Diagnóstico de fallos y optimización de la planificación en un marco de e-mantenimiento

Para poder competir en cualquier nivel productivo o de operación, tanto a nivel nacional como internacional, es necesario que sistemas y equipos funcionen a niveles cada vez más altos de eficiencia, impensables hace un par de décadas. Mejoras en calidad, tiempos de respuesta cada vez más cortos y cambios continuos en la demanda de productos y servicios generan necesidades cada vez más altas de rendimiento en la operación y el mantenimiento.

Aunque es evidente que en los últimos años esta evolución ha conllevado grandes avances, y en especial se ha trabajado en el aumento de la disponibilidad y fiabilidad de la maquinaria, también es cierto que todavía se puede recorrer un largo camino para llegar a una optimización completa en muchos ámbitos de aplicación.

El objetivo principal de esta memoria de tesis es demostrar el potencial de mejora que las técnicas y metodologías relacionadas con la analítica prescriptiva, pueden proporcionar en aplicaciones de mantenimiento industrial. Las tecnologías desarrolladas se pueden agrupar en tres ámbitos:

E-mantenimiento e interoperabilidad

Esta sección tiene especial relevancia para dar soporte a las estrategias relacionadas con el mantenimiento predictivo en continuo (on-line) de forma que puedan utilizarse las últimas tecnologías del mercado. Su continua reducción de costes ofrece claras oportunidades de mejora en los procesos de mantenimiento. Las tecnologías predictivas han evolucionado en estos últimos años y se están realizando avances importantes en aplicaciones mecánicas, térmicas, electromecánicas y más actualmente en sistemas eléctricos y electrónicos.

El e-mantenimiento está relacionado fundamentalmente con el desarrollo de plataformas colaborativas e inteligentes que permiten la integración de nuevos sensores, sistemas de comunicaciones, estándares y protocolos, conceptos, métodos de almacenamiento y análisis, que entran continuamente en nuestro abanico de posibilidades y nos ofrecen la posibilidad de seguir una tendencia de mejora en la optimización de activos y procesos, y en la interoperabilidad entre sistemas.

Diagnóstico de fallos

Las Redes Bayesianas junto con otras metodologías de recogida de información utilizadas en ingeniería nos ofrecen la posibilidad de automatizar la tarea de diagnóstico y predicción de fallos. Las técnicas de aprendizaje automático se utilizan ampliamente con el mismo propósito, pero tienen el inconveniente de que necesitan un amplio abanico de datos para poder realzar un modelo fiable, y aun así existe riesgo de excesivo acoplamiento al sistema con el que se realiza las pruebas.

De todas formas, estas técnicas están más enfocadas a la detección de fallos específicos, mientras que el propósito de esta sección, en consonancia con el resto del proyecto de tesis no está centrado tanto en la resolución de un problema concreto, si no en la metodología que hay que tener en cuenta y las acciones que hay que llevar a cabo para realizar un buen sistema de diagnóstico en ausencia o escasez de datos, que es lo que ocurre en numerosas ocasiones.

Simulación de estrategias y optimización de la planificación

El objetivo principal de esta sección es centrarse en tecnologías que permitan optimizar las estrategias de mantenimiento, ya sea con diseños más fiables o mediante la mejora en las decisiones de mantenimiento. El análisis de coste-efectividad es clave porque es la forma de indicar si cualquier beneficio o ventaja competitiva se puede lograr mediante el uso de estrategias adecuadas de mantenimiento, especialmente con una orientación al mantenimiento predictivo. El uso de simulaciones coste-efectividad en este ámbito ayuda a la toma de decisiones a la hora de seleccionar una estrategia de mantenimiento adecuada para el activo.

Además, mediante el uso de algoritmos de optimización logramos mejorar la planificación del mantenimiento, reduciendo los tiempos y costes para realizar las tareas en un parque de activos. Durante el proyecto de tesis se ha desarrollado un algoritmo multiobjetivo basado en el uso del algoritmo de estimación de distribuciones (Estimation of Distribution Algorithm – EDA) para la optimización de los planes de mantenimiento. El concepto de analítica prescriptiva se hace plenamente patente en esta sección en base a la combinación de acciones predictivas (ej. predecir un fallo) simulación del coste-beneficio de diferentes decisiones relacionadas (ej. diferentes opciones de mantenimiento) y la búsqueda de la mejor decisión (o del conjunto de decisiones para un parque de activos).