Promocione sus productos o servicios con nosotros
Marzo de 2020 Página 1 de 3

Mantenimiento prescriptivo, el mantenimiento 4.0

Ing. Alain Castillo, especialista en sistemas de confiabilidad (CMRP).

En la era de la digitalización surge este nuevo modelo de mantenimiento basado en la integración de Tecnologías Operacionales y Tecnologías de la Información.

En materia de confiabilidad de activos siempre existe espacio para mejorar y, con el auge del Internet Industrial de las Cosas (IIoT) y la Industria 4.0, los modelos de mantenimiento basados únicamente en el diagnóstico de fallas quedaron atrás. En la actual era de la manufactura digital, implementar un sistema de mantenimiento prescriptivo ya es una realidad.

Podemos definir al mantenimiento prescriptivo (RxM) como una técnica que permite, no solo detectar una condición de falla con bastante tiempo de anticipación, sino que también prescribe o receta una solución para mitigar o corregir la anormalidad.

El mantenimiento prescriptivo va más allá de sugerir una solución a la condición anormal. Y para lograr ese nivel de precisión se requiere procesar una gran cantidad de datos, es aquí donde este modelo aprovecha las tecnologías emergentes de la Industria 4.0 y el IIoT.

Mantenimiento predictivo vs prescriptivo

La eficiencia de las herramientas para mantenimiento predictivo tradicional se sustentan en la dependencia en un analista para realizar el diagnóstico y la detección de anomalías. Los operadores pasan muchas horas observando los paneles de operación o HMI’s, analizando tendencias y reaccionando ante los eventos registrados en los paneles de alarmas.

Sin embargo, cuando una situación anormal se presenta, un operador puede verse súbitamente inundado por una gran cantidad de información, la cual tiene que analizar de manera rápida y efectiva para evitar paros no planeados y afectaciones en la producción. Y aunque en algunas herramientas también pueden crearse reglas simples para  la detección automática de fallas, estas generalmente están basadas en límites de alarma establecidos para ciertas variables determinadas.

En resumen lo que el operador hace en un modelo de mantenimiento predictivo es:

  • Observar las alarmas.
  • Identificar el escenario.
  • Comparar con experiencias previas.
  • Encontrar la solución apropiada.
  • Reaccionar de la mejor manera.

El escenario anteriormente descrito es el claro ejemplo de operaciones reactivas, las cuales tienen las siguientes implicaciones:

  • Fatiga del/los operador(es) por inundación de alarmas.
  • Interrupciones continuas a los procesos.
  • Alto número de paros no planeados.
  • Alto índice de incidentes y accidentes.
  • Costos de mantenimiento elevados
  • Niveles de calidad variables.

Por otro lado, un modelo de mantenimiento prescriptivo, como el descrito en el presente artículo, es una herramienta que permite retener el conocimiento del analista experto, esto mediante tres puntos clave:

  1. Creación de modelos basados en la experiencia adquirida.
  2. Creación de modelos basados en datos históricos y análisis previos.
  3. Actualización de modelos basado en nuevas experiencias adquiridas desde la puesta en operación del “Modelo de Mantenimiento Prescriptivo”.

Como ya se ha expuesto, documentado y promovido desde hace muchos años, la cultura de la confiabilidad en la industria tiene como consecuencia evolucionar hacia un ambiente de trabajo proactivo. Este modelo está basado en la implementación de programas de mantenimiento y monitoreo basados en RCM/AMEF (de la sigla en inglés para  mantenimiento centrado en fiabilidad, Reliability Centered Maintenance; y análisis de los modos y efectos de fallos), además del uso de diversas tecnologías de mantenimiento predictivo, investigación y documentación de los fallos mediante análisis de causa raíz (ACR), por mencionar algunos.

Sin embargo, a consecuencia de la digitalización y la generación de cada vez más datos  por parte de los sistemas, el rol de los operadores y mantenedores se ha orientado hacia el análisis de esta gran cantidad de data. El objetivo es convertirla en información que permita tomar acciones para prevenir los fallos, lo cual, si se realiza de manera manual se vuelve una tarea casi imposible por el hecho de la capacidad cognitiva del ser humano.

Otra limitante son los silos de información, es decir la existencia de múltiples sistemas o fuentes de información, que no siempre se encuentran conectados y que fueron diseñados especialmente para resolver una problemática específica de un área, departamento o especialidad, los cuales proveen de información a un grupo limitado de usuarios.

Ante esta situación existen soluciones como el Big Data Analysis, el Machine Learning y la inteligencia artificial (IA), entre otras, las cuales pueden implementarse en forma de un “Modelo de Mantenimiento Prescriptivo”, enfocado en solucionar problemáticas de confiabilidad y optimización de procesos.


Palabras relacionadas:
Mantenimiento de planta, mantenimiento industria, mantenimiento prescriptivo, mantenimiento 4.0, industria 4.0, modelo de mantenimiento tecnológico, implementación de tecnologías operacionales, implementación de la tecnología de la información, innovaaciones en la industria, industria manufacturera
x

Sección patrocinada por

Otras noticias de Mantenimiento de planta - Gestión de activos