El ascenso de PdM y por qué es tan difícil hacerlo bien

El mantenimiento predictivo (PdM) es un enfoque proactivo para abordar las fallas de las máquinas antes de que se conviertan en un problema. Al analizar grandes volúmenes de datos de máquinas, PdM permite que el personal de mantenimiento comprenda el estado de las máquinas y optimice sus actividades en consecuencia para evitar el tiempo de inactividad no planificado y eliminar fallas repentinas. Pero, a pesar de sus beneficios obvios, la mayoría de las implementaciones de PdM están condenadas al fracaso. En esta publicación, analizaremos el auge de PdM y por qué tantos proveedores, y sus clientes, continúan equivocándose.

Mantenimiento predictivo:antes y ahora

El mantenimiento predictivo existe desde hace mucho más tiempo de lo que piensa. Durante la Segunda Guerra Mundial, el científico CH Waddington observó que la tasa de fallas o reparaciones de un avión tendía a ser más alta inmediatamente después de una sesión de inspección o mantenimiento. Conocido como el “efecto Waddington”, este fenómeno resultó en el ajuste de los procesos de mantenimiento para corresponder con la condición física de un avión y la frecuencia de su uso, con ciclos de inspección ajustados basados ​​en el análisis de los datos resultantes. En resumen, fue el comienzo de PdM.

Mucho ha cambiado desde entonces, por supuesto. La Cuarta Revolución Industrial y el advenimiento de la Industria 4.0 han visto avances tecnológicos que ocurren a un ritmo tal que están "interrumpiendo casi todas las industrias en todos los países". Estos avances han dado lugar a mejoras significativas en las tecnologías de sensores, redes, adquisición de datos y almacenamiento que, junto con el acceso a una gran cantidad de potencia informática y datos disponibles gracias a los avances recientes en la tecnología de IA, han hecho que PdM se vuelva cada vez más aplicable a la industria en general. .

Hoy, tal como lo fue hace casi 80 años, el beneficio clave de PdM sigue siendo su capacidad para informar decisiones. Responsables de supervisar muchas máquinas en uno o más sitios, los profesionales de mantenimiento son personas extremadamente ocupadas. Al brindarles una mejor comprensión de la salud continua de sus máquinas, una solución de PdM puede ayudarlos a hacer un mejor uso del tiempo y los recursos limitados que tienen a su disposición.

Entonces, dada su herencia y las claras ventajas que ofrece, ¿por qué ha sido tan difícil para tantos lograr el éxito en PdM?

Tres errores comunes

La verdad es que muchos proveedores se han subido al carro de PdM a pesar de tener poca apreciación de lo que es, esencialmente, un dominio único. Algunos simplemente han tratado de "sobrecargar" las herramientas de monitoreo heredadas, mientras que otros han aplicado enfoques de ciencia de datos convencionales a un espacio problemático que está lejos de ser convencional. Sin la comprensión necesaria de qué es exactamente un sistema PdM y cómo funciona, muchas soluciones nuevas ni siquiera llegarán al mercado. Como resultado, pocas empresas lograrán un éxito real a gran escala.

En última instancia, gran parte de esta falta de comprensión, y el posterior éxito de PdM, se debe a tres errores fundamentales que los proveedores y sus clientes suelen cometer una y otra vez.

1. Como hemos visto, el concepto de PdM no es nada nuevo. Técnicas como el monitoreo de condiciones, los créditos de mantenimiento y los pronósticos existen desde hace algún tiempo. Pero la falta de capacidad para escalar estas técnicas más allá de las máquinas críticas ha significado que su implementación se haya limitado en gran medida a las máquinas críticas.
2. PdM no es, como algunos creen, un problema de Big Data en el que hay millones de puntos de datos y etiquetas sobre los cuales entrenar modelos. El entorno de una fábrica es muy dinámico y ruidoso, con una variedad de variables que incluyen el mantenimiento de la máquina, diferentes velocidades de producción e incluso el comportamiento de los diferentes operadores de la máquina. Y, por supuesto, cada máquina es única. Sin embargo, a pesar de esto, muchas organizaciones seguirán adoptando un enfoque clásico de ciencia de datos para PdM.
3. Es importante recordar lo ocupados que están los profesionales de mantenimiento. Si la experiencia de usuario de un sistema PdM no refleja esto, existe el riesgo de que no interactúe con sus usuarios objetivo. Se ignorará toda la información y los conocimientos valiosos que genera, y se desperdiciará la inversión de una organización en el propio sistema.

Senseye entiende PdM

Senseye ha dedicado más de 150 años-persona a tiempo de investigación y desarrollo exclusivamente en PDM. Por eso entendemos cómo funciona PdM. Es importante destacar que entendemos cómo PdM mejora la operación diaria de los ingenieros de mantenimiento. Y es gracias a esa comprensión que nuestras soluciones PdM tienen éxito. Es por eso que sabemos cómo implementarlo a escala, es por eso que no solo lanzamos científicos de datos y es por eso que la experiencia del usuario es importante.

Nuestra próxima publicación explorará cómo hemos aplicado las lecciones que hemos aprendido a todo lo que hacemos. Hasta entonces, puede encontrar más detalles sobre el origen de PdM y por qué los proveedores, y algunos compradores, no lo están haciendo bien en nuestro documento técnico "Senseye en profundidad:¿Por qué es tan difícil el mantenimiento predictivo?".