{{{sourceTextContent.subTitle}}}
La inteligencia artificial está llevando el mantenimiento predictivo a un nivel superior, detectando pistas sutiles para optimizar los programas de mantenimiento, identificar fallos y predecir averías antes de que causen costosos tiempos de inactividad o daños.
{{{sourceTextContent.description}}}
El mantenimiento predictivo consiste en supervisar los sonidos, las vibraciones y otras características de la maquinaria para conocer su rendimiento. La maquinaria moderna suele llevar estos sensores incorporados, mientras que los sensores externos pueden instalarse en equipos más antiguos para ofrecer una supervisión continua del estado y un diagnóstico a demanda.
Aunque el mantenimiento "predictivo" ayuda a predecir un incidente, para sacar el máximo partido a esta información es necesario combinarla con el mantenimiento "prescriptivo". Esto aconseja la mejor forma de actuar para abordar o evitar el incidente previsto, dice Nicolas Layus, director de la unidad de negocio ADI OtoSense de Analog Devices.
ADI OtoSense, una plataforma de interpretación de sensores impulsada por la IA, es una solución agnóstica diseñada para trabajar con una amplia gama de maquinaria y sensores. Esto se extiende a la monitorización del ruido ambiental para detectar problemas que quizás los sensores de a bordo pasan por alto. Por ejemplo, puede analizar el sonido que se produce al encajar las piezas en una cadena de montaje para comprobar si hay fallos, o escuchar los débiles sonidos de raspado que indican que un brazo robótico ha rozado algo.
ADI OtoSense no se limita a analizar todos estos datos sensoriales, sino que también aprovecha la experiencia humana para darles sentido, afirma Layus.
"Puede entrenar nuestra solución en cualquier pieza específica del equipo, en su entorno operativo exacto, pero ese entrenamiento no necesita ser realizado por un científico de datos u otro especialista. Puedes tener a alguien que haya trabajado con una máquina durante décadas, que la escuche, la sienta y sepa exactamente lo que está haciendo en cada momento: puede ser quien entrene al sistema, para garantizar que su experiencia en el campo no se pierda con el tiempo."
Además de supervisar los equipos que ya están en servicio, la tecnología también puede mejorar la fiabilidad y reducir el tiempo de inactividad al mejorar las pruebas de control de calidad antes de que la maquinaria salga de la fábrica. Esto puede reducir significativamente el tiempo de las pruebas y mejorar la precisión general.
Una vez que la maquinaria está en el campo, los fabricantes pueden ofrecer la supervisión del rendimiento a distancia como un servicio a los clientes para mejorar el rendimiento y reducir el tiempo de inactividad. En un acuerdo mutuamente beneficioso, los fabricantes también podrían aprovechar esos datos de rendimiento en el mundo real para mejorar el diseño de los productos.
De cara al futuro, este tipo de monitorización continua impulsada por la IA permitirá a más fabricantes ofrecer un modelo completo "como servicio", ya común en el espacio del software con servicios como Office 365 de Microsoft.
Al igual que Microsoft pasó de vender copias únicas de Word y Excel a vender suscripciones anuales, los fabricantes de motores podrían evolucionar más allá de la simple venta de hardware para ofrecer un modelo de par como servicio.
"Este tipo de transformación como servicio se está produciendo en muchos sectores de la fabricación, pero si se quiere ofrecer este tipo de servicio de forma fiable, es necesario saber exactamente lo que ocurre con sus activos, como los motores, sobre el terreno. Una vez que los fabricantes cuentan con esta información, tienen el poder de reimaginar completamente su modelo de negocio para estar preparados para el futuro."
