En los últimos años, la aplicación de la monitorización de estado y el mantenimiento predictivo ha crecido de forma significativa, debido a las crecientes exigencias en cuanto a la disponibilidad de las máquinas y la eficiencia general. Los avances tecnológicos como el big data, los algoritmos inteligentes, la nube y las tecnologías inalámbricas se abren paso en el mercado, potenciando las posibilidades de análisis automatizado y creando oportunidades para redefinir el proceso de monitorización y análisis.
La nube industrial
El mantenimiento basado en el estado (CBM), o mantenimiento predictivo, es fundamental para los sistemas basados en la nube. Estos sistemas ofrecen análisis e interpretación de datos basados en modelos y algoritmos definidos para maquinaria y procesos específicos. Las desviaciones detectadas por el sistema darán lugar a recomendaciones de mantenimiento. Dichos sistemas permiten a las empresas pasar del mantenimiento reactivo al proactivo. El mantenimiento puede llevarse a cabo antes de que se produzcan fallos reales.
Mantenimiento predictivo
Es importante comprender que el mantenimiento predictivo o CBM no dependen de sistemas basados en la nube. Muchas empresas que ofrecen estas soluciones comercializan el mantenimiento predictivo como un concepto nuevo. No es así; los sistemas existentes de monitorización del estado (vibraciones) llevan décadas en el mercado industrial. Las estrategias de mantenimiento predictivo se han podido aplicar desde que se utilizan sistemas de monitorización de condiciones (en línea). Los datos que proporcionan estos sistemas permiten supervisar el comportamiento de las vibraciones, establecer tendencias de vibración y pueden utilizarse para el mantenimiento predictivo. Además, los sistemas que admiten el análisis automatizado no tienen por qué estar basados en la nube.
¿Por qué utilizar el análisis automatizado?
Las empresas se enfrentan a una fuerte disminución del nivel de especialización. Esto se debe en gran medida a la jubilación de los expertos y a la escasez de jóvenes expertos o de personas con la formación pertinente. Esta falta de especialización puede resolverse mediante la implantación de un sistema que permita el análisis automatizado, en el que la experiencia se transfiera básicamente a un sistema. Este sistema utiliza modelos y algoritmos para analizar e interpretar los datos de vibraciones, lo que da lugar a determinadas recomendaciones de mantenimiento.
Al automatizar el análisis y la interpretación de las vibraciones en la maquinaria rotativa, se necesitan menos ingenieros locales para llevar a cabo este trabajo. Para las empresas que se enfrentan a una disminución del número de expertos competentes en vibraciones, el cambio a un sistema automatizado puede ser inevitable.
Conocimientos especializados a la carta
En nuestra opinión, la principal oportunidad que ofrecen estos avances es mejorar la eficiencia y la eficacia de la monitorización del estado. El uso del procesamiento automatizado de datos para proporcionar un análisis de primera línea, sin necesidad de contar con expertos locales, puede suponer un cambio revolucionario. Los sensores inalámbricos y los sistemas de monitorización conectados pueden reducir el impacto en las infraestructuras y las inversiones iniciales de los sistemas de monitorización. Los datos compartidos pueden mejorar los algoritmos de análisis automatizado y ofrecen oportunidades para la asistencia remota. Estas tecnologías aumentan la eficacia y el valor generales de los sistemas y estructuras de monitorización del estado, y transforman los modelos de servicio en modelos de «experiencia bajo demanda».
Consideraciones
A pesar de las oportunidades que ofrecen estas nuevas tecnologías, es necesario tener en cuenta los aspectos adecuados.
«A medida que el análisis y la toma de decisiones se transfieran a sistemas automatizados y a expertos remotos, los ingenieros locales se involucrarán menos con la maquinaria».
1. Validación de datos
Los datos introducidos son fundamentales para cualquier análisis automatizado o remoto, ya que estos se basan exclusivamente en la información proporcionada por dichos datos. Por lo tanto, los datos introducidos deben validarse, incluyendo:
- Selección del sensor adecuado para la aplicación
- Calibración de sensores
- Relación señal-ruido
Además, debe verificarse la precisión de los datos. Los datos presentados deben ser pertinentes y precisos para lograr una estructura de mantenimiento predictivo que funcione. Los datos de baja precisión no pueden utilizarse para la monitorización. A la luz de la precisión de los datos, resulta muy difícil gestionar influencias ambientales (excepcionales), como cambios en el entorno, condiciones de proceso excepcionales o errores humanos. Por ejemplo, la vibración causada por otra máquina (vibración cruzada) podría provocar que el sistema automatizado generara una falsa alarma.
2. Logística y mantenimiento
Para recopilar datos relevantes, deben garantizarse la medición y el flujo de datos. Debe contarse con un mantenimiento y una logística adecuados, que incluyan:
- Prevención de la conexión cruzada de sensores
- Prevención de la colocación o ubicación errónea de los sensores
- Intervalo de recopilación de datos relevante
- Disponibilidad de sensores de repuesto
- Gestión de la batería del sensor y estrategia de sustitución
- Conexiones de red estables, seguras y fiables
3. Experiencia local
A medida que el análisis y la toma de decisiones se transfieren a sistemas automatizados y a expertos remotos, los ingenieros locales se verán cada vez menos involucrados con la maquinaria. Como resultado, surge una creciente dependencia de expertos externos para el análisis y el soporte.
4. Seguridad y privacidad
Al conectar sensores y equipos de monitorización a Internet, la ciberseguridad se convierte en un riesgo y pasan a ser aplicables nuevas directrices relativas al almacenamiento y el tratamiento de datos, como la norma ISO 27001. Las vulnerabilidades y las normativas aumentan la complejidad de la implementación de un sistema conectado.
