Ingeniería 31(1): 112-125, Enero-junio, 2021. ISSN: 2215-2652. San José, Costa Rica
DOI 10.15517/ri.v31i2.46100.
Esta obra está bajo una Licencia de Creative Commons. Reconocimiento - No Comercial - Compartir Igual 4.0 Internacional
Metodología FMECA para un aerogenerador doblemente
alimentado
FMECA methodology for a doubly-fed wind turbine
Andrey Solano Artavia
Escuela de Ingeniería Eléctrica
Universidad de Costa Rica, San José, Costa Rica
Email: andrey.solano@ucr.ac.cr
ORCID: 0000-0002-2463-8338
Brandon Cruz Jiménez
Escuela de Ingeniería Eléctrica
Universidad de Costa Rica, San José, Costa Rica
Email: brandon.cruz@ucr.ac.cr
ORCID: 0000-0001-9353-261X
Cristian Ramos Fernández
Escuela de Ingeniería Eléctrica
Universidad de Costa Rica, San José, Costa Rica
Email:cristian.ramosfernadez@ucr.ac.cr
ORCID: 0000-0002-4410-7577
Kevin Solís Guzmán
Escuela de Ingeniería Eléctrica
Universidad de Costa Rica, San José, Costa Rica
Email: kevin.solisguzman@ucr.ac.cr
ORCID: 0000-0002-8621-0839
Óscar Núñez Mata
Escuela de Ingeniería Eléctrica
Universidad de Costa Rica, San José, Costa Rica
Email: oscar.nunezmata@ucr.ac.cr
ORCID: 0000-0002-5410-6121
Aramis Pérez Mora
Escuela de Ingeniería Eléctrica
Universidad de Costa Rica, San José, Costa Rica
Email: aramis.perez@ucr.ac.cr
ORCID: 0000-0002-6783-2659
Recibido: 5 de marzo 2021 Aceptado: 7 de junio 2021
Ingeniería 31(1): 112-125, Enero-junio, 2021. ISSN: 2215-2652. San José, Costa Rica DOI 10.15517/ri.v31i2.46100.
113
Resumen
Debido a la complejidad de los sistemas eólicos, la necesidad de contar con aerogeneradores ables
es de suma importancia, por ello, se han desarrollado metodologías para mejorar sus características y
desempeño. El método de análisis de modos de falla, efectos y criticidad se ha utilizado ampliamente para
estudiar la conabilidad de múltiples sistemas y procesos en diversas áreas, entre las cuales se encuentra la
de generación de energía eléctrica. En este documento se presenta la aplicación de dicha metodología a un
aerogenerador de inducción doblemente alimentado, para realizar una evaluación cualitativa y cuantitativa
de las características de falla en el mismo. Además, para tomar en cuenta consideraciones económicas en
el análisis, se presenta el enfoque del método basado en el riesgo, con el n de mitigar las limitaciones que
presenta el método tradicional. Como resultado, se determina que las estrategias de mantenimiento deben
enfocarse principalmente en el generador, luego el sistema eléctrico y posteriormente en las aspas.
Palabras clave:
Aerogenerador, Criticidad, FMECA, Modo de falla, Prevención de fallas catastrócas, Reducción de costos.
Abstract
Due to the complexity of wind systems, the need for reliable wind turbines becomes highly relevant,
therefore methodologies have been developed to improve their characteristics and performance. The failure
modes, effects and criticality analysis method has been used to study the reliability of multiple systems
and processes in various areas, among which is the electrical power generation. This document presents
the application of this methodology to a doubly fed induction wind turbine, to perform a qualitative and
quantitative evaluation of its failure characteristics. In addition, to take into account economic considerations
in the analysis, a risk-based approach is presented to mitigate the limitations presented by the traditional
method. As a result, it is determined that maintenance strategies should focus primarily on the generator,
then the electrical system, and later on the blades.
Keywords:
Wind turbine, Criticality, FMECA, Failure mode, Failure prevention, Cost reduction.
SOLANO, CRUZ, RAMOS, SOLÍS, NÚÑEZ Y PÉREZ: Metodología FMECA para un autogenerador...
114
1. INTRODUCCIÓN
Debido al auge de las energías renovables en las últimas décadas, distintas industrias como la
generación eólica han experimentado un crecimiento exponencial. Por la intermitencia inherente
en la generación eólica, la abilidad de los aerogeneradores se vuelve esencial en un entorno tan
competitivo como el mercado energético. En este sentido, la optimización del mantenimiento
toma un papel indispensable para aumentar la disponibilidad de los aerogeneradores, sin
embargo, se debe determinar cuál de los subsistemas requiere una mayor atención, pues una alta
disponibilidad no necesariamente corresponde a una correcta gestión de mantenimiento, sino a
un servicio rápido en caso de falla [1].
No obstante, en Costa Rica los operadores de parques eólicos no cuentan con análisis que
brinden información sobre las consecuencias en el proceso de generación de energía eléctrica,
en caso de que un elemento del aerogenerador llegase a fallar, lo que reduce la capacidad y la
rapidez de invertir recursos en el mantenimiento de elementos críticos y de riesgo para el sistema.
Esto conduce a estrategias de mantenimiento insucientes que afectan la disponibilidad de los
aerogeneradores y provocan que los costos de mantenimiento sean elevados.
Por ello, es necesario realizar análisis que permitan jerarquizar los elementos del aerogenerador
en función de su impacto al proceso de conversión de energía, de esta forma, determinar qué
elementos presentan mayor riesgo para el sistema, para así dirigir el esfuerzo y los recursos a
las áreas donde sea más urgente mejorar la abilidad, lo que permitirá establecer programas
de mantenimiento óptimos con el n de minimizar costos y aumentar la disponibilidad de los
aerogeneradores [2].
En este contexto, el concepto de riesgo se ha utilizado para priorizar sistemas mediante la
evaluación de escenarios que se pueden presentar en la operación del equipo, esto al determinar
la probabilidad de que un evento especíco ocurra y las consecuencias que este conlleva, y así
poder categorizarlas. Existen diferentes métodos que se pueden aplicar para priorizar un sistema
ante un escenario de falla; el Análisis de Modos y Efectos de Falla (FMEA, por sus siglas en
inglés) es una técnica para el estudio de los escenarios de falla en el contexto de operación de
activos físicos, consiste en un proceso lógico de evaluación de modos de falla del proceso, sus
causas y efectos. Además, se puede ampliar el método al aplicar un análisis de criticidad para
estimar la probabilidad y gravedad de cada modo de falla, a este método se le conoce como
Análisis de Modos de Falla, Efectos y Criticidad (FMECA, por sus siglas en inglés) [3].
El método FMEA y su ampliación FMECA, se han utilizado ampliamente en la industria
eólica. La metodología FMEA fue utilizada por [4] en la evaluación de una turbina eólica de 2 MW
con un generador de inducción doblemente alimentado. Este identicó más de 150 componentes
de una turbina eólica, que se han usado como base para el desglose de turbinas eólicas en muchos
estudios. Al comparar los resultados cuantitativos obtenidos del FMEA y los datos de campo
de conabilidad de turbinas eólicas, concluyó que el FMEA puede servir como herramienta
preliminar de predicción de las tasas de falla. Entonces, esta puede ser una herramienta útil para
Ingeniería 31(1): 112-125, Enero-junio, 2021. ISSN: 2215-2652. San José, Costa Rica DOI 10.15517/ri.v31i2.46100.
115
identicar puntos débiles en el diseño de turbinas eólicas y en la optimización de operación y
mantenimiento del parque eólico [4].
Posteriormente, [5] identicó las limitaciones de un FMEA tradicional cuando se aplica
en la evaluación de turbinas eólicas. Por ello, presenta un enfoque cuantitativo llamado FMEA
basado en riesgos, que utiliza las probabilidades de falla y los costos incurridos. Sus resultados
muestran que la denición de los modos de falla en función de su contribución al costo total de
falla es más realista y práctica que el enfoque común de FMEA [5].
Por otra parte, [6] aplicó FMEA a un aerogenerador de 5 MW para evaluar las características
de conabilidad de las turbinas eólicas. Con el estudio se identicaron áreas susceptibles de
fallas, tales como las aspas y el sistema de lubricación, y destacó aquellas con potencial de tener
instalados sistemas de monitoreo de condición para permitir un mantenimiento efectivo. Además,
concluyó que la introducción de procedimientos como este permite incrementar el tiempo medio
entre fallas de las turbinas, proporcionando una mayor eciencia [6].
Así mismo, para realizar un análisis de conabilidad a turbinas eólicas marinas otantes,
[7] aplicó un método de FMEA modicado denominado correlación FMEA, que estudia la
conexión entre los modos de falla y su efecto en la probabilidad de falla a todo el sistema. El
estudio reveló que la estructura de los cimientos y el sistema de amarre eran sistemas de alta
relevancia, con las consecuencias de falla potencialmente más graves. Con este método los
autores ofrecen la posibilidad de que el mismo pueda adaptarse a aplicaciones prácticas para
instruir u optimizar el proceso de diseño del sistema de turbinas eólicas marinas otantes y
reducir los costos de reparación [7].
Este trabajo muestra la aplicación de la metodología FMECA a un aerogenerador doblemente
alimentado, con el n de obtener una jerarquización de los componentes del aerogenerador en
función del impacto en el proceso de generación de energía, el costo y criticidad en caso de
ocurrir una falla catastróca y así determinar cuál elemento representa un mayor riesgo para la
operación del sistema. Se espera que dicha jerarquización pueda ser utilizada por los operadores
de parques eólicos en el país en la optimización de planes de mantenimiento y la toma de
decisiones informadas, que les permitan ser más competitivos en el entorno de la generación
de energía eléctrica.
A tal efecto, en la sección II de este artículo se describe de forma general el aerogenerador
utilizado para el caso de estudio y el fundamento teórico del método FMECA, posteriormente,
en la sección III se presenta la aplicación del método a un aerogenerador, por último, en las
secciones IV y V se muestran los resultados obtenidos y las conclusiones, respectivamente.
2. MARCO TEÓRICO
2.1 Descripción del aerogenerador
La energía eólica es una de las fuentes con mayor perspectiva para la generación eléctrica a
partir de recursos renovables, por eso, el porcentaje de capacidad instalada de aerogeneradores
SOLANO, CRUZ, RAMOS, SOLÍS, NÚÑEZ Y PÉREZ: Metodología FMECA para un autogenerador...
116
crece cada año [8]. El aerogenerador es un dispositivo destinado a extraer la energía utilizable del
viento. Cuando el viento pasa por las aspas (también llamadas palas) del aerogenerador, parte de
su energía cinética gira las mismas, transformándola en energía mecánica, con una velocidad de
rotación más baja a una velocidad de rotación más alta a través de la caja multiplicadora para que,
posteriormente, el generador convierta esta rotación en energía eléctrica [9], [10]. En la Fig. 1 se
muestra la distribución de los principales componentes de un aerogenerador tipo 3.
Fig. 1. Componentes principales de un aerogenerador tipo 3. Fuente: Adaptado de [3].
2.2 Detección de fallas
Los componentes de un aerogenerador están sujetos a fallas, debido a las condiciones de ope-
ración y de su entorno. Estos pueden sufrir una falla, denida como una variación en su estructura
o en sus parámetros que limitan su funcionamiento nominal, mas no implica una inhabilitación
para operar. Por otra parte, se puede presentar una falla catastróca en el elemento, la cual implica
la incapacidad del mismo para operar [11].
La implementación de sistemas de detección de fallas tiene como objetivo evitar daños catastró-
cos en los componentes del sistema y facilitar el desarrollo de estrategias ecientes de reparación
y mantenimiento. Cuando se detecta una anomalía se debe realizar un diagnóstico para identicar
el tipo, ubicación y criticidad de la falla, con el n de aplicar la acción de mantenimiento adecuada.
Las fallas en los aerogeneradores pueden ocurrir a nivel de componente o a nivel de sistema,
por ello, es necesario monitorear las fallas a nivel de componente, pues estas se pueden propagar
en el sistema e inuir en los demás componentes, así una falla en un componente de menor impor-
tancia puede llegar a afectar todo el sistema y eventualmente ocasionar que el sistema quede fuera
de operación [11].
Con un esquema de gestión de mantenimiento efectivo que involucra detección, diagnóstico y
pronóstico de fallas, y planes de mantenimiento basados en el análisis de datos, se obtienen algu-
nas ventajas, como [12]:
Ingeniería 31(1): 112-125, Enero-junio, 2021. ISSN: 2215-2652. San José, Costa Rica DOI 10.15517/ri.v31i2.46100.
117
1) Evitar fallas prematuras, fallas catastrócas o propagación de fallas menores en el
sistema.
2) Reducir costes de mantenimiento, pues los programas de mantenimiento adecuados
evitan acciones innecesarias.
3) Recopilar detalles importantes sobre el comportamiento de los aerogeneradores en
el tiempo.
4) Proporcionar información al operador del parque eólico necesaria para mejorar la
eciencia operativa, asistiendo al proceso de toma de decisiones.
Existen diferentes tipos de esquemas para la detección de fallas, como la redundancia de hard-
ware, enfoque basado en modelos, enfoque basado en análisis de señales, entre otros. Un enfoque
basado en modelos se implementa con una representación del proceso programada en un computa-
dor, donde se modela cualitativa o cuantitativamente el comportamiento dinámico y el desempeño
en régimen permanente. La diferencia entre las variables del proceso medidas por los diferentes
sensores y sus estimaciones obtenidas mediante el modelo se denomina valor residual [11]. Enton-
ces, el valor residual es utilizado como indicador de falla, pues representa la desviación entre las
mediciones y los cálculos basados en la ecuación del modelo, con el cual se detecta una falla cuando
dicho valor cruza un umbral predenido [13].
En el enfoque basado en análisis de señales, se parte del supuesto de que las señales del proceso
transportan información sobre las fallas de interés, donde es posible la detección de fallas mediante
un procesamiento de señal adecuado. Los síntomas típicos son funciones en el dominio del tiempo
como magnitudes, valores medios aritméticos o cuadráticos, tendencias o funciones en el domi-
nio de la frecuencia como densidades de potencia espectral, líneas espectrales de frecuencia, entre
otros. En este enfoque se encuentran el análisis de señales eléctricas y el análisis de vibraciones. El
análisis mediante señales eléctricas tiene la ventaja que estas son medidas desde los terminales del
generador, por lo que no necesita la instalación de equipo adicional, lo que resulta en un enfoque
poco intrusivo [11]. En cuanto al análisis de vibraciones, este se usa principalmente para la detec-
ción de fallas en rodamientos, utilizando sensores de vibración como acelerómetros o sensores de
desplazamiento [14].
La mayoría de esquemas utilizados para la detección de fallas, requieren datos especícos
que provienen de distintos sensores y dispositivos de adquisición de datos. Estos datos de funcio-
namiento y valores de medición, además de ser utilizados para la detección de fallas, deben ser
almacenados y estar disponibles para análisis posteriores, como el presentado en este documento.
Sin embargo, para poder realizar análisis más sólidos se requieren varios grupos de datos, como
los mencionados anteriormente: datos del equipo, datos de mantenimiento e inspección, datos de
fallas e información de costos [15].
El problema es que generalmente los datos se encuentran dispersos en diferentes bases de
datos o no existen, como lo destaca [16] en su investigación, donde se señala que en Costa Rica
no se cuenta con datos históricos de fallas y tiempos de paro de los aerogeneradores, por lo que se
debe recurrir a bases de datos internacionales. Esto genera dicultades para el análisis posterior y
SOLANO, CRUZ, RAMOS, SOLÍS, NÚÑEZ Y PÉREZ: Metodología FMECA para un autogenerador...
118
la toma de decisiones, por ello, es necesaria la creación de bases de datos consistentes y uniformes,
que contengan los diferentes parámetros utilizados, facilitando el análisis posterior y el proceso de
seguimiento [17].
2.3 Análisis de modos de falla, efectos y criticidad
El FMECA es una metodología que tiene como objetivo la identicación de los modos de falla
que representan alto riesgo para el proceso analizado. Para comprender con mayor detalle el método,
se debe entender por modos de falla las posibles formas en las cuales un elemento puede llegar a
fallar, y por efecto de falla, las consecuencias que puede generar un determinado modo de falla en
caso de que no se realice ningún procedimiento predictivo o preventivo [18].
El desarrollo de un FMECA consta de dos partes principales: una cualitativa y una cuantitativa.
En la parte cualitativa, el sistema o proceso a analizar se descompone en todas sus partes consti-
tuyentes, y se estudian los modos de falla que pueden ocurrir en cada uno para así determinar sus
posibles efectos. Se delimita el nivel de estudio de los elementos de interés, y se detallan sus fun-
ciones, sus posibles fallas funcionales y las consecuencias o efectos que pueden generar sobre el
elemento y el sistema general.
Por otro lado, la parte cuantitativa consta de la asignación de valores numéricos a los índices de
severidad (I
S
), que indica qué tan grave es la falla presentada, el índice de ocurrencia (I
O
), que indica
con qué frecuencia se presenta una falla en el sistema o elemento y el índice de detección (I
D
), que
indica qué tan probable es localizar la falla del sistema o elemento. Estos índices son asignados a
los elementos de estudio o propiamente a los modos de falla identicados. A partir de los índices
asignados es posible calcular el Índice de Prioridad de Riesgo (IPR), que indica cuál de los elemen-
tos o modos de falla en el proceso representa un mayor riesgo. Su cálculo se realiza mediante (1):
IPR= I
S
• I
O
• I
D
. (1)
Una problemática del FMECA se origina debido a que el IPR obtenido, por sí solo, no distin-
gue entre modos de falla de severidad alta y baja probabilidad de ocurrencia, o un modo de falla
menos severo con mayor probabilidad de ocurrencia. Para solventar el problema mencionado, existe
un enfoque que incorpora el costo asociado con cada modo de falla, llamado FMECA-Basado en
el Riesgo (FMECA-BR) [5]. Este análisis permite evaluar el riesgo de cada modo de falla, al cual
se le llama Número de Prioridad de Costo, CPN (del inglés “Cost Priority Number”), dado en uni-
dades monetarias. El mismo se calcula con (2), donde P
F
es la probabilidad de ocurrencia, P
ND
la
probabilidad de no detectar la falla y C
F
el costo de la falla:
CPN= P
F
• P
ND
• C
F
. (2)
El valor de P
F
se extrae de los datos históricos, especícamente de la ocurrencia del modo de
falla en cuestión del complejo eólico. La P
ND
se determina de acuerdo a (3), donde NF es el número
de fallas reales y N
FV
el número total de vulnerabilidades de falla, que se denen como la suma de la
cantidad de fallas reales y la cantidad de posibles fallas detectadas antes de que ocurran, mediante
monitoreo, inspección o mantenimiento. El C
F
se determina mediante (4), este incluye el costo de
Ingeniería 31(1): 112-125, Enero-junio, 2021. ISSN: 2215-2652. San José, Costa Rica DOI 10.15517/ri.v31i2.46100.
119
las piezas que deben reemplazarse (C
P
), el costo del servicio (C
S
) y el costo de oportunidad (C
O
),
siendo así la suma de los ingresos que el propietario del parque eólico recibiría por la venta de
energía, en caso de que no ocurriera la falla; así como el costo total de trabajo adicional requerido
para la reparación (C
L
) [5]:
P
ND
=N
F
/ N
FV
, (3)
C
F
=C
P
+ C
S
+ C
O
+ C
L
. (4)
El C
O
se determina con (5), donde D
F
es la duración de la falla, WP
out
es la potencia promedio
de salida y EPR es la tasa promedio de compra de energía dentro de esta duración. El C
L
se deter-
mina con (6), donde NC y MHR representan el número de equipos de reparación y el precio que
representa la mano de obra, respectivamente:
C
O
= D
F
• WP
OUT
• EPR, (5)
C
L
= D
F
• NC
• MHR. (6)
Una vez determinado el número de prioridad de costo, se puede utilizar para calcular el costo
total anual de falla (TFC) del sistema para cualquier duración especíca de interés (D
int
). El costo
total de falla se determina con (7), donde “m” representa el número total de modos de falla y NFV(i,
D
int
) denota el número de vulnerabilidades de falla para cada modo de falla.
(7)
3. ANÁLISIS FMECA A UN AEROGENERADOR
Para la elaboración del análisis cualitativo, se realiza una descomposición de primer nivel,
es decir, se detallan todos los elementos principales que componen el sistema, que en el caso del
aerogenerador corresponden a 12 elementos en los cuales se centró el estudio. El siguiente paso
consiste en detallar las posibles fallas funcionales y las posibles consecuencias o efectos de tales
fallas para cada uno de los elementos. Finalmente, se detallan todos los posibles modos de falla
para cada elemento, así como todas sus posibles causas.
Una vez que se tienen delimitados los elementos de estudio, se procede a realizar un análisis
cuantitativo de dichos elementos, el cual consiste en la asignación de los índices de severidad, ocu-
rrencia y detección. Para la asignación de estos tres índices, se tomaron los datos de fallas reales
proporcionados por [1], en donde se realiza un recuento de las fallas ocurridas en aerogeneradores
onshore de Suecia, Alemania y Finlandia, entre los años 1997 y el 2005. En este estudio se con-
tabilizan las fallas ocurridas en aerogeneradores con potencias entre los 490 kW y los 1500 kW.
La asignación de los índices se realiza de la siguiente forma:
• Para el índice de severidad, se toma la cantidad de horas en baja por año debido a cada uno
de los elementos. Con esto, se le asigna un índice de 10 a aquel elemento que provoque una
mayor cantidad de horas en baja, y usando este como referencia, son asignados los índices
SOLANO, CRUZ, RAMOS, SOLÍS, NÚÑEZ Y PÉREZ: Metodología FMECA para un autogenerador...
120
para los otros elementos. De esta forma, se asigna un índice de severidad de 10 al sistema de
control, y un índice de 1 al freno, el cual ocasiona cerca de un 10 % de las horas en baja que
ocasiona la falla del sistema de control.
• Para el índice de ocurrencia, se toma la cantidad de fallas presentadas por año en cada uno de
los elementos del sistema, y de manera similar al procedimiento anterior, se le asigna un índice
de 10 a aquel elemento que presente más fallas, en este caso el sistema eléctrico. De forma
similar al índice de severidad, se utiliza este elemento con índice de 10 para asignar los índi-
ces de los otros elementos; así, por ejemplo, al sistema hidráulico le es asignado un índice de
8 debido a que presenta cerca del 80 % de las fallas por año que presenta el sistema eléctrico.
• El caso del índice de detección es distinto a los índices anteriores, dado que no es respaldado
por ningún tipo de medición o cuantización, sino que es asignado de manera subjetiva en base
a técnicas de monitoreo de fallas y a la facilidad con la que es detectada la falla; por esta razón,
se toman los índices de detección presentados en [5] como base para la realización del análisis.
Asignados los índices para cada uno de los elementos, se procede a realizar el cálculo del IPR
mediante (1), para luego establecer una jerarquización de los elementos del aerogenerador según
su nivel de riesgo, pues entre mayor sea su IPR, mayor es su impacto en la seguridad y/o un buen
funcionamiento del aerogenerador. Existen distintas maneras de realizar una jerarquización de este
tipo, y esta dependen enteramente del criterio de la persona a cargo de realizar el análisis. En el
caso de este documento, se propone una regla de jerarquización por intervalos, en la cual, el nivel
de riesgo de un elemento se categoriza en uno de 6 posibles niveles en base a su IPR y el intervalo
de valores en los que este se encuentre. Buscando una distribución lo más uniforme posible de los
elementos dentro de las 6 categorías de riesgo, se denen los límites de estos intervalos a criterio de
los autores. En la Tabla I, se muestra la regla de jerarquización utilizada para categorizar el riesgo
de una falla en los distintos elementos del aerogenerador basado en su IPR.
TABLA I
CATEGORIZACIÓN DEL RIESGO SEGÚN IPR
Categoría de riesgo IPR
Crítico 350 <
Muy alto 200 < & ≤350
Alto 100 < & ≤ 200
Moderado 50 < & ≤ 100
Bajo 10 < & ≤ 50
Muy bajo ≤ 10
Una vez calculado el IPR para cada elemento y llevar a cabo la jerarquización, se procede a
realizar el análisis de costos, determinando primero P
F
y P
ND
con los datos de cantidades de fallas
reales presentes en [5]. Partiendo de las probabilidades de ocurrencia y las probabilidades de que
no se detecten fallas para el elemento respectivo, se procede a calcular o consultar los costos de
servicio, costos de la mano de obra y el costo de oportunidad que representa la ocurrencia de la
Ingeniería 31(1): 112-125, Enero-junio, 2021. ISSN: 2215-2652. San José, Costa Rica DOI 10.15517/ri.v31i2.46100.
121
falla. Una vez obtenidos los datos de fallas de bases datos reales o datos estimados basándose en
referencias, se procede a determinar la duración de la falla, y posteriormente calcular su costo total
para cada modo de falla. Cabe destacar que los costos de las partes del aerogenerador que se deben
reemplazar se obtienen de un parque eólico costarricense, con el n de apegar el estudio lo más
posible a un caso real. Este proceso se puede extrapolar a otros tipos de aerogenerador debido a que
la información necesaria para el análisis no es especíca, es basada en costos que se presentan en
cualquier tipo de máquina. Por último, se deberá calcular el CPN para cada elemento del aeroge-
nerador, con el n de priorizar ciertos subsistemas mediante la comparación de los CPN obtenidos.
4. RESULTADOS
De la metodología FMECA descrita en la sección anterior, se obtiene una descripción detallada
de los 12 elementos principales del aerogenerador, sus funciones principales dentro del sistema y
las implicaciones más importantes que tendría el sistema al presentarse una falla en dichos elemen-
tos; además, se identica un total de 24 modos de falla y 61 posibles causas.
Con respecto al análisis cuantitativo, se realiza la asignación de los índices de severidad, ocu-
rrencia y detección para cada uno de los elementos del estudio siguiendo la metodología descrita,
y posteriormente se realiza el cálculo del IPR y la jerarquización en base al mismo, según la regla
de jerarquización utilizada. Finalmente, en la Tabla II se muestran los resultados obtenidos en el
análisis cualitativo del aerogenerador.
TABLA II
JERARQUIZACIÓN DE RIESGO PARA LOS ELEMENTOS DEL AEROGENERADOR
Elemento Severidad Ocurrencia Detección IPR Riesgo
Sistema de control 10 8 7 560 Crítico
Multiplicadora 10 6 7 420 Crítico
Sistema eléctrico 8 10 4 320 Muy alto
Aspas 5 8 4 160 Alto
Sistema de guiñada 7 4 4 112 Alto
Sensores 3 9 4 108 Alto
Sistema hidráulico 3 8 4 96 Moderado
Generador 5 4 4 80 Moderado
Tren de impulsión 2 1 7 14 Bajo
Freno 1 1 7 7 Muy bajo
Estructura 1 1 7 7 Muy bajo
Buje 1 1 4 4 Muy bajo
Es importante resaltar que, aunque un elemento presente un alto IPR, no representa, necesaria-
mente, que las fallas se presenten de manera frecuente, o bien, que estas sean críticas para el sistema.
Por lo tanto, puede que se obtenga un alto valor de IPR, basado en una baja ocurrencia y una alta
criticidad, como sería el caso de la multiplicadora, la cual no tiene un índice de ocurrencia entre
SOLANO, CRUZ, RAMOS, SOLÍS, NÚÑEZ Y PÉREZ: Metodología FMECA para un autogenerador...
122
los más altos, sin embargo, la severidad de presentarse una falla es la más elevada junto con el sis-
tema de control. Por otro lado, se puede obtener un alto valor de IPR basado en una alta ocurrencia
y una baja criticidad, como se reeja en los sensores, los cuales presentan una severidad baja pero
la ocurrencia de una falla en ellos es bastante alta, lo que ocasiona el aumento en el valor del IPR.
Esta es la principal debilidad del FMECA, tal y como se explica en la nota teórica, dado que no es
posible extraer esa información tan sólo del análisis del IPR. Para contrarrestar esta debilidad, se
lleva a cabo el FMECA Basado en Riesgo.
Para iniciar el análisis FMECA-BR, se calculan los costos monetarios de cada subsistema en
base a precios de un aerogenerador en Costa Rica, con el n de considerar las pérdidas económi-
cas por venta de energía para los periodos de punta, valle y nocturno, mientras el sistema está de
baja. De esta forma, se contabilizan los costos de producción que inuyen negativamente sobre
los costos totales de la falla. Esto se realiza tomando en cuenta las tarifas vigentes para el mes de
julio del año 2020, denidas en [19]. Al realizar el análisis de costos al aerogenerador se obtiene
el CPN para cada elemento, donde se evidencia que los elementos más críticos son: el generador,
el tren de impulsión y el sistema eléctrico, como se muestra en la Tabla III.
TABLA III
CÁLCULO DE COSTOS DE FALLA MÁS SIGNIFICATIVOS. DATOS TOMADOS DE [3]
Subsistema D
F
[horas] C
P
[$] C
S
[$] C
L
[$] C
O
[$] C
F
[$] CPN [$]
Generador 180 61014 29325 180 3529,25 94048,25 13035,09
Tren de impulsión 120 9827 14700 120 2352,83 26999,83 4373,97
Sistema eléctrico 100 11319 1000 6000 1960,70 20279,70 2798,60
Aspas 96 37125 18375 960 1882,27 58342,27 2654,57
Estructura 96 27300 22050 960 1882,27 52192,27 422,76
Buje 72 4800 1800 720 1411,70 8731,70 322,20
El CPN aplica para una única falla en cada subsistema, por lo cual, no contempla la repetitivi-
dad de fallas en un periodo anual. Por eso, se complementa con el Costo Total de Falla (TFC), el
cual determina el coste nal debido a todas las ocurrencias anuales en un mismo elemento. Como
ejemplo, para el generador el CPN es de $13055,09 y al año el TFC de ese elemento corresponde
a $172063,34, de ahí la necesidad de priorizar de mayor a menor costo los elementos y proyectar
a futuro las inversiones necesarias para anticipar la logística relacionada a la reparación o mante-
nimiento de cada subsistema.
Finalmente, se comparan los resultados de los CPN junto a los IPR para cada subsistema, esto
permite contemplar los elementos más críticos del sistema y los costos de las fallas que se pueden
presentar, como se observa en la Fig. 2.
Ingeniería 31(1): 112-125, Enero-junio, 2021. ISSN: 2215-2652. San José, Costa Rica DOI 10.15517/ri.v31i2.46100.
123
Fig. 2. IPR y CPN para las partes analizadas.
CONCLUSIONES
El FMECA es una metodología simple que permite entender cómo funciona un sistema y
cómo puede llegar a fallar, esto ayuda a enfocar los esfuerzos de monitoreo con el n de detectar
y posteriormente pronosticar las fallas, para que así las estrategias de mantenimiento funcionen
de manera optimizada, de esta forma, minimizar el tiempo de inactividad y disminuir el costo de
la falla. Aparte, mencionar que un componente con índice de ocurrencia alto no quiere decir que
sea el más severo, pues la accesibilidad, las formas de corregir el problema, los costos de equipo y
transporte hacen que estos dos no tengan gran dependencia el uno del otro.
Finalmente, la jerarquización del riesgo basado en IPR y en CPN es la manera completa de apli
-
car el método, pues muestra qué tan crítico es un componente y qué tan rápido hay que atenderlo,
para invertir en los subsistemas con alta criticidad, que permita potenciar la abilidad del complejo.
AGRADECIMIENTOS
Esta investigación se hizo bajo el proyecto de investigación “Detección de fallas, control e
integración de sistemas de energías renovables no convencionales con almacenamiento energético
para redes inteligentes” código 322-C1-467 de la Universidad de Costa Rica.
SOLANO, CRUZ, RAMOS, SOLÍS, NÚÑEZ Y PÉREZ: Metodología FMECA para un autogenerador...
124
REFERENCIAS
[1] J. Ribrant y L. M. Bertling, “Survey of failures in wind power systems with focus on Swedish wind
power plants during 1997-2005”, IEEE Transactions on Energy Conversion, vol. 22, no. 1, pp. 167-
173, marzo, 2007. DOI: 10.1109/TEC.2006.889614
[2] J. M. Gonzáles, L. Amendola y T. Depool, “Modelo de criticidad operacional en generadores de
parques eólicos”, presentado en XII Congreso Internacional de Ingeniería de Proyectos, Zaragoza,
España, 2008, pp. 2331-2340.
[3] M. N. Scheu, L. Tremps, U. Smolka, A. Kolios y F. Brennan, “A systematic Failure Mode Eects
and Criticality Analysis for oshore wind turbine systems towards integrated condition based
maintenance strategies”, Ocean Engineering, vol. 176, pp. 118-133, marzo, 2019. DOI: https://doi.
org/10.1016/j.oceaneng.2019.02.048
[4] H. Arabian-Hoseynabadi, H. Oraee y P.J. Tavner, “Failure Modes and Eects Analysis (FMEA) for
wind turbines”, International Journal of Electrical Power & Energy Systems, vol. 32, no. 7, pp.
817-824, septiembre, 2010. DOI: https://doi.org/10.1016/j.ijepes.2010.01.019.
[5] S. Kahrobaee y S. Asgarpoor. “Risk-based failure mode and eect analysis for wind turbines (rb-
fmea)”, presentado en 2011 North American Power Symposium, Boston, Estados Unidos, agosto,
2011, pp. 1–7.
[6] M. Gauravkumar Bharatbhai, “Failure Mode and Eect Analysis of Repower 5M Wind Turbine”,
International Journal of Advance Research in Engineering, Science & Technology, vol. 2, no. 5, pp.
1-8, mayo, 2015.
[7] J. Kang, L. Sun, H. Sun y C. Wu, “Risk assessment of oating oshore wind turbine based on
correlation-FMEA”, Ocean Engineering, vol. 129, pp. 382-388, enero, 2017. DOI: https://doi.
org/10.1016/j.oceaneng.2016.11.048.
[8] N. V. Zubova y A. A. Achitaev, “Application of Neuro-Fuzzy Control Systems for Increasing the
Energy Eciency of Wind Turbines”, presentado en XIV International Scientic-Technical Confer-
ence on Actual Problems of Electronics Instrument Engineering (APEIE), Novosibirsk, Rusia, oc-
tubre 2-6, 2018, pp. 518-521, DOI: https://doi.org/10.1109/APEIE.2018.8546210.
[9] M. F. Ahmed Fayeem, A. H. Galib y P. Saha, “Micro Wind Turbine as an Alternative Power Source
in Bangladesh”, presentado en 2019 International Conference on Sustainable Technologies for In-
dustry 4.0 (STI), Dhaka, Bangladesh, diciembre 24-25, 2019, pp. 1-4, DOI: https://doi.org/10.1109/
STI47673.2019.9067980.
[10] Y. Li, Y. Zheng, N. Zhu y F. Zhao, “Wind Turbine Kinetic Energy Accumulation and Release Regu-
lation for Wind Farm Optimization”, presentado en 2019 4th International Conference on Mechani-
cal, Control and Computer Engineering (ICMCCE), Hohhot, China, Octubre 24-26, 2019, pp. 231-
2314, DOI: https://doi.org/10.1109/ICMCCE48743.2019.00060
[11] S. Pourmohammad y A. Fekih. “Fault tolerant control of wind turbine system – a review”, presen-
tado en 2011 IEEE Green Technologies Conference (IEEE-Green), Baton Rouge, Estados Unidos,
abril 14-15, 2011, pp. 1-6, DOI: https://doi.org/10.1109/GREEN.2011.5754880
[12] F. P. García y M. Papaelias, “An overview of wind turbine maintenance management”, en Nom-De-
structive Testing and Condition Monitoring Techniques for Renewable Energy Industrial Assets, M.
Papaelias, F.P. García and A. Karyotakis, Ed., Oxford, UK: Butterworth-Heinemann, 2020, capítulo
3, pp. 31-47. [en línea]. Disponible en https://doi.org/10.1016/B978-0-08-101094-5.00003-4
Ingeniería 31(1): 112-125, Enero-junio, 2021. ISSN: 2215-2652. San José, Costa Rica DOI 10.15517/ri.v31i2.46100.
125
[13] K. Rothenhagen y F. W. Fuchs, “Doubly Fed Induction Generator Model-Based Sensor Fault
Detection and Control Loop Reconguration”, IEEE Transactions on Industrial Electronics, vol. 56,
no. 10, pp. 4229-4238, octubre, 2009. DOI: 10.1109/TIE.2009.2013683.
[14] Z. Liu y L. Zhang, “A review of failure modes, condition monitoring and fault diagnostics methods
for large-scale wind turbine bearings”, Measurement, vol. 149, enero, 2020. DOI: https://doi.
org/10.1016/j.measurement.2019.107002
[15] B. Hahn, et al., “Recommended practices for wind turbine farm data collection and reliability as-
sessment for O&M optimization”, Energy Procedia, vol. 137, octubre, 2017, pp. 358-365. DOI:
https://doi.org/10.1016/j.egypro.2017.10.360
[16] A. L. Loría, E. M. Villalobos y C. Piedra, “Modelo de toma de decisiones de mantenimiento basado
en la predicción de vida útil para componentes de sistemas eólicos en Costa Rica”, Tecnología en
Marcha, vol. 30, no. 3, pp. 129-141, octubre, 2017. DOI: https://doi.org/10.18845/tm.v30i3.3279
[17] J. Helsen, C. Peeters, P. Doro, E. Ververs y P.J. Jordaens, “Wind farm operation and maintenance
optimization using big data”, presentado en 2017 IEEE Third International Conference on Big Data
Computing Service and Applications (BigDataService), San Francisco, Estados Unidos, abril 6-9,
2017, pp. 179-184, DOI: 10.1109/BigDataService.2017.27
[18] A. Y. Aguilar Romero y L. F. Tandazo Flores. “Análisis de modos de falla, efectos y criticidad
del sistema de inyección de un motor de encendido provocado corsa evolution 1.4 L empleando
herramientas de aprendizaje y clasicación para la programación de mantenimiento”, Tesis de
Bachillerato, Universidad Politécnica Salesiana, Cuenca, Ecuador, 2017.
[19] ICE. “Tarifa T-CB Ventas a ICE distribución y CNFL S.A”, Instituto Costarricense de Electricidad,
San José, Costa Rica, p. 8, 2020.
