evitar fallos con APO

Optimización del rendimiento de los activos: aumento del valor al extender la vida útil

Dicen que si no está roto, no lo arregle, pero cualquier persona con activos de alto valor, ya sea una flota de camiones con cangilones o plataformas de perforación, sabe que el mantenimiento preventivo es mucho más efectivo que realizar reparaciones de manera reactiva. Dar servicio a los equipos antes de que fallen reduce el costoso tiempo de inactividad y prolonga su vida útil, extendiendo así sus recursos lo más posible.

Este concepto ciertamente no es nuevo. Los controles de rutina de los equipos y el mantenimiento preventivo en general han sido responsabilidad de todos los departamentos de mantenimiento durante décadas. Pero esta es la parte buena.

Puede utilizar la inteligencia artificial y los sensores de Internet de las cosas (IoT) para ir más allá del mantenimiento preventivo e implementar el mantenimiento predictivo.

El mantenimiento preventivo evita fallas con inspecciones y servicios realizados a intervalos predeterminados. El mantenimiento predictivo utiliza grandes volúmenes de datos y análisis avanzados para anticipar la probabilidad de fallas según el historial y el estado actual de un equipo específico y recomienda el servicio antes de que suceda.

¿Qué te parece el sonido de eso? Es el sonido de la optimización del rendimiento de los activos. Esta figura traza la evolución de este concepto.

optimización del rendimiento de los activos
La evolución del mantenimiento a la optimización del rendimiento de los activos tras la llegada del análisis de datos, la tecnología de sensores y la IA.

Espiando sus máquinas

La optimización del rendimiento de activos (APO) recopila la salida digital de los equipos habilitados para IoT y los procesos asociados, analiza los datos, realiza un seguimiento del rendimiento y hace recomendaciones con respecto al mantenimiento. APO le permite pronosticar las necesidades futuras y realizar un mantenimiento predictivo antes de que se necesiten acciones inmediatas.

Aunque algunas máquinas funcionan continuamente con poca necesidad de mantenimiento, otras requieren mucho más cuidado y atención para funcionar al mejor nivel. Determinar qué equipo necesita un servicio más frecuente puede llevar mucho tiempo y ser tedioso. A menudo, las pautas de mantenimiento se basan en gran medida en conjeturas. Los plazos para los ajustes tienden a ser poco más que sugerencias, basadas en información como manuales de taller y una recomendación de los mecánicos principales en lugar de datos duros, como métricas del historial de rendimiento de cada equipo, incluido el tiempo de inactividad y los fracasos.

APO, por otro lado, analiza datos estructurados y no estructurados, como notas de campo, para agregar contexto a las lecturas del equipo y ofrecer recomendaciones más precisas. Mediante el uso de dispositivos IoT, los sistemas APO recopilan datos de sensores, sistemas EIM y fuentes externas. Luego, utiliza inteligencia artificial para adquirir, fusionar, administrar y analizar esta información, presentando los resultados mediante paneles en tiempo real que se pueden compartir y revisar rápidamente para obtener actualizaciones de un vistazo. A lo largo de la vida útil del equipo, mediante el uso y el mantenimiento regulares, el sistema continúa aprendiendo y mejorando sus conocimientos con el tiempo.

evitar fallos con APO
APO lo ayuda a decidir cómo evitar fallas previstas.

Arreglarlo antes de que se rompa

APO le permite adoptar un enfoque estratégico para el mantenimiento predictivo al centrarse en lo que marcará la mayor diferencia en su operación. El mal funcionamiento imprevisto de los equipos y el tiempo de inactividad provocan interrupciones que, en última instancia, pueden poner en peligro los plazos del proyecto, la satisfacción del cliente y los ingresos comerciales.

LEER  Comprensión de los riesgos tecnológicos en Internet

Estos son los beneficios de APO:

  • Operaciones más fluidas y predecibles: los problemas de los equipos se abordan de manera preventiva en lugar de después de que ocurre una interrupción, lo que lleva a una mayor eficiencia operativa general. La implementación de APO puede ayudar a las empresas a lograr una eliminación del 70 por ciento de las fallas imprevistas del equipo.
  • Tiempo de inactividad reducido: el mantenimiento preventivo generalmente reduce el tiempo de inactividad de la máquina entre un 30 y un 50 por ciento.
  • Aumento de la productividad: además de reducir el tiempo de inactividad, el mantenimiento predictivo le permite ser más estratégico en la programación del mantenimiento. Esto también puede descubrir cualquier tarea de mantenimiento de rutina que se pueda realizar a intervalos menos frecuentes.
  • Costos reducidos: APO puede reducir el tiempo requerido para planificar el mantenimiento entre un 20 y un 50 por ciento, aumentar el tiempo de actividad y la disponibilidad del equipo entre un 10 y un 20 por ciento y reducir los costos generales de mantenimiento entre un 5 y un 10 por ciento, según un estudio de Deloitte.
  • Mayor satisfacción del cliente: los activos que están próximos a fallar pueden sacrificar la calidad de la producción, provocar interrupciones del servicio y crear otras circunstancias que, en última instancia, afecten al cliente. Al evitar que ocurran estos problemas, APO ayuda a las empresas a lograr y mantener una mejor satisfacción del cliente.
  • Resultados de seguridad mejorados: el mal funcionamiento de los equipos puede provocar lesiones graves, pero a menudo las empresas no saben que un sistema está a punto de fallar hasta que es demasiado tarde. PwC informa que APO y el mantenimiento predictivo pueden mejorar la seguridad del mantenimiento hasta en un 14 por ciento.
  • Reducción del riesgo de litigios y sanciones: con menos averías e interrupciones del servicio, las organizaciones pueden minimizar el riesgo de costosas multas, demandas y el consiguiente daño a la reputación.
LEER  Cómo elegir una computadora

En última instancia, en cualquier industria con equipos de alto valor, o incluso una gran cantidad de activos de bajo costo, APO vale la pena. Dirige los esfuerzos de los técnicos a las máquinas que más necesitan atención, en lugar de realizar inspecciones o mantenimiento en los equipos que no la necesitan. Esto conduce a operaciones predecibles y fluidas, mejor tiempo de actividad, mayores oportunidades de ingresos y mayor satisfacción del cliente.

Aprendiendo del futuro

Las soluciones APO le permiten mejorar sus operaciones haciendo que sus máquinas sean más inteligentes y compartiendo esa inteligencia con su fuerza laboral, maximizando así el valor tanto de sus equipos humanos como de su equipo mecánico. A medida que avanza la era de la IA, las empresas que prosperen serán aquellas que encuentren las mejores formas de aprovechar los datos para mejorar el rendimiento operativo.

Recopilación de datos

APO recopila continuamente datos sobre el rendimiento mecánico de los sensores de IoT en prácticamente cualquier tipo de dispositivo o máquina, desde sensores de sistemas de frenos hidráulicos en un tren hasta monitores de temperatura dentro de refrigeradores industriales y médicos que contienen productos sensibles. El sistema recopila numerosos puntos de datos de los sensores, los mezcla con otras fuentes y analiza los resultados.

Por ejemplo, en el caso de un sistema de frenos hidráulicos, APO compara los datos actuales con los registros de rendimiento históricos, incluidos los informes de fallas, para brindar información de mantenimiento predictivo. Cuando se combinan más entradas de datos con estos datos de freno específicos, se pueden ofrecer recomendaciones aún más completas y precisas.

Se pueden combinar muestras de entrada adicionales de fuentes internas y de terceros para proporcionar contexto y una mayor comprensión; estos tipos de aportes pueden ser invaluables:

  • Datos del tiempo
  • Recomendaciones de mantenimiento de manuales
  • Datos de calidad del proveedor
  • Programas históricos de mantenimiento de frenos y tasas de falla
  • Análisis de viajes de pasajeros
  • Datos de uso intensos o inusuales

Con esta combinación integral de datos, puede implementar una solución APO para reconocer patrones y realizar un análisis en profundidad en múltiples aplicaciones, desde plantas de fabricación hasta servicios públicos e incluso atención médica. Los datos pueden incluir métricas como temperatura, movimiento, exposición a la luz y más recopilados de los sensores de IoT en flotas, plantas, tuberías, equipos de imágenes médicas, chorros, redes y cualquier otro dispositivo habilitado para Internet.

Análisis

La IA utiliza análisis de big data y procesamiento de lenguaje natural para derivar puntos de datos clave de datos estructurados, así como contenido no estructurado, como notas de campo y manuales de equipos.

LEER  Comprensión de los riesgos de la exposición de la información

Puede utilizar la IA para analizar esta información y los datos históricos relevantes para identificar patrones y generar preguntas que ayuden a los ingenieros, supervisores de mantenimiento, gerentes de producción y otro personal clave a tomar decisiones informadas y oportunas. Las soluciones APO utilizan estos patrones para sacar conclusiones predictivas que le ayudarán a responder preguntas en varias áreas, como estas:

  • Calendario: ¿Estoy realizando inspecciones a intervalos adecuados? ¿Reducir los intervalos mejoraría el tiempo de actividad general? ¿O podría permitirme alargar los intervalos para reducir el gasto en recursos?
  • Calidad: ¿Los componentes defectuosos podrían pasar por mis inspecciones y provocar tiempo de inactividad? Si es así, ¿cómo puedo mejorar el proceso de inspección para evitar que este problema avance?
  • Diseño: ¿Se puede modificar mi diseño para reducir futuras fallas?

Por ejemplo, una conclusión predictiva formada por los patrones observados en el caso del sistema de frenos del tren podría indicar la necesidad de intervalos de inspección más cortos. Aquí es donde los humanos entran y aprovechan todos estos valiosos hallazgos para mejorar su negocio.

Poner los conocimientos en práctica

Una vez que se identifican los patrones y se responden las preguntas relacionadas, se pueden implementar las conclusiones predictivas proporcionadas por las soluciones APO. Por ejemplo, los trabajadores de mantenimiento de trenes pueden programar inspecciones con más frecuencia para verificar si hay un componente clave en el sistema de frenos hidráulicos que ha mostrado una tendencia a fallar. O quizás la solución APO descubre que un componente defectuoso del tren necesita atención. Los ingenieros de campo pueden utilizar un modelo digital del tren para determinar una estrategia de reparación. Si la pieza no se puede reparar, la solución APO puede activar un pedido de piezas de repuesto a través de la red de la cadena de suministro, utilizando la automatización para agilizar el proceso de que el tren vuelva a funcionar.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *