aspectos de la actividad
empresarial, más aún hoy, cuando las TIC’s y la globalización han faci-
litado la innovación incluso en la forma de gestionar y controlar.
La competitividad como medio para la maximización de valor re-
quiere de una gestión estratégica orientada a mejorar la eficiencia, la
eficacia, la efectividad y la capacidad de innovar de cada una de las com-
petencias claves de la organización. Se entiende por competencia clave
al factor empresarial que, si bien puede representar un porcentaje bajo
en términos cuantitativos, tiene una importancia relativa considerable en
cuanto a su impacto sobre la competitividad global de la empresa.
La competitividad de las competencias claves se debe lograr consi-
derando tanto los elementos internos como aquellos externos que re-
presentan una oportunidad de mejoramiento. En este sentido, se tienen
dos dimensiones que permiten agrupar las competencias como un par
ordenado según el área de la empresa a la que pertenecen y el nivel del
entorno con el que se relacionan. En consecuencia, la competitividad
empresarial sustentable (competitividad específica más capacidad de
48
innovar) no solo depende de lo que ocurre al interior de las áreas de

la empresa, sino también de la forma en que la empresa se relaciona
y aprovecha la competitividad del entorno en los distintos niveles. La
competitividad global no está condicionada por las propias habilidades
a nivel interno de manera exclusiva, también lo está por el medio en el
cual se desarrollan.
Competitividad empresarial sustentable se puede definir como: «hacer
lo correcto correctamente e ir más allá de lo correcto, tanto en las áreas de
la empresa como en su relación con el entorno interno y externo».
Maximizar la creación de valor implica alcanzar la competitividad
en las tres áreas básicas de toda empresa, que son: organización, opera-
ción y estrategia. Para ello es esencial velar de forma focalizada por la
eficiencia, la eficacia, la efectividad y la capacidad de innovar de cada
una de las competencias claves que conforman las tres áreas:
a. Competitividad organizacional: Se refiere a la creación de valor en

todos aquellos elementos, generalmente intangibles, que son parte
de la cultura y el diseño organizacional. Esta se desarrolla dentro
de la empresa y no depende directamente del entorno. La competi-
tividad organizacional tiene dos dimensiones:
• Cultura organizacional: Creencias, valores compartidos, historia

y conocimientos que coexisten de forma intangible e informal en
la empresa. La cultura organizacional es dinámica, no obstante, es
complejo cambiarla en el corto plazo sin realizar grandes esfuer-
zos. Sus componentes básicos son:
·· Personas: compromiso, motivación, competencias y habilidades.
·· Clima: ambiente que rodea a las personas y su interacción.
·· Prácticas: costumbres y hábitos que son parte de la empresa.
• Diseño organizacional: Elementos que definen de manera formal

los flujos de información, conocimiento y actividades dentro de la
empresa. Evolucionan con el tiempo y pueden modificarse arbitra-
riamente. Sus elementos son:
·· Estructura: niveles, funciones, interacción entre unidades y
jerarquía.
·· Procesos: flujo de actividades e información y responsabilidades.
49
A. Arata
·· Gestión: modos de administrar personas, procesos, conocimien-

to, innovación y compromisos, participación y empoderamiento.
b. Competitividad operacional: Incorpora los elementos presentes en

la cadena de valor del producto o servicio, ya sea dentro de las ac-
tividades primarias o de aquellas de soporte. Sus dimensiones son:
• Actividades primarias: Logística de entrada, producción y logísti-

ca interna, logística de salida, ventas y servicio post venta.
• Actividades de soporte: Mantenimiento, marketing, contabilidad,

finanzas, formación, servicios TIC e infraestructura.
c. Competitividad estratégica: Incluye elementos asociados con los

cambios e iniciativas de carácter general dentro de la empresa. Los
lineamientos estratégicos pueden ser a nivel general (empresa, sec-
tor y global), operacional (empresa y sector) y organizacional (em-
presa). Sus dimensiones son:
• Organizacional: Reestructuración y cambios organizacionales.
• Operacional: Nuevos procesos productivos y tecnologías.
• General: Nuevos negocios, nuevos productos, nuevos mercados,
nuevos colaboradores, nuevos desarrollos (I&D) y otros linea-
mientos de tipo estratégico de impacto general.
La segmentación por áreas permite determinar la competitividad

de cada una de ellas de forma independiente, permitiendo, además, dar
una mayor importancia relativa a una u otra área en el cálculo de la
competitividad global de la empresa.
Si bien una empresa no puede interferir de forma directa e inme-
diata sobre la competitividad del entorno, es posible aprovechar las
oportunidades que este entrega y evitar las amenazas que representa en
beneficio de la competitividad empresarial. Por ello la empresa no solo
es competitiva en cuanto a su estructura interna, sino que también debe
ser competitiva en su posicionamiento y relación con el entorno. Es así
como se identifican tres niveles de vínculo:
a. Nivel empresarial: La competitividad a este nivel implica la gene-

ración de sinergias que tienen un impacto directo en el desempeño
50
de las áreas. No es suficiente que cada área sea competitiva por

sí sola, sino también en cómo se relaciona el resto, ya que actuar
de manera aislada implica mayores esfuerzos y menores resultados
que el trabajo integrado.
b. Nivel sectorial: La competitividad a nivel sectorial se relaciona con

la cooperación y sinergias con competidores, proveedores, otras
empresas dentro de la industria, universidades y organismos guber-
namentales. Es resultado de la capacidad y habilidad de la empresa
para relacionarse competitivamente con el entorno o ambiente del
sector industrial al que pertenece.
c. Nivel global / país: Tiene relación con cómo la empresa coexiste

con el entorno global a nivel macro, ya sea nacional o internacio-
nal. Ser competitivo a nivel global / país implica que la empresa se
distingue por la manera en que aprovecha las oportunidades que
entregan la economía, la legislación, las políticas, las regulaciones,
los organismos públicos y privados, entre otros.
A partir de las dimensiones, asociadas con las áreas empresariales

y los niveles de vínculo, es necesario generar una matriz en la que se
ordenan las distintas competencias claves relacionando: el área organi-
zación, es decir, las competencias con el nivel empresarial; el área ope-
ración, con el nivel interno y con el sector industrial al que pertenecen;
y el área estratégica, es decir, las competencias con los tres niveles.
Identificadas las competencias claves y su combinación según las
áreas y los niveles descritos, es necesario determinar el grado de criti-
cidad de las competencias, determinado según su impacto en la com-
petitividad empresarial global y de acuerdo al estado actual de com-
petitividad en que se encuentra la correspondiente competencia clave.
Además, con el objeto de priorizar y determinar el plan de acción para
cada una de las iniciativas de mejora, es necesario determinar la dificul-
tad de implementación según los plazos y los costos asociados. A través
de este proceso se genera un sistema de gestión integral, que permite
que la empresa mantenga una condición de competitividad sustentable
que le asegura propender continuamente hacia su estado deseado que
maximiza su valor.
51
A. Arata
2. Competitividad en la empresa intensiva en activos

Tal como se comentó en la sección anterior, el proceso de globalización
obliga a todas las empresas, independiente de su tamaño y del sector en
el cual participan, a confrontarse permanentemente a nivel mundial, lo
que les exige abordar nuevos desafíos para lograr alcanzar la compe-
titividad según estándares internacionales. Desafíos que deberá afron-
tar de manera inteligente y responsable buscando su diferenciación, en
caso contrario arriesga su permanencia en el mercado con las negativas
consecuencias que ello implica.
La competitividad empresarial es un asunto complejo en el que
intervienen factores propios de la empresa, como también del entorno
organizacional, territorial y mundial. La competitividad de la empre-
sa se logra no solo siendo eficientes a través de la reducción de los
costos, sino también siendo eficaces en la atención al cliente, tanto
interno como externo, y siendo efectivos en hacer bien las cosas de
manera de comprometerse con el cuidado del medio ambiente y el
respeto a las personas.
Sin embargo, estos factores no son suficientes. Adicionalmente se
debe generar un ambiente que motive la capacidad de innovar de ma-
nera permanente para asegurar la proyección de la competitividad en
el futuro a través del mejoramiento continuo de la eficiencia, la eficacia
y la efectividad.
Es oportuno recordar que la competitividad es la habilidad de ven-
der, producir, satisfacer al cliente y adaptarse de manera sustentable
en el tiempo, gracias a la generación de ventajas competitivas que per-
miten competir y ser más eficiente, eficaz, efectivo e innovador que los
competidores nacionales e internacionales, maximizando el valor eco-
nómico de la empresa. La competitividad se logra haciendo cada vez,
con menos, más y mejor, y bien; en caso contrario la empresa afecta sus
ventajas competitivas y su condición de World Class.
En este nuevo escenario para empresas intensivas en activos físicos,
el diseño y la gestión de estos activos, con un enfoque que considere
su comportamiento e impacto sobre los costos globales durante todo
su ciclo de vida (LCC), asume un rol cada vez más significativo para el
logro de los resultados del negocio, ya que tiene relación directa con
los factores que influyen en la competitividad empresarial. Se relaciona
con la eficiencia, dado su impacto sobre los costos directos e inducidos;
52
con la eficacia, por su efecto sobre el cliente interno y externo; y con la

efectividad, por su relación con el ambiente y las personas.
Desafío
Creación de Valor
Maximización continua de la creación de valor económico en la empresa.
¿Cómo lograrlo?
Competitividad
Capacidad de producir satisfaciendo al cliente mejor que la competencia.
¿Cómo Mantenerlo?
Innovación continua
Capacidad de pensar y hacer de forma diferente y sustentable en el tiempo.
¿En qué?
Eficiencia Eficacia Efectividad
Hacer con menos Hacer mejor y más Hacer bien, cuidado de
Reducción de costos Orientación al cliente personas y ambiente
Mejoramiento de la Gestión de Activos

durante todo el ciclo de vida (LCC)
Ref: Adolfo Arata A
Ref: Alessio Arata B. y Adolfo Arata A.
Figura 1.2.: Competitividad y gestión de los activos
Si se consideran solo los costos directos del mantenimiento; asocia-

dos con la mano de obra, materiales, repuestos y terceros; estos pueden
superar el 30% de los costos de producción en empresas intensivas en
activos físicos, como las del sector minero, en otros sectores fácilmente
se supera el 20%. Esto sin considerar aquellos otros inducidos aso-
ciados con los costos de la no producción, de la no calidad, del lucro
cesante, etc., los que pueden superar los costos directos del manteni-
miento en sistemas de producción críticos. Esta situación es resultado
de proyectos no adecuadamente desarrollados en su etapa de concep-
ción, como también de una gestión no apropiada de las personas, la
operación, el mantenimiento y el abastecimiento de los activos físicos;
afectando la seguridad de funcionamiento de las plantas industriales y
las flotas de equipos durante su ciclo de vida.
En consecuencia, un adecuado diseño y una apropiada gestión de
los activos físicos tiene un impacto significativo en el resultado del ne-
gocio, afectando positivamente sobre el ROA (Return on Asset) ya que
reduce los costos directos al contar con un sistema más predecible, y
disminuye las pérdidas de producción por detenciones imprevistas (au-
53
A. Arata
mento de la capacidad productiva de los activos), como también opti-

miza las inversiones durante todo el ciclo de vida de las instalaciones.
Es importante mencionar, a modo de ejemplo, que una misma acti-
vidad realizada de manera no programada respecto a una programada
puede llegar hasta a duplicar el costo correspondiente, cuyos valores
medios son del orden de 1,5 veces. También tiene un impacto sobre
los ingresos, ya que un buen diseño y una apropiada gestión de los
activos aumentan su confiabilidad y su mantenibilidad, lo que influye
en la disponibilidad y la utilización de los equipos y las instalaciones,
reduciendo las pérdidas por la no producción. Estos costos, en sistemas
críticos y en instalaciones con altos precios de los productos procesa-
dos, pueden llegar hasta a triplicar los costos directos.
Además, concebir los proyectos bajo un análisis de seguridad ope-
racional de las instalaciones durante todo el ciclo de vida de los equipos
puede reducir los costos de capital (CAPEX), mejorando la rentabilidad.
Ingresos
Utilidad
Operacional
-
Costos
Mejoramiento
ROA :
Gestión de Activos
Optimización
de Activos
Ref: Adolfo Arata A.
Figura 1.3: Gestión de activos y ROA
Adicionalmente, las actuales condiciones que impone un mercado

cada vez más exigente obligan a que la empresa asuma su labor con
responsabilidad social (RSE) y con un sistema productivo flexible que
opera con la lógica de la Lean Production, la que no solo está basada
en la gestión de la calidad, sino también en el mantenimiento produc-
tivo. Los sistemas desarrollados bajo la lógica de la seguridad opera-
cional son más robustos y seguros, por lo que se reducen las probabili-
dades de detenciones no programadas e imprevistas, disminuyendo los
reprocesos y los accidentes y haciendo de las instalaciones industriales
sistemas más amigables con el ambiente y las personas.
54
Utilización
Cuidado del
ambiente
Contaminación
Mejoramiento RSE
Gestión de Activos
Confiabilidad
Accidentes
Mantenibilidad
Figura 1.4: Gestión de activos y RSE
Es posible concluir que un buen diseño y una buena gestión de los

activos físicos de un proyecto industrial mejoran de manera significati-
va sus resultados económicos, como también su relación con el entor-
no, por lo que contribuye con un desarrollo sustentable de la empresa
durante el ciclo de vida de los equipos y el horizonte del proyecto.
Gestión de Activos
ROA RSE
Creación de Valor Económico Creación de Valor Social
a través del a través del
Costo Ciclo de Vida del Costo Ciclo de Vida de la
Activo Empresa
Desarrollo Sustentable
Figura 1.5: Gestión de activos y desarrollo sustentable
En esta nueva dimensión, la gestión de los activos no se limita a

la etapa de ejercicio de un proyecto, sino que incluye la etapa de su
concepción; como tampoco queda confinada a los equipos, sino que
incorpora el componente humano.
55
A. Arata
3. Confiabilidad Operacional
El actual entorno, cada vez más complejo y competitivo, tanto a nivel
externo como de la propia organización, exige una dimensión integra-
dora de las diferentes funciones que se relacionan con la gestión de los
activos. Para enfrentar este nuevo desafío el modelo que contribuye
a alcanzar la excelencia empresarial es la Confiabilidad Operacional,
que permite lograr la integración de los procesos, las tecnologías y las
personas para cumplir con su propósito dentro de los límites del diseño
y de las condiciones operacionales establecidas. La Confiabilidad Ope-
racional considera una serie de procesos de mejora continua que incor-
poran en forma sistemática herramientas de diagnóstico, metodologías
de análisis y nuevas tecnologías, para optimizar el proyecto, la gestión,
la planeación, la ejecución y el control, asociados con la producción, el
abastecimiento y el mantenimiento.
Para la búsqueda de la Confiabilidad Operacional es necesario ac-
tuar de manera integrada sobre los activos físicos, desde su diseño has-
ta su operación, como también considerar los aspectos relacionados
con los procesos y las personas.
Mejoramiento de la Gestión de Activos

Durante todo el costo del ciclo de vida de los Activos y el de la Compañía
Para mejorar el ROA y la RSE
Fase de Proyecto Fase del Ejercicio
Orientación a las Orientación a las Orientación a las Orientación a las

personas máquinas personas máquinas
Confiabilidad Operacional
Figura 1.6: Cobertura de la gestión de activos
La Confiablidad Operacional corresponde a una serie de procesos

de mejora continua que incorporan, en forma sistemática, avanzadas
herramientas de diagnóstico, metodologías de análisis y nuevas tecno-
logías para optimizar la gestión, planeación, ejecución y control del
56
sistema productivo. Se estructura en cinco ejes, sobre los que es nece-

sario actuar integradamente para lograr que una instalación opere de
manera confiable durante todo el ciclo de vida de las instalaciones, de
acuerdo a lo definido durante su concepción.
Estos ejes son:
• Confiabilidad humana: Es el conjunto de factores, propios de las

competencias laborales, que se relacionan con la predicción, aná-
lisis y reducción del error humano, focalizándose sobre el rol de
la persona en el diseño, operación, mantenimiento y gestión de un
sistema. Son parte de ella elementos como la gestión del conoci-
miento, la formación profesional, el trabajo en equipo y la gestión
del desempeño.
• Confiabilidad de los procesos: Se asocia con la sintonía que exis-
te entre el proceso y los procedimientos utilizados para operar
las instalaciones, entre los parámetros operacionales definidos, de
manera de respetar las condiciones establecidas y cumplir con los
procedimientos especificados.
• Confiabilidad de los suministros: Se refiere a la integración entre
los distintos procesos o unidades internas, como operación, man-
tenimiento, abastecimiento y desarrollo; con los proveedores de
insumos, energía, bienes o servicios de modo de asegurar el su-
ministro en términos de cantidad, calidad, oportunidad y costo, a
través de procesos establecidos que faciliten la logística de entrada
y permitan cuando corresponda la gestión de terceros certificados,
la administración eficiente de contratos y el análisis de la oferta.
• Confiabilidad de los activos: Se relaciona con las estrategias de
operaciones y mantenimiento para el aumento de su tiempo entre
detenciones de los equipos y su impacto sobre el sistema durante
todo el ciclo de vida de los equipos y las instalaciones.
• Mantenibilidad de los activos: Se vincula con el diseño de los
equipos y los sistemas, y con la gestión y el apoyo logístico para la
disminución de los tiempos necesarios para intervenir los equipos
de forma de reducir los impactos sobre la operación.
57
A. Arata
Confiabilidad de
los Suministros
Identificación de elementos
críticos
Cumplimiento de
procedimientos
Confiabilidad Certificación de proveedores
Confiabilidad
de Procesos Humana
Trabajar entre parámetros Gestión del conocimiento
Entendimiento del proceso Formación profesional
Trabajo en equipo
Cumplimiento de los Confiabilidad
procedimientos Gestión del desempeño
Operacional
Disposición al cambio
Confiabilidad Mantenibilidad
de Activos de Activos
Estrategias de Confiabilidad en la Fase del
mantenimiento proyecto
Contexto Operacional Mantenibilidad en la fase de
Aumento del MTBF diseño
Etapa del ciclo de vida Disminución del MTTR
Ref: Alessio Arata B. y Adolfo Arata A.
Figura 1.7: Modelo de Confiabilidad Operacional
El adecuado diseño y gestión de los activos, principalmente en ac-

tividades industriales intensivas en el uso de los equipos, tiene un rol
significativo en la Confiabilidad Operacional.
Sin embargo, el efecto de la Confiabilidad Operacional sobre la
competitividad no siempre está asumido al interior de las empresas, las
que, en general, cuentan con una cultura organizacional poco integra-
da y fundamentalmente funcional, que visualiza la gestión de los acti-
vos como un centro de costos más que como una opción para mejorar
los resultados del negocio, limitando su accionar a aspecto operativos
y desconociendo su rol en el ámbito táctico-estratégico.
También los profesionales relacionados con esta área condicionan su
campo de acción a la operación de las instalaciones, sean plantas indus-
triales o flotas de equipos, desconociendo la importancia que esta fun-
ción tiene en el diseño de nuevos proyectos y en la selección de equipos
para mejorar la seguridad de funcionamiento durante su ciclo de vida.
Esta cultura organizacional no favorece en asignarle el significativo
valor que le corresponde a la Confiabilidad Operacional como factor
para el logro de la Competitividad Sustentable. Además, es casi gene-
58
ralizada a nivel mundial, ya que muchos mantenedores aún no superan

su focalización en ejecutar mantenimiento por sobre formas más evolu-
cionada de hacer mantenimiento que se caracterice por agregar valor al
negocio a través del diseño, de la prevención y del mejoramiento con-
tinuo, en una perspectiva sistémica que considere todo el ciclo de vida
de los equipos y las instalaciones. Esta cultura también es producto
de la poca sensibilidad de muchos operadores, que no visualizan en la
gestión de los activos una fuente de grandes oportunidades en beneficio
del negocio y de los ingenieros de proyectos que normalmente limitan
sus análisis a los costos de capital y de operación sin visualizar el im-
pacto de la seguridad de funcionamiento en los costos de la no pro-
ducción, de la no calidad y del efecto sobre el ambiente y la seguridad
de las personas. Adicionalmente, responde a la falta de una gestión in-
tegrada entre los profesionales de abastecimiento y de mantenimiento
que no logran una visión de largo plazo en las decisiones relacionadas
con la gestión de los materiales y de los repuestos críticos.
Esta manera más evolucionada de diseñar y gestionar los activos
físicos busca ejecutar de manera eficiente las actividades relacionadas
y hacer de esta función un proceso eficaz que contribuya con el logro
final perseguido por el negocio. Para lograr este cambio se debe superar
su acción limitada a nivel operativo en una perspectiva de corto plazo,
para asumir un rol estratégico-táctico con una visión amplia de media-
no y largo plazo.
Considerar esta nueva forma de gestión de los activos persigue
transformar esta función empresarial desde una unidad de gasto a una
de resultado y de oportunidades, lo que exige crear una cultura organi-
zacional en la que prevalezca la integración, la prevención, el mejora-
miento continuo, el conocimiento, la tecnología y la innovación.
Para responder a estos nuevos desafíos es necesario intervenir en el
plano de la organización, favoreciendo el core business, los procesos y
la gestión participativa (Lean Organization) por sobre las estructuras
funcionales y jerárquicas; como también es requisito actuar en el plano
del diseño y de la gestión de los activos físicos, desarrollando una vi-
sión amplia, sobre todo, en el ciclo de vida de los equipos e instalacio-
nes desde su concepción (Ingeniería de la Confiabilidad).
La gestión de los activos requiere superar su rol condicionado a
lo operativo y funcional para alcanzar una visión de carácter táctico-
estratégico y sistémica.
59
A. Arata
4. Rol táctico-estratégico de la gestión de activos

Considerando los nuevos desafíos que impone la competitividad de las
empresas intensivas en equipos, el diseño y la gestión de los activos debe
superar no solamente la capacidad de resolver las emergencias y los im-
previstos para asumir una actitud orientada hacia la prevención, en sus
diferentes formas (cíclica, según condición y predictiva), sino que debe,
complementariamente, avanzar hacia formas más evolucionadas, proac-
tivas, orientadas a identificar oportunidades de mejoras que impliquen
adecuar procedimientos y modificar los equipos y los sistemas (plantas y
flotas), de forma de mejorar su confiabilidad y mantenibilidad.
P Mejorativa
r (Con cambios genéticos) LCC, RCM, MC
e Proactiva
v Preventiva Predictiva
e
n Según Condición
c Cíclica
i
ó Correctiva
n Reactiva
(Sin cambios genéticos)
Ingenierización
En oposición a Compromiso de Global Service
la producción la producción
Ref: L. Furlanetto
Figura 1.8: Evolución de la gestión de los activos
Esto no significa que la ejecución de las tareas contenidas en el

plan productivo de mantenimiento y de aquellas que resultan de las
detenciones imprevistas no deban ser abordadas, muy por el contario,
es requisito fundamental que ellas sean ejecutadas correcta, eficiente y
oportunamente, de manera de no alterar las exigencias de producción y
el presupuesto definido. Lo que se persigue es propender hacia un siste-
ma en el que los imprevistos y las emergencias que generan impacto en
el resultado del negocio tiendan a desaparecer a través de su reducción
permanente. Para ello, la gestión y el mantenimiento de los activos no
puede limitarse a su gestión, sino que también debe asumir un rol en la
modificación de los equipos, los sistemas y los procedimientos.
60
Esta nueva manera de visualizar el diseño y la gestión de los activos,

caracterizada por un actuar con más contenido, busca asumir un rol
proactivo para contribuir con la agregación de valor y aportar en el me-
joramiento de los resultados del negocio. La gestión de los activos asume
un papel que no se limita a lo operativo y de efecto en el corto plazo, sino
que, adicionalmente, adquiere un rol táctico y estratégico, de impacto en
el mediano y largo plazo, que significa contribuir con la eficiencia (reduc-
ción y contención de los costos), con la eficacia (orientación al negocio)
y la efectividad (cuidado con el ambiente y la personas).
La gestión de los activos a través del mantenimiento deja de res-
ponder solo a las necesidades particulares del área de la producción,
para asumir de manera integrada con ella y con las otras áreas rela-
cionadas. Asume una posición de ayuda permanente con la agregación
de valor económico durante todo el ciclo de vida de los equipos, desde
su selección hasta su reemplazo, como también de contribución con la
responsabilidad social empresarial durante todo el horizonte del pro-
yecto, que va desde su concepción hasta la eliminación de su alteración
del entorno en el que se desarrolló y operó.
En consecuencia, la gestión de los activos es parte de un sistema
integrado y complejo propio de una empresa inserta en el medio tan-
to local como mundial, que se alimenta de los más variados recursos
(económicos, conocimiento, personas, etc.) para entregar, con un gra-
do de certeza definido, niveles de confiabilidad y mantenibilidad en
beneficio de asegurar la disponibilidad de las instalaciones para que
el sistema productivo pueda transformarlas en utilización y producti-
vidad, de forma de cumplir con sus planes de producción de acuerdo
a una visión de largo plazo, de manera que la empresa logre los bene-
ficios económicos perseguidos en el tiempo respetando las exigencias
medioambientales y el bienestar de las personas.
61
A. Arata
Entorno
Empresa
Personas Producción
Materiales Mantenibilidad/Confiabilidad
Equipos Mantenimiento
Disponibilidad
Información Productividad
Rec. Económicos
Sustentabilidad
Servicios Externos Utilidad
Figura 1.9: Análisis sistémico simplificado de la gestión de los activos
Esta condicionante obliga a que la gestión de los activos incorpore,

además de lo relacionado con lo operativo de corto plazo, aspectos de
carácter táctico y estratégico, que tienen implicancia en el mediano y
largo plazo, dentro de su quehacer.
En el ámbito operativo, a partir de los planes productivos de man-
tenimiento generados le corresponde programar, coordinar, ejecutar,
controlar y registrar las intervenciones y las inspecciones planificadas;
como también ejecutar, controlar y registrar aquellas tareas que nacen
de los imprevistos y emergencias.
Los resultados obtenidos de la ejecución de las tareas en el ámbito
operativo, que sirven para su propio control, son la fuente de alimen-
tación para el desarrollo de la Ingeniería de la Confiabilidad (análisis
para la identificación de mejoras), la que se manifiesta en el Plan Pro-
ductivo de Mantenimiento, del que nace la programación de las activi-
dades y la asignación de los recursos necesarios del sistema operativo.
A partir del registro histórico de los datos, la Ingeniería de la Con-
fiabilidad obtiene diversos KPI’s (históricos y probabilísticos) orienta-
dos a la identificación de las oportunidades de mejoras, relacionadas
con cambios en la gestión y los equipos y sistemas, para superar las
condiciones críticas definidas de acuerdo al impacto sobre el negocio.
De esta forma se logra dinamizar continuamente el plan productivo
de mantenimiento, de manera de reducir los costos globales durante
el ciclo de vida de los equipos. El resultado de las actividades de la
Ingeniería de la Confiabilidad se debe manifestar en la actualización
62
permanente del Plan Productivo de Mantenimiento, en caso contrario

es una actividad que no genera valor en beneficio del negocio.
Proceso de Proceso de Proceso de

Mejoras Acción OT’s
Planificación deOTs Programación
Mejoramiento Continuo
Proceso de Proceso de
Ingeniería de la Confiabilidad Gestión
(foco en eficacia) (foco en eficiencia)
Identificación de Tareas Adicionales Programas &

Agregados & Mejoras de
Programas
Componentes críticos Asignaciones
Planes de
Mant
.
Planificación
Proceso de Datos Ejecución de Detalles de Proceso de

Datos
Análisis históricos Trabajo Ejecución Asignación
del Trabajo
Ref: PGI
Figura 1.10: Ciclo de la gestión de los activos
El Plan Productivo de Mantenimiento es la columna vertebral y eje

de la planificación. Una gestión adecuada de los activos se caracteriza
por un plan robusto y de horizonte anual con visión de futuro, que
debe contener la carga de las actividades y estar planificado de tal for-
ma de asegurar la función productiva de las instalaciones asociadas al
logro del mínimo costo global del proceso.
Es importante destacar que la construcción del Plan Productivo
de Mantenimiento se soporta en la determinación previa de acciones
(reemplazo, reparación, inspección, etc.) y frecuencias asociadas a
componentes del proceso. Por lo anterior, el Plan Productivo de Man-
tenimiento es la forma como se plasma la unidad de Ingeniería de la
Confiabilidad, haciendo operativa la estrategia de la gestión y el man-
tenimiento de los activos.
A la Ingeniería de la Confiabilidad le corresponde proyectar, con-
trolar y mejorar la gestión y el mantenimiento de los activos, balan-
ceando alternativas técnicas, recursos, objetivos y resultados. Estas ac-
tividades descansan en conceptos relacionados con la estandarización
y la utilización de herramientas tales como: R-MES, FMECA, MAFEC,
63
A. Arata
MCC, RCA, Mejoramiento Continuo, FTA, Gestión a Vista, Limpieza

Técnica, entre muchas otras.
En el ámbito estratégico, se visualiza a la gestión de los activos como
una unidad de negocio que requiere ser valorada de acuerdo a su agrega-
ción de valor, bajo el enfoque de cliente-proveedor en la que los servicios
entregados deben ser evaluados por la calidad, oportunidad y costo.
A este nivel le corresponde definir aspectos relacionados con la
estructura organizacional, la que debe favorecer los procesos por so-
bre las funciones y la focalización en el core bussines, características
propias de la Lean Organization. En este ámbito, es condición funda-
mental el compromiso y el involucramiento de la alta dirección de la
empresa para decidir, soportar y controlar las filosofías (TPM, TQM,
etc.) y los sistemas informáticos (específicos o ERP) a desarrollar. La
implementación de estas filosofías y plataformas informáticas necesita
de un proceso largo que implica cambios culturales en la organización.
Adicionalmente a los aspectos operativos, tácticos y estratégicos
propios de la gestión y el mantenimiento de los activos, se requiere
contar con unidades de soporte relacionadas con los servicios informá-
ticos, la gestión y el desarrollo de los recursos humanos, la gestión de
terceros y la gestión de abastecimiento.
Estrategia Organización
Plan de Negocios RRHH
Gestión de Activos
Fallas Financiamiento
Mix de Políticas Plan Productivo Gestión de OT’s Ejecución Tareas

por equipo Mantenimiento Programación Treas
Correctiva Intervenciones Coordinación
Preventiva Inspecciones Control Tareas
On condition Paradas Planta
Feedback Tareas
Predictiva
Detalle Tareas
Mejorativa
Overhaul Reportes
Control Gestión
Corto Plazo
Análisis de Información
KPI’s Confiabilidad Histórica
R-MES,, RBD, MAFEC.
Mediano Plazo AMEF, RCA, RAM
Control de Gestión
Incluye Auditorias
Largo Plazo
Servicios Gestión y Desarrollo Gestión Gestión

informáticos Recurso Humano terceros Materiales
De Soporte
Figura 1.11:Visión sistémica de la gestión de activos
64
Esta nueva visión del sistema de gestión de los activos permite superar
la aproximación funcional, limitado a la eficiencia a través del control de
los costos, para alcanzar un enfoque por proceso orientado a la eficacia
que busca la agregación de valor en beneficio del negocio, respondiendo,
así, a las condiciones que impone la competitividad empresarial.
Desafío
Confiabilidad Operacional Cambiar el enfoque
Superar
Enfoque en la función De Centro de Gasto

(Eficiencia)
Para lograr
Enfoque en los procesos A Unidad de Negocio

(Competitividad)
Acción
Organización Liviana e Ingeniería de Confiabilidad
Figura 1.12: Desde un Centro de Gasto a una Unidad de Resultado
Para enfrentar el desafío de transformar la gestión de activos en una

opción de mejora estratégica es conveniente que la estructura organiza-
cional evolucione, para hacerla más liviana, ágil e integrada, de manera
de motivar la gestión participativa y desarrollar la creatividad, la innova-
ción y el mejoramiento continuo, privilegiando la visión del negocio so-
bre el accionar funcional. Por otro lado, la organización debe focalizarse
en aquello que la diferencia respecto a sus competidores, para lo que
tiene que considerar la participación de terceros que el mercado dispone.
La estructura se debe ordenar de forma que las unidades producti-
vas, propias del core bussines, se distingan de aquellas de servicio, que
pueden ser parte de la misma organización o externas.
Esta estructura organizacional focalizada en las unidades productivas
hace indispensable la existencia de una unidad de Ingeniería de la Confia-
bilidad a la que le corresponde la gestión de los activos durante todo su
ciclo de vida, sin autoridad administrativa, sino que ella radica fundamen-
talmente en el aporte de valor que genera en beneficio del negocio.
65
A. Arata
5. Estructura organizacional
Cuando se hace referencia a la confiabilidad y mantenibilidad de los sis-
temas y equipos, en general se tiende a atribuir que el comportamiento
de estos es producto de sus propias características, sin considerar el efec-
to del entorno y de las personas que lo gestionan, operan y mantienen.
De la información estadística sobre los accidentes a nivel mundial,
se estima que solo el 10% se origina por causas fortuitas. Del 90%
restante se considera que solamente el 8% es de responsabilidad de una
persona en particular, ya que el 92% es producto de errores organiza-
cionales que resultan de la interacción entre las personas, las condicio-
nes del entorno y las tecnologías.
Es posible señalar que el factor humano y los asuntos organizacio-
nales tienen un rol significativo en el origen de las detenciones y fallas
de los equipos e instalaciones, por lo que su consideración es relevante
para la determinación y el mejoramiento de la confiabilidad y mante-
nibilidad de los sistemas.
Toda empresa está caracterizada fundamentalmente por su gente
y por su cultura organizacional, que se influyen mutuamente. Es así
como una misma persona en otra organización de características simi-
lares muestra un desempeño diferente, como resultado del efecto que
produce en ella la cultura organizacional.
Las personas con sus propias competencias requieren, además de
recursos económicos, tecnológicos, materiales, insumos, procedimien-
tos, etc., de una estructura organizacional que les permita aplicar y de-
sarrollar sus competencias y capacidades de innovación, de manera de
mejorar permanentemente su desempeño en beneficio del cliente final
y, como consecuencia, crear valor para la empresa.
Muchas empresas de corte tradicional se caracterizan por formas or-
ganizacionales funcionales que requieren de múltiples niveles jerárquicos
para ejecutar las diferentes funciones, generándose estructuras pesadas
y burocráticas en las que se favorece la eficiencia por sobre la eficacia y
se olvida al verdadero cliente, privilegiando satisfacer a la jefatura. Este
tipo de organizaciones no motiva la participación de las personas en
la búsqueda de soluciones nuevas que podrían nacer de los problemas
que se originan en su puesto de trabajo y, además, conlleva a un uso
innecesario de recursos para el cumplimiento de las metas, generándose
derroches que generan costos escondidos y que se manifiestan de las más
diversas formas, tales como: sobredotación de personal, redundancias
66
exageradas, sobrestock, work in process, complejidad de procedimien-

tos, pérdidas de calidad, contaminación ambiental, accidentes, etc.
Ordenada por funciones
Orientada a la Jefatura
Jefatura Jefatura Ordenada por proceso

Orientada al cliente
C
L
I
E
N
T
E
1.13: Transformación de la estructura organizacional
La empresa debe evolucionar hacia una entidad de calidad mun-

dial, que implica un reducido número de emergencias, escasos recha-
zos por problemas de calidad, ausencia de accidentes laborales, alta
productividad y producción limpia, es decir, una empresa altamente
competitiva sustentada en el componente humano. Para alcanzar esta
empresa evolucionada es necesario actuar tanto sobre el estilo de ges-
tión como sobre la forma de organización.
En esa perspectiva, la gestión debe incorporar dos principios fun-
damentales: la eliminación del derroche y la orientación al cliente.
Eliminación del derroche indica la disposición permanente de todos
los miembros de la organización para eliminar y evitar todo aquello que
no entregue valor agregado al cliente final. Esto implica el mejoramiento
continuo de la productividad, en orden a eliminar el uso innecesario de
recursos a través del aprovechamiento intensivo de las capacidades inte-
lectuales y la creatividad del capital humano de la empresa.
Orientación al cliente conlleva el establecimiento de una disposi-
ción constante para interpretar, acertada y oportunamente, los requeri-
mientos de los consumidores de los productos y servicios entregados, es
decir, poner al cliente al centro de la actividad de la empresa de forma
de asegurar la satisfacción creciente de sus necesidades en el tiempo.
El modelo organizacional coherente con este tipo de empresa se
basa en dos elementos fundamentales, no necesariamente alternativos
67
A. Arata
sino más bien complementarios: la gestión por procesos y la externali-

zación de actividades.
La gestión por procesos reconoce a la empresa como un conjunto
interrelacionado de procesos regulados, al interior de la empresa, por
relaciones proveedor-cliente entre las fronteras de los eslabones de la
cadena de valor, formadores de unidades productivas elementales. Se
basa en la colaboración e integración de unidades básicas del sistema
productivo que componen el core business de la empresa.
Esto implica la necesidad de buscar la colaboración de terceros a
través de la externalización de todas aquellas funciones y actividades
que no son factores estratégicos diferenciadores de la organización, ya
que no son parte del core business de la empresa. Es la externalización
de actividades, junto con la organización por proceso, la manera de ha-
cer de la empresa una unidad competitiva sobre una base internacional
y con responsabilidad local.
En consecuencia, la empresa descrita requiere no solo de personas
capacitadas, involucradas, comprometidas y confiables, sino también de
una organización que permita que estas cualidades se desarrollen natu-
ralmente, sin la necesidad del permanente mando y control central que
genera estructuras jerárquicas y pesadas, que son contradictorias con la
organización perseguida. Este tipo de organización busca una estructura
participativa en la que toda persona debe ser reconocida por sus capacida-
des intelectuales por sobre sus capacidades operativas. Solo así una perso-
na adecuadamente formada y capacitada, de acuerdo a las competencias
laborales requeridas en el puesto de trabajo, asume de manera confiable
responsabilidades en beneficio del cumplimiento de la misión empresarial.
Esta lógica estructural persigue una organización con capacidad
de aprender continuamente, confiable en su actuar y que responde a
la valoración del ser humano, de acuerdo con sus capacidades diferen-
ciadoras, que son la inteligencia, la innovación y la creatividad. Este
enfoque organizacional es el que se identifica con el concepto de la
Organización Integrada y Liviana (OIL).
La OIL es el modelo productivo de excelencia; el único que permite
lograr una competitividad sustentable en el tiempo y vencer a la com-
petencia cuyas fronteras sobrepasan cada vez más los mercados locales
y tienen un alcance de mercado global.
Más allá de las características positivas de muchas organizaciones
que pueden estar asociadas con la cultura industrial, la creatividad, la
68
tecnología y tantos otros, el factor diferenciador de la excelencia em-

presarial se sintetiza en la OIL, ya que a través de ella se desarrolla el
empowerment, el que podemos definir como la valorización de todos
los recursos intelectuales disponibles en la empresa, en todos sus nive-
les, relacionados con la polivalencia y la especialización, actuando de
manera armónica e integrada.
El éxito de la OIL está asociado a una elevada disponibilidad téc-
nica de los equipos y a un bajo costo global, entendido como la com-
binación entre los costos de capital, los de producción y los de la falta
durante todo el ciclo vida de las instalaciones.
Sintetizando, el valor primario de la OIL es cultural. A consecuen-
cia de este proceso, el operador de los equipos logra un fuerte aumento
de conocimiento tecnológico y asume un rol más autónomo en la ges-
tión del equipo; paralelamente, el mantenedor crece en términos de co-
nocimientos funcionales de los equipos y realiza un rol más profesional
en el ámbito técnico-mantenedor. La OIL genera, por tanto, mecanis-
mos de crecimiento profesional, de involucramiento y de participación.
Entre las técnicas productivas japonesas que caracterizan a la OIL,
el Mantenimiento Productivo (TPM) y que es congruente con los prin-
cipios del Just in Time (JIT) y de la Calidad Total (TQC), es aquella que
mejor opera en el sentido de liberar los recursos invisibles y escondidos
que se encuentran en la Unidad Productiva Elemental. Es también, por
lo tanto, una de las más eficaces estrategias de desarrollo organizacio-
nal fundado en la persona.
Si bien la Organización Liviana está orientada al proceso, no por
eso desaparecen las especializaciones asociadas a funciones específi-
cas que se requieren como apoyo a las unidades de productivas. Ade-
más, dado que las unidades productivas se focalizan en el proceso y las
unidades de apoyo a las funciones de especialidad, se requiere de una
Unidad de Ingeniería de la Confiabilidad orientada al mejoramiento
continuo de la gestión de los activos físicos.
69
A. Arata
Equipo de
Administración
función
Producción
Función Básica
Ingeniería de
Unidad Productiva Confiabilidad
Función Especialista
Proceso
Mantenimiento Mayor
Ingeniería
Función Especialista de la Confiabilidad
Responsable del Gestión de Activos
Mantenimiento de Oficios
proceso global
Responsable de la Función Responsable de la Gestión de

mantenimiento Activos
Ref: Adolfo Arata A. y L. Furlanetto
1.14: Ingeniería de la Confiabilidad en la estructura organizacional
Se puede establecer que la Ingeniería de la Confiabilidad no tie-

ne autoridad decisional. Su rol es fundamental pero solo se orienta
a aportar y a asistir a la unidad productiva; a través de sus acciones
de proyectar, controlar y mejorar; en lo relacionado con el diseño, la
gestión y el mantenimiento de los activos desde una visión global, no
solo en la variable tiempo sino también en su integración con las otras
actividades empresariales, como la producción, el proyecto, el abaste-
cimiento y la informática.
La importancia de la Ingeniería de la Confiabilidad radica funda-
mentalmente en su permanente relación con el mundo externo y en la
generación de conocimiento, lo que la transforma en una función fun-
damental para la toma de decisiones de la unidad productiva. Su apor-
te permite respaldar cualitativa y cuantitativamente, del punto de vista
técnico-económico, las decisiones a nivel de proyecto y del ejercicio.
Dado que no cuenta con una autoridad administrativa, es requisito
básico el compromiso, tanto a nivel operativo como gerencial, en rela-
ción a su desarrollo y aplicación.
Es una unidad de staff que debe estar perfectamente integrada con las
otras funciones de la empresa, como mantenimiento, producción, abas-
tecimiento, ingeniería, informática y personal, de manera que se alimente
de datos e información, que son la base para cumplir con su quehacer.
Para establecer la posición y el rol de la Ingeniería de la Confiabi-
lidad en la organización es necesario identificar los tres procesos gene-
rales relacionados con los activos físicos.
70
Entre los procesos es posible distinguir aquel relacionado con la eje-

cución de las tareas, el que recibe las ordenes operativas de otro proceso
asociado con la gestión, al cual también le reporta el estado de avance y
toda la información relacionada con las intervenciones programadas y la
no programadas, tanto operacionales como de mantenimiento.
El proceso de la gestión entrega los antecedentes y la información
de las actividades realizadas al proceso de la Ingeniería de la Con-
fiabilidad, encargada del análisis y la cuantificación: del comporta-
miento de la confiabilidad operacional de los componentes y de los
sistemas, de la evaluación de la gestión de los activos y del análisis de
las implicancias económicas en la perspectiva del costo durante todo
el ciclo de vida de los equipos.
Finalmente, el proceso de la Ingeniería de la Confiabilidad que, a
través del uso de las diversas técnicas y de los instrumentos de software
de Ingeniería de la Confiabilidad, tiene la tarea de identificar, sobre una
base cuantitativa y rigurosa, las oportunidades de mejoras, tanto en el
ámbito de la gestión como de proyectos, para su evaluación, implemen-
tación y culminación en el Plan Productivo de Mantenimiento.
Respecto a la disposición de la Ingeniería de la Confiabilidad en la
estructura organizacional, esta podría ser parte de la unidad de Inge-
niería Producto Proceso, sin embargo, en empresas con escasa cultura
en el nuevo rol de la gestión y mantenimiento de los activos, con esta
solución se corre el riesgo que la actividad de Ingeniería de la Confia-
bilidad sea postergada y hasta olvidada, por privilegiar el desarrollo
de la ingeniería tradicional. Por ello es necesario y conveniente que la
Ingeniería de la Confiabilidad sea una unidad separada de ingeniería,
de manera que esté orientada exclusivamente a su labor, sin distraer re-
cursos a otras actividades. Tanto es así que la actividad de planificación
del mantenimiento productivo, manifestación operativa de su aporte,
es conveniente que esté estructurada en una unidad separada estrecha-
mente relacionada con la Ingeniería de la Confiabilidad.
En organizaciones maduras, en lo relacionado con la gestión de
los activos puede llegar a ser conveniente la incorporación de esta ac-
tividad a la unidad de Ingeniería, ya que, si bien tiene el riesgo de ser
postergada por favorecer el quehacer tradicional de Ingeniería, tiene la
ventaja que esta opción integra la actividad de Ingeniería de la Confia-
bilidad con los procesos y proyectos, lo que resulta conveniente dado
la interrelación existente con ambas actividades.
71
A. Arata
Para que la Ingeniería de Confiabilidad sea el nicho cultural de la

gestión de los activos en la organización, más allá de estar al servicio
permanente de las otras funciones de la empresa debe ser la ventana
al mundo exterior, ya que es la que debe mantenerse permanentemente
actualizada con los desarrollos tecnológicos, con los resultados logra-
dos por otras empresas y con la oferta de terceros.
Del punto de vista del grado de centralización de la Ingeniería de
Confiabilidad en la estructura organizacional, es posible encontrar las
más variadas soluciones en la realidad industrial, que van desde casos
fuertemente centralizados hasta algunos en la que esta actividad está
diluida en las unidades productivas.
Si bien la solución más conveniente dependerá de las características
particulares de cada proceso tecnológico, de la propia historia de las or-
ganizaciones y de las competencias profesionales disponibles, es posible
establecer ciertos criterios generales que ayudan a definir el grado de
centralización o descentralización de la Ingeniería de la Confiabilidad.
Para esto es necesario establecer algunos factores que influyen en
la decisión, los que están asociados con las diversas fases que le co-
rresponden a la Ingeniería de Confiabilidad y con las características
particulares del proceso productivo.
En términos de las fases, es posible establecer la verificación de la
captura del dato, el proceso de transformación del dato en información
y conocimiento útil, la identificación de las oportunidades de mejoras
a partir del conocimiento generado y la definición del plan de mante-
nimiento. Es obvio que en la medida en que la fase se relaciona más
directamente con el proceso productivo, como la captura del dato, la
identificación de oportunidades y, como también podría ser, el plan de
mantenimiento, la solución de la estructura de la Ingeniería de la Con-
fiabilidad tiende a la descentralización. En cambio, la transformación
del dato en información y conocimiento útil puede ser más centralizada.
Respecto a las características del proceso productivo es necesario
considerar los aspectos geográficos de la ubicación de las instalaciones,
las dimensiones de las unidades de producción y las condiciones de
homogeneidad tecnológica de los procesos. Es evidente que en situa-
ciones caracterizadas por grandes dimensiones, dispersión geográfica y
tecnología no homogéneas, la solución organizacional de la Ingeniería
de la Confiabilidad tiende a la descentralización.
72
Si bien cada realidad industrial, de acuerdo a su estructura pro-

ductiva en términos de dimensiones y distribución territorial (local o
internacional), definirá el grado de centralización / descentralización
a nivel corporativo, divisiones geográficas y unidades productivas, es
posible establecer, sin pretender entregar posiciones definitivas, algu-
nos elementos generales de orientación. Es importante destacar que
la implementación y el desarrollo de la Ingeniería de la Confiabilidad
responden a un proceso dinámico que influirá en su alcance en la forma
organizacional más adecuada.
A nivel centralizado la Ingeniería de Confiabilidad actúa como
factor de:
• Integración, síntesis y difusión de la cultura técnica generada y

distribuida en las distintas áreas productivas.
• Motivación y activación del proceso de mejoramiento continuo y
el empowerment, valorizando la experiencia histórica, el conoci-
miento y las competencias disponibles en la organización.
• Respuesta a los requerimientos de las áreas productivas, orientados
a mejorar su desempeño con una visión integral y de mediano plazo.
• Incorporación del enfoque del ciclo de vida, para el desarrollo de
nuevos proyectos de capital.
• Auditoría continua del estado del mantenimiento, a través de
KPIs, a diferentes niveles de la organización.
• De relación con el entorno en términos de la identificación de
nuevas tecnologías, metodologías y normativas.
A nivel descentralizado la Ingeniería de Confiabilidad opera como

factor de:
• Integración entre la producción y el mantenimiento, orientado al

mejoramiento en el desempeño de los equipos y las instalaciones
en beneficio del negocio.
• Incorporación y aplicación de métodos de ingeniería para el me-
joramiento del mantenimiento.
• Identificación de las oportunidades de mejoras, considerando el
comportamiento de los equipos y las competencias profesionales
disponibles en las unidades operativas.
• Planificación del mantenimiento.
73
A. Arata
• Definición de las mejores prácticas.

• Estudios de confiabilidad e inspección de equipos.
• Gestión de los sistemas informáticos de apoyo.
La estructura organizacional, que es respuesta de las definiciones

estratégicas, tiene un rol fundamental en el éxito de la gestión de los
activos, por lo que su valor básico le corresponde a las personas que la
componen. No es posible desconocer que finalmente es el error huma-
no el evento final en una cadena de errores, independiente que su ori-
gen pueda estar en un inadecuado proyecto o en un sistema de gestión
y administración poco riguroso.
En la organización es la persona el componente fundamental, por lo
que la confiabilidad humana asume un rol básico en el logro de los resul-
tados esperados a través de la aplicación de la Confiabilidad Operacional.
Es oportuno recordar que, desde una perspectiva conceptual y
práctica, la confiabilidad de un sistema es la probabilidad de buen fun-
cionamiento de un elemento o sistema bajo determinadas condiciones,
entre las cuales se encuentran las competencias personales de operar
y mantener adecuadamente los equipos, como también su capacidad
y motivación para prevenir precozmente alteraciones y para mejorar
continuamente el funcionamiento y el mantenimiento de los equipos.
6. Ingeniería de la Confiabilidad
6.1 Fundamentos básicos
Como todas las áreas del conocimiento, la gestión de los activos ha
evolucionado considerablemente a lo largo del tiempo. Su evolución no
ha sido fácil, ya que no solo ha tenido que dedicar grandes esfuerzos
para su desarrollo, sino que, adicionalmente ha debido generar, tarea
aún pendiente en muchas empresas, importantes cambios en la cultu-
ra de la organización empresarial, de manera de superar su enfoque
tradicional que limitaba a ser una unidad operativa, para incorporar
una nueva visión en la que asume un enfoque estratégico de mediano y
largo plazo que aporta valor al negocio.
En sus inicios, la gestión de los activos estaba orientada a respon-
der a las detenciones imprevistas, limitando su accionar reactivamente
a actividades correctivas. En una siguiente etapa se caracterizó por la
74
orientación a la prevención desde su forma más básica del tipo cíclico,

pasando por la on-condition, hasta alcanzar formas aún más evolucio-
nadas relacionadas con la predictiva. Por último, y más recientemente,
surge una nueva manera proactiva de gestionar los activos físicos que
incorpora la opción de mejora continua de los equipos y de los siste-
mas, con el objeto de aumentar la seguridad de funcionamiento de las
instalaciones. Mejoras que, en general, no implican aumento del valor
patrimonial de los activos, sino que, fundamentalmente, su valor radica
en el mejoramiento de su performance asociada con la seguridad opera-
cional a través del aumento de la confiabilidad y la mantenibilidad de los
sistemas y los equipos.
En esta nueva forma de gestionar los activos se requiere de modelos
y metodologías que permitan mejorar los sistemas de gestión y la ge-
nética de los equipos, de manera de minimizar los costos globales que
resultan de la relación entre los costos directos y los costos de la falta
de producción, debido a la no disponibilidad de los equipos, en una
perspectiva de largo plazo que considera el costo durante todo el ciclo
de vida de los activos.
El gran desafío de la gestión de los activos es cómo evolucionar
desde una mirada restringida a lo reactivo, práctica aún habitual y
naturalmente aceptada en las organizaciones, hasta una forma más
proactiva, orientada a prevenir y mejorar de manera de propender ha-
cia las cero detenciones, es decir, hacia la excelencia.
Para esta nueva manera de gestionar los activos se requiere supe-
rar la visión limitada al hacer, para incluir el pensar; restringida a la
eficiencia, para agregar la eficacia; y condicionada a lo operativo, para
alcanzar lo táctico-estratégico. En todo ello la Ingeniería de la Confia-
bilidad asume un papel determinante.
La Ingeniería de la Confiabilidad representa la expresión organiza-
cional cuya tensión está orientada hacia la solución de los problemas
del diseño, de la gestión y del mantenimiento de los activos a través de
un enfoque rigurosamente científico y racional. Es la mente de la orga-
nización y opera transversalmente en ella, desarrollando y gestionando
el conocimiento en lo que respecta con la gestión de los activos. El con-
cepto identifica el conjunto de principios, modelos, técnicas, procedi-
mientos y herramientas relacionadas con la Confiabilidad Operacional
en el ámbito del diseño, del proyecto, de la gestión y de la organización,
que permiten afrontar el tema de los activos físicos con el objeto de
75
A. Arata
lograr importantes mejoras de la eficiencia, la eficacia y la efectividad,

buscando asegurar la competitividad sustentable en las empresas inten-
sivas en equipos.
Las funciones fundamentales de la Ingeniería de la Confiabilidad,
que actúan de forma integrada, son:
• Proyectar la gestión de los activos a través de la definición de la

estrategia representada por la definición del mix de políticas, el
establecimiento de las condiciones técnico-económicas óptimas y
la estandarización de los ciclos de trabajo, lo que se manifiesta,
de manera concreta, en la dinamización permanente de los planes
productivos de mantenimiento.
• Controlar técnica y económicamente el sistema relacionado con la

gestión de los activos a través de KPI’s, que permitan seguir la evo-
lución histórica y la proyección de comportamiento de los equipos y
de los sistemas a través del análisis de los propios resultados, como
también por medio del benchmarking con realidades de referencia.
• Mejorar continuamente la gestión de los activos a través de la

búsqueda permanente de oportunidades de mejoras, consideran-
do de manera integrada el comportamiento de los KPI’s relacio-
nados con la confiabilidad, la mantenibilidad y la logística co-
rrespondiente, de los equipos y su impacto sobre el negocio. Las
oportunidades de mejoras, evaluadas técnica y económicamente,
al ser implementadas cumplen con la dinamización del plan pro-
ductivo de mantenimiento.
La Ingeniería de la Confiabilidad es la actividad que permite re-

lacionar los costos directos y de capital con los beneficios asociados
al mejoramiento de la confiabilidad operacional de las instalaciones.
En consecuencia, es aquella área del conocimiento que permite trans-
formar el mantenimiento como centro de gastos hacia la gestión de
los activos como unidad de resultado, por lo que intenta superar su
focalización en corto plazo, limitada a mejorar la eficiencia, para al-
canzar un rol táctico-estratégico de mediano y largo plazo, que busca
influir además en la eficacia, contribuyendo así con el mejoramiento
de la competitividad.
76
Ingeniería de Confiabilidad
Mejorar Proyectar Controlar
Reducción Aumento
Costos Directos y Capital V/S Seguridad Operacional
Enfoque orientado a la eficiencia Enfoque orientado a la eficacia
Costo
Costo Global
Costos directos y capital
Costos de falta producción
Solución óptima Seguridad Operacional

Ref: Adolfo Arata A
Figura 1.15: Costos directos y de capital v/s seguridad operacional
Para cumplir con esta tarea, la Ingeniería de la Confiabilidad re-

quiere contar con herramientas rigurosas que permitan determinar in-
dicadores para la identificación de oportunidades de mejoras. Entre
ellos, uno básico para materializar la Ingeniería de la Confiabilidad
es la cuantificación del costo de ineficiencia que resulta de la falta de
producción a nivel del sistema, debido a la no disponibilidad de los
equipos que lo componen.
El costo de ineficiencia se obtiene de la facturación que se deja
de hacer menos los costos variables que se dejan de gastar durante el
periodo de tiempo en el que los equipos no están operativos por situa-
ciones no previstas, lo que es equivalente a la suma de los costos fijos
más las utilidades. Por lo tanto, el costo de ineficiencia no es un flujo
real de dinero, sino que representa un ingreso que se deja de recibir
cuyo valor depende de la detención no programada de los equipos;
producto de la confiabilidad, mantenibilidad y utilizabilidad; y de su
impacto económico sobre el sistema de acuerdo al nivel de redun-
dancia de las configuraciones de los diagramas de proceso (stand-by,
paralelo, redundancia parcial, fraccionamiento, stock-pile, work in
process) que representan la planta o la flota de equipos. El costo de
ineficiencia se obtiene del costo de la falta por el tiempo de detención
no programado.
77
A. Arata

Figura 1.16: Costo de ineficiencia
Los costos de ineficiencia se reflejan a nivel sistémico ya que son

producto del impacto de las detenciones no programadas de los dife-
rentes equipos en el tiempo, sobre el resultado del negocio.
Si bien el costo de ineficiencia es a nivel del sistema, su origen se
encuentra en los elementos críticos que lo constituyen, sobre los cuales
es necesario aplicar las políticas de inspección, control, reemplazo o
reparación en beneficio del negocio. Por lo que la criticidad de un com-
ponente o equipo es resultado no solo de su disponibilidad, producto
de la frecuencia de detenciones (probabilidad de falla) y los tiempos
de reincorporación (reparabilidad), sino también de la configuración
del procesos (nivel de redundancia) y del costo de la falta y calidad de
producción por unidad de tiempo (consecuencia).
Costo de Falta
(F’-cv) / T
Criticidad Impacto sobre el negocio
Diagrama de Proceso
Flow Sheet Seguridad de funcionamiento
Utilización, Calidad, y Velocidad
Confiabilidad (MTBF) Disponibilidad

Mantenibilidad (MTTR)
Ref: Adolfo Arata A
Figura 1.17: Criticidad de los equipos
Como indicador para identificar si el origen de la criticidad está en

los equipos o en el arreglo sistémico, se puede utilizar el diagrama de
78
la «No disponibilidad del equipo – Consecuencia en el sistema», en el

que se presentan las curvas de iso-criticidad (iso-costo de ineficiencia).
Para determinar si la criticidad de un equipo se debe a la confiabili-
dad o a la mantenibilidad (equipo agudo o crónico), se usa normalmente
la matriz de dispersión, que combina estas dos variables para identificar
si el equipo tiene problemas de carácter agudo, crónico, o ambos.
Como también la matriz de los costos, seguridad y el ambiente
permite identificar el efecto de un modo de falla en los resultados eco-
nómicos y el impacto sobre la contaminación ambiental y la seguridad
de las personas, aportando una visión de la criticidad relacionada no
solo con los resultados económicos (ROA), sino también con aspectos
sociales (RSE) que permite un desarrollo sustentable.
Un indicador que permite desagregar de manera clara el origen del
costo de ineficiencia es el OEE (Overall Equipment Effectveness). Este
presenta el porcentaje del tiempo que un equipo produce realmente,
de acuerdo a las condiciones de cantidad y calidad establecidas en el
periodo que fue planeado para hacerlo.
Tiempo teórico de producción
Detenciones Factor
Tiempo planificado de producción Planificación
planeadas (Pp)
Equipo defectuoso Factor

Detenciones disponibilidad
Tiempo posible de producción
no planeadas Puesta en marcha (A)
Tiempo neto Pérdidas Paradas menores Factor de

eficiencia
de producción velocidad
Reducción de velocidad (P)
Diferencias del proceso Factor de

Tiempo real Pérdidas calidad
producción calidad Pérdidas de partida (Q)
Seis grandes pérdidas
Figura 1.18: Eficiencia global de los equipos (OEE)
Si bien existen muchos otros de gran valor, el OEE es un buen indi-

cador para la Ingeniería de la Confiabilidad, ya que permite determinar
la eficiencia de las instalaciones y de los equipos identificando con cla-
ridad el origen de ella a través de la búsqueda de las seis grandes pér-
didas que resultan de las detenciones no planificadas (de operaciones y
mantenimiento), de la velocidad y de la calidad.
79
A. Arata
La Ingeniería de la Confiabilidad, más allá de su valor asociado

con el mejoramiento del diseño y de la gestión de los activos sobre la
base del modelo de la Confiabilidad Operacional, cumple con un papel
integrador entre las diferentes funciones empresariales. Es así como se
relaciona con el mantenimiento a través de la disponibilidad; con la
producción por medio de la productividad; con abastecimiento en la
identificación de y la gestión de los repuestos críticos; con la ingeniería
por su rol en la seguridad de funcionamiento durante todo el ciclo
de vida de las instalaciones; con recursos humanos por las competen-
cias laborales requeridas para la operación y el mantenimiento de los
equipos; y con la seguridad, por su contribución con el cuidado de las
personas y el ambiente.
Aumento de la
disponibilidad
Aumento de la Competencias
productividad
Producción
Recursos
Mantenimiento Humanos
IC
Ingeniería Adquisiciones
Seguridad
Reducción Costo Optimización de
Global Eliminación compras
accidentes y
contaminación
Ref: Adolfo Arata A
Figura 1.19: Factor integrador de la Ingeniería de la Confiabilidad
Sin embargo, el aporte concreto de la Ingeniería de la Confiabili-

dad al negocio solo se materializa cuando, a partir del comportamien-
to histórico de los equipos, se identifican, se evalúan y, finalmente, se
implementan las oportunidades de mejoras, quedando reflejadas en el
Plan Productivo de Mantenimiento. En caso contrario su contribución
queda limitada al tratamiento de datos y de información sin la genera-
ción de valor en beneficio del resultado del negocio.
Estas oportunidades de mejoras pueden ser en el ámbito de la ges-
tión como del proyecto. A modo de ejemplo, en el ámbito de la ges-
tión es posible identificar mejoras relacionadas con la definición de
80
estrategias de producción, con la determinación de mix de políticas de

mantenimiento, con la gestión de repuestos críticos, con los intervalos
de inspección, con la participación de terceros, con programas de ca-
pacitación, etc. Por su parte, en el ámbito del proyecto se puede men-
cionar como alternativas de mejoras el aumento de las redundancias,
las políticas de reemplazo de equipos, el incremento de la confiabilidad
y la mantenibilidad de equipos, el fraccionamiento de instalaciones, la
determinación de stock pile y work in process, etc.
Ingeniería de la Confiabilidad
Identificación de elementos críticos

Impacto en el negocio, ambiente y la seguridad
Oportunidades de mejora
A nivel del ejercicio y de proyecto
Gestión Inversión
Políticas Gestión Programa Gestión Equipos Plantas y Flotas

Mtto. repuestos inspección RRHH., terceros mejora, reemplazo redundancia, stock pile
Plan Productivo Mantenimiento
Ref: Adolfo Arata A
Figura 1.20: Materialización de la Ingeniería de la Confiabilidad
La cadena de valor de la Ingeniería de la Confiabilidad parte del

dato producto de un evento (para una instalación en operación) o del
benchmarking (para un nuevo proyecto), y finaliza a través de la mate-
rialización de su aporte en el plan productivo de mantenimiento. En este
proceso de las diferentes actividades de la cadena de valor (dato, KPI’s,
oportunidades, evaluación e implementación), el dato y la identificación
de la oportunidades de mejoras son aquellas actividades de carácter es-
tratégico por lo que no pueden ser externalizables, en cambio el resto, in-
dependiente de su complejidad, como es el caso de la obtención de KPI’s,
podrían ser aportadas por terceros especialistas en la materia, integrados
fuertemente con la organización demandante del servicio.
81
A. Arata
Implementación
Oportunidad
Evaluación
Evento
Datos
Pan Productivo de Mantenimiento

Acción
KPIs
Gestión
Fase
Operación
Fase
Proyecto
Acción
Benchmark
Rol Estratégico Proyecto
Ref: Adolfo Arata A

Figura. 1.21: Cadena del valor de la Ingeniería de la Confiabilidad
Las principales tareas de la Ingeniería de la Confiabilidad se pue-

den resumir en las siguientes:
• Establecer la estrategia de la gestión de los activos a través de la

definición del mix de las políticas de mantenimiento y de las técni-
cas más adecuadas a nivel de los componentes básicos, entendido
como los elementos inspeccionables, reparables y reemplazables,
según las condiciones específicas, tanto internas como externas.
• Dinamizar el Plan Productivo de Mantenimiento a través de su
actualización permanente considerando el comportamiento his-
tórico, la evolución y la proyección del comportamiento de los
componentes críticos, de manera de poder determinar los recursos
materiales y de personas (propias y de terceros) necesarios para
asegurar una gestión de los activos, no solo eficiente, sino también
eficaz y efectiva.
• Definir las acciones para el mejoramiento de la confiabilidad y la
mantenibilidad en beneficio de la mejorar de la disponibilidad, la
utilización y la capacidad productiva de las instalaciones industriales.
• Desagregar el origen de los problemas de manera de poder definir
las acciones de producción, mantenimiento, abastecimiento, per-
sonal e ingeniería relacionados con los componente básicos que
constituyen los sistemas que impactan el negocio.
82
• Promover la estandarización a los sistemas de gestión e informati-

vos y colaborar en la definición de las unidades técnicas, del punto
de vista de la seguridad operacional, para la codificación de los
componentes.
• Establecer los manuales de gestión de los activos en el que se defi-
nan de manera consensuada las métricas, los KPI’s y los criterios,
de forma de facilitar el análisis y los procesos de benchmarking.
• Obtener los KPI’S que permitan identificar las oportunidades de
mejoras, a partir del comportamiento histórico, la evolución y la
proyección de los equipos críticos.
• Definir la política de abastecimiento de los repuestos relacionados
con los equipos críticos.
• Valorizar los costos de la falta de producción, como consecuencia
de detenciones de producción no programadas y de las fallas, de
forma de transformar la gestión de activos de una unidad asociada
a los gastos a otra que permita mejorar el resultado del negocio.
• Colaborar con el desarrollo de nuevos proyectos de capital, de
manera de incorporar la confiabilidad operacional en el análisis
y en el estudio de alternativas relacionadas con la confiabilidad y
la mantenibilidad de los equipos y de las configuraciones de las
instalaciones, durante todo el ciclo de vida.
• Contribuir con la política de reemplazo de equipos de acuerdo a
su diagnosticabilidad, confiabilidad y mantenibilidad.
• Establecer los niveles de redundancia de los sistemas a través de
la incorporación de equipos de respaldo, del fraccionamiento de
la instalaciones y del dimensionamiento de stock pile y de work
in process.
• Realizar análisis de riesgo e impacto ambientales en relación a la
operación de los equipos y del efecto de las variaciones del entorno.
• Promover el desarrollo y el mejoramiento de los métodos de traba-
jo y de las competencias de los operadores y de los mantenedores.
• Ser el referente cultural de toda la organización en relación a la
gestión de los activos.
La Ingeniería de la Confiabilidad, que busca dinamizar el proceso

de mejoramiento continuo de la gestión de los activos a través del co-
nocimiento, de la inteligencia y del análisis cuantitativo, se manifiesta
tanto en la concepción y el desarrollo de nuevos proyectos de capital
83
A. Arata
como durante el ejercicio de plantas industriales y de flotas de equipos,

alimentándose, para el caso de proyectos, de información proveniente
del comportamiento de los equipos de otras instalaciones operando en
condiciones similares (benchmarking) y, para el ejercicio, de informa-
ción histórica generada del funcionamiento de los equipos de la propia
instalación (evento).
6.2 Fase de Proyecto

Para el desarrollo de nuevos proyectos de capital, es tarea de la In-
geniería de la Confiabilidad aportar con la minimización de los costos
globales relacionados con los costos de capital, los costos directos (mano
de obra, materiales, insumos, terceros), los costos de pérdidas de produc-
ción (por detenciones no programados, por falta de calidad) y los costos
asociados con el cierre y la adecuación de las alteraciones del entorno
durante todo el horizonte del proyecto y del ciclo de vida de los equipos.
En general, esta especialidad no ha sido parte en la toma de decisiones a
nivel de proyecto.
Si bien últimamente algunas empresas de ingeniería han ido supe-
rando esta deficiencia, es aún habitual que en muchas de ellas todavía
no consideren en la toma de decisiones para el estudio de alternativas
de proyecto los costos de ineficiencia asociados con la confiabilidad
operacional, desconociendo, en consecuencia, la importancia que esta
tiene en la definición los flow sheet, en la selección de los equipos, en el
lay out de las instalaciones, en la definición de los planes y en la selec-
ción de los profesionales.
En el diseño de proyectos industriales los principales esfuerzos de
ingeniería están orientados a optimizar los distintos procesos operacio-
nales que constituyen la cadena de valor, destinándose importantes re-
cursos en evaluar distintos escenarios a través de complejas herramien-
tas financieras que buscan reducir la incertidumbre abarcando la ma-
yor cantidad de variables y sus respectivas proyecciones en el horizonte
de evaluación, sin considerar el riesgo asociado a no lograr cumplir con
los planes de producción e ingresos proyectados por los ingenieros de
procesos, como también los costos asociados con la desinstalación y el
acondicionamiento del entorno.
84
Figura. 1.22: Costos durante todo el ciclo de vida de proyectos (LCC)
Los modelos de optimización que originan las estimaciones de pro-

ducción se sustentan en condiciones ideales difícilmente alcanzables,
que en ocasiones obligan a incorporar factores de seguridad definidos
sin la rigurosidad y certeza asignada al resto del proyecto.
Este problema tiene su solución en la utilización de la Ingeniería
de la Confiabilidad que permita calcular, de forma robusta y particular
para cada proyecto, la probabilidad de falla o de no funcionamiento
del sistema productivo debido al comportamiento de los equipos y de
las condiciones externas, con el objetivo de establecer una función de
ingreso que obligue a optimizar los procesos evaluando su Confiabilidad
Operacional, para así estimar la real rentabilidad del proyecto o, en su
defecto, considerar las nuevas inversiones para alcanzar los indicadores
económicos exigidos o para disminuir el nivel de incertidumbre.
No son pocos los casos en los que proyectos industriales no alcan-
zan las capacidades operacionales para las cuales fueron diseñados, con
el efecto negativo que esto significa para los inversionistas, ya que los
niveles de producción no alcanzan las condiciones estándar reduciendo
los ingresos o, como solución a esta condición, se debe aumentar los
costos operacionales para compensar las deficiencias, influyendo nega-
tivamente los resultados del negocio.
Es posible establecer que es más conveniente encontrar la mejor
solución genética a nivel del proyecto de ingeniería, que subsanar los
errores durante la construcción y la operación de las instalaciones a
través de permanentes modificaciones o por medio de exigentes siste-
mas de gestión y control.
85
A. Arata
También ocurre, no pocas veces, que proyectos en su etapa de pro-

yecto, por estimaciones aproximadas y por definiciones inadecuadas,
no logran la rentabilidad exigida, por lo que son erróneamente recha-
zados perdiéndose, de esta manera, buenas oportunidades de inversión.
Es práctica común que para la evaluación de nuevos proyectos los
costos de mantenimiento se obtengan solo en función de los costos de
capital y de manera lineal, no considerando que un incremento de las
inversiones; producto de equipos más confiables y mantenibles, de siste-
mas más robustos por mayor nivel de redundancia y de distribuciones de
equipos con mejor acceso; podría mejorar la seguridad de funcionamien-
to (disponibilidad y utilización) de los equipos, reduciendo los costos
de ineficiencia durante todo el ciclo de vida de las instalaciones. Es con-
veniente recordar que los CAPEX son muy inferiores a los OPEX en la
perspectiva de todo el horizonte del proyecto, por lo que ahorros a nivel
de inversiones por equipos menos seguros no necesariamente implican
mejoras en sus resultados económicos, por el contrario, puede represen-
tar una mala decisión que es necesario resolver en la etapa de operación
de los proyectos con las implicaciones de costos que esto significa.
En la etapa de proyecto, el costo de ineficiencia puede disminuir
por un sobredimensionamiento de la capacidad productiva o por un
aumento de la seguridad operacional, a través del fraccionamiento de
las instalaciones o la incorporación de sistemas en redundancia con la
incorporación de equipos en paralelo, stand by o acopios.
A través de la Ingeniería de la Confiabilidad, en la fase de proyecto
se busca optimizar el uso de los activos exigiendo que cada uno de los
elementos que componen una instalación sean cuellos de botella no
solo en términos de sus capacidades nominales, sino respecto a sus cri-
ticidades sistémicas (efecto sobre el negocio), determinadas por la com-
binación entre la seguridad de funcionamiento, el impacto productivo
y el valor de los activos, de manera de reducir el costo global durante
todo el ciclo de vida de los activos, que resulta de la suma de los costos
en moneda equivalente (valor temporal del dinero) relacionados con
los CAPEX (costos de capital) y de los OPEX (costos operacionales),
considerando para estos últimos los costos de transformación (fijos y
variables) más los costos de ineficiencia que resultan de la pérdida de
producción por no utilización de las instalaciones debido a las deten-
ciones operacionales y de mantenimiento no programadas, y por pro-
blemas de calidad en la producción y de velocidad de los procesos.
86
Es posible establecer que para aumentar la seguridad de funciona-

miento, por el mejoramiento de la confiabilidad y la mantenibilidad de
los equipos, se incrementan los costos de capital y costos de desarrollos
y se reducen los costos de operación asociados con las pérdidas de
producción, con el mantenimiento y con el cierre de las instalaciones.
CAPEX OPEX
Costo Costo Costo
Alternativa 1
Desarrollo Capital Operación
Compras. Costo Mantenimiento Correctivo + Costo Ineficiencia. + Impacto Ambiental

Investigación Construcción. Costo Desinstalación
Diseño Costo Producción + Mantenimiento programado.
Tiempo (Años)
CAPEX OPEX
Costo Costo Costo
Desarrollo
Alternativa 2
Capital Operación
Compras.
Investigación Construcción. Costo Mantenimiento Correctivo + Costo Ineficiencia. + Impacto Ambiental
Costo Desinstalación
Diseño
Costo Producción + Mantenimiento programado.
Tiempo (Años)
Ref: C. Parra
Figura. 1.23: Relación de los costos durante todo el ciclo de vida entre alternativas
La Ingeniería de la Confiabilidad en el desarrollo de proyecto tiene

como objetivo especificar las condiciones de la Confiabilidad Opera-
cional de las instalaciones en las distintas etapas del proyecto, con ma-
yor atención es las etapas tempranas del desarrollo:
• En la Ingeniería Conceptual tiene la tarea de evaluar los paráme-

tros a nivel macro de las diversas alternativas del proceso, con
el enfoque de la Confiabilidad Operacional y los costos durante
todo el ciclo de vida de los activos (LCC).
• En la Ingeniería Básica le corresponde definir las condiciones de
base para el proyecto de la alternativa seleccionada y formalizar
el proyecto del proceso, las especificaciones de los equipos princi-
pales, la definición del lay out de las instalaciones, el presupuesto
de inversión, los parámetros de la performance, los costos y el
análisis económico.
87
A. Arata
• En la Ingeniería de Detalles debe poner atención en los diseños y

las especificaciones definitivas de las instalaciones y de los equi-
pos, así como en la elaboración de los documentos y los planes de
producción y mantenimiento.
• En la Ingeniería de Resultados le corresponde realizar el segui-
miento de la performance de los equipos, de manera de evaluar,
en términos de su seguridad operacional, las estimaciones realiza-
das a nivel de proyecto respecto su comportamiento real, como
también generar una base datos confiables para ser utilizadas en
procesos de benchmarking.
Los factores a considerar en las diferentes etapas de un proyecto se

pueden sintetizar en los siguientes:
• La confiabilidad de los equipos: Se refiere a la aptitud del equipo

de funcionar correctamente en las condiciones operativas durante
todo su ciclo de vida. El índice que lo caracteriza es el MTBF.
• La mantenibilidad de los equipos: Se relaciona con la aptitud de
equipo de ser llevado a la condición de correcto funcionamiento.
El índice que lo representa es el MTTR.
• La logística: Se refiere a la aptitud de la organización a favorecer
las prestaciones necesarias para que los servicios de apoyo al res-
tablecimiento de las condiciones operacionales sean oportunos. El
índice que lo caracteriza es el MDT.
• El costo del ciclo de vida: Se relaciona con la aptitud del equi-
po para asegurar su performance al mínimo costo global durante
todo el ciclo de vida. El índice que lo representa es el LCC.
En síntesis, la Ingeniería de la Confiabilidad en fase de proyecto pue-

de aportar significativamente al análisis de diferentes alternativas con
una mirada distinta, a través y complementariamente a la manera tra-
dicional en que se aborda este tipo de estudio, por lo que representa un
factor diferenciador y de gran valor que permite la búsqueda de la mejor
solución en la perspectiva de todo el ciclo de vida de los proyectos. Entre
las áreas en que puede contribuir y agregar valor es posible mencionar:
• decisión sobre el costo de capital en relación a la falta de producción,

• determinación de la seguridad operacional e impacto ambiental,
88
• modelación y simulación para determinar la disponibilidad y uti-

lización,
• definición sobre la distribución de equipos en planta,
• identificación de planes de producción y estrategia de mantenimiento,
• análisis de riesgo e incertidumbre producto de variables internas
y externas,
• definición de niveles de redundancias,
• determinación de niveles de stock pile y work in process,
• selección de equipos incorporando la variable seguridad operacional,
• definición y gestión de repuestos críticos,
• decisión sobre el nivel de descentralización de los servicios,
• determinación del nivel de fraccionamiento de las instalaciones,
• definición de política de tercerización, y
• contribución y definición de competencias de operadores y
mantenedores.
6.3 Fase del ejercicio

Durante el ejercicio las condiciones operacionales de las instalacio-
nes industriales están cambiando continuamente, por lo que es funda-
mental su evaluación permanente de manera de mejorar el desempeño
de los activos en beneficio del resultado de negocio, a través de decisio-
nes oportunas en relación a:
• las estrategias productivas, de mantenimiento y de abastecimiento;

• los procedimientos y herramientas;
• las nuevas tecnología y los sistemas informáticos de apoyo;
• el reemplazo o adecuación de los equipos;
• la transformación de los sistemas productivos; y
• la definición de los programas formativos.
Para mostrar el efecto del cambio de las condiciones externas sobre

las decisiones internas de la empresa, es posible establecer que, en la
medida que el precio de un producto aumenta los costos de la falta de
producción también se incrementan para un determinado tiempo de
detención no programado. Por lo que, para este ejemplo, aplicar una
política de prevención más rigurosa y costosa puede representar una
solución más conveniente desde el punto de vista del costo global (cos-
to directo más costo de ineficiencia).
89
A. Arata
Entre las condiciones que cambian, considerando solo algunas de

ellas relacionadas con la gestión de los activos, es posible mencionar:
• Variaciones del comportamiento de los equipos producto del ciclo

de vida en que se encuentran.
• Variabilidad de las características operacionales del proceso debi-
do a las alteraciones de las variables que regulan, como las mate-
rias primas.
• Cambiantes condiciones del entorno impuestas por el mercado
pueden alterar tanto los costos de producción como los ingresos,
debido a las variaciones de los precios.
• Modificación de los factores ambientales que pueden alterar el
sistema productivo.
El intentar prever este tipo de cambios a través de la Ingeniería

de la Confiabilidad puede permitir adecuar oportunamente las estra-
tegias de producción, mantenimiento y abastecimiento; las formas de
gestionar los activos y las personas; y los equipos y las instalaciones
industriales, de manera de anticiparse a los imprevistos y las emergen-
cias que afectan los sistemas productivos, la seguridad de la personas
y el cuidado del medio ambiente, perjudicando no solo los resultados
económicos del negocio (ROA), sino también su imagen relacionada
con la responsabilidad social empresarial (RSE).
Al igual que los ingenieros de proyectos de capital, los profesiona-
les encargados de la operación y el mantenimiento de las instalaciones,
relacionadas con plantas industriales como con flotas de equipos, en
general tampoco han internalizado a la Ingeniería de la Confiabilidad
para mejorar la gestión de los activos, orientándola a obtener mejores
resultados como consecuencia del aumento de los ingresos y de la re-
ducción de los gastos, al tener mayor control de sus equipos y de los
sistemas.
Esta debilidad, casi generalizada en las organizaciones industriales,
responde a la insensibilidad de muchos de los profesionales y ejecuti-
vos que operan, mantienen y dirigen empresas sobre las oportunidades
que ofrece una adecuada gestión de los activos durante su ejercicio;
oportunidades que se relacionan con los posibles ahorros de los gastos
producto de la gestión de los equipos (es normal encontrar valores
por sobre el 25% y de hasta el 40%, de los costos operacionales en
90
empresas intensivas en activos físicos), así como por los potenciales

incrementos de los ingresos por una mejor y mayor utilización de los
equipos y las instalaciones.
El problema radica en que los ejecutivos han visto en la gestión
de los activos un gasto, por lo que en su tratamiento exigen eficiencia.
Diferente sería si se la viera como una opción que puede contribuir con
los resultados, convirtiéndose en un factor de competitividad.
Los operadores difícilmente asumen el costo asociado con el mal
uso de los equipos, ya que tienen una visión de corto plazo respecto a
lo activos involucrados en su proceso, limitándose, en general, a cum-
plir con los planes de producción sin considerar el valor patrimonial de
los equipos que les corresponde operar.
Por otro lado, los mantenedores se orientan preferentemente a
ejecutar mantenimiento de manera reactiva más que a estudiar cómo
evitar los daños, no solamente a través de una actitud preventiva, sino
también proactiva orientada al mejoramiento continuo de las presta-
ciones de los equipos interviniéndolos incluso genéticamente.
Los profesionales de abastecimiento han privilegiado una gestión
orientada a reducir los costos de adquisición y los costos financieros,
en una perspectiva de corto plazo. No se utiliza una visión de largo
plazo en la que se considere la seguridad operacional como un factor
que afecta el costo de la falta de producción.
La Ingeniería de la Confiabilidad es la forma de superar estas debi-
lidades a nivel del ejercicio, ya que aporta valor a la gestión de los ac-
tivos e integra las diferentes funciones de la organización relacionadas
con esta importante área en empresas intensivas en el uso de equipos
en sus procesos productivos.
En el ámbito de la operación, la Ingeniería de la Confiabilidad es la
actividad que extiende el ciclo de la gestión de los activos desde el enfo-
que tradicional limitado al cumplimiento eficiente del Plan Productivo
de Mantenimiento hacia un nuevo enfoque que busca su dinamización
y actualización a través de un proceso de mejoramiento continuo, de
forma de lograr una gestión eficaz que contribuya con la competitivi-
dad sustentable perseguida por la empresa.
91
A. Arata
¿Qué cambio es necesario hacer? ¿Cómo organizar el plan?

Trabajo Ordenes de
Análisis Planificación
Requerido Trabajo
¿Cómo organizar el trabajo?
Programación
Elementos
Ingeniería de la
Confiabilidad Ejecución
críticos
Programas &
Asignaciones
¿Cómo mejorar? ¿Cómo hacer el trabajo?
KPI’s Datos Ejecución

Históricos
Ref: Adolfo Arata A
Figura. 1.24: Extensión de ciclo a través de la Ingeniería de la Confiabilidad
Es la unidad de la Ingeniería de la Confiabilidad la que permite; a

partir del comportamiento de los equipos y sus componentes principa-
les, y con los correspondientes modos de fallas, causas y consecuencias;
definir las inspecciones y las intervenciones, generando la estrategia
para la gestión de los activos (mix de políticas de mantenimiento) con-
tenidas en el Plan Productivo de Mantenimiento.
Es oportuno recordar que, si bien lo que se busca mejorar el resul-
tado del negocio, es decir, visualizar el impacto a nivel del sistema, es
requerimiento básico focalizar las políticas a nivel de los componentes
inspeccionables, reparables o reemplazables de los equipos críticos. Es
importante mencionar que para equipos complejos, no más del 4 por
mil (un par de decenas) de los componentes definen su seguridad ope-
racional por sobre un 90%.
La Ingeniería de la Confiabilidad es la que permite cerrar el ciclo del
mejoramiento continuo de la gestión de los activos durante el ejercicio,
ya que a partir de los datos históricos recabados de la operación de los
equipos se realiza un análisis para identificar las oportunidades de mejora
(beneficios y ahorros), las que después de su evaluación técnica y econó-
mica podrán ser implementadas en el Plan Productivo de Mantenimiento.
Recién al cierre del ciclo de mejoramiento continuo, orientado a la dinami-
zación (actualización permanente) del plan, se manifiesta la contribución
de la Ingeniería de la Confiabilidad al negocio, en caso contario su rol se
limita a generar KPI’s a partir de los datos, sin generar mayor valor.
En consecuencia, el vínculo entre la Ingeniería de la Confiabilidad,
orientada a contribuir con la eficacia (visión estratégico-táctica), y la
92
ejecución, orientada a mejorar la eficiencia (visión operativa), ocurre a

través de los datos provenientes del comportamiento de los equipos y
del Plan Productivo de Mantenimiento producto de las mejoras reali-
zadas a estos y los sistemas.
Resultados
Datos
MC
Análisis Plan
Ingeniería de Confiabilidad Maestro
Figura. 1.25: Ciclo de mejoramiento continuo
Durante el ejercicio, la Ingeniería de la Confiabilidad busca encon-

trar la relación entre los costos directos y los costos de ineficiencia con
el interés de reducir el costo global durante todo el ciclo de vida de los
equipos. El costo de ineficiencia puede reducirse a través del aumento de
gastos directos, tanto en el ámbito de la gestión como de las inversiones.
En el ámbito de la gestión es posible mencionar:

• contratación de terceros,
• incorporación de políticas más sofisticadas de prevención,
• programa de inspecciones más exigentes,
• mejoramiento de las competencias de las personas, y
• políticas de repuestos.
En el ámbito del proyecto se pueden indicar:

• reemplazo de equipos,
• mejoras en la confiabilidad de los equipos,
• mejoras en la mantenibilidad de los equipos, y
• aumento de las redundancias.
93
A. Arata
6.4 Apoyo informático

La Ingeniería de la Confiabilidad asume un rol cada vez más rele-
vante en el proceso de cambio de cómo los operadores deben operar los
equipos, de cómo los mantenedores deben hacer el mantenimiento, de
cómo los ingenieros deben concebir los proyecto, de cómo los profesio-
nales de abastecimiento deben gestionar los repuestos críticos, y de cómo
los ejecutivos de las empresas deben visualizar la gestión de los activos.
Sin embargo, para lograr este cambio cultural en los profesionales
relacionados con los activos físicos de la empresa, se requiere de la
participación de ingenieros de confiabilidad que aportan, con una
visión sistémica, específica e integradora, a través de la generación de
conocimiento, KPI’s y apoyo en la identificación de las oportunidades
de mejoras para su implementación de acuerdo a su viabilidad técnica
y económica.
Si bien conceptualmente la Ingeniería de la Confiabilidad es de fácil
comprensión, su aplicación requiere de modelos y algoritmos analíti-
cos y probabilísticos complejos, ya que las instalaciones industriales
están formadas por una gran cantidad de equipos que se encuentran en
diferentes fases de su ciclo de vida (mortalidad infantil, vida útil y des-
gaste), e integrados sistémicamente de las más diversas formas (serie,
paralelo, redundancia parcial, stand by, fraccionamiento, stock pile),
por último, los costos asociados son de variada índole (costos directos
y costos de la falta) y cambian en el tiempo tanto por condiciones in-
ternas (organizacionales) como externas (mercado).
Estos modelos permiten la simulación de diferentes soluciones en
término de las redundancias, del fraccionamiento, de los sistemas de
acopio y de las características de los equipos; como también del tipo de
estrategia de gestión a implementar, permitiendo determinar las critici-
dades, la seguridad de funcionamiento de las instalaciones (disponibi-
lidad) y los costos globales asociados.
Dada la complejidad y la dinámica de estos procesos, es fundamental
contar con enfoques y herramientas informatizadas que permitan mo-
delar y simular de manera fácil y confiable. Con esta finalidad nace el
enfoque R-MES que cuenta con el correspondiente soporte informático.
Además, es necesario considerar el soporte de las tecnologías de la
información y comunicaciones (ICT) a través de los CBM (condidition
base maintenance), los CMMS (computer maintenance management
system) y los data base system, de manera de asegurar la captura y el
94
registro confiable de los datos que resultan de las intervenciones y las

inspecciones (mobility), como también de su procesamiento a través
de algoritmos y modelos, para transformarlos en información y co-
nocimiento útil y oportuno que contribuya, desde la perspectiva de la
Confiabilidad Operacional, con el desarrollo de nuevos proyectos de
capital y con la elaboración de los planes productivos de mantenimien-
to y su permanente mejoramiento producto de la dinámica asociada a
la operación de los equipos, de las competencias laborales de las perso-
nas y de las cambiantes condiciones del entorno.
En el ámbito de la ejecución, los CMMS son sistemas informáticos
de apoyo orientados a gestionar de manera eficiente el Plan Productivo
de Mantenimiento. Entre las funciones que le corresponde realizar es
posible destacar la programación del mantenimiento preventivo; pro-
gramación, generación, cierre y registro de las órdenes de trabajo (OT);
registro de inventario de mantenimiento, reparaciones y operaciones;
registro de costos directos de mantenimiento; y almacenamiento de
procedimientos de mantenimiento y reparación. Los sistemas más co-
munes, entre otros en uso, son SAP-R/3 y MRO Máximo. El primero
se destaca por la fuerte integración con otros módulos y el segundo
por su facilidad de uso. También algunos de los sistemas informáticos
de Ingeniería de la Confiabilidad, como el R-MES, pueden aportar de
manera importante a ella, si bien su foco no es la gestión.
En el ámbito de la gestión de la información, los data base sys-
tems y los sistema de captura y transmisión son aplicaciones de las
tecnologías de la información y las comunicaciones (ICT) orientadas
a almacenar, estructurar, administrar, actualizar, capturar y transmitir
información relevante de operaciones y mantenimiento para la toma de
decisiones (LAN, Wireless, PDA, Smart sensor, RFID, etc).
En el ámbito de la Ingeniería de la Confiabilidad, las plataformas
informáticas tipo R-MES son aplicaciones que permiten, a partir de
la data histórica proveniente de operaciones y mantenimiento, reali-
zar análisis estadísticos y probabilísticos de carácter determinísticos y
estocásticos, a través de modelaciones y simulaciones, para identificar
oportunidades de mejoras, sean de gestión o de proyectos, de los acti-
vos físicos, las que se manifiestan, una vez evaluadas técnica y econó-
micamente e implementadas, en el Plan Productivo de Mantenimiento.
95
A. Arata
Sistemas
de Gestión
RRHH
Insumos
Equipos
Flowsheets
Mejoramiento Vencimiento
Ámbito
Planificación OT
Simulación Programas
KPI’s Análisis Contratos
Datos
Ingeniería Indicadores Acción
Control
Resultados
Información
Orientados hacia la eficacia Orientados hacia la eficiencia
Ingeniería de la Confiabilidad Ejecución
Ref: Adolfo Arata A
Figura 1.26: Integración entre los sistemas de ingeniería y de gestión
Los sistemas informáticos de Ingeniería de la Confiabilidad son

herramientas de modelación, simulación y análisis que apoyan su
implementación y desarrollo para el mejoramiento del diseño y de
la gestión de activos.
Entre las funciones que le corresponde realizar es posible mencionar:
• determinación de equipos críticos y su impacto sobre el negocio;

• identificación de los costos de la falta de producción debido a la
no disponibilidad y utilización de las instalaciones;
• identificación de oportunidades de mejoras en el ámbito de la ges-
tión y de proyecto;
• definición de la estrategia de mantenimiento (mix de políticas);
• análisis de modos de fallas y componentes críticos (Amef-Fmeca);
• análisis de árboles de fallas y de causa raíz (RCA);
• planificación de inventarios y mano de obra;
• soporte de los procesos de benchmarking y generación de base
de datos;
• definición de estándares y procedimientos de seguridad y calidad;
• análisis de confiabilidad, mantenibilidad, disponibilidad y capaci-
dad productiva (T-RAM);
• adecuación y reemplazo de equipos de acuerdo a la evolución de
la confiabilidad y la mantenibilidad;
• modificación de niveles de redundancia de sistemas;
• gestión de repuestos críticos de acuerdo a su impacto en la dispo-
nibilidad de los equipos;
96
• determinación de KPI’s a nivel de los modos de fallas, componentes,

subsistema y sistemas, y su evolución histórica y proyección futura;
• modelación de diagrama lógico-funcional de sistemas (RBD) y si-
mulación de los sistemas (RAM);
• análisis de costos globales durante todo el ciclo de vida (LCC); y
• orientaciones sobre la organización y las competencias necesarias
para la gestión de los activos.
Los softwares de Ingeniería de la Confiabilidad se caracterizan por

su alto valor en término de contenido y por contar con algoritmos
y metodologías que permiten a los ingenieros de confiabilidad tomar
decisiones, sobre una base cuantitativa rigurosa, relacionadas con las
modificaciones durante el ejercicio y el proyecto de instalaciones indus-
triales orientadas a mejorar la gestión de los activos.
Sistema de Producción
Dispatch
Sistema de
Mantenimiento Sw Gestión Sistema de Ingeniería
Producción de Confiabilidad
PI Controlar Estadístico
SAP Datos Controlar
Análisis
Sistema Base de Reportes
Gestión Datos KPI’s Proyectar
Máximo Históricos Mejorar
Probabilístico
Impacto
Equipos Procesos Definición de
Confiabilidad Equipo Crítico
Equipos Operacional
Emergencias
Negocio
Proyectos Personas Mejoramiento Continuo
Optimización de Gestión
de Activos Políticas
Gestión Mejora
Cuidado y Seguridad de Plan
las Personas Gestión
Mission
Cuidado y Seguridad del
Mision Time
Medioambiente Simulación
Plantas Flotas Sistema
Dinamización del Plan Mejora
Proyectar Instalaciones
MAFEC
Equipos
Equipos
Ref: Adolfo Arata A
RCA
Figura 1.27: Integración de sistema con R-MES
Estos sistemas de Ingeniería de la Confiabilidad deben estar integrados

con los softwares dedicados a la gestión de la producción y a la gestión del
mantenimiento. Los sistemas informáticos de gestión del mantenimiento
(CMMS), de gestión de la producción y los softwares de ingeniería de la
confiabilidad (R-MES), apoyados en el registro de datos confiables (data
base systems), son soluciones no excluyentes, por el contario, cuentan
con sistemas necesariamente complementarios, ya que los primeros están
97
A. Arata
orientados a mejorar la eficiencia en la aplicación del plan productivo y

de mantenimiento (sistemas de administración) y, en cambio, los de la In-
geniería de la Confiabilidad se focalizan principalmente hacia la eficacia a
través del mejoramiento continuo del plan en una perspectiva de mediano
plazo en beneficio del negocio (sistema de alto contenido y agregación de
valor). En consecuencia, la utilización integrada y coordinada de ambas
soluciones informáticas permite asegurar una gestión de los activos físicos
de manera eficiente y eficaz, contribuyendo, de esta forma, con el mejora-
miento de la competitividad de la empresa.
6.5 Enfoque R-MES

El enfoque R-MES representa una forma para la implementación
de la Ingeniería de la Confiabilidad en las diversas etapas de un pro-
yecto industrial, desde su concepción hasta su operación, a través de la
aplicación de variadas técnicas y análisis de carácter estadístico y pro-
babilístico, tanto determinístico como estocástico. Se caracteriza por
un análisis riguroso de la información y uso intensivo de modelos, con
el fin de facilitar el mejoramiento continuo de los procesos intensivos
en activos físicos en beneficio del negocio.
In-puts Procesamiento
Determinístico
Ciclo de vida
Base de dato Información ¿Tipo de Estocástico Simulación de

Sist .de Gestión Expertos y cálculo? Monte Carlo
(Produc y Mtto) Benchmark
Ajuste de curvas
Información de detenciones Probabilístico

planificadas y no planificadas
(produc. y mtto.)
¿Tipo de Estadístico Cálculo de KPI’s
análisis? Hist.y Probab
Diagramación lógico-funcional
(modelación RBD) Out-puts Determinación equipos y sistemas
críticos
Oportunidades de mejora bajo enfoque LCC

(RAM-T; Opex; Capex, RCA, MAFEC)
Oportunidades de mejoras a nivel de Oportunidades de mejoras a nivel de

proyectos gestión
Plan Productivo de Mantenimiento
Ref: Alessio Arata B- Adolfo Arata A
Figura 1.28: Proceso del enfoque R-MES
98
El enfoque R-MES es la manifestación de la Ingeniería de la Con-

fiabilidad bajo el modelo de la Confiabilidad Operacional de la ges-
tión de los activos, que tiene su raíz en los lineamientos que define la
norma PAS-55.
Según la PAS-55, la gestión de los activos se define como el con-
junto de acciones y prácticas sistemáticas y coordinadas a través de las
cuales una organización gestiona, de manera sostenible y optimizada,
sus activos físicos, controlando las prestaciones, los factores de riesgo y
los costos durante todo el ciclo de vida con el fin de lograr los propios
objetivos organizacionales y estratégicos.
La gestión de activos exige actuar desde la estrategia de la gestión
del ciclo de vida hasta la ejecución operativa diaria, teniendo en cuenta
los aspectos relacionados con los costos, los riesgos y las prestaciones,
por lo que, además de la individualización de las especificaciones téc-
nicas del equipo, deben tomarse en consideración otros aspectos aso-
ciados con su adquisición, instalación, puesta en marcha, utilización,
mantenimiento, reemplazo, modificaciones y obsolescencia tecnológica
y física. Para cumplir con este proceso el análisis no se puede limi-
tar solo al componente específico que constituye el sistema, sino que
también debe considerar cómo se relacionan e interactúan entre ellos
desde el punto de vista funcional, de manera de determinar el nivel de
criticidad de los equipos, entendido por su impacto sobre el negocio.
El enfoque R-MES nace como una forma de implementar la In-
geniería de la Confiabilidad bajo la lógica de la gestión de los activos
durante todo el ciclo de vida, materializado a través de una plataforma
informática del mismo nombre.
En términos conceptuales, el ciclo del enfoque R-MES se caracteri-
za por una serie de etapas que responden al proceso de la gestión de los
activos iniciado con los aspectos de carácter táctico-estratégicos, para
continuar con elementos operativos y de evaluación y terminar con las
tareas de mejoramiento continuo de la gestión y de proyectos.
En el ámbito táctico-estratégico, orientado al mejoramiento de la
eficacia, se distinguen las etapas siguientes:
• Establecimiento de los objetivos estratégicos de empresa, que re-

sultan del estado base de la Confiabilidad Operacional y del es-
tado perseguido. De esta situación se obtienen las estrategias, las
políticas, los objetivos y la responsabilidad que le corresponde a
99
A. Arata
la Ingeniería de la Confiabilidad en el diseño y la gestión de los

activos físicos. Los BSC (Balance Score Card) son una forma de
materializar esta acción.
• Individualización de los componentes críticos del sistema, que
resultan por su comportamiento particular (frecuencia de deten-
ciones no programada) así como por su impacto sobre el negocio
(riesgo asociado al costo de la falte de producción). Las curvas de
iso-criticidad (indisponibilidad de equipos-consecuencia sistémica)
y la gráfica de dispersión (frecuencia de detención-tiempo de repo-
sición), son elementos de gran apoyo para facilitar esta acción.
• Identificación de las oportunidades de mejoras en los ámbitos
de la gestión y de proyectos, orientadas a superar las condicio-
nes críticas identificadas a través del análisis de KPI’s de carácter
históricos y probabilísticos. El apoyo de indicadores tipo OEE
(Overall Equipment Effectiveness) y metodologías como la RCA
(Análisis Causa Raíz) son una potente manera para la búsqueda
de mejoras.
• Actualización y dinamización del plan productivo de manteni-
miento, identificando las tareas de intervención e inspección y los
recursos requeridos para su implementación. El uso de metodolo-
gías como AMEF, MAFEC (Análisis de modos de fallas críticos)
son de gran apoyo.
En el ámbito operativo, orientado al mejoramiento de la eficiencia,

se distinguen las etapas siguientes:
• Programación de las tareas definidas en el Plan Productivo de

Mantenimiento, considerando las alteraciones producidas por
los imprevistos y la asignación de los recursos necesarios para su
cumplimiento de manera eficiente.
• Ejecución y control de las tareas programadas y de aquellas que
resultan de los imprevistos que es necesario resolver.
En el ámbito de la evaluación, orientada a determinar el cumpli-

miento de los presupuestos asignados y la determinación de la conve-
niencia técnica y económica de la implementación de las oportunidades
de mejoras identificadas, en una perspectiva que considera los benefi-
100
cios y los costos globales durante todo el ciclo de vida de los equipos,
podemos considerar las etapas siguientes:
• Evaluación y control de los costos asociados con las tareas realizadas.

• Proyección de los costos globales (costos directos y costos de la
falta) durante todo el ciclo de vida de los equipos (LCC).
En el ámbito del mejoramiento continuo, orientado propender ha-

cia el estado deseado a partir del involucramiento de toda la organiza-
ción, es posible identificar la etapa siguiente:
• Implantación de un sistema de administración y de gestión del

proceso de mejora continua, que permita motivar la generación de
sugerencias a nivel de los operadores mantenedores y ejecutivos
relacionados, como también la identificación de nuevas tecnolo-
gías y metodologías.
Con la aplicación de este ciclo, compuesto por las diferentes etapas

especificadas, se responde con la filosofía perseguida por el enfoque
R-MES que se realiza a través de la plataforma informática del mismo
nombre integrada con los softwares de gestión de la producción y el
mantenimiento, de forma de desarrollar una gestión de los activos fí-
sicos eficiente, eficaz y efectiva, en un ambiente que promueva la inno-
vación. De esta manera se logrará una competitividad sustentable en el
tiempo, que asegurará su contribución permanente con los resultados
del negocio.
101
Capítulo Dos
Enfoque R-MES
1. Visión sistémica
En términos generales es posible establecer que la complejidad del
mundo obliga la visualización de las relaciones y la integración entre
las distintas entidades que componen las diversas redes que estructuran
una realidad colectiva. Por esta razón, el enfoque sistémico permite
identificar de manera organizada los componentes físicos y las funcio-
nalidades de los elementos que componen un sistema, considerando su
interacción o interdependencia.
Este enfoque sistémico no se limita a las complejidades propias de
la sociedad, sino que también alcanza a los sistemas técnicos que cada
día son más sofisticados e integrados. El enfoque R-MES plantea, den-
tro del estudio de procesos productivos industriales, la incorporación
de la visión sistémica para el establecimiento de los vínculos entre los
activos físicos que componen un sistema (plantas y flotas), en el que
se precisa su funcionalidad como conjunto integrado de manera de
determinar el impacto del comportamiento de cada equipo sobre el
sistema. Este enfoque, respecto a cómo enfrentar sistemas productivos
complejos desde una perspectiva de la seguridad de funcionamiento,
representa una opción concreta y confiable para analizar plantas y
flotas de gran magnitud, que se caracterizan por la relación de una
gran cantidad de equipos, cuyas configuraciones de funcionamiento
son diversas y complejas debido a sus dependencias, los altos niveles
de redundancia y los grados de fraccionamiento que presentan, lo que
influye en la confiabilidad operacional de los sistemas. Las relaciones
existentes entre los distintos equipos y su comportamiento operacional
determinan el impacto económico que implica la indisponibilidad de
cada uno de ellos sobre el resultado del negocio.
103
A. Arata
El concepto «sistema» se entiende como una agrupación de com-

ponentes básicos, configurados de manera tal que desempeñan en con-
junto una función determinada, producto del desempeño funcional de
cada uno de los componentes del sistema y su interrelación. Los sis-
temas quedan definidos por las unidades que lo componen y por las
tareas que realizan dentro de un proceso productivo.
Para configuraciones complejas con muchos componentes, la defi-
nición de los sistemas se realiza de manera jerárquica, de lo más gene-
ral a lo más específico. Para el caso de las instalaciones industriales, la
planta o la flota constituyen la entidad integrada que define el sistema
y los equipos específicos y sus componentes son las unidades básicas
que están agrupados en subsistemas particulares.
El desempeño de un sistema depende del comportamiento y del or-
denamiento de los subsistemas que lo componen, y estos de sus equipos
y componentes constituyentes. La pérdida de funcionalidad de cada
equipo afecta de manera distinta el comportamiento de subsistemas
y del sistema, ya que el impacto de cada uno de ellos depende de la
configuración en que se encuentra y de su desempeño particular en el
tiempo. El análisis sistémico del proceso productivo busca determinar
el impacto del comportamiento de cada equipo o componente a nivel
global, de manera de identificar su efecto sobre el negocio.
2. El enfoque R-MES
El enfoque R-MES surge como un modelo global de Ingeniería de la
Confiabilidad para las diversas fases de un proyecto industrial, a través
de la incorporación de variadas técnicas y análisis basados en la confia-
bilidad de los equipos, durante todo el ciclo de vida. Se caracteriza por
un análisis riguroso de la información y el uso intensivo de herramien-
tas, con el fin de facilitar el mejoramiento continuo de los procesos
intensivos en activos físicos.
En la siguiente figura 2.1, se presenta de manera esquemática las
distintas etapas del enfoque R-MES.
104
Figura 2.1: Diagrama del enfoque R-MES
2.1 Etapa 1: Configuración lógica funcional del sistema

Esta etapa considera el paso desde el flowsheet y diagrama de pro-
ceso de una planta o flota de equipos, hacia un diagrama lógico funcio-
nal que permita evaluar a cada componente del proceso por su impacto
sobre este, independiente de su función específica y el orden general
del proceso. Se reconoce al modelamiento Reliability Block Diagram
(RBD) como la manera más efectiva para realizar la interpretación y
caracterización de cada uno de los componentes de un sistema en un
«bloque lógico».
Las configuraciones básicas para el modelamiento RBD son: serie,
redundancia parcial total y parcial, stand-by y fraccionamiento.
2.2 Etapa 2: Adquisición de datos

Una vez que los equipos son modelados bajo RBD, es necesario
conocer su comportamiento de detenciones, producto de las fallas y
la mantenibilidad. Como también, para algunos casos de análisis, las
detenciones operacionales. En este sentido, los datos históricos de fun-
cionamiento representan la manera más fidedigna de caracterizar un
105
A. Arata
equipo, ya que permiten conocer su desempeño y rendimiento en sus

condiciones reales de operación. Obviamente, no siempre es posible
conocer este historial de intervenciones, debido a que no se ha llevado
registro de él, o bien, a que el equipo es nuevo y se encuentra en una
fase de proyecto. Como consecuencia de lo anterior, surgen como al-
ternativas la búsqueda de información a través del benchmarking, de
los fabricantes y de equipos de similares características operando en
condiciones parecidas.
2.3 Etapa 3: Parametrización de data histórica – ajuste de curvas

Las distribuciones probabilísticas, en general, son muy utilizadas
para resolver y modelar problemas de ingeniería, debido a la virtud
que poseen para explicar y parametrizar diversas series de datos, en
modelos ya conocidos. Las distribuciones Weibull y Exponencial se re-
lacionan directamente a los comportamientos de fallas de un equipo
industrial. Incluso, se puede generalizar que solo basta con la distribu-
ción Weibull, ya que la Exponencial es un caso particular de esta.
Este proceso de ajuste de curvas para la descripción de un fenóme-
no de análisis de fallas permite una mejor comprensión de su compor-
tamiento, facilita la sensibilización de los parámetros involucrados y
apoya la realización de proyecciones sobre el comportamiento futuro.
2.4 Etapa 4: Determinación de la etapa en el ciclo de vida

Como consecuencia de la etapa anterior y la distribución asociada
al comportamiento de falla de un equipo, se puede establecer la etapa
de ciclo de vida de un componente, lo que condiciona de manera direc-
ta la política de mantenimiento y su evaluación de confiabilidad. Para
modelar estos comportamientos se utiliza el diagrama conocido como
«curva de la bañera», que establece el comportamiento de la tasa de fa-
lla para cada una de sus tres fases: rodaje o mortalidad infantil (tasa de
fallas decreciente), vida útil (tasa de fallas constante) y desgaste (tasa
de fallas creciente).
2.5 Etapa 5: Obtención de indicadores de desempeño (KPI's)

Cada una de las fases precedentes permite establecer los paráme-
tros necesarios para configurar el sistema y la relación entre sus dis-
tintos componentes. De esta manera, es posible desarrollar cada uno
106
de los análisis y estudios, para efectuar un correcto diagnóstico de la

situación base que permita identificar las oportunidades de mejoras
que finalmente impactan en la dinamización del Plan Productivo de
Mantenimiento en un proceso de mejoramiento continuo.
De acuerdo con la información entregada al sistema, se pueden deter-
minar una serie de indicadores, dentro de los cuales es posible mencionar:
• confiabilidad, probabilidad de buen funcionamiento;

• tasa de fallas, número de fallas por unidad de tiempo;
• Mean Time Between Failures, MTBF;
• Mean Time To Repair, MTTR;
• disponibilidad probabilística, proyección de la fracción de tiempo
en la que el componente se encontrará en condiciones para operar;
• disponibilidad histórica respecto de un período de evaluación,
indica la fracción de tiempo en la cual el componente estuvo en
condiciones de operación;
• utilización respecto de un período de evaluación, indica la frac-
ción de tiempo en la cual el componente estuvo en operación; y
• costo de la falta, costo asociado por la indisponibilidad del com-
ponente.
2.6 Etapa 6: Análisis de criticidad

Es una etapa fundamental para realizar un buen análisis, ya que
permite focalizar los esfuerzos y recursos en los componentes más crí-
ticos identificados por su impacto sobre el sistema, en consecuencia, en
el negocio, de manera de identificar las oportunidades mejoramiento.
El análisis de criticidad basa su modelo en la determinación de los
costos de la falta originado por cada equipo o componente, a través de
la obtención de la indisponibilidad traducida en el costo de la falta de
producción, que es dependiente de la configuración lógica funcional
que posee el sistema.
Para facilitar la identificación de los equipos, componentes o mo-
dos de falla se dispone de herramientas de soporte gráfico como: gráfi-
cos de dispersión (lineal y logarítmica), diagramas de Pareto, diagrama
Jack Knife y la gráfica Nelson-Aalen, matriz de indisponibilidad y con-
secuencia, entre otros.
107
A. Arata
2.7 Etapa 7: Oportunidades de mejora

Una vez realizado el análisis de criticidad e identificados los elemen-
tos que cumplen con esta condición, se realiza un análisis de tipo cua-
litativo para la búsqueda de oportunidades de mejoramiento. Entre las
principales metodologías se destacan: MAFEC, FMECA, RCM, Análisis
Causa-Raíz, Árboles de Falla, Teoría de las Restricciones, entre otras.
El objetivo de esta etapa se centra en la detección de oportunidades
a través de la participación de los diversos actores asociados a la pro-
blemática, de manera de identificar modos de falla internos, externos u
ocultos, para su estudio, análisis y mejoramiento.
Las oportunidades de mejora pueden ser tanto por cambios en el
ámbito de la gestión como por modificaciones de diseño a nivel de
equipo o de sistema. Existen variadas acciones que se pueden empren-
der, por lo que a continuación se presentan algunas de ellas, asociadas
con la gestión y el proyecto.
2.8 Etapa 8: Mejoras de gestión

Las mejoras de gestión van orientadas a establecer nuevas políticas
y procedimientos que permitan hacer más eficiente y eficaz la forma
de operar y mantener los equipos y las instalaciones, buscando la re-
ducción de los costos globales (costos directos y costo de la falta) y la
mejor utilización de los activos físicos durante todo su ciclo de vida, de
manera de incrementar el resultado del negocio. Todo cambio en la ges-
tión debe quedar de manifiesto a través de la respectiva modificación
del Plan de Mantenimiento Productivo.
Entre las diversas posibilidades de cambios en la gestión es posible
mencionar: la definición de las políticas de mantenimiento, la gestión
de los repuestos críticos, y la gestión de las personas en términos de su
productividad y competencias (programas de formación y capacitación).
2.8.1 Definición de políticas
Un aspecto fundamental en el ámbito de la Ingeniería de la Confia-

bilidad es la definición de la estrategia de mantenimiento que resulta
de la determinación del mix de las políticas de mantenimiento que mi-
nimizan el costo global. El registro y análisis de las intervenciones de
cada elemento, sumado a la evaluación de su impacto en los costos de
la falta sistémicos, permiten dinamizar las políticas de mantenimien-
108
to de acuerdo al contexto operacional, en beneficio del mejoramiento

del Plan Productivo de Mantenimiento (optimización de los recursos
empleados vs. los resultados esperados). Entre las políticas de manteni-
miento destacan el mantenimiento correctivo (no emergencia), preven-
tivo cíclico, preventivo según condición, preventivo predictivo, planes
de inspecciones y, finalmente, el mantenimiento mejorativo. Este últi-
mo, a diferencia del resto, implica la modificación genética del equipo,
orientado a mejorar su condición operacional y de mantenimiento sin
que signifique un cambio en su valor patrimonial.
2.8.2 Gestión de repuestos críticos
Según una visión clásica, el inventario de repuestos genera pérdi-

da financiera (derroche), por lo que su optimización implica réditos.
Ciertamente esto tiene validez para materiales y repuestos de alta
rotación, sin embargo, para el caso de los repuestos críticos apare-
ce una variable determinante para la toma de decisiones, cual es la
clasificación del nivel de criticidad del componente en estudio. Para
esto casos, el modelo de asignación se evalúa bajo la perspectiva de
«tener» o «no tener» el repuesto crítico en bodega respecto a su im-
pacto en la indisponibilidad (costo de la falta). Por lo que, para este
tipo de situación, las herramientas clásicas para enfrentar este tipo
de problemas como la «clasificación ABC» o «Modelo de Wilson»
pierden terreno por modelos basados en confiabilidad, como el RCS
(Reliability Centered Spares).
Bajo el enfoque de la Ingeniería en Confiabilidad, la política de
aprovisionamiento de repuestos críticos dependerá de la confiabilidad
(MTBF) del componente, de su costo, del capital inmovilizado, del costo
de inventario, del lead time y, finalmente, del costo de la falta del proceso.
2.8.3 Competencias laborales
El comportamiento de los equipos no depende solo de sus condi-

ciones físicas y del proceso, sino que está fuertemente afectado por las
competencias de los operadores, mantenedores e ingenieros de confia-
bilidad, por lo que la definición de programas de formación y capaci-
tación para las personas se traduce en una herramienta poderosa de la
Ingeniería de la Confiabilidad.
109
A. Arata
2.9 Etapa 9: Mejoras de proyectos

Ya sea en las distintas fases de diseño de un nuevo proyecto (con-
ceptual, básica o detalles), o durante la operación de una planta indus-
trial o una flota de equipos, se pueden estudiar cambios para mejorar
el comportamiento operacional de las instalaciones a través de modi-
ficaciones asociadas con la confiabilidad, mantenibilidad y diagnosti-
cabilidad de los equipos y de los sistemas, logrados por modificaciones
particulares y por aumento del nivel de redundancia.
Para la definición de este tipo de mejoramientos, principalmente cuan-
do se refieren al sistema (plantas o flotas), se requiere el desarrollo de mo-
delos y la realización de simulaciones, con el apoyo de herramientas como
Montecarlo, para la identificación de aquellas oportunidades de mejoras
que reducen el costo global durante todo el ciclo de vida (LCC) de las ins-
talaciones y de los equipos, en beneficio del resultado del negocio.
Toda definición de un nuevo proceso a nivel de proyecto, como
también cualquier cambio asociado con el reemplazo o modificación
de un equipo y del sistema, debe quedar manifestada en el Plan de
Mantenimiento Productivo. Además, estos cambios obligan a la rea-
decuación del diagrama lógico-funcional (RBD) definido en la Etapa
1 del enfoque R-MES, generándose el ciclo de mejoramiento continuo.
A modo de ejemplo, entre las alternativas que se pueden consi-
derar en esta etapa es posible indicar: el reemplazo de equipos; la in-
corporación de redundancia, a través de la incorporación de equipos
de respaldo, aumentando el fraccionamiento de las instalaciones; la
incorporación de stock pile; etc.
2.9.1 Modificación de equipos
Del estudio y análisis del comportamiento operacional de los equipos y

de las condiciones de mantenimiento es posible identificar oportunidades de
mejoras orientadas a aumentar los tiempos entre detenciones (fallas) y redu-
cir los tiempos de reparación (diagnóstico, logística, reparación, puesta en
marcha), para lo que es necesario abocarse a los fenómenos asociados con la
confiabilidad, mantenibilidad y diagnósticabilidad de los equipos.
2.9.2 Reemplazo de equipos
En general, los modelos relacionados con el reemplazo de los equi-

pos quedan restringidos al análisis económico y financiero, el que solo
110
considera la comparación entre los costos de capital y los operacionales,

sin considerar los beneficios asociados con el mejoramiento de la segu-
ridad de funcionamiento de los equipos y su impacto sobre el sistema,
producto de la mayor confiabilidad y las facilidades de mantenimiento
y diagnóstico de los equipos, lo que se traduce en aumento de la dispo-
nibilidad y la reducción de los costos de la falta de producción asociada.
2.9.3 Aumento de redundancia

La criticidad de los equipos depende de sus particularidades ope-
racionales y de mantenimiento y del impacto de su detención sobre el
sistema, por lo que la manera de mejorar la capacidad productiva de
las instalaciones (planta o flota) está asociada no solamente al mejor
comportamiento del equipo, sino también al aumento del nivel de redun-
dancia de las configuraciones, la que es posible lograr a través de la in-
corporación de equipos stand by, paralelo, stock pile, como también in-
crementado en nivel de fraccionamiento de las instalaciones industriales.
2.10 Etapa 10: Plan maestro de gestión de activos

A través de las diferentes etapas descritas, el enfoque R-MES tiene
sentido en la medida que genere valor económico para la empresa, por
lo que su aporte se manifiesta cuando las oportunidades de mejoras
se implementen de manera concreta en el Plan Productivo de Mante-
nimiento. Sin embargo, este proceso no es estático, por el contrario,
es un proceso de mejoramiento continuo que permite la dinamización
permanente del Plan Maestro ya que cualquier superación de un fac-
tor crítico solo implica la generación de uno nuevo que se mantenía
escondido. Este proceso del enfoque R-MES, que encarna la Ingeniería
de la Confiabilidad, asegura que las organizaciones propendan hacia la
excelencia en lo que se refiere al diseño y a la gestión de los equipos y
las instalaciones, ya que es un factor de competitividad sustentable en
empresas intensivas en activos físicos.
3. Elementos conceptuales del enfoque R-MES

Para entregar la fundamentación teórica, en esta sección se presentan
los elementos conceptuales necesarios para enfrentar cada una de las
etapas que configuran el enfoque R-MES.
111
A. Arata
3.1 Etapa 1: Configuración lógica-funcional del sistema

La primera etapa del enfoque R-MES se orienta a la representación
lógico-funcional del sistema, ya sea esta una instalación industrial aso-
ciada con una planta o una flota.
Figura 2.2: Etapa de Configuración sistémica en el enfoque R-MES
3.1.1 Modelo de configuración sistémica través del RBD
El enfoque R-MES permite realizar un análisis sistémico de la se-

guridad funcional de instalaciones industriales complejas, sean plantas
o flotas, a partir de su representación a través de diferentes configu-
raciones predefinidas de equipos, siempre respetando las condiciones
operacionales definidas por el proceso.
Para la representación sistémica funcional de los procesos, el
enfoque R-MES utiliza el Reliability Block Diagram (RBD), que
permite representar el sistema, bajo la perspectiva lógico-funcional,
como una red de componentes organizados, identificando, en tér-
minos de continuidad operacional, la contribución y efecto de cada
uno sobre el sistema.
RBD es una técnica de análisis gráfico que expresa al sistema en
cuestión como una conexión de componentes según su relación lógica
112
de confiabilidad. Las conexiones básicas de este modelo están represen-

tadas por la configuración en serie, que representa lógicamente un «y»
entre componentes, y la configuración en paralelo, la cual representa
un «o». Este modelo de análisis es intuitivo y fácil de establecer, por lo
que es muy utilizado para representar sistemas complejos que involu-
cren un alto número de equipos y complejas configuraciones.
Una modelación RBD no necesariamente representa la conexión física
de los componentes en el sistema, sino que solo indica cómo el estado de
los componentes (funcionamiento o en falla), representados por bloques
como se presenta en la Figura 2.3, aseguran el funcionamiento del sistema.
Equipo
C
Equipo Equipo
A B
Equipo
D
Figura 2.3: Configuración RBD
Un modelo de estimación de la confiabilidad global sistémica debe

representarse en función de las confiabilidades individuales de los equi-
pos que conforman el sistema (Ecuación (2.1)). Por esta razón, en este
capítulo se introducen las configuraciones RBD más utilizadas y sus
respectivos cálculos de confiabilidad.
R S (t) = f(R 1 (t), , R i (t), , R n (t)) ∀ t ∈ [0, ∞] (2.1)
Donde,
RS(t): confiabilidad del sistema
Ri(t): confiabilidad del componente i del conjunto de n componentes
Además, es importante mencionar que los equipos que componen

el sistema necesariamente consideran las siguientes observaciones:
·· La falla de un elemento constituyente de un sistema es casual y

estadísticamente independiente del hecho que se produzca una
falla en otro elemento del sistema.
113
A. Arata
·· La definición entre el estado de funcionamiento y el de falla es

dependiente (o no) del modo en que funcionen las otras partes
del sistema.
Esta última observación obliga a tener especial cuidado con la dia-

gramación de los bloques (equipos o subsistemas), de modo que no se
pierdan los escenarios que generen la discontinuidad del proceso.
Antes de describir las configuraciones existentes para la modela-
ción RBD, es oportuno mencionar la importancia de la confiabilidad
que es sistémicamente calculada:
·· al conocer el comportamiento de cada componente, es posible

deducir el del sistema:
·· es posible jerarquizar sobre la base de componentes críticos;
·· evaluar el efecto del mantenimiento de un componente sobre
el sistema;
·· orientar las estrategias de mantenimiento para el sistema; y
·· proyectar los sistemas con características óptimas mediante la
simulación.
a. Configuración en serie
La falla de uno de sus elementos1, considerado como un evento
independiente, determina la falla del sistema en conjunto (Figura 2.4).
Equipo Equipo Equipo

A B C
Figura 2.4: Representación de sistema en serie
La confiabilidad del sistema en serie corresponde a la probabilidad

que ninguno de los elementos falle en un tiempo determinado. Por lo
tanto, la confiabilidad del sistema corresponde al producto de las pro-
babilidades de éxito de cada uno de los componentes. Si consideramos
un sistema compuesto por n elementos, se tiene que:
n
R S (t) = R 1 (t) × R 2 (t) ×  × R n (t) = ∏ R (t)
i =1
i ∀ t ∈ [0, ∞] (2.2)
1
Elemento: componente, equipo o subsistema.
114
b. Configuración en paralelo
Esta configuración forma parte de los sistemas redundantes, los
cuales buscan obtener una mayor confiabilidad sistémica.
En términos generales existen dos tipos de redundancia en paralelo
(Figura 2.5):
i. La redundancia parcial hace referencia a aquella configuración en

la cual un grupo de elementos es capaz de soportar el buen funcio-
namiento del sistema.
ii. Por otra parte, la redundancia total se da cuando en el sistema un
elemento, por sí solo, es capaz de soportar el buen funcionamiento
del sistema.
Redundancia Parcial Redundancia Total
Equipo q/2 Equipo q

A A
q/2 q
Equipo Equipo
B B
Equipo q/2
C
Figura 2.5: Representación de sistema en paralelo
La confiabilidad de un sistema en paralelo con redundancia total,

al igual que los sistemas en serie, se basa en las leyes del cálculo de
probabilidades, es decir, evaluando los escenarios de buen funciona-
miento del sistema. Para esto existe un modelo denominado Event
Space Method, el cual es una aplicación del axioma de eventos mu-
tuamente excluyentes.
La confiabilidad del sistema es simplemente la probabilidad que
une todos los eventos mutuamente excluyentes que generan el buen
funcionamiento del sistema. De igual modo, la probabilidad de falla es
la suma de los eventos que generen fallas sistémicas.
En la Tabla 2.1 se representan los eventos del buen funcionamiento
de un sistema en paralelo con redundancia total de los equipos A y B
de l a Figura 2.5.
115
A. Arata
Tabla 2.1: Escenarios de buen funcionamiento de un sistema en

paralelo con redundancia total
Equipo A Equipo B Confiabilidad del Sistema
Funciona Funciona RS(t)= RA(t) ' RB(t)
Funciona No Funciona RS(t)= RA(t) ' (1- RB(t))
No funciona Funciona RS(t)= (1- RA(t)) ' RB(t)
Debido a que los escenarios de buen funcionamiento son indepen-

dientes entre sí, la probabilidad de buen funcionamiento del sistema
queda definida por la suma de los eventos antes mencionados.
Una forma de simplificar estos cálculos, de mucha utilidad cuando
existen más de dos elementos constituyentes del sistema, es analizar su
probabilidad de falla.
La probabilidad de falla de un sistema en paralelo, de acuerdo a las
definiciones dadas anteriormente (considerando independencia entre
los elementos de un sistema), considera que la falla del sistema ocurre
cuando fallan simultáneamente todos los elementos que lo componen.
Por lo tanto, se tiene que la probabilidad acumulada de falla del siste-
ma está dada por:
n
FS (t) = F1 (t) × F2 (t) ×  × Fn (t) = ∏ F (t)
i =1
i ∀ t ∈ [0, ∞] (2.3)
Por lo tanto, la confiabilidad estará dada por:
n
R S (t) = 1 − FS (t) = 1 − ∏ F (t)
i =1
i ∀ t ∈ [0, ∞] (2.4)
En el caso de sistemas en paralelo con redundancia parcial, la exi-

gencia para que el sistema funcione es que exista combinación mínima
de elementos en operación. La confiabilidad del sistema se calcula, en-
tonces, de la siguiente forma:
(2.5)
Donde Rs(t) es la confiabilidad para un determinado tiempo t en un

sistema compuesto por n elementos iguales, de los cuales se requiere un
116
mínimo de r equipos en un buen funcionamiento para que el sistema

funcione. Por otra parte, corresponde a la confiabilidad de cada com-
ponente de manera individual.
c. Configuración en stand-by
Esta configuración es otro tipo de redundancia, la cual consiste en
que en un instante determinado solo funciona uno de los elementos del
sistema, mientras que los equipos restantes permanecen en reserva, o
bien en estado de espera (stand-by).
En consecuencia, en este caso la conexión funcional varía en el
tiempo en función de la aparición de la falla. A continuación se mues-
tra la disposición de componentes en un sistema stand-by.
C Equipo A
Equipo B
Figura 2.6: Sistema en configuración stand-by
La variación de la conexión está a cargo de un elemento de decisión

o conmutación, representada por el conmutador C en la Figura 2.6,
que cambia la conexión de un componente a otro cuando el que está
en operación presenta una condición de falla.
Para establecer la confiabilidad del sistema stand-by es necesario con-
siderar los escenarios de funcionamiento presentados en la Figura 2.7.
Figura 2.7: Escenarios de funcionamiento de un sistema en configuración stand-by
El equipo A se encuentra normalmente bajo carga, mientras que B

interviene solamente cuando A falla. Considerando que la confiabili-
dad del elemento conmutador C es 100%, en el análisis de la confia-
117
A. Arata
bilidad del sistema en el tiempo t se deben considerar los casos en que

el sistema se encuentra en buen funcionamiento. Ambas situaciones se
encuentran esquematizadas en l a Figura 2.7.
·· A funciona al instante t
·· A falla en t = τ y B funciona desde t = τ hasta t
En consecuencia, se puede establecer que la confiabilidad del siste-

ma está dada por:
(2.6)
d. Configuración en fraccionamiento
Esta configuración es utilizada cuando la carga sistémica de trabajo
se distribuye entre los elementos que constituyen el sistema, de forma
tal que cuando ocurre una falla la pérdida es proporcional al porcenta-
je de carga que el elemento aporta al sistema.
Existen dos modalidades de fraccionamiento:
·· la suma de las cargas individuales componen el 100% de la

carga sistémica exigida; y
·· la suma de las cargas individuales componen más del 100% de
la carga sistémica exigida.
Sistema 1 Sistema 2
Equipo 30% 40%

Equipo
A A
Equipo 30% Equipo 40%

B B
Equipo 30% 40%

Equipo
C C
Figura 2.8: Sistema configuración fraccionamiento
Analizando los sistemas presentados en la Figura 2.8, es posible infe-

rir que la falla de un elemento en el sistema solo genera una pérdida de
capacidad, la cual es relativa al nivel de impacto que el elemento genera.
118
Para el sistema 1, la falla del equipo A genera una pérdida de ca-

pacidad equivalente al 30%. Para el sistema 2, la falla del equipo A
genera solo una pérdida de capacidad equivalente al 20%, dado que
los demás equipos (B y C) asumen el 80% restante.
En consecuencia, la confiabilidad del sistema se establece por:
(2.7)
En la Figura 2.9 se presenta un ejemplo básico de generación de un

diagrama lógico funcional, mediante la metodología RBD. A partir del
FlowSheet o diagrama de flujo del proceso se identifica qué equipos o
combinación de estos provocan una pérdida de funcionalidad en el sis-
tema. En el presente caso, aquella pérdida de funcionalidad se traduce
en la ausencia de caudal de salida.
Además, para la generación de diagramas RBD, específicamente en
sistemas con un alto número de equipos y complejas configuraciones, es
recomendable complementar el análisis con árboles de fallas, dado que
la elaboración de estos permitiría visualizar todos los escenarios de falla.
Flow Sheet
Fuente de Bomba A
Salida
Agua
Válvula
Fault Tree Bomba B

Diagrama RBD
E
Bomba A
Válvula
C A•B
Bomba B
Paralelo
Serie
A B
Figura 2.9: Ejemplo de generación de diagrama lógico funcional
Como información complementaria se describen brevemente otros

métodos para análisis de confiabilidad sistémica:
119
A. Arata
Modos de falla, efectos, y análisis de criticidad (FMEA / FMECA)
Este método es utilizado para identificar los potenciales modos de

falla de cada uno de los bloques funcionales de un sistema, y para
estudiar los efectos que estas fallas podría tener en el sistema. FMEA
/ FMECA es, en esencia, una herramienta para diseñadores, sin em-
bargo, con frecuencia es utilizada como base para realizar análisis de
confiabilidad y para la planificación del mantenimiento.
Árboles de falla
Un árbol de falla ilustra todas las posibles combinaciones de fallas

potenciales y eventos que pueden causar una pérdida específica de fun-
cionalidad del sistema. La construcción del árbol de falla es un acer-
camiento deductivo en donde se comienza por definir las fallas especí-
ficas del sistema, para luego considerar qué causa dichas fallas. Fallas
y eventos se combinan mediante conectores lógicos bajo un enfoque
binario. El árbol de fallas puede ser evaluado cuantitativamente si se
puede estimar la probabilidad de ocurrencia de cada evento básico.
Diagramas de causa efecto
Los diagramas de causa efecto son usualmente utilizados dentro

del control de calidad para identificar e ilustrar posibles causas de pro-
blemas de calidad. El mismo enfoque también puede ser usado en In-
geniería de la Confiabilidad para encontrar las causas potenciales de
fallas del sistema. Los diagramas de causa efecto son cualitativos y no
se pueden usar como base para análisis cuantitativos.
Redes bayesianas
Las redes bayesianas pueden ser usadas para identificar e ilustrar

causas potenciales de fallas del sistema. Distribuciones de probabili-
dad pueden ser asignadas a varios factores causales, y la red puede
ser evaluada cuantitativamente mediante un enfoque bayesiano. Las
redes bayesianas son más flexibles que los árboles de fallas, ya que no
se restringen a una representación binaria.
120
Árboles de eventos
Un árbol de eventos es una técnica inductiva. Se comienza con una

desviación del sistema y se identifican los factores por los cuales esa
desviación se puede desarrollar. Los posibles eventos causados por la
desviación serán usualmente función de varias barreras y funciones de
seguridad, diseñadas dentro del sistema. Cuando se tiene acceso a la
estimación de las probabilidades para las diferentes barreras, se puede
deducir un análisis cuantitativo del árbol de eventos.
En general, en la extensa literatura disponible de análisis de con-
fiabilidad de sistemas se encuentran descritos en detalle los modelos
anteriormente mencionados, incluso algunos más avanzados como el
caso de los arboles de falla dinámicos, redes de Petri, entre otros.
3.2 Etapa 2: Adquisición de datos

La segunda etapa del enfoque R-MES tiene por objeto levantar da-
tos históricos, los que resultan de las detenciones planificadas e impre-
vistas, tanto de mantenimiento como de operación de la planta o de la
flota en estudio.
Figura 2.10: Etapa de Adquisición de datos en el enfoque R-MES
121
A. Arata
3.2.1 Importancia de la data histórica
La Ingeniería de la Confiabilidad es una tarea amplia y compleja

que busca la transformación de la data histórica y diferentes flujos de
información en conocimiento útil y confiable [1] para mejorar la ges-
tión de los activos en beneficio del resultado del negocio durante todo
su ciclo de vida. Para una adecuada gestión de los activos se requiere de
un proceso de captura, administración y monitoreo continuo de datos
e información durante la vida útil de los equipos [2].
El compromiso de la organización, referente a la gestión de los ac-
tivos, es ser transversal, dado que involucra e integra a diversos actores
del sistema, tales como: mantenimiento, producción, abastecimiento,
personal e ingeniería; los que requieren tener visibilidad sobre la in-
formación acerca del comportamiento de los activos. De esta manera,
los flujos y la gestión de la información aparecen como un factor rele-
vante dentro de organizaciones e instalaciones que se caracterizan por
su complejidad, debido a la gran cantidad de equipos que generan una
enorme cantidad de información y datos a procesar.
El proceso de Ingeniería de la Confiabilidad es complejo no solo
por las características de las instalaciones industriales, sino también
por el hecho que los equipos tienen comportamiento variable durante
su ciclo de vida. A nivel básico, se necesita de información y datos que
deben ser recopilados, desde distintas áreas de la organización, para su
posterior integración y análisis. La data histórica debe almacenarse por
largos períodos de tiempo, de manera de poder determinar tendencias
confiables del comportamiento de los equipos para del tal forma iden-
tificar las oportunidades de mejora con una visión de largo plazo. En
caso de que no existan fuentes de datos disponibles, el benchmarking
es una muy buena alternativa para aproximar los análisis.
La Ingeniería de la Confiabilidad se manifiesta de manera concreta a
través del proceso de planificación y programación de las actividades de
mantenimiento, como asimismo, por medio de las acciones de mejora-
miento y de reemplazo [1], las que también quedan reflejadas en el plan.
Todo este proceso requiere y genera una gran cantidad de información
que debe ser confiable, por lo que la calidad de esta se transforma en un
factor importante a considerar. De hecho, muchos estudios de gestión
de activos físicos [3-7] establecen que una de las materias críticas es la
falta de calidad en los datos históricos, siendo que es la Ingeniería de la
122
Confiabilidad la que crea las condiciones para contar con una adecuada
data y no contrariamente.
Numerosos investigadores [8-15] han intentado definir qué es la
calidad de la data histórica y cuáles son sus dimensiones. Tradicional-
mente, la calidad ha sido descrita desde una perspectiva de precisión en
la adquisición. Sin embargo, para este caso debe ser analizada desde un
punto de vista multidimensional, más que considerar la precisión como
único parámetro. Las dimensiones previstas [16-19] en general son:
precisión, completitud, tiempo requerido y consistencia. Desafortuna-
damente, las dimensiones son, en su mayoría, de carácter cualitativo,
por lo que la evaluación de la calidad resulta ambigua.
Una correcta y ampliamente aceptada definición de calidad de la
data histórica es aquella que está relacionada con la importancia de los
datos, es decir, es conveniente definir la calidad de los datos en función
de la necesidad que se tiene por la información para el análisis y el pro-
ceso de toma de decisiones, por lo que esta puede definirse como [20]:
«Datos de calidad son aquellos que satisfacen la necesidad de informa-
ción del usuario». El valor del dato radica en la utilidad que presta en
los distintos niveles de una organización y en la oportuna disponibili-
dad para la toma de decisiones entre diferentes alternativas [20].
El enfoque R-MES busca la optimización de la gestión de los activos
durante todo su ciclo de vida. Por esto se requiere capturar, gestionar,
integrar y procesar datos para obtener información y conocimiento, ge-
nerando valor a través de la definición de estrategias, políticas y acciones
que se manifiestan en los planes de mantenimiento, producción y abas-
tecimiento, como también en decisiones a nivel de proyectos de capital.
3.2.2 Calidad de la data histórica
Cuando se discute acerca de la calidad de los datos y del proceso de

transformación de estos en información, tres grupos de personas pueden
ser identificados como claves: los recolectores o productores de datos,
los analistas y los consumidores de información [21]. Los recolectores
son aquellos a los que se les ha asignado la tarea de capturar, grabar o
documentar la data histórica correspondiente a los equipos. Además, si
bien los encargados son generalmente mantenedores o técnicos, la natu-
raleza de la tarea de adquisición de datos no se limita a este rol.
123
A. Arata
La necesidad de prestar atención al rol del personal que participa

en el proceso de adquisición de datos históricos en bruto, dentro de
una visión de calidad, aparece por dos razones principales [22]:
·· Este representa el primer eslabón de una cadena vulnerable. Se

puede decir que la data recolectada de manera consistente y opor-
tunista (completa y precisa) reduce el grado de manipulación y
el posterior proceso de limpieza. Las consecuencias de una pobre
recolección de datos se verá reflejada en la posterior dificultad
para realizar los análisis y obtención de valiosa información.
·· La información recopilada por dos individuos, frente a una
misma tarea, podría mostrar grandes diferencias (potencial
error), independiente de la existencia de procedimientos estan-
darizados y nivel de capacitación.
Usualmente se implementan procesos para estandarizar las tareas

de adquisición, junto con actividades que buscan mejorar las compe-
tencias de los responsables de la calidad de los datos. A pesar de esto,
aunque se tengan los mejores protocolos e instructivos para la obten-
ción de datos, existe evidencia empírica sobre las dificultades que aún
tienen las organizaciones para lograr que sus operadores / mantene-
dores cumplan con los procedimientos de recolección de datos y que
tengan una visión global de mantener datos históricos confiables. Así,
el entrenamiento y la estandarización son útiles en un corto plazo [23].
Complementando lo anterior, se sugiere un mayor nivel de atención
en las actitudes, motivaciones y comportamientos de los responsables
de la recolección de datos. Un entendimiento mejorado permitirá a los
ingenieros en mantenimiento implementar un número de estrategias ade-
cuadas para garantizar el compromiso de los operadores / mantenedores
respecto de la calidad de los datos por un período de tiempo sostenido.
Un paso fundamental para mejorar las actitudes de los operado-
res / mantenedores, siendo congruentes con los principios de calidad
de data histórica, es reforzar la idea de que la calidad de los datos es
altamente valorada dentro de la organización y se espera un comporta-
miento congruente para obtener los mejores resultados.
Las organizaciones deben considerar [22]:
124
·· Establecimiento y revisión de metas bien definidas en cuanto

al cumplimiento de calidad de los datos, y plantear el tipo de
comportamiento que deberían tener los operadores y/o mante-
nedores para lograr dichas metas. Esto debe ser llevado a cabo
mediante la utilización de KPI o mediante una herramienta de
medición de rendimiento.
·· Asegurar un mensaje fuerte y consistente acerca del valor en la
adquisición de data de calidad. Por ejemplo, campañas internas
de marketing, entrenamiento, incentivos y reconocimiento.
·· Vincular los niveles de calificación y profesionalismo a la cali-
dad de los datos obtenidos.
·· Mejorar los mecanismos de retroalimentación.
·· Contar con una Unidad de Ingeniería de la Confiabilidad.
Por otra parte, es necesario que los líderes de las organizaciones

manejen fuertemente el concepto de calidad en los datos históricos. Lo
anterior generará que los operadores / mantenedores reconozcan la im-
portancia en sus líderes, permitiendo que la idea sea común y estable-
ciendo una percepción positiva respecto de la calidad de los datos [22].
3.2.3 Sistemas de información de soporte en la gestión de activos
a. Sistemas CMMS
Actualmente, desarrollar e implementar tecnologías de informa-
ción (TI) y técnicas avanzadas es una decisión estratégica que tiene
como objetivo la constante búsqueda de eficiencia y eficacia en los pro-
cesos propios de la organización.
Haciendo referencia específicamente al área de mantenimiento y
gestión de activos, la administración y gestión de datos / registros ge-
nerados en el área requiere de Sistemas TI / Software (Computerized
Maintenance Management System, CMMS) que cumplan con las fun-
ciones necesarias para administrar las actividades de mantenimiento y
sus respectivos costos asociados.
Estos sistemas debieran considerar, idealmente, toda la información re-
lacionada al mantenimiento de los equipos / componentes, instalaciones y
sistemas del proceso productivo, tales como: planificaciones y pautas pre-
ventivas de mantenimiento, procedimientos dependiendo del área y equipo
a intervenir, árboles y modos de falla de los equipos, generación y control
de órdenes de trabajo, control de las horas hombre involucradas en las
125
A. Arata
actividades de mantenimiento (personal interno y externo) e información

asociada a la logística de materiales y repuestos (lead time proveedor, nive-
les de inventario y sus respectivos costos, órdenes de compra, entre otras).
La concepción de un sistema de mantenimiento debe tener presente
los requerimientos de los diferentes niveles en la estructura organiza-
cional del mantenimiento, estando alineado a objetivos y estrategias
particulares del negocio.
Desde el punto de vista de los usuarios de los sistemas de informa-
ción para la administración del mantenimiento, es importante destacar
que estos se encuentran en los diferentes niveles de la organización del
mantenimiento, los cuales evidentemente darán un uso particular según
los propósitos y necesidades específicas de la unidad de trabajo. Además,
las necesidades de los usuarios diferirán según los objetivos específicos
fijados para sus actividades, entendiendo que los objetivos de manteni-
miento a nivel del negocio y corporativo son idénticos para todos.
A modo de resumen se presentan algunas características según el
nivel de la organización:
·· A nivel estratégico, la administración del mantenimiento tiene el

rol de identificar la mejor forma de desarrollar el mantenimiento
con el propósito de lograr un uso óptimo de los activos y recursos
relacionados con el área, para el logro de los objetivos estableci-
dos. Las decisiones estratégicas referentes a las evaluaciones de los
activos / equipos no solo son responsabilidad del jefe de mante-
nimiento, sino también de las unidades de producción, procesos,
calidad, entre otras; por lo cual, el sistema de administración de
mantenimiento debiese asegurar la integración de información
para el posterior análisis económico y vida útil del activo.
·· A nivel táctico, el foco es la asignación de recursos, lo que in-
volucra actividades como: asignación de personal de trabajo,
planificación de repuestos, entre otras. Las herramientas tec-
nológicas deben ser implementadas y utilizadas para lograr
la óptima asignación de recursos disponibles y, en caso que
se sea necesario, la reasignación de estos. Este tipo de activi-
dades requiere de un alto nivel de data histórica y eficientes
sistemas informáticos de análisis, permitiendo obtener infor-
mación valiosa para la posterior toma de decisiones.
126
·· En el plano operativo, los sistemas informáticos deben apo-

yar actividades relacionadas con la emisión de reportes para
determinar información asociada a la utilización y eficiencia
de recursos del área. A este nivel, una característica básica
necesaria es la facilidad de operación de la herramienta, en
términos de registros, búsqueda y/o alimentación de datos.
Esta última observación es muy importante mantenerla pre-
sente, dado que los usuarios probablemente serán técnicos de
mantenimiento y operadores de equipos.
La información requerida para el diseño conceptual del sistema de

mantenimiento debe obtenerse a partir de un diagnóstico de la organi-
zación, procedimiento que recopilará información valiosa para definir
la funcionalidad y las características principales de la herramienta. Adi-
cionalmente, la data histórica definida como «necesaria» debe captu-
rarse en forma paralela al levantamiento funcional del área.
Un procedimiento base propuesto para el diagnóstico, elaborado
por Mirka Kans[24], consiste en 13 actividades resumidas en 4 eta-
pas principales:
i. Descripción del propósito y objetivo de mantenimiento: Los objetivos

y propósitos del mantenimiento, deben ser definidos según los objeti-
vos de producción y los objetivos estratégicos generales de la empresa.
ii. Definición del estado actual del mantenimiento: Se describen las
actuales estrategias de mantenimiento, políticas, procedimientos
y jerarquía en las decisiones y organización misma. Además, se
deben describir los recursos disponibles del área y las madures
de tecnologías existentes. El objetivo de conocer la organización
del mantenimiento y la jerarquía en la toma de decisiones es para
generar el mapa organizacional que defina el cómo trabaja la
unidad de mantenimiento y cómo se estructura. Por otra par-
te, las estrategias, políticas y procedimientos indican el cómo se
planifica el mantenimiento, se lleva a cabo y se da continuidad y
control a las actividades. Respecto a la madurez de las tecnolo-
gías, esta es definida según el actual soporte de información y su
respectiva utilización.
En general, la información de procesos, técnicas de análisis, dia-
gramas de flujo, políticas y estrategias de mantenimiento (correcti-
127
A. Arata
vo-preventivo-CBM), políticas de calidad, recursos, presupuestos,

tecnologías y otras, son levantadas para generar y definir el esta-
do actual de la unidad de mantenimiento, para luego realizar una
comparación con el estado deseado, en términos de metas y objeti-
vos, y así, finalmente, definir las opciones de mejoras.
iii. Identificación de posibles mejoras: Las posibilidades de mejoras
son analizadas utilizando, por ejemplo, R-MES y análisis de forta-
lezas-oportunidades-debilidades-amenazas (FODA), u otras técni-
cas tales como: Análisis de Modos de falla, Efectos y su Criticidad
(FMECA), u otra, las cuales son adecuadas para el apoyo en la
definición de estrategias y políticas de mantenimiento.
iv. Identificación de los requerimientos necesarios para dar funciona-
lidad al sistema de mantenimiento: Las necesidades específicas de
la organización de mantenimiento son determinadas definiendo los
objetivos, propósitos y utilización del sistema tecnológico de admi-
nistración de mantenimiento en los diferentes niveles de la organi-
zación (operacional, táctico y estratégico), además de conocer los
diferentes usuarios para el sistema. Luego, al ser identificadas las
necesidades de información, estas deben ser transferidas al siguien-
te nivel, lo que significa definir la funcionalidad de la tecnología de
información y las características de las necesidades.
Para explicar de mejor manera este modelo se encuentra repre-

sentado en la Figura 2.11: Procedimiento para la determinación de
necesidades de TI en la gestión de activos Figura 2.11 [24].
128
Figura 2.11: Procedimiento para la determinación de

necesidadesde TI en la gestión de activos
Además de identificar, según procedimientos descritos en párrafos

anteriores, los requerimientos de información de la organización de man-
tenimiento para definir el sistema de administración de información TI,
se recomienda realizar una investigación paralela en donde se conozcan:
• beneficios de implementar CMMS,

• consideraciones para seleccionar CMMS, y
• proceso de implementación (administración y capacitación) del
CMMS.
Debe haber especial cuidado y preocupación en la selección del

sistema. Lo fundamental no es buscar la solución que incluya más fun-
cionalidades y características, sino la que mejor se adapte a las ne-
cesidades específicas de cada organización. Esto muchas veces resulta
ser un trabajo engorroso y puede tomar mucho tiempo, pero aumenta
enormemente la posibilidad de que la implementación resulte exitosa.
En general, las herramientas CMMS están orientadas a cubrir to-
das las actividades de mantenimiento, dando soporte a la planificación,
programación y ejecución, con énfasis en la disponibilidad de equipos,
129
A. Arata
costos y aseguramiento del personal, garantizando calidad en la base

de datos y en la optimización de los procesos del negocio. Los sistemas
de información con mayor reconocimiento en la industria nacional e
internacional son el Módulo de Mantenimiento SAP-PM, MÁXIMO,
ELLIPSE y MS EXCEL.
Sistemas de gestión y análisis de confiabilidad
Una de las cualidades importantes de los sistemas CMMS debe

ser la capacidad de integración con otros sistemas de gestión y/o aná-
lisis que dispone la organización. Para el área de mantenimiento, esta
integración debe ser con los sistemas de confiabilidad y gestión de
activos, respectivamente.
Las herramientas para efectuar el análisis RAM, es decir, análisis de
confiabilidad, disponibilidad y mantenibilidad (Reliability, Availability
and Maintainability) más conocidas en el mercado son: R-MES; RAP-
TOR; BLOCKSIM y RELEX.
Bajo el enfoque R-MES, los sistemas y/o herramientas de adminis-
tración de información están ligados principalmente a la eficiencia del
manejo de datos / registros y las respectivas actividades de planifica-
ción y órdenes de trabajo (ámbito táctico-operativo). Por otra parte,
los sistemas de gestión y análisis de confiabilidad cumplen un rol más
estratégico, apuntando a la eficacia de las decisiones que buscan la
mejora continua del proceso y el cumplimiento de objetivos. Es impor-
tante entender que en la información del párrafo anterior no se excluye
la participación de ambos sistemas en los diferentes niveles de la orga-
nización. La Figura 2.12 presenta esquemáticamente la función de los
sistemas y herramientas informáticas en la gestión de activos.
130
Figura 2.12: Función de los sistemas y herramientas

informáticas en la gestión de activos
3.2.4 Requerimientos de información para el desarrollo

de la metodología R-MES
Para el correcto desarrollo del enfoque R-MES, es necesario dis-

poner de información (campos mínimos) referente a las actividades de
mantenimiento, la cual debiese ser obtenida del sistema informático de
administración y gestión de mantenimiento.
Para la configuración del sistema es necesario contar con:
• diagrama lógico funcional,

• horas de operación anual,
• facturación anual,
• impacto de costos variables (%), y
• tasa de producción.
Esta información se obtiene mediante la conciliación de las diferen-

tes áreas de la organización (procesos, operaciones, mantenimiento y
el área financiera).
Los campos de información obtenidos directamente del registro de
las actividades de mantenimiento son:
Campos mínimos:
• fecha de la intervención,
• hora inicio de la intervención,
• duración u hora de término de la intervención,
131
A. Arata
• tipo de intervención,
• especialidad,
• código o ubicación técnica del equipo, e
• intervención con equipo detenido o en operación.
Campos óptimos:
• síntoma,
• modo de falla,
• causa potencial, y
• costo directo de la intervención.
Entendiendo que la información a nivel de configuración y data

histórica de mantenimiento es correcta, se espera poder desarrollar
satisfactoriamente los análisis para llevar a cabo la metodología del
enfoque R-MES. Además, previo al procesamiento de los datos, el en-
foque propone un proceso de verificación y validación de los campos
necesarios para el análisis, identificando anomalías e inconsistencias.
3.2.5 Proceso de captura y validación de data histórica
El proceso de captura y validación de data histórica está fuerte-

mente enlazado con el concepto de calidad de los datos. En efecto, tal
y como fue descrito anteriormente, es necesaria la creación de cultura
en la calidad dentro de la organización, enfocándose en la obtención
de información confiable. También se debe destacar la existencia de
variables determinantes entre calidad de datos históricos y estructura
organizacional, en relación al papel que cumplen los distintos acto-
res de la organización, especialmente los rangos medios, que son los
protagonistas en las actividades de motivación, mejoras de actitud y
comportamiento frente a las tareas de captura de datos.
La Figura 2.13 presenta un diagrama que contiene un proceso co-
mún de captura y validación de data histórica. Se esquematiza el pro-
cedimiento de obtención de datos desde la ocurrencia de una actividad
de mantenimiento, con la respectiva creación de un aviso de trabajo,
hasta el respectivo cierre.
132
Figura 2.13: Diagrama del proceso de captura y validación de datos
En el diagrama se observan las instancias en las cuales se registra

data histórica de valor, particularmente para ser ingresadas al soft-
ware R-MES (ejemplo ilustrativo). Cada una de estas instancias se
explica a continuación.
• Luego de determinar que un equipo necesita ser intervenido (por

personal de operaciones), se crea un aviso de trabajo en el que se
debe especificar:
·· Ubicación técnica: Campo requerido para identificar el equipo
a intervenir.
·· Fecha y hora de inicio de intervención: Necesaria para el poste-
rior cálculo de KPI.
·· Síntoma: Evidencia física sensorial útil para identificar el modo
de falla del equipo (evidencia física objetiva en un componente
remplazable).
El aviso de trabajo debe ser revisado por el jefe de turno de opera-

ciones, quien se transforma en el primer validador de los datos ingre-
sados por su grupo.
133
A. Arata
• Posteriormente, el aviso pasa al área de mantenimiento, donde

se genera una orden de trabajo. Esta orden debe contener los si-
guientes campos:
·· Códigos de actividad: Para determinar a qué tipo de actividad
corresponde; preventiva, correctiva, detención operacional, etc.
·· Puesto de trabajo: Define la especialidad que atenderá la inter-
vención; mecánica, eléctrica, electromecánica, instrumental, etc.
En este punto se planifica, programa y asigna el trabajo. El plani-

ficador-programador es el segundo validador de la información que
contienen las órdenes de trabajo. Adicionalmente, los ejecutores de las
tareas deben revisar si las órdenes asignadas satisfacen los estándares
de calidad de la información. Es decir, los ejecutores corresponden al
tercer validador.
• Una vez realizados los trabajos de mantenimiento, se cierra la

orden de trabajo. En esta instancia, el planificador-programador
debe validar nuevamente los datos registrados por los ejecutores:
·· Fecha de inicio real: Necesaria para el cálculo de KPI.
·· Fecha de fin de la intervención: Campo requerido para el cál-
culo de KPI.
·· Costos directos reales: Requerido para el posterior análisis de
costos.
• Finalmente, en caso de que la intervención fuese correctiva se

completan los datos registrados para el cierra del aviso. Esta es la
última instancia para revisar los datos.
Entonces, en el marco cualitativo del concepto de calidad de man-

tenimiento, junto a las recomendaciones que se han expuesto para me-
jorar la calidad de la data histórica obtenida, se establece un protocolo
o procedimiento genérico para la adquisición y validación de datos. Es
importante destacar que la creación de procedimientos de obtención
de datos, junto con el entrenamiento, sustentan la calidad de la data
histórica en el corto plazo. Además, se recuerda que es de considerable
importancia la creación de cultura en la calidad del dato, la que facili-
taría futuros análisis y procesos de toma de decisiones.
134
3.3 Etapa 3: Ajuste de curvas

La tercera etapa del enfoque R-MES busca obtener el ajuste de las
curvas de acuerdo a data de cada uno de los equipos que componen
el sistema.
Figura 2.14: Etapa de Ajuste de curvas en el enfoque R-MES
3.3.1 Parametrización de data histórica
Las fallas de un equipo en una instalación industrial no necesaria-

mente se presentan por causas claras y asignables a condiciones prees-
tablecidas, más bien muestran un comportamiento gobernado por la
variabilidad, con características propias de cada componente, equipo o
sistema. Lo anterior queda de manifiesto al analizar las diversas fallas
en equipos similares de una instalación industrial sometidos a condi-
ciones de operación comparables.
Las fallas pueden ser provocadas por causas claramente asignables
o por causas no sistemáticas. Las fallas por causas asignables tienen
un estudio y solución a través del control de los hechos que las provo-
caron; en cambio, las fallas por causas no sistemáticas son propias del
componente, equipo o sistema y requieren un análisis más complejo.
135
A. Arata
Reconociendo que el tiempo al cual un elemento falla puede ser

modelado como variable aleatoria, es posible establecer lo siguiente:
«La confiabilidad se define como la probabilidad que un elemento fun-
cione, sin fallar, durante un tiempo determinado bajo condiciones am-
bientales y de entorno preestablecidas».
De la definición anterior se desprende que un equipo, en cual-
quier instante de su ciclo de vida, solo puede estar en dos estados;
en funcionamiento o en falla (detenido), bajo condiciones externas
conocidas. Cabe destacar que no siempre es sencilla la identificación
de los estados de funcionamiento y fallas de un equipo o sistema. En
el caso de equipos eléctricos y electrónicos, por ejemplo, es muy fácil
esta identificación, dadas las características binarias entre operación
y fallas. Al contrario, en los sistemas mecánicos es más difícil hacer
esta diferencia, ya que existen estados intermedios entre la falla y el
buen funcionamiento que puede afectar la producción en términos de
calidad, cantidad y tiempo.
Fijadas las condiciones en las que se reconoce que el equipo o sis-
tema está en falla, bajo condiciones de operación establecidas, la con-
fiabilidad de un elemento es función únicamente de la vida del equipo,
cuyo comportamiento depende única y exclusivamente de la distribu-
ción de probabilidades con la que los eventos de falla pueden mode-
larse. Dado lo anterior, se puede decir que controlar la confiabilidad, a
mínimos costos globales, debe ser el objetivo de todo profesional que
desarrolle un trabajo en áreas de proyecto y mantenimiento.
La importancia que tienen los modelos matemáticos en la gestión
de activos es encontrar un equilibrio entre los costos, beneficios y mo-
mentos oportunos para la ejecución de tareas relacionadas con el man-
tenimiento y la operación de los activos físicos de una compañía. Sin
embargo, muchas veces falta la conexión adecuada entre la teoría y
el proceso de aplicación, ya sea por no disponer de personal con las
competencias necesarias o porque la realidad dista mucho de todas
las condiciones y requisitos necesarios para su adaptación, volviendo
inútil el modelo en cuestión.
Debido a este problema, han surgido otras técnicas cualitativas ta-
les como Mantenimiento Centrado en Confiabilidad (MCC) y el Man-
tenimiento Productivo Total (TPM), que han desempeñado un papel
importante en el desarrollo del mantenimiento. No obstante, el análisis
de los datos y su validación en modelos estadísticos son definitivamen-
136
te las herramientas ingenieriles más valiosas que se pueden emplear en

la optimización de la gestión de activos.
La brecha que sigue existiendo entre los investigadores y los pro-
fesionales relacionados con la gestión de activos se traduce en que,
aunque muchos modelos se basan en supuestos muy específicos para
su correcta aplicación, estos normalmente no son discriminados por
el profesional de acuerdo a las condiciones reales de funcionamiento
de sus plantas o flotas, es decir, mucho trabajo se hace bajo premisas
aproximadas, como la independencia de los componentes, cambios en
los tipos de constantes de falla, problemas con las variables al decla-
rarlas idénticamente distribuidas, etc. Sin embargo, en la mayoría de
los casos las aproximaciones resultan ser bastante buenas, dentro de la
imposibilidad de realizar análisis de confiabilidad de manera precisa,
sobre todo cuando se cuenta con alta dotaciones de equipos y configu-
raciones lógico funcionales complejas.
El objetivo de esta sección es proporcionar una revisión de algunas
técnicas útiles para la selección de un modelo adecuado de llegada de
eventos para equipos y/o componentes reparables y aquellos no repa-
rables. Antes de continuar, se describen brevemente las características
y diferencias de los equipos y/o componentes reparables y los no repa-
rables [25]:
• Equipos reparables son aquellos que pueden volver a sus capaci-

dades en pleno funcionamiento por cualquier método, excepto la
sustitución de todo el sistema.
• Equipos no reparables son aquellos que, al ocurrir un evento de
falla, el mismo (equipo y/o componente) se sustituye por uno nue-
vo (tiene solo un ciclo de vida útil).
En esta sección se propone una metodología diferenciada de selec-

ción de los modelos para equipos y/o componentes, según ellos sean re-
parables o no reparables. En primer lugar se abordan los temas comu-
nes e independientes, tales como la limpieza de datos y los problemas
atingentes al set de datos en sí, como escasez, muestras insuficientes o
no válidas y censura. Luego se desarrollan, en detalle y por separado,
los procesos de selección de los modelos para equipos reparables y los
no reparables, tal como lo indica la Figura 2.15.
137
A. Arata
Datos
Limpieza de Datos
Determinación de la naturaleza del

equipo y/o componente
Equipos y/o componentes Equipos y/o componentes

reparables no reparables
Figura 2.15: Diagrama de flujo para la llegada de un evento
3.3.2 Limpieza de datos
La limpieza de datos es el primer proceso ante la llegada de un histo-

rial de eventos de cualquier categoría, por lo tanto, es necesario abordar
este tema de manera clara, para reducir cualquier pérdida de tiempo
asociada a los problemas propios de la calidad de las bases de datos.
La definición de limpieza de datos aborda diferentes elementos, por
ejemplo: el tratamiento de valores ausentes o faltantes, la determinación
de la utilidad de los registros, la determinación de datos erróneos etc.
No existe una definición general establecida sobre este proceso, pues
depende del área específica en que se aplique. Algunas de ellas son:
• Limpieza de datos es el proceso de eliminación de errores e in-

consistencias en los datos, y aclaración del problema de identi-
dad del objeto.
• Limpieza de datos se define como el problema de mezcla / limpieza.
• La limpieza de datos es el proceso que se encarga de detectar y elimi-
nar anomalías en los datos y la necesidad de llevarla a cabo aumenta
cuando existen varias fuentes de datos que necesitan ser integradas.
a. Principios de la limpieza de datos

La necesidad de la limpieza de datos se centra fundamentalmente
en mejorar la calidad de estos para hacerlos «apropiados para su uso»
por los usuarios, mediante la reducción de los errores y mejorando la
138
documentación y presentación. La prevención de errores es mucho me-

jor que su detección y su posterior limpieza. No importa cuán eficiente
sea el proceso de entrada de datos, los errores siempre ocurrirán, en
consecuencia, ni la validación de datos ni la corrección pueden ser ig-
norados. Algunos principios o conceptos claves en la limpieza de datos
se describen a continuación:
• La planificación es esencial, es decir (desarrollar una visión, polí-

tica y estrategia.
• La prevención es mejor que la cura.
• Organizar los datos mejora la eficiencia.
• La responsabilidad es de todos (colector, administrador y usuario).
• La asociación mejora la eficiencia.
• Establecer objetivos y desarrollar medidas: El desarrollo de medi-
das es una adición valiosa en los procedimientos de control de cali-
dad y ayuda a dirigir el proceso de limpieza de datos. El desarrollo
de medidas puede incluir hasta el chequeo estadístico de los datos.
• El establecimiento de prioridades reduce la duplicación.
• La retroalimentación es un camino de dos vías: Los usuarios finales
de los datos también encuentran errores, por tanto, es muy importan-
te que existan vías para que estos lo comuniquen al administrador.
Es de esta forma como la incidencia de futuros errores puede ser
reducida y, sobre todo, la calidad de los datos puede ser mejorada.
• Técnicas para mejorar el entrenamiento y la educación: Un buen
entrenamiento, especialmente en la recolección y registro de los
datos (en la cadena de calidad de la información) reducen la pro-
porción de errores en los datos primarios de forma considerable,
disminuyendo los costos en la captación y mejorando su calidad.
• Minimizar la repetición del proceso de limpieza de los datos: La
repetición del proceso de limpieza de datos en la mayoría de las
organizaciones es el principal factor de su encarecimiento. La do-
cumentación de los procedimientos de validación reduce conside-
rablemente en la remanipulación de los datos.
Experiencias en el mundo de los negocios dicen que el uso de la ca-

dena de manipulación de la información puede reducir la duplicación
y el remanejo de los datos hasta un 50%, y una reducción de los costos
al usar datos pobres de hasta dos terceras partes. Se gana eficiencia a
139
A. Arata
través de la asignación de responsabilidades para la manipulación de

los datos y control de la calidad, minimizando los cuellos de botella y
los tiempos de cola, minimizando la duplicación mediante diferentes
personas rehaciendo los chequeos de calidad y mejorando la identifica-
ción de los métodos de trabajo.
b. Problemas con la confiabilidad de los datos
• Escasez de datos
Uno de los problemas más importantes asociados con la confiabi-
lidad de los datos es, irónicamente, la falta de datos suficientes para
ejecutar correctamente los análisis estadísticos. Todos los métodos es-
tadísticos son limitados cuando se hacen sobre la base de conjuntos
de datos pequeños, ya que la cantidad de información que contienen
estos conjuntos es, por naturaleza, insuficiente [26]. Por otra parte,
evidencias empíricas indican que conjuntos de tiempo de fallas que
contienen diez o menos observaciones, en efecto, crean la necesidad de
desarrollar métodos para abordar adecuadamente los conjuntos de da-
tos pequeños [27]. Naturalmente, si mayor es el conjunto de datos, más
preciso será el análisis estadístico. Adicionalmente, muchos conjuntos
de datos se recogen para la gestión de mantenimiento directa, en lugar
de recogerlos para realizar análisis de confiabilidad. El contenido de la
información es a menudo muy pobre, y pueden inducir a error si no
existe un examen cuidadoso del material y limpieza necesaria.
• Censura de datos
Un problema común al analizar datos de falla es la censura [28],
también conocida como suspensión. Se incurre en censura cuando los
datos son incompletos porque se han detenido (retirado) componentes
antes de su falla o porque el ensayo ha terminado antes de que fallen to-
das las unidades, en el caso de tratar unidades no reparables. Una unidad
es removida, por ejemplo, cuando falla por otros motivos y no por el que
está siendo investigada. Se puede categorizar la censura según:
·· Datos censurados una vez: Todas las unidades tienen el mismo

intervalo de ensayo, y el ensayo se concluye antes de que fallen
todas las unidades.
140
iii. Censurados a la izquierda: Los instantes en que ocurren las

fallas solo son conocidos tras un cierto intervalo específico.
iv. Censurados a la derecha: Los instantes en que ocurren las
fallas son conocidos hasta un cierto instante específico.
v. Censura tipo I: El ensayo es terminado después de un in-
tervalo fijo de tiempo t*.
vi. Censura tipo II: El ensayo es terminado después de que ha
ocurrido un número fijo de fallas r. El intervalo de ensayo
es tr, el tiempo en que ocurrió la r-ésima falla.
·· Datos multicensurados: Los intervalos de ensayo o de opera-

ción difieren entre las unidades censuradas. Las unidades cen-
suradas son removidas en varios instantes de la muestra, o las
unidades han iniciado su servicio en diferentes instantes.
x
x x
x
x o
x x x
Unidad
Unidad
x o Unidad o
x o x
Tiempo Tiempo Tiempo
Figura 2.16: Gráficos de tipos de censura, de izquierda a derecha A, B y C
La Figura 2.16 compara gráficamente los intervalos de operación

de cada unidad ensayada para varios tipos de censura. A muestra que
todas las unidades operan hasta su falla. Por otro lado, B indica que el
ensayo terminó tras ocurrir la cuarta falla (censura tipo II). Finalmente,
C es un ejemplo de censura múltiple: dos unidades han sido removidas
antes de la falla y, las demás, hasta que ocurrió la falla.
La recolección y análisis por modo de falla implica una censura
múltiple dado que las unidades son removidas de una muestra particu-
lar dependiendo de la naturaleza de su falla.
Datos en donde no se han censurado unidades son referidos como
completos. La censura introduce dificultades adicionales al análisis de
la confiabilidad. Ignorar las unidades censuradas en el análisis puede
eliminar información valiosa e influenciar los resultados. Por ejem-
plo, si las unidades que quedan en operación en un ensayo tipo I son
censuradas, solo las unidades más débiles, o aquellas que fallaron pri-
141
A. Arata
mero, serán tratadas en el análisis y la confiabilidad del componente

será subestimada.
c. Efecto de las acciones de reparación

Por lo general, los componentes pueden ser reparados o ajustados,
en lugar de ser reemplazados cada vez que ocurre una avería. Estas
intervenciones pueden modificar la tasa de fallas del componente, de
modo que el tiempo de espera por una falla después de una interven-
ción difiere del tiempo previsto para la ocurrencia de la primera falla
de un nuevo componente. El método más común para la evaluación de
la confiabilidad no considera esto último, el tiempo de falla se modela
utilizando distribuciones estadísticas y supone que es válido para todas
las fallas del componente o sistema, primera, segunda, tercera, etc.; es
decir, el equipo queda en un estado «tan bueno como nuevo» [29].
3.3.3 Determinación de la naturaleza del equipo y/o componente
Equipos y/o componentes reparables
• Alcances de los sistemas reparables

La principal limitación de los modelos para equipos no reparables
es que consideran que, una vez superada la falla, su condición es res-
taurada a su estado original: El equipo o componente que ha fallado se
sustituye por uno nuevo, es decir, el sistema queda en la condición «tan
bueno como nuevo» y la tasa de fallas se ve afectada por el proceso de
restauración. Pero, dentro de un contexto de operaciones y producción,
este no pareciese ser el escenario que más se ajuste a la realidad. Asumir
que el proceso de renovación devuelve a la condición original al siste-
ma reparable no es precisamente la hipótesis más adecuada, cuando se
tiene un sistema de múltiples componentes [29].
Los sistemas reparables, por el contrario, son aquellos que pueden
volver a sus capacidades en pleno funcionamiento por cualquier mé-
todo, excepto la sustitución de todo el sistema [25]. Este análisis no
asume que los tiempos de fallas son independientes e idénticamente
distribuidos i.i.d. Cuando se trata de sistemas reparables, la confiabi-
lidad no se modela en términos de distribuciones estadísticas, pero sí
cobra importancia el uso de procesos estocásticos puntuales.
142
El número de fallas en un intervalo de tiempo puede ser represen-

tado a través de un proceso estocástico puntual. Además, el proceso
puntual se puede interpretar como un proceso de escrutinio, y lo que
cuenta es el número de eventos o fallas en un cierto intervalo de tiempo.
• Procesos estocásticos puntuales

El enfoque de modelamiento clásico centra su atención en los
modelos de componentes reparables usando solamente distribucio-
nes de probabilidad.
Este tipo de análisis no tiene en cuenta el cambio en el comporta-
miento del sistema en el tiempo [30]. Reconocer esta característica re-
quiere de pruebas que permiten determinar si el proceso es estacionario
o varía en función del tiempo.
Este tipo de procesos presentan la característica de ser discretos en
el estado, disponible o indisponible, y continuos en el tiempo.
Los cinco principales modelos de procesos estocásticos aplicados a
la modelización de sistemas reparables son [25]:
·· El proceso de renovación (RP).

·· El proceso de Poisson homogéneo (HPP).
·· La ramificación del proceso de Poisson (BPP).
·· El proceso de renovación superpuesto (SRP).
·· El proceso de Poisson no homogéneo (NHPP).
Hay quienes agrupan las categorías HPP, BPP y SRP como GRP,
«Procesos de Renovación Generalizados», ya que la aplicación de estos
modelos por separado no tiende a ser tan frecuente en los procesos del
ámbito de operaciones [31].
• Selección de un modelo para equipos y/o componentes reparables

Los procesos estocásticos puntuales, anteriormente descritos, se pue-
den relacionar con cinco posibles estados post reparación, los cuales son:
·· Tan bueno como nuevo (RP).

·· Tan malo como antes de fallar (NHPP).
·· Mejor que antes de fallar pero peor que cuando estaba nuevo
(GRP).
143
A. Arata
·· Mejor que nuevo (GRP).

·· Peor que antes de fallar (GRP).
De los cinco escenarios citados anteriormente, el segundo es uno de

los más probables dentro de un contexto operacional real. Para diag-
nosticar la tasa de fallas de este escenario en particular se ha desarro-
llado un modelo estocástico denominado: Proceso No Homogéneo de
Poisson (Non-homogeneous Poisson Process, NHPP), el cual considera
que la tasa de fallas varía a medida que el sistema envejece.
Teniendo claro el marco de posibilidades de los modelos para equi-
pos reparables, podemos visualizar el diagrama de flujo de selección de
un modelo de llegada de eventos para sistemas reparables:
Selección de Modelos
equipos reparables
Si
¿Tendencia? Modelo NHPP
No
Si Si
¿Independencia? ¿Distribución
Modelo HPP
exponencial?
No No
Modelo BPP Modelo RP
Figura 2.17: Diagrama de flujo para la selección de un

modelo para sistemas reparables
A continuación se revisan en detalle los procesos esquematizados

en la Figura 2.17.
i. Tendencia
La tendencia de un proceso de fallas de un sistema reparable está rela-
cionada directamente con la tasa de fallas, es decir, si el proceso no posee
144
tendencia o es estacionario, la tasa de fallas es constante; por su parte, si

el proceso posee tendencia, la tasa de fallas puede aumentar o a disminuir.
Antes de presentar las técnicas de prueba de tendencia podemos
analizar gráficamente la tendencia en el patrón de las fallas. Estas pue-
den ser monótonas o no monótonas. En el caso de una tendencia mo-
nótona, como las que se muestran en la Figura 2.18, se dice que el
sistema está mejorando, si el tiempo entre llegadas tiende a ser más
largo (tendencia decreciente en el número de fallas, «sistema feliz», C);
se dice que se está deteriorando si los tiempos tienden a ser más corto
(tendencia al aumento en el número de fallas «sistema triste», B). Las
tendencias que no son monótonas se producen cuando las tendencias
cambian con el tiempo o se repiten en ciclos A.
For each of the following diagrams, represents the ocurrence of a

failure:
Age
B
Age
C
Age
Figura 2.18: Posibles tendencias de los tiempos entre fallas.

Las flechas representan eventos de falla
Se debe recordar que, al examinar la tendencia, la elección de la

escala de tiempo podría tener un impacto en el patrón de fallas. Es por
esto que se debe tener especial atención a la selección de la unidad de
tiempo (horas calendario, las horas de funcionamiento, la producción
a través de puesto, etc.).
145
A. Arata
i.1 Métodos gráficos para determinar tendencia
Gráfico de tiempos acumulados de fallas vs. tiempo

El método más sencillo para las pruebas de tendencia es un gráfico
de fallas acumuladas vs. el tiempo para el sistema observado, conocido
como diagrama de Nelson-Aalen. Cuando se produce un diagrama li-
neal, se puede suponer que los datos no tienen ninguna tendencia y la
misma distribución de tiempo medio entre fallas es aceptada.
La Figura 2.19 muestra los gráficos genéricos esperados. El gráfi-
co A muestra con claridad la existencia de una tendencia en los datos,
mientras B no muestra evidencia de tendencia. A menudo, una curva con
doble tendencia, como la enseñada en C, se produce a raíz de cambios
en la política de mantenimiento o cambios en las condiciones operati-
vas de los equipos. Cuando esta situación se produce, una alternativa
es descartar los datos que no son representativos de la situación actual,
por lo que un gráfico no daría lugar a la tendencia, para el conjunto de
datos más recientes, y un supuesto de renovación podría llevarse a cabo.
Cuando una curva como la mostrada en D se produce, una tendencia no
monótona puede estar presente en el conjunto de datos.
A B C D
Figura 2.19: Gráficos de tiempos acumulados de falla vs. tiempo
Este tipo de prueba es muy sencilla, pues no requiere ningún cál-

culo y es muy poderosa cuando hay una fuerte tendencia en los datos.
Cuando están presentes tendencias ligeras, esta solución puede no ser
suficiente y se deben realizar las pruebas de análisis. Una debilidad de
esta prueba es que la evaluación de tendencias se basa en la interpreta-
ción, como en todos los procedimientos gráficos.
Gráfico de dispersión de vidas sucesivas de servicio
Una prueba complementaria al gráfico de fallas acumuladas contra
el tiempo es un compuesto en el trazado de la vida útil de la falla i-
146
ésima, frente a la vida útil de la (i-1)-ésima. Si no se observa la tenden-

cia solo se deben obtener un conjunto de puntos. Dos o más grupos o
parcelas lineales, indican tendencia (Figura 2.20).
Figura 2.20: Ejemplo de gráficos de dispersión de vidas sucesivas de servicio
Otro método gráfico para determinar tendencia en los datos es el

test de tiempo total o gráfico TTT [28].
i.2 Métodos analíticos para determinar tendencia
Test de Laplace
Este test, perteneciente a los métodos analíticos, es el más usado
para determinar tendencia. Si se tiene una muestra de n tiempos para
la ocurrencia de fallas: t1, t2,…,tn; se define el siguiente estadístico de
prueba de tendencia de Laplace:
(2.8)
Donde,
·· k: es igual a (n-1) si las observaciones terminan en el último
evento, de lo contrario es igual a n
147
A. Arata
·· T: es igual a tn si las observaciones terminan en el último evento,

de lo contrario, es igual al periodo total de las observaciones
Entonces, se tiene que:
·· Si UL=0, el proceso es estacionario

·· Si UL<0, existe tendencia creciente
·· Si UL>0, existe tendencia decreciente
Otros métodos analíticos que pueden ser utilizados para determi-

nar tendencia son: Test de Mann, Test de Lewis-Robinson y Test del
Manual Militar, entre otros.
ii. Independencia
ii.1 Test de Bondad de Ajuste
Recordando el marco teórico para la distribución multinomial:
·· n: número de muestras independientes e idénticas

·· y1,…,yk: categorías de las que se extraen las muestras
·· X: variable aleatoria que indica la categoría a la que pertenece
la muestra
→
·· p = (p1,…,pk): vector de probabilidades de pertenencia a cada
categoría P(X = yi) = pi
·· N = (N1,…,Nk): vector aleatorio de frecuencias
Entonces, N sigue una distribución multinomial.

→
Si N es un vector aleatorio con distribución multinomial (n, p ),
entonces Q tiene una distribución asintótica ÷ 2k −1 cuando n tiende a
infinito (Ecuación (2.9)):
(2.9)
Se debe señalar que npi corresponde a la esperanza de la variable Ni.

De esta forma, si se formula el Test de Hipótesis:
H0 : pi = q i ∀ i ∈ {1,..., k
}
H1 : pi ≠ q i Para algún i ∈ {1,..., k
}
148
La hipótesis H0 es rechazada para ÷ 2k −1 > ÷ α2 ,k −1 , por lo tanto, existe

falta de ajuste.
ii.2 Test de Independencia
Suponiendo que se tienen dos variables, X e Y, que toman valores
categóricos en los conjuntos x1,…,xn y y1,…,ym respectivamente; se rea-
liza una muestra aleatoria simple de tamaño N, donde cada objeto de
la muestra presenta alguna ocurrencia xi y alguna ocurrencia yj.
Dada la muestra se tendrán las frecuencias de pertenencia Nij a la
categoría xi e yj. Adicionalmente se definen:
N ij : probabilidad de ocurrencia de xi e yi
p ij =
·· N
m
: probabilidad de tener la ocurrencia xi
pi = ∑p ij ∀ i ∈ {1,..., n
}
·· j =1
n
: probabilidad de tener la ocurrencia yj
qi = ∑p ij ∀ j ∈ {1,..., m
}
·· i =1
Si X e Y son independientes, se tiene que la probabilidad de que

una variable considere la ocurrencia de xi e yi es (pi x qj). De esta forma,
si hay independencia, el valor del estadístico Q dado por la Ecuación es
2
menor que ÷ α ,( n −1)( m −1) .
(2.10)
iii. Descripción y aplicación de los modelos

para equipos reparables
iii.1 Proceso de renovación RP
RP supone que el sistema vuelve a una condición «tan bueno como
nuevo» cada vez que se repara, por lo que, en realidad, convierte el
tiempo entre fallas en el tiempo hasta la primera falla de un sistema
nuevo, o, en otras palabras, conduce a un enfoque de sistemas no re-
parables, en la que puede llevar mucho tiempo a la falla modelada por
una distribución estadística y el supuesto i.i.d. es válido. Es un proceso
149
A. Arata
que no tiene tendencia y las características que lo definen estarán dadas

por las distribuciones de probabilidad que se ajusten a los datos.
iii.2 Proceso de renovación de Poisson homogéneo (HPP)

El HPP es un caso especial de la RP, que asume que los tiempos
entre las fallas son independientes e idénticamente distribuidos de ma-
nera exponencial, por lo que el supuesto i.i.d. también es válido y el
tiempo hasta la falla se describe mediante una distribución exponencial
que tiene una tasa de eventos constante. Este no tiene tendencia y el
valor esperado del número de fallas para este proceso es E(N(t)) = λt,
donde, λ corresponde a la tasa de fallas y t al horizonte de análisis.
iii.3 La ramificación del proceso de Poisson (BPP)

La BPP se utiliza para representar datos de tiempos medio de falla
que, se puede suponer, se distribuyen de forma idéntica pero no in-
dependiente. Este proceso se aplica cuando una falla primaria, o una
secuencia de fallas primarias, tienen tiempos medios entre fallas i.i.d.
y puede accionar uno o más fallas filiales, por lo que existe una de-
pendencia entre la filial de fallas y la aparición del primario, el que
provocó la falla.
iii.4 Proceso de renovación superpuesto (SRP)

El SRP es un proceso derivado de la combinación de diversos RP
independientes, y, el sistema en general, resulta no ser un RP. Por ejem-
plo, un conjunto de partes dentro de un sistema que se desechan y se
sustituyen cada vez que fallan de forma independiente. Cada parte pue-
de ser modelado como una RP, y luego el sistema podría ser modelado
con un SRP.
iii.5 Proceso de Poisson no homogéneo (NHPP)

El modelo NHPP ha sido desarrollado y aplicado en escenarios
operacionales reales en los cuales las reparaciones de las fallas han
dejado al componente «tan malo como antes de la reparación». Basa-
do en esta premisa, y dado su naturaleza de modelo conservador, este
provee de un proceso matemático bastante realista, ya que considera
que un componente se va deteriorando con el tiempo y su restauración
150
nunca podrá ser mejor que cuando estaba nuevo, es decir, este modelo
representa eficientemente la frecuencia de ocurrencia de fallas de equi-
pos que son afectados por procesos de deterioro que se agravan a me-
dida que pasa el tiempo, en otras palabras, procesos de envejecimiento.
A diferencia de los procesos anteriormente citados, este es un pro-
ceso con tendencia, es decir, los tiempos entre fallas pueden aumentar
o disminuir, por lo tanto, no forman una secuencia i.i.d. El valor espe-
rado del número de eventos que ocurren es:
(2.11)
Donde,
·· λ(t): es la tasa de ocurrencia de fallas

·· t: es el horizonte de análisis
Esta definición muestra que la tasa de ocurrencia de fallas varía con

el tiempo, es decir, no es constante como en los procesos anteriores.
Además utiliza métodos heurísticos que han sido probados con mu-
cha efectividad para modelar patrones de fallas reales (función de pro-
babilidad de fallas de Weibull). Sin embargo, su principal debilidad es
que no se pueden usar para modelar patrones de fallas cuyos procesos de
restauración sean capaces de dejar el componente restaurado en mejores
condiciones que las que tenía antes de la reparación.
Equipos y/o componentes no reparables
En la Figura 2.21 Representación de función de densidad de pro-

babilidad de fallas Figura 2.21 se muestra la función de densidad de
probabilidad de fallas f(t), que representa la probabilidad de que un
elemento falle en un instante de tiempo t cualquiera. También se mues-
tra la función de probabilidad acumulada de falla F(t), que cuantifica
la probabilidad de que un equipo (o sistema) falle en un intervalo de
tiempo [0,t]. Además se representa gráficamente R(t) = 1 – F(t) como
el área bajo la curva.
151
A. Arata
Falla Instantánea
f(t)
F(t) R(t)
t Tiempo
Figura 2.21: Representación de función de densidad de probabilidad de fallas
Las funciones de probabilidad acumulada de fallas F(t) y la confia-

bilidad se definen como:
(2.12)
(2.13)
Parametrización y ajuste de curva

Para el modelamiento o parametrización estadístico / matemático
de la confiabilidad, las distribuciones Weibull, Exponencial y Normal
son muy relevantes, dado que permiten caracterizar los períodos de la
vida de un elemento, equipo o sistema. En la Tabla 4.1 se representa un
resumen de las funciones de densidad de probabilidad de fallas común-
mente usadas para modelar la confiabilidad de componentes y sistemas
152
Tabla 2.2: Resumen funciones de densidad de falla
Distribución-Ciclo de vida MTBF Forma gráfica Tasa de falla
Weibull – Rodaje
Exponencial Negativa – Vida útil
1
ë
153
Normal – Desgaste
μ
A. Arata
La etapa de ajuste de curva del enfoque R-MES utiliza como aproxi-

mación el modelo anteriormente presentado (equipos y componentes
no reparables), asumiendo que el estado de los equipos post manteni-
miento es tan bueno como cuando estaban nuevos.
A continuación se presentan los modelos de verificación que utiliza
el enfoque R-MES para asegurar el correcto ajuste de las curvas de
probabilidad al comportamiento de falla de los equipos.
Verificación de los modelos

La calidad del ajuste de distribuciones estadísticas debe ser veri-
ficada. Primero, se acepta que al imponer una ley dada se incurre en
algún error, pero queremos que el riesgo de que ello ocurra sea menor:
definimos como medida el nivel de confianza α, en otras palabras, la
probabilidad de que el modelo sea erróneo.
Realizando algún test de control se verifica si una distribución se
ajusta adecuadamente o no al comportamiento real de un conjunto de
datos. Una vez que se ha validado el ajuste de la distribución seleccio-
nada con el comportamiento real de los datos, entonces se podrá tomar
con seguridad la hipótesis de que los datos recopilados se pueden re-
presentar a través del modelo matemático respectivo a la distribución
evaluada.
Test χ
2
El test χ corresponde al test de bondad de ajuste presentado en el

2
apartado Selección de un modelo para equipos y/o componentes repa-

rablesSelección de un modelo para equipos y/o componentes repara-
bles de la sección 2.5.3.
Test de Kolmogorov–Smirnov
El Test de Kolmogorov–Smirnov puede ser aplicado para cualquier

número de observaciones n. Sin embargo, si el número de observacio-
nes es grande se recomienda utilizar el test χ .
2
El test se basa en comparar la verdadera función de distribución

con la propuesta. Para ello se utiliza los valores absolutos de las dife-
rencias entre punto y punto.
Sean F(t) y F’(t) la distribución de probabilidad verdadera y pro-
puesta respectivamente. La diferencia para ti es [28]:
154
(2.14)
F(t) puede ser estimado por el método de los rangos medios:
i (2.15)
F(t i ) =
n+ 1
Puede demostrarse que la distribución de Dn = Máx (Dn ) depende

i
solo de n y se puede escribir:
(2.16)
Métodos no paramétricos
El objetivo de este tipo de métodos es derivar, directamente de los
datos de falla, la distribución de falla, la función confiabilidad y la tasa
de fallas. Se aplican cuando ninguna distribución teórica se ajusta ade-
cuadamente a los datos.
Un método común para obtener una función de confiabilidad em-
pírica es el método de Kaplan-Meier. Sean ti los instantes de falla (or-
denados de menor a mayor) y ni el número de unidades operando justo
antes de la i-ésima falla. Asumiendo que los instantes de censura no
coinciden con los de falla, el método propone:
(2.17)
3.4 Etapa 4: Determinación de la etapa en el ciclo de vida

La cuarta etapa del enfoque R-MES se orienta a determinar en la
fase del ciclo de vida en que se encuentran los equipos del sistema.
155
A. Arata
Figura 2.22: Etapa de Determinación de la etapa del ciclo de

vida en el enfoque R-MES
3.4.1 Modelos de la etapa de vida de los equipos
La confiabilidad de un elemento puede ser caracterizada a través de

distintos modelos de probabilidades. Las características de estos mode-
lamientos dependerán de la etapa de vida en que se encuentre el equipo.
En la Figura 2.23: Ciclo de vida. Curva de la bañera se muestran
las distintas etapas en la vida de los equipos.
Tasa de fallas de una

población homogénea en
función de su edad
Rodaje Desgaste
t
Figura 2.23: Ciclo de vida. Curva de la bañera
La figura anterior grafica la tasa de falla o λ(t), también conocida

como tasa de riesgo de falla, como función de la etapa en que se en-
cuentre el elemento. En términos generales es posible demostrar que:
156
(2.18)
Las funciones de importancia, entonces, para la caracterización de

la confiabilidad son f(t), F(t), R(t) y λ(t), donde, conocida una de ellas,
es posible establecer las demás. Por otro lado, dada la curva de la bañe-
ra es posible modelar el comportamiento en cada una de las tres etapas
de la tasa de falla a través de leyes conocidas de probabilidades.
En la fase de rodaje la tasa de falla es decreciente y el modelo mate-
mático que se adapta a esta situación se representa con la distribución
de Weibull, donde λ(t) está dada por:
(2.19)
Es importante destacar que, debido a su gran capacidad de parame-

trización, la distribución de probabilidad de Weibull es muy difundida
en estudios de confiabilidad, dado que, dependiendo del valor de sus
parámetros (α, β y γ) es posible modelar todos los estados en la vida de
un elemento.
En la fase de vida útil, la tasa de fallas es sensiblemente constante.
En este caso la función de confiabilidad toma la forma de:
(2.20)
La que representa una curva exponencial negativa, se desprende

que la curva de densidad probabilística de falla está dada por:
(2.21)
Luego, al integrar sobre t, se tiene que la función de probabilidad

acumulada de falla es:
(2.22)
De lo anterior se puede decir que el tiempo medio entre fallas es:
157
A. Arata
(2.23)
Para el cálculo de la confiabilidad (distribución exponencial) co-

rrespondiente a tasas de fallas constantes, su importancia radica esen-
cialmente en que los cálculos son notablemente sencillos, hecho de
gran importancia al tratar sistemas complejos y, por otra parte, en
que esta distribución es la ley típica de ocurrencia de los fenómenos
puramente casuales, esto es, aquellos cuyas causas son exclusivamen-
te accidentales.
En la fase de desgaste es posible utilizar una distribución normal
para modelar las fallas producidas por desgaste o fatiga. Por lo tanto,
las funciones f(t), λ(t) y MTBF vienen dadas por las ecuaciones presen-
tadas a continuación:
(2.24)
(2.25)
(2.26)
3.4.2 Modelos de curvas para el ciclo de vida
En este apartado se revisarán los seis patrones o curvas de ciclo de

vida (o curvas de falla) asociándolos a los tipos de mantenimiento. Ade-
más se expondrán algunos ejemplos prácticos de componentes industria-
les y domésticos para cada uno de los patrones de curvas de falla.
A continuación se repasarán los tipos de mantenimiento, para lue-
go poder relacionarlos a cada una de las curvas de ciclo de vida.
158
a. Clases de mantenimiento
i. Según el estado del sistema:

i.1 Mantenimiento operacional
Se define como la acción de mantenimiento aplicada a un equipo
o sistema a fin de mantener su continuidad operacional. El mismo es
ejecutado en la mayoría de los casos con el activo en servicio sin afectar
su operación natural.
La planificación y programación de este tipo de mantenimiento
es completamente dinámica. La aplicación de los planes de manteni-
miento rutinario se efectúa durante todo el año con programas dia-
rios que dependen de las necesidades que presente un equipo sobre
las condiciones particulares de operación, en este sentido, el objetivo
de la acción de mantenimiento es garantizar la operatividad del equi-
po para las condiciones mínimas requeridas en cuanto a eficiencia,
seguridad e integridad.
i.2 Mantenimiento mayor:

Es el mantenimiento aplicado a un equipo o instalación donde su
alcance en cuanto a la cantidad de trabajos incluidos, tiempo de eje-
cución, nivel de inversión o costo del mantenimiento y requerimientos
de planificación y programación son de elevada magnitud, dado que
la razón de este tipo de mantenimiento reside en la restitución general
de las condiciones de servicio del activo, ya sea desde el punto de vista
de diseño o para satisfacer un periodo de tiempo considerable con la
mínima probabilidad de falla o interrupción del servicio y dentro de los
niveles de desempeño o eficiencia requeridos.
La diferencia entre ambos tipos de mantenimiento se basa en los
tiempos de ejecución, los requerimientos de inversión, la magnitud y el
alcance de los trabajos, ya que el mantenimiento operacional se realiza
durante la operación normal de los activos y el mantenimiento mayor
se aplica con el activo fuera de servicio. Por otra parte, la frecuencia
con que este se aplica es sumamente alta con respecto a la frecuencia de
las actividades del mantenimiento operacional, que oscila entre cuatro
y quince años dependiendo del grado de severidad del ambiente en que
está expuesto el componente, la complejidad del proceso operacional,
disponibilidad corporativa de las instalaciones, estrategias de mercado,
159
A. Arata
nivel tecnológico de componentes y materiales, políticas de inversiones

y disponibilidad presupuestaria.
ii. Según el estado del activo

Tradicionalmente se consideraba que existían tres tipos de mante-
nimiento distintos: predictivo, preventivo, y correctivo. Sin embargo,
existen cuatro tipos de mantenimiento distintos.
ii.1 Mantenimiento predictivo – Mantenimiento según condición:

Consiste en la búsqueda de indicios o síntomas que permitan
identificar una falla antes de que ocurra. Por ejemplo, la inspección
visual del grado de desgaste de un neumático es una tarea de mante-
nimiento predictivo, dado que permite identificar el proceso de falla
antes de que la falla funcional ocurra. Estas tareas incluyen: inspec-
ciones (por ejemplo, inspección visual del grado de desgaste), moni-
toreo (por ejemplo, vibraciones, ultrasonido), chequeos (por ejemplo,
nivel de aceite). Tienen en común que la decisión de realizar o no
una acción correctiva depende de la condición medida. Por ejemplo,
a partir de la medición de vibraciones de un equipo puede decidirse
cambiarlo o no. Para que pueda evaluarse la conveniencia de estas
tareas debe necesariamente existir una clara condición de falla po-
tencial. Es decir, debe haber síntomas claros de que la falla está en el
proceso de ocurrir.
ii.2 Sustitución y reacondicionamiento cíclico:

Se refiere a aquellas tareas de sustitución o trabajo hechas a inter-
valos fijos independiente del estado del elemento o componente. Estas
tareas solo son validas si existe un patrón de desgaste, es decir, si la pro-
babilidad de falla aumenta rápidamente después de superada la vida
útil del elemento. Debe tenerse mucho cuidado al momento de selec-
cionar una tarea preventiva (o cualquier otra tarea de mantenimiento),
para no confundir una tarea que se puede hacer con una tarea que con-
viene hacer. Por ejemplo, al evaluar el plan de mantenimiento a realizar
sobre el impulsor de una turbina, podríamos decidir realizar una tarea
preventiva (sustitución cíclica del impulsor), tarea que, en general, se
puede hacer dado que la falla generalmente responde a un patrón de
desgaste. Sin embargo, en ciertos casos podría convenir realizar alguna
160
tarea predictiva (tarea a condición), que en muchos casos son menos

invasivas y menos costosas.
ii.3 Mantenimiento correctivo:

Si se decide que no se hará ninguna tarea proactiva (predictiva o
preventiva) para manejar una falla, sino que esta se reparará una vez
que ocurra, entonces el mantenimiento elegido es un mantenimiento
correctivo. ¿Cuándo conviene este tipo de mantenimiento? Cuando el
costo de la falla (directo e indirecto) es menor que el costo de la pre-
vención, o cuando no puede hacerse ninguna tarea proactiva y no se
justifica realizar un rediseño del equipo. Esta opción solo es válida en
caso que la falla no tenga consecuencias sobre la seguridad o el medio
ambiente. Caso contrario, es necesario hacer algo para reducir o elimi-
nar las consecuencias de la falla.
ii.4 Mantenimiento detectivo:

Consiste en la prueba de dispositivos de protección bajo condicio-
nes controladas, para asegurarse que estos dispositivos serán capaces
de brindar la protección requerida cuando sean necesarios. En el man-
tenimiento detectivo no se está reparando un elemento que falló (man-
tenimiento correctivo), no se está cambiando ni reacondicionando un
elemento antes de su vida útil (mantenimiento preventivo), ni se están
buscando síntomas de que una falla está en el proceso de ocurrir (man-
tenimiento predictivo). Por lo tanto, el mantenimiento detectivo es un
cuarto tipo de mantenimiento. A este mantenimiento también se le llama
«búsqueda de fallas o prueba funcional», y al intervalo en el cual se rea-
liza esta tarea se le llama «intervalo de búsqueda de fallas», FFI por sus
siglas en inglés (Failure-Finding Interval). Por ejemplo, arrojar humo a
un detector contra incendios es una tarea de mantenimiento detectivo.
iii. Según su ejecución en el tiempo

iii.1 Mantenimiento rutinario:
Está relacionado con las tareas de mantenimiento regulares o de
carácter diario.
161
A. Arata
iii.2 Mantenimiento programado:

Está relacionado con los trabajos recurrentes y periódicos de va-
lor sustancial.
iii.3 Parada de planta:

Está relacionado con trabajo realizado durante paradas de plantas
planificadas.
iii.4 Extraordinario:
Está relacionado con trabajo causado por eventos impredecibles.
b. Detalle de patrones o curvas de ciclo de vida

De la misma forma en la que el mantenimiento iba evolucionando,
los patrones de falla fueron complementando la información gráfica
respecto al funcionamiento de los equipos. En la figura siguiente se
grafican los patrones que es posible encontrar en la tercera generación
de la evolución del mantenimiento.
Figura 2.24: Patrones de falla para equipos y componentes

en la tercera generación
A continuación se detalla cada uno de los patrones de falla durante

el ciclo de vida de un equipo, referidos a la Figura 2.24: Patrones de
falla para equipos y componentes en la tercera generación [25, 32-34]:
162
i. El patrón de falla A
Este patrón posee 3 segmentos bien definidos, un período de morta-
lidad infantil, un período de fallas originadas por eventos casuales y un
período de desgaste acelerado. La mortalidad infantil está relacionada
con errores durante la instalación, reparación o reacondicionamientos,
que pueden ser causados por materiales inadecuados (selección y ca-
lidad) y errores en los procedimientos de trabajo, en las reparaciones,
en el arranque y en la operación misma. Para el segundo segmento,
tasa de falla constante, las fallas son causadas por factores que no es-
tán relacionados con la edad del componente, por lo tanto, las tareas
de mantenimiento basadas en el tiempo serán inefectivas. El desgaste
acelerado suele relacionarse con la edad del componente o equipo en
estudio, los cuales presentas signos de envejecimiento y, por ende, una
tasa de falla creciente.
La política de mantenimiento asociada al primer y último periodo
es generalmente preventiva cíclica según criterio de conveniencia (costo
asociado de prevención sea menor al costo de mantención correctiva).
Además, es recomendable estudiar la posibilidad de hacer un manteni-
miento predictivo, siempre y cuando la tarea sea técnicamente factible
de realizar y pueda resolverse adecuadamente la consecuencia de la
falla (tiempo de reacción suficiente para prevenir la consecuencia de la
falla). Para el periodo de fallas aleatorias, la política de mantenimiento
recomendada es operar a la falla, es decir, correctiva.
ii. El patrón de falla B

Este patrón posee dos segmentos, un período de fallas originadas
por eventos casuales y un período de desgaste acelerado. Para este pa-
trón, la probabilidad de mortalidad infantil es mínima, basada en la
complejidad del componente y la instalación (simple) y/o la posibilidad
de llevar a cabo inspecciones completas y ensayos para asegurar la ca-
lidad previa al arranque.
En el primer segmento, todos los componentes tienen probabilidad
de falla aleatoria, causada por factores que no están relacionados con
la edad del componente. Los factores son: condiciones de operación,
operación fuera del marco de diseño, pérdida de lubricación, y errores
de operación / mantenimiento. Predecir fallas es inviable, por lo cual
el mantenimiento, según tiempo de operación, es inefectivo. El desgas-
te acelerado se relaciona generalmente con la edad del componente o
163
A. Arata
equipo en estudio, los cuales presentas signos de envejecimiento y, por

ende, una tasa de falla creciente.
Por lo general, la política de mantenimientos asociada al segundo
segmento es preventiva cíclica según criterio de conveniencia (costo
iii. El patrón de falla C

Este patrón tiene una baja probabilidad inicial de falla que aumen-
ta lentamente con el tiempo. No hay mortalidad infantil ni desgaste
acelerado. Los componentes poseen un patrón de falla al azar, pero
basándonos en análisis estadístico es claro que el número de fallas me-
didas en base anual aumenta lentamente. Por ejemplo: desde 2 en 1000
en el año 1, a 3 en 1000 en el año 5, y 7 en 1000 en el año 10.
Por lo general, la política de mantenimiento asociada a esta cur-
va con probabilidad de falla creciente es la preventiva cíclica según
criterio de conveniencia (costo asociado de prevención sea menor al
costo de mantención correctiva). Además, es recomendable estudiar la
posibilidad de hacer un mantenimiento predictivo, siempre y cuando la
tarea sea técnicamente factible de realizar y pueda resolverse adecua-
damente la consecuencia de la falla (tiempo de reacción suficiente para
prevenir la consecuencia de la falla).
iv. El patrón de falla D

Esta curva posee un patrón de falla al azar, con un número menor
de fallas en el período inicial. Los componentes son simples y/o pueden
ser completamente inspeccionados o ensayados. El número de fallas
en el período inicial es menor que el promedio de tasa de fallas al azar.
Por lo general, la política de mantenimiento para la fase incremen-
tal inicial es la preventiva cíclica según criterio de conveniencia (costo
164

v. El patrón de falla E
Esta curva posee un patrón de falla al azar «casi perfecto», constante
en todo el período de análisis sin fallas iniciales ni desgaste acelerado.
Todos los componentes tienen probabilidad de «fallar al azar», causada
por factores que no están relacionados con la edad del componente.
La política de mantenimiento recomendada para el periodo de fa-
llas aleatorias, es operar a la falla, es decir, correctiva.
vi. El patrón de falla F

Finalmente, este patrón posee dos segmentos, el período de mor-
talidad infantil y un período de fallas causadas por eventos al azar o
externos. Debe notarse que este patrón de fallas es aplicable a la ma-
yoría de los componentes. La mortalidad infantil está relacionada con
errores durante la instalación, reparación o reacondicionamientos que
pueden ser causados por materiales inadecuados (selección y calidad)
y errores en los procedimientos de trabajo, en las reparaciones, en el
arranque y en la operación misma. Para el segundo segmento, tasa de
falla constante, las fallas son causadas por factores que no están rela-
cionados con la edad del componente.
La política de mantenimiento asociada al primer periodo es ge-
neralmente preventiva cíclica según criterio de conveniencia (costo
165
A. Arata
3.5 Etapa 5: Obtención de indicadores de desempeño (kpi)

La quinta etapa del enfoque R-MES busca determinar los indica-
dores históricos y probabilísticos que definen el comportamiento de los
equipos, subsistemas y sistemas.
Figura 2.25: Etapa de Obtención de indicadores en el enfoque R-MES
3.5.1 Definición de indicadores en el enfoque R-MES
Una de las características de las organizaciones modernas es que

han incorporado a sus procesos elementos de gestión que les han
permitido evaluar el cumplimiento de sus objetivos, o bien identifi-
car aquellas falencias que requieren ser corregidas. Estos elementos,
conocidos como indicadores, se deben establecer a cada nivel de la
estructura organizacional, existiendo coherencia absoluta con el plan
estratégico de la organización [35].
Adicionalmente, la captura o medición es fundamental para la toma
de decisiones, ya que permite identificar y analizar la data que efecti-
vamente agrega valor a la gestión. Este proceso debe estar muy bien
definido, de forma que los procesos de captura y análisis sean eficientes.
Una correcta definición de los indicadores (Key Performance Indi-
cators, KPI), debiera permitir:
166
• Mejorar el proceso de gestión del mantenimiento y/o demás áreas,

al ampliar la visión de sus procesos.
• Facilitar la implementación de un proceso de mejora continua.
• La comparación con otras empresas externas, benchmarking.
• Promover la sana competencia.
• Convertirse en un vehículo para «compartir» datos e información
sobre el proceso de mantenimiento y demás áreas de la organización.
• Identificar futuros obstáculos en el proceso.
• Realizar seguimiento.
En este apartado se revisarán los conceptos asociados a los indi-

cadores claves. En una primera etapa se definirán contextualizándolos
y precisando la metodología de diseño y selección. Luego se realizará
una categorización de los indicadores, manteniendo el objetivo de me-
jorar la gestión de activos y la gestión operativa de las empresas.
Al iniciar la implementación de todo plan de mejora es necesario
definir los objetivos a alcanzar y los medios para ello. Una vez iniciado
el proceso se debe monitorear el progreso alcanzado mediante obser-
vaciones y comparaciones a lo largo del tiempo de los parámetros que
definan claramente el nivel de calidad del desempeño organizacional,
constatando, sin subjetivismo, si se ha mejorado o no respecto a la
situación inicial.
Un indicador se puede definir como un número que describe el
desempeño de una ocurrencia o actividad específica. Los indicadores
claves de desempeño se definen con un significado estratégico que se
percibe como crítico en las circunstancias actuales del negocio y que
generalmente son seleccionados de un grupo previo de ellos [36].
Los KPI son medidores que permiten monitorear el desempeño de
una actividad para cuantificar sus beneficios, sus logros y trazar metas
[37]. Estos apuntan directamente a las metas generales de la compañía,
determinan las actividades críticas y definen las operaciones particu-
lares para alcanzarlas. Un proceso de medición debe contar con las
siguientes características:
• enfocarse sobre logros más que sobre actividades puntuales,

• usar un esquema de medición fácil y entendible,
• proveer indicación significativa a todos los niveles de la organización,
• promover mejoras en la efectividad del mantenimiento,
167
A. Arata
• permitir comparaciones con otras compañías (benchmarking), y

• comunicar el progreso a mediano y largo plazo y permitir llevar
registros históricos.
Respecto a las características propias de los indicadores, estos deben:
• considerar el punto de vista de los accionistas;

• dar soporte a la toma de decisiones, dependiendo del nivel de la
organización;
• reconocer la diversidad inherente del negocio;
• soportar procesos de monitoreo;
• ser claramente definidos, medibles y verificables;
• ser entendibles y con significado a todo nivel de la organización;
• basarse en la evaluación integral del mantenimiento;
• ser consistentes a través de diferentes sitios y organizaciones; y
• permitir la implementación en forma costo-efectiva.
Finalmente, la selección de los indicadores claves de rendimiento

debe considerar los siguientes aspectos:
• identificar las expectativas de las partes interesadas (accionistas,

clientes, grupos de mantenimiento, etc.);
• identificar un conjunto de «indicadores candidatos» basados en
aspectos significativos del mantenimiento como:
·· confiabilidad (mantener la funcionalidad cuando el equipo se

usa según se especifica),
·· disponibilidad (fracción de tiempo que un equipo es funcional,
es decir, tiene la posibilidad de ser utilizado),
·· mantenibilidad (capacidad de restauración de la funcionalidad
de un equipo durante una actividad de mantenimiento),
·· prudencia financiera (resume el costo del ciclo de vida de los
equipos considerando costos de inversión inicial, mantenimien-
to y costos finales de la falla);
• desarrollar la estrategia de cálculo sobre funciones o grupos de

equipos específicos; y
• ajustar objetivos y seguimiento al desempeño de la estrategia.
168
3.5.2 Categorización de indicadores para la evaluación

de la gestión de mantenimiento
A continuación, de acuerdo a referencias de la industria nacional

e internacional, se propone una categorizacióny listado de los KPI's
según afinidad, alcance y objetivo. En la Figura 2.26: Etapa de Obten-
ción de indicadores en el enfoque R-MES se presentan algunos de los
indicadores claves de desempeño, luego se expone, para cada catego-
ría, la formulación respectiva. Para conocer con una mayor amplitud
los posibles indicadores a utilizar para evaluar la gestión de activos se
recomienda estudiar la información entregada por las referencias espe-
cíficas de este apartado [35-40].
Figura 2.26: Etapa de Obtención de indicadores en el enfoque R-MES
a. KPI's económicos
La eficiencia de toda actividad dentro de la empresa, con vistas
a lograr costos razonables, es un tema supervisado muy de cerca por
todo directivo en las organizaciones actuales.
169
A. Arata
En el área de mantenimiento es recomendable controlar una serie

de índices relativos a los costos asociados a ella. Dentro de ellos se de-
ben considerar los que se detallan a continuación:
• costo relativo con personal propio,

• costo relativo de material,
• costo de mano de obra externa,
• costo de mantenimiento con relación a la producción,
• costo de capacitación,
• costo de capital por concepto de repuestos inmovilizados, y
• costo global.
b. Ejemplos de indicadores:
i. Costo de mantenimiento por unidad producida
Costo total de mantenimiento

CM/U =
Unidades producidas
(2.27)
ii. Costo de mantenimiento por hora de operación

CM/HO = (2.28)
Horas de operación
c. KPI's de eficiencia y efectividad

i. Eficacia de mantenimiento
Horas de operarios
EeM = (2.29)
Horas de operación + Horas de mantenimiento
ii. Eficiencia de mantenimiento
EfM =
HH en mantenimiento (2.30)
Horas de operación
d. KPI's técnicos
i. Tiempo medio entre fallas
Horas de operación
MTBF (2.31)
Nº de eventos de falla
170
2. Tiempo medio de reparación
Total de horas de reparación

MTTR = (2.32)
Nº de eventos de falla
e. KPI's tácticos
1. Fracción de tareas de mantenimiento programadas realizadas
Nº de tareas de mantenimiento programadas realizadas

FMP = (2.33)
Nº total de tareas de mantenimiento programadas
2. Costo de inventario y adquisición de líneas inactivas
Artículos de línea en stock inactivo

C= (2.34)
Total de artículos de líneas en stock
f. KPI's funcionales
1. Fracción de Backlogs o tareas pendientes
Nº de backlogs
FB = (2.35)
Nº total de tareas programadas
2. Costos de mantenimiento predictivo
Costo total de mantenimiento predictivo

CPred = (2.36)
g. KPI's de planificación y programación

1. Atrasos
BacklogHH = Total HH de mantenimiento con órdenes de trabajo pendientes (2.37)
2. Cumplimiento del programa en HH
HH en órdenes de trabajo + HH en órdenes

CUHH = de trabajo en ejecución (2.38)
Total de HH programas
171
A. Arata
h. KPI's de personal y medio ambiente

Este elemento ha tomado auge en los últimos años en el nivel em-
presarial y especialmente en el área de mantenimiento, dada la impor-
tancia de garantizar condiciones adecuadas de trabajo para los opera-
rios (seguridad) y la protección del medio ambiente.
En lo relativo a la seguridad del personal, se debe valorar el nivel de
incidencia de las fallas (impacto de los modos de falla) sobre la seguri-
dad en el lugar de trabajo. Además, se hace importante determinar en
qué medida la gestión del mantenimiento tiene en cuenta los requisitos
exigidos en las normativas ambientales.
i. Tasa de frecuencia de lesiones
HH pérdidas por lesiones

LTIFR = x1.000.000 (2.39)
Total de HH
ii. Fuerza de trabajo en vacaciones
HH en vacaciones
FTV = (2.40)
Total de HH
Evidentemente, los objetivos de las organizaciones y el contexto en

cual estas operan darán la pauta para decidir cuáles indicadores son
los que agregan mayor valor a la mejora de sus procesos de toma de
decisiones. Además, la disponibilidad de recursos (personal, tecnología,
recursos monetarios, competencias profesionales, experiencia, entre
otros) es fundamental para medir la capacidad de definición y correcta
captura de datos para el cálculo de indicadores.
El enfoque R-MES propone definir KPI's históricos (focalizados al
control periódico) y KPI's probabilísticos (utilizados para proyectar y
evaluar condiciones futuras).
3.6 Etapa 6: Análisis de criticidad

La sexta etapa del enfoque R-MES se orienta a determinar los equi-
pos críticos de acuerdo a su comportamiento y su impacto sobre el
sistema, de manera de poder focalizar los esfuerzos de búsqueda de las
oportunidades de mejoras.
172
Figura 2.27: Etapa de Análisis de criticidad en el enfoque R-MES
3.6.1 Proceso de análisis de la criticidad de los equipos
El análisis de criticidad es un conjunto de metodologías que permi-

ten definir la jerarquía o prioridades de un proceso, sistema y/o equi-
pos, según el parámetro de valor conocido como criticidad que es pro-
porcional al riesgo, generando una estructura que facilita la toma de
decisiones acertadas y efectivas y direccionando los esfuerzos y recur-
sos técnico-económicos en áreas y eventos que tienen mayor impacto
en el negocio.
Una vez que se han definido los objetivos y las responsabilidades
y se ha diseñado una estrategia de mantenimiento, resulta de vital im-
portancia discretizar los activos físicos de la organización en base a un
parámetro de criticidad, es decir, su mayor o menor impacto en el siste-
ma productivo global y/o seguridad del sistema (objetivos del negocio).
Existen numerosas técnicas cualitativas, cualitativas-cuantitativas
y cuantitativas que nos ofrecen una base sistemática sobre la cual cla-
sificar un activo como crítico (C), semi-crítico (SC) y no-crítico (NC),
basadas en la evaluación probabilística del riesgo y la obtención del
173
A. Arata
número o índice probabilístico de riesgo del activo (para / PRN). Los

activos con índices mayores serán los primeros en ser analizados. En
muchas ocasiones no existen datos históricos en base a los cuales ob-
tener estos índices, en estos casos es posible utilizar técnicas de natura-
leza más cualitativa, con el objetivo de ir garantizando niveles iniciales
adecuados de efectividad en las operaciones de mantenimiento.
a. Análisis cualitativo
Método basado en opiniones de especialistas, donde se combinan
criterios técnicos y financieros para jerarquizar equipos. Las principa-
les características son: subjetividad, efectividad para procesos simples
y el requerir, en algunos casos, métodos más rigurosos para validar
la información. Por ejemplo, se utilizan como criterios la consecuen-
cia (alto–medio–bajo) y complejidad (compleja–mediana–sencilla), en
donde la escala numérica para cada criterio pudiese ser 1 – 5 – 10.
b. Análisis cualitativo-cuantitativo
Modelo que involucra datos objetivos para generar una guía de cri-
ticidad cuantificada según: frecuencia de falla, impactos en producción
(por falla), costos de reparación, tiempo de reparación, impactos en se-
guridad personal e impacto ambiental. El factor cualitativo está repre-
sentado en generar la escala o criterio que represente los resultados de
cada ítem medible, y la definición final de la jerarquización de criticidad.
El riesgo o criticidad se define como el producto de la frecuencia
por la consecuencia de la falla; mientras que la frecuencia es el número
de fallas en un tiempo determinado. Para cuantificar la consecuencia de
la falla se utiliza la ponderación de varios factores o criterios de impor-
tancia en función de las necesidades de la organización.
• Riesgo: frecuencia x consecuencia.

• Frecuencia: número de fallas en un tiempo determinado.
• Consecuencia: (impacto operacional x flexibilidad) + costos de
mantenimiento + impacto (seguridad–ambiente).
Estos factores son evaluados en reuniones de trabajo con la parti-

cipación de las distintas personas involucradas en el contexto opera-
cional (operaciones, mantenimiento, procesos, seguridad y ambiente).
174
Una vez que se obtuvo el consenso de cada uno de los factores se intro-
ducen en la fórmula de criticidad total.
Cuando los activos están jerarquizados en base a su criticidad se
obtiene la matriz de criticidad (Figura 2.28: Representación genérica
de la matriz de criticidad):
Figura 2.28: Representación genérica de la matriz de criticidad
A continuación se presenta un ejemplo con factores ponderados

para cada criterio a ser evaluado por la expresión de riesgo [25].
Frecuencia de Falla Costo de mantenimiento
Pobre, Mayor a 10 fallas al año 4 Mayor o igual a 20.000 USD 2
Promedio, 4-6 fallas al año 3 Inferior a 20.000 USD 1
Buena, 1-2 fallas al año 2
Excelente, 0-1 fallas al año 1 Impacto en Seguridad Ambiente
Afecta la seguridad Humana tanto
interna como externa y requiere la
Impacto Operacional 8
notificación a entes externos a la
Pérdida Total 10
Parada del sistema o subsistema y reper- 7 organización
cute en otros sistemas Afecta el ambiente/Instalaciones 7
Impacta en niveles de inventario o calidad 4 Afecta las instalaciones causando
5
No genera ningún efecto significativo daños severos
1 Provoca daños menores (ambiente-
sobre producción y operaciones 3
seguridad)
Flexibilidad Operacional No provoca ningún tipo de daño per-
1
No existe opción de producción y no hay sona, instalaciones o al ambiente.
4
función de repuesto
Hay opción de repuesto compartido/
2
almacén
Función de repuesto disponible 1
Figura 2.29: Ejemplo con factores ponderados
175
A. Arata
c. Análisis cuantitativo
Modelo con enfoque numérico–probabilístico que busca cuanti-
ficar económicamente las variables que definen la criticidad del sub-
sistema, equipo o componente. Se deben valorizar financieramente
variables como: costos directos de mantenimiento (repuestos, H.H.,
insumos, etc.), impacto económico por indisponibilidad del sistema
(pérdida de producción total o parcial según configuración lógica fun-
cional), impactos en seguridad e impacto ambiental. En el enfoque
R-MES, este proceso se presenta como una metodología, sobre base
histórica y probabilística, desarrollada para sistematizar y facilitar el
análisis de criticidad de sistemas complejos con una visión del impacto
del comportamiento de los distintos elementos que componen un siste-
ma sobre el resultado del negocio.
La perspectiva cuantitativa utilizada para jerarquizar subsistemas,
equipos o componentes en un proceso es aquella que considera el im-
pacto directo sobre el sistema en términos de la disponibilidad esperada
(en función de confiabilidad y mantenibilidad) y costos asociados (en
función de costos directos, indirectos y oportunidad por falla sistémica).
Disponibilidad
Mantenibilidad
Directo
Costos
Falta Sistémica
Figura 2.30: Variables de análisis cuantitativo para

criticidad bajo el enfoque R-MES
Ejemplos:
i. Para un sistema cuyos componentes tienen configuración en serie, el

impacto unitario sobre el sistema en términos de costos por falta sis-
témica es idéntico, por lo cual, las variables que definen la criticidad
serán: la disponibilidad del equipo y los costos directos (consecuen-
cias económicas directas por causa de las fallas de los equipos).
176
ii. Para un sistema en donde los equipos a jerarquizar poseen diferen-

tes configuraciones sistémicas, la complejidad recae en calcular el
impacto de la indisponibilidad individual sobre la indisponibilidad
sistémica. Para sistemas complejos y con alta dotación de equipos,
las aproximaciones o algoritmos de cálculo son la clave para obte-
ner buenos resultados(ver sección 2.3).
iii. Para sistemas productivos en donde no existen bases de datos con-
fiables, ni claridad en las configuraciones funcionales del sistema,
este análisis queda inmediatamente limitado, por lo que las técnicas
de análisis de criticidad cualitativas es la alternativa, teniendo en
cuenta que el nivel de subjetividad es alto y que lo más apropiado
es aplicarlas en sistemas de baja complejidad.
En general, la aplicabilidad de esta técnica dependerá de la disponi-

bilidad de información (data confiable de confiabilidad, mantenibilidad
y costos), claridad en las configuraciones lógicas RBD o dependencias
/ relaciones funcionales de los equipos sobre el sistema, y definición en
los mecanismos de cálculo de impacto (algoritmos).
Es importante reconocer la importancia que la metodología RCM
(Mantenimiento Centrado en Confiabilidad) da al proceso de jerarquiza-
ción por criticidad de los activos / componentes del sistema al momento
de establecer las actividades más efectivas para el mantenimiento. Lo
anterior ocurre pues se deben estimar los posibles efectos que originarían
los modos de falla, según seguridad, ambiente y la operación.
En caso de ser más riguroso, el Análisis de los Modos y Efectos de
Fallas (AMEF), principal herramienta del RCM, tiene como objetivo
básico identificar las formas o modos de fallas en los cuales puede errar
un activo dentro de un proceso, identificando, además, las principales
consecuencias o efectos de las fallas en función de tres criterios básicos
antes mencionados (seguridad, ambiente y operación).
De esta forma, mediante la metodología AMEF (RCM) se jerar-
quizarán los modos de falla identificados, estableciendo un índice de
criticidad que permita focalizar y optimizar los recursos disponibles
(pautas preventivas, intervenciones programadas, mantenimientos pre-
dictivos, etc.), modificando incluso las políticas de mantenimiento.
A continuación se describen dos análisis gráficos de criticidad, los
cuales fueron desarrollados metodológicamente bajo el enfoque R-MES.
177
A. Arata
d. Análisis de dispersión Jack-Knife

Conceptualmente, el método de análisis Jack-Knife corresponde a
un estudio multicriterio de las distintas variables involucradas o que
inciden en los modos de falla, tales como: frecuencia de ocurrencia de
falla (tasa de falla promedio), tiempo fuera de servicio (MTTR), costos
asociados, entre otras. El mecanismo de análisis en sí es un diagrama
en dos o más dimensiones, en donde cada una de ellas corresponde a
una variable de estudio. En el caso de trabajar con frecuencia y tiem-
po fuera de servicio, en el gráfico se trazan líneas de referencia que
denotan la frecuencia promedio y el tiempo promedio de los modos
de falla, generando cuatro cuadrantes. Los modos de falla ubicados
en el primer cuadrante son aquellos que poseen una frecuencia mayor
al promedio (crónicos) y un tiempo fuera de servicio mayor al prome-
dio (agudos), por lo que son candidatos importantes en la escala de
criticidad. Adicionalmente, se puede(n) trazar una(s) recta(s) de iso-
indisponibilidad, de manera que se identifiquen los modos de falla que
generen una indisponibilidad mayor a la planteada o esperada. Para
esto, por lo general se utilizan escalas logarítmicas para que las líneas
de iso-indisponibilidad D sean rectas. Para mayor detalle ver Figura
2.31: Representación gráfica de dispersión Jack-Knife, en donde se
grafican (escala logarítmica) las coordenadas (Frecuencia y MTTR) de
cinco modos de fallas.
 n 
 ∑ fi  Agudo y Crónico
Agudo Log  i =1 
 N 
 
 
 n 
 ∑ MTTRi × N i 
Log MTTRi [h]
Log  i =1 n 
 


∑
i =1
Ni 

Iso-indisponibilidad (D) = 5%
Crónico
0,007 0,05
Log Frecuencia [1/h]
Figura 2.31: Representación gráfica de dispersión Jack-Knife
Donde,
178
fi: frecuencia de intervención del modo de falla i

MTTRi: tiempo medio para reparar del modo de falla i
Ni: n° de fallas del modo de falla i
N: n° de modos de falla de equipo o sistema
Es importante mencionar que este análisis podría ser realizado bajo

una visión sistémica diferente a la tradicional (modos de falla de un
solo equipo), la cual buscaría identificar criticidades de equipos / sub-
sistemas que poseen en un mismo nivel de impacto sistémico superior,
es decir, aquellos que poseen una configuración lógica funcional serie.
Las propuestas de mejora, según la distribución de los modos de
falla / equipos / subsistemas en el gráfico, darán la pauta para enfrentar
el problema desde el punto de vista de la confiabilidad, producto de la
alta frecuencia de intervención, o bien desde la mantenibilidad, dados
los altos tiempo medios de reparación.
e. Análisis Disponibilidad–Consecuencia
La técnica presentada anteriormente (Jack-Knife) está definida
como un gráfico de dispersión logarítmica que contempla tres variables
de rendimiento en forma simultánea: frecuencia de intervención, tiem-
po fuera de servicio e indisponibilidad. Por consiguiente, esta técnica
solo considera información basada sobre tiempo, excluyendo variables
económicas que ciertamente afectan el proceso de decisión en términos
de definir prioridades. Además, Jack-Knife permite comparar compo-
nentes, equipos, subsistemas o modos de falla a un mismo nivel (confi-
guración serie), lo cual evidentemente es una limitación para comparar
equipos o subsistemas que poseen diferentes configuraciones, por ejme-
plo: paralelo, fraccionamiento y redundancia parcial o total.
Para mejorar la situación comentada, el enfoque R-MES propo-
ne una segunda herramienta gráfica que complementa al modelo de
dispersión tradicional, la cual busca identificar y jerarquizar equipos
con diferentes configuraciones lógicas funcionales, según las variables:
indisponibilidad inherente del equipo D y consecuencia ρ. Esta últi-
ma variable (consecuencia) define la relación o impacto que tiene la
indisponibilidad del equipo sobre la indisponibilidad del sistema, o
bien, qué porcentaje de la indisponibilidad del equipo repercute sobre
la indisponibilidad del sistema. Esta relación es un algoritmo definido
según la configuración del equipo y carga productiva.
179
A. Arata
100 %
Iso- Criticidad
90 %
80 % + Critico
E-1
70 %
[%]
Consecuencia[%]
60 %
Consecuencia
50 %
E-2
40 %
E-3
30 %
20 %
E-4
10 %
0% 2% 4% 6% 8% 10 %
Indisponibilidad equipo
Indisponibilidad equipo [%] [%]
Figura 2.32: Representación gráfica análisis disponibilidad-onsecuencia
Las curvas de iso-criticidad son elaboradas según la curva de costo

de la falta Cf, la cual es función directa de las variables de indisponi-
bilidad Di, consecuencia ρi, horizonte de tiempo T y costo de la falta
unitario por hora Ch.
Como ejemplo, en el gráfico de la Figura 2.32: Representación gráfi-
ca análisis disponibilidad-onsecuencia, los equipos E-1 y E-2 se encuen-
tran en el mismo nivel de iso-criticidad, por lo cual ambos, a pesar de
tener características de indisponibilidad y consecuencia disimiles, poseen
un efecto económico por concepto de costo de la falta similar.
Las mejoras, identificados los equipos con alta criticidad, deberán
tener dos direcciones:
i. La primera opción de mejora, en caso que la variable que da más

peso al indicador de iso-criticidad sea la indisponibilidad del equi-
po i, debe apuntar a mejorar la confiabilidad o mantenibilidad del
equipo en cuestión.
ii. La segunda opción, en caso que la variable consecuencia sea la más
influyente en el resultado de iso-criticidad, debe ser mejorar la con-
figuración lógica en la cual el equipo está inmerso, es decir, debe ser
una propuesta a nivel de diseño.
180
La decisión será en función de la evaluación económica correspon-

diente de las opciones propuestas.
f. Análisis de consecuencia económica-impacto, seguridad y ambiental
Cada día que pasa, la gestión de los activos físicos debiese tender
más, tanto a la contribución con el resultado económico del negocio
como también en la consideración del impacto sobre la seguridad de
las personas y el medio ambiente.
El enfoque R-MES considera como parte de su metodología de aná-
lisis una matriz de criticidad que combina estos dos factores, incluyendo,
además de los elementos que componen un sistema, los modos de fallas,
el nivel que refleja la evidencia física de las fallas y su consiguiente im-
pacto sobre la seguridad y el ambiente. A modo de ejemplo simplificado,
la detención de un equipo por un problema eléctrico, si bien produce
prácticamente la misma consecuencia económica que por la rotura del
sistema hidráulico (suponiendo el mismo costo de mantenimiento e igual
periodo de detención), no hay duda que la segunda situación tiene un
impacto ambiental considerablemente mayor por el derrame producido.
La matriz propuesta se compone identificando el impacto econó-
mico en el eje horizontal obtenido cuantitativamente de las curvas
de iso-costo que resultan de la matriz de iso-criticidad (indisponibi-
lidad-consecuencia) y el impacto sobre el ambiente y la seguridad en
el eje vertical, definido según los factores presentados en la Figura
2.28: Representación genérica de la matriz de criticidadura, que va-
rían entre 1 y 8.
Impacto en Seguridad
y Ambiente
P-1
ZONA CRÍTICA
P-3
P-4
ZONA IDEAL
P-2
P-5
Impacto Económico
Figura 2.33: Matriz de impacto en seguridad y ambiente v/s impacto económico
181
A. Arata
3.7 Etapa 7: Oportunidades de mejora

La séptima etapa del enfoque R-MES, a partir del análisis de los
indicadores y su evolución, está orientada a la identificación de las
oportunidades de mejoras, sean estas en el ámbito de la gestión como
de cambios en las fases de diseño de un proyecto.
Figura 2.34: Etapa de Oportunidades de mejora en el enfoque R-MES
3.7.1 Enfoque RCA
Las metodologías de análisis de criticidad establecen el foco de

atención y destino de los recursos técnico-económicos dentro de la red
de activos físicos que componen un sistema productivo (incluso lle-
gando a indicar los modos de fallas críticos para los activos críticos),
en otras palabras, localizan los puntos en donde una eventual imple-
mentación de acciones de mejora produce un impacto máximo sobre el
sistema, optimizando el valor operacional de las instalaciones en fun-
ción de los objetivos del negocio requeridos. Sin embargo, el enfoque
de estas metodologías no contempla la definición de oportunidades de
mejora. Para lo anterior es necesaria la aplicación de un conjunto de
herramientas de análisis específicamente orientadas a la detección y
clasificación de problemas y oportunidades y, en consecuencia, al dise-
182
ño e implementación de acciones proactivas para solucionarlos y me-

jorar. Este conjunto de herramientas constituye el método de Análisis
Causa Raíz (Root Cause Analysis, RCA).
Mediante un análisis profundo, el método RCA tiene como finali-
dad la detección de las causas raíces de eventos indeseados o incidentes
(fallas) para prevenir la ocurrencia de estos mediante la ejecución de
planes de acción [41]. Tradicionalmente el RCA se ha comprendido
como un método reactivo, utilizado puntualmente luego de la ocurren-
cia de una falla con consecuencias graves, sin embargo, esta forma de
aplicación, orientada a la solución de problemas singulares, no apro-
vecha íntegramente el potencial del método. El RCA debe ser consi-
derado, más allá del análisis de una falla puntual, como un enfoque
proactivo centrado en el desarrollo de oportunidades de mejora, para
evitar o controlar de manera sostenible en el tiempo los eventos de
falla que por su naturaleza aguda y/o crónica generan desviaciones en
cuanto a: desempeño operacional, productividad, desempeño econó-
mico, seguridad de las personas y el medio ambiente, cumplimiento de
regulaciones, etc. [42].
Entendiendo el RCA como un enfoque integrado a las prácticas y
actividades habituales para el mantenimiento y la gestión de activos
de producción, se estructura un ciclo de mejora continua basado en
la generación dinámica de conocimiento y la comunicación de la ex-
periencia entre los actores que componen y sostienen la organización.
A continuación se presentan brevemente algunas de las técnicas
generales de análisis que constituyen el método RCA [41, 42]:
• Árboles de fallas (Fault-Tree Analysis, FTA).

• Análisis causa efecto (Cause and Effect Analysis).
• Diagramas de Ishikawa.
• Análisis de secuencia de eventos
El RCA es una secuencia lógica de etapas que orienta en el proceso

de detección y comprensión de los factores que envuelven a las fallas.
Una vez definidas completamente las causas raíces, el análisis sistemá-
ticamente determina el mejor curso de acción que permite el control de
las fallas.
183
A. Arata
184
Figura 2.35: Secuencia lógica del RCA

La Figura 2.35 ilustra la secuencia lógica del método causa-raíz

para el análisis de fallas. En ella se puede observar cada una de las eta-
pas del método, presentando las consideraciones generales, en cuanto a
la información necesaria y las causas raíces más comunes involucradas
en la ocurrencia de fallas. Se propone una clasificación para estas, di-
ferenciando entre causas raíces genéticas y no-genéticas. Se entenderá
por causas genéticas aquellas que son efecto directo del comportamien-
to intrínseco de desgaste de los componentes del equipo; y por causas
no genéticas a factores externos que actúan sobre los equipos.
En base a la determinación de las causas raíces y a su clasificación,
se proponen oportunidades de mejora potenciales cuya selección se
efectúa mediante una análisis costo-beneficio sistémico. La implemen-
tación de medidas proactivas de mejora se realiza, generalmente, en
dos ámbitos de acción: gestión y diseño.
3.8 Etapa 8: Mejoras de gestión

Se entiende como mejora de gestión a aquellas acciones que inter-
vienen en el modo de hacer y no aquellas que incorporan modifica-
ciones en los componentes, equipos o sistemas. Entre las acciones de
gestión es posible establecer, entre tantas otras, la definición de las po-
líticas de mantenimiento, frecuencia de intervenciones e inspecciones,
gestión y capacitación del recurso humano, generación de procesos y
procedimientos, gestión de repuestos y materiales, etc.
185
A. Arata
Figura 2.36: Etapa de Oportunidades de mejora a través de la

gestión en el enfoque R-MES
A continuación presentaremos algunas acciones de mejoramiento

relacionadas con cambios en la gestión de los activos físicos.
Optimización de la selección de políticas de mantenimiento
En base a las causas raíces, determinadas para los modos de fallas

críticos en los equipos críticos de un sistema productivo, es posible
reevaluar las políticas de mantenimiento ya definidas para ellos, y así
optimizar sus desempeños operativos mediante un eventual cambio. El
proceso de validación (o revalidación) de la política óptima de mante-
nimiento se esquematiza en la Figura 2.37: Proceso de validación de la
política de mantenimienton.
El esquema permite analizar un tipo de falla determinado. Muchos
equipos mecánicos entregan información importante sobre su estado en
forma de señales débiles, que pueden ser percibidas por el operador con
relativa facilidad: ruido, vibraciones, sobrecalentamiento, humo, etc.
Si las fallas analizadas arrojan señales perceptibles es posible reali-
zar inspecciones periódicas, hasta determinar el punto de operación en
186
el que las señales se convierten en síntomas evidentes que indican la ne-

cesidad de efectuar una actividad de mantenimiento (predictivo) [33].
Figura 2.37: Proceso de validación de la política de mantenimiento
En el caso que las fallas no arrojen señales perceptibles, se puede

asumir una política correctiva o definir un plan periódico de manteni-
miento, previo análisis matemático, para escoger la mejor alternativa y
definir las frecuencias adecuadas en que los equipos serán intervenidos.
Cualquiera sea el camino escogido en el esquema, como último paso
antes de una nueva reevaluación de las políticas se realiza un manteni-
miento productivo que consiste en la superposición de una política de
mantenimiento preventivo y la implementación de mejoras continuas
[33], evidenciando el objetivo expuesto en el presente capítulo.
En cuanto a los costos asociados a las políticas de mantenimiento,
estos son claramente identificables:
·· El costo preventivo es el que se asume al momento de realizar

una intervención preventiva. Este incluye los costos asociados a
repuestos, mano de obra, materiales, fungibles, etc.
·· El costo de emergencia (correctivo) está compuesto por el costo
de la intervención correctiva: repuestos, manos de obra, mate-
riales, fungibles, etc.; más los costos de ineficiencia asociados a
la pérdida de producción generada por el evento imprevisto y
los costos asociados a la propagación hacia otros componentes,
sistemas o equipos.
187
A. Arata
3.8.1 Modelo de mantenimiento preventivo

El mantenimiento preventivo puede ser aplicado considerando di-
versas estrategias. La selección dependerá del análisis costo-beneficio
realizado según diferentes modelos y considerando los siguientes puntos:
·· La tasa de falla del equipo o componente en cuestión debe ser

creciente.
·· El costo total de una intervención de emergencia (correctiva)
debe ser superior al costo total de una intervención preventiva.
·· Existen solo dos estados operacionales posibles para el equipo
o componente: funcionamiento o no funcionamiento.
i. Frecuencia óptima de mantenimiento preventivo

Si se considera que tras cualquier intervención, correctiva o pre-
ventiva, el equipo o componente queda «tan bueno como nuevo» y
al tiempo t como la edad del equipo o el tiempo transcurrido desde la
última intervención; se puede determinar la frecuencia óptima de man-
tenimiento preventivo Ts minimizando la siguiente ecuación:
(2.41)
Donde,
ct,p: costo total de mantenimiento por unidad de tiempo
Ci,c = ci,c MTTR: costo de intervención correctiva
ci,c: costo de intervención correctiva por unidad de tiempo
MTTR: tiempo medio de reparación
Cf = cf MTTR costo de ineficiencia
cf: costo de ineficiencia por unidad de tiempo
Ci,p: costo de intervención preventiva
R(Ts): confiabilidad de equipo o componente en el instante Ts
f(t): función de densidad de probabilidad de fallas
Si el mantenimiento preventivo se realiza cada Ts unidades de tiem-

po, existe la posibilidad de que el equipo falle o no falle durante aquel
intervalo con probabilidad de ocurrencia 1 – R(Ts) y R(Ts) respecti-
vamente, si ocurre una falla el costo asociado será Ci,c + Cf y en caso
188
contrario Ci,p. El denominador de la ecuación (2.41)(2.41) representa

el tiempo esperado del ciclo.
Así, la frecuencia óptima T*s será aquella que minimice el costo total
de mantenimiento. Sin embargo, se debe enfatizar que existe la posibilidad
de no encontrar una frecuencia óptima de mantenimiento preventivo.
3.8.2 Mantenimiento preventivo sintomático

El mantenimiento preventivo sintomático, o según condición, pre-
tende evitar fallas repentinas mediante el monitoreo de los síntomas per-
ceptibles en los equipos o componentes para pronosticar su ocurrencia.
Este pronóstico puede basarse también en estimaciones estadísticas.
Si se selecciona una política de mantenimiento preventivo sinto-
mático, el intervalo de tiempo entre dos intervenciones preventivas es
aproximadamente el MTBF. La función de costos totales de manteni-
miento sintomático está dada por la ecuación.
(2.42)
Donde,
·· ct,s: costo total de mantenimiento por unidad de tiempo
·· Ci,s: costo de intervención correctiva
·· Cf,s: costo de ineficiencia asociado a un eventual detención por
inspección
El mantenimiento sintomático es un tipo de mantenimiento preventivo

que planifica las intervenciones basándose en el resultado de inspecciones
o actividades de monitoreo de las condiciones reales de funcionamiento.
Esta política busca realizar intervenciones más dirigidas y oportu-
nas tratando de acercar el reemplazo a la falla funcional del elemento,
con la ventaja de aumentar la disponibilidad del sistema. Adicional-
mente, se basa en la interpretación de las señales de monitoreo.
Para que esta política de mantenimiento sea efectiva debe existir
una correlación clara y sistémica entre los síntomas observables (varia-
bles a monitorear o inspeccionar) y la falla funcional del componente.
El umbral de la variable de monitoreo seleccionada debe ser tal que
permita la toma de acciones para evitar su falla funcional mediante la
programación de actividades de mantenimiento.
189
A. Arata
3.8.3 Sustitución para el caso de n componentes

El análisis de sustitución realizado para el caso de una instalación
con muchos componentes es indudablemente más complejo que en el
caso individual.
Al buscar la política óptima de mantenimiento para este caso es
aconsejable dirigir el análisis por alguna de las estrategias siguientes:
·· La política estática proviene de un mantenimiento preventivo

periódico basado en la edad del componente y una sustitución
oportunista en el caso de la detención de la instalación. El nom-
bre «estática» se debe a que no está previsto introducir modifi-
caciones en el intervalo de mantenimiento tras una detención e
intervención de emergencia.
·· La política dinámica difiere de la estática, ya que luego de que
cada intervención (renovación de alguna parte de la instala-
ción) se calcula nuevamente el intervalo de sustitución preven-
tiva. Esta política utiliza toda la información que describe el
estado efectivo del sistema en el momento de reactivar la pro-
ducción: intervenciones efectuadas, componentes sustituidos o
renovados, el estado de los componentes no sustituidos y cual-
quier otro hecho ocurrido que sea trascendente desde el punto
de vista de la confiabilidad.
Es importante aclarar que ambas políticas propuestas no corres-

ponden a la solución óptima del problema, sino que son métodos para
aproximarse a ella. La práctica industrial presenta una serie de hechos
impredecibles y de gran complejidad que imposibilitan encontrar una
política de mantenimiento rigurosamente óptima.
A continuación se presenta una política de mantenimiento general,
la que se compone de sustituciones preventivas de tipo secuencial y de
intervenciones tras fallos (oportunistas).
Se tiene un plan de mantenimiento en el que se fijan los momentos
de intervenciones preventivas, pudiendo, dichas fechas, verse alteradas
en el caso de fallas entre intervenciones. Cada intervención de emer-
gencia ocasiona la aparición de un nuevo momento futuro en el que
convenga realizar la nueva detención. El momento más conveniente
para el mantenimiento es el que arroje el menor costo global por uni-
dad de tiempo, durante la vida útil restante de los componentes.
190
Se debe comprender, entonces, que se lleva a cabo una política se-

cuencial oportunista, ya que se realiza:
·· Intervención correctiva: En el momento de producirse un des-

perfecto, se debe reemplazar el componente que ha provocado
el fallo, junto con todos aquellos que han rebasado su vida útil.
·· Intervención preventiva: Se efectúa la sustitución de todos los
componentes que han sobrepasado su edad crítica.
El problema de encontrar el período de mantenimiento preventivo

óptimo para el caso de n componentes no es tan simple como para el
caso de un componente individual. En el caso de n componentes es con-
veniente calcular la confiabilidad del sistema en forma global. Cono-
ciendo la confiabilidad del sistema se procede a calcular el costo global
mínimo asociado a mantenimiento para todo el sistema, encontrando
así el período óptimo de tiempo para realizar mantenimiento preventivo.
Sin embargo, para el caso de n componentes resulta muy conve-
niente utilizar programas computacionales que permitan simular el
comportamiento de los sistemas.
a. Selección de política de mantenimiento

La Figura 2.38: Selección de políticas de mantenimiento esque-
matiza la selección de políticas de mantenimiento según la etapa del
ciclo de vida del equipo o componente y los costos totales asociados
a cada política.
Tasa de Desgaste
Falla
Tiempo
Ct,p > Ct,c
Ct,c > Ct,p

Ct,s > (Ct,c - Ct,c)
Ct,c > Ct,p

(Ct,c - Ct,p) > Ct,s
Figura 2.38: Selección de políticas de mantenimiento
191
A. Arata
b. Mission time
La utilización de probabilidades de falla condicionadas resulta ser
una herramienta de análisis útil para la optimización de la programa-
ción de tareas de mantenimiento. Considerando sistemas constituidos
por un número considerable de equipos o componentes, cada uno su-
jeto a actividades de mantenimiento programado, el análisis mediante
probabilidades condicionadas a las horas que ya ha operado cada equi-
po otorga una fuente para definir prioridades en cuanto a cuál o cuáles
equipos se deben intervenir primero.
Suponiendo conocidas las funciones de confiabilidad de los equi-
pos y considerando que luego de cualquier actividad de mantenimiento
el equipo regresa a un estado «tan bueno como nuevo», se tiene que la
probabilidad de que un equipo i sobreviva t unidades de tiempo más,
dado que ha sobrevivido toi desde que estaba como nuevo es:
(2.43)
Si se considera el tiempo meta tmi como las horas que le restan

al equipo i para ser intervenido debido a una actividad programada,
Ri(tmi|toi) representa la probabilidad de que el equipo sobreviva hasta
el instante de ejecución de la actividad.
De esta manera, si se tiene un conjunto de equipos, cuyas próximas
actividades programadas están cercanamente establecidas, mediante la
ecuación (2.43)(2.43) se puede determinar el grado de flexibilidad de
retrasar actividades programadas para intervenir en primer lugar los
equipos con una mayor probabilidad de fallar, dado que han operado
una cierta cantidad de horas.
Lo anterior también es útil al integrarlo con gestión de repuestos,
ya que la probabilidad condicional de supervivencia permite estimar
un cierto grado de retraso aceptable en la llegada de los repuestos.
c. Gestión de inspecciones
Dentro de las alternativas de políticas de mantenimiento resulta de
gran utilidad el mantenimiento predictivo o sintomático, porque per-
mite adelantarse a las posibles fallas programando intervenciones para
192
prevenir su ocurrencia. Esta política se sustenta en la idea de obtener el

mejor provecho del equipo o componente antes de que presente seña-
les de estar próximo a fallar. De esta manera se optimiza la operación
del componente durante su vida útil y se evitan las consecuencias de
eventos indeseados.
Adelantarse a las posibles fallas implica la identificación de sínto-
mas que señalen su próxima ocurrencia. Las señales que caracterizan
los síntomas pueden ser monitoreadas por medio de inspecciones pla-
nificadas o por dispositivos de medición, para registrar su evolución y
determinar el punto adecuado para intervenir el componente.
i. Inspecciones Óptimas Mantenimiento Preventivo I

El presente modelo se centra en determinar la cantidad óptima de
inspecciones a realizar sobre un equipo o componente, considerando
su criticidad c, el tiempo de detención necesario para su inspección Ti
y el tiempo que el equipo permanece detenido a raíz de una falla Tb.
Se define el tiempo total de indisponibilidad TDT en unidades de
tiempo de la siguiente manera:
(2.44)
Donde,
·· TDT: tiempo total de indisponibilidad en unidades de tiempo
·· Ti: tiempo de detención necesario para la inspección
·· Tb: tiempo de indisponibilidad por falla del equipo
·· c: constante de criticidad, se evalúa de 1 a 5 donde 1 es la me-
nor criticidad
·· y: número de inspecciones por unidad de tiempo
Al optimizar TDT(y) se obtiene el número de inspecciones a reali-

zar dentro de un horizonte de tiempo dado. El número de inspecciones
óptimo y* está dado por la ecuación (2.45).
(2.45)
193
A. Arata
ii. Inspecciones Óptimas Mantenimiento Preventivo II

Si se considera el efecto de la tasa de fallas λ en la formulación de
la indisponibilidad total TDT, se tiene que:
(2.46)
Donde,
·· TDT: tiempo total de indisponibilidad en unidades de tiempo
·· DTi: tiempo de indisponibilidad asociado a una inspección
·· DTr: tiempo de indisponibilidad asociado a una reparación
·· n: frecuencia de inspección
·· λ(n): tasa de fallas del equipo o componente
·· μ(n): tasa de reparaciones del equipo o componente
·· 1/θ: media de la distribución exponencial asociada a los tiem-
pos de inspección
Generalmente, la tasa de fallas definida en función de la frecuencia

de inspección λ(n) se formula como sigue:
(2.47)
Donde, λ0 representa la tasa de fallas para la frecuencia de inspec-

ción igual a 0
Así, minimizando la función del tiempo total de indisponibilidad se
obtiene una frecuencia de inspecciones n* óptima:
(2.48)
3.8.4 Gestión de repuestos críticos y materiales
Las acciones proactivas de gestión para materializar oportuni-

dades de mejora también abarcan la gestión de repuestos críticos y
materiales. Para optimizar el desempeño operacional de los activos
de producción es necesario el abastecimiento oportuno de repues-
tos y materiales, asegurando un nivel de disponibilidad en stock que
194
permita satisfacer los requerimientos de ejecución de las actividades

oportunas de reparación. Lo anterior debe ser analizado dentro de
un marco de eficiencia económica, buscando la minimización de los
costos de mantener inventario, de lanzamiento de órdenes de pedidos
y de roturas de stock [43].
a. Modelo básico para gestión de repuestos y materiales

Basándose en un enfoque por ítem, el modelo básico busca mini-
mizar la función de costo global asociado a la gestión de repuestos, la
que está compuesta por:
CO: costo de lanzamiento de una orden de pedido

cS: costo de mantener inventario o costo de almacenamiento por
unidad de tiempo
Parámetros:
·· D: demanda del ítem por unidad de tiempo
·· q: número de ítems pedidos por orden lanzada
·· p: precio unitario del ítem
·· T: periodo entre pedidos
Generalmente, el costo de lanzamiento de una orden de pedido CO

incluye los costos asociados a las compras, al manejo y transporte de
los ítems, recepción y control de calidad, etc. Este costo es cubierto
cada vez que se haga efectivo un pedido, así se define el costo de lanza-
miento de orden de pedido por unidad de tiempo cO, como sigue:
CO D
cO = = CO (2.49)
T q
Por su parte, el costo de mantener inventario CS considera los inte-

reses sobre el capital almacenado, seguros, uso de espacio físico, etc. Si
se supone regularidad en el consumo del ítem y el inventario se repone
una vez agotado, entonces la cantidad promedio de ítems almacenados
q
es 2 y, por lo tanto, el valor promedio por unidad de tiempo de man-
q
tener el cS .
2
De lo anterior, el costo global por unidad de tiempo cg es:
195
A. Arata
(2.50)
Minimizando la función cg(q) se obtiene la cantidad óptima de

ítems q* a ordenar por pedido y el periodo óptimo entre pedidos T*:
(2.51)
(2.52)
Para finalizar este apartado se recomienda el estudio de modelos

probabilísticos de gestión de repuestos que integren aspectos relaciona-
dos con: economías de escala, descuentos por cantidad ordenada, etc.
Adicionalmente se recomienda los modelos de políticas de control con
heurísticas y las técnicas Material Requirements Planning – Manufac-
turing Requirement Planning (MRP-MRPII) [43].
Punto de reorden
Considerando conocidos el costo de ineficiencia y la distribución de
la tasa de fallas λ del componente, es posible obtener el punto de reorden
óptimo bajo distintos criterios. A continuación se presenta el modelo
para determinar el punto de reorden minimizando el costo global.
Si se define TR como el intervalo de tiempo entre el punto en que la
reorden es lanzada y llegada del pedido, y se considera que la ocurren-
cia de fallas asociadas a ese ítem dentro de TR se comporta según una
distribución de Poisson, se tiene que el promedio de fallas que pueden
ser atendidas inmediatamente por disponibilidad de repuestos y el pro-
medio de las reparaciones no efectuadas por falta de repuestos están
dados por las ecuaciones (2.53) y (2.54), respectivamente.
196
(2.53)
(2.54)
Donde, qr es el punto de reorden

Entonces, la función de costo global esperado es la siguiente:
(2.55)
Finalmente, minimizando Cg(qr) se encuentra el punto de reorden

óptimo qr*
b. Gestión de repuestos críticos

Desde la perspectiva de la Ingeniería de la Confiabilidad, esto
es, considerando los aspectos de confiabilidad y mantenibilidad en
los sistemas productivos, los modelos de gestión de repuestos se
enfocan a ser un soporte de la operación de los componentes, ase-
gurando que los requerimientos de funcionalidad a nivel sistémico
sean cumplidos.
Se entiende como repuestos críticos a todos aquellos que están
sujetos a componentes cuyas fallas generan consecuencias operativas
considerables, por ejemplo, un alto grado en pérdidas de producción
y poseer una baja rotación y elevado costo. Además, el carácter crí-
tico puede estar asociado a impactos ambientales o de seguridad de
las personas.
En general, los repuestos (críticos y/o no críticos) se pueden clasifi-
car en reparables y no reparables. Para cada clase se han desarrollado
diferentes modelos de cálculo para determinar el tamaño óptimo de
stock y el punto de reorden, considerando factores de riesgo y costos
para optimizar los inventarios. Muchos modelos asumen que la de-
manda de repuestos sigue un proceso de Poisson [44].
197
A. Arata
La optimización de la gestión de repuestos críticos implica la defini-

ción de criterios, para los cuales el nivel de stock y/o el punto de reor-
den son óptimos. Si bien, el criterio de minimización de costo global
es ampliamente utilizado, este no necesariamente asegura optimalidad
desde un punto de vista operativo, por lo cual es necesario realizar aná-
lisis desde otros ángulos diferentes. En general, los criterios habituales
para la gestión de repuestos críticos son [44]:
i. Costos: Considera todos los costos asociados a la gestión de re-

puestos (mantener inventario, lanzamiento de órdenes de pedidos
y roturas de stock) y a aquellos relacionados con el impacto opera-
cional por ausencia del repuesto.
ii. Disponibilidad: Corresponde al impacto que genera en la disponi-
bilidad del sistema / equipo la falta de un repuesto crítico específico.
iii. Confiabilidad instantánea del stock: Entendida como la probabili-
dad de que el repuesto esté disponible dado un instante de tiempo.
iv. Confiabilidad de intervalo del stock: Probabilidad de no tener rotu-
ras de stock para cualquier instante de un intervalo de tiempo dado.
Los modelos matemáticos de gestión de repuestos críticos son más

complejos que los modelos comunes de repuestos. Algunos de los mo-
delos actualmente estudiados son [44]:
• Modelos de riesgo para repuestos no reparables.

• Modelos de riesgo para repuestos reparables.
• Modelo de confiabilidad instantánea para repuestos reparables
bajo capacidad de reparación ilimitada.
• Modelo de confiabilidad de intervalo para repuestos reparables
bajo capacidad de reparación ilimitada.
• Modelo de confiabilidad instantánea para repuestos reparables
bajo capacidad de reparación limitada.
• Modelo de confiabilidad de intervalo para repuestos reparables
bajo capacidad de reparación limitada.
• Modelo de disponibilidad de repuestos reparables.
• Modelo de costos para repuestos no reparables sin indisponibili-
dad asociada con entrega inmediata.
• Modelo de costos para repuestos reparables.
198
3.8.5 Factores humanos

En el área de la gestión de activos existen múltiples factores que
afectan a la confiabilidad de los sistemas. Uno de los elementos princi-
pales que influyen en la confiabilidad y gestión propia de los activos es
la categoría conocida como «Factores Humanos», la cual puede defi-
nirse, dentro de muchas otras acepciones, como las capacidades físicas
y psicológicas de la persona, su entrenamiento y experiencia, además
del contexto de operación directamente influyente bajo el cual las per-
sonas deben desarrollar sus tareas.
La experiencia en la industria referencia que el factor humano es un
agente importante en las causas raíces de los problemas, entendiendo
que las causas raíces organizacionales también son derivadas de deci-
siones humanas. Es por esta razón que resulta estrictamente necesario
considerar este eje de acción como posible foco de mejora desde el pun-
to de vista de la gestión, debiendo desarrollar e innovar continuamente
en las siguientes líneas de acción:
• Implementar metodologías que permitan identificación de causas

raíces de los problemas, idealmente a causas raíces humanas y
organizacionales. Cabe mencionar que el objetivo de este punto
no es buscar culpables, sino más bien identificar responsabilida-
des que marginen el riesgo operacional y que, dependiendo de la
política de la compañía, se tomen las medidas correspondientes;
por ejemplo: capacitación, definición de perfiles para futuras con-
trataciones, mejoras en la metodología de selección de personal,
entre otras.
• Capacitación del personal, lo que requiere disponer de recursos
para mejorar las competencias humanas (comunicación, lideraz-
go, trabajo en equipo, entre otras) y técnicas (mantenimiento,
operación, procesos, entre otras). Con esta intervención, la pro-
babilidad de desarrollar tareas de manera más eficaz, eficiente y
sustentable aumenta. Por ejemplo, si se capacita al personal de
mantenimiento encargado de un área o equipo crítico, es evidente
que el resultado en términos de confiabilidad y mantenibilidad
será positivamente influenciado.
• Cultura organizacional, directamente relacionada con las malas
prácticas que están aceptadas en la organización, por ejemplo:
falta u omisión de los procedimientos de trabajo, no considera-
199
A. Arata
ción de las recomendaciones de proveedores especialistas, no leer

manuales de mantenimiento y trabajo, entre otras.
• Definición y selección de perfiles de trabajo para las diferentes
actividades a desarrollar, es decir, identificar correctamente la per-
sona competente para el puesto de trabajo, o bien, el puesto de
trabajo correcto según el perfil del trabajador.
3.9 Etapa 9: Mejoras de proyectos

Una segunda línea de acción para resolver problemáticas de confia-
bilidad y mantenibilidad es la intervención física del proceso, equipo o
área en particular, modificando el actual diseño con diferentes alterna-
tivas de proyectos que deben ser económica y técnicamente evaluadas.
Figura 2.39: Etapa de Oportunidades de mejora a través

de proyectos en el enfoque R-MES
3.9.1 Análisis de redundancia
Una forma de aumentar la confiabilidad de un sistema o equipo en

particular es la introducción de un nivel de redundancia mediante la
incorporación de configuraciones stand–by o en paralelo, tanto total
como parcial.
200
Cualquier modificación que se haga para mejorar la confiabilidad

repercute directamente en un aumento de disponibilidad, lo que trae
como consecuencia una disminución de los costos de ineficiencia por
pérdida de producción o discontinuidad del proceso productivo. Con-
juntamente con lo anterior, agregar niveles de redundancia requiere
una inversión, lo cual obligar a evaluar económicamente la convenien-
cia de la solución, desarrollando el análisis de Costo Global.
En el análisis de redundancia los costos de operación pueden asu-
mirse constantes, o bien no considerarse, por la marginalidad del im-
pacto de estos costos sobre el total.
Ejemplo:
Analizar el aumento de confiabilidad mediante redundancia (parale-
lo total) del equipo A presentado en la Figura 2.40: Sistema a analizar:
Equipo B
Flujo Flujo 1
Equipo A
Flujo 2
Figura 2.40: Sistema a analizar
Suponga que todos los componentes están en la etapa de madurez

(vida útil). Considere los siguientes datos sobre los equipos:
Tabla 2.3: Datos de equipos
Componente Tasa de Falla λ(t) [1/h]

Equipo A λ1
Equipo B λ2
Además se entregan los siguientes datos:
201
A. Arata
Tabla 2.4: Datos adicionales de equipos
Tasa de descuento i% Valor Equipo 2 V2 (US$)

Horizonte temporal T (años) MTTR Equipo 1 MTTR1 (horas)
Costo ineficiencia Ci (US$/h) MTTR Equipo 2 MTTR2 (horas)
Valor Equipo 1 V1 (US$)
La nueva configuración a evaluar es incorporar el equipo C en re-

dundancia total con el Equipo A. Se asume que las características de
este nuevo equipo son similares al Equipo A.
Figura 2.41: Configuración propuesta
Se requiere evaluar el Costo Global con la opción actual y con la

mejora de redundancia propuesta.
Cálculos básicos:
Disponibilidad del Equipo A

y nuevo Equipo C
Disponibilidad del Equipo B
Disponibilidad sistémica
escenario actual
Disponibilidad sistémica nuevo
escenario con redundancia
Factor de corrección por periodo
de evaluación
202
Costo Global escenario actual
Costo Global escenario con

redundancia
Con estos valores se evaluará el impacto del proyecto.
3.9.2 Reemplazo de equipos
Toda empresa busca como objetivo fundamental la maximización

de beneficios a largo plazo, procurando aumentar los ingresos y mini-
mizando los costos. Una estrategia para la minimización de los costos
es la identificación del ciclo de vida óptimo de los distintos equipos que
componen las instalaciones industriales.
Es claro que en la medida en que pasa el tiempo de operación el
equipo sufre progresivamente un deterioro y desgaste general, por lo
cual se elevan los costos de operación y de mantenimiento. Con esta su-
posición realista, es evidente que debe existir un instante de tiempo en
donde es económicamente conveniente considerar y evaluar la opción
de renovación del equipo antiguo por uno nuevo.
El análisis siguiente propone un método simple que permite deter-
minar el instante óptimo de renovación del equipo en una instalación
industrial determinada.
Los equipos sufren un persistente deterioro y desgaste a medida que
acumulan horas de operación. Es por ello que en algún momento se hace
necesario adquirir un nuevo equipo y desechar el antiguo, logrando, de
esta manera, disminuir los costos de la empresa. Existen razones técnicas
y económicas que pueden justificar la renovación de equipos.
En ocasiones, podría ser necesario y conveniente retirar de servicio
un equipo complejo por haber quedado inservible debido a razones
puramente técnicas:
·· Cuantitativas: Por ejemplo, tuberías obstruidas por incrusta-
ciones por las cuales no pueden circular los caudales necesarios.
·· Cualitativas: Por ejemplo, máquinas que ya no permiten alcanzar
la precisión requerida o que están fuera del estándar corporativo.
Generalmente, antes de llegar a la situación extrema de retirar

equipos por razones técnicas aparecerán efectos de envejecimiento y
obsolescencia que hacen aumentar los costos de mantenimiento y dis-
203
A. Arata
minuir el tiempo de operación de servicio, lo que incita a considerar

una renovación.
Envejecimiento: Con el transcurso del tiempo los equipos aumen-
tan sus necesidades de mantenimiento, aumentando dichos costos y
disminuyendo el tiempo operativo, de tal forma que es necesario gastar
cada vez más para una disponibilidad que va disminuyendo en el tiem-
po. También es frecuente que el envejecimiento de los equipos traiga
consigo mayor consumo de energía y un aumento en la proporción de
operaciones defectuosas, aumentando así los costos de rechazo.
Obsolescencia: La evolución tecnológica da lugar a la aparición de
equipos con mejor desempeño y menores costos de producción, provo-
cando la obsolescencia de los antiguos. La evolución del medio en que
está inmersa la empresa implica una modificación o reemplazo de equi-
pos y procesos cuando se agotan las materias primas, o la aparición de
otras de las cuales se pueden obtener en mejores condiciones productos
idénticos o sustitutos.
a. Modelos de reemplazo
A continuación se presentan brevemente modelos que buscan mini-
mizar los costos vía renovación de equipos.
i. Horizonte finito. Tiempo continuo y discreto

El primer modelo contempla un horizonte finito de evaluación.
Esta situación se dará cuando el servicio se presta entre dos fechas bien
determinadas: inicial y final. Los modelos buscan determinar el núme-
ro de renovaciones que se debe realizar en el período predeterminado,
de tal forma de obtener un costo total mínimo.
Al considerar un horizonte finito para la evaluación es posible mo-
delar el tiempo como una variable continua o discreta. El hecho de
considerar al tiempo como una variable continua facilita fuertemente
el desarrollo matemático, ya que hace posible utilizar el cálculo dife-
rencial. Sin embargo, esta continuidad constituye evidentemente una
abstracción. Por consiguiente, en la práctica lo más frecuente es supo-
ner que no pueden efectuarse pagos, ingresos, renovaciones, etc., sino
únicamente en fechas determinadas. Este modelo, aunque sea más rea-
lista, presenta la dificultad de su solución matemática, la que requiere
del uso de teoría de grafos.
204
ii. Horizonte finito. Tiempo continuo y discreto

El procedimiento que se basa en los supuestos más realistas y, por
ende, más utilizados en la industria, es el de tiempo discreto y horizon-
te infinito. Este modelo busca determinar cada cuántos períodos será
óptimo reemplazar el equipo.
El procedimiento utilizado consiste en comparar los costos me-
dios por períodos actualizados, suponiendo distintos números de pe-
ríodos. Conociendo el valor de dichos costos para cada uno de los
posibles períodos de renovación se realiza una comparación, siendo
el período óptimo el que arroje el menor costo medio por período.
El procedimiento resulta muy simple si se construye la tabla que se
describe a continuación.
205
A. Arata
Tabla 2.5: Esquema para cálculo de período óptimo de reemplazo de equipo
Pasos Descripción
Se indican los períodos y costos anuales, C(t), para cada uno
1y2
de los t períodos. Con t: 1→n
Se calcula el factor de actualización f(t), para cada uno de los
t períodos, considerando i como la tasa de descuento.
3
Se calcula el valor presente de cada uno de los costos anuales.

4
C(t) x f(t)
Se acumulan los valores presentes hasta el período
determinado n.
5
Se calcula la inversión inicial con los valores presentes

acumulados, obteniendo los costos totales actualizados
6
Q(t), donde Q(t)= Q(t-1)+ C(t) x f(t). Considerar que Q(t=0)
corresponde al valor de adquisición del equipo.
Se calcula el FRC para cada uno de los períodos.
7
Se calcula el costo medio periódico multiplicando el FRC y

8
los costos totales actualizados. FRC(t) x Q(t)
Obviamente, se deberá optar por el menor de los costos por perío-

dos medios. Esta elección determinará el período óptimo para reem-
plazar el equipo.
Costo de Adquisión
Tiempo Tiempo
Rendimiento Único Costo Total Media Anual

Equivalente
Tiempo Tiempo
Figura 2.42: Esquema de flujos de dinero en el tiempo para

los costos considerados en el análisis
206
El análisis realizado se presenta en forma gráfica a través de es-

quemas en que se presentan los costos asociados al equipo en cues-
tión (Figura 2.42: Esquema de flujos de dinero en el tiempo para
los costos considerados en el análisis). El primer esquema representa
el costo de adquisición. El segundo presenta los costos de explota-
ción, los cuales son crecientes ya que en cada período se requiere más
mantenimiento, disminuyendo los rendimientos. El tercer esquema
muestra la suma de costos de explotación y adquisición llevados a un
pago único equivalente en el período cero (rendimiento único equi-
valente), descontando los flujos anuales a la tasa de descuento que
corresponda. Por último, el cuarto diagrama muestra la cuantía de las
cuotas medias anuales que es necesario cancelar en cada uno de los
períodos hasta el horizonte del proyecto.
3.9.3 Overhauls
Uno de los campos de acción importante dentro de las mejoras de

diseño son los overhauls. Comúnmente, un overhaul es considerado
como un conjunto de medidas orientadas a un aumento considerable
de confiabilidad sobre un componente, llevándolo al estado «tan bueno
como nuevo», asegurando los requerimientos funcionales para cumplir
con un nivel de servicio comprometido. Sin embargo, el carácter in-
tensivo de un overhaul conlleva un gran impacto técnico-económico
en su implementación y, por tanto, es necesaria una evaluación para
determinar si es o no conveniente realizarlo.
Principalmente, las actividades de overhaul se caracterizan por
su frecuencia y su intensidad. La frecuencia determina el intervalo
de tiempo de operación necesario para realizar un overhaul, mien-
tras que la intensidad da cuenta de cuál es la cercanía del estado del
componente, una vez realizadas las tareas de overhaul, respecto del
estado «tan bueno como nuevo». Se debe señalar que el análisis nece-
sario para determinar la eventual implementación de actividades de
overhaul puede arrojar como resultado frecuencias indeterminadas,
que pueden ser traducidas en la no realización de tales actividades, o,
por otro lado, la intensidad puede ser tal que implique el reemplazo
del componente.
En la realidad, los overhauls recuperan la funcionalidad del com-
ponente amortiguando su desgaste, pero no implican su degradación
en el tiempo.
207
A. Arata
3.9.4 Stockpiles
Los acumuladores, pulmones o stockpiles permiten amortiguar los efec-

tos sobre la producción de eventuales detenciones causadas por fallas en una
línea de procesamiento. La incorporación de estos acumuladores implica
cambio de diseño en el sistema, previa evaluación técnico-económica.
Los procesos sin acumulación responden a los requerimientos de
producción vía utilización directa de las unidades de procesamiento.
Este tipo de procesos está ligado a las características de lo que se está
produciendo, que puede ser no acumulable.
Por otro lado, en los procesos con acumulación se dimensiona las
instalaciones o equipos para un requerimiento de producción global
menor a requerimiento máximo (demanda peak o de punta), consi-
derando adicionalmente un acumulador, que tendrá la función de ser
un amortiguador entre el proceso productivo y la demanda o requeri-
miento. En los instantes en que el requerimiento de producción global
es menor a la capacidad instalada, el proceso productivo, además de
satisfacer la demanda existente, guarda el excedente en el acumulador.
Este excedente será utilizado en los instantes en que el proceso produc-
tivo no es capaz de satisfacer el requerimiento de producción.
Como ejemplo de lo expuesto anteriormente se puede citar a los
pulmones que acumulan vapor a cierta presión y temperatura para,
posteriormente, satisfacer los incrementos en la demanda de vapor. En
el ámbito minero, se destacan los stockpile, que permiten acumular
WIP (Work In Process) para satisfacer los requerimientos durante los
intervalos de indisponibilidad de la línea.
Cuando los procesos presentan una alta variabilidad de requeri-
miento productivo, es posible producir a una tasa mayor o igual a la
demanda media, y considerar un acumulador como amortiguador de
la producción. El dimensionamiento de un sistema como el anterior
depende exclusivamente de los costos asociados en su implementación
y al beneficio potencial.
Caso de completa disponibilidad del servicio

a. Procesamiento con un nivel de producción
En esencia, los acumuladores trabajan en dos fases. La fase de car-
ga tiene lugar en los instantes para los que la producción requerida es
menor a la tasa de producción de las instalaciones, en otras palabras,
208
el acumulador se encuentra en un estado de almacenamiento; mientras

que la fase de descarga se presenta cuando el requerimiento de produc-
ción es mayor que la productividad actual del sistema, haciendo ne-
cesaria la integración del producto almacenado en el acumulador a la
salida del proceso, y así, tratar de cumplir con la demanda. En la Figura
2.43: Caudal requerido y volumen entregado en función del tiempo se
esquematizan la demanda sobre un sistema productivo cualquiera y el
volumen entregado por el acumulador.
Figura 2.43: Caudal requerido y volumen entregado en función del tiempo
El volumen entregado por el acumulador en el instante t está dado por:
(2.56)
Donde,
q(t): caudal demandado (o requerido) en función del tiempo
qm: caudal entregado por el acumulador, correspondiente a la me-
dia de la demanda
De la Figura 2.43: Caudal requerido y volumen entregado en fun-

ción del tiempoFigura 2.43 se puede deducir que:
En el intervalo [0,ta]: la función V(t) es decreciente q(t) <qm, es de-
cir, el acumulador se encuentra en una fase de carga
209
A. Arata
En el intervalo [ta,tb]: la función V(t) es creciente q(t) >qm, es decir,

el acumulador se encuentra en la fase de descarga, donde el volu-
men entregado hasta tb es Va
En el intervalo [tb,tc]: fase de carga del acumulador V(tc) = Vb
En el intervalo [tc,td]: fase de descarga V(td) = 0
Cuando se tiene un único nivel de producción, la capacidad del

acumulador VE deberá ser mayor o igual a Vmax = Va+Vb, que corres-
ponde al máximo volumen entregado por el acumulador.
Luego, se debe cumplir la relación VE ≥ Vmax = Va+Vb
b. Procesamiento con dos niveles de producción

Lo presentado en el apartado anterior es válido para un sistema
productivo dimensionado para una productividad qm, donde el siste-
ma con acumulador representa una solución óptima desde el punto
de vista económico.
Si un sistema productivo trabaja entre dos límites prefijados qmax
y qmin de tasa de producción, escogidos de tal forma que el rendimien-
to técnico del sistema no alcance valores excesivamente bajos, es po-
sible ajustarse de manera más eficiente a los requerimientos si varía
el régimen de funcionamiento del sistema dentro de los límites pre-
fijados, Figura 2.44: Caudal requerido y volumen entregado con dos
niveles de producción.
El volumen necesario para el acumulador es menor al requerido
cuando se opera solo con un nivel de producción. Este volumen será
una función decreciente de qmax.
Figura 2.44: Caudal requerido y volumen entregado con dos

niveles de producción
210
Nótese que, si la capacidad del sistema fuese qmax, entonces no ten-

dría sentido dimensionar el acumulador, pues nunca se alcanzaría la fase
de carga debido a que el sistema nunca presentaría capacidad ociosa.
c. Dimensionamiento del servicio

Suponiendo que los costos del personal y de mantenimiento son
invariantes con qmax, el problema se reduce a minimizar los costos de
inversión del sistema, que son crecientes con qmax, y del acumulador,
que son decrecientes con qmax. En la Figura 2.45: Costos del generador
y el acumulador se muestra la relación existente entre el costo del sis-
tema Cg y qmax, además de la relación entre el costo del acumulador Ca
y el volumen V.
C
g C
a
qmax* qmax V
* V
Figura 2.45: Costos del generador y el acumulador
Sea Z la función que engloba los costos del sistema y del acumulador:
Z = C g (q) + C a (V) (2.57)
El objetivo es minimizar la función global de costos Z, consideran-

do, además, que el volumen V depende de la tasa de producción q (o
capacidad), tal como se muestra en la Figura 2.46: Volumen en función
de capacidad.
V
Vmax
V
*
qm q*max qp
Figura 2.46: Volumen en función de capacidad
211
A. Arata
Minimizando Z respecto de q, se obtiene q*max
Para que la capacidad q*max se traduzca en el mínimo costo de in-

versión del sistema, se deben cumplir los siguientes puntos:
·· La tangente a la curva V(q) tiene una inclinación igual a la

relación entre las pendientes de las tangentes de las funciones
Cg(q=q*max) y Cg(V=V*).
·· Es imprescindible respetar la restricción de naturaleza técnica:
q*max ≥ qm; para no incurrir en costos de ineficiencia.
·· Se supone que el rendimiento del sistema no sufre modificación
por las variaciones del régimen.
3.10 Etapa 10: Plan Productivo de Mantenimiento

Del análisis y evaluación económica de las oportunidades de mejo-
ras identificadas, se decide sobre la conveniencia de la implementación
de cada una de ellas. Toda oportunidad implementada debe quedar
reflejada en el Plan Productivo de Mantenimiento, manifestación prác-
tica de la Ingeniería de la Confiabilidad. La contribución al valor eco-
nómico de la empresa queda representada por la dinamización del Plan
Maestro, que permite el mejoramiento continuo de la gestión de los
activos y de las instalaciones en término de la reducción de los costos
globales y del aumento de los beneficios durante todo el ciclo de vida
de los equipos.
Una oportunidad de mejora evaluada, pero no implementada y no
reflejada en el Plan Productivo de Mantenimiento, es limitar a la Inge-
niería de la Confiabilidad a ser instrumento de control, siendo que su
rol no es solo el de auditar, sino también mejorar y proyectar en bene-
ficio del resultado del negocio.
212
El enfoque R-MES es un proceso metodológico que permite hacer

realidad la Ingeniería de la Confiabilidad de manera rigurosa y simple,
en el contexto de la filosofía de Confiabilidad Operacional.
Figura 2.47: Etapa Plan Productivo de Mantenimiento en el enfoque R-MES
213
Capítulo Tres
Plataforma informática R-MES
i. Introducción
Si bien conceptualmente la Ingeniería de la Confiabilidad, a través del
enfoque R-MES tiene una estructura clara y simple, su implementación
no deja de ser compleja debido a la cantidad, diversidad e incertidum-
bre de los diversos factores que en él intervienen y que es necesario pro-
cesar para asegurar resultados con alto grado de certeza. Entre estos
factores es posible señalar:
• cantidad, variedad y calidad de la data histórica a procesar;

• evolución del comportamiento de los equipos durante su ciclo de vida;
• diversidad de configuraciones y niveles de la instalación industrial;
• cantidad y variedad de equipos, componentes y modos de fallas;
• multiplicidad de KPI’s para identificar el estado de los activos, y
su evolución y proyección, como también el impacto sobre los
sistemas;
• particularidades de cada proceso productivo; y
• variabilidad de las condiciones operacionales y del entorno.
Para enfrentar esta situación, la Ingeniería de la Confiabilidad re-

quiere de modelos analíticos y algoritmos que permitan, a partir de
datos históricos, obtener resultados estadísticos y probabilísticos de
características determinísticas y estocásticas. Estos últimos se obtienen
al realizar simulaciones considerando distribuciones de las variables
que participan.
Estas complejas condiciones obligan, para implementar y aplicar la
Ingeniería de la Confiabilidad, a disponer de herramientas rigurosas,
flexibles y adaptables que tengan la capacidad de enfrentar el problema
de forma integrada para evaluar el impacto sobre el sistema (nego-
215
A. Arata
cio), como también de manera desagregada a nivel de los componentes

básicos (elementos inspeccionables, reparables y sustituibles) que lo
conforman para determinar las acciones que permitan mejorar la utili-
zación y la gestión de los activos físicos durante todo su ciclo de vida.
En el mercado existen diversas metodologías y herramientas infor-
máticas relacionadas con la Ingeniería de la Confiabilidad, sin embar-
go, en general estas responden a soluciones parciales que no permiten
enfrentar el problema de manera integral y rigurosa, obligando a reali-
zar mucho trabajo y largos tiempos de procesamiento y aproximacio-
nes que no hacen posible contar con información precisa y oportuna
para la toma de decisiones.
De esta falta y necesidad nace la motivación de la creación de una
plataforma que informatice el enfoque R-MES de manera de contar
con una herramienta rigurosa, flexible, personalizable y de fácil uso,
que permita contribuir con la implementación y el desarrollo de la In-
geniería de la Confiabilidad en compañías intensivas en activos físicos
que deben maximizar su capacidad productiva; así como para empre-
sas de ingeniería que participan en el desarrollo de nuevos proyectos de
capital que buscan incorporar la componente de la seguridad operacio-
nal para decidir por la mejor alternativa técnica y económica durante
todo el ciclo de vida de los equipos e instalaciones.
La plataforma informática R-MES ha sido utilizada para la imple-
mentación y el desarrollo de la Ingeniería de la Confiabilidad en muchas
empresas intensivas en equipos, de diversos sectores industriales, que
buscan mejorar el resultado del negocio a través de un adecuado uso y
gestión de los activos. R-MES también se ha transformado en una po-
derosa herramienta en diversas empresas de ingeniería que han decidido
incorporar la variable seguridad de funcionamiento de las instalaciones,
de manera de asegurar el desempeño esperado y reducir el riesgo de los
proyectos de capital durante todo el horizonte de evaluación. Además
algunas universidades nacionales y extranjeras utilizan R-MES como he-
rramienta en actividades de investigación.
2. Aspectos generales de la plataforma R-MES

R-MES es una plataforma informática de apoyo a la Ingeniería de la
Confiabilidad, orientada a la gestión de los activos físicos y al diseño o
modificación de proyectos, tanto de plantas industriales como de flotas
216
de equipos. R-MES permite el análisis de configuraciones complejas y

de los elementos básicos que las componen mediante la modelación a
través de Diagramas de Bloques de Confiabilidad (RBD), el uso de di-
versos algoritmos y la realización de simulaciones para la obtención de
indicadores claves (KPI’s) a partir del comportamiento histórico de los
equipos y su estimación probabilística (análisis determinísticos) y si-
mulaciones (análisis estocásticos), con la finalidad de auditar, proyectar
y mejorar la capacidad productiva global de los activos durante todo el
ciclo de vida. Los datos son cargados al nivel más bajo (componentes)
del RBD, esos datos se propagan a niveles superiores para conformar
los KPI’s sistémicos (a nivel de configuraciones).
Funcionalmente, la plataforma R-MES permite al usuario obtener una
visión global del rendimiento de los activos a nivel de componentes, equi-
pos y sistemas, en las dimensiones de disponibilidad, utilización y produc-
tividad (capacidad productiva). También aporta con diferentes indicado-
res, como por ejemplo: costo de la falta, costos directos, modos de falla,
seguridad e impacto ambiental. La plataforma es complementada con
diversos módulos de alto valor agregado, relacionados con la evaluación
de confiabilidad, mantenibilidad y utilizabilidad a nivel de componentes
reemplazables, que tienen como objetivo desarrollar y dinamizar planes
maestros, así como simular y sugerir mejoramientos en el flowsheet de
sistemas, mediante la evaluación de reemplazo de equipos, modificación
del diseño o la incorporación de redundancias en los procesos.
R-MES es una plataforma para la implementación y el desarrollo
de la Ingeniería de la Confiabilidad que apoya tanto la gestión de acti-
vos como la evaluación de proyectos que abordan el diseño de plantas
industriales y flotas, por lo que no solo es de utilidad en la etapa de
operación de una instalación industrial, sino también en la etapa de
ingeniería y evaluación de nuevos proyectos de capital incorporando la
variable seguridad de funcionamiento (riesgo operacional) durante el
ciclo de vida de los equipos y del proyecto.
Los datos requeridos para el trabajo del software son usualmente
registrados en los sistemas de gestión de mantenimiento y de produc-
ción, por lo que el R-MES es un sistema integrable con los módulos
de producción y mantenimiento, de la mayoría de los sistemas ERP,
CMMS o EAM presentes en el mercado (SAP-PM, Elipse, Máximo, PI,
Dispatch, Process More, etc.).
217
A. Arata
Del trabajo de investigación aplicada desarrollado y de la experien-

cia recogida de las actividades de consultoría y estudios de Ingeniería
de Confiabilidad realizados por el Centro de Desarrollo de Gestión
Empresarial (CGS), empresa creadora del enfoque y la plataforma in-
formática R-MES, han resultado factores claves que son necesarios
considerar para una adecuada gestión de activos y para el desarrollo de
proyectos en la perspectiva de la seguridad operacional. Estos factores
han sido plasmados como funcionalidades de R-MES, y entre ellos es
posible destacar:
2.1 Justificación de inversiones

• El sistema R-MES permite identificar los equipos que poseen un
mayor costo global (directo de mantenimiento y costo de la falta),
considerando como base el universo de equipos y sus componen-
tes que conforman una planta industrial o equipos móviles que
conforman una flota. Lo anterior permite orientar los esfuerzos
del área de mantenimiento y producción a aquellas unidades cuyo
mejoramiento marginal, en la disponibilidad y utilización, tiene
un mayor impacto en el negocio.
• Permite a las unidades de confiabilidad participar en proyectos de
capital y en mejoras que implican reemplazo de equipos o aumen-
to de redundancia en los procesos, esto mediante la evaluación
del trade off inversión v/s costo de la falta. El proceso consiste en
la comparación de la situación base (real) con las simulaciones
(modificaciones de planta) que el usuario estime técnicamente fac-
tibles de desarrollar.
2.2 Enfoque preventivo por sobre el reactivo

• R-MES permite estimar la confiabilidad de las unidades mante-
nibles, constituyéndose en un mecanismo efectivo para la opti-
mización de los planes maestros productivos de mantenimiento,
a través de la definición de frecuencias adecuadas de inspección
e intervención, y de la recomendación de estrategias óptimas de
mantenimiento (mejor mix políticas de mantenimiento).
• Permite la optimización de los planes productivos de manteni-
miento en términos de la identificación del mix óptimo entre la
prevención para reducir los costos de la falta por la indisponibi-
218
lidad (utilización) de los equipos y del mantenimiento correctivo

que implica para sistemas menos críticos menores costos directos.
R-MES es un apoyo para determinar el momento óptimo de la
prevención, como el tipo de intervención que corresponde en cada
caso; dependiendo de la etapa del ciclo de vida en que está el equi-
po, de los tiempos de reparación asociados y de la relación entre
el costo de reparación correctivo y el preventivo.
• Permite definir políticas óptimas de mantenimiento a edad cons-
tante para equipos que se encuentran en etapa de desgaste (tasa de
falla creciente), minimizando el costo de mantenimiento por hora
disponible del elemento en análisis.
• Permite mejorar el factor de seguridad, dada la mayor exposición
en eventos de falla tanto para personas como equipos.
2.3 Estandarización de métricas y criterios bajo un sistema común

• El sistema R-MES se transforma en un agente integrador de métri-
cas y criterios de cálculo de indicadores claves de proceso (KPI’s),
eliminando la coexistencia de múltiples sistemas de cálculo para
los mismos indicadores. Esto permite la implementación de siste-
mas de benchmarking entre distintas unidades de negocio.
• Es un sistema auditable, dado que permite llevar un registro histó-
rico de los KPI’s obtenidos, conjuntamente con un registro de los
datos con que es alimentado el sistema.
• R-MES es un sistema flexible a los requerimientos de sus usuarios,
siendo posible desarrollar procesos de personalización de indica-
dores de acuerdo a los estándares corporativos de los clientes.
También es viable el desarrollo de procesos de integración, me-
diante interfaz, con los sistemas de gestión de mantenimiento y
producción utilizados.
• Se minimiza el error humano en el procesamiento de la data para
la obtención de KPI’s.
2.4 Mejora de planes y gestión de indicadores

• Se observa en las unidades de mantenimiento de las empresas una
marcada tendencia a auditar el comportamiento de los activos no en-
focándose en la definición de estrategias de mantenimiento. R-MES
entrega las herramientas de apoyo para facilitar esta definición.
219
A. Arata
• R-MES tiene una orientación transversal e integral en el análisis

de los procesos, de lo general a lo particular y a la inversa (siste-
ma-componente mantenible) utilizando metodologías de análisis
histórico y probabilístico (auditoría y estocástica), herramientas
que en conjunto proporcionan una visión global del estado de los
activos industriales y del riesgo asociado.
• El análisis de distribuciones de probabilidad de falla permite de-
terminar la etapa en el ciclo de vida en el que se encuentra un
equipo (rodaje, vida útil o desgaste) y entrega lineamientos de la
política de mantenimiento más adecuada. Esto en base al compor-
tamiento de la tasa de falla del equipo y a los costos de cada po-
lítica de mantenimiento (inspecciones, mantenimiento preventivo,
correctivo o sintomático).
• En conjunto, las herramientas de análisis probabilístico permiten
estimar el comportamiento de los activos desde el punto de vista
de la seguridad de funcionamiento y evaluar la efectividad de los
planes de mantenimiento vigentes.
2.5 Metodología de modelamiento de plantas mediante

diagramas de bloques de Confiabilidad (RBD)
• Un factor relevante en la gestión de activos es la complejidad de
los procesos industriales, haciéndolos difíciles de representar en un
modelo que permita determinar su seguridad de funcionamiento.
Esto implica que, generalmente, se trabaja bajo aproximaciones o
supuestos que distorsionan los KPI’s de los elementos estudiados.
• Para el modelamiento de plantas industriales y flotas de equipos
móviles el sistema R-MES se basa en la metodología Reliability
Blocks Diagram (RBD), que consiste en la agrupación de com-
ponentes mantenibles en configuraciones lógico-funcionales des-
de una perspectiva bottom-up, es decir, desde el equipo hasta la
agrupación de estos en base al proceso modelado, que represen-
ta la seguridad de funcionamiento del conjunto. La metodología
permite la obtención de indicadores claves de proceso (KPI’s) al
nivel deseado por el usuario desde las unidades básicas (equipos
fijos y rodantes), hasta el comportamiento de una configuración
compleja (planta / flota), abarcando las dimensiones de confiabi-
lidad, mantenibilidad, disponibilidad, utilización y productividad.
220
• Se incluyen configuraciones predeterminadas: Serie, Paralelo,

Stand By, Fraccionamiento y Redundancia Parcial, que permi-
ten representar de manera lógica funcional los distintos niveles
de redundancia y capacidad ociosa en las etapas de un proceso
productivo, considerando la capacidad de diseño de los equipos y
régimen normal de operación del proceso. R-MES también puede
obtener indicadores estocásticos que consideren la presencia de
stockpile, dado que estas configuraciones de acopio son relevantes
para evitar el efecto de una detención sobre los subsistemas, afec-
tando directamente en la confiabilidad del proceso. Este modela-
miento del R-MES entrega una gran versatilidad para la represen-
tación de cualquier sistema productivo, sean plantas o flotas.
• Es posible la obtención de KPI’s al nivel deseado por el usuario
desde las unidades básicas (componentes) hasta configuraciones
complejos (líneas, áreas, plantas y flotas). Esto permite identificar
equipos críticos y focos de pérdida, desarrollar comparaciones en
el rendimiento de equipos similares y, en definitiva, obtener un
diagnóstico adecuado del rendimiento global de los activos.
• Es importante señalar que R-MES posee algoritmos RBD propios
(fraccionamiento y redundancia-fraccionamiento), desarrollados
in-house por su equipo de I&D, que brindan gran versatilidad al
sistema para adaptarse a procesos reales de distinta naturaleza. A
su vez, R-MES tiene un esquema de navegación cómodo y sencillo
para el usuario, que agrupa diversas funcionalidades permitiendo
un trabajo simple y eficiente, lo que se refleja en el aumento de la
productividad del usuario.
221
A. Arata
Figura 3.1: Espacio de trabajo para modelamiento RBD y árbol lógico-funcional

(Captura de pantalla)
2.6 Eficiencia en la obtención de KPI’s

• En la práctica, los ingenieros de control de gestión o planificado-
res dedican gran parte de su tiempo a la obtención de los indica-
dores claves de proceso, dado que no cuentan con herramientas
informáticas para el desarrollo de análisis sistémicos. Mediante
la aplicación de R-MES se reduce considerablemente el tiempo
de procesamiento de los datos que generan los KPI’s, lo que per-
mite al personal dedicar más tiempo al desarrollo de actividades
de mayor valor agregado: planificación, programación, logística,
ingeniería, análisis, optimización, etc.
2.7 Simulación de modificaciones genéticas

• R-MES permite simular modificaciones genéticas, proceso que
implica reemplazo de equipos, incorporación de redundancia en
los procesos o cambios en el flowsheet para mejorar la confiabi-
lidad de una planta. Esto permite establecer un acercamiento a la
definición de proyectos de capital, en mejoras que implican una
reducción de los costos de la falta del proceso sin necesariamente
alterar la confiabilidad o mantenibilidad de los equipos que los
componen. Adicionalmente permite determinar si la reducción de
la pérdida (costo de falta) cubre la inversión necesaria para mate-
222
rializarla de modo de maximizar la rentabilidad sobre los activos

a lo largo de la vida útil del proyecto (Capex v/s Opex).
• Alternativamente es posible simular mejoras en los indicadores de
confiabilidad (aumento del MTBF) y mantenibilidad (reducción
del MTTR) de equipos, lo que permite cuantificar a nivel de con-
figuración, en términos de disponibilidad, utilización y costo de
falta, el impacto de las acciones de mejora propuestas y el riesgo
asociado (a través de simulación de Monte Carlo).
3. Análisis histórico
R-MES permite auditar indicadores clave de proceso a través de
análisis de tipo histórico. Los KPI’s obtenidos representan el com-
portamiento real de la planta / flota con el siguiente alcance (estos
son indicadores estándar ya que es posible la incorporación de otros
personalizados a la propia realidad):
• Disponibilidad (A).
• Utilización (U).
• Utilización Efectiva (UE).
• Tiempo Medio entre Fallas (MTBF).
• Tiempo Medio para Reparar (MTTR)
• Tiempo Medio entre Detenciones No Programadas (MTBS).
• Tiempo Medio para Intervenir, incluye preventivas (MTTI)
• Costo de la Falta.
• Criticidad (Indisponibilidad-consecuencia).
El indicador Costo de la Falta representa la pérdida de producción

valorizada producto de detenciones de mantenimiento. El análisis com-
parativo del costo de la falta entre equipos permite jerarquizar las pér-
didas y sus causales, siendo una herramienta poderosa para identificar
focos de mejoramiento con alto impacto en el negocio.
Un aspecto a destacar es la facilidad para establecer consultas res-
pecto de los KPI’s históricos de un proceso, puesto que el usuario puede
definir el período e intervalos de análisis de manera simple (por ejem-
plo, análisis de un año en métrica mensual), lo que permite desarrollar
un análisis de tendencia de los indicadores en función del tiempo.
A continuación se presentan en mayor detalle las características de
los reportes de R-MES del tipo histórico:
223
A. Arata
3.1 Productividad, producción y OEE

Este reporte permite determinar de manera efectiva las causas en
los tiempos muertos de producción de una planta o equipo, definien-
do sus causales de tipo operacional o de mantenimiento y pérdidas
por velocidad. Además muestra la productividad de planta medida en
unidades por hora disponible, lo que permite identificar los períodos
de sobre utilización o bajo ritmo del proceso, medidos respecto de su
capacidad nominal. También permite obtener la relación entre la pro-
ducción real y la producción meta.
3.2 Análisis de Disponibilidad, Utilización Total

y Utilización Efectiva
El cálculo de los indicadores de Disponibilidad y Utilización Total se
realiza del siguiente modo: para el primer caso se descuentan los tiem-
pos muertos imputables a actividades de mantenimiento y tomando como
base el tiempo calendario total del período en estudio. En el caso del se-
gundo indicador se descuentan adicionalmente los tiempos asociados a de-
tenciones de tipo operacional y, al igual que el indicador de disponibilidad,
se toma como referencia el tiempo calendario del período en estudio. Por
lo tanto, estos indicadores permiten tener una visión completa del impacto
sobre el proceso de las detenciones de mantenimiento y operacionales. Es
importante considerar en este punto que R-MES posee algoritmos lógi-
cos que permiten identificar actividades de mantenimiento oportunista,
las que habitualmente son desarrolladas aprovechando detenciones opera-
cionales o reservas de planta, las que no inciden en la indisponibilidad de
planta, sino en la utilización de los sistemas productivos. Lo importante en
estos casos es que no se pierde el registro de las actividades desarrolladas,
las que son consideradas para la obtención de los KPI’s de los activos in-
tervenidos. Estos indicadores también pueden ser calculados considerando
el aporte de confiabilidad sobre la configuración de uno o más stockpiles
mediante la utilización del módulo de simulación.
Finalmente, el indicador de Utilización Efectiva, considera el
tiempo de utilización del proceso tomando como base el tiempo dis-
ponible para operar, entregando un indicador aislado de la efectivi-
dad operacional del proceso estudiado. El análisis de estos tres indi-
cadores en conjunto permite identificar los focos de tiempos muertos
224
de operación del proceso y las causas principales que inciden en el

costo cuando este falta.
La facilidad en la obtención de estos indicadores es un factor rele-
vante del sistema R-MES, puesto que el usuario debe definir solamente
el período a analizar y el intervalo de cálculo (métrica temporal), para
que el sistema entregue automáticamente los KPI’s para todo el árbol
de configuración lógico-funcional. Además es posible graficar los indi-
cadores de manera combinada y establecer un análisis de tendencia de
los indicadores en función del tiempo.
El reporte permite obtener los indicadores de costo directo de
mantenimiento, el costo de la falta y el costo global para cada uno de
los equipos y sistemas contenidos en el árbol de diagramación lógico-
funcional. El análisis se complementa con diagramas de Pareto que
permiten jerarquizar la variable de costo de falta asociada al equipo o
configuración seleccionada por el usuario, permitiendo determinar los
elementos críticos en cada caso.
Figura 3.2: Reporte histórico gráfico de disponibilidad,

utilización y utilización efectiva. (Captura de pantalla)
225
A. Arata
3.3 Jack Knife

Complementariamente, R-MES posee el reporte de gráfico de disper-
sión logarítmico de confiabilidad y mantenibilidad de equipos. En este
quedan definidas las posiciones relativas de los elementos analizados en
cuatro cuadrantes: agudo: elementos con baja frecuencia de falla, pero
con alto MTTR; crónico: elementos con alta frecuencia de falla, pero bajo
MTTR; agudo y crónico: poseen alta frecuencia de falla y altos MTTR
relativos; y Bajo control: elementos con baja frecuencia de falla y bajo
MTTR. El análisis permite direccionar las políticas de mantenimiento de
un equipo a través de una mejora en la confiabilidad (diseño, calidad de
repuestos, etc.), en mantenibilidad (dotación, logística, etc.), o en ambas.
Paralelamente, es posible obtener el gráfico de dispersión de los mo-
dos de falla de los nodos de diagramación que el usuario estime conve-
niente analizar. En este caso también es posible establecer las posiciones
relativas de cada modo de falla (reportes del catálogo de fallas).
Figura 3.3: Reporte Jack Knife

3.4 Análisis de Indisponibilidad / Consecuencia

El análisis de elementos críticos basado en indisponibilidad / conse-
cuencia tiene como objetivo cuantificar el impacto de un equipo sobre el
sistema (costo de la falta), desagregándolo en dos componentes: el tiem-
226
po fuera de servicio del equipo o configuración (indisponibilidad propia)

y su efecto sobre las detenciones del sistema (consecuencia). Esto permite
separar los efectos sobre el sistema del comportamiento particular del
equipo y de su configuración lógico funcional dentro de un sistema.
Este reporte incorpora, además, el análisis de Costo de Seguridad
Ambiental, el cual agrega al análisis de criticidad dos factores: por un
lado se encuentra el impacto de la falla de un equipo en el ambiente
o en la seguridad de la planta y, por otro, el costo de reparación que
implica la falla. Con ello, R-MES entrega reportes de análisis de riesgos
asociados a la seguridad ambiental.
Figura 3.4: Reporte Indisponibilidad-Consecuencia

3.5 Indicadores estadísticos

Además de los indicadores históricos previamente presentados
destacan indicadores de confiabilidad, mantenibilidad y continuidad
operacional de los activos, puesto que las políticas de mantenimiento
mejorativas a implementar son radicalmente distintas, dependiendo de
las desviaciones detectadas en cada dimensión.
Como indicador histórico de confiabilidad se calcula el Tiempo
Medio entre Fallas (MTBF), que indica el tiempo de uso de un equipo
o sistema entre dos fallas consecutivas de este. De manera similar, el
Tiempo Medio entre Detenciones (MTBS) indica el tiempo de uso de
227
A. Arata
un equipo o sistema entre dos detenciones, indistintamente sean estas

de naturaleza operacional o de mantenimiento.
En cuanto a indicadores de mantenibilidad, R-MES entrega el
Tiempo Medio para Reparar (MTTR), que refleja el tiempo promedio
de intervención correctiva de un equipo o sistema. Otro indicador es
el Tiempo Medio para Intervenir (MTTI), el cual representa el tiempo
promedio de intervención de un equipo considerando las actividades
de mantenimiento, tanto preventivas como correctivas.
La importancia de estos indicadores es que acusan el estado en la
confiabilidad y mantenibilidad de un activo industrial, lo que es rele-
vante para la definición de las frecuencias de intervención contenidas
en los planes de mantenimiento, así como para la estimación adecuada
de los tiempos requeridos de detención de las líneas productivas para
el desarrollo de las intervenciones.
Respecto de la facilidad de obtención de estos indicadores históri-
cos, la lógica de cálculo es equivalente a los indicadores presentados
previamente (Disponibilidad, Utilización Total y Efectiva), incluidas las
aplicaciones gráficas previamente descritas.
Figura 3.5: Reporte histórico gráfico de tiempos medio

228
3.6 Mix de mantenimiento

Este reporte permite conocer la estructura de las órdenes de traba-
jo ejecutadas sobre un equipo, definiendo el porcentaje de actividades
correctivas v/s las planificadas. El reporte considera dos variables de
manera separada: tiempo de ejecución y número de actividades.
3.7 Nelson-Aalen
El diagrama de Nelson-Aalen permite efectuar un seguimiento de
las actividades de mantenimiento y operaciones desarrolladas sobre
un equipo o configuración en función del tiempo calendario. Esto es
útil para analizar la secuencia de actividades desarrolladas por es-
pecialidad (mecánica, eléctrica, instrumental, etc.), entregando indi-
caciones respecto de la confiabilidad del equipo y de la calidad de
las reparaciones ejecutadas, a partir de su análisis (por ejemplo, alta
frecuencia de detenciones correctivas entre mantenimientos preven-
tivos). Adicionalmente es posible obtener información respecto del
tiempo de cada actividad de mantenimiento e incidencia sobre el sis-
tema al cual pertenece el equipo.
La funcionalidad de gráficos Nelson-Aalen satisface la necesidad de
representar todos los eventos históricos que se producen en un equipo /
configuración durante un periodo de tiempo, entregando detalles tales
como el tipo de evento, si produce o no detención del sistema, el impac-
to del evento en el sistema y la duración del evento.
En cada gráfico el tamaño de la burbuja indica el impacto del even-
to sobre el sistema, el marcador indica la especialidad de la actividad
desarrollada (se diferencian mediante la forma) y su color indica si
detiene o no el sistema (rojo o verde). Adicionalmente, se ha incluido
una etiqueta para cada punto indicando la duración de dicho evento y
el valor numérico del impacto.
3.8 Pareto de detenciones

Mediante el diagrama de Pareto se pueden detectar los equipos que
tienen más relevancia en relación a los tiempos y frecuencia de man-
tenimiento, esto mediante la aplicación del principio de Pareto (pocos
vitales, muchos triviales) que señala que, por lo general, el 80% de los
resultados totales se originan en el 20% de los elementos estudiados.
229
A. Arata
En este caso, el sistema R-MES presenta jerárquicamente los tiem-

pos y frecuencia de intervención / detención de equipos y configuracio-
nes, mostrando, además de los resultados reales, la curva acumulativa
porcentual en escala secundaria. La gráfica es muy útil para identificar
visualmente en una sola revisión las minorías de características vitales
a las que es importante prestar atención y de esta manera utilizar todos
los recursos necesarios para llevar a cabo una acción correctiva con
una buena asignación de esfuerzos y recursos.
Es importante considerar que el usuario puede efectuar filtros de
las clases de intervenciones / detenciones a ser analizadas en los diagra-
mas de Pareto, lo que brinda gran flexibilidad a la aplicación.
3.9 Reportes del catálogo de fallas

Para el caso de las actividades de mantenimiento correctivo, se
incluye dentro de la base de datos la capacidad de capturar el catá-
logo de fallas de cada equipo o componente. La información se en-
cuentra clasificada de acuerdo al catálogo específico de cada cliente,
el que es parametrizado en el sistema R-MES para la definición de
las clases correspondientes.
Dentro de los catálogos de fallas que maneja R-MES se tienen
tres categorías, a saber:��
Síntoma, Modo de Falla y Causa��
, que res-
ponden conceptualmente a lo estipulado en la norma ISO 14224.
Para las categorías Síntomas y Causa, se tiene como único reporte
un Pareto de Frecuencias, que ordena de acuerdo al conteo de even-
tos; mientras que para la categoría Modo de Falla se tiene un repor-
te de Pareto que incluye las dimensiones frecuencia y duración, un
reporte de dispersión de la frecuencia v/s duración y un reporte de
dispersión del costo global de mantenimiento (directo e indirecto)
v/s el impacto en seguridad y medioambiente, que finalmente mide
la criticidad en base a riesgo.
Estos reportes persiguen alimentar los análisis de fallas de un equi-
po (Análisis de Causa Raíz, RCA), a partir principalmente de los Pareto
de Síntoma, Modo de Falla y Causas, como también soportar el aná-
lisis de riesgo de modos de falla en la aplicación de una metodología
MAFEC, principalmente a partir del diagrama de dispersión CSA.
230
3.10 Planes de mantenimiento

Algoritmos que abordan temas como cálculos en base a hor��óme-
tros, análisis RCA y MAFEC que facilitan la elaboración de los planes
de mantenimiento productivo.
4. Análisis probabilístico
Como análisis complementario, R-MES tiene herramientas de esti-
mación de indicadores claves de proceso (KPI’s) a partir del com-
portamiento de falla de los equipos mediante ajuste de distribución
de probabilidad (Exponencial o Weibull). Esta herramienta permite
al usuario determinar la etapa en el ciclo de vida en que se encuentra
un equipo (rodaje, vida útil o desgaste), de manera de determinar
las políticas de mantenimiento óptimas para cada caso particular.
Paralelamente, de este análisis es posible conocer las curvas de con-
fiabilidad, tanto de los equipos como de las configuraciones en es-
tudio, lo que representa la probabilidad de buen funcionamiento en
el tiempo del elemento en cuestión. El proceso es altamente efectivo
para ajustar la frecuencia de intervención, contenida en los planes
maestros de mantenimiento.
Los análisis de tipo histórico y probabilístico descritos constitu-
yen herramientas que permiten identificar los puntos críticos de un
proceso. Los análisis tienen una visión distinta pero complementaria,
esencial en la identificación de proyectos de mejora ya sea a nivel de
gestión o inversión.
4.1 Determinístico
4.1.1 Definición de políticas de mantenimiento óptimas
Entendiendo que el costo directo de desarrollar una actividad de

mantenimiento es distinto en el caso del mantenimiento preventivo
frente al correctivo, R-MES posee una aplicación de políticas de mante-
nimiento a edad constante, aplicable para equipos en etapa de desgaste,
que permite determinar la frecuencia de intervención que optimiza el
Costo Global de mantenimiento. A su vez se define, para la frecuencia
óptima encontrada en este módulo, el pronóstico de la estructura de
mantenimiento anual, en términos del número de actividades espera-
231
A. Arata
das de mantenimiento correctivo y preventivo, además del costo aso-

ciado a cada tipo actividad. Por lo tanto, esta herramienta es útil en la
estimación de presupuestos representativos de los requerimientos de
intervención sobre las unidades mantenibles.
Un aspecto relevante que entrega R-MES es la posibilidad de evaluar
la política óptima a nivel de componente remplazable (factor presente en
la categoría modo de falla), y que es finalmente donde la desagregación
lógico funcional de los equipos se conecta con el plan de mantenimiento.
4.1.2 Curvas de confiabilidad y tasa de falla
El reporte permite conocer la probabilidad de buen funcionamien-

to de un equipo, configuración o planta en el tiempo a partir del ajuste
de la curva de distribución de probabilidad de falla (PDF). Adicional-
mente es posible determinar la probabilidad condicional de falla o tasa
de falla de un elemento, reporte que permite determinar la etapa en el
ciclo de vida en que se encuentra un equipo (rodaje, vida ��
ú��
til o desgas-
te). Es importante considerar que R-MES permite desarrollar gráficos
comparativos de los equipos para las variables indicadas.
Figura 3.6: Reporte probabilístico de confiabilidad

232
4.1.3 Políticas de mantenimiento
Considerando como información de entrada los costos de mante-

nimiento (correctivo, preventivo e inspecciones), además de la etapa en
el ciclo de vida en que se encuentra el equipo analizado, R-MES define
lineamientos de las políticas aplicables para cada equipo, considerando
como alternativas el mantenimiento correctivo (RTF-Runto Failure),
preventivo cíclico o predictivo (sintomático).
Adicionalmente, en este módulo se tiene un algoritmo de optimiza-
ción de mantenimiento de tipo cíclico aplicable para equipos en etapa
de desgaste, que permite determinar la frecuencia óptima de manteni-
miento del equipo analizado. Esto posibilita optimizar los planes de
mantenimiento, definiendo la combinación esperada de mantenimiento
correctivo / preventivo y sus costos asociados (pronóstico anual).
4.1.4 Mission Time
Es una aplicación que permite determinar la probabilidad de que

un equipo llegue a una parada programada sin fallar. Este reporte
constituye una herramienta poderosa para ajustar las paradas pro-
gramadas de líneas de procesos (análisis de corto plazo), así como
para determinar comparativamente cuáles son los equipos con ma-
yor probabilidad de falla, alertando a las unidades de mantenimiento
sobre los equipos críticos desde el punto de vista de la confiabilidad.
También la herramienta puede ser utilizada de manera opuesta, es de-
cir, para aplazar actividades de mantenimiento programado, en caso
que la confiabilidad del equipo para el tiempo programado de man-
tenimiento se evalúe alta.
4.1.5 Reportes de KPI’s probabilísticos
Considerando la información histórica de las actividades de man-

tenimiento sobre los equipos, R-MES realiza ajustes de distribución de
probabilidad de falla (Exponencial o Weibull), lo que permite determi-
nar las curvas de confiabilidad de los equipos y su Tiempo Medio entre
Fallas (MTBF) probable. A partir de esta información se determina la
etapa en el ciclo de vida del equipo (rodaje, vida ��
ú��
til o desgaste) y tam-
bién se efectúan análisis de mantenibilidad, medida por el Tiempo Me-
dio para Reparar (MTTR), asumiendo distribución normal. Se incluye
233
A. Arata
en el análisis probabilístico la Disponibilidad Inherente y Costos de la

Falta esperados para los equipos, sistemas y la planta global.
El análisis probabilístico permite proyectar el comportamiento de
los equipos abordando una mejor planificación de mediano y largo
plazo, con foco en los elementos que generarán un mayor costo de la
falta del sistema productivo.
4.1.6 Costos probabilísticos
A partir del indicador MTBF probabilístico, y considerando el costo

promedio de intervención de un equipo, el sistema R-MES entrega una
estimación del costo anual de mantenimiento, lo que facilita el desarrollo
de presupuestos anuales de mantenimiento. A su vez, es posible obtener
presupuestos consolidados para subsistemas y la planta global, que no
es más que la suma de los indicadores locales obtenidos para sus equipos
constituyentes. El valor está en que la estimación del presupuesto se basa
en la condición actual de los equipos, mediante las aplicaciones de con-
fiabilidad probabilísticas que posee la plataforma R-MES.
4.1.7 Otros indicadores probabilísticos
Como indicadores probabilísticos complementarios, el sistema R-

MES calcula la Confiabilidad, Disponibilidad y Costo de la Falta para
equipos y subsistemas.
Respecto de la Confiabilidad, que es una variable en función del
tiempo de operación del equipo o sistema, su aplicación probabilística
brinda la utilidad de auditar la efectividad de los planes de mantenimien-
to, entregando la estructura de mantenimiento esperada en el mediano
plazo (correctivo y preventivo). Además permite conocer los elementos
críticos a un determinado tiempo de operación, mediante un análisis
comparativo de las curvas de confiabilidad de distintos equipos.
Respecto de la Disponibilidad, el alcance del indicador es similar
a la definición histórica, con la diferencia que se calcula a partir de
los MTBF y MTTR definidos probabilísticamente a través de las fun-
ciones de probabilidad correspondientes. En este caso se estima que
un ciclo de mantenimiento está constituido por MTBF de tiempo dis-
ponible sobre un tiempo base de MTBF más MTTR, para el equipo o
subsistema analizado.
234
Finalmente, el Costo de Falta no es más que la valorización de la

indisponibilidad del sistema para producir, valor que es prorrateado en
los elementos constituyentes en el árbol de configuración lógico funcio-
nal de acuerdo al impacto aportado por cada elemento.
Como se puede apreciar, el alcance de los indicadores es similar
a los planteados en el análisis de tipo histórico, siendo la diferencia
principal que, en el caso del probabilístico, se considera la etapa en el
ciclo de vida en que se encuentra el equipo (rodaje, vida ��
ú��
til o desgas-
te), factor que incide en los KPI’s esperados en el rendimiento de cada
equipo o sistema.
4.2 Indicadores estocásticos
4.2.1 Simulación de Monte Carlo
Dentro de los indicadores probabilísticos destaca la simulación

estocástica de disponibilidad y utilización a través del algoritmo de
Monte Carlo. Esta aplicación permite, en base a la información his-
tórica o a parámetros de usuario, simular muchas veces el comporta-
miento de un mismo sistema productivo, considerando en cada itera-
ción los potenciales valores que puede tomar cada variable de entrada
como los MTBF y MTTR de cada equipo. En definitiva, se obtiene
una distribución de probabilidad de la disponibilidad o utilización
esperada que permite determinar el riesgo y probabilidades de ocu-
rrencia de cada escenario.
235
A. Arata
Figura 3.7: Distribuciones para la generación de datos aleatorios

4.2.2 Modelamiento y simulación de sistemas de acopio – Stockpile
Como extensión del reporte anterior, R-MES permite considerar en

sus KPI’s estocásticos de disponibilidad y utilización la presencia de sis-
temas de acopio como stockpiles, estanques, inventarios, etc. El objetivo
es obtener una visión real del proceso a través de una simulación que
permita cuantificar el impacto de un sistema de acopio sobre la confia-
bilidad y variabilidad del proceso. Este reporte es fundamental para el
dimensionamiento óptimo de stockpiles en nuevos proyectos de capital
ya que permite iterar diversos escenarios.
4.2.3 Evaluación de proyectos de capital
R-MES, a través de la simulación T-RAM (Throughtputability-Re-

liability, Availability and Maintainability) de escenarios, permite apo-
yar la evaluación de nuevos proyectos de capital. En este contexto, la
Ingeniería de Confiabilidad entrega nuevas variables para la toma de
decisiones que permiten estimar el nivel de producción esperado y, en
consecuencia, el beneficio económico bajo una óptica LCC (Life Cycle
Cost), de distintas alternativas de inversión.
236
De este modo es posible, a través de análisis cuantitativos, establecer

criticidades, identificar oportunidades de mejora en el diseño, sensibilizar
la capacidad óptima de sistemas de acumulación y ajustar los niveles de
redundancia a partir de la capacidad de los equipos. Por lo tanto, este tipo
de análisis permite cuantificar el real beneficio económico de un aumen-
to en Capex (Capital Expenditure) o determinar la mejor alternativa de
inversión en base a una restricción presupuestaria y a un objetivo de pro-
ducción, de modo de no pagar por mayor confiabilidad si no se requiere.
Además, los reportes estocásticos permiten cuantificar el riesgo
asociado con cada una de las alternativas. Es decir, permite no solo ob-
tener valores determinísticos, sino también una distribución de valores
posibles para establecer la probabilidad que tiene cada alternativa de
inversión de alcanzar los niveles de producción esperados.
Figura 3.8: Histograma de productividad de activos

5. Otras capacidades
El sistema R-MES posee una serie de utilidades complementarias, que
están orientadas a la facilidad de uso del sistema y tratamiento de datos.
237
A. Arata
5.1 Identificación de tipos de mantenimiento

Permite diferenciar ocho clases de intervenciones / detenciones
para la obtención de KPI’s por especialidad (mantenimiento preven-
tivo y correctivo mecánico, eléctrico e instrumental; detenciones ope-
racionales programadas y no programadas; demoras operacionales
programadas y no programadas).
5.2 Tipos de mantenimiento configurables

Los identificadores mediante los cuales son reconocidos los tipos
de mantenimientos configurables por el usuario acorde a la realidad
de la empresa.
5.3 Compatibilidad de formatos

El sistema permite exportar distintos reportes en formatos compa-
tibles con MS-Excel e Internet Explorer. Además, a través su interfaz
con los ERP permite obtener datos y exportarlos hacia la aplicación.
5.4 Buscador y contador

En el caso de sistemas complejos cobran relevancia las aplicaciones
de búsqueda y conteo de equipos de un diagrama lógico funcional, lo que
permite navegar dentro de los modelos desarrollados con gran facilidad.
5.5 Verificación y control de datos

R-MES lleva un registro de los datos importados al sistema, lo que
permite realizar un seguimiento de las actividades de mantenimiento
desarrolladas a través del número de orden de trabajo (OT). Lo ante-
rior permite el estudio y la validación de los datos de mantenimiento.
5.6 Listas configurables de equipos

R-MES tiene la capacidad para generar listados de equipos y/o sub-
sistemas que puedan ser utilizados, de manera de acelerar el proceso de
selección de equipos y/o subsistemas en los reportes con capacidad para
selección. Esta funcionalidad permite agrupar los equipos por familias.
238
5.7 Importación de equipos y propiedades desde Excel

R-MES permite la importación directa desde Excel de equipos con
sus respectivas propiedades. Esta funcionalidad es útil para comenzar
una diagramación, sobre todo si corresponde a flotas. Además, permite
aprovechar las características de Excel para evaluar y sensibilizar el
efecto de cambios en los parámetros de los equipos.
5.8 Métricas personalizables

La métrica de los indicadores es personalizable, de acuerdo a la
definición de KPI’s de cada empresa.
5.9 Repositorio, carga masiva de datos

Para la carga de datos desde bases locales (MS-Excel) o sistemas de
gestión de mantenimiento, el sistema R-MES permite el desarrollo de una
carga masiva a los equipos o subsistemas contenidos en un diagrama ló-
gico funcional. Esto minimiza el tiempo para la obtención de resultados.
5.10 Configuración masiva de parámetros de equipos

R-MES tiene la capacidad para realizar una configuración masiva
para múltiples equipos y/o subsistemas para sus datos de mantenimiento.
5.11 Validación de carga de datos

En la carga de datos existen algoritmos que verifican la validez de los
datos importados acorde a criterios definidos por los consultores expertos.
5.12 Interfaz ERP

R-MES cuenta con una interfaz de captura de datos de los avisos y órde-
nes de trabajo de mantenimiento programado y correctivo registradas en pla-
taformas ERP, que permite la automatización de la carga de datos de modo
de evitar duplicar el proceso de alimentación al sistema. Del mismo modo, es
posible crear interfaces para otros sistemas de gestión CMMS o EAM.
239
A. Arata
5.13 Interfaz SAP

R-MES cuenta con una interfaz de conexión directa con SAP, me-
diante SAPJCO2, que permite obtener directamente desde SAP los
datos para alimentar.
El software R-MES está diseñado de manera que se relacione, con
R-MES Portal; una solución que permite la utilización de las capaci-
dades propias del software con las potencialidades de una plataforma
web. Esta solución facilita el acceso y permite compartir la infor-
mación entre diferentes usuarios, por lo que es posible disponer de
información integrada de diferentes realidades.
240
Capítulo Cuatro
Presentación de caso en la fase de

Proyecto de capital
1. Introducción
Muchos de los proyectos de capital requieren de instalaciones intensi-
vas en activos físicosque demandan importantes recursos económicos,
tal como ocurre, a modo de ejemplo, en la industria de la energía y
minería. Estos proyectos se desarrollan en un entorno cada vez más
complejo que impone nuevos desafíos para lograr y mantener la com-
petitividad a nivel global, por lo que las exigencias aumentan perma-
nentemente para obtener estimaciones con un mayor nivel de certeza,
de manera de asegurar que los proyectos alcancen los beneficios econó-
micos esperados con el menor riesgo posible.
La toma de decisiones de cualquier proyecto, y particularmente
aquellos de altos niveles de inversión, debe estar soportada por esti-
maciones realizadas con la mayor cantidad en la información y lo más
precisa posible. Información que, además, está sujeta y condicionada a
escenarios mundiales caracterizados por una alta incertidumbre en la
evaluación de los nuevos proyectos.
Actualmente, la evaluación de los proyectos de capital se sensibiliza
y analiza el riesgo solo tomando en consideración los factores econó-
mico-financieros, en cambio, las componentes asociadas con el desem-
peño de los procesos se consideran normalmente solo como variables
determinísticas definidas a través de criterio experto en las distintas
etapas de ingeniería.
Para enfrentar de una manera más rigurosa los proyectos de capi-
tal es necesario estimar con mayor precisión y certeza su performance
durante el horizonte de evaluación, para lo que el enfoque R-MES re-
presenta una forma de incorporación de la Ingeniería de la Confiabili-
dad que permite mejorar el diseño de las instalaciones considerando la
241
A. Arata
seguridad de funcionamiento de los equipos y de los sistemas a través

de la incorporación de las variables de la confiabilidad y la manteni-
bilidad (disponibilidad, utilización y productividad) en la evaluación
económica-financiera, sobre la base del Life Cycle Cost (LCC), permi-
tiendo evaluar el impacto de un buen diseño y de una adecuada gestión
de activos a lo largo de la vida útil del proyecto.
Como una forma de visualizar el aporte de la Ingeniería de la Con-
fiabilidad, a través del enfoque R-MES, en la evaluación de proyectos
de capital se presenta una metodología aplicada a un caso particular de
un proceso de conminución.
2. Proceso para el desarrollo del caso

2.1 Esquema de la metodología
A continuación se presenta esquemáticamente la metodología que
se utiliza para enfrentar el caso particular de un proyecto de capital de
una planta de conminución.
4.1: Esquema de la metodología de abordaje
242
2.2 Descripción de las etapas de la metodología

• Levantamiento del proceso
El levantamiento de las características del proceso cumple un rol re-
levante en el correcto desarrollo del estudio, puesto que es la instancia
en la que se identifican las características de las operaciones unitarias,
las capacidades nominales de diseño, la identificación de los cuellos de
botella y la definición de las condiciones ambientales que influyen en
las operaciones.
En esta etapa se definen las condiciones de operación del proyecto
que permiten obtener la lógica de funcionamiento de los equipos en los
sistemas, del punto de vista de la seguridad operacional.
En esta etapa se define el caso base y se obtienen los indicadores
iniciales que se utilizan como referencia para compararlos con los que
resultan de las modificaciones de mejoras generados por las nuevas
alternativas estudiadas.
• Obtención y validación de la data

La data histórica relacionada con las detenciones operacionales y
de mantenimiento, programadas o no, relacionadas con los equipos del
proyecto en estudio, se obtienen de instalaciones (plantas o flotas) simi-
lares que se encuentran operando bajo condiciones de trabajo parecidas.
Es importante destacar que, en la medida que la información recabada
y utilizada provenga de los componentes básicos que componen el siste-
ma, es decir, aquellos reparables y remplazables, la información es más
confiable. De ahí la importancia del análisis bottom-up sobre los del tipo
top-down, tradicionalmente utilizado en el desarrollo de proyectos.
• Modelamiento lógico-funcional
Para el modelamiento lógico-funcional del proceso es necesario
identificar el efecto sobre el funcionamiento del sistema producto de la
detención de los equipos. Dicho efecto es resultado de la configuración
del sistema, que genera la interrelación entre los equipos y de su impac-
to sobre la operación del proceso.
Para ello es necesario considerar los criterios de diseño y de opera-
ción definidos en la etapa de la ingeniería que determinan y afectan la
disponibilidad y la utilización (productividad) esperadas del proceso,
para lo que es necesario conocer el nivel de redundancia de los equipos,
243
A. Arata
el grado de fraccionamiento de las instalaciones y las capacidades de

los stock-pile. A partir de lo anterior se obtiene el diagrama lógico-
funcional (RBD) de los equipos que representa el sistema completo, el
que permite modelar el comportamiento de los procesos sobre la base
de su seguridad operacional.
• Simulación RAM del caso base

La simulación RAM permite el estudio de la confiabilidad, dispo-
nibilidad y mantenibilidad esperada para el proyecto en estudio, la que
se ejecuta a través de la plataforma informática R-MES.
En esta etapa se realizan las simulaciones que permiten obtener los
indicadores KPI’s, desagregados a nivel de equipo y agregados a nivel
de los sistema, lo que permite identificar el comportamiento del caso
base del proyecto y su capacidad productiva esperada durante el hori-
zonte de evaluación.
• Simulación RAM de las alternativas de mejora

La definición de alternativas resultan de las mejoras del caso base,
que se obtienen a través de la identificación de los equipos y subsiste-
mas críticos del proceso, identificados por el impacto sobre el negocio
que generan. Las mejoras encontradas permiten la generación de las
nuevas alternativas, las que se modelan para su simulación a través
de la plataforma R-MES con el objetivo de obtener los indicadores
RAM que permiten estimar la productividad asociada a cada mejora.
Finalmente, se estudian distintas combinaciones que se evalúan para
diferentes escenarios.
El esquema de trabajo de la simulación del caso base y de las al-
ternativas de mejora es el mismo, solo varía para cada caso el modelo
lógico-funcional que representa a cada una de ellas.
• Evaluación LCC e identificación de la mejor alternativa

Para el caso base y cada una de las alternativas se determinan, en
esta etapa, los costos de capital, los costos operacionales y los costos de
la falta de producción que resultan de las detenciones no programadas
de los equipos y su impacto sobre el sistema, bajo los distintos escena-
rios considerados.
244
La solución buscada queda determinada por aquella combinación

de alternativas que maximiza los beneficios del negocio, en una pers-
pectiva de los costos durante todo el ciclo vida de las instalaciones
(LCC) evaluadas en el horizonte del proyecto.
3. Desarrollo del caso de una planta de conminución

La metodología presentada puede ser utilizada en cualquier proyec-
to de capital intensivo en activos físicos, tanto de plantas industriales
como flotas de equipos. Como una forma de profundizar y aplicar los
conceptos presentados y solo a modo de ejemplo, se desarrolla el caso
de una planta de conminución de la industria del cobre.
El proyecto que se presenta es una planta diseñada para procesa-
miento de mineral de cobre que entrega, como producto final, con-
centrado. En términos generales se compone de tres etapas: chancado,
molienda, flotación, remolienda y filtrado (estas tres últimas etapas no
están consideradas dentro del estudio).
Para el desarrollo del caso, en una primera etapa es necesario des-
componer el proceso en los cuatro subprocesos que lo contituyen:
chancado primario, chancado secundario, chancado terciario y molien-
da; para luego realizar una simulación de indicadores RAM (Reliabili-
ty, Availability & Mainteinability) del caso base, orientado a identificar
las oportunidades de mejora, que generan las alternativas mejoradas
respecto al caso base.
Los indicadores de dichas alternativas son obtenidos y sensibiliza-
dos en función de la capacidad de acopio de material. Posteriormente
se valoriza cada alternativa y se evalúan, económica y financieramente,
todas las combinaciones posibles, de manera de identificar aquella que
maximice los beneficios del negocio. Dicha evaluación se realiza para
diferentes escenarios, sensibilizando el precio de comercialización del
producto final, el concentrado de Cu.
3.1 Levantamiento del proceso

En esta etapa se define la condición original de diseño del proyec-
to de conminución en estudio (caso base), para lo que se identifican
las características operacionales de los procesos con especial atención,
dado el objeto particular de este estudio, en lo referido a la ubicación
245
A. Arata
y la capacidad de carga de los sistemas de acopio (stock-pile), como

también en las condiciones operacionales aguas arriba y aguas debajo.
3.2 Entendimiento y descripción general del proceso, caso base

La siguiente etapa busca el entendimiento detallado, a nivel de in-
geniería conceptual, del proceso de conminución en estudio, de manera
de determinar la capacidad productiva y las condiciones de operación
del proceso.
La capacidad instalada promedio estimada del proyecto es de
191.520 toneladas diarias [t/d] de mineral. A través de la aplicación de
la Ingeniería de la Confiabilidad se busca determinar la real capacidad
productiva de acuerdo a las condiciones de la seguridad operacional del
proceso, determinadas del análisis de confiabilidad y mantenibilidad.
El estudio se realiza con un análisis bottom-up, el que permita
cuantificar los indicadores sistémicos a partir del comportamiento par-
ticular de los equipos que lo componen. Esto permite verificar el nivel
de la capacidad instalada estimada, como también el cumplimiento de
la producción promedio esperada de 180.000 [t/d]. Para determinar
los niveles de producción esperados y su probabilidad de ocurrencia se
aplica la simulación estocástica de Monte Carlo (SMC), considerando
para ello iteraciones que representan escenarios que van desde condi-
ciones pesimistas hasta optimistas.
El proceso de chancado y molienda del proyecto a evaluar
comprende tres etapas de chancado (primario, secundario y terciario)
y una etapa de molienda. Este proceso es alimentado por el mineral
proveniente de dos minas; la Mina-Norte (MN) y la Mina-Sur (MS).
La Mina-Norte tiene una extracción promedio de 60.000 [t/d], mien-
tras que la Mina-Sur 120.000 [t/d] en promedio.
Mina
Norte
Chancado Chancado Chancado 180.000 [t/d]

Molienda
Primario Sp. Secundario Sp. Terciario Sp.
Mina
Sur
Figura 4.2: Diagrama de flujo del proceso bajo estudio
246
• Chancado primario
El chancado primario se compone de tres líneas, que son abasteci-
das desde las dos operaciones antes mencionadas (Mina-Norte y Mina-
Sur). La primera de ellas es abastecida únicamente por la Mina-Norte,
mientras que las otras dos líneas son abastecidas por la Mina-Sur, con
un arreglo del tipo fraccionado entre ellas.
Debido a que el transporte del mineral desde las minas se realiza
mediante camiones, se considera un nivel de utilización del chancado
primario del 70%, de acuerdo al criterio de diseño definido, ya que se
asume que el chancado no recibe el material de forma continua dado
que camiones entregan un flujo de manera discontinua. Finalmente, el
chancado primario descarga el material procesado sobre un acopio de
mineral de 100.000 toneladas de capacidad de carga viva.
Esta etapa del proceso se compone de la siguiente forma:
(3) chancadores primarios,

(3) chutes de traspaso,
(3) feeder de descarga, y
(2) correas transportadoras con destino al stock-pile.
Se considera que todos los equipos asociados al chancador prima-

rio son dimensionados para soportar el mineral procesado por este,
operando a plena carga.
Alimentación Alimentación Descarga sobre Descarga sobre Mineral sobreta-

Chancador MS Chancador MN Stockpile MS Stockpile MN maño Chancado
1 2 3 4 11
Flujo Nominal [t/h] 2.500 2.500 5.000 2.500 3.611
Flujo de Diseño [t/h] 3.571 3.571 7.143 3.571 4.248
Figura 4.3: Diagrama de proceso del chancado primario
247
A. Arata
• Chancado secundario
El chancado secundario está compuesto por seis líneas de chancado,
que nacen en el stock-pile aguas arriba de este proceso. Estas líneas están
agrupadas de a tres, en la que el mineral de bajo tamaño va directamente
al stock-pile de 80.000 [t] de carga viva, situado aguas abajo del proceso,
mediante dos correas transportadoras, una para cada tres líneas.
Por su parte, el material de sobre tamaño es trasladado a la zona
de chancado, donde su tamaño es reducido mediante seis chancado-
res secundarios en arreglo fraccionado entre sí, con una capacidad de
triturar 1.000 [t/h] de material cada uno. Este material es trasportado
y reintegrado al proceso en el stock-pile ubicado entre el chancado
primario y el chancado secundario. Se espera que este proceso esté
disponible el 85% del tiempo.
Todos los valores dados en términos de utilización o disponibilidad
esperada corresponden a los criterios de diseño para esta etapa del
proceso, definidos en la etapa de la ingeniería conceptual.
Las líneas están compuestas por:
(6) feeder,
(6) correas transportadoras hacia harneros,
(6) harneros,
(6) chancadores secundarios,
(3) correa transportadora de recirculación, y
(2) correa transportadora hacia el stock-pile.
Al igual que para el caso anterior, se considera que todos los equi-
pos asociados a las líneas de chancado están dimensionadas a partir de
la capacidad del chancador secundario.
248
sobretamaño en
Descarga sobre
Descarga sobre
Descarga sobre
sobretamaño
sobretamaño
sobretamaño
sobretamaño
Stockpile MN
Alimentación
Chancadores
Stockpile MS
bajotamaño
Chancado
Chancado
molienda
Stockpile
Mineral
Mineral
Mineral
Mineral
Mineral
Mineral
Líneas
3 4 5 6 7 8 9 10 11 22
Flujo Nominal [t/h] 5.000 2.500 1.852 1.250 602 3.750 1.806 602 3.611 4.220
Flujo de Diseño [t/h] 7.143 3.571 2.179 1.471 708 4.412 2.124 708 4.248 4.489
Figura 4.4: Diagrama de proceso del chancado secundario
• Chancado terciario
El circuito del chancado terciario está compuesto por tres líneas frac-
cionadas que nacen en el stock-pile aguas arriba a esta etapa del proceso.
Cada línea tiene dos chancadores, también en arreglo fraccionado entre
sí. Cada uno de ellos tiene la capacidad de procesar 2.800 [t/h] de mate-
rial. Los chancadores seleccionados para este proceso son del tipo High
Pressure Grinding Rolls (HPGR) y tienen como misión chancar todo el
mineral, ya que no existe una pre selección en esta etapa del proceso.
Las líneas terminan integrándose en una correa transportadora co-
mún que tiene como destino el stock-pile aguas abajo del proceso de
chancado terciario. Este stock-pile tiene una capacidad de carga viva
de 80.000 [t] (este proceso se evalúa bajo el supuesto que se encuentra
disponible el 92% del tiempo total de operación).
Las líneas se componen de los siguientes equipos:
249
A. Arata
(6) feeder para las correas transportadoras,

(3) correas transportadoras,
(6) feeder para los HPGR,
(6) HPGR, y
(1) correa transportadora con destino al stock-pile aguas abajo.
Se considera el mismo supuesto de los casos anteriores para los

equipos asociados al HPGR.
Descarga sobre Alimentación Alimentación Descarga sobre Mineral sobreta-

Stockpile Líneas HPGR Srockpile maño molienda
8 12 13 14 22
Flujo Nominal [t/h] 3.750 1.953 1.953 11.720 4.220
Flujo de Diseño [t/h] 4.412 2.219 2.219 13.313 4.489
Figura 4.5: Diagrama de proceso del chancado terciario
• Molienda
La molienda es la etapa final del proceso de conminución, nace del
stock-pile aguas abajo al circuito HPGR y consta de cinco líneas princi-
pales que culminan en cinco molinos de bolas. Estas líneas inicialmente
están subdividas en otras dos, que alimentan diez harneros clasificado-
250
res (dos por cada molino). El material con sobre tamaño proveniente
de los harneros es recirculado a través de una correa común a todos los
harneros hacia el stock-pile aguas arriba al circuito HPGR, mientras
que el material de bajo tamaño pasa a la etapa de molienda propiamen-
te tal. Para el proceso final, con el fin de poder cumplir con la meta de
producción, se espera una utilización del sistema de 94%.
Líneas de alimentación se componen de los siguientes equipos:
(10) feeder y
(10) harneros.
Mientras que la molienda se constituye con los equipos siguientes:
(5) bombas de alimentación de hidrociclón,

(5) cluster de hidrociclones, y
(5) molinos de bolas.
Línea de recirculación:
(1) correa transportadora con destino al stock-pile aguas arriba a

los HPGR.
251
A. Arata
Salida proceso
sobretamaño
sobretamaño
hidrociclones
Alimentación
Alimentación
Alimentación
Alimentación
conminución
bajotamaño
molienda
Stockpile
Descarga
bombas
Mineral
Mineral
Mineral
batería
molino
Líneas
14 15 16 17 18 19 20 21 22
Flujo Nominal [t/h] 11.720 1.172 750 422 1.500 6.000 4.500 1.500 4.220
Flujo de Diseño [t/h] 13.313 1.247 758 449 1.596 6.383 4.787 1.596 4.489
Figura 4.6: Diagrama de proceso de la molienda
3.3 Obtención y validación de la data

Para la optimización del proceso de conminución en estudio, es ne-
cesario contar con información histórica de detenciones de los equipos
reales, ya que el cálculo de impacto de los sistemas de acopio sobre la con-
fiabilidad del sistema así lo requiere. Basado en este principio y como no
existe información propia de los equipos del proyecto en estudio, se realiza
un benchmark con otras operaciones mineras similares relacionada con la
capacidad productiva, las condiciones de operación y las características
geográficas. Para este caso particular, la obtención de la historia de deten-
ciones reales por equipos proviene de cinco operaciones mineras.
La información recabada de las cinco operaciones mineras antes
mencionadas corresponde a un total de 8.732 datos de registro de
252
detenciones, pertenecientes a 74 equipos. Esta información corres-

ponde a un periodo de tiempo reciente de un año. El registro del data
se compone de:
• detenciones operacionales (DO);

• mantenimiento correctivo (MC) de tres tipos diferentes: mecánica
(M), instrumental (I) y eléctrica (E); y
• mantenimiento preventivo (MP)
La composición de la data histórica de fallas se muestra en la tabla

adjunta, considerando el total del universo de 8.732 datos.
DO MC MP Total
Cant. de datos 5.452 2.893 387 8.732
Tabla 4.1: Resumen de tipos de detenciones presente en la información histórica
Es necesario adaptar la información proveniente de las operaciones

mineras en su forma para poder utilizarla en la plataforma informática
R-MES, dado que esta requiere de campos de información claramente
definidos, como los presentados a continuación:
Fecha Hora Duración Tipo Equipo Impacto Det. Sistema
01-01-2010 11:38:46 5,35 MCM Equipo_1 1 0
01-01-2010 11:45:41 4,2 DO Equipo_2 1 0
06-01-2010 06:18:14 40,6 MP Equipo_3 1 0
08-01-2010 01:38:41 2,25 MCE Equipo_4 1 0
08-01-2010 04:48:58 0,16 MCI Equipo_1 1 0
Tabla 4.2: Formato tipo de importación de información con que trabaja R-MES
Finalmente, junto a esta valiosa información se determinan los in-

dicadores de Disponibilidad (A) y de Utilización corregida (UC) del
proceso de conminución, lo que que permite optimizar el diseño con-
siderando la Confiabilidad Operacional a través de la aplicación de la
Ingeniería de la Confiabilidad.
3.4 Modelamiento y diagramación lógico-funcional del proceso

A continuación se presentan las configuraciones lógico-funcionales
(RBD) de los sistemas de los equipos que componen cada proceso, y se
253
A. Arata
definen los niveles de capacidad ociosa para los casos que corresponda,
como lo son para los equipos y/o los subsistemas fraccionados.
Figura 4.7: Diagrama lógico-funcional del chancado primario
254
Figura 4.8: Diagrama lógico-funcional del chancado secundario
Figura 4.9: Diagrama lógico-funcional del chancado terciario
255
A. Arata
• Molienda
Figura 4.10: Diagrama lógico-funcional de la molienda
3.5 Simulación RAM del caso base y simulación

de alternativas de mejora
La simulación RAM del caso base y de las alternativas mejoradas,
mediante la simulación pseudoaleatoria de Monte Carlo, permite la
obtención de los indicadores de disponibilidad y utilización corregida-
para cada uno de los procesos en estudio. Para ello, en una primera
etapa, solo se simula el caso base de cada proceso y se sensibilizan sus
indicadores variando la capacidad de acopio de los stock-pile aguas
abajo a los respectivos procesos, para, finalmente, incorporar oportu-
nidades de mejora a través de la redundancia a los equipos críticos de
los procesos. Los equipos críticos son identificados a través de R-MES
o a través de criterio experto. Para estos casos también se realiza la
simulación RAM y la sensibilización de los niveles de acopio.
Al simular un sistema mediante la plataforma informática R-MES
se obtienen gráficos de distribución, tanto para el indicador de dispo-
256
nibilidad como para la utilización, tal como se muestra en la figura

presentada a continuación.
Figura 4.11: Histogramas de distribución de probabilidad
Para la obtención de la disponibilidad y de la utilización se con-

sidera el valor da las medianas de las correspondientes distribucio-
nes. Simulando con distintas capacidades de acopio aguas abajo se
obtiene una curva que representa la variación de la disponibilidady
de la utilización corregida en función de la carga viva del stock-pile,
tal como se muestra, a modo de ejemplo para la disponibilidad, en la
siguiente figura:
Figura 4.12: Sensibilización de la disponibilidad del chancado

primario en función de la capacidad de acopio
257
A. Arata
3.6 Resultados por proceso

Para seleccionar la mejor alternativa técnica y económica es ne-
cesario identificar las diferentes opciones mejoradas para cada uno
de los procesos, para luego seleccionar la combinación, entre las di-
ferentes alternativas mejoradas y el caso base de cada uno de los
procesos, que maximice el beneficio económico para los diferentes
escenarios considerados.
A continuación se presenta los resultados de Disponibilidad (A) y
Utilización corregida (UC) para cada proceso, asociado al caso base y
a cada una de las alternativas mejoradas:
Chancado primario
Chancado secundario
Chancado terciario
Molienda
Para el caso del chancado primario se considera la evaluación de
dos escenarios: el caso base, con un stock-pile de 100.000 ton.de carga
viva y la alternativa mejorada descrita a continuación.
Descripción alternativa de mejora 1:

La alternativa mejorada busca robustecer el chancado primario
con el objeto de disminuir la capacidad de carga viva necesaria en el
acopio. Para ello se considera la alternativa en la que todas las líneas
están fraccionadas hasta el acopio, lo que significa que los dos chanca-
dores que procesan el material proveniente de la Mina-Sur no descar-
gan a una correa común, sino que cada uno de ellos tiene una correa
independiente hasta el acopio.
Resultados chancado primario:
258
Figura 4.13: Gráfico Disponibilidad y Utilización chancado primario
Para el caso del chancado secundario se considera la evaluación de
cuatro alternativas: el caso base con un stock-pile de 80.000 ton. de
carga viva y tres alternativas mejoradas descritas a continuación.

Para definir la alternativa mejorada se busca identificar el equipo o
los equipos críticos a través de la plataforma R-MES que permite visua-
lizar todos los equipos del proceso en una matriz de iso-criticidad que re-
laciona la indisponibilidad intrínseca de cada equipo y su impacto sobre
el sistema, tal como se muestra en el gráfico presentado a continuación.
259
A. Arata
Índice Equipo
1 Correa SP L2
2 Correa Recir 2
3 Feeder 6
4 Correa 6
5 Harnero 6
6 Feeder 4
7 Correa 4
8 Harnero 4
9 Feeder 5
10 Correa 5
11 Harnero 6
12 Correa SP L1
13 Correa Recir 1
14 Feeder 1
15 Correa 1
16 Harnero 1
17 Feeder 2
18 Correa 2
19 Harnero 2
20 Feeder 3
21 Correa 3
22 Harnero 3
Correa a
23 Chancadores
24 Chancador 1
25 Chancador 2
26 Chancador 3
27 Chancador 4
Figura 4.14: Gráfico de iso-criticidad de los equipos que 28 Chancador 5
29 Chancador 6
componen el chancado secundario 30 Correas material
chancado
De la matriz de iso-criticidad se desprende que el equipo más críti-

co es la correa transportadora encargada del traslado del material con
sobre tamaño desde los harneros a la zona de chancadores.
Como resultado de este análisis, la alternativa mejorada es la incor-
poración de una correa adicional a la existente para el transporte de
material con sobre tamaño desde los harneros hacia los seis chancado-
res secundarios, de manera que cada una de ellas alimente a tres chan-
cadores definidos. Dado que con esta alternativa mejorada se genera
un fraccionamiento a nivel de las líneas de chancado, compuesto por
una correa por cada tres chancadores, el fraccionamiento entre líneas
es de 70,62% cada una, manteniendo el mismo nivel de capacidad
ociosa que en el caso base. Para la alternativa mejorada del chancado
secundario se asume que el resto del proceso se mantiene bajo las mis-
mas operacionales.

Se evalúa una segunda alternativa de mejora relacionada con los
harneros encargados de clasificar el material. La alternativa de mejora
consiste en aumentar la capacidad de los harneros desde 20% del ma-
terial, que procesa cada uno al 25%, con lo que resulta un proceso con
un 50% de capacidad ociosa instalada.
260
Dicha mejora se simula para analizar el nivel de impacto que tiene

sobre la disponibilidad y utilización corregida. Esto se realiza sin con-
siderar la existencia de un acopio de material aguas abajo del proceso.

Finalmente se estudia una tercera alternativa de mejora, que inte-
gra las dos oportunidades de mejora presentadas anteriormente. Dado
que las alternativas mejoradas son conocidas, a continuación solo se
presentan la disponibilidad de esta alternativa mejorada, sin considerar
la existencia de un acopio tal como se realiza durante todo el estudio.
Se obtienen los siguientes resultados para la Disponibilidad y Utiliza-
ción corregida.
Resultados del chancado secundario:
Figura 4.15: Gráfico Disponibilidad y Utilización chancado secundario
Para el caso del chancado terciario se considera la evaluación de cua-
tro alternativas: el caso base con un stock-pile de 80.000 ton. de carga
viva y tres alternativas mejoradas que se describen a continuación.
261
A. Arata
Descripción alternativa mejora 1:

Para definir la alternativa mejorada se busca identificar el equipo o
los equipos críticos a través de la plataforma R-MES que permite visua-
lizar todos los equipos del proceso en una matriz de iso-criticidad que re-
laciona la indisponibilidad intrínseca de cada equipo y su impacto sobre
el sistema, tal como se muestra en el gráfico presentado a continuación.
Índice Equipo
1 Correa a Stockpile
2 Correa L1
3 Feeder 1
4 Feeder 2
5 HPGR 1
6 HPGR 2
7 Correa L2
8 Feeder 3
9 Feeder 4
10 HPGR 3
11 HPGR 4
12 Correa L3
13 Feeder 5
14 Feeder 6
15 HPGR 5
16 HPGR 6
Figura 4.16: Gráfico de iso-criticidad de los equipos

que componen el chancado terciario
De la matriz de iso-criticidad se desprende que la criticidad se rela-

ciona con los chancadores HPGR.
Por lo que la alternativa mejorada consiste en incrementar la capaci-
dad de estos equipos, con el objeto de aumentar el nivel de redundancia
para esta etapa del proceso para así hacerlo más robusto. Este cambio
significa incrementar el nivel de fraccionamiento desde un 51,82% a un
65%, para los seis HPGR existentes. Para la alternativa mejorada se pro-
cede a recalcular la disponibilidad y la utilización corregida del proceso.
Como en los casos anteriores, esta simulación se realiza sin considerar
la existencia de un acopio aguas abajo del proceso, a fin de evaluar el
impacto que la mejora tiene, por sí sola, sobre los indicadores.

Al igual que para el chancado secundario, se obtiene una nueva al-
ternativa mejorada que no considera los cambios realizados en la alter-
nativa mejorada 1, sino que toma como punto de partida el caso base.
262
Esta alternativa mejorada considera la incorporación de una co-

rrea en paralelo a la existente para el transporte del material chancado
hacia el acopio aguas abajo del proceso, con el objeto de aumentar la
robustez del proceso de chancado terciario.

La última alternativa de mejora es la integración de las dos alter-
nativas anteriores, por lo que considera el incremento de la capacidad
de trabajo de los HPGR y la incorporación de una correa en paralelo
a la correa encargada de transportar el material chancado al acopio
aguas abajo.
Resultados chancado terciario:
Figura 4.17: Gráfico Disponibilidad y Utilización chancado terciario
• Molienda
Para el caso de la molienda se considera la evaluación de cuatro
alternativas mejoradas. Es importante mencionar que este proceso no
cuenta con stock-pile, a diferencia de los procesos anteriormente anali-
zados que cuentan un con un acopio de material aguas abajo. Esta situa-
ción expone al proceso a una condición de mayor criticidad operacional,
dado que el proceso no cuenta con un sistema de acopio de respaldo.
263
A. Arata
Descripción alternativa mejorada 1:

La alternativa mejorada consiste en dejar a los harneros en una
condición de operaciónen paralelo.
Descripción alternativa mejorada 2:

La alternativa mejorada busca superar la condición de mayor im-
pacto sobre el sistema, generada por el equipo o los equipos. El gráfico
presentado a continuación entrega la condición de criticidad de cada
equipo del proceso en estudio.
Índice Equipo
1 Correa 1
2 Molino L1
3 Bombas hidro L1
4 Hidrociclon L1
5 Feeder L1
6 Harnero L1
7 Feeder L2
8 Harnero L2
9 Bombas hidro L2
10 Molino L2
11 Hidrociclon L2
12 Feeder L3
13 Harnero L3
14 Feeder L4
15 Harnero L4
16 Bombas hidro L3
17 Molino L3
18 Hidrociclon L3
19 Feeder L5
20 Harnero L5
21 Feeder L6
22 Harnero L6
23 Bombas hidro L4
24 Molino L4
25 Hidrociclon L4
26 Feeder L7
27 Harnero L7
28 Feeder L8
29 Harnero L8
30 Hidrociclon L5
31 Bombas hidro L5
32 Molino L5
33 Feeder L9
34 Harnero L9
Figura 4.18: Gráfico de iso-criticidad de los equipos 35 Feeder L10
36 Harnero L10
que componen la molienda
Del gráfico es posible visualizar que el equipo crítico es la correa

encargada de recircular el material con sobre tamaño desde los har-
neros seleccionadores hacia el stock-pile aguas arriba del chancado
terciario. Esta situación de criticidad de la correa se debe a que este
equipo es el único encargado de realizar esta función, por lo que está en
una condición de operación en serie con todo el proceso. La alternativa
mejorada es la incorporación de una correa adicional de iguales carac-
terísticas a la correa existente en condición de operación en paralelo.
264

Esta alternativa mejorada resulta de la integración de las dos alter-
nativas definidas anteriormente.
Descripción alterativa de mejora 4:

Para esta alternativa mejorada se mantienen todos los niveles de
fraccionamiento de la alternativa anterior, variando solo el nivel de
fraccionamiento sistémico de las cinco líneas de producción que com-
ponen este proceso, desde la condición actual, en que las cinco líneas
operan sin capacidad ociosa; hasta la situación en la que se cuente
con un 10% de sobre capacidad total. En esta alternativa mejorada se
analizan dos opciones, una que presenta una capacidad ociosa en el
fraccionamiento del 21% (4a) y la otra del 22% (4b).
Resultados de la molienda:
Alternativa de Alternativa de Alternativa de Alternativa de Alternativa de

Situación Base
mejora 1 mejora 2 mejora 3 mejora 4.a mejora 4.b
Incorporación Incorporación Incorporación Considera la situa- Considera la situa-
de capacidad de una correa de la mejora ción mejorada 3 ción mejorada 3 e
Descripción
ociosa en los para el material 2 y 3. o incorpora capa- incorpora capacidad

- harneros, pa- con sobre tama- cidad ociosa a las ociosa a las líneas
sando de 50% ño, en paralelo a líneas de molienda de molienda que-
a 100% c/u. la existente. quedando con dando con 22% c/u.
21% c/u.
Disponibilidad
90,85% 91,84% 93,85% 94,61% 95,49% 96,40%

Utilización
Corregida
85,27% 88,89% 89,72% 93,58% 94,61% 95,68%
Figura 4.19: Gráfico Disponibilidad y Utilización molienda
3.7 Estimación de capex y opex de las distintas

alternativas en estudio
Para realizar la optimización del proceso de comninución se debe
considerar la disponibilidad y la utilización corregida para cada una
de las alternativas mejoradas asociadas con las correspondientes con-
diciones económicas, definidas por los costos de inversión (CAPEX) y
265
A. Arata
los costos operacionales (OPEX) durante todo el ciclo de vida de los

equipos (LCC) en el horizonte de evaluación del proyecto.
• Factor de escalamiento
Para estimación del CAPEX se utiliza la metodología del factor de
escalamiento de Williams, representado por una relación que establece
que los costos de capital y de producción por unidad producida dismi-
nuyen en la medida que la capacidad del equipo aumenta.
(4.1)
Dónde:
CA=costo de la unidad A
CB=costo de la unidad B
XA=capacidad de la unidad A
XB=capacidad de la unidad B
w=factor de escalamiento de Williams
Si bien cada instalación tiene su propio factor de escalamiento, el

valor típicamente utilizado es 0,6, también conocido como el factor
de los seis décimos.
A continuación se presentan los factores de Williams de los equi-

po del proceso de conminución en estudio, para la estimación del
costos de capital.
Chancado Primario
Equipo Índice de Williams
Chute 0,35
Chancador Primario 1,2
Feeder 0,6
Correa Overland Mina Sur 0,6
Correa Overland Mina Norte 0,6
Tabla 4.3: Índice de Williams utilizado para los

equipos del chancado primario
266
Chancado Secundario
Chute 0,35
Feeder 0,6
Correa Trans. A. Harneros 0,6
Harnero 0,6
Correa Trans. Salida Proceso 0,6
Correa Trans. Sobre-tamaño 0,6
Correa Trans. Alimentación Chancadores 0,6
Correa Trans. Material Chancado 0,6
Chancador Secundario 0,35

equipos del chancado secundario
Chancado Terciario
Chute 0,35
Feeder 0,6
Correa Trans. 0,6
HPGR 1,1
Correa Trans. Salida 0,6
Tabla 4.5: Índice de Williams utilizado para los equipos del chancado terciario
Molienda
Feeder 0,6
Harnero 0,6
Bomba Hidrociclón 0,5
Cluster Hidrociclón 0,6
Molino de Bolas 0,65
Correa Trans. Recirculación 0,6
Tabla 4.6: Índice de Williams utilizado para los equipos de la molienda
Estos índices se consideran para la estimación del capital fijo para

cada una de las alternativas mejoradas y para el caso base de las distin-
tas etapas del proceso de conminución.
• Estimación de capital fijo

El nivel de certeza para la estimación de los costos de capital fijo
depende del nivel de avance del desarrollo del proyecto, para lo que
267
A. Arata
existen diferentes metodologías. A nivel de estudio de prefactibilidad

es posible considerar métodos como Lang, Proporción al costo de los
equipos, Lang y Chilton modificado, Vilbrandt y Dryen, entre otros.
Para la estimación del costo de capital fijo del caso en estudio
se considera el método Lang. Este método diferencia por tipo de
proceso (sólido, sólido-fluido y fluido) y se basa en los costos de los
equipos que componen la instalación. En la tabla presentada a con-
tinuación se entrega la composición de los diferentes costos para la
estimación correspondiente.
Proceso
Proceso Sólido Proceso Fluido
Sólido-Fluido
Costo directo
Equipos de proceso sin instalar 100% 100% 100%
Costo de instalación 45% 39% 47%
Instrumentación 9% 13% 18%
Cañerias 16% 31% 66%
Instalación eléctrica 10% 10% 11%
Edificiós 25% 29% 18%
Urbanización 13% 10% 10%
Instalaciones auxliares 40% 55% 70%
Terreno 6% 6% 6%
Total Costo directo 264% 293% 346%
Costo indirecto
Ingeniería y Supervición 33% 32% 33%
Gastos de construcción 39% 34% 41%
Total Costo indirecto 72% 66% 74%
Total Costos directos e indirectos 336% 359% 420%
Utilidad contratistas 17% 18% 21%

Contingencias 34% 36% 42%
Total Capital Fijo 387% 413% 483%
Tabla 4.7: Desglose de los factores considerados para

el método de Lang para la estimación de capital fijo
Fuente: Chemical Engineering
Considerando que el caso en estudio es un proceso sólido, el costo

de capital fijo es 3,87 veces los costos de los equipos sin instalar. Es
importante señalar que todos los valores y costos que se presenten a
lo largo del estudio económico están valorizados en dólares estadouni-
denses (US$).
268
Los valores de los costos de los equipos sin instalar, que componen
el proceso en estudio, son los que se muestran en las tablas que siguen.
Chancador Primario
Costos
Equipo Capacidad [t] Índice de Williams Equipo
Chute 500 0,35 $ 0,0
Chancador Primario 5.500 1,2 $ 7.000.000,0
Feeder 5.500 0,6 $ 1.000.000,0
Correa Overland Mina Sur 7.150 0,6 $ 3.500.000,0
Correa Overland Mina Norte 3.580 0,6 $ 2.800.000,0
Tabla 4.8: Costo de capital fijo e índice de Williams de los

equipos base del Chancado Primario
Chancador Secundario
Costos
Chute 500 0,35 $ 0,0
Feeder 2.180 0,6 $ 375.000,0
Correa Trans. A Harneros 2.180 0,6 $ 550.000,0
Harnero 2.180 0,6 $ 600.000,0
Correa Trans. Salida Proceso 4.415 0,6 $ 1.050.000,0
Correa Trans. Sobre-tamaño 2.125 0,6 $ 800.000,0
Correa Trans. Alimentación Chancadores 4.250 0,6 $ 1.200.000,0
Correa Trans. Material Chancado 4.250 0,6 $ 1.200.000,0
Chancador Secundario 1000 0,35 $ 3.200.000,0
Tabla 4.9: Costo de capital fijo e índice de Williams de

los equipos base del Chancado Secundario
Chancador Terciario
Costos
Chute 500 0,35 $ 0,0
Feeder 2.220 0,6 $ 375.000,0
Correa Trans. 4.440 0,6 $ 1.300.000,0
HPGR 2.300 1,1 $ 9.000.000,0
Correa Trans. Salida 13.350 0,6 $ 3.500.000,0

los equipos base del Chancado Terciario
Molienda
Costos
Feeder 1.250 0,6 $ 375.000,0
Harnero 1.250 0,6 $ 600.000,0
Bomba Hidrociclón 6.390 0,5 $ 450.000,0
Cluster Hidrociclón 6.390 0,6 $ 600.000,0
Molino de Bolas 4.790 0,65 $ 20.000.000,0
Correa Trans. Recirculación 4.490 0,6 $ 680.000,0

los equipos base de la Molienda
269
A. Arata
Para los acopios se estima que el CAPEX de dichos sistemas de

almacenaje es de $ 1.000 [US$/t de carga viva], con un factor de es-
calamiento nulo (w=1) ya que la inversión crece linealmente con el
volumen acumulado ya que, tanto la capacidad viva como la capacidad
muerta aumentan de manera proporcional.
Finalmente se presentan los valores de capital fijo que se obtienen
para las distintas alternativas.
Chancado Chancado Chancado
Molienda
Primario Secundario terciario
Capital Fijo (US$) Capital Fijo (US$) Capital Fijo (US$) Capital Fijo (US$)
Caso Base $ 127.161.000,0 $ 153.121.500,0 $ 266.125.500,0 $ 447.681.600,0
Situación Mejorada 1 $ 135.288.000,0 $ 154.605.294,7 $ 325.798.523,3 $ 467.140.875,3
Situación Mejorada 2 - $ 158.194.501,4 $ 279.670.500,0 $ 450.313.200,0
Situación Mejorada 3 - $ 159.678.296,1 $ 339.343.523,0 $ 469.772.475,3
Situación Mejorada 4.a - - - $ 484.684.618,2
Situación Mejorada 4.b - - - $ 504.405.296,8
Tabla 4.12: Resumen de capital fijo para las distintas alternativas por proceso
• Capital de trabajo
A nivel de la ingeniería de prefactibilidad, es posible estimar el ca-
pital de trabajo en función del capital fijo, de las ventas totales espera-
das o de las unidades producidas.
Para el caso en estudio se estima que el capital de trabajo es equi-
valente al 30% de las ventas anuales esperadas. Dado que las ventas
estimadas ascienden a US$ 2.700.000.000, el capital de trabajo consi-
derado es de US$ 810.000.000 por año.
• Costos operacionales
Para estimar los costos operacionales anuales del proyecto se consi-
dera un costo fijo de US$ 215.000.000, y un costo variable de US$ 0,55
por libra de concentrado de cobre producida.
3.8 Optimización del proceso de conminución

Para identificar la mejor solución del caso en estudio se requiere
buscar aquella combinación, entre las diferentes alternativas mejora-
das y del caso base de cada uno de los cuatro procesos, que maximice
el beneficio económico durante el horizonte del proyecto.
270
La solución se obtiene relacionando la utilización corregida (pro-

ductividad) de cada alternativa mejorada y del caso base asociada a los
cuatro procesos con los respectivos costos de CAPEX y OPEX, pro-
ducto del compromiso que existe entre el aumento de la seguridad de
funcionamiento (reducción de las pérdidas por detenciones) y el incre-
mento de los costos (capital y operacional). Lo que se busca es el justo
equilibrio entre los niveles de confiabilidad y mantenibilidad (seguri-
dad operacional) y los costos de inversión y operación, de manera de
lograr los mejores resultados del negocio a lo largo del horizonte del
proyecto (modelo del LCC).
• Variables de entorno
Las variables del entorno son todas aquellas que están dadas por
las condiciones exógenas. Estas variables generan diferentes escenarios
posibles que influyen en los resultados y retornos esperados del pro-
yecto de capital.
En los proyectos de capital relacionados con el sector minero, como
es el caso en estudio, además de las condiciones legales locales, una de
las variables de gran impacto sobre la conveniencia económica de su
desarrollo es el valor al cual este metal se comercializa. Proyectos que
hace algunos años quedaban postergados por su bajo o nulo retorno
económico, hoy aparecen como alternativas interesantes de inversión
por el alto beneficio esperado durante su operación.
A continuación se presentan las variables exógenas consideradas
para la evaluación y optimización del caso en estudio.
Variable Cantidad Unidad

Precio del concentrado de Cobre $ 3,40 [US$/lb concentrado de Cu]
Impuesto a la renta 17% -
Impuesto especifico: Royalty 5% -
Impuesto por retiro de utilidades 18% -
Tabla 4.13: Variables de entorno del proyecto
Se asume que no hay retiro de utilidades desde el territorio nacional,

manteniendo los capitales en el país de la explotación. Para el caso de
modificar esta condición sería necesario cambiar la tasa impositiva con
el impacto que ello significa sobre los resultados económicos esperados.
Si bien para el caso en estudio se establece un precio para el con-
centrado de cobre, por la importancia de esta variable, en términos de
271
A. Arata
su valor y de sus variaciones, se realiza una sensibilización de ella en

los resultados esperados, de manera de obtener un amplio espectro de
condiciones para la toma de decisiones.
• Variables propias del proyecto

Las variables propias del proyecto son todas aquellas que caracte-
rizan el proyecto, dados las condiciones y los criterios de diseño adop-
tados. Si bien con la variación de estas variables también es posible
sensibilizar los resultados esperados, para el caso es estudio estas no
se modifican para la búsqueda de la solución óptima, ya que el alcance
del presente estudio se relaciona con la seguridad operacional a través
de la aplicación de la Ingeniería de la Confiabilidady no persigue la
optimización de las operaciones unitarias definida por la ingeniería de
proyecto. La manera ideal para enfrentar los proyectos de capital es
con la integración de los ingenieros de proyecto y de los ingenieros de
confiabilidad, así como con la incorporación de estos últimos desde
el desarrollo de la ingeniería conceptual, de forma que los conceptos
de la seguridad operacional y el costo del ciclo de vida de los equipos
sea una de las variables para la toma de decisiones relacionadas con la
definición del proyecto.
Las variables consideradas para el caso en estudio, propias de la
industria del cobre, son las que se presentan a continuación.

Ley del mineral 0,58% [Cu/material]
Tiempo de operación anual 365 días
Horizonte de evaluación 25 años
Costos operacionales $ 0,55 [US$/lb concentrado de Cu]
Costos fijos $ 215.000.000,00 [US$/año]
Tasa de retorno 10% -
Costo de acopio de material $ 1.000,00 [US$/t acopiada de carga viva]
Capital de trabajo $ 810.000.000,00 [US$]
Depreciación lineal 10 [años]
Capacidad instalada 191.520 [T material promedio diario]
Tabla 4.14: Variables propias del proyecto
• Procesos complementarios
Si bien el caso en estudio se ha focalizado en la fase del proceso de
conminución, es importante recordar que para la obtención de concen-
272
trado de cobre se requiere de otras fases del proceso, relacionadas con

la mina y la flotación.
Estos dos procesos complementarios no han sido estudiados y ana-
lizados en el presente estudio, única y exclusivamente porque el objeto
de la presentación de este caso es mostrar el aporte de valor y la manera
metodológica de la aplicación de la Ingeniería de la Confiabilidad a tra-
vés del enfoque y su correspondiente plataforma informática R-MES.
Indudablemente que para la optimización de todo el proyecto es
necesario desarrollar un estudio similar al realizado, esta vez orien-
tado a la búsqueda de alternativas de mejoras de la disponibilidad y
de la utilización, y los costos asociados de los procesos aguas arriba y
aguas abajo del proceso de conminución dado su relación e impacto
en la productividad del proyecto.
Como una forma de entregar los resultados globales del proyecto,
sin aplicar la Ingeniería de Confiabilidad a los procesos de la mina y de
la flotación, se considera para los procesos complementarios indicados
los valores presentados a continuación.
CAPEX de los procesos anexos $ 850.000.000,00 [US$]
Disponibilidad 99,0% -
Utilización Corregida 98,5% -
Tabla 4.15: Variables de los procesos anexos
• Evaluación LCC
Tal como se ha mencionado anteriormente, la evaluación LCC se
realiza combinando las distintas alternativas mejoradas de cada proce-
so del caso en estudio, considerando las condiciones definidas para los
procesos complementarios.
Para las tres etapas de chancado cada alternativa mejorada, incluyendo
el caso base, se relacionan con una determinada capacidad de acopio para
obtener los diferentes indicadores de confiabilidad de cada una de ellas.
En la figura presentada a continuación se esquematizan las distin-
tas combinaciones de los casos mejorados (alternativas) y el caso base
de cada uno de los procesos, a los que se realiza la evaluación LCC con
el objeto de encontrar aquella combinación que maximice los benefi-
cios del negocio para un escenario determinado.
273
A. Arata
Chancado Primario Chancado Secundario Chancado Terciario Molienda
Caso Base
Caso
Caso Base Caso Base Alternativa 1
Mejorado 1
acopio matrerial
acopio matrerial
Caso
Capacidad de
Capacidad de
Caso Base Caso Caso
de material
Capacidad
de acopio
Procesos Mejorado 1 Mejorado 1 Mejorado 2
Anexos Caso Caso Caso
Caso
Mejorado 1 Mejorado 2 Mejorado 2 Mejorado 3
Caso Caso Caso

Mejorado 3 Mejorado 3 Mejorado 4.a
Caso
Alternativa 2
Mejorado 4.b
Figura 4.20: Esquematización de selección de las distintas

alternativas para evaluación LCC
• Resultados de la evaluación LCC

La evaluación LCC se realiza a cada una de las combinaciones de las
alternativas, considerando los indicadores individuales de disponibilidad
y utilización de cada alternativa para los diferentes procesos y su cuanti-
ficación en términos CAPEX y de OPEX, con el objetivo de identificar la
utilización sistémica y su beneficio sobre el negocio, para lo cual se deben
considerar, tanto las variables de entorno, como las propias del proyecto
definida anteriormente. Esto se esquematiza en la figura siguiente:
Variables propias Evaluación LCC Variables de

del proyecto (Crystal Ball) entorno
Figura 4.21: Esquema de evaluación LCC
274
A continuación se presentan las combinaciones de los procesos que

definen la solución óptima para cada escenario, sensibilizados a través
de la modificación de las variables del entorno, en particular, el precio
de comercialización del concentrado de Cu.
Valor del Concentrado de Cu 1,5 [US$/lb] 2,0 [US$/lb] 2,5 [US$/lb] 3,0 [US$/lb]
Capacidad Capacidad Capacidad Capacidad
Escenario Escenario Escenario Escenario
de Acopio de Acopio de Acopio de Acopio
Chancado Primario Base 50.000 Base 50.000 Base 50.000 Mejorado 1 50.000
Chancado Secundario Mejorado 3 10.000 Mejorado 3 10.000 Mejorado 3 20.000 Mejora 3 20.000
Chancado Terciario Base 10.000 Base 10.000 Base 10.000 Base 10.000
Molienda Mejorado 4.b - Mejorado 4.b - Mejorado 4.b - Mejorado 4.b -
Valor del Concentrado de Cu 3,4 [US$/lb] 4,0 [US$/lb] 4,5 [US$/lb] 5,0 [US$/lb]
Procesos Capacidad Capacidad Capacidad Capacidad
Escenario Escenario Escenario Escenario
de Acopio de Acopio de Acopio de Acopio
Chancado Primario Mejorado 1 50.000 Mejorado 1 50.000 Mejorado 1 50.000 Mejorado 1 50.000
Chancado Secundario Mejorado 3 40.000 Mejorado 3 40.000 Mejorado 3 40.000 Mejorado 3 40.000
Chancado Terciario Base 10.000 Base 10.000 Mejorado 2 20.000 Mejorado 2 20.000
Molienda Mejorado 4.b - Mejorado 4.b - Mejorado 4.b - Mejorado 4.b -
Tabla 4.16: Tabla resumen con las soluciones óptimas para cada entorno
Dicha selección de mejores alternativas proviene de la siguiente

combinación:
Figura 4.22: Esquematización de las alternativas óptimas seleccionadas
275
A. Arata
Las combinaciones que se presentan como soluciones óptimas para

cada precio del concentrado de Cu son las que maximizan el beneficio
del negocio, es decir, son aquellas combinaciones que presentan el ma-
yor VAN entre todas las evaluadas.
En la tabla siguiente se entregan los resultados de la evaluación
LCC de cada escenario (los resultados expuestos corresponden a los
valores medios).
Producción Producción esperada
U CAPEX OPEX Venta estimada anual VAN Payback
Valor del Conc. de Cu esperada diaria de concentrado de Cu TIR
sistémica [US$] [US$] [US$] [US$] [año]
[t/día] [lb/año]
1,5 [US$/lb] 91,75% $ 1.977.370.092,9 $ 666.049.755,8 175.714,1 371.986,8 $ 1.230.135.697,6 -$ 176.991.366,4 6 9,4%
2,0 [US$/lb] 91,75% $ 1.977.370.092,9 $ 666.049.755,8 175.714,1 371.986,8 $ 1.640.180.930,1 $ 2.808.175.328,3 4 18,8%
2,5 [US$/lb] 92,00% $ 1.987.370.092,9 $ 667.309.169,7 176.204,7 373.025,4 $ 2.055.950.771,3 $ 5.807.909.943,8 3 28,3%
3,0 [US$/lb] 92,11% $ 1.995.497.092,9 $ 667.841.886,9 176.412,3 373.464,8 $ 2.470.046.655,9 $ 8.804.108.414,9 2 38,4%
3,4 [US$/lb] 92,33% $ 2.015.497.092,9 $ 668.891.269,2 176.821,1 374.330,2 $ 2.805.873.300,6 $ 11.205.439.212,9 2 46,9%
4,0 [US$/lb] 92,33% $ 2.015.497.092,9 $ 668.891.269,2 176.821,1 374.330,2 $ 3.301.027.412,4 $ 14.810.206.312,4 2 61,0%
4,5 [US$/lb] 92,49% $ 2.039.042.092,9 $ 669.680.765,1 177.128,6 374.981,3 $ 3.720.115.350,8 $ 17.812.392.032,1 1 72,9%
5,0 [US$/lb] 92,49% $ 2.039.042.092,9 $ 669.680.765,1 177.128,6 374.981,3 $ 4.133.461.500,9 $ 20.740.250.296,6 1 84,7%
Tabla 4.17: Resumen de indicadores de producción y de la evaluación LCC para

cada óptimo local sensibilizados por el precio del concentrado de Cu
Se puede observar que, si bien hay combinaciones óptimas que se

repiten en más de un escenario, como ocurre para los precios de con-
centrado de cobre de 1,5 y de 2,0 dólares la libra; así como también
para el par de 3,4 y 4,0; y para el otro par de 4,5 y 5,0 dólares la libra,
existen solo cinco combinaciones óptimas para los ocho escenarios
evaluados. De estos resultados es posible destacar que la estimación del
precio del concentrado de cobre es una de las variable más influyente
en la definición del nivel óptimo de su seguridad de funcionamiento,
dado que, a mayor precio, el costo de la falta es mayor, lo que implica
aumento del nivel de redundancia sobre las condiciones crítica del pro-
ceso (CAPEX focalizado).
276
Figura 4.23: Resultado de indicadores por procesos

para los distintos entornos de evaluación
Los resultados de indicadores obtenidos por procesos muestran cómo,

a medida que se incrementa el valor del concentrado de cobre, los procesos
que conforman las combinaciones óptimas tienden a ser más robustos. Se
aprecia que a partir de 3,0 [US$/lb de concentrado de Cu] la disponibili-
dad obtenida del chancado primario aumenta, y en mayor medida lo hace
la del chancado secundario, mientras que el chancado terciario solo sufre
variación a partir de los 4,5 dólares por libra de producto transado.
A continuación se presenta el gráfico que muestra el VAN obtenido
para cada combinación óptima, según el nivel de inversión que esta
representa. En la medida que las variables de entorno son más favora-
bles, la inversión óptima aumenta, puesto que el incremento de ella se
justifica por el crecimiento en la confiabilidad de los procesos.
Figura 4.24: Gráfico de VAN esperado en función del CAPEX considerando el

precio del concentrado de Cu para cada óptimo local
277
A. Arata
Figura 4.25: Gráfico de utilización corregida sistémica en función del CAPEX

considerando el precio del concentrado de Cu para cada óptimo local
En la Figura 4.25 se observa claramente lo antes mencionado, es

decir, que el incremento en la inversión está estrechamente ligado al
incremento de la confiabilidad operacional del proceso, donde se espe-
raría que, a un precio infinito del producto, la inversión también lo sea,
apostando a un 100% de confiabilidad de los procesos ya que siempre
se maximizaría el retorno de la inversión.
Así también se plantea la diferencia (CAPEX, VAN, incremento del
flujo anual) que existe entre las combinaciones optimizadas con respec-
to al caso base, lo que se presenta en la siguiente tabla.
Casos optimizados Caso base

Incremento del
Disminución del
Venta estimada Venta estimada Incremento del VAN flujo de caja con
Valor del UC CAPEX VAN CAPEX VAN CAPEX del pryecto
anual anual con respecto al caso respecto al caso
Conc. de Cu sistémica [US$] [US$] [US$] [US$] con respecto al caso
[US$] [US$] base base (en valor
base
presente)
1,5 [US$/lb] 91,75% $ 1.977.370.092,9 $ 1.230.135.697,6 -$ 176.991.366,4 $ 2.104.089.600,0 $ 1.090.678.294,3 -$ 1.047.314.469,3 $ 870.323.102,9 $ 126.719.507,1 $ 743.603.595,8
2,0 [US$/lb] 91,75% $ 1.977.370.092,9 $ 1.640.180.930,1 $ 2.808.175.328,3 $ 2.104.089.600,0 $ 1.454.237.725,7 $ 1.599.431.353,4 $ 1.208.743.974,9 $ 126.719.507,1 $ 1.082.024.467,8
2,5 [US$/lb] 92,00% $ 1.987.370.092,9 $ 2.055.950.771,3 $ 5.807.909.943,8 $ 2.104.089.600,0 $ 1.817.797.157,2 $ 4.246.177.176,0 $ 1.561.732.767,8 $ 116.719.507,1 $ 1.445.013.260,7
3,0 [US$/lb] 92,11% $ 1.995.497.092,9 $ 2.470.046.655,9 $ 8.804.108.414,9 $ 2.104.089.600,0 $ 2.181.356.588,6 $ 6.892.922.998,7 $ 1.911.185.416,2 $ 108.592.507,1 $ 1.802.592.909,1
3,4 [US$/lb] 92,33% $ 2.015.497.092,9 $ 2.805.873.300,6 $ 11.205.439.212,9 $ 2.104.089.600,0 $ 2.472.204.133,8 $ 9.010.319.656,8 $ 2.195.119.556,1 $ 88.592.507,1 $ 2.106.527.049,0
4,0 [US$/lb] 92,33% $ 2.015.497.092,9 $ 3.301.027.412,4 $ 14.810.206.312,4 $ 2.104.089.600,0 $ 2.908.475.451,5 $ 12.186.414.644,0 $ 2.623.791.668,4 $ 88.592.507,1 $ 2.535.199.161,3
4,5 [US$/lb] 92,49% $ 2.039.042.092,9 $ 3.720.115.350,8 $ 17.812.392.032,1 $ 2.104.089.600,0 $ 3.272.034.882,9 $ 14.883.160.466,6 $ 2.929.231.565,5 $ 65.047.507,1 $ 2.864.184.058,4
5,0 [US$/lb] 92,49% $ 2.039.042.092,9 $ 4.133.461.500,9 $ 20.740.250.296,6 $ 2.104.089.600,0 $ 3.635.594.314,4 $ 17.479.906.289,3 $ 3.260.344.007,3 $ 65.047.507,1 $ 3.195.296.500,2
Tabla 4.18: Resumen de indicadores económicos

entre los casos optimizados y el caso base
4. Comentarios finales
El caso presentado se ha abordado a través de la aplicación de la Inge-
niería de la Confiabilidad con el enfoque y la plataforma informática
R-MES, mediante el uso de una metodología especialmente desarrolla-
278
da para la evaluación de proyectos de capital, buscando la maximiza-

ción del beneficio económico del negocio bajo el modelo de Confiabili-
dad Operacional en la óptica del Life Cicle Cost (LCC).
Para la evaluación de las alternativas y definición de los óptimos se
presentan distintos entornos de evaluación, sensibilizando el precio del
concentrado de cobre, variando su valor desde 1,5 a 5,0 dólares por
cada libra, con variaciones de 0,5 dólares, salvo para el caso particular
del precio del caso de la condición base de 3,4 [US$/lb conc. de Cu],
obteniéndose ocho diferentes combinaciones óptimas en función del
precio estimado para la evaluación.
De la aplicación de este enfoque se obtienen diferentes soluciones
como alternativas al caso base. A modo de ejemplo es posible esta-
blecer que, con un precio del concentrado de cobre de 2,5 [US$/lb de
concentradode Cu], la metodología permite un aumento del VAN de
hasta 1,6 billones de dólares, como resultado de una reducción de la
inversión en 117 millones de dólares y de un aumento de 1,4 billones
de dólares, debido a la mayor producción por un aumento de la utiliza-
ción de las instalaciones desde el 81,4% al 92,0%, durante el horizonte
de 25 años del proyecto.
279
Capítulo Cinco
Presentación de caso en la fase de

Operación de una Planta
1. Introducción
El siguiente caso se presenta con el objeto de mostrar la aplicación del
enfoque R-MES para mejorar la gestión de los activos en beneficio del
negocio en una Planta Industrial en operación intensiva en equipos.

El primer paso en el enfoque R-MES corresponde a la identificación y
estudio operacional de la Planta Industrial (condición base) en cuanto
a los procesos y equipos involucrados, de manera de definir la configu-
ración lógica-funcional (RBD) que lo representa del punto de vista de
la seguridad de operación de la instalación.
Luego se recaban las condiciones de funcionamiento que provienen
de operación y de mantenimiento de la Planta Industrial en estudio,
de manera de contar con la base de datos correspondiente. Además se
obtienen todas aquellas condiciones generales propias de la empresa e
información externa relacionada.
Con la modelación (RBD) de la instalación y con la información dis-
ponible se evalúa la condición base a través del análisis de los KPI’s, tanto
estadísticos como probabilísticos, que resultan de la aplicación de la Inge-
niería de la Confiabilidad. Para la obtención de algunos de los KPI’s resulta
relevante la realización de simulaciones de la condición base bajo distintos
escenarios, que resultan de las variaciones tanto internas como externas.
Luego del análisis de los resultados obtenidos para la condición
base corresponde la definición de las oportunidades de mejoras, tanto
en el ámbito de la gestión como de las modificaciones del diseño, que
281
A. Arata
permitan incrementar el desempeño de la instalación, manifestado a

través de los beneficios obtenidos respecto a los activos disponibles.
Cada una de las alternativas de mejora es modelada (RBD) y, en
función de la data disponible y los escenarios considerados, se obtiene
los nuevos KPI’s esperados, los que permiten comparar el desempeño
de las alternativas que resultan en la incorporación de las oportuni-
dades de mejoras, de manera de decidir considerando los costos y los
beneficios asociados a cada una de ellas en relación a la condición base.
Para todo este proceso de Ingeniería de la Confiabilidad, la plata-
forma informática R-MES se convierte en una herramienta fundamen-
tal para el desarrollo del caso en estudio.
Figura 5.1: Metodología de abordaje para desarrollo de los casos
3. Desarrollo del caso de una Planta de molienda y

chancado
3.1 Información inicial
• Descripción de la planta
Para el desarrollo de este caso se ha considerado una planta de
molienda compuesta por los siguientes equipos:
282
·· alimentadores,
·· molinos,
·· correas,
·· harneros,
·· bombas e
·· hidrociclones.
Figura 5.2: Diagrama de la planta
• Configuración lógico-funcional
Las condiciones para el funcionamiento de cada etapa del proce-
so permiten determinar la configuración lógica-funcional (diagrama
RBD) del sistema en estudio.
En la entrada de la planta de molienda SAG / Bolas, se cuenta con cuatro
alimentadores, de los cuales se requieren solo dos para el correcto funciona-
miento del sistema. Esta condición es representada por una configuración de
redundancia parcial (4:2), lo que implica que, para que el sistema alimenta-
ción opere, se requiere al menos de dos elementos disponibles.
Posteriormente se tiene una correa de alimentación al molino SAG
y el molino SAG correspondiente, en una configuración en serie, lo que
implica que la detención de cualquiera de estos dos elementos, o de
ambos de forma simultánea, genera una detención de la planta.
A la salida del molino SAG existen dos harneros que clasifican el
material procesado, de acuerdo a su tamaño, para ser recirculado o,
en su defecto, para la alimentación del segundo proceso de molienda
(bolas). Para este caso particular, de los dos harneros se opera solo con
283
A. Arata
uno de ellos, por lo que el otro queda como reserva. Esta es una confi-
guración lógica-funcional del tipo stand-by.
Aguas abajo en el proceso se aprecian dos bombas, de las cuales
opera una de ellas mientras la segunda queda en reserva, por lo que
este caso también corresponde a una configuración de tipo stand-by.
Secuencialmente se encuentra un hidrociclón en configuración en serie.
La sección de molienda de bolas se compone por dos líneas inde-
pendientes. Cada una de ellas tiene como elementos constituyentes un
molino de bolas, dos bombas en configuración stand-by y un hidroci-
clón en serie. Cada una de las líneas tiene un impacto de 50% en la
disponibilidad del proceso, por lo que se tiene una configuración de
fraccionamiento con un 50% de impacto asociado a cada línea.
Naturalmente, para que la planta se encuentre disponible deben
estarlo los sistemas de molienda SAG y bolas, por lo tanto, se tiene una
configuración en serie entre ambos sistemas.
A continuación se muestra el resultado de la diagramación del sis-
tema de molienda en R-MES:
Figura 5.3: Sistema de molienda modelado en R-MES
Figura 5.4: Sistema de molienda SAG modelado en R-MES
284
Figura 5.5: Sistema de molienda de bolas modelado en R-MES
• Base de datos
La base de datos utilizada en el caso en estudio corresponde a la
información de detenciones ocurridas en un determinado período para
los equipos que constituyen la planta (base), ordenados en campos
dentro de un archivo «*.csv», que es el formato requerido para la carga
de datos en la plataforma R-MES.
Para este caso en estudio, la información utilizada en la base de
datos corresponde al período de un año con un total de 691 tuplas, es
decir, la agrupación de los datos ordenados en campos.
Cada tupla es leída y procesada por el sistema R-MES para realizar
la carga de datos a cada equipo, según corresponda.
• Información de la empresa
Al cargar la información de la base de datos en R-MES, se obtiene
por defecto cierta información que corresponde a parte de lo que se ha
definido en el diseño de la herramienta de simulación como «informa-
ción de la empresa».
Estos datos se muestran en la siguiente tabla.
Tasa de costo de capital 19%

Horas de operación anual 8.760
Facturación anual 876.000.000
Impacto costo variable 30%
Tabla 5.1: Información de la empresa
3.2 Análisis de información

Este caso aplicado se desarrolla considerando ciclos de operación
de un año.
285
A. Arata
Utilizando los módulos de reportes de la plataforma de R-MES, se

analiza la información de la planta base.
3.2.1 Principales indicadores

Un análisis de interés es el de los indicadores probabilísticos de
Disponibilidad y de Costo de la falta, para el sistema de molienda com-
pleto y para cada equipo y subsistemas que lo conforman.
EQUIPO O SUBSISTEMA DISPONIBILIDAD COSTO DE LA FALTA

SISTEMA MOLIENDA 88,54% 70.266.798,77
MOLIENDA SAG 93,25% 39.040.796,86
Alimentación 99,09% 5.553.743,58
Feeder 1 99,57% 8.748.723,61
Feeder 2 99,52% 2.302.942,46
Feeder 3 99,39% 2.921.723,67
Feeder 4 99,68% 1.529.981,36
Correa 1 99,58% 1.994.076,12
Molino 1 99,09% 11.695.269,46
Harneros 99,82% 1.080.821,46
Harnero 1 99,36% 3.944.857,25
Harnero 2 99,02% 1.885.696,97
Bombas 1 y 2 99,93% 2.059.160,28
Bomba 1 98,69% 8.017.381,52
Bomba 2 98,99% 3.270.957,23
Hidrociclón 1 98,53% 4.746.424,29
MOLIENDA BOLAS 94,60% 31.226.001,90
MOLIENDA BOLAS Nº 1 94,14% 16.959.394,38
Molino 2 98,67% 3.431.502,86
Bombas 3 y 4 98,00% 5.147.578,07
Bomba 3 96,55% 2.467.426,98
Bomba 4 96,25% 2.680.151.09
Hidrociclón 2 96,75% 8.380.313,45
MOLIENDA BOLAS Nº 2 95,07% 14.266.607,52
Molino 3 97,95% 6.649.285,60
Bombas 5 y 6 98,56% 4.669.616,70
Bombas 5 99,02% 2.463.181.94
Bombas 6 99,13% 2.206.434,76
Hidrociclón 3 99,09% 2.947.705,21
Tabla 5.2: Indicadores probabilísticos
286
Del estudio realizado se tiene que el sistema manifiesta una dispo-

nibilidad esperada de un 88,54%, y se estima un costo de la falta de
US$ 70.266.799.
Al ordenar la información por equipos es posible determinar aque-
llos con las más bajas disponibilidades esperadas. Para este caso corres-
ponde a la bomba 4 (96,2%), la bomba 3 (96,6%) y el hidrociclón 2
(96,8%). Todos estos equipos pertenecen a la línea Nº 1 de la molienda
de bolas y son los únicos con disponibilidad esperada menor al 97%.
Disponibilidad esperada
100,50%
100,00%
99,50%
99,00%
98,50%
98,00%
97,50%
97,00%
96,50%
96,00%
95,50%
Feeder 3
Feeder 4
Feeder 1
Feeder 2
Correa 1
Molino 2
Molino 1
Molino 3
Harnero 1
Harnero 2
Hidrociclon 1
Hidrociclon 3
Hidrociclon 2
Bomba 6
Bomba 5
Bomba 1
Bomba 2
Bomba 3
Bomba 4
Figura 5.6: Gráfico de columnas de disponibilidad
esperada de los equipos del sistema
Realizando el mismo análisis para el indicador de costo de la falta,

se puede observar que aquellos equipos que generan el mayor costo de
la falta son el molino 1, el hidrociclón 2, el molino 3 y la correa 1.
Costo de la Falta
14.000.000,00
12.000.000,00
10.000.000,00
8.000.000,00
6.000.000,00
4.000.000,00
2.000.000,00
0,00
Feeder 2
Feeder 1
Feeder 4
Feeder 3
Correa 1
Molino 1
Molino 3
Molino 2
Harnero 2
Harnero 1
Hidrociclon 2
Hidrociclon 3
Hidrociclon 1
Bomba 2
Bomba 1
Bomba 4
Bomba 3
Bomba 5
Bomba 6
Figura 5.7: Gráfico de columnas de costo de la falta

(probabilístico) de los equipos del sistema
287
A. Arata
• Disponibilidad histórica
La siguiente tabla muestra la disponibilidad acumulada, es decir,
la disponibilidad efectiva de los equipos y subsistemas en el período
en estudio.
EQUIPO O DISPONIBILIDAD
SUBSISTEMA ACUMULADA
SISTEMA MOLIENDA 87,003%
MOLIENDA SAG 93,569%
Alimentación 99,398%
Feeder 1 99,976%
Feeder 2 99,596%
Feeder 3 99,290%
Feeder 4 99,914%
Correa 1 99,900%
Molino 1 99,791%
Harneros 98,779%
Harnero 1 99,665%
Harnero 2 99,674%
Bombas 1 y 2 98,264%
Bomba 1 97,765%
Bomba 2 97,179%
Hidrociclón 1 99,801%
MOLIENDA BOLAS 92,172%
MOLIENDA BOLAS Nº 1 90,314%
Molino 2 99,059%
Bombas 3 y 4 96,340%
Bomba 3 96,081%
Bomba 4 95,569%
MOLIENDA BOLAS Nº 2 94,030%
Molino 3 97,159%
Bombas 5 y 6 97,973%
Bombas 5 97,573%
Bombas 6 97,795%
Tabla 5.3: Disponibilidad acumulada
Al ordenar la información por equipo, se puede observar aquellos

cuya disponibilidad es la más baja durante el período. En el siguiente
gráfico se muestran los resultados obtenidos:
288
Disponibilidad Acumulada
100,000%
99,000%
98,000%
97,000%
96,000%
95,000%
94,000%
93,000%
Hidrociclon 1
Hidrociclon 3
Hidrociclon 2
Feeder 3
Feeder 1
Feeder 4
Feeder 2
Bomba 6
Bomba 1
Bomba 5
Bomba 2
Bomba 3
Bomba 4
Correa 1
Molino 2
Molino 1
Molino 3
Harnero 2
Harnero 1
Figura 5.8: Gráfico de columnas de disponibilidad
acumulada de los equipos del sistema
Se puede observar que los equipos con las menores disponibilidades efecti-
vas son el hidrociclón 2 (94,7%), la bomba 4 (95,6%) y la bomba 3 (96,1%).
Todos estos equipos pertenecen a la línea Nº1 de la molienda de bolas.
Lo anterior explica que la línea Nº 1 de molienda de bolas sea la
que tiene la menor disponibilidad acumulada (90,3%).
Al analizar con mayor detalle el comportamiento del indicador de
disponibilidad, se puede obtener la disponibilidad mensual de cada
equipo y subsistema. R-MES permite obtener este tipo de reporte con
métricas diaria, semanal, mensual y anual.
A continuación se presenta un grupo de gráficos obtenidos con
R-MES en los que se muestra el comportamiento del indicador dis-
ponibilidad para los principales subsistemas de la planta, bajo una
métrica mensual.
PERÍODO VALOR
Período 1 01/01/2011 - 01/02/2011
Período 2 01/02/2011 - 01/03/2011
Período 3 01/03/2011 - 01/04/2011
Período 4 01/04/2011 - 01/05/2011
Período 5 01/05/2011 - 01/06/2011
Período 6 01/06/2011 - 01/07/2011
Período 7 01/07/2011 - 01/08/2011
Período 8 01/08/2011 - 01/09/2011
Período 9 01/09/2011 - 01/10/2011
Período 10 01/10/2011 - 01/11/2011
Período 11 01/11/2011 - 01/12/2011
Período 12 01/12/2011 - 01/01/2012
Tabla 5.4: Períodos de análisis
289
A. Arata
La disponibilidad del sistema varía entre 75,1% y 94,2%, siendo

los puntos más bajos los meses de abril, junio y octubre; todos bajo un
80% de disponibilidad.
Figura 5.9: Gráfico de disponibilidad histórica mensual del sistema de molienda
Al comparar los subsistemas de molienda SAG y molienda de bolas

se puede observar que los bajos niveles de disponibilidad del sistema de
molienda, en los meses mencionados, se deben principalmente a pro-
blemas en la disponibilidad del subsistema de molienda de bolas, sobre
todo durante los meses de abril y octubre. La baja disponibilidad en el
mes de junio está dada principalmente por una baja disponibilidad del
subsistema de molienda SAG.
La disponibilidad del subsistema de molienda SAG varía entre un
83,2% y un 100%. La disponibilidad del subsistema de molienda de
bolas varía entre un 78,9% y un 97,6%.
290
Figura 5.10: Gráfico de disponibilidad histórica mensual sistema de molienda –

molienda SAG – molienda de bolas
Si se analizan las líneas que componen el subsistema de molienda

de bolas, se obtiene que para el mes de octubre la línea Nº 1 tiene una
disponibilidad muy baja en comparación con su comportamiento en
los otros períodos, dado la baja disponibilidad del subsistema de mo-
lienda de bolas en ese período.
La disponibilidad de la línea Nº 1 varía entre 64,4% y un 97,8%;
mientras que la disponibilidad de la línea Nº 2 varía entre un 77,2%
y un 98,1%.
Figura 5.11: Gráfico disponibilidad histórica mensual molienda

bolas – línea Nº 1 – línea Nº 2
291
A. Arata
• Tiempos medios
A continuación se presenta la información de los indicadores de
tiempo medio entre fallas (MTBF) y tiempo medio de reparación
(MTTR) histórico acumulado, es decir, corresponde al resultado total
del período en estudio.
EQUIPO O SUBSISTEMA MTBF [h] MTTR [h]
SISTEMA MOLIENDA 39,72 5,46
MOLIENDA SAG 70,65 4,78
Alimentación 290,78 1,82
Feeder 1 289,45 2,90
Feeder 2 240,11 3,36
Feeder 3 264,06 1,95
Feeder 4 321,59 3,67
Correa 1 412,55 4,60
Molino 1 259,80 5,84
Harneros 412,44 4,96
Harnero 1 411,97 4,96
Harnero 2 411,14 5,42
Bombas 1 y 2 391,16 7,26
Bomba 1 387,18 9,35
Bomba 2 404,61 12,39
Hidrociclón 1 729,70 1,54
MOLIENDA BOLAS 108,8 7,83
MOLIENDA BOLAS Nº 1 102,48 9,25
Molino 2 789,62 8,26
Bombas 3 y 4 140,70 5,45
Bomba 3 140,32 5,83
Bomba 4 139,47 6,60
MOLIENDA BOLAS Nº 2 113,69 6,40
Molino 3 708,72 18,05
Bombas 5 y 6 190,79 3,91
Bombas 5 198,85 4,94
Bombas 6 194,77 4,37
Tabla 5.5: Indicadores estadísticos acumulados
Al ordenar los equipos según el valor del MTBF, se observa que

aquellos con valores más bajos son las bombas 4, 3, 6 y 5. Todas con
MTBF menores a 200 [h], lo que implica que son los equipos con una
alta frecuencia de falla.
292
MTBF [h]
900
800
700
600
500
400
300
200
100
0 Feeder 2
Feeder 3
Feeder 1
Feeder 4
Correa 1
Molino 1
Molino 3
Molino 2
Harnero 2
Harnero 1
Hidrociclon 3
Hidrociclon 2
Hidrociclon 1
Bomba 4
Bomba 3
Bomba 6
Bomba 5
Bomba 1
Bomba 2
Figura 5.12: Gráfico de columnas de indicador MTBF de equipos del sistema
Un análisis de interés es conocer el comportamiento del indicador

de tiempo medio de reparación (MTTR), ya que este podría señalar
la efectividad del mantenimiento. Idealmente se podría esperar de un
sistema maduro una tendencia a la baja, debido a la experiencia acu-
mulada en las actividades de mantenimiento o reparación de los equi-
pos. Por el contrario, una tendencia al alza puede ser señal de que se
requiere profundizar en los procesos de mejora continua.
Subsístema Tendencia
Feeder 1
Feeder 2
Feeder 3
Feeder 4
Correa 1
Harnero 1
Harnero 2
Bomba 1
Bomba 2
Hidrociclón 1
Molino 2
Bomba 3
Bomba 4
Hidrociclón 2
Molino 3
Bomba 5
Bomba 6
Hidrociclón 3
Tabla 5.6: Tendencia de indicador MTTR de los equipos
293
A. Arata
La tabla anterior muestra que los equipos con una tendencia al alza
del indicador MTTR son los cuatro alimentadores y las dos bombas
del subsistema de molienda SAG; y el hidrociclón 2 y las bombas 5 y 6,
de la molienda de bolas.
Figura 5.13: Gráfico de MTTR histórico mensual: Bombas 1, 2, 5 y 6
Al revisar la gráfica del MTTR de las bombas mencionadas se ob-

serva que la bomba 2 es aquella con una tendencia al alza más eviden-
te. Por el contrario, la bomba 1 presenta un comportamiento no tan
evidente, ya que la pendiente de la gráfica es levemente positiva. Las
bombas 5 y 6, luego de los tres primero meses, muestran un comporta-
miento más estable con una leve tendencia al alza.
Figura 5.14: Gráfico de MTTR histórico mensual: Alimentadores 1, 2, 3 y 4
294
En cuanto a los alimentadores, el que tiene una tendencia más no-

toria en relación a los otros equipos es el alimentador 2, seguido del
alimentador 1. Los otros alimentadores también presentan una tenden-
cia al alza, sin embargo, esta es de menor magnitud.
Figura 5.15: Gráfico de MTTR histórico mensual: Hidrociclón 2
El hidrociclón 2, por su parte, muestra un comportamiento en un

rango mucho mayor que los otros equipos, siendo los meses septiembre
y octubre aquellos en donde el resultado del indicador se escapa de
forma considerable respecto de los demás períodos.
3.2.2 Análisis de costos
El análisis de costos se refiere al costo de la falta, costo de mante-

nimiento y costo global. La siguiente tabla entrega la información de
los costos históricos del sistema de molienda y de los subsistemas que
lo componen.
295
A. Arata
EQUIPO O COSTO DE COSTO DE COSTOS

SUBSISTEMA LA FALTA MANTENIMIENTO GLOBALES
SISTEMA MOLIENDA 79.911.067 38.321.250 118.232.317
MOLIENDA SAG 36.042.071 15.648.547 51.690.618
Alimentación 5.611.062 968.375 6.579.437
Feeder 1 3.069.239 6.604.463 9.673.702
Feeder 2 743.993 1.507.620 2.251.613
Feeder 3 1.020.321 1.811.058 2.831.379
Feeder 4 515.498 1.798.968 2.314.466
Correa 1 789.427 1.486.817 2.276.244
Molino 1 11.268.593 2.385.450 13.654.043
Harneros 1.010.688 776.302 1.786.990
Harnero 1 6.226.769 2.947.394 9.174.163
Harnero 2 3.124.047 1.473.697 4.597.744
Bombas 1 y 2 3.102.722 1.473.697 4.576.419
Bomba 1 8.855.720 1.966.562 10.822.282
Bomba 2 3.914.824 983.281 4.898.105
Hidrociclón 1 4.490.895 983.281 5.924.176
MOLIENDA BOLAS 43.868.995 22.672.702 66.541.697
MOLIENDA BOLAS Nº 1 27.140.980 15.873.225 43.014.205
Molino 2 2.574.232 470.349 3.044.581
Bombas 3 y 4 10.016.199 14.672.000 24.688.199
Bomba 3 4.701.214 7.336.000 12.037.214
Bomba 4 5.314.985 7.336.000 12.650.985
Hidrociclón 2 14.550.549 730.876 15.281.425
MOLIENDA BOLAS Nº 2 16.728.016 6.799.477 23.527.493
Molino 3 7.835.859 1.031.494 8.867.353
Bombas 5 y 6 5.591.359 4.799.607 10.390.966
Bombas 5 2.929.625 2.399.803 5.329.428
Bombas 6 2.661.734 2.399.803 5.061.537
Hidrociclón 3 3.300.797 968.375 4.269.172
Tabla 5.7: Costos históricos
296
La información anterior se puede ordenar y graficar así:
Figura 5.16: Gráfico de costo de la falta – disponibilidad por equipo
El gráfico de costo de la falta muestra que el equipo con un mayor

impacto es el hidrociclón 2, con un costo de la falta superior a los US$
14.000.000. Le siguen en nivel de impacto los molinos 1 y 3, ambos
con costos de la falta superiores a US$ 7.000.000.
Al analizar la distribución del costo de la falta se puede apreciar
que los cuatro equipos con mayor impacto concentran cerca del 50%
de los costos de la falta del sistema.
En relación a los costos de mantenimiento, en la figura que sigue
se puede apreciar que los equipos bomba 3 y bomba 4, pertenecientes
a la línea Nº 1 del subsistema molienda de bolas, son los equipos con
mayores costos de mantenimiento. Estos son considerablemente mayo-
res que los equipos restantes del sistema, superando los US$ 7.000.000
cada uno. Le siguen las bombas 5 y 6 y el molino 1, con costos de man-
tenimiento ligeramente superiores a los US$ 2.000.000.
Al analizar la distribución de los costos de mantenimiento se tiene
que solo las bombas 3 y 4 concentran el 40% de los costos de mante-
nimiento del sistema. Si se consideran además las bombas 5 y 6, y el
297
A. Arata
molino 1, se llega a casi el 60% de los costos totales de mantenimiento,

en solo cinco equipos.
8.000.000,00 100,00%
7.000.000,00 90,00%
80,00%
6.000.000,00
Costo de Mantención[$]
70,00%
5.000.000,00 60,00%
% Impacto
4.000.000,00 50,00%
3.000.000,00 40,00%
30,00%
2.000.000,00
20,00%
1.000.000,00 10,00%
0,00 0,00%
Hidrociclon 3
Hidrociclon 1
Hidrociclon 2
Feeder 2
Feeder 3
Feeder 1
Feeder 4
Bomba 3
Bomba 4
Bomba 5
Bomba 6
Bomba 1
Bomba 2
Correa 1
Molino 1
Molino 3
Molino 2
Harnero 1
Harnero 2
Figura 5.17: Diagrama de Pareto de costo de mantenimiento

histórico de los equipos del sistema
Al observar la Figura 5.18 se puede identificar la distribución de

los costos globales. En ella se comprueba que aquellos equipos con los
mayores costos globales efectivamente son aquellos que han resultado
tener los más altos costos de la falta y costos de mantenimiento.
18.000.000 100,00%
16.000.000 90,00%
14.000.000 80,00%
70,00%
Costos Globales [$]
12.000.000
60,00%
% Impacto
10.000.000
50,00%
8.000.000
40,00%
6.000.000
30,00%
4.000.000 20,00%
2.000.000 10,00%
0 0,00%
Hidrociclon 2
Hidrociclon 3
Hidrociclon 1
Feeder 2
Feeder 3
Feeder 4
Feeder 1
Bomba 4
Bomba 3
Bomba 2
Bomba 5
Bomba 6
Bomba 1
Correa 1
Molino 1
Molino 3
Molino 2
Harnero 1
Harnero 2
Figura 5.18: Diagrama de Pareto de costo global

histórico de los equipos del sistema
298
3.2.3 Análisis de intervenciones
Otro análisis de interés es el relacionado con las intervenciones que

se han realizado a cada equipo, las que pueden deberse a mantenimien-
tos del tipo correctivos, detenciones operacionales o mantenimientos
preventivos. La Figura 5.19 corresponde a un diagrama de Pareto, en el
que se aprecia que, en general, la cantidad de horas destinadas a man-
tenimientos correctivos es mucho mayor que las de mantenimientos
preventivos o detenciones operacionales.
Figura 5.19: Diagrama de Pareto de horas de intervenciones de los equipos
En términos de la cantidad de intervenciones, las conclusiones no son

distintas. Aquellos equipos que han tenido una mayor cantidad de inter-
venciones son las bombas 3 y 4, seguidos por las bombas 6 y 5. Llama
la atención el caso del hidrociclón 2, el cual, a pesar de no tener una alta
cantidad de detenciones, es uno de los equipos a los que se han destinado
más horas en las detenciones, tal como se observa en la figura anterior.
299
A. Arata
Figura 5.20: Diagrama de Pareto de número de intervenciones de los equipos
Es posible conocer la estructura de las órdenes de trabajo de los

equipos, mediante el análisis de R-MES llamado «mix de mantenimien-
to», en el que se compara el porcentaje de actividades correctivas vs. el
porcentaje de actividades preventivas. Las Figuras 5.21 y 5.22 mues-
tran el resultado de este análisis.
MixMix
MCMCv/s MP
v/s MP Horas
Horas
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
Hidrociclon 1
Hidrociclon 2
Hidrociclon 3
Feeder 1
Feeder 2
Feeder 3
Feeder 4
Bomba 1
Bomba 2
Bomba 3
Bomba 4
Bomba 5
Bomba 6
Correa 1
Molino 1
Molino 2
Molino 3
Harnero 1
Harnero 2
%MP %MC
Figura 5.21: Mantenimientos correctivos vs. mantenimientos preventivas en horas
300
Mix MC
Mix MC v/sv/sMP
MP Cantidad
Cantidad
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
Hidrociclon 1
Hidrociclon 2
Hidrociclon 3
Feeder 1
Feeder 2
Feeder 3
Feeder 4
Bomba 1
Bomba 2
Bomba 3
Bomba 4
Bomba 5
Bomba 6
Correa 1
Molino 1
Molino 2
Molino 3
Harnero 1
%MP Harnero 2 %MC
Figura 5.22: Número de mantenimientos correctivos

vs. número de mantenimientos preventivos
Se observa que el nivel de actividades correctivas es mayor que el

de actividades preventivas; salvo el caso de los equipos hidrociclón 2
y molino 3. El porcentaje de actividades preventivas no supera el 10%
del total de las órdenes de trabajo de los equipos.
Se entiende que, si existen órdenes de trabajo sobre los equipos
para mantenimientos preventivos, se puede deducir que estos equipos
se encuentran sometidos a una política de mantenimiento de tipo pre-
ventiva. Estos equipos son:
• alimentador 1,
• alimentador 2,
• correa 1,
• molino 1,
• harnero 1,
• harnero 2,
• hidrociclón 1,
• hidrociclón 2,
• molino 3,
• bomba 5,
• bomba 6, e
• hidrociclón 3.
301
A. Arata
3.2.4 Análisis de criticidad
El análisis de elementos críticos de R-MES se basa en un análisis de

indisponibilidad y consecuencia, el que permite cuantificar el impacto
de un equipo sobre el sistema en términos del costo de la falta, consi-
derando el tiempo fuera de servicio del equipo (indisponibilidad) y su
efecto sobre las detenciones del sistema (consecuencia).
Figura 5.23: Análisis de criticidad bidimensional
El análisis permite identificar que los equipos críticos del sistema

corresponden al hidrociclón 2 y el molino 1. Para el caso del hidroci-
clón 2 se observa que, con una alta indisponibilidad, el nivel de conse-
cuencia es de aproximadamente un 50%. Para el molino 1, a un nivel
de indisponibilidad medio (en relación a los otros equipos) se tiene un
alto nivel de consecuencia.
Siguen en orden de criticidad los equipos molino 3 y correa 1.
3.2.5 Etapa del ciclo de vida y políticas de mantenimiento
Del análisis es posible determinar la etapa del ciclo de vida en que

se encuentra cada equipo.
302
EQUIPO O SUBSISTEMA ETAPA CICLO DE VIDA

SISTEMA MOLIENDA -
MOLIENDA SAG -
Alimentación -
Feeder 1 En rodaje
Feeder 2 En rodaje
Feeder 3 En rodaje
Feeder 4 En rodaje
Correa 1 En rodaje
Molino 1 En rodaje
Harneros -
Harnero 1 Desgaste
Harnero 2 Desgaste
Bombas 1 y 2 -
Bomba 1 En rodaje
Bomba 2 En rodaje
Hidrociclón 1 En rodaje
MOLIENDA BOLAS -
MOLIENDA BOLAS Nº 1 -
Molino 2 En rodaje
Bombas 3 y 4 -
Bomba 3 Desgaste
Bomba 4 Desgaste
MOLIENDA BOLAS Nº 2 -
Molino 3 Desgaste
Bombas 5 y 6 -
Bombas 5 En rodaje
Bombas 6 En rodaje
Tabla 5.8: Etapa de ciclo de vida de cada equipo
Se observa que, de un total de diecinueve equipos, la mayoría de

ellos se encuentran en la etapa de ciclo de vida correspondiente al ro-
daje. Sin embargo, se identifica que cinco de ellos se encuentran en la
etapa de desgaste: los harneros 1 y 2 pertenecientes al subsistema de
molienda SAG; las bombas 3 y 4, de la línea N° 1 de la molienda de
bolas; y el molino 3, de la línea N° 2 de la molienda de bolas.
Al analizar en detalle las gráficas de la tasa de fallas de cada uno
de los equipos en la etapa de desgaste, que se muestran en la Figu-
ra 5.24, se puede observar que, de todos ellos, las bombas poseen un
comportamiento de la tasa de falla que muestra con más evidencia que
303
A. Arata
se encuentran en la etapa de desgaste; a diferencia de los harneros y el

molino, cuya tasa de falla es muy cercana a un comportamiento cons-
tante (etapa de vida útil).
Figura 5.24: Gráficos de tasa de falla de equipos en etapa de desgaste

Asociado al análisis de la tasa de falla (ciclo de vida) y los costos

asociados se tiene obtiene la política de mantenimiento más adecuada
para cada equipo. De esta forma, R-MES permite determinar, a través
de una grilla de clasificación como la que se muestra en la Figura 5.25,
la política de mantenimiento más conveniente.
304
Equipo se encuentra en Rodaje, se recomienda la siguiente mantención
Correctiva Correctiva Correctiva
Preventiva
Correctiva Correctiva
Cíclica
Preventiva
Predictiva Predictiva Cíclica
o Predictiva
Figura 5.25: Política de mantenimiento – grilla de clasificación
En la figura se observa el caso de un equipo al cual corresponde

realizar mantenimiento de tipo predictivo.
Para el caso de que el tipo de mantenimiento definido para un equi-
po determinado sea preventivo cíclico, se cuenta adicionalmente con
un reporte como el mostrado en la Figura 5.25.
En el reporte se muestra el gráfico a partir del cual se determina el
tiempo óptimo de intervención para la política preventiva cíclica, junto
a los indicadores de tiempo óptimo de intervención, costo de man-
tenimiento mínimo, número esperado de mantenimientos correctivos,
número esperado de mantenimientos preventivos, la disponibilidad es-
perada y el costo directo de mantenimiento.
305
A. Arata
Figura 5.26: Reporte para política de mantenimiento de tipo preventiva cíclica.

306
En la Tabla 5.9 se entrega el resumen de la información obtenida

de este análisis.
EQUIPO ETAPA CICLO VIDA TIPO DE POLÍTICA TIEMPO ÓPTIMO [h]

Feeder 1 Rodaje Predictiva
Correa 1 Rodaje Predictiva
Molino 1 Rodaje Predictiva
Harnero 1 Desgaste Preventiva cíclica 713,1
Harnero 2 Desgaste Preventiva cíclica 713,3
Bomba 1 Rodaje Predictiva
Bomba 2 Rodaje Predictiva
Hidrociclón 1 Rodaje Predictiva
Molino 2 Rodaje Predictiva
Bomba 3 Desgaste Preventiva cíclica 297,4
Bomba 4 Desgaste Preventiva cíclica 297,4
Molino 3 Desgaste Preventiva cíclica 1306,8
Bombas 5 Rodaje Predictiva
Bombas 6 Rodaje Predictiva
Tabla 5.9: Políticas propuestas para equipos de la planta
Una observación que resulta relevante mencionar es que, para este

análisis en particular, no se cuenta con la información referente al costo
de inspección asociado a las políticas de mantenimiento predictivas, por
lo que R-MES lo considera como valor cero por defecto. Por este motivo,
para los equipos en etapa de rodaje se obtiene que la política más ade-
cuada es de tipo predictivo, por sobre una política de tipo correctiva. No
obstante, se debe considerar que, en la medida en que el costo de inspec-
ción sea mayor, puede ser recomendable una política de tipo correctiva.
3.3 Toma de decisiones

Luego del análisis de la información histórica corresponde la etapa
asociada a la toma de decisiones, la que se estructura del mismo modo
en que se ha planteado el diseño de la herramienta de simulación.
307
A. Arata
3.3.1 Modificaciones del sistema
En cuanto a las decisiones asociadas a las modificaciones del sis-

tema, la herramienta de simulación permite realizar tres tipos de cam-
bios: remplazar equipos, aumentar el nivel de redundancia y modificar
la configuración lógica de los equipos.
Para las primeras dos opciones se requiere de la «información ex-
terna» sobre los equipos disponibles en el mercado y sus principales
características, incluido el precio y su posibilidad de adquisición.
Por simplicidad se desarrolla este caso particular bajo el supuesto
que cualquiera de los equipos que se requiera está disponible de mane-
ra inmediata en el mercado.
Teniendo en consideración lo anterior es posible realizar las pro-
puestas relacionadas con la modificación del diseño del sistema.
Desde un punto de vista teórico es posible pensar en la incorpora-
ción de redundancias a cualquier equipo de alta criticidad. Sin embar-
go, desde un punto de vista práctico resulta absolutamente inviable,
por lo que se desecha la decisión de redundar un equipo de altos costos
de capital asociado.
De los indicadores probabilísticos se detecta que el hidrociclón 2
presenta una baja disponibilidad esperada y un alto costo de falta. El
molino 1, si bien tiene una disponibilidad esperada de nivel medio, en
comparación con los demás equipos, es el equipo con mayor costo de
la falta probable.
El hidrociclón 2 manifiesta la más baja disponibilidad histórica
acumulada durante el período bajo análisis. En términos de costos his-
tóricos, tanto el hidrociclón 2 como el molino 1 son aquellos que gene-
ran el mayor impacto en los costos de la falta del sistema.
De las intervenciones realizadas se detecta que el hidrociclón 2, si
bien presenta un bajo número de intervenciones, en términos del tiem-
po empleado para ellas hacen que este equipo sea el que tiene la mayor
cantidad de horas de mantenimiento.
El análisis de criticidad muestra que el hidrociclón 2 y el molino
1 son los equipos más críticos del sistema, siendo este el factor deter-
minante en la decisión de aplicar redundancia en los equipos. Para el
caso del molino 1 no tiene sentido su evaluación, ya que el alto costo de
capital asociado para aumentar el nivel de redundancia hace impracti-
cable esta alternativa.
308
En relación al remplazo de equipos, se visualizan como opciones de

análisis las bombas 3 y 4.
Del análisis probabilístico se detecta que tanto la bomba 3 como la
bomba 4 son equipos con baja disponibilidad esperada y con bajos costos
de la falta, es decir, no son críticos, pero tienen una alta indisponibilidad.
Respecto a los tiempos medios se observa que ambos equipos son
los que poseen los menores tiempos medios entre fallas, lo que indica
una alta frecuencia de falla. En términos de costos históricos se detecta
que poseen los más altos niveles de costos de mantenimiento, concen-
trando el 40% del total del sistema.
3.3.2 Inversión en equipos
La decisión de inversión en equipos está directamente relacionada

con el aumento del nivel de redundancia en el sistema o con la alterna-
tiva de remplazo, ya que ambas opciones requiere de la adquisición de
nuevos equipos.
En cuanto a los equipos a adquirir, la propuesta es la adquisición de
un hidrociclón como el hidrociclón 2, para aumentar el nivel de redun-
dancia, al que se le identifica como «hidrociclón 2.1»; y dos bombas
para remplazar las bombas 3 y 4, que se identifican como «bomba 3.1»
y «bomba 4.1», respectivamente.
Para el desarrollo del caso se considera que no hay problemas de
financiamiento. Para la búsqueda de la solución se determina el máxi-
mo valor que se puede invertir en ellos, considerando la reducción del
costo de la falta que se genera por las mejoras aplicadas al sistema
durante el ciclo de vida. Además es importante señalar que, por simpli-
cidad, la obtención de los costos de la falta se realiza en función de la
disponibilidad del sistema y no sobre la utilización de ellos.
Solo a modo de demostración de la inviabilidad económica se ana-
liza el caso de la adquisición de un nuevo molino, definiéndolo como
un nuevo sistema, «Sistema Molienda 2», al que se considera agregar
un equipo similar en redundancia stand-by con el molino 1. Al com-
pararlo con el sistema base se obtiene que el ahorro anual del costo de
la falta del sistema es de US$ 5.460.464, es decir, para la adquisición e
instalación del molino 1.1 se puede realizar una inversión equivalente
anual de hasta US$ 5.460.464. Sin embargo, la adquisición de un nue-
vo molino requiere de inversiones del orden de los US$ 40.000.000,
sin considerar el costo de instalación y las modificaciones correspon-
309
A. Arata
dientes, lo que respalda de manera clara la conveniencia de desestimar

esta alternativa.
SISTEMA COSTO DE LA FALTA DISPONIBILIDAD

Sistema Molienda 70.266.799 88,54%
Sistema Molienda 2 64.806.335 89,43%
Tabla 5.10: Comparación de sistemas
En cuanto a la adquisición del «hidrociclón 2.1», definido como

«Sistema Molienda 3», este considera incorporar un equipo en redun-
dancia en configuración stand-by con el hidrociclón 2. De los resulta-
dos se obtiene que se puede invertir hasta US$ 3.594.875 equivalentes
por año para esta alternativa.

Tanto para el hidrociclón 2.1 como para el molino 1.1 se ha reali-

zado el supuesto conservador, en otras palabras, que los nuevos equi-
pos poseen los mismos indicadores de tiempos medios que los equipos
que redundan.
Para el reemplazo de las bombas 3 y 4, definido como «Sistema
Molienda 4», en el que las bombas se reemplazan por otras dos, la 3.1
y la 4.1, respectivamente. Para este caso, los nuevos equipos poseen un
MTBF mayor al de los equipos que reemplazan, debido a que la mo-
tivación del remplazo está basada en la alta frecuencia de falla de los
equipos. El MTBF de los nuevos equipos es de 200 [h] y el MTTR se
mantiene el de los equipos remplazados.
Al comparar con el sistema base, se puede observar que para el
remplazo de las bombas 3 y 4 se puede destinar, adicionalmente, hasta
US$ 1.686.212 equivalente anuales.

310
3.3.3 Capacitación del personal de mantenimiento
Para determinar la conveniencia de realizar programas de capacita-

ción se supone que el mercado ofrece los programas requeridos como
la disponibilidad del financiamiento necesario para su desarrollo.
Además se asume el mejoramiento del desempeño de las personas por
la aplicación de los programas. A modo de ejemplo es posible establecer
que los programas de capacitación permiten mejorar las competencias
para la reparación de los equipos, por lo que es posible reducir el MTTR.
Todo programa de capacitación entrega su resultado en el tiempo, sin
embargo, para el caso en estudio se considera que su efecto es inmediato.
Considerando los supuestos anteriores, las tendencias de incremen-
to de los MTTR y las condiciones de criticidad de los equipos, se deci-
de realizar capacitación a las personas que les corresponde mantener
el alimentador 1, el alimentador 2 y la bomba 2, como también a los
nuevos equipos adquiridos, hidrociclón 2.1 y molino 1.
Se busca determinar el máximo gasto a realizar bajo el supuesto de
que las capacitaciones realizadas permiten una reducción del MTTR en
un 10% en cada equipo.
Para el equipo alimentador 1, definido como el «Sistema Molien-
da 5», en el que para el alimentador 1 se logra un mejoramiento del
MTTR justificable, obteniéndose que el máximo a gastar para esta me-
dida sea US$ 314.018.

Para el alimentador 2, definido como «Sistema Molienda 6», el

máximo a gastar en capacitación, para reducir en un 10% en MTTR
del equipo, corresponde a US$ 323.045.

311
A. Arata
Para la bomba 2, definido como «Sistema Molienda 7», en el que se

supone una reducción del MTTR en un 10%, el resultado obtenido, en
relación con el sistema base, es nulo, ya que esta medida no genera cam-
bios en los costos de la falta del sistema ni en su disponibilidad esperada.

Respecto del equipo adquirido, la comparación se realiza en rela-

ción al sistema correspondiente, de modo de que el resultado refleje el
efecto de la reducción del MTTR como resultado de la capacitación
capacitar.
Para el equipo hidrociclón 2.1, definido como «Sistema Molienda
8», en el que el equipo tiene un MTTR mejorado, se compara con el
«Sistema Molienda 3», en el que se ha instalado el equipo hidrociclón
2.1 en redundancia stand-by con el equipo hidrociclón 2, sin haber
modificado el MTTR. Como resultado de la comparación se obtiene
que el máximo a gastar en capacitación para el hidrociclón 2.1 alcanza
los US$ 361.975.

Para la reducción del MTTR del molino 1, definido como «Sistema

Molienda 9», el que se compara con el «Sistema Molienda» en que se
encuentra el molino 1 sin alterar su MTTR. El resultado de esta com-
paración muestra que el máximo gasto es de US$ 1.084.340.

312
3.3.4 Políticas de mantenimiento
De la aplicación de R-MES, considerando las condiciones particu-

lares de los equipos y su impacto sobre el sistema, resultan las siguien-
tes políticas de mantenimiento para los diferentes equipos de la planta
en estudio:
EQUIPO TIPO DE POLÍTICA
Feeder 1 Predictiva
Feeder 2 Predictiva
Feeder 3 Predictiva
Feeder 4 Predictiva
Correa 1 Predictiva
Molino 1 Predictiva
Harnero 1 Preventiva cíclica
Harnero 2 Preventiva cíclica
Bomba 1 Predictiva
Bomba 2 Predictiva
Hidrociclón 1 Predictiva
Molino 2 Predictiva
Bomba 3 Preventiva cíclica
Bomba 4 Preventiva cíclica
Molino 3 Preventiva cíclica
Bombas 5 Predictiva
Bombas 6 Predictiva
Tabla 5.18: Políticas de mantenimiento propuestas
Con el fin de simplificar el proceso de simulación se ha restringido

el análisis a solo dos tipos de política de mantenimiento: mantenimien-
to del tipo correctivo y mantenimiento del tipo preventivo cíclico.
Del análisis de las intervenciones de mantenimiento realizadas se
observa que los equipos a los cuales se les ha aplicado mantenimiento
de tipo preventivo son:
• alimentador 1,
• alimentador 2,
• correa 1,
• molino 1,
• harnero 1,
• harnero 2,
313
A. Arata
• hidrociclón 1,
• hidrociclón 2,
• molino 3,
• bomba 5,
• bomba 6, e
• hidrociclón 3.
Sin embargo, para varios de estos equipos el R-MES define como

política más conveniente la del tipo correctiva, por lo que se propone,
para estos equipos, que se encuentran bajo una política preventiva pa-
sar a una del tipo correctiva. Estos equipos son:
• alimentador 1,
• alimentador 2,
• correa 1,
• molino 1,
• hidrociclón 1,
• hidrociclón 2,
• bomba 5,
• bomba 6, e
• hidrociclón 3.
Cabe destacar que la aplicación de una política de mantenimiento

del tipo correctiva no significa necesariamente que las intervenciones
generen una condición de emergencia. Para equipos de baja criticidad,
la aplicación de políticas correctivas se explica por el bajo impacto de
las detenciones que estos producen en la disponibilidad del sistema.
En cuanto al harnero 1, harnero 2 y molino 3 se propone mantener
para ellos la aplicación de la actual política de mantenimiento del tipo
preventiva, no obstante, se recomienda cambiar la frecuencia de las
intervenciones preventivas tal como se indica en la tabla siguiente:
EQUIPO TIPO DE POLÍTICA TIEMPO ÓPTIMO [h]

Harnero 1 Preventiva cíclica 713,1
Harnero 2 Preventiva cíclica 713,1
Molino 3 Preventiva cíclica 1.306,8
Tabla 5.19: Políticas de mantenimiento y frecuencia de intervención
314
En las bombas 3 y 4 también corresponde la aplicación de una po-

lítica de tipo preventiva cíclica, sin embargo, dado que se ha propuesto
remplazar estos equipos por otras dos bombas nuevas, es necesario
resolver la política a aplicar según la nueva información que se dispone
del fabricante o, en su defecto, a través de un benchmark.
3.4 Proceso de simulación

Incorporadas las modificaciones a la planta base, de acuerdo a los
análisis y las decisiones tomadas, se procede a realizar la simulación a
través del módulo de simulación de Montecarlo de R-MES.
En consecuencia, se agregan a la planta base los equipos en redun-
dancia sugeridos, a los cuales se les considera la misma información de
los equipos en funcionamiento, de manera de proceder a la simulación
de Montecarlo, con la necesaria data histórica, para determinar la mejor
distribución de probabilidad para el comportamiento de los equipos.
En el caso de las nuevas bombas 3.1 y 4.1, consideradas en reem-
plazo de las bombas 3 y 4, se observa la misma data histórica de las
bombas remplazadas (análisis conservador), de modo que el módulo
de simulación de Montecarlo pueda ajustar la mejor distribución de
probabilidad para el comportamiento de los equipos. También se mo-
difica el indicador MTBF, de manera de reflejar la mejora en el com-
portamiento de los nuevos equipos instalados en remplazo de los que
muestran una alta frecuencia de falla.
Luego, a través del módulo de simulación de Montecarlo de R-
MES, se obtiene la distribución de probabilidad de los equipos para el
comportamiento de los indicadores TBF (tiempo entre fallas) y TTR
(tiempo de reparación), tal como se muestra en la figura siguiente, que
refleja la pantalla correspondiente de R-MES.
315
A. Arata
Figura 5.27: Interfaz de simulación de Montecarlo en R-MES
En las pestañas asociadas a las distribuciones de los indicadores,

es posible redefinir los parámetros de las distribuciones, lo que re-
sulta útil para reflejar el efecto de la implementación de las medidas
que mejoran los MTBF o MTTR de los equipos. Recordemos que
para la renovación de los equipos se supone una disminución de la
frecuencia de fallas, mientras que para el caso de desarrollo de los
programas de capacitación se supone una disminución de los tiem-
pos de reparación.
Para los equipos bomba 3.1 y 4.1 se deben modificar la distribución
del TBF; y para los equipos molino 1, hidrociclón 2.1, alimentador 1 y
alimentador 2 se deben modificar la distribución del TTR.
Los cambios que se realizan en las distribuciones se exponen a
continuación:
Para la bomba 3.1 y la bomba 4.1 se modifica la distribución
TBF, ya que la data histórica de las bombas 3 y 4 no refleja el me-
joramiento asociado al remplazo de los equipos por los nuevos que
tienen un mejor MTBF. El cambio considera para ambos equipos un
MTBF de 200 [h].
316
DISTRIBUCIÓN TBF DISTRIBUCIÓN TBF

EQUIPO
INICIAL MODIFICADA
NORMAL NORMAL
Bomba 3.1
µ = 127,814 σ = 40,084 µ = 200 σ = 40,084
NORMAL NORMAL
Bomba 4.1
µ = 127,030 σ = 40,681 µ = 200 σ = 40,681
Tabla 5.20: Modificación de distribución TBF
Por el molino 1, el hidrociclón 2.1, el alimentador 1 y el alimenta-

dor 2 se modifica la distribución TTR, de modo de reflejar el efecto de
la reducción en un 10% del MTTR de cada uno, como resultado del
programa de capacitación. Los MTTR de los equipos resultan ser de
5,2587 [h] para el molino 1, de 23,9247 [h] para el hidrociclón 2.1, de
2,61 [h] para el alimentador 1 y de 3,0204 [h] para el alimentador 2.
DISTRIBUCIÓN TTR DISTRIBUCIÓN TTR

EQUIPO
INICIAL MODIFICADA
EXPONENCIAL EXPONENCIAL
Molino 1
λ = 0,1994 λ = 0,1902
WEIBULL WEIBULL
Hidrociclón 2.1
λ = 9,1413 k = 0,6731 λ = 18,1795 k = 0,6731
WEIBULL WEIBULL
Alimentador 1
λ = 2,7474 k = 0,8350 λ = 2,372 k = 0,8350
WEIBULL WEIBULL
Alimentador 2
λ = 3,6469 k = 0,9659 λ = 2,9745 k = 0,9659
Tabla 5.21: Modificación de distribución TTR
Al realizar la simulación de Montecarlo se observa la distribución

de los resultados de disponibilidad de la planta para cada iteración
de la simulación. También se obtiene el resultado para el indicador
de la utilización.
El análisis se realiza solo para aquellos subsistemas cuyo resultado
se ve afectado por las modificaciones efectuadas, es decir, se analizan
los siguientes subsistemas:
• alimentador 1,
• alimentador 2,
317
A. Arata
• subsistema de alimentación,
• molino 1,
• subsistema de molienda SAG,
• bomba 3.1,
• bomba 4.1,
• subsistema de bombas 3.1 y 4.1,
• subsistema de hidrociclones 2 y 2.1,
• subsistema de molienda de bolas Nº 1,
• subsistema de molienda de bolas, y
• sistema de molienda.
La siguiente tabla muestra el resumen de los resultados obtenidos

de la simulación para cada subsistema. En ella se indica la esperanza de
cada distribución de disponibilidad obtenida.
Esperanza Esperanza
SUBSISTEMA
Disponibilidad Utilización
Sistema Molienda 0,94597 0,92562
Molienda SAG 0,96632 0,95556
Feeder 1 0,99004 0,98735
Feeder 2 0,9855 0,98211
Molino 1 0,97961 0,97474
Molienda Bolas 0,97866 0,96865
Molienda Bolas Nº 1 0,99008 0,98388
Bombas 3 y 4 0,99926 0,99916
Bomba 3 0,97672 0,97372
Bomba 4 0,97271 0,96937
Hidrociclones 2 y 2.1 0,99835 0,99772
Tabla 5.22: Resultados de simulación de Montecarlo
3.5 Análisis de resultados

Para mostrar en resultado de la aplicación de la simulación de
Montecarlo de R-MES se muestra solo el de disponibilidad. Respecto
de los costos se considera el costo de la falta del sistema.
En la siguiente tabla se muestra una comparación entre los resul-
tados de disponibilidad obtenidos de la simulación de Montecarlo y el
indicador de disponibilidad esperada obtenido del sistema inicial, para
cada uno de los subsistemas definidos.
318
Esperanza
Disponibilidad
SUBSISTEMA Disponibilidad
esperada
(Montecarlo)
Sistema Molienda 0,94597 0,88540
Molienda SAG 0,96632 0,93251
Feeder 1 0,99004 0,99519
Feeder 2 0,9855 0,99389
Molino 1 0,97961 0,98088
Molienda Bolas 0,97866 0,94602
Molienda Bolas Nº 1 0,99008 0,94137
Bombas 3 y 4 0,99926 0,98003
Bomba 3 0,97672 0,96547
Bomba 4 0,97271 0,96249
Hidrociclones 2 y 2.1 0,99835 0,96749
Tabla 5.23: Comparación de resultados de disponibilidad
Se observa, en general, que las medidas adoptadas permiten mejo-

rar la disponibilidad de los subsistemas salvo para el caso del molino 1,
en cuyo caso la disponibilidad prácticamente se mantiene, por lo que,
para este equipo, las medidas adoptadas no son necesarias.
Para el sistema se observa una mejora desde un 88,54% de dispo-
nibilidad, antes de adoptar las medidas de mejora; hasta un 94,60% de
disponibilidad, luego de los cambios adoptados.
Respecto a la comparación relacionada con el costo de la falta esta
se realiza a través de la utilización del sistema obtenida de la simulación.
En la tabla que sigue se compara el resultado histórico del costo
de la falta del sistema con el valor esperado del indicador, obtenido en
función de la utilización. Las horas de operación anual corresponden a
8.760, mientras que el costo de ineficiencia horario es de US$ 70.000.
Costo de la falta Esperanza Disponibilidad Costo de la falta

SUBSISTEMA
histórico [USD] [%] [Montecarlo] esperado [USD]
Sistema Molienda 10 70.266.799 94,60% 33.131.196
Tabla 5.24: Comparación de resultados de costo de la falta
Como es de esperar, se observa una reducción del costo de la falta,

ya que la disponibilidad y utilización del sistema aumenta gracias a las
medidas adoptadas.
319
A. Arata
Para el desarrollo completo del caso en estudio es necesario reiterar

el proceso realizado para la búsqueda de nuevas mejoras, a partir del
sistema modificado. Esto no tiene mayor sentido, considerando que
no aporta valor a la finalidad perseguida por este apartado, es decir,
mostrar los resultados posibles de lograr a través de la aplicación de
la Ingeniería de la Confiabilidad mediante el enfoque y la plataforma
informática R-MES.
El desarrollo del caso presentado, a través de la plataforma R-MES, ha
permitido identificar las potenciales y las mejoras posibles de lograr
con la aplicación de este enfoque, haciendo de la gestión de los activos
físicos una opción para el mejoramiento de los resultados del negocio.
La capacidad más importante de R-MES es su facilidad de uso,
flexibilidad y rigurosidad para el análisis, no solo a nivel de componte
básico, sino también sistémico, lo que permite identificar el impacto
sobre el negocio y la definición de políticas y acciones particulares so-
bre los elementos constituyente. A través de este enfoque es posible
identificar las mejoras relacionadas con el diseño, la operación y el
mantenimiento de sistemas complejos, para transformar la gestión de
los activos desde un actuar limitado a lo administrativo hacia lo táctico
y estratégico. El R-MES se caracteriza por la facilidad de diagramación
lógico-funcional de sistemas complejos, por la posibilidad de carga de
data histórica de operaciones y mantenimiento, por la entrega de va-
riados y personalizados KPI’s históricos y probabilísticos y por la ca-
pacidad de simulación de diferentes escenarios definidos por variables
internas y externas.
Los principales resultados de la aplicación de este enfoque, en este
caso particular, en su primera iteración, han permitido incrementar la
disponibilidad esperada del proceso desde un 88,5% hasta un 94,6%,
disminuyendo el costo de la falta esperado en más de US$ 33 millones,
a través de los cambios en la gestión y en proyectos de capital.
320
Capítulo Seis
Presentación de caso en la fase

de Operación de una Flota
1. Introducción
Se presenta el siguiente caso con el objeto de mostrar la aplicación del
enfoque R-MES orientado a mejorar la gestión de los activos en beneficio
del negocio para una Flota de Equipos que opera en una faena minera.

El primer paso del enfoque R-MES, para enfrentar el caso corres-
ponde a la identificación y estudio operacional de la Flota de Equipos
de una mina de cobre en cuanto a los procesos y equipos involucrados,
de manera de definir la configuración lógica-funcional (RBD) que lo
representa del punto de vista de la seguridad de operación de la Flota.
Luego se obtienen las condiciones de funcionamiento que resultan
de la operación y del mantenimiento de la Flota en estudio, de forma
de contar con la base de datos correspondiente. Además se considera
toda aquella información necesaria relacionada con las condiciones ge-
nerales propias de la empresa externa relacionada.
Con la modelación (RBD) de la instalación y con la información
disponible se evalúa la condición base de la Flota de Equipos a través
del análisis de los KPI’s, tanto estadísticos como probabilísticos, que
resultan de la aplicación de la Ingeniería de la Confiabilidad por medio
del enfoque R-MES.
Luego se analizan diversos indicadores históricos a los diferentes
niveles de la configuración lógica-funcional, con el objeto de obtener
resultados para la condición base e identificar las oportunidades de me-
joras, para definir las acciones en la gestión de activos de la flota. Estas
321
A. Arata
mejoras permiten incrementar el desempeño de la flota, en términos de

su capacidad productivay los activos involucrados.
Para todo este proceso de Ingeniería de la Confiabilidad, la plata-
forma informática R-MES se convierte en una herramienta fundamen-
tal para el desarrollo del caso en estudio.
Figura 6.1: Metodología de abordaje para desarrollo de los casos
3. Desarrollo del caso de una flota de equipos

3.1 Entendimiento
• Descripción de la flota
La Flota de Equipos de la faena minera se compone por los siguien-
tes tipos de equipos:
·· wheeldozer,
·· perforadoras,
·· cargadores frontales,
322
·· camiones,
·· bulldozery y
·· motoniveladoras.
Equipos de Carga Flota de Camiones Destino de Descarga
Equipos de
Apoyo
> Perforadoras
> Equipos de
apoyo en
general
Figura 6.2: Diagrama del proceso
3.2 Configuración lógico-funcional

Las condiciones de funcionamiento de cada etapa del proceso per-
miten determinar la configuración lógica-funcional (diagrama RBD)
del sistema en estudio.
La flota contempla dos macro-procesos que se realizan en simultá-
neo. El principal de ellos, es el que tiene por objeto la extracción y el
transporte de mineral desde el rajo de la mina hasta la primera etapa de
chancado. El otro, auxiliar, es el que considera el desarrollo y el mante-
nimiento de los caminos por donde circulan los equipos.
A continuación se esquematiza la secuencia de trabajo de los pro-
cesos y los equipos involucrados:
Proceso Principal: Extracción y transporte de mineral
Limpieza Área Carguio

Perforación Transporte Entrega para
Ing. Minas Perforación Tronadura (Cargadores
(Perforadoras) (Camiones) Chancado
(Wheeldozer) Frontales)
Proceso Auxiliar: Desarrollo y mantención de caminos
Desarrollo de Nivelación de
Caminos Caminos
(Bulldozer) (Motoniveladoras)
Figura 6.3: Esquema de las etapas comprendidas en los procesos
323
A. Arata
Al observar el proceso principal es posible representarlo operacio-

nalmente con una configuración lógico-funcional, el que considera que
todas las etapas del proceso están en serie, ya que cada uno de ellos debe
operar correctamente para el buen funcionamiento de todo el proceso.
Cada etapa del proceso principal utiliza diferentes tipos de equi-
pos con una configuración lógico-funcional determinada, para lograr
la meta de producción esperada de 70 ktpd de la operación minera.
Si bien el proceso cuenta con varias etapas, las únicas que involu-
cran una meta de disponibilidad son la perforación, carguío y trans-
porte. Todas las otras, por considerarse equipos de apoyo, no tienen
una meta definida.
Para el proceso de limpieza se cuenta con tres wheeldozer, los cuales
se encuentran en operación permanente como una flota de equipos, re-
presentados por una configuración lógico-funcional en fraccionamien-
to, ya que cada unidad aporta una fracción (de acuerdo a la capacidad
unitaria de cada equipo) de la capacidad productiva total de la flota.
Para el sistema de perforación también su representación es en
fraccionamiento, sin embargo, para este caso se cuenta con siete per-
foradoras, de las cuales se requiere en operación permanente solo seis
para cumplir con la capacidad productiva por lo que una de ella se
encuentra en condición stand-by. Esta etapa tiene una disponibilidad
esperada del 75% de su capacidad total instaladapara cumplir con la
meta productiva exigida.
El sistema de carguío, constituido por cargadores frontales, también
responde a una configuración lógico-funcional del tipo fraccionada.
Para esta flota se cuenta con siete cargadores frontales, todos los cua-
les deben operar permanentemente para lograr la meta de producción
definida de 70 ktpd, por lo que la configuración representativa de esta
etapa del proceso queda definida por siete equipos en fraccionamiento
con un aporte individual de cada equipo de 14,286%. Esta etapa, al
igual que para las perforadoras, tiene una disponibilidad meta de 75%
de su capacidad total instalada, para lograr la producción requerida.
Finalmente, se encuentra la flota de camiones, la que tiene la fun-
ción de transportar el material, dependiendo de la ley, al botadero de
estéril (Waste) para el desarrollo, al ROM y al chancador primario.
Esta etapa del proceso cuenta con una flota de 21 camiones de 183
t de capacidad y con otra flota de 10 camiones de 220 t. En consecuen-
324
cia, el aporte de la flota formada por los camiones de mayor carga es

del 36,4%, y de la flota de camiones de menor carga es de 63,6%.
Para la flota de camiones de mayor carga el aporte de cada uno de
los equipos es de 10%, mientras que para la flota de menor carga el
aporte unitario es de 4,76%.
Esta etapa del proceso, por ser una de las principales, tiene un in-
dicador meta fijado en 85% de disponibilidad de la capacidad total
instalada, de manera de cumplir con la producción meta de 70 ktpd.
El proceso auxiliar está compuesto por dos flotas de equipos, una
de bulldozer para el desarrollo de caminos, la que tiene seis equipos
móviles, todos en operación permanente, por lo que cada uno aporta
con el 16,66% de los requerimientos. La otra flota de motoniveladoras
cuenta con cuatro equipos, de los cuales tres de ellos se encuentran en
operación permanente y el otro está en stand-by, por lo que el aporte
de cada equipo es del 33,33% de los requerimientos, quedando otro
33,33% como capacidad ociosa por el equipo stand by.
Dado que ambos macroprocesos se requieren para una correcta
operación del sistema, es posible considerar que entre ellos se cuenta
con una configuración lógica-funcional en serie.
A continuación se muestra el resultado de la diagramación del pro-
ceso principal en la plataforma informática R-MES:
Figura 6.4: Configuración del proceso principal en R-MES
325
A. Arata
Para el proceso auxiliar la configuración en la plataforma informá-

tica R-MES queda representada como se muestra en la figura siguiente:
Figura 6.5: Configuración del proceso auxiliar en R-MES
Para el proceso completo la diagramación en R-MES se representa

a continuación:
Figura 6.6: Configuración del proceso completo en R-MES
• Base de datos
La base de datos que se utiliza para el caso en estudio corresponde
a la información de todas las detenciones ocurridas en el período de
seis meses para todos los equipos que constituyen la flota de la faena
minera, ordenados en campos en un archivo «*.csv», que es el formato
requerido para la carga de datos en la plataforma informática R-MES.
326
Para este caso en estudio, la información utilizada en la base de da-

tos tiene un total de 66.659detenciones (tuplas), es decir, la agrupación
de los datos ordenados en campos.
Cada detención es leída y procesada por el sistema R-MES para
realizar la carga de datos a cada equipo, según corresponda.
• Información de la empresa
Adicionalmente a los datos provenientes de producción y mante-
nimiento, es necesario incorporar la información relacionada con la
capacidad productiva y la facturación meta. Esta información se iden-
tifica como «propiedades» en la plataforma R-MES.
En la siguiente tabla se presentan los valores correspondientes:
PRODUCCIÓN ESPERADA [t/d] 70.000

IMPACTO COSTOS
% 20
VARIABLES
FACTURACIÓN ANUAL $ 900.000.000
Tabla 6.1: Información de la empresa
3.3 Análisis de información

Como se ha indicado anteriormente, la información considerada
para el estudio de este caso corresponde a seis meses.
A través del uso de la plataforma de R-MES se obtienen diversos
reportes e indicadores para la Flota de Equipos en estudio bajo las con-
diciones operacionales definidas (sin modificaciones), que se identifica
como el caso base.
3.3.1 Principales indicadores
Un análisis de interés es el conocer indicadores la disponibilidad /

utilización histórica a distintos niveles que constituyen el sistema. De
esta forma se estudia la disponibilidad durante todo el periodo en aná-
lisis para cada uno de los subsistemas que constituyen la Flota, tanto
del proceso principal como del auxiliar, hasta conocer el comporta-
miento de la disponibilidad de los equipo de manera de identificar el
equipo más crítico de las flotas de perforadoras, cargadores frontales y
camiones, en todo el período a analizar.
327
A. Arata
Figura 6.7: Gráfico de disponibilidad para las distintas flotas del proceso principal
Del gráfico de disponibilidad obtenido de las distintas flotas que

componen el proceso principal, se observa que, para el período ana-
lizado, la flota que tiene el mejor indicador es la de Camiones. Sin
embargo, se observa que para el último mes del período analizado el
indicador no logra la meta del 85% de disponibilidad definida.
Del gráfico se desprende que la flota que tiene más baja disponibi-
lidad es la del proceso de apoyo de los wheeldozer. Las perforadoras,
en tres de los seis meses analizados, no logran la disponibilidad meta
definida del 75%, obteniéndose para el mes de mayo un brecha de has-
ta 10 puntos porcentuales.
Figura 6.8: Gráfico de utilización para las distintas flotas del proceso principal
328
Al analizar el gráfico de utilización, al igual que para el caso de la

disponibilidad, la flota de camiones es la que tiene el mejor indicador
durante todos los meses del período analizado, aunque con una clara
tendencia a la baja, llegando hasta casi un 65% de utilización para el
último mes (mayo) del periodo en estudio.
Los cargadores frontales son la flota más estable en cuanto a su
comportamiento, variando solo entre el 60% y el 65% la utilización.
Los flota de apoyo de los wheeldozer es la que presenta, al igual que
para la disponibilidad, el indicador de utilización promedio más baja.
Figura 6.9: Gráfico de disponibilidad para las distintas flotas del proceso auxiliar
Para el proceso auxiliar se aprecia que la flota de bulldozer es la

tiene la menor la menor disponibilidad y utilización.
Figura 6.10: Gráfico de utilización para las distintas flotas del proceso auxiliar
329
A. Arata
Una vez analizado el comportamiento de la disponibilidad y la

utilización a nivel de las diferentes flotas que constituyen el sistema,
es necesario evaluar el efecto en el costo de la falta que ellas tienen
sobre el sistema (impacto sobre el negocio). Para esta evaluación se
obtiene el reporte de disponibilidad / costo de la falta, el que presenta
la disponibilidad sistémica de cada flota y el costo de la falta para el
sistema completo. Se aprecia que el proceso principal tiene un costo
de la falta total de superior a los US$ 80 millones, mientras que el
proceso auxiliar tiene un costo de la falta superior a US$ 60 millones.
La flota que genera el mayor costo de la falta es la flota de bulldozer
para el proceso auxiliar, mientras que es la flota de wheeldozer para
el proceso principal. Es importante mencionar que la flota de wheel-
dozer es la única flota del proceso principal que no tiene un indicador
meta definido, por lo que su mantenibilidad y confiabilidad no es
controlada exhaustivamente.
Figura 6.11: Gráfico de costo de la falta por procesos y flotas
Del gráfico de Pareto es posible identificar, en término de horas,

cuáles son las principales causas de detenciones de las distintas flotas y
cuáles acumulan el mayor número de horas detenido, ya sea por causas
de mantenimiento u operación. Al analizar este gráfico se aprecia que
el mayor número de hora están en la flota de bulldozer, con más de
2.500 horas en total, en el que prácticamente el 80% de este tiempo
se debe a mantenciones correctivas y preventivas, mientras que solo
un 20%, aproximadamente, corresponde a detenciones por razones de
330
operación. Mientras que al analizar la flota de camiones se observa que

casi el 50% de las horas totales de detenciones corresponden a causas
de operación y solo 760 horas, de las casi 1.500 totales, corresponden
a algún tipo de mantenimiento.
Figura 6.12: Gráfico de Pareto para las distintas flotas en términos de horas
De estegráfico de Pareto se aprecia, en términos de número de

detenciones, que la flota de perforadoras concentra casi el 50% del
total de detenciones de todas las flotas, con más de 1.250 detenciones,
cuyas principales causas son de operación y no de mantenimiento.
La flota de camiones prácticamente no acumula detenciones en
comparación con las otras flotas, debido, principalmente, a que es la
flota con el mayor número de equipos, por lo que el impacto de la de-
tención de cada camión sobre la flota es menor.
Figura 6.13: Gráfico de Pareto para las distintas flotas en términos de número
331
A. Arata
Otro reporte del análisis de la información histórica es el mix de

mantenimiento, el que entrega, tanto en términos de horas como en
cantidad de eventos, la proporción que existe entre los distintos tipos
de mantenimiento correctivo y preventivo, con el fin de visualizar rápi-
damente bajo qué política de mantenimiento se encuentran las flotas y
los equipos que las constituyen. Es oportuno señalar que las políticas
deben definirse a nivel de equipo y no a nivel de las flotas, ya que cada
componente del sistema tiene su particularidad. En todo caso, es intere-
sante visualizar el mix de las políticas de cada una de las flotas.
Figura 6.14: Gráfico de mix de mantenimiento para

las distintas flotas del proceso principal
El gráfico del mix de mantenimiento por flota del proceso princi-

pal permite identificar que la flota de las perforadoras es la que tiene
la mayor proporción de mantenimiento correctivo, con una relación
preventivo / correctivo de prácticamente 75 / 25, mientras que la flota
de camiones es atendida 100% de manera preventiva. Al analizar el
mismo gráfico en términos de cantidades de eventos, se observa un
comportamiento más homogéneo entre las distintas flotas, alcanzando
casi una relación de 50 / 50 para todos los casos.
Al profundizar en la flota de perforadoras se observa que en térmi-
nos de cantidad de eventos tiene una alta tendencia al mantenimiento
preventivo, con una relación promedio de preventivo sobre correctivo
de casi 90 / 10, sin embargo en términos de horas la relación es inversa
de un 10 / 90.
La razón de esta situación es debida a que los eventos correcti-
vos son reparaciones puntuales y breves para recuperar rápidamen-
332
te la funcionalidad del equipo, mientras que los mantenimientos

preventivos son intensivos en el uso de las horas, ya que el objetivo
es atender un programa de actividades para mitigar todas las posi-
bles fallas potenciales.

los distintos equipos de la flota de perforadoras
Para las mayores pérdidas de las flotas del proceso principal con
meta definida se realiza un gráfico de criticidad, el que permite iden-
tificar cuál es el equipo más crítico del sistema. El eje de las abscisas
representa la indisponibilidad intrínseca de cada equipo y el eje de las
ordenadas su consecuencia sobre el sistema, por lo que las curvas re-
presentan niveles de iso-criticidad (también el costo de iso-costo de
falta), puesto que el nivel de criticidad de los equipos resulta de la com-
binación entre su indisponibilidad y su impacto sobre el sistema. Es
decir, dos diferentes equipos pueden tener el mismo nivel de criticidad
por su impacto sobre el negocio, siendo que uno de ellos tiene muy baja
disponibilidad (sea por alta frecuencia de fallas o por largos tiempos
de reparación) y el otro, en cambio, si bien tiene buena disponibilidad
relativa, su detención tiene una mayor consecuencia sobre el sistema.
Situación límite es el arreglo en serie en el que cualquier indisponibili-
dad de un equipo es transferida totalmente sobre el sistema.
333
A. Arata
Cada causa de criticidad (indisponibilidad–consecuencia) tiene medi-

das de acción particular, ya que si la criticidad se debe principalmente a
la indisponibilidad es propia de cada equipo (ubicación es en el extremo
inferior derecho del gráfico), las medidas a tomar deben ser mejorar la
confiabilidad o la mantenibilidad del equipo; en cambio, si el principal fac-
tor es la consecuencia del equipo sobre el sistema (ubicación en el extremo
superior izquierdo de gráfico), la medida a emprender es la realización de
un cambio en la configuración lógico-funcional del sistema (modificación
genética del sistema) para incrementar el nivel de redundancia.
Al analizar el gráfico de criticidad de las perforadoras es posible
observar que el equipo crítico es la perforadora BH003, debido a su
alta indisponibilidad en comparación a las otras perforadoras. Además
se observa que todas las perforadoras, al tener la misma fracción sobre
el cumplimiento de plan productivo del proceso, tienen la misma con-
secuencia (se ubican en línea horizontal en el gráfico).
Figura 6.16: Gráfico de criticidad para los equipos de la flotas de perforadoras
Al analizar el mismo gráfico para los cargadores frontales se apre-

cia que el FEL005 es el más crítico, siguiéndole muy cercanamente el
FEL006, el que se diferencia solo en 4 puntos porcentuales de indispo-
nibilidad respecto al primero.
334
Figura 6.17: Gráfico de criticidad para los

equipos de la flotas de cargadores frontales
Al analizar los camiones se aprecia claramente la diferencia entre

los dos tipos de equipos que forman la flota. Los camiones de 220 t se
encuentran concentrados en la parte superior izquierda del gráfico, sin
identificar ningún equipo particularmente crítico. Entre los camiones
de 183 t se observa que los camiones HLT010A y HLT031 son los más
críticos, apreciándose que ello se debe fundamentalmente a su indispo-
nibilidad, ya que cada equipo tiene una menor consecuencia unitaria
sobre el sistema, dado su menor aporte en términos de capacidad.
Figura 6.18: Gráfico de criticidad para los equipos de la flotas de camiones
335
A. Arata
A través del gráfico de Pareto de los componentes de los equipos

críticos es posible visualizar si el Plan Productivo de Mantenimiento está
alineado, determinar si la política de gestión de repuestos es apropiada,
evaluar las competencias de los operadores y mantenedores son adecua-
das, identificar las oportunidades de mejoras, etc. En definitiva, permite
auditar y mejorar la gestión del mantenimiento de los equipos críticos y
dinamizar el Plan correspondiente, con el objeto de disminuir los costos
globales (directos y de pérdidas) durante el ciclo de vida del equipo.
Entre los distintos equipos de la flota de cargadores el FEL005 es
el más crítico, por lo que, con el objeto de identificar las oportuni-
dades y focalizar los esfuerzos de mejoras, es importante determinar,
para ese cargador, cuáles son los principales componentes que fallan
y sus modos de fallar, de manera de obtener las principales causas de
las detenciones.
Figura 6.19: Gráfico de Pareto de fallas de componentes del cargador Frontal

FEL005 en términos de horas
Al observar el comportamiento de los componentes básicos

considerados��
para el cargador frontal FEL005, se observa que el «siste-
ma enfriamiento» y la «estructura» tienen más del 40% del total de las
horas��
de detención, seguido por el «sistema hidráulico» y la «transmi-
sión y mando de bomba». De la gráfica se obtiene el efecto de Pareto,
ya que 4 de los 26 compontes básicos considerados (15%) representan
prácticamente el 80% del total de horas de detención. Es importante
mencionar que, si se hubiesen considerado todos los componentes del
336
equipo, los que definen sobre el 90% de las fallas no son más que el 4
por mil de ellos.
En términos del número de veces que falla el componente se
aprecia que también es el «sistema de enfriamiento», seguido por el
«sistema hidráulico». Ambos componentes acumulan cerca del 40%
del total de detenciones.
A partir de esta información es necesario revisar el Plan de Mante-
nimiento asociado al cargador en cuestión, de manera de determinar el
grado de alineamiento entre plan y el comportamiento de los compo-
nentes de manera de visualizar si en el Plan de Mantenimiento se foca-
liza adecuadamente y si las intervenciones son de la calidad requerida.
Figura 6.20: Gráfico de Pareto de fallas de componentes del cargador Frontal

FEL005 en términos de número
Con el fin de identificar los motivos de la alta indisponibilidad de

los equipos de las flotas de perforadoras, cargadores frontales y camio-
nes, se realiza un gráfico Jack Knife (dispersión), que busca representar
los equipos, componentes o modos de falla según la confiabilidad (fre-
cuencia de falla) y la mantenibilidad (tiempo de reparación). Este gráfi-
co clasifica de manera relativa a los equipos que componen cada flota,
identificando en el zona inferior izquierda los «bajo control» fallas, en
la superior izquierda los «agudos», en la inferior derecha los «cróni-
cos» y en la superior derecha los «crónicos-agudos»; cuatro posibles
grupos (cuadrantes).
337
A. Arata
La flota de perforadoras representada en la gráfica Jack Knife la

inexistencia de equipos en la zona más riesgosa de «agudo-crónico»,
la existencia de dos equipos «crónicos» pero cercanos a la zona de
control, la presencia del equipo DR03 en condición de«agudo» y la
posición de tres equipos en la zona de «bajo control».
Figura 6.21: Gráfico de Jack Knife para los equipos

de la flotas de perforadoras
Para la flota de cargadores frontales se observa que, en general, la

flota está «bajo control», con 3 de los 7 equipos en dicha posición. El
equipo que tiene la mayor frecuencia de falla es el FEL202, seguido por
el FEL201. En esta flota el equipo FEL305 requiere de una especial aten-
ción, ya que tiene una baja mantenibilidad con posibilidades de pasar a
una condición «agudo-crónico» si su tasa de falla aumenta levemente.
338

de la flotas de cargadores frontales
En la flota de camiones, compuesta por un número significativa-

mente mayor de equipos que en las otras dos flotas analizadas, se ob-
serva que la mayoría de los equipos están «bajo control», sin embargo
existe un gran número de equipos de baja confiabilidad (crónicos), un
número menor de equipos de baja mantenibilidad (agudos) y dos equi-
pos que están en la zona«agudo-crónico». El equipo que requiere el
mayor cuidado es el camión HLT123, por lo que se justifica un análisis
Jack Knife a nivel de sus componentes básicos, de manera de poder
definir las políticas de forma desagregada con el objeto de focalizar los
esfuerzos donde corresponde.
339
A. Arata
Figura 6.23: Gráfico de Jack Knife para los

equipos de la flotas de camiones
Figura 6.24: Gráfico de Jack Knife de modos

para los distintos componentes del camión 23
Lo más conveniente es realizar el análisis de Jack Knife a nivel

de los modos de falla del camión HLT123, sin embargo, dado la in-
formación disponible se limita a los componentes básicos. Para el
periodo analizado se observa que un factor importante en la dispo-
nibilidad del camión está asociado a problemas de abastecimiento
relacionados con la espera de repuesto.También es posible visualizar
340
problemas relacionados con el sistema de frenos del camión; con el

sistema eléctrico, que es el menos confiable; y con el block de motor
del camión que presenta serios problemas de confiabilidad y de tiem-
pos de reparación dado su complejidad, posicionando al block como
el componente de falla más crítico.
Solo a modo demostrativo, ya que para este caso no se disponen
de la información correspondiente, se presenta un gráfico Jack Knife a
nivel de modos de fallas definidos de manera correcta, es decir, la iden-
tificación del componente con la tipificación de la falla (por ejemplo,
cojinete agripado).
Figura 6.25: Gráfico de Jack Knife de modos de falla para el block

motor de un camión 23 (solo a modo de ejemplo)
El gráfico de Jack Knife (dispersión) permite identificar de manera

rápida las quickwins de mantenimiento, para mejorar la disponibilidad
de los equipos a través de un enfrentamiento preciso de los problemas
y a través de políticas generales de alto costo y de bajo impacto en los
procesos de mejoramiento.
Además se presenta la matriz Costo Global de la indisponibilidad-
impacto a la seguridad y el ambiente. Para su elaboración es funda-
mental hacerlo en función de los modos de fallas correctamente defi-
nidos, ya que un mismo nivel de indisponibilidad, que tiene un mismo
costo de la falta, puede tener un diferente impacto sobre la seguridad
de las personas y el ambiente.
341
A. Arata
Figura 6.26: Gráfico de riesgo cuantitativo de costos de seguridad

ambiental (solo a modo de ejemplo)
3.4 Identificación de brechas

A continuación se exponen, solo a modo de ejemplo, algunas bre-
chas con un alcance demostrativo, ya que a partir de los diferentes
KPI’s obtenidos es posible, a través de un análisis de cada caso, identi-
ficar una gran cantidad de brechas que pueden transformarse en opor-
tunidades de mejoras.
Para determinar las brechas y los beneficios de su eliminación es
necesario conocer el estado actual (estado base) y definir cuál es el
estado al que se quiere llegar (estado deseado), de las variables críticas
cuantificadas a través del correspondientes KPI’s.
Para el caso en estudio se determinan las brechas existentes en dos
de los diferentes KPI’s, estos son: la disponibilidad y la utilización para
las flotas que tienen definidas metas (perforadoras, cargadores fron-
tales y camiones). Para esto se definen las metas de utilización de las
flotas que no han sido establecidas con anterioridad.
Se considera la utilización esperada para las distintas flotas en 15
puntos porcentuales por debajo de las metas de disponibilidad defini-
das, tal como queda presentado en la siguiente tabla.
342
Meta Meta
Flota
Disponibilidad Utilización
Perforadoras 75% 60%
Cargadores Frontales 75% 60%
Camiones 85% 70%
Tabla 6.2: Tabla resumen de los indicadores meta por flota
Es importante mencionar de manera complementaria que en flotas

en operación se han encontrado diferencias entre la disponibilidad y la
utilización por sobre 22 puntos porcentuales, lo que refleja la inade-
cuada gestión operacional de los equipos de la flota, con el efecto que
ello implica en el indicados financiero ROA, además, no son pocas las
ocasiones en que se observa que, a pesar de estas diferencias, se sigue
presionando sobre el mantenimiento para el mejoramiento de la dispo-
nibilidad empeorando aún más el resultado económico de la gestión de
los activos físicos asociados con la flota de equipos.
En las dos siguientes figuras se exponen las brechas para las flotas
relacionadas con la disponibilidad y la utilización acumulada en el pe-
ríodo bajo análisis.
88%
86%
84%
Disponibilidad Acumulada
82%
80%
78%
Disponibilidad
76% Acumulada
74%
72% Disponibilidad
Esperada
70%
68%
Perforadoras Cargadores Camiones
Frontales
Figura 6.27: Gráfico de brechas entre disponibilidad acumulada y esperada
Comparando la disponibilidad acumulada, respecto a la esperada

por flota, se observa que para la flota de los cargadores frontales y
de los camiones existe cierta holgura, lo que no ocurre para la flota
343
A. Arata
de las perforadoras, ya que para esta última se logra exactamente el

resultado esperado.
Al analizar la utilización se observa que se mantiene la holgura
para la flotas de los cargadores frontales y de los camiones en 2,6 y
2,3 puntos porcentuales, respectivamente. En cambio, a diferencia de
la disponibilidad, también para la flota de las perforadoras existen una
holgura de 5 puntos porcentuales bajo la meta estimada.
72%
69%
Utilización Acumulada
66%
63%
60% Utilización
57% Acumulada
54% Utilización
51% Esperada
48%
Frontales
Figura 6.28: Gráfico de brechas entre utilización acumulada y esperada
Si bien todas las flotas, salvo la de las perforadoras, cumplen con las
metas definidas durante el periodo en análisis, es conveniente visualizar
el cumplimiento mensual de las metas de la flota en estudio, de manera
de determinar las diferencias (brechas) entre la condición mensual y el
valor medio del periodo en análisis, tal como se muestra a continuación.
344
Figura 6.29: Gráfico de disponibilidad y utilización para flota de perforadoras
Para la flota de las perforadoras se observa una fuerte caída de la

utilización durante los primeros cinco meses, con una leve recuperación
en el último mes analizado. Esta brecha alcanza hasta de 10 puntos
porcentuales para la disponibilidad y de 15 puntos para la utilización,
generándose una pérdida, en el periodo comprendido, entre el tercer y
el sexto mes, la que no es compensada por el mejor comportamiento
durante los dos primeros meses en los que se supera la utilización meta,
ya que esta sobrecapacidad no es significativa en relación a la pérdida
generada y no necesariamente implica un aumento de la producción,
puesto que ella también depende de las capacidades de los diferentes
procesos aguas abajo.
En el gráfico mensual de la disponibilidad y la utilización de los
cargadores frontales se aprecia que, si bien la disponibilidad no logra la
meta del mes de abril, la adecuada gestión operacional de estos equipos
permite que la producción no se vea afectada, logrando cumplir con la
meta de utilización de la flota.
345
A. Arata
Figura 6.30: Gráfico de disponibilidad y utilización para

flota de cargadores frontales
En cuanto a la flota de camiones, la meta de la utilización no se

cumple para el quinto y sexto mes, mientras que la disponibilidad no
logra su meta solo para el mes de junio. Es importante destacar la
brecha que existe entre la disponibilidad y la utilización, que alcanza
los 20 puntos porcentuales para el primer mes y de 15 puntos entre los
valores medios de la utilización y la disponibilidad de la flota.
Figura 6.31: Gráfico de disponibilidad y utilización para flota de camiones
346
Al asumir que los incrementos de producción, producto del nivel de

utilización por sobre la meta definida, no logran solventar el periodo
por debajo de la meta, por las condiciones operacionales de los proce-
sos agua abajo, las pérdidas mensuales estimadas de las flotas de la per-
foradoras, de los cargadores y de los camiones durante el periodo de
los seis meses en estudio son las que se presentan en la figura siguiente.
20.000
Pérdidas en ton. equivalente debido a
18.000
menor utilización de las flotas
16.000 Enero
14.000 Febrero
12.000 Marzo
10.000 Abril
8.000
Mayo
6.000
Junio
4.000
2.000
0
Frontales
Figura 6.32: Gráfico de pérdidas equivalentes por flota
3.5 Algunas oportunidades de mejoras

Solo con un fin demostrativo se presentan a continuación, en térmi-
nos cualitativos, algunas pocas potenciales oportunidades de mejoras.
Para su identificación se limita el alcance de este análisis a la informa-
ción que es posible recabar de algunos de los gráficos de Disponibilidad
/ Utilización, de Jack Knife y de Pareto.
Por ejemplo, al observar la importante brecha entre la Utilización
y la Disponibilidad de la flota de camiones, es posible identificar una
oportunidad de mejora orientada a acrecentar la gestión operacional
de manera de aprovechar de mejor forma los activos físicos que se
disponen, para así aumentar los beneficios por sobre el costo de capital
o, por otro lado, no excluyentemente, adecuar la gestión de manteni-
miento de manera de disminuir sus costos directos, dado la holgura
existente en la disponibilidad de la flota.
Otra alternativa de mejora surge del gráfico Jack Knife, en el que se
aprecia que el camión 23 puede mejorar su desempeño disminuyendo
los grandes tiempos de reparación afectados por la espera de repuestos.
347
A. Arata
Esta situación motiva la realización de un estudio relacionado con la

gestión de repuestos críticos, de manera de justificar el costo asociado
al contar con los repuestos en bodega a través de los beneficios econó-
micos logrados por el aumento de la disponibilidad del camión y su
impacto sobre la utilización de la flota de camiones.
También el «sistema de frenos» requiere de un estudio orientado a
identificar cuáles son las causas de la alta duración de las detenciones,
las que, de un primer análisis, pueden estar relacionadas con las com-
petencias de los mantenedores, las condiciones para la reparación, la
capacidad instalada de los talleres, la accesibilidad de los componentes
remplazables y los sistemas de testeo y prueba.
El «sistema eléctrico 24 V» presenta una alta frecuencia de falla,
por lo que es necesario focalizar el aumento de la confiabilidad a través
de una política de mantenimiento más rigurosa, de una adecuación de
los planes de mantenimiento o de un remplazo del sistema eléctrico
bajo un análisis LCC.
El RCA (Análisis Causa-Raíz) y el FMECA (Análisis de Modos de
Falla de Elementos Críticos) son metodologías, entre muchas otras, de
gran valor aplicativo para la identificación de mejoras y para la ela-
boración de planes productivos de mantenimiento. Lo importante es
que su utilización debe focalizarse, por los costos asociados con su
aplicación, a los equipos críticos identificados por el impacto econó-
mico de su desempeño sobre el sistema. Es oportuno recordar que la
única forma en que la Ingeniería de la Confiabilidad puede generar
valor económico en beneficio del negocio depende de la capacidad de
dinamización de los Planes Productivos de Mantenimiento, a través
de su permanente modificación producto de la implementación de to-
das aquellas oportunidades de mejoras, tanto del ámbito de la gestión
como de proyecto, técnica y económicamente factibles.
La mayoría de las mejoras potenciales identificadas para este caso se
han limitado al ámbito de la gestión, puesto que aquellas relacionadas
con la modificación a nivel de proyecto (cambio genético de equipos o de
sistemas) ya han sido expuestas en los casos de estudio anteriores.
El alcance de este caso se limita a la presentación de diversos KPI’s de
las diferentes flotas de una faena minera de rajo y de los equipos que las
348
componen, de manera de identificar, a través del análisis del comporta-

miento de los indicadores, las potenciales oportunidades de mejoras de
la gestión de los activos físicos.
Si bien, dado el alcance del caso, no se entregan soluciones parti-
culares, fácilmente es posible deducir, del desarrollo y de los resultados
del caso, la importancia que presenta el enfoque R-MES en la determi-
nación de los problemas que impactan el negocio y de las causas par-
ticulares que los originan, de forma de focalizar los esfuerzos para el
mejoramiento de la gestión de los activos. El valor del enfoque redunda
en la capacidad de identificar las políticas locales sobre los equipos y
modos de fallas para resolver los problemas globales sobre el sistema.
El enfoque R-MES, tal como lo demuestra el caso estudiado, permi-
te incorporar el mejoramiento continuo del desempeño de los equipos,
en permanente cambio, en beneficio del negocio; lo que se manifiesta
por el aporte del enfoque en la dinamización y adecuación permanente
de los planes productivos de mantenimiento, con el objeto de reducir
los costos globales, tanto directos como de pérdida de producción, du-
rante todo el ciclo de vida de los equipos.
349
Bibliografía y Referencias
[1] Arata, A., Arata B., A., Estrategia corporativa. Competitividad sus-
tentable para la maximización de valor en un entorno dinámico,
Santiago, Trend Management, 2008.
[2] Arata, A., Furlanetto, L., et al., Manual de gestión de activos y man-
tenimiento, Santiago, RIL editores, 2005.
[3] Arata, A., Ingeniería y gestión de la Confiabilidad Operacional en
plantas industriales, Santiago, RIL editores, 2009.
[4] Arata, A., Furlanetto, L., Organización liviana y gestión participati-
va, Santiago, RIL editores, 2005.
[5] Copeland, T., Koller, T., Murrin, J., Valuation: Measuring and Manag-
ing the Value of Companies, ciudad de edición, John Wiley, 2005.
[6] Damodaran, A., Investment Valuation: Tools and Techniques for Deter-
mining the Value of Any Asset, ciudad de edición, John Wiley, 2002.
[7] Damodaran, A., Corporate Finance: Theory and Practice, ciudad de
edición, John Wiley, 2001.
[8] Durán J. B., ¿Qué es Confiabilidad Operacional?, Revista Club
Mantenimiento, Año 1, N° 2, pp., septiembre 2000.
[9] Furlanetto, L., Arata, A., Organizzazione Snella, Milano, Franco
Angeli, 1999.
[10] OĆonnor, P., Practical Reliability Engineering, ciudad de edición,
John Wiley, 2002.
Capítulo Uno
[1] Arata, A., Ingeniería y gestión de la Confiabilidad en plantas indus-
triales, Santiago, RIL editores, 2009.
[2] Arata, A. Furlanetto, L., Organización liviana. Modelo de excelen-
cia empresarial, ciudad de edición, Mc Graw Hill, 2004.
[3] Arata, A., Soto, F., Spin off. Universidad Emprendedora, ciudad de
edición, UTFSM, 2011.
[4] Arata, A., Excelencia académica y gestión universitaria: Una combi-
nación posible y necesaria, ciudad de edición, USM, 2001.
351
[5] Arata, A., Furlanetto, L., Manual de gestión de activos y manteni-
miento, Santiago, RIL editores, 2005.
[6] Arata, A., Furlanetto, L., Organización liviana y gestión participati-
va, Santiago, RIL editores, 2004.
[7] Arata B., A., Análisis de la competitividad y de los sectores produc-
tivos. Factores críticos que desarrollan el crecimiento económico de
Chile, ciudad de edición, USM, 2003.
[8] Baldin, A., Furlanetto, L., Rovesi, A., Turco, F., Manuale de lla Manuten-
zione de gli Impianti Industriali, ciudad de edición, Franco Angeli, 1988.
[9] Campbell J. D., Jardine, A. K. S., Maintenance Excellence, ciudad de
edición, Marcel Dekker, 2001.
[10] Cato, W. W., Mobley R. K., Computer Maneged Maintenance Sys-
tems, ciudad de edición, Butterworth Heinemann, 2002.
[11] Collins, J. C. y Porras, J. I., Built to Last, New York, Harper Busi-
ness, 1994.
[12] Dhillon, B. S., Engineering Maintenance: A modern Approach, ciu-
dad de edición, CRC Press, 2002.
[13] Durán, J. B., ¿Qué es Confiabilidad Operacional? Revista Club
Mantenimiento, Año 1, N° 2, pp., 2000.
[14] Furlanetto, L., Arata, A., Organizzazione Snella, ciudad de edición,
Franco Angeli, 2002.
[15] Furlanetto, L., Arata, A., Progettare la Fabbrica Snella, ciudad de
edición, Franco Angeli, 1999.
[16] Jardine, A. K. S, Tsang, A. H. C., Maintenance replacement and reli-
ability, Theory and Aplication, ciudad de edición, CRC, 2006.
[17] Krugman, P., Making Sense of the Competitiveness Debate, Oxford
Review of Economic Policy, Vol. 12(3), 17-24, 1996.
[18] Lall, S., Competitiveness Indices and Developing Countries: An
Economic Evaluation of the Global Competitiveness Report, World
Development, Vol 29(9), 1501-1525, 2001.
[19] Mintzberg, H., The Rise and Fall of Strategic Planning, New York,
Free Press, 1994.
[20] Moubray, J., Reliability Centred Maintenance, ciudad de edición,
Industrial Press Inc, 2000.
[21] Nachlas, J. A., Reliability Engineering: probabilistic model and
maintenance methods, ciudad de edición, CRC, 2005.
[22] Nakajima, S., TPM Total Productive Maintenance, ciudad de edi-
ción, ISEDI, 1992.
[23] Porter, M. E., Competitive Strategy: Techniques for Analyzing In-
dustries and Competitors, New York, Free Press, 1980.
352
[24] Raimondi, R., Principi di Progettazione dei servizi de gli Impianti,
Milano, Franco Angeli, 1982.
[25] ��
Schoemaker, P. J. H., How to Link Strategic Vision to Core Capa-
bilities, Sloan Management Review, N°, 67-81, 1992.
[26] Stanford, N., Organisation Design: Creating high-performing and
adaptable enterprises, London, The Economist, 2007.
[27] Turco,F., Principi Generali di Progettazione de gli Impianti Indus-
triali, Milano, Clup, 1990.
[28] Tsuchiya, S., Quality Maintenance. Zero Defects Through Equip-
ment Management, ciudad de edición, Proctive Press, 1992.
[29] Villena, M., Arata B., A., Tapia, J., Los indicadores de competitivi-
dad para Latinoamérica: ¿Qué hemos sprendido?, artículo en revi-
sión ISI, 2007.
[30] Wireman,T., Word Class Maintenance Management, ciudad de
edición, Industrial Press, 1990.
[31] World Economic Forum, The Global Competitiveness Report 2001-
2002, ciudad de edición, editorial, año.
[32] Zio, E., An introduction to the basics of reliabilility and risk analy-
sis, ciudad de edición, World Scientific Publication Co, 2007.
Capítulo Dos
[1] Lin, S., Gao, J., Koronios, A., The need for a data quality framework
in asset management, Proceedings of the 1st Australasian Workshop
on Information Quality (AUSIQ), Adelaide, 2006.
[2] Steed, J. C., Aspects of how asset management can be influenced
by modern condition monitoring and information management sys-
tems, ciudad de edición, IEE, 1988.
[3] Eerens, E., Business driven asset management for industrial & in-
frastructure assets, ciudad de edición, Le Clochard, 2003.
[4] Woodhouse, J., Asset management: concepts & practices, ciudad de
edición, The Woodhouse Partnership Ltd., 2003.
[5] U. S. G. A. Office, Water infrastructure: water utility asset manage-
ment, in GAO-04-461, Washington D.C., 2004.
[6] IPWEA, International infrastructure management manual, Austra-
lia-New Zeland Edition ed., 2002.
[7] Kriebel, C. H, Evaluating the quality of information systems. Ger-
mantown, Sijthoff and Noordhoff, 1979.
[8] Ives, B., Olson, M., Baroudi, J. J., The measurement of user information
satisfaction, Communications of the ACM, Vol. 26, 785-793, 1983.
[9] Wang, R. Y., Kon, H. B., «Toward Total Data Quality Manage-
ment (TDQM)», en Information technology in action: trends and
353
perspectives, R. Y. Wang, NJ, Englewood Cliffs, NJ. : Prentice
Hall, 1993.
[10] Fox, C., Levitin, A., Redman, T., The Notion of Data and Its Quality
Dimensions, Information Processing & Management, Vol. 30, 9-19,
enero-febrero 1994.
[11] Wand, Y., Wang, R. Y., Anchoring data quality dimensions in on-
tological foundations, Communications of the Acm, Vol. 39, 86-
95, noviembre 1996.
[12] Wang, R. Y., Strong, D. M., Beyond accuracy: what data quality
means to data consumers, Journal of management information sys-
tems, Vol. 12, 5-33, 1996.
[13] Shanks, G. Darke, P., Understanding data quality in a data warehouse,
Australian Computer Journal, Vol. 30, 122-128, noviembre 1998.
[14] ��
Kahn, B. K., Strong, D. M., Wang, R. Y., Information quality bench-
marks: product and services performance, Communications of the
ACM, Vol. 45, 184-192, 2002.
[15] Liu, L., Chi, L., Evolutionary data quality. A theory-specific view,
Proceedings of the 7th International Conference on Information
Quality, Massachusetts Institute of Technology, Cambridge, MA.,
2002, 292-304.
[16] Naumann, F., Quality-driven query answering for integrated infor-
mation systems. Berlin; New York, Springer, 2002.
[17] Bouzeghoub, M., Peralta, V., A framework for analysis of data fresh-
ness, Proceedings of the First ACM International Workshop on Infor-
mation Quality in Information Systems (IQIS 2004), Paris, 2004.
[18] Batini, C., Catarci, T., Scannapiceco, M., A survey of data qual-
ity issues in cooperative information systems, in 23rd International
Conference on Conceptual Modeling, Shanghai, 2004.
[19] Strong, D. M., IT process designs for improving information quality
and reducing exception handling: A simulation experiment, Infor-
mation & Management, Vol. 31, 251-263, enero 1997.
[20] ��
Murphy, G. D., Improving the quality of manually acquired data: Ap-
plying the theory of planned behaviour to data quality, Reliability
Engineering & System Safety, Vol. 94, 1881-1886, diciembre 2009.
[21] Hodkiewicz, M., Kelly, P., Sikorska, J., Gouws, L., A framework to
assess data quality for reliability variables, in World Congress Of
Engineering Asset Management, Gold Coast, 2006.
[22] ��
Sandtorv, H. A., Hokstad, P., Thompson, D. W., Practical experienc-
es with a data collection project: The OREDA project, Reliability
Engineering & System Safety, Vol. 51, 159-167, febrero 1996.
354
[23] Bandura, A., Wood, R., The effect of perceived controllability and
performance standards on self-regulation of complex decision mak-
ing, Journal of Personality and Social Psychology, Vol. 56, pp., 1989.
[24] ��
Kans, M., An approach for determining the requirements of com-
puterised maintenance management systems, Computers in Indus-
try, Vol. 59, 32-40, enero 2008.
[25] Parra, C., Desarrollo de modelos de cuantificación económica del
factor fiabilidad en el coste total de ciclo de vida de un sistema de
producción, Ph.D., Universidad de Sevilla, 2009.
[26] Bendell, T., An Overview of Collection, Analysis, and Application
of Reliability Data in the Process Industries, Ieee Transactions on
Reliability, Vol. 37, 132-137, junio 1988.
[27] Percy, D. F., Kobbacy, K. H. A., Fawzi, B. B., Setting preventive
maintenance schedules when data are sparse, International Journal
of Production Economics, Vol. 51, 223-234, septiembre 1997.
[28] Pascual, R., El arte de mantener Versión 2.89, ciudad de edición,
editorial, 2007.
[29] Pascual, R., Louit, D. M., Jardine, A. K. S., A practical procedure
for the selection of time-to-failure models based on the assessment
of trends in maintenance data, Reliability Engineering & System
Safety, Vol. 94, 1618-1628, octubre 2009.
[30] Ascher, H., Feingold, H., Repairable systems reliability: modeling,
inference, misconceptions and their causes, ciudad de edición, Mar-
cel Dekker Inc., 1984.
[31] Modarres, M., Yanez, M., Joglar, F., Generalized renewal process for
analysis of repairable systems with limited failure experience, Reli-
ability Engineering & System Safety, Vol. 77, 167-180, julio 2002.
[32] Moubray, J., Reliability-centered maintenance, New York, Indus-
trial Press, 1997.
[33] Arata, A., Ingeniería y gestión de la Confiabilidad Operacional en
plantas industriales, Santiago, RIL editores, 2009.
[34] Pradhan, S., Maintenance Strategies for Greater Availability, Hy-
drocarbon Processing, Vol. 73, 39-, enero 1994.
[35] Mora, L., Indicadores de la gestión logística, ciudad de edición,
ECOE editores, 2008.
[36] Acevedo, J., Indicadores claves de desempeño KPI en la gestión de
mantenimiento, ciudad de edición, editorial, 2010.
[37] Orrego, J., KPI, Indicadores claves de desempeño, ciudad de edi-
ción, editorial, 2010.
[38] Alfonso, A., Indicador general para la determinación del Nivel de Ges-
tión del Mantenimiento (INGM), ciudad de edición, editorial, 2006.
355
[39] Mirror42, KPI Library. Available: http://www.kpilibrary.com/, 2007.
[40] E. F. o. N. M. S. vzw and S. f. M. R. Professionals, Global mainte-
nance and reliability indicators, ciudad de edición, editorial, 2011.
[41] Mobley, R. K., Root cause failure analysis, Boston, Newnes, 1999.
[42] Latino, R. J., Latino, K. C., Root cause analysis: improving perfor-
mance for bottom-line results, Boca Raton, Fla., CRC Press, 2002.
[43] Crespo, A., Moreu, P. Sánchez, A., Ingeniería de mantenimiento.
Técnicas y métodos de aplicación a la fase operativa de los equipos.
Madrid, Aenor, 2004.
[44] ��
Pascual, R., Louit, D., Banjevic, D. Jardine, A. K. S., Optimization mod-
els for critical spare parts inventories-a reliability approach, Journal of
the Operational Research Society, Vol. 62, 992-1004, junio 2011.
[45] ��
Saldanha, P. L. C., de Simone, E. A., Melo, P. F. F. E., An applica-
tion of non-homogeneous Poisson point processes to the reliability
analysis of service water pumps, Nuclear Engineering and Design,
Col. 210, 125-133, diciembre 2001.
Capítulo Tres
[1] Centro de Desarrollo de Gestión Empresarial (CGS), Manual R-
MES v6, Marzo 2012.
[2] http://www.mes.cl/mov/1_diagramacion/1_diagramacion.swf
[3] http://www.mes.cl/mov/2_disponibilidad/2_disponibilidad.swf
[4] http://www.rmes.cl/
[5] http://www.cgssa.com/
Capítulo Cuatro, Cinco y Seis

[1] Centro de Desarrollo de Gestión Empresarial (CGS), Informes téc-
nicos varios de características reservadas, ciudad de edición, edito-
rial, 2010 al 2012.
[2] Arata B., A., Heidke, E., Arata, A., Kristjanpoller, F., Comminution
process optimisation though reliability and maintainability model-
ling and simulation, Procemin, 2011.
[3] Rivera, D., Diseño de una herramienta de simulación de negocios
para el apoyo académico de cursos de Ingeniería de Confiabilidad,
ciudad de edición, USM, 2011.
[4] Heidke, E., Optimización del diseño de una planta de conminu-
ción a nivel de ingeniería de prefactibilidad a tarvés de Ingeniería de
Confiabilidad, ciudad de edición, USM, 2011.
[5] http://www.rmes.cl/
[6] http://www.cgssa.com/
356
Índice de figuras
Figura 1.1: Matriz de competitividad: recurso-sector........................................ 45

Figura 1.2.: Competitividad y gestión de los activos.......................................... 53
Figura 1.3: Gestión de activos y ROA............................................................... 54
Figura 1.4: Gestión de activos y RSE................................................................. 55
Figura 1.5: Gestión de activos y desarrollo sustentable...................................... 55
Figura 1.6: Cobertura de la gestión de activos................................................... 56
Figura 1.7: Modelo de Confiabilidad Operacional............................................ 58
Figura 1.8: Evolución de la gestión de los activos.............................................. 60
Figura 1.9: Análisis sistémico simplificado de la gestión de los activos.............. 62
Figura 1.10: Ciclo de la gestión de los activos................................................... 63
Figura 1.11:Visión sistémica de la gestión de activos......................................... 64
Figura 1.12: Desde un Centro de Gasto a una Unidad de Resultado................. 65
Figura 1.13: Transformación de la estructura organizacional............................ 67
Figura 1.14: Ingeniería de la Confiabilidad en la estructura organizacional....... 70
Figura 1.15: Costos directos y de capital v/s seguridad operacional................... 77
Figura 1.16: Costo de ineficiencia...................................................................... 78
Figura 1.17: Criticidad de los equipos............................................................... 78
Figura 1.18: Eficiencia global de los equipos (OEE).......................................... 79
Figura 1.19: Factor integrador de la Ingeniería de la Confiabilidad................... 80
Figura 1.20: Materialización de la Ingeniería de la Confiabilidad...................... 81
Figura 1.21: Cadena del valor de la Ingeniería de la Confiabilidad.................... 82
Figura 1.22: Costos durante todo el ciclo de vida de proyectos (LCC).............. 85
Figura 1.23: Relación de los costos durante todo el
ciclo de vida entre alternativas...................................................... 87
Figura 1.24: Extensión de ciclo a través de la Ingeniería
de la Confiabilidad........................................................................ 92
Figura 1.25: Ciclo de mejoramiento continuo .................................................. 93
Figura 1.26: Integración entre los sistemas de ingeniería y de gestión................ 96
Figura 1.27: Integración de sistema con R-MES................................................ 97
Figura 1.28: Proceso del enfoque R-MES.......................................................... 98
Figura 2.1: Diagrama del enfoque R-MES....................................................... 105
Figura 2.2: Etapa de Configuración sistémica en el enfoque R-MES................ 112
357
Figura 2.3: Configuración RBD....................................................................... 113
Figura 2.4: Representación de sistema en serie................................................ 114
Figura 2.5: Representación de sistema en paralelo........................................... 115
Figura 2.6: Sistema en configuración stand-by................................................. 117
Figura 2.7: Escenarios de funcionamiento de un sistema en
configuración stand-by.................................................................. 117
Figura 2.8: Sistema configuración fraccionamiento......................................... 118
Figura 2.9: Ejemplo de generación de diagrama lógico funcional.................... 119
Figura 2.10: Etapa de Adquisición de datos en el enfoque R-MES................... 121
Figura 2.11: P
rocedimiento para la determinación de
necesidades de TI en la gestión de activos.................................... 129
Figura 2.12: F
unción de los sistemas y herramientas
informáticas en la gestión de activos........................................... 131
Figura 2.13: Diagrama del proceso de captura y validación de datos.............. 133
Figura 2.14: Etapa de Ajuste de curvas en el enfoque R-MES.......................... 135
Figura 2.15: Diagrama de flujo para la llegada de un evento........................... 138
Figura 2.16: Gráficos de tipos de censura,
de izquierda a derecha A, B y C .................................................. 141
Figura 2.17: Diagrama de flujo para la selección de un
modelo para sistemas reparables................................................. 144
Figura 2.18: Posibles tendencias de los tiempos entre fallas.
Las flechas representan eventos de falla....................................... 145
Figura 2.19: Gráficos de tiempos acumulados de falla vs. tiempo.................... 146
Figura 2.20: Ejemplo de gráficos de dispersión de vidas
sucesivas de servicio.................................................................... 147
Figura 2.21: Representación de función de densidad
de probabilidad de fallas............................................................. 152
Figura 2.22: tapa de Determinación de la etapa del ciclo de
vida en el enfoque R-MES........................................................... 156
Figura 2.23: Ciclo de vida. Curva de la bañera................................................ 156
Figura 2.24: Patrones de falla para equipos y componentes
en la tercera generación............................................................. 162
Figura 2.25: Etapa de Obtención de indicadores en el enfoque R-MES........... 166
Figura 2.26: Etapa de Obtención de indicadores en el enfoque R-MES........... 169
Figura 2.27: Etapa de Análisis de criticidad en el enfoque R-MES................... 173
Figura 2.28: Representación genérica de la matriz de criticidad...................... 175
Figura 2.29: Ejemplo con factores ponderados................................................ 175
358
Figura 2.30: Variables de análisis cuantitativo para
criticidad bajo el enfoque R-MES................................................ 176
Figura 2.31: Representación gráfica de dispersión Jack-Knife.......................... 178
Figura 2.32: Representación gráfica análisis disponibilidad-onsecuencia......... 180
Figura 2.33: Matriz de impacto en seguridad y ambiente v/s
impacto económico..................................................................... 181
Figura 2.34: Etapa de Oportunidades de mejora en el enfoque R-MES........... 182
Figura 2.35: Secuencia lógica del RCA............................................................ 184
Figura 2.36: Etapa de Oportunidades de mejora a través de la
gestión en el enfoque R-MES....................................................... 186
Figura 2.37: Proceso de validación de la política de mantenimiento................ 187
Figura 2.38: Selección de políticas de mantenimiento...................................... 191
Figura 2.39: Etapa de Oportunidades de mejora a través
de proyectos en el enfoque R-MES.............................................. 200
Figura 2.40: Sistema a analizar........................................................................ 201
Figura 2.41: Configuración propuesta............................................................. 202
Figura 2.42: Esquema de flujos de dinero en el tiempo para
los costos considerados en el análisis........................................... 206
Figura 2.44: Caudal requerido y volumen entregado con dos
niveles de producción.................................................................. 210
Figura 2.46: Volumen en función de capacidad............................................... 211
Figura 2.47: Etapa Plan Productivo de Mantenimiento en
el enfoque R-MES....................................................................... 213
Figura 3.1: E
spacio de trabajo para modelamiento RBD y
árbol lógico-funcional (Captura de pantalla)................................. 222
Figura 3.2: R
eporte histórico gráfico de disponibilidad,
utilización y utilización efectiva. (Captura de pantalla)................. 225
Figura 3.3: Reporte Jack Knife (Captura de pantalla)...................................... 226
Figura 3.4: Reporte Indisponibilidad-Consecuencia (Captura de pantalla)...... 227
Figura 3.5: R
eporte histórico gráfico de tiempos medio
(Captura de pantalla).................................................................... 228
Figura 3.6: R
eporte probabilístico de confiabilidad
Figura 3.7: D
istribuciones para la generación de datos aleatorios
Figura 3.8: H
istograma de productividad de activos
Figura 4.1: Esquema de la metodología de abordaje........................................ 242
359
Figura 4.2: Diagrama de flujo del proceso bajo estudio................................... 246
Figura 4.3: Diagrama de proceso del chancado primario................................. 247
Figura 4.4: Diagrama de proceso del chancado secundario............................. 249
Figura 4.5: Diagrama de proceso del chancado terciario................................. 250
Figura 4.6: Diagrama de proceso de la molienda............................................. 252
Figura 4.7: Diagrama lógico-funcional del chancado primario........................ 254
Figura 4.8: Diagrama lógico-funcional del chancado secundario..................... 255
Figura 4.9: Diagrama lógico-funcional del chancado terciario......................... 255
Figura 4.10: Diagrama lógico-funcional de la molienda.................................. 256
Figura 4.11: Histogramas de distribución de probabilidad.............................. 257
Figura 4.12: Sensibilización de la disponibilidad del chancado
primario en función de la capacidad de acopio............................ 257
Figura 4.13: Gráfico Disponibilidad y Utilización chancado primario............. 259
Figura 4.14: Gráfico de iso-criticidad de los equipos que
componen el chancado secundario.............................................. 260
Figura 4.15: Gráfico Disponibilidad y Utilización chancado secundario.......... 261
que componen el chancado terciario........................................... 262
Figura 4.17: Gráfico Disponibilidad y Utilización chancado terciario.............. 263
que componen la molienda.......................................................... 264
Figura 4.19: Gráfico Disponibilidad y Utilización molienda............................ 265
Figura 4.20: Esquematización de selección de las distintas
alternativas para evaluación LCC............................................. 274
Figura 4.21: Esquema de evaluación LCC....................................................... 274
Figura 4.22: Esquematización de las alternativas óptimas seleccionadas......... 275
Figura 4.23: Resultado de indicadores por procesos
para los distintos entornos de evaluación.................................... 277
Figura 4.24: Gráfico de VAN esperado en función del CAPEX
considerando el precio del concentrado de Cu
para cada óptimo local................................................................ 277
Figura 4.25: Gráfico de utilización corregida sistémica en
función del CAPEX considerando el precio del concentrado
de Cu para cada óptimo local...................................................... 278
Figura 5.1: Metodología de abordaje para desarrollo de los casos................... 282
Figura 5.2: Diagrama de la planta................................................................... 283
Figura 5.3: Sistema de molienda modelado en R-MES.................................... 284
Figura 5.4: Sistema de molienda SAG modelado en R-MES............................. 284
360
Figura 5.5: Sistema de molienda de bolas modelado en R-MES....................... 285
Figura 5.6: G
ráfico de columnas de disponibilidad
esperada de los equipos del sistema............................................... 287
Figura 5.7: G
ráfico de columnas de costo de la falta
(probabilístico) de los equipos del sistema..................................... 287
Figura 5.8: G
ráfico de columnas de disponibilidad
acumulada de los equipos del sistema............................................ 289
Figura 5.9: G
ráfico de disponibilidad histórica mensual
del sistema de molienda................................................................. 290
Figura 5.10: Gráfico de disponibilidad histórica mensual sistema de
molienda – molienda SAG – molienda de bolas........................... 291
Figura 5.11: Gráfico disponibilidad histórica mensual molienda
bolas – línea Nº 1 – línea Nº 2.................................................... 291
Figura 5.12: Gráfico de columnas de indicador MTBF
de equipos del sistema................................................................. 293
Figura 5.13: Gráfico de MTTR histórico mensual: Bombas 1, 2, 5 y 6............ 294
Figura 5.14: Gráfico de MTTR histórico mensual:
Alimentadores 1, 2, 3 y 4............................................................ 294
Figura 5.15: Gráfico de MTTR histórico mensual: Hidrociclón 2................... 295
Figura 5.16: Gráfico de costo de la falta – disponibilidad por equipo.............. 297
Figura 5.17: Diagrama de Pareto de costo de mantenimiento
histórico de los equipos del sistema............................................. 298
Figura 5.18: Diagrama de Pareto de costo global
histórico de los equipos del sistema............................................. 298
Figura 5.19: Diagrama de Pareto de horas de
intervenciones de los equipos...................................................... 299
Figura 5.20: Diagrama de Pareto de número de
intervenciones de los equipos...................................................... 300
Figura 5.21: Mantenimientos correctivos vs. mantenimientos
preventivas en horas.................................................................... 300
Figura 5.22: Número de mantenimientos correctivos
vs. número de mantenimientos preventivos................................. 301
Figura 5.23: Análisis de criticidad bidimensional............................................ 302
Figura 5.24: Gráficos de tasa de falla de equipos en etapa de desgaste............ 304
Figura 5.25: Política de mantenimiento – grilla de clasificación....................... 305
Figura 5.26: Reporte para política de mantenimiento
de tipo preventiva cíclica............................................................. 306
Figura 5.27: Interfaz de simulación de Montecarlo en R-MES........................ 316
361
Figura 6.1: Metodología de abordaje para desarrollo de los casos................... 322
Figura 6.2: Diagrama del proceso.................................................................... 323
Figura 6.3: Esquema de las etapas comprendidas en los procesos.................... 323
Figura 6.4: Configuración del proceso principal en R-MES............................. 325
Figura 6.5: Configuración del proceso auxiliar en R-MES............................... 326
Figura 6.6: Configuración del proceso completo en R-MES............................ 326
Figura 6.7: Gráfico de disponibilidad para las distintas
lotas del proceso principal............................................................. 328
Figura 6.8: Gráfico de utilización para las distintas
lotas del proceso principal............................................................. 328
Figura 6.9: Gráfico de disponibilidad para las distintas
flotas del proceso auxiliar.............................................................. 329
Figura 6.10: Gráfico de utilización para las distintas
flotas del proceso auxiliar............................................................ 329
Figura 6.11: Gráfico de costo de la falta por procesos y flotas......................... 330
Figura 6.12: Gráfico de Pareto para las distintas
flotas en términos de horas.......................................................... 331
Figura 6.13: Gráfico de Pareto para las distintas
flotas en términos de número...................................................... 331
las distintas flotas del proceso principal....................................... 332
los distintos equipos de la flota de perforadoras.......................... 333
Figura 6.16: Gráfico de criticidad para los equipos de
la flotas de perforadoras.............................................................. 334
Figura 6.17: Gráfico de criticidad para los
equipos de la flotas de cargadores frontales................................. 335
Figura 6.18: Gráfico de criticidad para los equipos
de la flotas de camiones............................................................... 335
Figura 6.19:Gráfico de Pareto de fallas de componentes
del cargador Frontal FEL005 en términos de horas...................... 336
Figura 6.20: Gráfico de Pareto de fallas de componentes
del cargador Frontal FEL005 en términos de número.................. 337
de la flotas de perforadoras......................................................... 338
de la flotas de cargadores frontales.............................................. 339
362
Figura 6.23: Gráfico de Jack Knife para los
equipos de la flotas de camiones.................................................. 340
Figura 6.24:Gráfico de Jack Knife de modos
para los distintos componentes del camión 23.............................. 340
Figura 6.25: Gráfico de Jack Knife de modos de falla para el block
motor de un camión 23 (solo a modo de ejemplo)....................... 341
Figura 6.26: Gráfico de riesgo cuantitativo de costos de seguridad
ambiental (solo a modo de ejemplo)............................................ 342
Figura 6.27: Gráfico de brechas entre disponibilidad
acumulada y esperada................................................................. 343
Figura 6.28: Gráfico de brechas entre utilización acumulada y esperada......... 344
flota de perforadoras................................................................... 345
flota de cargadores frontales........................................................ 346
Figura 6.31: Gráfico de disponibilidad y utilización
para flota de camiones................................................................. 346
Figura 6.32: Gráfico de pérdidas equivalentes por flota................................... 347
363
Índice de tablas
Tabla 2.1: E scenarios de buen funcionamiento de un sistema en

paralelo con redundancia total................................................ 116
Tabla 2.2: Resumen funciones de densidad de falla.................................. 153
Tabla 2.3: Datos de equipos..................................................................... 201
Tabla 2.4: Datos adicionales de equipos................................................... 202
Tabla 2.5: E squema para cálculo de período óptimo
de reemplazo de equipo........................................................... 206
Tabla 4.1: R esumen de tipos de detenciones presente
en la información histórica...................................................... 253
Tabla 4.2: F ormato tipo de importación de información
con que trabaja R-MES........................................................... 253
Tabla 4.3: n dice de Williams utilizado para los
equipos del chancado primario................................................ 266
equipos del chancado secundario........................................... 267
Tabla 4.5: Í ndice de Williams utilizado para los equipos
del chancado terciario............................................................. 267
Tabla 4.6: Í ndice de Williams utilizado para los
equipos de la molienda............................................................ 267
Tabla 4.7: D esglose de los factores considerados para
el método de Lang para la estimación de capital fijo
Fuente: Chemical Engineering................................................. 268
Tabla 4.8: C osto de capital fijo e índice de Williams de los
equipos base del Chancado Primario....................................... 269
Tabla 4.9: Costo
de capital fijo e índice de Williams de
los equipos base del Chancado Secundario.............................. 269
los equipos base del Chancado Terciario............................... 269
los equipos base de la Molienda............................................ 269
Tabla 4.12: Resumen de capital fijo para las distintas
alternativas por proceso........................................................ 270
Tabla 4.13: Variables de entorno del proyecto.......................................... 271
Tabla 4.14: Variables propias del proyecto............................................... 272
Tabla 4.15: Variables de los procesos anexos........................................... 273
365
Tabla 4.16: Tabla resumen con las soluciones óptimas
para cada entorno.................................................................. 275
Tabla 4.17: R esumen de indicadores de producción y de
la evaluación LCC para cada óptimo local sensibilizados
por el precio del concentrado de Cu...................................... 276
Tabla 4.18: R esumen de indicadores económicos
entre los casos optimizados y el caso base............................. 278
Tabla 5.1: Información de la empresa...................................................... 285
Tabla 5.2: Indicadores probabilísticos...................................................... 286
Tabla 5.3: Disponibilidad acumulada....................................................... 288
Tabla 5.4: Períodos de análisis................................................................. 289
Tabla 5.5: Indicadores estadísticos acumulados........................................ 292
Tabla 5.6: Tendencia de indicador MTTR de los equipos......................... 293
Tabla 5.7: Costos históricos..................................................................... 296
Tabla 5.8: Etapa de ciclo de vida de cada equipo..................................... 303
Tabla 5.9: Políticas propuestas para equipos de la planta......................... 307
Tabla 5.10: Comparación de sistemas...................................................... 310
Tabla 5.18: Políticas de mantenimiento propuestas.................................. 313
Tabla 5.19: Políticas de mantenimiento y frecuencia de intervención....... 314
Tabla 5.20: Modificación de distribución TBF.......................................... 317
Tabla 5.21: Modificación de distribución TTR......................................... 317
Tabla 5.22: Resultados de simulación de Montecarlo............................... 318
Tabla 5.23: Comparación de resultados de disponibilidad....................... 319
Tabla 5.24: Comparación de resultados de costo de la falta..................... 319
Tabla 6.1: Información de la empresa...................................................... 327
Tabla 6.2: Tabla resumen de los indicadores meta por flota...................... 343
366
Este libro se terminó de imprimir
en los talleres digitales de
RIL® editores
Teléfono: 223-8100 / ril@rileditores.com
Santiago de Chile, marzo de 2013
Se utilizó tecnología de última generación que reduce
el impacto medioambiental, pues ocupa estrictamente el
papel necesario para su producción, y se aplicaron altos
estándares para la gestión y reciclaje de desechos en
toda la cadena de producción.
Quizás porque la madurez empuja a proyectarse hacia adelante con una actitud de innovador,
pero también los años permiten mirar hacia atrás para ver aquello que justifica y da consistencia
a las nuevas intuiciones, el resultado del trabajo de Adolfo Arata es un texto completo que permite
al lector tanto obtener la visión estratégica y sistémica del enfoque, como también conocer las
diversas metodologías necesarias para lograr la aplicación concreta. Es un libro de gran valor
para incorporar de manera simple pero rigurosa la ingeniería de la confiabilidad en la industria
intensiva en activos físicos.
Marco Garetti
Full Professor of Industrial Technology, Politecnico di Milano
Milán (Italia), diciembre de 2012
Adolfo Arata expone la teoría y la aplicación práctica para el desarrollo de proyectos de inversión
y para la operación de instalaciones industriales a través del enfoque R-MES, elementos que al
ser aplicados de manera adecuada permiten lograr los niveles de confiabilidad esperados. Este
texto debiera ser conocido y aplicado como una valiosa herramienta por las organizaciones de
intensivas en activos, que tengan como objetivo hacer de la gestión de los activos una clara
ventaja competitiva.
Giancarlo Bruno Lagomarsino
Vicepresidente de Operaciones de Anglo American Norte
Santiago (Chile), diciembre de 2012
En estas páginas se ha volcado de manera clara toda la experiencia internacional desarrollada

durante muchos años, no solo producto de un trabajo académico y de investigación pura, sino
también de lo realizado en diferentes empresas de relieve internacional. Este nuevo libro de Adolfo
Arata posee todos los elementos necesarios para convertirse en un poderoso instrumento de for-
mación, por lo que lo recomiendo enfáticamente para estudiantes universitarios de ingeniería. Pero
también es un valioso aporte para los Gerentes de Mantenimiento, en su permanente actualización
y necesario crecimiento profesional. Para nuestro caso específico, este libro se transformará en
material de lectura obligatoria para todos quienes participamos en esta aventura de reorganizar
la gestión de nuestros equipos de cara a los próximos 20 años.
Horacio Bergero
Director del área de Proyectos Industriales en Tenaris
Buenos Aires (Argentina), agosto de 2012
El esfuerzo intelectual y técnico que ha realizado Adolfo Arata y su equipo de profesionales en el de-
sarrollo del R-MES nos permite avanzar de manera robusta en el mundo del diseño, a través del uso
de las mejores prácticas de la ingeniería con base científica. Recomiendo el uso de este libro no solo
para estudiantes de ingeniería, sino fundamentalmente para aquellos ingenieros de proyectos que nos
vemos permanentemente enfrentados al desafío de la incorporación de procesos innovadores, que nos
permitan asegurar nuestra competitividad a través de la diferenciación con nuestros competidores de
forma de ofrecer cada día mejores soluciones a nuestro clientes.
Ademir Ramírez González
Global Functional Chief Engineer, Process Engineering
Sinclair Knight Merz (SKM)
Santiago (Chile), noviembre de 2012.

Ingenieria de La Confiabilidad Arata &amp; Arata

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Ingenieria de La Confiabilidad Arata &amp; Arata

Diunggah oleh

Hak Cipta:

Format Tersedia

ADOLFO ARATA

© Adolfo Arata, 2013

© RIL® editores, 2013

Composición, diseño de portada e impresión: RIL® editores

Impreso en Chile • Printed in Chile

1. Competitividad sustentable .........................................................41

una nueva perspectiva sistémica: no como una de las diversas funciones

Aprovecho esta presentación para entregar algunos aspectos técni-

procesos de limpieza de datos, a los indicadores de las prestaciones

Milano (Italia), diciembre de 2012

Actualmente la gestión de los activos, como también su diseño, se ha

equipos que la conforman. El resultado de esta referencia es de gran

Felicito a Adolfo Arata y a su equipo de trabajo, tanto del ámbito

Giancarlo Bruno Lagomarsino

Fue: Presidente de Collahuasi

Santiago (Chile), diciembre de 2012

Hoy, en la mayor parte de las empresas de nivel mundial intensivas

una gestión integral de los equipos y de la creación de un ambiente or-

fico, este libro se transformará en material de lectura obligatorio para

Fue: Director Industrial de TenarisDalmine en Italia.

Buenos Aires (Argentina), Agosto del 2012

Durante mi ejercicio profesional dedicado al diseño en todas las fases

to de las fallas de los equipos o de su inadecuada operación, a través

múltiples y diversos equipos

competitividad a través de la diferenciación con nuestros competidores

Ademir Ramírez González

Santiago (Chile), noviembre de 2012.

Ingeniería de la Confiabilidad: Teoría y aplicación en proyectos de ca-

su condición de competitividad. Es posible establecer que un buen

que R-MES y con la plataforma informática del mismo nombre. Este

capítulo, se presenta el caso de una flota de camiones de una faena

Adolfo Arata Andreani

Gestión de activos: Factor necesario

El proceso de globalización obliga a todas las empresas, independiente

caz, efectivo e innovador que los competidores, tanto en el mercado local

En este nuevo escenario, un adecuado diseño, selección y gestión de

En este complejo entorno, un enfoque que contribuye a alcanzar la

El adecuado diseño, selección y gestión de los activos, principal-

Este problema tiene su solución en la utilización de herramientas de

yectos industriales que durante su ejercicio no alcanzan las capacidades

6. Transformación de la cultura organizacional

Esta nueva forma de concebir y gestionar los activos persigue trans-

miento de los equipos y de sus configuraciones sistémicas, proyectar,

equipos y plantas industriales y en la definición de sus planes para la

7. Aplicación de la plataforma R-MES

Si bien conceptualmente la Confiabilidad Operacional es de fácil com-

La aplicación de este modelo integral, a través de la plataforma R-

Impacto de la gestión de los

• desconsiderar el contexto global y la dinámica del entorno,

• temor al riesgo de nuevos escenarios,

Toda empresa desea maximizar su valor de forma permanente, sin

a. ¿Cuáles son nuestras metas y aspiraciones?

Maximizar el valor de largo plazo de la empresa es el propósito úl-

dibles en el corto plazo, que permitan superar los incentivos perversos

b. ¿Qué se requiere para maximizar el valor?

Es necesario focalizar los esfuerzos en el logro de resultados a través

c. ¿Cómo logramos crear valor?

Diferenciarse continuamente para crear valor de forma sistemática

d. ¿Cómo nos mantenemos competitivos?

Mantener la condición competitiva implica que la creación de va-

e. ¿Qué herramienta necesitamos para ser competitivos e innovadores?

Una vez identificadas aquellas variables críticas que definen el es-

el largo plazo. Este sistema permite llevar los lineamientos gerenciales

Al igual que en los países que se caracterizan por un sistema com-

Ingenieria de La Confiabilidad Arata & Arata

Ingenieria de La Confiabilidad Arata & Arata