Foto-Patricio-Saez

Patricio Saez

CEO

predictive-sigma

El mundo está cambiando. Nuestros hábitos de consumo no son los mismos que diez años atrás, y probablemente ninguno de nosotros puede ya definir si estos hábitos fueron producto de la digitalización o todo lo contrario. Lo cierto es que nuestra manera de consumir ha impactado nuestra sociedad en todos los niveles, y la industria ha sido la principal afectada al cargar con el desafío de responder a la demanda de la manera más ágil, sostenible y rentable posible.

En la entrada a la era de la industria 4.0, las empresas se encuentran con un abanico de posibilidades para afrontar este nuevo desafío. Seguramente, una de las áreas con más potencial es la que tiene que ver con la optimización del rendimiento de la maquinaria. Es decir, lograr el pleno rendimiento y minimizar la posibilidad de fallos. Gracias a los avances en IoT, inteligencia artificial y cloud computing, los responsables de mantenimiento actual tienen ahora más herramientas para diseñar planes de acción que se adelanten a los fallos de la maquinaria y aseguren su funcionamiento óptimo. Esto es el mantenimiento predictivo, rama de desarrollo de la industria 4.0 que promete ser una de las áreas de mayor impacto a nivel industrial.

"El mantenimiento predictivo, rama de desarrollo de la industria 4.0, promete ser una de las áreas de mayor impacto a nivel industrial"

 

La guía que a continuación le presentamos tiene como objetivo describir qué es el mantenimiento predictivo y analizarlo desde la perspectiva de sus aplicaciones, tecnología aplicada y sus diferencias respecto al mantenimiento tradicional. Desde la experiencia de una empresa de base tecnológica, reflexionamos también sobre los retos a los que se enfrenta el mantenimiento predictivo hoy en día y cómo éste debe evolucionar hacia un mantenimiento de tipo prescriptivo.

Esperamos que la información le sea de valor y le permita entender una de las áreas de aplicación más relevantes de la industria 4.0.

La evolución del mantenimiento industrial y el impacto de la industria 4.0

Probablemente una de las tareas más antiguas asociadas a los procesos industriales es la que tiene que ver con el mantenimiento de la maquinaria utilizada. Desde siempre, las empresas rentables han invertido en recursos y mecanismos para asegurar que sus activos industriales produzcan de manera continua y predecible, extendiendo su vida útil lo máximo posible.

Tradicionalmente, el mantenimiento ha tenido como única herramienta la respuesta reactiva a los fallos de la maquinaria, es decir, reparar aquello que se estropea lo más rápido posible. Este tipo de mantenimiento tiene como tareas clave la identificación de las piezas críticas de la maquinaria y asegurar un stock de ellas para poder minimizar los tiempos de recambio. Asimismo, es crucial contar con personal técnico especializado que sea capaz de solucionar la avería lo más rápido posible. En conclusión, la consigna es planificar para reducir tiempos de reacción.

TE PUEDE INTERESAR: ¿Qué tipos de mantenimiento predictivo existen?

La evolución del mantenimiento tradicional viene con el llamado mantenimiento preventivo. El conocimiento de la maquinaria a lo largo de los años y los datos históricos de comportamiento que tanto empresas como fabricantes han podido recopilar, ha permitido hacer estimaciones de su vida útil con bastante precisión. Esto ha permitido planificar acciones de mantenimiento cuyo objetivo es reemplazar aquellas piezas y mecanismos que la estadística dice fallarán en el corto plazo, antes de que fallen. Esto ha supuesto un salto cualitativo importante en cuanto a productividad, pero con la limitación de que solo es rentable en casos en los que el coste de reemplazar una pieza sea más económico que la reparación de la máquina completa. Por otro lado, en ocasiones, las empresas invierten en este tipo de mantenimiento sin realmente agotar la vida útil de la maquinaria, ya sea por la particularidad de su proceso productivo o el volumen de producción.

¿Quieres saber más? Descubre en qué tipos de maquinaria puedes aplicar el mantenimiento predicitivo de predicitive-sigma

El incremento del consumo, las estrategias de optimización del time to shelf y la aparición de negocios disruptivos que aumentan la competencia ha hecho que las empresas necesiten optimizar sus estrategias de mantenimiento. De esta manera, los principales retos o dificultades del mantenimiento industrial actual son:

Reducir costes. Asegurar el buen funcionamiento de la maquinaria al menor coste posible.

Eliminar las paradas de producción o servicio. En caso de haberlas, que tengan una duración del menor tiempo posible, para no perder productividad.

Alargar la vida útil del activo: disponer de unas máquinas en funcionamiento óptimo por el mayor tiempo posible.

Descubre cómo lo hacemos en predictive-sigma

Te lo contamos . El futuro es predictivo

La industria 4.0 y el Mantenimiento Predictivo

Según un estudio de la consultora Happiest Minds, el principal responsable de la revolución industrial es el inmenso abaratamiento que ha sufrido la tecnología en la última década. La disminución de estos costes permite que, hoy en día, cualquier aparato pueda conectarse a internet y enviar datos que aporten información en tiempo real a sus usuarios, lo que conocemos como Internet of Things. Esto supone el verdadero detonante de la revolución industrial 4.0, ya que la información permite automatizar y optimizar procesos de maneras que antes hubiesen sido muy costosas o lentas de implementar.

Los expertos en mantenimiento industrial han sabido hacer uso de estas nuevas tecnologías y elaborar prácticas del llamado Mantenimiento Predictivo, que se basa en la utilización de datos reales de rendimiento de la maquinaria para tomar acciones correctivas antes de que se produzcan fallos o averías.

 

¿Quieres saber más? Descubre cómo funciona la plataforma de mantenimiento predictivo industrial predictive-sigma 

CÓMO SE DIFERENCIA EL MANTENIMIENTO PREDICTIVO DEL TRADICIONAL

El mantenimiento predictivo da respuesta a los retos de la transformación de la industria porque, a diferencia de los métodos tradicionales,

  • Utiliza sensores que permiten la captación de datos en tiempo real de la máquina o proceso en cuestión.
  • Realiza un procesamiento de datos por sistemas de inteligencia artificial que permiten la detección de patrones de comportamiento.
  • Genera predicciones de valor en relación al rendimiento de la maquinaria.
TE PUEDE INTERESAR: ¿Qué diferencias existen entre el mantenimiento predictivo y el tradicional?

Tecnologías 4.0 para el mantenimiento Predictivo

Internet Of Things (IoT)

Red de objetos físicos -desde vehículos, electrodomésticos y “wearables” hasta máquinas industriales– que tienen integrados componentes electrónicos, software, sensores y conectividad de red que permite recopilar e intercambiar datos a través de Internet. Un estudio calcula que el coste de los sensores ha disminuido en un 60% y el coste de procesar datos ha disminuido 60 veces. El IoT esta intrínsecamente relacionado al Big Data, que permite transformar los datos en información.

elementos a buscar en la elección de un mantenimiento predictivo

Big Data (datos masivos)

Es la gestión y análisis de datos cuyas cantidades resultarían imposibles de procesar con las herramientas y recursos humanos convencionales. El Big Data logra proporcionar información de valor acerca del comportamiento de distintos procesos y servicios, que puede ser utilizada para prevenir problemas, entre otras finalidades.

Inteligencia Artificial

Es el término general para definir un conjunto de sistemas informáticos que pueden sentir, pensar aprender y tomar acciones en respuesta a lo que están sintiendo y a sus objetivos. Esto se consigue mediante el uso de herramientas como los algoritmos bio-inspirados, el razonamiento probabilístico y las redes neuronales artificiales. Según un estudio de la consultora PwC, el valor de la inteligencia artificial se encuentra en la capacidad de esta tecnología por aumentar la productividad, la fuerza laboral y la demanda personalizada. (6)

Machine Learning

Rama de la inteligencia artificial que se refiere a la capacidad de una máquina equipada con inteligencia artificial de administrar y, sobre todo, de aprender automáticamente (2). En base a la identificación y extracción de patrones complejos de entre millones de datos, un algoritmo es capaz de extraer información y obtener predicciones de alto valor sobre comportamientos futuros para una mejor toma de decisiones. Esto implica que, automáticamente, los sistemas se mejoran de forma autónoma con el tiempo, sin intervención humana.

Descubre cómo lo hacemos en predictive-sigma

Te lo contamos . El futuro es predictivo

Qué es el Mantenimiento Predictivo

El mantenimiento predictivo es una modalidad del mantenimiento industrial que permite conocer el funcionamiento de máquinas y equipos mediante mediciones no destructoras con el fin de adelantarse a posibles fallos y optimizar su rendimiento. El mantenimiento predictivo hace uso de las nuevas tecnologías de la industria 4.0 para aportar información relevante sobre el rendimiento de la maquinaria y propone acciones de mantenimiento que garantizan el funcionamiento y su vida útil. Un sistema de mantenimiento predictivo tiene como fin último la prescripción de acciones concretas de mantenimiento.

 

TE PUEDE INTERESAR: ¿Qué es el mantenimiento predictivo?

Variables Clave del Mantenimiento Predictivo

Dependiendo del sensor utilizado, el mantenimiento predictivo puede ejercer su función mediante la monitorización de diferentes parámetros. Los más frecuentes son:

Análisis de temperatura: mide la radiación infrarroja emitida por los elementos de la instalación eléctrica y permite elaborar un mapa de calor de una determinada instalación. Los puntos de calor pueden detectar diferentes sucesos tales como deterioros mecánicos, sobrecargas en puntos específicos, etc.

 Análisis de vibraciones: mide, mediante parámetros mecánicos, la vibración de la maquinaria. La hipótesis detrás de su uso es que una alteración en la vibración estándar de un equipo es consecuencia de sucesos como pérdidas de energía, desgaste y daños por fatiga de los materiales, entre otros. Esta técnica es útil para máquinas rotatorias, en las que existe un elemento giratorio que produce la vibración. Para su funcionamiento óptimo es necesario que exista un sensor en cada uno de los ejes de movimiento.

Análisis de parámetros eléctricos: mide los cambios en el comportamiento eléctrico de una máquina o instalación mediante sensores de alta precisión. Debido a la gran sensibilidad de los parámetros eléctricos, este método es capaz de detectar desviaciones del comportamiento estándar en fases muy embrionarias, facilitando las acciones de mantenimiento. Su uso es adecuado para cualquier tipo de maquinaria o instalación conectada a la corriente eléctrica, sea grande o pequeña.

TE PUEDE INTERESAR: ¿Qué tipos de mantenimiento predictivo existen?

Inspecciones visuales: abarca desde la simple inspección visual directa de la máquina hasta la utilización de complejos sistemas de observación como microscopios, endoscopios y lámparas estroboscópicas. Su objetivo es alertar de la aparición de grietas, fugas y signos de corrosión, entre otros. Este método es de utilidad en grandes instalaciones con difícil acceso.

Áreas de aplicación industrial

El mantenimiento predictivo tiene áreas de aplicación a lo largo de la cadena de valor industrial. Desde sistemas productivos al sector terciario, cualquier organización que tenga un gasto en mantenimiento de maquinaria es susceptible a las ventajas de esta nueva metodología.

Sector Productivo- Industria

Las paradas no previstas son el principal problema en las empresas dedicadas a la producción. El hecho de que una parte de un proceso productivo se detenga, conlleva al retraso de la producción prevista, pérdidas de materias primas y semielaborados, roturas de stock y costes imprevistos de mantenimiento. Es por esto que en producción, la consigna del mantenimiento industrial ha sido siempre “evitar que la producción se detenga”.

El mantenimiento predictivo actúa analizando continuamente las condiciones de trabajo de los activos industriales, identificando desvíos del funcionamiento óptimo en estados muy embrionarios, informando al equipo responsable y permitiendo una actuación sobre la anomalía de manera planificada y organizada, que permita asegurar la disponibilidad del activo en óptimas condiciones. “Escuchar a los equipos reduce paradas inesperadas”.

"Las paradas no previstas son el principal problema en las empresas dedicadas a la producción [...] Escuchar a los equipos reduce paradas inesperadas".

Sector Servicios

El sector servicios, similar a la industria productiva, necesita disponer de su maquinaria en funcionamiento para garantizar el servicio a sus clientes. De este modo, si en la industria productiva la consigna es “evitar paradas”, en servicios la consigna es “garantizar la disponibilidad de la infraestructura de servicio”

El mantenimiento predictivo permite automatizar el análisis de todos los activos que forman parte de una infraestructura de servicio. Desde el control de estaciones de bombeo a sistemas de ventilación, todo puede estar controlado, reduciendo las posibilidades de un fallo en el servicio.

¿Quieres saber más? Descubre cómo garantizar la disponibilidad de tus infraestructuras con predictive-sigma

Ventajas del Mantenimiento Predictivo

1) Aumento de vida útil

Al poder detectar los fallos en las máquinas antes de que sucedan, se pueden tomar las acciones necesarias y programarlas para el momento que menos afecte a los ciclos productivos. Se asegura, de esta manera, alargar la vida y disponibilidad de la maquinaria. Es decir, disminuyen las paradas y aumenta la producción.

2) Disminución de Costes

Evita tener que sustituir por completo una máquina, puesto que se conoce exactamente qué parte de la máquina debe cuidarse para que no falle como se prevé. Es decir, puede prevenirse cualquier anomalía en su estado más temprano para reducir drásticamente los costes en recambios o sustitución de equipos, llevando a cabo tan solo el mantenimiento preciso.

3) Óptimo Rendimiento de la Producción

Identifica las desviaciones del proceso que pueden producir una alteración en el rendimiento de la maquinaria, por pequeñas que sean, asegurando así el óptimo rendimiento de la producción.

Qué buscar en un sistema de Mantenimiento Predictivo

No todos los sistemas de mantenimiento predictivo son iguales. La precisión de la tecnología y la capacidad que tenga de predecir posibles fallos dependerá de varios factores. Si bien la adopción de un sistema como tal puede suponer un salto importante para la disponibilidad de la maquinaria, le aportamos a continuación los aspectos que ha de tener presente para decantarse por una solución u otra.

1 Datos: cantidad y calidad

Tal como menciona el artículo de Predictive Analytics in Practice, de hbr.org, la fuente y calidad de los datos a monitorizar es el pilar básico para el buen despliegue de una estrategia de mantenimiento predictivo. Mientras más variables sea el sistema capaz de recoger, más información puede valorar para la identificación de anomalías. El concepto de big data aplica en este aspecto. Una plataforma de mantenimiento predictivo confiable es aquella que puede integrar datos de diferentes fuentes a través del data mining, consolidarlas en un único punto, cruzarlas y obtener información relevante de su análisis.

2 La frecuencia es importante

Mientras más intensa es la monitorización, más rápido puede el sistema detectar una desviación del comportamiento estándar. Confíe en sistemas con una monitorización continua conectada a una plataforma en la nube, donde se consolide y analice la información en tiempo real. De esta manera, los tiempos de respuesta de sus predicciones serán más rápidos y precisos.

3 La inteligencia detrás de las predicciones

La cantidad de datos que puede gestionar una plataforma de mantenimiento predictivo es inmensa, y por lo tanto, ha de contar con herramientas de inteligencia artificial que sea capaz de realizar análisis de manera automática. Es igual de importante que detrás de los algoritmos de estas plataformas exista un buen equipo de científicos de datos, con experiencia y conocimiento en la naturaleza del sector industrial. Asimismo, es importante que la plataforma tenga mecanismos de aprendizaje y sistemas de retroalimentación que le permita mejorar sus predicciones con inputs del exterior.

Del Predictivo al Prescriptivo, un paso

El mantenimiento prescriptivo es la evolución natural de un modelo tecnológico que permite el mantenimiento predictivo

Es de común acuerdo que el mantenimiento predictivo  supone un salto cualitativo importante frente a las estrategias de mantenimiento industrial tradicional, ya que pone a disposición de expertos, datos cuantificables del comportamiento de la maquinaria que permiten evitar muchas de las paradas imprevistas en una instalación. El mantenimiento predictivo permite, entre otras cosas, aumentar la disponibilidad de la maquinaria, reducir las paradas imprevistas y reducir los costes asociados al mantenimiento haciendo uso de las tecnologías de la industria 4.0.

Te puede interesar: ¿Cuáles son las principales tecnologías de la industria 4.0?

Los científicos de datos y el machine learning

Sin embargo, el mantenimiento predictivo depende en gran parte del equipo humano, los llamados científicos de datos,que interpretan los datos y elabora los algoritmos capaces de identificar tales patrones de comportamiento. Hasta la fecha, la tecnología se ha enfocado en proveer a los científicos de datos con herramientas para entender el universo del big data, para que  ellos puedan convertirse en intérpretes de dichos datos y elaborar una inteligencia artificial. Pero la dependencia humana en la detección de patrones no es la situación ideal, ya que la capacidad de cómputo de las máquinas permiten la detección de patrones y desviaciones con mucha más rapidez y precisión. Por este motivo, la evolución tecnológica natural es que las máquinas elaboren su propia inteligencia para la detección de patrones con la mínima intervención humana, lo que se conoce como machine learning.

La diferencia radica en la información accionable

La introducción de estrategias de machine learning en plataformas de mantenimiento predictivo, sumado al cruce de datos de diferentes fuentes industriales (MES, recursos humanos, condiciones ambientales, etc) permitiría un conocimiento profundo del funcionamiento de la maquinaria en relación a su uso y comportamiento real, haciendo que el sistema fuera capaz no sólo de predecir una avería, sino que de dar instrucciones, es decir, prescribir acciones específicas para solventar el posible fallo. Por ejemplo, existe una diferencia dramática entre la predicción de un posible cortocicuito en un motor a un mensaje que recomiende al equipo de mantenimiento revisar la conexión entre el motor y la fuente de alimentación por posible riesgo de cortocircuito.

El mantenimiento prescriptivo es la evolución natural de un modelo tecnológico que permite el mantenimiento predictivo. Las empresas que adopten modelos de mantenimiento predictivo a día de hoy dispondrán de una base tecnológica que les permitirá migrar fácilmente a estrategias de mantenimiento prescriptivo y beneficiarse de todas las ventajas que ello comporta.

"Las empresas que adopten modelos de mantenimiento predictivo a día de hoy dispondrán de una base tecnológica que les permitirá migrar fácilmente a estrategias de mantenimiento prescriptivo y beneficiarse de todas las ventajas que ello comporta."

Top