Mantenimiento predictivo en la industria: uso de IIoT y ML para prevenir fallos en los equipos
Tarde o temprano, todas las máquinas se averían, pero con consecuencias muy diversas. Un fallo repentino de la cafetera puede arruinarle el humor y la mañana. En cambio, una avería inesperada en una central eléctrica puede dejar a miles de personas a oscuras durante horas y causar pérdidas de millones de euros.
Por ejemplo, el coste medio de las paradas imprevistas en los sectores de la energía, la fabricación, el transporte y otros es de 250.000 euros por hora o 2 millones de euros por día laborable.
En efecto, para evitar las costosas averías y mitigar los daños causados por ellas, las empresas necesitan una política de mantenimiento eficaz. Este artículo presenta las estrategias disponibles, las ventajas del enfoque predictivo más avanzado y los recursos necesarios para aplicarlo.
Estrategia de mantenimiento: correctivo vs preventivo vs predictivo
En primer lugar, existen tres tipos principales de estrategias de mantenimiento a las que puede adherirse una empresa: correctivo, preventivo y predictivo. Cada opción tiene sus ventajas e inconvenientes, así que analicémoslas con más detalle.
Mantenimiento reactivo: resolver el problema cuando realmente ocurre
Principales ventajas: bajos costes de mantenimiento, personal permanente reducido, planificación mínima necesaria
Principales desventajas: elevados costes de reparación, riesgos para la seguridad, daños potencialmente mayores para la maquinaria
Así, el mantenimiento reactivo, también conocido como mantenimiento "de funcionamiento a avería", significa que las acciones se emprenden cuando el equipo ya está averiado. Este enfoque ahorra tiempo y dinero en planificación y servicios de apoyo. Puede hacerse para activos redundantes, fáciles de reparar y no críticos. Digamos que las bombillas se sustituyen sólo cuando se han fundido.
Aunque el mantenimiento correctivo no requiere ningún coste inicial, es muy costoso a largo plazo, dadas las horas extraordinarias, la reducción de la vida útil de los activos, los daños a la reputación y los riesgos para la seguridad. El Marshall Institute calcula que el enfoque reactivo cuesta a las empresas hasta cinco veces más que los tipos de mantenimiento proactivos.
Mantenimiento preventivo: reparar todo según un calendario
Principales ventajas: mayor eficacia y vida útil de los equipos, menor probabilidad de averías, ahorro de costes
Principales desventajas: no hay forma de excluir fallos catastróficos, mayor intensidad de trabajo y tiempo de inactividad planificado, tiempo extra en la planificación
Así, el mantenimiento preventivo pone en marcha inspecciones periódicas de los equipos para mitigar los daños y reducir la probabilidad de averías. Las actividades planificadas, como la lubricación o el cambio de filtros, prolongan la vida útil de los activos y aumentan su eficiencia. Todo esto se traduce en ahorro de dinero. Los estudios demuestran que el ahorro medio del mantenimiento planificado es de 12-18% en comparación con el mantenimiento reactivo.
Sin embargo, las medidas preventivas no pueden excluir por completo la posibilidad de fallos catastróficos. Además, esta práctica requiere planificación y recursos humanos adicionales. A menudo, la frecuencia de las comprobaciones es mayor o menor de lo necesario para garantizar la fiabilidad.
Mantenimiento predictivo (PdM): no arreglar lo que no se va a romper
Principales ventajas: reducción del tiempo y los costes de mantenimiento, aumento de la vida útil de los activos, reducción de los riesgos para la seguridad, el medio ambiente y la calidad
Principales desventajas: la necesidad de cambios organizativos, grandes inversiones en hardware, software, conocimientos técnicos y formación del personal
De hecho, el mantenimiento predictivo se ha hecho posible con la llegada de la Industria 4.0, la cuarta revolución industrial impulsada por la automatización, el aprendizaje automático, los datos en tiempo real y la interconectividad. Más o menos similar al mantenimiento preventivo, el PdM es un enfoque proactivo del mantenimiento de las máquinas. La diferencia es que una empresa planifica actividades basadas en el monitoreo constante de la condición. Una vez identificadas las tendencias poco saludables, las piezas dañadas se reparan o sustituyen para evitar averías más costosas.
Las ventajas de la gestión del punto de venta para las empresas son
-Reducción de los costes de mantenimiento,
-Prolongación de la vida útil del equipo,
-Reducción del tiempo de inactividad,
-Aumento de la capacidad de producción y mejora de la seguridad. Según un informe de Deloitte Insights, "PdM promete"
-Reducción del tiempo de planificación del mantenimiento de 20 a 50%,
-Aumento del tiempo de actividad y disponibilidad de los equipos de 10 a 20%, y
-Reducción de entre un 5% y un 10% de los costes generales de mantenimiento.
Pero estas mejoras requieren importantes inversiones en infraestructura y conocimientos informáticos, concretamente en sensores de IoT industrial (IIOT); software analítico con capacidades de aprendizaje automático; científicos de datos y especialistas informáticos; y formación del personal. Una empresa necesita construir todo un ecosistema que respalde las actividades de prevención.
En las siguientes secciones veremos cuándo tienen sentido estos esfuerzos y qué se necesita exactamente para aplicar el MoU.
Casos de uso del mantenimiento predictivo en la industria y factores de éxito
En primer lugar, esta estrategia intensiva en costes y tecnología se justifica por los equipos críticos y de alto valor que deben estar siempre operativos. Obviamente, la PdM es demasiado cara e ineficaz para componentes que pueden estar parados durante horas o días sin afectar al ciclo de producción. Todo lo que está en medio requiere una mayor deliberación para tomar la decisión correcta.
Actualmente, el PdM de mejor rendimiento se utiliza en los siguientes sectores industriales:
-plantas de fabricación,
–centrales eléctricas,
-ferrocarriles,
-aviación,
-industria del petróleo y el gas, y
-logística y transporte.
Tareas que puede resolver con el mantenimiento predictivo
Sea cual sea su sector, a la hora de decidir su implantación debe tener claro que la PdM sólo es aplicable a tareas de naturaleza predecible. La estrategia de PdM puede responder a cinco preguntas principales:
- -La probabilidad de que se produzca un fallo en un periodo de tiempo determinado.
- -Vida útil restante del activo. En otras palabras, ¿cuánto tiempo funcionará la máquina antes de averiarse?
- -Causa probable de un problema determinado.
- -El activo con mayor riesgo de fracaso.
- -¿Qué actividades resolverán el problema con mayor eficacia?
Factores clave para la GdP
La estrategia de PdM se basa en varios pilares fundamentales y no funcionará si no existen o son insuficientes.
-Dons. Cuantos más datos tenga, más decisiones informadas podrá tomar su personal de mantenimiento. Para generar previsiones precisas, es necesario recopilar y procesar datos en tiempo real procedentes de sensores; registros históricos de mantenimiento y averías, metadatos de los equipos e incluso información externa, como las condiciones meteorológicas.
–Competencia. Además de formar al personal para que comprenda los procesos de PdM y trabaje con los nuevos equipos, se necesitan conocimientos técnicos adicionales. La eficacia del mantenimiento predictivo depende en gran medida de los siguientes especialistas:
++Ingenieros de software y de la nube para integrar todas las piezas de un rompecabezas informático de mantenimiento predictivo en una solución integral y orquestar su trabajo;
++expertos en datos para preparar los datos, seleccionar, ajustar y entrenar modelos de aprendizaje automático e interpretar los resultados; y
++Ingenieros de fiabilidad que utilicen los resultados proporcionados por los científicos de datos para mejorar la eficiencia y la seguridad de los equipos.
Así que, dada la complejidad de la infraestructura informática necesaria para llevar a cabo actividades de gestión del punto de venta, es posible que también necesite la participación de un arquitecto empresarial. Este experto evaluará sus sistemas actuales, le asesorará sobre las tecnologías disponibles y le ayudará a resolver los principales problemas de software e integración.
-Infraestructura informática. PdM utiliza varios módulos de hardware y software, así como tecnologías en la nube. Así pues, todos los componentes del sistema informático son esenciales para las actividades de mantenimiento predictivo, por lo que los estudiaremos con más detalle.
Ecosistema o tecnologías informáticas de mantenimiento predictivo que impulsan la PdM
En primer lugar, el mantenimiento predictivo implica un flujo constante de datos procedentes de activos físicos; el análisis de la información en tiempo real frente a los registros históricos, la predicción de resultados y; la mitigación o prevención de posibles fallos y tiempos de inactividad.
Sistema IIoT
Los dispositivos IIoT o sensores inteligentes que supervisan el estado de los equipos son el núcleo del mantenimiento predictivo. De hecho, estos elementos de hardware integrados o externos capturan parámetros físicos y los traducen en señales digitales.
Los parámetros utilizados en el mantenimiento predictivo incluyen, entre otros
- -vibración,
- -Sensores de corriente y tensión,
- -calidad del lubricante,
- -niveles de líquido,
- -Temperatura,
- -presión,
- -niveles de sonido y frecuencia, y
- -contenido químico.
En efecto, los sensores transmiten señales al almacenamiento de datos a través de una pasarela IoT; un dispositivo físico o un programa de software que sirve de puente entre el hardware y las instalaciones en la nube. Preprocesa y filtra los datos IIoT, reduciendo su cantidad antes de enviarlos al centro de datos. Además, la pasarela proporciona conectividad, mejora la seguridad y permite la traducción entre diferentes protocolos de mensajería.
Gestión del mantenimiento asistida por ordenador (GMAO)
Un sistema de GMAO es otra pieza importante del software que respalda la GpD. Permite supervisar y analizar toda la información relacionada con el mantenimiento, como los programas de reparación, el historial de averías, el uso de piezas de repuesto y las actividades de mantenimiento, así como las especificaciones y requisitos técnicos de los equipos. De este modo, los datos históricos acumulados a lo largo de los años crean una base sólida para realizar previsiones precisas.
Almacenamiento central de datos
En primer lugar, necesita un almacenamiento grande y escalable para agregar tanto los datos de los sensores en tiempo real como los datos históricos de la GMAO.
De hecho, cabe señalar que muy pocas empresas disponen de recursos suficientes para almacenar la información de los sensores en centros de datos in situ. Así pues, las soluciones en la nube, concretamente las plataformas de middleware IoT e IIoT, son una mejor opción para recopilar y almacenar grandes cantidades de datos. Se puede ampliar y reducir fácilmente su capacidad en función del volumen de datos transferidos y del número de sensores conectados.
Solución analítica con funciones de aprendizaje automático
No basta con recopilar conjuntos masivos de datos de distintas fuentes. La estrategia de mantenimiento predictivo requiere potentes herramientas analíticas basadas en algoritmos de aprendizaje automático. La generación de predicciones con ML consta de varias fases.
- -Un motor de análisis determina un estado de salud normal del equipo basándose en datos históricos (fase de aprendizaje).
- Se aplican modelos basados en datos para controlar continuamente el índice de salud de los equipos.
- -Una vez que el sistema identifica signos de desgaste, avisa de los problemas para que los técnicos puedan actuar antes de que se produzca un fallo.
A veces, un módulo de mantenimiento predictivo forma parte de la GMAO, pero no siempre es así. Además, este módulo puede ser difícil de personalizar y carecer de capacidades de aprendizaje automático, lo que se traduce en un pronóstico menos preciso.
Ecosistema o tecnologías informáticas de mantenimiento predictivo que impulsan la PdM
A medida que las tecnologías de análisis se hacen más potentes y los sensores más baratos, el mantenimiento predictivo gana en popularidad y uso. Para comprender el valor que el PdM puede aportar a su empresa sin dolorosos costes financieros, puede empezar con una "prueba de concepto", aplicando la estrategia a una máquina o línea de productos. El proceso constará de varios pasos.
- -Identificar una pieza crítica del equipo.
- -Definir los parámetros a controlar e instalar los sensores adecuados.
- -Contratar a un equipo externo de expertos en ciencia de datos para recopilar datos y crear modelos de aprendizaje automático que puedan extraer información significativa.
- -Ejecutar la prueba de concepto durante unos meses para evaluar las predicciones frente a los procesos de mantenimiento existentes.
- -Estime el ahorro anual.
De hecho, si la implantación de la GdP demuestra que reduce los costes y mejora la eficiencia, amplíela gradualmente a toda la empresa, recurriendo a los expertos de SYRAM para elegir las soluciones adecuadas, crear componentes de software personalizados y ayudar con las integraciones.
Autor: NAJI Faouzi
Siga nuestras reflexiones en las redes sociales
Publicamos con frecuencia en las redes sociales (Linkedin, Twitter y Medio) nuestras innovaciones y las nuevas funciones de nuestras soluciones de gestión industrial.
Estaremos encantados de compartir con usted las últimas tendencias en gestión industrial 4.0 a través de contenidos de alta calidad que podrá volver a compartir.
French 
English 
Spanish 
German