Mejoramiento continuo en CBM

Mejoramiento continuo en CBM ¿Qué es? ¿Cómo lo medimos? ¿ Cómo hacemos para que ocurra?

Mejoramiento Continuo en el Mantenimiento Predictivo Primero definimos la función de densidad de probabilidad condicional Función de Densidad de Probabilidad Condicional (CPDF) t0 Edad operacional Tiempo actual

Primero definimos la función de densidad (probabilidad)condicional Es como la función de densidad de probabilidad solo que es calculada en el momento actual y tiene en cuenta la edad actual y la condición del ítem. Función de Densidad Condicional t0 Edad operacional Tiempo actual

Luego definimos el MTBF condicional Es el mismo MTBF excepto que este es medido desde el tiempo actual. Es decir, el momento en el que se necesita estar para tomar una decisión de mantenimiento basado en la condición. Función de Densidad Condicional t0 Edad operacional Tiempo actual

Estimado de Vida Útil Remanente (RULE) El MTBF condicional es también conocido como RULE (siglas en ingles) Estimado de Vida Útil Remanente. Función de Densidad Condicional RULE t0 Edad operacional Tiempo actual

El desempeño predictivo es medido por la desviación estándar Una medida de desempeño de un programa de mantenimiento predictivo es la dispersión alrededor de la media (alrededor del RULE). Esta dispersión es cuantificada por la desviación estándar. Función de Densidad Condicional RULE t0 Edad operacional Tiempo actual

Mejoramiento continuo en el Mantenimiento Predictivo El mejoramiento Continuo es medible en el Rule y ocurre a medida que se recoge más experiencia través del tiempo. No solo se ajusta el RULE sino que también se reduce la dispersión. Función de Densidad Condicional RULE mejorado t0 Edad operacional Tiempo actual

Mejoramiento continuo en el Mantenimiento Predictivo Y se estrecha aún más. Y mejora el RULE. Y aumenta la confianza en las predicciones de manera medible de forma que se pueda registrar como un indicador (KPI) CBM.”. Función de Densidad Condicional RULE mejorado t0 Edad operacional Tiempo actual

RULE y desviación estándar (confianza) en EXAKT Cada vez que se ejecuta el modulo de decisiones de EXAKT se reporta el RULE y la desviación estándar

Estos pasos definen el proceso LRCM ¿Cómo podemos mejorar la confianza en el mantenimiento predictivo? Registrando las fallas y las suspensiones al cerrar las ordenes de trabajo. Mejorando continuamente la base de conocimiento RCM. Haciendo la relación entre las ordenes de trabajo y la base de conocimiento RCM. Generando muestras a partir del CMMS Realizando técnicas de análisis de confiabilidad como EXAKT Estos pasos definen el proceso LRCM