El análisis de datos para el mantenimiento predictivo se refiere al proceso de analizar datos brutos para tomar decisiones inteligentes basadas en datos. El análisis de datos de mantenimiento existe desde que se registran lecturas de la maquinaria.
¿Qué es el análisis de datos de mantenimiento predictivo?
GMAO es la herramienta perfecta para los equipos de mantenimiento que desean aprovechar el poder del análisis de datos para el mantenimiento predictivo.
Lo que está cambiando ahora es el gran volumen de datos recopilados y lo que realmente está haciendo el análisis: el software de análisis de datos de mantenimiento predictivo.
Tradicionalmente, los datos eran recogidos por los técnicos, que luego transmitían la información a sus jefes u otros expertos para que la analizaran. Los expertos sacaban conclusiones de los datos y determinaban las medidas necesarias.
Hoy en día, el análisis de datos es más importante que nunca para el mantenimiento. Con la próxima ola de análisis prescriptivo, en lugar de recopilar manualmente los datos, el software los recopila y analiza por usted, y la Inteligencia Artificial (IA) y el Aprendizaje Automático (ML) deciden qué acciones tomar y cuándo. Aunque esto es todavía el futuro y la mayoría de las operaciones siguen funcionando con lecturas manuales de datos, muchos fabricantes ya se están apresurando para conseguir que la analítica prescriptiva sea una realidad.
A continuación se presenta una cronología de la analítica de datos en el mantenimiento: desde el mantenimiento reactivo basado en papel hasta el mantenimiento prescriptivo con una GMAO.
Fuentes de datos industriales a las que puede acceder una GMAO
Hay muchas fuentes diferentes de datos industriales de las que se nutre una GMAO para el análisis de datos.
eMaint GMAO se integra con sensores y herramientas de terceros. Los datos de los activos pueden proceder de diversas fuentes: herramientas termográficas utilizadas para tomar lecturas de múltiples activos, sensores de vibración que realizan un seguimiento continuo monitoreo de condición, etc.
Además, los datos de una comprobación puntual de un técnico con una herramienta manual pueden enviarse a la nube inmediatamente. A partir de ahí, un software integrado puede fusionar las fuentes de datos en una imagen completa y hacer inferencias y recomendaciones basadas en esa imagen más amplia.
Las plataformas líderes como eMaint también pueden aprovechar los datos aislados de los sistemas industriales: Sistemas de control y adquisición de datos (SCADA), sistemas de controladores lógicos programables (PLC), sistemas de gestión de edificios (BMS), etc.
Cinco pasos clave para implementar el análisis de datos para el mantenimiento predictivo
El camino hacia el futuro del análisis de datos no es el mismo para todos los fabricantes. Por ejemplo, algunos fabricantes ya tienen una GMAO y un mantenimiento centrado en la fiabilidad (RCM) arraigados en sus operaciones. Mientras tanto, otros acaban de iniciar su viaje hacia la fiabilidad. Sin embargo, todos pueden beneficiarse de los siguientes pasos, independientemente de su punto de partida.
Estos son los 5 pasos que debe dar con su GMAO para conseguir un análisis de datos de mantenimiento predictivo:
Paso 1: Utilice su GMAO para realizar un análisis de criticidad de los activos
Un análisis de la criticidad de los activos es clave para priorizar la salud y el mantenimiento de los activos según una jerarquía de importancia. Empiece por clasificar cada activo en función de su uso dentro de la organización y del impacto potencial en el negocio en caso de avería. Este paso ayuda a los equipos a identificar qué activos son los principales candidatos para monitoreo de condición.
Paso 2: Identificar los activos para un programa piloto
La mejor práctica para el análisis avanzado de datos es empezar con un conjunto manejable de activos para obtener información. Comience por monitoreo de condición en los activos más críticos identificados en el análisis de criticidad de activos.
Paso 3: Lanzar y mejorar continuamente el programa
Lanza el programa, sabiendo que no será un enfoque de una sola vez. El plan tendrá que ser perfeccionado de forma iterativa para asegurarse de que se ajusta a sus necesidades de mantenimiento y operativas. Si un proceso o una automatización no le funcionan, perfeccione y reúna más datos. Pero, sobre todo, ¡siga adelante! Demasiadas organizaciones abandonan un programa piloto porque no les da los resultados deseados de inmediato. En su lugar, improvise, adapte y supere.
Paso 4: Revisar los resultados del programa piloto
Una vez que disponga de los datos de su programa piloto, utilícelos como prueba de concepto para obtener el consenso y la aprobación de sus dirigentes para ampliar el programa. Demuéstreles que el programa es sólido y ampliable con datos. Es probable que su equipo directivo también tenga sugerencias basadas en años de experiencia en gestión empresarial y cambio de procesos.
Paso 5: Ampliar su programa de análisis de datos
Una vez que la dirección esté de acuerdo, vuelva al análisis de la criticidad de los activos para determinar las mejores oportunidades de ampliar estratégicamente su programa monitoreo de condición . Esta ampliación podría realizarse en la misma instalación, entre instalaciones de la misma región o incluso entre distintos países.
Hacer crecer el programa de análisis de datos también significa probar nuevas fuentes de datos industriales. Los sensores, las herramientas manuales, los sistemas SCADA y PLC integrados en los equipos y otros recursos pueden fusionarse, mejorando la analítica en el proceso. Aunque la monitorización de las vibraciones es un buen punto de partida para los nuevos programas, también son útiles las imágenes térmicas, el análisis del aceite y otros recursos de mantenimiento basado en la condición (CBM).
Fuente: Emaint