Estudio, análisis y desarrollo de estrategias de mantenimiento en maquinaria y sistemas industriales. Evaluación de riesgos, fiabilidad y disponibilidad

Abstract

El desarrollo e implantación de máquinas multietapa (MTSM) en el entorno industrial, es una realidad cada vez más presente en el mercado. Para el cumplimiento de los objetivos de producción, es necesario establecer las estrategias de mantenimiento adecuadas. En las máquinas multietapa, la estrategia de mantenimiento se basa en el control del estado de los componentes, ya que, si falla un componente de una etapa, este hecho provocará la parada de la máquina, con la pérdida de la fabricación en curso. El objeto de esta tesis es desarrollar estrategias de mantenimiento preventivo y predictivo para este tipo de máquinas, basadas en una prueba experimental con una máquina termo formadora. En el primer trabajo, se definen las estrategias de Mantenimiento Correctivo (CM) Preventivo Programado (PPM) Preventivo Programado Mejorado (IPPM) y estudian solo las preventivas. Los resultados comparativos entre ambas indican mejoras de disponibilidad y eficiencia. Posteriormente se estudia el Mantenimiento Predictivo (PdM) basado en la distribución de sensores por la máquina y algoritmos que trabajan con sus valores constantemente. Dos algoritmos son propuestos, Algortithm LiIfe Optimization (ALOP) y Digital Behaviour Twin (DBT) Los resultados obtenidos muestran la capacidad de advertir posibles fallos en componentes antes de que declinen en un fallo no esperado. En un segundo trabajo, se profundiza aún más en el mantenimiento preventivo, definiendo una Condición Global de Operación (GOC) y dos indicadores de desempeño (KPI) por cada componente. Este estudio propone el uso de una matriz que permite adoptar la decisión más adecuada sobre la estrategia de mantenimiento preventivo de cada componente.

The development and implementation of multistage machines (MTSM) in the industrial environment is an increasingly present reality in the market. In order to meet the production objectives, it is necessary to establish the appropriate maintenance strategy. In multi-stage machines, the maintenance strategy is based on the control of the state of the components, since, if a component of a stage fails, this fail will cause the stoppage of whole the machine, with the loss of the manufacturing in progress. The object of this thesis is the developing preventive and predictive maintenance strategies for this type of machines, based on an experimental test with an industrial Multistage Thermoforming Machine. In the first work, Corrective Maintenance (CM) Preventive Programmed (PPM) Improved Preventive Programmed (IPPM) are defined and only preventives are studied. The comparative results between both preventive strategies indicates improvements in availability and efficiency. Also, is defined and studied a Predictive strategy (PdM) based on the distribution of sensors throughout the machine and algorithms that work with their values constantly. With the same distribution of sensors, two algorithms are proposed, Algorithm Life Optimization (ALOP) and Digital Behaviour Twin (DBT) The results show that both strategies allow to detect possible failures in components before a final unexpected failure. In a second work, preventive maintenance strategies are further explored, determining a Global Operating Condition (GOC) for each component, together with the establishment of two performance indicators (KPI) for each component. This study proposes a matrix to adopt the adequate preventive maintenance strategy for each component.