Banner Big Rep

#39 – IoT – MWC

El IdC y la IA al servicio del mantenimiento predictivo 

/ / /

Recientes avances en el campo de los sensores conectados al IdC, del análisis de datos y de la inteligencia artificial prometen predecir mejor las averías de los equipos.

 

El mantenimiento predictivo consiste en recopilar datos sobre el estado de las máquinas para que los ingenieros puedan predecir posibles cortes o averías antes de que se produzcan. Esto permite, por ejemplo, sustituir los componentes defectuosos antes de que causen daños.

El Fraunhofer Institute for Production Systems and Design Technology de Berlín trabaja en este concepto desde principios de los años noventa. Sin embargo, los investigadores del instituto se estaban enfrentado hasta ahora a obstáculos técnicos, explica Claudio Geisert, director adjunto de la línea de producción y maquinaria.

Era muy difícil acceder a los datos e implementar la comunicación máquina a máquina y desarrollar al mismo tiempo algoritmos predictivos.

Hoy en día, gracias al impulso de la microelectrónica de consumo, los sensores conectados al IdC son más baratos, pequeños y fáciles de conseguir. Al mismo tiempo, muchos softwares de aprendizaje automático disponibles en lenguajes de programación modernos como Python hacen que el desarrollo de algoritmos predictivos sea más fácil y rápido.

La principal ventaja es que aumenta el factor de disponibilidad de los sistemas de producción y podemos evitar paradas imprevistas.

Eckhard Hohwieler, responsable de la línea de producción y maquinaria del Institut Fraunhofer, explica que el uso de mantenimiento predictivo facilita la planificación y coordinación del mantenimiento de los sistemas de producción. Pero los datos dimanantes del IdC también pueden ayudar a los fabricantes a optimizar el diseño de los productos.

Cuando los fabricantes de equipos proporcionan información sobre el uso de las máquinas, estos datos y su análisis pueden tener un impacto en el propio diseño producto y facilitar pistas para la mejora de su robustez y funcionalidad.

El despegue del mantenimiento predictivo

Gracias a los recientes avances tecnológicos, el mantenimiento predictivo está ahora en una posición privilegiada. El fabricante de ascensores ThyssenKrupp ha desarrollado MAX, una solución de aprendizaje automático basada en el IdC que actualmente se utiliza en 110.000 ascensores de todo el mundo. Los datos relativos a la cabina (incluidos los movimientos de las puertas), la puesta en tensión, el número de recorridos, las llamadas de piso y los códigos de error se recogen gracias a sensores conectados en todos los rincones del planeta. Se transmiten a un software de análisis en la nube que utiliza algoritmos únicos desarrollados por ThyssenKrupp para identificar conjuntos de elementos que podrían generar fallos. Según dice la empresa, el técnico recibe diagnósticos precisos y predictivos en tiempo real que le permiten conocer los lugares en los que es necesaria una intervención. También indica que este método aumenta significativamente la disponibilidad de los ascensores al reducir el tiempo de inactividad a través de los diagnósticos en tiempo real.

MAX detecta los problemas de mantenimiento antes de que ocurran, ayuda a los técnicos a realizar diagnósticos y sugiere qué componentes necesitan ser sustituidos antes de que tenga lugar la intervención.

Hyun-Shin Cho, responsable de Operaciones Digitales de ThyssenKrupp Elevator, explica que el número de ascensores que utilizan este sistema representa el 10 % de los ascensores en servicio de cuyo mantenimiento se encarga la empresa. La empresa ha integrado dispositivos conectados al IdC tanto en los sistemas antiguos como en las unidades nuevas. También ha desarrollado su propio sistema de aprendizaje automático en la nube para analizar los datos.

No obstante, para aprovechar al máximo esta inversión, no basta con recopilar datos. Cho explica que las organizaciones deberían analizar estos datos e integrar las conclusiones de su análisis en su proceso operativo:

El mantenimiento predictivo es sólo una parte de nuestro negocio. Una de las principales ventajas de nuestro sistema es la asistencia. Cuando un ascensor que utiliza nuestro sistema se avería, la señal se muestra en tiempo real. Analizamos esta información y los técnicos ya disponen de ella cuando llegan al lugar. Antes, sin este sistema, tenían proceder al diagnóstico ellos mismos. Nuestra tecnología basada en la nube permite hoy que los ingenieros conozcan el diagnóstico antes de intervenir.

La inteligencia artificial al servicio del mantenimiento predictivo

A pesar de los progresos realizados en el campo del mantenimiento predictivo, aún quedan retos por superar. Los modelos predictivos pueden necesitar de grandes cantidades de datos antes de poder hacer previsiones exactas sobre los equipos. El tiempo también puede ser un factor importante para analizar los datos recopilados en tiempo real y establecer a continuación niveles normales de rendimiento. Antes de que el mantenimiento predictivo se convierta en una herramienta viable, serán necesarios meses de análisis de datos e invertir en perfiles de ingenieros de magadata.

DataRPM Corporation utiliza la inteligencia artificial para hacer frente a estos desafíos. La empresa de tecnología cognitiva tiene clientes en las industrias del petróleo y el gas, del automóvil y de los semiconductores. Afirma que su plataforma, desarrollada utilizando herramientas especializadas de Big Data como Hadoop y Apache Spark, ayuda a automatizar las etapas necesarias para el análisis de datos a través del aprendizaje automático para determinar qué modelos de datos funcionarán mejor. Este enfoque basado en el metaaprendizaje mejora la calidad y precisión de las previsiones en un 300 % y, en comparación con otros modelos de datos, sólo requiere el 3 % del tiempo y de los recursos equivalentes para desplegarse y llegar a ser completamente funcional.

Ruban Phukan, cofundador y director de Producto de DataRPM, explica:

Usamos el metaaprendizaje para automatizar ciertas tareas de la «data science», o ciencia de datos, que requieren que los especialistas aprendan del bagaje de la experiencia. A continuación, transferimos este conocimiento para que pueda aplicarse en áreas con condicionantes análogos.

El mantenimiento predictivo ha avanzado mucho desde los años noventa. Cuanto más terreno gane el IdC y la inteligencia artificial, más fácil será predecir al menos una cosa: de una forma u otra, cada vez más empresas tendrán que recurrir a estas tecnologías.

 

Traducido del inglés por Sergio Mataix Molina


About the Author

Related Posts

The adoption of additive manufacturing technology has accelerated in recent years thanks to...

The NASA probe’s arrival at Jupiter on Monday will improve our understanding of not just the solar...

Could the thinnest, strongest, lightest and most conductive material ever created spark a new...

Banner ABB Turbocharging

Style Switcher

Highlight Color:

               

Backgrounds:

                    

You can also set your own colors or background from the Admin Panel.