¿Ha oído alguna vez las palabras “mantenimiento preventivo” o “mantenimiento predictivo”? En lo que respecta al mantenimiento de los equipos en las líneas de producción, el Internet de las Cosas (IoT) ha llamado la atención recientemente. Además, estas dos palabras parecen ser similares y tienen significados diferentes. Esta sección explica la definición general de las actividades de conservación, como el mantenimiento preventivo y el mantenimiento predictivo, la diferencia entre el mantenimiento preventivo y el mantenimiento predictivo, los beneficios del mantenimiento predictivo y la relación entre el mantenimiento predictivo y edge computing.
¿Qué son las actividades de conservación?
¿Qué es una actividad de conservación? JIS (Japanese Industrial Standard) define las actividades de conservación como “un término general para las actividades que eliminan los fallos y mantienen los equipos en condiciones normales y buenas, incluyendo la planificación, inspección, ajuste, reparación, sustitución, etc.”.
En otras palabras, puede considerarse como una influencia humana en la línea de producción para mantener el rendimiento de la misma. Según la definición de la JIS, las actividades de conservación se dividen en actividades de mantenimiento y actividades de mejora.
Las actividades de mantenimiento son actividades para mantener la calidad de los productos y el rendimiento de los equipos de producción, es decir, actividades para mantener el perfecto estado de las instalaciones de producción. Esto incluye el mantenimiento preventivo y reactivo. Por otro lado, las actividades de mejora se refieren a actividades como el “mantenimiento de mejora” que revisa la maquinaria para evitar que se repita cuando se avería, y el “mantenimiento de prevención” que sustituye la maquinaria y los equipos para evitar averías y errores.
El mantenimiento preventivo es la prevención de fallos mediante inspecciones diarias y la sustitución de las piezas deterioradas antes de que se produzcan. Incluye el mantenimiento predictivo y el periódico. El mantenimiento de seguimiento se refiere al restablecimiento del funcionamiento del equipo cuando se descubre un fallo en el mismo debido a una avería o algo similar. En otras palabras, se supone que se “repara” cuando el equipo se estropea.
El mantenimiento periódico es el acto de determinar el ciclo en función de los registros de fallos y las características del equipo, y de sustituir e inspeccionar las piezas en cada ciclo. También se puede reformular como el mantenimiento realizado en función del tiempo transcurrido. En general, el “mantenimiento preventivo” se refiere al mantenimiento periódico.
Por otro lado, el mantenimiento predictivo consiste en detectar o predecir el deterioro a partir del estado de los equipos medido de forma continua, y tomar las mejores medidas en el momento óptimo antes de que se produzca un fallo. Se basa en el estado del aparato.
La principal diferencia entre el mantenimiento periódico y el mantenimiento predictivo es que el mantenimiento preventivo se realiza en un ciclo de tiempo determinado, independientemente del estado del equipo, mientras que el mantenimiento predictivo supervisa constantemente el estado del equipo y responde cuando se detectan signos de fallo.
Actividades de conservación hasta la fecha
Las actividades convencionales de conservación incluyen principalmente el mantenimiento periódico, el mantenimiento predictivo y el mantenimiento post-mortem. Pueden llevarse a cabo actividades de mejora (como modificaciones y actualizaciones) para prolongar la vida útil de los equipos, pero la respuesta es limitada, como en el caso de los equipos caros.
El mantenimiento periódico, como ya se ha mencionado, implica la sustitución de piezas de forma regular, independientemente del estado del equipo. Además, el mantenimiento predictivo lo llevaban a cabo trabajadores e ingenieros in situ basándose en la intuición cultivada a lo largo de muchos años de experiencia de que “ya es hora de sustituir esa pieza”.
Los intervalos de tiempo de mantenimiento periódico se adaptan a las piezas más importantes y de menor duración, pero a menudo se sustituyen otras piezas durante esta sustitución. La razón es que la vida útil de las piezas varía en función del tipo, por lo que si el equipo se detiene y se sustituye cada vez, el índice de funcionamiento del equipo se deteriorará. Por esta razón, las piezas que aún no han llegado al final de su vida útil también serán sustituidas, y existe el problema de que hay mucho desperdicio en el mantenimiento periódico.
Mantenimiento predictivo
El mantenimiento predictivo se basa en las señales entre la anticipación de un fallo y el fallo real. Esto significa que se puede pensar en un plan de mantenimiento en la fase prevista y actuar, como la sustitución de piezas antes de que se produzca un fallo. Esto minimiza la condición de que la máquina se encuentre en una parada de emergencia debido a un fallo.
Además, si el mantenimiento predictivo se automatiza utilizando el IoT, se emite una alarma cuando hay una señal de fallo. Dado que solo es posible pensar en la respuesta cuando se emite una alarma, no se necesita tiempo ni esfuerzo, y se produce una reducción de los costes de mano de obra en este aspecto.
Ejemplos concretos de mantenimiento predictivo
En los equipos de fabricación se utilizan frecuentemente motores. Hay un componente llamado “rodamiento” que soporta el “eje” (eje de transmisión) que transmite la potencia de este motor. Si el rodamiento falla, el eje puede no girar o la carga en el eje no puede distribuirse, lo que puede provocar graves accidentes. Por lo tanto, este rodamiento es muy importante.
Los rodamientos por sí mismos son muy fiables, pero cuando se requiere una mayor fiabilidad, por ejemplo, en el proceso de estiramiento del hierro calentado en una acería (proceso de laminación), a menudo se realiza una supervisión de los rodamientos.
El sistema de monitorización de rodamientos instala un sensor de vibración en el rodamiento para detectar las condiciones de onda, frecuencia y amplitud de la vibración. A continuación, se emite una alarma cuando el estado de la vibración indica una señal de fallo.
Por ejemplo, si un rodamiento está dañado en un lugar, la carga aplicada al rodamiento cambia. Al cambiar la carga, cambia la distancia entre el sensor de vibración y el rodamiento, pero el sensor de vibración detecta un cambio mínimo en la distancia. Entonces, como la parte giratoria del rodamiento gira a un período constante, el cambio de la distancia se producirá en cada rotación. Esto provoca una vibración, y es posible detectar esta vibración y convertirla en una señal de fallo. Los ingenieros expertos tomaron esta vibración de los cambios en el sonido de la máquina y la utilizaron como señal de daño.
Este ejemplo se ha simplificado para mayor claridad, pero la predicción de fallos a partir del sonido requiere experiencia, ya que no hay cambios en la vibración aunque se dañen varios lugares. Por este motivo, no es posible realizar este tipo de juicios si no es a través de un ingeniero cualificado. Por desgracia, el número de técnicos cualificados está disminuyendo. La inteligencia artificial (IA) se considera una solución. La inteligencia artificial, que ha atraído la atención en los últimos años, permite que el “aprendizaje profundo” aprenda por sí mismo mediante una estructura modelada en las acciones humanas. Por supuesto, aunque es necesario que haya un aprendizaje previo, la inteligencia artificial puede aprender y ejecutar como los humanos, que han captado las señales de fracaso a partir de la experiencia. Dado que el número de ingenieros cualificados está disminuyendo, puede decirse que es un medio eficaz para responder a la escasez de recursos humanos.
Mantenimiento predictivo y edge computing
De este modo, la automatización del mantenimiento predictivo es un medio eficaz para eliminar la escasez de recursos humanos y optimizar las actividades de mantenimiento. Sin embargo, hay que tener en cuenta algunos aspectos a la hora de automatizar el mantenimiento predictivo.
La estructura que imita las acciones humanas de la inteligencia artificial descrita anteriormente se denomina “red neuronal” y contribuye en gran medida a la realización del aprendizaje profundo. Sin embargo, las redes neuronales son un mecanismo muy complejo. Por lo tanto, es una cuestión práctica realizar el mantenimiento predictivo manteniendo la velocidad necesaria para el mantenimiento predictivo.
También existe un método llamado “neurochip” que realiza redes neuronales con hardware, pero no es un método muy común. El problema aquí es la velocidad, por lo que la computación cloud , que siempre envía y recibe de servidores en Internet, es poco práctica. Así que pensemos en desplegar edge computing y poner la inteligencia artificial en los servidores de edge . Esto se llama edge AI. Como resultado, se puede decir que la mejor respuesta en este momento es automatizar el mantenimiento predictivo manteniendo la velocidad al máximo.
Posibilidad de mantenimiento predictivo e inteligencia artificial
Este artículo describe principalmente la diferencia entre el mantenimiento predictivo y el mantenimiento preventivo, así como las ventajas del mantenimiento predictivo. Con el desarrollo de la inteligencia artificial, las posibilidades del mantenimiento predictivo se amplían enormemente. Y permitir el mantenimiento predictivo utilizando la inteligencia artificial con edge computing es la figura más idónea en la actualidad.
