Mantenimiento predictivo:lo que necesita saber

Ed Maguire de Momenta Partners

Aquí en Momenta Partners , pasamos mucho tiempo hablando con innovadores y usuarios finales sobre cómo aprovechar los datos de los activos físicos para optimizar los procesos, reducir el riesgo, hacer crecer los negocios e incluso impulsar nuevos modelos comerciales, dice Ed Maguire, socio de Insights.

El mantenimiento predictivo es lo más importante en todos los ámbitos, ya que las nuevas empresas, las empresas de servicios profesionales y las empresas industriales establecidas buscan formas de obtener beneficios "arreglando las cosas antes de que se rompan", lo que podría ahorrar enormes cantidades de tiempo, dinero y riesgo de reputación.

¿Qué es el mantenimiento predictivo?

El mantenimiento predictivo implica simplemente poder predecir cuándo es probable que una máquina o pieza falle en función de datos del mundo real, y luego poder tomar medidas para evitar cualquier problema. Este es un concepto simple, pero difícil de realizar. En industrias como la aeroespacial y el transporte, poder prevenir fallas puede salvar vidas.

Mientras que la reciente Southwest Airlines la muerte puede no haber sido previsible, ¿qué pasaría si los datos de la explosión del motor pudieran usarse para prevenir la siguiente? Para poder predecir una falla potencial, debe comenzar con datos (datos históricos, particularmente los que conducen a una falla) para crear un algoritmo que pueda señalar señales de problemas pendientes.

El camino hacia el mantenimiento predictivo

Hoy en día, el mantenimiento industrial es principalmente de naturaleza "preventiva". El mantenimiento preventivo comienza con un cronograma. Cuando las empresas compran activos industriales o de otro tipo, generalmente siguen los intervalos recomendados para el mantenimiento. Piense en la recomendación de cambiar el aceite de un automóvil cada 3,000 millas. Además de cumplir con los horarios prescritos, la mayoría de las reparaciones importantes ocurren cuando hay fallas en el equipo, y los activos mismos se reemplazan cuando alcanzan cierta edad. Seguir un horario es útil, pero no da una idea de lo que podría suceder en el futuro.

Con la adición de Condition Monitoring, las empresas pueden participar en el mantenimiento proactivo. La monitorización de condiciones implica el seguimiento de datos en tiempo real; por ejemplo, podrían ser datos de sensores de temperatura o vibración. Esto puede ayudar a identificar los problemas a medida que ocurren, y si hay una condición inusual, como un exceso de vibración o una temperatura demasiado alta, esto puede indicar la necesidad de un mantenimiento proactivo, por ejemplo, un cambio de una pieza.

El mantenimiento preventivo funciona a partir de un cronograma predefinido y el mantenimiento proactivo generalmente emplea el monitoreo de condiciones, pero ninguno de los enfoques ayudará necesariamente a una empresa a anticipar lo que es probable que salga mal en el futuro.

Para poder predecir fallas, necesita datos históricos para desarrollar un algoritmo predictivo, preferiblemente que incluya períodos previos e incluyendo fallas o averías. Implica recopilar los datos y realizar análisis de los datos, luego probar, ajustar y actualizar los algoritmos con los datos recién recopilados. En el pasado, este era un proceso costoso que requería estadísticos altamente especializados que pudieran desarrollar modelos especializados.

Una vez que las soluciones de mantenimiento predictivo se han implementado durante algún tiempo, se pueden combinar con recomendaciones o instrucciones específicas para que la empresa solucione los problemas antes de que ocurran. Este concepto, conocido como mantenimiento predictivo, es la idea de que la analítica puede identificar problemas pendientes, guiar una solución y mantener las máquinas en funcionamiento con una mínima intervención humana.

Desde la década de 1980, el mantenimiento predictivo ha sido el territorio de las organizaciones más grandes con los bolsillos más profundos donde existe un alto costo de fallas o tiempo de inactividad, como el ejército y el aeroespacial. Hoy en día, con la caída masiva de los precios en el almacenamiento, la potencia de procesamiento y los chips especializados, como las GPU, que son adecuados para el aprendizaje automático, la accesibilidad del mantenimiento predictivo se está democratizando.

La realidad actual es que muchos activos se mantienen en exceso, y las empresas gastan innecesariamente para evitar fallas porque carecen de información sobre el estado real de las máquinas. Existe una gran oportunidad para reducir los costos del tiempo de inactividad y las interrupciones, así como para gastar de manera mucho más eficiente en la frecuencia y la extensión de las reparaciones de las máquinas. Si bien todavía estamos en los primeros días, con la mayoría de las empresas industriales pasando del mantenimiento preventivo al mantenimiento proactivo, hay una gran cantidad de nuevas empresas y proyectos en marcha para democratizar el mantenimiento predictivo.

Es fundamental comenzar con los datos, por lo que recomendamos un enfoque mesurado. Comience con el monitoreo de condiciones y garantice la comodidad y precisión de los datos y procesos. Una vez que haya tareas de mantenimiento proactivo razonables, contrate a expertos en datos y dominios (ya sea científicos de datos para hacerlo usted mismo o especialistas en su industria de una empresa de servicios profesionales o una nueva empresa de software).

Desarrolle los algoritmos, pruébelos en la vida real, mida, afine y actualice y continúe el proceso. El mantenimiento predictivo es un objetivo, pero es más un viaje que un destino. Hay una gran cantidad de recursos y expertos disponibles para ayudar, y con la perseverancia llegará el éxito:ahorros de costos, eliminación de tiempo de inactividad no planificado, seguridad mejorada, procesos más eficientes y, sobre todo, clientes más felices.

Para obtener más información, le recomendamos leer Cómo darse cuenta de la oportunidad en análisis de mantenimiento predictivo (PdM) .

El autor de este blog es Ed Maguire, socio de Insights en Momenta Partners

Sobre el autor:

Ed aporta a Momenta más de 17 años de experiencia en Wall Street en investigación de acciones y banca de inversión, con una profunda experiencia en el campo del software empresarial. Ha demostrado tener éxito en la identificación de oportunidades estratégicas y en la articulación de conocimientos prácticos basados ​​en un análisis riguroso de la tecnología, las operaciones, la competencia y los mercados. Más recientemente, fue analista senior y director general de CLSA Americas cubriendo la industria del software, la tecnología y la innovación.