La propuesta de anticiparnos al fallo que nos ofrece el mantenimiento predictivo y todos sus beneficios son posibles si contamos con un mecanismo perfectamente coordinado con las herramientas, tecnologías y soluciones adecuadas para cada escenario. Aquí tienes las que no te pueden faltar.
Reducción de paradas no planificadas, mayores ingresos y menos costes, optimización de activos y muchas más ventajas te esperan junto al mantenimiento predictivo. Por todo ello, desde Datision queremos que tengas presentes las principales herramientas que necesitas para desplegar tu solución de mantenimiento predictivo ideal.
¿Qué tipos de herramientas necesitas para conseguir un mantenimiento predictivo?
Simplificando mucho, podemos decir que el mantenimiento predictivo se basa en recopilar mediciones de ciertos parámetros físicos y analizarlas mediante inteligencia artificial para establecer la probabilidad de que un equipo o pieza sufra una avería en un futuro cercano.
Estas variables son de muchos tipos, incluyendo las implicadas con:
- Vibraciones.
- Temperatura de las piezas.
- Medición de aceites lubricantes.
- Análisis de humos.
- Ultrasonidos.
- Descargas parciales.
- Etc.
Para obtener las mejores conclusiones, es conveniente hacer uso de un conjunto de herramientas y sistemas, como los que se describen a continuación.
Dispositivos IoT (Internet de las Cosas) o IIoT (Internet Industrial de las Cosas)
Estos actúan a modo de sensores capaces de realizar la medida de las variables que queramos monitorizar para después enviarlas al sistema de almacenamiento y análisis mediante tecnologías de conectividad, como pueden ser WiFi o 5G.
Estos sensores son de muchos tipos, en función de los parámetros a medir; estarán perfectamente preparados para condiciones ambientales severas, como es habitual en muchas fábricas; y se colocarán en posiciones clave dentro de la línea de producción.
Los dispositivos IoT o IIoT, llamados a menudo así cuando están en entornos industriales, gozan ya de gran aceptación en las empresas, de manera que es muy probable que se puedan aprovechar aquellos que ya están instalados a la hora de desplegar una solución de mantenimiento predictivo.
De hecho, si atendemos al informe de Microsoft “Señales de IoT”, un tercio de las empresas consultadas afirma que emplean esta tecnología para mejorar sus productos y servicios.
Este reporte también señala que el 50% de las empresas que manifestó emplear IoT declaró haber obtenido mayores ingresos. Además, se recoge que, principalmente, lo aplican en manufactura para:
- Control de calidad y cumplimiento normativo.
- Automatización industrial.
- Monitorización del flujo productivo.
- Planificación y programación de la producción.
- Cadena de suministro y logística.
Como observamos, todos ellos están muy relacionados con el mantenimiento predictivo y un correcto cuidado de los equipos. Una relación que se aprecia cuando se afirma que el mantenimiento predictivo es la principal razón para la integración de IoT con la inteligencia artificial. Una integración exitosa, con un 79% de las empresas afirmando que la IA es un componente principal o secundario de sus recursos de IoT.
Cámaras de visión artificial o visión por computador
Estas cámaras actúan como sensores, salvo que en lugar de aportar datos en forma de cifras o valores cualitativos, lo hacen a través de imágenes que captan durante los procesos. Unas imágenes que serán procesadas por los correspondientes algoritmos de inteligencia artificial, de los que hablaremos más adelante.
Aquí os mostramos un esquema de funcionamiento de una posible solución de visión artificial:
Las cámaras a emplear dependerá de las particularidades de cada proceso, yendo estas desde cámaras RGB normales y corrientes, hasta de infrarrojos, de ultrasonido o espectrales, si queremos detectar algo que no sea visible por el ojo humano.
Además de para mantenimiento predictivo, la visión artificial también ha demostrado ser muy valiosa de cara a mejorar operaciones de control de calidad, medición de piezas, clasificación de productos, etc.
Algoritmos de análisis predictivo
Una vez que ya tenemos recopilados por sensores IoT y/o cámaras los datos que nos interesan y estos están debidamente almacenados en una base de datos, hay que trabajar con ellos.
Para ello, entran en juego los distintos algoritmos de inteligencia artificial que tienen el fin de identificar patrones y tendencias y anticiparnos al futuro. Por ejemplo, reconociendo la probabilidad de fallo de un equipo.
El desarrollo, aprendizaje y perfeccionamiento de estos algoritmos de deep learning y machine learning requiere un tiempo para dar los resultados deseados. Afortunadamente, las empresas tienen la opción de agilizar el proceso optando por la implementación de un framework adecuado.
Un claro ejemplo de esto lo tenemos en Datision, que contamos con un framework conformado por 3 componentes clave:
- Modeller: genera el modelo de datos y funcionamiento a partir de las relaciones entre las diferentes variables. Reconoce nuevas relaciones causa-efecto que serían imposibles de detectar mediante otros métodos menos avanzados.
- Predictor: tomando como base este modelo y los datos recopilados, ofrece una predicción bastante acertada de los resultados, fundamental para disfrutar del mantenimiento predictivo.
- Decision Maker: da un paso más allá, habilitando el conocido como mantenimiento prescriptivo, que consiste en la generación de nuevo conocimiento que sirve para proponer las mejores acciones en función del escenario actual. Por tanto, no son acciones predefinidas.
Dashboard adaptado
Por muy buenos y valiosos resultados que nos dé la inteligencia artificial, no podremos aprovecharlos al máximo si estos no son representados de una manera adecuada. Entendiendo por adecuada aquella que permita visualizar con sencillez y rápidamente las conclusiones que ha extraído.
Aquí es importante que estas sean fácilmente interpretables por el operario, que no tiene porqué ser un experto en ciencia de datos. Las representaciones gráficas, las alertas y otros recursos favorecen mucho la experiencia de usuario en estos casos.
Además, debemos considerar la posibilidad de que los equipos que se estudian estén en diferentes localizaciones. Una muestra muy ilustrativa la tenemos en las soluciones de mantenimiento predictivo para street machines, como parquímetros o máquinas de vending o cash handling.
En estos casos, es muy útil poder visualizar los equipos en un mapa o clasificarlos en función de parámetros como la localidad o la empresa distribuidora. De esta forma, es más sencillo trazar rutas para los técnicos.
Son muchas las herramientas a las que puedes recurrir para fijar un sistema de mantenimiento predictivo eficaz para tu negocio. Aquí te hemos dejado 4 con las que deberás contar sí o sí.
¿Tienes pensado incorporarlas en un futuro o ya has comenzado? Sea como sea, te tendemos nuestra mano para ayudarte a sacarles el máximo partido. ¿Tienes curiosidad por saber cómo? Contacta con nosotros sin ningún compromiso.
