La IA en la estrategia de mantenimiento de equipos

El mantenimiento de equipos es una oportunidad natural para comenzar la implementación de agentes y de la Inteligencia Artificial. Los agentes pueden monitorear el desempeño de los equipos rotativos, tales como motores eléctricos, generadores de gas, bombas y compresores, los cuales forman el sistema básico de una unidad de procesamiento y, en algunos casos, hasta incluso el desempeño del propio oleoducto/gasoducto: la medición del flujo, temperatura, presión y densidad del producto transportado por los ductos.

• El 85% de los equipos falla, incluso con un mantenimiento programado. (Estudio de Boeing)
• Un tercio de todo el presupuesto de mantenimiento se desperdicia debido a métodos ineficaces de gestión del mantenimiento. (Fundamentos del Mantenimiento 2.ª Edición - R. Keith Mobley)

Sin el tiempo ni el presupuesto para enviar físicamente a un profesional a los lugares remotos para que monitoree el desempeño y las necesidades de mantenimiento de un determinado equipo, puede programar a un agente para detectar problemas en equipos ubicados en cualquier parte del mundo, antes de que ocurra una falla. De esta manera, si se detecta un posible problema, el agente puede alertar a su equipo de trabajo para actuar.

Existen dos tipos de agentes que se usan frecuentemente en el mantenimiento predictivo: agentes de falla y agentes de anomalías.

Los agentes de falla son programados para buscar patrones en datos que ya son asociados a un modo de falla conocido. Cuando se detecta este patrón, el agente alerta a su equipo de trabajo sobre una falla inminente y prescribe la actividad de mantenimiento apropiada.

Los agentes de anomalía buscan datos que se están desviando de aquellos asociados a las operaciones normales y alertan al equipo cuando descubren un nuevo patrón, para que el mismo pueda ser investigado.

Crear agentes de falla y agentes de anomalías es un proceso bastante simple:

• Determine los datos necesarios.
• Instale sensores para captar esos datos.
• Configure a los agentes de falla para reconocer patrones de falla conocidos.
• Configure a los agentes de anomalías para reconocer patrones de datos anormales.

Aunque las personas puedan identificar patrones simples y significativos usando herramientas de análisis de tendencias y análisis históricos, los sistemas de ductos son, muchas veces, demasiado complejos para que el reconocimiento de esos patrones por humanos pueda detectar los problemas antes de que ocurran las fallas.

Tomando todo eso en consideración, las empresas de ductos en todo el mundo están recurriendo a modelos matemáticos para el análisis predictivo, y algunas de ellas hasta están implementando herramientas de aprendizaje automático para identificar cuándo el ducto esté operando de manera anormal y ayudar a asegurar el máximo rendimiento de forma continua.

La Inteligencia Artificial es el camino para cambiar su estrategia de mantenimiento, lo que hará que usted abandone el mantenimiento programado y preventivo (planificado en un calendario), a favor del mantenimiento predictivo, que lo ayudará a incrementar la seguridad y la eficiencia operativa de los ductos.

Fuente: Rockwell Automation