Monday, 16 February 2015

RCM 7: Spare Parts Optimization.


One of the results of the RCM analysis is that allows us to optimize the stock of spare parts; it means important savings that can justify the analysis.

According the Philip Slater book “5 Myths of Inventory Reduction” (Initiate Action) an usual mistake is to think that reduce the stock of spare parts increase the risk of downtime, when the stocks usually are oversizing so to reduce it keeping a tolerable risk is possible.

In this respect, the RCM analysis allows us to define the risk that we are willing to assume to calculate the optimum spare parts stock.

We remind the risk is calculated by multiplied the probability of failure times the consequences of the failure, in this case, the probability of a failure without spare parts multiplied by the cost of no repair until we receive the spare parts.

We start with the logical tree that we already have used to define maintenance tasks and actions, we classify the tasks in:

-     Condition Based Tasks: Initially we don’t need a stock of spare parts because the predictive strategy lets us know signals of failures, so we can ask the spare parts and planning a restoration or a discard. However, we must consider the probability of the predictive technique does not find the signals of the failure.

-     Time Based Tasks: We don’t need a stock of spare parts too because we already have planned all the maintenance tasks so we can receive the spare parts just in time. However, we must consider the probability of a failure during the time between maintenance tasks.

-     Failure Finding Tasks: In this case we must consider the probability to find a failure.

If the RCM Logic Tree gives us the result Run-To-Failure we must consider the probability of a failure during the time from place an order to deliver the spare parts. We need to have spare parts enough in our storeroom during this time to solve any restoration or discard.

NORSOK Standard Z-008 Risk based maintenance and consequence classification, in its Annex C3 (Informative) Risk assessment of spare parts proposes an example of risk matrix, in this matrix the spare parts not frequently used, capital spare parts, seldom or never used, with low or medium consequences have No Stock. And to study to use a central warehouse or calculate the minimum or optimum stock based in risk for the other frequencies and consequences.

Once we have decided to have spare parts we must decide a probability of success, based in the risk to break stocks, usually the probability is between 90 % and 99 % but it depends every situation; we calculate by a discrete probability distribution chossing a Poisson Distribution if is a HPP (Homogeneus Poisson Process) when the failure rate is constant, like an exponential distribution, or a Potential Model if is a NHPP (Non Homogeneus Poisson Process) if the failure rate is variable, like a Weibull distribution; the number of spare parts K to ensure that probability based in the expectation of failures during the time between the order and the delivery of the spare parts.

Friday, 6 February 2015

RCM 7: Optimización de Repuestos


Una de las consecuencias de aplicar RCM es que nos permite optimizar el stock de repuestos, lo que se traduce en ahorros muy importantes que ya por si solos justificarían el realizar el análisis.

De acuerdo al libro de Philip Slater “5 Myths of Inventory Reduction” (Initiate Action) un error habitual es pensar que disminuir el stock de repuestos aumenta el riesgo de paradas de larga duración, cuando en realidad los stocks suelen estar sobredimensionados, y es posible reducirlos manteniendo unos riesgos tolerables.

En este sentido, el análisis RCM permite definir el riesgo que estamos dispuestos a asumir, para calcular el stock de repuestos óptimo.

Recordamos que el riesgo se calcula multiplicando la probabilidad de fallo multiplicado por las consecuencias del fallo, en este caso, la probabilidad de que ocurra un fallo sin disponer de stock por el coste que supone no poder realizar la reparación hasta que se recibe el repuesto.

Partimos del árbol de decisión que hemos utilizado para definir las tareas y acciones de mantenimiento, las tareas las clasificamos en:

-     Tareas Basadas en la Condición: En principio no necesitamos repuestos en stock, ya que la técnica nos avisa cuando se va a producir el fallo, por lo que tenemos tiempo para pedir el repuesto y recibirlo justo antes de realizar la reparación. Sin embargo, debemos considerar la probabilidad de que la técnica no encuentre el fallo.

-     Tareas Basadas en Tiempo: Tampoco necesitaríamos repuestos ya que al tener programadas las operaciones de mantenimiento podemos recibir el repuesto justo antes de realizar la operación. En este caso, debemos considerar la probabilidad de fallo entre periodos de mantenimiento.

-     Tareas de Búsqueda de Fallos: En este caso consideramos la probabilidad de encontrar un fallo.

En los casos en los que el análisis RCM haya dado como resultado la acción de Funcionar hasta Fallar consideraremos la probabilidad de que se produzca un fallo durante el periodo de tiempo que pasa desde que se realiza el pedido hasta que se recibe el repuesto.

La norma NORSOK Standard Z-008 Risk based maintenance and consequence classification, en su Anexo informativo C3 Risk assessment of spare parts propone como ejemplo una matriz de riesgos. En ella se propone que repuestos no utilizados frecuentemente y con consecuencias de su falta bajas, y que repuestos utilizados raramente y con consecuencias bajas o medias, tengan un stock nulo. Y que se estudie en algunos casos la posibilidad de disponer de ellos en un almacén central o un stock mínimo, dejando el cálculo del stock sólo para repuestos con fallos con cierta frecuencia y consecuencias de su falta graves.

Una vez decidido que se va a disponer de repuestos y que no va a ser un stock mínimo, fijamos una probabilidad de éxito en función del riesgo que asumimos por la falta de repuesto, lo normal es que estas probabilidades estén entre el 90 % y el 99 % pero dependen de cada situación; y calculamos, mediante una distribución de probabilidad discreta, como la distribución de Poisson, en la que se calcula el número de repuestos K para asegurar esa probabilidad en base al número de fallos esperados durante el intervalo de tiempo que pasa desde la realización del pedido hasta su recepción.