Actualmente la gran mayoría de los profesionales de mantenimiento buscan combinar todas las iniciativas disponibles ya sean cuantitativas o cualitativas, con el propósito de ganar control sobre la falla crónica de sus equipos y mitigar así el tiempo perdido de los activos de producción. Una estrategia de mantenimiento equivocada puede reducir la capacidad productiva global de una planta en forma considerable, a tal punto que puede significar su fracaso en el mercado.

Gracias al auge de la Industria 4.0 con sus nuevas tecnologías está facilitando enfrentar este desafío al permitir que los activos hagan estas tareas por ellos, maximizando la vida útil de los componentes de los activos, garantizando mayor disponibilidad para la producción, optimizando el uso de los recursos asignados y adicionalmente ganando un mayor control de los presupuestos asignados.

En la actualidad, a un ingeniero de mantenimiento le puede resultar difícil determinar la frecuencia con la que un equipo debe desconectarse para ser revisado, así como visualizar riesgos por tiempo de producción perdido por una avería súbita.  Tradicionalmente, este dilema obliga a la mayoría de las organizaciones a tomar una decisión entre posibles escenarios, maximizar la vida útil de una pieza arriesgando tiempo de inactividad de la máquina, intentar maximizar el tiempo de producción con una sustitución temprana de piezas potencialmente buenas o, en algunos casos, utilizar la experiencia pasada para intentar anticipar cuándo podrían producirse averías y abordarlas de forma proactiva. Cualquiera de estas opciones, tiene un aspecto en común; incertidumbre y un componente financiero como resultad de una decisión.

Es aquí cuando toma relevancia, incursionar en el mantenimiento predictivo, como alternativa para fortalecer la estrategia actual, que ya incluya enfoques correctivo, preventivo o proactivo con un sistema de monitoreo de condición. La idea de incluir predictivo básicamente permite manejar la incertidumbre con un mayor grado de control, al capturar en tiempo real variables de operación de los equipos. Anteriormente esto era limitante para mucha organización por los altos costos del manejo de datos, no existían plataformas adecuadas ni tampoco existían conceptos como machine learning. La inversión necesaria para manejar los enormes volúmenes de datos requeridos a menudo limitaba su implantación a las organizaciones.

Hoy en día, la gran capacidad y el bajo costo de las tecnologías digitales, junto con el auge de proveedores de tecnología de machine learning, han hecho posible que el mantenimiento predictivo se extienda a un amplio nivel de industrias. Esta combinación de operaciones y tecnologías de la información puede permitir un análisis más profundo de los datos provenientes de los sensores de los equipos para facilitar y dar seguridad en la toma de decisiones. Los datos recogidos de las máquinas y los equipos procesados mediante estas aplicaciones de software y sus algoritmos pueden predecir con un muy alto grado de certeza cuándo y dónde podrían producirse fallos, maximizando potencialmente la eficiencia de las piezas y minimizando el tiempo de inactividad innecesario.

Sin embargo, antes de hacerlo, es muy importante considerar el proceso de creación de información, análisis y acción como un ciclo continuo que constituye la esencia de cómo estas tecnologías pueden crear valor. La integración de la información digital procedente de diferentes fuentes y lugares impulsa el acto físico de mantenimiento, sin embargo, la calidad de información y la claridad de propósito de la medición y su entendimiento son factores críticos de éxito en la implementación.

El ciclo de manejo de la información tiene en esencia, tres aspectos fundamentales.

  • Establecer un registro digital, capturar información del mundo físico para crear un registro digital de la operación física.
  • Analizar y visualizar, la conectividad de los equipos cuando se comunican entre sí para compartir información, lo que permite realizar análisis avanzados y visualizaciones de datos en tiempo real procedentes de múltiples fuentes
  • Generar conocimiento mediante la aplicación de algoritmos y automatización para traducir las decisiones y acciones del mundo digital en decisiones y acciones en el mundo físico.

Para garantizar que la transición hacia el mantenimiento predictivo sea un éxito, se debe definir un mapa de ruta muy bien definido, donde exista una estrategia muy clara, con un racional lógico, usualmente recomendamos a nuestros clientes empezar pequeño y replicar rápido. No todo termina aquí, diseñar un esquema de gestión del cambio ayuda a explorar los impactos o retos de la implementación al interior de la organización, esto es vital y puede ser la diferencia entre éxito o fracaso. Por ultimo y no menos importante, es el manejo de las expectativas en cuanto a entregables tangibles para la organización, preferiblemente con un análisis de retorno de la inversión.

Éxitos con su implementación.