fbpx
Tabla de Contenido

Noticias Relacionadas

La ingente cantidad de datos que se pueden recopilar hoy en día, las capacidades de almacenamiento y procesamiento de datos que brindan las plataformas Big Data, y las posibilidades que ofrecen las técnicas de analítica avanzada, están contribuyendo a que el futuro del mantenimiento de activos sea más preventivo que correctivo. 

La incorporación de modelos de Machine Learning en el Mantenimiento Predictivo ayuda a garantizar la disponibilidad y eficiencia requerida de los equipos e instalaciones, asegurando la duración de su vida útil y minimizando los costos de mantenimiento, en el marco de la seguridad y el medio ambiente. Es por eso que el mantenimiento predictivo llegó para quedarse.

¿Qué es el mantenimiento predictivo?

El mantenimiento predictivo es la aplicación de técnicas analíticas avanzadas para predecir la falla futura de un componente de la máquina, de modo que el componente pueda reemplazarse justo antes de que falle. De esta forma, se minimiza el tiempo de inactividad del equipo, se maximiza la vida útil de los componentes y se compran los componentes cuando se necesitan, eliminando las existencias que se vuelven obsoletas. 

Su objetivo: ayudar a las empresas y organismos públicos a garantizar la fiabilidad de los activos aumentando su disponibilidad, tiempo de actividad y mejorando su seguridad.

Es un paso más allá del Mantenimiento Descriptivo, que solo muestra el estado actual de los componentes y las máquinas.

Cómo funciona y un paso más allá

Los datos son el motor del mantenimiento predictivo, por lo que, en primer lugar, necesita datos. Hoy en día, tecnologías como los dispositivos IoT y M2M permiten colocar sensores en los equipos que envían una alerta cuando las piezas se salen de ciertos rangos preestablecidos. Por ejemplo, al detectar aumentos de temperatura por encima de los 100 grados.

Estos datos deben recopilarse y estructurarse utilizando tecnología capaz de recopilar, analizar y procesar grandes cantidades de datos. Debido a la cantidad de medidas que realizan los sensores, suelen ser tecnologías Big Data.

Una vez que se ha recopilado una cantidad suficiente de datos, entra en juego el análisis. Este tipo de mantenimiento utiliza técnicas de análisis predictivo para buscar patrones, tendencias o modelos en datos pasados que puedan predecir la probabilidad de eventos futuros. En función del tipo de objetivo empresarial se aplicará un tipo de técnica u otra. 

En el campo del mantenimiento predictivo se identifican cuatro grandes grupos de modelos: clasificación, regresión, segmentación y análisis de supervivencia. Los datos de salida de estos modelos son predicciones.

Una vez que tenemos las predicciones, es necesario saber cómo usar eficientemente los recursos que tenemos de una manera que minimice el riesgo de reparaciones inesperadas, maximice la vida útil de las máquinas y minimice el impacto de la revisión y reparación de la máquina. 

En este punto, la aplicación de técnicas de analítica prescriptiva ayuda a decidir cuándo realizar cada intervención utilizando las herramientas y el personal disponible sin comprometer la producción.

Las ventajas de implementar el Mantenimiento Predictivo

Las capacidades de Machine Learning aplicadas a equipos, para el análisis de información sobre el estado y funcionamiento de los activos, permite la anticipación de posibles fallas que ayudan a reducir las intervenciones correctivas y sus costos asociados. Además de optimizar al máximo el uso de equipos y repuestos.

Las ventajas de implementar el Mantenimiento Predictivo son:

◉   Reducción de fallas
◉   Reducción del número de intervenciones
◉   Prolongación de la vida útil de los activos
◉   Incremento de la disponibilidad de activos
◉   Reducción del tiempo promedio de reparación
◉   Tiempo de inactividad reducido
◉   Optimización de la gestión del personal de mantenimiento
◉   Opción de seguir la evolución de un defecto a lo largo del tiempo
◉   Conocimiento exacto del límite de tiempo para la intervención de un activo.
◉   Reducción de accidentes y aumento de la seguridad
◉   Verificación de reparaciones y confiabilidad general

Beneficios que generan importantes ahorros de costos y aumentan los márgenes de ganancias:

◉   Costos de mantenimiento reducidos
◉   Costos laborales reducidos
◉   Reducción de costos de inventario
◉   Reducción de costos de accidentes
◉   Costos de seguros industriales reducidos

La implementación del Mantenimiento Predictivo

Para implementar un sistema de Mantenimiento Predictivo, lo primero que necesitamos son datos. Estos datos se pueden recopilar manualmente o mediante sistemas Big Data para la captura, el procesamiento y el almacenamiento de datos. Los sistemas de información modernos relacionados con la Industria 4.0 facilitan la provisión de datos que pueden ser procesados analíticamente para aumentar la confiabilidad y la vida promedio, reduciendo los costos de mantenimiento.

Hay dos etapas de implementación. 

  • La primera etapa es de análisis y diseño, que consta de puntos como: la recopilación de datos, la evaluación del estado de los equipos, la búsqueda de posibles acciones para reparar o reacondicionar la maquinaria y el diseño de rutinas de inspección. 
  • La segunda etapa se ocupa de la asignación de recursos por parte de la empresa a la unidad de mantenimiento y la ejecución de técnicas predictivas.

Entre las técnicas más relevantes se encuentran el análisis de lubricantes, vibraciones, motores eléctricos de inducción y máquinas alternativas, termografía, detección ultrasónica o descargas parciales en máquinas eléctricas.

Según un estudio de IBM Analytics , las ventajas del Mantenimiento Predictivo son mucho mayores que las de los métodos de mantenimiento tradicionales. Y reportan un retorno de la inversión 10 veces mayor.

De hecho, según el mismo estudio, utilizar el Mantenimiento Predictivo reduce los costos de mantenimiento un 20-25% más que con otro tipo de mantenimiento. También reduce las averías en un 70-75 % y el tiempo de inactividad en un 35-45 %.

Leave a Reply

Your email address will not be published. Required fields are marked *

Productos Relacionados