Optimización del mantenimiento en manufactura: aprovechando datos digitales para máximo rendimiento

El universo digital se duplica en tamaño cada dos años, proyectado a crecer de 4.4 billones de gigabytes en 2013 a 44 billones en 2020. Las empresas tienen responsabilidad sobre alrededor del 85 % de los datos mantenidos en este universo digital, según EMC Digital Universe.

Las plantas de manufactura son solo un tipo de empresa que contribuye a esta producción de datos, recolectando datos de proceso para monitorizar el estado de la maquinaria. Los ingenieros de planta pueden aprovechar al máximo estos datos y asegurar que su programa de mantenimiento beneficie a su planta, según Claudia Jarret, gerente en EE. UU. en el proveedor de piezas de automatización EU Automation.

Los fabricantes, enfrentados a la presión constante de mantenerse al día con la demanda del cliente mientras permanecen flexibles, son agudamente conscientes de la amenaza del tiempo de inactividad de la planta, explicó Jarret. Causado por una multitud de factores, incluyendo fallo de máquina, el tiempo de inactividad puede costar a los fabricantes hasta $260,000 por hora, según la firma analista Aberdeen Research.

Por lo tanto, el mantenimiento preventivo, donde el equipo se mantiene antes de que se rompa, es esencial, en lugar del mantenimiento reactivo, que se centra en reparar el equipo tras una avería.

Pero para aquellos en industrias de alto volumen y bajo margen como alimentos y bebidas o manufactura de piezas automotrices, el mantenimiento preventivo puede verse erróneamente como inalcanzable, debido a los costos iniciales percibidos como altos.

Prevención

Los días de esperar a que un sistema falle debido a motores sobrecalentados o sistemas de transferencia de calor con fugas, por ejemplo, han quedado atrás, dijo Jarret. Los gerentes de planta ahora planifican inspecciones regulares, actualizaciones y resolución de problemas para evitar averías. Estos simples pasos son una forma en que el mantenimiento preventivo puede llevarse a cabo.

Pero a medida que tecnologías de Industria 4.0 como la monitorización de condición se vuelven más accesibles, hay métodos aún más inteligentes, precisos y menos consumidores de tiempo disponibles.

Muchas plantas de manufactura ahora usan mantenimiento predictivo, una forma sofisticada de mantenimiento preventivo, para establecer qué tan bien está funcionando el equipo y predecir con precisión fallos antes de que ocurran. No solo esto reduce el riesgo de averías que causan tiempo de inactividad, sino que también puede significar que cualquier pieza de repuesto necesaria puede pedirse y tenerse en stock en caso de fallos de equipo.

Además, monitorizar la salud del equipo puede permitir ajustes graduales, donde anteriormente se habría requerido una revisión masiva para mejoras. Las alteraciones pueden mejorar la eficiencia de los procesos, reduciendo costos al eliminar elementos ineficientes y aumentando la vida útil del equipo mediante mantenimiento o reemplazo de piezas de desgaste.

Dónde empezar

El primer paso que un gerente de planta debe tomar al implementar cualquier programa de mantenimiento preventivo es recopilar la mayor cantidad de datos posible, aconsejó Jarret. Esto debe incluir una estimación precisa del costo real del tiempo de inactividad para la planta en cuestión. Recopilar datos recolectados por sensores inteligentes, cifras de ventas y sistemas retrofiteados debería permitirle tener en cuenta pérdida de ventas, producto desperdiciado y el costo de reparaciones de emergencia, lo que puede proporcionar una cifra base útil.

Usando su experiencia de la planta, los ingenieros de mantenimiento también deberían participar para producir un plan ideal para la planta, incluyendo áreas que creen que requerirán niveles más altos de mantenimiento, como equipos más antiguos o maquinaria inherentemente propensa a averías como motores, turbinas u otras partes móviles.

Este plan puede usarse entonces junto con el presupuesto para producir un plan de mantenimiento realista, incluyendo qué nivel de mantenimiento preventivo puede emplearse. Para algunos fabricantes, esto significará revisiones regulares de equipo, como una vez al mes para una sección de planta, o diariamente para maquinaria más volátil.

Datos

Si el verdadero mantenimiento predictivo es el objetivo, datos como temperatura, presión y vibración son recolectados por sensores y serán continuamente integrados, almacenados y analizados. La siguiente pregunta para los fabricantes es cómo aprovechar al máximo estos valiosos, pero grandes, conjuntos de datos.

Una vez que los datos han sido recolectados, el siguiente paso para aprovechar su potencial es comenzar el análisis. Una opción popular para análisis de datos es un servicio de analítica en la nube. Aquí, los datos en bruto se transmiten a la nube, donde pueden ser tanto almacenados como analizados para tendencias que pueden predecir un evento incluyendo una avería. Muchos servicios también incorporan un sistema de alerta y advertencias de averías inminentes pueden enviarse vía portal web, app, correo electrónico o mensaje de texto al personal relevante.

Otros fabricantes, quizás preocupados por ciberseguridad, la estabilidad a largo plazo de datos almacenados en la nube, o el retraso entre recolección y análisis de datos, analizarán los datos en bruto internamente. Aunque esto a menudo es significativamente más intensivo en recursos, da a los gerentes de planta control total sobre sus datos.

Obsolescencia

Independientemente de qué sistema se implemente, el mantenimiento predictivo puede usarse para gestionar la obsolescencia, además de reducir el tiempo de inactividad y mejorar la eficiencia del proceso.

Esto significa que las piezas pueden pedirse en el momento correcto para ajustarse al programa de mantenimiento. Tradicionalmente, los fabricantes tendrían que mantener un stock de piezas que puedan necesitar reemplazo, que ocupan espacio valioso en el piso de la planta que en su lugar podría usarse para operaciones. Las piezas de repuesto también pueden ser voluminosas y producir un peligro de salud y seguridad, incluyendo riesgos de tropiezo o incendio, si se almacenan en el piso de la planta.

En su lugar, los fabricantes pueden elegir pedir piezas de repuesto solo cuando sea necesario, maximizando el espacio y recursos que tienen disponibles. Con proveedores como EU Automation capaces de enviar piezas obsoletas a nivel mundial en 24 horas, ahora no hay necesidad de almacenar piezas in situ o sufrir períodos extendidos de inactividad esperando a que lleguen.

Cuando se emplea mantenimiento predictivo, los datos recolectados también pueden usarse para otros propósitos, como aumentar la eficiencia del proceso y asegurar que las piezas de repuesto se pidan con suficiente antelación. La recolección y análisis adecuados de estos datos es esencial para maximizar su potencial —y esto solo se volverá más importante cada año a medida que aumente la cantidad de datos.