Subido por Raymond Labanda

Reporte Técnico

Anuncio
Revisión Sistemática de Literatura: ¿Qué enfoques de planificación de
mantenimiento preventivo han demostrado ser más efectivos en
términos de costos y confiabilidad del vehículo?
Raymond Labanda-Z1
Universidad Nacional de Loja1
raymond.labanda@unl.edu.ec
Resumen
Antecedentes: El documento presenta un estudio sobre mantenimiento y conservación en
diferentes contextos, centrándose en la eficacia y la planificación de estas actividades. Se
utilizan bases de datos como Scopus, Web of Science, IEEE Xplore y ACM Digital Library
para recopilar información relevante.
Objetivo: El objetivo del estudio es analizar la literatura existente sobre mantenimiento,
conservación, y temas relacionados, con un enfoque en la eficiencia, planificación y gestión de
estas actividades. Se busca identificar documentos publicados en revistas de alto impacto y en
idioma inglés que cumplan con los criterios de inclusión establecidos.
Métodos: Se emplean scripts de búsqueda específicos en cada base de datos para recopilar
información relevante. Posteriormente, se descargan y almacenan los resultados en un formato
BibTeX para su análisis. Se establecen criterios de selección e inclusión, considerando aspectos
como el contenido, el idioma, y la relevancia de los documentos.
Resultados: Tras el proceso de selección y análisis, se obtienen un total de 26 documentos de la
base de datos Scopus que cumplen con los criterios establecidos. No se encuentran documentos
relevantes en las otras bases de datos analizadas. Se realiza una evaluación de la calidad de los
documentos seleccionados para responder a las preguntas de investigación planteadas en el
estudio.
1. Introducción
La actual revisión sistemática de literatura se enfoca en analizar y sintetizar investigaciones
relevantes que aborden el enfoque de planificación, mantenimiento preventivo, costos y
confiabilidad del vehículo, analizando exhaustivamente las investigaciones previas
relacionadas con estrategias de mantenimiento predictivo en la industria automotriz. Se busca
identificar cómo los enfoques de planificación de mantenimiento preventivo han evolucionado
para mejorar la confiabilidad de los vehículos, reducir los costos operativos y maximizar la vida
útil de los motores y componentes automotrices. Se examinan las metodologías, técnicas y
modelos de aprendizaje profundo utilizados para desarrollar sistemas de monitoreo de la salud
de los motores vehiculares, con el objetivo de anticipar y prevenir fallas mecánicas de manera
proactiva. Además, se analiza el impacto económico de implementar estrategias de
mantenimiento predictivo en términos de eficiencia operativa, reducción de gastos de
reparación y mantenimiento, y aumento de la confiabilidad y seguridad de los vehículos en
circulación.
El objetivo de la presente revisión sistemática de literatura es analizar de manera integral las
investigaciones previas relacionadas con el enfoque de planificación en mantenimiento
preventivo en la industria automotriz, centrándose en la mejora de la confiabilidad de los
vehículos, la reducción de costos operativos y la optimización de la vida útil de los motores y
componentes automotrices. Se busca identificar las metodologías, técnicas y modelos de
aprendizaje profundo utilizados en el desarrollo de sistemas de monitoreo de la salud de los
motores vehiculares, con el propósito de anticipar y prevenir fallas mecánicas de manera
proactiva. Asimismo, se pretende evaluar el impacto económico de la implementación de
estrategias de mantenimiento predictivo en términos de eficiencia operativa, reducción de
gastos de reparación y mantenimiento, y mejora de la confiabilidad y seguridad de los vehículos
en circulación.
En la Tabla 1 se muestran cinco trabajos que ejemplifican el estado de la cuestión en temas
vinculados a la optimización de procesos industriales y la toma de decisiones de mantenimiento.
Estos estudios abordan cuestiones cruciales para mejorar la eficiencia y minimizar los costos.
El primer trabajo se centra en la optimización de la programación de producción y el
mantenimiento preventivo adaptativo, buscando minimizar los costos totales. El segundo
trabajo desarrolla un modelo de mantenimiento predictivo dinámico basado en datos para
sistemas de fabricación, aprovechando los datos de sensores en línea y el deterioro de la calidad.
La colaboración entre la eficacia general del equipo (OEE) y la fiabilidad de la máquina es el
enfoque del tercer trabajo, que demuestra cómo esta sinergia optimiza el rendimiento del
mantenimiento. El cuarto trabajo presenta un marco de programación dinámica para la
programación de mantenimiento de aeronaves, considerando múltiples tareas y restricciones
operativas. Finalmente, el quinto trabajo mejora la detección temprana de fallas en motores de
vehículos mediante modelos de aprendizaje profundo, lo que mejora la seguridad y reduce los
costos asociados. Estos estudios demuestran el enfoque actual en la optimización de procesos,
el mantenimiento predictivo y la toma de decisiones basada en datos en entornos industriales.
Tabla 1. Trabajos relacionados
Trabajo
Adaptive Preventive
Maintenance for Flow
Shop Scheduling with
Resumable Processing
Pregunta de investigación u objetivo
¿Cómo optimizar la programación de la
producción y la toma de decisiones de
mantenimiento en un entorno de flujo
de trabajo para minimizar los costos
totales, centrándose en la estrategia de
mantenimiento preventivo adaptativo?
Data-driven dynamic
predictive
maintenance for a
¿Cómo desarrollar un modelo de
mantenimiento predictivo dinámico
basado en datos para un sistema de
Objetivo de la investigación
Desarrollar
una
estrategia
de
mantenimiento preventivo adaptativo
para la programación de la producción
en un entorno de flujo de trabajo, con
el fin de minimizar los costos totales
asociados con el mantenimiento
preventivo,
el
mantenimiento
correctivo y los retrasos en la
producción.
Proponer un modelo de mantenimiento
predictivo dinámico basado en datos
para un sistema de fabricación que
manufacturing system
with
quality
deterioration
and
online sensors
fabricación con deterioro de calidad y
sensores en línea?
Optimization
maintenance
performance
level
through collaboration
of overall equipment
effectiveness
and
machine reliability
¿Cómo la colaboración entre la eficacia
general del equipo y la fiabilidad de la
máquina contribuye a optimizar el
nivel
de
rendimiento
del
mantenimiento?
Condition-Based
Maintenance
scheduling
of
an
aircraft fleet under
partial observability: A
Deep Reinforcement
Learning approach
¿Cómo desarrollar un marco de
programación dinámica para optimizar
la programación de mantenimiento de
una flota de aeronaves, considerando
múltiples tipos de tareas de
mantenimiento (preventivo, correctivo
y basado en pronósticos) y
restricciones operativas reales?
¿Cómo mejorar la detección temprana
de fallas en los motores de vehículos
mediante un modelo de aprendizaje
profundo en conjunto
An Ensemble Deep
Learning Model for
Vehicular
Engine
Health Prediction
utiliza datos de degradación en línea
para mejorar continuamente la
predicción
de
degradación
de
componentes de herramientas y ajustar
constantemente el programa de
mantenimiento.
Analizar cómo la colaboración entre la
eficacia general del equipo y la
fiabilidad de la máquina puede influir y
optimizar el nivel de rendimiento del
mantenimiento, con el fin de mejorar la
efectividad de la máquina y la
fiabilidad del equipo en entornos
industriales.
Mejorar la disponibilidad de activos y
la eficiencia de las operaciones de las
aerolíneas
Garantizar
un
mantenimiento
predictivo más efectivo y una mayor
precisión en la toma de decisiones para
prevenir problemas en los motores de
los vehículos.
2. Metodología
Se utilizó la metodología propuesta por Kitchenham [1][2], el análisis PICOC (Tabla 2) del
método PRISMA [3] y la guía práctica para desarrollar un Revisión Sistemática de Literatura
(RSL) propuesta en [4], que en conjunto y de manera sistemática permitirán especificar,
identificar, evaluar, seleccionar y sintetizar los datos de las fuentes primarias recopiladas.
2.1. Preguntas de investigación
Tabla 1. PICOC para contextualizar la RSL
Item
Descripción
P
¿quién?
I
¿qué?
C
¿con qué comparar?
O
¿qué se busca?
C
¿tipo de organización?
Detalle
Enfoques de planificación de mantenimiento preventivo
implementados en flotas de vehículos.
Enfoques específicos de planificación de mantenimiento
preventivo, como mantenimiento programado, mantenimiento
basado en condiciones, mantenimiento predictivo, etc.
Enfoques tradicionales de mantenimiento reactivo o enfoques de
mantenimiento preventivo menos estructurados.
Efectividad en términos de costos (reducción de costos de
mantenimiento, rentabilidad) y confiabilidad del vehículo (mayor
disponibilidad, durabilidad, vida útil, menor número de fallas).
investigación desarrollada en el campo de educación primaria y
secundaria
En la Tabla 3 se presenta la pregunta general de investigación relacionada con el objeto de
estudio, y en la Tabla 4 las preguntas específicas de investigación.
Tabla 2. Pregunta general de investigación
ID
Pregunta de investigación general
PG-1
¿Qué enfoques de planificación de mantenimiento preventivo han demostrado ser
más efectivos en términos de costos y confiabilidad del vehículo?
Tabla 3. Preguntas específicas de investigación
ID
Preguntas de investigación específicas
P1
¿Cuáles son los indicadores clave de desempeño (KPI) comúnmente utilizados para evaluar la
efectividad en términos de costos de los diferentes enfoques de planificación de mantenimiento
preventivo en la industria automotriz?
¿Cómo afectan las tecnologías predictivas la confiabilidad del vehículo y los costos de mantenimiento
en comparación con los enfoques de mantenimiento preventivo tradicionales?
¿Qué factores contextuales, como el tipo de vehículo, la antigüedad de la flota o la disponibilidad de
recursos, influyen en la elección de un enfoque de planificación de mantenimiento preventivo rentable
y confiable?
P2
P3
2.2. Estrategia de Búsqueda
a. Definir las palabras claves:
Se identificaron las palabras claves en el idioma inglés, algunas de ellas fueron extraídas del
Tesauro de la IEEE1, que servirán para definir las cadenas de búsqueda:
● Planning approaches: Strategies, Methods, Techniques, Tactics, Schemes
● Preventive maintenance: Proactive maintenance, Precautionary care, Preventative
measures, Prophylactic maintenance
● Cost-effectiveness: Efficiency, Affordability, Value for money, Economic viability,
Cost-benefit
● Vehicle reliability: Dependability, Consistency, Durability, Trustworthiness,
Performance
● Automotive industry: Car manufacturing, Vehicle production, Transportation sector,
Motor industry, Auto trade
● Maintenance: Upkeep, Care, Preservation, Repair, Servicing
● Strategies: Plans, Approaches, Tactics, Maneuvers, Ploys
● Optimization: Maximization, Improvement, Enhancement, Refinement, Fine-tuning
● Reliability: Consistency, Stability, Trustworthiness, Dependence, Accuracy
● Cost management: Expense control, Financial planning, Budgeting, Resource
allocation, Expenditure optimization
b. Definir las bases de datos
De acuerdo con los lineamientos de Kitchenham y de la guía práctica para desarrollar una RSL,
en la Tabla 5 se presentan las bases de datos científicas multidisciplinarias y especializadas de
1
Tesauro de la IEEE, https://www.ieee.org/publications/services/thesaurus-access-page.html [12/03/2021]
gran impacto mundial que se utilizaron en la investigación.
Tabla 4. Bases de datos científicas
ID
Base de datos científica
Dirección Web
BD-1
Scopus
https://www.scopus.com/home.uri
BD-2
IEEE Xplore
https://ieeexplore.ieee.org/Xplore/home.jsp
BD-3
ACM Digital Library
https://dl.acm.org/
BD-4
Scince Direct
https://www.sciencedirect.com/
BD-5
Springer
https://link.springer.com/
c. Definir y comprobar los scripts de búsqueda
Una vez definidas las bases de datos e identificadas las palabras claves se realizó las consultas
básicas de prueba utilizando los operadores lógicos AND/OR [(”artificial intelligence”) AND
(”elementary education” OR ”primary education” OR school) AND teaching], que a posterior
se generó los scripts o cadenas de búsqueda finales que se muestran en la Tabla 6. Cada script
de búsqueda tiene su particularidad en cada base de datos, ya que la sintaxis de consulta es
diferente.
Tabla 5. Scripts de búsqueda por cada base de datos
ID
Cadena
SC-1
TITLE-ABS-KEY(("maintenance" OR
"conservation" OR "repair" OR "revision" OR
"service" OR "care") AND ("preventive" OR
"proactive" OR "anticipatory" OR "precautionary"
OR "protective" OR "prevention") AND ("cost
effective" OR "efficient" OR "productive" OR
"profitable" OR "successful" OR "satisfactory")
AND ("planning" OR "programming" OR
"organization" OR "strategy" OR "management"
OR "design"))
TITLE-ABS-KEY(("vehicle reliability" OR
"transport reliability" OR "automobile reliability"
OR "car reliability" OR "machine reliability")
AND ("maintenance" OR "conservation" OR
"repair" OR "revision" OR "service" OR "care")
AND ("preventive" OR "proactive" OR
"anticipatory" OR "precautionary" OR "protective"
OR "prevention"))
TITLE-ABS-KEY(("planning" OR
"programming" OR "organization" OR "strategy"
OR "management" OR "design") AND
("maintenance" OR "conservation" OR "repair"
OR "revision" OR "service" OR "care") AND
("preventive" OR "proactive" OR "anticipatory"
SC-2
SC-3
Base de
datos
Scopus
Fecha de
consulta
18/05/202
4
Scopus
18/05/202
4
Scopus
18/05/202
4
OR "precautionary" OR "protective" OR
"prevention") AND ("impact" OR "effect" OR
"consequence" OR "outcome"))
2.3. Ejecutar scripts de búsqueda
Al ejecutar los scripts descritos en la Tabla 6, se presenta el resumen y total de fuentes
primarias encontradas (Tabla 7).
Tabla 6. Resumen de las fuentes primarias luego de la búsqueda
Base de datos
# Documentos
Scopus
26
Web of Science
0
IEEE Xplore
0
ACM Digital Library
0
Total
26
2.4. Descargar y almacenar los resultados de los scripts de búsqueda
De acuerdo con los resultados obtenidos en cada una de las bases de datos (Tabla 7), se
exportó en el formato BibTeX (.bib) los metadatos “Citation information” y “Abstract
& keywords”, que fueron importados en el gestor bibliográfico Mendeley (Fig. 1).
Figura 1. Resultado de la ejecución de la búsqueda
2.5. Criterios de selección
En la Tabla 8 y 9 se establecen los criterios de inclusión y exclusión.
Tabla 7. Criterios de inclusión
Criterio
Descripción
Tipo de documentos
Documentos publicados en revistas.
Contenido
En el contenido de los documentos se debe contener la cadena de búsqueda en su
título y resumen
Motor de búsqueda
Los documentos deberán ser únicamente de las bases de datos de alto impacto:
Scopus, Web of Science, IEEE Xplore y ACM Digital Library
Idioma
Se consideran únicamente los documentos en inglés.
Tabla 8. Criterios de exclusión
Criterio
Descripción
Contexto
Trabajos que se encuentren en el ámbito universitario
Contenido
No contiene información que aporten para poder responder a las preguntas propuestas
Motor de búsqueda
Literatura gris
Repercusión actual
Artículos de no más de 5 años de antigüedad, del 2019 en adelante
2.6. Proceso de selección
Para la selección de los estudios se utilizó tres análisis, el primer análisis consistió en leer el
título y resumen de los artículos obtenidos en base a las palabras claves y cadenas de búsqueda,
teniendo en cuenta los criterios de inclusión y exclusión. Posteriormente, se procedió con el
segundo análisis, donde se procede a descargar los artículos candidatos, se procede a leer la
introducción, metodología y las conclusiones, con el fin de filtrar los trabajos más relacionados
con el objeto de estudio. Finalmente, en el tercer análisis, se realiza la evaluación de la calidad,
considerando cinco criterios, y que servirán para responder las preguntas de investigación.
Para la extracción de datos de cada uno de los análisis se utilizó el gestor bibliográfico Mendeley
en conjunto con una matriz de análisis en una hoja de cálculo.
En la Figura 2, se resume el proceso para la selección de artículos, indicando los resultados
obtenidos en cada etapa de análisis.
Figura 2. Síntesis del proceso de selección de artículos
En cada análisis se determinó tres criterios de selección:
● Incluido: si al leer el trabajo de identifica que es pertinente con la mayor parte
de las preguntas de investigación.
● Dudoso: si al leer el trabajo se vincula con algunas de las preguntas de
investigación.
● Excluido: si al leer el trabajo no se vincula con las preguntas de investigación.
Análisis 1: título y resumen
Se realizó la lectura exhaustiva de título y resumen de los trabajos identificados en las bases de
datos científicas, a los cuales se les aplicó los criterios de inclusión y exclusión, obteniendo un
total de 84 artículos, en esta fase se consideró los criterios de análisis: incluido y dudoso, que
pasarán al segundo análisis.
Análisis 2: introducción, metodología y conclusiones
Se analiza la introducción, metodología y conclusiones dando como resultado 67 artículos, en esta
fase se consideró los criterios de análisis: incluido y dudoso, que pasarán al tercer análisis.
Análisis 3: lectura crítica de artículos y evaluación de calidad
Se procede a realizar una lectura crítica de cada artículo con el fin de obtener información relevante
de acuerdo con las preguntas de investigación, además, se aplicó la evaluación de calidad de acuerdo
con cinco criterios (Tabla 11). En la Tabla 10 se observa por cada base de datos el número de
artículos que se usarán en la investigación y sus respectivos porcentajes (Fig. 3).
Tabla 9. Resumen del análisis 3
Base de datos
Scopus
Web of Science
IEEE Xplore
ACM Digital Library
Total
Incluido
26
0
0
0
26
Dudoso
Subtotal
0
0
0
0
0
26
0
0
0
26
0%
Scopus
Web of Science
IEEE Xplore
ACM Digital Library
100%
Figura 3. Porcentajes de los artículos de la fase de análisis 3
3. Resultados
P1: ¿Cuáles son los indicadores clave de desempeño (KPI) comúnmente utilizados para evaluar
la efectividad en términos de costos de los diferentes enfoques de planificación de
mantenimiento preventivo en la industria automotriz?
Tabla 11. ¿Cuáles son los indicadores clave de desempeño (KPI) comúnmente utilizados para evaluar la efectividad en términos de
costos de los diferentes enfoques de planificación de mantenimiento preventivo en la industria automotriz?
#
Trabajo
Influential factors on medical equipment
maintenance management: In search of a
framework[5]
1
On preventive maintenance policies: a
selection framework[6]
2
3
Analytical
evaluation
of
TPM
performance based on an economic
criterion[7]
4
Design of an intelligent decision-making
system for maintenance practices using
fuzzy inference system in northern
Indian SMEs[8]
5
Optimal decision of an economic
production quantity model for imperfect
manufacturing
under
hybrid
maintenance policy with shortages and
partial backlogging[9]
6
Establishing simulation model for
optimizing efficiency of CNC machine
using reliability-centered maintenance
approach[10]
¿Cuáles son los indicadores clave de desempeño (KPI)
comúnmente utilizados para evaluar la efectividad en términos
de costos de los diferentes enfoques de planificación de
mantenimiento preventivo en la industria automotriz?
Se aborda la necesidad de recursos adecuados, la capacitación del
personal, la documentación de procesos y la implementación de
programas de mantenimiento preventivo para aumentar la
durabilidad de los equipos, prevenir fallas y reducir costos.
Se mencionan aspectos como la educación, el control de calidad, la
información, la inspección y el mantenimiento preventivo, que son
elementos clave para evaluar el desempeño del mantenimiento.
Se discute la importancia de seleccionar la política de
mantenimiento preventivo más eficiente y efectiva, y se menciona
que la eficiencia y efectividad de las políticas de mantenimiento se
pueden calcular para seleccionar la mejor política de
mantenimiento, se menciona que, en muchos casos, los
componentes se reemplazan con demasiada frecuencia antes de
alcanzar el final de su vida útil, lo que se considera ineficiente desde
una perspectiva de costos
Se mencionan aspectos como la integración de actividades de
mantenimiento preventivo en la planificación, la consideración de
impactos económicos en estrategias de mantenimiento integrado, y
la evaluación cuantitativa del impacto de la implementación de
TPM en una empresa.
El estudio destaca que los problemas de mantenimiento correctivo,
mantenimiento
general,
mantenimiento
preventivo
y
mantenimiento por averías han surgido como variables indicadoras
importantes para la implementación efectiva de prácticas de
mantenimiento en las PYMEs del norte de la India . Además, se
discute el uso de un sistema de inferencia difusa (fuzzy inference
system) para evaluar la implementación exitosa de prácticas de
mantenimiento, lo que implica la consideración de factores clave
como mantenimiento correctivo, mantenimiento general,
mantenimiento preventivo y mantenimiento por averías
Se mencionan autores como Alfares, Khursheed, and Noman (2005)
, quienes integraron decisiones de calidad y mantenimiento en un
modelo de producción-inventario para artículos deteriorados.
También se aborda el estudio de Cheng, Zhou, and Li (2016) , que
analiza estrategias integradas de control de producción y
mantenimiento para un sistema de mecanizado.
1. El estudio presenta un análisis detallado de los costos
totales del sistema y los costos asociados con partes buenas
y defectuosas para cada enfoque de planificación de
mantenimiento preventivo.
2. Se discute la comparación de los costos totales del sistema
entre el enfoque actual y los cinco enfoques de
optimización propuestos, lo que podría proporcionar
información sobre la efectividad en términos de costos de
los diferentes enfoques.
3.
7
Development
of
opportunistic
maintenance policy towards optimal
maintenance system (OPTOMS) model:
A case study[11]
8
Optimization maintenance performance
level through collaboration of overall
equipment effectiveness and machine
reliability[12]
9
Sustainable asset management: A repairreplacement decision model considering
environmental impacts, maintenance
quality, and risk[13]
10
Condition-based critical level policy for
spare parts inventory management[14]
11
Joint planning of maintenance, buffer
stock and quality control for unreliable,
imperfect manufacturing systems[15]
12
Reliability-oriented design of integrated
model of preventive maintenance and
quality control policy with timebetween-events control chart[16]
Se menciona que la reducción de los costos de
mantenimiento preventivo fue del 46% en el enfoque
propuesto, lo que indica un posible KPI relacionado con la
eficiencia en costos.
4. Se describen los cambios en los costos asociados con
partes buenas y defectuosas al implementar diferentes
enfoques de planificación de mantenimiento, lo que podría
ser relevante para evaluar la efectividad en términos de
costos.
Se hace referencia a la reducción de costos de mantenimiento como
un objetivo clave del sistema de mantenimiento óptimo. Se discute
cómo calcular los costos de mantenimiento para medir la
optimización de la política de mantenimiento, lo que indica que los
costos de mantenimiento podrían ser un KPI importante para
evaluar la efectividad de los enfoques de planificación de
mantenimiento.
Se mencionan los indicadores clave de desempeño como el nivel de
desempeño de mantenimiento (MPL), la confiabilidad de la
máquina (MR) y la efectividad general del equipo - efectividad de
la máquina (OEE-ME).
Además, se aborda la optimización de la efectividad de la máquina
y la confiabilidad a través de la colaboración de OEE-ME y MR, lo
que puede influir y optimizar el nivel de desempeño del
mantenimiento (MPL)
Se discuten modelos de decisión de reparación-reemplazo con
consideraciones económicas y ambientales, así como la importancia
de la calidad del mantenimiento preventivo y correctivo en la toma
de decisiones de reparación-reemplazo. Además, se mencionan
enfoques sostenibles de mantenimiento basados en la salud de los
activos y sus atributos energéticos, lo cual puede ser relevante para
evaluar la efectividad en términos de costos de los enfoques de
mantenimiento preventivo en la industria automotriz.
Se discuten enfoques de mantenimiento preventivo, incluida la
integración parcial de mantenimiento basado en condiciones y
gestión de inventario de repuestos, así como la consideración de
políticas de nivel crítico basadas en el estado de degradación de los
equipos. Además, se mencionan aspectos relacionados con la
optimización de costos a lo largo del tiempo y se aborda el uso de
tecnologías avanzadas como sensores y aprendizaje automático en
el mantenimiento 4.0.
Se discute la importancia de la planificación conjunta de
mantenimiento, producción y control de calidad en sistemas de
fabricación, y cómo la integración de estas decisiones puede ayudar
a minimizar los costos totales del sistema. Se mencionan modelos
matemáticos integrados que consideran el mantenimiento
preventivo, correctivo, la programación de producción y el control
de calidad, lo que podría ser relevante para comprender los KPI
utilizados en la evaluación de la efectividad de los enfoques de
planificación de mantenimiento preventivo en la industria
automotriz
Se discute la importancia de la calidad del proceso de fabricación
para la producción de productos confiables, lo cual es fundamental
en la industria automotriz. Además, aborda la necesidad de
coordinar la garantía de fiabilidad del producto con el análisis
tradicional de calidad de fabricación para mitigar los riesgos
causados por posibles fallas del producto en el proceso de
fabricación. Esto sugiere que la efectividad en términos de costos
de los enfoques de planificación de mantenimiento preventivo
puede evaluarse considerando la mejora en la fiabilidad del
producto y la reducción de fallas potenciales.
13
Two-dimensional extended warranty
strategy including maintenance level and
purchase
time:
A
win-win
perspective[17]
14
Maintenance service strategy for leased
equipment: Integrating lessor-preventive
maintenance
and
lessee-careful
protection efforts[18]
Se mencionan estudios previos que abordan la optimización de
políticas de mantenimiento preventivo, la influencia de las
estrategias de mantenimiento en los costos de garantía, y la relación
entre la fiabilidad del producto y la efectividad de las estrategias de
mantenimiento preventivo.
Se menciona la importancia de diseñar contratos de costos
compartidos para optimizar las estrategias de mantenimiento y
garantizar la mejora de Pareto de las partes involucradas, lo cual
puede ser un indicador clave de desempeño para evaluar la eficacia
de los enfoques de mantenimiento preventivo en la industria
automotriz.
P2: ¿Cómo afectan las tecnologías predictivas la confiabilidad del vehículo y los costos de
mantenimiento en comparación con los enfoques de mantenimiento preventivo tradicionales?
Tabla 12. ¿Cómo afectan las tecnologías predictivas la confiabilidad del vehículo y los costos de mantenimiento en comparación
con los enfoques de mantenimiento preventivo tradicionales?
#
Trabajo
1
On preventive maintenance policies: a
selection framework[6]
2
Design of an intelligent decision-making
system for maintenance practices using
fuzzy inference system in northern Indian
SMEs[8]
3
Optimal decision of an economic
production quantity model for imperfect
manufacturing under hybrid maintenance
policy with shortages and partial
backlogging[9]
4
Establishing simulation model for
optimizing efficiency of CNC machine
using reliability-centered maintenance
approach[10]
P2: ¿Cómo afectan las tecnologías predictivas la confiabilidad
del vehículo y los costos de mantenimiento en comparación
con los enfoques de mantenimiento preventivo tradicionales?
Se discute la importancia de seleccionar la política de
mantenimiento preventivo más eficiente y efectiva, lo que implica
considerar criterios como costos, disponibilidad, confiabilidad,
seguridad y riesgo. Además, se menciona que la eficiencia y
efectividad de las políticas de mantenimiento se pueden calcular
para seleccionar la mejor política de mantenimiento.
El estudio se centra en analizar la importancia de las prácticas
clave de mantenimiento en la implementación efectiva de
parámetros de rendimiento en las PYMEs del norte de la India,
utilizando un enfoque de inferencia difusa para evaluar la
implementación exitosa de prácticas de mantenimiento. Además,
se discute la relevancia de factores como el mantenimiento
correctivo, mantenimiento general, mantenimiento preventivo y
mantenimiento por averías en la efectividad de las prácticas de
mantenimiento.
Se menciona el mantenimiento predictivo (CBM) como una de las
estrategias consideradas en la literatura. Además, se hace
referencia a estudios como el de Peng and Houtum (2016) , que
desarrollaron una optimización conjunta de mantenimiento
basado en la condición y programación de lotes de producción.
1. Se discute la aplicación de la metodología de Análisis de
Modo y Efecto de Falla (FMEA) para identificar las
causas de falla de los elementos críticos de la máquina
CNC, lo que sugiere un enfoque proactivo para abordar
posibles fallas 2.
2. Se menciona el uso de la confiabilidad centrada en el
mantenimiento (RCM) para identificar los componentes
críticos de la máquina y establecer estrategias de
mantenimiento preventivo, lo que podría implicar una
mayor confiabilidad del equipo 13.
3. Se describen los resultados de la implementación de un
modelo de optimización-simulación para el intervalo de
tiempo de mantenimiento preventivo, lo que podría
proporcionar información sobre la eficacia de los
enfoques predictivos en comparación con los enfoques
tradicionales 13.
4. Se discute la reducción de los costos de mantenimiento
preventivo en un enfoque propuesto, lo que podría
indicar posibles ahorros en costos al utilizar tecnologías
predictivas más eficientes 1.
1.
2.
5
Development of opportunistic maintenance
policy towards optimal maintenance system
(OPTOMS) model: A case study[11]
3.
6
Optimization maintenance performance
level through collaboration of overall
equipment effectiveness and machine
reliability[12]
7
Sustainable asset management: A repairreplacement decision model considering
environmental
impacts,
maintenance
quality, and risk[13]
8
Condition-based critical level policy for
spare parts inventory management[14]
9
Reliability-oriented design of integrated
model of preventive maintenance and
quality control policy with time-betweenevents control chart[16]
El documento discute la importancia de la confiabilidad
y la disponibilidad de los equipos como objetivos clave
del mantenimiento 10. Se menciona que uno de los
objetivos del mantenimiento es aumentar la
disponibilidad, el tiempo de operación y la confiabilidad
de los equipos, lo que sugiere que las tecnologías
predictivas podrían tener un impacto positivo en estos
aspectos.
Se hace referencia a la aplicación de herramientas como
el control chart para medir el desempeño del
mantenimiento 7. Se discute cómo estas herramientas
pueden proporcionar una observación continua del
desempeño del mantenimiento y mejorar la confiabilidad
del sistema, lo que indica que las tecnologías predictivas
podrían contribuir a una mejor gestión de la
confiabilidad.
Se aborda el tema de la optimización de los costos de
mantenimiento a través de enfoques como el
mantenimiento oportunista 23. Se discute cómo la
reducción de costos de mantenimiento es un objetivo
clave, lo que sugiere que las tecnologías predictivas
podrían influir en la eficiencia de los costos en
comparación con los enfoques tradicionales.
Se menciona que la optimización de la efectividad del
mantenimiento a través de la colaboración de la efectividad
general del equipo - efectividad de la máquina (OEE-ME) y la
confiabilidad de la máquina (MR) puede influir y optimizar el
nivel de desempeño del mantenimiento (MPL). Además, se
discuten criterios como el mantenimiento normal óptimo, el
mantenimiento preventivo y el intervalo de tiempo de
mantenimiento óptimo, que pueden ser relevantes para comparar
los enfoques de mantenimiento preventivo tradicionales con las
tecnologías predictivas en términos de confiabilidad y costos.
Se mencionan enfoques sostenibles de mantenimiento basados en
la salud de los activos y sus atributos energéticos, lo cual puede
ser relevante para evaluar el impacto de las tecnologías predictivas
en la confiabilidad y los costos de mantenimiento de los vehículos
en comparación con los enfoques tradicionales.
Se menciona que en el contexto de la Industria 4.0, donde las
máquinas están continuamente monitoreadas por sensores, se
introduce una política de nivel crítico basada en el estado de
degradación de los equipos. Estos enfoques avanzados tienen
como objetivo mejorar la confiabilidad del vehículo al predecir
fallas antes de que ocurran, lo que puede reducir los costos de
mantenimiento al evitar reparaciones costosas y tiempos de
inactividad no planificados.
Las tecnologías predictivas, como el monitoreo en tiempo real, el
análisis de datos y el mantenimiento basado en la condición, son
herramientas clave para mejorar la confiabilidad del vehículo al
permitir la detección temprana de posibles fallas o problemas. Al
anticiparse a los problemas potenciales, las tecnologías predictivas
10
Two-dimensional
extended
warranty
strategy including maintenance level and
purchase time: A win-win perspective[17]
pueden ayudar a prevenir averías inesperadas, reducir el tiempo de
inactividad del vehículo y mejorar su confiabilidad operativa.
En términos de costos de mantenimiento, las tecnologías
predictivas pueden contribuir a una gestión más eficiente de los
recursos al permitir una planificación más precisa de las
actividades de mantenimiento. Al identificar de manera proactiva
las necesidades de mantenimiento, se pueden programar
intervenciones en momentos óptimos, evitando costosos tiempos
de inactividad no planificados y minimizando los costos asociados
con reparaciones de emergencia.
Se discute la importancia de incorporar un plan de mantenimiento
preventivo efectivo en las decisiones de garantía extendida, lo cual
sugiere que la implementación de estrategias de mantenimiento
predictivo puede influir en la confiabilidad del vehículo y los
costos asociados.
Además, se mencionan estudios previos que abordan la
optimización de políticas de mantenimiento preventivo y la
relación entre la fiabilidad del producto y la efectividad de las
estrategias de mantenimiento preventivo.
4. Referencias
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
[11]
B. Kitchenham and C. Stuart, “Guidelines for performing Systematic Literature Reviews in
Software Engineering,” Durham, 2007. doi: 10.1145/1134285.1134500.
S. Pizard, F. Acerenza, V. Casella, S. Moreno, and D. Vallespir, “Conceptos de Ingeniería
de Software Basado en Evidencias,” Montevideo, 2015.
G. Urrútia and X. Bonfill, “Declaración PRISMA: una propuesta para mejorar la publicación
de revisiones sistemáticas y metaanálisis,” Medicina Clínica, vol. 135, no. 11, pp. 507–511,
Sep. 2010, doi: 10.1128/JCM.00582-08.
L. Chamba-Eras, “Ciencias de la Computación basada en evidencia: Guía práctica para
desarrollar una Revisión Sistemática de Literatura,” Loja, 2021.
R. Bahreini, L. Doshmangir, and A. Imani, “Influential factors on medical equipment
maintenance management: In search of a framework,” J Qual Maint Eng, vol. 25, no. 1, pp.
128–143, Mar. 2019, doi: 10.1108/JQME-11-2017-0082.
I. Alsyouf, S. Hamdan, M. Shamsuzzaman, S. Haridy, and I. Alawaysheh, “On preventive
maintenance policies: a selection framework,” J Qual Maint Eng, vol. 27, no. 1, pp. 225–
252, Feb. 2021, doi: 10.1108/JQME-10-2018-0085.
K. Chaabane, J. Schutz, S. Dellagi, and W. Trabelsi, “Analytical evaluation of TPM
performance based on an economic criterion,” J Qual Maint Eng, vol. 27, no. 2, pp. 413–
429, 2020, doi: 10.1108/JQME-08-2019-0085.
S. S. Sidhu, K. Singh, and I. S. Ahuja, “Design of an intelligent decision-making system for
maintenance practices using fuzzy inference system in northern Indian SMEs,” J Qual Maint
Eng, vol. 28, no. 1, pp. 154–179, Feb. 2022, doi: 10.1108/JQME-05-2020-0043.
X. Lai, Z. Chen, and B. Bidanda, “Optimal decision of an economic production quantity
model for imperfect manufacturing under hybrid maintenance policy with shortages and
partial backlogging,” Int J Prod Res, vol. 57, no. 19, pp. 6061–6085, Oct. 2019, doi:
10.1080/00207543.2018.1562249.
Z. Hussain and H. Jan, “Establishing simulation model for optimizing efficiency of CNC
machine using reliability-centered maintenance approach,” International Journal of
Modeling, Simulation, and Scientific Computing, vol. 10, no. 6, Dec. 2019, doi:
10.1142/S179396231950034X.
H. Ab-Samat and S. Kamaruddin, “Development of opportunistic maintenance policy
towards optimal maintenance system (OPTOMS) model: A case study,” J Qual Maint Eng,
vol. 26, no. 1, pp. 129–165, Feb. 2020, doi: 10.1108/JQME-07-2018-0057.
[12]
[13]
[14]
[15]
[16]
[17]
[18]
F. Rahman, S. Sugiono, A. A. Sonief, and O. Novareza, “OPTIMIZATION
MAINTENANCE PERFORMANCE LEVEL THROUGH COLLABORATION OF
OVERALL EQUIPMENT EFFECTIVENESS AND MACHINE RELIABILITY,” Journal
of Applied Engineering Science, vol. 20, no. 3, pp. 917–936, 2022, doi: 10.5937/jaes035189.
A. Abdi and S. Taghipour, “Sustainable asset management: A repair-replacement decision
model considering environmental impacts, maintenance quality, and risk,” Comput Ind Eng,
vol. 136, pp. 117–134, Oct. 2019, doi: 10.1016/j.cie.2019.07.021.
P. Dendauw, T. Goeman, D. Claeys, K. De Turck, D. Fiems, and H. Bruneel, “Conditionbased critical level policy for spare parts inventory management,” Comput Ind Eng, vol.
157, Jul. 2021, doi: 10.1016/j.cie.2021.107369.
S. M. Hadian, H. Farughi, and H. Rasay, “Joint planning of maintenance, buffer stock and
quality control for unreliable, imperfect manufacturing systems,” Comput Ind Eng, vol. 157,
Jul. 2021, doi: 10.1016/j.cie.2021.107304.
Y. He et al., “Reliability-oriented design of integrated model of preventive maintenance and
quality control policy with time-between-events control chart,” Comput Ind Eng, vol. 129,
pp. 228–238, Mar. 2019, doi: 10.1016/j.cie.2019.01.046.
Z. He, D. Wang, S. He, Y. Zhang, and A. Dai, “Two-dimensional extended warranty
strategy including maintenance level and purchase time: A win-win perspective,” Comput
Ind Eng, vol. 141, Mar. 2020, doi: 10.1016/j.cie.2020.106294.
B. Liu, Y. Wang, H. Yang, A. Segerstedt, and L. Zhang, “Maintenance service strategy for
leased equipment: Integrating lessor-preventive maintenance and lessee-careful protection
efforts,” Comput Ind Eng, vol. 156, Jun. 2021, doi: 10.1016/j.cie.2021.107257.
5. ANEXOS
Anexo 1 Ejecución de las Scripts de Búsqueda
Se agrega un enlace que redirige a Drive, en donde encontrara los documentos en PDF que se
recopiló para el trabajo.
https://drive.google.com/drive/folders/1j8bSeDRSlCnEgWA7kjKLUzMmhbYwtKF2?usp=drive_li
nk
Descargar