Debido a nuestros limitados recursos humanos, actualmente estamos muestreando el aceite en los cojinetes de nuestra turbina anualmente. ¿Es adecuado este intervalo para detectar modos de falla o debería aumentarse la frecuencia?»
La frecuencia con la que tomar una muestra es una de las decisiones más críticas en un programa de análisis de aceite. Una frecuencia de muestreo de rutina apropiada para su turbina sería entre dos semanas y tres meses. Dado que no se proporcionan detalles específicos de esta turbina, las siguientes recomendaciones pueden aplicarse para cualquier máquina.
La frecuencia de muestreo óptima para cualquier aplicación debe basarse en sus objetivos de confiabilidad. Primero, hágase las siguientes preguntas:
- ¿Cuánto le costaría a mi empresa (en piezas, mano de obra y tiempo de inactividad) si la máquina fallara repentinamente?
- ¿Existe un riesgo de seguridad asociado con la falla?
- ¿Cuánto estaría dispuesto a invertir para pronosticar la falla con 24 horas, una semana y un mes de anticipación?
El precio que está dispuesto a invertir es el punto de equilibrio teórico con todo el monitoreo de condición implementado en esa máquina. Teniendo en cuenta que el análisis de aceite puede ser solo una de las varias estrategias de monitoreo de condición implementadas y sabiendo que no es una solución absoluta para predecir fallas, es posible que no invierta hasta ese punto de equilibrio. Sin embargo, una cantidad un poco menor que eso sería aceptable.
Por ejemplo, si su punto de equilibrio es de USD $40,000, puede ser razonable invertir USD $5,000 en análisis de aceite para predecir una falla en la máquina. Por lo tanto, si el costo total de cada muestra de aceite tomada es de aproximadamente USD $50, puede estar dispuesto a tomar muestras al menos 100 veces dentro del tiempo medio entre fallas estimado. Si existe un riesgo de seguridad como resultado de la falla de un componente, el precio que estaría dispuesto a invertir para identificar un modo de falla puede ser mucho mayor e incluso podría exceder el punto de equilibrio inicial.
El siguiente paso es tener en cuenta el entorno, el historial de fallas de la máquina, el tipo de componente, la antigüedad de los componentes, etc. ¿Qué posibilidades hay de que las zonas de lubricación internas de la máquina estén expuestas a la contaminación? ¿Se ha instalado la máquina recientemente o se está acercando al fin de su vida de diseño? ¿Qué tan rápido podría una causa raíz conocida conducir a una falla catastrófica?
La predicción de una falla con el análisis de aceite significa tener la oportunidad de identificar las causas raíz o el modo de falla en algún punto dentro del período de desarrollo de la falla (PDF). El PDF es el tiempo entre el inicio de la falla, por ejemplo, la primera vez que se detectaron las partículas de desgaste, hasta el momento en que se produce la falla funcional (falla completa del rodamiento). En el transcurso de este desarrollo de la falla, la detectabilidad aumenta mientras que los ahorros potenciales de la remediación disminuyen. Por lo tanto, para reducir los costos de remediación de una falla inminente, debe muestrear y analizar el aceite al inicio del PDF. A menos que tenga suerte, solo puede esperar lograr esto tomando las muestras a una frecuencia mayor que el PDF.
El PDF puede ser desde unos pocos meses hasta unas pocas horas. Teniendo en cuenta que sería demasiado costoso muestrear a cada hora y poco útil muestrear después de varios meses, la frecuencia ideal puede estar en algún punto intermedio y puede fluctuar a medida que cambia el perfil de riesgo.
Las preguntas anteriores deberían ser útiles al evaluar el perfil de riesgo. No solo pueden ayudar a estimar el factor de criticidad de la máquina (consecuencia de la falla) sino también el factor de ocurrencia de la falla (la probabilidad de falla). Al calcular esto con una matriz de riesgo, se puede utilizar la criticidad global de la máquina resultante para identificar la frecuencia de muestreo adecuada.
Noria Corporation. Traducido por Roberto Trujillo Corona, Noria Latín América.