c Table A Examples of Humane Endpoints for Studies

H

ay muchas definiciones para gestión de activos. En este trabajo se presenta la definición dada por el Gobierno de Victoria, Australia, en la cual se define la gestión de activos de una empresa de energía eléc- trica como el proceso de dirigir la adquisición, uso y disposición de

los activos para obtener el mayor beneficio económico posible y manejar los riesgos y costes a lo largo de la vida útil de los activos.

Los aspectos técnicos de la gestión de activos están escondidos detrás de las palabras “uso” y “a lo largo de la vida útil”, las cuales se refieren a operación y mantenimiento.

unidades generadoras son plantas, y financieramente (particularmente en mercados liberalizados), los genera- dores producen energía eléctrica, la cual es un activo financiero. No obs- tante, en la industria de la transmi- sión y distribución de energía eléc- trica, las interpretaciones de gestión de activos son infinitas, tal como lo indican los resultados obtenidos de una encuesta realizada en compa- ñías eléctricas en Suiza. A estas em- presas se les planteó la pregunta: ¿qué es gestión de activos? Y las res- puestas obtenidas son las que se pre- sentan a continuación:

• Consiste en manejar el estado de los equipos en todo momento, es decir, conocer cuantitativamente en qué estado se encuentran los activos. • Consiste en la identificación de activos mediante un sistema de in- formación geográfica (GIS).

• Representa el soporte para el cálculo del retorno de las inversiones y el valor de los activos.

• Se trata de determinar qué equi- po debe ser adquirido.

• Se refiere a todos los asuntos le- gales relacionados a la propiedad de un activo.

Sistema integral de mantenimiento basado en gestión de activos

Para dar solución a la imperiosa ne- cesidad por parte de las compañías eléctricas de contar con un sistema de gestión de activos, se ha desarro- llado un modelo que comprende las diferentes etapas o elementos de la estrategia de gestión de activos. El modelo se basa en lo último del es- tado del arte de las técnicas, que

según la revisión bibliográfica reali- zada pueden ser aplicadas y, adicio- nalmente, la propuesta supera las in- conformidades detectadas por los especialistas en la implementación de la estrategia RCM. En la figura de la página anterior se presenta el mo- delo desarrollado y al mismo tiempo se indica el alcance del trabajo a re- alizar.

Plataforma IT de integración de datos

La plataforma de integración de da- tos juega un papel muy importante en el modelo, puesto que a través de ésta es posible integrar los datos pro- venientes de diferentes fuentes en una única plataforma y de esta ma- nera, recolectar toda la información necesaria para determinar la condi- ción de los transformadores mediante el sistema inteligente de diagnóstico y mantenimiento. El papel de esta plataforma en el sistema de gestión de mantenimiento de las compañías eléctricas se refiere a la comunicación de datos. Los datos a recolectar se- rán los referentes a los datos de los equipos, historiales de operación, historiales de mantenimiento e his-

toriales de condición. Una vez reco- lectados todos estos datos, ya se dis- pondrá de la información necesaria para llevar a cabo un diagnóstico re- ferente a la condición de los trans- formadores de potencia, así como también identificar las posibles ac- ciones de mantenimiento que se de- ban llevar a cabo (tarea desempeña- da por la herramienta SIDIMA).

Sistema Inteligente para el Diagnóstico y Mantenimiento (SIDIMA)

Este sistema es el encargado de de- terminar la condición integral del equipo y de generar las posibles ac- ciones de mantenimiento que sean requeridas. La herramienta a desa- rrollar ha sido denominada SIDIMA (Sistema Inteligente de Diagnóstico y Mantenimiento). Se dice que el sis- tema es inteligente por estar basado en técnicas de la inteligencia artifi- cial. En la figura superior se ilustran los dos resultados a obtener mediante esta herramienta.

Como se puede observar, el siste- ma será capaz de determinar la con- dición actual de cada equipo (C1, C2...Cn) para cada instante de tiem- po y, adicionalmente, determinará las posibles condiciones futuras del sistema. Las condiciones futuras se verán afectadas a lo largo del tiem- po debido a efectos de deterioro (condición futura 1) o debido a la ejecución de actividades de mante- nimiento. A su vez, los efectos de deterioro pueden ser producto del proceso de deterioro natural o debi- do a la ocurrencia de eventos alea- torios perjudiciales para los equipos, tales como la ocurrencia de un cor- tocircuito, sobrecargas elevadas, con- diciones ambientales adversas, so-

75

Abril 2008 / n.º 395 Automática e Instrumentación

Mantenimiento predictivo

■ _{Sistema inteligente para el diagnóstico y mantenimiento.}

76

Automática e Instrumentación Abril 2008 / n.º 395

Mantenimiento predictivo

bretensiones internas debidas a ma- niobras, sobretensiones externas de- bidas a sobretensiones atmosféricas, etc.). La condición futura 2 se refie- re a la predicción que el sistema será capaz de realizar en función de las po- sibles acciones de mantenimiento generadas por la misma herramien- ta. Aun cuando la herramienta no re- comiende la realización de alguna actividad de mantenimiento (debi- do a que el análisis realizado así lo in- dique), el sistema dispondrá de un si- mulador de actividades de mantenimiento que permitirá al usua- rio evaluar en cualquier momento el efecto de ejecutar diferentes accio- nes de mantenimiento.

Modelo de estimación del índice de fallo

Este modelo es el encargado de trans- formar los parámetros de condición determinados por la herramienta SI- DIMA en una probabilidad de ocu- rrencia de fallo, la cual es la infor- mación necesaria para poder realizar análisis de fiabilidad. Nótese que este modelo determinará constantemen- te la probabilidad de ocurrencia de un fallo para cada instante de tiem- po, pero al mismo tiempo será capaz de predecir las modificaciones en di- cha probabilidad en función de los po- sibles cambios que puedan ocurrir en la condición que, como ya se ha mencionado, pueden ser debidos a efectos de deterioro o a la ejecu- ción de actividades de manteni- miento. De esta manera, los estudios de fiabilidad serán capaces de de- terminar el efecto de diferentes ac- ciones de mantenimiento en la fia- bilidad del sistema, que es una información de vital importancia para el modelo de optimización que se describe a continuación. En la fi- gura inferior de la página anterior se presentan esquemáticamente las fun- ciones y los elementos que intervie- nen en el modelo.

Modelo de optimización para programación de

mantenimiento

En este modelo se llevan a cabo una serie de actividades. Como se puede apreciar en la figura superior, este modelo tiene como datos de entra-

da los resultados de la herramienta SIDIMA, particularmente en lo refe- rente al listado de las actividades de mantenimiento que se requieren re- alizar y, por otro lado, tiene como entrada los resultados obtenidos en los análisis de fiabilidad. El modelo está a su vez conformado por tres módulos. El primer módulo se de- nomina módulo de estimación de

costes, y es mediante éste que se es-

timan los costes asociados a cada po- sible acción de mantenimiento (€1, €_{2…€N). Por otro lado, un módulo} de estimación de riesgos se encar- ga de determinar los efectos de las diferentes acciones de manteni- miento en la reducción de riesgos a partir de los resultados obtenidos en los estudios de fiabilidad. Adicional- mente a los riesgos relacionados con parámetros de fiabilidad de la red, también podrán ser incorporados en el modelo otros tipos de riesgos que sean de importancia para una em- presa de energía eléctrica en parti- cular. Finalmente, una vez determi-

nados los costes y las reducciones de riesgo asociadas a cada acción de mantenimiento, el siguiente paso consiste en llevar a cabo un proceso de optimización para así poder se- leccionar la alternativa óptima que sa- tisfaga la función objetivo que sea definida y que cumpla las restriccio- nes técnicas y económicas preesta- blecidas.

Juan Lorenzo Velásquez Antoni Sudrià

Samuel Galceran

www.citcea.upc.edu

Referencias

• Bartley, W. Analysis of Transformer Failures. Internacional Association of Engineering Insurers. 36th Annual Conference. Estocolmo. 2003.

• T. Kostic, Asset Management in Electrical Utilities, 2003, págs. 275-280.

• Asset Management Series: Principles, policies and practices, Ma- nagement Improvement Initiative by Victorian Goverment, noviem- bre1995.

■ _{Modelo de optimización para programación de mantenimiento.}

Agradecimientos

El desarrollo de este trabajo se lle- vó a cabo gracias a la concesión del premio internacional NOVARE 2005 de I+D+i en redes de distribución otorgado por Endesa en la catego- ría Calidad y fiabilidad de servi- cio por la memoria de proyecto Mo- nitorización de subestaciones eléctricas para un mantenimiento predictivo.

In document 2nd Edition Institutional Animal Care and Use Committee Guidebook (Page 126-131)