Mantenimiento predictivo en las máquinas inteligentes

Una de las cosas que buscamos con el mantenimiento predictivo es que las máquinas autónomamente sean capaces de decirnos cuándo les pasa algo para que tú intervengas; y no tanto porque esté previamente escrito en un manual de instrucciones que actúe como una especie de ‘santo grial’. Sobre este aspecto, y otros muchos, se habló en el tercer programa de Automatiza 4.0 Radio. Conducido por Javier García Calvo, consultor estratégico en Industria 4.0, en esta ocasión charlamos con José Barriga, Application Engineer en MathWorks. 

A continuación podéis leer un fragmento de esta conversación de cerca de 30 minutos que mantuvieron ambos expertos en la que una cosa quedó clara: por mucho que asuste, la realidad es que los sensores son capaces de percibir la información mucho más precisa que nuestros sentidos. Ahí es nada…

Javier García Calvo: Por ponernos un poco en contexto, ¿cómo ha ido evolucionando la industria en todos estos años?

José Barriga: Creo que todos conocemos en mayor o menor medida el fenómeno que supuso la Revolución Industrial de finales del siglo XVIII. Hoy en día, estamos inmersos en una nueva revolución que busca sacar el máximo rendimiento y eficiencia del proceso productivo.  Ahora lo que estamos buscando es la eficiencia de esas máquinas, cómo sacar el mayor rendimiento de ese proceso productivo.

“Ahora lo que estamos buscando es la eficiencia de esas máquinas, cómo sacar el mayor rendimiento de ese proceso productivo”

J.G.C.: Para que las personas que no están tan al día en este aspecto nos entiendan mejor, ¿nos puedes comentar cuáles serían algunos ejemplos cotidianos de qué sería eso de mantener la operatividad?

J.B.: Yo diría que la misma importancia que esas personas le darían a que fueran a coger el coche por la mañana y éste arranque; más o menos esa importancia, que tu máquina funcione y que lo haga con garantías. Y, si ya para ti es importante tener tu coche en funcionamiento, imagínate para una planta productiva que fabrica miles o cientos de miles de unidades al día. El impacto económico es de una magnitud diferente.

J.G.C.: Ahora que todos estamos escuchando el concepto de fábrica inteligente, ¿me podrías hablar un poco de él?

J.B.: El concepto de ‘fábrica inteligente’ está más enfocado a la capacidad de adaptación del proceso productivo, a las condiciones del entorno en las que se encuentra. Un claro ejemplo sería una cadena de producción que fuera capaz de ajustar automáticamente las piezas que fabrica en función del coste de la energía en cada momento del día. El propio proceso productivo podría reducir al máximo el consumo energético y mantener el número de unidades producidas sin necesidad de la intervención humana. Yo creo que la conexión entre máquinas y modelos de inteligencia artificial va a ser cada vez mayor, aunque ya está empezando. Para mí éste es el concepto de máquina inteligente.

J.G.C.: ¿Y cómo sería el mantenimiento ideal para que esa máquina no se pare? Puesto que si son tan listas, deberíamos intentar evitar esas paradas…

J.B.: Yo creo que si de repente hoy paro la máquina porque le toca en un libro hacer una serie de ajustes rompe un poco toda esa búsqueda de eficiencia. El mantenimiento de una fábrica inteligente debe ser también inteligente. Y dentro de él, lo que hoy en día está en boca de todo el mundo es el mantenimiento predictivo, no el preventivo. Estamos buscando que las máquinas autónomamente sean capaces de decir cuándo les pasa algo para que tú intervengas; no tanto que esté en un libro y se tenga que parar la máquina porque así lo dice un ‘santo grial’.

J.G.C.: ¿Cuáles serían, por ejemplo, las tres ventajas más importantes de tener una política de mantenimiento predictivo?

J.B.: Nuestros sentidos captan la información del entorno y nuestro cerebro la procesa. En el caso de una fábrica tiene sensores que emulan a nuestros sentidos, habría que dotar de algoritmos, de modelos matemáticos que emulen a este cerebro del que estamos hablando para detectar anomalías. Yo creo que ésta es una de las grandes ventajas que tiene. Quizás sea el primer escalón, que la fábrica sea en sí misma capaz de decirnos que no es capaz de seguir operando. Dándole una vuelta de tuerca más, dotarle de unos ciertos modelos más complejos que sean capaces de identificar que no sólo no está funcionando bien sino además identificar lo que le está pasando en concreto. En el siguiente escalón hay que aceptar que nuestros sentidos ya no son suficientes, por mucho que asuste, la realidad es que los sensores son capaces de percibir información mucho más precisa que nuestros sentidos. En definitiva, el gran anhelo del mantenimiento predictivo es saber cuándo va a fallar una máquina para poder prepararnos.

“El gran anhelo del mantenimiento predictivo es saber cuándo va a fallar una máquina para poder prepararnos”

J.G.C.: Otra duda que me viene a la cabeza es que el aplicar el mantenimiento predictivo de la planta también tiene una parte de adopción, que es tanto en lo físico como en lo personal…

J.B.: Estamos hablando de analizar datos y estamos presuponiendo que los tenemos. Muchas veces no es así, ¿cómo van a tenerlos si ni siquiera han fabricado las máquinas? Otro problema que puede pasar es que tú tienes tu algoritmo y ahora lo tienes que llevar a producción, o lo que es lo mismo, tú tienes un plano de un edificio, que representa el edificio y ahora lo tienes que construir, ¿qué problema te puedes encontrar? Pues en el que está ahora mismo inmersa la Sagrada Familia: que tengas un plano maravilloso, pero que construir todo eso ya sabemos la cantidad de esfuerzo que puede sobrellevar.

J.G.C.: ¿Y esto tendría algo que ver con esa palabra que se nombra tanto que es la de gemelos digitales?

J.B.: Puede llegar a tener, ¿qué es lo que puedes hacer con ellos? Se me ocurren dos cosas principalmente: tú tienes tu gemelo digital que representa a tu máquina, que los dos funcionan exactamente igual, solo que uno de forma real y otro de forma virtual y puedes monitorizar si hay alguna diferencia de comportamiento mientras la máquina está funcionando. Pero en la fase de diseño, el gemelo digital viene a solucionar uno de los grandes problemas que hay en la industria del que hablábamos antes, que es la ausencia de datos. Es decir, si tú haces una aproximación de gemelo digital con un modelado físico en el que tú incluso puedes ver dentro de ese modelo virtual cómo es la máquina y puedes interferir sobre ella, puedes introducir errores reales que se van a la máquina como, por ejemplo, un manguito que no da la presión suficiente, un rodamiento que no tiene la suficiente fricción… pueden generar esos datos que no tenías porque estabas desarrollando la máquina.

J.G.C.: ¿Y qué papel juega MathWorks ó MATLAB en aplicar estas estrategias de mantenimiento predictivo?

J.B.: Yo creo que a nadie en la industria que tenga maquinaria le resultan ajenas nuestras herramientas porque los ingenieros están acostumbrados a ellas. Tú puedes hacer que el mismo grupo de personas que están desarrollando tu máquina den una vuelta de tuerca más a las herramientas y puedan desarrollar modelos de mantenimiento predictivo….

El programa completo está disponible en el canal de YouTube de Automática e Instrumentación

Más información en:

https://es.mathworks.com/solutions/predictive-maintenance.html?s_eid=PSM_25308

Te ayudamos con tu proyecto:

https://es.mathworks.com/campaigns/offers/predictive-maintenance-package.html?s_eid=PSM_25309

José Barriga

jbarriga@mathworks.com