Mantenimiento predictivo y preventivo: el enfoque proactivo para la gestión de activos 


Conozca las noticias y eventos nacionales
e internacionales de IDboxRT

abril 23, 2018

Predictive Maintenance

Los avances en la creación de redes, los algoritmos de procesamiento de la información y las tecnologías de almacenamiento de datos están permitiendo que las máquinas adquieran conjuntos de habilidades y capacidades complejas. Mientras tanto, el mundo debe preguntarse exactamente cómo se implementarán estas tecnologías y cómo impactarán en los mercados e industrias existentes. La industria de mantenimiento predictivo no es una excepción.

Todos los días, dependemos de muchos sistemas y máquinas. Usamos coches para viajar, un ascensor para subir y bajar y un avión para volar. La electricidad llega a través de turbinas y en una máquina de hospital nos mantiene vivos. Estos sistemas pueden fallar. Algunos fallos son sólo un inconveniente, mientras que otros pueden significar la vida o muerte.

Cuando hay mucho en juego, realizamos un mantenimiento regular en nuestros sistemas. Por ejemplo, los coches se reparan una vez cada pocos meses y las aeronaves reciben servicio todos los días. Sin embargo, estos enfoques resultan un desperdicio de recursos.

Hasta hace poco, en la industria de gestión de activos industriales cuando se rompía un equipo, se intentaba arreglar, cuando algo funcionaba mal, se remplazaba.

Pero ¿qué pasaría si pudieras rastrear el estado de tus activos a lo largo del tiempo, y luego usar esa información para identificar la frecuencia óptima de mantenimiento? ¿Y qué pasaría si pudieras predecir con exactitud cuándo se rompe un activo en particular para que pudieras repararlo o reemplazarlo de manera preventiva?

Ahora, es posible. Gracias a la ciencia de datos, el Internet de las cosas (IoT) y el aprendizaje automático, la administración de activos se está moviendo rápidamente hacia un modelo de mantenimiento y servicio predictivo.

No hay duda de que el mantenimiento predictivo es una estrategia superior en comparación con el mantenimiento preventivo común y especialmente el mantenimiento reactivo.

¿Cómo funcionan las nuevas tecnologías que controlan un mantenimiento predictivo?

Digamos que eres un operador de parques eólicos con 50 turbinas para monitorizar, puede ser difícil controlar cada una de ellas. Las turbinas están equipadas con cientos de sensores que miden cosas como velocidad de rotación y temperatura, esa información es relevante si puede usarse para tomar mejores decisiones.

Los sistemas de monitorización y de Inteligencia Operacional no solo agregarán los datos del sensor, sino que también lo analizarán utilizando algoritmos de aprendizaje automático. Estos datos dan el poder para ubicarse en una turbina específica y obtener información sobre a cuánto desgaste ha estado expuesta durante el último año y cuántas veces se rompió el mes pasado. A partir de ahí, puedes determinar una frecuencia de mantenimiento óptima y predecir cuándo es probable que ocurra un problema, ayudando a optimizar costos y evitar dolores de cabeza.

Ser proactivo en el sector industrial

La técnica del mantenimiento predictivo se utiliza para pronosticar los fallos de la maquinaria y reducir así costes de mantenimiento, mejorar la eficiencia y la disponibilidad.

La conexión de las máquinas industriales a internet ha permitido pasar de un mantenimiento reactivo o preventivo a un mantenimiento predictivo mucho más exhaustivo que nos ayuda a anteponernos a los problemas. El mantenimiento reactivo, el habitual hasta ahora, se basa en actuar sobre la máquina o pieza averiada en el momento en el que comienza a fallar. Pero esta manera de actuar produce un aumento de costes, una reducción de la productividad y, sobre todo, de la fiabilidad sobre la máquina, lo que lleva consigo un aumento de los costes laborales.

La clave está en la unión de IoT y Machine Learning. Ambas técnicas proporcionan diagnósticos en tiempo real y avisos acerca del reemplazo de componentes antes del final de su vida útil, lo que disminuye de forma extrema las situaciones “fuera de servicio” en el mundo la fabricación.

Utilizamos cookies propias y de terceros para analizar nuestros servicios y mejorar tu experiencia. Si continúa navegando, consideraremos que acepta su uso. Puede configurar el uso de cookies u obtener más información aquí.