Homelowertripezone500x180px.png)
Diagnosis y prognosis de la fiabilidad de equipos como apoyo a la gestión de activos
Isabel Martón
Grupo MEDASEGI
Universitat Politècnica de València
Sara Asensio
Grupo MEDASEGI
Universitat Politècnica de València
Victoria Caro
Grupo MEDASEGI
Universitat Politècnica de València
Ana I. Sánchez
Grupo MEDASEGI
Universitat Politècnica de València
Sebastián Martorell
Grupo MEDASEGI
Universitat Politècnica de València
1. INTRODUCCIÓN
En la actualidad, frente el escenario social y económico europeo se hace necesaria una reestructuración del mercado eléctrico y una búsqueda de alternativas para abastecer la demanda eléctrica actual.
En el año 2020 las energías renovables representado en Europa solo un 36% de la generación total de energía. (BP (2021)). Considerando esta situación y con el objetivo de lograr la transición hacia un escenario de cero emisiones, el 1 de enero de 2022, la Unión Europea (UE) declaró la energía nuclear y el gas como actividades transitorias bajo estrictas condiciones (EUcomission2022) .
En los países de la UE hay 104 reactores nucleares (95 reactores de agua a presión (PWR) y 19 reactores de agua en ebullición (BWR)) en funcionamiento, proporcionando una capacidad bruta total de 149,53 GW(e). El 30,8% de los PWR de los reactores tienen más de 40 años (vida de diseño), lo que significa que han tenido que solicitar una extensión de vida para operar más allá de su vida de diseño, lo que se conoce como operación a largo plazo (LTO). Para obtener la aprobación por parte del organismo regulador para operar por un periodo adicional, las plantas deben de someterse a estrictos procesos donde se evalúa la seguridad, entre los requisitos necesarios está la Revisión Periódica de Seguridad (RPS). Normalmente, en la RPS, las plantas deben considerar aspectos específicos, como la gestión del envejecimiento y obsolescencia de los equipos. En estas revisiones de seguridad, el Análisis Probabilístico de Seguridad (APS) juega su papel fundamental para evaluar la seguridad de las centrales nucleares. En la actualidad se considera una tasa de fallos constante que es actualizada periódicamente. Esta suposición no es precisa, ya que la tasa de fallos debe de ir actualizándose con los datos reales de planta siendo necesario un APS avanzado que incorpore los modelos de fiabilidad más recientes en la literatura que sean capaces de pronosticar la evolución del riesgo considerando explícitamente el envejecimiento y la obsolescencia de los componentes y las políticas de pruebas y mantenimiento a aplicar a lo largo de este periodo de extensión de vida de las plantas. Además, es necesario adaptar los métodos actuales de estimación de parámetros para hacerlos consistentes con los nuevos modelos propuestos basados en los mismos datos históricos de fallas disponibles en la planta.
En este contexto, el objetivo de este trabajo es presentar una metodología de análisis
de la fiabilidad que sirva de apoyo en el diagnóstico y pronóstico del efecto de envejecimiento y la obsolescencia sobre la fiabilidad y la efectividad de mantenimiento de los componentes activos. Esta metodología incluye un análisis preliminar de datos del histórico de mantenimientos y fallos de equipos críticos. Sobre dichos datos se aplica un procedimiento y métodos de análisis paramétrico de fiabilidad. Junto a la metodología se muestra un caso de aplicación de esta donde se demuestra que es posible pronosticar la fiabilidad de un componente en función del plan de mantenimiento programado previsto.
2. METODOLOGÍA PROPUESTA
en este apartado se propone una metodología para el análisis de la evolución de la fiabilidad de los equipos de la central nuclear en el contexto de la Operación a Largo Plazo. Esta metodología se basa en 4 etapas que se explican en más detalle a continuación.
2.1. Análisis de los datos
Esta etapa de la metodología consiste en un estudio exhaustivo y detallado de las bases de datos de las centrales nucleares. En las centrales existen una gran cantidad de tipos diferentes de Estructuras, Sistemas y Componentes (ESC), cada uno con su propio comportamiento y funcionalidad. Por lo tanto, una actividad importante es determinar los equipos críticos, sus causas y modos de falla dominantes, las actividades de vigilancia wy mantenimiento a las que están sujetos y el efecto del envejecimiento y la obsolescencia. Además de una caracterización profunda del envejecimiento y la degradación del equipo basada en la recopilación y el análisis de datos históricos de fallos, mantenimiento y operación.
Sobre estos equipos críticos se desarrolla una parte muy importante del volumen de
necesidades de seguimiento y mantenimiento, por lo que son el foco de atención de
buena parte de los programas de control y mejora, encaminados a maximizar la
fiabilidad, disponibilidad y seguridad de la planta. Entre estos programas, se encuentran el Programa de Gestión de Vida (PGV) y la aplicación de la Regla de Mantenimiento. Además, como se ha comentado anteriormente, como parte fundamental de la RPS, las plantas deben tener implementado un programa específico de gestión del envejecimiento y de la obsolescencia.
En cuanto a la obsolescencia, la identificación de las ESC instalados en la planta y sus repuestos asociados, verificando los problemas de obsolescencia con el proveedor original es parte de un programa de gestión de la obsolescencia. Actualmente, la industria nuclear utiliza un programa diseñado por Rolls-Royce, conocido como Proactive Obsolescence Management System (POMS), que consiste en una base de datos y una herramienta de búsqueda diseñada para proporcionar información de forma rápida y sencilla sobre la obsolescencia de los equipos y los proveedores.
En caso de que no sea posible acceder a toda la información, existen publicados resultados de estudios genéricos llevados a cabo en plantas estando disponibles en el marco de los programas, NPAR, GALL (USNRC (1991) , USNRC (2001)). En cualquier caso, estos estudios genéricos siempre se utilizarán como punto de partida, aunque es mucho más adecuado manejar información específica que permita desarrollar modelos de envejecimiento más precisos.
La dificultad de esta tarea radica en la amplia gama de tipos de equipos y componentes de seguridad en las centrales nucleares, junto con la falta de datos del histórico. Por lo tanto, a veces resulta interesante agrupar las ESC de acuerdo con sus características de fiabilidad, como la probabilidad de fallo en la demanda, la tasa de fallos en espera o la tasa de envejecimiento, y sus características de mantenimiento, como la duración y efectividad del mantenimiento, condiciones de servicio, la modos y causas de fallo, problemas típicos de obsolescencia y la correspondiente estrategia de gestión de la obsolescencia en la planta.
Existe una gran cantidad de información en las diferentes bases de datos que soportan los programas anteriores que se pueden utilizar en este paso de la metodología: base de datos de gestión de activos, base de datos de problemas de obsolescencia detectada, base de datos de fallas históricas, base de datos de mantenimiento, base de datos de prueba y mantenimiento.
2.2. modelado de RAM
En esta etapa de la metodología, es necesaria una nueva generación de modelos de fiabilidad, disponibilidad y mantenibilidad (RAM) para equipos relacionados con la seguridad que aborden explícitamente el efecto del envejecimiento, la obsolescencia, las pruebas y la planificación del mantenimiento. Estos modelos RAM avanzados se introducen, por ejemplo, como RAM dependiente de la edad y modelos de riesgo desarrollados y publicados en el pasado (Martorell et al. (1999), Martorell et al. (2015), Martorell et al. (2017), que se ampliarán en su nivel de detalle para reflejar
explícitamente el efecto de la obsolescencia técnica. Estos modelos serán lo suficientemente completos y flexibles para ser utilizados de forma proactiva para analizar el impacto de diferentes estrategias para la gestión del envejecimiento y la obsolescencia en un contexto de toma de decisiones informadas por el riesgo.
2.3. Diagnóstico
Los modelos RAM presentados en la sección anterior deben de ser calibrados utilizando datos reales. De esta forma, resulta necesaria la estimación de los parámetros de los modelos a partir de los datos históricos de planta utilizando una metodología de estimación. Los modelos RAM propuestos en la etapa 2 están compuestos por una gran cantidad de parámetros (tasa de fallos, tasa de envejecimiento, efectividad del mantenimiento, etc.) dependiendo del tipo de equipo y su función. Hay pocas bases de datos genéricas en la literatura de estos parámetros, por lo que se requieren estimaciones basadas en los datos del histórico de fallos, pruebas y mantenimiento de la planta para obtener decisiones precisas específicas (USNRC (1991)). Los parámetros de los modelos calibrados pueden ser utilizados para un diagnóstico del desempeño actual de los equipos, tales como la efectividad del mantenimiento, fenómenos de envejecimiento, evolución de la confiabilidad, etc.
Como se ha comentado en etapas anteriores, en una central nuclear hay una amplia gama de equipos y componentes de seguridad. Esto junto a la falta de datos de fallos del histórico, hace que esta etapa se complique haciendo necesario explorar nuevas técnicas de estimación de parámetros. Existen en la bibliografía diferentes métodos para estimar los parámetros de los modelos RAM, como por ejemplo la estimación bayesiana (Moneim (2019)) o el método de máxima verosimilitud ((Martorell et al. (2017)). Sin embargo, estos métodos se han aplicado principalmente en el contexto de equipos no reparables, por lo que es necesario adaptar estos métodos al caso de los equipos reparables, considerando el mantenimiento imperfecto y el efecto de la obsolescencia en la fiabilidad y mantenibilidad, además, este proceso conlleva un
aumento significativo en el número de parámetros involucrados.
2.4. Prognosis
Los modelos RAM avanzados, una vez calibrados en el paso anterior, se utilizan para pronosticar la evolución de la fiabilidad de los equipos y el riesgo de la central. Así, pueden ser utilizados en la toma de decisiones para armonizar el mantenimiento observando el efecto de un cambio en los planes de mantenimiento y estrategias de prueba sobre la evolución temporal de la degradación del equipo y la efectividad de las actividades de mantenimiento. Se podría observar y predecir la evolución de la fiabilidad y el riesgo en el contexto de la operación a largo plazo.
El diagnóstico y pronóstico se puede explotar en los tres pilares principales de la gestión proactiva de la obsolescencia: la identificación, la priorización de los problemas de obsolescencia y la planificación de soluciones adoptando la estrategia más adecuada para la gestión de cada obsolescencia técnica (NUOG (2013), IAEA (2017)). Por ejemplo, en Martón et al. (2017), este tipo de metodología se utilizó para la priorización de problemas de gestión de obsolescencia con base en criterios de confiabilidad y riesgo utilizando medidas de importancia. En Martorell et al. (2021), se plantea, por tanto, una armonización de los requisitos de vigilancia y mantenimiento en un contexto de envejecimiento y obsolescencia en el marco de la vida de diseño extendida de las centrales nucleares y se comparan varios criterios de optimización en el contexto de cambios en las especificaciones técnicas y la regla de mantenimiento.
3. CASO DE APLICACIÓN
El caso de aplicación de la metodología propuesta se centra en un equipo de seguridad de una central nuclear, en concreto en una válvula motorizada. En primer lugar, se han analizado los datos del histórico de fallos y mantenimiento programado y correctivo de ocho válvulas de seguridad motorizadas idénticas y con la misma función. El conjunto de datos analizado contiene los fallos y actividades de mantenimiento registradas durante un período de observación de 17 años seleccionando únicamente los modos de fallos en espera e identificando la posible causa de fallo. Se ha aplicado la metodología y los resultados se muestran en la Figura 1. En esta figura, se ha representado la evolución dependiente del tiempo de la tasa de fallos de la válvula motorizada, h(t), para diferentes modelos de mantenimiento imperfecto (PAS/PAR) y efectividad de mantenimiento (ε). Se puede observar la fase de diagnóstico correspondiente al período desde la instalación de la válvula hasta los 17 años de observación. Posteriormente, se inicia la fase de pronóstico a partir de los 17 años, en la que se proyecta la tasa de fallos. Los parámetros del modelo RAM en esta aplicación se han estimado a partir de la información histórica mencionada anteriormente utilizando el método de estimación de máxima verosimilitud. Se pueden observar tres periodos, el periodo de fallos infantiles [0, t1], el periodo de degradación [t2, 40]. Tras el proceso de estimación se obtuvieron t1= 458 days (1.25 years) y t2= 5051 days (13.83 years). El periodo de diagnosis, el cual se ha utilizado para estimar los parámetros del modelo, es [t2, 17] años. A partir de este punto y con los modelos RAM y los parámetros estimados en la fase de diagnosis se realiza una predicción de la tasa de fallos.
Figura 1. Evolución temporal de la tasa de fallos h(t) en función de diferentes modelos de mantenimiento imperfecto y efectividades de mantenimiento (ε)
Del análisis de la figura 1 se pueden extraer diferentes conclusiones. En el periodo de degradación se observa en [t2, 17] años, donde se han estimado los tres modelos, no hay mucha diferencia en el comportamiento de las tres curvas, aunque el modelo W- PAR con efectividad igual a 0,9 predice el valor mayor para la tasa de fallos h(t). En el periodo [17, 40] años ambos modelos W-PAS/PAR con ε = 1 y W-PAS con ε = 0,9 muestran predicciones muy similares, sin embargo, el modelo W-PAR con ε = 0,9 predice valores mayores para la h(t). En conclusión, parece que el W-PAS con ε = 1, considerando el efecto de las incertidumbres en la determinación de la efectividad del mantenimiento, proporcionaría una mejor predicción del comportamiento de h(t).
4. CONCLUSIONES
Este artículo presenta una metodología para analizar datos históricos de fallos utilizados para el diagnóstico y pronóstico de la fiabilidad en el contexto de la operación a largo plazo de plantas nucleares. El caso de aplicación ha demostrado la capacidad de la metodología propuesta a pesar de los pocos datos de fallo disponibles, en particular, en la fase de degradación de la vida útil del equipo. Además, se ha demostrado la capacidad para estimar los parámetros y la selección de los modelos de mantenimiento imperfecto más apropiados y la eficacia del mantenimiento.
Los resultados muestran que es necesario estimar un modelo preciso de fiabilidad dependiente de la edad, el cual sea capaz de proporcionar un pronóstico adecuado de la evolución de la tasa de fallos de la válvula motorizada para ayudar a tomar decisiones precisas y específicas de la planta en el contexto del proceso de revisión de seguridad, incluso más allá de la vida de diseño, de la actual generación de centrales nucleares. Así, cualquier imprecisión en la estimación y la proyección de la tasa de fallos dependiente del envejecimiento y mantenimiento imperfecto podría llevar a decisiones que afectarían el nivel de seguridad de la planta al obtener valores subestimados de la tasa de fallos.
La metodología presentada puede ser utilizada tanto por los operadores de las centrales nucleares como por el organismo regulador en el contexto de la autoevaluación de los factores de seguridad en la operación de las centrales nucleares en aspectos como el envejecimiento y la obsolescencia, la replanificación de los planes de mantenimiento y los requisitos de vigilancia (en ETF ), y en la evaluación el impacto sobre el riesgo.
REFERENCIAS
BP (2021). Statistical Review of World Energy 2021 70th Edition. British Petroleum https://www.bp.com/en/global/corporate/energy-economics/statistical-review-of- world-energy.htm l
EUCommission (2022). amending Delegated Regulation (EU) 2021/2139 as regards economic activities in certain energy sectors and Delegated Regulation (EU) 2021/2178 as regards specific public disclosures for those economic activities. Annex 1. C(2022) 631 final, Brussels 2022.
EPRI (2014). Advanced Nuclear Technology: Guidance and Methodologies for Managing Digital Instrumentation and Control Obsolescence (EPRI 3002002852), EPRI, Palo Alto, CA.
IAEA(2017) Ageing Management and Development of a Programme for Long Term Operation of Nuclear Power Plants. Viena: Draft Safety Guide DS 485. International Atomic Energy Agency (IAEA), 2017.
Martón, I., Sánchez, A. I. & Martorell, S. (2015). Ageing PSA incorporating effectiveness of maintenance and testing. Reliability Engineering & System Safety, 139, 131-140.
Martorell, S., Martorell, P., Sánchez, A. I., Mullor, R., & Martón, I. (2017). Parameter estimation of a reliability model of demand-caused and stand-by related failures of safety components exposed to degradation by demand stress and ageing that undergo imperfect maintenance. Mathematical Problems in Engineering, 2017, 11.
Freimer, M., Kollia, G., Mudholkar, G. S., & Lin, C. T. (1988). A study of the generalized Tukey lambda family. Communications in Statistics-Theory and Methods, 17(10), 3547-3567.
Martorell S., Marton I., Carlos S., Sánchez Risk-Based Prioritization of Technological Obsolescence Issues. European Safety and Reliability Annual Conference (ESREL 2020), Venize, Italy, 2010.
Martorell, S.; Marton, I.; Sánchez, AI.; Carlos, S. (2020). Harmonisation of surveillance requirements and maintenance in a context of ageing and obsolescence based on reliability, availability, and risk information. Reliability Engineering & System Safety. 202:1-12
Martorell S., Sánchez A., Serradell V. (1999). Age-dependent reliability model considering effects of maintenance and working conditions. Reliability Engineering and System Safety; 64: 19–31.
Martorell, P., Martón, I., Sánchez, A. I., & Martorell, S. (2017). Unavailability model for demand-caused failures of safety components addressing degradation by demand- induced stress, maintenance effectiveness and test efficiency. Reliability Engineering & System Safety. Reliability Engineering & System Safety, 168, 18-27.
Moneim A. F., Ghazy M. and Hassnien A. (2019). Bayesian Estimation of Parameters of Reliability and Maintainability of a Component under Imperfect Repair and Maintenance. Arabian Journal for Science and Engineering 44:2497–2502. https://doi.org/10.1007/s13369-018-3206-2.
NUOG (2013). Obsolescence Guideline. NX-1037, Revision 2, March 2013.
USNRC (2001). U.S. Nuclear Regulatory Commission. Generic Aging Lessons Learned (GALL) Report, NUREG-1801 U.SNRC; 2001.
USNRC (1991). US Nuclear Regulatory Commission. Nuclear Plant Aging Research (NPAR) Programme Plan, NUREG-1144, US NRC. Washington, D.C; 1991.
AGRADECIMIENTOS
Proyecto PID2019-110590RB-I00 financiado por el MCIN/AEI/10.13039/501100011033 “ERDF A way of making Europe”.
Homelowertripezone500x180px.png)
