Mantenimiento Predictivo en las fábricas inteligentes

Máquinas comunicándose con máquinas. El nuevo paradigma de la producción que facilitará la eficiencia de los procesos para conseguir el máximo rendimiento de los activos de la compañía.

La Primera Revolución Industrial supuso un cambio en el proceso productivo sin precedentes que modificó definitivamente la industria textil y de locomoción.El descubrimiento de la electricidad y la aparición de combustibles como el gas y el petróleo volvieron a revolucionar la industria que había sido reinventada apenas un siglo antes. Había surgido “La Segunda Revolución Industrial”.

La revolución que se avecina, en la cual ya estamos inmersos, supondrá una optimización como nunca se había visto y que afectará a todos los niveles del proceso productivo. Desde sistemas de monitorización inteligentes y remotos hasta comunicaciones orquestadas entre diferentes máquinas para operar de forma adecuada ajustándose a las diferentes condiciones del entorno de manera autónoma. Extender la vida útil de los equipos industriales y entender los motivos que ocasionan determinados comportamientos de la maquinaria, son aspectos clave de esta revolución que redundará en nuevas generaciones de máquinas más robustas y fiables.

Mantenimiento de lo cotidiano

Es importante que una bombilla en el baño de casa luzca cuando se necesita, pero no es esencial que sea siempre la misma bombilla. Si se estropea, se sustituye por una nueva que ejerza la misma función que la anterior. Esta política se conoce como Mantenimiento Correctivo.

Cuando el reemplazo de un equipo es costoso, como por ejemplo un coche, no esperamos a que se averíe, realizamos revisiones periódicas en las que podemos identificar los consumibles que deben ser reemplazados y detectar elementos degradados que necesitan una reparación y/o sustitución. Esta política se conoce como Mantenimiento Preventivo.

La fábrica inteligente

Máquinas comunicándose con máquinas. El nuevo paradigma de la producción que facilitará la eficiencia de los procesos para conseguir el máximo rendimiento de los activos de la compañía. El conjunto de máquinas involucradas en el proceso podrá adaptarse a las condiciones de operación de forma autónoma.

La fábrica inteligente está compuesta por diferentes sistemas de producción pivotando sobre la comunicación entre los mismos y la integración de modelos de Inteligencia Artificial para una mejor toma de decisiones.

Mantenimiento de la fábrica inteligente

La eficiencia es el motor del auge de las fábricas inteligentes. Los activos de estas fábricas requieren un mantenimiento que garantice la disponibilidad máxima y rendimiento óptimo. Este contexto empuja a la industria a buscar nuevas formas de gestionar el mantenimiento de sus activos que permitan anticiparse de manera efectiva a las posibles paradas por desgaste o deterioro, así como prolongar al máximo el tiempo entre mantenimientos planificados. Nace lo que se conoce como Mantenimiento Predictivo. Las 3 grandes posibilidades que ofrece una política de Mantenimiento Predictivo son:

• “Detección de anomalías”: Detectar operaciones fuera de lo normal analizando la información proporcionada por los sensores.
• “Monitorización de la condición”: Determinar las causas que están originando la anomalía.
• “Vida Útil Restante (RUL)”: Predecir cuanto tiempo de operación le queda a un activo antes de que se produzca una avería.

Retos en la adopción del Mantenimiento Predictivo

Cualificación de los equipos de desarrollo

Abordar desarrollos que permitan desplegar soluciones de Mantenimiento Predictivo requiere tener conocimientos relacionados con la analítica de datos. Las empresas que fabrican maquinaria tienen personal cualificado para el diseño mecánico y de sistemas de control, pero no tanto en las disciplinas requeridas por el Mantenimiento Predictivo.

El uso de herramientas para ingenieros permite una colaboración estrecha entre los equipos de diseño electromecánicos y de control con los equipos de análisis de datos. Con el uso de herramientas de diseño adecuadas, el equipo de diseño de máquinas podría afrontar el desarrollo de algoritmos de mantenimiento predictivo con garantías.

MATLAB ofrece un entorno integrado de desarrollo y colaboración entre los diferentes equipos de trabajo que permite desarrollar una solución completa de Mantenimiento Predictivo, desde la idea inicial hasta la puesta en producción. Para ello, la Predictive Maintenance Toolbox™ ofrece un conjunto de herramientas y funciones orientadas a facilitar el desarrollo de una solución de Mantenimiento Predictivo.

Ausencia de datos de operación

Durante la fase de diseño, los ingenieros no disponen datos de las máquinas que están diseñando. Es uno de los grandes retos a los que se enfrenta la industria y que, en muchas ocasiones, suponen un obstáculo en la adopción del Mantenimiento Predictivo.

Los diseños de maquinaria industrial finalizan con una fase de integración de los subsistemas que los componen: mecánico, eléctrico, control, … La metodología de integración virtual conocida como “Virtual Commissioning” ha sido bien recibida por la industria ya que reduce el impacto económico de esta fase del desarrollo. Es entonces cuando nos encontramos en la antesala de lo que se conoce como Gemelo Digital.

Podemos modificar condiciones de contorno, emular fallos y averías, someter a diferentes ensayos al Gemelo Digital y obtener todos los datos necesarios que nos permitirán abordar el desarrollo de algoritmos de Mantenimiento Predictivo que, por ausencia de datos, era algo imposible de abordar durante la fase de diseño.

Despliegue de los algoritmos de Mantenimiento Predictivo

El desarrollo de algoritmos de Mantenimiento Predictivo podemos verlo como un conjunto de acciones que se ejecutan secuencialmente: “Primero se limpian los datos”; “Segundo se sacan indicadores de los datos”; “Tercero se utilizan modelos matemáticos para hacer predicciones” … pero, ¿dónde se van a ejecutar estas acciones? Es necesario disponer de las herramientas adecuadas para poder desplegar esta secuencia de acciones sin dificultad, ajustándose a las necesidades que pueden variar a lo largo del desarrollo. Es posible que el éxito de un proyecto de Mantenimiento Predictivo pase precisamente por esta capacidad de adaptar la solución desarrollada al entorno de producción con el menor esfuerzo posible.

Producción predictiva

Cuando hablamos de mantenimiento solemos pensar en un mantenimiento a largo plazo que garantice la máxima disponibilidad del activo. Una variante de este concepto es el mantenimiento de la producción. ¿Cómo garantizamos que los activos que están operando generan productos de calidad?

Una ráfaga de viento por una puerta abierta que afecta a la calidad de una soldadura, un manguito que se ha estrangulado afecta a la presión de una guillotina que provoca un mal corte, un cilindro rotativo que sufre una pequeña vibración debido a un desequilibrio de cargas porque el plástico bobinado tiene una descompensación de grosor… Nada de lo anterior refleja máquinas en mal estado que necesiten un mantenimiento, son anomalías en la producción. No se puede diseñar una máquina para que se adapte a cualquier situación que se pueda dar en el entorno. 

Inexorablemente, incurriremos en producciones anómalas que deben ser detectadas de manera temprana para evitar una producción deficiente que genere desperdicios, horas hombre y máquina tiradas a la basura y, muy probablemente, una mala percepción por parte del cliente en caso de que el producto llegue a sus manos.

El diseño de algoritmos de Mantenimiento Predictivo puede ser extrapolado a la monitorización del proceso productivo. La industria encuentra múltiples beneficios en esta metodología, pero la adopción de esta suele encontrarse con dificultades y obstáculos en gran parte relacionados con las capacidades técnicas de los equipos de desarrollo. Una vez más, el uso de herramientas diseñadas para ingenieros abre la puerta a la implementación de sistemas de producción predictiva ya seas el fabricante de la máquina o el operador de esta. Quizá aquí, encontremos un claro ejemplo de la necesidad de tomar las riendas y desarrollar soluciones a medida de tu proceso ¿crees que la monitorización de la fabricación de periódicos es similar a la monitorización de producción de energía en plantas eólicas?

José Barriga,

Application Engineer MathWorks

págs. 66 a 67.