Transformación del mantenimiento en confiabilidad predictiva

Durante años, el mantenimiento se ha tratado como un trabajo sucio, aburrido y ad hoc. Es fundamental para la productividad, pero no se reconoce como un componente clave de la generación de ingresos. La pregunta simple a menudo es:"¿Por qué necesitamos mantener las cosas con regularidad?" La respuesta es:"Para mantenerlos lo más confiables posible". Pero la verdadera pregunta es:"¿Cuánto cambio o degradación ha ocurrido desde la última ronda de mantenimiento?" La respuesta es:"No lo sé".

El desafío de la confiabilidad es lidiar con datos del pasado. El fracaso se modela, analiza y, hasta cierto punto, se predice. Desafortunadamente, la predicción no tiene en cuenta a los usuarios o las limitaciones relacionadas con el entorno de trabajo y, a menudo, los resultados no son tan útiles.

El mantenimiento basado en condiciones (CBM) se ocupa de los datos en línea. Las condiciones de la máquina se controlan constantemente y se evalúan sus firmas. Sin embargo, esto se hace a nivel de máquina, una máquina a la vez. Es un enfoque de "falla y reparación". La resolución de problemas es el objetivo principal.

Hoy, CBM se enfoca en sensores y comunicaciones. Todos los productos y máquinas están conectados en red de alguna manera. Sin embargo, es difícil saber qué hacer con todos estos datos. Debemos convertir los datos en información mediante el uso de herramientas computacionales para procesar los datos localmente.

El mundo del mantenimiento del mañana es un mundo de información para el monitoreo basado en funciones. La información debe representar una tendencia, no solo un estado. Debe ofrecer prioridades, no solo mostrar "cuánto". Si hacemos eso, nuestra productividad puede centrarse en la utilización a nivel de activos, no solo en las tasas de producción.

Con el advenimiento de las tecnologías modernas de computación y comunicación, más productos y máquinas están integrados con sensores y conectados a través de redes atadas y libres de ataduras. Con los sistemas de red perfectamente integrados en el entorno empresarial global actual, las máquinas y las fábricas están conectadas en red y la información y las decisiones están sincronizadas, por lo que cualquier tiempo de inactividad en el sistema puede poner en peligro la productividad de toda la empresa.

Por otro lado, las restricciones en la seguridad y las limitaciones del ancho de banda de las comunicaciones requieren una reingeniería para minimizar o mitigar los riesgos de exposición de los datos.

La solución son los sistemas de mantenimiento inteligentes. IMS predice y pronostica el rendimiento del equipo, por lo que se puede alcanzar el estado de "avería casi nula". Hay dos razones para la falla:el rendimiento del equipo y el error humano. El tiempo de inactividad casi nulo se centra en técnicas predictivas para minimizar las fallas. Se centra en las características del rendimiento de la máquina.

Los datos provienen de dos fuentes:sensores (montados en la máquina para recopilar la información de las funciones) y todo el sistema empresarial (incluidos los datos de calidad, el historial pasado y las tendencias). Al correlacionar los datos de estas fuentes (actuales e históricas), puede predecir el rendimiento futuro. El objetivo es predecir el estado del producto / máquina de la misma manera que se pronostica el clima.

Realmente no nos importa cuán precisa sea la predicción de la temperatura. Nos preocupamos por la tendencia:de frío a calor o de claro a lluvioso. La previsión nos da prioridades y un plan de respaldo.

Hoy en día, los servicios de campo de las máquinas dependen de sistemas de gestión controlados por sensores que proporcionan alertas, alarmas e indicadores. En el momento en que suena la alarma, ya es demasiado tarde para evitar la falla. La mayor parte del tiempo de inactividad de la fábrica se debe a estas situaciones inesperadas.

No se proporciona ninguna alerta que observe la degradación a lo largo del tiempo. Si podemos monitorear la degradación, entonces podemos pronosticar situaciones futuras y realizar tareas de confiabilidad predictiva cuando sea necesario (ni demasiado temprano ni demasiado tarde). Con estas técnicas, se puede programar el mantenimiento antes de la falla.

Mi visión a largo plazo sobre el mantenimiento inteligente es que podemos utilizar cualquier medio, incluidas las tecnologías integradas (software) y remotas, para supervisar el rendimiento de los equipos. Luego, si la degradación comienza a ocurrir, hay tiempo suficiente para activar el servicio antes de fallar.

Una máquina puede autoevaluar su estado y activar su propia solicitud de servicio según sea necesario. Si este modelo funciona, entonces tendremos un producto que puede administrar su propio desempeño de servicio y sus propios contratos basados ​​en garantía. También puede alertarnos sobre formas de mantenerlo funcionando de una manera de alto rendimiento.

La industria está tan centrada en el resultado final y el costo del tiempo de inactividad afecta en gran medida la rentabilidad. Sin embargo, las tasas de tiempo de inactividad no son las únicas preocupaciones de costos. Si el equipo comienza a degradarse, puede comenzar a generar piezas con una calidad inaceptable y no saberlo durante mucho tiempo.

Eventualmente, la degradación de la máquina afectará seriamente el rendimiento y la calidad. Esto es especialmente importante para los fabricantes que subcontratan sus operaciones a países como China. Estas empresas necesitan monitorear de forma remota la calidad de los productos antes de enviarlos.

Empresas de clase mundial ya han adoptado un enfoque revolucionario de confiabilidad predictiva, implementando un nuevo modelo comercial de servicios para transformar los sistemas de mantenimiento en soluciones inteligentes de administración de activos y servicios.

Reducen el tiempo de inactividad y brindan la capacidad de anticipar la calidad de los productos antes de su envío al observar de cerca el rendimiento del equipo y la degradación de la máquina. En lugar del mantenimiento reactivo, "fallar y reparar", las empresas pasan al mantenimiento de "predecir y prevenir".