El panorama actual industrial, tras la pandemia de Covid-19 desatada en este 2020, es un reto para gran parte del tejido industrial mundial. La pandemia está obligando a las organizaciones a reinventarse para ser más productivas. Y en plena era de transformación digital y la automatización, esta reinvención pasa por invertir en nuevas tecnologías y soluciones que permitan a las organizaciones ser más productivas a menor coste.
Uno de los factores que reducen la producción de una planta y su competitividad en el mercado son las averías de equipos críticos que obligan a parar la producción de una línea o sistema durante un periodo de tiempo elevado. Es por ello, que cada vez con más frecuencia, las organizaciones ven la necesidad de anticiparse y evitar estos paros no programados para poder ser más eficientes. Y la solución para ello es implantar una solución de mantenimiento predictivo avanzado.
En el post de hoy se explicará qué es el mantenimiento predictivo y sus tipologías.
¿Qué es el mantenimiento predictivo?
Si miramos en los libros, la definición de mantenimiento predictivo más acertada es: “El mantenimiento predictivo es una estrategia de mantenimiento que consiste en la aplicación de distintas técnicas para pronosticar el futuro fallo de un componente de una máquina, de tal forma que dicho componente pueda reemplazarse justo antes de que falle.
Para ello, el mantenimiento predictivo se basa en la medición, seguimiento y monitorización de parámetros y condiciones operativas de un equipo, sistema o instalación.
La aplicación de una estrategia de mantenimiento predictivo en una organización permitirá anticiparse a las averías futuras y funcionamientos anómalos de un equipo, sistema o instalación días, semanas o incluso meses antes de que la avería se produzca. Dicho hecho, permitirá al departamento de mantenimiento y a los ingenieros de la organización planificar junto al departamento de operaciones un paro planificado para realizar las acciones de mantenimiento oportunas para evitar dicha avería en el activo pertinente.
Tipologías de mantenimiento predictivo
Dentro del mantenimiento predictivo existen diferentes tipologías, cada una de ellas más sofisticada, estratégica y optimizada.
Las diferentes tipologías de mantenimiento predictivo son:
1 Mantenimiento preventivo predictivo
El mantenimiento preventivo predictivo es aquel llevado a cabo periódicamente mediante revisiones y/o inspecciones realizadas por el personal técnico. Es posible determinar si un equipo, sistema o instalación sufrirá una avería mediante la lectura de parámetros de funcionamiento (Tª, P, Q…) o mediante el análisis de diferentes variables estadísticas es posible determinar el desgaste de ciertos elementos de los activos, por lo que es posible sustituirlos antes de que produzcan una avería. Es el nivel más simple de mantenimiento predictivo.
En este nivel encontramos el mantenimiento predictivo tradicional, como pueden ser las termografías, los análisis de lubricantes y análisis de vibraciones entre otros.
2 Mantenimiento predictivo basado en la condición
El mantenimiento predictivo basado en la condición o CBM por sus siglas en inglés, es una estrategia de mantenimiento por sí misma. No obstante, dicha estrategia de mantenimiento permite realizar análisis predictivos en base a la condición actual o futura de un activo, indicándonos cuando debe realizarse un ajuste, una reparación o una sustitución para evitar de manera prematura una avería futura.
Esta estrategia de mantenimiento se basa en la monitorización continua y de forma prolongada en el tiempo de diferentes parámetros del funcionamiento de un equipo, sistema o instalación, de manera que sea posible detectar el funcionamiento anómalo o una futura avería en base a reglas de condición.
Para llevar a cabo un mantenimiento predictivo basado en la condición es muy importante determinar que parámetros debemos monitorizar para poder anticiparnos a averías futuras. Estos parámetros o conjunto de parámetros “chivatos” son los que conformarán las reglas de condición y sus lógicas.
Un ejemplo de mantenimiento predictivo basado en la condición podría ser el monitorizar el consumo de energía de una bomba en relación al caudal para detectar la degradación mecánica de la bomba. Esto permitiría disponer de una detección precoz de la degradación del equipo, pudiendo programar su revisión y reparación con tiempo.
Existen softwares especializados para poder implantar dicha estrategia de mantenimiento integrándose al sistema GMAO, de tal manera que cuando se cumple una de las lógicas en base a la regla establecida, genera automáticamente una solicitud de trabajo o una orden de trabajo en el mismo.
En MIM PPP disponemos de Insight, donde dispone de dicha funcionalidad a la par que muchas otras relacionadas con el mundo del mantenimiento y de operaciones.
3 Mantenimiento predictivo avanzado o 4.0
El mantenimiento predictivo avanzado o 4.0 es la más sofisticada de las diferentes tipologías aquí descritas debido a que las soluciones de software para tal fin disponen de tecnología de Machine Learning e Inteligencia Artificial.
El mantenimiento predictivo 4.0 se basa en la generación de modelos representativos del comportamiento óptimo de un equipo, sistema o instalación. Para ello, gracias al Machine Learning y a la IA, el modelo es generado y entrenado en base al reconocimiento de patrones operacionales extraídos de los datos históricos del activo en cuestión.
Una vez el modelo predictivo del activo ha sido generado, es necesaria la monitorización continua del comportamiento del activo en tiempo real. Se realiza una comparación en tiempo real entre el comportamiento real del equipo y el predicho por el modelo, de tal manera que cuando el real difiere del predicho se produce una alerta en el sistema.
Este tipo de tecnologías son muy precisas, detectando comportamientos anómalos y cambios en el comportamiento imperceptibles por el humano, permitiendo anticiparse a las averías mucho tiempo antes de que estas sucedan.
Si queréis saber más sobre cómo funciona esta tecnología o sobre nuestra solución para ello llamada PRiSM, no dudéis en contactar con nosotros.
