¿Dónde se utiliza el mantenimiento predictivo?

Las máquinas juegan un papel enorme en nuestras vidas, incluyendo las máquinas que usamos todos los días, pero sin mantenimiento, cada máquina eventualmente se romperá. Las empresas siguen varios programas de mantenimiento para aumentar la fiabilidad operativa y reducir los costos.

Estrategia y métodos de mantenimiento

El mantenimiento es el conjunto de operaciones necesarias para preservar la funcionalidad y eficiencia de un activo y puede tener lugar en respuesta a un fallo o como una acción planeada previamente.

Según una investigación realizada por Deloitte, una estrategia de mantenimiento no optimizada puede reducir la capacidad de producción de una planta industrial entre un 5 y un 20%. Estudios recientes también muestran que el tiempo de inactividad cuesta a los fabricantes industriales unos 45 mil millones de euros al año.

No todas las actividades de mantenimiento son las mismas. Tradicionalmente hay dos tipos de mantenimiento, correctivo (o reactivo) y preventivo.

El mantenimiento correctivo es el proceso de reparación o restauración del equipo, sistema o máquina a su estado original o de trabajo.

En el caso de: mantenimiento correctivo , se utiliza un objeto hasta que se produce un fallo. Este tipo de enfoque es reactivo ya que es una consecuencia de un evento. El mantenimiento correctivo permite la máxima explotación del equipo, pero al mismo tiempo implica falta de fiabilidad, ya que no se conoce el tiempo exacto de fallo y esto podría causar problemas de seguridad. Es evidente que los fracasos o problemas imprevistos causan daños tanto temporales como económicos considerables. El mantenimiento correctivo es a menudo más costoso y lleva más tiempo que el mantenimiento preventivo, pero es necesario para corregir los problemas que ya se han producido, en realidad se considera el tipo más caro de mantenimiento.

Ocasionalmente, el mantenimiento correctivo también se puede considerar una tarea de mantenimiento preventivo programada que se realiza para corregir un problema existente con una máquina, sistema o componente. Se distingue del mantenimiento preventivo en el sentido de que la tarea de mantenimiento correctivo no está prevista de antemano, sino que surge debido a algún fallo o problema detectado en el sistema.

El mantenimiento preventivo es el proceso de mantenimiento de equipos o un sistema para prevenir fallos.

Mantenimiento preventivo es la práctica de mantener sistemáticamente los equipos, sistemas o máquinas de manera que se eviten o eliminen los fallos, o al menos se reduzca su aparición. El objetivo del mantenimiento preventivo es aumentar la fiabilidad de un sistema, reduciendo al mismo tiempo el costo y el tiempo de inactividad asociado a las fallas. El mantenimiento preventivo se realiza en un tiempo previo al fallo y es de naturaleza cíclica, ya que no se conoce el momento exacto en que se producirá el evento adverso. Este tipo de mantenimiento permite superar los límites de mantenimiento correctivo pero, al mismo tiempo, genera daños económicos debido a que se reciben componentes que aún podrían ser válidos y utilizables. El mantenimiento preventivo es más eficaz cuando se realiza justo antes del fracaso, pero esto sólo es posible si se sabe cuándo se producirá el fallo. Otros posibles problemas que podría implicar el mantenimiento preventivo están relacionados con el hecho de que, dependiendo del entorno en el que opera, cada máquina funciona de manera diferente y la frecuencia del mantenimiento necesario podría cambiar.

Además de estos dos métodos de mantenimiento, en los últimos años, con el advenimiento de tecnologías innovadoras cada vez más potentes y eficaces, otro tipo de mantenimiento ha hecho su camino, el llamado mantenimiento predictivo. Por lo tanto, leta € TM s explicar lo que el mantenimiento predictivo es con el fin de entender mejor.

El mantenimiento predictivo es un campo de la informática y la ingeniería que utiliza el análisis de datos para identificar y predecir fallos de equipo.

Mantenimiento predictivo es un elemento clave en el proceso de fabricación moderno. Se puede utilizar en industrias como la automoción, la aeroespacial, la energía y la fabricación. El mantenimiento predictivo puede ayudar a las empresas a ahorrar dinero al reducir el tiempo de inactividad y prevenir fallos en los equipos, ayuda a las empresas a mejorar su servicio al cliente al permitirles planificar los fallos en los equipos. Este tipo de mantenimiento, por otro lado, tiene como objetivo predecir futuros eventos adversos, con el fin de programar mejor el mantenimiento.

Considere el caso de la Internet industrial de las cosas (IIoT), que es una red de dispositivos y sensores que recopilan y comparten datos para permitir a las empresas predecir cuándo fallará el equipo, programar el mantenimiento preventivo y evitar tiempos de inactividad no planificados. Se trata de un mercado en constante crecimiento que se espera que su valor sea de 225.000 millones de dólares para 2025. No hay duda de que el mantenimiento predictivo es una aplicación esencial del IIoT.

Al predecir fallos antes de que ocurran, las empresas pueden evitar el costo y las molestias del tiempo de inactividad. El mantenimiento predictivo también ayuda a las empresas a optimizar sus recursos al programar el mantenimiento preventivo en momentos en que tendrá el menor impacto en la producción.

Tipos de mantenimiento - Fuente Splunk

Algoritmos para monitoreo y mantenimiento predictivo

Como hemos dicho, si usted puede predecir cuándo ocurrirá una avería de la máquina, usted puede programar el mantenimiento con antelación. La buena noticia es que el mantenimiento predictivo le permite estimar el tiempo hasta el fracaso. También señala los problemas en su maquinaria compleja y le ayuda a identificar qué partes necesitan ser reparadas. Al diagnosticar o predecir fallos, puede planificar el mantenimiento con antelación, administrar el inventario de manera más eficiente, reducir el tiempo de inactividad y aumentar la productividad.

Típicamente, un enfoque de aprendizaje automático se utiliza comúnmente para definir el estado actual de un sistema y para predecir su estado futuro. Utiliza datos para predecir cuándo se descompone una máquina antes de que realmente se descomponga. El desarrollo, la gestión y la gobernanza de los modelos de aprendizaje automático es esencial para el éxito de este tipo de mantenimiento.

La inteligencia artificial es capaz de procesar grandes cantidades de datos complejos en muy poco tiempo, por lo que muchas decisiones se delegan ahora a las máquinas. Se recogen y procesan datos extensos (en tiempo real) a lo largo de la cadena de valor, que pueden utilizarse para analizar la situación actual y redefinir la situación deseada. En este contexto, es importante que las empresas definan qué datos son pertinentes en relación con la tecnología utilizada. El siguiente paso es encontrar e integrar la herramienta de medición adecuada para capturar los valores, antes de definir un modelo o algoritmo adecuado para la recopilación y procesamiento de datos. En este contexto, también es importante entender que todas las etapas de la cadena de valor influyen entre sí, por lo que un enfoque aislado no es útil en la mayoría de los casos.

Desarrollar un modelo de aprendizaje automático de mantenimiento predictivo no es una tarea fácil. Requiere mucho tiempo, esfuerzo y recursos. Una posible estrategia de alto nivel podría dividirse en estas cinco fases:

Definir el problema â € "identificar la necesidad de mantenimiento predictivo y definir el problema específico a ser resuelto por el modelo de aprendizaje de máquina de mantenimiento predictivo.
Recopilar datos â € "recopilar datos relevantes de diferentes fuentes que pueden ayudar a resolver el problema.
Preparar datos â €” preparar todos los datos recogidos en un formato utilizable.
Analizar datos â € "analizar todos los datos preparados para identificar patrones y relaciones que pueden ser útiles en la predicción de eventos o sucesos futuros.

Este tipo de algoritmo podría ser un buen comienzo para avanzar hacia el desarrollo de una fábrica inteligente en la que cada máquina pueda ser interconectada con el sistema de información e intercambiada con las otras máquinas de la fábrica y donde la inteligencia artificial pueda ayudar, no sólo el mantenimiento, sino toda la producción para volverse predictiva.

Por lo tanto, una vez que hemos definido el problema específico a ser resuelto por el enfoque predictivo, necesitamos configurar la adquisición de datos y el almacenamiento, lo que se hace mediante la instalación de sensores en la maquinaria. El siguiente paso es configurar una función de optimización que se utilizará para entrenar y probar el modelo. Por último, necesita entrenar y probar su modelo predictivo de aprendizaje automático de mantenimiento utilizando muestras de su conjunto de datos.

Flujo de trabajo para el desarrollo de modelos ML

Para recopilar un gran conjunto de datos de sensores que representan operaciones sanas y defectuosas. También desea asegurarse de que recopila estos datos en diferentes condiciones de funcionamiento. Por ejemplo, la misma máquina puede funcionar en dos lugares diferentes, uno en el norte de Europa y otro en China. Las dos máquinas pueden funcionar en condiciones de funcionamiento diferentes, de modo que, a pesar de tener el mismo tipo de máquina, una puede fallar antes que la otra.

Tener todos los datos recopilados le dará la posibilidad de desarrollar un algoritmo robusto para detectar fallas de manera más eficaz. En algunos casos, es posible que no tenga suficientes datos para representar una máquina sana y defectuosa, por lo que lo que puede hacer es construir un modelo matemático de la máquina y estimar sus parámetros en función de los datos del sensor. Dado que el modelo representa una simulación del sistema del mundo real, para modelar la fiabilidad de la máquina, es necesario simularla con diferentes estados de falla en diferentes condiciones de funcionamiento. Esto se puede hacer también mediante el uso de un generador de datos de fallo.