Poder predecir la aparición de problemas, es el sueño de cualquier responsable de fabricación. Un sueño que se ha convertido en realidad gracias a tecnologías digitalizadoras que han dado forma al conocido como mantenimiento predictivo. Te traemos todo lo que necesitas saber sobre éste a continuación.

A todos nos resulta un fastidio cuando se nos estropea en casa cualquier aparato. Esto hará, por ejemplo, que no podamos cocinar nuestro plato favorito, ese que nos apetecía tanto, o que la lavadora deje de funcionar, no tengamos ropa limpia y se nos acumulen las coladas. Si a nivel personal esto es un incordio, imaginaros a escala profesional e industrial.

Un fallo de maquinaria trae pésimas consecuencias para los objetivos de producción y, por tanto, supone un esfuerzo añadido para los directores de operaciones y otros responsables. Aunque estemos en un entorno altamente tecnológico, aquí también es aplicable el clásico refrán que nos dice que prevenir es mejor que curar.

Con esta premisa surge el mantenimiento predictivo. Veamos en qué consiste, qué beneficios trae con él, su situación actual en la industria española y las herramientas que permiten su aplicación.

¿Qué es el mantenimiento predictivo? 

El mantenimiento predictivo consiste en la aplicación de algoritmos propios de la inteligencia artificial, junto a otras tecnologías, para poder discernir qué máquinas tienen una mayor probabilidad de manifestar un fallo en un futuro más o menos cercano. De esta forma, evitamos las paradas en la línea o la aparición de defectología de diverso tipo.

Para conseguir su meta, estos algoritmos se nutren constantemente de datos en tiempo real recogidos por sensores instalados en las máquinas, como los propios de IIoT. Estos recopilan la información que los responsables estiman como fundamental para su objetivo, como pueden ser variables como temperatura, presión, nivel de vibraciones, sonidos, etc.

Estos datos, junto a otros como los históricos, son sometidos a un análisis avanzado, mediante el cual podemos conocer cuáles son los valores que se pueden considerar adecuados para cada una de estas variables en función del contexto, pudiendo así calcular los niveles de riesgo.

El sistema de inteligencia artificial, gracias al aprendizaje automático o Machine Learning, conoce la relación causa-efecto de los valores de las variables y predice los futuros fallos en función de los cambios que manifiesten las mismas.

Para qué sirve el mantenimiento predictivo

En las líneas de producción todo se mide al detalle, conformando así una maquinaria propia de un reloj suizo de los de alta precisión. Por tanto, una parada en la producción puede ser desastrosa para sus buenos resultados. Entre los motivos que pueden ocasionar estas paradas y sus consecuentes retrasos en la fabricación, están los fallos propios de la maquinaria implicada.

Una maquinaria defectuosa puede detener por completo el proceso o generar productos o piezas defectuosas que habrá que desechar y que traerán consigo un gasto extra para las cifras de negocio.

Como ninguno queremos que esto ocurra, lo más apropiado es establecer medidas de mantenimiento que vean venir estos fallos, pudiendo actuar antes de que den la cara y quitándonos preocupaciones.

Otros tipos de mantenimiento industrial

El mantenimiento en estado óptimo de la maquinaria industrial puede abordarse de diversas maneras, no solamente con mantenimiento predictivo, aunque unas son más efectivas que otras. Podemos distinguir otros 3 tipos de mantenimiento:

• Mantenimiento correctivo: se trata de una acción reactiva. Es decir, se actúa una vez que la máquina o el sistema esté fallando. Como podréis ver, no se trata de la estrategia más adecuada si queremos descartar los inconvenientes de los que hemos hablado con anterioridad.
• Mantenimiento preventivo: aquí si estamos actuando con antelación al fallo. Lo hacemos siguiendo un calendario de intervenciones periódicas preestablecidas. En este caso, aunque estamos evitando la aparición de defectos, es muy posible que invirtamos recursos innecesariamente en máquinas que no necesitan ninguna tarea de mantenimiento.
• Mantenimiento prescriptivo: empleando también técnicas de inteligencia artificial, no solamente es capaz de prever dónde y cuándo va a fallar la maquinaria, sino que afronta complejos cálculos que le permiten determinar cómo actuar y cuál es el momento óptimo para ello en función de diversas variables.

El mantenimiento predictivo en España

Para conocer el grado de implementación del mantenimiento predictivo en España, acudimos al estudio sobre el mismo realizado por Fujitsu, El Mantenimiento Predictivo en la Industria 4.0. Éste se realizó a partir de una serie de entrevistas realizadas a responsables de un conjunto representativo de industrias españolas. Del mismo podemos sacar conclusiones interesantes:

• Únicamente el 11% de las empresas realiza un control predictivo de todos los activos en tiempo real.
• El 27% lo hace exclusivamente de sus activos más relevantes.
• El 38% afirma que sus trabajadores consumen un 25% de su tiempo en este tipo de tareas.
• El 18% invierten hasta un 50% del tiempo.
• El 48% asegura que está comenzando a invertir en mantenimiento predictivo, el 27% hace tiempo que lo hace, el 18% no ha invertido, pero planea hacerlo a corto plazo y el 6% ni ha invertido ni piensa hacerlo en un futuro reciente.
• Respecto al papel de las nuevas tecnologías en el mantenimiento predictivo, el 35% están empezando a aplicarlas, el 28% planea hacerlo en breve y el 10% las aplica desde hace tiempo.
• Las tecnologías más aplicadas son la analítica de datos e IoT, así como sus combinaciones.
• El 51.7% sólo sensoriza algunos procesos, mientras que el 27.6% lo hace de la mayoría.
• El 36.4% tienen algunos datos tomados puntualmente, el 30.3% los tiene todos registrados y el 21.2% tiene datos suficientes para su análisis avanzado.

Herramientas para el mantenimiento predictivo

Las ventajas del mantenimiento predictivo son tales que el desarrollo de herramientas para su implementación es clara tendencia en el entorno industrial. Como ya hemos visto, estas herramientas hacen uso de tecnologías disruptivas como las propias de la inteligencia artificial (Machine Learning o Deep Learning, por ejemplo), así como de Internet Industrial de las Cosas (IIoT) o de técnicas de visión por computador, que usa cámaras especializadas para monitorizar por imagen maquinaria y productos.

Por nuestra parte, para ayudar a empresas del sector industrial a desarrollar el mantenimiento predictivo de sus máquinas y sistemas de fabricación, ponemos a su disposición Polaris gestión de la producción, que permite visualizar y analizar todas las variables implicadas mediante la sensorización de las zonas críticas, alertando en el caso de que se detecte alguna incidencia en tiempo real o de cara al futuro.

Polaris gestión de la producción trabaja sobre una arquitectura de 5 capas que le proporciona todo el potencial necesario para agilizar los procesos productivos, informando en tiempo real y siendo también capaz de predecir paradas o fallos en la producción. Con ello conseguiremos una gestión optimizada y elevar a altas cotas la competitividad de la empresa. Casi nada, ¿verdad?

¿Quieres conocer qué hacemos y el modo en que lo hacemos? Visita nuestros casos de éxito y pregúntanos todo lo que necesites saber.