Desbloquee la Excelencia en Mantenimiento Predictivo: Mejores Prácticas de Expertos para Fabricantes

Con mayor énfasis en mantenimiento predictivo visto como una de las principales tendencias que dominarán la fabricación en 2021 y más allá, ¿cómo deberían los fabricantes empezar a abordar el reto de evaluar y responder a insights de salud de máquinas?

En este vídeo, Alexander Hill y Rob Russell de Senseye se unen a Jim Davison de Make UK y la Dra. Hannah Edmonds del Manufacturing Technology Centre para explorar las mejores prácticas que entregan máximo beneficio del mantenimiento predictivo, y cómo el conocimiento de especialistas en monitorización de condición e ingenieros de fiabilidad puede democratizarse para permitir que el mantenimiento predictivo se haga de forma sostenible y a escala.

Transcripción

Alexander Hill, Senseye: El mantenimiento predictivo va a ser foco de empresas manufactureras e industriales este año y los próximos años. Tiene que ser. Para disfrutar de estas ganancias de eficiencia, ahorrar dinero y habilitar cosas como trabajo remoto y mantenimiento remoto, el mantenimiento predictivo es un componente absolutamente esencial.

Rob Russell, Senseye: El caso de uso principal para fábricas inteligentes y digitalización se ha construido en torno al mantenimiento predictivo. Hay un nivel de conocimiento de dominio requerido, para primero entender cómo obtener el tipo correcto de información de las máquinas, pero también cómo usarlo en el contexto de mantenimiento.

Jim Davison, Make UK: Los ingenieros de planta tradicionales tienden a ser como yo, con canas, llegando al final de sus carreras. Es un reto para nosotros reclutar la próxima generación para cumplir esos roles. Desplegando cosas como tecnologías inteligentes, en realidad trae un elemento realmente emocionante al rol que la gente no habría conocido.

Rob Russell, Senseye: Al mirar los retos de cómo responder a las salidas, respecto a salud de máquina, aún tiene que abordar eso con buena política y práctica de ingeniería. Las fuentes de datos e identificación de esos problemas tempranos que tendría en máquinas que habilitan mantenimiento predictivo a veces detectan etapas tempranas de fallo bastante sutiles.

El equipo de mantenimiento empezará a adquirir formas de sustanciar sus hallazgos y también entender que la detección temprana les da una ventana de tiempo mucho mayor. Esto les permite hacer la planificación e investigación cuando la producción no necesita las máquinas y luego planificar el mantenimiento en una etapa posterior, cuando otra vez las máquinas están paradas y no habrá impacto en producción.

Dra. Hannah Edmonds, Manufacturing Technology Centre: Como parte de un programa mayor en el que estuve involucrada, teníamos muchos elementos de producción diferentes, mucha analítica distinta ocurriendo – la capacidad de combinar esos nos dio valor añadido.

Usamos el análisis automatizado de Senseye para diagnosticar problemas dentro del sistema de producción e identificar la vida útil restante útil de maquinaria. Podíamos visualizar eso a través de un programa adicional pero también lo combinamos con un sistema computerizado de gestión de mantenimiento (CMMS), para programar tareas de mantenimiento.

Alexander Hill, Senseye: No queremos reemplazar ingenieros de monitorización de condición y especialistas en fiabilidad. Solo queremos asegurar que su tiempo se use de forma realmente efectiva porque a menudo miran decenas de miles de flujos de datos e intentan entender cuáles son importantes. Es un trabajo muy agotador, muy difícil.

La forma en que abordamos este problema es que automatizamos, en la medida de lo posible, el papel tradicional de un ingeniero de monitorización de condición mirando miles de puntos de datos e intentando entender cuáles importan.

No necesitamos construir y ajustar modelos manualmente, nuestra tecnología patentada y algoritmos nos permiten automatizar ese proceso entero.