Análisis de la fiabilidad distribución eléctrica

Resumen

En el presente trabajo se realiza un análisis de la fiabilidad de las redes de distribución en la Empresa Eléctrica de Cienfuegos. El procedimiento utilizado se adapta a partir del modelo de confiabilidad de PDVSA; con la ayuda del cual se realizó un diagnóstico las redes de distribución incluyendo los niveles primarios, secundarios y de servicios. Los datos obtenidos se analizaron de forma probabilística y se ajustaron a distribuciones de probabilidad.

A partir de las cuales se encontraron los elementos de mayor incidencia en las fallas, los que se estudiaron más en profundidad. A partir de los análisis realizados se pudo constatar que la empresa no se encuentra en condiciones de realizar los mantenimientos centrados en fiabilidad, ya que no se conocen los tiempos de trabajo de los equipos, para lo que se propone un procedimiento a seguir para la realización de las inspecciones periódicas, el que deberá quedar incluido en la empresa a través de los procedimientos diseñados en el sistema de calidad. Los datos de las fallas de los equipos más problemáticos, permitieron realizar un Análisis de modos de falla y sus efectos, complementando el esta herramienta con los árboles de falla.

Palabras claves—Fiabilidad Distribución Eléctrica, modelo geométrico de probabilidad de fallas. Árboles de falla, AMFE

Abstract– In the present work accomplishes an analysis of the reliability of the distribution nets of Cienfuegos's Electric Company. The used procedure is adapted as from PDVSA's model of reliability; the diagnosis of the distribution nets includes the primary, secondary and services levels. The obtained data was fitted to probability distributions. The founding procedure of elements with bigger incidence was departing on the faults data. The company is not ready to accomplish the maintenances centered in reliability, a procedure is proposed to follow, for the realization of the periodic inspections, that will have to be assessed in order to be included the company system of quality. The faults data of the most problematical items, allow to accomplishing an Analysis of Modes of fault and its Effects, complementing this tool with the Fault Trees.

Key Word—Reliability in electricity distribution, geometric model of fault probability, fault trees, FMEA.

Introducción

El La aplicación de la fiabilidad a la ingeniería de productos y procesos ha demostrado excelentes resultados como medio de anticipar fallas de operación. Muchos de los problemas de producción pueden ser prevenidos mediante las técnicas de fiabilidad, con lo que se podrá obtener un producto acorde a las expectativas del cliente en cuanto a durabilidad y calidad (Centro de Estudios de PDVSA, 2010), a las limitaciones tecnológicas y operativas de manufactura y al capital de trabajo. La gran competencia en mercados nacionales e internacionales obliga a las empresas a desarrollar estrategias que tomen como base el precio, la calidad, la fiabilidad y el tiempo de entrega (API, 2003). Estas estrategias han tomado mucho interés en estos días, pues es una realidad que el éxito será para quienes logren llegar primero, con una calidad satisfactoria para el cliente y con un precio razonable y asequible para el nicho de mercado que se pretende capturar. (Amendola, 2002)Además, se quiere que estos productos tengan un rendimiento sin falla por un tiempo suficiente (vida útil), que satisfaga las expectativas del cliente. (API, 2008)

La Empresa Eléctrica Cienfuegos se plantea como meta prevenir problemas y desarrollar estrategias de mantenimiento orientadas al mejoramiento continuo de la calidad, incremento de la productividad y reducción de los costos, en este contexto surge la necesidad de esta investigación.

En el año 2011 los índices de interrupciones fueron desfavorables según los indicadores propuestos por la Unión Nacional Eléctrica (UNE) en la Empresa Eléctrica, hubo más de 773 fallos en los diferentes niveles de voltaje de las redes eléctricas, entre ellos 141 de postes ó estructuras, 126 fallos internos en los transformadores, 60 de conductores, 11 de crucetas, 9 buching baja así como otros fallos de drop out ,falsos contactos, etc. Todo lo anterior representa una energía dejada de servir a los clientes con las consecuencias negativas de menor ingreso por concepto de facturación eléctrica a la entidad y el incremento de la insatisfacción al cliente por el servicio recibido.

Desarrollo

La determinación de indicadores ha sido una herramienta básica para el equipo de trabajo de fiabilidad, debido a la necesidad de recopilar la información requerida, reunir suficientes datos en el tiempo, crear las bases de datos y estudiar los métodos idóneos para la determinación de los indicadores. Para el presente estudio se utilizan los datos de las redes de distribución almacenados desde enero de 2009 hasta la actualidad.

La cantidad de defectos mensuales que se han registrado, se presentan en el gráfico 3.1, a través de un gráfico de control de cantidad de defectos (gráfico c), del cual se puede observar que no existe un estado de control estadístico, ya que existen 9 puntos fuera de los límites de control y se presentan 11 secuencias inusuales, cumpliendo con la regla de ser grupos de 3 observaciones con valores más allá de 2 sigmas a un mismo lado de la línea central y además se cumple el patrón de conjuntos de 5 observaciones con 4 de ellas más allá de una sigma en 3 ocasiones, lo cual hace un total de 21 puntos especiales, de 40 totales. Además se calcula que el límite superior de 3,0 sigma es de 90,9939 y el inferior 42,0561, con una media de 66.525 defectos por meses.

Estas clases que se calculan, son utilizadas para realizar una regresión weibull con el fin de determinar en qué medida influyen las interrupciones en los circuitos primarios, secundarios y de servicios en las clasificaciones de los TIU. Los resultados de la regresión se encuentran en la tabla 1

Tabla 1: Modelo de Regresión Weibull Estimado para los TIU.

En el último año se reportaron un total de 15 992 interrupciones, de las cuales 402 fueron en los circuitos primarios, 3357 en los circuitos secundarios y 12 233 en los niveles de servicios, teniendo en cuenta que existen en la provincia un total de 95 circuitos primarios, de los cuales se derivan 3592 circuitos secundarios, para poder estudiarlos con detenimiento se decide por parte del equipo de mejora, seleccionar los más problemáticos

Para el análisis de los circuitos primarios, inicialmente se muestran la incidencia de la fallas por estructura administrativa, para determinar de esta forma cual es la que presenta mayor número de fallas durante el período estudiado. Resultando, como se puede ver en la figura 3.2 que la mayor cantidad de problemas ocurren en la UEB Cienfuegos, OBE Provincial Cienfuegos, Dirección de Distribución, UEB Rodas y la UEB Lajas.

A partir de los datos proporcionados por el SIGEDI, se pueden conocer también, los elementos que están teniendo una mayor incidencia en las fallas reportadas, para de esta forma poder analizar consecuentemente dónde los elementos conocidos como malos actores en el procedimiento. A partir del análisis de Pareto que se muestra en la figura 3.5, se pude constatar que los elementos más conflictivos del total de 95 componentes que se utilizan, son los siguientes:

• Transformadores

• Acometida

• Poste o estructura

• Conductor

La cantidad de fallas en un mes sigue distribución de Poisson con parámetro Lambda igual a 66.525, por lo que se pueden construir las funciones de probabilidad características, como son la función de densidad y la función de probabilidad acumulada, las que se presentan en las figuras 1 y 2 respectivamente.

Fig 1: Función de densidad de Fallas en la Empresa Eléctrica de Cienfuegos

Fig 2Función de Probabilidad de Fallas acumulada en la Empresa Eléctrica de Cienfuegos

Con los datos proporcionados por el Sistema de Gestión de la Distribución, se pueden estimar las probabilidades de ocurrencia de los fallos. Para ello se analizan las distribuciones de probabilidad que siguen los datos, para este fin se emplea el software Statgraphics 15 Centurion, empleando el método de bondad de ajuste por la prueba Chi-cuadrada; la cual divide el rango de la variable analizada en intervalos no solapables y compara el número de observaciones en cada clase con el número esperado con base en la distribución ajustada.

Los estadísticos de contraste obtenidos para el análisis de las fallas de los tres tipos de transformadores estudiados, superan el valor del estadígrafo de contraste p-valor igual a 0.05, como se muestra a continuación en la tabla 2, la cual además incluye los valores de probabilidad de ocurrencia del evento,

Tabla 2: Ajuste a las distribuciones para los Transformadores estudiados.

El uso común de esta función está generalmente definido como tiempo de espera hasta que ocurra el primer éxito en una secuencia de ensayos Bernoulli independientes. En este caso particular esta función se define como la cantidad de días hasta que aparezca un fallo.

Para el análisis de los demás elementos más fallados se emplea la misma forma de trabajar, obteniendo también las funciones de probabilidad a las que más se ajustan los datos, así como las funciones de densidad. En la siguiente tabla (tabla 3) se observan los valores críticos de rechazo para las pruebas de hipótesis de bondad de ajuste Chi-cuadrada, así como los parámetros de las funciones.

Tabla 3: Ajuste a las distribuciones para los demás elementos estudiados.

Luego de un trabajo con los expertos de la empresa se refinan las causas potenciales de las fallas que ocurren en los transformadores, las cuales se analizan a través de la técnica de Análisis de Modos de Fallos y sus Efectos, para conocer las jerarquía de las fallas según los niveles de prioridad de los riesgos.

A partir del análisis del valor esperado, se complementa el análisis cualitativo del FMEA con la probabilidad real de ocurrencia de las fallas, por lo que da una mejor medida de a cuáles de los fallos se le debe prestar mayor atención. Es clave destacar que estos elementos estudiados, es decir, los transformadores, son considerados como de mucha importancia en los procesos de distribución de la energía eléctrica. Es por ello que la empresa como parte de las mejoras de los procesos debería adoptar un análisis de fiabilidad más riguroso que el que se realiza en esta investigación, para ello lo primero sería implementar la hoja de vida de los equipos, para de esta forma poder determinar correctamente los índices de fiabilidad clásicos como son los Tiempos Medios Entre Fallos (TMEF) y los Tiempos de Trabajo Hasta el Fallo (TTHF).

Conclusiones

• La cantidad de defectos mensuales se comporta según una distribución de Poisson con una media de 66.525 defectos por meses, pero no tiene un estado de control estadístico.

• La mayor influencia en las clasificaciones de los TIU están relacionadas en primer lugar con las interrupciones en el nivel primario, luego con el nivel de servicio y menos significativamente por las fallas en los niveles secundarios.

• A partir de las gráficas de Pareto, no es posible determinar un conjunto de circuitos que puedan representar el mayor por ciento de los defectos, ya que no se cumple correctamente el principio de Pareto.

• El análisis de indica que los elementos más conflictivos son los siguientes:

o Transformadores

o Acometida

o Poste o estructura

o Conductor

• Se analizan las distribuciones a las que se ajustan los datos de las fallas de los Transformadores y se desglosan en los diferentes tipos de transformadores.

• La empresa no se encuentra en condiciones de realizar los mantenimientos centrados en fiabilidad, ya que no se conocen los tiempos de trabajo de los equipos.

• Se propone un procedimiento a seguir para la realización de las inspecciones periódicas, el que deberá quedar incluido en la empresa a través de los procedimientos diseñados en el sistema de calidad.

Apéndices

• I. Carta de Control "c", para cantidad de defectos mensuales en la Distribución Eléctrica de Cienfuegos

• II. Histograma de Frecuencia para los Tiempos de Interrupción al Usuario

• III. Frecuencia de fallas por estructura administrativa en la empresa Eléctrica de Cienfuegos

• IV. Frecuencia de fallas por elementos en la empresa Eléctrica de Cienfuegos

• V. Análisis de Modos de Fallas y sus Efectos en los transformadores.

• VI. Cálculo del Valor esperado de los RPN en los transformadores.

Agradecimientos

A todos los que ayudaron a la realización del presente trabajo

Referencias

Acuña, J. A. (2003). Ingeniería de Confiabilidad (Primera edición ed.). Cartago: Editorial Tecnológica de Costa Rica.

Amendola, L. (2002). Modelos Mixtos de Confiabilidad. Valencia, España.

API. (2003, DECEMBER). Damage Mechanisms Affecting Fixed Equipment in the Refining Industry. RECOMMENDED PRACTICE 571 , FIRST EDITION.

API. (2008, SEPTEMBER). Risk-Based Inspection Technology. API 581 , SECOND EDITION.

Centro de Estudios de PDVSA. (2010). Dossier Ingeniería de Confiabilidad, Nivel Básico. Puerto La Cruz, Venezuela.

Comité Técnico ISO. (2008). ISO 9001:2008 Sistemas de gestión de la calidad – Requisitos. ISO 9001:2008 . (T. oficial., Trans.)

Developed by the SAE G-11 RCM Subcommittee. (2002, January). A Guide to the Reliability-Centered Maintenance (RCM) Standard. SAE-JA-1012 .

Dhillon, B. (2005). Reliability, Quality,and Safety for Engineers. Boca Raton London New York Washington, D.C.: CRC Press.

Escalante, E. J. (2005). Seis-sigma: metodología y técnica. (Limusa, Ed.)

MURGUÍA, P. R. (2005). Control estadístico de procesos. 93.

PREPARED BY THE SAE G-11 RELIABILITY CENTERED MAINTENANCE (RCM) SUBCOMMITTEE OF THE SAE G-11 SUPPORTABILITY COMMITTEE. (2009, AUG). Evaluation Criteria for Reliability-Centered Maintenance (RCM) Processes. SAE-JA1011 .

Rave, J. P., & Mesa, C. P. (2007, Mayo). Confiabilidad.net. Retrieved from Gestión y activo.

Universidad tecnológica centroamericana. (2001). Manual de Confiabilidad. Colombia: UT.

Autor:

ING. Bayan Amad

Universidad de Cienfuegos

Cienfuegos, Cuba

MSC. ING. Berlan Rodríguez Pérez

Universidad de Cienfuegos

Cienfuegos, Cuba,

ING. Nelson Fernández Ocampo

OBE Cienfuegos

Cienfuegos, Cuba