Análisis predictivo integrado:permitir la transición al mantenimiento proactivo y nuevos modelos comerciales

Los datos de sensores e IoT que están disponibles de forma remota a través de la conectividad inalámbrica se pueden analizar para buscar tendencias y habilitar el mantenimiento proactivo.

A medida que salimos de la pandemia, las empresas se están dando cuenta de que muchas de las lecciones aprendidas deberían convertirse en procedimientos operativos estándar en el futuro. En ninguna parte es eso más evidente que en el mantenimiento y la gestión de equipos y productos en el campo. Afortunadamente, la tecnología que permite a las organizaciones monitorear de forma remota el rendimiento de sus equipos en el campo en tiempo real puede desempeñar un papel importante. Los beneficios de tener esa información se pueden complementar mediante el uso de análisis predictivos sobre esos datos para detectar problemas en proceso. Eso permite tomar acciones correctivas y mantenimiento proactivo, eliminando el tiempo de inactividad o la necesidad de una visita al sitio no programada.

No hay duda de que la pandemia remarcó la necesidad de que los fabricantes de productos y las empresas que dan servicio a los productos en el campo renueven los procedimientos operativos normales. Las restricciones de viaje prohibían enviar personas a todas partes para evaluar y solucionar problemas. Incluso si las personas fueran locales y teóricamente pudieran visitar una instalación, el gobierno local o la propia empresa podrían haber prohibido el ingreso de cualquier persona a una instalación.

Elementos tecnológicos para la transformación

Dichos obstáculos durante el confinamiento destacaron la necesidad de tener información en tiempo real sobre cómo funcionan los productos en el campo. La forma de hacerlo es hacer uso de varias tecnologías juntas.

Lo que se necesita primero son sensores integrados en los productos para monitorear y medir las condiciones actuales y los indicadores clave de rendimiento (KPI). Los parámetros medidos pueden incluir la velocidad de funcionamiento (por ejemplo, de un motor), la temperatura o la presión. También podría incluir cosas como el nivel de estado y el consumo de consumibles como la tinta en una impresora, el aceite en un motor, la película en un sistema de imágenes y más. Afortunadamente, la adopción a gran escala de sensores inteligentes e Internet de las cosas (IoT) proporciona los fundamentos técnicos necesarios para dicho acceso a los datos.

En el pasado, dichos datos solo estaban disponibles en el sitio y solo eran accesibles en sistemas de control industrial (ICS), como sistemas de control de supervisión y adquisición de datos (SCADA) o sistemas de control distribuido (DCS). Por lo general, los sensores estaban cableados en dichos sistemas a través de una red privada en las instalaciones.

El creciente uso de los servicios inalámbricos existentes, como Wi-Fi y celular 3/4G, y los servicios de conectividad inalámbrica emergentes (por ejemplo, Wi-Fi 6 y 5G) pueden hacer que esos datos estén más disponibles. Tal conectividad puede permitir que otros sistemas, además de los sistemas ICS, accedan a los datos. Y la conectividad inalámbrica también se puede utilizar para permitir el acceso remoto a los datos. Ahora, una organización que suministra el equipo o lo administra puede monitorear de manera centralizada el estado de los dispositivos en el campo. El acceso remoto a tales datos se puede usar tácticamente. Por ejemplo, muchas organizaciones han utilizado tales capacidades para pasar del mantenimiento reactivo (arreglarlo cuando se rompe) al mantenimiento preventivo.

La pieza final de la trifecta tecnológica es el análisis. Los datos de sensores e IoT que están disponibles de forma remota a través de la conectividad inalámbrica se pueden analizar para buscar tendencias.

Reducción del tiempo de inactividad, optimización del rendimiento

El uso de sensores y conectividad permite que los fabricantes de productos y las empresas que dan servicio a los productos en el campo hagan la transición del mantenimiento basado en el calendario al monitoreo y mantenimiento basados ​​en la condición. Una empresa podría utilizar datos históricos para descubrir que la pieza del proveedor A normalmente dura el doble del tiempo medio hasta la falla declarado por el fabricante en las instalaciones de la empresa. Entonces, en lugar de reemplazarlo en el programa del fabricante, podrían obtener un uso adicional de la pieza con confianza. Eso distribuye el costo de reemplazo de piezas durante períodos más prolongados, lo que reduce el gasto anual general en repuestos y piezas de repuesto.

Aún más, es posible cuando se utilizan análisis predictivos en los datos de los sensores. Por ejemplo, una empresa que fabrica o repara un producto puede descubrir que un aumento rápido del 20 % en la temperatura de funcionamiento es un precursor de la falla del dispositivo en cinco días.

Eso es solo el comienzo. La combinación de sensores, conectividad y análisis predictivo permite un enfoque proactivo para el mantenimiento que permite a las empresas reducir costos, prolongar la vida útil de los equipos instalados y reducir el tiempo de inactividad.

Como se señaló, las empresas en el pasado reemplazaban rutinariamente en función de un programa de mantenimiento establecido. Con información sobre el rendimiento del dispositivo o parte, una empresa puede ver por sí misma si la unidad muestra signos de degradación del rendimiento. Estas capacidades predictivas que detectan problemas potenciales permiten a las empresas solucionar problemas en proceso antes de una interrupción y generar ahorros adicionales en la evitación de costos. Esto evita el tiempo de inactividad no planificado. Y puede evitar el gasto de realizar reparaciones de emergencia. Despachar técnicos sin previo aviso genera altos costos de viaje. Este modelo de reparación/reparación de la implementación de reparaciones requiere que las piezas lleguen rápidamente al sitio, lo que resulta en costos de envío y entrega elevados. Todo eso se puede minimizar con información de rendimiento y estado derivada de análisis.

Un excelente ejemplo del valor de tales capacidades es el trabajo que está realizando Howden, líder mundial en la fabricación de soluciones de manejo de aire y gas. Su equipo se utiliza en sectores que incluyen infraestructura, generación de energía, petróleo y gas, aguas residuales, metales, minería y transporte.

La empresa desarrolló la solución Howden Uptime utilizando ThingWorx de PTC, que ofrece una plataforma IoT, diseñada para acelerar la transformación digital. La plataforma Uptime de Howden es una aplicación de optimización y supervisión remota del rendimiento que se utiliza para cualquier tipo de equipo rotativo (compresores, ventiladores, turbinas, etc.) que se ejecuta en instalaciones de clientes de todo el mundo.

Puede monitorear y administrar de manera proactiva los dispositivos que se ejecutan en ubicaciones remotas, algunas de las cuales se encuentran en el Mar del Norte y otras ubicaciones remotas. Esta solución permite a Howden observar sus máquinas como si estuvieran a su lado.

Habilitación de nuevos modelos de negocio

Al impartir conectividad a los equipos, un fabricante o empresa que presta servicios a los equipos puede transformar sus operaciones y su modelo comercial.

Puede pasar de operaciones reactivas a predictivas, lo que aumenta la eficiencia del personal de mantenimiento y reduce el tiempo de inactividad no planificado.

Lo que es más importante, las tecnologías de conectividad y los datos recopilados son esenciales para participar en futuras iniciativas de la industria, como Industria 4.0 y gemelos digitales.

¿Porque es esto importante? Las empresas que avanzan con la Industria 4.0 y las soluciones digitales están mejor posicionadas para capear las disrupciones económicas. Pueden moverse más rápido y más lejos que sus pares durante una crisis. Tal ventaja no se pierde en la industria a medida que emerge de la crisis de COVID.

Para obtener más información sobre cómo habilitar la conectividad y el análisis para monitorear y respaldar equipos, visite:www.ptc.com/predictive-analytics