Análisis Crow-AMSAA, también llamado análisis de crecimiento de la confiabilidad, es una técnica de trazado que revela si una máquina, una flota o una planta se está volviendo más confiable, se mantiene estable o está degradándose de forma progresiva. Traza fallos acumulados frente al tiempo de operación acumulado en ejes log-log; la pendiente de la línea resultante, beta, es el veredicto: por debajo de 1 significa que la confiabilidad está mejorando, cerca de 1 significa que no hay cambios, por encima de 1 significa que los fallos se están acelerando.
El método desciende de la observación de Duane de que los datos de fallos de sistemas en desarrollo se trazan como una línea recta en papel log-log, más tarde formalizada por Larry Crow en la US Army Materiel Systems Analysis Activity (AMSAA) como un modelo estadísticamente riguroso. Su atractivo industrial es la robustez: tolera modos de fallo mezclados y datos del mundo real desordenados, exactamente como son los registros de mantenimiento de planta, y solo exige fechas de fallo y una medida de uso (horas, ciclos, toneladas).
Una línea de llenado registró 24 averías en sus primeras 4,000 horas de funcionamiento, luego se lanzó un programa preventivo revisado. En las siguientes 4,000 horas registró 9 averías. En la gráfica Crow-AMSAA los datos iniciales muestran una beta de aproximadamente 1.1, ligeramente degradante; después del programa la pendiente cambia a alrededor de 0.6, clara mejora. La dirección preguntó «¿está rindiendo el programa de mantenimiento preventivo?» y la respuesta es visible en una sola imagen: la misma línea que producía un fallo cada 167 horas ahora produce uno cada 440 y en aumento. La gráfica también proyecta hacia adelante: manteniéndose en la pendiente actual, se espera la próxima avería en aproximadamente tres semanas, lo cual es una forma racional de programar repuestos e inspecciones. Esa proyección supone que las condiciones permanecen igual; la suposición debe declararse, no ocultarse.
Ambos se complementan, no son rivales. El análisis Weibull estudia un modo de fallo en una población de componentes idénticos para caracterizar su distribución de vida, ideal para decidir intervalos de reemplazo. Crow-AMSAA estudia un sistema reparable a lo largo del tiempo con todos sus modos de fallo mezclados, ideal para juzgar si la gestión global de confiabilidad está teniendo éxito. Weibull responde «¿cuándo fallará este tipo de componente?»; Crow-AMSAA responde «¿esta máquina está mejorando o empeorando bajo nuestro cuidado?», lo que además lo convierte en un marcador justo para las estrategias sugeridas por la investigación de six failure patterns.
Solo dos cosas, pero de verdad: eventos de fallo completos y tiempo de operación creíble. Ambos se echan a perder con el mal registro: averías reparadas sin órdenes de trabajo desaparecen del numerador, y el tiempo de calendario que se hace pasar por tiempo de funcionamiento corrompe el denominador. Registros de fallos limpios y coherentes con horas reales de funcionamiento son la condición indispensable, y métricas como el MTBF heredan la misma dependencia.
Fabrico suministra los dos ingredientes que necesita la gráfica: cada fallo capturado como una orden de trabajo con sellos de tiempo y códigos, y el tiempo real de funcionamiento medido automáticamente por monitorización de producción en tiempo real en lugar de estimado a partir del calendario. Exporte los pares y la gráfica Crow-AMSAA se obtiene en minutos en cualquier herramienta de análisis; la parte difícil, datos fiables, ya está hecha. Fabrico no ejecuta el modelo estadístico por sí mismo; hace que valga la pena ejecutarlo. Desarrollado en la UE, con residencia de datos en la UE.
Emergen pendientes significativas con sorprendentemente pocos puntos; una docena de eventos de fallo ya dibuja una línea usable. Eso hace que el método sea práctico para máquinas críticas individuales, no solo para flotas, aunque más eventos afinan tanto la estimación de la pendiente como cualquier punto de cambio.
Sí, esa es su fortaleza de diseño. La gráfica sigue la intensidad total de fallos del sistema, modos mezclados y todo. Cuando la línea se curva en la dirección equivocada, entonces investigas los modos y componentes con herramientas Pareto y Weibull para averiguar por qué.
Comparten un símbolo y una interpretación similar (por debajo de 1 indica mejora o fallos infantiles; por encima de 1 indica empeoramiento o desgaste), pero pertenecen a modelos diferentes: la forma de Weibull describe la distribución de vida de un componente; la beta de Crow-AMSAA describe la tendencia de la intensidad de fallos de un sistema reparable. Confundirlos es un error común y confuso.
¿Quiere un historial de fallos y horas reales de funcionamiento lo suficientemente limpios como para graficar? Reserve una demostración de Fabrico para ver cómo la captura automática de OEE y los registros CMMS construyen el conjunto de datos de confiabilidad que merecen sus análisis.
Iniciar sesión
Blog