Con la aparición de los dispositivos IoT aplicados en industria, la recopilación de datos de los equipos permite evolucionar desde inspecciones manuales por medio de formatos, al uso de sistemas automatizados. Esto mejora tanto la calidad como la cantidad de datos. El monitoreo remoto de activos habilitado para IoT también expande dramáticamente la cantidad y variedad de parámetros que pueden monitorearse de manera rentable. En combinación con análisis avanzados, estos datos permiten a las organizaciones industriales implementar estrategias de mantenimiento nuevas y más efectivas para avanzar en el proceso de madurez desde reactivo, preventivo, basado en la condición, predictivo y, en última instancia, hasta el mantenimiento prescriptivo.
Se debe tener en cuenta que a mayor grado de madurez de los procesos de mantenimiento se obtienen mayores beneficios, no solo derivados de los ahorros directo del proceso, sino también del efecto de la mayor disponibilidad o del mejor funcionamiento de los mismos que se refleja en mejores indicadores de producción y de entrega de pedidos, mayores ventas, satisfacción del cliente, niveles de inventario entre otros.
Es importante considerar si bien hay mucha experiencia en el mantenimiento correctivo y preventivo, los enfoques de predictivo y basado en condición, donde IoT entra en juego, no son tan conocidos y si aplicación ha tenido varias interpretaciones.
Compartimos a continuación una clasificación del modelo de madurez del mantenimiento publicado por ARC Advisory Group, que busca clarificar cada enfoque de tal manera que podamos orientar de mejor manera los procesos y la tecnología en la empresa, hacia el nivel de madurez deseado.
Mantenimiento reactivo:
El mantenimiento reactivo (ejecución hasta la falla) es el enfoque más común para la gestión de máquinas, considera que la mayoría de los activos tienen una probabilidad muy baja de falla y que no son críticos. Este enfoque ayuda a controlar los costos de mantenimiento, pero solo es apropiado para activos no críticos, pues definitivamente implica tiempos de para.
Mantenimiento preventivo:
El mantenimiento se realiza en función del tiempo (sustitución de las baterías o filtros) o del uso (cambio del aceite de su automóvil cada 5.000 millas). El mantenimiento preventivo se aplica a los activos con un patrón de falla relacionado con la edad, donde la frecuencia de falla para el activo aumenta con la edad, el tiempo de ejecución o el número de ciclos.
Mantenimiento bajo condiciones:
El mantenimiento basado en la condición (CBM) implica el monitoreo de un parámetro específico del activo. El CBM generalmente se aplica a los equipos de producción (equipos rotativos) y de automatización (instrumentos y sistema de control). Para equipos de plantas fijas, como calderas de vapor, tuberías e intercambiadores de calor, a menudo se utilizan inspecciones periódicas y evaluaciones de estado.
Mantenimiento predictivo:
El mantenimiento predictivo (PdM) utiliza algoritmos o modelos de machine learning con múltiples parámetros de entrada para proporcionar una mayor precisión (menos falsos positivos o problemas perdidos) y una mejor anticipación a la falla. Combina la data masiva generada por un dispositivo o sistema particular (llamada “small data” según algunos autores), con algoritmos que modelan ese tipo de equipo (llamado equipo virtual o "gemelo digital") para monitorear la condición y generar una alerta cuando sea apropiado. Esto proporciona los avisos oportunos y necesarios para programar y ejecutar el mantenimiento durante las paradas planificadas.
Mantenimiento prescriptivo:
El mantenimiento prescriptivo se basa en PdM con alertas que proporcionan diagnósticos y orientación para la reparación. También se incluye información para determinar el momento y el impacto de la falla para ayudar a evaluar la prioridad y la urgencia.
El aumento de la madurez generalmente implica más inversión en tecnología, por lo que es importante no perder de vista que los beneficios en el proceso tienen efecto directo en los indicadores de la organización, para de esa manera justificar esas inversiones.
Con 4TUNA tenemos la capacidad de conducir a una empresa desde el modelo básico hasta un nivel de madurez avanzado. Las capacidades de planificación, gestión basada en condición, así como la capacidad de integración con IoT y la analítica, son elementos clave para la implementación de dichos modelos. La facilidad de uso de 4TUNA por otro lado permite la adopción de parte de usuarios tanto técnicos, como administrativos y gerenciales.
Fuente: https://www.arcweb.com/blog/iiot-expands-maintenance-maturity-model
