Análisis de Modos de Fallo y sus Efectos AMFE: enfoques para mejorar la priorización de los modos de falla

Breve descripción del análisis AMFE tradicional

AMFE es el acrónimo inglés para Failure Modes and Effects Analysis FMEA (Análisis de Modos de Fallo y sus Efectos) [1]. AMFE es un proceso estructurado que permite descubrir y corregir deficiencias de diseño a través de el análisis de posibles modos de falla, efectos, seguido de una recomendación de acción correctiva; en términos simples, el método está diseñado para responder las preguntas: “¿Cómo puede fallar la unidad?”, y “¿Qué sucede entonces?” [1].

La primera referencia del AMFE data de noviembre de 1949, cuando el ejército de Estados Unidos desarrolló un procedimiento militar titulado “Procedures for Performing a Failure Mode, Effects and Criticality Analysis MIL-P-1629” (Procedimientos para realización de análisis de modo de fallo, efectos y criticidad); era usado como técnica de evaluación de la confiabilidad para determinar el efecto de los fallos en equipos o sistemas. En este documento, las fallas se clasificaban utilizando como criterio su impacto en el éxito de una misión y la seguridad del personal y equipos.

En la década de los 60 la aplicación del AMFE se extendió a la industria aeropespacial, cuando la NASA aplicó algunas variaciones de esta herramienta como parte de sus requisitos de confiabilidad, siendo la más destacada el programa espacial Apollo, donde se utilizó con el objetivo de eliminar fallas en los equipos críticos que no podrían repararse después del lanzamiento y que influirían en la confiabilidad del sistema y en la seguridad de la tripulación (Otras variantes de AMFE fueron utilizadas en los programas Viking, Voyager, Magallanes, Galileo y Skylab) [2].

Otras industrias aplicaron tempranamente el análisis AMFE fueron la aviación civil a través del “Design Analysis Procedure for Failure Mode, Effects and Criticality Analysis (FMECA) ARP4761”, publicado por la Society for Automotive Engineers SAE en 1967 y la industria automotriz iniciado por la Ford Company a mediados de los 70.

Ya en 1980 AMFE es elevado a norma militar norteamericana a través del documento MIL-STD-1629A.

En 1993, la Automotive  Industry  Action  Group AIAG public una norma para el uso del análisis AMFE en la industria automotriz; al año siguiente, la SAE prublicó la norma “Potential  Failure Mode and Effects Analysis in Design, Potential Failure Mode and Effects Analysis in Manufacturing and Assembly Processes, and Potential Failure Mode and Effects Analysis for Machinery SAE J-1739”.

El análisis AMFE es ampliamente utilizado en la actualidad en diversas industrias como oil&gas, energía, minería, industria atómica, procesos químicos, y últimamente en el ámbito de la salud, entre otros.

Actulamente, en el ámbito europeo, la norma “Analysis Techniques for System Reliability. Procedure for failure mode and effects analysis (AMFE) – IEC 60812:2006” establece una guía para la aplicación de AMFE y ejemplos [3].

En las siguientes líneas se describen las ventajas, desventajas y algunos enfoques para mejorar el proceso de priorización en el marco del análisis AMFE.

Ventajas del análisis AMFE tradicional

El  análisis AMFE tradicional presenta varias ventajas, entre las cuales se pueden anotar:

  • Reducción de los fallos de los productos y procesos;
  • Reducción de los costes de garantía;
  • Aumento de la fiabilidad de los productos;
  • Aumento de la satisfacción de los clientes al recibir productos de alta calidad y fiabilidad;
  • Señala características que se deben controlar en los procesos;
  • Proporciona información útil para el desarrollo de programas de pruebas y criterios para monitoreo.

Desventajas y problemas del análisis AMFE tradicional

El  análisis AMFE tradicional presenta varias desvantajas documentadas por diversos autores, y la mayoría han sido resumidas por Hu-Chen Liu en su libro “FMEA using uncertainty theories and MCDM Methods”; a continuación se presentan algunas de las debilidades del AMFE tradicional que han tenido mayor análisis en la literatura técnica (tomadas del libro de Liu):

  • Se considera que los factores de Severidad (S), Ocurrencia (O) y Detección tienen una misma ponderación, esto puede llevar a que un modo de fallo, por ejemplo con alta severidad, tenga un PNR bajo, pese a que debería ser prioritario para ejecutar las acciones correctivas por la severidad del mismo.
  • Diferentes combinaciones de S, O y D, pueden producir valores de PNR exactamente iguales, pese a que los modos de fallo pueden tener riesgos asociados diferentes.
  • Puede presentarse dificultad para el equipo que desarrolla el análisis AMFE determinar con precisión los factores S, O y D, debido a que mucha de la información utilizada en el análisis es frecuentemente imprecisa  y expresada en términos lingüísticos. Usualmente la evaluación de los tres factores es subjetiva y descrita de forma cualitativa utilizando lenguaje natural.
  • No se consideran las interdependencias indirectas entre los modos potenciales de fallo y las causas de los fallos.
  • La forma matemática adoptada para calcular el PNR es muy sensible a las variaciones en la evaluación de los factores S, O y D. Pequeñas variaciones en una clasificación pueden producir efectos muy diferentes en el PNR, dependiendo de los valores de los otros factores.
  • El PNR solo considera los riesgos en función de la seguridad y no contempla otros importantes factores de riesgos como los aspectos económicos.

 

Propuestas para mejorar los criterios de priorización en el AMFE tradicional

En los últimos años se han propuesta una gran variedad de enfoques para mejorar los criterios utilizados en la priorización de los modos de fallo en el análisis AMFE tradicional. Muchos de estos métodos se basan en modelos de toma de decisiones multicriterio y multiobjetivo, métodos de inteligencia computacional, entre otros. A continuación se describen brevemente algunos de estos enfoques:

  • Técnicas basadas en lógica difusa para la priorización de modos de fallos para acciones correctivas, donde se utilizan variables lingüísticas difusas para describir los factores S, O, D y los riesgos de fallas. Las relaciones entre los riesgos y los factores O, S y D se representan a través de reglas fuzzy tipo if-then formuladas a través del conocimiento experto [4].
  • Uso de rangos entre 1 a 1000 denominados rangos de prioridad de riesgo (RPR) para representar el riesgo creciente de las 1,000 combinaciones posibles de severidad-ocurrencia-detección. Estas 1,000 combinaciones posibles se tabulan por un experto en orden creciente de riesgo y pueden interpretarse como reglas tipo if-then. El modo de fallo que tenga un rango más alto se le asignará una mayor prioridad [5].
  • Uso de sistemas basados en reglas difusas y teoría de relaciones grises (grey relation theory) para superar algunos de los inconvenientes del enfoque AMFEtradicional, estableciendo primero las funciones de pertenencia de los tres factores de riesgo (S, O y D); posteriormente el AMFE  se desarrolla de manera tradicional, y en cada modo de fallo se asigna un término lingüístico para cada uno de los factores de riesgo. Los términos lingüísticos de los tres factores se integran utilizando la base de reglas difusas, produciendo un término lingüístico que representa la prioridad de atención; dicho término lingüístico representa el ranking de riesgo del modo de falla. Una vez que se ha establecido la priorización, se continúa con el procedimiento del AMFE tradicional para establecer las acciones correctivas y generar el informe [6].
  • Números de prioridad de riesgo difusos (FRPN) para la priorización de los modos de falla, definido como la media geométrica ponderada difusa de los valores difusos determinados para los tres factores(S, O y D), calculados utilizando conjuntos de nivel alfa y modelos de programación lineal. El número FRPN se defuzifica utilizando un método de centroides basada en conjuntos de niveles alfa [7].
  • Determinación de la prioridades de riesgo de los modos de falla aplicando el método de toma de decisiones multicriterio  VIKOR extendido en un entorno de lógica difusa, donde los términos lingüísticos expresados como números difusos trapezoidales se usan para evaluar la evaluación cuantitativa de los factores de riesgo (S,O y D) y se utiliza una extensión del ismo método VIKOR para determinar las prioridades de riesgo de los modos de fallo [8].
  • Un modelo de priorización del riesgo para evaluar el riesgo de modos de falla basado en la teoría de conjuntos difusos y el método MULTIMOORA (que es un método de toma de decisiones multicriterio que emplea intervalos de números basados en el lógica difusa y una técnica de preferencia novedosa para tratar problemas complejos que incluyen incertidumbre), en el cual los factores de riesgo y sus ponderaciones relativas se evalúan usando rangos difusos, y los modos de fallo se priorizan a través de un método MULTIMOORA extendido [9].

Referencias

  1. Â. P. Teixeira, “FMEA / FMECA.” Class Notes – Systems Reliability and Maintainability, IST / ULISBOA, Lisboa, Fall 2017.
  2. C. Liu, “FMEA,” in FMEA Using Uncertainty Theories and MCDM Methods, Springer Science+Business Media Singapore, 2016, pp. 3–12.
  3. International Electrotechnical Comission, IEC 60812:2006 Analysis Techniques for System Reliability. Procedure for failure mode and effects analysis (FMEA). 2006.
  4. John B. Bowles and C. Enrique Peláez, “Fuzzy logic prioritization of failures in a system failure mode, effects and criticality analysis”, Journal of Reliability Engineering and System Safety, 1995, vol. 50, pp. 203-213.
  5. Ravishankar and B. S. Prabhu,“Modified Approach for Prioritization of Failures in a System Failure Mode and Effects Analysis”, International Journal of Quality and Reliability Management, 2001, vol. 18, no. 3, pp.324-335.
  6. Anand Pillay and Jin Wang, “Modified failure mode and effects analysis using approximate reasoning”, Journal of Reliability Engineering and System Safety, 2003, vol. 79, pp. 69-85.
  7. Ying-Ming Wang, Kwai-Sang Chin, Gary Ka Kwai Poon and Jian-Bo Tang, “Risk evaluation in failure mode and effects analysis using fuzzy weighted geometric mean”, Journal of Expert Systems with Applications, to be published.
  8. Li Y, Deng Y, Kang B, “A risk assessment methodology based on evaluation of group intuitionistic fuzzy set”, Journal of Information and Computer Sciences, 2012, 9(7):1855–1862.
  9. Liu HC, Fan XJ, Li P, Chen YZ, “Evaluating the risk of failure modes with extended MULTIMOORA method under fuzzy environment”, Engineering Applications of Artificial Intelligence, 2014, 34:168–177.

 

Etiquetas: , , ,

Categoría: Artículo técnico

Responder

You must be Iniciar sesión to post a comment.