En los procesos de fabricación industriales, son cada día mayores las exigencias a todos los niveles, tanto productivos como desde un punto de vista de mantenimiento de equipos (que directamente afectan a producción), de tal forma que, ser capaces de prestar un servicio de mantenimiento integral en los equipos de producción que garanticen una alta disponibilidad y, a su vez, eviten tiempos de parada es, hoy en día, algo imprescindible. Y todo ello, claro está, pensando en mejorar costes y reducir los tiempos de entrega a los clientes. Es por lo tanto crucial, ser capaces de planificar las operaciones de mantenimiento.
Con el paso de los años, hemos ido avanzando también en las diferentes técnicas y formas de acercarse al mantenimiento, pasando de tareas correctivas a preventivas. Las técnicas más avanzadas en mantenimiento dieron un paso más, estudiando el momento en el que el componente en cuestión estaba próximo al fallo. Apareció el mantenimiento predictivo. Aunque este tipo de mantenimiento tampoco nos decía cómo evitar el fallo.
Una nueva forma de acercarse al mantenimiento ha ido apareciendo en los últimos tiempos, dirigida fundamentalmente a la detección y corrección de las causas que generan el desgaste y que conducen al fallo de la maquinaria. Esta nueva forma de mantener los equipos mejora el rendimiento de los mismos, fortaleciendo el modelo de negocio de las empresas. Gracias a la inclusión de un conjunto de tecnologías de detección, monitorización de condiciones, análisis predictivo y distribución de sistemas, es posible realizar y proporcionar una asistencia técnica basada en un seguimiento continuo.
Pero para ello, es muy importante mejorar los procesos de adquisición y análisis de datos que permitan desarrollar algoritmos predictivos para máquinas en producción.
Se plantea pues un nuevo modelo, en el que se muestra imprescindible la aplicación de estrategias de mantenimiento proactivas que sean capaces de predecir los potenciales fallos que puedan llegar a ocurrir y que posibiliten la planificación de operaciones de mantenimiento para evitar fallos intempestivos. Técnicas que permitan evaluar de manera continua el estado de las máquinas y sus componentes, permitiendo, de manera proactiva, resolver problemas antes de que ocurran.
Pero conocer de tal manera el estado de las máquinas y sus componentes, exige disponer no sólo de procedimientos y métodos que permitan medir los parámetros más importantes, sino también conocer el entorno en el que trabaja la máquina y cuáles son las características del mismo que han llevado a la situación en la que la máquina se encuentra en cada momento.
Para ello, es vital disponer de equipos que permitan la monitorización de tales parámetros de manera continua y un tratamiento adecuado de los datos obtenidos, con herramientas basadas en minería de datos y un acercamiento estadístico a los mismos, que posibiliten la implementación de técnicas y algoritmos de mejora, respetando tres aspectos básicos del modelado predictivo:
- La muestra de datos: son los datos que se recogen por su representatividad para describir el problema a resolver y que presentan relaciones conocidas entre entradas y salidas.
- El aprendizaje del modelo: se crea un algoritmo para aplicar a estos datos, con la particularidad de que, el modelo creado ha de poder ser utilizado en el futuro una y otra vez.
- Las predicciones: consisten en la aplicación del modelo que ya ha aprendido con nuevos datos sobre los que no se conoce previamente el resultado.
El correcto desarrollo del concepto de Industria 4.0 y su adecuada implementación, juega un papel fundamental dentro de este complejo contexto del conocimiento del estado de salud de las máquinas (“Condition Monitoring”) y su capacidad de auto-diagnóstico, que permitan conocer su disponibilidad y sus necesidades de mantenimiento en tiempo real.