Cómo la IA está logrando un 0% de tiempo de inactividad no planificado

El tiempo de inactividad no planificado es un problema de un millón de dólares. Las paradas inesperadas durante la producción o las operaciones pueden costar a las organizaciones una media de 2 millones de dólares (1,70 millones de euros) por vez, y el 82% de las empresas experimentan al menos una interrupción no planificada cada tres años (según investigación de Aberdeen ).

Cada interrupción presenta el riesgo de pérdida de horas de producción, productos dañados, costos de mano de obra adicionales y pedidos urgentes de piezas de repuesto. No es de extrañar que la factura pueda acumularse rápidamente, dice Jasper Hoogeweegen, director ejecutivo de Samotics .

Considere el daño a la confianza del cliente, así como el impacto en la salud y la seguridad de los sistemas que fallan y funcionan de manera ineficiente, y queda claro que el tiempo de inactividad no planificado se convierte en un problema mucho mayor que solo el costo.

Hasta hace poco, el enfoque para minimizar el tiempo de inactividad se ha centrado en gran medida en estrategias reactivas y preventivas que han sido ineficaces o ineficaces. Reaccionar repetidamente a problemas de mantenimiento después de que ocurran es insostenible a largo plazo. Mientras tanto, las estrategias preventivas que vigilan el reloj y tratan de prevenir fallas a menudo resultan en verificaciones innecesarias del equipo en buen estado, mientras que hasta el 85% de todos los equipos pueden fallar al azar, independientemente de la cantidad de mantenimiento preventivo que se haya aplicado.

Todo esto constituye una gran contradicción con el escenario ideal cuando se considera que el 72% de las organizaciones citan el logro de cero tiempos de inactividad no planificados como una alta prioridad. Reducir las conjeturas será clave para erradicar todos los fallos inesperados.

La descarga en tiempo de inactividad

Cientos de millones de activos componen el corazón palpitante de la economía industrial; motores eléctricos, bombas, ventiladores, mezcladores, rodillos, válvulas… la lista continúa. Las organizaciones de todo el mundo, que abarcan industrias tan diversas como la gestión del agua y la energía, hasta la química y el acero, están recurriendo cada vez más al monitoreo en tiempo real del estado de la máquina para eliminar el tiempo de inactividad no planificado siempre que sea posible.

Todas las fallas y fallas de la máquina tienen un origen. Los datos son la clave para detectar los signos de avería con mucha antelación y permitir que se reparen en un momento conveniente antes de que representen un desafío mayor. Esto requiere una gran cantidad de datos que deben adquirirse y procesarse durante todo el día. La era de IoT ha hecho posible la adquisición de estos datos, pero el volumen de análisis requerido para lo que pueden ser petabytes de datos se extiende mucho más allá de las capacidades humanas.

Aquí es donde entra la IA.

Corrección del enfoque de mantenimiento

El potencial de la IA para el seguimiento del estado de los activos se reconoció al principio de su evolución. Al ofrecer una alternativa bienvenida a las estrategias tradicionales reactivas y preventivas, la inteligencia artificial ofrece a las organizaciones conocimientos prácticos y un medio para no simplemente arreglar y prevenir, sino predecir cuándo pueden ocurrir desafíos y fallas.

A diferencia de los analistas humanos, la IA puede procesar grandes cantidades de datos de máquinas entrantes, casi en tiempo real y sin pausas. Con solo unas pocas semanas de datos, la IA puede crear una imagen real del estado de la máquina. A partir de este modelo de línea de base, es capaz de establecer y detectar los factores desencadenantes o "huellas digitales" de los patrones de comportamiento establecidos por fallas que indican un tipo específico de daño.

Este mismo modelo de referencia detecta desviaciones del comportamiento normal de la máquina que indican operaciones ineficientes. Dado que los motores eléctricos son a menudo los mayores consumidores de electricidad en las organizaciones industriales, abordar estas ineficiencias puede reducir los costos de manera significativa y minimizar el impacto ambiental.

Actuar en lugar de reaccionar:la nueva normalidad

Como ocurre con todas las tecnologías basadas en inteligencia artificial, solo se vuelven más inteligentes con el tiempo. Cuanto mayor sea la biblioteca de datos pasados, más podrá aprender el software y mejorará su precisión. La IA está ahora bien establecida como una herramienta invaluable para reducir el tiempo de inactividad no planificado, y ya se están beneficiando miles de activos a nivel mundial en diversas industrias.

Las soluciones líderes pueden detectar más del 90% de las fallas con hasta cinco meses de anticipación. Con una rápida innovación en el horizonte, trabajamos constantemente hacia un futuro en el que el 0% de tiempo de inactividad no planificado será la nueva norma.

También está trayendo un cambio cultural significativo y bienvenido, ya que la IA alienta a las organizaciones de todo el mundo a actuar en lugar de reaccionar. Con una creciente escasez de profesionales de mantenimiento con experiencia, la tecnología basada en inteligencia artificial puede transformar su trabajo de hacer rondas en el sitio de producción a aplicar su experiencia donde más se necesita.

Empoderar a las organizaciones para que adopten un enfoque proactivo del mantenimiento es un círculo virtuoso. Con más datos, los sistemas se vuelven aún más inteligentes, lo que permite a las organizaciones actuar antes y, a su vez, ahorrar más del tiempo de inactividad no planificado y los activos ineficientes. Para las organizaciones de todo el mundo, tomar el control y tomar medidas hará que las interrupciones causadas por problemas de mantenimiento inesperados sean cosa del pasado.

El autor es Jasper Hoogeweegen, director ejecutivo de Samotics .