El mantenimiento por condición se basa en la evaluación en tiempo real del estado de los activos críticos, utilizando técnicas tales como análisis tribológicos, termográficos y de vibraciones. El objetivo consiste en detectar anomalías de manera temprana y poder ejecutar acciones preventivas antes de que ocurran posibles averías.
En este sentido, se definen como activos críticos aquellos equipos, elementos de infraestructura o sistemas esenciales para la operación segura, eficiente y continua de una planta o proceso: su falla o interrupción tendrá un impacto significativo en la producción, la seguridad, el medio ambiente y las finanzas.
Como ejemplo, consideremos el caso de uno de nuestros proyectos, ejecutado en una planta que funciona las 24 horas del día. El mantenimiento tradicional, basado en revisiones periódicas y acciones preventivas, se había utilizado durante décadas para conservar la planta en funcionamiento. Sin embargo, esta estrategia presentaba importantes limitaciones: algunos equipos críticos se encontraban en lugares poco accesibles y operaban bajo condiciones extremas, por lo cual las revisiones periódicas no podían efectuarse con la frecuencia y calidad requerida.
Ante esta situación, los responsables decidieron implementar un sistema de monitoreo continuo, incluyendo sensores de temperatura y vibración. Luego de un par de semanas de recolección de datos, el análisis de los mismos reveló un patrón inusual en un caso específico: la intensidad de las vibraciones de uno de los motores aumentaba gradualmente, indicando un desgaste acelerado en uno de sus componentes internos.
Gracias a este proyecto fue posible programar una parada estratégica para ejecutar las acciones correctivas necesarias. Resultado: la avería se evitó y la producción continuó sin interrupciones, lo cual se tradujo de manera positiva en términos de costos operativos y productividad.
Como vemos en este ejemplo, una de las principales ventajas del mantenimiento por condición es que permite la reducción del número de revisiones manuales y la planificación de las acciones justo cuando son requeridas: ni muy temprano, ni muy tarde.
El mantenimiento por condición se originó en la década de 1960, como alternativa a la planificación de intervenciones en periodos regulares. Con el avance de la tecnología, se ha vuelto cada vez más sofisticado y accesible. Los sensores y la tecnología de IoT (Internet de las cosas) permiten el análisis en tiempo real y el procesamiento de datos en la nube, sin necesidad de invertir en costosos equipos de computación.
Plataformas como Amazon Web Services (AWS), de la cual Ingedaca es aliado estratégico, ofrecen ahora un ecosistema completo de servicios que facilitan el procesamiento de datos y la implementación de algoritmos de aprendizaje automático, de manera flexible, escalable, rentable, segura y confiable. Note que el desarrollo de estos algoritmos ha experimentado un crecimiento exponencial en los últimos años, impulsado por la investigación constante y la disponibilidad de grandes volúmenes de datos y librerías.
Aunque las condiciones pueden variar, el procedimiento general para implementar una estrategia de mantenimiento por condición, basada en algoritmos de aprendizaje automático, incluye los siguientes pasos:
Definición de objetivos:
- Identificar los equipos críticos para la operación y la seguridad de la planta.
- Establecer los objetivos de la estrategia, tales como la reducción del tiempo de inactividad, la prevención de averías o la disminución de costos de mantenimiento.
Recopilación de datos:
- Identificar las variables relevantes para la detección/predicción de fallas, tales como vibraciones, temperatura, presión, consumo de energía, etc.
- Recopilar datos históricos de las variables relevantes durante un período de tiempo suficientemente largo para incluir todas las etapas o eventos normales de operación, los cuales no deben ser clasificados como posibles anomalías.
- Asegurar la calidad de los datos, eliminando valores inconsistentes o erróneos.
Entrenamiento del modelo:
- Elegir un algoritmo adecuado para el tipo de datos disponibles, la infraestructura de computación disponible y los objetivos del mantenimiento predictivo.
- Dividir los datos en conjuntos de entrenamiento y prueba.
- Entrenar el modelo de aprendizaje automático con el conjunto de entrenamiento.
- Validar el modelo con el conjunto de prueba y ajustar los parámetros si es necesario.
Implementación del modelo:
- Alimentar el modelo con nuevos datos recolectados en tiempo real .
- Establecer alertas que se activen cuando el modelo detecte una posible anomalía.
- Definir un protocolo de actuación para el personal de mantenimiento cuando se active una alerta.
- Evaluar el desempeño del modelo y realizar ajustes si es necesario.
El mantenimiento por condición, impulsado por el desarrollo tecnológico, se ha consolidado como una herramienta importante en el ámbito del mantenimiento industrial. Al reducir el número de intervenciones a ejecutar, se libera el tiempo del personal para que pueda enfocarse en tareas más urgentes o estratégicas. Su capacidad para optimizar las operaciones, reducir costos y aumentar la productividad, lo convierten en la opción a considerar ya que los métodos tradicionales resultan más costosos y/o menos confiables.
Siéntete libre de contactarnos si deseas profundizar en el tema, nuestros datos están en la sección de contactos y agendamos una breve conversación.