La Inteligencia Artificial al servicio del mantenimiento

Big Data

,

Analítica y EPM

,

Estrategia Digital

,

Pensamiento de liderazgo

,

Inteligencia Artificial

La Inteligencia Artificial al servicio del mantenimiento

Gracias a los avances tecnológicos en materia de sensorización, comunicaciones, almacenamiento de datos y potencia de cálculo han aparecido nuevas propuestas para mejorar los servicios de mantenimiento de activos.

Las compañías se están moviendo desde un enfoque reactivo a uno proactivo (prediciendo lo que va a pasar e incluso prescribiendo las mejores acciones a realizar). 

Las tipologías de mantenimiento son:

  • Reactivo. Esperamos a que el activo falle y entonces lo reparamos.
  • Preventivo. Realizamos mantenimiento a intervalos regulares, basados en planes programados de mantenimiento y en la observación de anomalías.
  • Basado en condiciones. Observamos continuamente el estado del activo y reaccionamos a condiciones y eventos predefinidos.
  • Predictivo. El análisis avanzado de datos operacionales y de negocio ayuda a determinar la condición de un activo específico para predecir cuándo realizar el mantenimiento.
  • Prescriptivo. La unión entre los planes de mantenimiento y la analítica predictiva nos permite optimizar las órdenes de mantenimiento y proponer los mejores momentos para trabajar.


New call-to-action

Siempre que hablamos de mantenimiento de activos tenemos que tener en cuenta la importancia de una parada por avería y del coste asociado.

Nuestros activos son uno de los bienes más valiosos y no podemos permitirnos el lujo de permitir que un activo se pare, ya que el tiempo de down-time puede afectar a nuestra planificación de la producción, incluso nos puede llevar a no cumplir ciertos acuerdos. Tampoco podemos permitir que un activo esté estropeado (o a punto de estarlo) y que no tengamos manera de detectarlo.

A largo plazo, el ciclo de vida de un activo se resiente al no disponer de un mantenimiento adecuado y los costes, tanto de personal como reparación, afectan a la valoración de un activo.

 

Un nuevo aliado: el mantenimiento predictivo

En este punto aparece el mantenimiento predictivo, que nos permite detectar los fallos en una fase temprana y, en muchos de los casos, antes incluso de que hayan llegado a manifestarse. La importancia de la sensorización y del proceso de transformación de los datos en insights aparece como un nuevo input para mejorar todas las fases.

Ventajas del mantenimiento predictivo

  • Reducción de los costes de mantenimiento.
  • Incremento de la disponibilidad de activos.
  • Mejora de la calidad del producto.
  • Reducción de la inversión en equipamiento extendiendo el ciclo de vida del activo.
  • Aumento de la producción evitando paradas no programadas.
  • Creación de nuevos flujos de negocio, orientando el producto terminado hacia un modelo “as-a-service”.


Casos de uso habituales del mantenimiento predictivo

  • Mantenimiento de la línea de producción.
  • Mantenimiento de la flota de vehículos-medios de transporte.
  • Gestión del entorno de producción y seguridad en el trabajo.
  • Apoyo al mantenimiento en planta.
  • Mantenimiento como servicio, tanto como un servicio añadido o enfocando el producto a un pago por uso.


Pero un proyecto de mantenimiento predictivo necesita de una buena base y debe acompañar al área de operaciones de una manera coordinada y con una evolución clara, que permita obtener valor desde las primeras fases del proyecto hasta la instauración de un ciclo completo de mantenimiento predictivo de toda nuestra flota de activos.

Fases de un mantenimiento predictivo

  • Monitorización de activos y exploración de la información.
  • Estado de salud del activo basado en condición.
  • Estado de salud del activo basado en inteligencia artificial.
  • Detección de fallos.
  • Gestión de alertas y avisos.
  • Optimización de los planes de mantenimiento.

 

Un paso más: Monitorización

Sin información (de calidad) de mis activos no podemos realizar un correcto mantenimiento. Tanto la sensorización del activo como del entorno, o la recogida de información de los sistemas industriales, es el punto de partida. Ser capaz de recoger información verídica (evitando datos erróneos) en tiempo real y sin afectar a los sistemas actuales de gestión de la información es uno de los retos a superar, y para ello debemos de dar soporte a distintas tecnologías industriales, como mod-bus, opc-ua, PLCs.

También hay que tener en cuenta las comunicaciones a nivel de planta y la posible extracción del dato a soluciones cloud, e incluso las soluciones Edge (permiten una primera capa de control a nivel de Edge).

No se trata de suplir a los sistemas de monitorización tradicionales, sino de proporcionar una herramienta de monitorización en tiempo real que nos permita explorar los datos obtenidos, compararlos y analizarlos para llegar al fondo de la cuestión.


Estado de salud del activo basado en condición

Una vez obtenida la información se puede valorar si un activo tiene un funcionamiento correcto basándose en parámetros fijos proporcionados tanto por el fabricante como por el usuario final. En este punto es donde se une el conocimiento del activo y el mantenimiento predictivo, ya que es el usuario el que mejor conoce los activos. Estas reglas nos permiten un primer de control del activo, sobre todo en los casos en los que no se dispone de información histórica ni de fallos.


Estado de salud del activo basado en inteligencia artificial

Otra forma de valorar el estado de salud de un activo es a través de distintos algoritmos no supervisados, que nos indican si el estado del activo ha variado, y en qué grado, para poder indicarnos que algo anormal está pasando. La detección temprana de anomalías no necesita de un gran volumen de información, por lo que es ideal cuando no disponemos de mucha información y, sobre todo, en los casos en los que la información de fallos reales es muy baja o casi nula.


Detección de fallos

Otra de las maneras de predecir los fallos es a partir de algoritmos supervisados, que comparan los datos históricos de fallos con la información en tiempo real. Con esta nueva tipología de algoritmos queda cubierta cualquier opción de prevención de fallos a partir de la información del activo.


Gestión de alertas y avisos

Es en esta parte en la que se automatiza el proceso de creación de alertas y avisos, desencadenando los distintos procesos definidos en caso de que se detecte una anomalía o fallo en el sistema. Estas alertas y avisos serán tanto visuales (dashboard, KPI, indicadores), como a nivel de correo electrónico.

En el caso de desarrollar un mantenimiento predictivo a nivel de “edge” (con equipos de predicción cercanos a la máquina), podremos actuar también sobre la propia máquina, e incluso sobre otras en caso de producción en cadena o robots colaborativos.


Optimización de los planes de mantenimiento

La generación automática de órdenes de trabajo y la optimización de los planes de mantenimiento es una de las ventajas de un mantenimiento predictivo. Revisar una máquina solo cuando es necesario, establecer prioridades según la criticidad del activo y reducir las paradas técnicas reducen el gasto en mantenimiento y aumentan el ciclo de vida del activo.


 

Mejora el rendimiento de tu empresa 

En este artículo hemos descrito brevemente qué es un mantenimiento predictivo, así que si necesitas más información al respecto o estás interesado en este tipo de proyectos puedes ponerte en contacto con nosotros.

¡Quiero saber más!

¡Suscríbete!