Entramos en el concepto de mantenimiento predictivo, en cómo influye en la cadena de producción industrial y qué herramientas tecnológicas lo cimentan. Además echaremos un vistazo a su implantación en la industria española y hablaremos de algunos casos de aplicación.
Establecer técnicas de mantenimiento predictivo ha pasado ser una actividad casi imprescindible en cualquier industria que pretenda crecer y perfeccionar los resultados de su trabajo diario. Con ellas mejoraremos los ritmos de producción, además de contribuir a crear un espacio de trabajo más seguro para los operarios.
Pese a su relevancia, muchas veces su definición y características básicas no quedan del todo claro. Unas dudas que intentaremos despejar en este artículo.
Situación actual del mantenimiento predictivo
Para tener una perspectiva de la situación del mantenimiento predictivo en la Industria 4.0 en España, acudimos al estudio sobre el mismo realizado por Fujitsu en base a una encuesta realizada a responsables del sector a nivel nacional.
De él se desprenden datos como:
- El 11% de las empresas realiza un control predictivo de todos los activos en tiempo real.
- El 27% lo hace exclusivamente de sus activos más relevantes.
- El 38% afirma que sus trabajadores consumen un 25% de su tiempo en este tipo de tareas.
- El 18% invierten hasta un 50% del tiempo.
Si nos fijamos en la inversión:
- El 48% asegura que está comenzando a invertir en mantenimiento predictivo.
- El 27% hace tiempo que lo hace.
- El 18% no ha invertido, pero planea hacerlo a corto plazo.
- El 6% ni ha invertido ni piensa hacerlo en un futuro reciente.
Respecto al papel de las nuevas tecnologías en el mantenimiento predictivo:
- El 35% están empezando a aplicarlas.
- El 28% planea hacerlo en breve.
- El 10% las aplica desde hace tiempo.
En lo referente a las motivaciones que llevan a las industrias a realizar tareas de mantenimiento predictivo, las más resaltables son:
- Incrementar la productividad.
- Reducir los costes.
- Mejorar la planificación de líneas y la gestión de stock.
¿Qué es el mantenimiento predictivo?
Las técnicas de mantenimiento predictivo y sus tecnologías asociadas tienen como fin conocer con antelación cuándo va a presentarse un error o avería en la maquinaria de la fábrica. De esta forma evitamos un funcionamiento defectuoso o la interrupción del proceso que ejecuta.
Evitar estos errores es esencial para impedir que surjan retrasos que terminarán afectando a toda la cadena productiva y que, finalmente, repercutirán en mayores costes para la empresa y para sus clientes.
Como veremos más adelante, para su desarrollo, el mantenimiento predictivo hace uso de grandes y variadas cantidades de datos que se recopilan y procesan en tiempo real gracias a dispositivos como sensores y a tecnologías que permiten su tratamiento automatizado.
¿Cómo funciona el mantenimiento predictivo?
Acabamos de comentar que para implantar un sistema de mantenimiento será necesario recurrir a tecnologías de las que seguramente ya hayáis oído hablar, como son la Inteligencia Artificial, Internet de las Cosas (IoT), Big Data, Machine Learning o Deep Learning.
Comenzaremos hablando del Internet de las Cosas, que responde a las siglas IoT (Internet of Things). Con él básicamente establecemos una red de sensores ubicados en lugares y dispositivos clave que recogen y envían continuamente datos al sistema de control de la producción. Estos datos pueden ser de diferente naturaleza según los objetivos de mantenimiento marcados, pudiendo ir desde temperatura, hasta presión, vibraciones o consumo de energía, entre otros.
Como es natural, antes de desplegar una red de sensores tendremos que consultar con expertos técnicos cuáles son las principales variables a seguir, así como los valores de los parámetros que marcan un funcionamiento normal, de forma que podamos apreciar anomalías que indican un futuro defecto.
Continuamos haciendo referencia a la Inteligencia Artificial, que permite interpretar y darle sentido a toda la información que provee la arquitectura IoT. Gracias a los algoritmos con los que trabaja, la Inteligencia Artificial será capaz de prever y localizar futuros fallos de producción en función de la detección de ciertos patrones de comportamiento.
Para alcanzar sus metas en lo que a mantenimiento predictivo se refiere, la Inteligencia Artificial se sustenta sobre otras tecnologías de analítica avanzada de datos, como son:
- Machine Learning: consiste en el aprendizaje automático en función de los datos históricos de los que dispone el sistema. Cuanta más información procese, más precisos y fiables serán los resultados.
- Deep Learning o aprendizaje profundo: es una evolución de Machine Learning, mediante el cual los algoritmos de éste tratan de imitar el comportamiento de las redes de neuronas del cerebro humano.
- Big Data: permite el análisis estadístico de ingentes cantidades de información. Aunque no es una tecnología propia de la Inteligencia Artificial, como es caso de Machine Learning y Deep Learning, también puede integrarse en este tipo de sistemas.
Algunos ejemplos de mantenimiento predictivo
A lo largo de nuestra trayectoria, hemos implementado servicios de mantenimiento predictivo a diferentes empresas con resultados exitosos.
En uno de estos casos conseguimos mediante la colocación de sensores y analítica avanzada de datos la reducción de las paradas de producción y del número de piezas defectuosas, mientras la productividad se ha visto claramente beneficiada con un mayor tiempo de actividad por parte todos los agentes.
También podemos mencionar nuestra intervención en el mantenimiento de aparatos para restauración, como podrían ser máquinas de café. Con ello mejoramos los tiempos de vida de las máquinas, así como reducimos el número de reparaciones a las que tuvieron que someterse, desembocando además todo ello en una mejor satisfacción de los restauradores.
Estas son sólo dos pequeñas muestras de todo lo que podemos hacer desde Datision para ayudar a tu empresa a funcionar de manera más eficiente gracias al mantenimiento predictivo. Si crees que también podemos hacer algo por tu negocio, no tienes más que contactar con nosotros. ¡Hablemos!
