Mantenimiento predictivo: de «solucionar fallos» a «prevenir y predecir»

Ante los profundos cambios que está experimentando el sector de Energía y Utilities, se impone la necesidad de garantizar la continuidad de las operaciones en todo momento. El mantenimiento predictivo responde a este desafío porque identifica los riesgos de fallo gracias al conocimiento detallado de los equipos en el marco de un modelo productivo optimizado.

VISIÓN GENERAL

Un sector que se enfrenta a grandes cambios

Los nuevos competidores en el mercado, el alza de la demanda energética, el autoconsumo, el cambio climático, las instalaciones obsoletas, las redes eléctricas inteligentes, las ciudades inteligentes, los edificios inteligentes… El sector de Energía y Utilities se enfrenta actualmente a grandes cambios. La electricidad, el gas y el agua están considerados como productos básicos, y su valor no está solo en el acceso a los mismos, sino en su utilización y los servicios que los rodean. La distribución dinámica del suministro eléctrico en un barrio, el control remoto de la temperatura de un edificio o garantizar el correcto funcionamiento de un parque eólico son tres ejemplos que lo ilustran claramente.

Estos servicios requieren una gestión optimizada de los equipos de generación, transporte y distribución, pero sin dejar de pensar en una reducción de costes. Actuar sobre un activo en función de su estado real, en vez de regirse por un calendario planificado, es uno de los desafíos del mantenimiento predictivo. Tras el correctivo y preventivo, este nuevo enfoque del mantenimiento se basa en un profundo conocimiento del equipamiento para anticipar el riesgo de fallo con mayor precisión.

El mantenimiento predictivo aprovecha la digitalización de los activos que, conectados a sensores, emiten señales sobre su estado de funcionamiento. Tras el proceso de tratamiento, los datos recopilados se comparan con «patrones» de averías, modelizados por algoritmos predictivos a partir del historial de fallos de los dispositivos. Cuando el estado de un equipo se acerca a uno de esos patrones, se activa una alerta en tiempo real para solucionar el problema antes de que se produzca la avería.

ASUMIENDO EL RETO

El mantenimiento predictivo como iniciativa corporativa

El reto consiste en contar con un índice de detección que sea lo más fiable posible, con un umbral de alerta afinado en el tiempo mediante el aprendizaje automático o machine learning. La integración de datos externos, en particular los meteorológicos, puede ayudar también a medir la influencia del entorno en la calidad de funcionamiento de los equipos, y adaptar la producción en consecuencia. Esta anticipación permite programar las intervenciones en función de las necesidades para evitar desplazamientos inútiles y costosos del personal de mantenimiento, optimizar la logística de las piezas de repuesto y prevenir las bajadas de productividad evitando el riesgo de paradas no planificadas. En una instalación conectada, conocer de forma detallada el estado de los equipos y la gestión anticipada de las averías se traducirá en un ahorro de costes y en una mejora de la productividad.

Elegir qué equipos conectar, valorar qué datos se deben tratar, seleccionar los protocolos de comunicación, validar los algoritmos de análisis, crear cuadros de mando, etc., son tareas que requieren de la combinación de experiencia en el negocio, en telecomunicaciones y en tecnologías de la información (SI, diseño UX/UI) con un enfoque de construcción colaborativo. Un proyecto de mantenimiento predictivo se debe enmarcar dentro de una iniciativa corporativa en múltiples frentes: la gestión del proyecto, de los datos, el ensamblado de los bloques constructivos tecnológicos, el despliegue a nivel industrial, la gestión del cambio (logrando que trabajen juntos equipos que no suelen estar en contacto entre ellos), partiendo de un plan corporativo en el que participa el Comité de Dirección. Es un proyecto complejo porque además debe encuadrarse en un plan global de digitalización de la compañía.

UNA REFERENCIA

630.000 millones de dólares; es el importe que las empresas deberían ahorrarse de aquí a 2025 gracias al mantenimiento predictivo, según un estudio de McKinsey*. La reducción de costes en el mantenimiento supondrá entre el 10% y el 40 % de ese ahorro, el número de averías se reducirá a la mitad y la adquisición de nuevo equipamiento descenderá del 3% al 5 % gracias al aumento de su vida útil.

* (Fuente: https://mck.co/2wWQyXp)

CASO DE USO 1

Control de fugas de agua

En Francia, las fugas suponen en torno al 24 % del agua tratada y transportada, llegando hasta el 50 % en algunos lugares (fuente: Observatorio francés de los servicios de agua y saneamiento*). Para luchar contra esta pérdida, un operador de red ha instalado sensores acústicos cada 800 metros en sus canalizaciones. «Escuchar» a la red permite la detección de nuevas fugas, intervenir en consecuencia y en consecuencia aumentar la eficiencia.

* (Fuente: https://bit.ly/2sFmxX7)

CASO DE USO 2

Garantizar la generación de energía

El operador de un parque eólico ha instalado sensores de vibración para detectar anomalías en los componentes mecánicos de sus molinos (cajas de transmisión, generadores) con el fin de prevenir el riesgo de una avería repentina, garantizando así la generación de energía. Un análisis más detallado a partir de la combinación de estos datos con otros factores (velocidad del viento, temperatura…) facilita la toma de decisiones para alargar la vida útil de los aerogeneradores.

CASO DE USO 3

Optimización de la red gracias a los datos de consumo

Los contadores inteligentes, como los de Linky, proporcionan una visión en tiempo real del consumo de energía por zonas. Además de equilibrar la carga de la red, el responsable de la distribución eléctrica puede utilizar este conocimiento granular para proponer servicios de información sobre los consumos y alertas en caso de fallo eléctrico. El resultado: menor consumo, satisfacción y fidelización del cliente.

#Mensaje del experto

«La competencia obliga a que los productores de energía e industrias relacionadas no se puedan permitir interrupciones en la generación ni en la provisión de los servicios ofrecidos desde sus instalaciones. Si disponen de información granular sobre el funcionamiento de su equipamiento, pueden anticipar incidencias en la producción, además de perfeccionar el uso de las máquinas en función de parámetros externos como los meteorológicos. El mantenimiento predictivo es el Minority Report del mantenimiento.»

François Boncenne, Director of the Energy, Utilities and Chemicals Sector, Gfi Informatique

#Solución Gfi

Como integrador de todo el conjunto de bloques tecnológicos (IoT, Big data, Analítica, IA, visualización de datos, diseño UX/UI, portales, aplicaciones móviles, API, integración SI) a la largo de toda la cadena de valor, Gfi contribuye a la transformación digital de las empresas basándose en plataformas como Cumulocity (Software AG), Microsoft Azure IoT o SAP Leonardo, o arquitecturas tecnológicas para Big Data como Hadoop. Desde la consultoría de negocio hasta la adquisición de datos y su visualización, pasando por el tratamiento, enriquecimiento, almacenamiento y exportación de la información, Gfi se distingue por su capacidad para proponer un modelo industrializado, ágil y personalizado.

Versión PDF

Artículos relacionados

Compartir