1er. Congreso Mexicano de Confiabilidad y Mantenimiento T/F (477) 711.2323 y 711.1236 www.cmcm.com.

mx
OCTUBRE 30-31, 2003 LEN, GTO. MXICO
El Proceso de Anlisis Causa Raz PROACT
Metodologa & Software
Luis A. Sojo B.
www.reliability.com
Introduccin:
A travs de la historia el hombre ha inventado y mejorado numerosas maquinarias, procesos basndose en sus
habilidades para llegar a la demanda creciente de productos y servicios por parte de la sociedad. Como
resultado de esta demanda en constante crecimiento y optimizacin de costos, se han desarrollado varias
tcnicas para analizar los problemas que surgan de las maquinarias, los procesos y el rendimiento de las
habilidades, en un esfuerzo de asegurar su confiabilidad. Anlisis por Causa Raz (ACR) es una de tales
armas en este arsenal de confiabilidad.
El Anlisis por Causa Raz puede significar muchas cosas para la gente con diferentes experiencias. A travs
de tus esfuerzos de consultora y presentaciones de seminarios puedes escuchar a la gente describir sus
esfuerzos de ACR como el cumplimiento de los requisitos de su Confiabilidad de los Activos. Esta es una
mala interpretacin bsica que debes aclarar. La Confiabilidad es mucho ms que la adopcin de la
metodologa ACR.
La gente, tradicionalmente se ha inclinado a ver la Confiabilidad estrictamente desde la perspectiva de
mantenimiento. La cultura en Reliability Center Incorporated desde 1972 encara la Confiabilidad desde un
punto de vista holstico - teniendo en cuenta todos los factores que afectan la Confiabilidad. Para que la
Confiabilidad verdaderamente se convierta en una parte de una cultura, debe ser adoptada como
responsabilidad de todos, no solamente de mantenimiento. Debe abarcar no solamente temas de los activos
fsicos (mecnicos, elctricos, etc), deber cubrir temas relacionados a los procesos de produccin y a lo
humano. Por ejemplo, a menudo ves a la gente que relaciona los problemas del equipo estrictamente con
causas potenciales del mantenimiento - cuando todos saben que los problemas del equipo pueden ser
ocasionados por otros factores tales como temas a inadecuadas practicas operacionales y de inadecuado
diseos. Una vez que entiendas este concepto, estars bien encaminado para encontrar las causas reales de
los problemas con los que te has encontrado.
Los beneficios de ACR pueden verse en cada uno de los aspectos de tus operaciones. Entonces, por qu no
estn todas las instalaciones completamente moderadas con tal esfuerzo de ACR? Nuestra experiencia nos
muestra que la mayora de las instalaciones estn tan inmersas en reaccionar a los problemas o fallas diarias,
que el llevar a cabo una actividad tan proactiva como el analizar problemas no es vista como el aportar un
valor agregado al negocio. Otra razn por la cual las organizaciones fallan en ver al proceso ACR PROACT
como una alternativa viable a la manera en la que ellos normalmente manejan los problemas es que se cree
que el conducir ACR es costoso sin proveer retornos apropiados en la inversin. En realidad, esto no puede
estar ms lejos de la verdad. En la mayora de las situaciones, las recomendaciones para las soluciones a
problemas identificados involucran la correccin de sistemas organizacionales o de administracin. Esto
tpicamente no requiere desembolso de dinero.
Cuando ACR se lleva a cabo correctamente, este es una herramienta para que puedas tornar tus problemas
identificados en oportunidades reales para mejorar todo tu negocio.
Estos son algunos ejemplos que muestran cual es el Retorno de la Inversin al adoptar de la forma correcta el
proceso Anlisis Causa Raz PROACT:
- Empresa: Eastman Chemical
o 50% Reduccin de los reclamos o quejas de sus clientes
1er. Congreso Mexicano de Confiabilidad y Mantenimiento T/F (477) 711.2323 y 711.1236 www.cmcm.com.mx
OCTUBRE 30-31, 2003 LEN, GTO. MXICO
- Empresa: Weyerhaeuser
o 25% Aumento de capacidad de la productividad
- Empresa: LYONDELL-CITGO
o 17,900% Retorno de la Inversin en ACR.
- Empresa: (ISPAT) Inland Steel
o 4,000% Retorno de la Inversin en ACR.
- Empresa: Eastman Chemical (TED)
o 3,200% Retorno de la Inversin en ACR.
- Empresa: Alabama Power
o 3,125% Retorno de la Inversin en ACR.
Para mayores detalles de los casos pueden consultar el libro, ROOT CAUSE ANALYSIS : Improving
Performance for Bottom Line Results (Latino & Latino, 2001 / www.crcpress.com)
Entonces se preguntaran Que es el Anlisis Causa Raz PROACT ?:
- Es una metodologa disciplinada que permite identificar las causas fsicas, humanas y latentes de
cualquier tipo de falla o incidente que ocurren una o varias veces permitiendo adoptar las acciones
correctivas que reducen los costos del ciclo de vida til del proceso, mejora la seguridad y la
confiabilidad del negocio.
Al entender la importancia del tener en sus instalaciones un proceso de mejoramiento continuo apoyado en el
Anlisis Causa Raz PROACT veamos cuales son los pilares de esta metodologa.
Paso 1.- Enfoque & LEAP:
Los problemas o eventos no deseables pueden ser definidos con precisin como desviaciones de la norma de
rendimiento. Para ilustrarlo, si una planta produce producto A con un caudal de produccin de 10.000
productos A por da, entonces cualquier cosa que disminuya esta produccin es considerado un problema. A
la inversa, puede pensarse una oportunidad como una posibilidad de lograr una meta o un estado ideal.
Usando el mismo ejemplo, si el caudal de produccin de tu supuesta planta de producto A debe incrementarse
a 15.000 unidades por da, entonces el incrementar la produccin normal de siempre sera ciertamente una
oportunidad. De este ejemplo, ciertamente se puede ver que la diferencia clave entre problemas y
oportunidades es que el problema no progresa, mientras que la oportunidad s progresa mediante un
incremento sobre lo de siempre.
Ahora la pregunta es, cmo puedes transformar los problemas en oportunidades ? La primera cosa que
debes hacer es identificar los problemas especficos que te darn el mejor retorno en tu inversin. Para hacer
esto es importante para nosotros entender que de hecho hay dos tipos de problemas con los que puedes
enfrentarte; espordicos y crnicos.
Los problemas o eventos espordicos son aquellos que causan una cantidad considerable de caos cuando
aparecen, tienen ciertas caractersticas que son importantes que notemos, por ejemplo, por la naturaleza del
problema capturan la atencin de todos. Los incendios, explosiones, virus en las computadoras, huelgas o
paros sorpresivos (tales como el paro de los Controladores de Trfico Areo en los 80s) son buenos ejemplos
de problemas espordicos o el caso del Trasbordador Challenger. Estos no ocurren con mucha frecuencia,
porque si fuera as muy pronto estaras arruinado. Los problemas espordicos tpicamente cuestan una
cantidad de dinero tremenda y llevan mucho tiempo volver al estado normal. Es por eso que a la gente le
encanta colocar cifras en este tipo de problemas. A pesar de que estos problemas espordicos son altamente
visibles, e individualmente tienen un costo significativo asociado, su costo total puede ser amortizado en un
perodo de tiempo. Esto hace que sean menos costosos a medida que transcurre el tiempo. Los problemas o
eventos crnicos por otro lado, ocurren una y otra vez, y por las mismas razones aparentes. Ocurren tan
1er. Congreso Mexicano de Confiabilidad y Mantenimiento T/F (477) 711.2323 y 711.1236 www.cmcm.com.mx
OCTUBRE 30-31, 2003 LEN, GTO. MXICO
frecuentemente que son aceptados simplemente como el costo de hacer negocios. El estado normal se
mantiene a pesar de su existencia continua.
A diferencia de sus contrapartes espordicas, los problemas crnicos tienen una alta frecuencia de ocurrencia
y generalmente no llevan mucho tiempo para ser corregidos. Cuando se los toma individualmente cada
evento tiene un impacto o un costo asociado relativamente bajo. Sin embargo, cuando la frecuencia del
evento se multiplica por el costo de cada una de las ocasiones, a menudo descubres que la prdida total es
significativa.
Una vez que te das cuenta de las diferencias entre los problemas espordicos y los crnicos, se torna fcil para
nosotros entender donde deberas estar invirtiendo tus recursos. Teniendo en cuenta que los problemas
espordicos ocurren fuera de las situaciones normales, su resolucin slo nos devuelve a lo que estamos
acostumbrados. No hay potencial para mejorar. Por otro lado, los problemas crnicos ocurren dentro de las
situaciones normales y presentan una gran oportunidad de mejora.
El paso final en la etapa de preparacin del enfoque es llevar a cabo el AMEF pero el formato modificado por
RCI, el Anlisis de Modos y Efectos de Fallas (FMEA: Failure Modes and Effects Analysis) es una tcnica
que fue utilizada primero por la industria aeroespacial para encontrar los problemas con las aeronaves antes
de despegar. En esencia, era una forma de mirar hacia el futuro y determinar donde podran estar los
problemas potenciales. Este concepto es verdaderamente maravilloso en teora. Sin embargo, en la prctica,
lleva mucho tiempo y recursos para ser implementado (a menudo cientos de aos hombre).
Reconociendo que la mayora de ustedes no tienen el tiempo ni los recursos necesarios para conducir
un FMEA tradicional, usted tiene que divisar una manera de hacer el proceso menos engorroso. Por esta
razn, el RCI ha hecho un simple cambio al proceso de FMEA; o sea, en vez de mirar hacia el futuro, usted se
basa estrictamente en datos histricos. Esta metodologa modificada disminuye el impacto tanto en el tiempo
como en los recursos reduciendo el tiempo de cientos de aos hombre a un promedio de unas pocas semanas
hombre. RCI permite hacer sus estudios con el modulo LEAP del software PROACT suite basndose
en los datos o informacin histrica o en los informacin probabilstica.
Antes de comenzar cualquier anlisis, es importante hacer un poco de trabajo preliminar. Un FMEA no es
diferente. La primera cosa que debemos lograr es seleccionar el sistema a analizar. Por ejemplo, usted puede
querer seleccionar un subset de la planta o del proceso, y no toda la organizacin, como su sistema a analizar.
Una vez determinado qu sistema va a analizar, es el momento de determinar la definicin
de la falla para su anlisis. Esto puede sonar poco importante, pero es un paso esencial en el anlisis. Si usted
tuviera que pedirles a diez personas que definieran la falla, probablemente recibira diez respuestas diferentes.
Esto hara el anlisis demasiado amplio. Lo que se necesita es una herramienta que nos mantenga enfocados
en los temas ms importantes para nuestro negocio. Por ejemplo si la utilizacin es el factor crtico en su
negocio, su definicin de falla estar desarrollada con la utilizacin en mente; si su preocupacin principal es
la calidad entonces su definicin estara centrada en la calidad. Una definicin precisa de falla es importante
ya que no slo enfoca la atencin en los temas prioritarios pero tambin crea buenas comunicaciones dando
una base de comn entendimiento de las necesidades del negocio. es disear un pliego preliminar de
entrevistas y una lista de personas a entrevistar para recolectar datos. Si usted tiene suficiente confianza en
sus sistemas de datos, entonces ser til utilizar esta informacin para ratificar sus entrevistas ms tarde.
Habiendo obtenido la informacin necesaria durante el proceso de recoleccin de datos, ahora es necesario
resumir y codificar los resultados. Una vez que la informacin es ingresada, usted puede utilizar esta hoja de
datos para clasificar los datos brutos por subsistemas y luego por eventos. Esto le dar un conocimiento ms
profundo de los eventos que son redundantes. A esta altura, usted querr hacer un clculo simple para generar
sus prdidas totales para cada evento en el anlisis. La ecuacin para este clculo es la siguiente:
1er. Congreso Mexicano de Confiabilidad y Mantenimiento T/F (477) 711.2323 y 711.1236 www.cmcm.com.mx
OCTUBRE 30-31, 2003 LEN, GTO. MXICO
Frecuencia x Consecuencia (Impacto) = Prdida Total / Ao
Habiendo completado el levantamiento de forma manual en una hoja en excel o en el modulo LEAP del
software de RCI PROACT Suite, usted puede ver ahora esos los eventos Pocos Significativos que le estn
causando a usted la mayor parte de los problemas y le estn costando la mayor cantidad de dinero. El
concepto de los Pocos Significativos se deriva de un Famoso Economista Italiano - Vilfredo Pareto. Pareto
dijo: que en cualquier set o grupo de objetos, ideas, personas y eventos, unos POCOS dentro de esos sets o
grupos son MAS SIGNIFICATIVOS que los dems. A esto nos referimos como la Separacin Pareto o 80-
20. Este concepto es real para la industria tambin. El ochenta por ciento (80%) de las prdidas en una
instalacin de manufactura est representado por el 20% o menos de los eventos de fallas. Esto significa que
usted slo debe llevar a cabo el Anlisis de Causa Raz sobre el 20% o menos de los eventos de fallas para
reducir o eliminar el 80% de las prdidas de su negocio.
Para determinar los Pocos Significativos simplemente siga los siguientes pasos:
1. Saque el total de los eventos de falla en el anlisis para crear la prdida total global.
2. Clasifique la columna de total en orden descendiente (por ejemplo: de lo ms alto a lo ms bajo).
3. Multiplique la columna de prdida total global por 0,80 (80%). Esto le dar la cifra de prdidas de
los "Pocos Significativos" que necesitar para determinar cules son los que dan el "gran golpe" en
su negocio.
4. Vaya a la parte superior de la columna de prdida total y empiece a sumar los eventos ms
importantes desde la parte superior a la inferior. Cuando la suma de estas prdidas sea igual a o
mayor que la cifra de prdidas de los "Pocos Significativos", entonces esos pocos eventos son los
"Pocos Significativos".
1er. Congreso Mexicano de Confiabilidad y Mantenimiento T/F (477) 711.2323 y 711.1236 www.cmcm.com.mx
OCTUBRE 30-31, 2003 LEN, GTO. MXICO
Resumiendo, el AMEF es una herramienta fantstica para limitar su trabajo de anlisis a slo aquellas cosas
que son de suma importancia en su negocio, usted no puede llevar a cabo un ACR en todo. No obstante,
usted puede utilizar esta herramienta para ayudarlo a acotar la atencin a lo que es "ms" importante o en lo
que ustedes estn perdiendo mas dinero.
Entonces se preguntaran Cuando voy usar el Anlisis Causa Raz PROACT ?:
- El ACR se aplica cuando:
o Se presentan eventos crnicos y espordicos.
o Se incurra en costos operativos no adecuados.
o Exista la presencia de una alta probabilidad de perder la funcin de un sistema
o Exista la presencia de una alta probabilidad de presentarse un incidente humano.
o Se desea conocer a travs de la representacin visual, la lgica del porque ocurre un evento
indeseable.
o Se desea conocer a travs de la representacin visual, la lgica del porque ocurre un evento
deseable.
o Desean conocer deficiencias en los programas de entrenamiento.
o Desean conocer las deficiencias de los procedimientos de operacin & mantenimiento.
Paso 2.- Preservando la informacin del evento :
Preservando los Datos del evento es una parte de nuestra metodologa ACR PROACT. Este es el punto en
el que usted comienza a analizar un problema o evento especfico. La recoleccin de Datos en una parte
1er. Congreso Mexicano de Confiabilidad y Mantenimiento T/F (477) 711.2323 y 711.1236 www.cmcm.com.mx
OCTUBRE 30-31, 2003 LEN, GTO. MXICO
integral del Anlisis de Causa Raz (ACR). Sin los datos, es virtualmente imposible descubrir las causas raz.
Este escenario es anlogo a lo que sera un detective policial investigando la escena de un crimen. No se
puede esperar que el detective resuelva el caso sin pistas. Lo mismo ocurre con el Analista Principal - l /
ella no puede descubrir las causas raz sin datos (pistas) Antes de comenzar con la recoleccin
de datos, exploremos la psicologa que hay detrs del porque la gente no recolecta datos como parte de una
rutina.
La primera razn es que la mayora de la gente no valora los datos para solucionar problemas. Esto es fcil de
cambiar mediante la educacin de la gente con las razones por las cuales la informacin necesita ser
recolectada y como la misma juega un rol en el anlisis. La segunda razn, y la que creemos de mayor
frecuencia, es que la gente tiene miedo de ser culpada si de alguna manera los datos se relacionan con ellos.
Esto es lo que se conoce como "cacera de brujas"; o sea, identificando gente para culpar de los problemas que
ocurren. Esto involucra un giro del paradigma desde pensar que un problema puede ser causado por un solo
individuo, hasta comprender que se necesitan numerosos errores juntos de una manera tal que puedan liderar a
un evento aleatorio.
Las organizaciones deben darse cuenta de que mediante la "cacera de brujas"; por ejemplo, el tener como
objetivo un individuo, estn perdiendo el conocimiento de la causa raz real. Cuando uno disciplina a un
individuo por haber contribuido con un error al problema, uno pierde informacin valiosa sobre los dems
errores que llevaron al problema. Es muy simple, ACR no puede tener xito mediante el mtodo de la "cacera
de brujas". El nfasis de las organizaciones debe estar en el obtener los datos, no en disciplinar individuos.
Este es generalmente un difcil giro del paradigma para muchas organizaciones. No obstante, los beneficios
hacen que los esfuerzos valgan la pena. Despus de todo, la gente por naturaleza hace el mejor trabajo que
puede. Muy rara vez vengan al trabajo con la idea de cometer errores a propsito o causar problemas
deliberadamente
1er. Congreso Mexicano de Confiabilidad y Mantenimiento T/F (477) 711.2323 y 711.1236 www.cmcm.com.mx
OCTUBRE 30-31, 2003 LEN, GTO. MXICO
Reliability Center Inc ha desarrollado las 5 Ps como un medio de ayudar al analista a recordar los diferentes
tipos de datos a recolectar. Las 5 Ps es una sigla para Partes, Posicin, Personas, Papel y Paradigmas.
Cuando un problema de los "Pocos Significativos" ha sido identificado para analizar, este puede ser
un evento espordico o crnico. Ya que los mismos tienen diferentes caractersticas, se desarrolla una
estrategia de recoleccin de datos basada en el tipo de problema que es - espordico o crnico
Partes: rodamientos, tuberas, muestras, cables, etc
Personas: operadores, mantenedores mecnicos, electricistas, gerente de operaciones.
Papel: reportes, registros, documentacin del fabricante, histricos.
Posicin: cuando ocurri hora, fecha, nivel de presin, turno, proceso
Paradigmas: Esto siempre ha ocurrido en la planta, siempre ha funcionado asi.
Nuevamente utilizando nuestra analoga de la polica, un evento espordico es similar en caractersticas al
homicidio. En este caso, el evento espordico u homicidio slo ha ocurrido una vez (y no se espera que vuelva
a ocurrir) y el analista o detective tiene slo una posibilidad de obtener evidencia o los datos necesarios para
resolver el crimen. Por otro lado, los problemas o eventos crnicos son similares a los asesinos
seriales.
Paso 3.- Ordenado el Anlisis del evento :
Ordenando es otra parte de nuestra metodologa ACR PROACT. La forma convencional de formar un
equipo de anlisis es mediante la asignacin de un grupo de personas, que son expertos y tienen conocimiento
relacionado directamente al evento que se est analizando. Una vez que el equipo ha sido formado, organizan
un torbellino de ideas para poder deducir cmo ocurri el evento y poder desarrollar recomendaciones para
prevenir que el mismo vuelva a ocurrir. Superficialmente, esto parece lgico, pero en realidad, hay varias
imperfecciones con esta metodologa de equipo.
Ante todo, los equipos de este tipo se forman en base a reaccin espontnea a un problema. Estn
respondiendo a un "incidente" que generalmente no pertenece a los "Pocos Significativos". Reliability Center
Incorporated sugiere una metodologa ms proactiva para la formacin de equipos de anlisis.
Nosotros sugerimos que primero se identifique a los "Pocos Significativos" y prestando especial atencin al
evento que ha sido identificado como el ms significativo. Adems, sugerimos que se forme un equipo ACR
basado en la teora de "cerebro completo". Por medio de este criterio, el equipo estar conformado por
personas con fuertes tendencias en cada cuadrante del cerebro versus el mismo cuadrante; o sea, lgico,
conceptual, de planeamiento e interpersonal. Esto asegura que se consideren todos los aspectos del problema
o evento que sea analizado.
Los equipos creados para resolver los problemas generalmente se forman utilizando gente tcnica que est
muy familiarizada con el evento. Cuando esto ocurre, el mecanismo del pensamiento del equipo normalmente
se limita a un cuadrante del cerebro. Esto no promueve el pensamiento "fuera de la caja" porque los miembros
del equipo compartirn los mismos paradigmas.
Reliability Center Incorporated tambin apoya otro giro de paradigma. El Analista Principal NO debera estar
ntimamente familiarizado con el evento que se est analizando. La tendencia es poner un experto en la
posicin de lder. Reliability Center Incorporated recomienda hacer lo contrario. Lo nico en lo que el
Analista Principal debe ser un experto es en facilitar el anlisis. Adems, el Analista Principal debera ser un
individuo TENAZ. Los Analistas Principales exitosos son siempre aquellos que facilitan el anlisis de ACR
sin ser sumamente dominantes y no permitiendo que nada pare su proceso.
1er. Congreso Mexicano de Confiabilidad y Mantenimiento T/F (477) 711.2323 y 711.1236 www.cmcm.com.mx
OCTUBRE 30-31, 2003 LEN, GTO. MXICO
Es nuestra intencin que la posicin de Analista Principal sea una dedicada de tiempo completo. Reliability
Center Incorporated reconoce que no siempre esto puede ser posible. Sin embargo, para que el ACR funcione
y produzca los resultados deseados, la posicin de Analista Principal debe ser un puesto dedicado. Las
compaas que han tenido ms xito y han tenido los resultados ms rpidos son siempre aquellas que han
dedicado los recursos necesarios al esfuerzo de ACR. Si no es as, se incrementar la cantidad de tiempo del
anlisis basado en un decreciente nivel de dedicacin. Por ejemplo, si el anlisis promedio lleva dos semanas
con una persona dedicada, va a llevar cuatro semanas o ms con una persona que dedica el 50 % del tiempo y
los resultados pueden no ser tan confiables.
Los dems miembros del equipo de anlisis sern determinados por los requisitos del problema que se est
analizando. En un mundo "ideal", debera haber un "Analista Asociado" para ayudar al Analista Principal. Los
Analistas Asociados son buenos para desarrollar la mayor parte del trabajo de caminata requerido por el
Analista Principal. Actividades tales como recolectar las 5Ps, tomar notas de las entrevistas y ayudar en la
verificacin de las hiptesis son slo algunas de las maneras en las que pueden ser de beneficio.
Usted debe utilizar personal de operaciones, de mantenimiento, tcnicos y de apoyo como sea necesario. A
menudo es necesario involucrar a los niveles altos y medios de la administracin. Los expertos, vendedores y
contratistas son generalmente irremplazables para generar las hiptesis.
Paso 4.- Analizando el evento:
Analizando es otra parte de nuestra metodologa ACR PROACT. Para analizar un evento o un problema
hasta sus causas raz ms profundas latentes, usted necesita utilizar una metodologa disciplinada. Sin una
metodologa disciplinada, Usted est destinado a descubrir las causas races incorrectas y por lo tanto
implementar las soluciones incorrectas a lo que en realidad est causando el problema.
El rbol lgico modificado de Reliability Center Incorporated trata estrictamente con los datos reales y utiliza
lgica deductiva para trabajar sistemticamente a travs del problema para llegar a la causa raz real. Si esta
metodologa es usada en forma apropiada, la misma descubrir todas las causas.
Los primeros dos niveles del rbol lgico tienen en cuenta todos los "hechos conocidos" del problema que se
est analizando. Nos referimos a estos dos niveles como la Caja Superior y representan la definicin del
evento. La formacin de la Caja Superior es un paso crtico en la creacin del rbol lgico, porque si el evento
est definido incorrectamente, Usted definitivamente llegar a las causas incorrectas del problema que se esta
analizando. El primer nivel de la Caja Superior es una declaracin del evento. Esta es la razn por la
que esta analizando el problema; o sea, la razn por la que Usted se preocupa. Por ejemplo, la Fallas
Recurrentes de la Bomba, Tiempo Excesivo de Paro de las Mquinas, Cheques Perdidos, o Desperfectos
Crnicos del Proceso seran todos ejemplos de una declaracin de un evento que Usted estara interesado en
eliminar. El segundo nivel de la Caja Superior representa los modos del problema. Estos son los
modos que histricamente han ocurrido en el pasado. Usted no est interesado en analizar lo que podra haber
sucedido, pero en lo que ha ocurrido, o est pasando. Se pueden analizar los modos como las causas aparentes
del evento. Por ejemplo, qu ha causado tiempo excesivo de paro de las mquinas en el pasado? Una
vez establecidos los hechos del problema que se esta analizando, Usted ahora puede comenzar a hipotetizar
como pudo haber ocurrido. Para hipotetizar, Usted simplemente debe preguntarse "como" esto ha ocurrido.
La clave aqu es ser amplio e incluir todo en nuestras hiptesis. Usted debe empezar a hipotetizar
1er. Congreso Mexicano de Confiabilidad y Mantenimiento T/F (477) 711.2323 y 711.1236 www.cmcm.com.mx
OCTUBRE 30-31, 2003 LEN, GTO. MXICO
ampliamente y ser ms especfico a medida que baja en el rbol. Eso quiere decir que Usted no incorporar
demasiadas hiptesis en cada nivel. La idea es agrupar razones (o causas) en categoras generales. En
esencia, el rbol lgico ir de lo general a lo especfico, lgica deductiva. Usted hace esto para asegurarse de
no olvidarse de nada.
El prximo paso, el ms crtico, es la verificacin de las hiptesis. Para que su lgica deductiva contine,
Usted debe verificar cada hiptesis para ver cul es verdadera y cules no lo son (puede haber pasado o no).
Note que es tan importante probar que algo no es verdad como que s lo es. La verificacin de cada hiptesis
le da la confianza necesaria de que cuando llega a las causas raz, estas son las correctas.
Este proceso de lgica deductiva y verificacin se reitera una y otra vez hasta que todas las races se
descubren. Aqu es bueno notar que los problemas rara vez ocurren en una lnea recta de la lgica.
Tpicamente, los problemas ocurren como resultado de una multiplicidad de errores. Por lo tanto, cada modo
del problema debe ser analizado, y las races descubiertas para eliminar el problema. Recuerde comenzar con
los hechos y verificar en cada nivel para asegurarse de finalizar con un hecho. Si Usted sigue esta frmula
simple, entonces Usted no puede equivocarse al final del anlisis.
1er. Congreso Mexicano de Confiabilidad y Mantenimiento T/F (477) 711.2323 y 711.1236 www.cmcm.com.mx
OCTUBRE 30-31, 2003 LEN, GTO. MXICO
Paso 5.- Comunicando lo encontrado y emitiendo las recomendaciones:
Comunicando es otra parte de nuestra metodologa ACR PROACT. Cuando el anlisis ha sido completado
y se han determinado las soluciones a las races fsicas, humanas y latentes identificadas, es tiempo de
convertirse en vendedor. Para que el analista tenga xito comunicando sus hallazgos y haciendo
recomendaciones a la administracin sobre causas identificadas, primero deben darse cuenta la posicin de la
administracin con respecto al anlisis. La administracin debe dar cuentas de la responsabilidad financiera
de la empresa. Si invierten dinero, este debe tener una ganancia superior a la inversin. Sabiendo esto, es fcil
darse cuenta de que la administracin tiene algn tipo de criterio en mente de cmo evaluarn las
recomendaciones; puede no estar escrito, pero va a estar en sus mentes. El Reliability Center Incorparated
recomienda que mejor que ir a ciegas a una reunin de presentacin y esperar que las recomendaciones tomen
vuelo, pdale a la administracin (antes de que se desarrollen las recomendaciones) que escriba una lista de
Criterios de Aceptacin de Recomendaciones. Este es el criterio bajo el que ellos aceptarn o denegarn las
recomendaciones. Esta tcnica le brindar un campo de juego justo y parejo para trabajar. Le permite conocer
las reglas del juego. Si usted juega conforme a las reglas, debera ganar (o sea, lograr obtener los recursos
necesarios para implementar sus recomendaciones) Tenga en mente, las causas raz identificadas no son
negociables. Sin embargo, las recomendaciones pueden ser diseadas para llegar a los criterios de aceptacin
preestablecidos.
Despus de todo, todos han experimentado el rechazo de ideas, propuestas y sugerencias en algn momento
de sus vidas. Uno aprende de estas experiencias determinando lo que funcion y lo que no.
Recuerde que una de las metas principales es incorporar el ACR como una parte de la cultura. Usted quiere
que todos deduzcan lgicamente el porqu del problema. Para lograr apoyo de los dems en el proceso, usted
necesita que participe tanta gente como sea posible y que sean reconocidos por sus contribuciones.
1er. Congreso Mexicano de Confiabilidad y Mantenimiento T/F (477) 711.2323 y 711.1236 www.cmcm.com.mx
OCTUBRE 30-31, 2003 LEN, GTO. MXICO
Paso 6.- Totalizando los resultados de las recomendaciones tomadas:
Totalizando es otra parte de nuestra metodologa ACR PROACT. El ACR es una actividad sin valor
agregado si no se acta sobre las recomendaciones y las soluciones no son implementadas en el tiempo
establecido. Despus de todo, todos hemos tenido los mejores planes para llevar a cabo una tarea, o hemos
experimentado un plan que no fue implementado aunque tuvo aprobacin de la administracin. Es
extremadamente frustrante dar recomendaciones de soluciones a problemas, haber asignado responsabilidades
para la implementacin, y haber establecido un plan de tiempo para su realizacin, y an as no ver los frutos
de los esfuerzos. Generalmente, la gente es bien intencionada cuando se trata de implementar un plan de
accin. Sin embargo, despus de que se desarroll el plan y los participantes vuelven a sus ambientes, tienden
a volver directamente al surco reactivo; o sea, el problema del da parece siempre tener prioridad sobre el
trabajo de mejora. Los jugadores siguen postergando diciendo: puede esperar. Pero realmente puede
esperar?
Si todo lo que se hace es trabajo reactivo, nunca habr progreso. Por lo tanto, es primordial que usted tome
control de sus operaciones en vez de permitir que las operaciones tomen control de usted. Para poder obtener
los recursos necesarios que usted necesita dedicar al trabajo de maana; o sea, trabajo de mejora, usted debe
analizar sus problemas hasta las causas raz y actuar de acuerdo a sus hallazgos.
Luis A. Sojo B. es el Consultor Principal de Reliability Center Inc. para mercado de habla hispana, ha estado
involucrado por muchos aos en el proceso de diagnostico de fallas crnicas & espordicas, ayudando a
todo tipo de industrias a adoptar el Proceso Anlisis Causa Raz PROACT, conoce muy bien el campo de la
Ingeniera de Confiabilidad y siempre participa dictando clases en la Universidad, en Conferencias, Cursos.
E-mail: luissojo@cantv.net
1er. Congreso Mexicano de Confiabilidad y Mantenimiento T/F (477) 711.2323 y 711.1236 www.cmcm.com.mx
OCTUBRE 30-31, 2003 LEN, GTO. MXICO
PERFIL DEL CONFERENCISTA
Luis Sojo es Consultor Senior Internacional, Ingeniero Mecnico con Maestra en
Ciencias de la Computacin mencin matemticas; labora con Reliability Center Inc
y The Woodhouse Partnership Ltd.
Ha estado trabajando desde hace 14 aos en el rea industrial abarcando las etapas
de diagnstico, control y optimizacin de la confiabilidad integral de plantas,
comenzando sus investigaciones, adaptaciones y desarrollos por el
comportamiento de los equipos dinmicos, (turbinas, compresores centrfugos,
bombas centrifugas y desplazamiento positivo, motores elctricos, compresores
reciprocantes, motores de combustin interna) luego ha ido abarcando todos los
sistemas y procesos apoyndose en las metodologas Anlisis de Causa Raz, el
Mantenimiento Centrado en Confiabilidad, y Gerencia de Riesgo Industrial,
Optimizacin Costo - Riesgo, Inspeccin Basada en Riesgo, Confiabilidad Integral
del Activo y por ltimo la Gerencia de Activos.
Fue el promotor de la Primera Conferencia de Confiabilidad dictada en Venezuela
durante el 2000 en la Universidad Bolvar para iniciar con el proceso del Post Grado
Ingeniera de Confiabilidad y as lograr un vinculo Universidad Industria. Ha
dictado mas de 300 cursos a todos los niveles, tambin participa dando clases en el
Post Grado de Ingeniera de Confiabilidad, donde actualmente es profesor a tiempo
parcial.
Actualmente le presta sus servicios a BP, Total, Perenco, Hanover, Conoco-Phillips,
ExxonMobil, Boc Gases, Praxair, Smurfit, CVG, Cemex, Lafarge, PDVSA,
HolderBank, Petrobras, Wilpro Energy Services LTD, Dupont, Procter & Gamble,
Shell, Chevron, Texaco y ha sido un grato placer estar trabajando en Mxico con
Grupo FEMSA-Cerveza, C.F.E., PEMEX, Pfizer, Xignus, Sigma Alimentos,
Siderrgica Las Truchas.