Aprovechando la tecnología de gemelos digitales para lograr el máximo rendimiento de los activos en las industrias pesadas

Las consecuencias de la COVID-19 han remodelado el panorama de la gestión de activos, particularmente en industrias pesadas como refinerías y plantas de fabricación. Este desafío conlleva la oportunidad de impulsar un cambio de paradigma con respecto a cómo se gestionan las operaciones de la planta.

Los propietarios y operadores de instalaciones industriales ahora enfrentan varios desafíos, como interrupciones en la cadena de suministro global que pueden afectar las operaciones de “ejecución y mantenimiento”, mientras se esfuerzan por satisfacer las crecientes demandas de producción. Lo que los mantiene despiertos por la noche son los riesgos que no pueden ver, particularmente cuando se trata de problemas inesperados con los activos y posibles daños a los equipos a largo plazo. 

Para ayudar a gestionar los ciclos de vida de todos los activos en una instalación industrial, las organizaciones buscan soluciones innovadoras para optimizar el rendimiento de sus equipos y al mismo tiempo garantizar la seguridad y la confiabilidad operativa. Esto incluye la integración y estandarización de datos y la adopción de tecnología de gemelos digitales que proporciona análisis predictivos de mantenimiento de activos. 

¿Qué es la tecnología de gemelos digitales?

Hoy en día, los equipos de ingeniería y diseño utilizan modelos de simulación de procesos dinámicos para ver el estado actual de las operaciones de la planta. Esto les permite identificar rápidamente cuellos de botella operativos, deficiencias de las unidades, limitaciones de diseño y la idoneidad de los sistemas de socorro. Sin embargo, se necesitan capacidades avanzadas de aprendizaje automático (ML) para modelar y predecir el estado futuro de las operaciones de la planta.

La tecnología de gemelos digitales aprovecha los algoritmos de aprendizaje automático para agregar, integrar, analizar y comparar datos históricos operativos y de diseño con datos actuales para formar el modelo estadístico. El resultado es un clon virtual de cada unidad de una instalación, que replica las funciones, características y comportamientos de su contraparte física, junto con los sistemas mecánicos y eléctricos que la alimentan. 

Los modelos de gemelos digitales también incluyen la infraestructura física de una instalación o sitio industrial y una intrincada red de procesos de planta, incluida la logística de la cadena de suministro y adquisiciones, para crear un entorno operativo digital.

Ejemplo de clon virtual de tecnología de gemelo digital. Fuente:Anvil Corporation

Recibir la información correcta en el momento adecuado evita fallas en los equipos. La capacidad avanzada de aprendizaje automático del gemelo digital proporciona a los propietarios/operadores análisis predictivos basados ​​en patrones y correlaciones en los datos. 

Con esta información, los propietarios/operadores pueden ver: 

• Cómo cada unidad puede envejecer y cambiar con el tiempo 
• Cuándo una unidad puede experimentar fallas 
• Cuándo pedir artículos con plazos largos según los modelos de sistema de cadena de suministro/adquisición 
• Cuándo abordar un problema antes de que ocurra

Una pregunta que surge con frecuencia se relaciona con la diferencia entre inteligencia artificial (IA) y aprendizaje automático, ya que ambas tecnologías avanzadas ofrecen análisis predictivos. La diferencia es: 

• El aprendizaje automático proporciona a los propietarios/operadores información objetiva en la que basar sus decisiones
• La IA proporciona un enfoque subjetivo para la toma de decisiones al recomendar cursos de acción. 

La intención del aprendizaje automático de gemelos digitales no es reemplazar la interacción y la evaluación humanas, sino hacer que la interacción no sea intrusiva y esté en constante aprendizaje. 

Además, la IA es una tecnología de código abierto que opera a través de Internet, lo que potencialmente puede violar información patentada, mientras que el software de aprendizaje automático del gemelo digital se limita a una empresa, instalación o ubicación en particular. 

Al simular escenarios operativos futuros con modelos de gemelos digitales y análisis predictivos de aprendizaje automático, los propietarios/operadores pueden optimizar sus recursos, procesos y programas, estrategias y configuraciones de mantenimiento. 

La tecnología de gemelo digital también ayuda a los propietarios/operadores a predecir cuándo programar una respuesta y cuándo pedir artículos con plazos de entrega prolongados antes de un cierre. Esto es especialmente crítico para sitios remotos con plazos de entrega de equipos más largos, ya que brinda a los propietarios/operadores la tranquilidad de saber que tendrán el equipo adquirido en el sitio cuando sea necesario.

Creación de un modelo de gemelo digital

El primer paso para crear un modelo de gemelo digital es localizar e introducir todos los datos históricos, incluidos registros de inspección, códigos nuevos, recalificaciones y datos operativos actuales, en el software del gemelo digital para desarrollar un prototipo virtual y reutilizable de cada activo físico en una instalación de producción. 

Ejemplo de clon virtual de tecnología de gemelo digital. Fuente:Anvil Corporation

Una parte clave de este paso es garantizar que exista la instrumentación de monitoreo correcta para alimentar el modelo digital constantemente. Tanto las pautas de fabricación históricas como las originales se pueden programar como puntos de "alarma" en el modelo para alertar a los propietarios sobre posibles problemas o fallas.

La función del aprendizaje automático de gemelos digitales parte de ahí, agregando, haciendo referencias cruzadas e integrando instantáneamente todos los datos dispares de múltiples fuentes en tiempo real. En comparación, a un ingeniero le llevaría semanas calcular la misma información manualmente. 

Una vez que se han recopilado e integrado todos los datos, el aprendizaje automático compara el rendimiento actual con el diseño inicial de la unidad para señalar instantáneamente anomalías o desviaciones del comportamiento esperado. Esto ayuda a los ingenieros a identificar instantáneamente un área de preocupación que se debe investigar más a fondo y a validar y escalar virtualmente los modelos para ampliar sus capacidades sin interrumpir las operaciones de las instalaciones.

Luego, los modelos de gemelos digitales predicen lo que se avecina simulando escenarios operativos futuros para determinar cómo evolucionarán las unidades con el tiempo y cuándo será necesario reemplazar sus componentes. 

A medida que la tecnología de gemelos digitales continúa evolucionando, otros tipos de evaluaciones físicas pueden volverse obsoletos, como las pruebas en línea. Por ejemplo, estos modelos avanzados pueden predecir cómo reaccionan los sistemas a los cambios en las variables del proceso sin alterar las operaciones diarias de una instalación, eliminando productos fuera de especificaciones y posibles problemas de seguridad asociados con ejecuciones de pruebas en el mundo real.

Desafíos de la tecnología de gemelos digitales

La salida es tan buena como la entrada

El principal desafío de construir modelos de gemelos digitales no es tanto la tecnología, sino determinar si los datos agregados de varias fuentes basados en múltiples variables que alimentan los modelos se basan en información confiable. 

Por ejemplo, ¿cómo sabe un operador cuándo una pieza o sistema ya se encuentra en un estado de falla al construir los modelos? 

Esto implica definir información confiable. La información confiable generalmente proviene de más datos que el aprendizaje automático del gemelo digital ha comparado y validado:datos de instrumentación de monitoreo de procesos y equipos integrados en una red de planta inteligente y automatizada. 

Por ejemplo, no basta con capturar un conjunto de datos sobre el desempeño de una unidad. Para obtener información más confiable, también es importante capturar datos sobre la infraestructura de soporte de la unidad. Podría ser que las tuberías de la unidad o los componentes eléctricos que alimentan la unidad ya estén en estado de falla, lo que afecta a muchas otras unidades que funcionan con las mismas piezas y sistemas mecánicos y eléctricos. 

El poder de los datos

Más datos brindan a los propietarios/operadores vistas más realistas de las operaciones actuales, lo que ayuda a construir un modelo de gemelo digital más preciso. Con datos integrados y validados de múltiples entradas, los modelos de gemelos digitales pueden: 

• Estimar la vida útil del equipo 
• Predecir fallos del equipo 
• Determinar cuándo programar cambios en las instalaciones

Con los modelos de gemelos digitales, los propietarios y operadores de instalaciones pueden ejecutar y mantener sus operaciones durante las paradas y las temporadas de máxima producción. 

Sin embargo, sigue siendo fundamental que un ingeniero complete los datos operativos subjetivos. Las consideraciones metalúrgicas, junto con los efectos químicos y físicos de los flujos de proceso en equipos y tuberías, seguirán requiriendo conocimientos y experiencia en ingeniería para utilizar plenamente la información de los gemelos digitales.  

El hecho de que millones de piezas constituyan cientos de sistemas en cualquier instalación industrial subraya la importancia de mantener registros de mantenimiento precisos; Los resultados de un modelo de hermanamiento digital son tan buenos como sus insumos. Por lo tanto, lograr la voluntad de las partes interesadas de adoptar la tecnología depende de su grado de confianza y de si creen que la información es precisa o no. 

Confianza en la tecnología 

La implementación exitosa de la tecnología de gemelos digitales requiere acceso a las herramientas de software adecuadas y a especialistas capacitados. Las empresas de software de simulación de procesos están comprando tecnologías de interfaz para desarrollar mejor modelos de gemelos digitales.

El desafío radica en garantizar que las interfaces estén correctamente integradas para producir una base de información precisa. Se necesitan especialistas capacitados y conocedores de la tecnología y los procesos de hermanamiento digital que utilizan metadatos de la industria para garantizar que toda la información histórica que se introduce en los modelos sea correcta. 

Resumen

Los algoritmos avanzados de aprendizaje automático, el análisis predictivo y las capacidades de modelado del gemelo digital ofrecen una nueva opción rentable de gestión de activos para instalaciones de todos los tamaños. Al trabajar con consultores de ingeniería y utilizar el software adecuado, los propietarios/operadores de instalaciones pueden implementar rápidamente la tecnología e integrarla en sus operaciones. 

La tecnología también produce múltiples beneficios de costos, que incluyen: 

• Operaciones y eficiencia energética 
• Previsión mejorada de fiabilidad, seguridad y mantenimiento 
• Reducción de riesgos, tiempo de inactividad y costes de mantenimiento innecesarios

Adoptar la tecnología de gemelos digitales será esencial para seguir siendo competitivo en mercados industriales en rápida evolución.