Autor: Ricardo Piedra. 

Desde pequeño me he preguntado qué pasaría si se pudiera predecir el futuro o lo que esta pronto a pasar, que impacto tendría esto en mi vida y la de los demás, qué eventos se pudieron haber cambiado o evitado. Pues si bien esto es algo imposible de alcanzar en la vida cotidiana, el desarrollo de la tecnología, específicamente en el campo de la Inteligencia Artificial con el Machine Learning (aprendizaje automático) nos acerca a esta idea de predecir lo que va a pasar, pero enfocado en un entorno industrial con el desarrollo de modelos de mantenimiento predictivo.

Primero, para entender cómo funciona un modelo de mantenimiento predictivo debemos arrancar por comprender que es el Machine Learning y como con este podemos llegar a predecir eventos. El Machine Learning es un campo de estudio de la inteligencia artificial enfocado en generar modelos computacionales que, a partir de un conjunto inicial de datos, aprendan de forma automática a detectar patrones y generar relaciones que permitan a la máquina adaptarse de manera independiente a las situaciones a las que se enfrenta. Es decir, el Machine Learning utiliza los datos adquiridos históricamente para que al recibir un nuevo dato de entrada, se pueda predecir cual va a ser su salida.

Si bien el pensar que las máquinas pueden llegar a “aprender” suena a ciencia ficción, lo cierto es que día a día interactuamos con tecnología que utiliza el machine learning. Desde la cámara de celular que detecta la cara de las personas, hasta las aplicaciones de redes sociales, música o video que nos muestran contenido de acuerdo con nuestros gustos; en cada una de estas tecnologías podemos encontrar modelos de machine learning. A pesar de que en el sector industrial este tipo de tecnología no ha avanzado de forma tan acelerada, poco a poco se ha ido incorporando y tiene una gran relevancia de cara a la Industria 4.0.

Ahora que ya hemos expuesto qué es el Machine Learning centrémonos en el mantenimiento predictivo. Mobley [1] lo define como un programa de mantenimiento preventivo basado en condiciones, en el cual, en lugar de confiar en las estadísticas de vida media industrial o de la planta (es decir, el tiempo medio de falla) para programar actividades de mantenimiento, el mantenimiento predictivo utiliza el monitoreo directo de las condiciones mecánicas, la eficiencia del sistema y otros indicadores en tiempo real para determinar el tiempo medio de falla o pérdida de eficiencia para cada máquina y sistema en la planta.

La implementación del mantenimiento predictivo representa un cambio de paradigma en como se realizan las labores de mantenimiento  de manera convencional, donde se utilizan diferentes tipos de sensores y se establecen umbrales para activar alarmas de fallas en el equipo. Si bien es cierto que todo esto es útil, los umbrales son un valor estático y no reflejan las variaciones que pueda experimentar la máquina a lo largo de su vida útil. Lo cual provoca que en ocasiones cuando se exceden los umbrales, ya el equipo se encuentra dañado, por lo que hay que implementar un mantenimiento reactivo, y esto genera altos costos de mantenimiento o  forza a cambiar el equipo. Del mismo modo muchas veces se emplea el conocimiento y experiencia de los encargados de mantenimiento para definir la frecuencia de las labores, como en el caso del mantenimiento preventivo, el cual aun usando estadística sobre tiempo medio entre fallas, tiende a no adecuarse de manera real al comportamiento del equipo.

En cambio con los modelos de mantenimiento predictivo, a partir de los datos de los sensores, se observa el comportamiento de la máquina y se aprende un modelo complejo que funciona como un predictor de su estado. Este modelo a su vez se adapta a los cambios tanto ambientales, como del equipo y va aprendiendo en tiempo real el comportamiento de la máquina, lo cual provoca que el modelo alerte de forma temprana cuando un equipo esta pronto a fallar, reduciendo los costos de mantenimiento.

Como menciona Frigeni [2] el mantenimiento predictivo puede alcanzar un grado de supervisión más inteligente en cualquier nivel: desde componentes individuales hasta máquinas completas, procesos complejos y una línea de producción completa. El mantenimiento predictivo viene a solventar esos dolores de cabeza al verse forzado a detener todo un proceso productivo por el fallo de una máquina, o el tener que hacer extensos periodos de mantenimientos programados. Lo que años atrás parecía ciencia ficción, hoy en día es una gran herramienta para mejorar procesos productivos y sacar el máximo provecho a nuestros equipos.

Si bien es cierto que no podemos predecir el futuro, si podemos predecir que la implementación de sistemas de mantenimiento predictivo va a reducir los costos de mantenimiento de nuestras empresas. ¿Y usted en cuál proceso productivo implementaría el  mantenimiento predictivo?

Referencias

[1] R. K. Mobley, «1 – Impact of Maintenance,» de An Introduction to Predictive Maintenance, Segunda ed., Butterworth-Heinemann, 2002, pp. 1-22.

[2] F. Frigeni, «Applying Machine Learning to Industrial Automation,» 19 Abril 2018. [En línea]. Available: https://medium.com/@ffrige/applying-machine-learning-to-industrial-automation-d6b48c7457c0. [Último acceso: 6 Diciembre 2021].

[3] M. I. Jordan y T. M. Mitchell, «Machine learning: Trends, perspectives, and prospects,» Science, vol. 349, nº 6245, pp. 255-260, 17 Julio 2015.