El mantenimiento predictivo es uno de los pilares de la Industria 4.0 y una palanca clave en su digitalización. Adoptarlo es elegir una estrategia proactiva frente a una reactiva, es decir, transformarse o morir en la era digital. Pero, ¿qué es exactamente el mantenimiento predictivo y en qué consiste?
El mantenimiento predictivo es una técnica que se apoya en tecnologías machine learning y sirve para evaluar variaciones en el comportamiento normal de un activo o máquina, o incluso su entorno, para detectar posibles anomalías y predecir futuros fallos en los equipos antes de que ocurran.
A través de su monitoreo, es posible recopilar datos sobre cambios que puedan tener lugar en su comportamiento y analizarlos. Los métodos principales en los que se basa son:
- El análisis de las causas de una incidencia para entender por qué ocurre, qué ocasiona y poder prevenirla.
- La detección de anomalías a través del análisis de los síntomas y la probabilidad de que vuelva a ocurrir.
- La planificación de un sistema de mantenimiento a través del uso de históricos de datos para posibilitar la predicción de incidencias a largo plazo.
Su objetivo es reducir tanto el fallo como el impacto que este pudiera tener, normalmente relacionadas con paradas del servicio y, en consecuencia, pérdidas económicas; así como su repercusión en el nivel del servicio ofrecido, permitiendo realizar los ajustes correctivos necesarios y sin frenar el ciclo productivo. Así mismo evita la realización de tareas de mantenimiento innecesarias. Esta, por ejemplo, es la principal diferencia frente a las soluciones de mantenimiento preventivo más clásicas, que programan tareas de mantenimiento periódicas, independientemente de si son o no necesarias, además de recopilar y analizar los datos de forma manual, dando lugar a pérdidas de tiempo y de recursos.
¿Qué tecnologías están involucradas en la práctica del mantenimiento predictivo?
El mantenimiento predictivo es una solución que se apoya principalmente en IoT, en la analítica avanzada y en la inteligencia artificial.
IoT: dispositivos conectados que emiten datos capturados en relación al funcionamiento de los mismos.
Analítica avanzada: tanto del funcionamiento actual como del histórico, permite conocer cuál es el funcionamiento normal de las variables y calcular el riesgo de viabilidad del comportamiento establecido como «normal».
Inteligencia artificial: aprendizaje automático de la relación causa-efecto de las variables que definen el comportamiento del activo. Ello permite hacer predicciones de funcionamiento según los cambios que se den en las variables analizadas y así automatizar la toma de decisiones en base al histórico. Modelos de datos optimizan continuamente el algoritmo predictivo para dar la mejor respuesta a problemas de rendimiento y mantenimiento.
¿Cómo se está utilizando el mantenimiento predictivo en diferentes sectores?
Un ejemplo de ello es la compañía energética española Cepsa, que ha implementado un sistema predictivo en sus refinerías andaluzas. A través de la ingesta de datos de sensores instalados en sus equipos, que miden aspectos como la presión, la temperatura o la potencia, entre otros, los modelos de aprendizaje automático son entrenados para predecir de forma precisa y anticipada posibles anomalías. De esta forma se pueden evitar futuras fallas en la maquinaria, se puede medir su rendimiento en tiempo real, detectar falsas alertas o evitar tiempos de inactividad.
Audi, la empresa automovilística alemana, también ha puesto en marcha un plan de mantenimiento 4.0 en uno de sus talleres de carrocería situado en Neckarsulm (Alemania). Sus máquinas de ensamblaje cuentan con un sistema de remachado por punzón que utiliza aire comprimido para impulsar el remache perforador a través de un tubo, provocando así el desgaste del mismo. A través del análisis de millones de datos provenientes de sensores instalados en estas máquinas, es posible minimizar las fallas inesperadas de los equipos y realizar tareas de mantenimiento sin interrumpir el ciclo productivo.
Implementar un sistema de este tipo supone aumentar la fiabilidad y disponibilidad de los activos industriales. Evitar paradas no planificadas, caídas del servicio o tiempos muertos durante las reparaciones, alargar la vida útil de los componentes, reducir el stock de repuestos y el gasto en seguros, son solo algunas de sus ventajas de su aplicación. En consecuencia, una correcta estrategia de mantenimiento predictivo implica un incremento de la productividad, y un ahorro de tiempo y de dinero.
Deja un comentario