Prognóstica: Desbloquear el mayor potencial de la Industria 4.0

La Industria 4.0 y el Internet de las Cosas (o Internet Industrial de las Cosas, si lo prefiere) están tan estrechamente relacionados que prácticamente podemos usar los términos indistintamente. Cada día hay noticias sobre el IoT y cómo va a cambiarlo todo: coches conectados, personas conectadas e incluso lavadoras conectadas. Sin embargo, esas conexiones no significan mucho sin casos de uso reales: sí, ahora es posible que su nevera hable con su teléfono, pero eso responde a una pregunta que nadie hace, resuelve un problema que a nadie le importa (aunque estoy dispuesto a retractarme en 5 años cuando todos compartamos las estadísticas de nuestra nevera en la red social de neveras más popular).

Como industria, la manufactura tiene problemas muy bien definidos: los clientes quieren bienes rápido, a menor coste y con alta calidad. Si estas demandas no se cumplen debido a paradas no planificadas, las consecuencias son costosas. Es más fácil justificar el uso de tecnología IoT para resolver estos problemas; por ejemplo, un mejor seguimiento de la cadena de suministro con etiquetas RFID puede ayudar a reducir retrasos y mejorar la calidad. Pero eso no es lo realmente interesante.

Con el almacenamiento de datos siendo barato, el ancho de banda en constante aumento y el coste de los dispositivos de sensores disminuyendo mientras sus capacidades aumentan (poder enviar datos directamente a la nube, poder detectar más de una variable a la vez, etc.), hacer cosas inteligentes con los datos de las máquinas, más allá de la analítica básica, es cada vez más viable.

Si un negocio manufacturero no está produciendo cuando debe, no está cumpliendo su propósito: no está ganando dinero. Al aplicar técnicas de diagnóstico y prognóstica a los datos de las máquinas, puede revelar cómo están funcionando actualmente (diagnóstico) y cómo funcionarán en el futuro: ¿podrán producir cuando sea necesario (prognóstica)? Como mencionamos antes, el mantenimiento prescriptivo basado en calendario es una excelente manera de gastar dinero innecesariamente; el mantenimiento predictivo es la forma inteligente de ahorrar dinero.

La prognóstica —la ciencia de predecir cuándo una máquina dejará de poder realizar su función prevista— es un habilitador directo del mantenimiento predictivo. Los datos de sus máquinas, procesados por la aplicación adecuada, pueden decirle cuándo fallarán, para que pueda mantenerlas antes de ese momento y evitar paradas, decepcionar a sus clientes y gastar más de lo necesario para mantener la máquina funcionando. Este conocimiento de cuándo fallará una máquina se calcula como Vida Útil Remanente (RUL, Remaining Useful Life).

Con una predicción precisa de la RUL, los mantenedores pueden priorizar mejor qué máquinas necesitan mantenimiento y en qué plazo, reduciendo significativamente el riesgo de fallo de la máquina y evitando el sobre-mantenimiento costoso. Piénselo como otra herramienta para impulsar la eficacia de los mantenedores.

Los modelos prognósticos que proporcionan la RUL han sido tradicionalmente difíciles de calcular y han necesitado científicos de datos talentosos para implementarse eficazmente a medida. Los altos costes de este enfoque han perjudicado la adopción generalizada. Afortunadamente, con el advenimiento del machine learning avanzado y la computación en la nube económica, la prognóstica se está volviendo más accesible y, a su vez, el mantenimiento predictivo está logrando escalabilidad.

La seguridad, el cumplimiento, la integración, la conciencia de procesos y la mejora son todas cosas importantes que la Industria 4.0 habilita. Sin embargo, ninguna de ellas importa sin maquinaria efectiva, que ofrezca un rendimiento fiable y con un tiempo de inactividad mínimo —todo habilitado por la prognóstica.

¿Quiere saber más?

¿Desea aprender más sobre prognóstica y Senseye, nuestro producto fácil de usar para mantenimiento predictivo? Reserve una demostración y una charla aquí: