¿Cuáles son las herramientas de mantenimiento predictivo?

La fabricación ha evolucionado. Las organizaciones ya no necesitan la intervención humana para gestionar todos los aspectos de la fabricación. Hoy en día, un volumen cada vez mayor de actividades industriales son apoyadas por robots, inteligencia artificial (AI) y otras tecnologías modernas que permiten a las organizaciones sacar el máximo provecho de todos los esfuerzos.

Con este crecimiento y cambio, viene una evolución en las herramientas que están diseñadas para apoyar la fabricación. Algunos de los mayores cambios han sido los métodos para mantener diferentes componentes de fabricación funcionando, y funcionando bien, durante períodos de tiempo más largos.

El mantenimiento predictivo es una de esas mejoras, que funciona mediante el uso de las técnicas más detalladas en esta lectura interceptar posibles fallos y corregirlos con el fin de evitar el tiempo de inactividad que de otro modo sería causada por el fracaso. Esto se traduce entonces en menos tiempo pasado sin trabajo, menos dinero gastado en reparaciones y menos esfuerzo humano en la gestión de todos estos procesos variados, que en conjunto se ha demostrado que cuestan a los fabricantes industriales 50 millones de dólares cada año. 1 Para obtener más información sobre el mantenimiento predictivo, puede consultar nuestra Artículo de mantenimiento predictivo.

Las herramientas de programación coordinan los equipos sobre el terreno que los orientan para llevar a cabo las actividades de mantenimiento

Sensores IoT

Los sensores siempre han sido una parte importante de cualquier plan de mantenimiento porque nos permiten monitorear pequeños cambios y hacer los ajustes correspondientes a evitar que las pequeñas cuestiones se conviertan en problemas importantes . Tener múltiples sensores diferentes monitoreando diferentes métricas puede ser clave para obtener una mejor comprensión de sus procesos y prevenir fallos tempranos y el tiempo de inactividad resultante que causan.

Con el tiempo, los datos obtenidos de los sensores se pueden utilizar junto con otros análisis clave para ayudar a elaborar estrategias que incluyen operaciones aparentemente dispares. En última instancia, este profundo y detallado nivel de conocimiento tendrá impactos de largo alcance en el negocio se sintió mucho más allá del piso de fabricación.

Sensores que permiten el análisis vibratorio, sónico y ultrasónico

Los componentes del sistema sufren desgaste, estrés y tensión normales que luego se indican en sus vibraciones y frecuencias. La mayoría de los componentes tienen una frecuencia «normal» y la desviación de este estándar indica condiciones que pueden llevar al fracaso si no se trata .

Las vibraciones inesperadas pueden ser fatales para una máquina. En el deporte altamente técnico de la Fórmula Uno, por ejemplo, los motores de Honda se enfrentaron a problemas de vibración inesperados. Estos problemas eran tan graves que los motores literalmente se sacudían hasta la muerte, fallando (a menudo espectacularmente) en medio de una competencia. Incluso si no es la Fórmula 1, las fallas relacionadas con las vibraciones seguirán causando tiempo de inactividad.

A través de las prácticas de fabricación y otras industrias, los sensores devuelven la información a los sistemas conectados a ellos. Los analizadores de transformación de Furrier rápido, por ejemplo, pueden detectar vibraciones diminutas que anteriormente eran indetectables. Una vez calibrado, un sistema notará y registrará cualquier vibración inusual.

Las vibraciones pueden ocurrir debido a cualquier número de factores. Los rodamientos o soportes de una máquina podrían empezar a perder su resistencia táctil. Un componente puede estar llegando al final de su vida útil. Tras el análisis, los técnicos (si es necesario) o las máquinas de aprendizaje determinarán el curso de acción apropiado y, cuando sea posible, lo tomarán según sea necesario.

Algunos usos comunes para estos tipos de análisis incluyen:

Detección de fugas ultrasónicas que pueden utilizarse con más antelación que vibraciones o infrarrojos. Infralogix tiene sensores ultrasónicos que pueden detectar ondas sonoras más allá de lo que el oído humano puede oír. Esta información puede ayudar a los técnicos a encontrar fallas de sellado al vacío, así como fugas de aire y gas.
Monitorización de las condiciones de apoyo mediante la detección temprana de la fricción entre los componentes
En la inspección mecánica, cualquier cambio en los sonidos ‘normales’ puede ser detectado para prevenir fallos posteriores.
Embarcaciones coronales/eléctricas

Sensores de imágenes térmicas

El calor excesivo es una sentencia de muerte para metales, compuestos y electrónica. El calor excesivo es una amenaza importante para los motores eléctricos. 2 “El calor excesivo es una preocupación primaria de mantenimiento para las empresas de telecomunicaciones”. 3 Las condiciones de trabajo peligrosas y los retrasos catastróficos pueden ocurrir debido a algo tan simple como un conjunto de rodamientos mal lubricados.

Las imágenes térmicas utilizan imágenes infrarrojas para monitorear las temperaturas de las partes de la máquina que interactúan – permitiendo que cualquier anomalía se haga rápidamente evidente. Al igual que con otros monitores sensibles al cambio, activan sistemas de programación que darían lugar a la adopción automática de las medidas apropiadas para evitar fallos en los componentes.

El equipo de imágenes térmicas simple es fácil de conseguir y fácil de operar. En su forma más simple, los técnicos pueden tomar lecturas móviles con un dispositivo de mano. No se requiere tiempo de inactividad para un simple escaneo de imágenes térmicas de mano. Los aspectos positivos de este tipo de sistema predictivo son la simplicidad y la facilidad. La desventaja es que la observación constante es probablemente imposible con un dispositivo de mano.

Un sistema más sofisticado y preciso necesitaría herramientas térmicas de diagnóstico con conectividad. En comparación con los datos de referencia, este equipo mostraría rangos de temperatura anormales. Estos sensores rastrearían las máquinas para detectar posibles desviaciones de las temperaturas aceptables. Una vez transmitida, esa información alertaría a los técnicos sobre cualquier problema. Este sistema necesitaría una mayor inversión de capital y personal tecnológicamente competente.

Algunos usos comunes para imágenes térmicas que pueden beneficiar a un plan de mantenimiento predictivo incluyen:

Sensores de aceite y lubricantes

El análisis de aceite puede determinar muchos factores del rendimiento de su máquina. La viscosidad real del aceite frente a la viscosidad esperada puede mostrar cómo su máquina está evitando la oxidación, dilución, humedad, etc. Los fragmentos de metal en el aceite pueden alertar a los técnicos sobre piezas de rectificado que podrían ralentizar o romper una máquina. Los sensores que calculan la dinámica de los fluidos podrían ayudar a exponer una fuga o un conector defectuoso.

Los sistemas de análisis de aceite han estado alrededor por un tiempo. La mayoría de los coches modernos los tienen integrados en el sistema informático central. Su coche de control de la calidad del aceite es un ejemplo práctico de mantenimiento predictivo.

Estos sistemas no son difíciles de integrar en las máquinas existentes. Usted debe tener orientación de su proveedor de lubricantes sobre temperaturas aceptables, viscosidad, etc. Usted podría comparar sus resultados reales con los resultados esperados. Los sistemas analíticos están comúnmente diseñados para detectar impurezas en el aceite. El metal, la suciedad y el lodo se encontrarán fácilmente. La humedad se detecta fácilmente, incluso en pequeñas cantidades. Su sistema calculará cualquier aspecto del aceite que pueda causar un fallo.

Herramientas de monitoreo y análisis industrial

A menudo se considera que el análisis industrial es parte integrante de la «cuarta revolución industrial», que se caracteriza por la convergencia entre las prácticas industriales tradicionales y las mejoras modernas de las tecnologías de la información. Estos avances incluyen análisis de datos y su interpretación relacionada a través del aprendizaje automático, y también avances en conectividad a través de IoT. Lo que esto significa prácticamente hablando es que un mayor el número de decisiones y acciones que se están empezando a basar mucho más profundamente en datos medibles que se puede actuar rápidamente.

Una parte importante de este campo incluye sensores IoT para monitorear los cambios clave en los componentes. Para satisfacer la creciente demanda de estas tecnologías, se dispone de una amplia gama de opciones para ayudar a las empresas industriales a encontrar el éxito, sin importar la necesidad o el funcionamiento. Mecanismos de supervisión utilización de algoritmos avanzados y aprendizaje automático de una manera que les permita actuar en tiempo real.

Algunos ejemplos de análisis industrial y seguimiento en acción incluyen:

Mantenimiento predictivo de equipos, maquinaria y activos
Optimización de parámetros específicos de la máquina
Sistemas de apoyo a la adopción de decisiones
Supervisión de las condiciones de los activos
Optimización de la cadena de suministro

Una vez que usted entiende la necesidad que usted está tratando de resolver con herramientas de monitoreo, basado en sus puntos de dolor, tal solución generalmente funciona de la siguiente manera:

Enriquezca estos datos conectándolos con otros conjuntos de datos significativos y relevantes
Visualización con la ayuda de la ciencia de datos o herramientas de equipo de datos que permiten al personal entender y hacer uso de los datos
Despliegue de procesos mejorados

Estas actividades en la práctica pueden dar lugar a conjuntos de datos más amplios y más consolidados que pueden Apoyar análisis más profundos y una mejor toma de decisiones . Además, otros beneficios generales se pueden sentir a lo largo de la cadena de suministro y los procesos de cumplimiento del pedido debido a una mejor comprensión de los componentes individuales que crean las partes más esenciales de cualquier organización rentable.

Algunas de las mejores prácticas para garantizar el éxito de cualquier IoT o soluciones analíticas similares incluyen:

Desarrollar un marco de IoT eficaz que sea colaborativo y permita el uso de los recursos adecuados cuando sea necesario
Considere trabajar en un entorno de nube para que las partes interesadas de todas las ubicaciones puedan sacar el máximo provecho de los datos
Centrarse inicialmente en conectar a las personas, y luego empezar a conectar las cosas
Adaptar las tareas de los grupos funcionales y cómo se comunican entre sí para que reflejen los cambios causados por IoT; utilizar esta información para encontrar el equilibrio adecuado entre los recursos externos e internos

Recuerde que el mantenimiento predictivo consiste en monitorizar los equipos y actuar sólo cuando sea necesario. Los programas tecnológicos diseñados para la industria se están perfeccionando cuando, precisamente, se requiere acción.

Estos sistemas disponibles automatizarán gran parte del análisis de mantenimiento. Su sistema informático no será capaz de cambiar las piezas, pero será capaz de alertar a los técnicos de un problema pendiente. Los programas no crearán horarios de mantenimiento, sino un comportamiento proactivo cuando un componente se enfrenta al final de su ciclo de vida. Aún mejor, estos sistemas pueden solicitar mantenimiento mucho antes de que una máquina se enfrente a un fallo. Cuando una máquina comienza a disminuir en productividad o salida, el mantenimiento proactivo puede ocurrir.

Estas versiones modernas de un trabajo de solución tradicional automatizando gran parte del análisis de mantenimiento gestionado tradicionalmente por una persona . Esta persona, que previamente habría analizado múltiples insumos, procesos en curso y otros factores relevantes necesarios para construir un programa de mantenimiento efectivo, entonces puede enfocar sus energías en los resultados de cualquier cambio o ajuste que se haya hecho.

Al tener una solución de programación que se haga cargo de este análisis, el tiempo y los recursos necesarios para tener en cuenta todos los factores disminuye exponencialmente. Dado que esta programación se lleva a cabo sin intervención humana, es importante no olvidar el aspecto «persona» de cualquier programa en términos de conocimiento general en torno a una operación, como en el caso de un cliente que se considera de «alta prioridad» inesperadamente por los estándares de un ordenador.

Mediante la utilización de las herramientas de programación adecuadas para su organización, se pueden realizar los siguientes resultados:

Asignación de recursos y programación de actividades sobre la base de una gama más amplia de factores externos e internos
Optimización proactiva de los horarios de producción, basada en modelos aprendidos en el pasado
Capacidad de aplicar contramedidas mucho antes cuando sea posible, aumentando los cambios para equilibrar cualquier cuestión que pueda surgir
Detección de cuellos de botella en departamentos y prácticas separados que puedan estar afectando otros procesos aparentemente no relacionados

Algunas de las mejores prácticas para ayudar a los fabricantes a lograr una implementación exitosa de cualquier herramienta de programación incluyen:

Los ajustes de algoritmos para que estén programados para tomar decisiones adecuadas rápidamente, en lugar de decisiones perfectas lentamente – lo que puede requerir un mayor uso de aproximaciones
Proporcionar horarios de producción ideales que los gerentes pueden elegir en función de la prioridad
Determinar la producción ideal y la velocidad de flujo de trabajo para lograr el equilibrio adecuado de calidad y cantidad

Trabajar con herramientas de mantenimiento predictivo

Para los fabricantes y otras organizaciones industriales, encontrar la mejor manera de minimizar los residuos y la ineficiencia puede tener un impacto importante en la línea de fondo de su negocio. Al trabajar juntos correctamente, estas herramientas actúan de manera complementaria, permitiendo el éxito de uno para ayudar en el éxito de otro. Sin embargo, cualquier decisión tomada con respecto al mantenimiento predictivo debe incluir insumos de empleados y otras partes relevantes a lo largo de la empresa para asegurar que las funcionalidades requeridas son las que se obtienen.

# 3 Intel IoT solución

La solución Intel IoT proporciona análisis de datos en tiempo real en el borde de la red, ayuda a los fabricantes a comprender cuándo se necesita mantenimiento para minimizar el tiempo de inactividad y los costos. 4 Sus sensores IoT industriales en la línea de montaje rastrean indicadores clave de fallas del equipo como vibración y temperatura.

#7 General Electrics (GE)

#8 Falkonry

Falkonry Analyzer es un motor portátil autónomo que descubre y reconoce las condiciones de un flujo de datos en vivo para permitir flujos de datos de monitoreo de negocios en el borde. 12 La solución se puede implementar para monitorear múltiples activos o sistemas similares.

A lo largo de su carrera, Cem sirvió como consultor de tecnología, comprador de tecnología y empresario de tecnología. Él asesoró a las empresas en sus decisiones tecnológicas en McKinsey & Company y Altman Solon durante más de una década. También publicó un Informe McKinsey sobre digitalización.

Dirigió la estrategia tecnológica y la adquisición de un telco mientras informaba al CEO. También ha liderado el crecimiento comercial de la compañía de tecnología profunda Hypatos que alcanzó un ingreso anual recurrente de 7 dígitos y una valoración de 9 dígitos de 0 dentro de 2 años. El trabajo de Cem en Hypatos fue cubierto por las principales publicaciones tecnológicas como TechCrunch como Business Insider .

Cem habla regularmente en conferencias internacionales de tecnología. Se graduó en la Universidad de Bogazici como ingeniero de computación y tiene un MBA de Columbia Business School.

Comentario *

1 Observaciones

El mantenimiento predictivo es siempre un tema interesante para leer y discutir y hoy tenemos análisis de datos avanzados para analizar cuándo, dónde y cómo se romperán las cosas. Dicho esto, los innovadores están elaborando un sistema de mantenimiento electrónico muy bueno que integra técnicas avanzadas para el diagnóstico. herramientas de seguimiento del tiempo de inactividad de la máquina como Thrive están proporcionando datos e informes en tiempo real, que finalmente está ayudando en la toma de decisiones.

Respuesta

Al marcar esta casilla, confirma que ha leído y aceptado nuestros términos y condiciones.