Manufactura industrial
Internet industrial de las cosas | Materiales industriales | Mantenimiento y reparación de equipos | Programación industrial |
home  MfgRobots >> Manufactura industrial >  >> Manufacturing Technology >> Tecnología Industrial

El Mantenimiento Predictivo, un componente clave de la Industria 4.0

El mantenimiento predictivo, que puede identificar problemas de mantenimiento en tiempo real, permite a los propietarios de máquinas y vehículos realizar un mantenimiento rentable y determinarlo con anticipación antes de que la unidad falle o se dañe. Cuando se usa correctamente, el mantenimiento predictivo puede extender la vida útil de los activos industriales, reduciendo costos y aumentando la disponibilidad.

España tiene la segunda red ferroviaria de alta velocidad más grande del mundo, con más de 4900 km (3050 millas) de líneas ferroviarias de alta velocidad. Y Renfe, el operador ferroviario, promete puntualidad en todos sus trenes AVE (Alta Velocidad) en todo el país.

Hasta hace poco, para brindar dicho servicio y disponibilidad, un operador ferroviario necesitaba tener una cantidad significativa de trenes en espera para cubrir cualquier falla imprevista y problemas de mantenimiento.

Sin embargo, Renfe ahora puede mantener en funcionamiento más del 99 % de sus trenes de alta velocidad en todo momento gracias a la supervisión en tiempo real, el mantenimiento predictivo y la sustitución de componentes bajo demanda.

Imagen cortesía de Renfe.

Siemens, que construye y mantiene la mayoría de los trenes, utiliza una combinación de miles de sensores, computación perimetral y análisis en tiempo real para predecir posibles averías y determinar el mejor momento para el mantenimiento o el reemplazo de componentes. Cuando un sistema o componente requiere mantenimiento, el sistema programa el tiempo de inactividad necesario y se asegura de que tanto los técnicos como las piezas de repuesto estén disponibles para evitar demoras.

Debido a esta tecnología de punta, los retrasos causados ​​por fallas técnicas con más de 10 minutos ocurren en promedio solo cada 1,5 millones de kilómetros. Los trenes están disponibles para operar el 99,94 % del tiempo.

Además, dado que los componentes y sistemas se reparan o reemplazan solo cuando es necesario, hay ahorros significativos en costos de piezas y mano de obra. Algunos elementos pueden continuar en servicio después de su tiempo de funcionamiento diseñado.

El mantenimiento predictivo ayuda a las industrias a darse cuenta de los beneficios de la digitalización

El mantenimiento preventivo se basa en comprobaciones periódicas y la sustitución de piezas específicas a intervalos programados. Si bien esto ha sido efectivo en muchas industrias y ha ayudado a evitar reparaciones más costosas, crea un sistema de desechos. Muchas piezas sustituidas todavía están en condiciones lo suficientemente buenas como para seguir funcionando correctamente.

A diferencia del mantenimiento preventivo, el mantenimiento predictivo reemplaza solo la parte requerida en el momento necesario. No solo detecta las condiciones de la máquina que conducirán a la falla, sino que también estima la cantidad de tiempo antes de que ocurra la falla, lo que permite planificar el servicio.

Este concepto se empieza a aplicar ahora a los activos industriales. Uno de los retos más mencionados para avanzar en la Industria 4.0, es la gran inversión en maquinaria heredada. Ahora, muchos fabricantes de maquinaria pesada están considerando un modelo de "alquiler", en el que el activo se arrienda al operador, que paga por el uso real de la máquina. El mantenimiento y los repuestos son parte del servicio.

Utilizando el monitoreo en tiempo real y el mantenimiento predictivo, el fabricante puede determinar cuándo es necesario enviar un técnico para realizar una tarea de mantenimiento o indicar al operador de la máquina que reemplace un componente que está a punto de fallar. De esta manera, el tiempo de inactividad del activo se reduce al mínimo y garantiza el mejor rendimiento de la máquina durante muchos años.

El mantenimiento predictivo está llegando a los productos de consumo, incluidos automóviles y electrodomésticos

Tradicionalmente, un vehículo recibe servicio preventivo cuando alcanza una cierta distancia recorrida o una cantidad específica de tiempo desde la última revisión, lo que ocurra primero. Este sistema es el que utilizan los fabricantes y concesionarios de automóviles desde hace décadas.

Hoy en día, el precio de la mayoría de los coches eléctricos no incluye la batería. La batería está ahí pero arrendada por el fabricante. En lugar de pagar por el combustible, muchos propietarios de vehículos eléctricos pagan una tarifa mensual basada en cuánto usan el automóvil. Los sensores instalados en la batería, el motor y los puertos de carga envían la información al fabricante. Cuando la batería ya no puede mantener una carga razonable para las necesidades del usuario del automóvil, se reemplaza.

Esas baterías de automóviles reemplazadas pueden tener una segunda vida, generalmente durante diez años o más, como almacenamiento de electricidad para energía renovable o para equilibrar la red. Después de eso, las unidades se desmontan y los materiales se reacondicionan para volver a usarse en baterías nuevas o para fabricar otras piezas.

Si bien hay un movimiento definitivo hacia la electrificación, la mayoría de los autos vendidos hoy todavía usan combustión interna. Los fabricantes y concesionarios de automóviles buscan formas de optimizar el mantenimiento al monitorear continuamente todos los sistemas críticos del vehículo. El uso de sensores conectados y análisis integrados es posible para predecir cuándo se requiere mantenimiento.

Por ejemplo, si conducir en ciertas condiciones requiere un frenado continuo, agotar las pastillas y el líquido de frenos, los subsistemas del automóvil alertan al conductor y programan el servicio mucho antes de que fallen los frenos.

Los sensores del vehículo también pueden medir las condiciones ambientales, como la humedad, la temperatura, el peso y el estrés, además de otras medidas, como la superficie del pavimento y la inclinación. La recopilación de todos esos puntos de datos puede proporcionar a los fabricantes y centros de servicio información completa sobre las condiciones ambientales en las que ha estado funcionando el vehículo, algo valioso a la hora de evaluar las necesidades de mantenimiento avanzado.

Los fabricantes de electrodomésticos están considerando el mismo concepto. A diferencia de la maquinaria pesada y otros activos industriales, la mayoría de los electrodomésticos están diseñados para durar de cinco a diez años. El razonamiento detrás de esto es que los consumidores quieren un producto económico y están acostumbrados a comprar uno nuevo cuando falla.

Si los vendedores de lavadoras, por ejemplo, pudieran recibir un ingreso constante alquilando las unidades a los consumidores, fabricarían sus productos con mejores materiales y componentes que durarían más y los equiparían con un ejército de pequeños sensores para proporcionar un monitoreo continuo de la la salud de la máquina.

Cuando los sensores integrados en la máquina detectan que un componente crítico fallará pronto, la unidad programará una llamada de mantenimiento, las piezas necesarias y un técnico para realizar el cambio. El usuario ya no necesita experimentar un electrodoméstico roto y tener que esperar a que llegue un reparador, diagnostique el problema y regrese más tarde con las piezas de repuesto.


Tecnología Industrial

  1. Diferencia entre mantenimiento preventivo y mantenimiento predictivo
  2. Comprender los beneficios del mantenimiento predictivo
  3. Explicación del mantenimiento predictivo
  4. Medición del éxito del programa de mantenimiento predictivo
  5. Respuestas a preguntas sobre mantenimiento predictivo
  6. Por qué necesita el mantenimiento predictivo
  7. IoT para mantenimiento predictivo
  8. ¿Es mejor el mantenimiento preventivo o el predictivo?
  9. ¿Qué es el Mantenimiento Predictivo?
  10. Impacto de los mantenimientos predictivos en la fabricación
  11. Beneficios clave del software de mantenimiento predictivo