Por: David Medina Mayorga, responsable de Analítica e Inteligencia Artificial México y Estados Unidos en Minsait, una compañía de Indra
El mantenimiento es una actividad clave dentro de cualquier proceso industrial. En cualquiera de sus diversos niveles (correctivo, proactivo, preventivo o predictivo); la estructuración y planeación de esta actividad puede generar ahorros considerables a una empresa si se ejecuta de manera adecuada.
La evolución del mantenimiento hacia lo predictivo permite a las empresas generar mayores beneficios y toma ágil de mejores decisiones en cuanto el cuidado, protección y desempeño de su infraestructura.
Con los preventivos, es posible asegurar el máximo de vida útil de los equipos a partir de una inspección y ejecución de tareas de mantenimiento mediante paros técnicos programados. Sin duda es bueno para un plan “ordenado” de operación, pero esto no necesariamente implica que los activos de la compañía lo requieran en ese momento, causando una sobre o subestimación de la frecuencia y magnitud de las actividades necesarias. Esto puede resultar en una planificación ineficiente y una asignación inadecuada de recursos y personal.
Por su parte, el mantenimiento predictivo se presenta como la etapa máxima a alcanzar frente al mantenimiento, a partir de la información histórica de fallas y mantenimientos, monitoreo en tiempo real de los activos y variedad del desempeño de un equipo en su entorno operativo. Dichos datos son utilizados para realizar diversos análisis que permitan determinar y adelantarse a posibles fallas o desgaste de los componentes y de sus partes, a través de la generación de un plan de confiabilidad de manera autónoma.
Si bien el mantenimiento predictivo comenzó con la inspección visual, para luego evolucionar tecnológicamente a la supervisión con instrumentos, actualmente la digitalización de los procesos de mantenimiento a partir de las nuevas Tecnologías de la Información y Comunicaciones trae consigo herramientas de analítica e IA que están materializando los conceptos más avanzados en el mantenimiento frente a lo prescriptivo.
Mantenimiento en la era 4.0
Una etapa de maduración posterior es el monitoreo de condición en tiempo real y, actualmente, estamos en una etapa basada en tecnologías de Industria 4.0 que identifican la necesidad de emplear una inspección continua y conectividad con software y algoritmos de analítica avanzada.
Lo predictivo requiere mejor calidad de datos, mejor tecnología que los capture, y en mayor número, además de personal capacitado en nuevas tecnologías y herramientas matemáticas para intervenir en los procesos de análisis.
La tecnificación de esta disciplina industrial comenzó con los sistemas de mantenimiento tipo CMMS (Sistemas de Administración de Mantenimiento Computarizado), que aparecieron en los años 80, que aunque en su origen fueron sistemas aislados, comenzaron a recolectar datos relacionados con las características de la maquinaria y de equipamiento de las plantas de producción, así como sus rutinas de trabajo, tiempo de vida útil, programas de mantenimiento, historial de reparaciones y el costo total de propiedad a partir de la información anterior.
Un gran avance, ya durante la década de los 90 fue su incorporación a sistemas gerenciales ERP, que permitió añadir la información de mantenimiento a los programas de producción y medir su impacto en los estados financieros de manera directa, con mayor transparencia y oportunidad de la información. Con la evolución del Internet Industrial de las cosas (IIoT) y la comunicación en mayor número de dispositivo a dispositivo, el potencial de la analítica avanzada crece al nutrirse con datos más reales y relevantes.
Algunos expertos identifican dos tipos de fuentes de información, la interna y la externa. La interna tiene que ver con el crecimiento exponencial de sensores y sistemas de recolección de datos dentro de los dispositivos o máquinas, que permiten entender las condiciones reales de desempeño de cada componente en los procesos de producción, lo cual no solamente incluye a una línea en particular, sino a toda la infraestructura de la planta, incluyendo, por ejemplo, los sistemas de ventilación, electricidad, distribución de agua o hasta las flotillas de distribución.
En el caso de los datos externos, se destaca aquellos como el ambiente, ya sea temperatura, humedad o la velocidad del viento; también se pueden considerar aspectos como el perfil de los operadores o las especificaciones de los materiales procesados en el momento de una falla.
Mantenimiento inteligente
Entonces, los patrones del registro de lecturas en cámaras térmicas o infrarrojas, utilizadas, por ejemplo, a la salida de las celdas de soldadura en líneas de ensamble, se decodifican y revisan con sistemas de analítica avanzada.
Los sistemas de gestión de archivos (EAM, por sus siglas en inglés), son una evolución de los CMMS, y están diseñados para estructurar los datos externos y e internos a partir de modelos relacionales y de analítica avanzada. Tal es el caso del sistema APM (Asset Performance Management) desarrollado por Minsait, firma especializada en soluciones de tecnologías de la información.
Estos sistemas dan seguimiento a la salud de los dispositivos y de las máquinas e incluyen algoritmos que se incorporan en modelos de mantenimiento predictivo, anticipándose en muchas ocasiones a fallas imprevistas.
Es la antesala a la Inteligencia Artificial en el Mantenimiento que se mueve hacia un modelo de Smart Asset Management (Gestión Inteligente de los Activos), un ambiente de convergencia de tecnologías digitales y de componentes físicos que se están aterrizando en modelos dinámicos con visibilidad en tiempo real.
De esta manera, la administración de la planta se convierte en una actividad “en vivo”, donde los sistemas pueden prever las mejore condiciones para realizar preventivos, independientemente de lo decretado en los manuales. Por ejemplo, una herramienta de corte diseñada para un número determinado de operaciones, pero cuyas condiciones de estrés provocadas por un material determinado aceleren su desgaste, o una bomba expuesta a alteraciones en el suministro de energía; son situaciones que pueden ser detectadas de inmediato si existe comunicación entre los dispositivos y algoritmos que procesen en el momento dichas desviaciones.
El diagnóstico es una de las herramientas más poderosas de las soluciones de Industria 4.0 y lo es de la misma manera para el mantenimiento que, al sumar analítica avanzada, es posible predecir eventos y determinar con mucha anticipación, cambios en las rutinas de operación de los equipos, antes de que el impacto sea económicamente cuantioso.
Recibe las noticias más
importantes de la industria en tu email
